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	2026-09-04	Deep Learning Model for Extensive Diagnosis of Corneal Deposits 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004018 PMID:41236421	研究论文	开发了一种扩展的深度学习模型（CorneAI），用于分类角膜沉积相关疾病，并评估其性能与专家和住院医师的比较。	首次在CorneAI中集成深度学习模型，以诊断7种角膜沉积相关疾病，包括多种罕见类型。	模型在分类淀粉样变性和凝胶状滴状营养不良方面精度不足。	提高CorneAI诊断角膜沉积相关疾病的能力。	角膜沉积相关疾病（包括淀粉样变性、带状角膜病变、颗粒状角膜营养不良、格子状角膜营养不良、凝胶状滴状营养不良、施奈德角膜营养不良、斑点状角膜营养不良）。	计算机视觉	角膜疾病	裂隙灯成像	卷积神经网络（CNN）	图像（裂隙灯图像）	1546张裂隙灯图像（训练），303张测试图像	PyTorch	YOLOv5	阳性预测值	NA
2	2026-09-04	Association of Deep Learning Imaging Algorithm Measures of Microbial Keratitis With Vision Outcomes 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004029 PMID:41247284	研究论文	本研究比较了人工智能图像分割算法与临床医生测量微生物性角膜炎相关角膜特征与90天视力预后的关联	开发了一种新型的人工智能图像分割算法，用于量化角膜形态特征（如基质浸润面积和前房积脓），并首次将其与临床医生测量的结果在预后关联上进行对比	研究结果可能受限于样本来源（美国和印度）以及算法在特定人群中的泛化能力	评估人工智能图像算法预测微生物性角膜炎角膜特征与90天视力的关系，并与临床医生测量进行比较	微生物性角膜炎患者（包括细菌性、真菌性和病毒性角膜溃疡）	计算机视觉	感染性角膜炎	角膜摄影	图像分割算法	角膜图像和临床数据	479名参与者（美国138名，印度341名）	NA	NA	回归模型估计值（β）和95%置信区间	NA
3	2026-09-04	Artificial Intelligence for Diagnosing Meibomian Gland Dysfunction: A Systematic Review and Meta-Analysis of Diagnostic Test Accuracy Studies 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004151 PMID:41931504	系统综述和Meta分析	对基于人工智能的睑板腺成像解读与人工分级在诊断睑板腺功能障碍中的性能进行系统综述和Meta分析	首次对人工智能诊断睑板腺功能障碍的诊断测试准确性研究进行系统综述和Meta分析，采用Cochrane方法和GRADE框架评估证据质量	大多数研究存在高偏倚风险和应用性问题，整体证据确定性低至极低	评估和综合基于人工智能的睑板腺成像解读在诊断睑板腺功能障碍中的诊断性能	睑板腺成像图像，来自14项研究中的5511名参与者	医学影像分析	睑板腺功能障碍	非接触式红外成像和体内共聚焦显微镜成像	深度学习模型	图像	14项研究，5511名参与者，18926张睑板腺图像	NA	深度学习架构（具体未指定）	敏感性、特异性、置信区间	NA
4	2026-09-04	Automated CTA-Derived Collateral Grading and Morphologic Metrics for Enhanced Prediction of Poststroke Outcomes 2026-Sep-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9289 PMID:41826063	研究论文	开发并验证一种基于CTA的自动定量侧支指数（qCI），利用深度学习U-Net分割框架，评估其预测急性缺血性脑卒中患者预后和功能结局的能力	提出全自动CTA衍生定量侧支指数（qCI），结合血管形态学指标，并验证其在预测卒中预后中优于CTP灌注指标的性能	单中心回顾性研究设计，样本量有限（230例）	评估自动CTA衍生侧支评分及形态学指标对急性缺血性脑卒中患者治疗后恢复和功能结局的预测能力	2019至2023年间接受血管内血栓切除术（EVT）的230例急性缺血性脑卒中（AIS）患者	医学影像分析	急性缺血性脑卒中	CTA血管成像	U-Net和梯度提升决策树（GBDT）	影像数据（CTA和CTP扫描）	230例急性缺血性脑卒中患者	NA	U-Net、梯度提升决策树	准确性、Pearson相关系数、Cohen κ、AUROC、Brier评分	NA
5	2026-09-04	Potential radiation dose reduction in computed tomography with deep learning reconstruction: a retrospective monocentric study 2026-09-01, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253513 PMID:41346133	研究论文	该回顾性单中心研究评估了深度学习重建相较迭代重建在常规临床CT扫描中的辐射剂量降低效果及其图像质量影响	大规模单中心研究，覆盖四种不同CT协议，全面评估深度学习重建的剂量降低一致性和有效性	回顾性单中心设计，可能导致选择偏倚，且未提及跨中心泛化性验证	评估深度学习重建能否在保持或提高图像质量的前提下降低常规临床CT扫描的辐射剂量，并分析其在不同协议中的一致性和有效性	13,060名接受四种CT协议（胸部、头部、胸腹盆肿瘤、下肢CTA）的患者，其中亚样本200名用于图像质量评估	医学图像分析	不适用	CT成像	深度学习重建	CT图像	13,060名患者（图像质量评估亚样本200名）	NA	NA	信噪比、对比噪声比	NA
6	2026-09-04	Artificial intelligence for the prediction of synchronous and metachronous liver metastasis in colorectal cancer patients: a systematic review and meta-analysis 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05433-0 PMID:41721867	系统综述与荟萃分析	本系统综述和荟萃分析评估了人工智能模型（包括放射组学和深度学习）预测结直肠癌患者同步和异时性肝转移的能力。	本研究首次对放射组学和深度学习模型在预测结直肠癌肝转移方面的性能进行了全面的系统评价和荟萃分析，包括对亚组和异质性来源的深入分析。	纳入研究的方法学和报告质量普遍偏低，存在偏倚风险，特别是在参考标准和指数测试方面。	评估人工智能模型是否能准确预测结直肠癌患者的同步和异时性肝转移。	结直肠癌患者的医学影像数据和人工智能预测模型。	医学影像分析	结直肠癌肝转移	NA	放射组学模型和深度学习模型	医学影像数据（如CT、MRI等）	包含21项研究，涉及6759个研究记录	NA	深度学习架构（如CNN等），具体未指明	敏感性、特异性、SROC曲线AUC、阳性似然比、阴性似然比、阳性预测值、阴性预测值	NA
7	2026-09-04	NPSVC++: A Representation Learning Framework for Nonparallel Classifiers 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3661343 PMID:41758861	研究论文	提出NPSVC++框架，通过多目标优化实现非平行支持向量分类器及其特征的联合学习	首次将多目标优化用于非平行支持向量分类器的表示学习，通过Pareto最优性保证特征最优性和类间独立性	未在标题和摘要中明确提及限制	打破非平行支持向量分类器无法通过表示学习（尤其深度学习）提升性能的瓶颈	非平行支持向量分类器及其特征学习问题	机器学习	NA	多目标优化，对偶优化	非平行支持向量分类器	NA	NA	NA	K-NPSVC++和D-NPSVC++	未在摘要中明确提及，但实验对比了现有方法	NA
8	2026-09-04	Applications of artificial intelligence algorithms in ultrasound-based kidney stone detection, classification, prediction, and management: a systematic review 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05419-y PMID:41801379	系统综述	本文系统综述了人工智能和深度学习算法在基于超声的肾结石检测、分类、并发症预测和手术指导中的应用。	系统分层评估AI/DL算法在不同任务（检测、预测、指导）中的性能，并整合QUADAS-2及AI扩展工具进行质量评估	研究存在方法学异质性和证据确定性低（GRADE评级），限制了荟萃分析的可行性	系统回顾并综合AI和深度学习算法在超声肾结石诊断和管理中的应用证据	超声图像中的肾结石，包括检测、分类、并发症预测和手术指导	医学影像分析	肾结石	超声成像	CNN变体、机器学习集成模型	超声图像和临床数据	9项研究	NA	CNN	准确率、AUC	NA
9	2026-09-04	A Deep Learning Approach for Dynamic Modeling of Stimulated Raman Scattering in Chalcogenide Microstructured Optical Fibers 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670396 PMID:41818024	research paper	提出一种基于混合神经网络的深度学习框架，用于快速准确预测硫系微结构光纤中的受激拉曼散射行为，相比传统方法显著提升计算速度。	首次成功在2微米直接泵浦的悬浮芯AsS微结构光纤中产生中红外受激拉曼散射，并利用混合神经网络实现动态建模，大幅加快预测速度。	未提及	开发一种快速且精确的深度学习模型，用于模拟非线性脉冲传播中的受激拉曼散射，替代计算代价高的传统方法。	硫系微结构光纤中的受激拉曼散射过程	机器学习	NA	NA	混合神经网络	模拟数据和实验数据	未明确报告；可能基于特定的光纤配置和多种输入参数	NA	混合神经网络（具体架构未指定）	与SSFM相比在GPU上快了116倍，在CPU上快了44倍；未明确给出精度指标	GPU和CPU环境对比
10	2026-09-04	Toward Robust End-to-End Delay Prediction: A GNN Approach With Routing-Aware Attention and Masked Subgraph Sampling 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670186 PMID:41886318	研究论文	提出一种基于图神经网络（GNN）的稳健端到端时延预测模型，通过全局路由表示、路由感知注意力和掩码子图采样，克服现有深度学习模型对路由序列编码的依赖，提升泛化能力	引入全局拓扑-路由统一表示、路由感知注意力机制以及掩码子图采样策略，无需路由序列即可推断全局路由相关性，增强对未知路由方案的泛化能力	未来仍需在更复杂和动态的路由场景中进一步验证模型	实现稳健的端到端时延预测，以支持智能网络管理	网络拓扑中的端到端时延预测，涉及多种路由配置	机器学习	NA	NA	图神经网络（GNN）	网络拓扑数据、路由数据	四个公开数据集（TnCwD, NSFNET, GBN, GEANT2）	NA	GNN	预测准确度	NA
11	2026-09-04	Semantic Prompt and Graph-Convolution-Structure Distillation Framework for Semantic Segmentation of Remote Sensing Images 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3675381 PMID:41911145	研究论文	提出一种语义提示与图卷积结构蒸馏框架，用于遥感图像语义分割，通过多模态特征增强和双路径知识蒸馏实现高效性能	设计双路径知识蒸馏方案，包括基于图卷积的结构蒸馏和无需外部文本监督的语义提示蒸馏，并引入两个轻量模块以融合去噪nDSM和RGB特征	本文摘要未明确提及局限性	解决高分辨率遥感语义分割中模态异质性、细粒度物体结构和深度学习高计算成本的问题	Vaihingen和Potsdam遥感数据集	计算机视觉	不适用	数字表面模型（nDSM）	知识蒸馏、图卷积网络、轻量级架构	图像	Vaihingen和Potsdam数据集	PyTorch（推断）	SPGSNet-S*（包含ASFE和RGB表示模块、双蒸馏模块）	竞争性性能（具体指标未在摘要中列出，如准确率和FLOPs）	未明确提及，但参数8.89M，FLOPs 2.29G，推断对资源需求低
12	2026-09-04	Keros-Net: a convolutional block attention module-squeeze-and-excitation-integrated hybrid learning framework for olfactory fossa depth classification 2026-09-01, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2026.263749 PMID:41848096	研究论文	本研究开发了一种结合深度学习和机器学习的新型混合决策框架（Keros-Net），用于根据Keros分类自动分类副鼻窦CT图像上的嗅窝深度	创新性地将CBAM和SE注意力机制与DenseNet架构集成，并结合多种特征选择技术和经典机器学习分类器，构建了比纯深度学习模型更准确的混合分类框架	未在摘要中提及	开发自动分类嗅窝深度的混合决策支持框架，以提高准确性、减少观察者变异性并支持更安全的内窥镜鼻窦手术	481名个体的1,549个裁剪冠状位CT切片，根据Keros分型标记为I-III型	medical image analysis	NA	CT成像	CNN, SVM, 随机森林, XGBoost, 逻辑回归, 朴素贝叶斯	图像	481名个体（1,549个裁剪冠状位CT切片）	NA	DenseNet121, DenseNet169, DenseNet201	准确率, 精确率, 召回率, F1分数	NA
13	2026-09-04	Seeing What Few-Shot Learners See: Contrastive Cross-Class Attribution for Explainability 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3672242 PMID:41860917	研究论文	本文提出对比跨类归因方法（C3A）及其变体C3A-E，以增强小样本学习模型的可解释性，并在多个基准上展示了优于现有方法的性能。	提出分类器无关的C3A方法，利用骨干网络实现跨不同FSL范式的广泛适用性；引入对比局部描述符，结合NBNN和Fisher评分归因以保留细节并增强类别间判别。	文中未明确提及局限性。	提升小样本学习模型的可解释性，使其在数据受限领域（如医疗）中更可信。	小样本学习模型及其在查询样本和情景学习中的预测解释。	机器学习	不适用	对比学习、归因方法	小样本学习模型（卷积网络和视觉Transformer）	图像数据（四个FSL基准数据集隐含）	四个FSL基准数据集，具体样本数量未详述	未在摘要中明确提及，代码在GitHub上公开	Conv64F, ResNet12, ResNet18, ViT	插入区域曲线下面积（iAUC），删除区域曲线上面面积（dAAC）	未在摘要中提及
14	2026-09-04	Hybrid Convolution Reparameterization for Efficient Deep Learning-Based Nonprecipitation Echo Recognition and Removal 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3675666 PMID:41945840	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15	2026-09-04	Interpretable deep learning model for pediatric strangulated small bowel obstruction on CT: A multicenter study 2026-Aug, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163075 PMID:41825499	研究论文	开发并验证一种基于深度学习的多实例学习模型，整合CT影像和临床数据，以提高儿童绞窄性小肠梗阻与单纯性小肠梗阻的鉴别诊断准确性。	首次将多实例学习（MIL）模型应用于儿童绞窄性小肠梗阻的CT影像诊断，并整合临床数据，同时使用SHAP进行可解释性分析。	作为多中心回顾性研究，样本量相对较小，且仅限于年龄1-14岁的住院患者，可能限制了模型的泛化性。	提高儿童绞窄性小肠梗阻与单纯性小肠梗阻的鉴别诊断准确性。	168名1-14岁的儿童小肠梗阻患者，其中118名男性。	医学影像分析	小肠梗阻	CT成像	多实例学习（MIL）	CT影像和临床数据	168名患者	NA	多实例学习（MIL）模型	AUC, 95%CI, p值	NA
16	2026-09-04	Deep learning for non-invasive detection of steatosis and fibrosis in MASLD: a multicenter study with a new fibroscan-labelled ultrasound dataset 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05309-9 PMID:41284028	研究论文	本研究旨在开发和验证基于常规B超图像、以Fibroscan测量为参考标准的深度学习模型，用于非侵入性评估MASLD患者的肝脂肪变性和纤维化	使用多中心超声数据集，包含新标记的Fibroscan超声数据集，模型性能优于专家放射科医生	未在文中明确提及	开发并验证深度学习模型，用于非侵入性检测肝脂肪变性和纤维化	MASLD患者的常规B超图像	计算机视觉, 数字病理学	代谢相关脂肪性肝病（MASLD）	B-mode超声成像, Fibroscan	EfficientNet-B4, Vision Transformers	图像	DS1: 111名患者1131张图像; DS2: 95名患者1328张图像; DS3: 18名患者185张图像; DS4: 23名患者155张图像	NA	EfficientNet-B4, Vision Transformers	AUROC	NA
17	2026-09-04	Identification of Aspergillus at section and species levels by artificial intelligence-based microscopic morphology image recognition 2026-04-08, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/jcm.00012-26 PMID:41757926	研究论文	本研究提出FungalNet深度学习模型，结合ResNet-50架构与Focal Loss算法，用于临床微生物学中曲霉属的自动识别，在属和种水平上分别达到98.45%和97.85%的准确率。	首次将Focal Loss与ResNet-50结合用于曲霉属的显微形态图像识别，并引入了结合五折交叉验证和专家人工审核的新型质量控制方法。	未明确提及局限性，但可能包括模型泛化性依赖于训练数据的代表性，以及需要进一步多中心验证。	评估深度学习模型在临床微生物学中对曲霉属进行快速、准确识别的性能，特别是在物种和属水平上的分类能力。	曲霉属的物种和属，包括12种临床分离的曲霉属物种，分属8个不同属。	计算机视觉,数字病理学	曲霉病	显微形态学、深度学习	CNN	图像	共收集12,000张图像，经质量控制排除311张，最终使用11,689张合格图像，涉及12种临床分离的曲霉属物种。	NA	FungalNet（ResNet-50）、GoogLeNet、Xception	准确率	NA
18	2026-09-04	Scaling trachoma surveillance in endemic areas using machine learning 2026-Apr-03, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13215-8 PMID:41933299	研究论文	本研究开发并评估了一种基于眼睑图像的迁移学习模型，用于沙眼的内眦图像自动分类，以支持地方性流行区域的监测工作	利用ImageNet预训练的ResNet50模型，构建了基于R语言的可复现深度学习流程，专为沙眼自动分类设计，并结合多个国家的现场调查图像数据进行验证	数据集规模有限（共572张图像），需更大样本才能用于项目监测的实际部署，研究为回顾性分析且未提供临床试用编号	开发并评估一种基于眼睑图像的迁移学习模型，用于沙眼自动分类，以实现大规模监测中的可扩展诊断	来自7个国家（埃塞俄比亚、坦桑尼亚、澳大利亚、所罗门群岛、哥伦比亚、冈比亚、危地马拉）的572张内眼睑图像，包括沙眼阳性（251张）和阴性（321张）样本	计算机视觉	沙眼（传染性眼病）	图像分类（基于眼睑照片）	卷积神经网络（CNN）	图像（内眼睑照片）	572张图像（251阳性，321阴性），保留验证集中62张（12%）用于评估	TensorFlow, Keras（通过R的reticulate接口）	ResNet50	准确率、灵敏度、特异度、Cohen κ系数	未具体说明（基于R和Python环境）
19	2026-09-04	Single-cell resolution spatial transcriptomic signature of the retrosplenial cortex during memory consolidation 2026-Apr, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03331-3 PMID:41188622	研究论文	利用空间转录组学技术解析记忆巩固过程中压后皮层（RSC）的单细胞分辨率转录组特征，并揭示其在阿尔茨海默病相关痴呆模型中的异常	首次在单细胞分辨率下解析压后皮层在空间记忆巩固过程中各兴奋性神经元亚型的转录组动态变化，并利用深度学习工具预测学习后的细胞类型特异性分子激活模式	未明确提及	探究空间记忆巩固过程中压后皮层（RSC）的转录组特征及其对长期记忆维持的机制	小鼠压后皮层（RSC）的兴奋性神经元及阿尔茨海默病相关痴呆（ADRD）小鼠模型	空间转录组学、神经科学、深度学习	阿尔茨海默病相关痴呆	空间转录组学（Xenium平台）	深度学习模型（具体类型未明确）	空间基因表达数据	未明确提及具体样本数量	NA	NA	NA	NA
20	2026-09-04	Development and Validation of Machine Learning Models for Predicting Early Cognitive Decline Using Home Sensor-Derived Behavioral Data: Sensors in-Home for Elder Wellbeing (SINEW) Cohort Study 2026-04-01, JMIR research protocols IF:1.4Q3 DOI:10.2196/79490 PMID:41921108	研究论文	本研究旨在开发和验证基于家庭传感器数据的机器学习模型，用于预测老年人的早期认知衰退，并区分正常衰老与轻度认知障碍、早期痴呆、衰弱前期或衰弱状态。	利用连续家庭监测的多传感器系统（包括被动红外运动传感器、门磁传感器、床传感器等）获取的行为数据与临床数据结合，开发监督式机器学习模型，以预测正常老化到轻度认知障碍或衰弱的转变，这为早期干预提供了可能。	研究仍在进行中，完整的数据分析尚未开始，因此尚未提供模型的验证结果；主要限制是当前样本规模较小（截至2025年6月仅138名参与者），可能影响模型的泛化能力。	开发并验证一种基于家庭传感器系统的机器学习模型，用于早期识别有轻度认知障碍或衰弱前期风险的老年人，以促进及时干预并可能减缓疾病进展。	社区居住的年龄≥65岁、基线时认知正常或轻度认知障碍的老年人。	机器学习、数字病理学	老年疾病（痴呆、认知障碍、衰弱）	家庭传感器监测（被动红外、门磁、床、药物箱、穿戴式活动带、蓝牙信标）	逻辑回归、随机森林、梯度提升、深度学习	传感器数据（时空间活动模式、移动性、睡眠行为、药物服用习惯）和临床数据（认知测试、衰弱测量等）	目标200名，截至2025年6月已招募138名社区老年人	未明确提及，但可能使用Scikit-learn、PyTorch或TensorFlow	未明确指定，如逻辑回归、随机森林、梯度提升、深度学习	AUC、灵敏度、特异性、精确度、召回率、F1分数	未明确提及