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
2661	2026-07-06	Diagnosis of High Intracranial Pressure by Non-Optic Nerve Retinal Image Features 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.2 PMID:41940708	研究论文	评估深度学习模型与非眼科专家在基于视网膜图像诊断高颅压方面的表现	首次探索在遮盖视神经头的情况下利用非视神经视网膜图像特征进行高颅压诊断	样本量较小，仅32例高颅压患者和31例对照，且未提及模型在独立外部验证集上的表现	比较深度学习模型与神经眼科医师在基于视网膜图像分类高颅压患者与对照者的性能	高颅压伴视乳头水肿患者与对照者的宽视野视网膜图像	计算机视觉, 数字病理学	高颅压	视网膜成像	卷积神经网络	图像	32例高颅压患者（70张图像）和31例对照（62张图像）	NA	卷积神经网络	准确率, AUC	NA
2662	2026-07-06	Impact of accurate load forecasting on electricity market stability in Japan using classical time-series and deep-learning methods 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46859-2 PMID:41927815	研究论文	提出多区域评估框架，比较经典时间序列与深度学习方法在日本电力市场短期负荷预测中的表现	首次针对日本50/60 Hz频率分界线下的区域异质性，构建空间性能评估框架并引入不确定性量化分析	研究未考虑可再生能源渗透率动态变化对预测精度的影响	评估不同预测范式在日本区域电力市场的适用性及其经济影响	日本九州电力系统中的九个区域电网	机器学习	NA	NA	SARIMA, HMM, LSTM	时间序列负荷数据	2019-2022年九个区域电网的每小时负荷数据	NA	SARIMA, HMM, LSTM	MAPE, 95%预测区间	NA
2663	2026-07-06	Heuristically Adaptive Diffusion-Model Evolutionary Strategy 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511537 PMID:41793196	研究论文	提出一种基于启发式自适应扩散模型的进化策略，融合深度学习扩散模型与进化算法以优化数值参数	首次将扩散模型与进化算法深度融合，利用深度学习扩散模型增强进化算法的记忆与自适应能力，并引入无分类器指导实现进化动力学的精确控制	NA	开发一种结合扩散模型与进化算法的混合优化框架，提升进化优化的效率、灵活性和精度	进化算法中的数值参数优化过程	机器学习	NA	扩散模型、进化算法	扩散模型	NA	NA	NA	扩散模型	NA	NA
2664	2026-07-06	Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study 2026-03-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08165-1 PMID:41913156	研究论文	本研究开发并验证了一种基于多模态MRI的深度学习影像组学模型，用于术前预测舌鳞状细胞癌的N分期	首次将深度学习影像组学方法应用于舌鳞状细胞癌N分期的术前预测，并在多中心数据集上验证其优于传统影像组学方法	需要进一步的前瞻性研究验证	提高舌鳞状细胞癌术前N分期预测的准确性，辅助临床决策	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	多模态MRI（增强T1加权图像和T2加权图像）	CNN	医学图像	579名舌鳞状细胞癌患者（训练集357人、内部测试集153人、外部测试集69人）	PyTorch	ResNet34, ResNet101, DenseNet121	AUC, 校准曲线, 决策曲线分析	NA
2665	2026-07-06	Multimodal MRI-based two-stage artificial intelligence framework for renal fibrosis classification in chronic kidney disease 2026-03-04, BMC nephrology IF:2.2Q2 DOI:10.1186/s12882-026-04869-2 PMID:41782094	研究论文	开发了一个基于多模态MRI的两阶段人工智能框架，用于慢性肾病的肾纤维化分类	结合多模态MRI影像（native T1 mapping、ADC和T2* mapping）与临床指标，采用MobileNetV2-SE深度学习特征和XGBoost/ExtraTree分类器进行两阶段分级	样本量相对较小（152例），且为单中心前瞻性研究	非侵入性评估慢性肾病患者的肾纤维化程度	152例经活检证实的慢性肾病患者（RF 1：无纤维化34例；RF 2：轻度纤维化69例；RF 3：中重度纤维化49例）	机器学习和数字病理	慢性肾病，肾纤维化	多模态MRI（native T1 mapping、ADC、T2* mapping）	深度学习（MobileNetV2-SE）和传统机器学习（XGBoost、ExtraTree）	MRI影像数据和临床指标数据	152例患者，按2:1分为训练集和测试集	PyTorch, Scikit-learn	MobileNetV2-SE, XGBoost, ExtraTree	AUC, 校准曲线, 决策曲线分析（DCA）, SHAP可视化	NA
2666	2026-07-06	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	提出一种域自适应深度对比网络，用于基于磁共振成像的膀胱癌分类	联合源域和目标域样本进行特征学习以获得域不变且可区分的表示，并引入深度对比学习策略增强类间分离性和类内紧凑性	待论文中明确提及	实现跨中心的磁共振成像驱动膀胱癌自动分类	膀胱癌磁共振成像数据（区分非肌层浸润性膀胱癌与肌层浸润性膀胱癌）	计算机视觉，数字病理学	膀胱癌	磁共振成像	深度对比网络	医学图像（磁共振成像）	多中心膀胱癌磁共振成像数据集	PyTorch	卷积神经网络，Transformer	准确率，F1分数，AUC	NA
2667	2026-07-06	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	提出一种通过负热标签编码和类别权重掩码实现特征不可区分的机器遗忘方法	引入负热标签编码（NHLE）抑制目标类别在特征空间中的可区分性，结合类别权重掩码实现高效选择性遗忘，仅需少量遗忘类别样本进行迭代微调	未明确说明在复杂数据集或大规模遗忘任务中的扩展性及对保留数据性能的潜在影响	开发高效且选择性的机器遗忘框架，解决数据隐私合规需求并减少计算开销与性能下降	深度学习模型中的类别级遗忘	机器学习	NA	NA	神经网络	视觉图像数据	多个视觉数据集，未明确具体数量	NA	NA	分类准确率，保留数据准确率下降值	NA
2668	2026-07-06	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	评估不同深度学习策略在分布偏移下预测ICU脓毒症的性能，提出根据目标数据规模选择最佳部署策略	系统比较了五种部署策略（泛化、微调/重训练、目标训练、监督域适应和融合训练）在多个深度学习架构和四种目标数据规模下的表现，发现微调并非最优方法，而重训练、融合训练和域适应在不同数据规模下表现更佳	未说明具体局限	研究分布偏移下深度学习脓毒症预测模型在ICU中的最佳部署策略	脓毒症预测模型的部署策略	机器学习	脓毒症	NA	深度学习	时序数据（ICU住院记录）	216,536次住院记录（来自HiRID、MIMIC-IV、eICU三个队列）	NA	多种深度学习架构	AUROC, 归一化AUPRC	NA
2669	2026-07-06	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	利用基于注意力机制的多模态数据深度学习框架预测篮球运动员的睡眠质量	首次将特征级注意力的多模态表格学习框架应用于大学篮球运动员的睡眠质量筛查，并比较了多种预测模型，发现基于注意力的多层感知机（Attention-MLP）在复杂特征交互建模上具有优势	对中等睡眠质量类别的区分能力较差（AUC=0.40），当前模型更适合筛查导向的分层而非明确分类	开发一种用于大学篮球运动员睡眠质量筛查的注意力机制多模态表格学习框架	大学篮球运动员	机器学习	睡眠障碍	NA	逻辑回归、随机森林、XGBoost、基于注意力的多层感知机（Attention-MLP）	表格数据（身体指标、心理特征、社会人口学变量）	大学篮球运动员样本	Scikit-learn, XGBoost	逻辑回归、随机森林、XGBoost、注意力多层感知机（Attention-MLP）	准确率（0.732）、F1值（0.630）、AUC	NA
2670	2026-07-06	Deep learning-based labor relations prediction system with multi-source data fusion and early warning mechanisms 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40369-x PMID:41772036	研究论文	提出基于深度学习的劳资关系预测系统，通过多源数据融合与预警机制实现冲突提前识别	采用注意力机制多模态融合，自适应加权不同数据源贡献，而非固定融合方案	12.7% 的误报率及高压运营期间的系统性预测错误	解决传统统计方法和专家系统在复杂多因素劳资关系预测中的不足	企业内部人力资源管理数据、沟通日志、绩效轨迹、满意度调查及外部经济指标	机器学习	不适用	不适用	MLP与LSTM	表格数据、时间序列数据	12家企业部署，跨4个行业	PyTorch	MLP, LSTM, 注意力机制	准确率、早期预警成功率、误报率	未提及
2671	2026-07-06	Reliable ECG classification using parallel hybrid models with limited resources 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41370-0 PMID:41771987	研究论文	提出一种并行混合模型(PHM)，结合三个轻量级分类器，在资源受限环境下提高心电图分类的可靠性和准确性	创新性地采用加权软投票方法整合预测结果，并结合可靠性区域提供可解释的置信度框架	研究未提及模型在更大规模或多样化数据集上的验证，以及实际部署时的实时性能表现	为资源受限环境提供计算高效且可靠的心电图分类系统	心电图(ECG)信号，用于心律失常等心血管疾病的诊断	机器学习	心血管疾病	NGS	CNN	时间序列信号	MIT-BIH心律失常数据库(未具体说明样本数量)	TensorFlow	EfficientNet, SequentialNet, LeNet-5	准确率, 错误率, 正确概率, 错误概率, 错误决策概率	NA
2672	2026-07-06	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	开发并演示了首个基于深度学习的光声视觉伺服系统，用于实时三维追踪导管尖端	首次将点源定位与混合位置-力控制结合，实现基于深度学习的光声视觉伺服，并在体内外实验中验证	实例分割推理时间较长（≥516.3 ms），尚需优化以满足实时应用需求	开发光声视觉伺服系统，实现手术器械尖端的实时三维追踪	心脏导管尖端（在塑胶假体和活体猪中进行实验）	计算机视觉，机器学习	NA	光声成像	目标检测，实例分割	光声图像	9次视觉伺服实验（塑胶假体距离40 mm，活体猪距离25-64 mm）	NA	目标检测模型，实例分割模型	检测率（88.0-91.7%假体，66.7-70.4%体内），追踪误差（0.5 mm假体，0.8 mm体内），推理时间（≥145.3 ms目标检测，≥516.3 ms实例分割），接触时间（≥99.43%）	NA
2673	2026-07-06	AI-Driven Protein Research: From Prediction to Design 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-5249-7_13 PMID:42400844	综述	综述了从人工智能驱动的蛋白质序列预测到蛋白质设计的进展	系统梳理了从早期共进化信息残基接触预测到蛋白质语言模型和生成式设计的关键概念突破	作为迷你综述，可能未涵盖所有前沿细节	追踪人工智能方法在蛋白质研究中的演变及其对生物医学和生物技术的转化意义	蛋白质结构预测、注释和设计方法	自然语言处理	NA	深度学习	蛋白质语言模型	文本（序列数据）	NA	NA	NA	NA	NA
2674	2026-07-06	A-Eval: A benchmark for cross-dataset and cross-modality evaluation of abdominal multi-organ segmentation 2025-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103499 PMID:39970528	研究论文	提出了A-Eval基准，用于评估腹部多器官分割在跨数据集和跨模态场景下的泛化能力	首次集成了七个CT和MRI数据集，系统评估深度学习模型在不同数据集和成像模态间的泛化性能	标注不一致性对跨数据集训练提出了挑战，且模型在未见数据上的表现仍不稳定	探讨大规模数据集训练的模型在跨数据集和跨模态情况下的泛化能力，并提出改进方向	腹部多器官分割模型	数字病理学	腹部疾病	深度学习	CNN	图像	七个数据集，涵盖CT和MRI模态	PyTorch	U-Net	Dice系数	NA
2675	2026-07-06	SegmentAnyBone: A universal model that segments any bone at any location on MRI 2025-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103469 PMID:39978015	研究论文	提出一个通用的深度学习模型SegmentAnyBone，用于在任何MRI位置的骨分割	提出首个通用的骨分割基础模型SegmentAnyBone，扩展了SAM模型，支持全自动和基于提示两种分割模式，并基于多MRI协议的新数据集进行训练	未提及明显局限性	开发一个公开可用的通用深度学习模型，用于MRI中多位置的骨分割，以改善肌肉骨骼疾病的定量评估	MRI图像中的骨骼分割	计算机视觉	肌肉骨骼疾病	MRI	CNN（卷积神经网络）	MRI图像	320个带标注的MRI体积和超过10k张带标注切片，覆盖不同解剖区域	PyTorch	SegmentAnyBone（基于SAM）	Dice系数等（文中未明确列出所有指标）	未提及
2676	2026-07-06	Meeting Global Health Needs via Infectious Disease Forecasting: Development of a Reliable Data-Driven Framework 2025-03-21, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/59971 PMID:40116728	研究论文	构建了一个标准化、可靠且可推广的传染病预测框架及可视化仪表盘	提出了一个集成多种建模技术、适用于不同疾病和全球地点的标准化预测流水线，并开发了考虑预测准确性、计算效率、时空泛化能力、不确定性量化和可解释性等关键运营指标的可视化仪表盘	未明确提及，但可能包括不同疾病和地区组合下无单一最佳模型，以及模型对新发疾病的适应性依赖于相似地区的历史数据	满足真实世界运营决策需求，建立可靠且可推广的传染病预测框架	6种人畜共患传染病（布鲁氏菌病、弯曲菌病、中东呼吸综合征、Q热、蜱传脑炎和土拉菌病）在4大洲8个国家的预测	机器学习	传染病	NA	统计模型、机器学习模型、深度学习模型	人口、景观、气候和社会经济因素等特征数据	包含9种模型，平均2326个特征，覆盖6种疾病、8个国家	NA	NA	预测准确性、计算效率、时空泛化能力、不确定性量化、可解释性	NA
2677	2026-07-06	Feasibility of estimating tidal volume from electrocardiograph-derived respiration signal and respiration waveform 2025-02, Journal of critical care IF:3.2Q2 DOI:10.1016/j.jcrc.2024.154920 PMID:39316976	研究论文	验证从心电图衍生的呼吸信号和呼吸波形估计潮气量的可行性	利用真实临床数据验证基于心电图衍生呼吸信号的潮气量估计方法	当前方法受限于ICU中噪声较大的心电图信号	评估从心电图中估计潮气量的可行性并比较不同估计方法	重症监护患者	机器学习	NA	心电图衍生呼吸信号	线性回归和深度学习模型	临床数据（心电图和呼吸波形）	90名重症患者（总体分析），2名重症患者（约束分析）	NA	NA	平均绝对误差, 皮尔逊相关系数, R²	NA
2678	2026-07-06	DDKG: A Dual Domain Knowledge Guidance strategy for localization and diagnosis of non-displaced femoral neck fractures 2025-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103393 PMID:39581120	研究论文	提出了一种双域知识引导策略，用于非移位性股骨颈骨折的定位和诊断	结合空间域和语义域知识，利用有限位置监督和放射学报告先验知识引导模型在全X光图像上学习鲁棒表征，无需裁剪图像或额外信息即可进行准确诊断	未提及	实现非移位性股骨颈骨折的自动化定位和诊断，降低标注成本并提高诊断准确性	非移位性股骨颈骨折的X光图像	计算机视觉	股骨颈骨折	X光影像	深度学习模型	图像	来自四个不同中心的数据集	PyTorch	空间感知模块（SAM）和语义协调模块（SCM）	准确性、鲁棒性	NA
2679	2026-07-06	A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond 2025-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103385 PMID:39612808	综述	全面概述深度学习在医学图像配准中的最新进展，包括新技术、不确定性估计、评估指标及应用	首次系统整合深度学习配准中的创新网络架构、损失函数、不确定性估计方法及评估指标，并探讨从基础技术到多任务应用的完整链条	未涉及具体实验对比或定量性能分析，对实际部署中的计算资源与数据依赖性问题讨论不足	综述深度学习在医学图像配准领域的最新发展、评估方法及未来方向	深度学习医学图像配准技术及其在脑图谱构建、多图谱分割、运动估计、2D-3D配准等任务中的应用	医学图像分析	NA	NA	U-Net, 回归网络, 相似性度量网络, 不确定性估计网络	医学影像	NA	NA	U-Net, 回归网络, 图像变换网络	配准精确度, 不确定性指标, 相似性度量, 评估指标	NA
2680	2026-07-06	CLMS: Bridging domain gaps in medical imaging segmentation with source-free continual learning for robust knowledge transfer and adaptation 2025-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103404 PMID:39616943	研究论文	提出CLMS框架，通过持续学习与多尺度域适应，在无源数据情况下提升医学图像分割性能	结合持续学习、多尺度重建和风格对齐，在无源数据域适应中同时保留源知识并防止灾难性遗忘	未明确提及局限性，但可能依赖于公开数据或目标域数据质量	解决医学图像分割中跨域迁移问题，实现无需原始源数据的域适应	医学图像分割任务，包括前列腺MRI、结肠镜息肉分割和视网膜图像分类	计算机视觉	前列腺癌, 结肠息肉, 视网膜病变	深度学习	CNN	医学图像	NA	PyTorch	多尺度重建网络	Dice系数, AUC	NA