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
1241	2026-02-06	Nocturnal enteral feeding and mechanical ventilation risk in intensive care unit patients: A deep Learning-Based causal inference study 2026-Feb, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2025.106556 PMID:41518874	研究论文	本研究利用深度学习因果推断模型，探讨了ICU患者夜间肠内营养与机械通气风险之间的关联	首次采用深度学习因果推断模型评估夜间肠内营养对机械通气风险的平均处理效应，并结合SHAP分析识别关键预测因子	研究基于观察性数据，可能存在未测量的混杂因素，且外部验证队列的样本量相对较小	探究ICU患者夜间肠内营养是否增加机械通气需求	重症监护病房（ICU）患者	机器学习	NA	深度学习因果推断	深度学习因果推断模型	电子健康记录数据	MIMIC-IV队列1551例，eICU队列3394例	NA	NA	比值比（OR），置信区间（CI），平均处理效应（ATE）	NA
1242	2026-02-06	Multistream Deep Learning Models Using Multimodal Optical Coherence Tomography for Predicting Visual Impairment in Epiretinal Membrane 2026-Feb, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.10.023 PMID:41636542	研究论文	本研究开发了一种多流深度学习模型，利用多模态光学相干断层扫描图像预测视网膜前膜患者的视力损伤	首次提出结合八种不同OCT图像类型的多流深度学习模型来预测视网膜前膜视力损伤，并通过热图可视化识别可能的生物标志物	研究为单中心回顾性设计，样本量有限，外部验证集规模较小	开发深度学习模型预测视网膜前膜患者的视力损伤程度，并识别相关的OCT生物标志物	被诊断为特发性视网膜前膜的患者	数字病理学	视网膜疾病	光学相干断层扫描	深度学习	图像	351组图像用于模型开发，50组用于外部验证	NA	多流深度学习模型	准确率	NA
1243	2026-02-06	Raman spectroscopy as the quantum eye to reveal molecular dynamics in biology 2026-Feb-01, Advances in colloid and interface science IF:15.9Q1 DOI:10.1016/j.cis.2026.103805 PMID:41637818	综述	本文综述了拉曼光谱作为一种基于量子力学原理的分子振动光谱技术在生命科学研究中的应用、优势、最新进展及未来发展方向	强调了拉曼光谱作为“量子之眼”揭示分子动力学的独特视角，并展望了其与纳米探针设计、深度学习算法的深度融合将推动单细胞代谢组学、微生物快速鉴定和精准医学等领域的应用扩展	指出拉曼光谱在从新兴技术转化为实际应用过程中仍存在若干技术壁垒	探讨拉曼光谱技术在生命科学研究中的应用潜力与发展方向	生物分子、细胞、组织、微生物、微塑料等复杂生物系统	生命科学分析技术	NA	拉曼光谱，包括微区拉曼、表面增强拉曼光谱、受激拉曼散射	NA	光谱数据	NA	NA	NA	NA	NA
1244	2026-02-06	Automatic liver Couinaud segmentation from computed tomography scans with a gradient-enhanced hierarchical cascade deep learning network 2026-Feb, Current problems in surgery IF:2.3Q2 DOI:10.1016/j.cpsurg.2025.101957 PMID:41638851	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1245	2026-02-02	Deep learning framework for timely detection and classification of chili leaf diseases and pests 2026-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34477-3 PMID:41620433	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1246	2026-02-06	Understanding Artificial Intelligence (AI) for the Electrophysiologist 2026-Jan-30, Indian pacing and electrophysiology journal DOI:10.1016/j.ipej.2026.01.010 PMID:41621626	综述	本文为电生理学家提供关于人工智能的实用入门指南，旨在支持其进行知情评估和负责任的临床采纳	系统梳理了AI在电生理学领域从基于规则系统到现代机器学习、深度学习及新兴生成式AI和大型语言模型的历史演变，并提供了一个评估当前AI证据和指导其临床转化的实用框架	作为一篇综述文章，未提出新的算法或模型，主要侧重于概念梳理和框架构建	支持电生理学家对AI工具进行知情评估并推动其负责任的临床采纳	人工智能在临床电生理学中的应用	机器学习	心血管疾病	NA	机器学习, 深度学习, 生成式AI, 大型语言模型	NA	NA	NA	NA	分析性能, 临床效用	NA
1247	2026-02-06	Adversarial robust EEG-based brain-computer interfaces using a hierarchical convolutional neural network 2026-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34024-0 PMID:41617748	研究论文	本研究提出了一种用于脑机接口的三层分层卷积神经网络，旨在同时提升运动意图分类的准确性和对抗攻击的鲁棒性	提出了一种新颖的三层分层卷积神经网络架构，通过结构化的层次化解码流程（区分运动想象与执行、单侧与双侧任务、细粒度运动分类）来提升模型对抗攻击的鲁棒性	研究仅在公开的BCI Competition IV-2a数据集上进行评估，且数据仅来自健康受试者，未在临床患者数据或更大规模数据集上验证	提升基于脑电图的脑机接口在对抗攻击下的鲁棒性和可靠性，以保障其在康复治疗和辅助设备控制等安全关键应用中的安全性	运动想象和运动执行任务相关的脑电图信号	机器学习	NA	脑电图	CNN	脑电图信号	9名健康受试者的多类运动想象脑电图记录（来自BCI Competition IV-2a数据集）	NA	分层卷积神经网络	准确率	NA
1248	2026-02-06	Deep learning predicts and in vitro experiments validates the synergistic anti-liver cancer effect of vincristine and lenvatinib: Mechanism involving apoptosis induction via the TNF-α/Caspase-8 pathway 2026-Jan-30, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153380 PMID:41637988	研究论文	本研究利用深度学习模型预测了来那度胺与长春新碱在肝癌治疗中的协同作用，并通过体外实验验证了其通过TNF-α/Caspase-8通路诱导凋亡的机制	首次结合深度学习模型（MARSY和MatchMaker）预测并实验验证了来那度胺与长春新碱的协同抗肝癌作用，揭示了ROS介导的TNF-α/Caspase-8凋亡通路新机制	研究目前仅限于体外细胞实验，缺乏动物模型和临床数据验证	开发克服来那度胺耐药性的协同药物组合，推进肝癌治疗策略	肝癌细胞	机器学习	肝癌	CCK-8检测、集落形成实验、伤口愈合实验、Transwell实验、流式细胞术、Western blot分析	深度学习模型	药物相互作用数据、细胞实验数据	NA	NA	MARSY, MatchMaker	ZIP模型协同指数	NA
1249	2026-02-06	Multi-timescale representation with adaptive routing for deep tabular learning under temporal shift 2026-Jan-30, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108670 PMID:41638097	研究论文	提出一种名为TARS的即插即用方法，用于提升深度学习模型在时序漂移下的表格数据学习鲁棒性	首次提出多时间尺度表示与自适应路由机制，通过显式时序编码器分解时间戳为短、中、长期嵌入，并结合隐式漂移编码器跟踪高阶分布统计，实现动态时间尺度加权	未明确说明方法在极端时序漂移场景下的性能边界，也未讨论计算复杂度增加对实际部署的影响	解决表格数据因时间演化导致的时序漂移问题，提升深度学习模型的长期性能稳定性	随时间演化的真实世界表格数据集	机器学习	NA	NA	深度学习	表格数据	八个真实世界数据集（来自TabReD基准）	未指定	MLP, DCNv2	相对改进率	NA
1250	2026-02-06	Adaptive fusion based deep learning framework for restoring underwater image quality using multi scale attention features 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32519-4 PMID:41611737	研究论文	本文提出了一种基于自适应融合的深度学习框架，利用多尺度注意力特征来恢复水下图像质量	提出了ERUI-MSAF模型，该模型集成了通道和空间注意力特征，并采用自适应双边滤波进行预处理，结合深度小波网络和EfficientNet进行特征融合，以自适应地强调水下图像中的信息特征和区域	NA	开发一种有效的方法来恢复水下图像，通过提高可见性和增强图像整体质量	水下图像	计算机视觉	NA	NA	深度学习	图像	使用了EUVP和UIEB两个数据集，具体样本数量未明确说明	NA	深度小波网络, EfficientNet	PSNR	NA
1251	2026-02-06	Predicting transcranial ultrasound insertion loss using skull CT: A deep learning approach 2026-Jan-29, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107976 PMID:41637984	研究论文	本研究提出了一种基于深度学习的方法，利用颅骨CT扫描预测经颅超声插入损失，以提高超声传输效率	首次提出改进的双路径Inception神经网络（mDPI-Net）直接从颅骨CT图像预测超声插入损失，相比传统数值方法显著提升计算效率	研究仅使用20个颅骨样本进行验证，样本量较小；实验设置固定条件下验证，实际临床应用环境可能更复杂	优化经颅超声传输效率，实现快速准确的插入损失预测	人类颅骨标本	医学影像分析	脑部疾病	CT扫描，超声传输实验	CNN	CT图像	20个人类颅骨标本	NA	改进的双路径Inception神经网络（mDPI-Net）	峰值压力误差，插入损失偏差	NA
1252	2026-02-06	Automated Classification of Store-Operated Calcium Entry Activity and Disease Conditions in Murine Skeletal Muscle Images Using Machine Learning 2026-Jan-28, Muscle & nerve IF:2.8Q2 DOI:10.1002/mus.70157 PMID:41603483	研究论文	本研究比较了三种机器学习模型在基于小鼠骨骼肌图像中钙库操纵性钙内流（SOCE）活性进行分类的能力	首次将机器学习模型应用于自动分类小鼠骨骼肌图像中的SOCE活性，作为肌肉活动延长和/或疾病的指标	研究样本量有限，未来需要更大数据集和更复杂模型（如基于Transformer的模型）来提升在复杂肌肉条件下的性能	开发自动化方法，通过机器学习准确检测肌肉组织图像中的病理生理学变化，以改善肌肉萎缩症的诊断和治疗	小鼠骨骼肌纤维的免疫荧光图像，来自钙蛋白酶-3缺失小鼠和野生型小鼠，在休息或运动后获取	计算机视觉	肌肉萎缩症	免疫荧光成像	CNN, SVM	图像	未明确指定具体样本数量，但涉及钙蛋白酶-3缺失小鼠和野生型小鼠的肌肉纤维图像	未明确指定，但可能涉及TensorFlow, PyTorch或Scikit-learn	EfficientNet, CNN（未指定具体架构），SVM	准确度, F1分数, 精确度, 受试者工作特征曲线下面积	NA
1253	2026-02-06	Unified model with random penalty entropy loss for robust nasogastric tube placement analysis in X-ray 2026-Jan-24, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102715 PMID:41637852	研究论文	本文提出了一种基于nnUNet的统一深度学习模型，结合随机惩罚熵损失函数，用于从胸部X光片中自动评估鼻胃管放置位置，以提高模型的泛化能力和可靠性	提出了一个统一架构同时优化分割和分类任务，并引入了随机惩罚熵损失函数以动态调整训练过程中的熵惩罚，从而增强模型鲁棒性并减少过度自信	研究主要基于韩国三家医院的内部数据集和一个外部公开数据集，模型在其他地区或不同设备采集的X光片上的泛化能力仍需进一步验证	开发一个自动化、高精度的鼻胃管放置评估系统，以减少人工判读的错误和变异性，提升患者安全	胸部X光片中的鼻胃管	计算机视觉	NA	X射线成像	深度学习	图像	内部数据集：来自韩国三家医院的5674张胸部X光片；外部数据集：MIMIC-CXR公开数据集	PyTorch	nnUNet	F1分数, AUROC, MCE, ECE	NA
1254	2026-02-06	Application of a novel approach for dementia prevalence prediction in Taiwan 2026-Jan-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34592-1 PMID:41519877	研究论文	本研究提出了一种优化的机器学习模型FGOASVR，用于有效预测台湾的痴呆症患病率趋势	提出了一种新颖的飞鹅优化算法支持向量回归（FGOASVR）模型，用于痴呆症患病率预测，并在与多种统计、深度学习和混合模型的比较中表现出最高的准确性和稳定性	研究仅基于台湾的国民健康保险研究数据库数据，模型在其他地区或人群的泛化能力未经验证	预测痴呆症患病率趋势，以支持数据驱动的公共卫生预测和政策制定	台湾1998年至2023年的年度痴呆症诊断数据	机器学习	老年疾病	NA	支持向量回归（SVR），长短期记忆网络（LSTM）	时间序列数据	1998年至2023年的年度痴呆症诊断数据（来自台湾NHIRD）	NA	FGOASVR, ARIMA, HWETS, LSTM, SVR, PSOSVR, DESVR, WOASVR, HHOSVR	平均绝对百分比误差（MAPE），均方根误差（RMSE）	NA
1255	2026-01-11	Automatic bone age assessment: a deep learning case study on the Brazilian population with a supporting mobile application prototype 2026-Jan-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34651-7 PMID:41513744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1256	2026-02-06	An end-to-end framework for data lineage analysis covering link pattern recognition, fault diagnosis, and early warning 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34522-1 PMID:41501163	研究论文	本文提出了一种基于数据血缘的端到端全链路智能分析框架（EEFL），用于链路模式识别、故障诊断和预警	结合图结构与深度学习算法，通过动态数据血缘图模型、图神经网络提取拓扑特征、时间卷积网络捕获长期依赖关系，并引入动态阈值预警机制，实现了链路故障的实时预测与追踪	NA	解决数据平台中实时预测和追踪数据链路故障的关键问题	数据链路及其故障（如数据中断、延迟异常、数据污染）	机器学习	NA	图神经网络（GNN）、时间卷积网络（TCN）、贝叶斯优化、在线学习	GNN, TCN	企业数据和模拟数据	NA	NA	图神经网络, 时间卷积网络	准确率（Acc）	NA
1257	2026-01-09	Research on return water temperature prediction model for casting cooling system based on deep learning 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34510-5 PMID:41501340	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1258	2026-01-09	Two-stage deep learning approach for screening for anterior disk displacement of the temporomandibular joint using orthopantomograms 2026-Jan-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34657-1 PMID:41501357	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1259	2026-02-06	Design and evaluation of a remote damage control surgery real-time guidance system based on HoloLens 2 in low-speed network environments 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34705-w PMID:41491882	研究论文	本研究旨在为低速网络环境开发并评估一种基于HoloLens 2的远程损伤控制手术实时指导系统	提出了一种结合多维损伤数据编码技术、WebSocket长链接协议和分片传输技术的系统，以缓解低速复杂网络环境下的数据传输延迟，并利用混合现实技术实现远程实时交互式手术指导	研究样本规模较小（仅28名学生），且仅针对颅脑创伤模型进行了评估，未涉及其他类型损伤或更广泛的临床场景	开发并评估一个适用于低速网络环境的远程损伤控制手术实时指导系统，以提升手术能力并提供实时高效的决策支持	由28名学生组成的四个手术团队，以及通过动物损伤平台构建的颅脑创伤模型	数字病理	颅脑创伤	多维损伤数据编码技术，WebSocket长链接协议，分片传输技术	多模态深度学习，决策树	多模态数据	28名学生（分为远程组和对照组）	NA	NA	损伤判断评分，手术操作评分，整体有效性评分，手术时间，动物存活时间	HoloLens 2沉浸式头戴显示设备，Wi-Fi通信协议
1260	2026-02-06	Application of deep learning technology in breast cancer: a systematic review of segmentation, detection, and classification approaches 2026-Jan-04, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01502-5 PMID:41486277	综述	本文对2020年至2024年间深度学习在乳腺癌影像学（包括分割、检测和分类）中的应用进行了系统性回顾，重点分析了模型架构、数据集特征、方法学质量及临床转化意义	系统性地比较了CNN、Transformer及混合架构在不同乳腺癌影像模态（如乳腺X线摄影、病理学、DBT、DCE-MRI）中的性能，并强调了全局上下文建模在特定场景（如致密乳腺、多视图输入）中的优势	大多数研究为回顾性、单中心设计，存在类别不平衡、人口统计学代表性狭窄、参考标准异质性高、缺乏外部或前瞻性验证等问题，导致潜在的偏倚、过拟合及公平性担忧	批判性评估深度学习在乳腺癌影像学中的最新进展，并探讨其临床转化潜力	深度学习模型在乳腺癌影像分割、检测和分类任务中的应用	计算机视觉	乳腺癌	深度学习	CNN, Transformer, 混合架构	影像数据（如乳腺X线摄影、病理图像、DBT、DCE-MRI）	NA	NA	U-Net变体, CNN分类器, Transformer	准确率, AUC, 敏感性, Dice系数, IoU	NA