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
981	2026-07-07	DeepVAQ : an adaptive deep learning for prediction of vascular access quality in hemodialysis patients 2024-02-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02441-2 PMID:38347504	研究论文	开发了一种名为DeepVAQ的深度学习模型，用于从光电容积脉搏波传感器数据预测血液透析患者的血管通路质量	首次将深度学习模型应用于从光电容积脉搏波传感器数据预测血管通路质量，实现了非侵入性、低成本的诊断方法替代金标准超声稀释技术	研究为回顾性单中心设计，样本量有限（398名患者），且未提及模型在外部数据集上的验证	开发一种专用于预测血液透析患者血管通路质量的深度学习模型	398名血液透析患者的临床数据（2021年2月至2022年2月）	机器学习	慢性肾病相关血管通路质量	光电容积脉搏波传感器	卷积神经网络	光电容积脉搏波传感器信号数据	398名血液透析患者	NA	卷积神经网络（CNN）	准确率、特异度、精确率、F分数、AUC	NA
982	2026-07-07	Prediction of emergency department revisits among child and youth mental health outpatients using deep learning techniques 2024-02-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02450-1 PMID:38331816	研究论文	利用深度学习技术预测儿童和青少年心理健康门诊患者的急诊再次就诊	首次将图神经网络模型应用于儿童青少年心理健康电子健康档案数据中的急诊再次就诊预测，并与循环神经网络及传统机器学习模型进行比较	模型性能可能不足以支持临床实施	预测儿童青少年心理健康门诊患者的急诊再次就诊，以便早期干预和优化医疗资源配置	在麦克马斯特儿童医院儿童青少年心理健康项目门诊服务中寻求帮助的4-17岁患者	机器学习	心理健康疾病	NA	图神经网络，循环神经网络，XGBoost，决策树，逻辑回归	电子健康档案数据	未明确说明	NA	图神经网络，循环神经网络	F1分数，精确率，召回率，ROC曲线，阳性预测值，阴性预测值	NA
983	2026-07-07	Exploring the performance and explainability of fine-tuned BERT models for neuroradiology protocol assignment 2024-02-07, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02444-z PMID:38326769	研究论文	评估微调BERT模型在神经放射学协议分配中的表现和可解释性	首次将BERT模型应用于医学影像协议分配任务，并利用梯度方法进行词语重要性分析以评估决策过程	NA	评估预训练BERT模型在神经放射学协议分类中的表现，并探究其决策过程的可解释性	四种BERT模型（BERT、BioBERT、ClinicalBERT、RoBERTa）及放射科医生的判断	自然语言处理	神经放射学相关疾病	NA	BERT	文本	NA	PyTorch	BERT, BioBERT, ClinicalBERT, RoBERTa	接近人类水平的表现	NA
984	2026-07-07	A reliable diabetic retinopathy grading via transfer learning and ensemble learning with quadratic weighted kappa metric 2024-02-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02446-x PMID:38321416	研究论文	提出一种结合迁移学习与集成学习的糖尿病视网膜病变分级方法，使用二次加权卡帕指标评估性能	结合预训练模型权重迁移学习与数据增强，提出三层分类器架构，并采用二次加权卡帕指标提高分级准确性	未提及具体计算资源需求或模型在真实临床环境中的验证	开发高效且可靠的糖尿病视网膜病变分级方法，解决现有模型计算负担重且分级不准确的问题	糖尿病视网膜病变患者眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	迁移学习与集成学习模型	图像	Eyepacs、Aptos和Messidor三个数据集	未明确提及	三层分类器（含Dropout和ReLU激活）	二次加权卡帕指标	未提及
985	2026-07-07	Susceptibility of AutoML mortality prediction algorithms to model drift caused by the COVID pandemic 2024-02-02, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02428-z PMID:38308256	研究论文	研究COVID疫情导致的数据漂移对AutoML死亡率预测算法模型漂移的影响	首次系统评估COVID疫情导致的突然数据漂移对AutoML死亡率预测模型的影响，并测试多种简单易行的训练方法能否防止模型性能下降	仅测试了少数简单易行的修改方法，未涉及更复杂的技术如在线学习或增量学习；数据集仅来自一家医院的105,666例病例，泛化性有限	表征COVID疫情导致的突然数据漂移，并评估不同模型训练方法对防止模型退化效果	手术患者的术后死亡率预测模型	机器学习	手术相关死亡率	NA	广义线性模型、默认随机森林、梯度提升机、极限梯度提升、深度学习、堆叠集成	结构化表格数据	105,666例手术患者数据（2014-2019年）	H2O AutoML	GLM、随机森林、GBM、XGBoost、深度学习、堆叠集成	AUC、精确率-召回率曲线	NA
986	2026-07-07	Heteroscedastic Uncertainty Estimation Framework for Unsupervised Registration 2024, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72069-7_61 PMID:41960565	研究论文	提出了一种用于无监督图像配准的异方差不确定性估计框架，通过自适应降低高不确定性区域的影响来提升配准性能	提出协作训练策略和基于信噪比的图像保真度加权方案，能够处理医学图像中依赖于输入的异方差噪声分布	NA	解决无监督配准中均匀噪声假设导致的性能下降问题，实现更精确的位移估计	针对医学图像配准任务中的噪声分布异质性问题	计算机视觉	NA	NA	CNN	图像	NA	PyTorch	ResNet, U-Net	准确率, 均方误差, 信噪比	NA
987	2026-07-07	Overview of current applications and trends in artificial intelligence for cystoscopy and transurethral resection of bladder tumours 2024-01-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001135 PMID:37902120	综述	综述人工智能在膀胱镜检查和经尿道膀胱肿瘤切除术中的当前应用和趋势	总结了近一年半内膀胱镜深度学习数据集的丰富性，包括多种肿瘤类型图像以及人工智能在间质性膀胱炎诊断中的新应用	真实世界临床应用滞后	评估人工智能在膀胱镜检查和膀胱肿瘤切除术中的辅助诊断和治疗作用	膀胱肿瘤和间质性膀胱炎	计算机视觉	膀胱癌、间质性膀胱炎	NA	深度学习	图像	NA	NA	NA	NA	NA
988	2026-07-07	Overproduce and select, or determine optimal molecular descriptor subset via configuration space optimization? Application to the prediction of ecotoxicological endpoints 2023-06, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202200227 PMID:36894503	研究论文	提出通过配置空间优化确定最佳分子描述符子集的方法，用于预测生态毒理学终点	将分子描述符生成建模为多准则优化问题，采用标准遗传算法的变体求解，并通过Choquet积分聚合四个准则计算适应度函数	未明确说明	改进传统分子描述符选择方法在预测化合物生物活性中的性能	生态毒理学终点预测中的化学数据集	机器学习	NA	NA	遗传算法	化学分子描述符数据	NA	NA	NA	NA	NA
989	2026-07-07	The role of deep learning-based survival model in improving survival prediction of patients with glioblastoma 2021-10, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.4230 PMID:34453413	研究论文	深度学习生存模型在胶质母细胞瘤患者生存预测中的性能验证	证实基于深度学习生存模型在GBM患者中优于传统CoxPH和RSF模型，并通过贝叶斯超参数优化显著提升了预测精度	NA	验证深度学习生存模型在GBM患者中的预测性能，并探究超参数优化方法对预测准确性的影响	260名胶质母细胞瘤患者	机器学习	胶质母细胞瘤	NA	深度学习生存模型	表格数据	260名GBM患者	NA	深度学习生存模型	一致性指数（c-index）	NA
990	2026-07-07	Recent advances in blood-based and artificial intelligence-enhanced approaches for gastrointestinal cancer diagnosis 2021-Sep-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v27.i34.5666 PMID:34629793	综述	概述血液生物标志物和人工智能增强技术在胃肠道癌症诊断中的最新进展	同时讨论血液基础生物标志物和人工智能病理图像分析两种前沿方法，并预测未来临床整合方向	未提供具体实验结果或定量分析，缺乏对方法性能的详细比较	总结胃肠道癌症诊断领域的最新进展并展望未来发展方向	胃肠道癌症（包括多种消化道恶性肿瘤）	数字病理学、自然语言处理	胃肠道癌症	液体活检（血浆游离细胞DNA、循环肿瘤细胞、细胞外囊泡、游离细胞RNA）、组织活检分析	深度学习模型	病理图像、血液样本数据	NA	NA	NA	NA	NA
991	2026-07-06	Wide-range and multi-target trace-level quantification of renal biomarkers in serum via a chromatography-SERS-AI platform 2026-Sep-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345737 PMID:42401461	研究论文	提出了一种基于色谱纸-SERS-人工智能平台，用于血清中肾脏生物标志物的宽范围、多目标痕量定量检测	开发了集分离、原位富集和SERS增强于一体的色谱纸-SERS基底，解决了基质干扰、竞争吸附和时效性问题；引入具有三个独立回归器的ResUNet-MT多任务深度学习算法，修正浓度依赖的定量偏差	未明确提及局限性	开发一种宽动态范围、多目标、准确且成本低廉的痕量血液分析技术，用于肾脏疾病的临床监测	血清样本中的肌酐、尿酸和血尿素氮三种肾脏生物标志物	机器学习	肾脏疾病	表面增强拉曼散射（SERS）、色谱纸	深度学习模型	光谱数据	20微升血清样本；使用不同肾脏生物标志物水平的临床血清样本验证	NA	ResUNet-MT	相关系数、平均回收率、变异系数	NA
992	2026-07-06	Full-spectrum EEM end-member unmixing with statistical validation: A deep learning framework for organic pollution source apportionment in complex watersheds 2026-Jul-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130206 PMID:42320213	研究论文	提出一种基于全光谱EEM端元解混与统计验证的深度学习框架，用于复杂流域有机污染源解析	首次将全光谱EEM图像作为源特异性端元，结合统计验证（SSIM/ANOSIM）和CNN解混架构，实现多源重叠情况下污染源的精确区分	野外应用仅验证了初步空间一致性，未充分讨论不同流域特征对框架泛化性的影响	开发一种基于深度学习的有机污染源解析方法，解决传统荧光指标方法在多源混合流域中示踪能力不足的问题	混合土地利用流域中的有机污染源样品及实地河流样品	机器学习	NA	EEM光谱成像	CNN	图像	包含8种端元类型，混合物实验涉及2-5种成分，以及实地流域样本	PyTorch	CNN解混架构	Pearson相关系数, SSIM, ANOSIM R值, PERMANOVA R值, R值, MAE	NA
993	2026-07-06	Fine-scale drivers of plateau pika burrow distribution: Integrating UAV deep learning and GAMM to reveal topography-vegetation interactions 2026-Jul-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130179 PMID:42296825	研究论文	结合无人机深度学习与广义加性混合模型，揭示高原鼠兔洞穴分布的精细尺度驱动因素	首次将无人机影像、深度学习语义分割模型（U-net）与广义加性混合模型结合，在精细尺度上解析植被-地形交互作用对鼠兔洞穴分布的影响，并发现生态阈值	NA	揭示高原鼠兔洞穴分布的精细尺度驱动因素，为高寒草地生态系统的精准监测与管理提供新范式	青藏高原高寒草甸中的高原鼠兔洞穴及其分布	计算机视觉,机器学习	NA	无人机影像，深度学习	U-net语义分割模型	图像	30米飞行高度下的无人机影像数据	NA	U-net	精确率（Precision），相关系数（R）	NA
994	2026-07-06	Improving arrhythmic risk prediction using cardiac magnetic resonance within deep learning in ischemic heart disease 2026-Jul-05, NPJ cardiovascular health DOI:10.1038/s44325-026-00142-5 PMID:42401751	研究论文	利用心脏磁共振和深度学习改善缺血性心脏病患者心律失常风险预测	通过暴力特征选择策略确定瘢痕熵为关键预测因子，并比较多种机器学习生存模型（Cox比例风险、随机生存森林、DeepSurv）的性能，发现非线性模型优于传统Cox回归	未提及	评估LGE-CMR特征在缺血性心脏病心律失常风险预测中的增量价值，并比较不同机器学习生存建模方法	缺血性心脏病患者	机器学习	缺血性心脏病	LGE-CMR	DeepSurv, 随机生存森林, Cox比例风险模型	临床数据和LGE-CMR衍生变量	两个独立队列：数据集1（n=399，54个事件），数据集2（n=424，50个事件）	NA	NA	NA	NA
995	2026-07-06	A Unified Molecular Graph and Protein Language Model Framework for Predicting Human Drug-Hormone Receptor Interactions with Structure-Aware Validation 2026-Jul-05, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00806 PMID:42402023	研究论文	提出一个统一的分子图和蛋白质语言模型框架，用于预测药物-激素受体相互作用，并通过结构感知验证确保预测的生物学相关性	整合了分子图转换器与预训练ESM2蛋白质语言模型，首次在DHRI预测中显式融入激素受体特异性序列信息，并采用三种拆分策略和分子对接进行验证	未提及计算资源消耗及小型数据集或多受体场景下的适用性限制	开发一个受体感知的深度学习框架，用于准确预测药物与激素受体的相互作用，提升内分泌安全评估能力	药物分子与人类激素受体（包括雌激素、雄激素、糖皮质激素受体）的相互作用	机器学习, 计算机视觉	内分泌相关疾病	分子图转换器, 蛋白质语言模型（ESM2）	多层神经网络	分子特征（Morgan指纹+图转换器特征）, 蛋白质序列	独立数据集（具体数量未提供）	PyTorch	图转换器, ESM2	准确率, 灵敏度, 特异性, 精确率, F1分数, MCC	NA
996	2026-07-06	Beyond complex architectures: a streamlined CNN pipeline for robust Alzheimer's disease classification from brain MRI 2026-Jul-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04088-4 PMID:42400646	研究论文	采用简化卷积神经网络流水线，基于脑部MRI图像实现对阿尔茨海默病的稳健分类	提出一种精简的CNN流水线，避免复杂架构，在ADNI和OASIS数据集上取得超过99%的分类准确率	未提及模型泛化能力验证及临床实际应用中的潜在挑战	利用深度学习技术从脑部MRI图像中早期识别阿尔茨海默病	ADNI和OASIS数据集中的MRI图像	计算机视觉	阿尔茨海默病	MRI成像	卷积神经网络	图像	ADNI数据集21,324张MRI图像（7,572张MCI、5,904张健康对照、7,848张阿尔茨海默病），OASIS数据集6,400张MRI图像	NA	CNN	准确率	NA
997	2026-07-06	Deep learning for contrast-enhanced MRI in pediatric brain imaging 2026-Jul-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04073-x PMID:42400647	研究论文	测试一个基于深度学习的对比增强算法在儿科脑MRI中的跨人群泛化能力	首次验证仅用成人数据训练的深度学习算法在儿科患者（包括0-2岁婴幼儿）中的有效性，展示了跨人群应用的潜力	数据集为单中心回顾性研究且样本量较小（仅22例），可能影响结果的普适性	评估深度学习对比增强算法在儿科脑肿瘤MRI中的跨人群表现	儿科脑肿瘤患者（0-17岁）的MRI图像	机器学习	脑肿瘤	MRI	CNN	图像	22例儿科患者（0-17岁）	NA	深度学习对比增强算法	对比噪声比, 对比增强百分比, 病灶背景比, SSIM, log-Jacobian范围	NA
998	2026-07-06	Security Analysis of a Federated Learning Framework for Medical Image-to-Image Translation 2026-Jul-04, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02436-8 PMID:42400864	研究论文	评估联邦学习在医学图像到图像翻译框架中的安全性，分析其对三种代表性攻击的脆弱性及防御机制的有效性	首次系统性评估联邦I2I翻译框架在面对深度梯度泄漏、成员推理攻击和数据投毒等威胁时的鲁棒性，并验证了安全聚合和拜占庭鲁棒聚合等防御机制的实际效果	仅针对MRI到sCT翻译任务进行评估，且攻击设置可能无法覆盖所有实际威胁场景，防御机制在低噪声条件下效果不一致	验证联邦I2I翻译框架是否固有安全，并评估现有防御机制的有效性	联邦MRI到sCT翻译框架（FedSynthCT-Brain）的三个代表性攻击类别及其对应防御机制	计算机视觉	NA	MRI成像	CNN	医学图像	多个客户端的数据，具体样本量未明确说明	TensorFlow, PyTorch	U-Net, GAN	SSIM, PSNR, AUC	NA
999	2026-07-06	Decoding seasonal urban heat dynamics at neighborhood-scale using explainable deep learning for climate-resilient, digital twin-ready green planning 2026-Jul-04, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181973 PMID:42401150	研究论文	利用可解释深度学习解码街区尺度城市季节性热动态，为气候适应型和数字孪生就绪的绿色规划提供依据	结合无监督聚类与可解释CNN模型，在街区尺度（200米分辨率）分析城市地表温度的季节性驱动因素，并构建迈向城市气候数字孪生的建模框架	未明确说明数据局限性或模型泛化能力限制	理解城市地表温度的时空动态，为气候适应的绿色规划提供基于可解释深度学习的分析方法	意大利博洛尼亚城市的街区尺度地表温度及其与城市形态、社会经济变量的关系	机器学习	NA	卫星遥感、K均值聚类、可解释深度学习	CNN（卷积神经网络）、支持向量机、随机森林、XGBoost	图像（卫星地表温度）、数值型（城市形态、社会经济变量）	200米网格分辨率下的博洛尼亚城市区域数据	NA	CNN	模型性能通过配对统计检验评估，未明确具体指标	NA
1000	2026-07-06	Pupil-DLC: an open-source deep learning pipeline for scalable, marker-less tracking of pupil dynamics across conscious and unconscious states 2026-Jul-04, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110848 PMID:42401399	研究论文	提出了Pupil-DLC，一个基于DeepLabCut的开源深度学习流水线，用于可扩展的无标记瞳孔追踪，主要针对小鼠设计，并能在清醒和药物诱导状态下准确追踪瞳孔动态	采用双模型架构（通用模型和个体模型），在21750张手动标注帧上训练，最大化瞳孔大小变异性以实现模型泛化，且无需重训练即可扩展到人类视频数据	仅针对头固定小鼠设计，未提及在自由活动小鼠中的验证效果；数据集依赖手动标注，可能引入标注偏差	开发一种可扩展、鲁棒性强的瞳孔追踪工具，用于量化清醒和无意识状态下的脑状态动态	小鼠（头固定状态）和人类受试者（多种条件下的视频）	计算机视觉	NA	DeepLabCut深度学习流水线	卷积神经网络（基于DeepLabCut）	视频图像	超过140段视频，包含21750张手动标注帧	DeepLabCut, TensorFlow或PyTorch（基于DeepLabCut依赖）	通用模型和个体模型（基于ResNet的DeepLabCut架构）	准确性、帧保留率、计算效率	NA