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
4701	2026-04-14	Machine learning for evolutionary genetics and molecular evolution 2026-Mar-24, Trends in genetics : TIG IF:13.6Q1 DOI:10.1016/j.tig.2026.01.013 PMID:41881768	综述	本文综述了机器学习在进化遗传学和分子进化领域的应用进展与挑战	强调了人工智能在连接基因型、表型和进化历史方面的潜力	NA	探讨机器学习在遗传学和进化研究中的应用	进化遗传学和分子进化	机器学习	NA	NA	深度学习	大规模数据	NA	NA	NA	NA	NA
4702	2026-04-14	Cardiovascular and Autonomic Phenotypes Reveal Distinct Mechanisms of Sepsis Decompensation via Deep Learning 2026-Mar-23, Research square DOI:10.21203/rs.3.rs-9136766/v1 PMID:41928797	研究论文	本文开发了一种深度学习框架，利用ICU患者的生理波形数据识别脓毒症的四种生理表型，揭示了不同的自主神经和外周血管特征，并关联了临床结局	首次利用深度学习从连续记录的生理波形（如心电图、光电容积脉搏波和呼吸阻抗）中提取脓毒症生理表型，超越了传统间歇性临床变量的依赖，并实现了实时床边表型分类	研究基于ICU患者的回顾性数据，可能受限于样本选择和波形质量，且表型的普适性需在更广泛人群中验证	识别脓毒症的异质性生理表型，以支持精准医疗和改善临床结局	符合Sepsis-3标准的ICU患者	机器学习	脓毒症	深度学习，特征提取，聚类分析	Transformer	生理波形数据（心电图、光电容积脉搏波、呼吸阻抗）	2,174名ICU患者	NA	Feature Tokenizer Transformer encoder	死亡率，休克发生率，血管加压药使用率，机械通气率，28天生存轨迹	NA
4703	2026-04-14	Opioid Overdose Death Prediction with Graph Neural Networks 2026-Mar-22, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.18.26348454 PMID:41890993	研究论文	本文提出了一种时空图神经网络框架，用于预测美国俄亥俄州县级阿片类药物过量死亡人数	结合图神经网络捕捉县级空间关系与LSTM网络建模时序动态，并采用基于分类的策略提升小县预测性能	研究仅针对俄亥俄州88个县，模型在其他地区的泛化能力未经验证	提升县级阿片类药物过量死亡的预测准确性，以支持及时的公共卫生干预	美国俄亥俄州各县的阿片类药物过量死亡数据	机器学习	药物滥用	时空数据建模	GNN, LSTM	时序数据，空间数据	88个县从2017年第一季度至2023年第二季度的季度数据	NA	时空图神经网络	NA	NA
4704	2026-04-14	Simultaneous multi-disease detection from the same leaf: a generalized approach using deep learning and image splitting 2026-Mar-20, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15141-3 PMID:41857409	研究论文	提出一种基于深度学习的通用方法，用于从同一叶片上同时检测多种植物病害	通过图像分割和隔离方法，实现了对同一叶片上多种病害的独立识别与流行率计算，并能泛化到训练中未见过的新作物	在受控环境下表现良好，但在真实田间条件下的稳定性仍需进一步研究	开发一种通用的植物多病害同时检测方法	植物叶片图像	计算机视觉	植物病害	NA	CNN	图像	基于PlantVillage数据集创建的新版本数据集	NA	Small Inception, MiniVGGNet, LeNet5	分类性能	NA
4705	2026-04-14	Deep learning approach to identify histological features associated with lymph node metastasis following primary tumor excision in patients with tongue squamous cell carcinoma 2026-Mar-19, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.03.006 PMID:41968024	研究论文	本研究开发了一种基于深度学习的半自动检测器，用于量化舌鳞状细胞癌HE切片中的低分化巢，以评估其与宫颈淋巴结转移的关联	首次应用Faster R-CNN深度学习模型自动量化舌鳞状细胞癌HE切片中的低分化巢，探索其作为术后淋巴结转移风险分层的新生物标志物	回顾性单中心研究，样本量有限（115例），独立验证队列较小（20例），模型特异性相对较低	评估深度学习量化低分化巢与舌鳞状细胞癌宫颈淋巴结转移的关联，探索术后风险分层方法	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	HE染色	CNN	图像	115例舌鳞状细胞癌患者（1998-2016年），外加20例独立验证病例	NA	Faster R-CNN	AUC, 敏感性, 特异性	NA
4706	2026-04-14	Radiomics and deep learning fusion model based on multiphasic CT for predicting HER2 expression status in bladder urothelial carcinoma: a multicenter study 2026-Mar-15, Translational andrology and urology IF:1.9Q3 DOI:10.21037/tau-2025-1-899 PMID:41971125	研究论文	本研究基于多期相CT构建了一个融合放射组学和深度学习的多模态模型，用于预测膀胱尿路上皮癌的HER2表达状态	首次将2.5D ResNet50深度学习模型与放射组学特征及临床特征融合，用于基于多期相CT非侵入性预测BLCA的HER2表达状态，并在多中心数据上验证了其优越性能	研究为回顾性设计，可能存在选择偏倚；模型性能仍需在前瞻性队列和更广泛人群中进一步验证	构建一个非侵入性的影像学多模态模型，以预测膀胱尿路上皮癌的HER2表达状态，辅助ADC疗法患者选择	膀胱尿路上皮癌患者	数字病理学	膀胱癌	多期相增强CT成像，免疫组织化学	CNN	医学影像	来自三个机构的411名患者	NA	ResNet50	AUC, 准确率, 灵敏度, 特异性	NA
4707	2026-04-14	Hydrogeochemical assessment and groundwater fluoride prediction in Bathinda district using deep learning 2026-Mar-14, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15160-0 PMID:41832344	研究论文	本研究利用深度学习技术预测印度巴廷达地区地下水氟化物污染，并结合水化学评估与空间分析	首次在巴廷达地区整合统一空间采样、水化学评估与深度学习预测模型，并应用数据增强技术提升模型鲁棒性	研究局限于巴廷达地区，样本量相对较小，且模型在其他地理区域的泛化能力未经验证	自动化预测地下水氟化物浓度，评估季节性水化学变化，以支持地下水管理与公共健康规划	巴廷达地区的地下水样本	机器学习	NA	水化学参数分析（APHA标准）、GIS空间采样、数据增强（最近邻插值）	CNN, LSTM, DNN, 混合CNN-LSTM	水化学参数数据、空间数据	226个地下水样本（雨季前后），通过数据增强生成30,000个合成点	NA	卷积神经网络、长短期记忆网络、深度神经网络、混合CNN-LSTM	R值（相关系数）	NA
4708	2026-04-14	Simulating the spatial and temporal evolution of land use/cover and carbon storage based on the U-Net-Attention-ConvLSTM model: a case study of Kunming, China 2026-Mar-11, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15132-4 PMID:41811377	研究论文	本研究提出了一种结合U-Net、注意力机制和ConvLSTM的新型深度学习模型UNA-CL，用于模拟土地利用/覆盖变化，并耦合InVEST模型评估碳储量的时空演变	提出了一种新颖的U-Net-Attention-ConvLSTM（UNA-CL）深度学习模型，首次将U-Net架构、注意力机制和ConvLSTM集成用于LULCC模拟，并耦合InVEST模型进行碳储量评估	研究案例仅限于中国昆明地区，模型在其他地理区域的普适性有待验证	提高土地利用/覆盖变化模拟的准确性，并评估其对陆地生态系统碳储量的影响	中国昆明地区的土地利用/覆盖变化及碳储量	计算机视觉, 机器学习	NA	深度学习, 空间模拟	CNN, LSTM	土地利用/覆盖空间数据	昆明地区2000-2020年的土地利用/覆盖数据	NA	U-Net, ConvLSTM, 注意力机制	总体精度	NA
4709	2026-03-07	Development and validation of a deep learning radiomics model based on ultrasound and clinical features to predict prognosis in elderly patients with advanced pancreatic cancer after HIFU therapy 2026-Mar-05, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-026-04716-6 PMID:41787298	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4710	2026-04-14	Interpretable ESG-sentiment hybrid deep learning for asset return forecasting with quantified interactions and latency-aware deployment 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41985-3 PMID:41781523	研究论文	本文提出了一种用于资产回报预测的可解释混合深度学习框架，该框架结合了时间融合变换器、支持向量回归残差校正器以及ESG特征与基于方面的金融情感的显式门控后期融合	引入了可解释的混合框架，通过门控机制学习何时强调可持续性信号与情感信号，并使用SHAP交互值和Friedman's H量化跨资产和不同市场状态下的ESG-情感交互作用	研究主要集中于美国大盘科技股、全球主要指数和BTC/ETH，可能无法推广到所有资产类别或市场	开发一个可解释的混合深度学习框架，以准确预测资产回报，并理解ESG评分和新闻情感信号之间的交互作用及其对预测的改进时机	美国大盘科技股、全球主要指数以及BTC/ETH（比特币/以太坊）	机器学习	NA	NA	Temporal Fusion Transformer, Support Vector Regression, FinBERT-based ABSA	金融时间序列数据、ESG评分数据、新闻情感数据	2020-2024年期间的数据，使用252个交易日训练/10天测试的回测协议	NA	Temporal Fusion Transformer, BiLSTM	平均绝对误差, 均方根误差, 方向准确性, 信息系数, 信息系数信息比率	NA
4711	2026-03-06	Deep learning for vessel segmentation and flow analysis to identify clusters associated with adverse outcomes in a fontan patient registry 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40738-6 PMID:41781549	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4712	2026-04-14	Deep learning-enabled ECG system for detecting left ventricular hypertrophy and predicting cardiovascular prognoses 2026-Mar-04, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00536-2 PMID:41781965	研究论文	本研究开发了一种基于深度学习的ECG系统，用于检测左心室肥厚并预测心血管预后	开发了一种AI-ECG-LVH模型，提供了一种直接、经济、无创的左心室肥厚筛查和首次接触风险分层方法	未明确说明模型的具体架构细节和计算资源使用情况	开发深度学习ECG系统以检测左心室肥厚并评估其与心血管预后的关联	来自两家医院的46,007名患者	机器学习	心血管疾病	心电图, 超声心动图	深度学习模型	心电图数据	40,736名患者用于模型开发与内部验证，6,271名患者用于外部验证	NA	NA	AUC	NA
4713	2026-04-14	Collaborative Multiscale and Wavelet-Based Fusion Network for Leakage Area Semantic Segmentation of Ultrawide Field Fluorescein Angiography 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.22 PMID:41873903	研究论文	本文提出了一种结合多尺度采样、二维小波变换和指数移动平均机制的深度学习框架，用于超广角荧光素血管造影图像中渗漏区域的语义分割	提出了一种结合多尺度采样、二维小波变换和指数移动平均机制的新型深度学习框架，并引入了交叉引导邻域细化策略以增强边界准确性	NA	提高超广角荧光素血管造影图像中渗漏区域的语义分割准确性和计算效率	超广角荧光素血管造影图像中的渗漏区域	计算机视觉	糖尿病视网膜病变	超广角荧光素血管造影	深度学习框架	图像	来自广东省人民医院和佛山市第二人民医院的超广角荧光素血管造影数据集	NA	UNet-Wavelet	NA	NA
4714	2026-04-14	Enhancing depression diagnosis with augmented brain signal driven decorrelated graph neural networks 2026-Mar-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01395-y PMID:41772142	研究论文	本研究提出了一种基于图神经网络的深度学习框架BrainADNet，用于增强重度抑郁症（MDD）的诊断精度	提出了BrainADNet框架，通过数据增强解决训练数据稀缺问题，并引入解相关正则化器以减少过拟合，同时整合了人口统计学因素（如年龄、教育、性别）以提升诊断的临床相关性	未明确提及研究的具体局限性，例如样本来源的多样性、模型的外部验证或潜在的泛化能力问题	开发一个准确诊断重度抑郁症（MDD）的模型，并探究不同抑郁阶段及性别特异性神经机制	重度抑郁症（MDD）患者，特别关注不同抑郁阶段（单次与多次发作）及性别差异	机器学习	神经精神疾病	脑信号分析，图神经网络	GCN	脑信号数据，图数据	NA	PyTorch	Skip-Graph Convolutional Network	诊断精度	NA
4715	2026-04-14	Amide proton transfer-weighted (APTw) CEST MRI in clinical routine for single time point diagnosis of pseudoprogression in IDH-wildtype glioblastoma 2026-Mar-01, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noaf261 PMID:41233976	研究论文	本研究评估了酰胺质子转移加权（APTw）MRI在临床常规中用于单时间点诊断IDH野生型胶质母细胞瘤假性进展的可行性和诊断性能	首次将APTw MRI整合到脑肿瘤成像的常规临床工作流程中，并利用基于深度学习的3D肿瘤分割方法自动量化APTw信号，以区分进行性疾病和治疗相关效应	诊断准确性在抗血管生成治疗应用后和后期随访时间点下降，且样本量相对有限（65次扫描）	评估APTw MRI在区分胶质母细胞瘤进行性疾病和治疗相关效应（特别是假性进展）中的临床可行性和诊断性能	IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	酰胺质子转移加权（APTw）MRI，扩散加权成像（DWI），灌注加权成像（PWI）	深度学习	MRI图像	626名患者的870次扫描，其中143名胶质母细胞瘤患者的256次MRI扫描，包含65次进行性疾病（42例）或治疗相关效应（23例）的扫描	NA	NA	ROC曲线下面积（AUC）	NA
4716	2026-04-14	Artificial Intelligence in Prostate MRI: Addressing Current Limitations Through Emerging Technologies 2026-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70189 PMID:41348934	综述	本文综述了人工智能在解决前列腺MRI当前局限性方面的进展，涵盖分流、加速采集与重建、图像质量保证、诊断和预后五个领域	综合评估了AI在前列腺MRI中多个应用领域的证据水平、验证状态和采用障碍，并强调了从原型到常规实践的转化挑战	分流、质量控制和预后领域仍处于早期发展阶段，且需确保跨人群的公平性能、纳入不确定性估计并进行前瞻性工作流试验	探讨人工智能如何解决前列腺MRI在临床管理路径中的局限性，以促进其作为可扩展平台用于早期检测和人群级前列腺癌管理	前列腺MRI图像及其在癌症检测、风险分层和预后建模中的应用	数字病理学	前列腺癌	MRI	深度学习, 机器学习	图像	NA	NA	NA	非劣效性	NA
4717	2026-04-14	Migrating in a Warming World: A Deep Learning Approach to Predict Pan-American Seasonal Shifts in the Monarch Butterfly Niche 2026-Mar, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70805 PMID:41891163	研究论文	本研究开发了一种时间感知的深度学习物种分布模型，用于预测帝王蝶在气候变化下的季节性生态位迁移	提出了一种时间感知的深度学习物种分布模型，能够捕捉迁徙物种的季节性动态，相比传统静态模型在预测准确性和时间泛化性方面表现更优	模型主要依赖气候变量，可能未完全考虑其他生态因素如栖息地质量、人类活动等对物种分布的影响	预测帝王蝶在气候变化下的季节性生态位迁移，为迁徙物种保护提供科学依据	帝王蝶（Danaus plexippus）	机器学习	NA	深度学习物种分布建模	深度学习模型	物种出现记录、月度气候变量数据	来自美洲各地的帝王蝶出现记录，包括科学和公民科学来源	NA	NA	NA	NA
4718	2026-04-14	Social compatibility in opposite-sex prairie vole pairs is modulated by early-life sleep experience 2026-Mar, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003434 PMID:41894400	研究论文	本研究利用深度学习工具分析草原田鼠异性配对的社会互动，探讨早期睡眠经历对成年后社会亲和力的影响	首次在非人动物模型中量化验证了神经类型匹配现象（类似人类研究中的自闭症配对模式），并通过早期睡眠干扰模拟不同神经发育轨迹	研究仅使用草原田鼠单一物种，且早期睡眠干扰模型可能无法完全模拟人类神经发育障碍的复杂性	探究早期睡眠经历如何影响成年后的社会兼容性及配对行为	草原田鼠（Microtus ochrogaster）异性配对	动物行为学, 计算神经科学	神经发育障碍（模拟）	早期睡眠干扰（ELSD）, 深度学习行为分析	深度学习模型（未指定具体类型）	行为视频数据	草原田鼠配对群体（具体数量未说明）	未指定	未指定	社会亲和力指标、攻击行为频率、身体朝向角度	未指定
4719	2026-04-14	Automated lipid detection in spectroscopic optical coherence tomography using a weakly supervised deep learning network 2026-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.585222 PMID:41970572	研究论文	本研究开发了一种基于弱监督深度学习的框架，用于从光谱光学相干断层扫描数据中自动检测和定位脂质，以减少对密集人工标注的需求	将光谱信息引入OCT并结合弱监督深度学习，实现了无需硬件修改的自动、成分感知的组织表征，并利用Grad-CAM生成可解释的激活图	研究在兔主动脉组织上进行验证，尚未在人体临床数据中进行大规模测试	开发一种用于血管内成像的自动脂质检测和定位方法，以评估冠状动脉易损性	兔主动脉组织	计算机视觉	心血管疾病	光谱光学相干断层扫描	CNN	图像	未明确说明，使用兔主动脉组织样本	未明确说明	ResNet-34, CBAM	弧段级重叠一致性	NA
4720	2026-04-14	CC-DenseSTORM: deep learning enables colorimetry camera-based simultaneous two-color single-molecule localization microscopy with dense emitters 2026-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.587452 PMID:41970570	研究论文	本文提出了一种基于深度学习的CC-DenseSTORM方法，用于提高基于比色相机的双色单分子定位显微镜在密集发射体情况下的性能	引入了注意力门控标准卷积U-Net来消除结构伪影，并采用双通道自适应分类网络进行稳健的染料分类，从而在密集发射体条件下显著提升检测率	未明确提及实验样本量的具体限制或算法在其他细胞类型或更复杂生物环境中的泛化能力	开发一种改进的深度学习算法，以解决基于比色相机的双色单分子定位显微镜在密集发射体区域面临的结构伪影和低检测率问题	多发性骨髓瘤细胞	计算机视觉	多发性骨髓瘤	单分子定位显微镜	U-Net, 分类网络	图像	NA	NA	注意力门控标准卷积U-Net, 双通道自适应分类网络	检测率, 数据拒绝率, 串扰	NA