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
1621	2026-03-18	Machine learning-based heat flux estimation from high-speed video during saturated pool boiling over vertical tube 2026-Feb-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35147-8 PMID:41690988	研究论文	本文提出了一种基于机器学习的框架，利用高速视频数据预测垂直管上饱和池沸腾过程中的热通量	首次将深度学习模型（如卷积神经网络和目标检测算法）应用于沸腾气泡的动态分析，以自动提取分层和基于物理的特征，并实现原位热通量预测	未明确说明模型在极端或非标准沸腾条件下的泛化能力，且样本大小和具体数据细节未在摘要中详细描述	开发一种自动化、基于学习的方法来预测饱和池沸腾过程中的热通量，以提高设备设计、安全性和可靠性	垂直管上的饱和池沸腾过程，特别是气泡的形成、合并和脱离动态	计算机视觉	NA	高速成像	CNN, 目标检测算法	视频	NA	NA	NA	平均热通量预测误差, 分类准确率	NA
1622	2026-03-18	Assessing conformation validity and rationality of deep learning-generated 3D molecules 2026-Feb-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69303-5 PMID:41654558	研究论文	提出一种用于评估AI生成3D分子构象有效性与合理性的两阶段方法，兼顾速度与量子力学精度	结合AI力场与深度学习网络，实现快速且具备量子力学精度的构象异常检测	未明确说明方法在超大规模分子库（如千万级）中的计算效率表现	解决AI生成3D分子构象缺乏有效评估方法的问题	AI生成的3D分子构象	机器学习	NA	密度泛函理论, AI力场	深度学习网络	3D分子构象数据	5个AI模型在102个靶点（Directory of Useful Decoys-Enhanced数据集）上生成的分子	NA	NA	NA	NA
1623	2026-03-18	The potential of optical coherence tomography angiography in progressive multiple sclerosis 2026-Feb-07, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-026-13659-7 PMID:41654639	研究论文	本研究评估了光学相干断层扫描血管成像（OCTA）在进展型多发性硬化（PMS）中作为补充方法的潜力，发现PMS患者的视网膜浅层血管复合体血管密度降低，并与临床残疾程度相关	首次在进展型多发性硬化（PMS）人群中系统评估OCTA的应用价值，并发现血管密度与疾病持续时间及临床残疾程度的相关性	单中心、回顾性、横断面研究设计，样本量有限，需要外部验证和纵向研究进一步证实	评估OCTA在检测和监测进展型多发性硬化患者神经退行性病变中的潜在应用价值	进展型多发性硬化患者（62人，85只眼）和年龄性别匹配的健康对照（43人，64只眼）	数字病理学	多发性硬化	光学相干断层扫描血管成像（OCTA）	深度学习	医学影像（OCTA图像）	149只眼（85只来自62名PMS患者，64只来自43名健康对照）	NA	NA	血管密度（VD）、p值、相关系数（β）	NA
1624	2026-03-18	Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning 2026-Feb-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02399-7 PMID:41654658	研究论文	本研究开发了两种基于几何深度学习的模型，用于实时预测左心室几何形状上的激活时间图，以辅助心脏再同步化治疗（CRT）的术前规划	首次将几何深度学习方法（图神经网络GNN和几何信息神经算子GINO）应用于心脏激活时间预测，并开发了从激活时间图反推最优起搏位点的工作流程	模型在真实世界左心室几何形状上的误差仍达4%左右，且研究尚未进行大规模临床验证	开发快速预测左心室激活时间的方法，为心脏再同步化治疗（CRT）的个性化术前规划提供决策支持	左心室几何形状及其电生理激活特性	几何深度学习	心血管疾病	有限元模拟	GNN, GINO	几何形状数据	基于合成左心室形状、起搏位点配置和组织电导率的大规模数据集	未明确说明	图神经网络（GNN），几何信息神经算子（GINO）	预测误差百分比	未明确说明
1625	2026-03-18	Artificial intelligence in cardiology: an updated systematic review with ethical considerations and challenges in implementing artificial intelligence models 2026-Feb, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004607 PMID:41675877	综述	本文是一篇关于人工智能在心血管医学中应用的系统性综述，重点评估了AI在诊断准确性、效率和预测能力方面的优势，并探讨了伦理考量与实施挑战	该综述不仅总结了AI在心血管诊断（如超声心动图、心电图、CT血管造影）中的最新进展，还特别强调了伦理问题、数据隐私、模型泛化性及临床实施指南等关键挑战，为未来研究提供了综合视角	综述指出，对AI在心血管医学中全面影响的理解仍存在显著空白，包括模型泛化性不足、数据质量问题、潜在算法偏见以及缺乏清晰的临床实施指南	评估人工智能在心血管医学中的影响，探讨其在提升诊断准确性和改善患者预后方面的潜力，并分析相关伦理与实施挑战	心血管医学领域的人工智能应用，特别是诊断工具（如超声心动图、心电图、CT血管造影）和预测分析模型	机器学习	心血管疾病	NA	机器学习, 深度学习	医学影像数据（如超声心动图、CT血管造影）、信号数据（如心电图）	NA	NA	NA	诊断准确性, 预测能力	NA
1626	2026-03-18	Comparison of Deep Learning Architectures for Cardiac Contour Segmentation in Catheterization Radiographs 2026-Feb, Cureus DOI:10.7759/cureus.103341 PMID:41835693	研究论文	本研究比较了U-Net和DeepLabV3两种深度学习架构在心导管X光片上心脏轮廓分割任务中的性能	首次在心脏导管X光片的心脏轮廓分割任务中，对广泛使用的U-Net和DeepLabV3架构进行了直接、系统的性能比较	研究数据来自单一机构，未来需要进行多机构验证；未与基于Transformer的架构进行对比	比较不同深度学习架构在心脏轮廓分割任务中的性能，以提升心脏解剖和功能定量评估的自动化水平	心脏导管X光片中的心脏轮廓	计算机视觉	心血管疾病	心脏导管X光成像	CNN	图像	1717张匿名胸部X光片	NA	U-Net, DeepLabV3	Dice相似系数, IoU, 像素精度	NA
1627	2026-03-18	An Integrated Risk Prediction Model for Gout Using Clinical Data, Ultrasound Features, and Deep Learning: A Retrospective Multicenter Study 2026, Journal of inflammation research IF:4.2Q2 DOI:10.2147/JIR.S543363 PMID:41835122	研究论文	本研究开发并验证了一个结合临床数据、超声特征和深度学习预测的痛风风险预测模型	首次将超声特征作为新型风险因素与临床数据和深度学习预测相结合，构建综合风险预测模型	回顾性研究设计可能引入选择偏倚，样本量相对有限，且仅基于两个中心的患者数据	开发并验证一个用于预测痛风风险的集成模型	接受第一跖趾关节超声检查的痛风患者，共609例	数字病理学	痛风	超声成像	深度学习模型	图像, 临床数据	609例患者（训练组355例，内部测试队列162例，外部测试队列92例）	NA	NA	AUC, Brier分数, 校准曲线, 决策曲线分析	NA
1628	2026-03-18	Classifying irritable bowel syndrome using spatio-temporal graph convolution networks on brain functional MRI data 2026, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcag062 PMID:41835134	研究论文	本研究利用时空图卷积网络对脑功能磁共振成像数据进行分类，以区分肠易激综合征患者与健康对照组	首次将时空图卷积网络应用于肠易激综合征的脑功能磁共振成像分类，并引入新颖的可解释性模块以识别与疾病相关的关键脑区	样本量相对较小（共158名受试者），且模型在检测功能磁共振成像中细微动态病理变化方面可能仍有局限	开发有效的诊断或预测模型，用于肠易激综合征的脑网络异常检测	肠易激综合征患者和健康对照组的脑功能磁共振成像数据	计算机视觉	肠易激综合征	静息态功能磁共振成像	时空图卷积网络	图像	79名肠易激综合征患者和79名健康对照组，共158名受试者	NA	时空图卷积网络	准确率	NA
1629	2026-03-18	LMP-PM: a lightweight multi-path pruning method for plant leaf disease recognition 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1737464 PMID:41835267	研究论文	本文提出了一种名为LMP-PM的轻量级多路径剪枝方法，用于植物叶片病害识别，旨在平衡模型性能与计算资源需求	提出了一种可配置的轻量级多路径剪枝方法（LMP-PM），能够通过剪枝参数和路径扩展比灵活优化模型，在显著减少参数和FLOPs的同时，可能提升分类准确率	未明确说明方法在更广泛或更复杂病害数据集上的泛化能力，以及剪枝过程对模型鲁棒性的潜在影响	开发一种高效且准确的植物病害识别方法，以适应资源受限的农业实际应用场景	植物叶片病害	计算机视觉	植物病害	深度学习模型剪枝	CNN	图像	Plant Village数据集和AI 2018 Challenger数据集（具体样本数量未在摘要中提供）	未明确说明	OMNet（包含三分支并行模块TBP block），LMNet（经LMP-PM优化后的轻量网络）	准确率	未明确说明
1630	2026-03-18	Advancements and prospects in key technologies for robotic pollination in greenhouse pepper breeding: a review 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1778541 PMID:41835286	综述	本文系统回顾了温室辣椒育种中机器人授粉关键技术的进展与前景	将温室机器人授粉的核心技术问题提炼为目标检测与姿态估计、末端执行器设计以及结合运动控制的授粉策略三个主要领域，并提出了一个集感知、决策与执行于一体的分层架构未来发展方向	当前辣椒机器人授粉技术面临精确花朵检测与姿态估计方法不成熟、专用末端执行器设计有待优化、动态环境下决策系统鲁棒性不足等瓶颈	回顾和评估温室机器人授粉领域的最新技术进展，并展望未来发展方向	温室辣椒育种中的机器人授粉系统	机器人技术，智能农业	NA	机器人视觉感知，运动控制，深度学习	深度学习模型	花朵图像，姿态数据	NA	NA	NA	识别精度，鲁棒性	NA
1631	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
1632	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
1633	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
1634	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
1635	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
1636	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
1637	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
1638	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
1639	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
1640	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