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
21	2026-05-27	Deep learning-based identification of aberrant anterior tibial artery on knee MRI: a brazilian multicenter study 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05198-z PMID:41870548	研究论文	开发并验证基于深度学习的模型，用于在膝关节MRI上自动识别异常胫前动脉	首次将人工智能应用于膝关节MRI上异常胫前动脉的自动检测	外部验证队列的精确度因假阳性而有所下降，临床部署前需进行更广泛的多中心验证	开发一种深度学习模型以自动检测膝关节MRI中的异常胫前动脉，提升术前风险评估和手术规划	膝关节MRI图像中的异常胫前动脉	计算机视觉	膝关节血管异常	MRI	卷积神经网络	图像	2315次检查（1441例无AATA，874例有AATA）共70260张MRI图像	PyTorch	卷积神经网络	F1分数, AUC	NA
22	2026-05-27	Hybrid LSTM-XGBoost framework with city embeddings for CO2 emissions forecasting and scenario comparison 2026-Jul-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124476 PMID:41966244	研究论文	提出混合LSTM-XGBoost框架结合城市嵌入，用于城市级CO2排放预测与情景比较，并以河北省为例进行验证	首次结合LSTM和XGBoost通过自适应幂律加权并融入城市嵌入，实现非线性动态与时空异质性建模，同时引入后验语义分析验证城市嵌入的可解释性	仅以河北省为案例，未验证其他区域或全球城市的迁移性；蒙特卡洛不确定性分析仅考虑了中等和保守数据扰动，未探索极端情况	提升城市级CO2排放预测的准确性，并支持碳管理政策的情景优化	河北省各城市的CO2排放数据及其城市化、经济、空间特征	机器学习	NA	NA	LSTM, XGBoost	时间序列数据（城市排放及特征）	河北省多个城市的历史排放数据（具体数量未说明）	Python	LSTM, XGBoost	R²	NA
23	2026-05-26	Comparative analysis of traditional and deep learning time series architectures for influenza A infectious disease forecasting 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111736 PMID:42127736	研究论文	比较传统时间序列模型和深度学习架构在甲型流感预测中的性能，并提出基于Transformer的单变量框架HistoFluAFormer	首次系统性比较六种深度学习架构与传统时间序列模型在甲型流感月度病例预测中的表现，并引入仅依赖历史发病率序列的单变量Transformer模型，展示了自注意力机制在捕捉非线性季节性、异常激增和长期依赖方面的优势	未明确提及限制，但可能包括模型仅基于历史序列数据，未考虑外部协变量（如气候、人口流动）的影响，且测试集仅为一年数据，泛化性需进一步验证	评估不同时间序列模型在甲型流感预测中的效果，提高预测准确性以支持公共卫生准备与资源分配	美国2009年1月至2023年12月的甲型流感月度病例数据	机器学习，时间序列预测	甲型流感	NA	ARIMA, Holt-Winters指数平滑, 简单RNN, LSTM, GRU, 双向LSTM, 双向GRU, Transformer	数值型时间序列数据	2009年1月至2023年12月共180个月度数据点，其中训练集168个月（2009-2022年），测试集12个月（2023年）	NA	ARIMA, Holt-Winters, 简单RNN, LSTM, GRU, BiLSTM, BiGRU, Transformer	均方误差，平均绝对误差， GMRAE, Theil U1	NA
24	2026-05-26	Toward protocol simplification: Deep learning-based image synthesis in three-phase CT urography 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111746 PMID:42140070	研究论文	开发并评估一种利用扩散模型与Swin Transformer相结合的方法，在CT尿路造影中从非对比期和排泄期图像合成三维尿路上皮期图像	首次提出dsSNICT模型，将扩散模型与Swin Transformer结合用于CT尿路造影的三相图像合成，实现辐射剂量降低33%而保持图像质量	单中心回顾性研究，样本量相对较小（335例），仅关注图像质量而缺乏对诊断准确性的全面评估	开发基于深度学习的图像合成方法，简化CT尿路造影的采集协议，减少辐射剂量并提高检查安全性	CT尿路造影中的三维尿路上皮期图像	医学影像	泌尿系统疾病	CT尿路造影	扩散模型	图像	335例患者，179男156女，平均年龄63±15岁	PyTorch	Swin Transformer	峰值信噪比, 结构相似性指数, 平均绝对误差, Fréchet视频距离	NA
25	2026-05-26	Hybrid fractional groupers and moray eels driven deep learning for pneumonia detection using multi-modal data in federated learning 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111739 PMID:42155376	研究论文	提出一种基于多模态数据和联邦学习的新型深度学习模型，用于肺炎检测	将分数阶群鱼和鳗鱼优化算法与联邦学习框架结合，并开发了EESHLossNet损失函数来改进Shepard卷积金字塔膨胀网络	未提及模型在不同数据集上的泛化能力验证，且联邦学习框架可能面临通信开销和隐私保护的实际挑战	提高肺炎检测的准确性并保护医疗数据安全性	肺炎患者的多模态医学图像数据（CT、胸部X光片和频谱图）	计算机视觉，数字病理学	肺炎	CT成像， X光成像，频谱成像，深度递归残差网络，阿尔法修剪均值滤波，伽马校正	Shepard卷积金字塔膨胀网络，深度递归残差网络	图像	未提及具体样本数量	未提及	Shepard卷积金字塔膨胀网络，深度递归残差网络	损失函数，均方误差，准确率，真阳性率，真阴性率，精确率， F1分数，假阴性率，假阳性率	未提及
26	2026-05-25	Explainable 3D VGG-style convolutional neural network for pediatric hydrocephalus detection on computed tomography: A segmentation-free and fully volumetric deep learning framework 2026-Jul-03, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.04.027 PMID:42049087	研究论文	开发并评估了一种无需分割的全三维卷积神经网络用于儿童CT图像中的脑积水检测	首次提出一种轻量级VGG风格的三维卷积神经网络，无需分割即可对儿童CT进行全容积的自动脑积水检测，并采用三维Grad-CAM提供可解释性分析	样本量较小（98例内部、118例外部），且外部验证为初步结果，仍需较大规模多中心验证才能用于临床	开发一种可解释的、无需分割的自动化方法，用于儿童CT上脑积水的检测	儿童头部CT扫描（共98例内部数据集，48例脑积水、50例正常；以及118例外部验证集，56例脑积水、62例正常）	计算机视觉	儿科疾病	CT成像	三维卷积神经网络（3D CNN）	CT图像	内部数据集98例（48例脑积水，50例正常），外部验证集118例（56例脑积水，62例正常）	NA	VGG风格的三维卷积神经网络	AUC-ROC, 准确率, 敏感度, 特异性, F1分数, 马修斯相关系数（MCC）, 科恩kappa系数, Brier分数	NA
27	2026-05-25	Best fast MRI protocols for the knee: advantages and limitations 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05197-0 PMID:41874638	综述	综述现代膝关节快速MRI加速技术的原理、临床应用、优势及挑战，包括并行成像、多层同时采集、压缩感知和深度学习重建	系统总结了深度学习重建在膝关节MRI中的突破性应用，尤其是加速因子达六倍的PIxSMS协议可在五分钟内完成高质量扫描，并展望了各向同性三维成像的未来前景	未在论文中提供定量比较或原始数据，基于现有证据的总结可能受限于已发表研究的异质性，且对硬件成本和临床工作流优化缺乏深入分析	综述膝关节快速MRI加速策略的技术原理、验证研究证据及临床实施注意事项	膝关节快速MRI的加速技术及其临床应用	机器学习	NA	MRI	深度学习重建	图像	NA	NA	NA	诊断性能、图像质量	NA
28	2026-05-25	Predicting mortality risk in pediatric severe pneumonia using a CNN-BiLSTM model with dynamic clinical indicators 2026-Jul, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.108891 PMID:42134457	研究论文	利用CNN-BiLSTM模型结合动态临床指标预测儿童重症肺炎的死亡风险	首次将CNN-BiLSTM深度学习模型应用于儿童重症肺炎的住院死亡率预测，并从纵向实验室数据中动态筛选出11个关键预测指标	需要未来多中心研究验证模型有效性	探索儿童重症肺炎的有效预后生物标志物，并构建深度学习模型预测住院死亡率，支持临床决策	5岁以下儿童重症肺炎患者	机器学习	儿童重症肺炎	NA	CNN-BiLSTM	临床数据（包括纵向实验室指标）	来自儿科重症监护数据库（PIC）的5岁以下重症肺炎儿童	PyTorch	CNN-BiLSTM	AUC，灵敏度，特异度	NA
29	2026-05-24	Rapid multi-parametric quantitative MRI via deep learning-based synthetic-to-real reconstruction and 3D SSFP-MOLED imaging 2026-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121985 PMID:42107614	研究论文	提出一种结合深度学习的合成到真实重建与3D SSFP-MOLED的快速多参数定量磁共振成像方法	首次将相位调制三维稳态自由进动与多重叠回波分离（3D SSFP-MOLED）信号编码方法与基于物理约束的合成数据管道和深度学习重建相结合，实现快速、高精度的多参数定量成像	NA	解决多参数定量磁共振成像扫描时间长、对非理想信号条件敏感的问题	磁共振成像中的多参数定量映射	机器学习	肿瘤、出血	磁共振成像（MRI）	深度学习网络	磁共振图像	体模、健康志愿者及肿瘤/出血患者	NA	NA	准确度、可重复性	NA
30	2026-05-24	Editorial for the Special Issue on Harmonization Techniques for MRI 2026-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121979 PMID:42128316	评论	介绍神经影像协调化的专刊，总结多站点MRI分析中的协调化方法及其挑战	系统梳理协调化方法的主要类别（包括统计方法、深度学习和域泛化策略），并强调网络感知协调化技术超越体素的创新方向	未涉及具体方法的实验验证；跨模态性能、生物信息保留和隐私保护框架的挑战尚未完全解决	推动多站点神经影像数据的可重复性和泛化性研究	多站点MRI数据中的协调化技术	机器学习	NA	MRI	深度学习模型（如ComBat家族、深度学习方法）	神经影像数据（包括体素、连接组数据）	NA	NA	ComBat, 深度学习网络（未具体说明）	NA	NA
31	2026-05-24	Toward clinical value, not just accuracy: deep learning segmentation of soft tissue sarcoma 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05227-x PMID:42029683	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
32	2026-05-20	Multi-scale drift characteristics of Ulva prolifera in the Yellow Sea derived from deep learning-based MODIS and Sentinel-1 observations 2026-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119516 PMID:41855964	研究论文	利用深度学习模型融合MODIS和Sentinel-1数据，分析黄海浒苔多尺度漂移特征	提出融合注意力机制与Vision Transformer的AttFusionViT-UNet模型，首次实现多源遥感数据（MODIS和Sentinel-1）的融合，生成周、月、年多尺度浒苔时空分布，提升短期漂移过程的捕捉能力	未明确讨论模型对极端天气或高云覆盖场景的鲁棒性，且融合方法可能引入数据配准误差	量化黄海浒苔空间覆盖及不同时间尺度的漂移特征，改善预测能力	黄海浒苔的短期涌现、扩展和漂移过程	计算机视觉，遥感	不适用	MODIS遥感， Sentinel-1合成孔径雷达	深度神经网络， Vision Transformer	卫星图像	MODIS数据（2008-2024年）和Sentinel-1数据（2015-2024年）	NA	AttFusionViT-UNet	平均交并比（mean IoU）	NA
33	2026-05-20	Enhancing the accuracy of seawater intrusion vulnerability assessment using a hybrid GALDIT framework in tropical low-lying coastal settings 2026-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119585 PMID:41861586	研究论文	提出一种混合GALDIT框架（结合CNN-XGBoost）以提升热带低洼沿海地区海水入侵脆弱性评估的准确性	首次将改进的GALDIT模型与混合深度学习技术（CNN用于特征提取、XGBoost用于预测建模）相结合，通过XGBoost的正则化技术减轻过拟合，实现空间分析精度的显著提升	传统GALDIT和改进GALDIT模型均难以捕捉海水入侵的非线性空间复杂性	提高热带低洼沿海地区海水入侵脆弱性评估的准确性	印度奥里萨邦沿海地区的海水入侵脆弱性	机器学习	不适用	NA	CNN、XGBoost	空间数据（土壤介质、井密度、总溶解固体等）	NA	NA	CNN、XGBoost	接收者操作特征曲线、曲线下面积、R值、总溶解固体数据	NA
34	2026-05-04	Interpretable spatiotemporal traffic crash risk prediction using DMD-based graph neural networks 2026-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108522 PMID:41911624	研究论文	提出一种基于Hankel动态模态分解与时空图神经网络的混合模型，用于预测城市街区级别的交通事故风险	将Hankel-DMD的低秩时空模态提取能力与图神经网络的非线性残差学习相结合，兼顾了预测准确性与可解释性	模型依赖历史数据质量和外部因素（如天气、事件），可能无法完全捕捉异常行为模式；仅在单一城市数据上验证	实现短时（1-7天）街区级事故风险的准确且可解释性预测，支持主动交通安全管理	美国丹佛市78个街区2019-2021年的每日事故记录	机器学学习, 数字病理学	NA	DMD, 图神经网络	混合模型（Hankel-DMD + 图神经网络）	数值矩阵（街区-天事故计数）	78个街区 × 1095天（2019-2021年）	PyTorch	STGNN, Hankel-DMD	MAE, RMSE, 百分比改进	NA
35	2026-05-04	Non-invasive classification of coronary perfusion pressure during CPR using smartphone-based skin video and deep learning 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109348 PMID:41967268	研究论文	提出一种基于智能手机皮肤视频和深度学习的非侵入性方法，用于心肺复苏过程中冠状动脉灌注压的无创分类	首次利用智能手机拍摄的皮肤视频结合深度学习模型无创分类CPP，并集成Grad-CAM和YCrCb分析增强可解释性	研究基于动物模型（15头猪），尚未在人体临床试验验证	开发一种低成本、可及的非侵入性CPP分类方法，用于院外心肺复苏的实时质量评估和决策支持	15头猪在心肺复苏过程中的皮肤视频和生物信号数据	计算机视觉，深度学习	心脏骤停，心血管疾病	智能手机视频记录，深度学习	CNN，GRU	视频，生物信号	15头猪	PyTorch	EfficientNetV2-B0，ConvNeXt-Nano，FastViT-T8，CNN-backbone-GRU	准确率，F1分数	NA
36	2026-05-04	The nonlinear impact of road safety policy implementation on the severity of road traffic crashes: A fusion of deep learning and Bayesian random parameter methods 2026-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108503 PMID:41990541	研究论文	通过融合深度学习和贝叶斯随机参数方法，分析道路安全政策实施对交通事故严重程度的非线性影响	首次将可解释机器学习技术与贝叶斯随机参数方法相结合，探索政策干预与事故严重程度之间的非线性关系及时空异质性	未明确提及研究局限性	探究道路安全政策实施对交通事故严重程度的非线性影响及其时空异质性	澳大利亚七个州的交通事故数据及道路安全政策强度数据	机器学习	NA	NA	深度学习模型、贝叶斯随机参数模型	结构化数据（交通事故记录、政策强度数据）	澳大利亚七个州的多项交通事故数据及政策强度数据，具体数量未提及	NA	可解释机器学习模型、贝叶斯随机参数模型	模型可靠性经过严格测试，具体指标未提及	NA
37	2026-05-04	Echo-SMADS: A hierarchical planning model for predicting ejection fraction using echocardiography 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109377 PMID:42019102	研究论文	提出一种基于层次规划的心室射血分数预测模型Echo-SMADS以提高临床可解释性	借鉴人工智能层次规划概念，将射血分数预测任务分解为三个临床相关子任务（结构识别、相位选择和容积估计），并设计为独立优化的模块化系统，提供可解释的中间输出	仅基于EchoNet-Dynamic数据集验证，未在更多临床场景中测试；模块化设计可能增加模型复杂度和训练成本	设计一种临床对齐的模块化系统，模拟医生诊断流程，提升射血分数评估的可解释性、稳定性和临床适用性	超声心动图像中的左心室结构与功能评估	计算机视觉, 数字病理学	心血管疾病	超声心动图	层次规划模型	图像	EchoNet-Dynamic数据集	NA	模块化层次规划架构	平均绝对误差, 均方根误差	NA
38	2026-05-04	Exploring three-dimensional reconstruction with Neural Radiance Field (NeRF) for coronary roadmap navigation and view-planning in X-ray coronary angiography: A feasibility study 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109349 PMID:42019103	研究论文	探索使用神经辐射场（NeRF）从X射线冠状动脉造影图像进行三维重建，用于冠状动脉路线图导航和视角规划	首次应用NeRF技术从少量X射线冠状动脉造影视图进行自动三维重建，并评估其在临床导航和规划中的可行性	NeRF在视角规划方面表现不佳，不足三分之一的预测视图被认为可接受，且在不同评估者之间存在评分差异，需要对三维冠状动脉拓扑结构进行进一步改进以提高模型鲁棒性	评估NeRF在X射线冠状动脉造影中生成冠状动脉路线图和预测最佳视角的临床可行性	X射线冠状动脉造影图像中的三维冠状动脉树	计算机视觉	冠状动脉疾病	X射线冠状动脉造影	Neural Radiance Field (NeRF)	图像	多种分割后的血管造影视图组合	NA	NeRF	定性问卷调查（图像质量、冠状动脉拓扑结构、视觉杂乱程度）	NA
39	2026-05-04	Development of a deep learning tool to detect drug-resistance epilepsy with EEG 2026-Jul, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2026.111028 PMID:41936310	研究论文	开发基于脑电图的深度学习工具检测耐药性癫痫	首次使用表面脑电图和卷积神经网络对耐药性癫痫与非耐药性癫痫进行分类	仅使用表面脑电图数据且数据集较小，模型性能中等，需通过添加神经影像和临床信息以及更大规模数据集来改进	开发一种卷积神经网络模型，利用表面脑电图分类癫痫患者为耐药性或非耐药性	癫痫患者	机器学习	癫痫	EEG	CNN	脑电图图像	180名癫痫患者（平均年龄41.1岁，52.8%女性）	NA	CNN	准确率、敏感度、特异度、F1分数、AUC-ROC、AUPRC	NA
40	2026-05-03	Explainable deep learning combined with SERS for simultaneous detection of nicotine and etomidate isomers in E-cigarettes 2026-Jul-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345514 PMID:42067301	research paper	本研究将深度学习与表面增强拉曼光谱结合，开发了一种用于检测电子烟中尼古丁和四种依托咪酯异构体的高灵敏度方法	首次将可解释深度学习与SERS结合，实现电子烟中非法药物添加剂的同步检测，并利用Grad-CAM揭示关键SERS峰以增强模型透明性	NA	开发准确快速的检测方法，用于电子烟中非法药物添加剂的筛查	尼古丁和四种依托咪酯异构体	machine learning	NA	表面增强拉曼光谱，密度泛函理论计算	深度学习网络	光谱数据	五种药物标准品	NA	NA	准确率	NA