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	2026-04-14	Domain generalized feature embedded learning for calibration-free event-related potentials recognition 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10450-2 PMID:41971720	研究论文	本文提出了一种域广义特征嵌入学习方法，用于实现无需校准的事件相关电位识别	通过协方差质心对齐、xDAWN滤波器增强特征提取以及分解对抗损失进行特征泛化，实现了跨被试的鲁棒特征学习，无需目标样本即可泛化到新被试	NA	构建无需校准的基于脑电图的脑机接口，实现跨被试的事件相关电位识别	事件相关电位信号	机器学习	NA	脑电图	神经网络	脑电图信号	两个基准脑电图事件相关电位数据集	NA	神经网络嵌入骨干	分类性能	NA
2	2026-04-06	Enhancing explainability and performance of the depression detection model on social media utilizing feature engineering and LLMs 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00446-x PMID:41883984	研究论文	本研究通过特征工程和大型语言模型（LLMs）提升社交媒体上抑郁症检测模型的可解释性和性能	结合情感状态特征工程和LLMs，将情感状态与抑郁症特征关联，增强模型可解释性	未明确提及具体局限性	提升社交媒体抑郁症检测模型的可解释性和性能	社交媒体数据	自然语言处理	抑郁症	特征工程、词嵌入模型、序列模型、注意力机制、LLMs	序列模型、注意力机制、LLMs	文本	NA	NA	NA	NA	NA
3	2026-04-06	Modeling spectral EEG interactions using graph-structured variational representation learning 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10434-2 PMID:41883490	研究论文	提出一种基于图表示学习的框架，用于从脑电图信号中识别情感	将频域EEG特征建模为结构化图中的节点，并利用GNN-VAE学习紧凑的潜在表示，通过k环邻域连接定义谱邻接关系，实现了跨连续频段的局部消息传递	当前研究侧重于固定的谱连接和受试者依赖的评估	解决从脑电图信号中进行情感识别这一具有挑战性的问题	脑电图信号	机器学习	NA	脑电图	GNN, VAE, 循环神经网络, 注意力模型	脑电图信号	NA	NA	Graph Neural Network-Variational Autoencoder	准确率, F1分数	NA
4	2026-04-06	Bmssnet: a multi-scale feature and efficient spatial attention fusion model for early recognition of Alzheimer's disease 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10441-3 PMID:41883492	研究论文	提出一种基于多尺度特征和高效空间注意力融合的模型BMSSnet，用于阿尔茨海默病的早期识别	采用CNN-Transformer混合架构，结合多尺度注意力机制和轻量级空间门控单元，以捕获局部解剖细节和全局长程依赖，同时提供可解释性	模型性能依赖于ADNI数据集，可能在其他数据集上泛化能力有限，且计算效率虽优化但可能仍受Transformer部分影响	自动化诊断阿尔茨海默病，通过深度学习技术提高识别准确性和可解释性	阿尔茨海默病患者的结构磁共振成像数据	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, Transformer	图像	ADNI数据集中的样本，具体数量未在摘要中明确	NA	CNN-Transformer混合架构，具体为BMSSnet	诊断性能指标未在摘要中具体说明，但提及了优越性能	NA
5	2026-03-28	Advanced deep learning strategies in nanopore RNA sequencing 2026-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2627968 PMID:41663212	综述	本文综述了纳米孔直接RNA测序中用于解析RNA修饰的先进深度学习策略	聚焦于利用专门学习框架和集成策略应对数据稀缺、噪声和生物变异性等挑战，以提供更高分辨率的输出	NA	评估RNA修饰作为新兴生物标志物和治疗靶点，并总结人工智能在表征表观转录组中的应用	RNA分子上的化学修饰（表观转录组）	自然语言处理, 机器学习	NA	纳米孔直接RNA测序	CNN, RNN	测序信号数据	NA	NA	NA	NA	NA
6	2026-03-21	Bioinspired hybrid optimisation and deep belief neural networks for early chronic kidney disease detection: an explainable clinical AI framework 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2624917 PMID:41834383	研究论文	本文提出了一种结合混合螺旋搜索策略的二元引力搜索算法与象群优化算法来优化深度信念神经网络，用于慢性肾脏病的早期检测	提出了一种双阶段优化框架（SSS-BGSA-EHO-DBNN），通过非线性螺旋搜索模式增强原始BGSA的探索-利用权衡，并利用EHO优化DBNN参数以提高收敛速度和学习效率	研究仅在UCI CKD数据集上进行评估，样本量有限，且未在更多独立数据集或真实临床环境中验证	开发一个全自动、可解释且计算高效的慢性肾脏病筛查流程	慢性肾脏病（CKD）患者	机器学习	慢性肾脏病	NA	深度信念神经网络（DBNN）	结构化临床数据	UCI CKD数据集（25个属性）	NA	深度信念神经网络	准确率, AUC	NA
7	2026-03-14	MedFusion-gP-AKI: development and multicenter validation of a machine learning fusion model for early prediction of KDIGO stage 3 acute kidney injury in critically ill traumatic cervicothoracic spinal cord injury patients 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2640690 PMID:41803650	研究论文	本研究开发并验证了一个名为MedFusion-gP-AKI的多模态深度学习融合模型，用于早期预测危重创伤性颈胸段脊髓损伤患者发生KDIGO 3期急性肾损伤的风险	首次将多模态深度学习与因果推断方法结合，针对危重创伤性颈胸段脊髓损伤患者开发了早期预测严重急性肾损伤的融合模型，并进行了多中心外部验证	研究基于回顾性数据，未来需要前瞻性研究进一步验证；模型在更广泛人群中的泛化能力仍需评估	开发一个能够早期预测危重创伤性颈胸段脊髓损伤患者发生KDIGO 3期急性肾损伤的机器学习模型	危重创伤性颈胸段脊髓损伤患者	机器学习	急性肾损伤	多模态深度学习、因果推断	GAN, 集成学习	临床数据	MIMIC-IV/eICU队列用于训练，来自中国四个三级医疗中心的188名患者用于外部验证	NA	集成模型（由15个基线模型中表现最佳的架构融合而成）	AUC, AP	NA
8	2026-03-07	Automated subcutaneous fat segmentation with a convolutional neural network in magnetic resonance guided high-intensity focused ultrasound treatment for uterine fibroids 2026-Dec, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group IF:3.0Q2 DOI:10.1080/02656736.2026.2634734 PMID:41755457	研究论文	本研究开发了一种基于注意力门控U-Net卷积神经网络的自动分割算法，用于在子宫肌瘤的磁共振引导高强度聚焦超声治疗中分割皮下脂肪层	首次将注意力门控U-Net架构应用于子宫肌瘤MR-HIFU治疗中的皮下脂肪自动分割，显著提高了分割效率并确保了治疗安全性	研究样本量相对较小（62例患者），且模型仅在特定患者群体（子宫肌瘤）的MR图像上进行了验证	开发一种自动分割算法以增强MR-HIFU治疗子宫肌瘤时的安全性和临床工作效率	接受MR-HIFU治疗的子宫肌瘤患者的磁共振图像	数字病理学	子宫肌瘤	磁共振成像	CNN	图像	62例患者	NA	注意力门控U-Net	Dice系数, 95百分位Hausdorff距离, 平均绝对厚度误差	NA
9	2026-03-07	Comparing deep learning and classical regression approaches for predicting healthcare expenditure and spending: a systematic review 2026-Dec, Journal of medical economics IF:2.9Q1 DOI:10.1080/13696998.2026.2630598 PMID:41779998	系统综述	本研究系统比较了深度学习架构与传统回归及树模型在个体层面医疗成本预测中的表现，特别关注不同数据背景下的性能差异	提出了复杂性-性能假说，并系统评估了深度学习在序列丰富的纵向成本预测中的优势，同时明确了传统方法在低维横截面数据中的稳健性	证据基于少量（8项）异质性研究，外部或时间验证有限，预测周期短，且对校准、经济可解释性和公平性的评估稀疏，需谨慎解读	比较深度学习与传统回归及树模型在医疗支出预测中的性能差异	使用真实世界个体层面数据（如理赔、电子健康记录或注册数据）预测成本相关结果的研究	机器学习	NA	NA	LSTM, CNN-LSTM, 回归模型, 树模型	结构化数据, 时间序列数据	NA	NA	LSTM, CNN-LSTM	RMSE, MAE, R2, AUROC	NA
10	2026-03-06	A data fusion deep learning approach for accurate organelle-based classification of cancer cells 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00425-8 PMID:41659840	研究论文	提出了一种基于细胞器形态和空间组织的自动化、可解释深度学习框架，用于从高分辨率荧光显微镜图像中对乳腺癌细胞系进行分类	开发了一种端到端框架，结合了基于补丁的采样、稀疏性过滤和通道级中间融合策略，以独立提取和整合细胞器特异性特征，无需手动分割和3D渲染步骤	研究仅针对六种乳腺癌细胞系进行评估，尚未在更广泛的癌症类型或临床样本中得到验证	开发一种自动化、可解释的深度学习框架，利用亚细胞细胞器组织对癌细胞进行分类	六种乳腺癌细胞系的高分辨率荧光显微镜图像	数字病理学	乳腺癌	荧光显微镜成像	深度学习	图像	六种乳腺癌细胞系的荧光显微镜图像，使用5折交叉验证	NA	NA	分类准确率	NA
11	2026-02-19	ACD2W-InceptionNeXt: adjacent class distinguished and class distance weighted InceptionNeXt-based computer-aided mayo endoscopic scoring system for still images and video segments 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00435-0 PMID:41704942	研究论文	本文提出了一种基于深度学习的计算机辅助诊断系统，用于从内窥镜视频片段中预测溃疡性结肠炎的Mayo内窥镜评分	提出了ACDW-InceptionNeXt模型，结合渐进式ACDW-Loss，显式利用MES的序数性质，增强相邻严重程度级别之间的区分能力	NA	开发计算机辅助诊断系统以减少溃疡性结肠炎内窥镜评分的主观差异性	溃疡性结肠炎的内窥镜图像和视频片段	计算机视觉	溃疡性结肠炎	深度学习	CNN	图像, 视频	两个UC内窥镜数据集：彰化基督教医院数据集和LIMUC数据集	NA	InceptionNeXt	准确率, 二次加权Kappa	NA
12	2026-02-12	Risk prediction in IgA nephropathy: from conventional models to machine learning, deep learning, and precision nephrology 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2613606 PMID:41656155	综述	本文全面回顾了IgA肾病风险预测模型的演变，从传统模型到机器学习和深度学习，并探讨了精准肾脏病学中的应用前景	系统总结了从传统评分系统到基于机器学习和深度学习的预测模型的发展，并强调了可解释AI、动态时间序列建模和多模态预测等新兴趋势	传统模型依赖静态基线参数，可能无法充分反映疾病动态轨迹，限制了实时临床管理的实用性	回顾IgA肾病风险预测模型的演变，评估其优缺点，并讨论临床转化考虑因素	IgA肾病患者的风险预测模型	精准肾脏病学	IgA肾病	多组学数据、连续临床测量、数字病理特征	机器学习, 深度学习	临床数据、病理数据、多组学数据	NA	NA	NA	预测精度	NA
13	2026-02-11	Use of uterine activity to predict preterm birth by artificial intelligence assisted models: a narrative systematic review 2026-Dec, The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians DOI:10.1080/14767058.2025.2582375 PMID:41663244	综述	本文通过系统综述评估了人工智能模型利用子宫活动（如子宫肌电图）预测早产的准确性和适用性	首次系统性地综述了人工智能模型在利用子宫收缩数据预测早产方面的应用，并比较了不同特征提取方法和分类器的性能	研究存在异质性，缺乏外部验证，数据不平衡、样本量小，且大多数研究存在偏倚风险	评估人工智能模型利用子宫收缩数据预测早产的准确性和临床适用性	利用子宫肌电图或时间序列数据进行早产预测的研究	机器学习	早产	子宫肌电图	深度学习, 机器学习, 神经网络	时间序列数据	53项研究记录	NA	神经网络	准确率, AUC	NA
14	2026-02-10	Optimized cortical EEG modeling for Parkinson disease diagnosis with snow Shepherd Stride tuning mechanism 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10406-y PMID:41657964	研究论文	本文提出了一种结合堆叠自编码器和MobileNet卷积块的CortiMoS-Net模型，用于从脑电图信号中准确诊断帕金森病，并引入了雪牧羊人步幅配置调优优化技术	提出CortiMoS-Net模型，结合堆叠自编码器和MobileNet卷积块进行深度皮层建模，并引入S3C-Tune混合优化技术以提升模型收敛性和参数优化	未明确说明模型在不同临床环境或多样化患者群体中的泛化能力，以及计算资源需求的具体细节	开发一种基于脑电图的帕金森病诊断模型，提高诊断准确性和鲁棒性	帕金森病患者的脑电图信号	数字病理学	帕金森病	脑电图分析	堆叠自编码器, CNN	脑电图信号	NA	NA	堆叠自编码器, MobileNet	准确率, 精确率, 召回率, F1分数, 错误率, 损失值	NA
15	2026-01-10	Pulmonary blood volume redistribution in COVID-19 patients of different severity and its predictive value for six-month outcomes in the less pathogenic Omicron variant 2026-Dec, Pulmonology IF:10.4Q1 DOI:10.1080/25310429.2025.2607932 PMID:41504189	研究论文	本研究探讨了不同严重程度COVID-19患者的肺血容量（PBV）再分布模式，并验证了其对Omicron变异株六个月临床结局的预测价值	首次在免疫逃逸能力强的Omicron变异株中，系统研究了肺血容量再分布模式及其对长期临床结局的预测价值，并发现其预测阈值与既往高致病性变异株不同	回顾性研究设计，样本主要来自单一时期（2022年11月至2023年1月），可能无法完全代表其他变异株或人群	探究COVID-19严重程度与肺血容量再分布的关系，并评估PBV对Omicron变异株六个月临床结局的预测能力	COVID-19患者（包括轻/中度和重/危重症组）	数字病理学	COVID-19	CT成像	深度学习算法	CT图像	921名患者（轻/中度组755人，重/危重症组166人）	NA	预训练深度学习模型	AUC, 敏感性, 比值比（OR）	NA
16	2026-01-09	Predicting lung cancer survival with attention-based CT slices combination 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00404-z PMID:41492270	研究论文	本研究提出了一种基于注意力机制的CT切片组合方法，用于预测非小细胞肺癌患者的两年总生存期	引入软注意力机制识别对生存风险预测最相关的CT切片，并结合EfficientNetB0生成的特征表示，构建更有效的3D体积表示方法	研究使用了较小的私有数据集，可能影响模型的泛化能力；方法在有限数据场景下的性能仍需进一步验证	预测非小细胞肺癌患者的两年总生存期，以改善患者护理和治疗效果	非小细胞肺癌患者的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN	图像	公共LUNG1数据集和较小的私有数据集	NA	EfficientNetB0	C-index	NA
17	2026-01-06	Deep learning diagnosis model of spinal tuberculosis based on CT bone window gradient attention mechanism: multi-center study 2026-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2025.2599329 PMID:41459642	研究论文	本研究基于CT骨窗图像开发了一种深度学习模型，旨在提高脊柱结核的早期诊断准确性	结合CT骨窗梯度注意力机制，改进了ResNet50网络，构建了端到端的深度学习诊断模型，专注于提取骨小梁微骨折和钙化轮廓梯度等特征	NA	提高脊柱结核的早期诊断准确性	脊柱结核患者	计算机视觉	脊柱结核	CT成像	CNN	图像	1027例多中心回顾性数据	NA	U-Net, ResNet50	AUC, 准确率, 灵敏度	NA
18	2026-01-01	Conformal uncertainty quantification to evaluate predictive fairness of foundation AI model for skin lesion classes across patient demographics 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00412-z PMID:41458068	研究论文	本研究使用保形分析量化基于视觉Transformer（ViT）的基础模型在皮肤病变分类任务中，针对不同患者人口统计学特征（性别、年龄、种族）的预测不确定性，以评估模型公平性	首次将保形分析应用于基础AI模型（Google DermFoundation）的公平性评估，提供群体覆盖保证和个体不确定性评分，并提出基于动态F1分数的采样方法缓解类别不平衡	研究依赖于公开基准数据集，这些数据集存在严重的类别不平衡问题；保形分析虽然提供不确定性量化，但未完全解决基础模型嵌入不可解释的根本问题	评估基础AI模型在皮肤病变分类中的预测公平性和可信度	皮肤病变图像数据及对应的患者人口统计学信息（性别、年龄、种族）	计算机视觉	皮肤病变	保形分析（conformal analysis），自监督学习	Vision Transformer (ViT)	医学图像（皮肤病变图像）	多个公开基准数据集，包含数百万数据点	NA	Vision Transformer (ViT), Google DermFoundation	F1-score, 不确定性评分, 覆盖率保证	NA
19	2025-12-30	C2DGCN: cross-connected distributive learning-enabled graph convolutional network for human emotion recognition using electroencephalography signal 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10399-8 PMID:41458473	研究论文	提出了一种基于交叉连接分布式学习的图卷积网络（C2DGCN），用于从脑电图信号中有效识别人类情绪	引入了交叉连接分布式学习机制，实现了广泛的特征共享与整合，降低了计算复杂度并提高了准确性；应用统计时频信号描述符提取复杂特征，缓解了过拟合问题	NA	开发一种高效的人类情绪识别方法	人类情绪状态	机器学习	NA	脑电图信号分析	图卷积网络	脑电图信号	使用了SEED-IV和DEAP两个数据集，具体样本数量未在摘要中说明	NA	C2DGCN	准确率, 灵敏度, 特异性, 精确率	NA
20	2025-12-13	Interpretable large language models for early prediction of antimicrobial multidrug resistance 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00401-2 PMID:41383823	研究论文	本研究提出基于大语言模型的新架构，用于重症监护病房患者抗菌素耐药性的早期预测，利用电子健康记录作为不规则多变量时间序列数据	首次将大语言模型应用于不规则多变量时间序列的抗菌素耐药性分类任务，结合了高预测性能与模型可解释性	研究数据来源于单一医院（西班牙马德里富恩拉夫拉达大学医院），可能限制模型的泛化能力	开发早期预测抗菌素耐药性的模型，以支持重症监护病房的及时干预和有效治疗	重症监护病房患者的电子健康记录数据	自然语言处理	抗菌素耐药性	电子健康记录分析	LLM, GRU, LSTM, Transformer, Mamba, GCNN	不规则多变量时间序列	3502份匿名电子健康记录	NA	InstructTime-LLM, Blocks-LLM	ROC-AUC	NA