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
9481	2026-01-26	Age-sensitive urban rail passenger demand forecasting and uncertainty-driven anomaly detection using a hybrid SAINT + CatBoost ensemble 2026-Jan-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34849-9 PMID:41486208	研究论文	本研究提出了一种新颖的年龄敏感需求预测和异常检测框架，用于伊斯坦布尔城市轨道交通网络，通过集成SAINT Transformer和CatBoost的混合模型来优化预测性能	提出了一种两阶段混合集成架构，将SAINT Transformer的深度表征能力与CatBoost的分类鲁棒性相结合，并利用校准的不确定性元特征（熵和最大置信度）进行堆叠，实现了最先进的性能	研究数据仅限于伊斯坦布尔城市轨道交通网络2021年至2023年的乘客出行记录，模型在其他城市或交通系统的泛化能力未经验证	优化城市轨道交通容量和可靠性，通过年龄敏感的需求预测和异常检测支持智能交通规划	伊斯坦布尔城市轨道交通网络的乘客出行需求	机器学习	NA	NA	Transformer, 梯度提升决策树, 线性分类器	表格数据（乘客出行记录）	721,328条乘客出行记录	PyTorch（推测用于SAINT）, CatBoost	SAINT Transformer, CatBoost	准确率, ROC-AUC	NA
9482	2026-01-26	A causal deep learning approach to identifying metabolic signatures of cognitive and functional decline in alzheimer's disease 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32793-2 PMID:41484308	研究论文	本研究结合因果推断与深度学习，识别阿尔茨海默病认知与功能衰退的代谢特征，并开发了FDG CogNet预测模型	首次将结构因果模型与基于注意力的深度学习模型相结合，以识别对认知和功能评分具有强因果影响的大脑区域，并利用这些区域构建可解释的预测模型	研究数据来源于单一数据库（ADNI），模型在外部数据集上的泛化能力有待验证，且研究为横断面分析，未能完全捕捉疾病进展的动态过程	理解阿尔茨海默病进展中特定脑网络紊乱与认知功能下降的关系，并开发早期诊断和预测工具	认知正常个体、轻度认知障碍患者和阿尔茨海默病患者	数字病理学	阿尔茨海默病	氟代脱氧葡萄糖正电子发射断层扫描	深度学习模型	图像, 临床数据	来自阿尔茨海默病神经影像学倡议数据库的认知正常个体、轻度认知障碍患者和阿尔茨海默病患者（具体数量未在摘要中说明）	NA	FDG-PET-based Cognition Prediction Network	R²	NA
9483	2026-01-26	Self-Driving Microscopes: AI Meets Super-Resolution Microscopy 2026-Jan, Small methods IF:10.7Q1 DOI:10.1002/smtd.202401757 PMID:39797467	综述	本文探讨了机器学习（特别是深度学习）与超分辨率显微镜结合的潜力，旨在实现显微镜的自动化成像任务	将深度学习与超分辨率显微镜结合，推动显微镜向自动化方向发展，以应对动态生物过程并减少人工干预	超分辨率显微镜的自动化仍处于起步阶段，面临适应动态生物过程和最小化人工干预的挑战	探索机器学习在超分辨率显微镜自动化中的应用潜力，以推动生物医学研究	超分辨率显微镜技术及其在生物医学成像中的应用	计算机视觉	NA	超分辨率显微镜	深度学习	图像	NA	NA	NA	NA	NA
9484	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
9485	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
9486	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
9487	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
9488	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
9489	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
9490	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
9491	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
9492	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
9493	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
9494	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
9495	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
9496	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
9497	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
9498	2026-01-26	Deep learning-based fractured tooth detection in occlusal radiographs 2025-Dec-18, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07445-6 PMID:41413887	研究论文	本研究提出了一种基于深度学习的自动检测和分类牙齿骨折的方法，利用YOLOv9进行牙齿定位，并结合多个预训练CNN模型进行骨折分类	首次将YOLOv9与多个预训练CNN模型（VGG19、EfficientNetB0、InceptionResNetV2、InceptionV3）结合，并通过多数投票融合策略提升牙齿骨折检测性能	数据集仅包含200张咬合片X光片，样本量较小，且仅针对牙齿11和21进行检测，泛化能力有待验证	开发一种自动、准确的牙齿骨折检测与分类系统，以辅助牙科临床诊断	牙齿11和21的咬合片X光图像	计算机视觉	牙齿骨折	咬合片X光摄影	CNN, YOLO	图像	200张咬合片X光片	YOLOv9, TensorFlow/Keras	YOLOv9, VGG19, EfficientNetB0, InceptionResNetV2, InceptionV3	平均精度均值(mAP50), mAP50-95, 准确率	NA
9499	2026-01-26	Research on engine power-loss fault diagnosis method based on time-series data mining 2025-Dec-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32777-2 PMID:41402412	研究论文	本研究提出了一种基于时间序列数据挖掘的商用车发动机功率损失故障智能诊断新方法	提出了一种结合时间序列数据挖掘的双框架诊断策略，根据油门开度变化率将数据分类，并针对不同类别分别采用机器学习算法和深度学习模型进行诊断	未明确说明模型在更广泛车型或不同工况下的泛化能力，也未讨论数据采集终端的标准化问题	开发一种远程、在线的商用车发动机功率损失故障智能诊断方法，以减少对现场路测的依赖并节省人力物力资源	商用车的发动机功率损失故障	机器学习	NA	时间序列数据挖掘	机器学习算法, 深度学习模型	时间序列数据	NA	NA	NA	准确率, 特异性	NA
9500	2026-01-26	Multicenter study on the versatility and adoption of AI-driven automated radiotherapy planning across cancer types 2025-Dec-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67581-z PMID:41398177	研究论文	本研究提出了一种结合深度学习剂量预测与临床目标导向逆向优化的混合策略，用于在五分钟内生成可直接交付的放疗计划，并在多中心癌症类型中验证其灵活性和应用潜力	通过整合深度学习剂量预测与临床目标导向的逆向优化，实现了快速生成个性化、可直接交付的放疗计划，提高了自动化计划的灵活性和临床适用性	研究基于单机构数据训练模型，虽在多中心测试，但可能未完全覆盖所有临床场景的多样性，且自动化计划的采纳率仍有提升空间	开发并验证一种高效、灵活的自动化放疗计划策略，以简化放疗工作流程并减少计划质量变异性	五种不同疾病部位的癌症患者放疗计划	数字病理	癌症	深度学习	深度学习模型	放疗计划数据	250个自动化计划，涉及多中心数据集	NA	NA	临床标准符合率、偏好率、剂量学分析	NA