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
361	2026-03-03	Using swin UNETR deep model for automated detection of alveolar bone fenestration/dehiscence in CBCT 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1752350 PMID:41768130	研究论文	本研究开发了一种基于深度学习的模型，用于自动检测锥形束计算机断层扫描（CBCT）图像中的牙槽骨开窗/开裂，为诊断牙槽骨缺损提供定量工具	首次将Swin UNETR模型应用于CBCT图像中牙槽骨开窗/开裂的自动检测，实现了关键点定位、长度测量和疾病诊断的集成	研究仅基于10,752张手动标注的矢状CBCT图像，未涉及其他成像平面或更大规模的多中心数据	开发自动检测牙槽骨开窗/开裂的深度学习模型，以提升诊断效率和准确性	牙槽骨开窗和开裂的CBCT图像	计算机视觉	牙槽骨缺损	锥形束计算机断层扫描（CBCT）	Transformer, U-Net	图像	10,752张手动标注的矢状CBCT牙科图像	PyTorch	Swin UNETR	关键点识别率, 长度测量相关性, 疾病诊断准确率	NA
362	2026-03-03	Signal-aware deep learning-based respiratory motion prediction for lung tumor management 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1735140 PMID:41768245	研究论文	本文提出了一种基于深度学习的混合模型，用于预测肺癌放疗中的呼吸运动，以改善肿瘤运动管理	结合扩张卷积层、双向长短期记忆层和生成自编码器模块，联合建模呼吸运动的空间和时间特征，并重建生理一致的呼吸信号	研究侧重于算法可行性，未来需进行临床校准和剂量学验证	提高肺癌放疗中呼吸运动预测的准确性，以优化肿瘤靶向和减少健康组织辐射	肺癌患者的呼吸运动信号	机器学习	肺癌	深度学习	CNN, LSTM, 自编码器	呼吸运动信号数据	NA	NA	扩张卷积层, 双向LSTM, 生成自编码器	运动范围分类准确率, 均方根误差	NA
363	2026-03-03	Assessing the robustness and clinical evaluation of a deep-learning segmentation model for head and neck cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1731007 PMID:41768244	研究论文	本研究评估了一种基于深度学习的头颈癌PET/CT分割模型在临床相关图像扰动下的鲁棒性和临床可用性	首次系统评估了深度学习分割模型在多种合成图像扰动（如噪声、模糊、伪影、运动等）下的鲁棒性，并分析了影像组学特征与鲁棒性指标之间的相关性	研究使用了合成扰动而非真实世界采集的扰动数据，且淋巴结肿瘤分割在严重扰动下临床可用性显著下降	评估深度学习分割模型在头颈癌放疗中勾画大体肿瘤体积的鲁棒性和临床适用性	头颈癌患者的PET/CT图像及其大体肿瘤体积（原发灶GTVp和淋巴结GTVn）	数字病理	头颈癌	PET/CT成像	深度学习	医学图像（PET/CT）	474例训练病例，50例测试病例，每例生成36种扰动变体	PyTorch	3D Dynamic U-Net	Dice分数，Hausdorff距离，准确率，Likert量表评分	NA
364	2026-03-03	The diagnostic value of radiomics-based machine learning for lymph node metastasis in prostate cancer: a systematic review and meta-analysis 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1710716 PMID:41768254	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于影像组学的机器学习模型在前列腺癌淋巴结转移诊断中的准确性	首次对基于影像组学的机器学习模型在前列腺癌淋巴结转移诊断中的性能进行了全面的系统综述和荟萃分析，并比较了不同成像模态（PET/CT与MRI）和建模方法（传统机器学习与深度学习）的诊断效能	纳入研究的样本量有限，外部验证不足，成像方案存在异质性，且深度学习模型的研究数量较少	系统评估基于影像组学的机器学习模型诊断前列腺癌淋巴结转移的准确性，为临床决策提供循证支持	前列腺癌患者的淋巴结转移	医学影像分析	前列腺癌	影像组学，正电子发射断层扫描/计算机断层扫描，磁共振成像	机器学习，深度学习	医学影像	共纳入22项研究，涉及PET/CT影像组学研究13项，MRI影像组学研究9项	NA	NA	灵敏度，特异度，汇总受试者工作特征曲线下面积	NA
365	2026-03-03	Adult-type diffuse glioma prediction using MnasNet optimized by the advanced single candidate optimizer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1637208 PMID:41768258	研究论文	本研究提出了一种基于深度学习的非侵入性方法，利用术前T2加权MRI预测成人型弥漫性胶质瘤	提出了一种结合了改进的MnasNet架构、新型元启发式算法ASCO、对立学习以及切比雪夫混沌映射的优化预测模型	研究样本来自两个数据库（共533例），可能存在数据异质性；未明确说明模型在外部验证集上的泛化能力	开发一种准确、非侵入性的成人型弥漫性胶质瘤预测方法，以克服现有诊断方法的局限性	成人型弥漫性胶质瘤患者	数字病理学	胶质瘤	术前T2加权MRI	CNN	图像	533例患者（来自名古屋大学医院的237例和公开数据库的296例）	NA	MnasNet	灵敏度, 特异度, 精确度, 准确率, F1分数, 马修斯相关系数	NA
366	2026-03-03	Deep learning for regulatory genomics: a survey of models, challenges, and applications 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf271 PMID:41768279	综述	本文综述了深度学习在调控基因组学中的最新进展，包括模型、挑战和应用	强调了从传统神经网络到Transformer和图神经网络等先进模型的演进，并考虑了三维基因组结构	承认了过拟合、生物变异性和数据集多样性有限等持续挑战	旨在回顾深度学习在调控基因组学中的应用，以帮助解读非编码基因组区域的复杂调控机制	调控基因组学中的非编码基因组区域，涉及转录因子结合、染色质可及性、RNA过程和RNA-蛋白质相互作用	自然语言处理, 机器学习	NA	深度学习	Transformer, 图神经网络	基因组数据	NA	NA	Transformer, 图神经网络	NA	NA
367	2026-03-03	Combining deep learning with statistical shape modelling enables automated lower limb measurements with observer-level reliability using weight-bearing computed tomography 2026-Jan, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70669 PMID:41768538	研究论文	本研究提出了一种结合深度学习与统计形状建模的混合方法，用于自动评估负重条件下的下肢对线与形态	首次将深度学习与统计形状建模结合，实现了在负重CT扫描上对下肢骨骼的自动分割、三维标志点识别及28项对线与形态学测量的全自动计算	研究样本量较小（仅30例全下肢负重CT扫描），且证据等级为III级，需要更大规模的外部验证	开发一种自动化、观察者独立的方法，以可靠地评估负重条件下的下肢三维对线与形态	下肢骨骼（股骨、髌骨、胫骨、距骨、跟骨、第二跖骨）及其在负重CT扫描中的三维形态	计算机视觉	骨科疾病/下肢畸形	负重计算机断层扫描（WBCT）	深度学习模型（用于分割）	三维医学图像（CT扫描）	30例全下肢负重CT扫描	NA	NA	Dice相似系数（DSC），平均绝对误差（MAE）	NA
368	2026-03-03	Automated segmentation and classification of lumbar transverse ultrasound views using a two-stage deep learning method 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1721194 PMID:41768825	研究论文	本研究开发了一种基于深度学习的两阶段框架，用于自动检测和分类腰椎超声图像中的横突旁横切面和椎间孔旁横切面视图	提出了一种结合语义分割和基于坐标分类的两阶段深度学习框架，通过将关键解剖标志分组为单一类别来降低标注复杂性并提高鲁棒性，从而实现了对腰椎超声视图的高精度自动识别	数据集仅来自单一医疗中心，未来需要扩展数据集并在多样化的临床环境中验证方法的泛化能力	开发并评估一种基于深度学习的自动化框架，用于识别和分类腰椎超声视图，以支持超声引导的腰椎区域麻醉和慢性疼痛管理	来自425名接受疼痛治疗患者的腰椎超声图像	计算机视觉	慢性疼痛	超声成像	CNN, SVM	图像	425名患者	NA	U-Net	IoU, 准确率	NA
369	2026-03-03	Scaling Early Detection for Developmental Dysplasia of the Hip With Artificial Intelligence-Assisted Imaging 2026-Jan, Cureus DOI:10.7759/cureus.102507 PMID:41769581	综述	本文综述了人工智能辅助超声和放射成像在儿童发育性髋关节发育不良早期诊断中的应用现状与进展	总结了AI模型（特别是深度学习和卷积神经网络）在自动化图像分析、解剖标志点检测及关键诊断参数（如α角、β角、髋臼指数）测量方面的应用，并探讨了便携式超声系统和云端诊断平台在资源匮乏地区推广筛查的潜力	面临数据集异质性、深度学习模型在不同人群和设备间的泛化能力有限、模型可解释性不足以及临床工作流整合困难等挑战	评估人工智能技术在儿童发育性髋关节发育不良早期诊断与筛查中的应用效果与发展前景	发育性髋关节发育不良的超声与放射影像数据	计算机视觉	儿童骨科疾病	超声成像, 放射成像	CNN, 深度学习模型	图像	NA	NA	分割网络, 3D卷积模型	诊断准确性, 一致性, 观察者间变异性	NA
370	2026-03-02	PolyAseqTrap: a universal tool for genome-wide identification and quantification of polyadenylation sites from different 3' end sequencing data 2026-Jan-31, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03963-w PMID:41620776	研究论文	本文提出PolyAseqTrap，一个用于从多种3'端测序数据中识别和量化多聚腺苷酸化位点的通用R包	提出了一种多聚腺苷酸化读段优先策略以精确定位polyA位点，并引入了一个可迁移的跨物种深度学习模型来缓解长期存在的内部引物问题	NA	开发一个通用工具，用于全基因组范围内识别和量化不同3'端测序数据中的多聚腺苷酸化位点	多种3'端测序技术生成的数据，涉及多个物种	生物信息学	NA	3'端测序	深度学习模型	测序数据	涉及16种不同的3'端测序技术，跨多个物种	R	NA	NA	NA
371	2026-03-02	Machine Learning-Based Estimation of Knee Joint Mechanics from Kinematic and Neuromuscular Inputs: A Proof-of-Concept Using the CAMS-Knee Datasets 2026-Jan-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020173 PMID:41749713	研究论文	本研究探索了利用深度学习模型基于体内生物力学数据估计胫股关节接触力的可行性	首次结合双向长短期记忆网络与多层感知器以及时序卷积网络，利用CAMS-Knee数据集预测日常活动中膝关节接触力，为个性化膝关节负荷估计提供了可扩展的替代方案	个体力分量的预测精度略低，且TCN模型在不同力分量和活动中的表现较为多变，EMG特征对整体预测性能贡献有限	评估深度学习模型在估计膝关节接触力方面的可行性，替代传统的肌肉骨骼模拟	膝关节接触力，特别是胫股关节的接触力	机器学习	NA	NA	biLSTM-MLP, TCN	运动学和神经肌肉输入数据	使用CAMS-Knee数据集，具体样本数量未明确说明	NA	双向长短期记忆网络与多层感知器组合，时序卷积网络	均方根误差，皮尔逊相关系数	NA
372	2026-03-02	Deep Learning-Based Classification of Common Lung Sounds via Auto-Detected Respiratory Cycles 2026-Jan-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020170 PMID:41749710	研究论文	本研究通过自动检测呼吸周期，利用深度学习技术对常见肺音进行分类，旨在辅助慢性呼吸疾病的早期诊断	提出了一种自动检测呼吸周期的方法，并结合多种时频表示（如谱图、小波图、梅尔谱图和伽马通图）与预训练的CNN模型进行肺音分类，其中伽马通图与CNN架构结合取得了最佳分类准确率	未明确提及研究的局限性，如数据集的多样性、模型泛化能力或临床验证的充分性	开发一种基于人工智能的肺音分类方法，以辅助慢性呼吸疾病的早期诊断	常见肺音（LSs）	机器学习	肺病	信号处理，时频分析（谱图、小波图、梅尔谱图、伽马通图）	CNN, LSTM, SVM	音频信号	NA	TensorFlow, PyTorch, Keras, Scikit-learn	预训练的CNN模型，CNN-LSTM混合架构	分类准确率	NA
373	2026-03-02	MFST-GCN: A Sleep Stage Classification Method Based on Multi-Feature Spatio-Temporal Graph Convolutional Network 2026-Jan-30, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16020162 PMID:41750163	研究论文	提出了一种基于多特征时空图卷积网络（MFST-GCN）的睡眠阶段分类方法，用于从脑电图信号中准确识别睡眠阶段	通过三个互补模块（DDFCM、MMFEN、ASTGCN）对神经信号传播的时滞效应和皮层激活模式的区域异质性进行显式建模，特别是双尺度时变功能连接建模和自适应时空图卷积网络的设计	仅在ISRUC-S1和ISRUC-S3数据集上进行了评估，未在其他独立数据集上进行验证；模型复杂度可能较高	开发一种能够更准确分类睡眠阶段的深度学习方法，以评估睡眠质量和诊断睡眠障碍	脑电图（EEG）信号	机器学习	睡眠障碍	脑电图（EEG）	图卷积网络（GCN）	时间序列信号	ISRUC-S1和ISRUC-S3数据集（具体样本数未在摘要中提供）	NA	MFST-GCN（包含DDFCM、MMFEN、ASTGCN模块）	F1分数	NA
374	2026-03-02	MDEB-YOLO: A Lightweight Multi-Scale Attention Network for Micro-Defect Detection on Printed Circuit Boards 2026-Jan-30, Micromachines IF:3.0Q2 DOI:10.3390/mi17020192 PMID:41753848	研究论文	本文提出了一种名为MDEB-YOLO的轻量级实时检测网络，专门用于印刷电路板上的微缺陷检测	设计了高效多尺度可变形注意力模块、双向残差多尺度特征金字塔网络以及轻量级分组卷积头，以提升对微小、不规则缺陷的检测精度和推理速度	未明确提及模型在更广泛工业场景或不同PCB类型上的泛化能力测试	开发一种在检测精度和推理速度之间达到更好平衡的PCB微缺陷检测方法	印刷电路板表面的微缺陷，如鼠咬缺陷和毛刺缺陷	计算机视觉	NA	NA	CNN	图像	PKU-Market-PCB数据集（具体样本数量未在摘要中提供）	NA	YOLO	平均精度均值, 每秒帧数	NA
375	2026-03-02	3D Medical Image Segmentation with 3D Modelling 2026-Jan-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020160 PMID:41749700	研究论文	本文提出了一种增强的交互式Graphcut算法，用于三维医学图像分割，旨在提高乳腺和脑肿瘤在异质组织强度数据集中的边界精度和三维建模效果	通过集成聚类机制（使用2-5个簇）增强标准Graphcut算法，以改进在强度变化组织中的边界检测，无需大量预训练即可达到与先进深度学习基准相当的性能	该方法在临床环境中可能受限于缺乏大规模标注数据集的情况，尽管其设计初衷正是为了应对此挑战	开发一种高效、精确的三维肿瘤分割工具，用于医学诊断和治疗规划	乳腺肿瘤和脑肿瘤的三维DICOM图像数据	医学图像处理	乳腺癌, 脑肿瘤	三维医学图像分割	Graphcut算法	三维DICOM图像	未明确指定具体样本数量，但涉及乳腺和脑肿瘤数据集	PyMaxflow, pydicom	增强的交互式Graphcut算法	Dice相似系数, 边界边缘误差, 处理时间	未明确指定，但使用Python 3.13实现
376	2026-03-02	Smart Devices and Multimodal Systems for Mental Health Monitoring: From Theory to Application 2026-Jan-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020165 PMID:41749705	系统综述	本文系统综述了基于智能设备和多模态生物信号系统（如EEG、ECG、EMG）在心理健康监测中的应用、信号处理方法及方法论局限性	首次系统性地将多模态生物信号系统与人工智能支持的心理健康监测应用进行综合评述，并识别了从理论到临床转化的关键挑战	现有研究样本量普遍较小（67%的研究参与者少于100人），生态效度有限，缺乏外部验证，且采集协议和分析流程存在高度异质性	评估和纵向监测心理健康状况，改善心理健康评估方法	人类应用可穿戴/智能设备或多模态生物信号（如EEG/MEG、ECG/HRV、EMG、EDA/GSR、睡眠/活动数据）进行心理健康结果的检测、监测或管理	机器学习	心理健康疾病	EEG/MEG, ECG/HRV, EMG, EDA/GSR, 睡眠/活动监测	SVM, 随机森林, CNN, Transformer	生物信号数据	多数研究样本量低于100名参与者	NA	NA	NA	NA
377	2026-03-02	Bone-CNN: A Lightweight Deep Learning Architecture for Multi-Class Classification of Primary Bone Tumours in Radiographs 2026-Jan-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14020299 PMID:41751198	研究论文	本研究提出了一种轻量级深度学习架构Bone-CNN，用于X光片中原发性骨肿瘤的多分类任务	开发了一种计算效率高且专门针对X光片分类的CNN架构，在保持高准确率的同时降低了计算复杂度	研究未提及模型在外部验证集或不同成像设备上的泛化能力	开发一个轻量级且高精度的模型，用于原发性骨肿瘤的多分类	原发性骨肿瘤的X光片	计算机视觉	骨肿瘤	X光成像	CNN	图像	使用公开的Figshare原发性骨肿瘤X光数据集，包含九个不同的肿瘤类别	未明确指定	Bone-CNN	准确率, 宏AUC	未明确指定
378	2026-03-02	Watershed Encoder-Decoder Neural Network for Nuclei Segmentation of Breast Cancer Histology Images 2026-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020154 PMID:41749694	研究论文	本文提出了一种基于分水岭编码器-解码器神经网络（WEDN）的方法，用于乳腺癌组织学图像中的细胞核分割	结合分水岭算法与U-Net架构，通过数据增强和预处理技术（如阈值化、膨胀、距离变换）提升分割性能，在有限数据集上实现高精度分割	方法依赖于数据增强来扩展数据集，可能无法完全解决原始图像质量差和结构复杂性问题；在更广泛或多样化数据集上的泛化能力未验证	开发一种深度学习模型，用于乳腺癌组织学图像中癌性病变的精确分割，以辅助早期诊断和治疗	乳腺癌组织学图像中的癌性病变区域	数字病理学	乳腺癌	图像分割，数据增强（阈值化、开运算、膨胀、距离变换），分水岭算法	编码器-解码器神经网络	图像	3000张增强后的分水岭掩码图像（训练集2400张，测试集600张）	未明确指定，但基于U-Net架构	WEDN（分水岭编码器-解码器神经网络），基于U-Net的改进架构	准确率，Dice系数，IoU（交并比）	NA
379	2026-03-02	Simulation-Driven Annotation-Free Deep Learning for Automated Detection and Segmentation of Airway Mucus Plugs on Non-Contrast CT Images 2026-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020153 PMID:41749693	研究论文	本文开发了一种基于模拟驱动的无标注深度学习框架，用于在非对比胸部CT图像上自动检测和分割气道黏液栓	提出了一种模拟驱动的无标注深度学习框架，通过合成黏液栓数据来训练模型，避免了繁琐的手动标注，并在检测性能上超越了基于手动标注的模型	该框架在COPD队列和特定成像协议之外的泛化能力尚未验证，需要在不同人群和扫描条件下进行性能验证	开发自动化工具以准确量化气道黏液栓，作为阻塞性肺疾病的影像生物标志物	气道黏液栓	数字病理学	慢性阻塞性肺疾病	非对比胸部CT成像	深度学习	CT图像	200例COPD患者的CT扫描（98例阳性，83例阴性，19例不确定）	nnU-Net	nnU-Net	灵敏度，假阳性率	NA
380	2026-03-02	A Robust ConvNeXt-Based Framework for Efficient, Generalizable, and Explainable Brain Tumor Classification on MRI 2026-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020157 PMID:41749697	研究论文	本研究提出了一种基于ConvNeXt Base架构的鲁棒框架，用于MRI图像的脑肿瘤分类，并在多个独立数据集上验证了其高效性、泛化性和可解释性	采用ConvNeXt Base架构构建分类框架，并在三个独立MRI数据集上进行全面评估，结合了严格的统计验证、计算效率分析和可解释性方法（Grad-CAM++和Gradient SHAP），证明了模型优异的泛化能力和临床可靠性	研究未明确提及模型在更大规模或更多样化数据集（如多中心、多设备数据）上的泛化能力，也未讨论模型在临床实际部署中可能遇到的具体挑战（如数据隐私、实时性要求等）	开发一个准确、可靠、可泛化且可解释的脑肿瘤自动分类系统，以支持临床决策	脑部MRI图像	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	三个独立MRI数据集，包含四类样本：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	NA	ConvNeXt Base	准确率、精确率、召回率、F1分数、AUC、Cohen's Kappa	NA