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	2026-03-15	RUL Prediction Based on xLSTM-Transformer Neural Network for Rolling Element Bearings Under Different Working Conditions 2026-Mar-03, Sensors (Basel, Switzerland) DOI:10.3390/s26051578 PMID:41829539	研究论文	本文提出了一种基于xLSTM和Transformer的混合模型，用于滚动轴承的剩余使用寿命预测，以提升预测精度和泛化能力	结合xLSTM模块与Transformer的多头注意力机制，同时增强短期动态特征建模和长期退化模式捕捉能力	未明确提及模型在极端工况或噪声干扰下的鲁棒性限制	滚动轴承的剩余使用寿命预测，以支持智能预测性维护	滚动轴承	机器学习	NA	NA	xLSTM, Transformer	退化健康指标	基于XJTU-SY和PHM2012数据集	NA	编码器-解码器架构，集成多头注意力机制与xLSTM模块	均方根误差, 决定系数, Score	NA
1522	2026-03-15	Evaluating resolution requirements for subtle caenorhabditis elegans strain discrimination using classical descriptors and CNN-transformer models 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40784-0 PMID:41771937	研究论文	本文评估了图像分辨率对秀丽隐杆线虫品系细微表型差异区分的影响，结合传统描述符和CNN-Transformer模型进行分析	首次结合宏观与微观成像，并应用CNN-Transformer模型于线虫行为分析，揭示了高分辨率图像序列对细微表型分类的关键作用	研究仅分析了三种线虫品系，样本规模有限，且未探索其他深度学习架构或更广泛的表型特征	评估图像分辨率对线虫品系细微表型差异区分能力的影响	秀丽隐杆线虫的三种品系：野生型N2、转基因品系vltIs66和突变品系unc-1(vlt10)	计算机视觉	NA	宏观板级成像与高分辨率微观单虫记录	CNN-Transformer	图像序列	三种线虫品系	NA	CNN-Transformer	NA	NA
1523	2026-03-15	A sparrow search algorithm-optimized LSTM framework with EMD denoising for rolling element bearing remaining useful life prediction 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41852-1 PMID:41772001	研究论文	本文提出了一种结合经验模态分解去噪、麻雀搜索算法优化和长短期记忆网络的新混合深度学习框架，用于滚动轴承剩余使用寿命预测	提出了一种新颖的混合深度学习框架，首次将自适应信号处理（EMD去噪）、智能优化算法（SSA）和概率序列建模（逆高斯分布首次通过时间模型）协同集成，用于轴承RUL预测	仅在公开的轴承加速寿命测试数据集上进行实验验证，未在更广泛的实际工业场景或不同工况下进行测试	提高滚动轴承剩余使用寿命预测的准确性，以支持旋转机械的预测性维护策略	滚动轴承	机器学习	NA	经验模态分解	LSTM	振动信号	公开的轴承加速寿命测试数据集	NA	LSTM	预测精度、收敛速度、鲁棒性	NA
1524	2026-03-15	Accuracy of Medical Image-Based Deep Learning for Detecting Microvascular Invasion in Hepatocellular Carcinoma: Systematic Review and Meta-Analysis 2026-Mar-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82000 PMID:41814977	meta-analysis	本文通过系统综述和荟萃分析，评估了基于医学影像的深度学习模型在术前预测肝细胞癌微血管侵犯中的诊断性能	首次系统评估了基于医学影像的深度学习模型在诊断肝细胞癌微血管侵犯中的应用，并探讨了不同影像模态和验证策略对模型性能及泛化能力的影响	纳入研究的独立外部验证队列稀缺，研究间存在显著的异质性，且观察到模型性能在外部验证中有所下降	系统评估基于医学影像的深度学习模型在术前预测肝细胞癌微血管侵犯的诊断性能	肝细胞癌患者	digital pathology	liver cancer	medical imaging, deep learning	NA	medical images (e.g., contrast-enhanced computed tomography, pathological sections)	52项研究，共19,531名肝细胞癌患者	NA	NA	sensitivity, specificity, area under the summary receiver operating characteristic curve	NA
1525	2026-03-15	A Deep Learning-Based Decision Support System for Cholelithiasis in MRI Data 2026-Mar-02, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15051891 PMID:41827308	研究论文	本研究开发了一种基于深度学习的决策支持系统，用于在MRI数据中自动检测胆石症	对Mask R-CNN模型进行了挤压与激励（SE）模块的改进，并设计了一个图形用户界面支持系统，专注于单张最优切片而非整个体积的分析	方法仅针对单张最优切片进行分析，限制了模型的泛化能力，设计更侧重于可行性验证而非全面诊断能力	开发一个自动化的决策支持系统，帮助放射科医生减少胆石症诊断所需的时间和人工努力	胆囊的T2加权轴向磁共振图像	计算机视觉	胆石症	磁共振成像	CNN	图像	来自不同患者的788张轴向MRI图像	NA	Mask R-CNN	准确率, 精确率, 特异性, 召回率, F1分数	NA
1526	2026-03-15	Deep Learning-Based Alzheimer's Disease Detection from Multi-Channel EEG Using Fused Time-Frequency Image Grids 2026-Mar-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050746 PMID:41828022	研究论文	本研究探讨了不同时频表示对基于多通道EEG的痴呆症分类性能的影响，提出了一种融合时频图像网格的深度学习框架	首次系统比较了多种时频表示（STFT、CWT、HHT、WVD、CQT）在统一的多通道EEG图像融合框架下的痴呆症分类性能，并利用梯度加权类激活映射提供了可解释的可视化	样本量相对较小（88名受试者），且仅基于静息态闭眼EEG数据，未来需要跨数据集验证以增强泛化能力	开发可靠、可解释的基于EEG的自动化痴呆症诊断框架，并系统评估不同时频表示对分类性能的影响	阿尔茨海默病、额颞叶痴呆患者及认知正常对照者的多通道EEG信号	机器学习	阿尔茨海默病	短时傅里叶变换、连续小波变换、希尔伯特-黄变换、维格纳-维尔分布、常数Q变换	CNN	图像	88名受试者（包括阿尔茨海默病、额颞叶痴呆患者和认知正常对照）	NA	MobileNetV2, ResNet-50, InceptionV3	准确率	NA
1527	2026-03-15	Deep Learning-Based Choroidal Boundary Detection in Geographic Atrophy Using Spectral-Domain Optical Coherence Tomography 2026-Mar-02, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050737 PMID:41828013	研究论文	本研究评估了基于深度学习的模型在光谱域OCT图像中自动检测地理萎缩患者脉络膜边界的性能，并比较了AI辅助人工验证与纯人工分割的工作流程效率	首次系统评估深度学习模型在地理萎缩脉络膜边界检测中的局限性，并提出AI辅助人工验证的工作流程，显著减少了人工工作量	模型在脉络膜外边界检测中易受伪影影响产生误差，需要人工验证校正由高透射引起的边界错误	评估深度学习模型在地理萎缩脉络膜边界自动检测中的挑战与限制，并分析AI辅助人工验证工作流程的效率	地理萎缩患者的5723张光谱域OCT扫描图像	数字病理学	老年性疾病	光谱域光学相干断层扫描	深度学习模型	医学图像	5723张OCT扫描图像	NA	NA	加权F分数, 精确度, 组内相关系数	NA
1528	2026-03-15	Deep Learning Indoor Positioning for Connected Aircraft Cabins: A ResNet Approach with Real-World Validation 2026-Mar-02, Sensors (Basel, Switzerland) DOI:10.3390/s26051569 PMID:41829529	研究论文	本研究验证了一种基于残差神经网络的深度学习方法，用于飞机客舱室内定位，并在A320客舱模拟环境中进行了真实世界测量验证	采用ResNet处理超宽带和蓝牙低能耗的双技术测距测量，将测距观测转换为空间似然表示，实现了在复杂电磁环境下的高精度定位	性能依赖于锚点可见性、测量高度和传播条件，未在真实飞行环境中测试	解决飞机客舱室内定位的挑战，包括严重多径传播、非视距条件和金属机身几何结构导致的无线电定位方法性能下降	A320客舱模拟环境中的定位系统	机器学习	NA	超宽带测距，蓝牙低能耗测距	CNN	测距数据	19个分布式测量位置	NA	ResNet	中位数定位误差	NA
1529	2026-03-15	Artificial Intelligence-Enhanced Flexible Sensors for Human Motion and Posture Sensing 2026-Mar-02, Sensors (Basel, Switzerland) DOI:10.3390/s26051562 PMID:41829523	综述	本文探讨了人工智能增强型柔性传感器在人体运动和姿态感知方面的进展与应用	结合人工智能（特别是机器学习和深度学习）与柔性传感器，实现对动态和细微人体运动的精确识别与预测，克服了传统传感系统的局限性	面临传感器可靠性、数据隐私和电源管理等挑战	研究人工智能与柔性传感器集成技术，以提升人体运动和姿态感知的精度、适应性和实时反馈能力	应用于人体各部位的柔性传感器	机器学习	NA	NA	机器学习, 深度学习	传感器数据流	NA	NA	NA	NA	NA
1530	2026-03-15	Optimizing flow-diverting stent configurations for aneurysm treatment: a computational approach integrating deep learning and differential evolution optimization 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01662-7 PMID:41144179	研究论文	本研究提出了一种结合计算流体动力学模拟、深度神经网络和差分进化优化的新方法，用于优化动脉瘤治疗中的血流导向支架配置	首次将深度神经网络与差分进化优化相结合，用于预测和优化支架配置的血流动力学参数，实现了高效且准确的支架设计优化	研究基于模拟数据，未进行临床验证；数据集规模有限（2,700个模拟），可能未涵盖所有可能的支架配置	优化血流导向支架的配置，以改善动脉瘤治疗中的血流动力学条件，降低破裂风险	动脉瘤及其血流导向支架配置	计算流体动力学与深度学习	动脉瘤	计算流体动力学模拟	深度神经网络	模拟数据	2,700个计算流体动力学模拟	NA	深度神经网络	速度、涡度、壁面剪切应力	NA
1531	2026-03-15	Level-crossing processing and deep convolutional neural network for arrhythmia classification in telehealth services 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01660-9 PMID:41182637	研究论文	本文提出了一种融合电平交叉采样、自适应滤波和一维深度卷积神经网络的心律失常自动诊断新方法，旨在提升远程医疗服务中的数据处理效率和分类准确性	创新性地将电平交叉模数转换器、增强型活动选择算法、自适应速率滤波与一维CNN相结合，实现了实时数据量缩减、高效信号预处理和低延迟高精度分类	研究仅基于MIT-BIH数据集中的五类心律失常进行验证，未在更广泛或实时临床环境中测试	开发适用于远程医疗场景的高效心律失常自动诊断方法	心电图信号中的心律失常分类	数字病理	心血管疾病	心电图信号处理	CNN	一维时序信号	MIT-BIH数据集中的五类心律失常数据	NA	一维深度卷积神经网络	准确率	NA
1532	2026-03-15	Multi-branch convolutional network and LSTM-CNN for heart sound classification 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01664-5 PMID:41201739	研究论文	本研究开发了两种深度学习架构，用于心音分类，以快速、准确且经济地自动诊断心脏疾病	提出了两种创新模型：多分支深度卷积神经网络模拟人类听觉处理，以及结合LSTM与MBDCN的LSCN模型，以增强特征提取并解决医疗数据标签有限的问题	未明确提及具体局限性，但可能涉及数据集的规模或多样性限制	开发快速、准确且经济高效的自动诊断方法，用于心脏疾病的早期检测	心音数据	机器学习	心血管疾病	NA	CNN, LSTM	音频（心音）	NA	NA	Multi-Branch Deep Convolutional Neural Network (MBDCN), Long Short-Term Memory-Convolutional Neural (LSCN)	准确率	NA
1533	2026-03-15	Longitudinal deep learning models for tracking disease progression in ovarian cancer using PET/CT imaging and clinical reports 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01669-0 PMID:41212383	研究论文	本研究提出了一种名为OvarXNet的新型深度学习框架，通过整合纵向PET/CT成像和临床数据，用于早期预测卵巢癌复发	开发了OvarXNet框架，首次结合3D CNN和双向门控循环单元，利用纵向多时间点数据捕捉疾病进展的细微时间变化，显著提升了复发预测性能	研究为回顾性设计，样本量相对较小（58名患者），且排除了未控制糖尿病或近期患有其他癌症的患者，可能限制结果的普遍性	早期预测高级别浆液性卵巢癌（HGSOC）的复发，以指导个性化治疗策略	58名晚期高级别浆液性卵巢癌患者	数字病理学	卵巢癌	PET/CT成像	CNN, LSTM	图像, 文本	58名患者，共1914个增强后的图像集	NA	3D CNN, 双向门控循环单元	AUC, PR-AUC, 校准图	NA
1534	2026-03-15	Validation of a deep learning approach for epicardial adipose tissue segmentation in computed tomography 2026-Mar, The international journal of cardiovascular imaging DOI:10.1007/s10554-025-03528-1 PMID:41233698	研究论文	本研究验证了一种基于U-Net架构的深度学习方法，用于在心脏CT扫描中自动分割心外膜脂肪组织，并与商业软件进行了性能比较	提出了一种仅使用外部公开数据集训练的U-Net模型，用于心外膜脂肪组织的自动分割，其体积量化性能优于观察者间的一致性	EAT分割性能仍低于观察者间的变异性，表明分割该结构存在困难	验证深度学习在心脏CT中心外膜脂肪组织自动分割和量化中的有效性	心外膜脂肪组织	计算机视觉	心血管疾病	心脏计算机断层扫描	CNN	医学图像	300例非对比心脏CT扫描	NA	U-Net	Dice分数, Pearson相关系数, 偏差	NA
1535	2026-03-15	Automated health monitoring system using YOLOv8 for real-time device parameter detection 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01673-4 PMID:41247607	研究论文	本文提出了一种基于YOLOv8的自动化健康监测系统，用于实时检测医疗设备参数	采用YOLOv8光学字符识别方法，相比其他方法提供更快的检测速度，并集成医疗设备与网络层实现自动化流程	未来可扩展至其他医疗设备如心率监测仪、脉搏血氧仪等，当前系统可能未覆盖所有设备类型	自动化医疗设备参数监测，减少人工劳动并提高效率	医疗设备（如血压监测仪、数字温度计等）的参数检测与识别	计算机视觉	NA	光学字符识别（OCR）、图像处理	YOLOv8, CNN	图像	两个自建图像数据集，以及1000张来自不同医疗设备的图像用于验证	NA	YOLOv8, 卷积神经网络	准确率	NA
1536	2026-03-15	Accuracy of Deep Learning-Aided Detection of Microsatellite Instability in Colorectal Cancer: A Systematic Review and Meta-Analysis 2026-Mar, Clinical colorectal cancer IF:3.3Q2 DOI:10.1016/j.clcc.2025.09.004 PMID:41260961	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习在检测结直肠癌微卫星不稳定性方面的准确性	首次对基于病理切片、MRI、结肠镜和拉曼光谱等多种数据源的深度学习模型在结直肠癌微卫星不稳定性检测中的准确性进行了全面的系统综述和荟萃分析	基于MRI、结肠镜和拉曼光谱的深度学习研究数量极少，限制了这些模态结论的可靠性	评估深度学习在检测结直肠癌微卫星不稳定性方面的诊断准确性，为智能检测工具的开发和更新提供证据	结直肠癌组织样本及其对应的病理切片、MRI图像、结肠镜图像和拉曼光谱数据	数字病理学	结直肠癌	深度学习	NA	病理切片图像, MRI图像, 结肠镜图像, 拉曼光谱数据	涉及30项原始研究，具体样本量未在摘要中明确	NA	NA	特异性, 敏感性, 汇总受试者工作特征曲线下面积	NA
1537	2026-03-15	Deep learning-based mismatch repair prediction using colorectal cancer macroscopic images: a diagnostic study 2026-Mar, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-025-02326-9 PMID:41272313	研究论文	本研究开发了一种基于深度学习的模型，利用结直肠癌宏观图像预测错配修复状态，旨在提供快速且免费的筛查工具	首次使用宏观图像结合深度学习（DeepLabV3+和ViT）进行错配修复状态预测，提供了一种非侵入性、快速的筛查方法	研究样本仅来自单一医疗机构，且未接受新辅助治疗的患者，可能限制模型的泛化能力	开发一种基于宏观图像的深度学习模型，用于结直肠癌患者的错配修复状态预测，以替代或辅助传统的免疫组化检测	809名接受手术切除且未进行新辅助治疗的结直肠癌患者	数字病理学	结直肠癌	免疫组化染色	深度学习	图像	809名结直肠癌患者	NA	DeepLabV3+, Vision Transformer (ViT)	AUC, NPV	NA
1538	2026-03-15	Deep learning-based approach for differential diagnosis of odontogenic cysts from histopathological images 2026-Mar-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27697 PMID:41273753	研究论文	本研究提出了一种基于深度学习的AI方法，利用组织病理学图像对不同类型的牙源性囊肿进行鉴别诊断	首次将深度学习模型应用于牙源性囊肿的鉴别诊断，并比较了多种CNN架构的性能	数据集规模相对较小（总计348张图像），且仅包含三种囊肿类型，可能影响模型的泛化能力	开发基于深度学习的AI工具，以辅助牙源性囊肿的鉴别诊断	牙源性囊肿的组织病理学图像，包括含牙囊肿、根尖囊肿和牙源性角化囊肿	数字病理学	牙源性囊肿	H&E染色组织病理学成像	CNN	图像	348张组织病理学图像（87张含牙囊肿，198张根尖囊肿，63张牙源性角化囊肿）	NA	Inception V3, VGG16, VGG19, Xception	准确率, 精确率, 敏感度（召回率）, F1分数	NA
1539	2026-03-15	Determining optimal strategies for personalized atrial fibrillation treatment in intensive care unit patients using a deep learning-based causal inference approach: rhythm and/or rate control 2026-Mar-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf203 PMID:41317034	研究论文	本研究使用基于深度学习的因果推断方法，评估了重症监护病房（ICU）心房颤动（AF）患者中不同治疗策略（节律控制、心率控制、两者结合或无控制）对降低院内死亡率的效果	首次在ICU环境中应用基于深度学习的因果推断模型来量化不同AF管理策略的死亡率降低效果，并识别出从节律控制中获益更多的患者亚组特征	研究基于回顾性观察数据（MIMIC-III和MIMIC-IV），可能存在未测量的混杂因素；结果可能无法推广到所有ICU人群	评估ICU患者心房颤动不同管理策略（节律控制、心率控制、两者结合或无控制）在降低死亡率方面的有效性	重症监护病房（ICU）中患有心房颤动（AF）的患者	机器学习	心血管疾病	深度学习，因果推断	深度学习模型	电子健康记录（EHR）数据	13,583名患者	NA	NA	平均处理效应（ATE），置信区间	NA
1540	2026-03-15	A multidimensional transformer-CNN network trained with incomplete ultrasonic radiofrequency data of blood for red blood cell aggregation classification 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01680-5 PMID:41432985	研究论文	本文提出了一种多维Transformer-CNN网络，用于处理不完整的超声射频数据，以实现红细胞聚集分类	提出了一种结合Mask-Head模块随机掩蔽原始数据、多维Transformer编码器和多维自适应融合模块的MTCN模型，并采用GELU激活函数以保留超声射频信号中的负值信息	未明确说明模型在更广泛或噪声更强的临床数据上的泛化能力，也未讨论计算复杂度或实时性	提高在存在数据异常（如仪器或人为误差导致的不完整数据）情况下，深度学习模型对红细胞聚集分类的准确性和鲁棒性	红细胞（RBC）聚集	机器学习	心血管疾病	超声射频信号	Transformer, CNN	超声射频信号	NA	NA	多维Transformer-CNN (MTCN)	准确率, F1分数	NA