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
1021	2026-05-30	Multimodal deep learning for laryngeal squamous cell carcinoma staging using CT and laryngoscopy 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12315-4 PMID:41617832	研究论文	开发并验证一种整合临床数据、增强CT和喉镜图像的多模态深度学习模型，用于区分早期和晚期喉鳞状细胞癌	首次将临床数据、增强CT和喉镜图像进行特征级融合，构建多模态深度学习模型用于喉癌术前分期，相较于单一模态方法显著提高诊断准确性和预后分层能力	NA	开发并验证一种多模态深度学习模型，整合临床数据、增强CT和喉镜图像，用于术前准确区分早期和晚期喉鳞状细胞癌	喉鳞状细胞癌患者	计算机视觉, 数字病理学	喉鳞状细胞癌	增强CT, 白喉镜	深度学习, 多示例学习, 逻辑回归	图像, 临床数据	450名患者（训练集235人，内部验证集101人，外部验证集114人）	PyTorch	CT深度学习模型, 喉镜多示例学习模型, 临床逻辑回归模型, 随机梯度下降分类器	AUC, 准确率, 灵敏度, 特异性, 校准曲线, 决策曲线分析, 一致性指数(C-index)	NA
1022	2026-05-30	Auto-LSN: fully automated liver surface nodularity quantification in CT based on deep learning for the evaluation of advanced chronic liver disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12346-5 PMID:41642300	研究论文	提出基于深度学习的全自动肝脏表面结节性（LSN）量化算法auto-LSN，用于评估晚期慢性肝病	首次实现LSN量化的全自动化流程，并证明其诊断性能非劣于FDA批准的半自动化软件	回顾性双中心研究设计，样本量相对较小（127例）	验证全自动LSN算法在慢性肝病纤维化分期中的诊断效能，并评估其非劣效性	慢性肝病患者的肝脏CT图像和肝活检组织	计算机视觉	晚期慢性肝病、肝硬化	CT	深度学习	CT图像	127例患者（平均年龄68±12岁，97名男性）	NA	NA	AUC、Spearman相关系数、非劣效性检验	NA
1023	2026-05-26	Interpretable Deep Regression Models With Interval-Censored Failure Time Data 2026-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70609 PMID:42179352	研究论文	提出一种结合深度神经网络与部分线性变换模型的区间删失失效时间数据回归框架	首次将可解释的深度回归模型扩展至区间删失数据，兼顾关键参数的线性可解释性和干扰协变量的非线性灵活性	未详细讨论模型在高维协变量场景下的计算效率和可扩展性	建立用于区间删失失效时间数据的可解释深度回归模型	区间删失失效时间数据	机器学习	阿尔茨海默病	NA	深度神经网络	NA	NA	NA	NA	NA	NA
1024	2026-05-26	An upper limb stroke rehabilitation exercise video dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112819 PMID:42181301	研究论文	提出一个用于上肢中风康复运动视频数据集，包含491个视频和四种上肢肌肉强化运动，由十名志愿者在多种背景和光照条件下使用RGB相机录制	第一个专门针对家庭康复场景、包含四种不同上肢肌肉强化运动、由普通RGB相机拍摄并具有详细标注的视频数据集	样本量有限（仅十名志愿者），运动种类较少（仅四种），未提及患者实际康复效果验证	为开发基于深度学习的低成本远程康复系统提供数据支持，改善中低收入国家中风患者的康复护理可及性	中风患者上肢康复运动视频	计算机视觉	中风	RGB视频录制	深度学习（通用，未指定具体模型）	视频	491个视频，来自10名志愿者	NA	NA	NA	NA
1025	2026-05-26	Predicting Visual Field Loss in Glaucoma Using OCT and Deep Learning: A Comparative Study of U-Net Variants 2026-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101169 PMID:42181664	研究论文	本研究使用三种深度学习模型（R2 U-Net、Dense U-Net 和 Nested U-Net++）基于OCT图像预测青光眼患者的视野缺损	首次应用生成式人工智能模型（如R2 U-Net）基于OCT数据预测视野缺损	样本来自单一三级转诊中心，仅分析左眼以避免眼间相关性，未涉及多中心验证	评估不同U-Net变体在基于OCT的视网膜神经纤维层厚度图预测视野结果中的性能	1640名青光眼患者的OCT和视野数据	计算机视觉	青光眼	OCT	深度学习生成模型（U-Net变体）	图像（OCT视网膜神经纤维层厚度图）	1640名青光眼患者，每例分析一只左眼	NA	R2 U-Net, Dense U-Net, Nested U-Net (UNet++)	均方误差(MSE), 平均绝对误差(MAE), 峰值信噪比(PSNR), 结构相似性指数(SSIM), Fréchet初始距离(FID)	NA
1026	2026-05-26	Content matters, context matters: unraveling behavior dynamics in an online health community for tobacco cessation 2026-Jun, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag068 PMID:42181702	研究论文	探索在线健康社区中关于戒烟交流的内容和上下文对信息传播及行为动态的影响	将大型语言模型与网络分析相结合，利用随机行动者导向模型分析内容和上下文对社交网络拓扑与行为动态的交互影响	未提及	研究在线健康社区中关于烟草使用交流的信息扩散模式，以及内容和特定上下文因素对行为动态的影响	在线戒烟论坛QuitNet中的社区成员及消息	自然语言处理	烟草成瘾及戒烟行为	大型语言模型，社交网络分析	大型语言模型（LLMs）	文本	64,632名成员，239万条消息（2000-2015年），三个波次分别有3055、2475和2289名成员	NA	大型语言模型（LLMs）	F1分数	NA
1027	2026-05-25	Oral bioavailability property prediction based on task similarity transfer learning 2026-Jun, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11345-w PMID:40928678	研究论文	基于任务相似性迁移学习预测人类口服生物利用度，以优化药物候选分子并提高临床成功率	提出相似性引导的迁移学习框架TS-GTL，包含PGnT深度模型，结合分子图与外部知识，并引入MoTSE量化理化性质与HOB的相似性，实现数据稀缺场景下的高效预测	未提及具体局限性，但可能面临数据依赖性问题的挑战	提高人类口服生物利用度预测的准确性与可解释性，为药物ADMET性质研究提供高效方法	药物分子的口服生物利用度及其相关理化性质	机器学习	药物研发	分子图表示学习	深度学习模型（PGnT）	分子结构与理化性质数据	未提供具体样本数量	NA	GNN, Transformer编码器	准确率	NA
1028	2026-05-25	Automated Coregistered Segmentation for Volumetric Analysis of Multiparametric Renal MRI 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70288 PMID:41639936	研究论文	开发并评估了一个全自动深度学习驱动后处理流程，用于多参数肾脏MRI，实现准确的肾脏对齐、分割和定量特征提取	提出了一种集成深度学习分割网络与图像配准的全自动流程，在单一高效工作流中完成多参数肾脏MRI的配准、分割和定量分析，显著提高了处理速度和准确性	未明确提及局限性，但样本量相对较小（24名患者和10名健康受试者），且仅在肾脏MRI数据集上验证，泛化性有待进一步研究	开发并评估用于多参数肾脏MRI的自动化深度学习后处理流程，以支持肾脏疾病的诊断和治疗规划	肾脏结构的分割与对齐，以及多参数MRI的定量特征提取	计算机视觉, 数字病理学	前列腺癌, 神经内分泌肿瘤, 肾脏疾病	MRI（多参数磁共振成像）	深度学习分割网络，深度学习图像配准模型	医学图像（多参数肾脏MRI）	24名前列腺癌或神经内分泌肿瘤患者及10名健康受试者，每人进行重复扫描	NA	分割网络，深度学习配准网络	相关系数（r > 0.9），组内相关系数，偏差	每扫描约需15秒处理时间，未指定具体GPU或云平台
1029	2026-05-25	TabulaTime: Novel multimodal deep learning for Acute Coronary Syndrome prediction through environmental and clinical data integration 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103395 PMID:41825437	研究论文	提出TabulaTime，一种多模态深度学习框架，通过整合临床和环境数据增强急性冠脉综合征风险预测	三方面创新：多模态时间序列环境与临床数据整合；采用PatchRWKV以线性计算复杂度提取复杂时间模式；通过注意力机制增强可解释性	NA	增强急性冠脉综合征风险预测	急性冠脉综合征患者，包括STEMI和NSTEMI	机器学习	心血管疾病	NA	深度学习	时间序列数据和临床数据	NA	NA	PatchRWKV	准确率	NA
1030	2026-05-25	PatientFlow: Learning to generate mixed-type longitudinal clinical data with flow matching 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103392 PMID:41830733	研究论文	提出PatientFlow方法，结合变分自编码器和流匹配，生成混合类型纵向临床数据，以支持深度学习在医疗中的应用	首次将变分自编码器与流匹配结合用于纵向临床数据的生成，能处理静态和时序混合类型数据，且生成的数据在临床终点预测上堪比甚至超越真实数据	仅在肌萎缩侧索硬化症一个队列（N=1560）上验证，可能需在其他疾病中进一步测试其泛化能力	生成高保真的合成纵向临床数据，以解锁大规模深度学习模型在复杂疾病中的应用并保护患者隐私	肌萎缩侧索硬化症患者的纵向临床数据，包括静态和时序混合类型成分	机器学习	肌萎缩侧索硬化症	NA	变分自编码器、流匹配	纵向临床数据（静态和时序混合类型）	1560名肌萎缩侧索硬化症患者	NA	变分自编码器、流匹配	临床专家验证、预后模型性能（五个临床终点）	NA
1031	2026-05-25	AI-Based Forecasting of National Tourism Revenues: Integrating Economic, Fiscal, Political, and Environmental Determinants Through Regression-Oriented Hybrid Models 2026-Jun, Big data IF:2.6Q2 DOI:10.1177/2167647X261431683 PMID:41902908	研究论文	提出一个集成经济、财政、政治和环境因素的混合模型框架，用于预测国家旅游收入	提出回归导向的两阶段残差提升设计，先以Transformer作为主要预测器，再以LightGBM拟合残差校正系统误差，实现透明错误归因，超越以往的DL-DL堆叠混合模型	实证结果为相关性和预测关联，不应解读为政策干预的因果效应	提升国家旅游收入预测的准确性和可解释性，为政策制定提供指导	国家层面的旅游收入预测	机器学习	NA	NA	混合模型（LightGBM + Transformer）	面板数据	国家-年份面板数据（未明确具体样本量）	NA	Transformer, LightGBM	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
1032	2026-05-25	Twin cross contrastive learning with multi-modality fusion for drug-target affinity prediction 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103394 PMID:41806518	研究论文	提出一种基于双交叉对比学习与多模态融合的药物-靶标结合亲和力预测框架TCCL	首次引入双交叉对比学习架构，同时从分子尺度和网络尺度提取语义与结构信息，并通过多模态融合增强表征能力	未在更多真实场景或更大规模数据集上进行验证，计算资源需求未明确说明	提升药物-靶标结合亲和力预测的准确性和泛化能力	药物分子与靶标蛋白	机器学习	NA	NA	双编码器神经网络	分子结构数据、拓扑图数据	两个基准数据集	NA	双流编码器、双交叉对比学习架构	准确率、F1分数、AUC	NA
1033	2026-05-25	Precise estimation of tissue microstructure with hybrid graph transformer 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103390 PMID:41806520	研究论文	结合混合图Transformer精准估计组织微结构	提出混合图Transformer，同时考虑q-空间和图卷积网络以及x-空间残差密集Transformer块，实现空间域和扩散波矢量域的联合信息利用	未在更多样化的数据集或更低采样率下验证模型泛化能力	通过高度欠采样弥散磁共振成像数据精准估计组织微结构	组织微结构	计算机视觉、自然语言处理、机器学习	帕金森病	弥散磁共振成像	图卷积网络和Transformer	弥散磁共振成像数据	人类连接组项目和帕金森病高质量弥散加权成像数据	PyTorch	混合图Transformer（包括图卷积网络和残差密集Transformer块）	NA	NA
1034	2026-05-25	A systematic review of machine and deep learning techniques for acute lymphoblastic leukemia diagnosis 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103393 PMID:41806519	综述	系统综述机器学习和深度学习方法在急性淋巴细胞白血病诊断中的应用	全面分析了传统机器学习和先进深度学习架构在ALL检测和分类中的应用，包括预处理、特征提取和细胞定量等关键阶段	未提及具体的技术局限性	评估并比较机器学习和深度学习技术在ALL诊断中的性能	急性淋巴细胞白血病（ALL）诊断中的淋巴细胞和淋巴母细胞	机器学习	急性淋巴细胞白血病	NA	机器学习模型和深度学习模型	NA	NA	NA	NA	准确性	NA
1035	2026-05-24	Zero Echo Time Magnetic Resonance Imaging of the Spine 2026-Jun, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/a-2803-1958 PMID:41839202	综述	综述零回波时间磁共振成像在脊柱成像中的技术基础、临床应用及新兴角色	综合阐述了零回波时间脊柱成像的序列设计、深度学习重建策略、解读陷阱，以及CT样骨可视化在避免电离辐射下的应用优势	空间分辨率有限，存在气体模拟钙化、金属相关伪影等解读陷阱	总结零回波时间脊柱成像的技术原理和临床应用，为减少CT依赖和推动无电离辐射MRI诊断流程提供依据	脊柱（包括创伤、退变、炎症、肿瘤、感染、发育性病变及儿童/胎儿脊柱评估等）	计算机视觉	脊柱疾病	零回波时间磁共振成像	NA	图像	NA	NA	NA	NA	NA
1036	2026-05-24	Optimising Sleep Stage Detection Using a Minimal Non-EEG Physiological Signal Set and Deep Learning 2026-Jun, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70266 PMID:41391449	研究论文	提出一种基于U-Net架构的深度学习模型，仅使用三种非EEG生理信号（血氧饱和度、心率和腹部呼吸努力）进行睡眠阶段自动分类	首次实现每秒级睡眠阶段预测，突破了传统30秒固定时段的限制；仅用三种易获取的非EEG信号替代EEG，提高可重复性和居家监测适用性	未在多样化临床人群或真实噪声环境中验证；模型性能在五类分类中加权F1分数为68%，仍有提升空间	开发轻量级、可重复的睡眠阶段分类框架，实现非侵入式居家睡眠监测推广	睡眠健康研究访问2（SHHS2）数据集和多民族动脉粥样硬化研究（MESA）外部验证集	机器学习	睡眠障碍	无	卷积神经网络	时间序列生理信号（血氧饱和度、心率、呼吸努力度）	SHHS2数据集用于训练，MESA数据集用于外部验证，具体样本数未明确说明	Keras	U-Net	加权F1分数，Cohen's Kappa	Keras Tuner与Hyperband算法用于超参数优化
1037	2026-05-24	Integrating multi-omics data for enhanced prognosis prediction in gastric cancer post-neoadjuvant therapy 2026-Jun, 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.2026.111837 PMID:42054940	研究论文	整合CT影像深度学习和免疫评分构建多组学模型，提升局部进展期胃癌新辅助治疗后预后预测准确性	首次将基于ResNet18的CT影像深度学习特征与转录组免疫评分整合为多组学列线图，用于新辅助治疗后胃癌预后预测，显著优于传统临床病理模型	样本量相对较小（总样本208例），仅使用单一中心内部验证和有限的外部验证队列，未涵盖免疫治疗联合方案或不同新辅助化疗方案，需更大规模多中心前瞻性验证	开发并验证一种整合CT影像深度学习特征（DeepScore）和免疫评分（ImmuneScore）的多组学预后模型，以改善局部进展期胃癌新辅助治疗后的风险分层	局部进展期胃癌患者，接受新辅助治疗（2019-2022年）的179例训练/内部验证队列，以及29例外部验证队列	数字病理学, 机器学习, 计算机视觉	胃癌	CT成像, RNA-seq转录组测序	CNN（ResNet18）, 回归模型（Cox, LASSO）, 列线图（Nomogram）	CT图像, 转录组表达数据	总共208例（179例内部队列+29例外部队列），其中训练队列125例、内部验证队列54例、外部验证队列29例	PyTorch	ResNet18	AUC, DFS率, OS率	NA
1038	2026-05-23	A Hierarchical Multimodal Framework for Sedation Monitoring in ICU Patients 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3626584 PMID:41150235	研究论文	提出一种分层多模态融合动态校正框架，整合脑电图与生理信号用于ICU患者镇静水平监测	提出分层多模态融合与动态校正机制，通过置信加权方法智能融合脑电图时域特征和频谱特征，实现优于单模态和简单融合方法的镇静状态分类性能	未提及	开发一种连续、客观的ICU患者镇静水平监测方法，克服传统行为量表的主观性和延迟性	ICU患者的镇静水平分级（RASS评分从-5到+1的七个等级）	机器学习	重症监护疾病	脑电图（EEG）与生理信号采集	深度学习多模态融合模型（分层多模态融合动态校正框架）	时间序列信号（脑电图、血压、心率、血氧饱和度）	105名ICU患者的2880个标注RASS评估样本	NA	双流路径网络（处理原始时域脑电图数据和频谱图的谱特征）、动态校正模块	分类准确率（83.8%）	NA
1039	2026-05-23	An Active Dry-Contact Continuous EEG Monitoring System for Seizure Detection Applications in Clinical Neurophysiology 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3629563 PMID:41196782	research paper	提出一种基于主动干接触电极的低成本可调脑电图头套，结合可解释深度学习模型和多模态伪影去除算法，用于新生儿癫痫检测	结合主动干接触电极、可调头套设计、可解释深度学习模型和多模态伪影去除算法，实现低成本、实时新生儿癫痫检测，在临床环境取得优于基准方法的性能	仅在单个儿科失神癫痫患者上进行临床评估，样本量小，可能限制泛化性	开发低成本、连续脑电图监测系统，用于新生儿癫痫检测	新生儿癫痫患者	machine learning	癫痫	干接触电极EEG	深度学习模型	脑电图信号	1位儿科失神癫痫患者	NA	NA	相关系数、信噪比、准确率、召回率	NA
1040	2026-05-23	Direct Quantification of Uncertainty in Deep Learning-Based Automatic Sleep Staging 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3623380 PMID:41115081	研究论文	评估和比较深度学习中自动睡眠分期的不确定性量化方法	提出了一种新的Hypnodensity区间（HI）方法，结合样本均值和标准差进行不确定性评估	仅基于STAGES和DOD数据集验证，方法在更广泛场景中的表现需进一步探索	提高自动睡眠分期系统的透明度并支持临床采用	深度学习模型在睡眠分期中的不确定性量化方法	机器学习	睡眠相关疾病	MC dropout	深度学习模型（具体未指定）	脑电图等生理信号数据（来自STAGES和DOD数据集）	STAGES数据集用于训练，DOD数据集用于独立评估	NA	NA	准确率	NA