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
8821	2026-02-22	Reconstruction of Extreme Sea Levels in coastal China using Multiple Deep Learning models 2026-Jan-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06593-w PMID:41554759	研究论文	本研究利用多种深度学习模型重建了中国沿海1970-2020年逐日最大水位数据集	首次将基于Informer的深度学习工作流应用于中国沿海风暴潮残差预测，并综合多种模型（LSTM、CNN-LSTM、ConvLSTM）进行性能对比	数据重建存在平均14.9厘米的非重合偏差，且极端水位事件的预测相关性相对较低（0.68）	重建中国沿海极端水位数据以支持海岸灾害缓解研究	中国沿海23个潮位站的逐日最大水位数据	机器学习	NA	深度学习模型集成、天文潮汐估计（UTide）、再分析数据融合	Informer, LSTM, CNN-LSTM, ConvLSTM	时间序列数据（水位、气象再分析数据）	23个潮位站1970-2020年的逐日数据	NA	Informer, LSTM, CNN-LSTM, ConvLSTM	相关系数, RMSE	NA
8822	2026-02-22	Deep learning for detecting depression in individuals with and without alexithymia 2026-Jan-16, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01393-0 PMID:41545479	研究论文	本研究探讨了述情障碍对抑郁症检测的影响，并比较了深度学习模型与自评量表在抑郁症检测中的表现	首次利用大型语言模型（LLMs）分析临床访谈转录文本，以提升对述情障碍个体抑郁症检测的准确性，并揭示了自评量表在该群体中的局限性	样本量相对较小（共299名参与者），且仅基于汉密尔顿抑郁评定量表（HAMD）作为金标准，可能未涵盖所有抑郁症亚型或共病情况	评估深度学习模型在检测抑郁症，特别是针对述情障碍个体时的准确性，并与传统自评量表进行比较	194名重度抑郁障碍患者和105名社区对照个体	自然语言处理	抑郁症	临床结构化访谈转录文本分析	大型语言模型（LLMs）	文本	299名参与者（194名患者和105名对照）	NA	NA	AUC	NA
8823	2026-02-22	BreastDCEDL: A standardized deep learning-ready breast DCE-MRI dataset of 2,070 patients 2026-Jan-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06589-6 PMID:41540040	研究论文	本文介绍了BreastDCEDL，一个标准化的深度学习就绪乳腺癌DCE-MRI数据集，包含来自2,070名患者的预处理3D DCE-MRI扫描	填补了公开标准化、多中心乳腺癌DCE-MRI数据集的空白，提供统一格式和注释，支持高级模型开发	Duke队列中仅32.5%的患者有病理完全缓解数据，可能限制某些分析的全面性	为乳腺癌治疗响应监测和深度学习研究提供标准化数据集	2,070名乳腺癌患者的预处理3D DCE-MRI扫描	数字病理学	乳腺癌	动态对比增强磁共振成像	NA	3D DCE-MRI图像	2,070名患者（I-SPY1: 172, I-SPY2: 982, Duke: 916）	NA	NA	NA	NA
8824	2026-02-22	Biologically interpretable deep learning-derived MRI phenotypes reveal lymph node involvement and neoadjuvant therapy response in intrahepatic cholangiocarcinoma 2026-Jan-12, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001671 PMID:41525512	研究论文	本研究开发了一个名为SwinU-CliRad的模型，用于肝内胆管癌的淋巴结风险分层和辅助治疗评估	结合了基于Swin UNETR的MRI衍生淋巴结特征与临床放射学特征，构建了可解释的深度学习模型，并探索了模型输出与肿瘤多组学特征的相关性	研究依赖于回顾性队列，外部验证样本量相对较小，且模型在更广泛人群中的泛化能力需进一步验证	开发一个模型以改进肝内胆管癌的淋巴结分期，并为治疗决策提供信息	肝内胆管癌患者	数字病理学	肝内胆管癌	MRI, 单细胞RNA测序, 多组学分析	Transformer, CNN	MRI图像, 临床数据, 放射学特征	发现队列682例，内部测试队列204例，外部多中心队列88例，新辅助治疗队列145例	PyTorch	Swin UNETR	AUC, 误分类纠正率, 病理完全缓解率, 主要病理缓解率	NA
8825	2026-02-22	Multimodal MRI radiomics and deep learning for brain age prediction: age-corrected brain age gap analysis in patients with insomnia 2026-Jan-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01512-x PMID:41507907	研究论文	本研究通过整合多模态MRI影像组学特征与深度学习，开发并验证了高精度脑龄预测模型，并应用于失眠患者以评估其脑老化加速情况	结合T1和T2加权MRI的影像组学特征与深度学习进行多模态融合，用于脑龄预测，并应用于失眠患者的脑龄差距分析	研究为回顾性设计，样本主要来自特定医院和公开数据集，可能限制泛化性	开发高精度脑龄预测模型，并评估慢性失眠是否与加速脑老化相关	健康个体和失眠患者	数字病理学	失眠	T1加权MRI, T2加权MRI, 影像组学特征提取	深度学习回归模型	MRI图像	总计1200名参与者，包括942名健康对照和258名失眠患者	NA	NA	平均绝对误差, 均方根误差, R2	NA
8826	2026-02-22	Justifying model complexity: Evaluating transfer learning against classical models for intraoperative nociception monitoring under anesthesia 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342688 PMID:41701784	研究论文	本文比较了传统监督模型与基于迁移学习的时序卷积网络在术中伤害性事件监测中的性能，评估了模型复杂度与临床效益的平衡	首次在术中伤害性监测中，系统比较了传统模型（如随机森林）与深度学习迁移学习框架的性能，并强调了模型复杂度的合理性验证	研究样本量较小（101例成人手术案例），且未在更大规模或多样化数据集上验证结论的普适性	评估传统模型与深度学习模型在术中伤害性事件监测中的性能差异，以优化镇痛管理并改善术后结果	101例成人手术案例，包含30个生理特征和18个药物剂量特征，采样窗口为5秒	机器学习	麻醉相关并发症	监督学习，迁移学习	逻辑回归，随机森林，时序卷积网络	时间序列数据	101例成人手术案例	NA	随机森林，时序卷积网络	AUROC，AUPRC	NA
8827	2026-02-22	Comparison of machine learning methods in forecasting and characterizing the birch and grass pollen season 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332093 PMID:41706687	研究论文	本研究比较了八种机器学习方法在预测和表征桦树及草类花粉季节中的应用，并分析了气象变量与花粉浓度之间的依赖关系	首次在波兰克拉科夫地区综合比较了来自四个不同家族（懒惰、线性、基于树和深度学习）的机器学习模型，用于预测花粉浓度类别，并进行了特征重要性分析和关联规则挖掘	研究仅基于克拉科夫地区的数据，可能无法推广到其他地理或气候区域，且模型性能在更长的预测时间（如7天）上有所下降	开发并比较机器学习方法，以准确预测花粉浓度，辅助季节性过敏疾病的个性化治疗	桦树（Betula）和草类（Poaceae）花粉浓度数据及气象变量	机器学习	季节性过敏疾病	容积法花粉数据收集	懒惰模型, 线性模型, 树基模型, 深度学习模型	时间序列数据（花粉浓度和气象数据）	1991年至2024年在克拉科夫收集的花粉和气象数据	NA	增强树, 关联知识图, 带记忆单元的深度神经网络	准确率	NA
8828	2026-02-22	An intelligent method for Buoy meteorological data restoration using a Spatio-Temporal Dual-Attention Network with transformer and GAT 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343310 PMID:41706759	研究论文	本文提出了一种结合Transformer和图注意力网络（GAT）的时空双注意力网络（ST-DAN），用于修复海洋浮标气象数据中的缺失值和异常值	提出了一种新颖的深度学习模型ST-DAN，通过并行计算整合Transformer和GAT，分别捕获时间依赖性和基于物理信息邻接矩阵的变量间空间相关性，动态调整变量间影响权重，显著提高了重建精度	NA	解决海洋浮标气象数据因恶劣天气和环境条件导致的数据丢失或异常值问题，实现高精度数据重建	海洋浮标气象数据，特别是温度和风速数据	机器学习	NA	NA	Transformer, GAT	时间序列数据	基于ERA5再分析数据集和青岛浮标现场观测数据	NA	Transformer, GAT	MAE, MSE, RMSE, R²	NA
8829	2026-02-22	Anomaly detection of cybersecurity behavior using cross-sequence aligned transformer-A dynamic recognition approach for high-frequency interaction patterns 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340801 PMID:41706767	研究论文	本文提出了一种基于跨序列对齐Transformer的动态识别模型（CSAT-DRM），用于提升高频交互网络环境中网络安全异常检测的准确性和稳定性	提出了跨序列对齐机制以软对齐网络流量和用户行为序列，并引入交互敏感残差结构和动态阈值生成策略，以增强模型对高频交互下异常特征的判别能力和自适应异常识别能力	未在摘要中明确说明	提升高频交互网络环境中网络安全异常检测的准确性和稳定性	高频交互网络环境中的网络流量和用户行为序列	自然语言处理	NA	NA	Transformer	网络交互日志数据	未在摘要中明确说明	未在摘要中明确说明	Transformer	准确率, 精确率, 召回率, F1分数	未在摘要中明确说明
8830	2025-02-24	Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data 2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102168 PMID:39986346	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8831	2026-02-22	Spatial multi-omics and deep learning reveal fingerprints of immunotherapy response and resistance in hepatocellular carcinoma 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.656869 PMID:40661489	研究论文	本研究通过空间多组学技术和深度学习框架，揭示了肝细胞癌免疫治疗响应和耐药性的分子特征	开发了一种可解释的多模态深度学习框架，结合空间转录组学和蛋白质组学数据，首次识别出免疫治疗响应和耐药性的空间多组学指纹	研究样本量有限，且仅针对肝细胞癌，未在其他癌症类型中验证	探索肝细胞癌免疫治疗响应和耐药性的机制，以改善患者分层和治疗策略	人类肝细胞癌组织样本，在免疫治疗前后收集	数字病理学	肝细胞癌	空间转录组学, 空间蛋白质组学	图神经网络	空间多组学数据	未明确指定样本数量	未明确指定	未明确指定	ROC-AUC	未明确指定
8832	2026-02-22	Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making 2024-10, Seminars in radiation oncology IF:2.6Q2 DOI:10.1016/j.semradonc.2024.07.012 PMID:39271273	综述	本文探讨了数据科学在优化放疗计划和临床决策中的应用前景	提出结合深度学习与多源数据（如基因组学、影像组学和剂量组学）来改进预测模型，并引入“数字孪生”概念以指导自适应放疗	NA	提升放疗的个性化治疗水平，通过整合数据科学方法优化肿瘤控制与正常组织保护	放疗患者及其相关数据（如肿瘤基因组、影像数据和剂量分布）	机器学习	肿瘤	基因组学、影像组学、剂量组学	深度学习	基因组数据、影像数据、剂量数据	NA	NA	NA	NA	NA
8833	2026-02-22	Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms 2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.) DOI:10.1097/FM9.0000000000000236 PMID:40406277	研究论文	本研究通过比较多种机器学习算法，探讨深度学习在预测早产方面的适用性	首次在早产预测中比较了Transformer模型与传统机器学习算法（如逻辑回归、随机森林和支持向量机），并展示了Transformer的优越性能	研究为回顾性单中心设计，可能存在选择偏倚，且未详细说明模型的可解释性	评估深度学习算法是否适合用于预测早产	2018年1月至2023年6月在北京大学第三医院分娩的产妇数据	机器学习	早产	回顾性数据分析	Transformer, 逻辑回归, 随机森林, 支持向量机	结构化临床数据	30,965例分娩数据（第一部分24,770例，第二部分6,195例）	NA	Transformer	AUC, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率	NA
8834	2026-02-22	The application of explainable artificial intelligence (XAI) in electronic health record research: A scoping review 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241272657 PMID:39493635	综述	本文对电子健康记录研究中可解释人工智能（XAI）的应用进行了范围综述	首次对使用表格型电子健康记录数据的机器学习/深度学习模型中的XAI方法应用进行了系统性范围综述，揭示了该领域快速增长但缺乏关键评估的现状	仅纳入了表格型电子健康记录数据的研究，未涵盖其他类型医疗数据；缺乏对XAI方法有效性的深入评估；可能存在发表偏倚	批判性评估可解释人工智能方法在电子健康记录研究中的应用现状与效果	使用电子健康记录数据并应用可解释人工智能方法的机器学习/深度学习研究	机器学习	NA	NA	机器学习模型,深度学习模型	表格数据	76篇出版物（来自3220篇筛选文献）	NA	极端梯度提升,随机森林	NA	NA
8835	2026-02-22	Segmentor: a tool for manual refinement of 3D microscopy annotations 2021-May-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04202-8 PMID:34022787	研究论文	本文介绍Segmentor，一个用于手动细化和标注3D显微镜图像的开源工具	提出一种混合2D-3D可视化与分割方法，并集成自动区域分割功能，专门优化3D核分割流程	NA	开发高效、用户友好的手动标注工具，以支持深度学习分割算法的训练数据准备	3D光片显微镜图像中的对象（如细胞核）	数字病理学	NA	光片显微镜成像	NA	3D图像	NA	NA	NA	准确性	NA
8836	2026-02-22	CancerSiamese: one-shot learning for predicting primary and metastatic tumor types unseen during model training 2021-May-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04157-w PMID:33980137	研究论文	本文提出了一种名为CancerSiamese的新型一次性学习模型，用于预测训练期间未见过的原发性和转移性肿瘤类型	首次展示了预测样本有限的未见癌症类型的可行性，通过一次性学习模型学习类型无关的表达表示	模型依赖于现有训练样本，可能对罕见癌症类型的预测能力有限	利用现有训练样本预测训练期间未见过的癌症类型	原发性和转移性肿瘤的基因表达谱	机器学习	癌症	基因表达谱分析	CNN	基因表达数据	来自TCGA和MET500的样本	NA	CancerSiamese（基于孪生卷积神经网络）	准确率	NA
8837	2026-02-21	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	提出一种基于深度学习的创新方法，通过拍摄X射线曝光前的照片自动估计放射学体位，以优化X射线主要参数设置	首次利用深度学习从照片中自动估计放射学体位，用于自动设置X射线主要参数（KVp、mAs和源-探测器距离），以减少曝光错误和患者辐射剂量	大多数错误发生在照片中患者姿势相似的放射学体位之间，可能影响分类准确性	开发一种自动估计放射学体位的方法，以优化X射线主要参数设置，减少曝光错误和患者辐射剂量	66种临床常用放射学体位，从75名志愿者在两个不同X射线设施中前瞻性获取	计算机视觉	NA	X射线摄影	CNN	图像	75名志愿者，涉及66种放射学体位	PyTorch	ConvNeXt轻量版	准确率	NA
8838	2026-02-21	Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123728 PMID:39880078	研究论文	本研究利用深度学习卷积神经网络分析MRI图像，辅助腰椎间盘突出症的诊断和治疗决策	比较了纯AI、纯人类和AI辅助三种方法在诊断准确性和决策时间上的表现，展示了AI与人类专家协同工作的潜力	回顾性研究，样本可能有限，未详细说明模型泛化能力	评估深度学习在腰椎间盘突出症诊断和治疗决策中的辅助作用	接受手术评估患者的MRI图像	计算机视觉	腰椎间盘突出症	磁共振成像	CNN	图像	未明确说明	未明确说明	未明确说明	准确率	未明确说明
8839	2026-02-21	Macrophage memory emerges from coordinated transcription factor and chromatin dynamics 2025-Feb-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101171 PMID:39938520	研究论文	本文通过活细胞分析、ATAC测序和脓毒症体内模型，揭示了巨噬细胞如何通过NF-κB网络和染色质可及性重编程来编码动态炎症信号的记忆	首次展示了巨噬细胞在单细胞水平上通过转录因子和染色质动态协调，对连续炎症信号形成记忆的机制	研究主要聚焦于脓毒症模型，可能未涵盖所有炎症条件；单细胞变异性机制仍需进一步探索	探究免疫细胞如何编码和解码动态炎症信号，以及巨噬细胞是否保留过去暴露于炎症分子的记忆	巨噬细胞	机器学习	脓毒症	ATAC测序, 活细胞分析, 转录组分析	深度学习	序列数据, 转录组数据	NA	NA	NA	NA	NA
8840	2026-02-21	Deep social neuroscience: the promise and peril of using artificial neural networks to study the social brain 2024-02-21, Social cognitive and affective neuroscience IF:3.9Q1 DOI:10.1093/scan/nsae014 PMID:38334747	综述	本文为社交神经科学家提供了一个关于人工神经网络在社交大脑研究中的应用、潜力及挑战的入门指南	提出了“深度社交神经科学”这一新概念，并系统阐述了神经网络在社交神经科学中的三种应用方式	讨论了深度学习在社交神经科学中面临的实际挑战、理论限制和伦理问题	探讨人工神经网络在社交神经科学研究中的应用潜力与风险	社交大脑、神经成像数据、自然主义刺激和社会互动	自然语言处理	NA	NA	人工神经网络	神经成像数据、行为数据、自然主义刺激数据	NA	NA	NA	NA	NA