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
1641	2026-01-23	Hybrid Deep Learning Framework for Continuous Blood Glucose Monitoring and Gestational Diabetes Risk Prediction 2026-Jan-09, Current diabetes reviews IF:2.4Q3 DOI:10.2174/0115733998380389251111041618 PMID:41568507	研究论文	本文提出了一种融合连续血糖监测与多模态传感数据的混合深度学习框架，用于血糖预测和妊娠期糖尿病风险分类	结合CNN-BiLSTM与注意力机制，并引入多任务注意力融合网络，同时处理血糖预测和风险分类，提高了预测准确性和临床可解释性	研究基于扩展的俄亥俄T1DM数据集进行验证，可能未覆盖所有妊娠期糖尿病亚型或人群多样性	开发一个临床可解释的连续血糖监测和妊娠期糖尿病风险预测系统	妊娠期糖尿病患者	机器学习	妊娠期糖尿病	连续血糖监测, 多模态传感数据采集	CNN, BiLSTM, 注意力机制	时间序列数据	基于扩展的俄亥俄T1DM数据集	NA	CNN-BiLSTM, 多任务注意力融合网络	RMSE, 准确率, 敏感性, 特异性	NA
1642	2026-01-23	Development of a Comprehensive Model Combining Clinical, Radiomics With Deep Learning for Predicting the Micropapillary Pattern in ≤2 cm Invasive Lung Adenocarcinoma 2026-Jan-06, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezag002 PMID:41495424	研究论文	本研究开发了一个结合临床特征、放射组学特征和深度学习特征的预测模型，用于术前无创识别≤2 cm浸润性肺腺癌中的微乳头状模式	首次构建了一个融合临床、放射组学和深度学习特征的综合性预测模型（CRDL），用于术前预测≤2 cm浸润性肺腺癌中的微乳头状模式，并通过特征选择和模型融合优化了预测性能	研究为单中心回顾性设计，样本量相对有限（311例患者），且未在外部验证集上进行独立验证	开发一个非侵入性预测模型，以术前识别≤2 cm浸润性肺腺癌中的微乳头状模式，从而指导手术决策和优化患者管理	311例经病理证实的≤2 cm浸润性肺腺癌患者（其中102例微乳头状模式≥5%，209例无微乳头状模式）	数字病理	肺癌	放射组学特征提取（PyRadiomics），深度学习特征提取（3D卷积神经网络）	随机森林，支持向量机，卷积神经网络	临床数据，医学影像数据	311例患者	PyRadiomics，自定义深度学习框架	3D卷积神经网络（NASLung）	AUC，灵敏度，特异性，校准曲线，决策曲线分析	NA
1643	2026-01-23	Data security storage and transmission framework for AI computing power platforms 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31786-5 PMID:41484422	研究论文	本文提出了一种名为Secure AI-DST的新型数据安全存储与传输框架，专为AI计算环境设计，旨在确保AI计算平台中数据存储与传输的安全性	提出了一种结合改进Merkle树哈希与秘密椭圆曲线密码学的混合加密机制，并部署了新型深度学习模型Att-BGR用于攻击分类，同时集成区块链与IPFS实现去中心化安全存储	未明确说明框架在超大规模数据集或极端网络条件下的性能表现，且实验主要基于模拟环境	解决AI计算平台中数据安全存储与传输的关键挑战，确保端到端数据保护并抵御网络威胁	AI计算平台中的数据安全存储与传输系统	机器学习	NA	混合加密机制、区块链技术、深度学习	深度学习模型	合成数据集、实时数据集	未明确说明具体样本数量	MATLAB	注意力双向门控循环单元辅助残差网络（Att-BGR）	未授权访问尝试减少率、数据完整性准确率、数据包验证成功率、计算开销	未明确说明具体计算资源
1644	2026-01-23	PruEV-AI: a Simple Approach Combines Urinary Extracellular Vesicle Isolation with AI-Assisted Analysis for Prostate Cancer Diagnosis 2026-Jan, Small methods IF:10.7Q1 DOI:10.1002/smtd.202500659 PMID:40545998	研究论文	本文介绍了一种名为PruEV-AI的集成诊断系统，该系统将快速尿液细胞外囊泡分离技术与基于人工智能的生物标志物分析相结合，用于前列腺癌的非侵入性诊断	开发了PruEV平台，利用胺改性沸石和碳水化合物肼通过静电和共价相互作用在30分钟内一步完成尿液细胞外囊泡分离和miRNA提取，并结合深度学习模型评估多种生物标志物组合以优化诊断性能	研究样本量相对较小（48例患者和49例对照），候选miRNA数量有限（12个中验证了6个），需要在更大规模人群中进一步验证	开发一种高效、准确的非侵入性前列腺癌诊断方法	前列腺癌患者和健康对照者的尿液样本	数字病理学	前列腺癌	RT-qPCR, 尿液细胞外囊泡分离技术	深度学习模型	miRNA表达数据, 临床数据	97例样本（48例前列腺癌患者，49例健康对照）	NA	NA	AUC, 灵敏度, 特异性, 准确率	NA
1645	2026-01-23	Deep learning-powered temperature prediction for optimizing transcranial MR-guided focused ultrasound treatment 2026-Jan-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2025.5.JNS25291 PMID:40939202	研究论文	本研究开发了一个名为Fust-Net的深度学习模型，用于预测经颅磁共振引导聚焦超声治疗中的治疗温度	首次将治疗参数、患者特异性临床信息和颅骨指标整合到深度学习模型中，用于MRgFUS治疗的温度预测	研究为回顾性分析，样本量相对有限，且仅针对特定疾病（特发性震颤或帕金森病）的患者	优化经颅磁共振引导聚焦超声治疗中的温度控制，提高治疗精度和安全性	接受单侧MRgFUS丘脑切开术或苍白球丘脑束切开术的特发性震颤或帕金森病患者	医疗影像分析	帕金森病	磁共振引导聚焦超声	深度学习	治疗参数、临床信息、颅骨指标	内部数据集：600次声波发射（72名患者）；验证数据集：199次声波发射（18名患者）；外部数据集：146次声波发射（20名患者）	NA	Fust-Net	归一化平均绝对误差，有效温度预测率	NA
1646	2026-01-23	Artificial intelligence-based deep learning model for evaluating procedural consistency in microvascular anastomosis 2026-Jan-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2025.6.JNS25128 PMID:41004852	研究论文	本研究开发并验证了一种基于LSTM的深度学习模型，用于客观评估神经外科培训中微血管吻合手术的缝合执行一致性	首次利用LSTM架构对微血管吻合手术中的手部运动进行建模和预测，实现了对手术操作一致性的客观量化评估	研究样本量较小，仅涉及两位专家外科医生和一名学员；未来需要扩展到更多外科医生以验证模型的普适性	开发一种客观评估微血管吻合手术操作一致性的深度学习模型	神经外科医生在模拟微血管吻合手术中的手部运动数据	计算机视觉	NA	视频数据采集	LSTM	视频	2位专家神经外科医生（各进行两次手术）和1名学员（进行一次手术）	NA	LSTM	Kullback-Leibler散度, 欧几里得距离, 缝合时间间隔	NA
1647	2026-01-23	Deep learning to assess laryngoscope insertion depth during neonatal intubation with video laryngoscopy 2026-Jan, Journal of perinatology : official journal of the California Perinatal Association IF:2.4Q1 DOI:10.1038/s41372-025-02457-0 PMID:41145730	研究论文	本研究开发了一种深度学习模型，用于在新生儿视频喉镜检查中实时分类喉镜插入深度为浅、声门区或深	首次利用深度学习技术对新生儿视频喉镜检查中的喉镜插入深度进行实时分类，为临床操作提供实时指导	深插入事件罕见（2.7%），模型对此类事件性能较低（F1=0.034），且临床影响结论有限	开发AI辅助的视频喉镜检查系统，以支持喉镜插入深度评估和培训	新生儿视频喉镜检查中的喉镜插入深度	计算机视觉	新生儿疾病	视频喉镜检查	深度学习模型	视频帧	132个新生儿视频喉镜检查视频，共298,955个标注帧	NA	NA	F1分数	NA
1648	2026-01-23	Radiomics in non-oncologic musculoskeletal diseases: from pixels to practice 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107106 PMID:41162310	综述	本文综述了放射组学在非肿瘤性肌肉骨骼疾病中的应用，从基本原理到临床实践	将放射组学从肿瘤学领域扩展到非肿瘤性肌肉骨骼疾病，并强调了标准化和可重复性在临床整合中的重要性	成像协议、分割和特征提取的标准化和可重复性不足，限制了更广泛的临床整合	概述放射组学在非肿瘤性肌肉骨骼疾病中的应用原理、工作流程和挑战	非肿瘤性肌肉骨骼疾病，包括骨质疏松症、骨关节炎、风湿性疾病、神经病理学和创伤相关损伤	医学影像分析	肌肉骨骼疾病	放射组学	NA	放射学图像	NA	NA	NA	NA	NA
1649	2026-01-23	Severity prediction in patients with oedema in cerebral contusion using deep learning from computed tomography scans 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107113 PMID:41240817	研究论文	本研究开发了一种结合深度学习的模型，用于评估脑挫伤水肿的严重程度	提出了一种结合血肿和水肿的深度学习模型（水肿指数，EI），用于预测脑挫伤水肿的严重程度，并展示了其与现有CT分类系统结合能提高预测性能	研究样本量相对较小（高风险组56例，低风险组66例），且仅基于单一机构的CT扫描数据，可能限制模型的泛化能力	开发一种深度学习模型来预测脑挫伤水肿的严重程度	脑挫伤水肿患者	计算机视觉	脑挫伤	CT扫描	深度学习模型	CT图像	脑挫伤水肿患者共122例（高风险组56例，低风险组66例），另用于血肿体积量化的创伤性脑出血患者141例	NA	NA	AUC（曲线下面积），体积百分比误差	NA
1650	2026-01-23	Radiomics in clinical radiology: advances, challenges, and future directions 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107165 PMID:41360019	综述	本文综述了放射组学在临床放射学中的进展、挑战与未来方向，重点探讨了其与人工智能（特别是大语言模型和代理AI模型）的融合	聚焦于放射组学与新兴AI技术（大语言模型、代理AI模型）的融合，并系统讨论了标准化、验证框架和多中心研究等关键问题	作为一篇综述文章，其局限性在于主要基于现有文献进行总结和分析，未提出新的原始数据或模型	总结放射组学的发展现状，突出当前挑战，并为放射组学在临床实践中的广泛应用提出未来方向	放射组学相关研究文献，特别是关注验证框架、标准化、深度学习、大语言模型、多中心研究和代理流程库的研究	医学影像分析	NA	放射组学（高通量定量图像特征提取）	深度学习, 大语言模型, 代理AI模型	医学影像	NA	NA	NA	诊断准确性, 预后性能, 可重复性	NA
1651	2026-01-23	Radiomics of hepatopancreatobiliary cancer diagnosis, management, and future prospects 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107167 PMID:41365695	综述	本文综述了影像组学在肝胆胰癌症诊断、管理和未来前景中的应用	展示了影像组学作为非侵入性肿瘤异质性标记物的潜力，并探讨了其与基因组学、代谢组学和免疫学数据的整合，以开发高预测性集成模型	需要进一步评估最佳成像策略、图像标准化以及在多样化患者群体中的前瞻性验证，才能广泛用于常规临床实践	探讨影像组学在改善肝胆胰癌症诊断和管理中的应用潜力	肝胆胰癌症，包括肝细胞癌、胰腺癌和胆管癌	医学影像分析	肝胆胰癌症	影像组学	深度学习, 机器学习	影像数据	NA	NA	NA	NA	NA
1652	2026-01-23	Artificial intelligence in oncological positron emission tomography: advancing image analysis and interpretation 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107187 PMID:41401681	综述	本文综述了人工智能在肿瘤学正电子发射断层扫描中的应用，重点讨论了其在改善图像质量和定量分析方面的进展与挑战	强调了AI在提升PET图像诊断准确性和预后建模中的价值，并指出了未来发展方向如多模态集成、联邦学习和概率深度学习	面临图像数据标准化、可解释性方法开发及监管框架建立等挑战，临床实践应用仍需克服这些障碍	探讨人工智能在肿瘤学PET成像中的应用，以优化临床管理和个体化治疗	肿瘤患者的正电子发射断层扫描图像	医学影像分析	癌症	正电子发射断层扫描	深度学习	图像	NA	NA	NA	诊断准确性	NA
1653	2026-01-23	Clinical value of deep learning image reconstruction in chest computed tomography (CT) imaging: a systematic review 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107184 PMID:41411962	系统综述	本文系统综述了深度学习图像重建（DLIR）在胸部CT成像中的临床诊断价值，并与传统重建方法进行比较	首次系统评估DLIR在胸部CT中的诊断性能，并量化其在结节检测、纹理分析和间质性肺病分类方面的优势	纳入研究存在异质性，缺乏大规模临床结局数据，需要更多研究验证对患者预后的影响	评估DLIR在胸部CT成像中的临床诊断价值	胸部CT图像及人类参与者	医学影像分析	肺部疾病	CT成像	深度学习图像重建（DLIR）	CT图像	13项研究（来自1967条记录）	NA	NA	敏感性, AUC, Cohen's κ	NA
1654	2026-01-23	Machine learning and deep learning in internal medicine: demystifying concepts 2026-Jan, Revista clinica espanola IF:2.3Q2 DOI:10.1016/j.rceng.2025.502412 PMID:41429301	综述	本文为内科医生提供机器学习和深度学习概念的实用入门介绍，探讨其在诊断、预后和临床管理中的应用	以临床医生视角系统介绍机器学习核心概念，强调数据质量和模型可解释性在医学应用中的重要性	NA	向内科医生普及机器学习在临床实践中的应用概念与方法	机器学习与深度学习的基本概念及其在医学领域的应用框架	机器学习	NA	NA	神经网络	NA	NA	NA	NA	NA	NA
1655	2026-01-23	Uncertainty-aware genomic deep learning with knowledge distillation 2026, NPJ artificial intelligence DOI:10.1038/s44387-025-00053-3 PMID:41523993	研究论文	提出一种名为DEGU的方法，通过集成学习和知识蒸馏提升基因组学中深度神经网络预测的鲁棒性和可解释性	结合集成学习与知识蒸馏，同时捕捉预测平均值和变异性以量化认知不确定性，并可选择性地建模数据不确定性	未明确说明方法在计算资源消耗或特定基因组任务中的潜在限制	提高基因组学中深度神经网络预测的可靠性和可解释性	调控基因组学中的功能基因组预测任务	机器学习	NA	NA	DNN	基因组序列数据	NA	NA	NA	校准不确定性估计, 覆盖率保证	NA
1656	2026-01-23	Multimodal deep learning for breast tumor classification: Integrating mammography and ultrasound for enhanced diagnostic accuracy 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70464 PMID:41549611	研究论文	本研究开发了一种结合乳腺X线摄影和超声成像的多模态深度学习模型，用于提高乳腺肿瘤分类的准确性	提出了一种结合乳腺X线摄影和超声的多模态深度学习模型，并采用改进的模态特异性注意力机制（ECA-Net用于超声，CBAM用于乳腺X线摄影），以及基于堆叠集成模块的特征融合方法	研究为回顾性设计，样本量相对有限（663例患者），且未在外部数据集上进行验证	开发并验证一种多模态深度学习方法，以结合乳腺X线摄影和超声成像来改善乳腺肿瘤分类，并增强临床决策	2018年至2021年间663名患有乳腺病变的女性患者，包括384例良性和279例恶性病例	计算机视觉	乳腺癌	乳腺X线摄影，超声成像	深度学习，集成学习	图像	663名患者（384例良性，279例恶性），按7:2:1比例分为训练集（464例）、验证集（133例）和测试集（66例）	NA	ECA-Net, CBAM, 多层感知机（MLP）神经网络	AUC（曲线下面积）	NA
1657	2026-01-23	Reviewing Marine Bioactive Compounds From the Red Sea: Advancing Therapeutic Applications While Navigating Translational and Conservation Challenges 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502652 PMID:41563944	综述	本文综述了红海海洋生物活性化合物的研究进展，重点分析了其分离、表征、生物活性及在治疗应用中的潜力，同时探讨了临床转化和生态保护面临的挑战	系统整合了过去十年红海海洋生物活性化合物的研究，并强调了结合深度学习等新兴技术及跨学科方法以克服转化障碍的创新方向	化合物可用性有限、提取过程复杂、监管限制以及临床转化面临多重挑战	分析红海海洋生物活性化合物的研究进展，推动其治疗应用，并应对转化和生态保护挑战	海绵、珊瑚、微藻、海藻、海洋鱼类和微生物中提取的生物活性化合物	NA	NA	传统溶剂提取、超临界流体提取、超声辅助提取、色谱纯化、生物测定引导的分级分离	NA	NA	NA	NA	NA	NA	NA
1658	2026-01-23	Advancing Diagnostic Accuracy in Liver Cancer: A Systematic Review of Artificial Intelligence Applications in Hepatocellular Carcinoma and Cholangiocarcinoma Detection Using Abdominal CT Imaging 2026-Jan-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.1.5 PMID:41569166	系统综述	本研究系统评估了人工智能在利用腹部CT和MRI区分肝细胞癌与胆管癌中的诊断性能及其临床意义	系统综述了AI在肝细胞癌与胆管癌鉴别诊断中的应用，并强调了多模态成像（CT+MRI）和放射组学-基因组学特征融合对提升诊断性能的潜力	纳入研究多为回顾性设计，外部验证有限，存在中低偏倚风险	评估人工智能在肝细胞癌与胆管癌鉴别诊断中的性能及其临床管理意义	肝细胞癌与胆管癌	数字病理学	肝癌	腹部CT成像，MRI成像	CNN，深度学习模型，混合放射组学-临床模型	医学影像（CT，MRI）	44项符合纳入标准的研究	NA	卷积神经网络	灵敏度，特异性，准确率，AUC	NA
1659	2026-01-23	Integrating Ant Colony Optimization with Deep Learning for Improved Lung Cancer Diagnosis and Prognosis 2026-Jan-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.1.129 PMID:41569180	研究论文	本研究提出了一种结合蚁群优化算法与深度学习的集成方法，用于提高肺癌诊断和预后的准确性与可靠性	创新性地将蚁群优化算法与多种深度学习模型（DenseNet、ResNet 50、VGG 19、LSTM）集成，用于特征选择优化，显著提升了模型性能	NA	提高肺癌诊断的准确性和可靠性，为AI驱动的医疗解决方案奠定基础	肺癌	计算机视觉	肺癌	CT扫描	CNN, LSTM	图像, 文本	NA	NA	DenseNet, ResNet 50, VGG 19, LSTM	准确率	NA
1660	2026-01-23	Dynamic graph neural network-based framework to increase detection accuracy in SDN under DDOS 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32102-x PMID:41461853	研究论文	提出一种基于动态图神经网络（DGNN）的创新框架GCTNetwork，用于实时检测软件定义网络（SDN）中的分布式拒绝服务（DDoS）攻击	首次将动态图神经网络（DGNN）应用于SDN环境中的DDoS攻击检测，通过Gated Convolutional Temporal（GCT）层进行节点-边缘特征集成分析，结合Edge-Aware LSTM进行时序依赖建模，并利用图注意力层（GAT）突出关键通信路径	未明确说明模型在不同规模或拓扑结构的SDN网络中的泛化能力，以及在实际部署中的计算开销和延迟表现	提高SDN网络中DDoS攻击的检测精度和实时性	软件定义网络（SDN）中的网络流量和攻击模式	机器学习	NA	NA	动态图神经网络（DGNN），LSTM，GAT	网络流量数据（图结构数据）	使用SDN数据集（具体数量未说明）	NA	GCTNetwork（包含Gated Convolutional Temporal层、Edge-Aware LSTM、Graph Attention Layer）	准确率，F1分数，误报指数（FAI）	NA