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	2026-03-18	Toward automated neonatal EEG analysis: multi-center validation of a reliable deep learning pipeline 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1750045 PMID:41835935	研究论文	本文介绍并验证了NeoNaid，一种基于功能脑龄估计和睡眠分期的全自动新生儿脑电图分析软件工具	结合了多任务深度学习模型与质量控制程序，用于检测伪影、分布外输入和不确定预测，提高了新生儿脑电图分析的可靠性	研究样本量相对较小（内部数据集33个脑电图/17名婴儿，外部数据集38个脑电图/24名婴儿），且未在更广泛的多中心环境中进行验证	评估用于新生儿脑电图分析的自动化软件工具的可靠性和泛化能力	新生儿脑电图数据	数字病理学	新生儿疾病	脑电图分析	深度学习模型	脑电图信号	内部数据集：33个脑电图，17名婴儿；外部数据集：38个脑电图，24名婴儿	NA	多任务深度学习模型	中位数绝对功能脑龄误差，Cohen's Kappa值	NA
1242	2026-03-18	Deciphering exterior: building energy efficiency prediction with emerging urban big data 2026, npj urban sustainability IF:9.1Q1 DOI:10.1038/s42949-026-00348-7 PMID:41836274	研究论文	本研究提出了一种利用外部广泛存在数据预测建筑能效的新方法框架	提出了一种仅使用外部广泛数据（如热红外遥感图像、街景图像等）进行建筑能效预测的端到端多通道深度学习模型，避免了传统模拟或现场检查方法的耗时耗力问题	模型仅在格拉斯哥和爱丁堡两个城市进行了验证，尚未在其他地区或更大范围测试其普适性	为建筑部门脱碳目标提供可扩展的能效评估解决方案	英国住宅建筑的能源效率	计算机视觉	NA	热红外遥感成像、光学遥感成像、街景图像采集	深度学习模型	图像（热红外遥感图像、光学遥感图像、街景图像）、社会经济指标、建筑形态数据	格拉斯哥和爱丁堡两个城市的建筑数据	NA	端到端多通道深度学习模型	F1分数	NA
1243	2026-03-18	Bibliometric analysis of deep learning for surgical instrument segmentation, detection and tracking in minimally invasive surgery 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1633888 PMID:41836341	综述	本文通过文献计量学分析，系统梳理了2017年至2024年间深度学习在微创手术中手术器械分割、检测与跟踪领域的研究现状、趋势及合作网络	首次针对深度学习在微创手术器械分割、检测与跟踪领域进行结构化文献计量学分析，系统映射了该领域的研究格局、合作网络及主题演变轨迹	本研究未评估临床有效性，且引用计数受出版年龄影响需谨慎解读	系统绘制深度学习在微创手术器械分割、检测与跟踪领域的研究版图，分析出版趋势、合作网络及学科主题轨迹	2017年至2024年间发表的关于深度学习在腹腔镜或机器人微创手术中器械分割/检测/跟踪的原创研究文章	计算机视觉	NA	文献计量学分析	CNN, Transformer	手术视频	217篇文章	Bibliometrix R包, VOSviewer	卷积神经网络, Transformer架构	NA	NA
1244	2026-03-18	Explainable multimodal feature fusion networks for Parkinson's disease prediction 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1771281 PMID:41836340	研究论文	本文提出了一种可解释的多模态深度学习框架，用于通过融合手写、步态和语音特征来预测帕金森病	采用早期特征融合策略整合多模态数据，并结合可解释AI技术（SHAP和Grad-CAM）增强模型透明度，实现模态和特征级贡献的临床可解释性	未明确提及样本量限制或外部验证的不足	开发一个稳健且可解释的帕金森病早期检测系统	帕金森病患者	机器学习	帕金森病	多模态数据融合	深度神经网络, XGBoost	手写、步态和语音数据	NA	NA	NA	准确率, 宏F1分数, AUC, 平均精度, 灵敏度, 特异性	NA
1245	2026-03-18	The capability of deep-radiomics to predict pathological response to neoadjuvant immunochemotherapy in non-small cell lung cancer: a retrospective multicenter study 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1770042 PMID:41836436	研究论文	本研究建立了一个结合放射组学、深度学习和临床特征的预测模型，用于预测非小细胞肺癌患者在新辅助免疫化疗后的病理完全缓解	创新点在于将放射组学特征、深度学习特征和临床特征（如iRECIST）融合，构建了一个多中心、多模态的联合预测模型，以提高病理完全缓解的预测准确性	研究为回顾性设计，样本量相对较小（178例患者），且仅基于CT图像，可能未涵盖所有相关生物标志物	预测非小细胞肺癌患者在新辅助免疫化疗后的病理完全缓解	非小细胞肺癌患者	数字病理学	肺癌	CT成像	深度学习,逻辑回归	图像	178例患者（来自三个中心，分为训练、内部测试和外部测试队列）	NA	NA	AUC	NA
1246	2026-03-18	Global to local burdens, inequalities, and achievable frontiers of child and adolescent malignant neoplasm of bone and articular cartilage across 953 countries and sublocations, 1980-2040, with deep learning-based forecasts 2026-Jan, Journal of orthopaedic translation IF:5.9Q1 DOI:10.1016/j.jot.2025.101042 PMID:41836575	研究论文	本研究系统分析了1980年至2021年间全球953个国家和地区20岁以下儿童和青少年骨与关节软骨恶性肿瘤的负担、不平等及理想可达到的前沿，并利用基于注意力的深度学习管道进行预测至2040年	首次在全球至地方层面，对儿童和青少年骨与关节软骨恶性肿瘤的长期负担进行系统性分析，并开发了先进的基于注意力的深度学习管道进行精准预测	研究依赖于现有癌症登记数据，可能存在数据报告不完整或地区差异，且预测模型基于历史趋势，未来实际变化可能受未预见因素影响	评估全球儿童和青少年骨与关节软骨恶性肿瘤的疾病负担、不平等状况及未来趋势，为公共卫生政策提供依据	20岁以下儿童和青少年，覆盖全球953个国家和地区	公共卫生流行病学	骨与关节软骨恶性肿瘤	深度学习预测模型	基于注意力的深度学习管道	流行病学统计数据	全球953个国家和地区1980-2021年的疾病负担数据	NA	基于注意力的深度学习管道	NA	NA
1247	2026-03-18	Spatiotemporal deep learning framework for predictive behavioral threat detection in surveillance footage 2026, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2026.1770989 PMID:41836643	研究论文	本研究提出了一种优化的时空深度学习框架，用于视频监控中的异常行为检测	通过结合CNN进行空间特征提取和LSTM进行时间依赖建模，优化了超参数和正则化策略，提升了收敛稳定性和泛化性能	未明确提及，可能包括对特定数据集的依赖或计算资源需求	开发有效的视频监控异常行为检测方法	视频监控数据中的异常人类行为	计算机视觉	NA	深度学习	CNN, LSTM	视频	使用DCSASS监控数据集，未指定具体样本数量	未明确指定，可能基于TensorFlow或PyTorch	CNN-LSTM组合架构	准确率, 精确率, 召回率, F1分数	未明确指定
1248	2026-03-18	Artificial intelligence algorithm to predict the requirement of neonatal endotracheal intubation within 3 h: application for clinical practice 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1729990 PMID:41836960	研究论文	本研究开发了一种多模态深度学习模型，用于预测新生儿在3小时内是否需要气管插管	提出了一种结合数值临床数据和时序生命体征数据的多模态深度学习模型，能够提前3小时高精度预测新生儿气管插管需求，并通过独立数据集进行了全面的外部验证	NA	开发高精度预测模型，以提前预测新生儿重症监护室中气管插管的需求，实现主动临床规划和干预	新生儿重症监护室中的新生儿	机器学习	新生儿急性呼吸窘迫	多模态深度学习	深度学习模型	数值临床数据, 时序生命体征数据	NA	NA	多模态深度学习模型	准确率, AUC	NA
1249	2026-03-18	Transformer model to determine spatio-temporal relationships of variables, and interpretability for soybean seed yield, oil, and protein prediction 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1750108 PMID:41837240	研究论文	本文提出了一种基于Transformer的深度学习框架，用于预测大豆种子产量、油分和蛋白质含量，并利用30年的多环境性能数据进行验证	首次将Transformer模型应用于大豆产量和品质预测，整合了天气、基因型和地理等多模态数据，并评估了可解释性方法以识别关键预测变量	研究依赖于特定数据集（UST），可能限制了模型在其他地区或作物上的泛化能力	提高大豆育种中种子产量和成分性状的预测准确性，以支持农民田间管理和市场决策	大豆种子产量、油分和蛋白质含量	机器学习	NA	深度学习	Transformer	多变量时间序列天气数据、基因型关系信息、成熟度组、地理位置	基于30年北美北部和南部统一大豆试验（UST）的多环境性能数据	NA	Transformer	R2	NA
1250	2026-03-18	Enhancing crack detection and severity assessment in historical Tabiya basins using U-Net and adaptive thresholding 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1741082 PMID:41837242	研究论文	本研究提出了一种基于U-Net和自适应阈值的历史Tabiya水池表面裂缝检测与严重性评估的自动化系统	结合了多种深度学习模型（U-Net与不同骨干网络）进行裂缝检测与分割，并集成了骨架化、裂缝长度估计算法和裂缝宽度提取方法进行定量测量，同时开发了用户友好的Web应用程序	未明确提及模型在极端光照或复杂背景下的泛化能力，以及系统对高分辨率图像处理的计算效率	开发自动化系统以改进历史Tabiya水池的表面裂缝检测、分割和严重性评估，支持文化遗产保护	历史Tabiya水池的表面裂缝	计算机视觉	NA	高分辨率图像采集，深度学习，计算机视觉	CNN	图像	未明确说明具体样本数量，但使用现场采集的高分辨率图像	未明确指定，但可能涉及TensorFlow或PyTorch	U-Net, MobileNetV2, ResNet-50, InceptionV3, EfficientNetB7	准确率, 召回率, 精确率, F1分数	未明确说明
1251	2026-03-18	Classification of driver and passenger mutations in different cancer types using deep neural networks 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag068 PMID:41841102	研究论文	本研究通过整合多组学特征，开发了基于深度学习的癌症特异性模型，用于区分驱动突变和乘客突变	首次整合AlphaFold预测的结构信息、氨基酸接触网络及序列特征，构建针对30种肿瘤类型的特异性深度学习分类模型	模型性能受限于COSMIC数据库的突变注释质量，且未在独立外部数据集上进行全面验证	开发高精度计算方法以区分癌症中的驱动突变和乘客突变	来自30种肿瘤类型的61,364个错义突变（57,535个驱动突变和3,829个乘客突变）	生物信息学	癌症	全癌种突变数据分析、AlphaFold结构预测、氨基酸接触网络构建	深度神经网络	基因组序列数据、蛋白质结构数据、网络特征数据	61,364个突变样本（来自682个致癌基因）	未明确说明	深度神经网络（具体架构未说明）	分类准确率	未明确说明
1252	2026-03-18	GlioMODA: Robust glioma segmentation in clinical routine 2026 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdag034 PMID:41841144	研究论文	本研究提出并评估了GlioMODA，一种专为自动化胶质瘤分割设计的鲁棒深度学习框架，能够在不同且不完整的MRI协议下保持高性能	开发了一种能够在临床常规中不完整或异质MRI协议下保持鲁棒性能的胶质瘤分割框架，支持简化的2序列协议	研究主要基于BraTS 2021数据集，需要在更广泛的临床数据上进行进一步验证	开发一种适用于临床常规的鲁棒胶质瘤自动分割方法	胶质瘤患者	数字病理学	胶质瘤	磁共振成像	深度学习	图像	1251个训练病例，219个测试病例	NA	NA	Dice相似系数，全景质量指标	NA
1253	2026-03-18	Multimodality Artificial Intelligence for Involved-Site Radiation Therapy: Clinical Target Volume Delineation in High-Risk Pediatric Hodgkin Lymphoma 2025-Dec-13, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.12.005 PMID:41391612	研究论文	本研究开发了一种融合多模态成像的深度学习模型，用于自动勾画高危儿童霍奇金淋巴瘤受累部位放疗的临床靶区	首次将多时间点PET/CT图像与计划CT整合到深度学习模型中，用于儿童霍奇金淋巴瘤的自动靶区勾画，并进行了大规模多中心验证	研究仅针对儿童高危霍奇金淋巴瘤患者，模型在其他类型淋巴瘤或成人患者中的适用性有待验证	开发自动化的临床靶区勾画算法，以促进受累部位放疗计划制定	288名儿童高危霍奇金淋巴瘤患者的计划CT、基线PET/CT和中期PET/CT扫描图像	数字病理学	霍奇金淋巴瘤	PET/CT成像	深度学习	医学影像（CT、PET）	288名患者（230名用于模型开发，58名用于外部测试）	NA	SegResNet, ResUNet, SwinUNETR	Dice相似系数, 95% Hausdorff距离	NA
1254	2026-03-18	Leveraging complex network features improves vaccine stance classification 2025-Dec-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27487-8 PMID:41360844	研究论文	本研究提出利用从社交网络提取的复杂网络特征来增强基于文本的深度学习模型，以改进疫苗立场分类	首次将复杂网络特征与文本特征结合用于疫苗立场分类，并证明网络特征在长期数据中优于文本特征	研究基于意大利语推文数据，可能无法直接推广到其他语言或社交平台	提高社交媒体上疫苗立场的分类准确性	意大利语社交媒体帖子	自然语言处理	NA	NA	深度学习	文本	约2000万条意大利语帖子，其中约7000条手动标注	NA	NA	NA	NA
1255	2026-03-18	Deep Learning-Based Diagnosis of Corneal Condition by Using Raw Optical Coherence Tomography Data 2025-Dec-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics15243115 PMID:41464119	研究论文	本研究利用原始光学相干断层扫描数据和卷积神经网络，区分健康角膜与圆锥角膜	直接使用原始光学相干断层扫描数据而非预处理数据进行诊断，避免了软件更新对结果的影响，提供了更一致的临床分析基础	未明确提及	通过深度学习模型，基于原始光学相干断层扫描数据实现圆锥角膜的早期诊断	使用Casia2前节光学相干断层扫描仪获取的2737次眼部检查数据，包括正常、角膜扩张症和其他疾病三类	计算机视觉	圆锥角膜	光学相干断层扫描	CNN	图像	2737次眼部检查，包含744次检查的数据集	NA	DenseNet121, EfficientNet-B0, MobileNetV3-Large, ResNet18	准确率, 宏平均灵敏度, 宏平均特异性, 宏平均阳性预测值, 宏平均F1分数	NA
1256	2026-03-18	Multi-Scale Attention Fusion With Depthwise Separable Convolutions for Efficient Skin Cancer Detection 2025-Dec, Journal of cutaneous pathology IF:1.6Q3 DOI:10.1111/cup.14870 PMID:40998452	研究论文	提出一种名为MAF-DermNet的深度学习框架，用于高效、准确的皮肤癌检测	结合多尺度注意力融合与深度可分离卷积，并利用DCGAN进行数据增强以提高模型鲁棒性	未整合临床元数据，且未来需针对不同医疗环境进行优化	开发一种高效、准确的自动化皮肤癌检测模型以辅助临床诊断	皮肤癌病变图像	计算机视觉	皮肤癌	深度学习	CNN, GAN	图像	NA	NA	MAF-DermNet, DCGAN	准确率, 宏F1分数	NA
1257	2026-03-18	"Patients Aren't Datasets": Generating Return on Investment via Automation, Responsibly 2025 Winter 01, Frontiers of health services management DOI:10.1097/HAP.0000000000000237 PMID:41292082	评论	本文探讨了在医疗保健领域如何负责任地利用人工智能和数据自动化技术来生成投资回报，同时管理相关风险	强调在医疗保健自动化中负责任地使用数据，并提出了评估AI意外后果的策略	未提供具体的实证研究或案例数据来支持论点	研究如何通过AI和数据自动化在医疗保健中生成投资回报，同时确保负责任的数据使用	医疗保健系统中的技术现代化、数据使用和AI应用	机器学习	NA	机器学习模型、生成式AI模型、深度学习模型	NA	患者数据和结果数据	NA	NA	NA	NA	NA
1258	2026-03-18	Automatically quantifying spatial heterogeneity of immune and tumor hypoxia environment and predicting disease-free survival for patients with rectal cancer 2025-Nov-18, Cancer immunology, immunotherapy : CII DOI:10.1007/s00262-025-04235-5 PMID:41251704	研究论文	本研究开发了一种自动化的定量免疫组化特征提取流程，用于分析直肠癌肿瘤微环境中免疫和缺氧标志物的空间异质性，并预测患者的无病生存期	开发了一种整合深度学习肿瘤分割与计算检测浸润边缘的自动化流程，能够客观量化DAB染色的空间异质性，并识别出具有生物学解释性的预后特征，其预测性能优于传统的pTNM分期系统	研究样本量有限（104例），且需要在多中心队列中进行进一步验证以确认其临床适用性	开发自动化定量分析肿瘤微环境空间异性的方法，以预测直肠癌患者的无病生存期	直肠癌患者的肿瘤组织样本	数字病理学	直肠癌	免疫组化	深度学习	图像	104例患者样本（57例训练集，47例验证集）	NA	NA	C-index	NA
1259	2026-03-18	Computational redesign of a thermostable T7 RNA polymerase 2025-Nov-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.12.688101 PMID:41292992	研究论文	本研究通过基于结构的计算设计，开发了一种高度稳定的T7 RNA聚合酶变体	结合了先前稳定变体的突变与PROSS识别的新突变，并通过数据驱动启发式方法筛选以保持功能，最终设计出比现有最稳定开源变体热稳定性高2.4°C的T7 RNAP变体	未提及深度学习方法的比较或大规模应用验证	通过计算设计提高T7 RNA聚合酶的热稳定性，以扩展其在生物技术中的应用潜力	T7 RNA聚合酶（T7 RNAP）及其变体	计算生物学	NA	结构计算设计、PROSS分析、热挑战实验、圆二色光谱	NA	蛋白质结构数据、突变数据	18个测试的蛋白质设计	NA	NA	功能稳定性温度（T）、表观熔解温度、活性保留百分比	NA
1260	2026-03-18	Deep Learning for RNA Secondary Structure Determination: Gauging Generalizability and Broadening the Scope of Traditional Methods 2025-Nov-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.04.686644 PMID:41278894	观点文章	本文评估了深度学习在RNA二级结构预测中的泛化能力，并探讨了其与传统方法的整合	使用来自蛋白质数据库的新基准数据集评估方法泛化性，并强调结构探测数据预测中的独特泛化挑战	已知RNA结构的多样性和数量有限，可能导致预测与训练数据显著不同结构时准确性不足	评估深度学习在RNA二级结构预测中的泛化能力，并推动传统方法与现代神经网络的整合	RNA二级结构	生物信息学	NA	深度学习	深度学习模型	RNA结构数据	来自蛋白质数据库的结构化RNA新基准数据集	NA	NA	泛化能力评估	NA