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
701	2026-04-04	Real-Life Clinical Validation of Artificial Intelligence-Assisted Detection and Differentiation of Pleomorphic Lesions in Capsule Endoscopy 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003756 PMID:40874973	研究论文	本研究通过多中心前瞻性验证，评估了人工智能辅助阅读在胶囊内窥镜中检测和区分多形性小肠病变的临床效果	首次在多中心研究中证明AI辅助胶囊内窥镜阅读在病变检测和区分方面优于传统阅读方法，并解决了设备互操作性和人口多样性挑战	未明确说明AI模型的泛化能力在更广泛临床环境中的验证情况，且未详细讨论模型对不同类型病变的具体区分性能	比较人工智能辅助阅读与传统胶囊内窥镜阅读在检测和区分小肠多形性病变方面的准确性和效率	胶囊内窥镜视频中的小肠多形性病变	数字病理学	小肠疾病	胶囊内窥镜	深度学习模型	视频	330个胶囊内窥镜视频，来自7个中心的3种设备，覆盖4个国家	NA	NA	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 小肠病变检测率	NA
702	2026-04-04	EPI-CAT: Prediction of enhancer-promoter interactions based on cross-attention transformer 2026-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151520 PMID:41861881	研究论文	本文提出了一种基于交叉注意力Transformer的增强子-启动子相互作用预测模型EPI-CAT，通过整合转录因子结合谱来捕获调控关系	首次将交叉注意力机制与转录因子结合谱结合，用于增强子-启动子相互作用的预测，并设计了双通道卷积-交叉注意力结构来对齐区域特征	模型仅在K562和GM12878细胞系的26个共享转录因子数据上进行验证，可能在其他细胞类型或转录因子中泛化能力有限	预测增强子与启动子之间的相互作用，以深入理解转录调控机制	增强子-启动子相互作用	自然语言处理	NA	ChIP-seq	Transformer	序列数据	使用K562和GM12878细胞系的26个共享转录因子的ChIP-seq信号数据	NA	Transformer, 双通道卷积-交叉注意力结构	AUROC, AUPRC	NA
703	2026-04-04	Classification of soil-embedded colored plastics of many types with NIR hyperspectral high-resolution imaging system and multi-scale 3D deep learning 2026-Apr-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141821 PMID:41875571	研究论文	本研究提出了一种结合近红外高光谱成像系统和多尺度3D深度学习网络的方法，用于在复杂土壤背景下对多种颜色的嵌入式塑料进行高精度分类	开发了新型近红外高光谱成像系统，并设计了专门的MS3D-Net模型，能够同时进行像素级分割和聚合物分类，有效克服了塑料着色剂和复杂土壤背景的干扰	NA	开发一种能够在复杂土壤环境中精确分类多种塑料聚合物的方法，为环境可持续性和塑料废物管理提供技术支持	嵌入土壤中的11种塑料类型，包括经过老化、氧化、破碎和生物污染的塑料，以及从环境中收集的不规则消费塑料产品	计算机视觉	NA	近红外高光谱成像	3D深度学习	高光谱图像	在三种不同的异质土壤类型（壤土、粘土和沙子）中，在不同湿度梯度下进行测试	NA	MS3D-Net	平均精度	NA
704	2026-04-04	Deep learning model for pathological invasiveness prediction using smartphone-based surgical resection images in clinical stage IA lung adenocarcinoma (SuRImage): a prospective, multicentric, diagnostic study 2026-Apr-01, The Lancet. Digital health DOI:10.1016/j.landig.2025.100965 PMID:41927432	研究论文	本研究开发了一种基于智能手机拍摄的手术切除图像的深度学习模型（SuRImage），用于临床IA期肺腺癌的术中病理侵袭性预测和风险分层	首次在术中诊断领域，基于智能手机在自然光条件下拍摄的手术切除宏观图像，开发深度学习模型用于预测IA期肺腺癌的病理侵袭性，为宏观形态特征与侵袭性的关联提供了新见解	研究为前瞻性多中心诊断性研究，但模型性能仍需在更广泛的外部验证集中进一步确认，且图像采集依赖于智能手机和自然光照条件，可能存在标准化挑战	开发一种快速、准确的术中诊断工具，以辅助胸外科医生在IA期肺腺癌手术中决定是否进行肺段切除或肺叶切除	临床IA期肺腺癌患者的手术切除宏观图像	数字病理学	肺癌	智能手机图像采集，深度学习	深度学习模型	图像	共纳入1727名患者（广东省人民医院1529名患者，2344张图像；广东医科大学附属医院116名患者，307张图像；梅州市人民医院82名患者，259张图像）	NA	NA	AUC	NA
705	2026-04-04	Multiomics Research Strategies in Cancer: A Growing and Innovative Field 2026-Apr, MedComm IF:10.7Q1 DOI:10.1002/mco2.70644 PMID:41930321	综述	本文综述了癌症多组学研究策略，包括疾病特征、多组学生物标志物研究现状，以及利用深度学习方法整合多组学数据以揭示癌症上游致病变化和下游分子效应的策略	讨论了单细胞和空间组学在指导治疗策略、风险评估和早期诊断中的应用及其对精准医学的潜在影响，强调多组学综合分析在癌症研究中的创新性	该领域相对年轻，单细胞和空间组学的发展尚在早期阶段，可能面临技术和方法学上的限制	综述癌症多组学研究策略，以促进对癌症分子机制的理解，并推动生物标志物发现和治疗靶点识别	癌症作为一种高度复杂和异质性疾病，涉及多种病理生理事件	机器学习	癌症	多组学方法，包括单细胞组学和空间组学	深度学习	多组学数据	NA	NA	NA	NA	NA
706	2026-04-01	[Expert consensus on optimizing the multidisciplinary clinical pathways and management models for pulmonary function testing] 2026-Apr-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20251114-00713 PMID:41912385	专家共识	本文旨在通过信息技术和组织协调，优化肺功能测试的多学科临床路径和管理模式	提出了基于信息技术（如AI辅助、云平台）和标准化流程优化肺功能测试多学科临床路径与管理模式的系统性共识	共识基于专家意见和文献综述，缺乏大规模实证研究验证其具体实施效果和长期影响	优化肺功能测试的多学科临床路径和管理模式，提升其标准化应用和协作水平	肺功能测试的临床路径、管理模型、相关医护人员及患者	数字病理	慢性阻塞性肺疾病	肺功能测试、人工智能、云平台、问卷调查	深度学习模型	文本、图像、问卷数据	NA	NA	NA	NA	NA
707	2026-04-01	Bias in deep learning-based image quality assessments of T2-weighted imaging in prostate MRI 2026-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-025-05163-9 PMID:40853469	研究论文	本研究评估了基于深度学习的T2加权图像质量评估模型在前列腺癌患者中是否存在偏倚	首次揭示了基于深度学习的图像质量评估模型在前列腺MRI中可能因临床显著前列腺癌的存在而产生系统性偏倚	回顾性研究设计，仅包含三个中心的样本，可能存在选择偏倚	评估深度学习图像质量评估模型在前列腺MRI中的临床应用可靠性	前列腺T2加权MRI图像	数字病理	前列腺癌	MRI	深度学习分类模型	医学图像	开发集1,719个序列，测试集386个序列，外部验证11,723次检查	NA	NA	二次加权kappa系数	NA
708	2026-04-01	Deep learning of wrist accelerometry from UK Biobank data identifies early movement signatures of knee osteoarthritis up to 5 years before diagnosis 2026-Apr, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70332 PMID:41700483	研究论文	本研究利用英国生物银行数据，通过深度学习分析手腕加速度计数据，旨在识别膝骨关节炎（KOA）的早期运动特征，可在诊断前长达5年预测风险	首次将手腕加速度计数据与深度学习结合，用于识别膝骨关节炎的早期运动特征，并能在诊断前长达5年预测风险，突出了可穿戴设备在人群筛查中的潜力	研究为回顾性病例对照设计，属于二级分析而非前瞻性设计的预后试验；模型性能中等，区分前驱期与确诊KOA的能力接近随机水平	测试手腕加速度计数据结合深度学习是否能区分健康个体与膝骨关节炎患者、分离前驱期与确诊KOA，并预测未来5年内被诊断为KOA的个体	英国生物银行参与者，包括健康个体、膝骨关节炎患者（前驱期和确诊期），基于ICD-10代码识别，并控制BMI、年龄和性别等因素	机器学习	膝骨关节炎	手腕加速度计监测	CNN	加速度计时间序列数据	总参与者102,120人，其中KOA患者7,262人；具体任务中平衡队列样本量分别为3,677、1,596 vs. 2,081、1,369每类	NA	1D卷积神经网络	准确率, 宏F1分数, 宏灵敏度, AUC	NA
709	2026-04-01	Dosimetric assessment of deep learning based organ-at-risk segmentation: insights from the HaN-Seg challenge 2026-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111387 PMID:41581701	研究论文	本文通过整合剂量学评估，扩展了HaN-Seg挑战的几何分析，对头颈部器官风险自动分割的临床适用性进行了全面评估	在先前几何分析基础上，首次引入前向剂量学分析（剂量影响近似），包括验证器官风险剂量限制合规性、评估优先级评分、分析分割性能与肿瘤邻近性的关系，以及几何与剂量学指标的相关性分析	前向剂量学分析存在局限性，且口腔和颌下腺的合规率较低，可能源于肿瘤邻近性和陡峭剂量梯度，或分析方法的限制	评估深度学习器官风险自动分割方法的剂量学性能，为放疗计划工作流提供临床适用性见解	头颈部区域的30个器官风险，使用配对增强CT和T1加权MR图像	数字病理	头颈部癌症	对比增强计算机断层扫描，T1加权磁共振成像	深度学习	图像	14个测试案例	NA	NA	Dice相似系数，95百分位Hausdorff距离，剂量合规率	NA
710	2026-04-01	A review of artificial intelligence-based research on chronic obstructive pulmonary disease 2026 Apr-May, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.108778 PMID:41839412	综述	本文回顾了基于人工智能（特别是机器学习和深度学习）在慢性阻塞性肺疾病（COPD）诊断、分级、评估、管理和治疗方面的研究进展	从五种学习范式（传统研究方法、监督学习、无监督学习、半监督学习和强化学习）分析COPD研究的技术基础，并总结代表性模型及比较实验，分析各类模型在特定COPD任务中的优劣	作为综述文章，主要依赖现有文献总结，未提出新的原创模型或数据，且可能受限于所涵盖研究的质量和范围	深入探讨人工智能在COPD诊断和管理中的应用，总结研究热点，并为后续研究提供理论参考和见解	慢性阻塞性肺疾病（COPD）	机器学习	慢性阻塞性肺疾病	NA	监督学习, 无监督学习, 半监督学习, 强化学习	NA	NA	NA	NA	NA	NA
711	2026-04-01	Head radiotherapy positioning guidance system based on feature recognition and automatic annotation: Clinical validation and error analysis 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70405 PMID:41904706	研究论文	本研究开发了一种基于RGB-D相机和深度学习算法的放疗定位引导系统，用于头颈部肿瘤放疗的精准定位	将DeepLab-Opt和FFMD算法整合到放疗工作流中，实现基于表面轮廓和面部标志点的粗-精两级定位，并通过实时反馈系统提高定位精度	研究样本量较小（22例患者），且仅针对头颈部肿瘤进行验证，未涉及其他部位肿瘤	探索基于特征识别和自动标注的放疗定位引导系统的可行性，并分析其在头颈部放疗中的定位误差	头颈部肿瘤患者	计算机视觉	头颈部肿瘤	RGB-D成像，深度学习算法	CNN	彩色图像，深度图像	22例头颈部肿瘤患者，共246次定位案例	NA	DeepLab-Opt, Fast Face Marker Detector (FFMD)	定位误差（横向、纵向、垂直方向及旋转角度），定位时间	NA
712	2026-04-01	Interpreting the Effects of Environmental Variables on a Multistep Deep Learning Model for Algal Bloom Prediction Using Explainable Artificial Intelligence 2026-Apr, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70339 PMID:41911833	研究论文	本研究开发了一个序列到序列深度学习模型来预测叶绿素a浓度，并应用可解释人工智能方法分析环境变量对模型性能的影响	首次将可解释人工智能方法应用于藻华预测的深度学习模型，定量解释不同预测时间步长下环境变量的影响	模型在长期预测（如28天）时性能显著下降，NSE从0.908降至0.255	开发并评估用于藻华预测的深度学习模型，并分析环境变量对预测性能的影响	叶绿素a浓度（作为藻华的定量指标）	机器学习	NA	深度学习建模，可解释人工智能分析	Seq2Seq	时间序列数据	NA	NA	序列到序列模型	Nash-Sutcliffe效率	NA
713	2026-04-01	Global Sensitivity Analysis for Robust XAI: Quantifying Clinical Risk and Prediction Instability in Dermoscopic Image Classification 2026-Apr, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70237 PMID:41913512	研究论文	本文提出并利用全局敏感性分析来量化卷积神经网络在皮肤镜图像分类中对关键光学图像参数的鲁棒性，以评估模型在临床环境中的诊断风险	将全局敏感性分析应用于深度学习模型，以量化其在皮肤镜图像分类中对光学参数变化的敏感性和诊断风险，超越了传统准确性评估	仅考虑了五种光学图像参数，可能未涵盖所有影响模型稳定性的临床变量	评估深度学习模型在皮肤镜图像分类中的鲁棒性，量化其诊断风险，以支持AI诊断系统的临床安全部署	皮肤镜图像分类模型	计算机视觉	皮肤癌	NA	CNN	图像	NA	NA	NA	准确性	NA
714	2026-04-01	Deep Learning-Enhanced Resonance Frequency Analysis for Dental Implant Stability Assessment 2026-Apr, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70342 PMID:41914428	研究论文	本研究开发并评估了一种深度学习增强的共振频率分析框架，用于提高牙科植入物稳定性评估的准确性和信号质量	提出了一种结合去噪卷积神经网络和元数据感知预测网络的深度学习增强RFA框架，显著提升了信号质量和ISQ预测精度	目前仅作为概念验证，需进行多中心前瞻性验证，纳入真实世界噪声分析和临床结果评估，才能投入临床应用	开发并评估一种深度学习增强的共振频率分析框架，以提高牙科植入物稳定性评估的准确性和信号质量	牙科植入物的共振频率分析信号	数字病理	NA	共振频率分析	CNN	信号	100个植入物（300个信号样本，每个植入物采集三次）	NA	去噪卷积神经网络，元数据感知预测网络	MAE, RMSE, R2, 容忍精度（±3 ISQ单位内）	NA
715	2026-03-31	Glucose forecasting and hypoglycemia forewarning in type 1 and type 2 diabetes using deep learning 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115294 PMID:41907406	研究论文	本研究开发了一种名为MT-HypoNet的多任务神经网络，用于从连续血糖监测数据中进行实时血糖预测和低血糖预警	提出了一种统计引导的软标签策略以改进低血糖边界附近的检测，并在大规模多中心队列（包括1型和2型糖尿病患者）中进行了验证与前瞻性评估	未明确说明模型在其他糖尿病亚型或特殊人群（如儿童、孕妇）中的适用性，且前瞻性验证样本量相对较小	通过深度学习技术实现精准的血糖预测和低血糖预警，以改善糖尿病管理安全性	1型和2型糖尿病患者	机器学习	糖尿病	连续血糖监测	深度学习神经网络	时间序列数据（连续血糖监测数据）	1,662名患者（多中心队列）和36名围手术期患者（前瞻性验证）	未明确说明	MT-HypoNet（多任务神经网络）	AUC, RMSE	NA
716	2026-03-31	Toward accurate prediction of pediatric epidemic disease patient volume in the Chaoshan region: A deep learning framework 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115211 PMID:41907420	研究论文	本研究开发了一个深度学习框架，用于预测潮汕地区儿科流行病患者的就诊量，基于电子健康记录数据	该框架首次针对潮汕地区的流行病学特征设计，能够学习捕捉本地疫情动态的儿科表征，以满足区域临床预测需求	研究仅基于单一医院的电子健康记录数据，可能未涵盖所有区域流行病学变化，且模型在其他地区的泛化能力未验证	准确预测儿科流行病患者就诊量，以支持有效的预防和个性化治疗策略	潮汕地区的儿科门诊和急诊患者	机器学习	儿科流行病	深度学习	深度学习框架	电子健康记录	278,506例儿科门诊和急诊就诊记录	NA	NA	平均相关系数，均方根误差，平均绝对比例误差	NA
717	2026-03-31	An Unsupervised Learning Approach for Multimodal Low Back Pain Stratification 2026-Apr-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005593 PMID:41384355	研究论文	本研究提出了一种新颖的多模态无监督学习框架，用于对腰痛患者进行分层，整合了影像生物标志物和非影像数据	开发了一种结合深度学习提取的影像生物标志物（如椎间盘退变和关节突关节不对称）与吸烟状态、人口统计学及自我报告数据的多模态无监督分层方法	研究为横断面设计，无法确定因果关系；样本来自特定出生队列，可能限制泛化性	开发一个全面的风险分层框架，以改善腰痛患者的个性化护理	腰痛患者，数据来自北芬兰出生队列，包括影像和非影像信息	数字病理学	腰痛	深度学习分析腰椎MRI	深度学习模型	多模态数据（影像、问卷、人口统计学）	北芬兰出生队列的参与者，具体数量未在摘要中明确	NA	NA	准确率, 净收益	NA
718	2026-03-31	Dual-feature cross-fusion network for precise brain tumor classification: a neurocomputational approach 2026-Apr, The International journal of neuroscience DOI:10.1080/00207454.2025.2565445 PMID:40986620	研究论文	本文提出了一种名为双特征交叉融合网络（DF-CFN）的新型深度学习架构，用于基于MRI数据的脑肿瘤自动分类	提出了一种结合ConvNeXt提取全局上下文特征与浅层CNN及FcaNet提取局部特征的双特征交叉融合网络，通过交叉特征融合机制提升分类性能	未明确说明模型在更广泛或更具挑战性数据集上的泛化能力，也未详细讨论计算复杂度或实时应用可行性	开发一种自动化、高精度的脑肿瘤分类方法，以辅助临床诊断	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和非肿瘤类别	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	使用Kaggle数据集和FigShare数据集进行训练和验证，具体样本数量未明确说明	未明确说明，可能为PyTorch或TensorFlow	ConvNeXt, 浅层CNN, FcaNet, 双特征交叉融合网络（DF-CFN）	准确率	NA
719	2026-03-31	Preliminary findings on a deep learning model using electroencephalogram for multi-level neuropathic pain detection in post-stroke patients 2026-Apr, The International journal of neuroscience DOI:10.1080/00207454.2025.2584081 PMID:41199478	研究论文	本研究开发了一种基于脑电图信号的深度学习模型，用于卒中后患者的多级别神经病理性疼痛检测	提出了一种量子启发的金字塔深度可分离残差网络，结合了深度可分离残差网络降低计算复杂度、金字塔注意力机制捕捉多尺度模式以及量子启发变换层建模脑电图特征间复杂非线性依赖关系三大创新点	NA	开发准确且计算高效的多级别神经病理性疼痛检测框架	卒中后患者的脑电图信号	机器学习	卒中	脑电图	深度学习	脑电图信号	NA	NA	量子启发的金字塔深度可分离残差网络	准确率, 召回率	NA
720	2026-03-31	The role of artificial intelligence in pre-operative prediction of completeness of cytoreduction for peritoneal surface malignancies: a scoping review 2026-Apr, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111480 PMID:41740519	综述	本文是一篇范围综述，分析了人工智能在预测腹膜表面恶性肿瘤细胞减灭术完全性方面的应用	首次通过范围综述系统总结了AI在预测细胞减灭术完全性中的应用，并强调了放射组学-临床列线图和深度学习框架（如DeAF）的潜力	可解释性仅限于列线图、特征重要性图或校准分析，未采用现代可解释AI技术；研究数量有限（仅9项）	分析人工智能在预测腹膜表面恶性肿瘤细胞减灭术完全性中的应用	腹膜表面恶性肿瘤患者	数字病理	腹膜表面恶性肿瘤	放射组学，深度学习	深度学习框架，列线图	临床数据，影像数据	NA	NA	DeAF	AUC	NA