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	2026-06-30	Automatic sleep staging from CPAP airflow using a dual fusion multi-period convolutional neural network 2026-04-29, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae60df PMID:41990791	研究论文	提出一种双融合多周期卷积神经网络（DFMP-CNN），用于从CPAP气流信号自动进行睡眠分期	利用多周期卷积核和双融合机制，编码CPAP-flow中已知的短程和长程时间依赖，克服传统固定尺度模型限制	未提及具体限制	实现基于CPAP设备的无创睡眠监测，用于治疗和纵向评估的双重目的	CPAP设备记录的气流信号（CPAP-flow）以及多周期时间依赖性	机器学习	阻塞性睡眠呼吸暂停低通气综合征	CPAP气流监测	卷积神经网络	时间序列信号	两个数据集：Yale数据集和Duke数据集，具体样本量未说明	PyTorch	DFMP-CNN	准确率，Cohen's kappa系数	NA
1642	2026-06-30	Artificial intelligence-assisted risk prediction of postoperative pulmonary complications in non-small cell lung cancer surgery 2026-Apr-29, Journal of cardiothoracic surgery IF:1.5Q3 DOI:10.1186/s13019-026-04249-9 PMID:42057157	研究论文	开发并评估人工智能模型以预测非小细胞肺癌手术患者术后肺部并发症的风险	利用全连接深度神经网络结合十折交叉验证，在包含临床、实验室、呼吸功能、肿瘤放射学、手术和病理参数的多样化输入变量基础上进行预测	NA	预测非小细胞肺癌手术后肺部并发症，以优化围手术期护理并降低发病率	2001年至2023年间接受肺切除术和纵隔淋巴结清扫的非小细胞肺癌患者	机器学习, 数字病理学	肺癌	NA	深度神经网络	结构化数据	953名患者	NA	全连接深度神经网络	特异性, 敏感性, 阴性预测值, 阳性预测值, 准确率, F1分数, AUC, 决策曲线分析	NA
1643	2026-06-30	From local textures to global attention: a hybrid feature fusion network for skin lesion classification 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48260-5 PMID:42014488	research paper	提出一种混合特征融合网络，集成深度学习方法实现对皮肤镜病变图像的精确分类	将局部纹理特征提取与全局注意力机制相结合，通过VGG-16、ResNet-50和视觉Transformer（ViT）三种定制化深度学习架构进行特征级融合，并利用HDFNet进行最终分类	NA	解决皮肤病变分类中病变外观变异、皮肤类型差异和临床可解释性等挑战	皮肤镜图像中的皮肤病变	computer vision	皮肤癌	深度学习、图像预处理、特征融合	深度学习神经网络、视觉Transformer	RGB图像	四个公开数据集，包括ISIC 2019、ISIC 2020、PAD-UFES和DermQuest DERMIS	Keras, TensorFlow	VGG-16、ResNet-50、Vision Transformer、HDFNet	准确率、AUC-ROC	NA
1644	2026-06-30	Towards real-time sleep stage classification: a deep learning approach leveraging PPG and ECG 2026-04-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae5458 PMID:41849820	研究论文	该文提出一种端到端深度学习模型，利用可穿戴传感器中的光电容积脉搏波信号进行实时睡眠阶段分类	通过心电图数据预训练后微调至PPG信号，显著提升了多阶段睡眠分类准确率，最高达29%	模型尚未在真实睡眠障碍患者群体中验证，且依赖同步多导睡眠监测数据进行标注	开发基于可穿戴传感器的实时睡眠阶段分类方法，推动自适应消费睡眠技术的实现	13名无已知睡眠障碍的参与者（年龄22-71岁）	机器学习	睡眠相关疾病	穿戴式传感器信号采集（PPG、ECG）	深度学习模型（具体架构未说明）	时间序列生理信号（PPG、ECG及多导睡眠监测数据）	13名参与者（来自额外数据集）加大规模人群研究数据集（MESA）	NA	NA	多阶段分类准确率	NA
1645	2026-06-30	Towards fair and trustworthy heart rate estimation from wrist-worn photoplethysmography: a multi-wavelength dataset and uncertainty-aware deep learning approach evaluated across skin tones, sexes, and motion conditions 2026-04-08, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae56ae PMID:41875538	研究论文	提出一种基于多波长PPG数据与不确定性感知深度学习模型，实现肤色、性别和运动条件下公平可信的心率估计	首次结合多波长PPG数据集与量化偶然和认知不确定性的多分支融合CNN，并通过不确定性引导的后处理消除肤色和性别导致的误差差异	NA	提高腕戴式PPG心率估计在不同肤色和性别间的公平性及预测可靠性	腕戴式PPG心率估计中的肤色、性别和运动条件差异	机器学习	NA	PPG	卷积神经网络	时间序列信号	NA	NA	多分支融合卷积神经网络	平均绝对误差、校准误差面积	NA
1646	2026-06-30	Explainable artificial intelligence in electrocardiography: A systematic review 2026-Apr-01, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.109325 PMID:41953749	综述	系统评估心电图解释中的可解释人工智能技术	首次系统评估ECG特定可解释AI技术，发现扰动方法对时序信号次优，而透明显示模型对生理有意义区间（如P波、QRS波群、ST段）关注的方法表现更优	研究仍碎片化且临床验证不足，在稳定性、计算效率和监管准备方面存在显著挑战	系统评估ECG解释中的可解释AI技术以促进临床转化	45篇同行评审研究中使用的各种可解释性方法（包括扰动法、梯度法、内在可解释法、序列感知法和反事实法）	机器学习和自然语言处理	心血管疾病	NA	深度学习模型	心电图信号（时序数据）	45篇研究	NA	NA	定位准确性、保真度、鲁棒性	NA
1647	2026-06-30	Deep learning approach for stroke volume variation estimation: retrospective modeling and prospective deployment in real-world practice 2026-04-01, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae4cee PMID:41919381	研究论文	开发并验证了一个基于深度学习的每搏量变异估计模型SVVNet，并通过大规模回顾性建模和前瞻性实时部署评估其性能	首次将深度学习模型用于每搏量变异估计，并在真实临床手术环境中进行前瞻性实时部署验证，展示了优于传统脉搏波分析算法的噪声鲁棒性和更低的个体差异	未提及模型在不同人群或复杂病理条件下的泛化能力，以及前瞻性验证样本量相对较小	开发并验证一种基于深度学习的方法，准确估计每搏量变异，以替代传统监测系统	动脉血压波形数据	机器学习	心血管疾病	深度学习模型训练	SVVNet（深度学习模型）	动脉血压波形	回顾性：2849名全麻手术患者的前瞻性：67台手术	NA	SVVNet	平均绝对误差(MAE), Pearson相关系数	平板电脑（用于部署）
1648	2026-06-30	Bimodal iontronic skins powered by edge intelligence for real-time collaborative interaction 2026-Apr, National science review IF:16.3Q1 DOI:10.1093/nsr/nwag111 PMID:41959644	研究论文	本文提出了一种由边缘智能驱动的柔性双模态电子皮肤，实现大规模触觉信息的实时感知与协作交互	首次将边缘智能与频率编码读出架构结合，实现超过768个压力传感单元和75个温度传感单元的大面积覆盖，并支持实时自主决策	NA	解决现有机器人皮肤系统在高通量信号读出和智能推理方面的延迟问题，实现稳健的实时交互	双模态电子皮肤系统，包括压力与温度传感器、频率编码读出接口和轻量级深度学习框架	机器学习	NA	柔性电子皮肤、边缘计算、频率编码读出	轻量级深度学习模型	触觉信号数据（压力、温度）	超过768个压力传感单元和75个温度传感单元	NA	NA	NA	边缘设备
1649	2026-06-30	Condition-matched in silico prediction of drug transcriptional responses enables mechanism-guided screening and combination discovery 2026-Mar-31, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.27.714886 PMID:41958978	研究论文	提出DEPICT框架，基于深度学习和Transformer预测药物诱导的转录组响应，支持药物筛选和组合发现	利用Transformer架构实现条件匹配的药物转录响应预测，无需实验测量，在未知药物和细胞类型的泛化中超越现有方法	依赖LINCS L1000数据集质量，未提及对其他数据集的适用性及计算资源的具体限制	实现条件匹配的药物转录响应预测，推动药物重定位和组合发现	药物诱导的转录组响应，包括细胞状态、剂量和持续时间的影响	自然语言处理, 机器学习	非小细胞肺癌	转录组学	Transformer	基因表达数据	LINCS L1000数据集，包含多种药物、细胞类型和处理条件，具体样本量未说明	PyTorch	Transformer	差异表达预测准确率, 扰动表达预测误差	未提及
1650	2026-06-30	AI-powered ultrasound radiofrequency analysis for non-invasive pediatric liver fat quantification 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37862-8 PMID:41844700	研究论文	利用人工智能分析超声射频数据，实现儿童肝脏脂肪含量的无创定量评估	首次将人工智能技术应用于超声射频数据分析，用于儿童肝脂肪无创定量，并通过多模态输入组合提升了性能	样本量较小（仅40名儿童），且未提及模型在不同人群或设备上的泛化能力	开发一种准确且可及的无创方法，用于儿童代谢功能障碍相关脂肪肝病的肝脂肪定量	40名疑似代谢功能障碍相关脂肪肝病的儿童患者	机器学习	代谢功能障碍相关脂肪肝病	超声射频数据分析	XGBoost、Mod-MHDNet	超声射频数据、临床参数	40名儿童患者	NA	XGBoost、Mod-MHDNet	R²、Bland-Altman分析	NA
1651	2026-06-30	Multi-stream deep learning framework integrating images and feature representations to predict mild cognitive impairment using the rey complex figure test 2026-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34491-5 PMID:41765904	研究论文	提出了一种多流深度学习框架，结合Rey复杂图形测试的图像和特征表示来预测轻度认知障碍	创新性地融合了多头部自注意力机制的空间流和基于RCFT评分的人口统计特征流，从而同时捕捉原始图像的精细视觉细节和结构化评分数据，增强了检测细微认知障碍的能力	该模型仍需在更大规模和多样化的临床环境中进一步验证，以确认其通用性和稳健性	开发一个可靠的、成本效益高的早期轻度认知障碍筛查工具	轻度认知障碍患者和健康对照者的Rey复杂图形测试图像及人口统计特征	计算机视觉, 机器学习	轻度认知障碍	NA	多流深度学习框架，包含多头部自注意力机制	图像（RCFT测试图）和结构化数据（RCFT评分及人口统计特征）	韩国队列1740名受试者，外部验证集222名受试者	PyTorch	多头部自注意力机制	AUC, 准确率	NA
1652	2026-06-30	STORM: Exploiting Spatiotemporal Continuity for Trajectory Similarity Learning in Road Networks 2026-Mar, IEEE transactions on knowledge and data engineering IF:8.9Q1 DOI:10.1109/tkde.2025.3650227 PMID:41953048	研究论文	提出一种名为STORM的方法，利用时空连续性在路网中进行轨迹相似性学习	通过预训练生成与特定相似性度量解耦的嵌入，再通过精细微调嵌入以捕获指定相似性度量的细微差别；轨迹建模捕捉时空连续性，包括面向轨迹的路段嵌入和增强时空语义的Transformer编码器	NA	在路网中实现高效、有效的轨迹相似性学习，兼顾通用性和针对性	路网中的轨迹数据	机器学习	NA	NA	Transformer	轨迹数据	NA	NA	Transformer编码器	NA	NA
1653	2026-06-30	Clinical accuracy of cephalometric analysis using deep learning-based automated landmark identification on CBCT in class I and class II malocclusions 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41408-3 PMID:41730989	研究论文	本研究基于深度学习自动标志点识别在CBCT上进行三维头影测量分析，评估其临床准确性，并探讨算法精度与临床有效性的关系	使用优化U-Net架构结合Efficient Global Attention模块进行自动标志点识别，并系统评估了MRE与临床有效性之间的关系	角度测量受方向误差影响较大，MRE指标单独不足以全面评估自动头影测量分析准确性，混合牙列患者部分标志点（如下颌角、切牙根尖点）仍需人工微调	评估基于深度学习的自动标志点识别在CBCT三维头影测量的临床准确性，并研究算法精度与临床有效性的关系	75例I类/II类错颌畸形患者的CBCT扫描数据	数字病理学	错颌畸形	CBCT	CNN	图像	75例CBCT扫描	PyTorch	U-Net, Efficient Global Attention模块	配对t检验/Wilcoxon符号秩检验, 组内相关系数, Bland–Altman分析, 平均径向误差	NA
1654	2026-06-30	Predicting suicidal and self-harm ideation using ecological momentary assessment: deep learning analysis in a general population sample 2026-Feb-10, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-026-07815-6 PMID:41664026	研究论文	利用生态瞬时评估（EMA）数据通过深度学习预测普通人群中的自杀和自伤意念	首次在普通人群中证明简短间接的EMA数据可通过LSTM深度学习模型预测两周后的自杀和自伤意念，无需直接询问敏感问题，且具有高依从率（94%）	研究样本局限于韩国成人，可能影响泛化性；未涉及临床人群；EMA项目仅包含7个日常条目，可能遗漏其他重要预测因素	评估通过智能手机APP收集的简短间接EMA数据能否预测普通人群两周后的自杀和自伤意念	韩国499名成人，通过BIG4+APP完成28天EMA报告，评估情绪、睡眠、食欲、注意力、疲劳和孤独感	机器学习	自杀意念、自伤意念	生态瞬时评估（EMA）	循环神经网络（RNN）	时间序列文本数据	499名韩国成人，EMA数据共28天，每天7个条目	NA	长短期记忆网络（LSTM）	AUC	NA
1655	2026-06-30	Multi-window temporal analysis for enhanced arrhythmia classification: leveraging long-range dependencies in electrocardiogram signals 2026-01-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae3937 PMID:41539004	研究论文	提出基于结构化状态空间模型的S4ECG架构，通过多窗口联合分析长达2分钟的心电信号，提升心律失常分类性能	首次将结构化状态空间模型应用于多窗口心电信号分析，实现长达2分钟的时间依赖捕获，显著降低房颤检测假阳性率3-10倍	最佳诊断窗口为10-20分钟，超过此范围性能出现平台期或下降	通过多窗口时间分析改善心律失常分类的假阳性率和跨数据集泛化能力	心电信号中的心律失常，特别是房颤和房扑	机器学习	心血管疾病	心电信号分析	结构化状态空间模型	时间序列信号	四个公开数据库，包含多中心心电记录	NA	S4（结构化状态空间模型）	宏平均AUC, 特异性, 灵敏度	NA
1656	2026-06-30	Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration 2026 Jan-Feb, Clinical & experimental ophthalmology DOI:10.1111/ceo.14607 PMID:40922557	研究论文	开发并外部测试深度学习模型用于在光学相干断层扫描中检测年龄相关性黄斑变性的网状假性玻璃膜疣	首次开发了专家级别的深度学习模型，用于自动分割和检测网状假性玻璃膜疣，并在多中心试验数据上进行了外部验证	文章未提及明显的局限，但外部测试数据集可能覆盖范围有限	开发并验证深度学习模型以自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣	年龄相关性黄斑变性患者的光学相干断层扫描图像	计算机视觉, 数字病理学	年龄相关性黄斑变性	光学相干断层扫描	深度学习模型（实例分割）	图像	9800个光学相干断层扫描B扫描（内部测试250个，外部测试1017只眼睛来自812名个体）	NA	NA	Dice相似系数, 受试者工作特征曲线下面积	NA
1657	2026-06-30	Decoding Herbal Medicine: Machine Learning-Driven Insights into Structural Identification and Pharmacological Research 2026, The American journal of Chinese medicine DOI:10.1142/S0192415X26500370 PMID:42273967	综述	综述了人工智能和机器学习在阐明草药药理机制中的应用，重点关注活性化合物的识别和药理作用	综述了人工智能驱动的分析框架如何提高机制阐明的精确性和效率	植物材料的变异性和缺乏系统的药理研究仍是主要挑战	总结人工智能和机器学习在草药药理机制研究中的最新进展	草药中的植物源化合物及其药理活性	机器学习	NA	机器学习、深度学习、质谱、核磁共振	深度学习	化学-生物数据集	NA	NA	NA	NA	NA
1658	2026-06-30	Contour Field-Based Elliptical Shape Prior for the Segment Anything Model 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3702431 PMID:42301843	研究论文	提出一种基于轮廓场的椭圆形状先验方法，将其集成到Segment Anything Model中，以提高图像分割精度	首次将参数化椭圆轮廓场先验信息融入SAM模型，利用变分方法，通过分解SAM为四个数学子问题并设计新的网络结构，使分割输出限定为椭圆区域	仅在特定图像数据集上验证，可能缺乏通用性，未提及对复杂形状或非椭圆目标的适用性	提高医学和自然图像中椭圆形状目标分割的准确性	需要椭圆形状分割的医学和自然图像	计算机视觉, 数字病理学	NA	NA	SAM（Segment Anything Model）	图像	NA	PyTorch	SAM, 椭圆轮廓场	分割精度	NA
1659	2026-06-30	Performance of federated versus centralized learning for mammography classification across film-digital domain shift 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1715858 PMID:41958456	研究论文	比较联邦学习与集中式学习在乳腺X线摄影分类中，面对胶片-数字域差异时的性能表现	首次系统评估联邦学习在胶片-数字乳腺X线摄影领域异构性下的鲁棒性，并揭示域偏移是性能下降的主导因素而非数据量或优化器不稳定性	仅使用两个公共数据集，未涉及真实临床多中心场景；联邦学习在胶片域性能显著下降且现有聚合策略未能有效缓解	评估联邦学习在强成像域异构性（胶片-数字转换）下的性能稳定性	良性-恶性病变分类，使用CBIS-DDSM（扫描胶片）和VinDr-Mammo（全视野数字）数据集	计算机视觉	乳腺癌	乳腺X线摄影	ResNet-50, Swin V2-T	图像	CBIS-DDSM和VinDr-Mammo两个公共数据集（具体样本数未明确）	PyTorch	ResNet-50, Swin V2-T	AUROC, AP, 准确率, 精确率, 召回率, F1分数, Precision@Recall=0.90	NA
1660	2026-06-30	Machine learning in neuroimaging for predicting H3K27M mutations in diffuse midline gliomas: a systematic review and meta-analysis 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1746840 PMID:41958562	系统综述与荟萃分析	系统评估基于神经影像的机器学习模型在预测弥漫性中线胶质瘤H3K27M突变中的诊断性能	首次通过荟萃分析比较MRI和PET/CT两种影像模式的机器学习模型预测H3K27M突变性能，并探讨深度学习架构与DNA测序作为参考标准对模型性能的影响	仅纳入16项研究，可能存在发表偏倚；不同研究间MRI序列和ML算法存在异质性，影响结果泛化性	评估基于神经影像的机器学习模型在非侵入性预测弥漫性中线胶质瘤H3K27M突变中的诊断性能	弥漫性中线胶质瘤患者	机器学习	弥漫性中线胶质瘤	MRI, PET/CT	机器学习模型（包括深度学习和传统机器学习）	影像数据	内部验证共2357名患者，外部验证共1792名患者	NA	深度学习架构（如CNN等），传统机器学习算法	敏感性，特异性，AUC	NA