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
201	2026-06-18	Area detection improves the person-based performance of a deep learning system for classifying the presence of carotid artery calcifications on panoramic radiographs 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00843-0 PMID:40694246	研究论文	研究两种基于区域检测的深度学习系统在口腔全景X光片上分类颈动脉钙化灶的效果，并与直接分类整张影像的系统进行比较	首次比较前置区域检测和同步区域检测两种策略对深度学习系统在口腔全景X光片上分类颈动脉钙化的性能提升	未明确说明	评估前置或同步区域检测功能对深度学习系统分类颈动脉钙化性能的影响	口腔全景X光片上颈动脉钙化灶的分类	计算机视觉	颈动脉钙化	深度学习	卷积神经网络	图像	580张来自290名患者和290名对照的口腔全景X光片	NA	GoogLeNet, YOLOv7	AUC	NA
202	2026-06-18	Deep learning model for automated segmentation of sphenoid sinus and middle skull base structures in CBCT volumes using nnU-Net v2 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00848-9 PMID:40748555	研究论文	基于nnU-Net v2开发深度学习模型，实现CBCT图像中蝶窦和中颅底结构的自动分割	首次将nnU-Net v2应用于CBCT图像中蝶窦及中颅底解剖结构的自动分割，并评估其分割性能	模型在中颅底其他孔的骨性结构分割上表现有限，需进一步优化	开发并验证用于CBCT影像中蝶窦和中颅底结构自动分割的深度学习模型	蝶窦、圆孔、翼管及中颅底其他孔的骨性结构	计算机视觉	无特定疾病	锥形束计算机断层扫描（CBCT）	nnU-Net v2	医学图像（CBCT扫描）	99例CBCT扫描样本	nnU-Net v2	nnU-Net v2	准确率、精确率、召回率、Dice系数、95% Hausdorff距离、交叉并比、AUC	未提及
203	2026-06-18	Evaluation of deep learning-based segmentation models for carotid artery calcification detection in panoramic radiographs 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00858-7 PMID:40931257	研究论文	评估深度学习分割模型在全景X光片中检测颈动脉钙化的有效性，并比较不同YOLO模型的性能	首次系统比较YOLOv5x-seg、YOLOv8x-seg和YOLOv11x-seg三种分割模型在颈动脉钙化检测中的表现，并探讨患者性别与疾病关联	数据来自单一机构，样本量相对较小（652张标注X光片），需更大规模多样化验证泛化性	评估AI辅助分割方法检测颈动脉钙化的性能，并分析性别关联	颈动脉钙化检测	计算机视觉	心血管疾病	全景X光成像	YOLO	图像	30,883张全景X光片，其中652张标注（共1,086个标注）	PyTorch	YOLOv5x-seg, YOLOv8x-seg, YOLOv11x-seg	精确率, 敏感度, F1分数	NA
204	2026-06-18	Automated diagnosis and classification of skeletal malocclusion using artificial intelligence on 2D facial photographs: A multi-modal deep learning approach 2026-01, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106257 PMID:41270953	研究论文	利用2D面部照片和元数据通过多模态深度学习框架诊断和分类骨性错颌畸形	首次将面部照片与元数据（性别和年龄）结合，使用MobileNetV3-Large作为骨干网络构建FaceDSM-Net，实现了基于2D照片的骨性错颌畸形可靠分类，并通过Grad-CAM提供可解释性	模型的泛化能力仅达到中等水平，尤其在侧面垂直分类任务上；样本量有限且为单中心回顾性数据，可能影响外部推广性	建立并验证一种基于2D面部照片的两阶段深度学习框架，用于经济高效地识别矢状向和垂直向骨性错颌畸形	1427名患者的2854张面部照片及对应侧位头影测量片和元数据（性别和年龄）	计算机视觉	骨性错颌畸形	多模态深度学习	CNN	图像	1427名患者的2854张2D面部照片	PyTorch	MobileNetV3-Large	准确率、精确率、AUC、召回率、F1分数	NA
205	2026-06-18	Deep Learning-Based Prediction Model for Cardiac Resynchronization Therapy Responders Using Electrocardiogram Data 2026-01, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70212 PMID:41331773	研究论文	利用术前心电图数据开发深度学习模型预测心脏再同步治疗反应者	首次将自监督学习增强的ResNet-18模型应用于心电图图像预测CRT反应，并利用Grad-CAM解释模型关注区域，揭示了心电特征异质性	样本量较小（285例），为单中心回顾性研究，且模型性能仍有提升空间，PPV和NPV的均衡性需进一步优化	开发并评估基于术前心电图的深度学习模型，用于预测CRT反应，以改善患者筛选和个性化治疗策略	接受CRT植入并完成6个月随访的心力衰竭患者	机器学习	心血管疾病	心电图（ECG）	CNN, LightGBM, 自监督学习	图像, 时间序列	285名患者（其中36例用于模型可解释性分析）	PyTorch, LightGBM	ResNet-18, LightGBM	准确率, 阳性预测值, 阴性预测值	NA
206	2026-06-18	Deep Learning Approaches for Multiple Sclerosis Detection in MRI Images 2026, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/5726771 PMID:41943462	研究论文	探索利用深度学习模型自动检测MRI图像中多发性硬化症病灶	系统比较多种CNN架构在MS病灶检测任务上的表现，发现预训练VGG16效果最佳	数据集来自少数患者（60例），模型在资源受限环境中效率与性能的平衡有待验证	自动化MS病灶检测以提高临床诊断效率	MRI图像中的多发性硬化症病灶	计算机视觉	多发性硬化症	MRI	CNN	图像	来自60名患者的2831张FLAIR和T2 MRI切片	NA	AlexNet, VGG16, ResNet-10, DenseNet-121	准确率, 精确率, 召回率, F1分数, AUC	NA
207	2026-06-18	Hybrid deep learning and feature selection approach for autism detection from rs-fMRI data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339921 PMID:41945612	研究论文	提出一种混合深度学习与特征选择方法，用于从rs-fMRI数据中检测自闭症	将改进的指数三角优化算法与深度学习特征提取相结合，通过融入算术优化算法和引导学习策略提高诊断性能	未明确说明限制	提高自闭症谱系障碍诊断的准确性和性能	自闭症谱系障碍患者和健康对照者的rs-fMRI数据	机器学习	自闭症谱系障碍	rs-fMRI	深度学习	图像	使用ABIDE I数据集，具体样本量未明确	NA	NA	准确率, 灵敏度, AUC	NA
208	2026-06-18	A two stage statistical framework for cold start spare part demand forecasting 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350729 PMID:42302088	研究论文	提出一种两阶段统计框架ZIG MC，用于在无历史数据的冷启动条件下预测备件需求	将需求分解为发生概率与量级两个独立组件，并通过蒙特卡洛模拟生成完全概率预测，解决了零膨胀和分布不确定性难题	依赖分布假设（伯努利与伽马分布），且对蒙特卡洛采样大小敏感，工业应用中对计算资源有一定需求	在无历史数据的冷启动条件下实现准确且完全概率的备件需求预测	工业交易数据集中的新备件	机器学习	NA	NA	伯努利分类器、伽马模型、蒙特卡洛模拟	交易数据	工业交易数据集，具体样本数量未说明	PyTorch（用于DeepAR基准）	伯努利分类器与伽马回归模型组成的零膨胀伽马蒙特卡洛（ZIG MC）框架	MAE, MASE, CRPS, 分位数可靠性分析	NVIDIA RTX 3090 GPU（用于DeepAR训练）
209	2026-06-18	Domain-aware domain-class adaptation network for motor execution to motor imagery EEG classification 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1851006 PMID:42305781	研究论文	提出了领域感知的域类自适应网络用于运动执行到运动想象的脑电信号分类	首次验证了领域自适应在运动执行到运动想象跨任务迁移学习中的可行性，并提出域类自适应网络同时实现域级和类级对齐	未明确提及局限性	解决运动执行到运动想象跨任务迁移学习中未探索的问题，提升运动想象脑电解码性能	运动执行（源域）与运动想象（目标域）脑电信号	机器学习	NA	EEG	DDCA Net	脑电图信号	包含超过100名受试者的公开数据集	PyTorch	DDCA Net	分类准确率	NA
210	2026-06-18	Identification of Antibacterial Hits Associated with Penicillin-Binding Protein 2 in Escherichia coli Using a Comprehensive Property Spectrum and Fivefold Maximum Drug-Likeness Strategy 2026, Drug design, development and therapy DOI:10.2147/DDDT.S595430 PMID:42305821	研究论文	开发并应用五重最大类药策略，优先筛选针对大肠杆菌的抗菌候选化合物	提出基于深度学习的33维属性谱和五重最大类药策略，综合评估抗菌候选物的多重性质	M2的机制、安全性及更广泛适用性需进一步验证	早期抗菌候选物筛选，平衡抗菌活性与可开发性	大肠杆菌中的青霉素结合蛋白2	机器学习	细菌感染	深度学习、分子对接、分子动力学模拟、Bocillin-FL竞争实验	NA	化学分子结构数据	约1600万商业分子筛选，15个候选实验评估	NA	NA	属性谱相似度得分（0.929-0.971）、最低抑菌浓度（MIC）、抑菌圈直径	NA
211	2026-06-18	Advances in AI-based diagnosis of Alzheimer's disease using MRI: a comprehensive survey 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1767090 PMID:42305954	综述	全面评估2000-2025年间利用MRI和人工智能诊断阿尔茨海默症的研究，识别关键限制并展望未来方向	系统总结了限制AI检测阿尔茨海默症临床应用的五大挑战，并提出联邦学习、可解释AI和标准化基准协议等解决方案	研究主要基于现有文献的综合分析，未提出具体的实验验证或新模型	综述基于MRI的AI诊断阿尔茨海默症的研究进展，识别方法论问题并指出未来方向	2000-2025年间的相关研究文献	计算机视觉, 机器学习	阿尔茨海默症	MRI	CNN	图像（MRI）	NA	NA	CNN	准确率	NA
212	2026-06-18	Deep learning and multi-statistical features: an intra-frame forgery detection video method 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1784359 PMID:42305948	研究论文	提出一种利用空间域和压缩域统计特征检测视频拼接伪造的深度学习方法	通过VGG-16模型融合空间域和压缩域的多统计特征，替代传统纹理分析方法，并对JPEG压缩和图像修改引起的视觉失真进行双重分析	NA	检测视频中的拼接伪造操作，提高取证准确性	视频帧的空间域和压缩域特征，用于识别图像区域中的篡改痕迹	计算机视觉	NA	VGG-16深度学习、统计特征提取（MER、MFR、FGM、MOI、MEI）、二维离散余弦变换	CNN	视频帧图像	基于HTVD和GRIP数据集验证	NA	VGG-16	拼接伪造检测准确率	NA
213	2026-06-18	Comparing manual vs. automated machine learning and deep learning models for predicting one-year mortality in elderly hip fracture patients 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1804645 PMID:42305966	研究论文	比较手动优化与自动化机器学习及深度学习模型在预测老年髋部骨折患者一年死亡率中的性能	引入大型语言模型结合树结构管道优化工具的自动化ML流程，并与手动优化模型进行基准比较，为临床风险预测提供更易使用的替代方案	未在外部数据集验证，无法评估模型泛化能力；自动化ML模型解释性可能低于手动优化XGB模型	评估机器学习与深度学习模型在预测老年髋部骨折患者一年全因死亡率中的表现，并探索自动化机器学习方法的临床可行性	2017年1月至2023年11月在以色列Sheba医疗中心接受紧急髋部骨折手术的2,604名老年患者（≥65岁）	机器学习	老年疾病	NA	机器学习模型（如XGBoost）、深度学习模型、自动化ML模型	表格数据（临床、人口学、围手术期及实验室变量）	2,604名老年髋部骨折患者	SMOTE, TPOT	XGBoost, 大语言模型（LLM）	AUC, 准确率, 精确率, 召回率, F1分数, 假阳性率, 真阴性率	NA
214	2026-06-18	Multi-OCT-SelfNet: integrating self-supervised learning with multi-source data fusion for enhanced multi-class retinal disease classification 2026, Frontiers in systems biology DOI:10.3389/fsysb.2026.1717398 PMID:42306243	研究论文	提出一种基于自监督学习与多源数据融合的OCT视网膜疾病分类框架Multi-OCT-SelfNet，提高模型泛化能力	将自监督预训练（掩码自编码器）与多源OCT数据集融合相结合，并采用SwinV2 Transformer骨干网络，有效提升跨数据集和有限数据下的分类性能	未在真实临床多中心数据上验证，且性能依赖于预训练数据源的多样性	解决医学影像数据稀缺和域差异导致的深度学习模型泛化能力不足问题	视网膜疾病多分类任务（源自OCT图像）	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	Transformer（SwinV2）	图像（OCT影像）	三个基准数据集DS1、DS2、DS3（具体样本数未提及）	PyTorch（基于掩码自编码器框架）	SwinV2、ResNet-50（作为基线）	AUC-ROC	NA
215	2026-06-18	Automated deep learning-radiomics pipeline for non-calcified coronary plaque detection using non-contrast calcium score CT 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1794024 PMID:42306590	研究论文	提出一种结合深度学习和影像组学的自动化流程，用于非对比增强钙化积分CT中非钙化冠状动脉斑块的检测	首次将深度学习分割模型与影像组学结合，用于非对比增强钙化积分CT中非钙化斑块的自动化检测，并比较了不同感兴趣区域（冠状动脉、冠状动脉周围脂肪组织及其组合）的模型性能	研究仅针对左前降支和右冠状动脉，未涵盖其他冠状动脉分支；样本量可能有限，模型性能需在更大规模多中心数据中进一步验证	开发并验证一种自动化流程，用于在非对比增强钙化积分CT图像中高效检测左前降支和右冠状动脉的非钙化斑块	非钙化冠状动脉斑块及冠状动脉周围脂肪组织	计算机视觉, 数字病理学	冠状动脉疾病	CT扫描（非对比增强钙化积分）	深度学习分割模型（SegResNet），影像组学模型	CT图像	两个医疗中心的回顾性入组患者，分为病变组和对照组，具体数量未提及	PyTorch	SegResNet	AUC	NA
216	2026-06-17	Artificial intelligence-enabled electrocardiography from scientific research to clinical application 2026-01, EMBO molecular medicine IF:9.0Q1 DOI:10.1038/s44321-025-00351-y PMID:41326714	综述	综述人工智能在心电图分析中的最新进展及其临床转化	系统总结了人工智能从原始信号中直接处理复杂高维数据的能力，突破了传统心电诊断的局限性，并强调其在无症状低射血分数和阵发性房颤早期识别中的创新应用	未提及具体方法学的局限性和临床部署中的潜在挑战	概述人工智能使能心电图的科研进展并向临床应用转化	基于人工智能增强的心电图分析技术	机器学习	心血管疾病	心电图、深度学习	NA	电信号	NA	NA	NA	NA	NA
217	2026-06-17	Deep learning-based detection of cerebral microbleeds on 2D T2*-weighted GRE MRI: toward ARIA-H risk assessment in Alzheimer's treatment 2026, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2026.1729422 PMID:41948063	research paper	开发并验证了一种基于YOLOv11的深度学习模型，用于在2D T2*加权梯度回波(GRE) MRI上自动检测脑微出血(CMBs)，从而支持阿尔茨海默病治疗中的ARIA-H风险评估	提出了一种新颖的多通道预处理流水线，通过超分辨率技术增强CMB可见性，并首次将YOLOv11应用于2D GRE MRI上的CMB检测，实现了从病变级到患者级的全面评估	模型在病变级检测的灵敏度和精确度仍有提升空间，且最终ARIA分级和临床决策仍需要神经放射学专家确认，该系统目前定位为决策支持工具	开发并验证一种基于人工智能的自动CMB检测模型，仅使用临床广泛应用的2D T2*加权GRE MRI，以支持阿尔茨海默病抗淀粉样治疗中的ARIA-H风险评估	脑微出血(CMBs)的自动检测，用于评估阿尔茨海默病治疗中淀粉样蛋白相关影像异常合并出血(ARIA-H)的风险	computer vision	阿尔茨海默病	2D T2*加权GRE MRI	YOLOv11	图像（MRI）	758名参与者	NA	YOLOv11	灵敏度、精确度、F1分数	NA
218	2026-06-17	LMRNet: a lightweight convolutional neural network for real-time mountain rice leaf disease recognition on edge devices 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1789523 PMID:41948293	研究论文	提出一种轻量级卷积神经网络LMRNet，用于边缘设备上实时识别山地水稻叶片病害	首次面向边缘智能设备设计适用于山地水稻叶片病害识别的轻量级模型架构，并开发安卓平台智能手机应用	仅针对自建的山地水稻叶片病害数据集，未提及在更广泛水稻品种或复杂环境下的泛化能力	实现山地水稻叶片病害在边缘设备上的实时准确识别，促进智能农业工程应用	山地水稻叶片病害识别模型及其智能手机应用	计算机视觉	水稻病害	NA	卷积神经网络	图像	自建山地水稻叶片病害图像数据集多种病害类别	NA	轻量级卷积神经网络（具体结构未明确指定，基于轻量设计原则）	准确率，推理速度（帧每秒）	不同智能手机（边缘设备）
219	2026-06-17	Artificial Intelligence and Radiomics in Primary Liver Cancer Imaging: A Bibliometric and Visualized Analysis 2026, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S578670 PMID:41948485	研究论文	对人工智能与影像组学在原发性肝癌成像领域的研究进行文献计量学和可视化分析	首次系统性梳理AI与影像组学在原发性肝癌成像领域的研究现状与新兴热点，提供数据支持和学术见解	NA	分析该领域的研究现状和新兴热点，为后续研究提供数据支持和学术见解	2008年至2025年间发表的2890篇关于原发性肝癌、AI和影像组学的出版物	医学图像分析	原发性肝癌	NA	NA	文献数据	2890篇出版物	VOSviewer, CiteSpace, R	NA	NA	NA
220	2026-06-17	Generation of deep learning based virtual contrast-enhanced CT images from noncontrast CT images for target volume delineation in cervical cancer radiotherapy 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1764560 PMID:41948507	研究论文	开发基于nnTransUNet的深度学习模型，从非增强CT合成虚拟增强CT图像，用于宫颈癌放疗靶区勾画	首次将nnTransUNet架构应用于CT图像增强，实现从非增强CT到虚拟增强CT的生成，并验证其在宫颈癌放疗靶区勾画中的可行性	解剖结构清晰度评分略低于增强CT图像（3.7分 vs 4分），需要进一步优化	开发合成虚拟增强CT图像的深度学习模型，并评估其在宫颈癌放疗靶区勾画中的可行性	210例宫颈癌患者	机器学习	宫颈癌	CT成像	nnTransUNet	图像	210例宫颈癌患者	PyTorch	nnTransUNet	MSE, PSNR, UQI, SSIM, DSC, HD	NA