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
1001	2026-03-21	Multi-scale drift characteristics of Ulva prolifera in the Yellow Sea derived from deep learning-based MODIS and Sentinel-1 observations 2026-Mar-18, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119516 PMID:41855964	研究论文	本研究提出了一种集成注意力机制和视觉Transformer的新型AttFusionViT-UNet模型，用于检测黄海浒苔，并融合MODIS和Sentinel-1遥感数据，实现了浒苔多尺度漂移特征的分析	提出了一种新颖的AttFusionViT-UNet模型，结合了注意力机制和视觉Transformer，并首次融合了MODIS和Sentinel-1数据，显著提高了有效观测覆盖率和检测可靠性	未明确说明模型在其他区域或不同藻类上的泛化能力，也未详细讨论计算资源需求	准确量化黄海浒苔的空间覆盖范围及其在不同时间尺度上的漂移特征，以理解其时空动态并提高预测能力	黄海海域的浒苔	计算机视觉	NA	遥感观测（MODIS, Sentinel-1）	深度学习	遥感图像	MODIS数据（2008-2024年）和Sentinel-1数据（2015-2024年）	NA	AttFusionViT-UNet, Vision Transformer, U-Net	平均交并比	NA
1002	2026-03-21	A decade-long shift in use of energy devices for BABA robotic thyroidectomy: automated video analysis by deep learning 2026-Mar-17, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-03113-7 PMID:41843322	研究论文	本研究利用YOLOv5深度学习模型，通过分析81个BABA机器人甲状腺切除术的手术视频，定量追踪了过去十年间手术能量设备使用偏好的演变趋势	首次采用深度学习模型（YOLOv5）对机器人甲状腺切除术视频进行自动化分析，以量化手术能量设备使用的历史变迁	研究为回顾性分析，样本量相对有限（81个视频），且仅针对单一手术中心的数据	定量分析双边腋窝-乳房入路机器人甲状腺切除术中能量设备使用偏好的时间变化趋势	2013年至2021年间进行的81例BABA机器人甲状腺切除术的手术视频	计算机视觉	甲状腺疾病	手术视频分析	YOLOv5	视频	81个手术视频	PyTorch	YOLOv5	NA	NA
1003	2026-03-21	Automated Classification of Mitral and Tricuspid Regurgitation With Explainability and Real-World Practice Experience 2026-Mar-17, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.045851 PMID:41804879	研究论文	本文开发了一种可解释、端到端的深度学习流程，用于自动分类二尖瓣和三尖瓣反流的严重程度	提出了一种结合血流感知、瓣膜形态评估（通过瓣叶姿态估计）和收缩期感知的端到端可解释深度学习流程，首次联合评估二尖瓣和三尖瓣反流	在房颤或左心室射血分数降低的患者中性能略有下降，外部验证队列中对于严重反流的曲线下面积有所降低	开发一种可解释的人工智能框架，用于在常规临床实践中准确、高效地筛查二尖瓣和三尖瓣反流	超声心动图检查中的二尖瓣和三尖瓣反流	数字病理学	心血管疾病	超声心动图	深度学习	医学影像（DICOM文件）	5086例门诊研究（来自一个三级中心），并在来自另外两个机构的独立队列中进行外部验证	NA	NA	受试者工作特征曲线下面积, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
1004	2026-03-21	A multi-toxicity deep learning approach for normal tissue complication probability modelling in head and neck cancer patients receiving radiotherapy 2026-Mar-17, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111486 PMID:41856253	研究论文	本研究开发了一种多毒性深度学习模型，用于预测头颈癌放疗后多种并发症的发生概率	首次提出多毒性深度学习模型，同时预测五种放疗相关毒性，以捕捉毒性间的相互关系，相比传统单终点模型在某些毒性预测上表现更优	多毒性模型的优势并非在所有终点上均一致，提示在设计多毒性模型时需考虑毒性特异性特征	通过开发能同时预测多种毒性的深度学习模型，捕捉毒性间关系以提升预测性能	头颈癌接受放疗的患者	数字病理学	头颈癌	放疗	深度学习模型	3D剂量分布、CT扫描、危及器官分割和患者相关特征	1,418名头颈癌患者	NA	NA	AUC	NA
1005	2026-03-21	Detection of Structural Glaucoma Progression with Deep Learning on Serial Optic Disc Photographs 2026-Mar-17, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2026.03.005 PMID:41856358	研究论文	本研究设计了一个监督式深度学习模型，用于通过系列视盘照片检测青光眼的结构性进展	首次提出使用孪生卷积神经网络（CNN）分析基线及最终视盘照片，以自动化检测青光眼进展，并展示了临床相关的准确性	研究为回顾性纵向队列设计，可能存在选择偏倚；模型性能虽具临床意义，但特异性相对较低（68%）	开发一种基于深度学习的辅助方法，用于检测青光眼的结构性进展，以支持临床决策	1,510只眼睛（来自916名患者），每只眼睛至少有两年的随访数据和两对视盘照片	计算机视觉	青光眼	视盘摄影	CNN	图像	1,510只眼睛（916名患者），数据集按80/10/10比例划分为训练、测试和验证集	NA	孪生卷积神经网络（Twin CNN）	AUC, 灵敏度, 特异性, 准确率	NA
1006	2026-03-21	Generation of automated nephrometry scores through direct prediction of each component 2026-Mar-17, Urology IF:2.1Q2 DOI:10.1016/j.urology.2026.02.039 PMID:41856377	研究论文	本研究开发了一种基于深度学习的模型，用于自动化生成R.E.N.A.L.肾肿瘤评分，并评估其在预测临床结果方面的性能	首次利用深度学习模型直接预测R.E.N.A.L.评分各数值组件，实现了肾肿瘤评分的自动化生成，减少了主观性并提高了评分一致性	依赖CT成像数据，且研究结果可能受特定队列因素影响	评估深度学习模型自动化生成肾肿瘤评分并预测临床结果的能力	肾肿瘤患者	数字病理学	肾癌	CT成像	CNN	图像	训练集599例患者（来自KiTS Challenge数据集），外部验证集1,806例患者（其中193例有人工评分）	NA	ResNet-50	Spearman相关系数, AUC	NA
1007	2026-03-21	A smart colorimetric film coupling deep eutectic solvents and deep learning for real-time Salmon freshness monitoring 2026-Mar-16, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148904 PMID:41855839	研究论文	本研究开发了一种结合深共熔溶剂和深度学习的智能比色膜，用于实时监测鲑鱼新鲜度	通过将单宁酸-铁螯合物与深共熔溶剂集成到聚乙烯醇基质中，开发了一种新型复合膜，该膜作为多功能指示剂，显著提高了机械性能、灵敏度和响应速度，并首次结合深度学习进行新鲜度分类	NA	开发一种用于水产品新鲜度实时监测的智能比色膜	鲑鱼	机器学习	NA	比色法	深度学习	图像	NA	NA	NA	准确率	NA
1008	2026-03-21	Comment on: "Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces" 2026-Mar-15, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103412 PMID:41855729	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1009	2026-03-21	Deep learning synthesis of virtual T2-weighted fat-suppressed MR images: a multi-center study 2026-Mar-15, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112797 PMID:41855768	研究论文	本研究开发了一种基于生成对抗网络（GAN）的模型，用于从标准T1和T2加权图像生成虚拟T2脂肪抑制序列，旨在减少MRI扫描时间而不影响脊柱肿瘤评估的诊断价值	提出了一种多中心验证的GAN模型，能够从常规T1和T2加权图像合成虚拟T2脂肪抑制序列，在减少扫描时间的同时保持诊断价值	合成图像在肿瘤内部细节可视化方面略逊于真实图像	开发一种深度学习模型以减少MRI扫描时间，同时保持脊柱肿瘤评估的诊断准确性	脊柱肿瘤患者	医学影像分析	脊柱肿瘤	MRI	GAN	图像	1,389名患者（来自两个机构），分为训练集（1,026名）、内部验证集（257名）和外部测试集（106名）	NA	GAN	MSE, SSIM, PSNR, Dice相似系数, SNR, CNR	NA
1010	2026-03-21	MRCE-Net: A multi-role collaborative experts deep learning network for multi-modal medical image fusion 2026-Mar-14, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102737 PMID:41855893	研究论文	本文提出了一种名为MRCE-Net的多角色协作专家深度学习网络，用于多模态医学图像融合，旨在结合不同模态图像的优势并克服现有方法的局限性	提出了一种新颖的多角色协作专家融合模块，通过专门专家联合建模多模态特征的不同方面，特别是模态特定特性和模态间互补性，实现了更全面的特征表示和更准确的融合结果	未在摘要中明确说明	开发一种深度学习网络以改进多模态医学图像融合，平衡局部特征提取与全局上下文表示，并有效捕捉不同模态的特异性和互补性	多模态医学图像，包括公开的多模态医学图像融合基准数据集和内部收集的脑解剖与功能成像数据集	计算机视觉	NA	深度学习	Transformer	图像	未在摘要中明确说明	未在摘要中明确说明	MRCE-Net, 包含双分支编码器、基于窗口的Transformer和全局通道Transformer	视觉质量和定量性能	未在摘要中明确说明
1011	2026-03-21	Hulled Rice or husk? Synchrotron radiation XRF and deep learning approach for the determination of the geographical origin of Chinese rice samples 2026-Mar-12, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148847 PMID:41855841	研究论文	本研究结合同步辐射X射线荧光光谱与深度学习，对中国16个省份的糙米和稻壳样本进行地理来源分类	首次将同步辐射X射线荧光光谱与深度学习模型（特别是2D-AlexNet）结合用于水稻地理来源鉴定，并发现稻壳比糙米具有更可靠的分类性能	PCA方法在解析元素谱重叠的省份时存在局限，需要依赖非线性深度学习模型	开发一种快速、无损、可扩展的水稻地理来源追溯工具，以保障食品安全和防止欺诈	来自中国16个省份的糙米和稻壳样本	机器学习	NA	同步辐射X射线荧光光谱	CNN	光谱数据	糙米903个样本，稻壳824个样本	NA	1D-CNN, 2D-VGG16, 2D-AlexNet	准确率	NA
1012	2026-03-21	Deep learning in traditional Chinese medicine 2026-Mar-07, Journal of integrative medicine DOI:10.1016/j.joim.2026.03.001 PMID:41856852	综述	本文综述了深度学习在传统中医研究中的应用，包括医学图像处理、药物物质研究、数据融合和自然语言处理	总结了深度学习在传统中医领域的最新应用实例，强调了其在数据挖掘中的潜力	高质量的传统中医数据仍然不足，限制了深度学习技术的进一步发展	探讨深度学习在传统中医研究中的应用，以促进其向现代疗法的转化	传统中医数据，包括实验数据、临床实践数据和医学文献数据	自然语言处理, 计算机视觉, 机器学习	NA	深度学习	NA	图像, 文本	NA	NA	NA	NA	NA
1013	2026-03-21	Deep learning-based ROSC prediction and ECG phenotyping in out-of-hospital cardiac arrest 2026-Mar-06, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2026.111035 PMID:41794117	研究论文	本研究开发了一种基于一维卷积神经网络的模型，用于预测院外心脏骤停患者的自主循环恢复概率并识别新的心电图表型	首次将一维CNN同时用于预测ROSC和分类可电击心律，并应用K-means聚类从训练好的CNN特征表示中识别出五种新的心电图表型	研究为回顾性队列研究，数据来源于特定地区（韩国首尔）的登记系统和急救服务，可能存在选择偏倚，且未在外部数据集上进行验证	开发深度学习模型以改善院外心脏骤停患者的复苏结果预测和个体化治疗	院外心脏骤停成年患者	数字病理学	心血管疾病	心电图信号分析	CNN	时间序列信号（心电图）	3452名患者	NA	一维CNN	AUC	NA
1014	2026-03-21	scDCL: A multi-view single-cell RNA sequencing clustering method based on dual contrastive learning 2026-Mar-03, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108998 PMID:41791270	研究论文	本文提出了一种基于双对比学习的多视角单细胞RNA测序聚类方法scDCL，以解决scRNA-seq数据的高稀疏性、强非线性和极端维度等挑战	整合了基于ZINB的掩码自编码器、图神经网络和双对比学习，协同捕获细胞内在特征和全局结构特征，通过多视角特征平衡局部与全局信息	未明确说明方法在超大规模数据集上的计算效率，也未讨论对批次效应的处理能力	开发一种更有效的单细胞RNA测序数据聚类方法，以提升细胞类型分辨的准确性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	自编码器, 图神经网络, 对比学习	基因表达数据	NA	NA	ZINB-MAE, GNN	聚类性能	NA
1015	2026-03-21	Interictal Epileptiform Discharge Detection Using Dual-Domain Features and GAN 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3605257 PMID:40911454	研究论文	本研究提出了一种结合卷积层和Transformer的IED检测器，用于自动检测脑电图中的发作间期癫痫样放电	提出了一种新颖的IED检测器，整合了卷积层和Transformer以同时捕获局部特征和长期依赖关系，并开发了一种基于Transformer的生成对抗网络来增强稀缺的IED数据	未明确提及模型在更广泛或多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发一种自动检测脑电图中发作间期癫痫样放电的深度学习方法	脑电图数据中的发作间期癫痫样放电	机器学习	癫痫	脑电图	CNN, Transformer, LSTM, GAN	脑电图时间序列数据	NA	NA	自定义的IED检测器，整合了卷积层、Transformer和LSTM	准确率, 灵敏度, 精确率	NA
1016	2025-11-27	Deep learning for maxillary sinus pathology: ensure patient-level splits and leakage-free evaluation 2026-Mar, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09882-z PMID:41288704	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1017	2026-03-21	A multicentre validation study of 3D V-net-based segmentation model for adrenal glands: cross-protocol generalization from abdominal CT to chest CT 2026-Mar-01, The British journal of radiology DOI:10.1093/bjr/tqaf294 PMID:41330715	研究论文	本研究开发并验证了一个基于3D V-Net的肾上腺分割模型，用于腹部CT图像，并在多中心数据集（包括胸部CT图像）中评估其性能	该研究首次将基于3D V-Net的肾上腺分割模型从腹部CT推广到胸部CT，展示了跨协议泛化能力，并验证了其在多中心不同扫描协议下的适用性	研究未明确提及模型在极端病理情况或罕见肾上腺疾病中的表现，且验证数据主要来自健康筛查人群，可能未充分覆盖所有临床场景	建立并验证一个基于深度学习的肾上腺分割模型，以实现在不同CT扫描协议下的准确分割，辅助临床诊断	肾上腺（包括正常和异常腺体）	数字病理	肾上腺疾病	CT扫描	CNN	3D CT图像	训练开发队列5660例腹部CT扫描，验证队列1包含6126例胸部CT，验证队列2包含931例胸部CT	NA	3D V-Net	Dice相似系数	NA
1018	2026-03-21	Introducing advanced ClearIQ engine (AiCE) deep learning reconstruction algorithm into a clinical radiotherapy workflow 2026-Mar-01, The British journal of radiology DOI:10.1093/bjr/tqaf318 PMID:41428451	研究论文	本研究评估了AiCE深度学习重建算法在临床放疗工作流程中的应用，重点关注图像质量和对放疗治疗计划的影响，并成功优化了CT扫描剂量	首次将AiCE深度学习重建算法引入临床放疗工作流程，用于优化CT扫描剂量，同时保持图像质量稳定	研究主要针对乳腺癌放疗患者，可能未涵盖其他癌症类型或更广泛的临床应用场景	评估AiCE重建算法在临床放疗工作流程中的适用性，并优化CT扫描剂量	电子密度体模和乳腺癌放疗患者	医学影像处理	乳腺癌	CT扫描	深度学习重建算法	CT图像	电子密度体模扫描和乳腺癌患者临床扫描	NA	AiCE	HU稳定性、剂量差异、平均DLP减少百分比	NA
1019	2026-03-21	Deep Learning-Based Prediction of Cardiopulmonary Disease in Retinal Images of Premature Infants 2026-Mar-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.5814 PMID:41569552	研究论文	本研究利用深度学习模型分析早产儿视网膜图像，预测支气管肺发育不良和肺动脉高压的诊断	首次将早产儿视网膜筛查图像与人口统计学风险因素结合，构建多模态模型来预测心肺疾病，并验证了在无临床ROP迹象图像上的预测能力	样本量相对有限（共493名婴儿），且研究为回顾性设计，可能存在选择偏倚	探索早产儿视网膜图像中是否包含与支气管肺发育不良和肺动脉高压相关的特征，并评估多模态模型的预测性能	早产儿，特别是存在ROP筛查风险的婴儿	数字病理学	心血管疾病	视网膜成像，超声心动图	支持向量机	图像，人口统计学数据	493名婴儿（BPD队列99名测试患者，PH队列37名测试患者）	NA	ResNet18	AUROC	NA
1020	2026-03-21	Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis 2026-Mar, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70189 PMID:41589917	研究论文	本研究通过计算分析探讨了父母压力与自闭症儿童-照顾者韵律同步性之间的关系，并考察了照顾者角色的影响	结合复杂动态系统和情感计算框架，首次使用深度学习模型自动分割儿童-照顾者声学交互，并分析父母压力对韵律同步性的影响，特别关注父亲与母亲角色的差异	样本量相对较小（62对亲子），仅针对自闭症学龄前儿童，可能无法推广到其他年龄段或典型发展儿童	探究父母压力如何影响自闭症儿童与父母之间的韵律同步性，以及照顾者角色（母亲 vs 父亲）是否在其中起调节作用	31名自闭症学龄前儿童及其父母（母亲和父亲分别参与）组成的亲子对	自然语言处理	自闭症	声学交互分析，交叉递归量化分析	深度学习模型	音频	62对亲子（31名自闭症儿童分别与母亲和父亲互动），在两个时间点（间隔12个月）进行评估	NA	NA	NA	NA