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	2026-06-29	Comment on "Automatic rib fracture detection on postmortem CT data using deep learning" 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03755-8 PMID:41731167	评论	对Lopez-Melia等人利用深度学习自动检测死后CT肋骨骨折研究的评论，并讨论其发现解释中的三个问题	指出前人研究对比不明确、参考标准可能存在循环性、以及领域偏移实验设计中的关键缺陷，并提出改进建议	参考标准由同一位放射科医生基于模型输出修订，可能导致循环验证；临床与死后CT数据间的领域偏移未充分处理	批判性分析自动肋骨骨折检测研究的有效性，并推动法医实践中的计算机辅助检测发展	死后CT肋骨骨折检测方法及临床与死后数据间的领域偏移影响	计算机视觉	肋骨骨折	死后CT成像	nnDetection（三维目标检测框架）	CT影像	未明确提及	nnDetection	无明确指定	未详细列出	未提及
2	2026-06-29	Deep learning in traditional Chinese medicine 2026-Jul, Journal of integrative medicine DOI:10.1016/j.joim.2026.03.001 PMID:41856852	综述	总结了深度学习在中医研究中的应用，包括医学图像处理、药物物质研究、数据融合和自然语言处理	首次系统综述深度学习在中医数据挖掘中的潜力与挑战	中医高质量数据仍不足，限制了深度学习技术的进一步发展	探讨深度学习在中医领域的应用现状与前景	中医领域的医学图像、药物物质、数据融合和自然语言处理数据	自然语言处理	NA	NA	深度学习	图像和文本	NA	NA	NA	NA	NA
3	2026-06-29	The effect of deep learning-based compressed sensing on the image quality of contrast-enhanced 3D T1-weighted images of the maxillofacial region 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00913-x PMID:41886240	研究论文	对比基于深度学习的压缩感知与传统算法压缩感知在颌面部对比增强3D T1加权图像中的图像质量	首次系统评估深度学习压缩感知在高加速因子和低信噪比区域对颌面部图像质量的提升效果	NA	评估基于深度学习的压缩感知重建图像在颌面部对比增强3D T1加权像中的图像质量	32例患者经两种不同重建方法（传统算法压缩感知和深度学习压缩感知）获得的图像	计算机视觉	NA	压缩感知（CS）	深度学习模型	图像	32例患者的颌面部对比增强3D T1加权图像	NA	NA	信噪比（SNR）、结构相似性指数（SSIM）、主观噪声评分、解剖结构可视化评分、运动伪影评分	NA
4	2026-06-29	Development of a deep learning-based tool for coronary artery stenosis evaluation in forensic autopsies using whole slide imaging 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03800-6 PMID:41998396	研究论文	开发基于深度学习的工具，利用全切片图像在法医尸检中客观评估冠状动脉狭窄	首次将SegFormer-B0变压器模型应用于法医尸检中的冠状动脉狭窄评估，通过后处理强制解剖结构层次并生成混合置信度图，实现了快速、可审计和可重复的狭窄测量	样本量较小（仅来自98张切片和234个冠脉截面），且数据集分割中训练、验证和测试集数量有限，可能影响模型的泛化能力	开发一种基于全切片图像的AI驱动工具，用于法医尸检中客观评估冠状动脉狭窄，以克服主观视觉评估和观察者间变异性问题	法医尸检中苏木精-伊红染色的冠状动脉切片	数字病理学	冠状动脉疾病	全切片成像	SegFormer-B0变压器模型	图像	98张匿名化尸检切片（234个冠脉截面），选取103个高质量感兴趣区域，分为训练（82个）、验证（14个）和测试（7个）数据集	NA	SegFormer-B0	平均绝对误差、均方根误差、平均绝对百分比误差、相关系数、组内相关系数、Bland-Altman偏差	NA
5	2026-06-29	Automated periodontitis diagnosis and staging using an end-to-end deep learning model on panoramic dental radiographs 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00921-x PMID:41998397	研究论文	利用YOLOv11深度学习模型，通过全景X光片自动分割牙齿、检测解剖标志并诊断牙周炎分期	首次采用YOLOv11实现端到端的牙周炎自动诊断和分期，包括牙齿分割、关键点检测和骨损失计算	研究仅使用单一类型影像数据（全景X光片），且样本量较小（607张），可能影响模型泛化性	开发和验证基于深度学习的牙周炎自动诊断与分期系统	人体全景X光片中的牙齿和牙周组织	计算机视觉	牙周炎	全景X光成像	YOLOv11	图像	607张全景X光片	NA	YOLOv11	精确率、召回率、F1分数、平均精度、皮尔逊相关系数、组内相关系数	NA
6	2026-06-29	Automated Dental Age Estimation from Panoramic Radiographs using an Interpretable Deep Learning Model 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03748-7 PMID:41845068	研究论文	开发了一种可解释的深度学习模型，用于从全景X光片中自动估计牙齿年龄	模型具有自评估置信度并提供预测区间，利用梯度加权类激活图提供生物可解释性，在准确性和处理速度上均优于专家评估	模型训练数据仅来自3.00–14.99岁个体，对年龄范围外个体的适用性未知	实现准确、高效且可解释的牙齿年龄自动估计，支持法医学和儿科牙科评估	牙齿发育状态	机器学习	NA	全景X光片成像	深度学习模型	图像	7207张全景X光片，来自3.00–14.99岁个体	PyTorch	NA	平均绝对误差, 均方根误差, R², 预测区间覆盖率	NA
7	2026-06-29	Multi-view deep fusion for forensic dental age estimation in tomographic imaging 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03749-6 PMID:41803444	研究论文	提出一种多视图深度学习融合方法，利用锥形束CT扫描和临床元数据法进行法医牙龄估计	首次将正交CBCT视图（冠状面和矢状面）与临床元数据（生物学性别及自动牙髓-牙齿比指数）融合，实现多模态深度牙龄估计	研究未提及具体的局限性（从摘要推断可能包括数据集规模或特定年龄组的泛化能力）	基于CBCT影像的法医牙龄估计，以提高年轻成人（18-32岁）的精度	上颌中切牙的CBCT影像及临床元数据（性别和牙髓-牙齿比指数）	计算机视觉	NA	CBCT成像	CNN（基于EfficientNet-V2）	影像（CBCT扫描），元数据（性别、PTR指数）	IPCTI数据集（未说明具体样本数）	PyTorch	EfficientNet-V2	MAE（平均绝对误差）	NA
8	2026-06-29	The "fat heat-up" phenotype: adipose tissue hypermetabolism on 18 F-FDG PET/CT predicts frailty in older patients with solid tumours 2026-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07843-0 PMID:41863605	研究论文	通过18F-FDG PET/CT测量脂肪组织代谢活动，研究其与老年实体瘤患者衰弱状态的关系	首次提出脂肪组织高代谢（“脂肪加热”表型）作为独立于体成分的衰弱影像标志物，利用深度学习和全身PET/CT常规图像进行客观量化	单中心研究、样本量较小（104例），需外部验证；绝对SUV值较低可能受技术因素影响；未包含其他代谢或炎症生物标志物对比	探究脂肪组织糖酵解活动与老年实体瘤患者衰弱状态的关联	104名50岁以上实体恶性肿瘤患者（中位年龄63.5岁）	计算机视觉, 自然语言处理, 机器学习, 数字病理学	实体肿瘤, 老年性疾病	18F-FDG PET/CT, 深度学习分割（TotalSegmentator）	深度学习分割模型	医学影像（PET/CT）	104例患者	NA	TotalSegmentator	准确率, 最大SUV值, 平均SUV值	NA
9	2026-06-29	A deep learning PET/CT biomarker for early progression (POD24) and survival stratification in follicular lymphoma: a multicenter study 2026-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07838-x PMID:41870550	研究论文	开发并验证一种基于基线[¹⁸F]FDG PET/CT的深度学习影像生物标志物，用于预测滤泡性淋巴瘤患者的24个月内疾病进展（POD24）和生存风险分层	首次采用表格深度学习（GAMformer模型）从PET/CT影像提取高通量放射组学特征，构建用于POD24预测和生存风险分层的多参数模型，并在多中心验证中优于传统临床评分系统（FLIPI、FLIPI-2、PRIMA-PI）	回顾性研究设计，样本量有限（309例），且未包含外部独立验证队列	开发可预测滤泡性淋巴瘤早期进展和生存风险的预后成像生物标志物，支持精准治疗决策	滤泡性淋巴瘤（FL）患者（1-3a级）的新诊断病例	机器学习	滤泡性淋巴瘤	PET/CT, 放射组学	表格深度学习模型, GAMformer	图像, 临床变量	309例滤泡性淋巴瘤患者（来自5个独立医学中心）	PyTorch, Scikit-learn	GAMformer, 随机森林, 支持向量机, XGBoost等传统机器学习算法	AUC, 校准曲线, 决策曲线分析	NA
10	2026-06-29	Radiographic choice for skeletal maturation assessment: a systematic review of Cervical Vertebrae Method and Middle Phalanx Method 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00912-y PMID:41917479	系统综述	系统综述颈椎骨成熟度评估中颈椎骨法（CVM）和中指骨法（MPM）的放射影像选择，为临床医生提供指南	结合深度学习和人工智能技术，揭示了颈椎骨法在人工智能支持下准确率显著提升，且无需额外手-腕放射片	仅纳入近十年文献，可能遗漏早期研究；部分研究证据质量未充分评估	为临床医生选择最合适的骨龄评估放射影像方法及青春期生长突增时机提供更新指南	颈椎骨法（CVM）与中指骨法（MPM）的比较研究	医学影像	骨骼成熟评估	放射影像（X射线）	深度学习（DL）和人工智能（AI）系统	放射影像	13项研究	NA	NA	观察者间可靠性、准确率	NA
11	2026-06-29	PASSpedia: A Polyadenylation Site Database Across Different Species at Single-cell Resolution 2026-Jun-26, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf089 PMID:40986375	科研论文	介绍了PASSpedia数据库，该数据库基于深度学习流程SCAPTURE v2，从单细胞分辨率下分析七种物种的多聚腺苷酸化位点	首次构建跨物种单细胞分辨率的多聚腺苷酸化位点综合数据库，升级了基于深度学习的PAS分析流程SCAPTURE v2，揭示了不同物种间PAS使用偏好差异	NA	构建跨物种单细胞分辨率的多聚腺苷酸化位点数据库，并研究物种间PAS使用偏好	七种物种（人、小鼠等）的1330个公开单细胞RNA-seq数据集中的多聚腺苷酸化位点	机器学习	NA	单细胞RNA测序（scRNA-seq）、三代长读长测序	深度学习模型（SCAPTURE v2）	序列数据	1330个单细胞RNA-seq数据集，覆盖七种物种	NA	NA	NA	NA
12	2026-06-29	Multimodal Machine Learning with 3D-Weighted-Matrix Encoding for High-Throughput Design of High-Performance Polyurethanes 2026-Jun, Macromolecular rapid communications IF:4.2Q2 DOI:10.1002/marc.202500471 PMID:41014522	研究论文	开发了一种结合机器学习、多模态特征工程和特征融合策略的高通量筛选框架，用于预测聚氨酯材料的机械性能	提出3D加权矩阵编码方法表征聚氨酯单体，相比传统分子描述符在特征区分度上提升23%，并采用早期融合架构整合结构特征与合成工艺参数	NA	实现聚氨酯材料机械性能的预测和高通量设计	聚氨酯材料	机器学习	NA	机器学习、高通量筛选	多模态深度学习模型	化学结构数据和合成工艺参数	超过1.5亿种分子和工艺组合	PyTorch	3D-Weighted-Matrix编码、早期融合架构	决定系数	NA
13	2026-06-29	Improved image quality and greater diagnostic suitability in myocardial delayed enhancement CT with deep learning image reconstruction 2026-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-01958-y PMID:41701468	研究论文	评估深度学习图像重建在心肌延迟增强CT中改善图像质量和诊断适用性的效果	首次在心肌延迟增强CT中系统评估深度学习图像重建相比混合迭代重建在定量和定性图像质量上的优势	研究为单中心回顾性设计，样本量有限（108例），且未评估临床诊断准确性	比较深度学习图像重建与常规混合迭代重建在心肌延迟增强CT中的图像质量和诊断适用性	108例经CT确认有心肌延迟增强的患者	计算机视觉	心肌纤维化	CT	深度学习图像重建	图像	108例患者	NA	深度学习图像重建	图像噪声、对比度噪声比、信噪比、5点Likert量表评分	NA
14	2026-06-29	Deep learning-driven MRI segmentation of choroid plexus volume: a novel biomarker for cognitive impairment in type 2 diabetes mellitus 2026-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01944-w PMID:41863666	研究论文	利用深度学习模型自动分割脉络丛体积，探究其作为2型糖尿病认知障碍生物标志物的价值	首次发现脉络丛体积增大与2型糖尿病认知障碍相关，并利用3D nnU-Net深度学习模型实现自动分割	样本量较小（71例患者和111例对照），需进一步验证结果通用性	研究脉络丛体积变化与2型糖尿病认知功能的关系，并识别独立影响因素	2型糖尿病患者和健康对照者的脉络丛体积与认知功能	计算机视觉	2型糖尿病	MRI	3D nnU-Net	MRI图像	71例2型糖尿病患者和111例健康对照者	NA	3D nnU-Net	NA	NA
15	2026-06-29	Deep learning for carotid Doppler spectra classification 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03569-1 PMID:41979720	研究论文	本研究聚焦于利用深度学习仅依据颈动脉频谱多普勒波形自动识别颈动脉段，以实现低成本心血管疾病筛查	首次解决了仅凭频谱多普勒波形自动识别颈动脉段这一此前未解决的问题，并利用可解释人工智能工具提供直观视觉洞察	未明确提及，但可从研究设计推断：样本仅398例，可能缺乏外部验证，CNN在ECA段表现略低	实现仅基于频谱多普勒波形自动识别颈总动脉、颈内动脉和颈外动脉，用于后续疾病分类	颈动脉频谱多普勒波形数据	机器学习和数字病理	心血管疾病	NA	CNN	图像（频谱图像）	398例参与者（198健康对照，200心血管疾病患者）	NA	GoogLeNet	AUC, F1-score	NA
16	2026-06-29	In Situ Probing of Polymer Residence on the Nanoparticle Surface by Combining Deep Learning and Single-Molecule Fluorescence Tracking 2026-Jun, Macromolecular rapid communications IF:4.2Q2 DOI:10.1002/marc.202500477 PMID:40880498	研究论文	提出一种结合深度学习与单分子荧光追踪技术，用于原位探测纳米颗粒表面聚合物吸附与解吸附的方法	通过1D卷积神经网络识别扩散状态转变，实现聚合物在纳米颗粒表面吸附事件的准确识别，优于传统隐马尔可夫模型和阈值方法	NA	开发原位分析方法，研究纠缠聚合物溶液中聚合物在纳米颗粒表面的吸附与解吸附行为	聚合物在纳米颗粒表面的吸附与解吸附过程	机器学习	NA	单分子荧光追踪	1D-CNN	数值生成轨迹和实验轨迹	NA	NA	1D卷积神经网络	准确率, F1分数	NA
17	2026-06-29	Fetal health classification: a deep learning model with enhanced interpretability and lightweight deployment 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03525-z PMID:41940912	研究论文	提出一种基于前馈神经网络和超参数优化的胎儿健康分类深度学习模型，以提高可解释性和轻量化部署	使用贝叶斯搜索进行超参数优化，实现前馈神经网络在胎儿健康分类中的性能和效率提升	未在真实临床环境中进行大规模验证，可能受限于数据集大小和多样性	开发一种优化的深度学习模型用于胎儿健康分类，支持早期妊娠并发症检测	胎儿健康状态（通过心电监护记录数据分类）	机器学习	妊娠并发症	心电监护（CTG）	前馈神经网络（FNN）	时间序列数据	未在摘要中明确提及具体样本数量	NA	前馈神经网络（FNN），包含两个隐藏层（96和256个神经元）	准确率、精确率、召回率、F1分数、AUC-ROC	NA
18	2026-06-29	Uncertainty-aware deep learning for classifying colonic fdg-pet uptake using radiomic features 2026-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01044-y PMID:41961248	研究论文	本研究开发了基于放射性组学特征分类的深度学习模型，用于区分结直肠FDG-PET的肿瘤性与非肿瘤性摄取，并评估分类性能与预测不确定性	首次将放射性组学特征分类（形态、强度、纹理）与深度学习结合，并纳入预测不确定性评估（基于蒙特卡洛Dropout与风险-覆盖曲线）来提升临床决策安全性	样本量较小（80例），且仅针对单一中心数据，可能限制模型泛化性	评估深度学习模型在利用放射性组学特征区分结直肠FDG-PET肿瘤性与非肿瘤性摄取时的性能，并探索不确定性引导的临床决策支持策略	80例患者的结直肠FDG-PET数据（45例肿瘤性、35例非肿瘤性）	机器学习	结直肠癌	FDG-PET成像	深度学习模型	图像	80例患者（45例肿瘤性、35例非肿瘤性）	NA	NA	准确率、AUC、AURC	NA
19	2026-06-29	IoT-powered wearable assist device for visually impaired 2026-May, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2582033 PMID:41182323	研究论文	开发了一种基于物联网的穿戴式辅助设备，用于帮助视觉障碍者感知障碍物、提升移动能力和与环境的交互	将实时目标检测、面部识别和障碍物感知整合到一个框架中，并混合使用SVM、ResNet-50和YOLOv4算法实现低延迟和高精度	未来工作需要大规模用户验证以提升可用性、可访问性和舒适度	开发和评估一种可穿戴辅助设备，改善视觉障碍者的障碍物感知、移动能力和环境交互	视觉障碍者	计算机视觉，物联网	视觉障碍	物联网，深度学习，机器学习	SVM，ResNet-50 CNN，YOLOv4	图像	未提供	未提供	SVM，ResNet-50，YOLOv4	准确率，精确率，召回率，F1分数	未提供
20	2026-06-29	A novel hybrid segmentation method coupled with deep learning for coronary artery extraction from coronary CT angiography 2026-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03643-7 PMID:41746482	研究论文	提出一种结合深度学习与图像处理滤波器的混合方法，用于从冠状动脉CT血管成像中自动提取冠状动脉	创新性地将深度学习与独特的数学图像处理滤波器集成，并利用强度梯度开发轮廓检测算法，显著提升了分割性能	未明确提及局限性	实现从CCTA图像中准确、稳健且自动的冠状动脉分割，以辅助冠状动脉疾病的临床诊断	84名患者的内部验证集和40名患者的外部公开数据集中的CCTA扫描图像	计算机视觉	冠状动脉疾病	CCTA	深度学习与图像处理混合模型	医学图像	84名患者（内部验证集）和40名患者（外部公开数据集）	NA	轮廓检测算法	Dice系数（Dice score）	NA