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	2026-05-31	Redefining spiking neural networks through the lens of dynamical superspace 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10470-y PMID:42212279	观点/展望论文	本文通过动力学超空间框架重新定义脉冲神经网络，从时间密度和状态空间复杂度角度审视神经计算，并提出从同步到异步计时、从平衡态到非平衡动力学的演进路线图	提出动力学超空间概念将神经计算重新定义为由时间密度和状态空间复杂度决定的连续层次，揭示了真实神经形态优势来源于异步计时与非平衡动力学，并构建了全局优化与局部执行的桥梁	该框架尚处于概念阶段，缺乏具体实验验证和定量分析；从理论到实际应用的技术路径未详细展开	重新定义脉冲神经网络的计算范式，揭示其作为动力系统而非高效量化的本质，为下一代智能系统提供理论基础	脉冲神经网络（SNN）的计算原理、时间动力学特性及其与生物神经电路的关系	机器学习, 神经形态计算	NA	NA	脉冲神经网络（SNN）	NA	NA	NA	NA	NA	NA
2	2026-05-24	An automatic detection model for spread through air spaces in postoperative pathological sections based on deep learning in NSCLC 2026-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2026.2674321 PMID:42172197	研究论文	提出基于深度学习的非小细胞肺癌术后病理切片气腔扩散自动检测模型	结合肿瘤区域分割算法与改进的目标检测算法，首次实现气腔扩散（STAS）的自动检测与量化	外部验证中精度和召回率有所下降，且在肺鳞癌中准确性低于肺腺癌	开发基于深度学习的AI框架，自动检测和量化非小细胞肺癌全切片图像中的气腔扩散（STAS）	91名STAS阳性非小细胞肺癌患者的129张病理切片	数字病理学	非小细胞肺癌	深度学习	目标检测模型	病理图像	129张病理切片（来自91名患者）	PyTorch	分割算法、改进的目标检测模型	Jaccard相似度、精确率、召回率、平均精度（AP）、F1分数、组内相关系数	NA
3	2026-05-15	Deep learning based on CD3 histological slides for prediction of colon cancer outcome: analysis of three international stage III colon cancer cohorts 2026-Dec-31, Oncoimmunology IF:6.5Q1 DOI:10.1080/2162402X.2026.2668797 PMID:42100890	研究论文	基于CD3组织学切片的深度学习模型用于预测III期结肠癌患者预后，对三个国际队列进行了分析	首次通过深度学习自动分析CD3染色切片中的肿瘤核心和侵袭边缘区域，实现稳健且可重复的预后分层，且不受染色和扫描变异影响	在TC分析的外部验证中p值=0.12，未达到显著差异；模型性能优于传统临床变量和CD3计数，但后者在不同队列间存在变异性	开发深度学习模型自动分析CD3染色组织切片以改善III期结肠癌的预后预测	来自三个国际队列（PETACC08、PRODIGE-13和HARMONY）的1737名III期结肠癌患者	数字病理学	结肠癌	CD3免疫组化染色	卷积神经网络	组织学切片图像	1737名患者（来自三个国际队列）	PyTorch	VGG19, UNI	无病生存期	NA
4	2026-05-15	Individualized Treatment Effect Inference of Head and Neck Cancer with Multimodal Data 2026-Dec-14, APSIPA Transactions on Signal and Information Processing DOI:10.1108/atsip-06-2025-0051 PMID:42125301	研究论文	开发一个端到端深度学习框架，利用多模态患者数据和多种治疗方法，在头颈癌回顾性研究中准确推断个体化治疗效果	提出双阶段自适应实例归一化（Bi-AdaIN）实现灵活高效的治疗条件信息融合，并通过互信息正则化从多治疗变量中解耦患者状态特征，增强了因果效应的稳健估计	基于回顾性观察数据，可能仍存在未观测到的混杂因素；对复杂多模态数据和多种治疗方案的对抗训练方法存在不稳定性	实现基于多模态数据的头颈癌个体化治疗效果准确推断，为临床决策支持提供反事实推理方法	头颈癌患者的多模态数据，包括CT扫描图像和多种临床变量	机器学习, 数字病理学	头颈癌	CT扫描	深度学习	图像, 表格数据	3346例头颈癌病例	PyTorch	Bi-AdaIN	偏倚调整治疗效果	NA
5	2026-05-02	Deep learning assessment of nativeness and pairing likelihood for antibody and nanobody design with AbNatiV2 2026-12-31, mAbs IF:5.6Q1 DOI:10.1080/19420862.2026.2646361 PMID:41947016	研究论文	提出AbNatiV2，一种基于深度学习的抗体和纳米抗体天然性与配对可能性评估方法	1）扩展序列数据库并改进架构，提升纳米抗体天然性分类性能；2）引入p-AbNatiV2跨注意力模型，利用噪声对比训练学习VH/VL配对概率	未明确讨论模型在不同物种或极端突变场景下的泛化能力	评估抗体和纳米抗体的天然性及配对可能性，支持抗体工程和从头设计	抗体和纳米抗体序列（包括VH-VL配对和单域纳米抗体）	机器学习	NA	深度测序	VQ-VAE, Transformer, 跨注意力模型	序列数据	每个模型在超过2000万条序列上训练，p-AbNatiV2在370万对人类配对序列上微调	PyTorch	VQ-VAE + Transformer, 跨注意力模型	分类准确率, 配对评分, 残基级人源化评分	NA
6	2026-05-02	Monitoring horse behaviour with deep learning models 2026-Dec-31, The veterinary quarterly DOI:10.1080/01652176.2026.2665442 PMID:42048054	研究论文	利用深度学习模型监测马的行为，通过卷积神经网络识别站立、躺卧和饮水行为	首次使用深度学习模型从连续视频中自动识别马匹的站立、躺卧和饮水行为，并展示其在福利监测中的应用潜力	躺卧行为的召回率较低（63.1%），且仅针对单一马匹在木制马厩中的行为进行研究，未涉及更不常见的行为识别	评估深度学习模型在非侵入式监测马匹行为中的有效性	马的行为（站立、躺卧和饮水）	计算机视觉	NA	视频数据	卷积神经网络（CNN）	视频	一匹马，连续29天记录	NA	卷积神经网络（CNN）	精确率, 召回率	NA
7	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
8	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
9	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
10	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
11	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
12	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
13	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
14	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
15	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
16	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
17	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
18	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
19	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
20	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