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
1	2026-04-17	Colorectal mucosal exposure area assessment using artificial intelligence: a multicenter prospective observational study 2026-Mar, Endoscopy IF:11.5Q1 DOI:10.1055/a-2695-1832 PMID:40902624	研究论文	本研究提出了一种新的结肠镜检查质量控制指标——累积结直肠黏膜暴露面积（CCMEA），并基于深度学习构建了CCMEA系统，通过多中心前瞻性观察研究验证了该指标的有效性	首次提出CCMEA作为结肠镜检查的质量控制指标，并基于ResNet50和UNet++构建了深度学习系统进行自动评估	研究为观察性设计，未进行随机对照试验；样本量相对有限（510名参与者）；阈值确定基于特定腺瘤检出率（25%），可能需进一步验证	开发并验证一种基于人工智能的结肠镜检查质量评估指标，以提高腺瘤和息肉检出率	接受结肠镜检查的患者	计算机视觉	结直肠癌	结肠镜检查	CNN	图像	510名参与者（合格组270人，不合格组240人）	NA	ResNet50, UNet++	腺瘤检出率, 息肉检出率, 调整后比值比, 调整后发生率比	NA
2	2026-04-14	Future-informed FOCAL MODE: a multimodal deep learning framework for forecasting dissolved oxygen in reservoirs 2026-Mar-30, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15096-5 PMID:41912727	研究论文	提出一种名为Future-informed FOCAL MODE的多模态深度学习框架，用于预测水库溶解氧浓度	设计了一种双通道架构，结合历史多模态观测数据与基于物理模型的未来预测输入，将数据驱动学习与物理洞察相统一，增强对气候变化情景的适应性	仅在美国田纳西州Watts Bar Dam进行了案例研究，未在其他水库或区域验证模型的泛化能力	开发准确的长周期溶解氧预测模型，以支持水库管理中及时且经济有效的增氧干预	水库溶解氧浓度	机器学习	NA	多模态观测数据采集	LSTM, 注意力机制	多模态环境数据（历史观测数据与物理模型预测数据）	NA	NA	双通道LSTM结合傅里叶变换与跨模态注意力机制	RMSE	NA
3	2026-04-14	Virtual histology imaging of lymph nodes via dynamic full-field optical coherence tomography and deep learning to differentiate metastasis 2026-Mar-28, Cancer biology & medicine IF:5.6Q1 DOI:10.20892/j.issn.2095-3941.2025.0747 PMID:41906333	研究论文	本研究验证了动态全场光学相干断层扫描（D-FFOCT）结合深度学习在乳腺癌淋巴结转移检测中的应用，提供了一种快速、无标记的虚拟组织学成像方法	首次将D-FFOCT与深度学习结合用于淋巴结转移的虚拟组织学成像，实现了无需组织制备或消耗的快速评估	研究仅针对乳腺癌患者，样本量有限（155例患者），且依赖前瞻性双中心队列，可能影响泛化性	开发并验证一种用于淋巴结转移检测的快速、无标记虚拟病理工具	乳腺癌患者的淋巴结组织	数字病理学	乳腺癌	动态全场光学相干断层扫描（D-FFOCT）	深度学习模型	图像	155例乳腺癌患者，共747个新鲜切片的淋巴结玻片	NA	NA	灵敏度, 特异性, 受试者工作特征曲线下面积（AUC）	NA
4	2026-04-14	Measuring the Impact of AI on Report-Drafting Efficiency in Chest Computed Tomography Interpretation: Retrospective Analysis 2026-Mar-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77967 PMID:41894678	研究论文	本研究通过回顾性分析评估了AI系统在胸部CT肺结节诊断中对放射科医师报告起草效率的影响	采用双重差分设计，结合非等效比较组，首次量化了AI实施前后及长期（长达两年）报告起草时间的变化，并揭示了医院间实施动态的异质性	研究仅基于两家医院的数据，结果可能无法推广到其他医疗机构；且未能详细控制所有可能影响报告时间的混杂因素	评估AI系统对放射科医师在胸部CT肺结节诊断中报告起草效率的影响	来自北京安贞医院和清华长庚医院的185,044份胸部CT报告	医学影像分析	肺结节	胸部CT成像	深度学习	医学图像（胸部CT）	185,044份报告	NA	NA	报告起草时间（分钟）	NA
5	2026-04-14	Cost-effective assessment of effluent COD and total nitrogen using routine online monitoring data: a hybrid deep learning strategy 2026-Mar-25, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15228-x PMID:41876866	研究论文	本研究提出了一种基于常规在线监测数据的混合深度学习策略，用于经济高效地评估废水处理厂出水化学需氧量和总氮浓度	开发了一种新颖的混合深度学习框架，将长短期记忆网络与极端梯度提升算法相结合，仅利用常规在线传感器数据（流量、氨氮、总磷、pH）作为替代指标来估计复杂水质参数	研究基于单一污水处理厂的长期数据，模型在其他处理厂或不同工艺条件下的泛化能力尚未验证	开发经济高效的废水处理厂出水水质评估方法，减少对实验室检测的依赖	废水处理厂出水化学需氧量和总氮浓度	机器学习	NA	在线水质监测	LSTM, XGBoost	时间序列数据	来自实际规模污水处理厂的长期时间序列数据	NA	LSTM-XGBoost混合架构	决定系数	NA
6	2026-04-14	Explainable deep learning framework for fecal contamination detection on chicken eggshells via portable fluorescence imaging under ambient light 2026-Mar-25, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106868 PMID:41967323	研究论文	本研究评估了使用便携式荧光成像设备结合优化深度学习架构，在环境光下原位检测鸡蛋壳上粪便污染以提升食品安全的效果	开发了一种基于便携式荧光成像和可解释AI框架的深度学习系统，能在环境光下稳定检测鸡蛋壳上的粪便污染，无需严格暗室环境	NA	增强食品安全，通过原位检测鸡蛋壳上的粪便污染	鸡蛋壳（包括棕色和白色鸡蛋）上的粪便污染	计算机视觉	NA	便携式荧光成像，405 nm和365 nm激发光	深度学习	荧光图像	NA	NA	MobileNet, ViT Base 384	准确率, SSIM	NA
7	2026-04-14	Machine learning for evolutionary genetics and molecular evolution 2026-Mar-24, Trends in genetics : TIG IF:13.6Q1 DOI:10.1016/j.tig.2026.01.013 PMID:41881768	综述	本文综述了机器学习在进化遗传学和分子进化领域的应用进展与挑战	强调了人工智能在连接基因型、表型和进化历史方面的潜力	NA	探讨机器学习在遗传学和进化研究中的应用	进化遗传学和分子进化	机器学习	NA	NA	深度学习	大规模数据	NA	NA	NA	NA	NA
8	2026-04-14	Cardiovascular and Autonomic Phenotypes Reveal Distinct Mechanisms of Sepsis Decompensation via Deep Learning 2026-Mar-23, Research square DOI:10.21203/rs.3.rs-9136766/v1 PMID:41928797	研究论文	本文开发了一种深度学习框架，利用ICU患者的生理波形数据识别脓毒症的四种生理表型，揭示了不同的自主神经和外周血管特征，并关联了临床结局	首次利用深度学习从连续记录的生理波形（如心电图、光电容积脉搏波和呼吸阻抗）中提取脓毒症生理表型，超越了传统间歇性临床变量的依赖，并实现了实时床边表型分类	研究基于ICU患者的回顾性数据，可能受限于样本选择和波形质量，且表型的普适性需在更广泛人群中验证	识别脓毒症的异质性生理表型，以支持精准医疗和改善临床结局	符合Sepsis-3标准的ICU患者	机器学习	脓毒症	深度学习，特征提取，聚类分析	Transformer	生理波形数据（心电图、光电容积脉搏波、呼吸阻抗）	2,174名ICU患者	NA	Feature Tokenizer Transformer encoder	死亡率，休克发生率，血管加压药使用率，机械通气率，28天生存轨迹	NA
9	2026-04-14	Opioid Overdose Death Prediction with Graph Neural Networks 2026-Mar-22, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.18.26348454 PMID:41890993	研究论文	本文提出了一种时空图神经网络框架，用于预测美国俄亥俄州县级阿片类药物过量死亡人数	结合图神经网络捕捉县级空间关系与LSTM网络建模时序动态，并采用基于分类的策略提升小县预测性能	研究仅针对俄亥俄州88个县，模型在其他地区的泛化能力未经验证	提升县级阿片类药物过量死亡的预测准确性，以支持及时的公共卫生干预	美国俄亥俄州各县的阿片类药物过量死亡数据	机器学习	药物滥用	时空数据建模	GNN, LSTM	时序数据，空间数据	88个县从2017年第一季度至2023年第二季度的季度数据	NA	时空图神经网络	NA	NA
10	2026-04-14	Simultaneous multi-disease detection from the same leaf: a generalized approach using deep learning and image splitting 2026-Mar-20, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15141-3 PMID:41857409	研究论文	提出一种基于深度学习的通用方法，用于从同一叶片上同时检测多种植物病害	通过图像分割和隔离方法，实现了对同一叶片上多种病害的独立识别与流行率计算，并能泛化到训练中未见过的新作物	在受控环境下表现良好，但在真实田间条件下的稳定性仍需进一步研究	开发一种通用的植物多病害同时检测方法	植物叶片图像	计算机视觉	植物病害	NA	CNN	图像	基于PlantVillage数据集创建的新版本数据集	NA	Small Inception, MiniVGGNet, LeNet5	分类性能	NA
11	2026-04-14	Deep learning approach to identify histological features associated with lymph node metastasis following primary tumor excision in patients with tongue squamous cell carcinoma 2026-Mar-19, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.03.006 PMID:41968024	研究论文	本研究开发了一种基于深度学习的半自动检测器，用于量化舌鳞状细胞癌HE切片中的低分化巢，以评估其与宫颈淋巴结转移的关联	首次应用Faster R-CNN深度学习模型自动量化舌鳞状细胞癌HE切片中的低分化巢，探索其作为术后淋巴结转移风险分层的新生物标志物	回顾性单中心研究，样本量有限（115例），独立验证队列较小（20例），模型特异性相对较低	评估深度学习量化低分化巢与舌鳞状细胞癌宫颈淋巴结转移的关联，探索术后风险分层方法	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	HE染色	CNN	图像	115例舌鳞状细胞癌患者（1998-2016年），外加20例独立验证病例	NA	Faster R-CNN	AUC, 敏感性, 特异性	NA
12	2026-04-14	Radiomics and deep learning fusion model based on multiphasic CT for predicting HER2 expression status in bladder urothelial carcinoma: a multicenter study 2026-Mar-15, Translational andrology and urology IF:1.9Q3 DOI:10.21037/tau-2025-1-899 PMID:41971125	研究论文	本研究基于多期相CT构建了一个融合放射组学和深度学习的多模态模型，用于预测膀胱尿路上皮癌的HER2表达状态	首次将2.5D ResNet50深度学习模型与放射组学特征及临床特征融合，用于基于多期相CT非侵入性预测BLCA的HER2表达状态，并在多中心数据上验证了其优越性能	研究为回顾性设计，可能存在选择偏倚；模型性能仍需在前瞻性队列和更广泛人群中进一步验证	构建一个非侵入性的影像学多模态模型，以预测膀胱尿路上皮癌的HER2表达状态，辅助ADC疗法患者选择	膀胱尿路上皮癌患者	数字病理学	膀胱癌	多期相增强CT成像，免疫组织化学	CNN	医学影像	来自三个机构的411名患者	NA	ResNet50	AUC, 准确率, 灵敏度, 特异性	NA
13	2026-04-14	Hydrogeochemical assessment and groundwater fluoride prediction in Bathinda district using deep learning 2026-Mar-14, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15160-0 PMID:41832344	研究论文	本研究利用深度学习技术预测印度巴廷达地区地下水氟化物污染，并结合水化学评估与空间分析	首次在巴廷达地区整合统一空间采样、水化学评估与深度学习预测模型，并应用数据增强技术提升模型鲁棒性	研究局限于巴廷达地区，样本量相对较小，且模型在其他地理区域的泛化能力未经验证	自动化预测地下水氟化物浓度，评估季节性水化学变化，以支持地下水管理与公共健康规划	巴廷达地区的地下水样本	机器学习	NA	水化学参数分析（APHA标准）、GIS空间采样、数据增强（最近邻插值）	CNN, LSTM, DNN, 混合CNN-LSTM	水化学参数数据、空间数据	226个地下水样本（雨季前后），通过数据增强生成30,000个合成点	NA	卷积神经网络、长短期记忆网络、深度神经网络、混合CNN-LSTM	R值（相关系数）	NA
14	2026-04-14	Simulating the spatial and temporal evolution of land use/cover and carbon storage based on the U-Net-Attention-ConvLSTM model: a case study of Kunming, China 2026-Mar-11, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15132-4 PMID:41811377	研究论文	本研究提出了一种结合U-Net、注意力机制和ConvLSTM的新型深度学习模型UNA-CL，用于模拟土地利用/覆盖变化，并耦合InVEST模型评估碳储量的时空演变	提出了一种新颖的U-Net-Attention-ConvLSTM（UNA-CL）深度学习模型，首次将U-Net架构、注意力机制和ConvLSTM集成用于LULCC模拟，并耦合InVEST模型进行碳储量评估	研究案例仅限于中国昆明地区，模型在其他地理区域的普适性有待验证	提高土地利用/覆盖变化模拟的准确性，并评估其对陆地生态系统碳储量的影响	中国昆明地区的土地利用/覆盖变化及碳储量	计算机视觉, 机器学习	NA	深度学习, 空间模拟	CNN, LSTM	土地利用/覆盖空间数据	昆明地区2000-2020年的土地利用/覆盖数据	NA	U-Net, ConvLSTM, 注意力机制	总体精度	NA
15	2026-03-07	Development and validation of a deep learning radiomics model based on ultrasound and clinical features to predict prognosis in elderly patients with advanced pancreatic cancer after HIFU therapy 2026-Mar-05, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-026-04716-6 PMID:41787298	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16	2026-04-14	Interpretable ESG-sentiment hybrid deep learning for asset return forecasting with quantified interactions and latency-aware deployment 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41985-3 PMID:41781523	研究论文	本文提出了一种用于资产回报预测的可解释混合深度学习框架，该框架结合了时间融合变换器、支持向量回归残差校正器以及ESG特征与基于方面的金融情感的显式门控后期融合	引入了可解释的混合框架，通过门控机制学习何时强调可持续性信号与情感信号，并使用SHAP交互值和Friedman's H量化跨资产和不同市场状态下的ESG-情感交互作用	研究主要集中于美国大盘科技股、全球主要指数和BTC/ETH，可能无法推广到所有资产类别或市场	开发一个可解释的混合深度学习框架，以准确预测资产回报，并理解ESG评分和新闻情感信号之间的交互作用及其对预测的改进时机	美国大盘科技股、全球主要指数以及BTC/ETH（比特币/以太坊）	机器学习	NA	NA	Temporal Fusion Transformer, Support Vector Regression, FinBERT-based ABSA	金融时间序列数据、ESG评分数据、新闻情感数据	2020-2024年期间的数据，使用252个交易日训练/10天测试的回测协议	NA	Temporal Fusion Transformer, BiLSTM	平均绝对误差, 均方根误差, 方向准确性, 信息系数, 信息系数信息比率	NA
17	2026-03-06	Deep learning for vessel segmentation and flow analysis to identify clusters associated with adverse outcomes in a fontan patient registry 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40738-6 PMID:41781549	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2026-04-14	Deep learning-enabled ECG system for detecting left ventricular hypertrophy and predicting cardiovascular prognoses 2026-Mar-04, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00536-2 PMID:41781965	研究论文	本研究开发了一种基于深度学习的ECG系统，用于检测左心室肥厚并预测心血管预后	开发了一种AI-ECG-LVH模型，提供了一种直接、经济、无创的左心室肥厚筛查和首次接触风险分层方法	未明确说明模型的具体架构细节和计算资源使用情况	开发深度学习ECG系统以检测左心室肥厚并评估其与心血管预后的关联	来自两家医院的46,007名患者	机器学习	心血管疾病	心电图, 超声心动图	深度学习模型	心电图数据	40,736名患者用于模型开发与内部验证，6,271名患者用于外部验证	NA	NA	AUC	NA
19	2026-04-14	An IoT-enabled CRNN framework for secure wearable sensor-based activity recognition in physical education 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42082-1 PMID:41776307	研究论文	本文提出了一种基于卷积循环神经网络（CRNN）的物联网（IoT）框架，用于从可穿戴传感器数据中安全、准确地识别人体活动，特别是在体育教育场景中的应用	提出了一种新颖的面向物联网的活动识别框架，该框架利用CRNN架构同时建模多模态可穿戴传感器数据流的空间和时间特征，实现了比现有方法更高的识别精度和泛化鲁棒性	未明确提及研究的具体局限性，例如数据集的具体规模、多样性，或在更复杂、动态的真实教育环境中的泛化能力	解决由于可穿戴传感器信号中固有的时空依赖性建模不足而导致的复杂人体活动准确识别难题	从可穿戴传感器获取的多模态生理和运动学数据，用于人体活动识别	机器学习	NA	可穿戴传感技术，物联网（IoT）基础设施	CNN, RNN, CRNN	多维传感器数据（生理和惯性测量数据）	NA	NA	卷积循环神经网络（CRNN）	准确率, 灵敏度, 特异性, 召回率, 精确率	NA
20	2026-04-14	Collaborative Multiscale and Wavelet-Based Fusion Network for Leakage Area Semantic Segmentation of Ultrawide Field Fluorescein Angiography 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.22 PMID:41873903	研究论文	本文提出了一种结合多尺度采样、二维小波变换和指数移动平均机制的深度学习框架，用于超广角荧光素血管造影图像中渗漏区域的语义分割	提出了一种结合多尺度采样、二维小波变换和指数移动平均机制的新型深度学习框架，并引入了交叉引导邻域细化策略以增强边界准确性	NA	提高超广角荧光素血管造影图像中渗漏区域的语义分割准确性和计算效率	超广角荧光素血管造影图像中的渗漏区域	计算机视觉	糖尿病视网膜病变	超广角荧光素血管造影	深度学习框架	图像	来自广东省人民医院和佛山市第二人民医院的超广角荧光素血管造影数据集	NA	UNet-Wavelet	NA	NA