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
161	2026-05-27	Machine Learning for Early Detection of Hypoxic-Ischemic Brain Injury After Cardiac Arrest 2022-06, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-021-01405-y PMID:34873672	研究论文	利用深度学习迁移学习分析心脏骤停后早期头颅CT平扫，预测缺氧缺血性脑损伤的进展	首次在正常头颅CT平扫结果中，使用深度迁移学习识别早期缺氧缺血性脑损伤证据，准确预测后续影像学进展	样本量较小（仅54例患者），且为单中心研究，外部验证集仅16例	探索深度迁移学习在心脏骤停后早期正常头颅CT平扫中发现潜在缺氧缺血性脑损伤标志物的能力	心脏骤停后昏迷存活的成年患者	医学影像分析	缺氧缺血性脑损伤	计算机断层扫描（CT），深度学习迁移学习	CNN（卷积神经网络）	医学影像（头颅CT平扫图像）	54例患者（内部队列），16例患者（外部验证队列）	NA	深度迁移学习模型（未注明具体架构）	AUC, 敏感度, 特异度, 准确率, 阳性预测值	NA
162	2026-05-27	Subtyping of mild cognitive impairment using a deep learning model based on brain atrophy patterns 2021-12-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2021.100467 PMID:35028609	研究论文	基于脑萎缩模式的深度学习模型用于轻度认知障碍亚型分类	首次仅基于脑萎缩模式进行MCI亚型分类，而非传统认知测量	未明确提及局限性	开发基于脑萎缩的MCI亚型分类方法，以识别生物学和临床上有意义的亚组	轻度认知障碍（MCI）患者	数字病理学	阿尔茨海默病	MRI	深度学习	全脑MRI图像	未明确提及样本量	NA	NA	认知、临床、液体生物标志物及分子影像数据用于验证	NA
163	2026-05-27	Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images 2021-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28908 PMID:34227163	研究论文	比较基于直方图和基于图像的算法在高极化气体肺部图像分割中的差异	首次系统比较直方图与图像域优化方法在肺部高极化气体MRI分割中的性能，并公开深度学习功能	模拟数据集可能无法完全代表真实临床场景中的复杂噪声和变形	表征基于直方图和基于图像的分割算法在肺部高极化气体图像分割中的差异	高极化129Xe气体肺部MRI图像（来自29名受试者公开数据集和51名受试者回顾性数据集）	计算机视觉	肺部疾病	MRI	CNN	图像	80名受试者（29名公开+51名回顾性）的模拟高极化气体MRI图像	Advanced Normalization Tools	卷积神经网络	测量偏差、测量精度	NA
164	2026-05-27	Microscopy deep learning predicts virus infections and reveals mechanics of lytic-infected cells 2021-Jun-25, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.102543 PMID:34151222	研究论文	开发深度学习算法，通过显微镜图像预测病毒感染，并揭示裂解感染细胞的力学特性	无需病毒特异性染色，利用深度学习从荧光显微镜图像中识别疱疹病毒和腺病毒感染细胞，提前约20小时预测裂解感染结果，并揭示裂解细胞核的力学缺陷	NA	开发成像和深度学习方法，用于预测病毒感染表型并研究细胞裂解的机制	疱疹病毒和腺病毒感染的细胞	计算机视觉	病毒感染	荧光显微镜、活细胞成像	深度学习	图像	NA	NA	深度学习模型（具体架构未指定）	NA	NA
165	2026-05-27	Quantification of abdominal fat from computed tomography using deep learning and its association with electronic health records in an academic biobank 2021-06-12, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaa342 PMID:33576413	研究论文	开发了一种全自动算法用于腹部脂肪分割，并在学术生物库中大规模部署该方法	利用深度学习和分布式计算构建全自动图像筛选和标记技术，可从CT扫描中识别皮下和内脏腹部脂肪，并验证与电子健康记录中表型的关联	未明确提及局限	开发全自动腹部脂肪分割算法并大规模应用在学术生物库中	宾夕法尼亚医学生物库中13502名患者的52844次CT扫描中的皮下和内脏腹部脂肪	计算机视觉	糖尿病、高血压、肾衰竭	CT	CNN	图像	13502名患者，52844次CT扫描	NA	分类网络、分割网络	类内相关系数	分布式计算
166	2026-05-27	Leveraging Uncertainty from Deep Learning for Trustworthy Material Discovery Workflows 2021-May-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.1c00975 PMID:34056423	研究论文	利用深度学习预测不确定性来提升材料发现工作流的可信度	首次将预测不确定性引入材料科学机器学习工作流，解决数据集规模确定、模糊样本决策回避和分布外检测等关键问题	未提及具体局限性	提升基于机器学习的材料应用工作流中分类模型的性能和可靠性	扫描电子显微镜图像中的微观结构信息	计算机视觉	NA	深度学习预测不确定性	深度神经网络	图像	NA	NA	NA	分类准确率	NA
167	2026-05-27	Attenuation correction using deep Learning and integrated UTE/multi-echo Dixon sequence: evaluation in amyloid and tau PET imaging 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05061-w PMID:33108475	研究论文	本研究提出一种结合深度学习与新型UTE/多回波Dixon序列的MR衰减校正方法，用于提高淀粉样蛋白和tau蛋白PET成像的定量准确性	首次将深度学习与新型mUTE序列结合用于PET/MR衰减校正，在脑部骨区域分割和PET定量准确性上优于传统图谱法和基于MPRAGE或Dixon的深度学习方法	NA	开发并评估一种用于淀粉样蛋白和tau蛋白PET成像的MR衰减校正方法，以提高阿尔茨海默病诊断和监测的生物标志物定量准确性	35名同时进行11C-PiB和18F-MK6240扫描的受试者	深度学习	阿尔茨海默病	PET/MR成像，UTE/多回波Dixon序列	深度学习模型	图像	35名受试者	NA	NA	Dice系数，验证损失，标准化摄取值比（SUVR）误差	NA
168	2026-05-27	Multimodal Ensemble Deep Learning to Predict Disruptive Behavior Disorders in Children 2021, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2021.742807 PMID:34899225	research paper	使用多模态集成三维卷积神经网络模型预测儿童破坏性行为障碍	首次采用多模态集成三维卷积神经网络融合扩散、结构和静息态功能磁共振成像数据来分类破坏性行为障碍儿童，并通过梯度加权类激活映射方法识别关键脑区	模型准确率仅为72%，灵敏度为70%，特异度为72%，F1得分为70，性能有限；研究仅基于美国青少年脑认知发展研究数据，可能不具普适性	利用多模态磁共振成像数据通过深度学习模型早期诊断儿童破坏性行为障碍	儿童破坏性行为障碍患者和典型发育儿童	machine learning	geriatric disease	扩散磁共振成像、结构磁共振成像、静息态功能磁共振成像	三维卷积神经网络	磁共振图像	1100名儿童（550名患者和550名典型发育儿童），年龄108-131个月，包括419名女性和681名男性	NA	3D CNN	accuracy, sensitivity, specificity, F1-score	NA
169	2026-05-26	How improper dataset split hinders model generalizability: a systematic comparison in Human activity recognition and exercise evaluation tasks 2026-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106464 PMID:42097112	研究论文	系统比较不恰当的数据集划分如何在人体活动识别和运动评估任务中阻碍模型泛化能力	首次系统量化随机非跨受试者（NCS）与跨受试者（CS）数据划分对性能估计的影响，并通过方差分解揭示训练-测试集受试者差异如何影响模型预测稳定性	未提及具体限制；但基于两个特定数据集（NTU RGB+D 120和IntelliRehabDS）的结果可能需在更多场景验证	探究数据划分策略（NCS与CS）对机器学习和深度学习模型性能估计的影响，以及数据划分与训练-测试集差异对预测方差和稳定性的贡献	人体活动识别和运动评估任务中的模型泛化性能	计算机视觉	NA	NA	机器学习模型和深度学习模型	图像（运动视频）数据	使用大型HAR基准数据集（NTU RGB+D 120, 包含120个动作类别的视频样本）和康复专用数据集（IntelliRehabDS）	NA	NA	准确率、统计显著性；未列出其他具体指标	NA
170	2026-05-26	Data-driven decision support in hospital resource planning: an artificial intelligence-based model proposal for emergency department demand 2026-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106483 PMID:42143518	研究论文	提出基于人工智能的医院急诊科需求决策支持模型，分析气象因素对就诊量的影响	结合SHAP可解释人工智能方法进行特征选择，并采用7天滚动更新模拟真实场景，与22种机器学习/深度学习/时间序列模型进行公平比较	待补充	通过气象因素分析提高急诊科资源规划准确性，开发可解释的智能决策支持系统	土耳其东黑海地区两家公立医院的急诊就诊记录	机器学习	NA	NA	Prophet, SVM, CatBoost, 机器学习, 深度学习, 时间序列模型	数值型特征（气象数据、日历变量、历史趋势）	约150万条记录，来自两家医院	NA	Prophet, SVM, CatBoost, 及其他19种未明确列出的模型	MAE, MAPE	NA
171	2026-05-26	Explainable TabNet for gestational diabetes prediction with physician-in-the-loop and multi-site clinical validation 2026-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106488 PMID:42155534	研究论文	开发了一种可解释的TabNet模型用于妊娠期糖尿病预测，并通过医师参与和多中心临床验证	首次结合TabNet深度学习的可解释性与双阶段医师参与验证，并在三个独立医院进行前瞻性外部验证	外部验证中F1分数下降，部分归因于不同医院间特征可用性和临床数据记录协议的差异	开发一个临床验证的、可解释的深度学习框架，用于妊娠期糖尿病预测，并评估其临床适用性	妊娠期糖尿病预测模型	机器学习	妊娠期糖尿病	NA	TabNet	临床记录	3525份训练记录和80例前瞻性外部验证病例	PyTorch	TabNet	准确率、精确率、召回率、F1分数、Cohen's kappa、Fleiss' kappa	NA
172	2026-05-26	Comparative analysis of traditional and deep learning time series architectures for influenza A infectious disease forecasting 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111736 PMID:42127736	研究论文	比较传统时间序列模型和深度学习架构在甲型流感预测中的性能，并提出基于Transformer的单变量框架HistoFluAFormer	首次系统性比较六种深度学习架构与传统时间序列模型在甲型流感月度病例预测中的表现，并引入仅依赖历史发病率序列的单变量Transformer模型，展示了自注意力机制在捕捉非线性季节性、异常激增和长期依赖方面的优势	未明确提及限制，但可能包括模型仅基于历史序列数据，未考虑外部协变量（如气候、人口流动）的影响，且测试集仅为一年数据，泛化性需进一步验证	评估不同时间序列模型在甲型流感预测中的效果，提高预测准确性以支持公共卫生准备与资源分配	美国2009年1月至2023年12月的甲型流感月度病例数据	机器学习，时间序列预测	甲型流感	NA	ARIMA, Holt-Winters指数平滑, 简单RNN, LSTM, GRU, 双向LSTM, 双向GRU, Transformer	数值型时间序列数据	2009年1月至2023年12月共180个月度数据点，其中训练集168个月（2009-2022年），测试集12个月（2023年）	NA	ARIMA, Holt-Winters, 简单RNN, LSTM, GRU, BiLSTM, BiGRU, Transformer	均方误差，平均绝对误差， GMRAE, Theil U1	NA
173	2026-05-26	Toward protocol simplification: Deep learning-based image synthesis in three-phase CT urography 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111746 PMID:42140070	研究论文	开发并评估一种利用扩散模型与Swin Transformer相结合的方法，在CT尿路造影中从非对比期和排泄期图像合成三维尿路上皮期图像	首次提出dsSNICT模型，将扩散模型与Swin Transformer结合用于CT尿路造影的三相图像合成，实现辐射剂量降低33%而保持图像质量	单中心回顾性研究，样本量相对较小（335例），仅关注图像质量而缺乏对诊断准确性的全面评估	开发基于深度学习的图像合成方法，简化CT尿路造影的采集协议，减少辐射剂量并提高检查安全性	CT尿路造影中的三维尿路上皮期图像	医学影像	泌尿系统疾病	CT尿路造影	扩散模型	图像	335例患者，179男156女，平均年龄63±15岁	PyTorch	Swin Transformer	峰值信噪比, 结构相似性指数, 平均绝对误差, Fréchet视频距离	NA
174	2026-05-26	Hybrid fractional groupers and moray eels driven deep learning for pneumonia detection using multi-modal data in federated learning 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111739 PMID:42155376	研究论文	提出一种基于多模态数据和联邦学习的新型深度学习模型，用于肺炎检测	将分数阶群鱼和鳗鱼优化算法与联邦学习框架结合，并开发了EESHLossNet损失函数来改进Shepard卷积金字塔膨胀网络	未提及模型在不同数据集上的泛化能力验证，且联邦学习框架可能面临通信开销和隐私保护的实际挑战	提高肺炎检测的准确性并保护医疗数据安全性	肺炎患者的多模态医学图像数据（CT、胸部X光片和频谱图）	计算机视觉，数字病理学	肺炎	CT成像， X光成像，频谱成像，深度递归残差网络，阿尔法修剪均值滤波，伽马校正	Shepard卷积金字塔膨胀网络，深度递归残差网络	图像	未提及具体样本数量	未提及	Shepard卷积金字塔膨胀网络，深度递归残差网络	损失函数，均方误差，准确率，真阳性率，真阴性率，精确率， F1分数，假阴性率，假阳性率	未提及
175	2026-05-26	Interpretable Deep Regression Models With Interval-Censored Failure Time Data 2026-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70609 PMID:42179352	研究论文	提出一种结合深度神经网络与部分线性变换模型的区间删失失效时间数据回归框架	首次将可解释的深度回归模型扩展至区间删失数据，兼顾关键参数的线性可解释性和干扰协变量的非线性灵活性	未详细讨论模型在高维协变量场景下的计算效率和可扩展性	建立用于区间删失失效时间数据的可解释深度回归模型	区间删失失效时间数据	机器学习	阿尔茨海默病	NA	深度神经网络	NA	NA	NA	NA	NA	NA
176	2026-05-26	An upper limb stroke rehabilitation exercise video dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112819 PMID:42181301	研究论文	提出一个用于上肢中风康复运动视频数据集，包含491个视频和四种上肢肌肉强化运动，由十名志愿者在多种背景和光照条件下使用RGB相机录制	第一个专门针对家庭康复场景、包含四种不同上肢肌肉强化运动、由普通RGB相机拍摄并具有详细标注的视频数据集	样本量有限（仅十名志愿者），运动种类较少（仅四种），未提及患者实际康复效果验证	为开发基于深度学习的低成本远程康复系统提供数据支持，改善中低收入国家中风患者的康复护理可及性	中风患者上肢康复运动视频	计算机视觉	中风	RGB视频录制	深度学习（通用，未指定具体模型）	视频	491个视频，来自10名志愿者	NA	NA	NA	NA
177	2026-05-26	Predicting Visual Field Loss in Glaucoma Using OCT and Deep Learning: A Comparative Study of U-Net Variants 2026-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101169 PMID:42181664	研究论文	本研究使用三种深度学习模型（R2 U-Net、Dense U-Net 和 Nested U-Net++）基于OCT图像预测青光眼患者的视野缺损	首次应用生成式人工智能模型（如R2 U-Net）基于OCT数据预测视野缺损	样本来自单一三级转诊中心，仅分析左眼以避免眼间相关性，未涉及多中心验证	评估不同U-Net变体在基于OCT的视网膜神经纤维层厚度图预测视野结果中的性能	1640名青光眼患者的OCT和视野数据	计算机视觉	青光眼	OCT	深度学习生成模型（U-Net变体）	图像（OCT视网膜神经纤维层厚度图）	1640名青光眼患者，每例分析一只左眼	NA	R2 U-Net, Dense U-Net, Nested U-Net (UNet++)	均方误差(MSE), 平均绝对误差(MAE), 峰值信噪比(PSNR), 结构相似性指数(SSIM), Fréchet初始距离(FID)	NA
178	2026-05-26	Content matters, context matters: unraveling behavior dynamics in an online health community for tobacco cessation 2026-Jun, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag068 PMID:42181702	研究论文	探索在线健康社区中关于戒烟交流的内容和上下文对信息传播及行为动态的影响	将大型语言模型与网络分析相结合，利用随机行动者导向模型分析内容和上下文对社交网络拓扑与行为动态的交互影响	未提及	研究在线健康社区中关于烟草使用交流的信息扩散模式，以及内容和特定上下文因素对行为动态的影响	在线戒烟论坛QuitNet中的社区成员及消息	自然语言处理	烟草成瘾及戒烟行为	大型语言模型，社交网络分析	大型语言模型（LLMs）	文本	64,632名成员，239万条消息（2000-2015年），三个波次分别有3055、2475和2289名成员	NA	大型语言模型（LLMs）	F1分数	NA
179	2026-05-26	Deep Learning-Enhanced DNAzyme-Driven Rolling-Circle Amplification Encoding for Multibacterial Detection 2026-May-25, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.4446117 PMID:41983347	研究论文	提出一种基于DNAzyme驱动滚环扩增与分子信标编码系统，结合智能手机卷积神经网络，实现多种活菌的同步检测和定量	首次将DNAzyme驱动滚环扩增与分子信标编码系统结合智能手机CNN，实现三菌同时检测，并达到10-10 CFU/mL的灵敏度	可能受限于实际样本复杂性和细菌蛋白质分泌稳定性，且检测细菌种类有限	开发一种高灵敏度、高特异性的多细菌检测方法，替代传统方法无法同时处理多种活菌的局限	三种活菌（金黄色葡萄球菌、椰毒假单胞菌、大肠杆菌）在食品、临床和环境样本中的检测与定量	机器学习, 数字病理学	NA	DNAzyme驱动滚环扩增, 分子信标编码	卷积神经网络	图像	2800张训练图像, 32个实际样本	PyTorch	CNN	灵敏度, 阳性符合率, 阴性符合率	NA
180	2026-05-26	Domain shift analysis of deep learning models for tooth detection in pediatric panoramic radiographs 2026-May-25, Dental materials journal IF:1.9Q4 DOI:10.4012/dmj.2025-301 PMID:42091502	研究论文	本研究在儿童全景X光片上外部验证了用于全面牙齿检测的目标检测模型，量化了跨机构和成像协议的域转移影响，并比较了YOLOv8和YOLOv10	首次对牙齿检测深度学习模型进行跨机构外部验证，系统量化域转移影响，并比较YOLOv8与YOLOv10在儿童全景X光片上的性能	域转移会改变错误模式并损害罕见但临床重要类别的检测	外部验证牙齿检测深度学习模型并量化域转移影响	儿童全景X光片中牙齿检测	计算机视觉	口腔疾病	NA	YOLOv8, YOLOv10	图像	内部数据集200张早期混合牙列无咬合块图像，外部开源数据集192张有咬合块图像	PyTorch	YOLOv8, YOLOv10	平均平均精度（mAP）、各类别AP、精确度-召回率曲线、混淆矩阵	NA