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
1341	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
1342	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
1343	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
1344	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
1345	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
1346	2026-03-21	Feasibility of short-term hospital mask demand forecasting using a backpropagation neural network under data scarcity 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44754-4 PMID:41857156	研究论文	本研究评估了在数据极度稀缺条件下，使用浅层反向传播神经网络预测医院短期口罩需求的可行性	在新型流行病早期阶段历史数据极其有限的情况下，验证了浅层BP神经网络用于短期医院物资需求预测的可行性，并与传统统计和深度学习基线模型进行了对比	研究结果仅为可行性验证，而非可部署的预测系统；样本量小（仅24天单中心数据），需要更大规模、多中心数据集进行进一步验证	评估在数据稀缺条件下，使用浅层BP神经网络进行医院短期物资需求预测的可行性	中国一家三级医院的口罩消耗量时间序列数据	机器学习	传染病	时间序列分析	BP神经网络, ARIMA, LSTM	时间序列数据	24天连续的医院口罩消耗量单变量时间序列数据	NA	浅层反向传播神经网络	均方根误差, 平均绝对误差, 平均绝对百分比误差, 对称平均绝对百分比误差	NA
1347	2026-03-21	A CNN-transformer dual-branch network with structure-aware loss for high-resolution edge detection 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44362-2 PMID:41857141	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1348	2026-03-21	Approval of AI-Based Medical Devices in China From 2020 to 2025: Retrospective Analysis 2026-Mar-18, JMIR medical informatics IF:3.1Q2 DOI:10.2196/85538 PMID:41849560	研究论文	本研究回顾性分析了2020年至2025年6月期间中国获批的人工智能医疗设备的批准趋势和特征	首次提供了截至2025年6月中国人工智能医疗设备批准情况的全面、最新概述，并揭示了风险等级与批准年份、制造商地点及医学专科之间的显著关联	数据仅来源于Drugdataexpy数据库，可能未涵盖所有获批设备；分析截止于2025年上半年，无法反映全年趋势；研究为回顾性分析，无法推断因果关系	分析中国人工智能医疗设备的批准趋势、特征及其与监管框架的关联	2020年至2025年6月30日期间在中国获批的人工智能医疗设备	医疗人工智能	多种疾病（重点关注肺结节检测和心血管评估）	深度学习	NA	医学影像数据（主要来自计算机断层扫描）	154个获批的人工智能医疗设备	NA	NA	NA	NA
1349	2026-03-21	Multiview 2.5D Deep Learning Outperforms 2D and 3D Models for Preoperative Prediction of Visceral Pleural Invasion in Stage IA Lung Adenocarcinoma 2026-Mar-18, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000876 PMID:41854294	研究论文	本研究评估了两种新型2.5维深度学习模型在临床IA期肺腺癌内脏胸膜侵犯预测中的性能，并与传统2D和3D模型进行了比较	首次验证了2.5D深度学习模型（特别是多视图方法）用于VPI预测，通过可解释的可视化揭示了空间相关的生物标志物，性能优于2D/3D模型	NA	评估2.5D深度学习模型在术前预测IA期肺腺癌内脏胸膜侵犯的性能	来自两家中国医院的804名经病理证实的IA期肺腺癌患者	计算机视觉	肺癌	深度学习	深度学习模型	医学影像	804名患者（训练集360例，内部验证集155例，外部测试集289例）	NA	2.5D多视图模型, 2.5D上下文模型	AUC, 准确率, 阳性预测值, 阴性预测值	NA
1350	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
1351	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
1352	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
1353	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
1354	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
1355	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
1356	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
1357	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
1358	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
1359	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
1360	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