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
2521	2026-03-05	XNet: Enhancing Physical Activity Intensity Assessment With Attentional Multidomain Fusion and Visual Analytics 2026-Mar-03, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3666726 PMID:41774652	研究论文	本研究提出了一种名为XNet的双域深度学习模型，用于分类身体活动强度和估计能量消耗，旨在解决传统方法在泛化性方面的不足	提出了一种新颖的分层多头注意力特征融合模块，分两阶段聚合传感器特征和融合域嵌入，并引入了互补的可视化分析框架以增强模型的可解释性和透明度	未明确说明模型在极端活动或特殊人群（如患有特定疾病的个体）上的性能	开发一种能够准确监测身体活动强度并具有良好泛化能力的模型，以应对久坐行为这一全球健康问题	身体活动强度与能量消耗	机器学习	NA	深度学习	CNN, Transformer, GAT	生理信号（如心率、ECG）、加速度计数据	多个公共数据集及一个包含105名参与者的新数据集	NA	XNet（包含轻量级1D卷积频谱编码器和分层多头注意力特征融合模块）	F1-score, TPR	NA
2522	2026-03-05	METRON: Metabolic Dynamic Perception Kolmogorov-Arnold Network for Biological Age Estimation 2026-Mar-03, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669919 PMID:41774660	研究论文	本文提出了一种名为METRON的深度学习框架，用于从类固醇代谢组学数据中预测生物年龄	提出了代谢物交互感知模块（MIPM）来捕获代谢网络中的复杂非线性相互作用，并集成了Group-Rational Kolmogorov-Arnold网络以增强表示能力	NA	预测生物年龄以评估健康风险和衰老干预措施	类固醇代谢组学数据	机器学习	老年疾病	类固醇代谢组学	深度学习	代谢组学数据	NA	NA	Kolmogorov-Arnold Network	NA	NA
2523	2026-03-05	A domain-adaptive deep contrastive network for magnetic resonance imaging-driven bladder cancer classification 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02499-4 PMID:41775791	研究论文	本文提出了一种用于磁共振成像驱动的膀胱癌分类的领域自适应深度对比网络	提出了一种结合源域和目标域样本进行特征学习的领域自适应深度对比网络，以获取领域不变且具有判别性的表示，从而提高跨中心泛化能力	NA	解决膀胱癌磁共振成像分类中跨中心分布差异和特征判别性有限的问题	膀胱癌磁共振成像数据	计算机视觉	膀胱癌	磁共振成像	CNN, Transformer	图像	NA	NA	DADCNet	准确率, F1分数, 曲线下面积	NA
2524	2026-03-05	Feature-indistinguishable machine unlearning via negative-hot label encoding and class weight masking 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40379-9 PMID:41775809	研究论文	提出一种结合负热标签编码和类别权重掩码的机器学习遗忘框架，以实现对特定类别的高效选择性遗忘	引入负热标签编码来抑制目标类别在特征空间中的可区分性，并结合类别权重掩码，无需原始训练数据即可实现高效遗忘	仅使用少量遗忘类别样本进行迭代微调，可能在某些复杂场景下泛化能力有限	解决机器学习中数据隐私和合规性要求下的选择性遗忘问题	深度学习模型中的特定类别数据	机器学习	NA	NA	深度学习模型	图像	多个视觉数据集上的广泛实验	NA	NA	分类准确率	NA
2525	2026-03-05	Deep language model-based early recognition of out-of-hospital cardiac arrest from real-time emergency calls 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02498-5 PMID:41775831	研究论文	开发了一种动态深度学习模型（DyLM-OHCA），用于从实时急救电话中早期识别院外心脏骤停	提出了一种动态深度学习模型，超越了简单的关键词识别，能够捕捉临床有意义的对话模式，并提供实时、上下文感知且可解释的风险评估	NA	通过深度学习模型早期识别院外心脏骤停，以支持决策、增强调度员信心并改善早期识别	急救电话转录文本	自然语言处理	心血管疾病	深度学习	动态深度学习模型	文本	158,973个来自韩国三个大都市区的急救电话转录文本	NA	DyLM-OHCA	AUROC, AUPRC	NA
2526	2026-03-05	Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02364-4 PMID:41775890	研究论文	本研究评估了ICU脓毒症预测深度学习模型在分布偏移下的泛化性能，并比较了五种部署策略	首次系统量化了三个ICU数据集间的分布偏移，并对比了五种部署策略在不同目标数据规模下的表现，挑战了文献中普遍采用的微调方法	研究仅基于回顾性队列数据，未进行前瞻性验证；模型性能可能受数据质量和标注一致性的影响	评估深度学习脓毒症预测模型在分布偏移下的泛化能力，并比较不同部署策略的有效性	三个成人ICU队列（HiRID, MIMIC-IV, eICU）中的216,536次住院记录	机器学习	脓毒症	深度学习	深度学习模型	ICU临床时间序列数据	216,536次ICU住院记录	NA	多种深度学习架构	AUROC, 归一化AUPRC	NA
2527	2026-03-05	Clinical value of ultra-low-dose chest CT with deep learning image reconstruction in the detection and characterization of pulmonary nodules 2026-Mar-03, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-026-01583-w PMID:41775904	研究论文	本研究评估了超低剂量CT结合深度学习图像重建在肺结节检测和诊断中的临床价值	首次将深度学习图像重建技术应用于超低剂量CT，实现了在显著降低辐射剂量的同时保持与标准剂量CT相当的图像质量和诊断准确性	样本量相对较小（115例患者），且为单中心研究，可能限制了结果的普适性	评估超低剂量CT结合深度学习图像重建技术在肺结节诊断中的临床价值	疑似肺结节的患者	数字病理学	肺癌	CT扫描	深度学习图像重建	医学影像	115例患者	NA	NA	CT值、噪声值、信噪比、主观诊断信心、恶性征象一致性	NA
2528	2026-03-05	Deep learning-based basilar artery wall and lumen segmentation from 1-mm MR vessel wall imaging 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42847-8 PMID:41775953	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2529	2026-03-05	Low-input deep learning platform for citrullinated peptide identification, autoantigen discovery and rheumatoid arthritis treatment stratification 2026-Mar-03, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-026-01628-4 PMID:41776034	研究论文	本研究开发了一种名为Iseq-Cit的低样本量深度学习方法，用于系统性分析瓜氨酸化蛋白质组，并基于此进行类风湿关节炎（RA）的自身抗原发现和治疗反应预测	开发了内部标准辅助的无富集高通量定量分析平台（Iseq-Cit），仅需常规方法1%的样本量即可实现全局瓜氨酸化蛋白质组分析；首次整合临床指标与瓜氨酸化数据构建预测模型；利用双向门控循环单元模型预测瓜氨酸化肽段的RA血清反应性	未明确说明模型在其他独立队列中的泛化能力；样本量虽较传统方法大幅减少，但纵向队列的具体规模未在摘要中详细说明	开发低样本量深度学习方法，实现瓜氨酸化肽段鉴定、自身抗原发现及类风湿关节炎治疗分层	类风湿关节炎风险个体及患者的血浆样本、瓜氨酸化蛋白质组数据、临床指标	生物信息学	类风湿关节炎	内部标准辅助的无富集高通量定量分析（Iseq-Cit）、酶联免疫吸附试验（ELISA）	双向门控循环单元（BiGRU）	肽段序列数据、临床数据、质谱数据	包含RA风险个体和RA患者的纵向队列（具体数量未明确），模型训练使用67,399条RA血清阴性肽段和8,816条RA血清阳性肽段	未明确说明	双向门控循环单元（BiGRU）	预测准确率（84.2%）	NA
2530	2026-03-05	Automated Measurement of Midpalatal Suture Density Ratio Based on Deep Learning 2026-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01877-4 PMID:41776128	研究论文	本研究开发了一种基于深度学习的自动化方法，用于量化中腭缝密度比，以快速评估上颌横向发育不足的骨骼反应性	首次提出基于深度学习的自动化中腭缝密度比测量系统，显著提高了测量效率和标准化程度	研究仅基于400例CBCT扫描，样本量有限，且未在不同设备或人群中进行外部验证	建立自动化、标准化的中腭缝密度比测量方法，以辅助快速上颌扩展治疗决策	锥形束计算机断层扫描图像中的中腭缝、硬腭和软腭区域	计算机视觉	上颌横向发育不足	锥形束计算机断层扫描	CNN	图像	400例CBCT扫描	NA	U-Net, Deeplab v3, Segformer	F1分数	NA
2531	2026-03-05	ETNeXt: integrated feature engineering and classification framework for BLDC motor fault detection 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37590-z PMID:41776220	研究论文	本研究提出了一种名为ETNeXt的轻量级自组织故障检测框架，用于基于声学信号分析检测无刷直流电机的故障	提出了一种集成特征工程与分类的轻量级自组织框架ETNeXt，结合多级离散小波变换、三元直方图特征生成以及混合特征选择方法，在保持高精度的同时显著降低了计算复杂度	未明确说明框架在更广泛或更复杂工业环境中的泛化能力，也未讨论对非声学信号数据类型的适用性	开发一种高效、轻量化的故障检测方法，以预防无刷直流电机故障导致的意外停机	无刷直流电机的电气和机械故障（如轴承磨损、转子不平衡）	机器学习	NA	声学信号分析、多级离散小波变换、三元直方图特征生成	Fine k-NN, Cubic SVM	声学信号	基准数据集和独立测试数据集（具体数量未提供）	未明确说明，可能为MATLAB、Python（Scikit-learn）等	ETNeXt（自定义框架）	准确率	轻量化设计，适用于边缘计算部署，具体硬件资源未说明
2532	2026-03-05	Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42147-1 PMID:41776224	研究论文	本研究开发了一种基于特征级注意力机制的多模态深度学习框架，用于预测大学篮球运动员的睡眠质量	提出了一种结合特征级注意力机制的多模态深度学习框架（Attention-MLP），用于综合评估运动员的睡眠质量，优于传统的机器学习方法	模型对中度睡眠质量类别的区分能力较差（AUC=0.40），当前样本量下模型性能提升有限，更适合筛查导向的风险分层而非确定性诊断	开发一个用于大学篮球运动员睡眠质量筛查的预测模型	大学篮球运动员	机器学习	NA	问卷调查（PSQI）、体能测试、心理评估	Logistic Regression, Random Forest, XGBoost, Attention-based Multilayer Perceptron (Attention-MLP)	表格数据	来自一所大学的学生运动员数据	NA	多层感知机（MLP）结合注意力机制	准确率, F1值, AUC	NA
2533	2026-03-05	An IoT-enabled CRNN framework for secure wearable sensor-based activity recognition in physical education 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42082-1 PMID:41776307	研究论文	本文提出了一种基于卷积循环神经网络的物联网框架，用于从可穿戴传感器数据中识别体育活动	提出了一种新颖的物联网导向的活动识别框架，该框架采用卷积循环神经网络架构，旨在同时建模多模态可穿戴传感器数据流的空间和时间特征	未在摘要中明确提及	解决从可穿戴传感器数据中准确识别复杂人类活动的挑战	多模态生理和运动学数据，包括心率变异性、三轴加速度计读数、陀螺仪角速度、磁力计方向数据和皮肤温度信号	机器学习	NA	可穿戴传感器数据采集	CNN, RNN	传感器信号（生理和惯性测量数据）	未在摘要中明确提及	未在摘要中明确提及	卷积循环神经网络	准确率, 灵敏度, 特异性, 召回率, 精确率	未在摘要中明确提及
2534	2026-03-05	Optimizing high-resolution knee MRI at 3 tesla: conventional acceleration versus deep learning reconstruction 2026-Mar-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02251-0 PMID:41776433	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2535	2026-03-05	Attention-enhanced deep learning model for automated classification of hemorrhagic and ischemic stroke on CT imaging 2026-Mar-03, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03784-w PMID:41776569	研究论文	本研究提出了一种名为GCDCNet的轻量高效深度学习模型，用于CT影像中出血性和缺血性中风的自动分类	基于GhostNet轻量架构，结合SCSE注意力机制、扩张卷积和通道洗牌进行特征优化，以增强模型对病灶区域的关注并提升分类性能	NA	提高中风CT影像诊断的准确性和效率，以辅助临床决策	公共中风CT数据集，包括964例出血性中风和1551例缺血性中风	计算机视觉	中风	CT成像	CNN	图像	2515例中风CT影像	NA	GCDCNet, GhostNet	准确率, 召回率, F1分数, 精确率, AUC	NA
2536	2026-03-05	Distinct Tumor-Immune Ecologies in Patients with Lung Cancer Predict Progression and Define a Clinical Biomarker of Therapy Response 2026-Mar-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-1594 PMID:41418101	研究论文	本研究通过分析非小细胞肺癌患者治疗前后的多重组织图像，开发了一个结合空间统计、机器学习和深度学习的计算流程，以预测疾病进展并识别潜在的临床生物标志物	首次结合细胞分割、样方分析、空间统计与深度学习，系统揭示了肺癌患者肿瘤-免疫微生态的空间特征及其与治疗反应的关联，并发现这些空间生态特征比PD-L1状态更能预测疾病进展	样本量较小（仅9名患者），且患者反应类型仅限于疾病稳定和疾病进展，缺乏完全缓解和部分缓解的病例	开发一个计算框架来分析多重成像数据，以预测非小细胞肺癌患者对免疫治疗的响应，并识别相关的生物标志物	接受口服组蛋白去乙酰化酶抑制剂（伏立诺他）联合PD-1抑制剂（帕博利珠单抗）治疗的免疫治疗难治性非小细胞肺癌患者	数字病理学	肺癌	多重组织成像	深度学习	多重组织图像	9名患者的配对治疗前和治疗中样本	NA	NA	NA	NA
2537	2026-03-05	Early feature extraction drives model performance in high-resolution chromatin accessibility prediction 2026-Mar-02, Genome research IF:6.2Q1 DOI:10.1101/gr.281042.125 PMID:41526189	研究论文	本文系统评估了深度学习模型在高分辨率染色质可及性预测中的架构选择，并引入ConvNeXt V2块作为特征提取器，发现早期特征提取是预测准确性的主要决定因素	首次将计算机视觉领域的ConvNeXt V2块应用于基因组数据的高分辨率特征提取，并系统揭示了早期特征提取对预测性能的关键作用	未明确说明模型在跨细胞类型或不同实验条件下的泛化能力，且可能未涵盖所有可能的架构变体	提高从DNA序列预测染色质可及性的分辨率，以建模单核苷酸变异对基因表达的影响	染色质可及性预测，特别是ATAC-seq信号在4-bp分辨率下的细胞类型特异性预测	机器学习	NA	ATAC-seq	CNN, LSTM, 扩张CNN, Transformer	DNA序列数据	NA	NA	ConvNeXt V2, 卷积神经网络, 长短期记忆网络, 扩张卷积神经网络, Transformer	预测准确性, 信号形状保持度	NA
2538	2026-03-05	Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis 2026-Mar-02, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109456 PMID:41775013	综述	本文通过文献计量分析，绘制了人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势	首次系统性地利用CiteSpace和Carrot2工具对人工智能在口腔颌面外科领域的文献进行共引网络、结构变异分析和术语共现网络分析，揭示了从传统机器学习向深度学习及Transformer模型的范式转变，并突出了迁移学习和头颈癌预后建模等新兴应用方向	研究基于截至2025年1月10日的文献数据库，可能未涵盖最新发表的研究；分析依赖于所选数据库的收录范围，可能存在遗漏	旨在绘制人工智能在口腔颌面外科领域的研究现状、热点及新兴趋势	人工智能在口腔颌面外科领域的相关学术出版物	数字病理学	头颈癌	文献计量分析	NA	文本	5267篇文章	NA	NA	NA	NA
2539	2026-03-05	Artificial intelligence in treatment prediction for skeletal Class III malocclusion: A systematic review 2026-Mar-02, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2026.02.016 PMID:41775582	系统综述	本文系统评估了人工智能模型在预测骨骼性III类错颌畸形患者是否需要正颌手术方面的性能	首次对AI在骨骼性III类错颌畸形治疗预测中的应用进行了系统性综述，比较了机器学习与深度学习模型在头影测量和临床数据上的表现	纳入研究数量有限（15项），需要更大规模、多中心数据集和外部验证以提高可靠性并解决潜在偏倚	评估AI模型在预测骨骼性III类错颌畸形患者是否需要正颌手术以及识别影响治疗决策的预测因素方面的性能	骨骼性III类错颌畸形患者	机器学习	骨骼性III类错颌畸形	头影测量和临床数据分析	机器学习算法（如Random Forest, XGBoost）和深度学习模型（如CNN）	头影测量数据和临床数据	NA	NA	Random Forest, XGBoost, ResNet-based CNN	准确率, 灵敏度, 特异性, AUC	NA
2540	2026-03-05	Prediction of Neoadjuvant Chemotherapy Efficacy for Locally Advanced Nasopharyngeal Carcinoma Using MRI-Based Deep Learning Features Combined with Vision Transformer 2026-Mar-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.003 PMID:41775615	研究论文	本研究评估了基于多序列MRI的深度学习特征与Vision Transformer结合预测局部晚期鼻咽癌新辅助化疗疗效的价值	首次探索将MRI深度学习特征与Vision Transformer结合用于预测局部晚期鼻咽癌新辅助化疗疗效，通过融合2.5D-ResNet50和3D-DenseNet121特征并输入ViT进行全局上下文建模，显著提升了预测性能	回顾性研究设计，样本量相对有限（266例患者），需要外部验证以确认模型的泛化能力	预测局部晚期鼻咽癌患者新辅助化疗的疗效	局部晚期鼻咽癌患者	计算机视觉	鼻咽癌	MRI	深度学习模型, Vision Transformer	MRI图像	266例局部晚期鼻咽癌患者	NA	ResNet50, DenseNet121, Vision Transformer	AUC, 准确率, F1分数	NA