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
10721	2026-01-23	Deep learning methods for 2D material electronic properties 2026-Jan-21, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00155b PMID:41439261	综述	本文综述了深度学习技术在理解和预测二维材料电子结构方面的应用与影响	系统总结了深度学习（包括物理感知模型、生成式AI和逆向设计）在解决二维材料独特计算挑战、预测关键电子特性（如能带结构、态密度和量子输运现象）方面的显著进步，并展望了其在加速新兴量子现象、拓扑、超导性和自主材料探索等发现中的应用	NA	探讨深度学习技术对理解和预测二维材料电子结构的影响	二维材料的电子结构	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
10722	2026-01-23	STF: A Unified Framework for Joint Pixel-Level Segmentation and Tracking of Tissues in Endoscopic Surgery 2026-Jan-21, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3656751 PMID:41564043	研究论文	本文提出了一种用于内窥镜手术中组织像素级分割与跟踪的统一框架STF，通过集成分割引导的跟踪流程和自适应重检测机制，提升长期手术视频分割的鲁棒性	STF框架首次将分割引导的跟踪与自适应重检测机制相结合，通过贝叶斯细化模块增强分割与跟踪的兼容性，在极端条件下实现长期稳定的组织分析	未明确说明框架在多样化手术场景或不同组织类型中的泛化能力，且计算效率可能受复杂机制影响	开发一种能够在内窥镜手术视频中实现长期鲁棒组织分割与跟踪的自动化方法	内窥镜手术视频中的组织区域	计算机视觉	NA	深度学习	CNN	视频	未明确说明	未明确说明	Hough Voting Network	准确性, 时间一致性	NA
10723	2026-01-23	Dual Ontology-enhanced Clinical Decision Learning for First-admission Mortality Prediction 2026-Jan-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3621475 PMID:41564069	研究论文	本文提出了一种双本体增强的临床决策学习模型（DOCD），用于首次入院患者的死亡率预测，有效解决了缺乏历史就诊序列数据的挑战	通过双本体增强学习从诊断和程序分类法中提取层次表示，并引入先验引导的注意力机制，结合基于概率的正则化来整合临床知识，模拟临床决策过程	NA	开发一种能够准确预测首次入院患者死亡率的模型，以支持早期干预和改善患者预后	首次入院患者，特别是仅有一次就诊记录的患者，包括直接入住ICU的患者	医疗健康预测	多种疾病（基于ICU入院患者）	深度学习，本体增强学习	深度学习模型（具体架构未明确指定，但包含注意力机制）	电子健康记录（EHR），包括人口统计数据、生命体征、诊断和程序代码	基于MIMIC-III和MIMIC-IV数据库，其中MIMIC-IV中55.17%、MIMIC-III中83.80%的患者仅有一次就诊记录	NA	双本体增强学习架构，包含先验引导的注意力机制和信息融合模块	AUROC, AUPRC	NA
10724	2026-01-23	Active Adversarial Noise Suppression for Image Forgery Localization 2026-Jan-21, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3656742 PMID:41564076	研究论文	本文提出一种对抗性噪声抑制模块，用于提升图像伪造定位模型对对抗攻击的鲁棒性	首次在图像伪造定位任务中提出对抗防御方法，通过两阶段训练策略（FFA和MgR）生成防御性扰动以抑制对抗噪声的影响	未明确说明方法在跨数据集或真实场景中的泛化能力，也未讨论防御策略对计算效率的影响	提升图像伪造定位模型对抗对抗攻击的鲁棒性	对抗性噪声干扰下的伪造图像	计算机视觉	NA	对抗攻击防御技术	深度学习模型	图像	未明确说明具体样本数量，但提及使用了反取证数据集	未明确说明	未明确说明基础伪造定位模型架构	伪造定位准确率	未明确说明
10725	2026-01-23	iMCN: information compression-based multimodal confidence-guided fusion network for cancer survival prediction 2026-Jan-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3b46 PMID:41564441	研究论文	本文提出了一种基于信息压缩的多模态置信引导融合网络（iMCN），用于整合全切片图像和基因组数据进行癌症生存预测	提出了自适应病理信息压缩模块和置信引导多模态融合模块，通过可学习信息中心动态聚类图像区域并估计模态置信度，实现动态加权融合	研究仅在TCGA-LUAD和TCGA-BRCA两个队列上进行了评估，未在其他癌症类型或更大规模数据集中验证	开发一种能够有效整合病理图像和基因组数据的多模态深度学习框架，以提升癌症生存预测的准确性	癌症患者（具体为TCGA-LUAD和TCGA-BRCA队列中的肺癌和乳腺癌患者）	数字病理学	肺癌, 乳腺癌	全切片图像分析, 基因组数据分析	深度学习融合网络	图像, 基因组数据	TCGA-LUAD和TCGA-BRCA两个队列的患者样本（具体数量未在摘要中说明）	NA	信息压缩基多模态置信引导融合网络（iMCN），包含自适应病理信息压缩模块和置信引导多模态融合模块	一致性指数	NA
10726	2026-01-23	Longitudinal Validation of a Deep Learning Index for Aortic Stenosis Progression 2026-Jan-20, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.045179 PMID:41532549	研究论文	本研究纵向验证了一种深度学习衍生的主动脉瓣狭窄进展指数（DLi-ASc），并评估其与进展为重度主动脉瓣狭窄的预后关联	首次纵向验证深度学习衍生的主动脉瓣狭窄进展指数（DLi-ASc），并证明其与主动脉瓣最大流速和平均压力梯度的年度变化强相关，且能独立预测重度主动脉瓣狭窄的进展	研究为回顾性分析，可能存在选择偏倚；仅基于两个三级医院的超声心动图数据，外部验证有限	验证深度学习衍生的主动脉瓣狭窄进展指数（DLi-ASc）的纵向变化及其与疾病进展的预后关联	主动脉瓣狭窄患者	数字病理学	心血管疾病	经胸超声心动图	深度学习	图像	2373名患者（7371次经胸超声心动图检查）	NA	NA	Pearson相关系数, 风险比	NA
10727	2026-01-23	Proactive safety at CVIS-enabled intersections: a framework based on high-fidelity trajectory reconstruction and dynamic risk assessment 2026-Jan-20, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108410 PMID:41564447	研究论文	本文提出了一种基于高保真轨迹重建和动态风险评估的边缘计算增强两阶段框架，旨在提升协同车路系统（CVIS）在交叉路口的主动安全性	提出了一种结合物理约束、自适应小波变换和混合阈值策略的两阶段框架，用于高保真轨迹重建，并引入了基于车辆轮廓的冲突算法（VOCA），将传统的点冲突检测提升为基于轮廓的空间重叠分析	未明确说明框架在不同天气条件、传感器故障或极端交通密度下的鲁棒性，也未讨论大规模部署时的可扩展性	为CVIS环境下的交叉路口开发一种实时、高精度的主动安全预警系统	交叉路口的车辆轨迹数据与车辆间冲突事件	机器智能与边缘计算	NA	自适应小波变换、混合阈值去噪、基于物理约束的轨迹重建	NA	多源传感器数据（如车辆轨迹数据）	基于真实世界交叉路口数据验证（具体数量未说明）	NA	NA	加速度波动减少百分比（98.66%）、冲突检测率对比（22.53% vs 100%）、处理延迟（<100 ms/帧/车辆）	NVIDIA Jetson边缘设备
10728	2026-01-23	DeepHybridCPI: A hybrid deep learning framework for compound-protein interaction prediction 2026-Jan-19, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109303 PMID:41564724	研究论文	本文提出了一种名为DeepHybridCPI的混合深度学习框架，用于准确高效地预测化合物-蛋白质相互作用	提出了一种混合深度学习框架，整合了多尺度密集连接的图神经网络和结合CNN与LSTM的蛋白质序列编码器，以同时捕获化合物的局部子结构与全局分子拓扑，以及蛋白质的局部基序和长程依赖关系	未明确说明模型的计算开销或可扩展性限制	开发一种准确高效的化合物-蛋白质相互作用预测方法，以加速虚拟筛选和药物发现	化合物和蛋白质	生物信息学	NA	深度学习	GNN, CNN, LSTM	化合物分子图数据，蛋白质序列数据	基准人类和秀丽隐杆线虫数据集	未明确指定，但提供了GitHub源代码	多尺度密集连接的GNN，CNN与LSTM结合的混合序列编码器	AUC, Precision, Recall	NA
10729	2026-01-23	Artificial Intelligence in the Diagnosis of Hirschsprung Disease: A Scoping Review and Rationale for a Multicentric Approach 2026-Jan-19, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.162932 PMID:41565153	综述	本文系统综述了人工智能在诊断先天性巨结肠症中的应用，并论证了多中心研究的必要性	这是首个系统综述人工智能在先天性巨结肠症诊断中应用的文献，并强调了未来多中心合作和可解释性模型的重要性	现有研究存在数据集多样性有限、缺乏外部验证、未使用可解释人工智能框架以及未报告计算成本等问题，限制了临床转化	系统综合人工智能在先天性巨结肠症诊断中的证据，识别当前差距，以指导未来的多中心研究	0-18岁先天性巨结肠症患者的诊断	数字病理学	先天性巨结肠症	组织病理学分析	机器学习, 深度学习	组织学切片, 临床特征, 放射学特征	NA	NA	NA	准确率, 召回率, AUC	NA
10730	2026-01-23	Research on deep learning architecture optimization method for intelligent scheduling of structural space 2026-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32015-9 PMID:41549119	研究论文	本文提出了一种针对结构空间智能调度的深度学习架构优化方法，通过动态组合架构和知识嵌入自适应策略，实现高效、灵活的调度	提出了一种动态组合架构和知识嵌入自适应策略，使深度学习模型能够根据输入语义和空间调度需求实时调整计算深度、宽度和路径，从而提升调度效率和灵活性	未在真实世界大规模结构空间调度场景中进行验证，且对领域知识的嵌入可能依赖于专家经验，限制了泛化能力	优化深度学习架构以提升结构空间智能调度的效率和适应性	结构空间智能调度任务	机器学习	NA	深度学习	动态组合架构	结构空间数据	多个基准数据集	NA	有向无环图	预测准确率, 调度效率, 推理延迟, 资源使用量	NA
10731	2026-01-23	Hybrid Deep Learning Framework for Continuous Blood Glucose Monitoring and Gestational Diabetes Risk Prediction 2026-Jan-09, Current diabetes reviews IF:2.4Q3 DOI:10.2174/0115733998380389251111041618 PMID:41568507	研究论文	本文提出了一种融合连续血糖监测与多模态传感数据的混合深度学习框架，用于血糖预测和妊娠期糖尿病风险分类	结合CNN-BiLSTM与注意力机制，并引入多任务注意力融合网络，同时处理血糖预测和风险分类，提高了预测准确性和临床可解释性	研究基于扩展的俄亥俄T1DM数据集进行验证，可能未覆盖所有妊娠期糖尿病亚型或人群多样性	开发一个临床可解释的连续血糖监测和妊娠期糖尿病风险预测系统	妊娠期糖尿病患者	机器学习	妊娠期糖尿病	连续血糖监测, 多模态传感数据采集	CNN, BiLSTM, 注意力机制	时间序列数据	基于扩展的俄亥俄T1DM数据集	NA	CNN-BiLSTM, 多任务注意力融合网络	RMSE, 准确率, 敏感性, 特异性	NA
10732	2026-01-23	Development of a Comprehensive Model Combining Clinical, Radiomics With Deep Learning for Predicting the Micropapillary Pattern in ≤2 cm Invasive Lung Adenocarcinoma 2026-Jan-06, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezag002 PMID:41495424	研究论文	本研究开发了一个结合临床特征、放射组学特征和深度学习特征的预测模型，用于术前无创识别≤2 cm浸润性肺腺癌中的微乳头状模式	首次构建了一个融合临床、放射组学和深度学习特征的综合性预测模型（CRDL），用于术前预测≤2 cm浸润性肺腺癌中的微乳头状模式，并通过特征选择和模型融合优化了预测性能	研究为单中心回顾性设计，样本量相对有限（311例患者），且未在外部验证集上进行独立验证	开发一个非侵入性预测模型，以术前识别≤2 cm浸润性肺腺癌中的微乳头状模式，从而指导手术决策和优化患者管理	311例经病理证实的≤2 cm浸润性肺腺癌患者（其中102例微乳头状模式≥5%，209例无微乳头状模式）	数字病理	肺癌	放射组学特征提取（PyRadiomics），深度学习特征提取（3D卷积神经网络）	随机森林，支持向量机，卷积神经网络	临床数据，医学影像数据	311例患者	PyRadiomics，自定义深度学习框架	3D卷积神经网络（NASLung）	AUC，灵敏度，特异性，校准曲线，决策曲线分析	NA
10733	2026-01-23	Data security storage and transmission framework for AI computing power platforms 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31786-5 PMID:41484422	研究论文	本文提出了一种名为Secure AI-DST的新型数据安全存储与传输框架，专为AI计算环境设计，旨在确保AI计算平台中数据存储与传输的安全性	提出了一种结合改进Merkle树哈希与秘密椭圆曲线密码学的混合加密机制，并部署了新型深度学习模型Att-BGR用于攻击分类，同时集成区块链与IPFS实现去中心化安全存储	未明确说明框架在超大规模数据集或极端网络条件下的性能表现，且实验主要基于模拟环境	解决AI计算平台中数据安全存储与传输的关键挑战，确保端到端数据保护并抵御网络威胁	AI计算平台中的数据安全存储与传输系统	机器学习	NA	混合加密机制、区块链技术、深度学习	深度学习模型	合成数据集、实时数据集	未明确说明具体样本数量	MATLAB	注意力双向门控循环单元辅助残差网络（Att-BGR）	未授权访问尝试减少率、数据完整性准确率、数据包验证成功率、计算开销	未明确说明具体计算资源
10734	2026-01-23	PruEV-AI: a Simple Approach Combines Urinary Extracellular Vesicle Isolation with AI-Assisted Analysis for Prostate Cancer Diagnosis 2026-Jan, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500659 PMID:40545998	研究论文	本文介绍了一种名为PruEV-AI的集成诊断系统，该系统将快速尿液细胞外囊泡分离技术与基于人工智能的生物标志物分析相结合，用于前列腺癌的非侵入性诊断	开发了PruEV平台，利用胺改性沸石和碳水化合物肼通过静电和共价相互作用在30分钟内一步完成尿液细胞外囊泡分离和miRNA提取，并结合深度学习模型评估多种生物标志物组合以优化诊断性能	研究样本量相对较小（48例患者和49例对照），候选miRNA数量有限（12个中验证了6个），需要在更大规模人群中进一步验证	开发一种高效、准确的非侵入性前列腺癌诊断方法	前列腺癌患者和健康对照者的尿液样本	数字病理学	前列腺癌	RT-qPCR, 尿液细胞外囊泡分离技术	深度学习模型	miRNA表达数据, 临床数据	97例样本（48例前列腺癌患者，49例健康对照）	NA	NA	AUC, 灵敏度, 特异性, 准确率	NA
10735	2026-01-23	Deep learning-powered temperature prediction for optimizing transcranial MR-guided focused ultrasound treatment 2026-Jan-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2025.5.JNS25291 PMID:40939202	研究论文	本研究开发了一个名为Fust-Net的深度学习模型，用于预测经颅磁共振引导聚焦超声治疗中的治疗温度	首次将治疗参数、患者特异性临床信息和颅骨指标整合到深度学习模型中，用于MRgFUS治疗的温度预测	研究为回顾性分析，样本量相对有限，且仅针对特定疾病（特发性震颤或帕金森病）的患者	优化经颅磁共振引导聚焦超声治疗中的温度控制，提高治疗精度和安全性	接受单侧MRgFUS丘脑切开术或苍白球丘脑束切开术的特发性震颤或帕金森病患者	医疗影像分析	帕金森病	磁共振引导聚焦超声	深度学习	治疗参数、临床信息、颅骨指标	内部数据集：600次声波发射（72名患者）；验证数据集：199次声波发射（18名患者）；外部数据集：146次声波发射（20名患者）	NA	Fust-Net	归一化平均绝对误差，有效温度预测率	NA
10736	2026-01-23	Artificial intelligence-based deep learning model for evaluating procedural consistency in microvascular anastomosis 2026-Jan-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2025.6.JNS25128 PMID:41004852	研究论文	本研究开发并验证了一种基于LSTM的深度学习模型，用于客观评估神经外科培训中微血管吻合手术的缝合执行一致性	首次利用LSTM架构对微血管吻合手术中的手部运动进行建模和预测，实现了对手术操作一致性的客观量化评估	研究样本量较小，仅涉及两位专家外科医生和一名学员；未来需要扩展到更多外科医生以验证模型的普适性	开发一种客观评估微血管吻合手术操作一致性的深度学习模型	神经外科医生在模拟微血管吻合手术中的手部运动数据	计算机视觉	NA	视频数据采集	LSTM	视频	2位专家神经外科医生（各进行两次手术）和1名学员（进行一次手术）	NA	LSTM	Kullback-Leibler散度, 欧几里得距离, 缝合时间间隔	NA
10737	2026-01-23	Deep learning to assess laryngoscope insertion depth during neonatal intubation with video laryngoscopy 2026-Jan, Journal of perinatology : official journal of the California Perinatal Association IF:2.4Q1 DOI:10.1038/s41372-025-02457-0 PMID:41145730	研究论文	本研究开发了一种深度学习模型，用于在新生儿视频喉镜检查中实时分类喉镜插入深度为浅、声门区或深	首次利用深度学习技术对新生儿视频喉镜检查中的喉镜插入深度进行实时分类，为临床操作提供实时指导	深插入事件罕见（2.7%），模型对此类事件性能较低（F1=0.034），且临床影响结论有限	开发AI辅助的视频喉镜检查系统，以支持喉镜插入深度评估和培训	新生儿视频喉镜检查中的喉镜插入深度	计算机视觉	新生儿疾病	视频喉镜检查	深度学习模型	视频帧	132个新生儿视频喉镜检查视频，共298,955个标注帧	NA	NA	F1分数	NA
10738	2026-01-23	Radiomics in non-oncologic musculoskeletal diseases: from pixels to practice 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107106 PMID:41162310	综述	本文综述了放射组学在非肿瘤性肌肉骨骼疾病中的应用，从基本原理到临床实践	将放射组学从肿瘤学领域扩展到非肿瘤性肌肉骨骼疾病，并强调了标准化和可重复性在临床整合中的重要性	成像协议、分割和特征提取的标准化和可重复性不足，限制了更广泛的临床整合	概述放射组学在非肿瘤性肌肉骨骼疾病中的应用原理、工作流程和挑战	非肿瘤性肌肉骨骼疾病，包括骨质疏松症、骨关节炎、风湿性疾病、神经病理学和创伤相关损伤	医学影像分析	肌肉骨骼疾病	放射组学	NA	放射学图像	NA	NA	NA	NA	NA
10739	2026-01-23	Severity prediction in patients with oedema in cerebral contusion using deep learning from computed tomography scans 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107113 PMID:41240817	研究论文	本研究开发了一种结合深度学习的模型，用于评估脑挫伤水肿的严重程度	提出了一种结合血肿和水肿的深度学习模型（水肿指数，EI），用于预测脑挫伤水肿的严重程度，并展示了其与现有CT分类系统结合能提高预测性能	研究样本量相对较小（高风险组56例，低风险组66例），且仅基于单一机构的CT扫描数据，可能限制模型的泛化能力	开发一种深度学习模型来预测脑挫伤水肿的严重程度	脑挫伤水肿患者	计算机视觉	脑挫伤	CT扫描	深度学习模型	CT图像	脑挫伤水肿患者共122例（高风险组56例，低风险组66例），另用于血肿体积量化的创伤性脑出血患者141例	NA	NA	AUC（曲线下面积），体积百分比误差	NA
10740	2026-01-23	Radiomics in clinical radiology: advances, challenges, and future directions 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107165 PMID:41360019	综述	本文综述了放射组学在临床放射学中的进展、挑战与未来方向，重点探讨了其与人工智能（特别是大语言模型和代理AI模型）的融合	聚焦于放射组学与新兴AI技术（大语言模型、代理AI模型）的融合，并系统讨论了标准化、验证框架和多中心研究等关键问题	作为一篇综述文章，其局限性在于主要基于现有文献进行总结和分析，未提出新的原始数据或模型	总结放射组学的发展现状，突出当前挑战，并为放射组学在临床实践中的广泛应用提出未来方向	放射组学相关研究文献，特别是关注验证框架、标准化、深度学习、大语言模型、多中心研究和代理流程库的研究	医学影像分析	NA	放射组学（高通量定量图像特征提取）	深度学习, 大语言模型, 代理AI模型	医学影像	NA	NA	NA	诊断准确性, 预后性能, 可重复性	NA