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
5661	2026-01-26	Development and Validation of KCPREDICT: A Deep Learning Model for Early Detection of Coronary Artery Lesions in Kawasaki Disease Patients 2026-Jan, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03762-9 PMID:39825907	研究论文	本研究开发并验证了名为KCPREDICT的深度学习模型，用于早期检测川崎病患者的冠状动脉病变	开发了首个结合患者基本信息、临床体征和实验室测量的24个特征的深度学习模型KCPREDICT，用于川崎病冠状动脉病变的早期检测	研究数据仅来自单一医疗中心（上海儿童医学中心），可能影响模型的泛化能力	开发人工智能算法以区分川崎病患者的冠状动脉病变，支持入院时的诊断决策	川崎病患者	机器学习	心血管疾病	深度学习	决策树	结构化临床数据	1474例川崎病病例	NA	决策树	准确率, 精确率, 召回率, F1分数, AUROC	NA
5662	2026-01-26	Mimicking opioid analgesia in cortical pain circuits 2026-Jan, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09908-w PMID:41501467	研究论文	本研究揭示了前扣带回皮层在疼痛情感维度中的作用，以及吗啡如何选择性调节该皮层回路以产生镇痛效果，并开发了一种模拟阿片类药物作用的化学遗传学基因疗法	首次结合深度学习行为分析和纵向神经记录，识别出神经损伤后皮层活动模式的持续性变化，并利用合成μ-阿片受体启动子开发了靶向阿片敏感神经元的精准基因疗法	研究基于小鼠模型，人类临床应用效果需进一步验证；基因疗法的长期安全性和特异性有待评估	探究阿片类镇痛药如何调节皮层疼痛回路，并开发靶向性疼痛管理新策略	小鼠前扣带回皮层神经元及其在神经病理性疼痛中的动态活动	神经科学	慢性疼痛	深度学习行为分析、纵向神经记录、化学遗传学基因疗法	深度学习模型	行为视频数据、神经电生理记录	小鼠模型（具体数量未明确说明）	NA	NA	NA	NA
5663	2026-01-26	A deep learning-based model for automatic identification of mesopelagic organisms from in-trawl cameras 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340640 PMID:41563986	研究论文	本研究开发了一种基于深度学习的模型，用于自动识别拖网内摄像机拍摄的中层海洋生物图像	首次将YOLO11s目标检测模型应用于拖网内摄像机图像，实现了对北大西洋常见中层海洋生物群体的自动化识别，并比较了白光与红光照明条件下的模型性能	对磷虾和远洋虾等类别的识别精度较低（平均精度<0.80），需要更高分辨率图像和更大训练数据集来改进	开发自动化工具以增强声学数据的验证能力，无需增加采样时间	北大西洋中层海洋生物（灯笼鱼、银光鱼、梭子鱼、磷虾、远洋虾、胶状浮游动物、鱿鱼）及大型远洋鱼类	计算机视觉	NA	拖网内摄像系统（白光与红光照明）	CNN	图像	NA	NA	YOLO11s	加权平均精度, 平均精度	NA
5664	2026-01-26	Network intrusion detection using a hybrid graph-based convolutional network and transformer architecture 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340997 PMID:41564087	研究论文	本研究提出了一种结合图卷积层和Transformer编码器层的混合深度神经网络架构，用于网络入侵检测	提出了一种名为GConvTrans的混合模型，首次将图卷积网络与Transformer架构结合用于网络入侵检测，能够同时利用局部结构信息和全局上下文	模型性能依赖于高质量的攻击数据集，且在分布式云环境中捕获复杂动态模式的能力仍需改进	开发更有效的网络入侵检测系统以应对云环境中的复杂攻击	网络流量数据和网络入侵行为	机器学习	NA	NA	图卷积网络, Transformer	表格数据（网络流量数据）	使用CIC-IDS 2018数据集	NA	GConvTrans（图卷积层与Transformer编码器层的混合架构）	准确率	NA
5665	2026-01-26	Explainable depth-wise and channel-wise fusion models for multi-class skin lesion classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340901 PMID:41570053	研究论文	本研究系统探索了深度特征融合方法，用于多类别皮肤病变分类，旨在提高模型的准确性和临床可解释性	设计了六种不同的融合模型，结合了深度和通道融合策略，并整合了Vision Transformers的全局上下文感知能力，通过可解释AI分析揭示了融合策略如何影响临床可解释性	研究仅基于HAM10000数据集，可能未涵盖所有皮肤病变类型或临床场景	开发高性能、临床可靠且透明的AI驱动诊断工具，用于皮肤病变分类	皮肤病变图像	计算机视觉	皮肤病变	深度学习	CNN, Vision Transformer	图像	HAM10000数据集的7个类别	NA	CNN, Vision Transformer	加权平均精确率, 召回率, F1分数	NA
5666	2026-01-26	Automated Mycobacterium tuberculosis Detection in Multivariant Digitized Ziehl-Neelsen Staining Using Faster R-CNN Method 2026, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/6692222 PMID:41573264	研究论文	本研究开发了一种基于Faster R-CNN和ResNet-50的深度学习系统，用于自动检测Ziehl-Neelsen染色痰涂片中的结核分枝杆菌	采用Faster R-CNN结合ResNet-50架构，并应用多种数据增强技术（如随机旋转、翻转及颜色处理）来应对染色厚度变化导致的颜色强度不一致问题，实现了结核菌的自动化检测	未明确提及样本来源的多样性或外部验证结果，可能影响模型在更广泛场景下的泛化能力	开发一个自动化的结核分枝杆菌检测系统，以辅助医疗诊断	Ziehl-Neelsen染色痰涂片图像中的结核分枝杆菌	计算机视觉	结核病	Ziehl-Neelsen染色显微镜检查	Faster R-CNN	图像	未明确说明	TensorFlow	ResNet-50	准确率, 精确率, 召回率, F1分数	未明确说明
5667	2026-01-26	Pathological classification of non-ischaemic dilated cardiomyopathy based on deep learning 2026-Jan, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf113 PMID:41574032	研究论文	本研究利用基于深度学习的计算病理学方法，对非缺血性扩张型心肌病进行病理分类，以识别恶性心律失常和快速进展至终末期心力衰竭的高风险患者亚组	首次将深度学习与无监督聚类结合应用于NIDCM的病理组织切片分析，实现了基于病理特征的自动患者分层，并揭示了与临床高风险相关的独特病理亚组	研究为概念验证性质，样本量相对有限（293例患者），且未在独立队列中进行外部验证，LMNA突变在各病理亚组中的分布无显著差异可能影响遗传因素的整合分析	通过病理特征对非缺血性扩张型心肌病患者进行分层，识别恶性心律失常和快速疾病进展的高风险亚组	非缺血性扩张型心肌病接受心脏移植患者的病理组织切片	数字病理学	心血管疾病	深度学习计算病理学	深度学习模型	病理组织切片图像	293例NIDCM-HTx患者，共3516张心脏组织切片（每位患者6个代表性部位）	NA	NA	P值（用于比较恶性心律失常发生率和诊断至移植时间间隔的统计学差异）	NA
5668	2026-01-26	A pipeline for developing deep learning prognostic prediction models in cardiac magnetic resonance image analysis 2026-Jan, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf101 PMID:41574033	研究论文	本文提出了一种用于开发基于深度学习的预后预测模型的四步流程，专注于心脏磁共振图像分析	提出了一种专门针对心脏磁共振图像分析的深度学习预测模型开发流程，旨在改进心律失常风险预测	模型尚未在临床实践中广泛应用，需要进一步测试验证	开发深度学习预测模型以改进心脏磁共振图像分析中的预后预测，特别是心律失常风险	心脏磁共振图像，重点关注扩张型心肌病患者的心律失常事件预测	数字病理学	心血管疾病	心脏磁共振成像	深度学习模型	医学图像	NA	NA	NA	NA	NA
5669	2026-01-26	Automated estimation of computed tomography-derived left ventricular mass using sex-specific 12-lead ECG-based temporal convolutional network 2026-Jan, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf122 PMID:41574037	研究论文	提出一种基于12导联心电图和深度学习的左心室质量自动估计方法eLVMass-Net	采用同步单心跳波形处理和时序卷积网络作为心电图编码器，并开发了性别特异性模型以提高左心室肥厚分类性能	研究样本主要来自特定数据集（TW-CVAI和NTUH），可能限制模型的泛化能力	开发一种基于心电图的左心室质量自动估计方法	左心室质量	机器学习	心血管疾病	冠状动脉计算机断层扫描血管造影	TCN	心电图信号、人口统计数据、心电图参数	训练集1459例（TW-CVAI数据集），外部验证集2579例（NTUH数据集）	NA	时序卷积网络	平均绝对误差, 平均绝对百分比误差, c统计量	NA
5670	2026-01-26	A fully automated explainable predictive model for diagnosing pre-capillary and post-capillary pulmonary hypertension on routine unenhanced CT: results from the ASPIRE registry 2026-Jan, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf124 PMID:41574043	研究论文	本研究开发了一种全自动深度学习模型，用于从常规非增强CT图像中分割和分析心胸结构，以诊断肺动脉高压及其亚型	首次提出一种全自动可解释的预测模型，利用常规非增强CT图像进行多结构心胸分割，并用于诊断前毛细血管和后毛细血管肺动脉高压	模型在外部验证队列中表现良好，但样本量相对较小，且未提及模型在不同CT扫描仪或协议下的泛化能力	开发深度学习模型以从非增强CT图像中自动分割心胸结构，用于诊断肺动脉高压及其亚型	肺动脉高压患者，包括前毛细血管肺动脉高压和与左心疾病相关的肺动脉高压	数字病理学	心血管疾病	CT成像	深度学习模型	CT图像	机构队列55例（训练/验证/测试：35/9/11），外部队列50例（来自26家医院），诊断分析队列368例（训练/测试：254/114）	NA	NA	Dice相似系数, 组内相关系数, AUC, 敏感性, 特异性	NA
5671	2026-01-26	Rapid Nasal Breathing as a Biometric Trigger: High-Accuracy Electroencephalogram-Based Authentication for Clinical Applications 2026-Jan, The clinical respiratory journal DOI:10.1111/crj.70148 PMID:41574829	研究论文	本文提出了一种利用快速鼻呼吸诱发的脑电图信号进行身份认证的新方法，在临床应用中具有高精度	利用内在呼吸诱发的脑电图信号进行身份认证，无需外部刺激，提供了一种非侵入性且安全的生物识别替代方案	研究仅涉及13名健康志愿者，样本量较小，且未在临床患者群体中进行验证	开发一种基于脑电图的高精度身份认证系统，适用于临床环境	健康志愿者的脑电图信号，特别是由不同呼吸模式（口腔、鼻腔、慢速鼻腔、快速鼻腔呼吸）诱发的信号	机器学习	NA	脑电图采集与呼吸事件监测	混合深度学习模型	脑电图信号	13名健康志愿者	NA	NA	准确率	NA
5672	2026-01-26	Forecasting and Early Warning Systems for Dengue Outbreaks: Updated Narrative Review 2026, Revista da Sociedade Brasileira de Medicina Tropical IF:1.8Q3 DOI:10.1590/0037-8682-0429-2025 PMID:41563269	综述	本文对登革热疫情预测与预警系统进行了更新性叙事综述，重点分析了其方法学、变量、关键发现及现有文献中的不足	通过五阶段系统化方法（文献调查、主题范围定义、探索性综述、发现系统化分类、批判性分析与比较叙事综合），综合评估了预测模型与预警系统，特别关注了巴西等国的应用案例，并对比了不同系统的优劣	数据质量与可用性、模型在不同情境下的可复现性以及在公共卫生系统中的实际实施仍面临挑战	评估登革热疫情预测与预警系统的现状、方法及效果	登革热疫情预测模型与预警系统	机器学习	登革热	统计模型、机器学习、深度学习	Random Forest, LSTM	气象与气候变量、流行病学数据、昆虫学数据	NA	NA	NA	NA	NA
5673	2026-01-26	A wearable monitoring system for running gait analysis by diffusion transformer 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341066 PMID:41576002	研究论文	本研究提出了一种基于扩散变换器（DiT）的可穿戴监测系统，用于跑步步态分析，通过多传感器数据融合和深度学习架构实现高精度跑步姿态识别和实时运动监测	将扩散变换器（DiT）与长短期记忆网络（LSTM）结合，构建了DiT-LSTM跑步姿态识别模型，并在多传感器数据融合和自适应滤波算法的基础上，实现了高精度和实时的跑步步态分析	NA	开发一种高精度、实时性的可穿戴监测系统，用于跑步步态分析、运动健康监测和损伤预防	跑步姿态数据，通过九轴MEMS惯性传感器和超宽带（UWB）定位模块采集	机器学习	NA	多传感器数据融合，自适应滤波算法，深度学习	DiT, LSTM	传感器数据（惯性传感器和UWB定位数据）	Human3.6M数据集和HumanEva数据集	NA	DiT-LSTM	准确率, 精确率, 召回率, F1分数, AUC	NA
5674	2026-01-26	DualSightNet: A novel dual architecture for visual quality control of railway infrastructure 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340789 PMID:41576054	研究论文	本研究提出了一种名为DualSightNet的新型混合架构，用于铁路轨道表面缺陷的视觉质量控制	首次结合局部和全局特征提取，通过基于门控的融合机制，并利用注意力模块增强融合表示，实现了更稳健的多类缺陷识别	未明确提及	开发并稳健验证一个能够可靠分类广泛安全关键性铁路表面缺陷的深度学习模型	铁路轨道表面缺陷	计算机视觉	NA	深度学习	混合架构	图像	5,153张图像，覆盖七种缺陷类型	NA	DualSightNet	平衡准确率	NA
5675	2026-01-26	Epidemic dynamics prediction using fractional SIRD and deep learning 2025-Dec-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34299-3 PMID:41476141	研究论文	本文提出并分析了一种基于归一化Caputo-Fabrizio导数的分数阶SIRD流行病模型，结合深度学习技术进行疫情动态预测	引入分数阶导数以捕捉记忆效应，并整合深度学习提升预测精度，为复杂疾病动态建模提供了新框架	模型基于模拟数据进行验证，未明确说明在真实世界疫情数据中的泛化能力	开发一个结合分数阶微积分和深度学习的流行病动力学预测框架	流行病传播动态，特别是疾病导致的死亡情况	机器学习	NA	分数阶微积分，深度学习	深度神经网络	模拟流行病数据	NA	NA	深度神经网络	均方误差，均方根误差	NA
5676	2026-01-26	GLANCE: continuous global-local exchange with consensus fusion for robust nodule segmentation 2025-Dec-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02251-4 PMID:41469800	研究论文	本文提出了一种名为GLANCE的新型双流架构，用于从CT扫描中准确分割和检测肺结节，以辅助早期肺癌诊断	提出了一种新颖的双流架构，包含全局上下文Transformer和局部多感受野空洞混合器，并通过跨尺度共识融合机制持续整合互补特征流，避免了表征冲突并促进协同学习	未明确说明模型的计算复杂度或推理速度，也未讨论在临床实时应用中的可行性	开发一种鲁棒的肺结节分割和检测方法，以克服现有深度学习模型在长距离上下文建模和局部细节捕捉方面的局限性	肺结节	计算机视觉	肺癌	计算机断层扫描(CT)	CNN, Transformer	医学图像(CT扫描)	四个公共基准数据集(LIDC-IDRI, LNDb, LUNA16, Tianchi)	未明确说明	双流架构(全局上下文Transformer, 多感受野分组空洞混合器), 双头金字塔细化解码器	分割和检测性能(具体指标未明确说明)	未明确说明
5677	2026-01-26	Genetic Insights into Head-to-Body Ratios Via Deep Learning-Based Image Segmentation and Implications for Common Diseases 2025-Dec-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67578-8 PMID:41444482	研究论文	本研究利用深度学习模型分析英国生物库中的全身双能X射线吸收测定图像，生成头身比表型，并通过全基因组关联分析揭示了其遗传基础及其与多种常见疾病的关联	首次大规模应用深度学习模型从全身DEXA图像中自动提取头身比表型，并系统性地探索其遗传结构、疾病关联及进化背景	研究样本主要来自英国生物库，可能存在人群代表性偏差；表型基于二维图像测量，可能无法完全反映三维解剖结构	探究头身比的遗传基础及其与人类常见疾病的关联	英国生物库中的38,202名参与者的全身双能X射线吸收测定图像	计算机视觉	心血管疾病, 代谢疾病, 肌肉骨骼疾病, 神经精神疾病	双能X射线吸收测定	深度学习模型	图像	38,202张全身DEXA图像	NA	NA	NA	NA
5678	2026-01-26	Real-world performance evaluation of a commercial deep learning model for intracranial hemorrhage detection 2025-Dec-24, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02244-3 PMID:41444826	研究论文	本研究评估了一款商业深度学习模型在真实世界中对颅内出血检测的性能	首次在大型真实世界数据集（超过10万次CT检查）中，使用GPT-4o自动提取放射学报告标签并验证，系统评估了FDA批准的商业AI模型在不同出血类型和临床场景下的性能差异	研究为回顾性设计，依赖自动提取的放射学报告标签，可能未完全捕捉所有临床细微差别；评估集中于单一商业模型，结果可能无法推广到其他AI工具	评估商业深度学习模型在真实临床环境中检测颅内出血的准确性和可靠性	颅内出血（ICH）	数字病理学	心血管疾病	深度学习，自然语言处理（用于报告标签提取）	深度学习模型（具体架构未公开）	医学影像（非增强头部CT扫描），文本（放射学报告）	101,944次非增强头部CT检查，来自74,142名患者，涉及17个医疗机构的学术健康系统	NA	NA（商业模型，具体架构未公开）	灵敏度，特异度，准确度，Cohen's kappa系数	NA
5679	2026-01-26	A deep learning-based method combines manual and non-manual features for sign language recognition 2025-Dec-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32768-3 PMID:41413190	研究论文	本研究提出了一种结合手动和非手动特征的深度学习手语识别方法	利用3D人体姿态估计架构从RGB视频中提取手部关节的3D坐标，并通过注意力编码器-解码器融合多流特征	未提及	提升手语识别的准确性	手语视频数据	计算机视觉	NA	深度学习	CNN, 注意力编码器-解码器	RGB视频	AUTSL和WLASL数据集中的孤立手语样本	未提及	未指定具体架构	准确率, F1分数	未提及
5680	2026-01-26	An AI-powered tongue image model for home-based monitoring of liver fibrosis 2025-Dec-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02246-1 PMID:41419633	研究论文	本研究开发了一个名为TongVMoe的多任务深度学习模型，用于通过舌象分析进行肝纤维化的居家监测	首次将多任务深度学习模型应用于舌象分析以检测肝纤维化，并同时识别七种关键舌象特征，模型性能优于现有先进方法	研究样本量相对有限（1601名患者），且模型在模拟远程筛查中的准确率为77.8%，仍有提升空间	开发一种非侵入性、可解释且移动兼容的工具，用于肝纤维化的早期检测和监测，特别是在资源有限地区	肝纤维化患者及相关的舌象图像	数字病理学	肝纤维化	舌象诊断	多任务深度学习模型	图像	来自1601名患者的2202张舌象图像	NA	TongVMoe	AUC, 准确率, 灵敏度	NA