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
2181	2026-03-09	SMART: Self-Supervised Learning for Metal Artifact Reduction in Computed Tomography Using Range Null Space Decomposition 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3616003 PMID:41052163	研究论文	提出一种基于自监督学习和范围零空间分解的CT金属伪影减少方法，旨在解决现有深度学习方法在临床应用中面临的挑战	利用范围零空间分解分别建模金属和组织线性衰减系数，并结合隐式神经表示以自监督方式学习其临床特征，同时整合多色光谱以实现动态适应	方法在临床数据集上的泛化性虽经测试，但可能仍需更多样化的数据验证其鲁棒性	开发一种自监督的CT金属伪影减少方法，以提升诊断准确性和临床决策支持	CT图像中的金属伪影	计算机视觉	NA	范围零空间分解，隐式神经表示	自监督学习模型	CT图像	一个合成数据集和两个临床数据集	NA	隐式神经表示	NA	NA
2182	2026-03-09	ESR Essentials: lung cancer screening with low-dose CT-practice recommendations by the European Society of Thoracic Imaging 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11910-9 PMID:40848139	实践推荐	本文提供了欧洲胸科影像学会关于使用低剂量CT进行肺癌筛查的实践建议	整合了最新的低剂量CT筛查证据，并强调了深度学习算法在结节检测和体积生长测量中的应用	NA	为肺癌筛查提供基于证据的实践指导，以优化筛查效果并控制风险	高风险个体，特别是年龄在50至75岁之间、有至少20包年吸烟史的人群	数字病理学	肺癌	低剂量CT扫描	深度学习算法	CT图像	NA	NA	NA	NA	NA
2183	2026-03-09	Mixing features of transcription factors and genes enable accurate prediction of gene regulation relationships for unknown transcription factors 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag022 PMID:41782896	研究论文	本文开发了一种深度学习模型GReNIMJA，通过混合转录因子氨基酸序列和目标基因核苷酸序列的特征，预测未知转录因子的基因调控关系	模型首次能够预测未知转录因子的基因调控关系，通过显式建模转录因子与基因间的相互作用，解决了传统深度学习模型仅能预测已知转录因子的局限	模型对未知转录因子的预测准确率为68.5%，虽高于传统方法，但仍存在提升空间，且可能受限于训练数据的覆盖范围	预测转录因子与基因间的调控关系，特别是针对未知转录因子，以促进对基因调控网络的理解	转录因子的氨基酸序列和目标基因的核苷酸序列	机器学习	NA	深度学习	LSTM	序列数据（氨基酸序列和核苷酸序列）	NA	NA	2D Long Short-Term Memory	准确率	NA
2184	2026-03-09	AI sheds new light on genome editing 2026-Mar, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2025.07.011 PMID:40744834	综述	本文综述了人工智能如何通过深度学习加速下一代基因组编辑工具的发现、工程化与设计	系统阐述了AI在三个关键方面赋能基因组编辑：发现传统方法忽略的新型编辑器、工程化具有增强特性的编辑器、以及从头设计具有定制功能的全新编辑器	NA	探讨人工智能驱动的技术如何加速基因组编辑工具的开发与应用	基于CRISPR/Cas系统的基因组编辑工具	生命科学	NA	基因组编辑，深度学习	深度学习模型	结构数据，序列数据	NA	NA	NA	NA	NA
2185	2026-03-09	A Comparison of Different Radiomics Methods Predicting Cervical Lymph Node Metastasis in Papillary Thyroid Carcinoma 2026 Mar-Apr, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70102 PMID:41078274	研究论文	本研究比较了基于超声的手工放射组学模型、深度学习放射组学模型及组合模型在预测甲状腺乳头状癌颈淋巴结转移中的性能	开发并比较了手工放射组学、深度学习放射组学及两者组合模型，首次在甲状腺乳头状癌颈淋巴结转移预测中系统评估不同放射组学方法的效能	测试集中组合模型相比单一模型的AUC提升未达到统计学显著性，且深度学习模型在训练和测试集中的准确率均低于0.7	开发并比较不同放射组学方法，以更好地预测甲状腺乳头状癌患者的颈淋巴结转移	甲状腺乳头状癌患者	数字病理	甲状腺癌	超声成像	深度学习, 机器学习	图像	441名患者（训练集308例，测试集133例）	Pyradiomics	DenseNet121	AUC, 准确率	NA
2186	2026-03-09	Performance of a deep learning-based algorithm for automated measurements of Cobb angles on preoperative spine radiographs in adolescent idiopathic scoliosis 2026-Mar, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06492-z PMID:41389104	研究论文	本研究评估了一种商用深度学习软件在青少年特发性脊柱侧弯手术病例中测量Cobb角的准确性，并与放射科住院医师的表现进行了比较	首次在儿科患者，特别是重度脊柱侧弯病例中，对商用深度学习软件进行Cobb角测量的准确性评估，并与放射科住院医师进行对比	AI在极端脊柱侧弯（≥60°）患者中的准确性显著下降，需要放射科医师的监督	评估深度学习算法在青少年特发性脊柱侧弯术前脊柱X光片上自动测量Cobb角的性能	青少年特发性脊柱侧弯患者的术前前后位全脊柱X光片	数字病理学	青少年特发性脊柱侧弯	深度学习	深度学习算法	X光图像	151张术前前后位全脊柱X光片，包含151个Cobb角（中度13个，重度74个，极端64个）	NA	NA	平均绝对误差, 组内相关系数	NA
2187	2026-03-09	Optimizing atrial fibrillation detection through ECG feature selection using Extra-Trees and statistical association measures 2026 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2026.154199 PMID:41610739	研究论文	本研究提出了一种结合Extra-Trees和统计关联度量的混合特征选择方法，用于优化基于心电图的心房颤动检测	引入了特征重要性评分和总体特征重要性评分两个新指标，结合了机器学习和统计方法进行特征选择，提高了特征选择的客观性和可解释性	研究仅基于接受导管消融治疗的心房颤动患者的心电图数据，可能无法完全代表所有心房颤动患者群体	开发一种混合特征选择方法，客观识别用于区分心房颤动和正常窦性心律的最具判别性的心电图特征	接受导管消融治疗的心房颤动患者的12导联心电图记录	机器学习	心血管疾病	12导联心电图	Extra-Trees	心电图信号	NA	NA	Extra-Trees	特征重要性评分, 总体特征重要性评分	NA
2188	2026-03-09	Rapid-EEG Software Architecture's Clinical Impact: Advantages and Limitations 2026-Mar-01, Journal of clinical neurophysiology : official publication of the American Electroencephalographic Society IF:2.3Q3 DOI:10.1097/WNP.0000000000001188 PMID:41773895	综述	本文综述了快速脑电图设备的软件架构及其在临床中的应用，重点讨论了其在癫痫检测方面的优势与局限性	系统性地比较了第一代与第二代快速脑电图设备在癫痫检测方面的性能差异，并强调了深度学习算法在该领域的应用潜力与透明化报告的重要性	专有算法的“黑箱”特性阻碍了对其局限性和潜在缺陷的理解，影响了设备的临床接受度	评估快速脑电图设备的软件架构对临床决策的影响，并探讨人工智能与机器学习在自动脑电图分析中的最新进展	快速脑电图设备及其自动分析算法，特别是用于癫痫检测的深度学习模型	数字病理学	癫痫	脑电图	深度学习算法	脑电图信号	NA	NA	NA	NA	NA
2189	2026-03-09	Glycemic Variability as a Predictor of Mortality in Sepsis Patients With Concurrent Persistent Inflammation, Immunosuppression, and Catabolism Syndrome 2026-Mar, Immunity, inflammation and disease DOI:10.1002/iid3.70400 PMID:41791121	研究论文	本研究探讨了血糖变异系数与并发持续性炎症、免疫抑制和分解代谢综合征的脓毒症患者死亡率之间的关联	首次在并发PICS的脓毒症患者亚组中，系统评估了血糖变异系数与短期及长期死亡率的关联，并应用机器学习与深度学习算法构建了高精度的预测模型	研究为回顾性观察性研究，可能存在未测量的混杂因素；外部验证队列样本量相对较小；血糖变异系数的计算依赖于临床监测数据的完整性	探究血糖变异系数对并发PICS的脓毒症患者临床不良结局的预测价值	重症监护病房中发生院内感染的脓毒症患者	医疗数据分析	脓毒症	回顾性队列分析，机器学习与深度学习建模	TabPFN（表格先验数据拟合网络）	结构化临床数据（电子健康记录）	训练队列：1353名患者（来自MIMIC-IV数据库）；外部验证队列：116名患者（来自天津医科大学总医院急诊科）	NA	TabPFN	AUC（曲线下面积）	NA
2190	2026-03-09	Deep learning-based automated segmentation of intracerebral haemorrhage, intraventricular haemorrhage and perihaematomal oedema on non-contrast CT 2026-Mar-01, European stroke journal IF:5.8Q1 DOI:10.1093/esj/aakag007 PMID:41792040	研究论文	本研究开发并外部验证了一种基于深度学习的模型，用于在非增强CT上同时自动分割脑内出血、脑室内出血和血肿周围水肿	开发了一种能够同时分割脑内出血、脑室内出血和血肿周围水肿的3D U-net模型，并进行了多中心外部验证	模型对脑室内出血和血肿周围水肿的分割性能相对较低，仍需视觉评估和校正	开发一种自动化工具，以精确评估脑出血相关病变的体积，替代耗时且易变的手动分割	自发性脑内出血患者的非增强CT图像	计算机视觉	脑出血	非增强CT成像	深度学习	医学图像	训练集301例患者，外部验证集141例患者	NA	3D U-net	Dice相似系数, 组内相关系数, Bland-Altman分析	NA
2191	2026-03-09	Multimodal Predictive Modeling for Visual Quality Recovery After Keratorefractive Lenticule Extraction 2026-Mar, Journal of refractive surgery (Thorofare, N.J. : 1995) DOI:10.3928/1081597X-20260112-03 PMID:41793362	研究论文	本研究通过整合多模态数据，建立了一个预测角膜屈光透镜摘除术后视觉质量恢复的模型	首次将基于U-net的深度学习模型用于后透镜扫描图像的高精度分割，并结合放射组学特征、临床数据、手术参数、角膜地形图和生物力学等多模态数据，构建预测术后视觉质量的机器学习模型	研究为单中心、前瞻性非干预性研究，样本量相对较小（210只眼），且仅针对近视患者，可能限制了结果的普适性	研究角膜屈光透镜摘除术后视觉质量恢复的影响因素，并建立术后视觉质量的预测模型	105名近视患者的210只眼，这些患者接受了角膜屈光透镜摘除手术	数字病理学	近视	高精度图像分割，放射组学特征提取	U-net, ExtraTrees, AdaBoost, RidgeCV, LassoLarsIC	图像，临床数据，手术参数，角膜地形图，生物力学数据	210只眼（来自105名患者）	NA	U-net	AUC	NA
2192	2026-03-09	Bone Cancer Cell Prediction Using an Enhanced Deep Learning Algorithm with an Optimization Technique 2026-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.3.839 PMID:41793662	研究论文	本文提出了一种结合Cuckoo Search优化算法与ResNet的深度学习模型，用于自动检测和分类骨癌	将Cuckoo Search Modified Hill Climbing优化算法与ResNet结合，以提升特征选择和图像分类性能	未使用多中心大规模数据集，未来需简化模型设计以提高适用性	开发一个自动化的骨癌检测和分类系统，用于早期诊断	骨癌组织与健康骨组织的图像	计算机视觉	骨癌	图像分类	CNN	图像	NA	TensorFlow, PyTorch, Keras	ResNet, VGG-16, Inception, Xception	准确率, 灵敏度, 精确率, F-measure	NA
2193	2026-03-09	Integrating multimodal data and deep learning for functional assessment and rehabilitation prediction after cerebral hemorrhage 2026-Mar-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109306 PMID:41793967	研究论文	本研究开发并验证了一个整合CT影像、临床数据和康复评估的多模态预测模型，用于同时预测脑出血后的运动功能恢复和整体康复结局	提出了一个结合3D-DenseNet和MLP的晚期融合深度学习模型，用于多模态数据整合预测，相比单模态模型显著提高了预测准确性	研究为回顾性设计，样本量相对有限（739例患者），且仅基于单一中心数据，可能影响模型的泛化能力	开发一个多模态预测模型，以早期预测脑出血患者的运动功能恢复和整体康复结局，辅助临床决策和个性化康复策略制定	脑出血后接受康复治疗的患者	数字病理学	脑出血	CT成像, 临床数据采集, 康复评估	深度学习, 机器学习	CT影像, 临床数据, 实验室特征	739例患者（其中315例用于运动功能预测，424例用于康复结局评估）	NA	3D-DenseNet, Multi-Layer Perceptron (MLP), Gradient Boosting Decision Tree (GBDT)	AUC, R², F1分数	NA
2194	2026-03-09	A deep learning framework for comprehensive prediction of human RNA G-quadruplex-binding proteins 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag088 PMID:41712756	研究论文	本文提出了一种深度学习框架，用于预测人类RNA G-四链体结合蛋白，并开发了G4REP网络服务器	整合了多种编码策略和神经网络架构，特别是结合了ESM-2蛋白质语言模型嵌入和LSTM架构，实现了高精度的RG4BP预测	NA	预测人类RNA G-四链体结合蛋白，以探索其在RNA代谢和应激反应中的作用	人类蛋白质组中的RNA G-四链体结合蛋白候选者	生物信息学	NA	深度学习	LSTM	蛋白质序列数据	NA	NA	LSTM	准确率	NA
2195	2026-03-09	Multi-modal deep learning model for predicting recurrence of moderately severe and severe acute pancreatitis 2026-Feb-28, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112758 PMID:41795349	研究论文	本文开发并验证了一个多模态深度学习模型APNet，用于预测中重度急性胰腺炎的复发风险	通过多尺度融合整合临床因素和增强CT特征，克服了单模态预测器的局限性，显著提升了预测性能	研究为回顾性设计，样本量相对较小（235例患者），且仅基于单中心数据，可能影响模型泛化能力	预测中重度急性胰腺炎（MSAP/SAP）的复发风险	235名中重度急性胰腺炎患者	数字病理学	胰腺炎	对比增强CT成像	深度学习模型	临床数据和CT图像	235名患者（开发队列184例，独立验证队列51例）	NA	ResNet, ViT	AUC, 准确率, 精确率, 召回率, F1分数	NA
2196	2026-03-09	Machine Learning in Left Ventricular Hypertrophy Detection: Systematic Review and Meta-Analysis 2026-Feb-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/76637 PMID:41773691	系统综述与荟萃分析	本文系统评估了机器学习方法在检测左心室肥厚中的诊断准确性，并进行了荟萃分析	首次通过系统综述与荟萃分析，全面比较了基于不同建模变量（如心电图、临床特征和超声心动图）和不同机器学习模型类型在左心室肥厚检测中的诊断性能	结论基于有限的证据，且荟萃分析中报告的极端异质性需要更审慎的解释，当前关于模型准确性的结论应谨慎看待	系统评估机器学习方法在左心室肥厚检测中的诊断准确性，为人工智能工具的开发提供信息	左心室肥厚	机器学习	心血管疾病	机器学习	深度学习, 其他机器学习模型	心电图, 临床特征, 超声心动图	基于25项研究	NA	NA	灵敏度, 特异度	NA
2197	2026-03-09	Generative Modeling of Entangled Polymers with a Distance-Based Variational Autoencoder 2026-Feb-26, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01953 PMID:41744221	研究论文	本文提出了一种基于距离矩阵的变分自编码器框架，用于学习和生成结构化聚合物球体的构型	结合卷积层和注意力层，将距离矩阵的结构模式编码为具有旋转平移不变性的低维潜空间，并通过后处理流程恢复具有物理意义的构型	解码器原始输出存在微小差异，需要分子动力学弛豫后处理	开发一种能够高效生成聚合物构型的生成模型	结构化聚合物球体（以聚乙烯为例）	机器学习	NA	粗粒度分子动力学	VAE	距离矩阵	NA	NA	结合卷积和注意力层的变分自编码器	能量、尺寸、缠结度等关键观测量的复现	NA
2198	2026-03-09	Deep Learning-Assisted Intelligent Liquid Crystal Elastomer Grippers Based on Autonomous Triboelectric Sensing 2026-Feb-26, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c23348 PMID:41744968	研究论文	本文报道了一种集成双模式摩擦纳米发电机的液晶弹性体抓手，用于自供电目标识别，结合深度学习实现高精度材料分类	通过融合接触起电物理与深度学习，利用双模式摩擦纳米发电机实现自供电感知，克服了传统软抓手易受环境干扰的局限性	NA	开发具有自主感知能力的智能软抓手系统，用于目标识别与分类	液晶弹性体抓手与摩擦纳米发电机集成的软体机器人系统	机器人与智能感知	NA	摩擦纳米发电机，深度学习	CNN, LSTM	电压信号（摩擦电/静电特征）	NA	NA	混合卷积神经网络-长短期记忆网络架构	分类准确率	NA
2199	2026-03-09	Knowledge-guided graph machine learning for spatially distributed prediction of daily discharge and nitrogen export dynamics 2026-Feb-23, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125613 PMID:41793808	研究论文	提出了一种名为HydroGraphNet的知识引导图机器学习框架，用于空间分布式预测日径流和氮输出动态	将过程知识和显式空间学习整合到时间建模中，通过有向图拓扑编码流域连通性和上游流入，并利用质量平衡约束提高物理一致性	在数据稀缺条件下的空间泛化能力受限，需要依赖合成数据进行预训练	实现农业流域的精准管理，通过空间分布式预测支持水质管理	流域的日径流和氮输出动态	机器学习	NA	SWAT+模拟	LSTM, 图机器学习	合成数据, 监测数据	44个HUC-12子流域（2001-2020年）	NA	HydroGraphNet	NSE, KGE	NA
2200	2026-03-09	Exploring Global Aerosol Size Dynamics from 2001 to 2024 Using the Pretrained Remote sensing pIxel-based Spatial-teMporal Deep Neural Network 2026-Feb-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c13469 PMID:41721765	研究论文	本研究提出了一种名为PRISM-DNN的深度学习框架，用于从2001年至2024年全球范围内反演细模态和粗模态气溶胶光学厚度	结合了在大量无标签卫星数据上的无监督预训练与基于地面测量的有监督微调，显著提升了气溶胶组分反演的精度和稳健性	未明确提及模型在特定极端环境或数据稀缺区域的泛化能力限制	通过深度学习改进全球气溶胶粒径分布的长期监测和理解	全球范围内的细模态气溶胶光学深度和粗模态气溶胶光学深度	遥感，地球系统科学	NA	卫星遥感，深度学习	深度神经网络	卫星遥感数据，地面测量数据	2001年至2024年的全球卫星数据及AERONET等地面网络测量数据	NA	Pretrained Remote sensing pIxel-based Spatial-teMporal Deep Neural Network	相关系数	NA