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
41	2026-07-06	Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study 2026-03-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08165-1 PMID:41913156	研究论文	本研究开发并验证了一种基于多模态MRI的深度学习影像组学模型，用于术前预测舌鳞状细胞癌的N分期	首次将深度学习影像组学方法应用于舌鳞状细胞癌N分期的术前预测，并在多中心数据集上验证其优于传统影像组学方法	需要进一步的前瞻性研究验证	提高舌鳞状细胞癌术前N分期预测的准确性，辅助临床决策	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	多模态MRI（增强T1加权图像和T2加权图像）	CNN	医学图像	579名舌鳞状细胞癌患者（训练集357人、内部测试集153人、外部测试集69人）	PyTorch	ResNet34, ResNet101, DenseNet121	AUC, 校准曲线, 决策曲线分析	NA
42	2026-07-06	Multimodal MRI-based two-stage artificial intelligence framework for renal fibrosis classification in chronic kidney disease 2026-03-04, BMC nephrology IF:2.2Q2 DOI:10.1186/s12882-026-04869-2 PMID:41782094	研究论文	开发了一个基于多模态MRI的两阶段人工智能框架，用于慢性肾病的肾纤维化分类	结合多模态MRI影像（native T1 mapping、ADC和T2* mapping）与临床指标，采用MobileNetV2-SE深度学习特征和XGBoost/ExtraTree分类器进行两阶段分级	样本量相对较小（152例），且为单中心前瞻性研究	非侵入性评估慢性肾病患者的肾纤维化程度	152例经活检证实的慢性肾病患者（RF 1：无纤维化34例；RF 2：轻度纤维化69例；RF 3：中重度纤维化49例）	机器学习和数字病理	慢性肾病，肾纤维化	多模态MRI（native T1 mapping、ADC、T2* mapping）	深度学习（MobileNetV2-SE）和传统机器学习（XGBoost、ExtraTree）	MRI影像数据和临床指标数据	152例患者，按2:1分为训练集和测试集	PyTorch, Scikit-learn	MobileNetV2-SE, XGBoost, ExtraTree	AUC, 校准曲线, 决策曲线分析（DCA）, SHAP可视化	NA
43	2026-07-06	A domain-adaptive deep contrastive network for magnetic resonance imaging-driven bladder cancer classification 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02499-4 PMID:41775791	研究论文	提出一种域自适应深度对比网络，用于基于磁共振成像的膀胱癌分类	联合源域和目标域样本进行特征学习以获得域不变且可区分的表示，并引入深度对比学习策略增强类间分离性和类内紧凑性	待论文中明确提及	实现跨中心的磁共振成像驱动膀胱癌自动分类	膀胱癌磁共振成像数据（区分非肌层浸润性膀胱癌与肌层浸润性膀胱癌）	计算机视觉，数字病理学	膀胱癌	磁共振成像	深度对比网络	医学图像（磁共振成像）	多中心膀胱癌磁共振成像数据集	PyTorch	卷积神经网络，Transformer	准确率，F1分数，AUC	NA
44	2026-07-06	Feature-indistinguishable machine unlearning via negative-hot label encoding and class weight masking 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40379-9 PMID:41775809	研究论文	提出一种通过负热标签编码和类别权重掩码实现特征不可区分的机器遗忘方法	引入负热标签编码（NHLE）抑制目标类别在特征空间中的可区分性，结合类别权重掩码实现高效选择性遗忘，仅需少量遗忘类别样本进行迭代微调	未明确说明在复杂数据集或大规模遗忘任务中的扩展性及对保留数据性能的潜在影响	开发高效且选择性的机器遗忘框架，解决数据隐私合规需求并减少计算开销与性能下降	深度学习模型中的类别级遗忘	机器学习	NA	NA	神经网络	视觉图像数据	多个视觉数据集，未明确具体数量	NA	NA	分类准确率，保留数据准确率下降值	NA
45	2026-07-06	Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02364-4 PMID:41775890	研究论文	评估不同深度学习策略在分布偏移下预测ICU脓毒症的性能，提出根据目标数据规模选择最佳部署策略	系统比较了五种部署策略（泛化、微调/重训练、目标训练、监督域适应和融合训练）在多个深度学习架构和四种目标数据规模下的表现，发现微调并非最优方法，而重训练、融合训练和域适应在不同数据规模下表现更佳	未说明具体局限	研究分布偏移下深度学习脓毒症预测模型在ICU中的最佳部署策略	脓毒症预测模型的部署策略	机器学习	脓毒症	NA	深度学习	时序数据（ICU住院记录）	216,536次住院记录（来自HiRID、MIMIC-IV、eICU三个队列）	NA	多种深度学习架构	AUROC, 归一化AUPRC	NA
46	2026-07-06	Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42147-1 PMID:41776224	研究论文	利用基于注意力机制的多模态数据深度学习框架预测篮球运动员的睡眠质量	首次将特征级注意力的多模态表格学习框架应用于大学篮球运动员的睡眠质量筛查，并比较了多种预测模型，发现基于注意力的多层感知机（Attention-MLP）在复杂特征交互建模上具有优势	对中等睡眠质量类别的区分能力较差（AUC=0.40），当前模型更适合筛查导向的分层而非明确分类	开发一种用于大学篮球运动员睡眠质量筛查的注意力机制多模态表格学习框架	大学篮球运动员	机器学习	睡眠障碍	NA	逻辑回归、随机森林、XGBoost、基于注意力的多层感知机（Attention-MLP）	表格数据（身体指标、心理特征、社会人口学变量）	大学篮球运动员样本	Scikit-learn, XGBoost	逻辑回归、随机森林、XGBoost、注意力多层感知机（Attention-MLP）	准确率（0.732）、F1值（0.630）、AUC	NA
47	2026-07-06	Deep learning-based labor relations prediction system with multi-source data fusion and early warning mechanisms 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40369-x PMID:41772036	研究论文	提出基于深度学习的劳资关系预测系统，通过多源数据融合与预警机制实现冲突提前识别	采用注意力机制多模态融合，自适应加权不同数据源贡献，而非固定融合方案	12.7% 的误报率及高压运营期间的系统性预测错误	解决传统统计方法和专家系统在复杂多因素劳资关系预测中的不足	企业内部人力资源管理数据、沟通日志、绩效轨迹、满意度调查及外部经济指标	机器学习	不适用	不适用	MLP与LSTM	表格数据、时间序列数据	12家企业部署，跨4个行业	PyTorch	MLP, LSTM, 注意力机制	准确率、早期预警成功率、误报率	未提及
48	2026-07-06	Reliable ECG classification using parallel hybrid models with limited resources 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41370-0 PMID:41771987	研究论文	提出一种并行混合模型(PHM)，结合三个轻量级分类器，在资源受限环境下提高心电图分类的可靠性和准确性	创新性地采用加权软投票方法整合预测结果，并结合可靠性区域提供可解释的置信度框架	研究未提及模型在更大规模或多样化数据集上的验证，以及实际部署时的实时性能表现	为资源受限环境提供计算高效且可靠的心电图分类系统	心电图(ECG)信号，用于心律失常等心血管疾病的诊断	机器学习	心血管疾病	NGS	CNN	时间序列信号	MIT-BIH心律失常数据库(未具体说明样本数量)	TensorFlow	EfficientNet, SequentialNet, LeNet-5	准确率, 错误率, 正确概率, 错误概率, 错误决策概率	NA
49	2026-07-05	Deep language model-based early recognition of out-of-hospital cardiac arrest from real-time emergency calls 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02498-5 PMID:41775831	研究论文	开发了一种动态深度学习模型（DyLM-OHCA），用于从实时紧急呼叫中早期识别院外心脏骤停	基于深度语言模型捕获临床有意义的对话模式，超越简单的关键词识别，提供实时、上下文感知且可解释的风险评估	依赖特定地区（韩国三个大都市区域）的紧急呼叫数据，可能影响模型在其他地区的泛化能力；未明确提及计算资源或模型在资源受限环境中的部署可行性	早期识别院外心脏骤停，提升紧急调度员的决策信心和应对效率	院外心脏骤停患者的紧急呼叫语音转录文本	自然语言处理	心血管疾病	深度语言模型（动态深度学习模型）	动态深度学习模型（DyLM-OHCA）	文本（紧急呼叫转录）	158,973份紧急呼叫转录，来自三个韩国大都市区域	NA	DyLM-OHCA	AUROC, AUPRC	NA
50	2026-07-05	Deep learning-based basilar artery wall and lumen segmentation from 1-mm MR vessel wall imaging 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42847-8 PMID:41775953	研究论文	利用1毫米磁共振血管壁成像结合深度学习模型进行基底动脉壁和管腔分割	首次使用1毫米MR-VWI协议结合预训练Mask-RCNN模型自动分割基底动脉壁和管腔，量化其形态特征	模型在测量动脉壁厚度时与专家评分一致性较差（ICC<0.5），且样本量较小（仅36名患者）	探究基底动脉形态，评估1毫米MR-VWI在椎基底动脉循环中的有效性	基底动脉的管腔直径和壁厚度	计算机视觉	后循环疾病	1毫米磁共振血管壁成像	Mask-RCNN	图像（磁共振血管壁成像数据）	36名患者（20名用于微调，6名用于验证，10名用于比较）	TensorFlow	Mask-RCNN	组内相关系数，交并比	NA
51	2026-07-05	ETNeXt: integrated feature engineering and classification framework for BLDC motor fault detection 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37590-z PMID:41776220	研究论文	提出一种基于声学信号分析的轻量级自组织故障检测框架ETNeXt，用于无刷直流电机故障检测	提出基于多级离散小波变换与三元直方图特征生成的集成特征工程方法，结合NCA和卡方混合特征选择，实现轻量级高效故障检测	未提及模型在噪声干扰或多种故障叠加场景下的性能表现	开发一种轻量级、适合边缘部署的BLDC电机故障检测方法	无刷直流电机的轴承磨损和转子不平衡等电气与机械故障	机器学习	NA	声学信号分析	Fine k-NN, Cubic SVM	声学信号	基准数据集和独立测试数据集	NA	Fine k-NN, Cubic SVM	准确率	NA
52	2026-07-05	Intrusion detection with HACDT-Net and TRBM-Net using a hybrid deep learning framework with enhanced sampling techniques 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41422-5 PMID:41772042	研究论文	结合混合深度学习框架与增强采样技术的入侵检测系统	提出两种混合深度学习模型HACTD-Net和TRBM-Net，并分别结合ADASYN-SMOTE、ENN和Borderline SMOTE-OSS等高级重采样技术，以解决类别不平衡问题并提升特征提取能力	未提及	通过集成深度学习模型与先进重采样技术，增强网络入侵检测性能，特别是针对少数类攻击类型	网络入侵检测系统（IDS）	机器学习	NA	NA	混合深度学习模型	网络流量数据	CICIDS2017和NF-BoT-IoT-v2数据集	NA	HACTD-Net（自编码器-CNN和Transformer-DNN混合）、TRBM-Net（1D-TCN-ResNet-BiGRU-多头注意力）	准确率、精确率、召回率、F1分数	NA
53	2026-07-05	M[Formula: see text]DGAT: Multi-view multi-scale dynamic graph attention network(GAT) based prediction of Parkinson's disease(PD) progression using whole-blood RNA sequencing data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40636-x PMID:41771960	研究论文	基于全血RNA测序数据，利用多视图多尺度动态图注意力网络预测帕金森病进展	提出了多视图多尺度动态图注意力网络（M^3DGAT），整合时间和空间视图，采用计数素描双线性融合策略，利用动态图表示编码疾病进展动态	单视图学习方案在分析复杂人脑疾病方面仍显不足	预测神经退行性疾病的进展轨迹	帕金森病患者的全血RNA测序数据	机器学习	帕金森病	RNA测序	动态图注意力网络（DGAT）	全血RNA测序数据	PPMI和PDBP队列	NA	M^3DGAT	预测准确性	NA
54	2026-07-05	Integrated subcellular localization of functional fluorescence probes and functional analysis in motile spermatozoa by an AI-enhanced algorithm 2026-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202545 PMID:40908796	研究论文	开发了一种结合YOLOv8架构和双探针荧光显微镜图像分割的集成计算成像平台，用于同时定量精子细胞内pH和线粒体DNA G-四链体	将精细调整的YOLOv8架构与双探针荧光显微镜图像分割相结合，实现自动定位荧光焦点并区分精子头部和主片的荧光信号，为男性不育症分子表型分析提供创新工具	未在摘要中明确提及	开发一个AI增强的计算成像平台，实现功能性荧光探针在活动精子中的亚细胞定位和功能分析，以改进男性不育症的分子诊断	活动精子细胞	计算机视觉	男性不育症	荧光显微镜、YOLOv8	YOLOv8	荧光显微镜图像	未在摘要中明确提及	PyTorch	YOLOv8	未在摘要中明确提及	未在摘要中明确提及
55	2026-07-05	Artificial Intelligence in Critical Care Nephrology: Current Applications, Emerging Techniques, and Challenges to Clinical Integration 2026-Mar-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000001037 PMID:41148218	综述	总结人工智能在重症肾脏病学中的应用现状、新兴技术及临床整合面临的挑战	系统梳理了AI技术在重症肾脏病学中的当前应用与新兴方法（如共形预测、因果推断、强化学习及生成式AI），并提出了四项推进临床整合的优先事项	AI对患者中心结局（如死亡率、透析依赖性和成本效益）的影响仍不确定，且存在数据异质性、外部验证不足、警报疲劳及经济约束等障碍	评估AI在重症肾脏病学中的应用证据，并规划从技术开发到临床整合的路径	重症肾脏病学中的AI应用，包括急性肾损伤预测、肾毒性监测、透析中低血压预测、AI引导的透析及连续性肾脏替代治疗管理	机器学习	重症肾脏病	NA	机器学习、深度学习、强化学习、生成式AI	NA	NA	NA	NA	NA	NA
56	2026-07-05	Unraveling sperm kinematic heterogeneity with machine learning 2026-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202544 PMID:40791002	综述	综述机器学习在利用计算机辅助精子分析数据解析精子运动异质性方面的应用	系统综述了机器学习（包括监督与无监督学习）在精子运动参数分类和运动模式聚类中的应用，以揭示精子动力学异质性	该领域机器学习应用仍然有限，且CASA数据格式对传统统计方法构成挑战	探讨如何通过机器学习技术增强对精子运动异质性的理解，以推进生殖生物学和生育力评估	精子样本的运动动力学参数和轨迹数据	机器学习	NA	计算机辅助精子分析	机器学习模型	运动参数和轨迹数据	NA	NA	NA	NA	NA
57	2026-07-03	An adaptive weight self-distillation deep learning framework for phenotype prediction from longitudinal gut microbiome data 2026-03-09, BMC microbiology IF:4.0Q2 DOI:10.1186/s12866-026-04922-y PMID:41796297	研究论文	提出一种自适应权重自蒸馏深度学习框架，用于从纵向肠道微生物组数据进行表型预测	自适应逐点自蒸馏机制与CNN-LSTM结合，有效捕捉纵向微生物组时序依赖和宿主特异性模式	未提及模型在更大规模或不同疾病数据集上的泛化能力，以及计算资源需求	利用纵向宏基因组数据分类宿主表型，提高疾病表型预测精度	肠道微生物组纵向测序数据	机器学习	多种疾病（如PROTECT、DIABIMMUNE、Infants数据集相关疾病）	宏基因组测序	CNN-LSTM	文本（微生物组序列数据）	三个数据集：PROTECT、DIABIMMUNE、Infants	NA	CNN, LSTM	AUC	NA
58	2026-07-03	Shifting the paradigm in intracranial aneurysm detection with deep learning: A diagnostic accuracy meta-analysis and meta-regression 2026-Mar-05, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-026-04196-y PMID:41781568	meta分析	通过系统综述和meta分析评估深度学习在颅内动脉瘤检测中的诊断准确性	首次通过大规模meta分析和meta回归系统评估深度学习在不同成像模式及与放射科医师联合下的颅内动脉瘤检测性能	未具体说明研究限制	阐明深度学习在颅内动脉瘤检测中的诊断价值	颅内动脉瘤（包括破裂和未破裂）	计算机视觉	颅内动脉瘤	CTA, MRA, DSA成像	深度学习系统	影像数据	34项研究，49,748名患者，6,751个动脉瘤	NA	NA	敏感度, 特异度, AUC, 诊断优势比, 阳性似然比, 阴性似然比	NA
59	2026-07-03	Use of artificial intelligence for outcome assessment in pediatric rehabilitation: a scoping review 2026-Mar-05, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-026-01927-6 PMID:41787455	综述	探讨人工智能在儿童康复结果评估中的应用范围、方法学严谨性和临床实用性	首次系统梳理AI在儿童康复结果评估中的应用，涵盖人群、方法、结果领域和局限性	方法学异质性大、外部验证有限、样本量小，限制了可比性和临床转化	评估人工智能在儿童康复结果评估中的应用现状	儿童康复患者，特别是脑瘫儿童	机器学习	儿童脑瘫	NA	监督学习、神经网络、深度学习	步态分析、运动功能数据	51篇研究	NA	NA	准确率、F1分数、灵敏度、特异度	NA
60	2026-07-03	Enhancing Influenza-Like Illness forecasting: An ensemble approach combining mathematical and deep learning models amidst the COVID-19 pandemic 2026-03, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2026.100901 PMID:41775097	研究论文	本研究提出了一种结合机制性n-子流行病模型与蒙特卡洛丢弃长短期记忆神经网络的集成方法，用于改善韩国年龄特异性流感样疾病预测	创新性地将机制性流行病模型与深度学习模型集成，并引入蒙特卡洛丢弃技术进行不确定性量化，同时考虑年龄分层预测以捕捉不同人群的传播异质性	未明确说明局限性	提高流感样疾病的短期预测准确性并适应COVID-19大流行导致的传播模式变化	韩国年龄分层的流感样疾病发病率数据	机器学习	流感样疾病	NA	集成模型，长短期记忆网络	时间序列数据	覆盖四个疫情波次的数据	NA	n-子流行病模型，蒙特卡洛丢弃长短期记忆网络	加权区间评分，平均绝对误差	NA