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
2681	2026-01-12	CAFusion: A progressive ConvMixer network for context-aware infrared and visible image fusion 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339828 PMID:41505481	研究论文	本文提出了一种名为CAFusion的深度学习框架，用于可见光与红外图像的融合	提出了上下文感知的ConvMixer模块，结合空洞卷积扩大感受野与深度可分离卷积提高参数效率，无需注意力机制即可捕获多尺度上下文信息；并采用基于注意力的跨模态多级渐进融合策略	NA	开发一种计算高效且能保留多尺度细节的可见光与红外图像融合方法	可见光图像与红外图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	ConvMixer	结构相似性指数	NA
2682	2026-01-12	Transforming Pediatric Urology With Artificial Intelligence: A Narrative Review of Current Evidence and Practice 2026-Jan, Cureus DOI:10.7759/cureus.100893 PMID:41509578	综述	本文综述了人工智能在儿科泌尿学中的应用现状、证据和实践，探讨了其在诊断、手术规划和术后监测方面的潜力	系统性地总结了人工智能在儿科泌尿学多个领域（如肾积水、阴茎异常、膀胱输尿管反流）的创新应用，包括深度学习模型自动分级和预测、标准化图像分析减少主观性，以及机器学习算法优化风险分层	广泛应用目前受到数据稀缺、严格隐私法规以及缺乏关于患者数据的伦理法律框架等挑战的限制	探讨人工智能如何重塑儿科泌尿学的临床护理，并推动其安全整合到标准临床工作流程中	儿科泌尿学疾病，如肾积水、阴茎异常（如尿道下裂）和膀胱输尿管反流	数字病理学	泌尿系统疾病	深度学习, 机器学习	深度学习模型, 机器学习算法	图像, 临床数据	NA	NA	NA	NA	NA
2683	2026-01-12	Ear-Keeper: A cross-platform artificial intelligence system for rapid and accurate ear disease diagnosis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251412635 PMID:41509874	研究论文	本研究开发了一种轻量级深度学习模型Best-EarNet，用于耳镜图像分类，并部署在跨平台诊断系统Ear-Keeper中，以实现快速准确的耳部疾病诊断	提出了Best-EarNet架构，整合了局部-全局空间特征融合模块和多尺度监督策略，实现了超快速轻量级模型，并开发了跨平台智能诊断系统Ear-Keeper	未明确提及模型在更广泛疾病类型或不同医疗环境中的泛化能力限制	开发轻量级、高性能、实时的深度学习模型用于耳镜图像分类，并部署跨平台诊断系统以支持临床和社区使用	耳镜图像，涵盖八种常见耳部疾病及健康病例	计算机视觉	耳部疾病	深度学习，迁移学习	CNN	图像	内部测试集22,581张图像，外部测试集1,652张图像	未明确提及，推测为PyTorch或TensorFlow	Best-EarNet	准确率	标准CPU，处理速度80帧/秒
2684	2026-01-12	Comparison of the performance between an AI-based vision transformer and human endoscopists in predicting the endoscopic and histologic activities of ulcerative colitis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251412694 PMID:41509873	研究论文	本研究开发了一种基于深度学习的算法，用于评估溃疡性结肠炎的疾病和病理活动性，并比较了AI模型与人类内镜医师在预测内镜和病理活动性方面的性能	首次开发了一种基于内镜视频的深度学习模型，用于预测溃疡性结肠炎的内镜和病理活动性，并证明其性能与经验丰富的内镜医师相当，优于年轻内镜医师	研究样本量相对较小（82名患者），且仅基于白光内镜图像，未考虑其他成像模式或临床因素	开发并验证一种基于深度学习的算法，以评估溃疡性结肠炎的内镜和病理活动性	溃疡性结肠炎患者的内镜视频片段	计算机视觉	溃疡性结肠炎	白光内镜成像	Vision Transformer (ViT)	视频	375个视频片段来自82名患者	NA	Vision Transformer (ViT)	准确率	NA
2685	2026-01-12	Transformer-based deep learning for early detection of intensive care unit-acquired bloodstream infection through multivariate time-series analysis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251412651 PMID:41509870	研究论文	本研究开发了一种基于Transformer的深度学习模型，用于通过多变量时间序列分析早期预测ICU获得性血流感染	首次将Transformer模型应用于ICU获得性血流感染的早期检测，能够有效捕捉高维时间序列数据中的复杂依赖关系，相比传统机器学习模型（如CatBoost）在早期预测窗口表现更优	研究基于单一数据库（MIMIC IV），样本中阳性病例比例较低（6.2%），且未进行外部验证	开发一种深度学习模型，用于早期检测重症监护病房（ICU）获得性血流感染（BSI）	ICU患者，具体为MIMIC IV数据库中入院48小时后采集血培养的患者	机器学习	血流感染	电子健康记录分析，时间序列分析	Transformer, CatBoost	多变量时间序列数据	2408名患者，其中149名（6.2%）患有ICU获得性BSI	未明确指定，但提及了SMOTE和SHAP	Transformer	AUROC, AUPRC	NA
2686	2026-01-12	DCGAT-DTI: dynamic cross-graph attention network for drug-target interaction prediction 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf306 PMID:41510027	研究论文	提出了一种名为DCGAT-DTI的动态跨图注意力网络，用于预测药物-靶点相互作用	引入了动态跨图注意力模块，动态建模药物和蛋白质图之间的内部和跨图交互，超越了独立处理相似性图的现有方法	未明确说明模型在更大规模或更复杂数据集上的泛化能力	加速药物发现，通过预测化学化合物与蛋白质之间的相互作用	药物和蛋白质	机器学习	NA	深度学习	图卷积网络,注意力机制	图数据	四个基准数据集	NA	动态跨图注意力网络	NA	NA
2687	2026-01-12	Decoding fetal motion in 4D ultrasound with DeepLabCut 2026-Jan, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-025-01557-w PMID:40785001	研究论文	本研究利用基于深度学习的无标记姿态估计工具DeepLabCut，对孕中期四维超声数据中的胎儿运动行为进行客观定量分析，提出了一种评估胎儿神经发育的新临床方法	首次将DeepLabCut应用于四维超声数据，实现对胎儿运动行为的精确定量分析，为胎儿神经发育评估提供了非侵入性的AI驱动替代方案	研究样本量有限（仅50个正常单胎胎儿），且跟踪精度随孕龄增加的趋势未达到统计学显著性	客观定量分析胎儿运动行为，以评估胎儿神经发育状况	孕12至22周的正常单胎胎儿	计算机视觉	NA	四维超声	深度学习	视频	50个四维超声视频记录	DeepLabCut	NA	似然分数, 组内相关系数	NA
2688	2026-01-12	Artificial Intelligence-Based Echocardiography in Pulmonary Arterial Hypertension 2026-Jan, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.06.052 PMID:40876740	研究论文	本研究评估了基于人工智能的超声心动图全自动深度学习工作流程在肺动脉高压评估中的可靠性和鉴别能力	首次开发并验证了用于肺动脉高压评估的全自动深度学习超声心动图工作流程，实现了高效且可靠的参数测量	右心室面积变化分数测量存在显著偏差，且研究样本量有限，需要进一步的外部验证	评估深度学习在超声心动图中自动评估肺动脉高压的可靠性	健康个体、肺动脉高压患者以及转诊进行右心导管检查的患者	数字病理学	心血管疾病	超声心动图	深度学习	图像	第一部分：434人（213名健康个体和221名肺动脉高压患者）；第二部分：196名转诊患者	NA	NA	偏差、精确度、AUC	NA
2689	2026-01-12	Deep Learning Workflow In Echocardiography: John Henry's Saga Revisited? 2026-Jan, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.07.4071 PMID:41519548	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2690	2026-01-12	Development and validation of a deep learning-based model for predicting prostate cancer in patients with gray-zone PSA levels: a comparative study with clinician observations 2025-Dec-31, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06174-3 PMID:41474500	研究论文	本研究开发并验证了一种基于深度学习的模型，用于利用多参数磁共振成像（mp-MRI）检测灰区PSA水平患者的前列腺癌	开发了一种整合ADC和T2WI数据的多模态卷积神经网络模型，在灰区PSA水平患者的前列腺癌检测中表现出高准确性，并与资深放射科医师的诊断性能相当	研究为回顾性多中心设计，样本量相对有限（最终队列274例患者），且仅基于特定MRI序列（T2WI和ADC）	开发并验证一种深度学习模型，用于预测灰区PSA水平患者的前列腺癌	疑似前列腺病变的患者，特别是PSA水平处于灰区的患者	数字病理学	前列腺癌	多参数磁共振成像（mp-MRI），包括T2加权成像（T2WI）和表观扩散系数（ADC）值	CNN, Transformer	图像（MRI影像）	最终研究队列包括274例患者（90例前列腺癌，184例非癌），按6:2:2比例分为训练集（162例）、验证集（56例）和测试集（56例）	NA	多属性卷积神经网络（CNNs），Transformer	AUC（曲线下面积）	NA
2691	2026-01-12	An epilepsy prediction and management system based on federated learning combined with hybrid harmony search and mutual information (HAS-MI)-based feature selection approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30919-0 PMID:41461827	研究论文	本研究提出了一种基于联邦学习与混合和声搜索及互信息特征选择方法的癫痫预测与管理系统，旨在通过去中心化的EEG分析实现高精度、实时的癫痫发作检测	提出了一种集成联邦学习、混合和声搜索与互信息特征选择以及结合LSTM与DenseNet-121的新型架构EpilepNet-LD，用于在保护患者隐私的同时，实现高精度的癫痫发作检测	摘要中未明确提及本研究的局限性	开发一个高精度、实时且能保护患者隐私的癫痫发作检测与管理系统	癫痫患者的脑电图数据	机器学习	癫痫	脑电图分析	LSTM, DenseNet	EEG信号	NA	NA	LSTM, DenseNet-121	准确率, 灵敏度	NA
2692	2026-01-12	Application of deep learning towards automated electromyographic wave classification for neuromonitoring in thyroid and parathyroid surgery 2025-Dec-29, BJS open IF:3.5Q1 DOI:10.1093/bjsopen/zraf158 PMID:41504705	研究论文	本文开发了一种多任务一维卷积神经网络，用于自动分类甲状腺和甲状旁腺手术中的肌电图信号，以识别和纠正错误标记的神经监测数据	首次应用多任务一维卷积神经网络实现肌电图信号的自动分类，用于术中神经监测的错误标记警报	研究基于单中心数据，未来需纳入更广泛的临床场景和外部数据集以优化模型	开发自动化工具以识别和纠正甲状腺和甲状旁腺手术中肌电图信号的错误标记	甲状腺和甲状旁腺手术中的肌电图信号	数字病理	甲状腺和甲状旁腺疾病	肌电图信号记录	CNN	肌电图信号	1541例连续术中神经监测手术和508例间歇术中神经监测手术，共包含16305个肌电图信号	NA	一维卷积神经网络	准确率, AUC	NA
2693	2026-01-12	Integration of finite element method and artificial intelligence for evaluating PEEK composites in rib cage reconstruction process under impact conditions 2025-Dec-24, Journal of materials science. Materials in medicine DOI:10.1007/s10856-025-06972-6 PMID:41436650	研究论文	本研究通过结合有限元方法和人工智能技术，评估了PEEK复合材料在冲击条件下用于肋骨重建的可行性	首次将有限元模拟与人工智能回归模型相结合，用于预测PEEK复合材料在肋骨重建中的机械响应，并系统比较了多种复合材料的性能	研究基于计算机模拟，未进行体内实验验证；复合材料的具体生物相容性和长期体内性能需进一步评估	评估PEEK复合材料作为金属植入物替代品在肋骨重建中的可行性，并开发能预测应力、应变和变形的人工智能模型	用于肋骨重建的PEEK、碳纤维增强PEEK、玻璃纤维增强PEEK和羟基磷灰石PEEK复合材料植入物	机器学习	NA	有限元方法，人工智能预测建模	线性回归，岭回归，支持向量回归，决策树，神经网络，LightGBM	有限元模拟生成的机械响应数据集	基于定制化3D胸部缺陷模型，使用多种PEEK复合材料植入物进行有限元模拟生成的数据集	Scikit-learn, LightGBM	NA	R², MAE, MSE, RMSE, 计算效率	NA
2694	2026-01-12	Realistic daily discharge modelling in data-deficient regions using DL-assisted, parametrically-optimized hydrological model 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30670-6 PMID:41413115	研究论文	本研究评估了深度学习、传统及混合水文模型在数据稀缺地区模拟日径流量的有效性	提出了深度学习辅助的参数优化GR4J混合模型，在数据稀缺地区实现了更可靠和现实的径流模拟	研究仅在菲律宾萨马岛的四个子流域进行，结果可能受区域特定条件限制	评估不同水文模型在数据稀缺地区的径流模拟效果	菲律宾萨马岛四个子流域的日径流量	机器学习	NA	水文建模	LSTM, GR4J	水文时间序列数据	四个子流域的日径流数据	NA	单变量长短期记忆网络, GR4J水文模型	纳什效率系数, 一致性指数, Legates-McCabe指数, 平均绝对百分比误差, 均方根误差与标准差之比	NA
2695	2026-01-12	Rapid culture-free diagnosis of clinical pathogens via integrated microfluidic-Raman micro-spectroscopy 2025-Dec-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66996-y PMID:41402282	研究论文	本文提出了一种集成了微流控、拉曼显微光谱和深度学习的无培养诊断平台，可在20分钟内完成临床病原体的快速检测	开发了一种结合透析-介电泳（DEP）技术的微流控富集系统，可直接从临床样本中快速分离病原体，检测限低至<2 CFU/ml，并建立了包含29种细菌和7种真菌共342株临床分离株的单细胞拉曼指纹数据库，结合一维ResNet深度学习模型实现快速诊断	需要进行更广泛的验证才能实现临床应用	开发一种快速、准确的诊断平台以应对抗菌素耐药性（AMR）这一全球健康挑战，指导及时的抗微生物治疗	临床病原体（细菌和真菌）	数字病理学	感染性疾病	微流控技术、拉曼显微光谱技术、深度学习	CNN	光谱数据	342株临床分离株（来自29种细菌和7种真菌）的拉曼指纹数据库，并在包含305名患者的临床研究中进行了验证	NA	1D ResNet	准确率、灵敏度	NA
2696	2026-01-12	FireCastNet: earth-as-a-graph for seasonal fire prediction 2025-Dec-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30645-7 PMID:41392185	研究论文	本文提出了一种名为FireCastNet的新型深度学习架构，用于全球季节性野火预测	结合3D卷积编码与基于GraphCast的图神经网络，将地球视为互连图以捕捉局部火灾动态和远程遥相关	未明确说明模型在非火灾高发区域的预测性能，也未讨论计算复杂度与实时部署的可行性	开发一种能够提前6个月预测全球燃烧面积模式的季节性野火预测模型	全球野火燃烧面积模式	机器学习	NA	深度学习	CNN, GNN	多变量地球系统数据立方体	基于SeasFire数据集，具体样本量未明确说明	NA	FireCastNet, GraphCast	NA	NA
2697	2026-01-12	Critical role of EEG signals in assessment of sex-specific insights in neurological diagnostics via machine learning approach 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30848-y PMID:41372360	研究论文	本研究利用机器学习方法探讨了EEG信号中性别特异性模式在神经病理诊断中的可检测性及其影响	首次系统评估了EEG信号中性别特异性模式对病理检测的影响，揭示了其在病理检测中的可忽略作用，并展示了跨数据集性别相关神经模式的稳健性	AI模型在存在显著分布偏移的数据集上性能下降，且研究依赖于特定数据集，可能影响泛化能力	通过AI方法研究EEG信号中生物性别的可检测性及其在病理EEG诊断中的混淆效应	健康及病理受试者的EEG信号数据	机器学习	神经系统疾病	脑电图（EEG）	CNN	EEG信号	三个EEG数据集（TUEG、TUAB、NMT），包括健康及病理受试者	未明确指定	轻量级卷积神经网络	平衡准确度	NA
2698	2026-01-12	Integration of multi-scale radiomics and deep learning for Ki-67 prediction in clear cell renal carcinoma 2025-Dec-06, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-025-01214-y PMID:41353523	研究论文	本研究开发并验证了一种融合多尺度影像组学与深度学习特征的多模态模型，用于肾透明细胞癌术前无创预测Ki-67表达	首次将多尺度影像组学（瘤内、生境、瘤周）与2D/3D深度学习特征结合，并采用堆叠策略融合最优单模态模型，显著提升了Ki-67术前预测性能	回顾性研究设计可能存在选择偏倚，外部验证集样本量相对有限	开发术前无创预测肾透明细胞癌Ki-67表达的多模态模型，以指导个体化手术和监测策略	627例肾透明细胞癌患者的术前CT影像及临床数据	数字病理学	肾癌	CT影像分析	深度学习, 集成机器学习	医学影像（CT）, 临床数据	627例肾透明细胞癌患者（多中心回顾性研究）	未明确说明	未明确说明具体架构（提及2D/3D DL）	AUC, 校准曲线, 临床净收益	未明确说明
2699	2026-01-12	Evaluation of the effectiveness of panoramic radiography in maxillary 3rd molars on an artificial intelligence model developed with findings obtained with cone beam computed tomography 2025-Dec-04, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07438-5 PMID:41340110	研究论文	本研究旨在通过基于CBCT数据训练的深度学习模型，评估全景X光片中上颌第三磨牙与上颌窦底的位置关系，并比较不同深度学习架构的分类性能	首次利用CBCT数据训练的深度学习模型来分析全景X光片中上颌第三磨牙与上颌窦底的关系，并采用多数投票融合策略提升分类性能	研究仅基于1,054张全景X光片，样本量相对有限；且多分类问题（三类）的准确率较低（约69%）	评估深度学习模型在全景X光片上识别上颌第三磨牙与上颌窦底位置关系的有效性，以减少对CBCT成像的依赖	上颌第三磨牙与上颌窦底的位置关系	计算机视觉	口腔疾病	锥形束计算机断层扫描（CBCT），全景X光摄影（PR）	CNN	图像	1,054张全景X光图像	NA	VGG16, VGG19, ResNet50, ResNet101, GoogleNet	准确率, 混淆矩阵	NA
2700	2026-01-12	Sleep-wakeup based secure multipath routing in wsn using fennec fox optimized deep learning framework 2025-Dec-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30622-0 PMID:41345208	研究论文	本文提出了一种基于睡眠-唤醒机制的安全多路径路由框架，用于降低无线传感器网络的能耗并延长其寿命	提出了一种结合Fennec Fox优化算法和深度学习的混合框架（SCS-EEF），采用Fuzzy-BIRCH聚类、FFO优化簇头选择以及动态睡眠-唤醒调度，并引入TCN-BiGRU网络进行多路径路由预测	未明确说明实验环境的具体配置、网络规模或节点部署的详细参数，也未讨论框架在动态拓扑变化或大规模网络中的可扩展性	解决无线传感器网络中能耗过高、网络寿命短以及数据传输安全性的问题	无线传感器网络（WSN）中的传感器节点、簇头选择、多路径路由以及能量管理	机器学习	NA	深度学习、优化算法、聚类分析	TCN, BiGRU	网络传输数据、节点能量状态数据	未明确说明具体样本数量，但涉及与HBWCO、IBORSDFFNL和EER-CGHHOA等基准方法的对比实验	NA	Temporal Convolutional Network, Bidirectional Gated Recurrent Unit	能耗降低百分比、延迟降低百分比	NA