深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
481	2026-03-15	Towards reliable prediction of intraoperative hypotension: a cross-center evaluation of deep learning-based and MAP-derived methods 2026-02, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01357-0 PMID:40938328	研究论文	本研究评估了深度学习模型与平均动脉压阈值方法在预测术中低血压方面的可靠性，并通过跨中心验证揭示了数据集选择偏差对模型性能的影响	引入包含血压边界案例的“灰色区域”框架，进行跨中心、跨人群的验证，并标准化样本间的平均动脉压差异以减少偏差	研究依赖于特定医院的数据集，可能未涵盖所有手术类型或临床场景，且模型在年龄差异上的泛化能力仍需进一步验证	评估和提升人工智能工具在预测术中低血压方面的真实世界可靠性	术中低血压的预测模型，包括深度学习方法和平均动脉压阈值方法	机器学习	心血管疾病	深度学习	深度学习模型	血压数据	来自瑞典卡罗林斯卡大学医院和韩国VitalDB的数据集	NA	NA	NA	NA
482	2026-03-15	ParkEnNET: a majority voting-based ensemble transfer learning framework for early Parkinson's disease detection 2026-Feb, Acta neurologica Belgica IF:2.0Q3 DOI:10.1007/s13760-025-02902-z PMID:41047458	研究论文	提出了一种基于多数投票的集成迁移学习框架ParkEnNET，用于早期帕金森病的检测	通过集成多个预训练深度学习模型并采用多数投票策略，有效处理了医学数据中的小样本、噪声和类别不平衡问题	未明确说明模型在更广泛、多中心数据集上的泛化能力，以及计算资源消耗的具体评估	开发一个准确、高效的早期帕金森病诊断框架	帕金森病患者（特别是早期阶段）的MRI数据	数字病理学	帕金森病	MRI	CNN	图像	未明确说明具体样本数量，但提及使用了来自Superspeciality Hospital Jammu的独立临床数据集	未明确指定，但提及使用了预训练深度学习模型	VGGNet, ResNet-50, EfficientNet	准确率, 精确率, 召回率, F1分数	NA
483	2026-03-14	Phylogenetic estimation of diversity-dependent biogeographic rates using deep learning 2026-Feb-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.17.706216 PMID:41756993	研究论文	本文介绍了一种名为DDGeoSSE的基于事件的系统发育多样化模型，用于估计多样性依赖的生物地理速率	开发了DDGeoSSE模型，首次将深度学习方法应用于多样性依赖的系统发育模型中，以处理不可处理的似然函数	模型依赖于模拟验证，可能受限于特定类群或生态系统的适用性	研究局部物种丰富度如何影响生物地理速率，如物种形成、灭绝和扩散	加勒比蜥蜴和云雾林植物类群	机器学习	NA	系统发育建模，深度学习方法	深度学习模型	系统发育数据	两个类群：加勒比蜥蜴和云雾林植物	phyddle	NA	参数推断和模型选择	NA
484	2026-03-14	Estimating changes in center pivot irrigation in the High Plains Aquifer using a hybrid GIS-remote sensing deep learning approach, 2001 to 2023 2026-Feb-17, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15061-2 PMID:41703333	研究论文	本文提出了一种结合GIS与遥感技术的深度学习方法，用于估计2001年至2023年间美国高平原含水层中心支点灌溉系统的变化	采用混合GIS-遥感方法，结合Google Earth Engine的多年度Landsat影像与Esri的ArcGIS深度学习框架，实现了对中心支点灌溉系统变化的快速、可复制估计	NA	开发时空明确的模型以监测中心支点灌溉系统的长期变化，支持水资源管理和农业可持续发展	美国高平原含水层区域内的中心支点灌溉系统	遥感	NA	遥感影像分析, 深度学习	深度学习模型	遥感影像	覆盖2001年至2023年每隔一年的高平原含水层区域影像数据	Esri ArcGIS深度学习框架, Google Earth Engine	NA	总体准确率	NA
485	2026-03-14	Ensemble learning for air quality index prediction: integrating gradient boosting, XGBoost, and stacking with SHAP-based interpretability 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39232-w PMID:41680275	研究论文	本文提出了一种加权投票集成模型，结合多种梯度提升算法，用于提高空气质量指数（AQI）预测的准确性，并利用SHAP提供模型可解释性	提出了一种结合Gradient Boosting、CatBoost、XGBoost和LightGBM的加权投票集成模型，并采用完整的预处理和超参数优化流程，同时利用SHAP进行特征贡献度分析以增强模型可解释性	模型部署仅限于单个站点（排除了空间/时间ID），且未明确说明模型在极端天气条件下的泛化能力	开发一种高精度且可解释的空气质量指数预测方法，以支持可持续城市生活和社区健康管理	空气质量指数（AQI）	机器学习	NA	NA	集成学习, 梯度提升, XGBoost, LightGBM, CatBoost	时间序列数据, 数值数据	台湾空气质量数据集（2016-2024年，来自74个监测站的每小时记录）	Scikit-learn, Optuna	加权投票集成（Gradient Boosting ×4, CatBoost ×3, XGBoost ×2, LightGBM ×1）	MSE, R²	NA
486	2026-03-14	Serial cascaded hybrid adaptive deep networks-based lyrics text classification using optimization approach 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38813-z PMID:41680344	研究论文	提出了一种基于序列级联混合自适应深度网络（SCHADNet）的歌词文本分类方法，用于根据情感内容对音乐歌词进行分类	开发了新型的序列级联混合自适应深度网络（SCHADNet），该网络集成了基于Transformer的双向长短期记忆网络（Trans Bi-LSTM）和门控循环单元（GRU），并使用改进的海洋捕食者算法（IMPA）优化网络参数	未在摘要中明确说明	开发一种深度学习模型，用于根据情感内容对音乐歌词进行分类，以帮助识别不适宜的音乐	音乐歌词文本	自然语言处理	NA	NA	Trans Bi-LSTM, GRU	文本	未在摘要中明确说明	未在摘要中明确说明	序列级联混合自适应深度网络（SCHADNet），集成Trans Bi-LSTM和GRU	准确率, 召回率, 净预测值（NPV）	未在摘要中明确说明
487	2026-03-14	OpenEar: an ultra-affordable, high-throughput, and accurate maize ear phenotyping system 2026-Feb-08, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01504-x PMID:41656271	研究论文	本文开发了一种名为OpenEar的开源、低成本玉米果穗表型分析系统，该系统结合了DIY成像平台和基于深度学习的端到端表型数据提取流程	开发了一种超低成本、高通量且准确的玉米果穗表型分析系统，结合了3D打印DIY成像平台和基于深度学习的端到端分析流程，并公开了标注数据集	NA	解决田间作物表型分析在单株分辨率下的高通量、低成本和高精度瓶颈，以促进遗传分析和育种应用	玉米果穗	计算机视觉	NA	360°表面扫描成像	CNN, YOLOv11	图像, 视频	NA	NA	NA	相关系数R	NA
488	2026-03-14	AMP-CapsNet: a multi-view feature fusion approach for antimicrobial peptide prediction using capsule networks 2026-Feb-07, Genomics & informatics DOI:10.1186/s44342-026-00067-6 PMID:41654884	研究论文	本文提出了一种名为AMP-CapsNet的新深度学习模型，用于通过胶囊网络和多视图特征融合方法预测抗菌肽	首次将胶囊神经网络应用于抗菌肽预测，结合氨基酸组成和二肽组成进行多视图特征融合，提高了预测精度	未提及模型在更大或更复杂数据集上的泛化能力，也未讨论计算资源需求	开发一种基于深度学习的抗菌肽预测方法，以辅助药物发现	抗菌肽（AMPs）	机器学习	NA	氨基酸组成（AAC），二肽组成（DPC）	Capsule Neural Network	序列数据	NA	NA	AMP-CapsNet	准确率，AUC	NA
489	2026-03-14	Generalisation of automatic tumour segmentation in histopathological whole-slide images across multiple cancer types 2026-Feb-04, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01311-6 PMID:41634087	研究论文	开发了一个通用的肿瘤分割模型，用于组织病理学全切片图像，并在多种癌症类型中验证其性能	提出了一个单一模型，能够跨癌症类型、患者群体、样本制备和切片扫描仪进行通用肿瘤分割，且性能与针对特定癌症类型的专用模型相当	未明确提及模型在非开发集癌症类型或更广泛外部验证中的具体局限性	研究深度学习模型在组织病理学图像中肿瘤分割的泛化能力	结直肠癌、子宫内膜癌、肺癌和前列腺癌患者的组织病理学全切片图像	数字病理学	多种癌症	组织病理学成像	深度学习模型	图像	开发集：超过4000名患者的20000多张全切片图像；验证集：超过3000名患者的外部队列和超过1500名患者的TCGA队列	NA	NA	Dice系数	NA
490	2026-03-14	Noninvasive prediction of occult pT3a upstaging in localized ccRCC with radiogenomic insights and prognostic relevance 2026-Feb-03, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01315-2 PMID:41634348	研究论文	本研究开发并验证了一个名为RENALNet的3D深度学习框架，用于术前无创预测局限性透明细胞肾细胞癌的隐匿性pT3a分期升级	首次结合多中心数据和KiTS23数据集，开发了基于肾图期CT的3D深度学习框架，并通过Grad-CAM可视化提高了模型的可解释性，同时将模型风险评分与Ki-67增殖指数和转录组学分析相关联，揭示了其生物学和预后相关性	研究为回顾性多中心设计，可能存在选择偏倚；模型仅在特定CT相位（肾图期）进行训练和验证	术前无创预测局限性透明细胞肾细胞癌的隐匿性pT3a分期升级，以支持手术决策并推进放射基因组学在精准肿瘤学中的应用	局限性透明细胞肾细胞癌患者	数字病理学	肾细胞癌	CT成像，转录组学分析	深度学习	3D CT图像，基因表达数据	来自五个机构的1661名患者及KiTS23数据集	NA	RENALNet	诊断准确性，5年无进展生存期分层	NA
491	2026-03-14	Deep learning framework for bronchoscopic diagnosis of burn inhalation injury 2026-02, Burns : journal of the International Society for Burn Injuries IF:3.2Q1 DOI:10.1016/j.burns.2025.107770 PMID:41297238	研究论文	本研究开发了一个基于深度学习框架的支气管镜诊断系统，用于自动评估烧伤吸入性损伤的严重程度	首次将预训练的视觉Transformer模型应用于支气管镜图像，通过迁移学习和数据增强技术，实现了高精度的烧伤吸入性损伤自动分级	样本量较小（仅36名患者），且数据来自单一医疗中心，可能影响模型的泛化能力	开发一个自动化的支气管镜分级系统，以提高烧伤吸入性损伤诊断的准确性和可靠性	烧伤吸入性损伤患者的支气管镜图像	计算机视觉	烧伤吸入性损伤	支气管镜检查	Vision Transformer (ViT)	图像	36名患者的1089张质量控制帧	PyTorch	Vision Transformer (ViT)	准确率, 精确率, F1分数, 召回率	NA
492	2026-03-14	Deep Learning-based Estimated Pulmonary Biological Age from Chest CT Images in Healthy Adults: a model development and validation study 2026-Feb-01, JMIR aging IF:5.0Q1 DOI:10.2196/78243 PMID:41622571	研究论文	本研究利用深度学习模型从健康成人的胸部CT图像中开发并验证了估计肺生物学年龄（ePBA），并探讨了年龄差（ePBA减去实际年龄）与慢性阻塞性肺疾病（COPD）患者肺功能和全因死亡率之间的关联	首次基于大规模健康成人多中心胸部CT数据，利用深度学习模型开发并验证了ePBA，并探索了年龄差作为COPD患者临床生物标志物的潜力	模型仅在健康成人中训练和验证，可能限制了在疾病人群中的泛化性；COPD患者样本量较小（n=138），需要更大规模研究进一步验证	开发并验证基于胸部CT的深度学习模型来估计肺生物学年龄，并评估其在COPD患者中的临床应用价值	健康成人的胸部CT图像和COPD患者的临床数据	数字病理学	慢性阻塞性肺疾病	胸部CT成像	深度学习模型	图像	健康成人11,187例胸部CT扫描（来自三个健康管理中心），COPD患者138例	NA	NA	相关性分析（rs值）、P值、风险比（HR）及95%置信区间	NA
493	2026-03-14	ROFI: a deep learning-based ophthalmic sign-preserving and reversible patient face anonymizer 2026-Feb, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004558 PMID:41675764	研究论文	本文提出了一种基于深度学习的眼科面部图像匿名化框架ROFI，旨在保护患者隐私的同时保留诊断所需的关键眼科体征	ROFI采用弱监督学习和神经身份转换技术，实现了在匿名化患者面部特征的同时，保留眼部疾病标志物，并确保图像可逆性以供授权临床审查	面临数据集多样性不足、外部验证缺乏、潜在偏见以及成本效益问题，特别是在资源有限的环境中	开发一种可逆的眼科面部图像匿名化框架，以平衡患者隐私与诊断准确性，促进AI在眼科工作流程中的安全集成	患者面部图像，特别是包含眼科疾病（如糖尿病视网膜病变、青光眼、年龄相关性黄斑变性、遗传性视网膜营养不良）的面部图像	计算机视觉	眼科疾病	深度学习，弱监督学习，神经身份转换	NA	图像	NA	NA	NA	诊断保真度，准确性	NA
494	2026-03-14	Artificial intelligence in pharmacovigilance: toward real-time, explainable, and global drug-safety systems 2026-Feb, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004699 PMID:41675893	评论	本文探讨了人工智能在药物警戒领域的应用、挑战及未来发展方向	提出利用人工智能整合多源异构数据，实现实时、可解释的全球药物安全监测系统	存在算法透明度不足、数据偏见和监管框架不完善等关键问题	推动人工智能在药物警戒中的负责任整合与应用	上市后药物安全数据与监测系统	自然语言处理, 机器学习	NA	NA	深度学习	电子健康记录、自发报告系统数据、患者生成数据	NA	NA	NA	NA	NA
495	2026-03-13	Prediction of bacterial protein-compound interactions with only positive samples 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag067 PMID:41706651	研究论文	本文提出了一种名为BIN-PU的新型正样本-未标记学习框架，用于仅使用正样本预测细菌蛋白质-化合物相互作用	提出BIN-PU框架，通过从已知正相互作用数据生成伪正负标签，解决了细菌CPI预测中缺乏负样本的问题	未明确说明模型在其他类型细菌蛋白质或更广泛化合物库上的泛化能力	开发一种仅使用正样本的细菌蛋白质-化合物相互作用预测方法	细菌蛋白质（如细胞色素P450）与化合物的相互作用	机器学习	NA	深度学习	深度学习模型	相互作用数据	使用细菌细胞色素P450数据、文献综述获得的额外细菌蛋白质、人类CYP数据集以及未整理数据进行验证	NA	NA	NA	NA
496	2026-03-13	Bridging innovation and clinical reality: Interpreting the comparative study of deep learning models for multi-class upper gastrointestinal disease segmentation 2026-Feb-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i8.115297 PMID:41809884	评论	本文评论了一项关于深度学习模型在上消化道疾病多类别分割中的比较研究，强调其从技术突破向临床验证的关键转变	该研究首次进行了最全面的深度学习模型比较，使用了一个新颖的3313张图像、九类临床数据集，并提出了面向临床部署的验证框架	NA	加速安全、可泛化且符合伦理的自动化内窥镜辅助系统的临床采用	上消化道疾病的多类别分割	计算机视觉	上消化道疾病	NA	深度学习模型	图像	3313张图像，包含九类临床数据，以及公开的EDD2020基准数据集	NA	Swin-UMamba-D, SegFormer	分割准确性	NA
497	2026-03-13	Enhanced CT-based deep learning radiomics and biological correlations for predicting immunotherapy efficacy in advanced non-small cell lung cancer 2026-Feb-28, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-aw-2287 PMID:41815118	研究论文	本研究构建了一个结合临床特征、增强CT影像组学和深度学习特征的预测模型，用于评估晚期非小细胞肺癌患者免疫治疗的持久临床获益	整合临床特征、增强CT影像组学特征和深度学习特征，并利用放射基因组数据提供预测的生物学解释	研究为回顾性分析，样本量有限（201名患者），且数据部分来源于公共数据库	预测晚期非小细胞肺癌患者免疫治疗的疗效	晚期非小细胞肺癌患者	数字病理学	肺癌	增强CT成像，转录组测序	深度学习，影像组学	CT图像，临床数据，转录组数据	201名晚期非小细胞肺癌患者	PyTorch（推断自ResNet使用），Scikit-learn（推断自LASSO使用）	ResNet-34	AUC	NA
498	2026-03-13	Multi-parameter magnetic resonance imaging (MRI) deep learning radiomics predicts complete response after induction immunochemotherapy in locally advanced nasopharyngeal carcinoma 2026-Feb-28, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-1945 PMID:41815125	研究论文	本研究开发并验证了一个多模态融合模型，结合传统MRI影像组学特征与深度学习影像组学特征，用于预测局部晚期鼻咽癌患者在接受诱导免疫化疗后早期达到完全缓解的可能性	首次将传统MRI影像组学特征与深度学习影像组学特征进行多模态融合，以预测局部晚期鼻咽癌患者诱导免疫化疗后的完全缓解，为个性化治疗决策提供新工具	研究为单中心回顾性分析，样本量相对有限（230例），且缺乏外部验证队列，未来需要多中心前瞻性研究进一步验证模型的泛化能力	开发并验证一个能够预测局部晚期鼻咽癌患者在接受诱导免疫化疗后早期达到完全缓解的预测模型	局部晚期鼻咽癌患者	数字病理学	鼻咽癌	多参数磁共振成像	机器学习算法	MRI图像	230例经活检确诊的局部晚期鼻咽癌患者	NA	NA	AUC, 95%置信区间, 决策曲线分析	NA
499	2026-03-13	Metastatic patterns, prognostic factors, and deep learning model development in primary gastrointestinal melanoma: a retrospective cohort analysis 2026-Feb-28, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-1701 PMID:41815154	研究论文	本研究通过回顾性队列分析，探讨了原发性胃肠道黑色素瘤的转移模式、预后因素，并开发了深度学习模型用于预测生存率	首次系统分析了原发性胃肠道黑色素瘤的转移模式和预后因素，并开发了深度学习模型进行生存预测	研究基于回顾性数据库（SEER），可能存在选择偏倚，且未详细说明深度学习模型的具体架构	调查原发性胃肠道黑色素瘤的转移模式、预后因素，并开发预测总体生存率和癌症特异性生存率的深度学习模型	原发性胃肠道黑色素瘤患者	数字病理学	黑色素瘤	回顾性队列分析，Cox回归分析	深度学习模型	临床数据	来自SEER数据库的患者队列，具体数量未明确说明，但分为发现队列（80%）和验证队列（20%）	NA	NA	AUC	NA
500	2026-03-13	A multimodal fusion model for bone tumor benign and malignant diagnosis: development and validation with clinical text and radiographs 2026-Feb-28, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-1832 PMID:41815162	研究论文	本研究开发并验证了一种融合深度学习与Dempster-Shafer证据理论的多模态模型，用于术前区分良性与中间型/恶性骨肿瘤	首次将深度学习与Dempster-Shafer证据理论结合，融合临床文本和X射线图像进行骨肿瘤良恶性诊断，相比单模态方法和其他基线融合模型性能更优	单中心回顾性研究，样本量有限（319例），需多中心前瞻性研究进一步验证	开发并验证一种精确的术前诊断工具，用于区分良性与中间型/恶性骨肿瘤	319例经病理确诊的骨肿瘤患者	数字病理	骨肿瘤	深度学习, Dempster-Shafer证据理论	多模态融合模型	文本, 图像	319例患者（含文本数据和X射线图像）	NA	NA	AUC, 准确率, 精确率, 召回率, F1分数	NA