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
1	2026-05-06	A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109467 PMID:41764935	研究论文	开发了一种基于深度学习的自动化系统，用于在全景X光片上检测和分类与阻生第三磨牙相关的第二磨牙病变	提出增强型SMM-YOLOv8n模型，融合了Slim-Neck优化和多维注意力机制，显著优于基线YOLOv8模型	未在外部数据集上验证，且仅评估了内部测试集性能	开发自动化深度学习系统，提高第二磨牙病变诊断准确性并辅助临床决策	全景X光片中的第二磨牙与阻生第三磨牙	数字病理学	口腔疾病	全景X光成像	CNN（卷积神经网络）	图像	1170张全景X光片	PyTorch	YOLOv8, SMM-YOLOv8n	mAP@50, precision, recall, F1-score	NA
2	2026-05-06	Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109456 PMID:41775013	综述	通过文献计量分析绘制口腔颌面外科中人工智能研究的现状、热点和新兴趋势	首次系统运用文献计量学方法对口腔颌面外科中人工智能研究进行全景分析，揭示从传统机器学习到深度学习与Transformer模型的范式转移，以及非影像应用（如路径分析和预后分析）作为新兴方向	仅基于Web of Science和Scopus数据库，可能遗漏其他来源文献；文献计量分析本身的局限性，无法深入评估每项研究的临床实用性	映射口腔颌面外科中人工智能研究的当前状态、热点和新兴趋势	Web of Science核心合集和Scopus中关于人工智能和口腔颌面外科的出版物	自然语言处理, 机器翻译	头颈癌	文献计量分析	Transformer	文本	5267篇文献	NA	Transformer	NA	NA
3	2026-05-06	Automated Segmentation of Augmented Bone After Transalveolar Sinus Floor Elevation Using Deep Learning 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109468 PMID:41795243	研究论文	评估深度学习模型在经牙槽嵴上颌窦底提升术后增强骨分割中的性能	首次使用多种深度学习模型（UNETR++、Swin Transformer、U-Net、3D-VNet）对经牙槽嵴上颌窦底提升术后的增强骨进行自动化分割，并揭示UNETR++在精度和效率上的显著优势	样本量较小（103例患者），且仅基于锥形束CT数据，可能限制模型泛化性	探索深度学习在口腔颌面外科术后影像分割中的应用，以提升增强骨分析的准确性和效率	经牙槽嵴上颌窦底提升术患者的锥形束CT影像数据	计算机视觉	口腔颌面疾病	锥形束CT	UNETR++、Swin Transformer、U-Net、3D-VNet	图像（锥形束CT扫描）	103例患者，每个患者包含术前（T0）和术后即刻（T1）两组影像	NA	UNETR++、Swin Transformer、U-Net、3D-VNet	Dice相似系数、交并比、灵敏度、精确率、95% Hausdorff距离、准确率	NA
4	2026-03-21	Corrigendum to 'Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population': [International Dental Journal Volume 76, Issue 2, April 2026, 109381] 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109504 PMID:41855705	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5	2026-05-06	Automated Tooth Detection and Caries Identification in CBCT With Deep Learning 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109508 PMID:41850174	研究论文	开发了一种用于锥形束CT图像中牙齿检测、编号和龋齿识别的两阶段深度学习框架	首次提出了一种两阶段深度学习框架，用于自动化定位和编号龋齿，并结合多个分类网络进行龋齿识别，填补了CBCT图像中自动化龋齿分析的空白	样本量较小（65名患者），类别不平衡，需要外部多中心前瞻性验证以确认临床实用性	开发自动化工具，支持机会性龋齿筛查，优先处理疑似龋齿病变的CBCT扫描	65名患者的CBCT图像中的牙齿和龋齿	计算机视觉, 医学影像分析	龋齿（蛀牙）	锥形束计算机断层扫描（CBCT）	卷积神经网络（CNN）	医学图像（CBCT轴向切片）	65名患者	PyTorch	YOLOv3, Cascade R-CNN, DenseNet169, MobileNet_V2, ResNet50	平均精度均值（mAP）、平均精度（AP）、平衡准确率、敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）、马修斯相关系数（MCC）、精确率-召回率曲线下面积（AUC-PR）	NA
6	2026-05-06	Artificial Intelligence-Driven Segmentation of Three Oral Diseases: Enabling Precision Diagnosis and Decision Support 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109486 PMID:41880827	研究论文	介绍了一个包含三种口腔黏膜疾病的高质量数据集，并评估了五种深度学习模型在病变分割和分类中的表现	提出了一个精心整理的数据集，涵盖三种常见口腔黏膜疾病，并对五种深度学习模型进行了全面评估，聚焦于同步病灶分割和分类	NA	推动AI辅助口腔疾病诊断的发展，提供标准化基准和可重复的框架	三种口腔黏膜疾病：口腔扁平苔藓、口腔白斑和口腔良性溃疡	计算机视觉	口腔黏膜疾病	NA	深度学习	图像	808张高分辨率临床图像	NA	五种深度学习架构	Dice系数, 准确率	NA
7	2026-05-06	Association of MRI-Visible Perivascular Spaces With Longitudinal Cognitive Decline Over a Decade 2026-May-12, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000214803 PMID:42030516	研究论文	探究MRI可见的血管周围间隙（PVS）与十年间纵向认知功能下降之间的关系	独立于其他小血管疾病标志物，证明基底节区PVS负荷对执行功能和视空间技能纵向下降的独立贡献	无法建立因果关系	明确PVS作为独立小血管疾病标志物在纵向认知下降中的临床意义	无卒中或痴呆的老年参与者	机器学习	脑血管疾病	3T MRI, 深度学习	深度学习算法	医学影像	750名参与者（平均年龄68岁，52%女性）	NA	NA	NA	NA
8	2026-05-06	Uncertainty Exploration of Deep Learning Enabled Fast Multidimensional NMR Spectroscopy of Proteins 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07201 PMID:41844363	研究论文	通过建模内部不确定性，为深度学习加速的蛋白质多维核磁共振波谱重建提供无参考质量评估基准	首次将深度集成、蒙特卡洛丢弃和证据深度学习三种不确定性量化框架整合到核磁共振重建骨干网络中，实现无需参考即可评估全局和频率级细节的预测可靠性	未明确提及局限性，但可能依赖特定蛋白质的二维和三维核磁共振谱数据，泛化性需进一步验证	提高深度学习在核磁共振波谱中的可靠性，通过不确定性估计回答“是否、何处、为何信任”的关键问题	蛋白质的二维和三维核磁共振波谱数据	深度学习，核磁共振波谱	不适用	核磁共振波谱	深度集成，蒙特卡洛丢弃，证据深度学习	核磁共振波谱数据（2D和3D）	不适用（文章中未明确样本数量）	NA	深度重建骨干网络，具体架构未指定	重建精度，不确定性图与重建残差的一致性，与参考度量的相关性	不适用（文章中未明确）
9	2026-05-06	TPP-Fabricated All-Fiber Nanoforce Sensor with Deep Learning Analysis Enables Ultrasensitive Cancer Cell Mechanophenotyping 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00152 PMID:41996553	研究论文	报道了一种集成双光子聚合微悬臂梁的全光纤纳力传感器，结合深度学习分析实现癌症细胞机械表型的超灵敏测量	首次将双光子聚合微悬臂梁集成于多模光纤端面，并结合EfficientNet回归模型对力依赖多模散斑图进行定量解码，实现高精度力读取（R²=0.9999，平均绝对误差<0.2%）	未提及	开发一种低成本、可更换探头的紧凑型全光纤纳力传感器，用于高精度微纳力表征及细胞力学定量分析	A549和HepG2细胞在不同侵袭阶段的机械表型	机器视觉	癌症	双光子聚合	EfficientNet	图像	A549和HepG2细胞	PyTorch	EfficientNet	R², 平均绝对误差	NA
10	2026-05-06	Deep Learning-Aided SERS Detection of Microplastics in Water Samples with a Hierarchically Porous Gold Sponge Substrate 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06552 PMID:42010957	研究论文	提出一种结合多孔金海绵基底与深度学习框架的无预处理微塑料SERS检测方法	创新性地将静电功能化SERS基底与可解释深度学习框架结合，实现无预处理的复杂水样中微塑料分类检测	未提及对更广泛环境水样（如海水、废水）的验证以及不同尺寸微塑料的定量分析能力	开发一种无预处理的微塑料SERS检测方法，结合深度学习实现准确分类与化学可解释性	五种代表性微塑料：聚四氟乙烯、聚丙烯、聚苯乙烯、聚氯乙烯、聚对苯二甲酸乙二醇酯	机器学习	NA	表面增强拉曼散射（SERS）	卷积神经网络（CNN）	光谱数据	在拉曼数据集上评估，具体样本量未提及	NA	二值卷积神经网络（模块化一对其余架构）	精确率	NA
11	2026-05-06	Brain tumors classification using electrical bioimpedance spectroscopy based on a multi-scale feature extraction network with frequency band attention mechanism 2026-May-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5f9e PMID:41985487	研究论文	提出一种结合多尺度阻抗特征提取和频段注意力机制的深度学习框架，用于脑肿瘤分类	首次将多尺度特征提取与频段注意力机制集成于生物电阻抗谱分析，实现自动肿瘤分类	样本量为52个，较小，可能影响模型泛化能力	开发基于电阻抗谱的脑肿瘤快速自动分类方法	脑肿瘤组织样本（包括胶质瘤、脑膜瘤、转移瘤等）	机器学习	脑肿瘤	生物电阻抗谱测量	CNN	电阻抗谱数据	52个脑肿瘤样本	NA	并行卷积核（尺寸1, 3, 5, 7, 9）	精确率, 灵敏度, 特异度, F1分数	NA
12	2026-05-06	An Integrated Wasserstein GAN-Transformer Deep Learning Framework for Accurate Raman Spectral Identification of Escherichia coli Strains 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00429 PMID:42007758	研究论文	提出一种结合Wasserstein生成对抗网络与Transformer分类器的深度学习框架，用于大肠杆菌菌株的拉曼光谱精确识别	首次将WGAN与Transformer集成用于拉曼光谱分析，通过生成式数据增强解决小样本和高光谱相似性难题，建立“生成增强-鉴别深度分析”通用范式	未说明	实现致病与非致病大肠杆菌菌株的快速、高精度鉴别，用于临床诊断和食品安全监测	8种代表性大肠杆菌菌株（包括致病与非致病变体）	机器学习	大肠杆菌感染	拉曼光谱	Wasserstein生成对抗网络（WGAN）和Transformer分类器	光谱数据	每种菌株约300条原始光谱	PyTorch	WGAN、Transformer	准确率	NA
13	2026-05-06	Interpretable Wavelet-CNN for Accurate Serum Raman Lung Cancer Diagnosis under Leakage-Safe, Patient-Level Splits 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06703 PMID:42007946	research paper	利用可解释的小波变换卷积神经网络（CWT-CNN）从血清拉曼光谱中准确诊断肺癌，并实现患者级数据划分下的生物变异鲁棒性	首次将CWT-CNN框架与Grad-CAM可解释性分析结合应用于临床疾病诊断，在严格患者级数据分割下实现高准确度，并识别出与癌症代谢相关的特征拉曼位移	样本量相对较小（213例），未提及外部验证或跨中心测试，可能限制泛化性	验证CWT-CNN在临床血清拉曼光谱中处理生物变异的能力，并揭示其分类决策的分子基础	213例患者血清样本（106例肺癌，107例对照）	machine learning	lung cancer	拉曼光谱	CNN	光谱数据	213例患者血清样本（106例肺癌，107例对照）	NA	CWT-CNN	accuracy, sensitivity, specificity	NA
14	2026-05-06	SAM2HIPT: a hybrid deep learning framework integrating SAM2 and HIPT with joint loss optimization for immunohistochemical cell nucleus segmentation 2026-May-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae63d6 PMID:42025178	研究论文	提出了一种结合SAM2和HIPT的混合深度学习框架SAM2HIPT，采用联合损失优化，用于免疫组织化学图像细胞核分割	首次将SAM2与HIPT结合，构建两阶段分割框架，并设计联合损失函数实现两个阶段的协同优化	NA	提高免疫组织化学图像中细胞核分割的准确性和边界描绘能力	免疫组织化学图像中的细胞核	数字病理学	NA	NA	混合深度学习模型（SAM2和HIPT）	图像	两个公开数据集：BCData和DeepLIIF	NA	SAM2, HIPT	Dice系数, HD95边界误差	NA
15	2026-05-06	Predicting Intracranial Aneurysm Rupture Risk and Intervention Outcomes Using Denoising-Enhanced CTA 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9093 PMID:41213812	研究论文	开发一个综合多模态框架，利用去噪增强CTA图像，预测颅内动脉瘤破裂风险及干预结果	提出一种新颖的去噪算法提升CTA图像质量，并整合临床变量、影像组学特征和深度学习衍生的形态学数据，构建三模态融合框架	未说明	评估颅内动脉瘤破裂风险并预测干预结局	352名接受CTA检查的颅内动脉瘤患者	计算机视觉	颅内动脉瘤	CTA	CNN	图像、文本	352名患者	NA	NA	AUC	NA
16	2026-05-06	Deep-Learning Accelerated Vessel Wall Imaging Using T1-SPACE at Ultra-High-Field Strength MRI 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9097 PMID:41213815	研究论文	评估在7T超高场强MRI下，使用基于深度学习的图像重建（DLBIR）加速T1-SPACE序列进行颅内血管壁成像（IC-VWI）的可行性和技术性能	首次在7T超高场强MRI下评估基于深度学习的图像重建加速T1-SPACE序列在颅内血管壁成像中的应用，并显示相比标准方案在图像质量和采集时间上的显著优势	单中心回顾性研究，样本量有限（36名患者），且未评估深度学习重建对诊断准确性的影响	评估7T MRI下基于深度学习的T1-SPACE序列在颅内血管壁成像中的可行性和表现	36名接受7T颅内血管壁成像的患者	计算机视觉	NA	7T MRI, T1-SPACE序列, 深度学习图像重建（DLBIR）	深度学习	MRI图像	36名患者（21名女性，平均年龄53.3岁）	NA	NA	图像质量（噪声、伪影、清晰度、整体质量），血管壁和管腔可视化评分（4点Likert量表），比值比（OR），置信区间（CI），假发现率（FDR）校正的P值，Wilcoxon检验，Bland-Altman图，一致性百分比	NA
17	2026-05-06	Comparative Evaluation of Deep Learning Models for 3D Segmentation and Volumetry of Vestibular Schwannomas Using Large Heterogeneous Data Sets with External Validation 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9112 PMID:41260669	研究论文	评估五种深度学习模型在三维分割与体积测量听神经鞘瘤上的表现，使用大型异质性数据集并进行外部验证	首次系统比较nnUNet、U-Mamba、UNETR和MedSAM等深度学习模型在听神经鞘瘤三维分割中的性能，并评估采集异质性对模型鲁棒性的影响	研究未探讨模型在非对比增强MRI或其他序列上的泛化能力，且外部验证数据集来源有限	比较深度学习模型在听神经鞘瘤三维分割与体积测量中的准确性及鲁棒性	听神经鞘瘤患者在T1对比增强MRI上的扫描影像	计算机视觉，数字病理学	听神经鞘瘤	MRI扫描	卷积神经网络(CNN)，Transformer，基础模型	医学图像（3D MRI）	内部训练集2692次扫描（383名患者），内部测试集277次扫描（97名患者），外部测试集241次扫描	NA	nnUNet (Base, ResEncL), U-Mamba, UNETR, MedSAM	Dice相似系数，Hausdorff距离，表面到表面距离，相对体积误差	NA
18	2026-05-06	Vessel Wall Imaging at 7T: State of the Art 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9065 PMID:41136333	综述	本文综述了7T磁共振血管壁成像的技术发展、临床应用及未来方向	系统总结了7T-VWI从早期尝试到关键技术突破的演进过程，包括脉冲序列开发和脑脊液抑制技术的整合	存在B1场不均匀性、缺乏标准化协议等挑战	总结7T磁共振血管壁成像的技术现状和临床潜力	颅内血管壁	数字病理学	脑血管疾病	7T-MRI	NA	图像	NA	NA	NA	NA	NA
19	2026-05-06	Comparative Analysis of Artificial Intelligence-Based Quantification versus Visual Rating of Enlarged Perivascular Spaces in the Multi-Ethnic Study of Atherosclerosis Cohort 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9129 PMID:41397892	研究论文	比较人工智能基于量化与视觉评分在动脉粥样硬化多种族研究队列中扩大的血管周围间隙的分析	首次系统比较了基于人工智能的自动量化方法与传统视觉评分在检测扩大的血管周围间隙与血管风险因素和认知功能关联中的敏感性，显示出AI方法的更高敏感性	NA	比较视觉评分与基于人工智能的量化方法在识别扩大的血管周围间隙与血管风险因素和认知表现关联中的效果	扩大的血管周围间隙（PVS）及其与血管风险因素和认知功能的关系	机器学习	心血管疾病	脑MRI	深度学习	图像	235名来自动脉粥样硬化多种族研究队列的参与者	NA	NA	关联性指标（如β系数和95%置信区间）	NA
20	2026-05-06	Incorporating valuable prior knowledge to improve deep learning prediction of genetic perturbation responses 2026-May-04, Genome research IF:6.2Q1 DOI:10.1101/gr.281523.125 PMID:41887798	研究论文	提出一种基于先验知识的遗传扰动响应预测模型（PRIM），利用对照细胞基因表达的先验知识提升深度学习的预测性能	引入对照细胞基因表达的先验知识，设计轻量化模型，提高组合扰动响应预测精度并捕捉非加性遗传相互作用	未明确提及局限性	改进深度学习模型对遗传扰动后细胞响应的预测能力	遗传扰动后的基因表达变化	机器学习	NA	NA	PRIM（先验引导响应推断模型）	基因表达数据	NA	NA	PRIM	NA	NA