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
1301	2026-03-22	Artificial intelligence assessment for early detection of heart failure with preserved ejection fraction based on electrocardiographic features 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaa015 PMID:36711179	研究论文	本研究开发了一种基于心电图特征的深度学习模型，用于早期检测射血分数保留的心力衰竭	首次开发了一种可解释的深度学习模型，利用常规心电图设备进行HFpEF的可靠和经济筛查，并通过内部和外部验证展示了高性能	研究为回顾性队列设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性研究中进一步验证	开发并验证一种基于心电图的深度学习模型，用于早期筛查射血分数保留的心力衰竭	接受超声心动图和心电图检查且左心室收缩功能正常的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	内部开发集：20,169名患者的32,671份心电图；内部验证集：1,979名患者；外部验证集：11,955名患者	NA	集成神经网络	受试者工作特征曲线下面积	NA
1302	2026-03-22	Diagnosis of COVID-19 Using Machine Learning and Deep Learning: A Review 2021, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405617666210713113439 PMID:34259149	综述	本文系统回顾了机器学习和深度学习技术在抗击COVID-19中的应用	通过PRISMA指南对AI在COVID-19中的应用进行范围综述，比较了不同ML回归方法、分类方法及医学影像数据集，并评估了DL方法在不同数据集上的性能	存在法规限制、噪声数据、数据隐私问题以及缺乏可靠的大规模数据集	评估AI（特别是ML和DL）在预测、筛查和检测COVID-19中的有效性	COVID-19患者及相关医学影像数据	机器学习	COVID-19	NA	CNN	图像	从4050篇研究论文中筛选出52篇进行结果合成	NA	ResNet-18, DenseNet 169, DenseNet-201	分类准确率	NA
1303	2026-03-22	Tumor detection of the thyroid and salivary glands using hyperspectral imaging and deep learning 2020-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.381257 PMID:32206417	研究论文	本研究探讨了高光谱成像结合深度学习在甲状腺和唾液腺肿瘤检测中的应用	首次将高光谱成像与深度学习结合用于甲状腺和唾液腺肿瘤检测，并比较了不同成像模式（包括合成RGB图像）的性能	样本量较小，特别是唾液腺样本仅16个，可能影响结果的泛化能力	评估高光谱成像在甲状腺和唾液腺肿瘤检测中的性能	甲状腺和唾液腺组织标本	计算机视觉	甲状腺癌, 唾液腺肿瘤	高光谱成像, 荧光染料成像	深度学习算法	图像	82名患者的200个甲状腺标本和16个唾液腺标本	NA	NA	AUC	NA
1304	2026-03-21	Bioinspired hybrid optimisation and deep belief neural networks for early chronic kidney disease detection: an explainable clinical AI framework 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2624917 PMID:41834383	研究论文	本文提出了一种结合混合螺旋搜索策略的二元引力搜索算法与象群优化算法来优化深度信念神经网络，用于慢性肾脏病的早期检测	提出了一种双阶段优化框架（SSS-BGSA-EHO-DBNN），通过非线性螺旋搜索模式增强原始BGSA的探索-利用权衡，并利用EHO优化DBNN参数以提高收敛速度和学习效率	研究仅在UCI CKD数据集上进行评估，样本量有限，且未在更多独立数据集或真实临床环境中验证	开发一个全自动、可解释且计算高效的慢性肾脏病筛查流程	慢性肾脏病（CKD）患者	机器学习	慢性肾脏病	NA	深度信念神经网络（DBNN）	结构化临床数据	UCI CKD数据集（25个属性）	NA	深度信念神经网络	准确率, AUC	NA
1305	2026-03-21	Early Implications for Solid Organ Transplantation With the Use of Artificial Intelligence From a Bibliometric Perspective 2026-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2026.100340 PMID:41853188	文献计量分析	本文通过文献计量学方法，分析了人工智能在实体器官移植领域（肾脏、肝脏、心脏、肺移植）的应用现状、科学影响及发展趋势	首次从文献计量学角度系统评估了人工智能在实体器官移植领域的全球研究趋势、技术应用热点及合作网络，识别了核心研究主题和领先机构	分析基于已发表的文献，许多人工智能模型仍处于验证阶段，实际临床整合和效果有待进一步证实；文献检索可能受数据库覆盖范围限制	评估人工智能在实体器官移植领域的科学影响、研究演变及全球趋势，以促进该领域的循证研究和跨学科合作	涉及肾脏、肝脏、心脏和肺移植的人工智能相关科学研究文献	机器学习	实体器官移植	机器学习，专家系统，深度学习	NA	临床数据，免疫学数据，组织学数据，影像数据	2384篇出版物（1989-2025年），其中815篇符合纳入标准	NA	NA	NA	NA
1306	2026-03-21	Automated detection and classification of dental trauma in periapical radiographs using deep learning: a study based on the Andreasen classification 2026-May, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.12.014 PMID:41688271	研究论文	本研究评估了基于YOLOv8的深度学习模型在根据Andreasen分类系统自动识别牙科创伤类型方面的性能	首次将YOLOv8深度学习模型应用于牙科创伤的自动检测与分类，并基于Andreasen分类系统进行标签整合以优化模型性能	初始模型因创伤亚型过多且数据集有限导致整体性能较低，仅在某些亚类（如撕脱伤）表现较好	评估深度学习模型在牙科创伤自动识别与分类中的性能	牙科创伤的X线片图像	计算机视觉	牙科创伤	深度学习	YOLOv8	图像	NA	NA	YOLOv8	灵敏度, 精确度, F1分数	NA
1307	2026-03-21	Fine-scale mapping of Oncomelania hupensis habitats in eastern China using multi-season Sentinel-2 imagery and semi-supervised deep learning 2026-May, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2026.108044 PMID:41802557	研究论文	本研究开发了一个名为SnailMatch的半监督深度学习框架，结合多季节Sentinel-2影像，用于精细绘制中国东部钉螺（日本血吸虫中间宿主）的栖息地分布图	提出了一个结合多季节遥感影像和半监督深度学习的框架，通过注意力机制融合季节性生态模式，并利用贝叶斯优化集成模型，实现了高精度的钉螺栖息地制图	研究依赖于有限的实地确认数据（229个存在点），且未明确讨论模型在其他地理区域或不同年份的泛化能力	开发一种成本效益高、可解释的方法，以支持针对性的灭螺和植被管理，助力世界卫生组织2030年消除血吸虫病的目标	钉螺（Oncomelania hupensis）的栖息地	计算机视觉	血吸虫病	多季节Sentinel-2遥感影像处理	深度学习, 随机森林	遥感影像, 环境协变量数据	229个实地确认的钉螺存在点, 229个系统采样的缺失点, 5,759个未标记位置	NA	注意力机制的多季节融合模块	准确率, AUC, F1分数	NA
1308	2026-03-21	Single-cell resolution spatial transcriptomic signature of the retrosplenial cortex during memory consolidation 2026-Apr, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03331-3 PMID:41188622	研究论文	本研究利用单细胞分辨率空间转录组学揭示了记忆巩固过程中压后皮质的转录组特征	首次在空间记忆巩固过程中识别压后皮质神经元亚型的转录组特征，并利用深度学习工具揭示学习后细胞类型特异性分子激活模式	研究主要基于小鼠模型，结果在人类中的适用性需进一步验证	探究压后皮质在空间记忆巩固过程中的分子机制	小鼠压后皮质神经元，特别是兴奋性神经元	空间转录组学	阿尔茨海默病及相关痴呆	单细胞分辨率空间转录组学，Xenium空间转录组学，化学遗传学方法	深度学习	空间转录组数据	NA	NA	NA	NA	NA
1309	2026-03-21	Delineating white matter phenotypes of sensori-/psychomotor functioning in large-scale cohorts of healthy individuals and patients with mental disorders across the lifespan (whiteSPAN): rationale and methods of an interdisciplinary bicentric project 2026-Apr, European archives of psychiatry and clinical neuroscience IF:3.5Q2 DOI:10.1007/s00406-025-02138-1 PMID:41288695	研究论文	该项目旨在通过大规模神经影像数据研究感觉/精神运动功能与白质微结构之间的关联，跨越多种精神与神经退行性疾病	整合多中心公开与内部数据集，结合先进计算工具如tractometry、tractomics、规范建模和深度学习，跨诊断边界识别生物驱动的感觉/精神运动生物型	依赖现有数据集的异质性，可能受样本选择和测量方法差异的影响	研究感觉/精神运动功能与白质微结构的关联，以指导精神与神经退行性疾病的精准医疗和生物标志物驱动干预	健康个体和患有焦虑障碍、重度抑郁障碍、精神分裂症谱系障碍、轻度认知障碍和阿尔茨海默病的患者	神经影像学	精神障碍与神经退行性疾病	扩散MRI	深度学习	神经影像数据	超过2,400名健康个体和1,600名患者	NA	NA	NA	NA
1310	2026-03-21	An Artificial Intelligence-Based Prognostic Model for Prediction of Functional Glaucoma Progression From Clinical and Structural Data 2026-Apr, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.026 PMID:41483865	研究论文	本研究设计了一个基于深度学习的预后模型，结合临床和结构数据预测青光眼功能进展，并与临床医生进行比较	首次整合基线临床数据、视盘照片和光学相干断层扫描测量，利用预训练的卷积神经网络预测青光眼进展，显著优于临床医生评估	研究为回顾性设计，样本量有限（1599只眼），且验证队列使用不同设备可能影响模型泛化能力	预测青光眼的功能进展，提升疾病诊断和预后评估的准确性	1599只眼（908名患者），包括确诊或疑似青光眼，具有至少5次24-2视野检查和3年以上随访	数字病理学	青光眼	光学相干断层扫描，24-2视野检查，线性回归分析	CNN	图像，临床数据，人口统计数据	1599只眼（908名患者），验证队列291只眼	NA	基于ImageNet预训练的卷积神经网络	AUC，准确率，精确率-召回曲线下面积	NA
1311	2026-03-21	Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.109381 PMID:41604952	研究论文	本研究提出并评估了一种基于ForensicNet的多任务深度学习框架，用于同时估计巴西5-15岁年轻人群的全景X光片的实际年龄和性别分类	提出了一种基于EfficientNet-B3的多任务深度学习模型，结合了卷积块注意力模块（CBAM）和加权多任务损失函数，在年龄估计和性别分类任务中均优于基准模型	研究仅针对巴西5-15岁年轻人群，样本量有限（2200张全景X光片），可能限制了模型的泛化能力	开发一个自动化框架，用于从全景X光片中准确估计年龄和分类性别，以应用于法医和临床环境	巴西5-15岁年轻人群的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2200张高分辨率全景X光片，按年龄和性别平衡	NA	EfficientNet-B3, ForensicNet	平均绝对误差, 决定系数, 准确率, AUC	NA
1312	2026-03-21	Deep Learning-based Monoenergetic Imaging for Calcified Coronary Stenosis Assessment at Energy-integrating Detector CT 2026-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250230 PMID:41854396	研究论文	本研究开发并评估了一种基于深度学习的单能成像框架，用于从传统能量积分探测器CT生成虚拟单能图像，旨在减少伪影并改善重度钙化斑块的冠状动脉CT血管造影狭窄评估	提出了名为DIAMOND的深度学习框架，首次实现了从单能量能量积分探测器CT生成高千电子伏特虚拟单能图像，无需硬件升级即可达到与光子计数探测器CT相当的成像效果	研究样本量相对较小（23名参与者），且主要针对重度钙化斑块，未涵盖其他类型的冠状动脉病变	开发一种深度学习方法来改善冠状动脉CT血管造影中重度钙化斑块的狭窄评估	冠状动脉重度钙化斑块	医学影像分析	心血管疾病	CT血管造影，虚拟单能成像	深度学习	CT图像	回顾性数据集包含10次CT检查，前瞻性数据集包含23名参与者（平均年龄69岁，18名男性）	NA	简化U-Net	直径狭窄百分比，Bland-Altman分析，狭窄严重程度分类变化	标准图形处理单元
1313	2026-03-21	Deep learning-empowered SERS: deciphering the multidimensional information code of complex biological samples 2026-Mar-19, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d6ay00224b PMID:41854202	综述	本文综述了深度学习与表面增强拉曼光谱技术相结合的最新进展、挑战与未来展望	将深度学习与SERS技术深度融合，为处理复杂生物样本的多维信息提供新视角，并推动该技术向更高级阶段发展	NA	总结深度学习在SERS技术中的应用进展，并探讨其未来发展方向	表面增强拉曼光谱技术及其在生物医学、环境保护、食品安全等领域的应用	机器学习	NA	表面增强拉曼光谱	深度学习	光谱数据	NA	NA	NA	NA	NA
1314	2026-03-21	ProCausal-WS: Weakly Supervised Causal Representation Learning Driven Interpretable Prostate Cancer Diagnosis 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675771 PMID:41855066	研究论文	提出了一种名为ProCausal-WS的弱监督因果表示学习框架，用于可解释的前列腺癌诊断	同时解决了现有线性因果模型无法处理非线性依赖关系以及深度学习方法需要大量专家标注且缺乏反事实推理机制的问题，通过可逆流因果编码器、外源性临床干预模块和弱监督对齐机制三个相互关联的组件实现	仅使用了TCGA-PRAD和PANDA两个数据集进行验证，且仅针对前列腺癌诊断	开发一个弱监督因果表示学习框架，用于前列腺癌的可解释诊断	前列腺癌诊断	数字病理学	前列腺癌	NA	因果表示学习, 可逆流模型, 对比学习	多模态数据（影像、基因组、临床变量）	TCGA-PRAD数据集和PANDA数据集	NA	可逆流因果编码器, 动态门控结构, 投影头	临床因果概念识别准确率, 干预均方误差, AUROC, 生物合理性评分	NA
1315	2026-03-21	BWS-Net: An Optimal Deep Learning Architecture for the Anterior Bladder Wall Segmentation using Ultrasound Imaging 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675965 PMID:41855067	研究论文	本文提出了一种名为BWS-Net的新型深度学习网络，用于从超声图像中精确分割膀胱前壁	提出了一种结合蓝图可分离卷积层和自适应注意力跳跃连接的编码器-解码器结构，在提升分割性能的同时显著降低了计算复杂度	现有深度学习方法的临床验证有限，本研究也未明确说明其临床验证的广泛性	开发一种用于膀胱前壁超声图像自动分割的精确且高效的方法，以支持无创膀胱功能评估	膀胱前壁的超声图像	计算机视觉	泌尿系统疾病	超声成像	CNN	图像	从64名患者中获取的8592张不同图像	NA	编码器-解码器结构，包含蓝图可分离卷积层和自适应注意力跳跃连接	Dice分数，敏感性，均方根误差	NA
1316	2026-03-21	The visual nature of social interaction and its impact on overall mood judgments 2026-Mar-19, Cognition & emotion IF:2.6Q2 DOI:10.1080/02699931.2026.2644244 PMID:41855466	研究论文	本研究探讨了社交互动中的视觉线索如何影响人们对人群整体情绪的快速判断	首次系统性地研究了社交互动及其视觉线索在自然场景中对人群整体情绪判断的影响	研究仅基于静态照片，未考虑动态或真实环境中的社交互动	探究社交互动的视觉性质及其在评估人群情绪中的作用	自然照片中的人群（超过五人），包括互动与非互动场景	计算机视觉	NA	深度学习算法	深度学习	图像	NA	NA	NA	情绪强度估计	NA
1317	2026-03-21	TCB-Kla: a hybrid deep learning model for predicting human lysine lactylation sites by incorporating transformer encoder and multi-scale CNN 2026-Mar-19, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2026.2645110 PMID:41855483	研究论文	本研究提出了一种名为TCB-Kla的混合深度学习模型，用于预测人类蛋白质的赖氨酸乳酰化位点	首次将Transformer编码器、多尺度CNN和双向LSTM相结合，构建了用于赖氨酸乳酰化位点预测的混合深度学习模型，并在独立测试集和跨数据集验证中均表现出优于基线模型的性能	模型主要针对人类蛋白质数据，在其他物种上的泛化能力未充分验证；依赖现有标注数据，可能受数据质量和规模限制	开发一种高效准确的深度学习模型，以替代耗时费力的质谱方法，实现蛋白质赖氨酸乳酰化位点的预测	人类蛋白质的赖氨酸乳酰化位点	生物信息学	NA	质谱分析	Transformer, CNN, LSTM	蛋白质序列数据	未明确说明具体样本数量，但使用了独立测试集和10折交叉验证	未明确说明	Transformer编码器, 多尺度CNN, 双向LSTM	准确率, 灵敏度, 特异性, 马修斯相关系数, ROC曲线下面积	未明确说明
1318	2026-03-21	Analysis of Models to Estimate Morbidity Rates of Respiratory Diseases Through Deep Learning 2026-Mar-19, Tropical medicine & international health : TM & IH IF:2.6Q2 DOI:10.1111/tmi.70126 PMID:41856921	研究论文	本研究比较了XGBoost与基于堆叠门控循环单元（GRU）的深度学习模型，利用呼吸系统疾病发病率数据及社会经济与环境变量，预测巴西不同地区的疾病发病率	首次将堆叠GRU模型与XGBoost在呼吸系统疾病发病率预测中进行比较，并整合了社会经济与环境指标作为外生变量，同时使用合成数据进行时间序列细粒度化	研究结果显示出区域异质性，XGBoost模型在多数地区表现不佳（R值为负），可能受数据质量或模型适用性限制	比较不同机器学习模型在呼吸系统疾病发病率预测中的性能，以支持精准公共卫生决策	巴西地区的呼吸系统疾病发病率数据及相关社会经济与环境变量	机器学习	呼吸系统疾病	时间序列分析，合成数据生成	XGBoost, GRU	时间序列数据	1999年至2023年的呼吸系统疾病发病率及外生变量数据（具体样本数未提供）	NA	堆叠门控循环单元（GRU）	R值（相关系数）	NA
1319	2026-03-21	A Lightweight Dual-Attention Neural Network for Robust and Efficient EEG Motor Imagery Decoding 2026-Mar-19, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500267 PMID:41856938	研究论文	本文提出了一种轻量级的双注意力神经网络DA-EEGNet，用于鲁棒且高效的脑电图运动想象解码	在EEGNet骨干网络基础上，集成了通道注意力模块和深度注意力模块，以选择性强调信息丰富的电极和具有时间区分性的特征，在保持紧凑模型参数化的同时实现了有效的时空特征建模	NA	解决运动想象脑机接口中有效时空特征建模与紧凑模型参数化之间的关键挑战	脑电图运动想象数据	机器学习	NA	脑电图	CNN, 注意力机制	脑电图信号	使用了两个广泛使用的运动想象基准数据集	NA	EEGNet, DA-EEGNet	分类准确率	NA
1320	2026-03-21	SiaCon-DetNet with HySHO: a cutting-edge transformer-based deep learning framework for emotion-aware facial recognition 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41890-9 PMID:41857089	研究论文	提出一种结合SiaCon-DetNet与HySHO算法的先进面部情绪识别模型	首次将卷积特征学习与Transformer注意力机制相结合，并引入生物启发式优化算法动态调整模型参数	未提及模型在跨数据库或真实场景下的泛化能力测试	提升面部情绪识别的特征表示能力和模型鲁棒性	面部情绪图像数据	计算机视觉	NA	深度学习	CNN, Transformer	图像	JAFFE数据库（具体数量未说明）	未明确说明	Siamese卷积网络, 检测Transformer网络	准确率, 精确率, 召回率, F1分数	未明确说明