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
2961	2026-03-01	Construction and validation of hepatocellular carcinoma survival prediction models based on machine learning 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03456-1 PMID:41184613	研究论文	本研究基于SEER和TCGA数据库的肝细胞癌患者数据，构建并验证了基于机器学习的生存预测模型，通过引入自注意力机制和残差网络模块改进DeepSurv和DeepHit模型，并开发了一种基于Cox神经网络的集成模型	首次在生存分析中应用自注意力机制和残差网络模块改进DeepSurv和DeepHit模型，并首次开发基于Cox神经网络的集成模型	未明确说明模型在外部验证集上的泛化能力或临床部署的可行性	提高肝细胞癌患者生存预测的准确性和可靠性，以支持个性化治疗	肝细胞癌患者	机器学习	肝细胞癌	NA	DeepSurv, DeepHit, Cox神经网络, 随机生存森林	临床数据	来自SEER和TCGA数据库的肝细胞癌患者数据	NA	自注意力机制, 残差网络模块	C指数, Brier分数	NA
2962	2026-03-01	A deep learning-based MRI automatic detection model for spinal schwannoma and meningioma 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03468-x PMID:41222816	研究论文	本研究开发了一种基于深度学习的MRI自动检测模型，用于检测脊柱神经鞘瘤和脑膜瘤	以YOLOv8n为基线模型，引入了选择性核融合模块替换原始颈部特征融合层，并添加了递归门控卷积，提出了改进的特征融合模型YOLOv8n-SKNeck	研究为回顾性分析，样本量相对有限（103例），且数据来自单一医院	开发自动化检测模型以辅助脊柱神经鞘瘤和脑膜瘤的早期诊断和鉴别诊断，减轻临床决策负担	经病理证实的脊柱神经鞘瘤和脑膜瘤病例	计算机视觉	脊柱肿瘤	磁共振成像	CNN	图像	103例经病理证实的SCH和MEN病例的MRI扫描	NA	YOLOv8n, YOLOv8n-SKNeck	平均准确率, 平均召回率, 平均F1分数	NA
2963	2026-03-01	The Diagnosis and Treatment Technology of Port-Wine Stain, and the Prospect of Future Treatment 2026-Feb, Dermatology and therapy IF:3.5Q1 DOI:10.1007/s13555-026-01651-y PMID:41557111	综述	本文综述了鲜红斑痣的诊断与治疗技术，并展望了未来治疗前景	探讨了人工智能和深度学习技术在提高鲜红斑痣诊断准确性和治疗个性化方面的应用前景	非侵入性诊断方法存在穿透深度有限、操作者依赖性、实时定量分析挑战及主观解释等共同局限性	回顾鲜红斑痣的关键诊断与治疗技术及进展	鲜红斑痣（一种先天性毛细血管畸形）	数字病理学	皮肤血管畸形	皮肤镜检查、高频超声、光声成像、光学相干断层扫描、激光散斑对比成像、VISIA-CR™系统、反射共聚焦显微镜、脉冲染料激光、紫翠玉激光、掺钕钇铝石榴石激光、强脉冲光、光动力疗法	NA	图像	NA	NA	NA	NA	NA
2964	2026-03-01	A Symmetric Encoder-Decoder Network with Enhanced Group-Shuffle Modules for Robust Lung Nodule Detection in CT Scans 2026-Feb-01, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11020092 PMID:41744538	研究论文	本研究提出了一种改进的对称编码器-解码器分割网络，通过增强的组洗牌模块（IGSM）来提升CT扫描中肺结节检测的鲁棒性	提出了改进的组洗牌模块（IGSM），该模块通过分层分组、独立变换和随机通道交换来增强特征处理，模拟人脑皮层处理机制，以提高特征多样性和空间判别能力	未明确说明模型的计算复杂度或训练时间，也未提及在更广泛数据集上的泛化性能验证	开发一种更强大的特征处理方法，以克服肺结节分割中特征多样性高、空间判别力低和模型过拟合的问题	CT扫描图像中的肺结节	计算机视觉	肺癌	CT扫描	CNN	图像	NA	NA	对称编码器-解码器网络	平均交并比（mIoU）, Dice分数, 准确率, 灵敏度, 特异性	NA
2965	2026-03-01	An ODE-based multi-resolution parallel network for respiratory motion estimation 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03463-2 PMID:41085891	研究论文	本文提出了一种基于神经常微分方程的多分辨率并行网络，用于估计肺部呼吸运动，以提高穿刺手术中的运动估计准确性和生理一致性	结合神经常微分方程显式建模4DCT数据的时间连续性，解决肺部运动估计中的非真实变形问题，并采用多分辨率并行结构递归细化肺部特征	NA	快速准确地估计肺部呼吸运动，为手术提供指导	肺部呼吸运动，特别是细纹理的大变形和内部结构（如气道和血管）的复杂运动	计算机视觉	肺癌	4DCT	神经网络	4DCT图像	TCIA和DirLab数据集	NA	基于神经常微分方程的多分辨率并行网络	定性评估，定量评估	NA
2966	2026-03-01	M 2 C A - Net : Multi-scale and multi-frequency channel attentional neural network for invasive coronary angiography segmentation 2026-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03454-3 PMID:41139360	研究论文	本文提出了一种多尺度多频率通道注意力神经网络，用于增强侵入性冠状动脉造影图像的分割性能	设计了一种基于2D离散余弦变换的多频率通道注意力块，融合空间和频率域信息，以提升通道区分能力	NA	提高侵入性冠状动脉造影图像的分割准确性，以辅助冠状动脉疾病的诊断	侵入性冠状动脉造影图像	计算机视觉	心血管疾病	NA	CNN	图像	NA	NA	M2CA-Net	NA	NA
2967	2026-03-01	Ensemble Entropy with Adaptive Deep Fusion for Short-Term Power Load Forecasting 2026-Jan-31, Entropy (Basel, Switzerland) DOI:10.3390/e28020158 PMID:41751662	研究论文	本文提出了一种用于短期多特征电力负荷预测的新框架EEADF，通过集成瞬时熵提取和自适应深度融合来提升预测精度	提出了集成瞬时熵提取模块，实时计算并融合多种熵类型；设计了任务自适应的分层融合机制，针对不同任务复杂度选择特征拼接或多头自注意力融合；构建了并行处理原始序列和熵特征的双分支深度学习模型	未在更多真实世界数据集上进行广泛验证；框架复杂度较高，可能影响计算效率	提高短期电力负荷预测的准确性，以保障电力系统的安全经济运行	电力负荷数据	机器学习	NA	时间序列分析，熵计算	LSTM, MLP	时间序列数据	模拟多模态数据集和真实世界ETDataset	NA	LSTM, MLP	MSE, MAE, R, RMSE, MAPE	NA
2968	2026-03-01	A Cross-Domain Benchmark of Intrinsic and Post Hoc Explainability for 3D Deep Learning Models 2026-Jan-30, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020063 PMID:41745428	研究论文	本文提出了一个统一的基准测试框架，用于评估三维深度学习模型的内在和事后可解释性方法	首次为三维数据可解释性方法提供了一个标准化的、多领域的定量评估框架，涵盖了医学影像、CAD模型和点云数据	评估仅限于特定的数据集和方法，可能未覆盖所有三维XAI技术；框架的通用性有待在更广泛的数据集上验证	评估和比较三维深度学习模型的可解释性方法，以促进标准化基准的建立	三维深度学习模型的可解释性方法，包括Grad-CAM、Integrated Gradients、Saliency、Occlusion和ResAttNet-3D	计算机视觉	NA	NA	CNN	三维数据（体积CT扫描、体素化CAD模型、真实世界点云）	三个代表性数据集：MosMed（CT扫描）、ModelNet40（CAD模型）、ScanObjectNN（点云）	NA	ResAttNet-3D	正确性（AOPC）、完整性（AUPC）、紧凑性	NA
2969	2026-03-01	QEKI: A Quantum-Classical Framework for Efficient Bayesian Inversion of PDEs 2026-Jan-30, Entropy (Basel, Switzerland) DOI:10.3390/e28020156 PMID:41751659	研究论文	本文提出了一种结合量子神经网络与经典集成卡尔曼反演的混合框架，用于高效求解偏微分方程的贝叶斯反问题	首次将量子神经网络作为偏微分方程解的紧凑代理模型，并采用无梯度的集成卡尔曼反演进行训练，有效缓解了量子优化中的贫瘠高原问题	大规模应用受限于当前量子硬件的能力	高效求解科学计算中的贝叶斯反问题	一维和二维非线性偏微分方程	机器学习	NA	NA	量子神经网络, 贝叶斯物理信息神经网络	NA	NA	NA	NA	NA	量子硬件
2970	2026-03-01	Model-Data Hybrid-Driven Wideband Channel Estimation for Beamspace Massive MIMO Systems 2026-Jan-30, Entropy (Basel, Switzerland) DOI:10.3390/e28020154 PMID:41751657	研究论文	本文提出了一种模型-数据混合驱动的网络方案，用于解决波束空间大规模MIMO系统中的宽带信道估计问题	将向量近似消息传递算法展开为可训练网络，并引入新的收缩函数以提高估计精度	未在真实复杂传播环境中进行大规模验证，泛化能力仍需进一步评估	提高波束空间大规模MIMO系统中宽带信道估计的准确性和鲁棒性	波束空间大规模MIMO系统的宽带信道	机器学习	NA	深度学习	混合驱动网络	数值模拟数据	NA	NA	向量近似消息传递展开网络	估计精度, 鲁棒性	NA
2971	2026-03-01	MRI-Based Bladder Cancer Staging via YOLOv11 Segmentation and Deep Learning Classification 2026-Jan-28, Diseases (Basel, Switzerland) DOI:10.3390/diseases14020045 PMID:41745083	研究论文	本研究提出了一种基于MRI的自动化深度学习框架，用于膀胱癌分期，结合YOLOv11分割和深度学习分类器	开发了一种顺序AI流水线，整合YOLOv11进行病灶检测和DeepLabV3进行边界细化，随后使用三种深度学习分类器进行MRI分期预测	需要进一步使用多中心数据集、增强前患者级数据分割、病理确认参考标准和可解释AI技术来验证泛化性和临床相关性	开发自动化深度学习框架以支持基于MRI的膀胱癌标准化分期	膀胱癌MRI图像，用于区分非肌层浸润性（T1）和肌层浸润性（T2-T4）疾病	计算机视觉	膀胱癌	MRI	CNN, Transformer	图像	416张T2加权MRI图像	NA	YOLOv11, DeepLabV3, VGG19, ResNet50, Vision Transformer	准确率, 精确率, 召回率, F1分数, 多类AUC	NA
2972	2026-03-01	Neuro-Geometric Graph Transformers with Differentiable Radiographic Geometry for Spinal X-Ray Image Analysis 2026-Jan-28, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020059 PMID:41745424	研究论文	本文提出了一种名为SpineNeuroSym的神经几何成像框架，用于可解释的脊柱X射线图像分析	提出了一个统一几何感知学习和符号推理的神经几何成像框架，集成了可微放射几何模块、神经符号约束层和反事实几何扩散模块，以增强模型的可解释性和可信度	研究仅基于单中心医院的1613张脊柱X光片数据集，未提及外部验证或跨中心泛化能力	开发一种可解释、可信赖且可重复的医学影像AI系统，用于脊柱X射线图像的诊断分析	脊柱X射线图像	计算机视觉	脊柱疾病	X射线成像	图神经网络, Transformer	图像	1613张脊柱X光片，涵盖脊柱滑脱、感染、脊柱关节病、正常颈椎、正常胸椎和正常腰椎六个诊断类别	NA	双流图Transformer	准确率, 宏平均F1分数, AUROC	NA
2973	2026-03-01	Tuning Deep Learning for Predicting Aluminum Prices Under Different Sampling: Bayesian Optimization Versus Random Search 2026-Jan-28, Entropy (Basel, Switzerland) DOI:10.3390/e28020145 PMID:41751647	研究论文	本研究通过比较贝叶斯优化与随机搜索两种超参数调优方法，评估了LSTM和深度前馈神经网络在铝价预测中的性能	首次在铝价预测中系统比较贝叶斯优化与随机搜索对深度学习模型调优的效果，并验证了LSTM结合贝叶斯优化的优越性	仅使用历史价格数据，未考虑宏观经济指标、供需关系等外部影响因素；实验限于特定时间周期和数据频率	开发高效的铝价预测模型，比较不同超参数优化方法对深度学习模型性能的影响	铝现货价格的时间序列数据	机器学习	NA	时间序列分析	LSTM, 深度前馈神经网络, SVR	时间序列数据（日度、周度、月度）	未明确样本数量，使用多频率时间序列数据	未明确说明	LSTM, 深度前馈神经网络	RMSE, MAE, R平方	NA
2974	2026-03-01	A Deep-Learning-Enhanced Ultrasonic Biosensing System for Artifact Suppression in Sow Pregnancy Diagnosis 2026-Jan-27, Biosensors DOI:10.3390/bios16020075 PMID:41744694	研究论文	本研究开发了一种基于深度学习的超声生物传感系统，用于抑制母猪妊娠诊断超声图像中的伪影	提出了一种基于YOLOv8架构的轻量级深度神经网络，作为智能检测层，能同时识别和掩蔽伪影区域并检测关键解剖特征，实现伪影感知的可视化增强	NA	解决B型超声成像中的声学伪影问题，以提高母猪妊娠诊断的准确性	母猪妊娠超声图像	计算机视觉	NA	B型超声成像	DNN	图像	NA	NA	YOLOv8	平均交并比, 峰值信噪比, 结构相似性指数, 准确率	NA
2975	2026-03-01	Enhanced 30 m Impervious Surfaces for China (2020, 2022) via 2 m/30 m Data Fusion 2026-Jan-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06619-3 PMID:41580403	研究论文	本研究通过融合2米高分辨率影像与30米Landsat数据，生成了2020年和2022年中国30米分辨率不透水面覆盖数据集	采用区域自适应深度学习策略，结合多源遥感数据（2米影像、Landsat年度合成数据、SRTM高程数据）进行数据融合，并利用熵引导分层采样方法生成高质量训练样本	数据集覆盖范围受限于2米卫星影像的可用区域，仅包括中国大陆及邻近可获得输入影像的地区	生成高精度、时空连续的中国不透水面覆盖数据集，支持城市动态分析、环境监测和区域规划等应用	中国大陆及邻近地区的不透水面覆盖	遥感与地理信息科学	NA	卫星遥感影像融合、深度学习	深度学习模型	卫星影像、高程数据	使用熵引导分层采样和专家视觉解释生成的高质量训练与验证样本	NA	NA	空间平均F1分数	NA
2976	2026-03-01	Time Series Prediction of Open Quantum System Dynamics by Transformer Neural Networks 2026-Jan-23, Entropy (Basel, Switzerland) DOI:10.3390/e28020133 PMID:41751636	研究论文	本文提出了一种基于Transformer神经网络的时间序列预测模型，用于预测开放量子系统的动力学演化	采用正算子值测度方法将密度矩阵转换为概率分布，并基于Transformer构建时间序列预测模型，有效捕获系统历史演化模式并准确预测未来行为，包括稳态行为	NA	模拟开放量子系统的动力学演化，解决Lindblad主方程数值精确解计算成本高的问题	开放量子系统	机器学习	NA	正算子值测度	Transformer	时间序列数据	NA	NA	Transformer	保真度	NA
2977	2026-03-01	Towards accurate artificial intelligence models for strain-level phage-host prediction 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag085 PMID:41744225	综述	本文综述了菌株水平噬菌体-宿主相互作用预测的人工智能模型的最新进展，并分析了其在临床噬菌体治疗中的应用挑战	系统回顾并比较了基于生物学特征、混合表示学习、系统发育无关的机器学习以及端到端深度学习等多种新型人工智能模型在菌株水平预测中的应用	当前模型面临数据稀疏、不平衡、标签依赖实验、感染复杂性以及泛化能力有限等共享结构约束	开发更稳健、可解释且临床可转化的菌株水平噬菌体-宿主相互作用预测系统	噬菌体与宿主之间的相互作用	机器学习	NA	基因组信息分析	NA	基因组数据	NA	NA	NA	NA	NA
2978	2026-03-01	Artificial intelligence-powered prediction of diabetic complications: from clinical data to molecular omics 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag083 PMID:41744227	综述	本文系统综述了2015年至2025年间应用人工智能预测糖尿病并发症的研究，重点关注糖尿病视网膜病变、糖尿病肾病和糖尿病心血管疾病	提出了跨尺度和多模态数据融合的新范式，并总结了一个从数据管理到临床部署的六步可操作框架与转化路径	作为一篇叙事性综述，其结论基于对现有文献的系统性调查，而非原始研究，可能受纳入研究质量和偏倚的影响	为糖尿病并发症的风险预测和临床决策支持提供人工智能工具的综述与路线图	糖尿病并发症，特别是糖尿病视网膜病变、糖尿病肾病和糖尿病心血管疾病	机器学习	糖尿病并发症	NA	传统机器学习，深度学习，大语言模型，基于智能体的系统	临床特征，分子组学数据，医学影像，多模态数据	共纳入58项研究	NA	NA	NA	NA
2979	2026-03-01	PLXFPred: interpretable cross-attention networks with hierarchical fusion of multi-modal features for predicting protein-ligand interactions and affinities 2026-Jan-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf662 PMID:41512285	研究论文	提出一种名为PLXFPred的可解释跨模态融合模型，用于预测蛋白质-配体相互作用和结合亲和力	采用跨模态交叉注意力机制融合序列和图特征，并结合多模态分层融合策略，通过残差连接和条件域对抗学习提升泛化能力	未明确说明模型对未知蛋白质-配体对的泛化能力的具体限制条件	快速准确地预测蛋白质-配体相互作用和结合亲和力，以推动结构生物学发展	蛋白质-配体相互作用和结合亲和力	机器学习	NA	氨基酸序列和SMILES的物理化学性质提取，预训练模型特征提取	GATv2, BILSTM	序列数据（氨基酸序列、SMILES）、图结构数据	NA	PyTorch（基于GitHub代码库推断）	GATv2, BILSTM, 跨模态交叉注意力网络	RMSD, MAE, SD	NA
2980	2026-03-01	Understanding Artificial Intelligence (AI) for the Electrophysiologist 2026 Jan-Feb, Indian pacing and electrophysiology journal DOI:10.1016/j.ipej.2026.01.010 PMID:41621626	综述	本文为电生理学家提供关于人工智能的实用入门指南，支持其知情评估和负责任的临床采纳	系统梳理了AI在电生理学中的历史演变、核心方法概念、常见失败模式及监管评估，并展望了个体化建模、资源受限环境下的专家决策支持等未来方向	作为综述文章，未提出新的AI模型或进行实证验证，主要基于现有文献进行总结和评述	为电生理学家提供评估和临床采纳AI工具的知识框架	人工智能在临床电生理学中的应用，包括自动ECG解读、心律失常检测、风险分层、手术规划和流程支持	机器学习	心血管疾病	NA	机器学习, 深度学习, 生成式AI, 大语言模型	NA	NA	NA	NA	分析性能, 临床效用	NA