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
3521	2026-02-27	A Deep Learning-Generated Mixed Tumor-Stroma Ratio for Prognostic Stratification and Multi-omics Profiling in Bladder Cancer 2026, Research (Washington, D.C.) DOI:10.34133/research.1053 PMID:41602481	研究论文	本研究开发了一种基于深度学习的混合肿瘤-基质比率（MTSR）方法，用于膀胱癌的预后分层和多组学分析，并构建了基于术前多参数MRI的放射组学模型进行无创评估	首次提出混合肿瘤-基质比率（MTSR）作为膀胱癌预后指标，结合深度学习、多组学分析和放射组学模型，实现了从组织病理学到无创影像的整合风险分层	研究基于回顾性多中心队列，需要前瞻性验证；MRI放射组学模型的准确性有待进一步提高	开发膀胱癌预后分层工具并探索其分子机制	膀胱癌患者组织样本和影像数据	数字病理学	膀胱癌	全切片图像分析，RNA测序（bulk和单细胞），多参数MRI	CNN, 随机森林	组织病理学图像，RNA测序数据，MRI影像	多中心队列（具体数量未在摘要中明确说明）	未明确说明	ResNet50	分类准确率，Cohen's kappa，Cox回归，Kaplan-Meier分析，meta分析，准确性	NA
3522	2026-02-27	Diagnostically competitive performance of a physiology-informed generative multi-task network for contrast-free CT perfusion 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1703004 PMID:41669269	研究论文	本文提出了一种名为MAGIC的深度学习框架，用于从非对比CT图像生成无对比剂的CT灌注图	结合生成式人工智能与生理信息，将非对比CT映射到多个无对比剂的CT灌注图，并在损失函数中融入生理特征以提高图像保真度	NA	解决CT灌注成像成本高、可及性有限以及使用对比剂可能引起不良反应的问题	卒中患者的CT图像数据	医学影像分析	卒中	CT灌注成像	生成式多任务网络	CT图像	来自UF Health的卒中患者CT图像数据	NA	MAGIC	视觉质量，诊断准确性	NA
3523	2026-02-27	A Biomass-Inspired Hydrogel Patch for Intelligent Pain Monitoring and On-Demand Analgesia 2026, Research (Washington, D.C.) DOI:10.34133/research.1112 PMID:41684952	研究论文	本研究开发了一种基于生物质启发的多功能水凝胶贴片，用于智能疼痛监测和按需镇痛	首次构建了集成了AI辅助传感评估和按需治疗功能的可穿戴集成贴片，采用生物质复合材料实现实时疼痛监测与治疗	研究主要基于小鼠足底切口疼痛模型和特定疾病患者志愿者，未涉及更广泛的疼痛类型或长期大规模临床验证	开发一种可持续、客观的疼痛管理策略，实现实时疼痛监测与智能治疗	肩周炎和腰椎疾病患者志愿者，以及小鼠足底切口疼痛模型	生物医学工程	疼痛相关疾病	深度学习算法，光热镇痛技术	深度学习模型	运动相关信号数据	特定疾病患者志愿者和小鼠模型	NA	NA	准确率	NA
3524	2026-02-27	Toward ICE-XRF fusion: real-time pose estimation of the intracardiac echo probe in 2D X-ray using deep learning 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03493-z PMID:40824505	研究论文	本文提出了一种基于深度学习的实时姿态估计算法，用于支持心内超声与X射线的图像融合，以促进心内超声在瓣膜治疗中的应用	引入两阶段检测算法，结合目标检测网络和回归网络，实现心内超声探头的实时5自由度姿态估计，支持ICE-XRF融合	模型验证主要基于合成数据和少量临床病例（七例），可能需更多真实临床数据以验证泛化能力	促进心内超声在临床中的应用，通过图像融合技术改进瓣膜治疗的影像引导	心内超声探头在2D X射线中的实时姿态	计算机视觉	心血管疾病	深度学习	CNN	图像	合成数据及七例临床病例	NA	NA	F1分数, 精确度, 召回率, 位置误差, 旋转误差	NA
3525	2026-02-27	High-Fidelity Seismic Super-Resolution Using Prior-Informed Deep Learning With 3D Awareness 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3663926 PMID:41706771	研究论文	本文提出了一种结合先验知识与3D感知的深度学习框架，用于提高地震数据超分辨率的保真度与泛化能力	提出了一种融合真实合成训练数据生成、3D感知增强网络和先验知识微调策略的集成框架，有效解决了传统方法输出不真实和泛化能力有限的问题	未明确说明方法在极端地质条件下的适用性，且对无标签现场数据的依赖可能在某些场景下受限	提高地震数据垂直分辨率以改善薄层识别能力	地震数据	计算机视觉	NA	深度学习超分辨率	Transformer, CNN	地震图像数据	多个现场数据集（未指定具体数量）	NA	Swin-Transformer, 3D卷积块	保真度、泛化能力、空间一致性、频谱匹配	NA
3526	2026-02-25	Retraction: Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343285 PMID:41729793	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3527	2026-02-27	Deep locomotion prediction learning over biosensors, ambient sensors, and computer vision 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342793 PMID:41729836	研究论文	本文提出了一种融合生物传感器、环境传感器与计算机视觉的深度学习系统，用于人体运动预测学习	首次结合生物传感器信号、环境传感器数据与计算机视觉特征，并采用改进的隐马尔可夫模型与深度指数残差神经网络进行运动预测	未明确说明模型在实时应用中的计算效率及跨场景泛化能力的验证	开发智能系统以实现准确的人体运动预测学习	人体运动数据（包括生理运动、环境信号与视觉特征）	计算机视觉, 机器学习	NA	生物传感技术, 环境传感技术, 计算机视觉技术	隐马尔可夫模型, 深度神经网络	传感器信号, RGB图像, 身体关键点数据	基于五个不同场景的数据集（具体样本量未说明）	NA	改进的体感传感器隐马尔可夫模型, 深度指数残差神经网络	NA	NA
3528	2026-02-27	A deep learning-based evaluation system for child-friendly urban streets integrating abstract and concrete features-A case of Shanghai Urban Street 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342430 PMID:41729932	研究论文	本研究提出了一种融合抽象与具体特征的深度学习评价系统，用于评估儿童友好型城市街道	提出了一种结合可量化具体特征与从街景图像中提取的抽象特征的深度学习评价系统，为儿童友好街道的定量评估提供了新的技术路径	研究仅以上海市街道为案例，样本范围有限，且依赖于7-12岁儿童的感知调查数据	解决当前儿童友好城市街道评价方法主观性强、数据获取困难、效率低下的问题	上海市的儿童友好型城市街道	计算机视觉	NA	街景图像分析	CNN, 人工神经网络	图像, 量化特征数据	1322个街道样本，6724张街景图像	NA	ResNet18	准确率	NA
3529	2026-02-27	Mask - Region-based Convolutional Neural Networks (R-CNN) with Radiomics Integration and Gray Level Co-occurrence Matrix (GLCM) for brain tumor detection and segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342185 PMID:41729939	研究论文	本研究提出了一种结合Mask R-CNN、影像组学特征和灰度共生矩阵的混合方法，用于脑肿瘤的检测与分割	将手工提取的影像组学特征和GLCM纹理特征与Mask R-CNN提取的深度特征相结合，形成强大的混合特征集，充分利用了传统影像组学和深度学习的优势	NA	提高脑肿瘤的早期检测和分割精度，为临床医生提供准确诊断工具	脑肿瘤MRI图像	计算机视觉	脑肿瘤	磁共振成像	CNN	图像	NA	NA	Mask R-CNN	灵敏度, 特异性, 精确度	NA
3530	2026-02-27	A deep learning framework for gait-based frailty classification using inertial measurement units 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343402 PMID:41734192	研究论文	本文提出了一种结合可穿戴传感器测量与深度学习技术的先进衰弱评估方法，用于将个体分类为衰弱或非衰弱阶段	提出了一种基于信号窗口分割的参与者中心数据划分框架，并将其应用于深度学习算法，同时利用多个IMU传感器配置和安装位置进行增强的衰弱分析	NA	开发一种基于步态的衰弱分类方法，以早期检测和及时干预老年人的衰弱状况	老年人	机器学习	老年疾病	惯性测量单元（IMU）传感器测量	深度学习	传感器信号（IMU原始信号）	两个数据集（GSTRIDE和FRAILPOL），具体样本数量未明确	NA	InceptionTime	准确率, AUC, 精确率, 召回率, F1分数	NA
3531	2026-02-27	FORCE: Feature-Oriented Representation with Clustering and Explanation 2026-Jan, European journal of artificial intelligence and machine learning DOI:10.24018/ejai.2026.5.1.1076 PMID:41737733	研究论文	本文提出了一种基于SHAP值的监督深度学习框架FORCE，通过聚类和注意力机制增强模型对潜在结构的捕捉能力	提出两阶段使用SHAP值的方法：通过聚类绝对SHAP值指导模型训练，并利用潜在信息在架构中启动注意力机制	仅使用三个真实数据集进行评估，未在更广泛的数据集上验证通用性	通过利用潜在未观测结构来提高预测模型的准确性	多囊卵巢综合征等疾病的预测模型	机器学习	多囊卵巢综合征	SHAP（Shapley Additive exPlanations）值分析	深度学习	特征数据	三个真实数据集	NA	神经网络	F1分数	NA
3532	2026-02-27	Design of an AI-driven secure 5G-SDN framework with federated reinforcement learning for anomaly detection, mitigation, and attack forensics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1701944 PMID:41743650	研究论文	本文提出了一种集成高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的多层安全框架，用于5G-SDN网络中的异常检测、缓解和攻击取证	提出了一种结合高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的创新多层安全框架，实现了轻量级、低延迟、可扩展且隐私保护的异常检测与缓解	未明确提及框架在极端网络条件或新型未知攻击下的性能表现，以及实际大规模部署中的潜在挑战	为5G-SDN网络设计一个安全、可扩展、低延迟的入侵检测与缓解框架	5G软件定义网络中的数据平面异常、控制层入侵和分布式拒绝服务攻击	机器学习	NA	知识蒸馏、联邦强化学习、区块链技术	CNN, LSTM, Transformer, SNN	网络流量数据	使用多个基准数据集，包括CICIDS2017、UNSW-NB15、IoT-23和InSDN	NA	EfficientNet, Transformer	检测准确率、检测延迟、吞吐量退化、能耗	NA
3533	2026-02-27	Resilient Sinkhorn-Based Optimal Transport Late Fusion Framework for Breast Cancer Diagnosis 2026, Cancer informatics IF:2.4Q3 DOI:10.1177/11769351261420789 PMID:41743692	研究论文	本研究开发了一种基于Sinkhorn最优传输的晚期融合多模态深度学习框架，用于乳腺癌诊断，旨在解决临床数据异步、不配对或不完整等现实挑战	首次将乳腺癌晚期融合建模为最优传输问题，并采用动态重加权Sinkhorn融合层来处理数据异构性和模态缺失	研究为回顾性研究，性能评估在内部受控条件下进行，未在外部独立数据集上进行验证	开发并评估一种在数据异步、不配对或不完整情况下仍保持鲁棒性的、可临床部署的乳腺癌诊断多模态深度学习框架	乳腺癌诊断	数字病理学	乳腺癌	多模态深度学习	深度学习	组织病理学图像, 结构化临床风险因素	未明确说明具体样本数量	未明确说明	未明确说明具体架构，但包含为各模态定制的模型及Sinkhorn融合层	PR-AUC, 召回率, F1分数, Brier分数	未明确说明
3534	2026-02-27	Autonomic dysfunction and hypothalamic atrophy in frontotemporal dementia and primary psychiatric disorders 2026 Jan-Mar, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70284 PMID:41743836	研究论文	本研究探讨了额颞叶痴呆和原发性精神障碍中自主神经功能障碍与下丘脑萎缩的关系	首次使用深度学习方法分析MRI数据，比较了额颞叶痴呆、原发性精神障碍和对照组的自主神经症状与下丘脑体积的关联	样本量相对较小，特别是自主神经症状问卷数据部分，且研究为横断面设计，无法确定因果关系	研究额颞叶痴呆和原发性精神障碍中自主神经症状与下丘脑病理学的关系	额颞叶痴呆患者、原发性精神障碍患者和健康对照者	医学影像分析	额颞叶痴呆, 原发性精神障碍	MRI, 自主神经症状问卷	深度学习	MRI图像, 问卷数据	自主神经症状问卷数据：FTD n=31, PPD n=30, 对照 n=30；MRI数据：FTD n=259, PPD n=44, 对照 n=62	NA	NA	p值	NA
3535	2026-02-27	Assessing arterial stiffness using characteristics of Korotkoff sounds 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1654162 PMID:41743963	研究论文	本研究探讨了从袖带血压测量中记录的柯氏音中提取动脉僵硬度相关信息的可行性，并应用特征分析和机器学习方法进行分类	首次利用柯氏音特征结合机器学习评估动脉僵硬度，为临床和家庭环境提供了一种非侵入性、便捷的潜在评估工具	主要使用年龄作为替代标签，未评估临床结局，无法确定其在心血管风险分层中超越年龄和血压的增量价值，需要更大规模研究及前瞻性验证	评估从柯氏音中提取动脉僵硬度信息的可行性，并探索机器学习在血管老化相关群体区分中的应用	年轻参与者、老年参与者以及医院中测量了臂踝脉搏波速度的参与者	机器学习	心血管疾病	柯氏音记录、特征提取（时域和频域）	深度学习模型	音频信号（柯氏音）	123名年轻参与者、112名老年参与者、81名医院参与者	NA	NA	准确率	NA
3536	2026-02-27	Enhancing CBCT-based CT synthesis using planning MRI in adaptive proton therapy for head cancer: A deep learning approach 2025-Dec, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70367 PMID:41373115	研究论文	本研究提出了一种结合CBCT和MRI的深度学习方法来合成CT图像，以提升头癌自适应质子治疗中的剂量计算精度	首次将MRI数据整合到CBCT-based CT合成中，以改善软组织轮廓的恢复和剂量计算的准确性	数据集规模有限，未来需要更大数据集进行验证	提升自适应质子治疗中基于CBCT的CT合成质量，以改善剂量计算精度	头癌患者	医学影像分析	头癌	CBCT, MRI	cGAN, CycleGAN	图像	NA	NA	ResUnet, SwinUnet	HU误差, 剂量差异, 剂量分布	NA
3537	2026-02-27	Current State of Artificial Intelligence in Assessing Cardiac Function 2025-Nov-27, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-025-02314-8 PMID:41307845	综述	本文综述了人工智能在评估心脏功能方面的最新进展，涵盖心电图、超声心动图、心脏CT/MRI及电子健康记录等多种数据模态	整合了跨模态AI应用的最新成果，包括基础模型和多模态架构的兴起，这些技术推动了标签高效学习、自动化报告生成和可扩展的群体筛查	需要更多稳健的多中心验证、开源代码透明度和前瞻性试验来确认模型的泛化能力并量化患者层面的益处	综述人工智能在心血管医学中评估心脏功能的应用进展，旨在促进AI从概念验证向临床不可或缺工具的转变	心血管疾病，特别是心脏功能的评估	机器学习	心血管疾病	ECG, 超声心动图, 心脏CT/MRI, EHR文本分析	深度学习算法, 基础模型, 多模态架构	心电图, 图像, 文本	NA	NA	NA	准确性	NA
3538	2026-02-27	Impact of patient-specific deep learning lung organs-at-risk segmentation on accumulated dose in online adaptive 0.35 T MR-guided radiotherapy 2025-Nov-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae16fb PMID:41130258	研究论文	本研究评估了在0.35 T MR引导放疗中，使用患者特异性深度学习模型进行危及器官自动分割对累积剂量的影响	通过患者特异性微调预训练的3D U-Net模型，提升了危及器官分割的准确性，并改善了靶区覆盖和器官保护，为在线自适应MR引导放疗提供了更高效的解决方案	研究为回顾性分析，样本量较小（仅11名患者），且未考虑手动修改分割结果的情况	评估在在线自适应MR引导放疗中，使用未修改的深度学习方法进行危及器官分割对累积剂量的影响	11名接受0.35 T磁共振直线加速器治疗的肺癌患者	数字病理	肺癌	磁共振成像引导放疗	深度学习	磁共振图像	11名肺癌患者	NA	3D U-Net	分割准确性, D1cc, PTVD95%, GTVD98%, 剂量体积直方图参数	NA
3539	2026-02-27	Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases 2025-Nov, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.018 PMID:39954963	综述	本文综述了数字神经病理学与机器学习在神经退行性疾病研究中的当前进展与应用潜力	强调了利用全切片图像和先进机器学习/人工智能技术进行神经退行性疾病分析的计算神经病理学这一新兴领域，包括自动化疾病分期、识别新型形态学生物标志物以及通过多模态AI方法揭示新临床见解	领域面临专家标注有限、切片扫描不可及、机构间差异以及共享大型全切片图像数据集的复杂性等挑战	探讨计算神经退行性神经病理学如何增强神经病理学评估、诊断和研究，以推进对神经退行性疾病的理解	神经退行性疾病的神经病理学数据，特别是全切片图像	数字病理学	神经退行性疾病	全切片成像，机器学习/人工智能技术	深度学习模型，无监督学习模型，可解释AI模型	图像（全切片图像）	NA	NA	NA	NA	NA
3540	2026-02-27	ESCMID workshop: Artificial intelligence and machine learning in medical microbiology diagnostics 2025 Nov-Dec, Microbes and infection IF:2.6Q3 DOI:10.1016/j.micinf.2025.105562 PMID:40915468	会议报告	本文介绍了ESCMID举办的关于人工智能和机器学习在医学微生物学诊断中应用的研讨会内容	汇集了专家讲座、实践课程和小组讨论，全面探讨了AI/ML在病原体识别、抗菌药物敏感性预测和疫情检测等关键应用，并特别强调了标准化协议、监管合规和伦理考量	NA	探讨人工智能和机器学习在医学微生物学诊断领域的应用潜力、挑战和未来发展方向	医学微生物学诊断技术、AI/ML工具与平台	机器学习	NA	全基因组测序、MALDI-TOF质谱分析、数字显微镜	深度学习	基因组数据、质谱数据、显微图像	NA	NA	NA	NA	NA