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
3561	2026-02-22	Hybrid deep learning-numerical modeling framework for long-term prediction of groundwater discharge and radionuclide transport 2026-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141346 PMID:41650601	研究论文	本研究提出了一种结合数值模型与深度学习方法的混合建模框架，用于提高地下水流量和放射性核素迁移长期预测的准确性和计算效率	提出了一种将自适应过程基础的全系统性能评估框架（APro-BIO）与图卷积长短期记忆（GC-LSTM）模型相结合的混合建模框架，用于高效、准确地预测地下水流量和放射性核素迁移	未明确说明模型在极端或未预见条件下的泛化能力，以及模型对输入数据质量和完整性的依赖程度	提高地下水流量和放射性核素迁移长期预测的准确性和计算效率，以评估深地质处置系统的安全性	地下水流量（GWD）和放射性核素迁移（RNT）	机器学习	NA	数值模拟（HydroGeoSphere, APro-BIO），深度学习	GC-LSTM（图卷积长短期记忆网络）	数值模拟输出数据（水位、地表水流、地下水补给、地下水流量、地下水流速、地下水位、放射性核素迁移）及van Genuchten参数	NA	NA	GC-LSTM	Kling-Gupta效率值	NA
3562	2026-02-22	Temporal fusion transformer-based forecasting of COVID-19 infection trends using environmental indicators 2026-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141381 PMID:41653747	研究论文	本研究开发并评估了一种基于时间融合变换器（TFT）的多变量时间序列预测模型，用于利用环境指标预测COVID-19感染趋势	创新点在于将静态和时变输入变量有效结合，利用废水质量、空气质量和天气条件等环境因素来预测COVID-19病例动态，并展示了环境变量能提升模型预测性能17%	模型在测试数据集中低估了病例数量，导致直接病例数预测可靠性较低	研究目的是开发有效的预测模型以支持公共卫生干预和医疗资源优化分配	研究对象为地区级别的COVID-19确诊病例和环境变量数据	机器学习	COVID-19	时间序列分析	Transformer	时间序列数据	2020年2月至2022年5月期间收集的地区级别COVID-19病例和环境变量数据集	NA	时间融合变换器（TFT）	R值	NA
3563	2026-02-22	GAST-NET: A multi-modal and multi-task deep learning framework for preoperative prediction of perineural invasion and prognostic risk in gastric cancer 2026-Feb-14, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106348 PMID:41719850	研究论文	本文提出了一种名为GAST-NET的多模态多任务深度学习框架，用于术前预测胃癌的神经周围浸润和预后风险	开发了端到端多模态多任务深度学习框架，整合肿瘤CT特征、内脏脂肪组织特征和临床变量，并引入自适应多尺度特征融合模块和跨尺度融合池化模块以增强跨模态表示	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	术前预测胃癌的神经周围浸润和五年预后生存风险	胃癌患者	数字病理学	胃癌	CT成像	深度学习	图像, 临床变量	777名患者，来自三个医疗中心，分为训练队列、内部测试队列和两个外部测试队列	NA	GAST-NET	AUC, 决策曲线分析	NA
3564	2026-02-22	Instance-level quantitative saliency in multiple sclerosis lesion segmentation 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36560-9 PMID:41622299	研究论文	本文提出了两种用于语义分割的实例级可解释性方法，以生成定量显著性图，并应用于多发性硬化症白质病变的MRI分割任务	扩展了SmoothGrad和Grad-CAM++方法，首次实现了语义分割中针对单个特定实例（如医学影像中的单个病变）的定量显著性分析	方法主要应用于多发性硬化症病变分割，尚未在其他疾病或影像模态中验证其泛化能力	开发实例级可解释性方法，以理解深度学习模型在语义分割任务中检测和勾画特定病变的决策机制	多发性硬化症患者的白质病变	医学影像分析	多发性硬化症	磁共振成像	深度学习	MRI图像	687名患者，共4023次FLAIR和MPRAGE MRI扫描	PyTorch	3D U-Net, nnU-Net, Swin UNETR	Dice系数, 真阳性率, 假发现率, 假阴性率	NA
3565	2026-02-22	MRI neuroimaging-based Alzheimer's disease stage classification using deep neural network with convolutional block attention module and GAN-style noise injection 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37226-2 PMID:41622348	研究论文	本研究提出了一种名为Neuro_CBAM-ADNet的诊断模型，用于基于MRI数字图像早期预测阿尔茨海默病的四个阶段	结合卷积块注意力模块（CBAM）和GAN风格噪声注入的深度神经网络，以提高阿尔茨海默病阶段分类的准确性	未提及具体局限性	开发一个计算机辅助系统，用于阿尔茨海默病的早期检测和阶段分类	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	CNN	图像	未提及具体样本量	未提及	Neuro_CBAM-ADNet	准确率	未提及
3566	2026-02-22	Explainable multi-modal approach for uncovering key predictors of stroke-risk from ECG, EMG, blood pressure, and respiratory signals 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37777-4 PMID:41629619	研究论文	本研究开发了一种可解释的多模态中风风险预测模型，整合了呼吸信号、血压、心电图和肌电图数据	首次将呼吸信号（二氧化碳和呼吸流量）整合到中风风险预测模型中，并应用可解释人工智能技术识别关键预测因子	样本量较小（64名受试者），需要在更大规模的数据集上进行验证	开发准确且可解释的中风风险预测模型，帮助临床医生理解和信任AI决策	中风风险预测	机器学习	心血管疾病	ECG, EMG, 血压监测, 呼吸信号监测	单层感知器	多模态生物信号（时间序列数据）	64名受试者	未明确说明	单层感知器	准确率	NA
3567	2026-02-22	Tropical dry forest land use/land cover change detection using semi-supervised deep learning algorithms and remote sensing 2026-Feb-02, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14897-4 PMID:41627523	研究论文	本研究提出了一种新颖的半监督深度学习框架，结合SAR和光学卫星影像，用于热带干旱森林的土地利用/土地覆盖变化检测	提出了一种结合无监督伪标签生成和定制Y-Net架构的半监督深度学习框架，能够在标记数据有限的情况下，融合光学与雷达影像实现精确的变化检测	研究主要针对热带干旱森林区域，其方法在其他生态系统或地理区域的普适性尚未验证	开发一种适用于数据稀缺区域的半监督深度学习框架，以改进热带干旱森林的土地利用/土地覆盖变化检测	热带干旱森林（TDFs）的土地利用/土地覆盖变化	遥感	NA	合成孔径雷达（SAR）、光学卫星遥感	深度学习	卫星影像（SAR与光学影像）	2017年至2021年哥伦比亚安蒂奥基亚考卡河谷的卫星影像	NA	Y-Net, U-Net, PSPNet	平均总体准确率（95.3%）、平均交并比（mIoU, 88.1%）	NA
3568	2026-02-22	Research on structural damage identification based on temporal power flow graph network 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37356-7 PMID:41629411	研究论文	提出了一种基于时序功率流图网络的结构损伤识别方法，通过将动态功率流嵌入图神经网络的消息传递过程，实现无监督损伤检测与定位	提出了时序功率流传播模块，将结构动力学中的能量传输特性显式表征并嵌入图神经网络，增强了模型的物理可解释性和泛化能力	未在真实大型土木结构上进行验证，主要基于数值模拟和缩尺基准框架测试	提高结构损伤识别的物理可解释性和泛化能力	大型土木结构	机器学习	NA	多传感器加速度响应分析	图神经网络	传感器时序数据	NA	NA	TPF-GNet	准确率	NA
3569	2026-02-22	Paired liver-spleen high-frequency ultrasound deep learning network for full-stage liver fibrosis classification and clinical benefit compared with 2D-SWE in chronic hepatitis B cohort: a prospective multicenter study 2026-Feb, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-025-02331-y PMID:41432913	研究论文	本研究开发并验证了一种基于配对肝脾高频超声图像的深度学习网络（LS-Net），用于慢性乙型肝炎患者的全阶段肝纤维化分类，并与现有方法进行了临床获益比较	首次提出使用配对肝脾高频超声图像构建深度学习网络进行肝纤维化全阶段分类，并在多中心前瞻性研究中证明了其相较于单一肝脏图像网络、二维剪切波弹性成像及放射科医生评估的优越性能	研究为内部验证，需要进行外部验证以进一步确认模型的泛化能力；样本量（598名患者）虽为多中心，但可能仍需更大规模的研究	开发一种更准确、无创的肝纤维化分期诊断工具，以改善慢性乙型肝炎患者的临床管理	慢性乙型肝炎患者	数字病理学	肝纤维化，慢性乙型肝炎	高频超声，二维剪切波弹性成像，肝活检	深度学习网络	高频超声图像	来自6家医院的598名慢性乙型肝炎患者，共2139张高频超声图像	NA	LS-Net, L-Net	AUROC	NA
3570	2026-02-22	SPARSE data, rich results: Few-shot semi-supervised learning via class-conditioned image translation 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102705 PMID:41512686	研究论文	提出一种基于GAN的少样本半监督学习框架，通过类别条件图像翻译和集成伪标签技术，在医学图像数据稀缺场景下提升分类性能	提出三阶段训练框架，结合类别条件图像翻译（而非从噪声生成）利用未标注数据，并采用基于指数移动平均的集成伪标签方法	仅在MedMNIST数据集上进行评估，未在更复杂的真实临床医学影像数据上验证	解决医学影像标注数据稀缺场景下的半监督分类问题	医学图像分类任务	计算机视觉	NA	图像翻译	GAN	图像	每类5-50个标注样本（少样本场景），使用11个MedMNIST数据集	PyTorch	GAN（包含生成器、判别器和独立分类器的三网络架构）	分类准确率	NA
3571	2026-02-22	A multi-expert deep learning framework with LLM-guided arbitration for multimodal histopathology prediction 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102704 PMID:41519030	研究论文	提出一种多专家深度学习框架，利用大型语言模型作为智能仲裁器，整合多模态病理学数据以提升预测性能和可解释性	首次将大型语言模型作为智能仲裁器引入多专家框架，动态整合视觉和临床数据，解决模型间分歧并提供透明决策	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种透明且可扩展的AI系统，用于数字病理学中的多模态预测	胃癌和乳腺癌的病理学图像及临床数据	数字病理学	胃癌, 乳腺癌	深度学习, 大型语言模型	CNN, Transformer, LLM	图像, 临床信息	HMU-GC-HE-30K（仅病理图像）, BCNB（多模态数据）	NA	CNN, ViT, LLaMA, GPT, Mistral	NA	NA
3572	2026-02-22	Automated 3D cephalometry: A lightweight V-net for landmark localization on CBCT 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102700 PMID:41519031	研究论文	本研究开发了一种轻量级V-net深度学习模型，用于在CBCT扫描中自动定位16个解剖标志点，以实现三维头影测量的自动化	开发了一种轻量级V-net模型，专门针对临床工作流程优化，能够在异质性数据集上实现快速且准确的标志点定位	模型仅在350个CBCT扫描数据集上进行训练，可能需要更多样化的数据以进一步提高泛化能力	开发自动化的三维头影测量工具，以减少处理时间和操作者依赖性	锥形束CT扫描中的解剖标志点	计算机视觉	NA	锥形束CT	CNN	三维医学图像	350个手动标注的CBCT扫描	NA	V-net	平均定位误差, 角度测量误差, 线性测量误差, Bland-Altman分析	NA
3573	2026-02-22	A hybrid Transformer-CNN framework for uncertainty-guided semi-supervised multiclass eye disease classification with enhanced interpretability 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102701 PMID:41520385	研究论文	提出了一种结合Transformer与CNN的混合框架，用于不确定性引导的半监督多类眼病分类，并增强了模型的可解释性	提出了CNN-Transformer混合架构，引入了不确定性引导的MixMatch半监督学习框架，并开发了新颖的基于梯度的集成注意力图方法以提升可解释性	未明确提及，但可能包括数据集规模、模型泛化能力或计算资源需求	开发一种准确、可解释且能有效利用未标记数据的多类眼病自动分类方法	眼底图像	计算机视觉	眼病	深度学习	CNN, Transformer	图像	4215张眼底图像，涵盖四个类别	未明确提及	ConvNeXt, Transformer	准确率, Cohen's kappa分数, 敏感性, 特异性, AUC	NA
3574	2026-02-22	The 4D Human Embryonic Brain Atlas: Spatiotemporal atlas generation for rapid anatomical changes 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102702 PMID:41547005	研究论文	本研究提出了一种基于深度学习的群体配准和时空图谱生成方法，构建了4D人类胚胎大脑图谱，以捕捉胚胎大脑在妊娠8至12周内的快速解剖结构变化	引入了时间依赖性初始图谱并惩罚偏离该图谱的配准结果，确保在快速发育过程中保持特定年龄的解剖结构准确性	研究仅基于单中心队列（鹿特丹围孕期队列）的831张3D超声图像，样本来源和数量可能限制图谱的普适性	为正常胚胎大脑发育提供详细见解并识别异常，以改善产前神经发育障碍的检测、预防和治疗	人类胚胎大脑在妊娠早期的快速解剖发育过程	医学图像分析	神经发育障碍	3D超声成像	深度学习	3D超声图像	402名受试者的831张3D超声图像	NA	NA	解剖准确性（通过消融研究和视觉对比验证）	NA
3575	2026-02-22	MRI-based deep learning model predicts recurrent nasopharyngeal carcinoma in post-radiation nasopharyngeal necrosis 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102711 PMID:41621202	研究论文	本研究开发了一种基于深度学习的MRI模型，用于预测放疗后鼻咽坏死患者中是否存在复发性鼻咽癌	首次利用深度学习模型在PRNN患者中识别复发性鼻咽癌，结合了Video Swin Transformer和多层感知机，并构建了深度学习与临床模型的融合模型	NA	开发基于常规MRI的深度学习预测模型，以区分癌症浸润性PRNN与无癌PRNN	437名PRNN患者的MRI影像	医学影像分析	鼻咽癌	MRI	深度学习	图像	437名患者	NA	Video Swin Transformer, Multilayer Perceptron	AUC, 准确率, 灵敏度, 特异度	NA
3576	2026-02-22	3D CSFA-UNet: a unified attention-driven deep learning framework for accurate knee MRI segmentation and osteoarthritis severity classification 2026-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37847-7 PMID:41622323	研究论文	本文提出了一种统一的注意力驱动深度学习框架，用于膝关节MRI的精确分割和骨关节炎严重程度分类	提出了3D CSFA-UNet结合通道-空间特征注意力机制，引入了沙漠蝎子特征选择器进行特征选择，并采用尖峰Transformer网络进行分类，利用猎鹰狩猎优化进行超参数调优	未明确提及具体限制，但可能包括对特定数据集（OAI）的依赖以及计算复杂度在临床部署中的潜在挑战	提高膝关节MRI分割和骨关节炎严重程度分类的诊断精度、可解释性和效率	膝关节MRI体积数据	计算机视觉	骨关节炎	MRI	深度学习	3D图像	基于公开可用的OAI数据集，具体样本数量未明确提及	未明确提及，但可能涉及PyTorch或TensorFlow等深度学习框架	3D CSFA-UNet, Spiking Transformer	Dice相似系数, 交并比, 平均表面距离, 95百分位Hausdorff距离, 准确率, 精确率, 召回率, F1分数	未明确提及
3577	2026-02-22	Unified model with random penalty entropy loss for robust nasogastric tube placement analysis in X-ray 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102715 PMID:41637852	研究论文	本文提出了一种基于nnUNet的统一深度学习模型，结合分割与分类任务，用于X射线中鼻胃管放置的鲁棒性分析	引入了随机惩罚熵损失函数，动态调整训练中的熵惩罚，以增强模型的鲁棒性和泛化能力	未明确提及模型在更广泛数据集或不同医疗设备下的性能验证	提高鼻胃管放置评估的自动化和可靠性，减少人为错误	胸部X射线图像中的鼻胃管放置	计算机视觉	NA	X射线成像	深度学习模型	图像	内部数据集（来自三家韩国医院的5674张胸部X射线）和外部数据集（MIMIC-CXR）	PyTorch	nnUNet	F1分数, AUROC, MCE, ECE	NA
3578	2026-02-22	An interpretable machine learning framework with data-informed imaging biomarkers for diagnosis and prediction of Alzheimer's disease 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102722 PMID:41655407	研究论文	本研究提出了一种结合卷积神经网络特征提取与可解释增强机的可解释机器学习框架，用于阿尔茨海默病的诊断和预测	将数据驱动的CNN特征提取与EBMs的固有透明度相结合，实现群体和个体层面的可解释性，识别影像生物标志物	未在更广泛或多样化的外部队列中进行验证，可能影响泛化能力	开发一种可解释的机器学习框架，以改善阿尔茨海默病的早期和准确诊断与预测	阿尔茨海默病患者、轻度认知障碍患者及健康对照者	机器学习	阿尔茨海默病	神经影像学	CNN, EBM	影像数据	ADNI队列及独立外部队列	未明确指定	CNN, EBM	AUC	NA
3579	2026-02-22	Learning geometric and visual features for medical image segmentation with vision GNN 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102720 PMID:41655408	研究论文	本文提出了一种名为MedSegViG的新型医学图像分割模型，结合视觉图神经网络（ViG）和混合特征解码器，以提升分割精度和鲁棒性	将图像表示为图结构，利用ViG编码器提取多层次图特征和图像特征，并通过混合特征解码器融合，强调对象间关系，解决了传统网格结构方法对对象关系关注不足的问题	未在摘要中明确说明，可能包括模型在更复杂或多样病变类型上的泛化能力有待进一步验证	开发一种基于视觉图神经网络的医学图像分割方法，以提高分割准确性、鲁棒性和泛化能力	息肉、皮肤病变和视网膜血管三种类型的病变图像	计算机视觉	息肉, 皮肤病变, 视网膜血管疾病	深度学习	ViG	图像	六个数据集	NA	Vision GNN (ViG)	分割准确性, 鲁棒性, 泛化能力	NA
3580	2026-02-22	Developing an automatic decision-assistance tool to choose proton/photon radiotherapy for patients with prostate cancer 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70497 PMID:41704219	研究论文	本研究开发了一种自动决策辅助工具，用于为前列腺癌患者选择质子或光子放疗技术	提出了一种结合深度学习剂量预测模型和正常组织并发症概率（NTCP）计算的自动决策方法，以辅助临床选择放疗技术	样本量较小（48例患者），且仅针对前列腺癌，未涉及其他癌症类型	开发自动决策辅助工具，优化前列腺癌患者放疗技术（质子 vs 光子）的选择	前列腺癌患者	医学影像与放疗计划	前列腺癌	深度学习剂量预测	深度学习模型	放疗计划数据（剂量分布）	48例前列腺癌患者	NA	NA	平均绝对误差（MAE），准确性，AUC，p值	NA