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
1521	2026-03-29	Socioeconomic disparity in the association between fine particulate matter exposure and papillary thyroid cancer 2023-02-23, Environmental health : a global access science source IF:5.3Q1 DOI:10.1186/s12940-023-00972-1 PMID:36823621	研究论文	本研究评估了细颗粒物（PM2.5）累积暴露与乳头状甲状腺癌（PTC）的关联，并发现这种关联在社会经济群体中存在差异	首次使用深度学习神经网络模型结合气象和卫星数据计算PM2.5累积暴露，并揭示了PM2.5暴露与PTC诊断之间的关联在不同家庭收入群体中的差异	研究为回顾性病例对照设计，可能存在选择偏倚和未测量的混杂因素，且PM2.5暴露评估基于居住地邮政编码，未考虑个体移动性	评估PM2.5暴露与乳头状甲状腺癌（PTC）的关联，并确定高风险患者亚组	成年患者（年龄≥18岁），包括2013年1月至2016年12月期间新诊断为PTC的患者以及无甲状腺疾病的对照组患者	环境流行病学	甲状腺癌	深度学习神经网络模型，结合气象和卫星测量数据	深度学习神经网络	电子病历数据、气象数据、卫星数据	1990名PTC患者和6919名无甲状腺疾病的对照组患者	NA	NA	调整后比值比（aOR）、95%置信区间（95%CI）、交互作用p值	NA
1522	2026-03-29	EPViz: A flexible and lightweight visualizer to facilitate predictive modeling for multi-channel EEG 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282268 PMID:36848345	研究论文	介绍了一种名为EPViz的新型开源可视化工具，用于辅助多通道脑电图（EEG）的预测建模开发、验证和结果报告	开发了一个轻量级、独立的软件包，能够加载PyTorch深度学习模型，将输出预测叠加在原始EEG时间序列上，并支持高分辨率图像保存，填补了EEG可视化领域的空白	NA	促进计算神经科学中时空预测分析的发展，并推动工程师与临床医生之间的合作	多通道头皮脑电图（EEG）数据	机器学习	NA	脑电图（EEG）	深度学习模型	时间序列数据	NA	PyTorch	NA	NA	NA
1523	2026-03-29	Deep learning models for the prediction of intraoperative hypotension 2021-04, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2020.12.035 PMID:33558051	研究论文	本研究开发并验证了基于深度学习算法，利用患者监测的生物信号波形，在低血压事件发生前5、10和15分钟进行实时预测的模型	提出了结合多种生物信号（如动脉压波形、心电图、光电容积脉搏波和二氧化碳波形）的多通道深度学习模型，相较于单一信号模型，在预测低血压事件方面表现出更高的性能	研究为回顾性观察性研究，可能存在选择偏倚；模型性能在非侵入性监测中相对较低，且未在外部数据集上进行验证	开发能够实时预测术中低血压事件的深度学习算法，以降低术后器官功能障碍的风险	接受非心脏手术的患者，通过患者监测获取的生物信号波形	机器学习	心血管疾病	生物信号波形分析	深度学习模型	生物信号波形数据	3301名患者	NA	NA	AUROC, MAE	NA
1524	2026-03-29	Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors 2021-Jan-04, Sensors (Basel, Switzerland) DOI:10.3390/s21010280 PMID:33406613	研究论文	本研究利用遥感传感器和GIS数据，通过四种集成模型评估罗马尼亚一个小流域的突发洪水潜在风险	结合深度学习神经网络与频率比、证据权重等传统方法，以及交替决策树，构建了四种集成模型来绘制突发洪水潜在图	研究区域局限于罗马尼亚的一个小流域，样本点数量有限（481个受影响点和481个随机点），可能影响模型的泛化能力	评估突发洪水潜在风险，为自然灾害监测和评估提供方法支持	罗马尼亚Bâsca Chiojdului河流域的突发洪水潜在风险	机器学习	NA	遥感传感器、地理信息系统（GIS）、高分辨率卫星图像	深度学习神经网络、交替决策树	图像、地理空间数据	962个点（481个受洪水影响点，481个随机非影响点）	NA	深度学习神经网络、交替决策树	灵敏度、特异性、总体准确率、K指数、ROC曲线、AUC	NA
1525	2026-03-29	Development of novel machine learning model for right ventricular quantification on echocardiography-A multimodality validation study 2020-05, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.14674 PMID:32396705	研究论文	本研究开发了一种基于卷积神经网络的机器学习模型，用于在超声心动图上自动追踪三尖瓣环，以量化右心室功能	首次提出一种全自动的机器学习模型，通过追踪三尖瓣环来评估右心室功能，无需额外成像或手动分析，具有高效率和零观察者变异性	模型在诊断性能方面（AUC 0.69-0.73）仍有提升空间，且样本量相对较小（101名患者）	开发并验证一种用于右心室功能自动量化的机器学习模型	右心室功能评估，特别是通过超声心动图追踪三尖瓣环	医学影像分析	心血管疾病	超声心动图，心脏磁共振成像	CNN	图像	101名患者的前瞻性数据，包括7791个图像帧用于训练	NA	卷积神经网络	AUC, 阴性预测值, ICC	NA
1526	2026-03-29	Applications of Artificial Intelligence to Electronic Health Record Data in Ophthalmology 2020-02-27, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.13 PMID:32704419	综述	本文综述了人工智能技术在眼科电子健康记录数据中的应用，包括疾病诊断、风险评估和进展预测	聚焦于眼科领域，系统回顾了AI技术（如监督机器学习、深度学习和自然语言处理）在EHR数据中的具体应用，填补了该领域研究的空白	NA	概述人工智能方法在眼科电子健康记录数据中的应用，以促进患者护理和临床决策	眼科电子健康记录数据，特别是青光眼、糖尿病视网膜病变、年龄相关性黄斑变性和白内障相关数据	自然语言处理, 机器学习	青光眼, 糖尿病视网膜病变, 年龄相关性黄斑变性, 白内障	NA	监督机器学习, 深度学习, 自然语言处理	电子健康记录数据	NA	NA	NA	NA	NA
1527	2026-03-29	Classification of the urinary metabolome using machine learning and potential applications to diagnosing interstitial cystitis 2020, Bladder (San Francisco, Calif.) DOI:10.14440/bladder.2020.815 PMID:32775485	研究论文	本研究开发了一种基于机器学习的诊断模型，用于利用尿液代谢组学数据诊断间质性膀胱炎	首次将机器学习算法（SVM和逻辑回归）应用于间质性膀胱炎的尿液代谢组学诊断，并展示了在样本量较小的情况下仍能取得高区分能力	样本量相对较小（43名患者和16名健康对照），无法应用复杂的深度学习模型	开发一种基于机器学习的诊断方法，用于间质性膀胱炎的客观诊断	间质性膀胱炎患者和健康对照的尿液代谢组学数据	机器学习	间质性膀胱炎	代谢组学	SVM, LR	代谢组学数据	43名间质性膀胱炎患者和16名健康对照	NA	NA	准确率, 精确率, 召回率, AUC	NA
1528	2026-03-29	Data-efficient deep learning of radiological image data for outcome prediction after endovascular treatment of patients with acute ischemic stroke 2019-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2019.103516 PMID:31707199	研究论文	本研究利用深度学习技术，基于CT血管造影图像直接预测急性缺血性卒中患者血管内治疗后的良好再灌注和功能结局，无需图像标注	首次将深度学习直接应用于卒中结局预测，而非复制传统影像生物标志物，并引入了结构化感受野和自编码器进行网络权重初始化	研究基于单一注册数据集（MR CLEAN Registry），样本量有限（1301名患者），且未在外部数据集上进行验证	开发数据高效的深度学习模型，以改善急性缺血性卒中患者血管内治疗后的结局预测和治疗选择	急性缺血性卒中患者	医学影像分析	急性缺血性卒中	CT血管造影	CNN	图像	1301名患者	NA	ResNet, RFNN, AE	AUC	NA
1529	2026-03-29	Deep Learning Convolutional Neural Networks for the Automatic Quantification of Muscle Fat Infiltration Following Whiplash Injury 2019-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44416-8 PMID:31138878	研究论文	本研究利用深度学习卷积神经网络自动量化挥鞭伤后肌肉脂肪浸润，并探索其与疼痛和残疾临床指标的关系	首次应用CNN模型自动分割肌肉并计算MFI，提高了效率和客观性，替代了耗时且依赖评分者的手动技术	样本量较小（仅39名参与者），且MFI与残疾的相关性未达到统计学显著性（p=0.105）	开发自动量化肌肉脂肪浸润的方法，以监测颈椎疾病及其他疾病的肌肉特性	挥鞭伤后3个月的39名参与者（26名女性，平均年龄31.7±9.3岁）	计算机视觉	颈椎疾病	高分辨率脂肪-水成像	CNN	图像	39名参与者	NA	NA	可靠性, 准确性, 相关系数, p值	NA
1530	2026-03-28	Advanced deep learning strategies in nanopore RNA sequencing 2026-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2627968 PMID:41663212	综述	本文综述了纳米孔直接RNA测序中用于解析RNA修饰的先进深度学习策略	聚焦于利用专门学习框架和集成策略应对数据稀缺、噪声和生物变异性等挑战，以提供更高分辨率的输出	NA	评估RNA修饰作为新兴生物标志物和治疗靶点，并总结人工智能在表征表观转录组中的应用	RNA分子上的化学修饰（表观转录组）	自然语言处理, 机器学习	NA	纳米孔直接RNA测序	CNN, RNN	测序信号数据	NA	NA	NA	NA	NA
1531	2025-11-22	NeuralFlux: Estimation of Reaction Fluxes at a Genome-Scale Level From Time-Resolved Isotope Labelling Patterns Using Deep Learning 2026-Apr, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.70470 PMID:41264380	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1532	2026-03-28	Deep learning in fetal, infant, and toddler neuroimaging research 2026-Apr, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101680 PMID:41604954	综述	本文综述了深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，包括结构图像分析、数据采集增强、认知过程建模和自动化视频标记	针对胎儿、婴儿和幼儿神经影像数据稀缺和变异性大的挑战，系统介绍了深度学习作为适应性框架的应用，并面向非AI专业的研究人员提供了可访问的概述	综述内容非详尽，且该领域面临数据标注有限、成像协议多变和临床风险高等普遍挑战	探讨深度学习在胎儿、婴儿和幼儿神经影像研究中的潜力和应用，以促进该领域的发展	胎儿、婴儿和幼儿的神经影像数据	医学影像分析	NA	深度学习	NA	图像, 视频	NA	NA	NA	NA	NA
1533	2026-03-28	Particulate matter emission area identification based on phenomenological atmospheric dispersion and deep learn algorithms 2026-Apr, Environmental technology IF:2.2Q3 DOI:10.1080/09593330.2025.2573837 PMID:41097995	研究论文	本研究开发了一个结合计算流体动力学和人工神经网络的集成框架，用于在平坦地形中精确定位颗粒物排放源	提出了一种结合CFD模拟和深度学习算法的新框架，用于实时识别PM排放源，在工业区和港口环境中实现了重大突破	研究仅针对平坦地形，未考虑复杂地形条件；模拟数据集规模相对有限（243次运行）	开发实时颗粒物排放源定位方法，以支持环境监管、工业责任追究和公共健康保护	工业区和港口区域的多重颗粒物排放源	机器学习	NA	计算流体动力学模拟，人工神经网络	LSTM, CNN	模拟数据	243次CFD模拟运行，包含不同风速、风向、排放高度和排放间隔的组合	NA	长短期记忆网络，一维卷积神经网络	F1分数	NA
1534	2026-03-28	Predicting ventilation from single breathing phase non-contrast CT using Swin Transformers 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70406 PMID:41881558	研究论文	本研究开发了一种基于Swin Transformer的深度学习模型，仅使用非对比增强4DCT的吸气相来预测肺通气功能，并评估了添加呼气相的影响	首次探索了仅使用单呼吸相CT进行深度学习肺通气预测的可行性，并展示了基于Swin Transformer的模型在此任务上的优越性能	研究样本量较小（44例），且仅基于特定数据集进行验证，可能限制了结果的泛化能力	开发并评估基于单相CT的深度学习模型，用于预测肺通气成像，以简化临床工作流程并减少成像伪影	肺通气成像预测，特别是基于非对比增强4DCT的吸气相和呼气相数据	医学影像分析	肺疾病	4DCT成像，SPECT通气成像	深度学习模型	CT图像	44例配对吸气CT和SPECT扫描病例	PyTorch	SwinUNETR, U-Net	Spearman相关系数	NA
1535	2026-03-28	Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04165 PMID:41698001	研究论文	本文开发了一种集成了低成本可见-近红外微高光谱成像与定制深度学习架构的智能传感平台，用于微塑料和金属氧化物的快速化学图谱分析	提出了一种基于补丁的空间-光谱策略，通过定制的多注意力3D卷积神经网络与残差连接实现，有效弥补了宽谱Vis-NIR光谱化学特异性低的不足，实现了对光谱相似微塑料和金属氧化物的高精度分类	未明确提及	开发一种快速、无损、高通量的化学图谱分析平台，用于微观材料的表征	微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）和多种金属氧化物	计算机视觉	NA	可见-近红外微高光谱成像	CNN	高光谱图像	包含8种化学物种的挑战性数据集	NA	定制的多注意力3D卷积神经网络（带残差连接）	准确率	NA
1536	2026-03-28	Room-Temperature Trace NO2 Monitoring System Based on Two-Dimensional Heterostructures and Integrated with Deep Learning 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04107 PMID:41785406	研究论文	本文提出了一种基于二维异质结和深度学习集成的室温痕量NO2监测系统	结合BiS/WO异质结传感器、1D-CNN/LSTM深度学习模型和无线通信模块，实现了高精度、实时的ppb级NO2检测	未明确提及数据稀缺问题是否完全解决，以及系统在实际环境中的长期稳定性验证	开发高精度室温痕量NO2监测系统，用于空气质量控制和呼吸系统疾病早期诊断	痕量NO2气体	机器学习	呼吸系统疾病	气体传感技术	CNN, LSTM	传感器数据	NA	NA	1D-CNN/LSTM	R²值	NA
1537	2026-03-28	Functional-based multi-omics early prediction of radiation pneumonitis in NSCLC using AI-generated perfusion and ventilation from planning CT 2026-Mar-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae5209 PMID:41825133	研究论文	本研究开发了一种基于功能区域的多组学模型，用于早期预测非小细胞肺癌患者放疗后肺炎	首次系统性地证明从CT衍生的高功能肺区域提取的特征能捕获重要的功能差异，并为放疗后肺炎提供强预测价值，整合影像组学、剂量组学和基于CT的功能信息进一步提升了预测性能	回顾性研究设计，样本量有限（121名患者），且仅使用单中心数据	开发早期预测非小细胞肺癌患者放疗后肺炎的预测模型	121名接受根治性调强放疗的局部晚期非小细胞肺癌患者	数字病理学	肺癌	深度学习，超体素方法，CT成像	机器学习	CT图像，剂量分布图	121名患者	未明确说明	未明确说明	AUC, 准确率, 精确率, 召回率, F1分数	NA
1538	2026-03-28	Accelerated Brain Aging in Young Women with Posttraumatic Stress Disorder 2026-Mar-27, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en26007 PMID:41889261	研究论文	本研究利用深度学习模型分析年轻女性创伤后应激障碍（PTSD）患者的脑部MRI数据，发现PTSD与加速脑老化相关，且与特定症状维度（认知和情绪负性改变）的严重程度显著关联	首次在年轻女性群体中直接通过神经影像学证据证实PTSD与加速脑老化相关，并揭示了脑老化与特定PTSD症状维度（Criterion D）的关联	样本量相对较小（85人），且仅针对年轻女性，限制了结果的普适性；脑年龄预测模型为群体特异性，可能影响泛化能力	探究年轻女性PTSD患者是否存在加速脑老化现象，并分析其与症状严重度的关联	85名40岁以下女性（34名PTSD患者，51名年龄匹配的健康对照）	数字病理学	创伤后应激障碍	T1加权磁共振成像	深度学习模型	图像	85名女性（34名PTSD患者，51名健康对照）	NA	群体特异性深度学习模型	脑年龄差（BAG）	NA
1539	2026-03-28	The effect of deep learning-based compressed sensing on the image quality of contrast-enhanced 3D T1-weighted images of the maxillofacial region 2026-Mar-26, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00913-x PMID:41886240	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1540	2026-03-28	Toward Robust End-to-End Delay Prediction: A GNN Approach With Routing-Aware Attention and Masked Subgraph Sampling 2026-Mar-26, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670186 PMID:41886318	研究论文	本文提出了一种基于图神经网络的端到端延迟预测模型，通过引入全局路由表示和路由感知注意力机制，提升了模型对未见路由方案的泛化能力	提出了不依赖路由序列的全局路由表示方法，设计了路由感知注意力机制，并采用掩码子图采样策略从部分流交互中推断全局路由相关性	未来需要在更复杂和动态的路由场景下进一步验证模型性能	提高端到端延迟预测的鲁棒性和泛化能力，以支持智能网络管理	网络流量端到端延迟	机器学习	NA	图神经网络	GNN	图数据	四个公开数据集：TnCwD、NSFNET、GBN、GEANT2	NA	图神经网络（含路由感知注意力机制）	预测精度	NA