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
6141	2026-01-23	Dual Ontology-enhanced Clinical Decision Learning for First-admission Mortality Prediction 2026-Jan-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3621475 PMID:41564069	研究论文	本文提出了一种双本体增强的临床决策学习模型（DOCD），用于首次入院患者的死亡率预测，有效解决了缺乏历史就诊序列数据的挑战	通过双本体增强学习从诊断和程序分类法中提取层次表示，并引入先验引导的注意力机制，结合基于概率的正则化来整合临床知识，模拟临床决策过程	NA	开发一种能够准确预测首次入院患者死亡率的模型，以支持早期干预和改善患者预后	首次入院患者，特别是仅有一次就诊记录的患者，包括直接入住ICU的患者	医疗健康预测	多种疾病（基于ICU入院患者）	深度学习，本体增强学习	深度学习模型（具体架构未明确指定，但包含注意力机制）	电子健康记录（EHR），包括人口统计数据、生命体征、诊断和程序代码	基于MIMIC-III和MIMIC-IV数据库，其中MIMIC-IV中55.17%、MIMIC-III中83.80%的患者仅有一次就诊记录	NA	双本体增强学习架构，包含先验引导的注意力机制和信息融合模块	AUROC, AUPRC	NA
6142	2026-01-23	Active Adversarial Noise Suppression for Image Forgery Localization 2026-Jan-21, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3656742 PMID:41564076	研究论文	本文提出一种对抗性噪声抑制模块，用于提升图像伪造定位模型对对抗攻击的鲁棒性	首次在图像伪造定位任务中提出对抗防御方法，通过两阶段训练策略（FFA和MgR）生成防御性扰动以抑制对抗噪声的影响	未明确说明方法在跨数据集或真实场景中的泛化能力，也未讨论防御策略对计算效率的影响	提升图像伪造定位模型对抗对抗攻击的鲁棒性	对抗性噪声干扰下的伪造图像	计算机视觉	NA	对抗攻击防御技术	深度学习模型	图像	未明确说明具体样本数量，但提及使用了反取证数据集	未明确说明	未明确说明基础伪造定位模型架构	伪造定位准确率	未明确说明
6143	2026-01-23	Quantitative assessment of neonatal health using dried blood spot metabolite profiles and deep learning 2026-Jan-21, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.adv4942 PMID:41564154	研究论文	本研究利用新生儿干血斑代谢物谱和深度学习模型，开发了一种基于新生儿筛查的代谢健康指数，用于早产儿不良结局的风险分层	通过深度学习模型结合亚组发现，从新生儿代谢物谱中提取了超越传统孕周和出生体重的风险信号，并建立了可推广的生物风险指标	研究基于回顾性队列，可能受数据偏差影响，且外部验证仅在一个独立队列中进行	开发早产儿风险分层工具，以早期识别并启动最合适的护理路径	早产儿，特别是患有支气管肺发育不良、脑室内出血、坏死性小肠结肠炎和早产儿视网膜病变的新生儿	机器学习	新生儿疾病	新生儿筛查干血斑代谢物分析	深度学习模型	代谢物谱数据	训练集13,536例（12,096病例，1,440对照），外部验证集3,299例（2,117病例，1,182对照）	NA	NA	NA	NA
6144	2026-01-23	AI in nuclear medicine 2026-Jan-21, The British journal of radiology DOI:10.1093/bjr/tqag012 PMID:41564330	综述	本文综述了人工智能在核医学中的应用潜力、当前进展及临床转化挑战	系统性地概述了AI在核医学全流程（从图像采集到临床决策支持）的整合潜力，并特别强调了从研发到临床实施的过渡挑战	指出核医学中极少数AI应用已达到商业成熟阶段，且临床AI应用超越原型阶段的占比很低（约2%）	探讨人工智能如何推动核医学在诊断和治疗方面的进步	核医学中的影像流程及相关临床应用	医学影像	NA	深度学习	卷积神经网络	医学影像	NA	NA	NA	NA	图形处理器
6145	2026-01-23	iMCN: information compression-based multimodal confidence-guided fusion network for cancer survival prediction 2026-Jan-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3b46 PMID:41564441	研究论文	本文提出了一种基于信息压缩的多模态置信引导融合网络（iMCN），用于整合全切片图像和基因组数据进行癌症生存预测	提出了自适应病理信息压缩模块和置信引导多模态融合模块，通过可学习信息中心动态聚类图像区域并估计模态置信度，实现动态加权融合	研究仅在TCGA-LUAD和TCGA-BRCA两个队列上进行了评估，未在其他癌症类型或更大规模数据集中验证	开发一种能够有效整合病理图像和基因组数据的多模态深度学习框架，以提升癌症生存预测的准确性	癌症患者（具体为TCGA-LUAD和TCGA-BRCA队列中的肺癌和乳腺癌患者）	数字病理学	肺癌, 乳腺癌	全切片图像分析, 基因组数据分析	深度学习融合网络	图像, 基因组数据	TCGA-LUAD和TCGA-BRCA两个队列的患者样本（具体数量未在摘要中说明）	NA	信息压缩基多模态置信引导融合网络（iMCN），包含自适应病理信息压缩模块和置信引导多模态融合模块	一致性指数	NA
6146	2026-01-23	CT-based Prediction of Visceral Pleural Invasion in Lung Adenocarcinoma ≤ 3 cm: Enhancing Deep Learning Specificity by Waiving Chest Wall Information 2026-Jan-21, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19102-5 PMID:41566129	研究论文	本研究开发了一种基于CT的深度学习模型，通过排除胸壁信息来提高肺腺癌内脏胸膜侵犯预测的特异性	提出了一种结合新型注意力机制的四层卷积神经网络，并在胸壁掩蔽的CT输入上进行训练，以降低伪相关性并提高特异性	研究为回顾性设计，样本量有限（835例患者），且仅针对≤3 cm的肺腺癌，可能限制模型的泛化能力	开发一种高特异性且高敏感性的术前预测模型，以指导肺腺癌手术决策并减少过度治疗风险	经病理证实并接受完全切除的肺腺癌患者	计算机视觉	肺癌	CT成像	CNN	图像	835例患者（训练集692例，外部验证集143例）	NA	四层卷积神经网络结合注意力机制	AUC, 敏感性, 特异性, 准确率	NA
6147	2026-01-23	Spatial-Spectral Deep Learning for Prostate Cancer Tissue Classification in Infrared Spectroscopy 2026-Jan-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04765 PMID:41566143	研究论文	本文比较了多种深度学习分类器在红外光谱前列腺癌组织分类中的应用，并探讨了光谱维度压缩瓶颈的影响	发现模型空间感受野与分类性能强相关，且光谱信息对深度学习模型性能影响有限，表明组织分类本身仅依赖于少量光谱特征	组织分类可能不是评估深度学习模型有效利用光谱维度的良好基准	改进前列腺癌组织分类	前列腺癌组织	数字病理学	前列腺癌	红外光谱	Vision Transformer, CNN, 多层感知机	高光谱图像	NA	NA	Vision Transformer, CNN, 多层感知机	分类性能	NA
6148	2026-01-23	Longitudinal Validation of a Deep Learning Index for Aortic Stenosis Progression 2026-Jan-20, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.045179 PMID:41532549	研究论文	本研究纵向验证了一种深度学习衍生的主动脉瓣狭窄进展指数（DLi-ASc），并评估其与进展为重度主动脉瓣狭窄的预后关联	首次纵向验证深度学习衍生的主动脉瓣狭窄进展指数（DLi-ASc），并证明其与主动脉瓣最大流速和平均压力梯度的年度变化强相关，且能独立预测重度主动脉瓣狭窄的进展	研究为回顾性分析，可能存在选择偏倚；仅基于两个三级医院的超声心动图数据，外部验证有限	验证深度学习衍生的主动脉瓣狭窄进展指数（DLi-ASc）的纵向变化及其与疾病进展的预后关联	主动脉瓣狭窄患者	数字病理学	心血管疾病	经胸超声心动图	深度学习	图像	2373名患者（7371次经胸超声心动图检查）	NA	NA	Pearson相关系数, 风险比	NA
6149	2026-01-23	Shortcomings of deep learning for distributional predictors: a note 2026-Jan-20, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxaf051 PMID:41555576	研究论文	本文探讨了在预测任务中，当输入数据具有排列不变性时，无结构深度学习方法的局限性，并推荐使用显式利用不变性的有序预测器神经网络	通过模拟实验比较了无结构神经网络与有序预测器神经网络在排列不变性场景下的性能，发现后者能降低预测误差并提高估计精度	研究基于模拟数据，未在真实世界大规模数据集上验证；仅关注排列不变性，未考虑其他可能的数据结构	评估深度学习在处理具有排列不变性的分布型预测器时的有效性，并推荐更优的建模方法	生物医学研究中具有大量同类型测量预测器的数据，其内部分布作为关键摘要	机器学习	NA	NA	神经网络	模拟数据	NA	NA	无结构神经网络, 有序预测器神经网络	预测误差, 估计精度	NA
6150	2026-01-23	Proactive safety at CVIS-enabled intersections: a framework based on high-fidelity trajectory reconstruction and dynamic risk assessment 2026-Jan-20, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108410 PMID:41564447	研究论文	本文提出了一种基于高保真轨迹重建和动态风险评估的边缘计算增强两阶段框架，旨在提升协同车路系统（CVIS）在交叉路口的主动安全性	提出了一种结合物理约束、自适应小波变换和混合阈值策略的两阶段框架，用于高保真轨迹重建，并引入了基于车辆轮廓的冲突算法（VOCA），将传统的点冲突检测提升为基于轮廓的空间重叠分析	未明确说明框架在不同天气条件、传感器故障或极端交通密度下的鲁棒性，也未讨论大规模部署时的可扩展性	为CVIS环境下的交叉路口开发一种实时、高精度的主动安全预警系统	交叉路口的车辆轨迹数据与车辆间冲突事件	机器智能与边缘计算	NA	自适应小波变换、混合阈值去噪、基于物理约束的轨迹重建	NA	多源传感器数据（如车辆轨迹数据）	基于真实世界交叉路口数据验证（具体数量未说明）	NA	NA	加速度波动减少百分比（98.66%）、冲突检测率对比（22.53% vs 100%）、处理延迟（<100 ms/帧/车辆）	NVIDIA Jetson边缘设备
6151	2026-01-23	Artificial intelligence in knee osteoarthritis imaging and total knee arthroplasty: advances, challenges, and segmentation methods - A review 2026-Jan-20, The Knee DOI:10.1016/j.knee.2026.104327 PMID:41564627	综述	本文综述了人工智能在膝骨关节炎影像学和全膝关节置换术中的应用进展、挑战及分割方法	系统比较了传统分割方法与基于人工智能（尤其是深度学习）方法在全膝关节置换术规划与评估中的能力、局限性和临床相关性，并指出了将AI整合到临床工作流程以实现更精准、可靠和个体化手术的机会	基于人工智能的方法依赖于大规模标注数据集，且成像方案的变异性仍是重大挑战	探讨人工智能在膝骨关节炎影像学和全膝关节置换术中的应用，以改进手术规划与评估	膝骨关节炎患者的影像数据（X光片、CT、MRI、超声）	数字病理学	骨关节炎	影像学技术（X光、CT、MRI、超声）	深度学习模型	图像	NA	NA	NA	NA	NA
6152	2026-01-23	DeepHybridCPI: A hybrid deep learning framework for compound-protein interaction prediction 2026-Jan-19, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109303 PMID:41564724	研究论文	本文提出了一种名为DeepHybridCPI的混合深度学习框架，用于准确高效地预测化合物-蛋白质相互作用	提出了一种混合深度学习框架，整合了多尺度密集连接的图神经网络和结合CNN与LSTM的蛋白质序列编码器，以同时捕获化合物的局部子结构与全局分子拓扑，以及蛋白质的局部基序和长程依赖关系	未明确说明模型的计算开销或可扩展性限制	开发一种准确高效的化合物-蛋白质相互作用预测方法，以加速虚拟筛选和药物发现	化合物和蛋白质	生物信息学	NA	深度学习	GNN, CNN, LSTM	化合物分子图数据，蛋白质序列数据	基准人类和秀丽隐杆线虫数据集	未明确指定，但提供了GitHub源代码	多尺度密集连接的GNN，CNN与LSTM结合的混合序列编码器	AUC, Precision, Recall	NA
6153	2026-01-23	Transformer-based multimodal fusion model predicts lymph node metastasis in hepatic alveolar echinococcosis patients: A multicenter study 2026-Jan-19, International journal of infectious diseases : IJID : official publication of the International Society for Infectious Diseases IF:4.8Q1 DOI:10.1016/j.ijid.2026.108409 PMID:41565060	研究论文	本研究开发了一种基于CT的多模态Transformer模型，用于精确预测肝泡型包虫病患者淋巴结转移	创新性地构建了基于Transformer的多模态融合模型，结合了放射组学、3D深度学习和2D深度学习特征，以提升淋巴结转移预测的准确性	研究样本量相对有限（318例患者），且仅基于CT图像，未整合其他影像模态或临床数据	开发一个精确预测肝泡型包虫病患者淋巴结转移的模型，以指导临床淋巴结清扫决策	肝泡型包虫病患者	计算机视觉	肝泡型包虫病	对比增强CT成像	Transformer, 随机森林	CT图像	318例来自三个中心的肝泡型包虫病患者	NA	Transformer	AUC, 决策曲线分析	NA
6154	2026-01-23	Artificial Intelligence in the Diagnosis of Hirschsprung Disease: A Scoping Review and Rationale for a Multicentric Approach 2026-Jan-19, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.162932 PMID:41565153	综述	本文系统综述了人工智能在诊断先天性巨结肠症中的应用，并论证了多中心研究的必要性	这是首个系统综述人工智能在先天性巨结肠症诊断中应用的文献，并强调了未来多中心合作和可解释性模型的重要性	现有研究存在数据集多样性有限、缺乏外部验证、未使用可解释人工智能框架以及未报告计算成本等问题，限制了临床转化	系统综合人工智能在先天性巨结肠症诊断中的证据，识别当前差距，以指导未来的多中心研究	0-18岁先天性巨结肠症患者的诊断	数字病理学	先天性巨结肠症	组织病理学分析	机器学习, 深度学习	组织学切片, 临床特征, 放射学特征	NA	NA	NA	准确率, 召回率, AUC	NA
6155	2026-01-23	Research on deep learning architecture optimization method for intelligent scheduling of structural space 2026-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32015-9 PMID:41549119	研究论文	本文提出了一种针对结构空间智能调度的深度学习架构优化方法，通过动态组合架构和知识嵌入自适应策略，实现高效、灵活的调度	提出了一种动态组合架构和知识嵌入自适应策略，使深度学习模型能够根据输入语义和空间调度需求实时调整计算深度、宽度和路径，从而提升调度效率和灵活性	未在真实世界大规模结构空间调度场景中进行验证，且对领域知识的嵌入可能依赖于专家经验，限制了泛化能力	优化深度学习架构以提升结构空间智能调度的效率和适应性	结构空间智能调度任务	机器学习	NA	深度学习	动态组合架构	结构空间数据	多个基准数据集	NA	有向无环图	预测准确率, 调度效率, 推理延迟, 资源使用量	NA
6156	2026-01-23	Detection of Hypokalemia, Hyponatremia, and Hyperkalemia in Heart Failure Patients Using Artificial Intelligence Techniques via Electrocardiography 2026-01-09, Turk Kardiyoloji Dernegi arsivi : Turk Kardiyoloji Derneginin yayin organidir DOI:10.5543/tkda.2025.18598 PMID:41063616	研究论文	本研究开发了一种基于心电图（ECG）的深度学习模型，用于检测心力衰竭患者的电解质失衡（低钾血症、低钠血症和高钾血症）	首次利用深度学习模型通过心电图非侵入性地检测心力衰竭患者的电解质失衡，并在多中心设置中评估其性能	研究仅针对射血分数≤45%的心力衰竭患者，且电解质失衡主要由心力衰竭治疗药物引起，可能限制了结果的普适性	开发一种可靠、非侵入性的工具，用于检测和监测心力衰竭患者的电解质失衡	心力衰竭患者（射血分数≤45%），其血液电解质测量与心电图在同一天进行	机器学习	心血管疾病	心电图（ECG）	深度学习模型（DLM）	心电图数据	来自17个不同中心的心力衰竭患者，具体样本数量未在摘要中明确说明	NA	NA	准确率, 受试者工作特征曲线下面积（AUROC）	NA
6157	2026-01-23	Hybrid Deep Learning Framework for Continuous Blood Glucose Monitoring and Gestational Diabetes Risk Prediction 2026-Jan-09, Current diabetes reviews IF:2.4Q3 DOI:10.2174/0115733998380389251111041618 PMID:41568507	研究论文	本文提出了一种融合连续血糖监测与多模态传感数据的混合深度学习框架，用于血糖预测和妊娠期糖尿病风险分类	结合CNN-BiLSTM与注意力机制，并引入多任务注意力融合网络，同时处理血糖预测和风险分类，提高了预测准确性和临床可解释性	研究基于扩展的俄亥俄T1DM数据集进行验证，可能未覆盖所有妊娠期糖尿病亚型或人群多样性	开发一个临床可解释的连续血糖监测和妊娠期糖尿病风险预测系统	妊娠期糖尿病患者	机器学习	妊娠期糖尿病	连续血糖监测, 多模态传感数据采集	CNN, BiLSTM, 注意力机制	时间序列数据	基于扩展的俄亥俄T1DM数据集	NA	CNN-BiLSTM, 多任务注意力融合网络	RMSE, 准确率, 敏感性, 特异性	NA
6158	2026-01-23	Development of a Comprehensive Model Combining Clinical, Radiomics With Deep Learning for Predicting the Micropapillary Pattern in ≤2 cm Invasive Lung Adenocarcinoma 2026-Jan-06, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezag002 PMID:41495424	研究论文	本研究开发了一个结合临床特征、放射组学特征和深度学习特征的预测模型，用于术前无创识别≤2 cm浸润性肺腺癌中的微乳头状模式	首次构建了一个融合临床、放射组学和深度学习特征的综合性预测模型（CRDL），用于术前预测≤2 cm浸润性肺腺癌中的微乳头状模式，并通过特征选择和模型融合优化了预测性能	研究为单中心回顾性设计，样本量相对有限（311例患者），且未在外部验证集上进行独立验证	开发一个非侵入性预测模型，以术前识别≤2 cm浸润性肺腺癌中的微乳头状模式，从而指导手术决策和优化患者管理	311例经病理证实的≤2 cm浸润性肺腺癌患者（其中102例微乳头状模式≥5%，209例无微乳头状模式）	数字病理	肺癌	放射组学特征提取（PyRadiomics），深度学习特征提取（3D卷积神经网络）	随机森林，支持向量机，卷积神经网络	临床数据，医学影像数据	311例患者	PyRadiomics，自定义深度学习框架	3D卷积神经网络（NASLung）	AUC，灵敏度，特异性，校准曲线，决策曲线分析	NA
6159	2026-01-23	Data security storage and transmission framework for AI computing power platforms 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31786-5 PMID:41484422	研究论文	本文提出了一种名为Secure AI-DST的新型数据安全存储与传输框架，专为AI计算环境设计，旨在确保AI计算平台中数据存储与传输的安全性	提出了一种结合改进Merkle树哈希与秘密椭圆曲线密码学的混合加密机制，并部署了新型深度学习模型Att-BGR用于攻击分类，同时集成区块链与IPFS实现去中心化安全存储	未明确说明框架在超大规模数据集或极端网络条件下的性能表现，且实验主要基于模拟环境	解决AI计算平台中数据安全存储与传输的关键挑战，确保端到端数据保护并抵御网络威胁	AI计算平台中的数据安全存储与传输系统	机器学习	NA	混合加密机制、区块链技术、深度学习	深度学习模型	合成数据集、实时数据集	未明确说明具体样本数量	MATLAB	注意力双向门控循环单元辅助残差网络（Att-BGR）	未授权访问尝试减少率、数据完整性准确率、数据包验证成功率、计算开销	未明确说明具体计算资源
6160	2026-01-23	PruEV-AI: a Simple Approach Combines Urinary Extracellular Vesicle Isolation with AI-Assisted Analysis for Prostate Cancer Diagnosis 2026-Jan, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500659 PMID:40545998	研究论文	本文介绍了一种名为PruEV-AI的集成诊断系统，该系统将快速尿液细胞外囊泡分离技术与基于人工智能的生物标志物分析相结合，用于前列腺癌的非侵入性诊断	开发了PruEV平台，利用胺改性沸石和碳水化合物肼通过静电和共价相互作用在30分钟内一步完成尿液细胞外囊泡分离和miRNA提取，并结合深度学习模型评估多种生物标志物组合以优化诊断性能	研究样本量相对较小（48例患者和49例对照），候选miRNA数量有限（12个中验证了6个），需要在更大规模人群中进一步验证	开发一种高效、准确的非侵入性前列腺癌诊断方法	前列腺癌患者和健康对照者的尿液样本	数字病理学	前列腺癌	RT-qPCR, 尿液细胞外囊泡分离技术	深度学习模型	miRNA表达数据, 临床数据	97例样本（48例前列腺癌患者，49例健康对照）	NA	NA	AUC, 灵敏度, 特异性, 准确率	NA