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
9161	2026-02-16	Towards improved decision making of unruptured intracranial aneurysms using automated segmentation from MRA-TOF with iterative pseudo labeling 2026-Feb-14, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9231 PMID:41690811	研究论文	本文开发并验证了一种基于深度学习的颅内血管和动脉瘤分割方法DIVA-seg，该方法使用伪标签方法从MRA-TOF图像中实现准确分割，以支持未破裂颅内动脉瘤的临床决策	提出了一种基于nnU-Net的迭代伪标签方法，用于从MRA-TOF图像中自动分割颅内血管和动脉瘤，并在内部和外部数据集上实现了高精度分割，同时与专家标注在3D形态学测量上表现出高度一致性	在体素体积、表面积、球形度和形状指数等3D形态学测量中观察到比例偏差，且定性评估未显示对真实标注或模型分割的明显偏好	开发一种自动分割方法，以支持未破裂颅内动脉瘤的准确3D形态学评估和临床决策	MRA-TOF图像中的颅内血管和动脉瘤	数字病理学	颅内动脉瘤	MRA-TOF	CNN	图像	训练集57例，测试集14例，伪标签数据518例，外部验证集82例	nnU-Net	nnU-Net	Dice相似系数, 95% Hausdorff距离, 3D形态学测量	NA
9162	2026-02-16	Integrated Deep Learning-Based Intracranial Vessel Wall Imaging with DANTE Preparation: Feasibility and Technical Performance 2026-Feb-14, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9232 PMID:41690813	研究论文	本研究评估了将DANTE准备集成到深度学习加速的颅内血管壁成像序列中的可行性和技术性能	首次将DANTE准备与深度学习加速的T1-SPACE序列结合用于颅内血管壁成像，以改善血流伪影和管腔可视化	回顾性单中心研究，样本量较小（35例患者），DANTE准备导致血管壁可视化评分降低	评估DANTE准备在深度学习加速颅内血管壁成像中的技术性能和可行性	颅内血管壁成像（IC-VWI）	医学影像分析	颅内血管病变	DANTE准备，深度学习加速的T1-SPACE序列，磁共振成像	深度学习模型	磁共振图像	35例患者（22名女性，平均年龄57.9±17.1岁），共556个血管段对	NA	NA	Likert量表评分，累积链接混合效应模型，Wilcoxon检验，Bland-Altman分析	NA
9163	2026-02-16	Development and explanation of electrocardiogram-based deep learning for predicting short-term mortality in heart failure patients 2026-Feb-13, Journal of global health IF:4.5Q1 DOI:10.7189/jogh.16.04048 PMID:41678824	研究论文	本研究开发并验证了一种基于心电图的深度学习模型HF-ECGNet，用于预测心力衰竭患者的短期死亡率	结合EfficientNet神经网络和Transformer架构，并整合心电图数据与临床特征，提高了预测准确性和可解释性	需要未来多中心验证以确认其临床效用和泛化能力	改进心力衰竭患者短期死亡率的预测模型	心力衰竭患者	机器学习	心血管疾病	心电图	深度学习	心电图数据, 临床特征	36,222次入院中的104,844份心电图	NA	EfficientNet, Transformer	AUC, 其他指标	NA
9164	2026-02-16	Explainability-informed benchmarking of two deep learning models for organ-at-risk segmentation in MR-guided adaptive radiotherapy 2026-Feb-13, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2026.102200 PMID:41690008	研究论文	本研究对U-Net和ResUNet两种卷积架构在腹部MRI器官风险分割中的性能、不确定性和可解释性进行了基准测试	通过结合性能、不确定性和可解释性定量指标，对深度学习模型进行综合基准测试，并采用Grad-CAM激活图的数值定位指标进行客观分析	未发现统计显著差异，可能受数据集规模或模型配置限制	评估深度学习模型在MR引导自适应放疗中腹部器官风险分割的准确性、可解释性和可靠性	胃肠道器官风险（OARs）的MRI图像分割	数字病理学	NA	MRI成像	CNN	图像	匿名腹部MRI数据集，采用5折分层组交叉验证	NA	U-Net, ResUNet	Dice相似系数, 交并比, 95百分位Hausdorff距离	NA
9165	2026-02-16	Beyond handcrafted radiomics in oncologic imaging: Innovations in deep, explainable, multi-site and multi-omics radiomics approaches 2026-Feb-13, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2026.02.001 PMID:41690886	综述	本文综述了肿瘤影像组学领域从手工特征提取向深度、可解释、多病灶及多组学整合方法演进的主要概念、创新及挑战	系统阐述了影像组学从传统手工特征向深度学习、多病灶整合、多中心协调及多组学融合的范式转变，并强调了可解释人工智能方法在提升临床可信度中的互补作用	指出领域仍面临混杂因素、公共数据集有限、多中心变异性、报告不一致以及缺乏前瞻性临床试验等关键挑战	定义并阐明肿瘤影像组学领域的主要方法学和概念演进，总结当前创新方向，并识别临床转化前需解决的挑战	肿瘤影像组学方法及其在捕捉肿瘤表型、微环境和生物学特征中的应用	医学影像分析	肿瘤	影像组学，多组学整合（基因组学、转录组学、免疫组学）	CNN, 自编码器, 视觉Transformer, 掩码图像建模	医学影像，基因组数据，转录组数据，免疫组数据，临床数据	NA	NA	卷积神经网络，自编码器，视觉Transformer，掩码图像建模，基于注意力的多实例学习	NA	NA
9166	2026-02-16	A deep residual 1D-CNN with self-attention for fraud transaction detection in virtual economies 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37032-w PMID:41673112	研究论文	本文提出了一种结合残差连接和自注意力机制的一维卷积神经网络模型，用于元宇宙金融交易的实时异常检测和风险分类	首次将残差连接和自注意力机制集成到1D-CNN中，专门针对元宇宙交易数据进行优化，并通过引入受控噪声的消融研究验证模型鲁棒性	完美性能评分可能源于数据过于干净或可预测，模型在现实世界不确定性和不完美数据中的表现仍需进一步验证	开发适用于元宇宙金融交易的实时欺诈检测和风险分类系统	元宇宙虚拟经济中的金融交易数据	机器学习	NA	NA	CNN	交易数据	Kaggle元宇宙金融基准数据集和信用卡欺诈检测数据集	NA	1D-CNN with residual connections and self-attention mechanism	准确率, 灵敏度, 特异性, ROC曲线	NA
9167	2026-02-16	Artificial Intelligence for Exosomal Biomarker Discovery for Cardiovascular Diseases: Multi-Omics Integration, Reproducibility, and Translational Prospects 2026-Feb-05, Cells IF:5.1Q2 DOI:10.3390/cells15030304 PMID:41677667	综述	本文综述了人工智能在心血管疾病外泌体生物标志物发现中的应用，重点探讨了多组学整合、可重复性及转化前景	通过综合评估AI方法（如集成学习和图神经网络）在外泌体生物标志物发现中的应用，并建立可重复性和转化准备度的明确标准，为外泌体诊断从探索性研究向临床实施提供了实用框架	现有研究多为探索性，基于小样本队列（<50例）且外部验证有限，模型可解释性面临挑战	推动外泌体生物标志物在心血管疾病诊断中的临床转化	外泌体及其他细胞外囊泡（EVs）携带的microRNA、蛋白质和脂质	机器学习	心血管疾病	多组学整合分析	集成方法（如随机森林、梯度提升）、图神经网络（GNNs）、进化神经网络	多组学数据（如microRNA、蛋白质、脂质）及临床元数据	小样本队列（通常<50例）	NA	随机森林, 梯度提升, 图神经网络	AUC（0.80-0.92）	NA
9168	2026-02-16	Inferring Gene Regulatory Networks From Single-Cell RNA Sequencing Data by Dual-Role Graph Contrastive Learning 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202518277 PMID:41317402	研究论文	提出了一种名为RegGAIN的新型深度学习模型，用于从单细胞转录组数据推断基因调控网络	采用自监督对比学习最大化基因嵌入在扰动图视图间的一致性，并利用独立编码器同时学习每个基因的双重角色表示，以刻画调控方向性并捕获调控因子驱动和目标驱动的不同模式	未明确说明模型对数据稀疏性和噪声的具体处理能力限制，也未提及计算复杂度或可扩展性方面的局限	从单细胞RNA测序数据中准确、稳健地推断基因调控网络，以阐明细胞身份、发育和疾病的调控机制	基因调控网络	机器学习	NA	单细胞RNA测序	深度学习	单细胞转录组数据	NA	NA	NA	NA	NA
9169	2026-02-16	CACLENS: A Multitask Deep Learning System for Enzyme Discovery 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202518063 PMID:41360755	研究论文	本文介绍了一种名为CACLENS的多任务深度学习系统，用于酶发现，通过整合定制门控控制、对比学习和交叉注意力机制，实现反应类型分类、EC编号预测和反应可行性评估	CACLENS引入了跨注意力和对比学习机制，结合多任务预测能力，提升了功能性酶的高性能筛选效率，相比现有模型具有更少的计算资源需求	NA	开发一个多任务深度学习框架，以高效筛选生物合成和生物降解过程中的工业酶	酶的结构、功能和性质，特别是针对玉米赤霉烯酮（ZEN）的降解酶	机器学习	NA	深度学习	深度学习框架	NA	NA	NA	CACLENS（基于跨注意力和对比学习）	NA	较少的计算资源
9170	2026-02-16	Engaging Artificial Intelligence (AI)-based chatbots in digital health: A systematic review 2026-Feb, PLOS digital health DOI:10.1371/journal.pdig.0001201 PMID:41678558	系统综述	本文对数字健康领域基于人工智能的聊天机器人进行了系统综述，重点关注其应用和评估	系统性地识别了基于AI聊天机器人的四个主要研究领域：文本质量、临床疗效、用户参与度和安全性，并指出了当前研究中随机对照试验和理论框架的缺乏	综述指出当前研究缺乏随机对照试验，且在评估性能时理论框架的使用有限	评估基于人工智能的聊天机器人在数字健康领域的应用和效果	基于人工智能的聊天机器人	数字病理学	NA	NA	深度学习架构	文本	348篇文章，其中20篇被分析	NA	NA	NA	NA
9171	2026-02-16	Deep learning-based classification of superficial femoral arterial lesions: a pilot study 2026-Feb, Annals of surgical treatment and research IF:1.2Q3 DOI:10.4174/astr.2026.110.2.92 PMID:41684626	研究论文	本研究评估了使用目标检测算法在平面重建的下肢CT血管造影图像中检测外周动脉病变的可行性	首次将一阶段（YOLOv5）和两阶段（Faster R-CNN）目标检测算法应用于下肢CT血管造影图像中的支架、狭窄和闭塞病变分类	狭窄病变漏检率高，动脉分叉处的闭塞常未被检测到，支架边缘被误分类为闭塞，部分YOLOv5模型在超过75个周期后出现过拟合	开发用于外周动脉疾病临床决策支持工具的初步步骤	外周动脉疾病患者的平面重建下肢CT血管造影图像	计算机视觉	外周动脉疾病	CT血管造影	CNN	图像	1,241张对比增强下肢CT图像	NA	YOLOv5, Faster R-CNN	平均精度均值（mAP@.5）, 精确率-召回率曲线	NA
9172	2026-02-16	Harnessing deep learning to accelerate the development of antibodies and aptamers 2026-Feb, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2025.12.017 PMID:41685150	综述	本文综述了人工智能在加速抗体和RNA适配体开发中的应用及其在分子治疗领域的进展	利用AI技术整合序列和结构数据，显著降低实验成本并缩短开发时间，为针对病毒和癌症等挑战性抗原的抗体及适配体设计提供可扩展、高定制化的解决方案	NA	探讨AI如何优化抗体和RNA适配体的结构预测、结合亲和力、特异性及稳定性，以推动精准医疗发展	抗体和RNA适配体	机器学习	癌症，自身免疫性疾病，病毒感染	深度学习	NA	序列数据，结构数据	NA	NA	NA	NA	NA
9173	2026-02-16	A meta-heuristic aided arrhythmia classification model using advanced deep learning technique with multiple feature extraction mechanisms 2026-Jan-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108917 PMID:41690150	研究论文	本文提出了一种基于深度学习和元启发式优化的心律失常分类模型，通过多种特征提取机制提高分类性能	结合条件自编码器、GCNN和特征融合技术，并采用ARGAO优化算法提升分类器参数，实现高效的心律失常自动分类	未提及模型在临床环境中的验证情况或对噪声ECG信号的鲁棒性	开发一种准确且高效的心律失常自动诊断模型	心电图信号	机器学习	心血管疾病	心电图分析	条件自编码器, GCNN, 循环神经网络	信号, 图像	NA	NA	条件自编码器, GCNN, 密集循环神经网络	NA	NA
9174	2026-02-16	An Extended VIIRS-like Artificial Nighttime Light Data Reconstruction (1986-2024) 2026-Jan-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06549-0 PMID:41577719	研究论文	本文提出了一种新的两阶段深度学习模型，用于生成中国1986年至2024年的年度人工夜间灯光数据集，以解决现有数据产品在光强低估和结构细节缺失方面的不足	提出了一种新颖的两阶段深度学习模型，首次使用高分辨率不透水面数据作为指导来细化细粒度结构细节，从而生成时间覆盖更长、质量更高的VIIRS-like夜间灯光数据集	NA	生成时间覆盖更长、质量更高的中国人工夜间灯光数据集，以支持长期时间序列研究	中国的人工夜间灯光数据	遥感	NA	深度学习	深度学习模型	遥感图像	NA	NA	两阶段深度学习模型	时间一致性, 与社会经济指标的相关性	NA
9175	2026-01-25	Hybrid deep learning model for air quality prediction and its impact on healthcare 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36564-5 PMID:41577974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9176	2026-02-16	Sex disparities in deep learning estimation of ejection fraction from cardiac magnetic resonance imaging 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02330-6 PMID:41577988	研究论文	本研究分析了基于心脏磁共振成像的深度学习模型在估计射血分数时存在的性别差异	首次在心脏成像深度学习模型中系统研究性别偏见，并探讨了缓解策略如掩蔽保护属性和数据重采样	尽管尝试了多种缓解策略，模型公平性未得到显著改善，且研究主要基于UK Biobank数据集	评估深度学习模型在心血管成像中估计射血分数的性别偏见及其影响	心脏磁共振成像数据和放射学报告	医学影像分析	心血管疾病	心脏磁共振成像	深度学习基础模型	图像, 文本	UK Biobank数据集的多机构数据	NA	NA	射血分数估计误差	NA
9177	2026-02-16	Data-Augmented Deep Learning for Downhole Depth Sensing and Validation 2026-Jan-23, Sensors (Basel, Switzerland) DOI:10.3390/s26030775 PMID:41682291	研究论文	本文提出了一种集成到井下工具串中的系统，用于套管接箍定位器（CCL）测井数据采集，并开发了数据增强预处理方法以提升套管接箍识别神经网络的性能	针对CCL数据有限的情况，提出了一套综合的数据增强预处理方法，包括标准化、标签分布平滑、随机裁剪等，并系统评估了各方法对模型泛化能力的贡献	研究依赖于模拟或有限的实际井数据，可能无法完全覆盖所有井下环境的复杂性	提高井下深度测量的准确性，以优化油气井作业中的储层接触、生产效率和操作安全	套管接箍定位器（CCL）测井数据	机器学习	NA	CCL测井数据采集	神经网络	波形数据	NA	NA	TAN, MAN	F1分数	NA
9178	2026-02-16	Deep learning with fourier features for regressive flow field reconstruction from sparse sensor measurements 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36301-y PMID:41571740	研究论文	本文提出了一种名为FLRNet的深度学习方法，用于从稀疏传感器测量中重建流场	引入了变分自编码器结合傅里叶特征层，并添加感知损失项来学习流场的低维潜在表示，通过基于注意力的网络将潜在表示与传感器测量关联	未明确提及方法在极端或非标准流动条件下的适用性限制	开发一种从稀疏传感器测量中准确重建流场的方法，并提高其在不同流动条件下的泛化能力	流体流动场	机器学习	NA	NA	变分自编码器, 注意力网络	传感器测量数据	NA	NA	FLRNet	重建准确性, 鲁棒性	NA
9179	2026-02-16	Intelligent decision-making systems for early detection of alzheimer's disease using wearable technologies and deep learning 2026-Jan-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36895-3 PMID:41571775	研究论文	本文提出了一种结合可穿戴技术和深度学习算法的智能决策系统，用于阿尔茨海默病的早期检测	通过可穿戴设备实时监测生理和行为数据，并利用RNN模型分析时序模式，实现了对阿尔茨海默病的连续、非侵入性早期检测	未提及具体样本量、模型验证的临床环境或与其他方法的比较结果	开发一种基于可穿戴技术和深度学习的早期阿尔茨海默病检测系统	阿尔茨海默病患者	机器学习	阿尔茨海默病	可穿戴传感器数据采集	RNN	时序生理和行为数据（心率、睡眠习惯、身体活动）	NA	NA	RNN	检测敏感性和准确性	NA
9180	2026-02-16	Quantum denoising autoencoder improves retinal fundus image quality for early diabetic retinopathy screening 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35540-3 PMID:41565887	研究论文	本文提出了一种量子去噪自编码器（QDAE），用于提高视网膜眼底图像质量，以支持早期糖尿病视网膜病变筛查	提出了一种混合量子-经典架构，利用参数化量子电路在潜在空间中增强表示，通过量子叠加和纠缠改善去噪效果和视网膜细节保留	浅层量子电路带来轻微的计算开销，且模型在小型医学数据集上的泛化能力仍需进一步验证	提高视网膜眼底图像的去噪质量，以促进早期糖尿病视网膜病变的准确检测	糖尿病视网膜病变患者的视网膜眼底图像	计算机视觉	糖尿病视网膜病变	量子计算与深度学习结合	自编码器	图像	基于Diabetic Retinopathy 224×224 (2019)数据集，具体样本数量未明确说明	未明确说明，可能涉及PyTorch或TensorFlow等经典框架与量子计算库的结合	量子去噪自编码器（QDAE），结合卷积特征编码与参数化量子电路	PSNR, SSIM, AMI	未明确说明，但提及涉及量子电路，可能使用量子计算模拟器或实际量子硬件