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	2026-08-03	Optimized cortical EEG modeling for Parkinson disease diagnosis with snow Shepherd Stride tuning mechanism 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10406-y PMID:41657964	研究论文	提出了一种结合堆叠自编码器和MobileNet的CortiMoS-Net模型，用于从EEG信号中准确检测帕金森病，并引入优化的S3C-Tune混合调优算法提升性能	首次将深度堆叠自编码器与低计算量的MobileNet卷积块结合用于帕金森病EEG信号分类，并提出新的Snow Shepherd Stride配置调优（S3C-Tune）混合优化技术以增强模型收敛和参数优化	未明确提及局限，但可推断可能存在对EEG噪声的敏感性以及跨受试者泛化性的挑战	开发一种准确、计算可扩展的EEG分析方法，旨在改善帕金森病的早期诊断和临床管理	帕金森病患者与健康对照的脑电图（EEG）信号	机器学习, 数字病理学	帕金森病	脑电图（EEG）信号分析	堆叠自编码器, MobileNet	信号数据（EEG）	未明确提供	NA	堆叠自编码器, MobileNet	准确率, 精确率, 召回率, F1分数, 错误率, 损失值	NA
2	2026-08-03	Deep Learning Analysis of Prenatal Ultrasound for Identification of Ventriculomegaly 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.011 PMID:42236425	研究论文	开发并评估一种基于超声数据预训练的基础模型，用于检测产前超声图像中的脑室增大	使用专门在超声数据上预训练的视觉变换器自监督基础模型，提升了脑室增大检测的分类性能和泛化能力	未在摘要中明确提及局限性	开发并评估深度学习模型，用于检测产前超声图像中的脑室增大	胎儿脑部超声图像	计算机视觉	胎儿脑室增大	超声成像	视觉变换器	图像	超过37万张超声图像用于预训练；胎儿脑部图像数据集用于微调	NA	USF-MAE, VGG-19, ResNet-50, ViT-B/16, MoCo v3	准确率, 精确率, 召回率, 特异性, F1分数, AUC(ROC), AUC(PR)	NA
3	2026-08-03	A Synthetic Data-Augmented Deep Learning Framework for Robust Segmentation and Quantification of the Carotid Artery in Ultrasound Images 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.005 PMID:42242994	研究论文	提出了一种基于条件扩散模型和ControlNet的合成数据生成框架（CU-CDGF），用于增强超声图像中颈动脉分割性能，缓解数据稀缺问题。	创新性地将条件扩散模型与ControlNet结合应用于颈动脉超声图像生成，并通过盲测验证了图像的感知真实性，显著提高了下游分割网络的性能。	未在文中提及明确局限性。	开发和评估一种合成数据生成框架，以提高深度学习在超声图像中自动分割颈动脉的性能，缓解标注数据稀缺问题。	颈动脉超声图像及其分割掩膜。	计算机视觉	颈动脉疾病	NA	扩散模型	图像	未明确样本数量，但使用了内部测试集和独立外部测试集。	PyTorch	ControlNet	Fréchet Inception Distance (FID), Dice系数	NA
4	2026-08-03	A Coarse-to-Fine DoubleUNet Framework with Synergistic Loss for Accurate Fetal Head Circumference Measurement 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.010 PMID:42250993	研究论文	提出了一种基于DoubleUNet的粗到细深度学习框架，用于从超声图像中自动分割和测量胎儿头围	提出了SDUNet框架，结合了定制的协同损失函数，该损失函数整合多个互补损失项并动态平衡其贡献，以适应性地促进生理上合理的头部形状，减少斑点噪声和边界模糊引起的误差	未提及具体限制	减少超声医师手工工作量，实现胎儿头围的自动分割和准确测量	胎儿头部超声图像	计算机视觉, 数字病理学	围产期疾病	超声成像	CNN	图像	公开的HC18数据集和独立外部数据集	NA	DoubleUNet	Dice系数, Jaccard指数, Hausdorff距离, 平均对称表面距离, 边界F1分数, 平均绝对误差, 百分比平均绝对误差	NA
5	2026-08-03	AutoRV: Automated Assessment of Right Ventricular Structure and Function Using Transesophageal Echocardiography in Mechanically Ventilated Patients 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.002 PMID:42321092	研究论文	开发了AutoRV，一个基于深度学习的自动监测流程，用于评估机械通气患者右心室结构和功能	首次利用深度学习自动检测经食管超声心动图中的右心室心尖和三尖瓣环点，实现自动化评估	研究样本量较小（仅51名患者），且未提及在不同医院或设备上的泛化能力	开发并验证一个自动化的右心室功能评估流程，以减少手动测量的时间和不精确性	机械通气患者的二维经食管超声心动图图像	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	51名患者的图像	未明确指定	U-Net	准确度、处理速度、误差距离、测量误差	未明确指定
6	2026-08-03	Deep Learning-Based Standard Section Recognition and Multi-Organ Segmentation in Upper Abdominal Ultrasound 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.003 PMID:42399171	研究论文	本研究开发并评估了用于上腹部超声标准切面识别和多器官分割的深度学习模型	提出了一种两阶段顺序框架，先使用卷积神经网络进行标准切面识别，再仅对识别出的标准切面应用分割网络，从而整合两个互补任务	数据来自单中心真实世界，缺乏外部验证，且脾脏和胰腺的分割性能较低	开发并评估深度学习模型在上腹部超声标准切面识别和下游多器官分割中的可行性	521个上腹部超声检查视频（465个符合纳入标准），5535张标准切面图像，涵盖肝脏、胆囊、胰腺和脾脏	医学影像分析	非特定疾病（上腹部超声诊断）	超声成像	卷积神经网络（CNN）和深度学习分割网络	超声视频和图像	521个视频，465个符合纳入标准，5535张标准切面图像	未明确报告	卷积神经网络（CNN）和分割网络（具体架构未指定）	精确率、召回率、特异性、准确率、IoU	未明确报告
7	2026-08-03	Diagnosis of Small Focal Liver Lesions (≤2 cm): A Deep Learning Approach Based on B-Mode Ultrasound and Contrast-Enhanced Ultrasound 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.002 PMID:42350195	研究论文	开发并验证了一种基于B型超声和对比增强超声图像特征融合的深度学习模型，用于非侵入性诊断局灶性肝病变（特别是≤2cm的小病变）的良恶性。	创新性地设计了基于ResNet-18的深度学习模型，整合特征融合策略，从B型超声和三个关键CEUS阶段图像中提取并整合深度特征，以提高小FLLs的诊断准确性。	研究为回顾性设计，可能限制结果的普适性。	旨在开发并验证一种基于BMUS和CEUS图像特征融合的深度学习模型，用于非侵入性诊断小局灶性肝病变（≤2cm）的良恶性。	局灶性肝病变患者	医学影像分析、深度学习	局灶性肝病变	B型超声、对比增强超声	深度学习模型（卷积神经网络）	图像数据（B型超声和对比增强超声图像）	687名患者的回顾性数据集，分为训练集（80%）和测试集（20%）	未明确指定	ResNet-18	AUC、敏感性、特异性	未明确指定
8	2026-08-03	Region-Specific Evaluation of Plaque Segmentation in Cross-sectional Projections of Carotid Ultrasound Images Using Deep Learning Models in a Sub-clinical Atherosclerosis Cohort 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.029 PMID:42379905	研究论文	本研究首次在亚临床动脉粥样硬化队列中，利用深度学习模型对颈动脉超声横断面图像进行区域特异性斑块分割评估	首次对颈动脉超声横断面图像进行区域特异性斑块分割评估，涵盖颈动脉球部和分叉等临床相关区域	未提及	评估深度学习模型在颈动脉超声横断面图像中进行区域特异性斑块分割的性能	颈动脉超声横断面图像中的动脉粥样硬化斑块	医学影像分析	动脉粥样硬化	超声成像	深度学习模型	超声图像	VIPVIZA队列6年随访的横断面颈动脉超声图像（具体数量未提及）	未提及	YOLOv8, U-Net, Attention U-Net, U-Net++, Swin U-Net, DeepLabV3	Dice系数	未提及
9	2026-08-03	Cardiac Natural Mechanical Wave Detection and Speed Estimation Using Deep Learning-Based 2-D Ultrasound Imaging: A Feasibility Study 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.005 PMID:42386425	研究论文	本文探讨了基于深度学习二维超声成像检测心脏自然机械波并估算其传播速度的可行性	首次在深度学习复合成像数据上检测心脏自然机械波，并验证其速度估算的准确性	研究样本量小，仅为四名健康志愿者，且未在不同病理状态下验证	证明深度学习复合成像数据可用于心脏自然机械波的检测和速度估算	心脏自然机械波在四名健康志愿者心肌中的传播	医学影像分析	心血管疾病	超声成像	深度学习网络	超声图像	4名健康志愿者	NA	深度学习网络	波速估计	GPU
10	2026-08-03	Hybrid deep learning based stroke detection using CT images with routing in an IoT environment 2026-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2025.2452280 PMID:39893512	研究论文	提出一种结合物联网环境的混合深度学习模型Jaccard_Residual SqueezeNet，用于从CT图像中检测卒中	将Jaccard指数集成到Residual SqueezeNet中，并采用分数阶水母搜索鹈鹕优化算法进行路由，结合物联网环境实现卒中检测	未在摘要中提及具体局限性	提高CT图像中卒中病变的早期检测和分割准确性	脑CT图像中的卒中病变	计算机视觉	脑血管疾病	CT成像	卷积神经网络	图像	未在摘要中提及具体样本量	NA	Residual SqueezeNet, ENet	准确率, 敏感度, 精确率, F1分数, 吞吐量, 能量, 距离, 信任度, 延迟	物联网环境
11	2026-08-03	Hybrid ladybug Hawk optimization-enabled deep learning for multimodal Parkinson's disease classification using voice signals and hand-drawn images 2026-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2025.2457955 PMID:40035544	研究论文	该研究开发了一种基于混合瓢虫鹰优化深度学习的多模态帕金森病分类模型，利用语音信号和手绘螺旋图像实现早期诊断	采用混合瓢虫鹰优化算法（LHO）训练ZFNet和DRN双分类器，并结合多数投票机制融合语音和图像特征，实现多模态帕金森病分类	未明确提及局限性	开发优化的深度学习模型，以提高帕金森病早期诊断的准确性	帕金森病患者和健康对照组的语音信号与手绘螺旋图像	深度学习	帕金森病	NA	深度学习模型（ZFNet和DRN）	语音信号和图像	未明确提及样本数量	NA	ZFNet, DRN	准确率, 阴性预测值, 阳性预测值, 真阴性率, 真阳性率	NA
12	2026-08-03	A multi-objective function for deep learning-based automatic energy efficiency power allocation in multicarrier noma system using hybrid heuristic improvement 2026-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2025.2461046 PMID:40079096	研究论文	本研究提出一种基于深度学习的混合启发式优化算法，用于多载波非正交多址系统，以实现自适应能量效率功率分配	提出了一种混合的缝纫训练与狐猴优化（HSTLO）算法，并结合膨胀密集循环神经网络（DDRNN）模型来优化多载波NOMA系统的能效	摘要中未提及明显的局限性	通过优化算法和深度学习模型提高多载波NOMA系统的能量效率和系统性能	多载波非正交多址（MC-NOMA）系统中的能量效率功率分配	机器学习	不适用	不适用	循环神经网络（RNN）	不适用	不适用	不适用	膨胀密集循环神经网络（DDRNN）	不适用	不适用
13	2026-08-03	EEG-based emotion recognition with autoencoder feature fusion and MSC-TimesNet model 2026-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2477801 PMID:40096584	研究论文	提出了一种基于自动编码器特征融合和MSC-TimesNet模型的脑电情感识别方法（AEF-DL），在DEAP和Dreamer数据集上取得了高分类准确率	提出将自动编码器用于多频段脑电信号的特征融合，并创新性地设计了MSC-TimesNet深度学习模型，通过多尺度卷积核有效提取周期内和周期间的时序信息，显著提升了分类性能	摘要中未提及局限性，可能需要进一步验证模型在不同数据集上的泛化能力及计算开销	提高基于脑电信号的情感识别分类性能，解决现有方法特征融合不充分和时序模式捕捉不足的问题	脑电信号（EEG）用于情感识别，涉及DEAP和Dreamer两个公共数据集	脑电信号处理、深度学习	不适用（情感识别，非特定疾病）	脑电图（EEG）信号分析，特征提取包括功率谱密度（PSD）和差分熵（DE），自动编码器特征融合	深度学习模型（MSC-TimesNet）	脑电信号数据	DEAP和Dreamer数据集（未明确具体样本数量）	未明确	MSC-TimesNet（结合TimesNet和多尺度卷积核）	分类准确率	未明确
14	2026-08-03	Leveraging the internet of things and optimized deep residual networks for improved foliar disease detection in apple orchards 2026-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2025.2472626 PMID:40126079	研究论文	提出一种基于物联网和优化深度残差网络的苹果叶片病害分类方法	结合Tunicate Swarm Algorithm和Sine Cosine Algorithm的TSSCA算法优化深度残差网络，并采用Fractional Lion Optimization进行物联网簇头选择	未提及具体局限性	提高苹果园叶片病害检测的准确性和效率	苹果叶片病害图像	计算机视觉	植物病害（苹果叶片病害）	物联网（IoT）、图像分割	深度残差网络（DRN）	图像	Plant Pathology 2020 - FGVC7数据集（未提供具体样本数量）	未提及	深度残差网络（DRN）	准确率、特异性、敏感性、最大能量	未提及
15	2026-08-03	Deep Learning-Based Comparison of Knee Minimum Joint Space Width in Patients With Rheumatoid Arthritis and Osteoarthritis Before Total Knee Arthroplasty 2026-Aug-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0951 PMID:42067217	研究论文	本研究利用深度学习技术比较类风湿关节炎和骨关节炎患者在全膝关节置换术前的膝关节最小关节间隙宽度，发现两种疾病的关节间隙狭窄模式存在差异	首次使用经过验证的深度学习模型自动测量膝关节内侧和外侧最小关节间隙宽度，并比较类风湿关节炎与骨关节炎患者的关节间隙狭窄模式，同时评估最小关节间隙宽度与疾病活动度之间的关系	未在摘要中明确提及局限性	比较类风湿关节炎和骨关节炎患者在接受全膝关节置换术前的关节间隙狭窄模式，并评估最小关节间隙宽度与类风湿关节炎疾病活动度之间的关联	接受全膝关节置换术的类风湿关节炎患者和骨关节炎患者	深度学习	类风湿关节炎、骨关节炎	深度学习	深度学习模型	膝关节前后位X光片	409例类风湿关节炎患者及与之年龄和性别匹配的骨关节炎患者，其中302例有配对X光片	NA	NA	NA	NA
16	2026-08-03	Deep learning reveals antimicrobial peptides within prions 2026-Aug, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-026-02408-1 PMID:42321536	研究论文	利用深度学习从朊病毒相关蛋白中筛选出抗菌肽，命名为prionins，并验证其抗菌活性	首次发现朊病毒样蛋白中的抗菌肽，通过深度学习大规模筛选并实验验证	未提供	探索朊病毒相关蛋白中的抗菌肽及其潜在抗菌功能	2,897个经过整理的朊病毒相关蛋白的1,930万个片段	机器学习	细菌感染	深度学习	深度学习模型	蛋白质序列	筛选了1,179个候选抗菌肽；合成了75个prionins；动物实验涉及小鼠	未提供	未提供	未提供	未提供
17	2026-08-03	Decoding splicing variants in high-throughput sequencing: a functional validation approach integrating deep learning tools 2026-Aug, European journal of human genetics : EJHG IF:3.7Q2 DOI:10.1038/s41431-026-02162-2 PMID:42362801	研究论文	本研究结合多种互补的剪接预测工具与功能性RNA研究，评估了神经退行性疾病患者中发现的九个内含子变异对剪接的影响，并强调转录水平验证在致病变异评估中的关键作用。	首次系统评估深度学习方法在非典型剪接调控机制（如隐剪接位点激活）中的局限性，并整合多种预测工具与功能性实验（如微基因检测）提高变异致病性判断的准确性。	样本量较小（仅九个变异），且研究局限于神经退行性疾病，可能影响结果的一般性；未对所有预测失败的机制进行深入的功能验证。	评估深度学习和基于基序的剪接预测工具在识别内含子变异剪接影响中的性能，并强调转录水平确认在诊断流程中的必要性。	九个内含子变异（六个深内含子、两个非经典剪接位点和一个经典剪接位点变异）及其在患者中的剪接效应。	生物信息学，遗传学	神经退行性疾病	二代测序，RNA分析，微基因检测	深度学习模型（具体类型未提及）	基因组测序数据、转录组数据	九个变异（来自患者）	NA	NA	准确性，预测成功率	NA
18	2026-08-03	Artificial Intelligence in Food-Nutrition-Health Research: From Multimodal Data Integration to Precision Intervention 2026-Aug, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71334 PMID:42535509	综述	系统综述了2020至2025年间人工智能在食品-营养-健康领域的研究进展，涵盖技术基础、应用场景、挑战与未来方向。	提出了一个三元框架，包括数据层、技术层和算法层，用于跨食品-营养-健康连续体的多维数据整合和精准干预。	面临模型泛化不足、算法透明度限制临床信任、数据隐私漏洞以及多组学整合标准缺失等挑战。	梳理AI在食品-营养-健康领域的应用进展，并为从群体平均指南转向动态个性化健康优化提供路线图。	181项系统综述及相关的食品成分、健康监测和个体特征数据。	机器学习	营养相关疾病	光谱学、核磁共振、成像技术	机器学习、深度学习架构	多模态数据（食品成分、健康监测、个体特征）	181项系统综述	NA	NA	NA	NA
19	2026-08-03	Overcoming measurement challenges in clinical practice: a deep learning-based approach to monocular surface area measurement 2026-Aug, Skin health and disease DOI:10.1093/skinhd/vzag064 PMID:42539959	研究论文	介绍一种基于深度学习和单目智能手机图像的体表面积测量方法，通过深度估计模型和表面三角化提高测量精度。	提出一种成本效益高且可访问的AI驱动方法，利用单目图像和特定标记，结合深度估计和表面三角化，准确测量体表面积。	在受控和模拟场景中测试，可能需要进一步验证在真实临床环境中的适用性。	开发一种准确、经济且易于使用的体表面积测量方法，用于临床实践。	体表面积，包括不规则表面或复杂轮廓的病灶。	计算机视觉，数字病理学	皮肤病学相关疾病	单目成像，深度估计	深度学习模型（具体类型未指定，可能为CNN）	图像（单目智能手机图像）	受控和模拟皮肤科场景，具体样本量未提供。	NA	NA	平均绝对误差（MAE）	NA
20	2026-08-03	Real-Time Anatomy Recognition During Single-Port Retroperitoneal Surgery: A Prospective Comparison Between AI and Operating Surgeon 2026-Aug-01, Journal of endourology IF:2.9Q1 DOI:10.1177/08927790261473188 PMID:42541387	研究论文	本文首次在机器人辅助单孔腹膜后手术中临床测试了基于深度学习的AI算法，用于实时识别关键解剖结构，并与外科医生的识别时间进行了前瞻性比较。	首次在单孔机器人手术平台上对AI解剖识别算法进行临床测试，并前瞻性比较AI与外科医生的识别时间。	样本量小（15例患者），AI识别时间普遍晚于外科医生，且未实现独家识别，未来需改进以接近自主识别水平。	评估AI算法在机器人辅助腹膜后手术中实时识别关键解剖结构的能力，并比较其与外科医生的识别时间。	15例接受机器人辅助单孔腹膜后肾或肾上腺手术的患者。	计算机视觉、深度学习	肾脏疾病、肾上腺疾病	NA	深度学习算法	手术视频帧	15例患者	NA	NA	识别时间（Δ时间）、识别模式（首次、同步或独家识别）	NA