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
61	2026-04-01	Interpreting the Effects of Environmental Variables on a Multistep Deep Learning Model for Algal Bloom Prediction Using Explainable Artificial Intelligence 2026-Apr, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70339 PMID:41911833	研究论文	本研究开发了一个序列到序列深度学习模型来预测叶绿素a浓度，并应用可解释人工智能方法分析环境变量对模型性能的影响	首次将可解释人工智能方法应用于藻华预测的深度学习模型，定量解释不同预测时间步长下环境变量的影响	模型在长期预测（如28天）时性能显著下降，NSE从0.908降至0.255	开发并评估用于藻华预测的深度学习模型，并分析环境变量对预测性能的影响	叶绿素a浓度（作为藻华的定量指标）	机器学习	NA	深度学习建模，可解释人工智能分析	Seq2Seq	时间序列数据	NA	NA	序列到序列模型	Nash-Sutcliffe效率	NA
62	2026-04-01	Global Sensitivity Analysis for Robust XAI: Quantifying Clinical Risk and Prediction Instability in Dermoscopic Image Classification 2026-Apr, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70237 PMID:41913512	研究论文	本文提出并利用全局敏感性分析来量化卷积神经网络在皮肤镜图像分类中对关键光学图像参数的鲁棒性，以评估模型在临床环境中的诊断风险	将全局敏感性分析应用于深度学习模型，以量化其在皮肤镜图像分类中对光学参数变化的敏感性和诊断风险，超越了传统准确性评估	仅考虑了五种光学图像参数，可能未涵盖所有影响模型稳定性的临床变量	评估深度学习模型在皮肤镜图像分类中的鲁棒性，量化其诊断风险，以支持AI诊断系统的临床安全部署	皮肤镜图像分类模型	计算机视觉	皮肤癌	NA	CNN	图像	NA	NA	NA	准确性	NA
63	2026-04-01	Deep Learning for Automated Tumor Segmentation of Rectal Cancer on T2-Weighted Magnetic Resonance Images 2026-Apr, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2025.0133 PMID:41914320	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于在T2加权磁共振图像上分割直肠癌肿瘤	提出了结合直肠引导（预测或叠加）的注意力U-Net模型，以提高直肠癌肿瘤分割的准确性，并发现叠加直肠信息能获得最佳性能	研究为回顾性设计，样本量有限（458例），且仅使用T2加权图像，未探索多模态或外部验证	开发并评估基于深度学习的自动分割模型，用于直肠癌肿瘤在T2加权磁共振图像上的精确分割	直肠癌患者的T2加权磁共振图像	数字病理	直肠癌	T2加权磁共振成像	CNN	图像	458例患者	NA	注意力U-Net	Dice相似系数	NA
64	2026-04-01	Deep Learning-Enhanced Resonance Frequency Analysis for Dental Implant Stability Assessment 2026-Apr, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70342 PMID:41914428	研究论文	本研究开发并评估了一种深度学习增强的共振频率分析框架，用于提高牙科植入物稳定性评估的准确性和信号质量	提出了一种结合去噪卷积神经网络和元数据感知预测网络的深度学习增强RFA框架，显著提升了信号质量和ISQ预测精度	目前仅作为概念验证，需进行多中心前瞻性验证，纳入真实世界噪声分析和临床结果评估，才能投入临床应用	开发并评估一种深度学习增强的共振频率分析框架，以提高牙科植入物稳定性评估的准确性和信号质量	牙科植入物的共振频率分析信号	数字病理	NA	共振频率分析	CNN	信号	100个植入物（300个信号样本，每个植入物采集三次）	NA	去噪卷积神经网络，元数据感知预测网络	MAE, RMSE, R2, 容忍精度（±3 ISQ单位内）	NA
65	2026-04-01	Fluorescence Machine Vision-Based Rapid Quantitative Characterization of Microplastics 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00407 PMID:41830590	研究论文	本研究开发了一种基于荧光显微成像和YOLO v11深度学习模型的微塑料快速定量检测方法，并构建了名为FluoPlastVision的商业化AI辅助检测平台	采用香豆素6（C6）进行稳定广谱染色获得高质量图像数据，并在YOLO v11模型中引入轻量级注意力机制以增强模型鲁棒性和准确性	未明确说明模型在复杂环境样本或不同染色条件下的泛化能力，也未提供与其他先进方法的直接对比数据	开发一种快速、低成本、高精度的微塑料定量检测技术	经香豆素6染色的微塑料荧光显微图像	计算机视觉	NA	荧光显微成像	CNN	图像	NA	NA	YOLO v11	NA	NA
66	2026-04-01	Novel Deep-Learning Unsupervised Domain Adaptation Method for Mitigating Batch, Strain, and Instrument Variations to Enhance Raman Spectroscopy-Based Bacterial Pathogen Identification 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07113 PMID:41842761	研究论文	本文提出了一种名为Raman Spectral Classification Discrepancy Model (RSCDM)的新型无监督域适应方法，旨在通过对抗性特征对齐来减轻拉曼光谱中由仪器、批次和菌株差异引起的域偏移，从而增强基于拉曼光谱的细菌病原体识别	提出了一种利用任务特定分类器之间的输出差异动态识别远离源域特征分布的目标样本的新型域适应框架，不同于依赖固定域假设的传统方法，实现了任务驱动的域对齐	NA	增强基于拉曼光谱的细菌病原体识别的鲁棒性，以应对仪器异质性、批次变异性和菌株多样性带来的挑战	七种细菌物种的拉曼光谱数据，包括商业光谱仪和自制光谱仪采集的临床分离株	机器学习	细菌感染	拉曼光谱	深度学习	光谱数据	七种细菌物种的多个批次和菌株样本，以及六种临床分离株	NA	Raman Spectral Classification Discrepancy Model (RSCDM)	分类准确率	NA
67	2026-04-01	Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data 2026-Mar-31, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15772 PMID:41861271	研究论文	本研究提出了一种基于深度学习的框架DeepMAP，用于利用地球静止卫星数据同时预测六种主要空气污染物，以量化多污染物共暴露	开发了首个能够同时预测六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）的深度学习框架DeepMAP，并引入了新的共暴露指数来识别污染物贡献差异	未明确说明模型在极端气象条件或长期气候变化下的泛化能力，也未讨论卫星数据质量波动对预测精度的影响	建立高分辨率多污染物同时预测框架，量化人类共暴露水平并评估污染物混合的健康影响	六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）在东亚地区的时空分布	机器学习	NA	地球静止卫星观测	深度学习	卫星遥感数据	未明确说明具体样本数量，但覆盖东亚地区2021年3月及全年数据	未明确说明	未明确说明具体架构，仅提及深度学习框架	归一化均方根误差	未明确说明
68	2026-04-01	A deep learning approach for analyzing brainwave signals during audio meditation in expectant mothers: variational mode decomposition with a CNN-BiLSTM model 2026-Mar-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae55a8 PMID:41871464	研究论文	本研究提出了一种基于EEG信号和深度学习的方法，用于分析孕妇在音频冥想期间的大脑活动变化	结合变分模态分解与CNN-BiLSTM混合模型，首次针对孕妇短期音频冥想的神经效应进行客观量化分析	研究样本量有限，且仅针对特定类型的音频冥想，未考虑个体差异和长期效应	客观评估孕妇在短期音频冥想期间的神经活动变化，为产前护理提供科学依据	孕妇的脑电图信号	机器学习	NA	脑电图	CNN, BiLSTM	脑电图信号	未明确指定样本数量，但涉及孕妇在不同心理状态下的EEG数据	未明确指定，但可能基于TensorFlow或PyTorch	VMD-CNN-BiLSTM混合架构	准确率, 损失值	NA
69	2026-04-01	Neurosurgical Application of Artificial Intelligence in Pediatric Neuro-Oncology 2026-Mar-31, Journal of Korean Neurosurgical Society IF:1.4Q3 DOI:10.3340/jkns.2026.0085 PMID:41913971	综述	本文综述了人工智能在儿童神经肿瘤学围手术期的应用，包括术前分子分型、术中快速诊断和术后预后评估	系统性地阐述了AI在儿童神经肿瘤围手术期全流程的整合应用，并探讨了如何通过AI解决该领域因疾病多样性带来的临床挑战	数据稀缺性和算法的“黑箱”特性仍然是主要限制	探讨人工智能如何解决儿童神经肿瘤学围手术期未满足的临床需求	儿童中枢神经系统肿瘤	数字病理学	儿童神经肿瘤	Oxford Nanopore测序，刺激拉曼组织学	神经网络分类器，深度学习模型	影像，基因组数据，临床数据	NA	NA	NA	NA	NA
70	2026-04-01	Artificial intelligence in extracorporeal technology: Current applications and future directions-A narrative review 2026-Mar-31, Asian cardiovascular & thoracic annals DOI:10.1177/02184923261432687 PMID:41914776	综述	本文是一篇关于人工智能在体外循环技术中当前应用与未来方向的叙述性综述	系统性地概述了人工智能在体外循环技术（如CPB、ECMO、VADs）中的整合潜力，并探讨了其通过实时数据、预测算法和决策支持系统优化临床实践的创新方向	作为一篇叙述性综述，未进行原始数据收集或定量分析，主要基于现有文献的总结与展望	旨在全面介绍人工智能的基本概念、发展历程，并探讨其在体外循环技术领域的应用现状与未来整合方向	体外循环技术，包括心肺转流术（CPB）、体外膜肺氧合（ECMO）和心室辅助装置（VADs）	医疗人工智能	心血管疾病	NA	NA	实时生理数据	NA	NA	NA	NA	NA
71	2026-04-01	Decoding chemical composition of urinary crystals from ultrasonic echo signals via deep learning 2026-Mar-31, Mikrochimica acta DOI:10.1007/s00604-026-08019-1 PMID:41915224	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
72	2026-04-01	Source apportionment of pollution in the Tianjin Haihe river sluice based on the TCN-APCS-MLR model 2026-Mar-31, Environmental geochemistry and health IF:3.2Q2 DOI:10.1007/s10653-026-03139-2 PMID:41915250	研究论文	本研究提出了一种结合TCN与APCS-MLR的模型，用于天津海河闸口污染源解析，以解决复杂流域中时间动态和非线性驱动机制带来的挑战	整合了时间卷积网络（TCN）与绝对主成分得分-多元线性回归（APCS-MLR），利用TCN的因果和膨胀卷积提取时间依赖性，增强了时间特征建模能力，同时保持了模型的可解释性	未明确讨论模型在其他流域或不同时间尺度下的泛化能力，以及可能的数据局限性	开发一种改进的污染源解析模型，以更准确、及时地追踪复杂流域中的污染来源	天津海河闸口的污染源	环境科学	NA	水质数据分析，主成分分析（PCA），多元线性回归（MLR）	TCN, APCS-MLR	水质数据	2022年至2024年的每日水质数据	NA	时间卷积网络（TCN）	R值，RMSE，MAE，累积方差贡献率	NA
73	2026-04-01	Hypoxia-related and immune phenotype-related fusion model for non-invasive prognostication of hepatocellular carcinoma treated by TACE: a multicentre study 2026-Mar-30, Gut IF:23.0Q1 DOI:10.1136/gutjnl-2025-337938 PMID:41856522	研究论文	本研究开发并验证了一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果	结合深度学习和传统影像组学，构建早期和晚期融合模型，并通过整合临床变量形成临床-影像学模型，实现更精细的风险分层	研究依赖于回顾性数据，且模型在外部验证中的泛化能力仍需进一步确认	开发并验证一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果	肝细胞癌患者	数字病理学	肝细胞癌	单细胞RNA测序，对比增强CT成像	深度学习，传统影像组学	图像，转录组数据	1448名肝细胞癌患者（包括TACE队列1349人，随机试验生物标志物子集41人，单细胞RNA测序队列和TCGA肝细胞癌队列50人）	NA	早期融合模型，晚期融合模型	生存分层，风险分层	NA
74	2026-04-01	Mobile Imaging-Based Machine Learning for Dental Caries, Sealants, and Fluorosis: Protocol for a Cross-Sectional Model Development and Validation Study 2026-Mar-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/91239 PMID:41911013	研究论文	本研究旨在开发和验证基于移动成像和机器学习的模型，用于检测龋齿、封闭剂和氟斑病	首次将移动健康技术与计算机视觉、机器学习和深度学习结合，利用智能手机和低成本口内相机图像，在人群水平上同时检测龋齿、封闭剂和氟斑病严重程度	研究样本仅包括科罗拉多州约1000名青少年，且生活在公共供水系统氟化物水平自然升高的社区，可能限制结果的普遍性	开发并验证用于检测龋齿病变、识别封闭剂和量化氟斑病严重程度的模型，以支持公共卫生监测和个体化评估	美国科罗拉多州约1000名青少年，重点关注其恒磨牙（龋齿和封闭剂）和上颌前牙（氟斑病）	计算机视觉	龋齿	智能手机相机成像、低成本口内相机成像	机器学习、深度学习	图像	约1000名青少年（截至2026年1月已收集约300名参与者的数据）	NA	神经网络分类器	分层交叉验证、多类别性能指标	NA
75	2026-04-01	Development of a multimodal obstructive sleep apnea diagnostic prediction model using two-dimensional facial images and clinical data 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678664 PMID:41911139	研究论文	本研究开发了一种结合二维面部照片、头影测量X光片和临床数据的多模态人工智能模型，用于增强阻塞性睡眠呼吸暂停（OSA）的筛查	提出了一种新颖的多模态AI驱动OSA筛查方法，整合了面部图像和临床数据，显著优于单模态和双模态方法	研究未明确提及模型在更广泛人群或不同种族群体中的泛化能力，且对腹部周长较小患者的敏感性较低	开发一种多模态AI模型以增强阻塞性睡眠呼吸暂停（OSA）的筛查，促进早期诊断	710名接受多导睡眠图检查的患者，包括肥胖、老年和男性患者等亚组	计算机视觉	阻塞性睡眠呼吸暂停	多导睡眠图	深度学习模型	图像, 临床数据	710名患者	NA	ShuffleNet-V2, 深度神经网络	AUC, 敏感性, 特异性, 准确性, F1分数	NA
76	2026-04-01	Automatic Segmentation of Placenta from MR images Using a Novel BiGC U-Net 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678395 PMID:41911136	研究论文	本研究提出了一种名为BiGC U-Net的新型深度学习架构，用于从磁共振图像中自动分割胎盘	提出了结合双向门控卷积模块、分层正则化机制和创新数据增强策略的增强型U-Net架构	未明确说明模型在临床环境中的泛化能力或计算效率限制	开发自动分割胎盘磁共振图像的准确方法，以支持胎盘植入谱疾病的定量分析	胎盘磁共振图像	数字病理学	胎盘植入谱疾病	磁共振成像	CNN	图像	三个胎盘磁共振数据集：公开数据集、谢菲尔德教学医院数据集及组合数据集	未明确说明	BiGC U-Net, U-Net, Attention U-Net, ResNet, UNet++, TransUNet, nnUNet, SSM-Mamba	Dice相似系数, 95百分位Hausdorff距离, 相对体积差异	NA
77	2026-04-01	Adaptive Feature Selection With Hierarchical Learning for Drug-Target Interaction Prediction 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678266 PMID:41911134	研究论文	本文提出了一种结合分层学习和自适应特征选择的新框架ASHL-DTI，用于提升药物-靶点相互作用预测的准确性和泛化能力	提出ASHL-DTI框架，首次将分层学习与自适应Top-k特征选择机制相结合，以捕获多层次分子内关联并保留最具预测性的特征	未在摘要中明确说明	提高药物-靶点相互作用预测的准确性，以支持药物发现和再利用	药物-靶点相互作用对	机器学习	NA	深度学习	深度学习框架	分子关联数据	多个公共基准数据集（未指定具体数量）	NA	ASHL-DTI（自定义架构）	NA	NA
78	2026-04-01	Semantic Prompt and Graph-Convolution-Structure Distillation Framework for Semantic Segmentation of Remote Sensing Images 2026-Mar-30, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3675381 PMID:41911145	研究论文	提出一种用于高分辨率遥感图像语义分割的语义提示与图卷积结构蒸馏框架	整合多模态特征增强与双路径知识蒸馏，设计了辅助空间特征提取模块和RGB表示模块进行特征去噪与对齐，并引入基于图卷积的结构蒸馏和无需外部文本监督的语义提示蒸馏	NA	解决高分辨率遥感图像语义分割中的模态异质性、细粒度对象结构和高计算成本等挑战	遥感图像（Vaihingen和Potsdam数据集）	计算机视觉	NA	NA	深度学习模型	图像（RGB图像和归一化数字表面模型nDSM数据）	Vaihingen和Potsdam数据集	NA	SPGSNet-S*（语义提示与图卷积结构蒸馏框架）	参数量（8.89 M）、浮点运算量（2.29 G FLOPs）	NA
79	2026-04-01	Examining the Use of Consumer Wearable Devices and Digital Tools for Stress Measurement in College Students: Scoping Review of Methods 2026-Mar-30, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/64144 PMID:41911361	综述	本文对2020年至2025年间发表的文献进行了范围综述，系统评估了在大学生群体中使用可穿戴设备和数字工具进行压力测量的方法、常用传感器、生理信号及机器学习或深度学习模型的应用现状	本综述创新性地聚焦于大学生这一特定人群，系统梳理了可穿戴设备在压力检测中的应用，并重点分析了传感器类型、生理信号、建模方法及方法学质量，而非仅关注算法性能，从而识别了限制现实世界部署的持续差距	纳入的研究中人口统计学报告不一致，样本量普遍较小且缺乏合理性论证，时间序列建模算法的应用有限，且多数研究依赖现有数据集（如仅包含15名参与者的Wearable Stress and Affect Detection数据集），数据多样性不足	系统回顾文献，以确定在大学生中使用可穿戴技术和数字工具进行压力测量的最佳实践和新兴趋势，并评估用于压力检测的传感器类型、数据集和机器学习方法的共性	大学生群体	数字健康	心理健康问题	数字表型分析，可穿戴传感器监测	机器学习，深度学习	生理信号数据（如皮肤电活动）	综述共纳入134项研究，其中约80%使用现有数据集的研究依赖于仅包含15名参与者的Wearable Stress and Affect Detection数据集	NA	支持向量机	NA	NA
80	2026-04-01	An Introduction to AI for Clinicians: Tutorial 2026-Mar-30, Interactive journal of medical research IF:1.9Q3 DOI:10.2196/85266 PMID:41911411	教程	本文是一篇面向临床医生的AI入门教程，旨在介绍人工智能的基本原理及其在医学中的应用	为临床医生提供结构化、循序渐进的AI学习框架，强调AI作为现代医学核心能力的重要性	作为入门教程，内容侧重于基础概念，未深入探讨具体技术细节或高级模型	教育临床医生理解AI的基本概念，以应对AI工具在医疗实践中的整合	临床医生，特别是缺乏AI正式教育但已接触AI工具的从业者	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA