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
5481	2026-03-06	Multi-channel attention-fusion neural network for brain age estimation: Accuracy, generality, and interpretation with 16,705 healthy MRIs across lifespan 2021-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102091 PMID:34038818	研究论文	本文提出了一种多通道注意力融合神经网络（FiA-Net），用于从健康脑部T1加权磁共振图像中准确估计大脑年龄，并提升模型的泛化能力和可解释性	首次将T1加权图像显式分割为对比度和形态学两个3D图像通道，并引入“带注意力的融合”深度学习卷积神经网络（FiA-Net），以优化不同脑解剖结构和特征层中图像通道的融合方式	NA	提高健康脑部MRI年龄估计的准确性、泛化性和可解释性，以辅助脑部疾病的早期检测	16,705名健康个体的T1加权磁共振图像，年龄跨度为0-97岁	数字病理学	NA	T1加权磁共振成像	CNN	图像	16,705名健康个体的MRI数据	NA	FiA-Net	平均绝对误差（MAE）, 皮尔逊相关系数（r）	NA
5482	2026-03-06	Metrics of sleep apnea severity: beyond the apnea-hypopnea index 2021-07-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsab030 PMID:33693939	综述	本文回顾了阻塞性睡眠呼吸暂停（OSA）严重程度评估指标的历史、预测价值及局限性，并探讨了替代指标和未来研究方向	系统性地批判了传统呼吸暂停低通气指数（AHI）的不足，并引入了缺氧负荷、觉醒强度、比值乘积和心肺耦合等新兴指标，同时展望了利用遗传学、生物标志物、机器学习/深度学习和可穿戴技术的未来研究方向	文章为综述性质，未提供原始实验数据或新模型的验证结果，主要基于现有文献进行分析和总结	评估和比较阻塞性睡眠呼吸暂停（OSA）严重程度的不同度量指标，探索更有效的诊断和预后评估方法	阻塞性睡眠呼吸暂停（OSA）患者及其相关临床数据	NA	阻塞性睡眠呼吸暂停	NA	NA	NA	NA	NA	NA	NA	NA
5483	2026-03-06	GestAltNet: aggregation and attention to improve deep learning of gestational age from placental whole-slide images 2021-07, Laboratory investigation; a journal of technical methods and pathology DOI:10.1038/s41374-021-00579-5 PMID:33674784	研究论文	本文提出GestAltNet模型，通过注意力机制和区域聚合来从胎盘全玻片图像中深度学习预测孕周	开发了GestAltNet模型，模拟人类对高产出区域的注意力并跨区域聚合数据，以改善胎盘全玻片图像中孕周的深度学习预测	NA	利用深度学习模型从胎盘全玻片图像中准确估计孕周，并研究绒毛成熟度的机器识别	胎盘全玻片图像	数字病理学	妊娠期糖尿病, 先兆子痫	全玻片图像扫描	深度学习模型	图像	36张未见过的全玻片图像用于测试	NA	GestAltNet	相关系数(r), 平均绝对误差(MAE)	NA
5484	2026-03-06	Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19 2021-02, Metabolism: clinical and experimental DOI:10.1016/j.metabol.2020.154436 PMID:33221381	研究论文	本研究探讨了心外膜脂肪组织（EAT）在胸部CT上的量化指标与COVID-19肺炎范围及不良临床结局之间的关联	首次利用深度学习软件量化EAT体积和衰减，并发现其与COVID-19肺炎负担及临床恶化或死亡风险独立相关	研究为回顾性分析，样本量较小（109例），且仅基于单中心数据，可能存在选择偏倚	评估EAT作为COVID-19患者肺炎程度和不良结局预测因子的临床价值	实验室确诊的COVID-19患者	数字病理学	COVID-19	胸部CT成像，深度学习软件分析	深度学习模型	医学影像（CT图像）	109例连续患者	NA	NA	回归系数（β），比值比（OR），相关性系数（r），p值	NA
5485	2026-03-06	Machine learning in cardiovascular magnetic resonance: basic concepts and applications 2019-10-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-019-0575-y PMID:31590664	综述	本文综述了机器学习（尤其是深度学习）在心血管磁共振（CMR）中的应用，涵盖图像采集、重建、分析、诊断评估及预后信息推导等领域	系统性地总结了ML在CMR中的最新进展，特别是在自动化心室量化、图像采集效率提升及多中心数据应用方面的创新	ML算法可能存在不可预测的失败风险，且应用需谨慎扩展至特定患者群体；缺乏多中心对照试验验证	探讨ML如何辅助临床医生和工程师提升CMR的成像效率、质量、分析及患者评估	心血管磁共振（CMR）图像及相关临床数据	机器学习	心血管疾病	心血管磁共振（CMR）	深度学习	图像	NA	NA	NA	NA	NA
5486	2026-03-06	Unsupervised Deep Learning for Bayesian Brain MRI Segmentation 2019-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-32248-9_40 PMID:32432231	研究论文	本文提出了一种结合概率图谱先验与深度学习的无监督方法，用于脑部MRI分割，无需手动标注数据	将传统概率图谱分割与深度学习结合，实现无需手动标注图像即可训练新MRI对比度下的分割模型	NA	开发一种无需手动标注的深度学习脑部MRI分割模型，适用于不同MRI对比度	脑部MRI扫描	医学图像分析	NA	MRI	深度学习模型	图像	数千个脑部MRI扫描	NA	NA	准确性	GPU
5487	2026-03-06	A Deep Unsupervised Learning Approach Toward MTBI Identification Using Diffusion MRI 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512556 PMID:30440621	研究论文	本文提出了一种基于深度无监督学习的方法，利用扩散MRI数据在创伤后一个月内识别轻度创伤性脑损伤	采用词袋表示法结合卷积自编码器，从扩散MRI图像中学习补丁级特征，以无监督方式提升损伤检测性能	训练数据有限，未提及外部验证或临床应用的详细评估	通过深度学习技术检测轻度创伤性脑损伤，提供更准确的损伤测量方法	轻度创伤性脑损伤患者的扩散MRI图像	计算机视觉	脑损伤	扩散MRI	卷积自编码器	图像	NA	NA	卷积自编码器	NA	NA
5488	2026-03-05	Development and Validation of an Automated Pipeline for the Detection of Monteggia Fracture Dislocations in Pediatric Radiographs 2026-Apr-01, Journal of pediatric orthopedics DOI:10.1097/BPO.0000000000003196 PMID:41395634	研究论文	本研究开发并验证了一种用于自动检测儿童X光片中Monteggia骨折脱位的深度学习流程	首次提出结合分割网络（U-Net++）测量桡骨头脱位与二分类器检测尺骨骨折的自动化流程，用于儿童Monteggia骨折的检测	研究样本量有限（桡骨分割训练320张，尺骨骨折检测训练157张），且为回顾性研究（证据等级III级），未在临床环境中进行前瞻性验证	开发一种自动化工具以提高儿童Monteggia骨折脱位在初始X光评估中的检出率	儿童肘部前后位（AP）和侧位X光片	计算机视觉	骨科损伤	X光成像	深度学习	图像	桡骨分割训练使用320张儿童肘部X光片（AP和侧位），尺骨骨折检测训练使用157对配对AP和侧位X光片	未明确提及	U-Net++	Dice分数, IoU, 灵敏度, 特异性, 准确率, AUC	NA
5489	2026-03-05	Enhanced PPG-based stress recognition: a transfer learning approach to internal vs. external stress 2026-Mar-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae241c PMID:41289696	研究论文	本研究通过建立内部与外部压力数据集，并引入基于迁移学习的跨范式压力识别模型，旨在提升基于PPG信号的自动化压力识别能力	提出了一个结合领域对抗神经网络和最大均值差异的迁移学习模型，用于从PPG信号中提取鲁棒特征，以区分内部和外部压力	未明确说明模型在更广泛人群或真实世界场景中的泛化能力	开发基于PPG信号的自动化压力识别方法，以区分内部和外部压力类型	107名参与者在四种不同压力诱导范式下采集的PPG信号	机器学习	NA	光电容积脉搏波描记法	领域对抗神经网络	PPG信号	107名参与者	NA	领域对抗神经网络	准确率	NA
5490	2026-03-05	Supervised Machine Learning and Graph Neural Networks to Predict Collision Cross-Section Values of Aquatic Dissolved Organic Compounds 2026-Mar-04, Journal of the American Society for Mass Spectrometry IF:3.1Q1 DOI:10.1021/jasms.5c00276 PMID:41505766	研究论文	本研究结合监督机器学习和深度学习，预测水环境中溶解有机化合物的碰撞截面值，以提升复杂环境混合物中分子结构的识别能力	首次整合多种监督机器学习模型与图神经网络，针对多种溶解有机分子类别预测CCS值，并利用北极海洋的高分辨率质谱数据进行验证	模型性能因分子类别和数据集特性而异，未详细讨论模型在极端环境条件下的泛化能力	开发一个数据驱动的框架，用于准确预测溶解有机化合物的碰撞截面值，以增强环境样品中的分子分类和污染物检测	水环境中的溶解有机分子，包括碳水化合物、烃类、木质素、脂质、蛋白质、单宁和未分配分子	机器学习	NA	高分辨率质谱	Gradient Boosted Regression, K-Nearest Neighbors, LASSO, Linear Regression, Partial Least Squares, Random Forest, Support Vector Regression, Voting Regressor, Graph Neural Network	分子指纹和结构描述符	NA	NA	图神经网络	准确度	NA
5491	2026-03-05	Real-time digital prescriptions unlock influenza dynamics: evidence from 21 million transactions 2026-Mar-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02513-9 PMID:41775925	研究论文	本研究通过分析中国最大的按需药品配送平台的2108万张数字处方交易数据，验证了其作为流感动态实时监测和长期预测的有效代理指标	首次大规模验证数字处方交易数据作为流感流行病学实时监测和预测的因果有效代理指标，并构建了一个集成了GNN、Mamba和LSTM的时空深度学习框架，实现了长达96天的流感预测	研究数据来源于单一平台，可能无法完全代表全国所有地区的用药行为；研究主要关注流感，对其他传染病的适用性有待验证	开发一种实时、准确的流感监测和预测方法，以克服传统监测系统的报告延迟问题	中国31个省份的2108万张数字处方交易数据	机器学习	流感	数字处方交易数据分析	GNN, Mamba, LSTM	交易数据	2108万张处方交易，覆盖中国31个省份	NA	GNN, Mamba, LSTM	平均绝对误差	NA
5492	2026-03-05	Letter to the Editor: Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2026-Mar-03, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12364-3 PMID:41774130	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5493	2026-03-05	WGB-GLFI: A Novel Graph-Based Global-Local Feature Interaction Framework for Automated Seizure Detection 2026-Mar-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668888 PMID:41774635	研究论文	本文提出了一种新颖的基于图的全局-局部特征交互框架（WGB-GLFI），用于自动癫痫发作检测	通过加权图构建（WGB）模块和全局-局部特征交互（GLFI）模块，统一建模空间连接性和动态模式，全面捕捉癫痫发作期间的动态空间关系，实现无缝的全局-局部特征融合	未明确提及具体局限性	提高癫痫发作检测的准确性和鲁棒性	癫痫患者	机器学习	癫痫	EEG	深度学习	EEG数据	多个数据集（CHB-MIT, Siena Scalp及私有数据集）	未明确提及	WGB-GLFI	准确率	未明确提及
5494	2026-03-05	A Deep Learning Framework for Identifying Essential Proteins Based on Vision Transformer 2026-Mar-03, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669744 PMID:41774661	研究论文	本文提出了一种基于Vision Transformer的深度学习框架EPViT，用于识别必需蛋白质	提出了一种结合蛋白质相互作用网络拓扑特征和无主观因素亚细胞定位特征的新特征矩阵，并首次将Vision Transformer模型应用于必需蛋白质识别任务	仅在酵母数据上进行了实验验证，未在其他生物数据上测试	提高必需蛋白质的识别率	必需蛋白质	机器学习	NA	多组学数据融合	Vision Transformer	蛋白质相互作用网络数据、亚细胞定位数据	NA	NA	Vision Transformer	识别率	NA
5495	2026-03-05	METRON: Metabolic Dynamic Perception Kolmogorov-Arnold Network for Biological Age Estimation 2026-Mar-03, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669919 PMID:41774660	研究论文	本文提出了一种名为METRON的深度学习框架，用于从类固醇代谢组学数据中预测生物年龄	提出了代谢物交互感知模块（MIPM）来捕获代谢网络中的复杂非线性相互作用，并集成了Group-Rational Kolmogorov-Arnold网络以增强表示能力	NA	预测生物年龄以评估健康风险和衰老干预措施	类固醇代谢组学数据	机器学习	老年疾病	类固醇代谢组学	深度学习	代谢组学数据	NA	NA	Kolmogorov-Arnold Network	NA	NA
5496	2026-03-05	Clinical value of ultra-low-dose chest CT with deep learning image reconstruction in the detection and characterization of pulmonary nodules 2026-Mar-03, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-026-01583-w PMID:41775904	研究论文	本研究评估了超低剂量CT结合深度学习图像重建在肺结节检测和诊断中的临床价值	首次将深度学习图像重建技术应用于超低剂量CT，实现了在显著降低辐射剂量的同时保持与标准剂量CT相当的图像质量和诊断准确性	样本量相对较小（115例患者），且为单中心研究，可能限制了结果的普适性	评估超低剂量CT结合深度学习图像重建技术在肺结节诊断中的临床价值	疑似肺结节的患者	数字病理学	肺癌	CT扫描	深度学习图像重建	医学影像	115例患者	NA	NA	CT值、噪声值、信噪比、主观诊断信心、恶性征象一致性	NA
5497	2026-03-05	Low-input deep learning platform for citrullinated peptide identification, autoantigen discovery and rheumatoid arthritis treatment stratification 2026-Mar-03, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-026-01628-4 PMID:41776034	研究论文	本研究开发了一种名为Iseq-Cit的低样本量深度学习方法，用于系统性分析瓜氨酸化蛋白质组，并基于此进行类风湿关节炎（RA）的自身抗原发现和治疗反应预测	开发了内部标准辅助的无富集高通量定量分析平台（Iseq-Cit），仅需常规方法1%的样本量即可实现全局瓜氨酸化蛋白质组分析；首次整合临床指标与瓜氨酸化数据构建预测模型；利用双向门控循环单元模型预测瓜氨酸化肽段的RA血清反应性	未明确说明模型在其他独立队列中的泛化能力；样本量虽较传统方法大幅减少，但纵向队列的具体规模未在摘要中详细说明	开发低样本量深度学习方法，实现瓜氨酸化肽段鉴定、自身抗原发现及类风湿关节炎治疗分层	类风湿关节炎风险个体及患者的血浆样本、瓜氨酸化蛋白质组数据、临床指标	生物信息学	类风湿关节炎	内部标准辅助的无富集高通量定量分析（Iseq-Cit）、酶联免疫吸附试验（ELISA）	双向门控循环单元（BiGRU）	肽段序列数据、临床数据、质谱数据	包含RA风险个体和RA患者的纵向队列（具体数量未明确），模型训练使用67,399条RA血清阴性肽段和8,816条RA血清阳性肽段	未明确说明	双向门控循环单元（BiGRU）	预测准确率（84.2%）	NA
5498	2026-03-05	Automated Measurement of Midpalatal Suture Density Ratio Based on Deep Learning 2026-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01877-4 PMID:41776128	研究论文	本研究开发了一种基于深度学习的自动化方法，用于量化中腭缝密度比，以快速评估上颌横向发育不足的骨骼反应性	首次提出基于深度学习的自动化中腭缝密度比测量系统，显著提高了测量效率和标准化程度	研究仅基于400例CBCT扫描，样本量有限，且未在不同设备或人群中进行外部验证	建立自动化、标准化的中腭缝密度比测量方法，以辅助快速上颌扩展治疗决策	锥形束计算机断层扫描图像中的中腭缝、硬腭和软腭区域	计算机视觉	上颌横向发育不足	锥形束计算机断层扫描	CNN	图像	400例CBCT扫描	NA	U-Net, Deeplab v3, Segformer	F1分数	NA
5499	2026-03-05	Attention-enhanced deep learning model for automated classification of hemorrhagic and ischemic stroke on CT imaging 2026-Mar-03, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03784-w PMID:41776569	研究论文	本研究提出了一种名为GCDCNet的轻量高效深度学习模型，用于CT影像中出血性和缺血性中风的自动分类	基于GhostNet轻量架构，结合SCSE注意力机制、扩张卷积和通道洗牌进行特征优化，以增强模型对病灶区域的关注并提升分类性能	NA	提高中风CT影像诊断的准确性和效率，以辅助临床决策	公共中风CT数据集，包括964例出血性中风和1551例缺血性中风	计算机视觉	中风	CT成像	CNN	图像	2515例中风CT影像	NA	GCDCNet, GhostNet	准确率, 召回率, F1分数, 精确率, AUC	NA
5500	2026-03-05	Distinct Tumor-Immune Ecologies in Patients with Lung Cancer Predict Progression and Define a Clinical Biomarker of Therapy Response 2026-Mar-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-1594 PMID:41418101	研究论文	本研究通过分析非小细胞肺癌患者治疗前后的多重组织图像，开发了一个结合空间统计、机器学习和深度学习的计算流程，以预测疾病进展并识别潜在的临床生物标志物	首次结合细胞分割、样方分析、空间统计与深度学习，系统揭示了肺癌患者肿瘤-免疫微生态的空间特征及其与治疗反应的关联，并发现这些空间生态特征比PD-L1状态更能预测疾病进展	样本量较小（仅9名患者），且患者反应类型仅限于疾病稳定和疾病进展，缺乏完全缓解和部分缓解的病例	开发一个计算框架来分析多重成像数据，以预测非小细胞肺癌患者对免疫治疗的响应，并识别相关的生物标志物	接受口服组蛋白去乙酰化酶抑制剂（伏立诺他）联合PD-1抑制剂（帕博利珠单抗）治疗的免疫治疗难治性非小细胞肺癌患者	数字病理学	肺癌	多重组织成像	深度学习	多重组织图像	9名患者的配对治疗前和治疗中样本	NA	NA	NA	NA