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
541	2026-07-30	Evaluating the detection of small brain lesions in magnetic resonance using deep learning 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1833713 PMID:42516553	研究论文	评估人工智能模型在磁共振成像中检测小脑部病变的性能，并引入一种结合临床小肿瘤概念的新深度学习模型	将临床定义的“小肿瘤”概念整合到深度学习模型的训练和评估流程中，强调病灶大小对检测性能的影响	未明确提及局限性	提高人工智能系统在脑部病变检测中的临床相关性，支持早期诊断和治疗计划	脑部小肿瘤病变	计算机视觉	脑肿瘤	磁共振成像（MRI）	深度学习模型	图像	NA	NA	NA	损失值, Dice系数	NA
542	2026-07-30	Fully automated deep learning MAPSE: retrospective analysis and real-time clinical application 2026-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyag087 PMID:42516546	研究论文	开发了一种全自动深度学习方法来评估二尖瓣环平面收缩期偏移，并在回顾性和前瞻性队列中验证其性能	首次提出多步深度学习方法实现离线与实时全自动MAPSE估算，显著缩短分析时间并提升可重复性	未提及具体局限性信息	开发并验证一种全自动深度学习MAPSE估算方法，评估其与手动测量的一致性和临床实用性	左心室功能评估中的二尖瓣环平面收缩期偏移	机器学习	心血管疾病	深度学习	CNN	图像	回顾性队列（n=1775）和前瞻性队列（n=51）	NA	NA	Bias, 皮尔逊相关系数, ICC	NA
543	2026-07-30	Quantitative morphological phenotyping of infection structures in cucumber downy mildew and powdery mildew 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1844862 PMID:42516595	研究论文	基于深度学习的微观病原体图像实例分割方法，用于黄瓜霜霉病和白粉病感染结构的定量形态表型分析	提出SWS-YOLO11n实例分割模型，能够从微观图像中精准提取并定量表征病原体感染结构的形态特征，突破了传统方法仅能定性识别的局限	研究仅针对黄瓜霜霉病和白粉病两种病害，方法对其他病原体或作物的泛化能力尚未验证	开发一种基于微观图像实例分割的黄瓜病原体感染结构形态特征定量提取与表征方法	黄瓜霜霉病和白粉病的病原体感染结构	计算机视觉，数字病理学	植物病害	原位染色显微成像	实例分割模型	显微图像	黄瓜病原体原位染色显微图像数据集	YOLO	SWS-YOLO11n	检测mAP@0.5，分割mAP@0.5，周长提取精度R²，面积提取精度R²，曲率提取精度R²	NA
544	2026-07-30	Image Processing for Diagnosing Psoriasis: A Machine Learning Approach to Classify Skin Lesions into Psoriasis Subtypes 2026, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.40.16 PMID:42516629	研究论文	利用卷积神经网络和迁移学习将银屑病皮损分类为五种主要亚型	首次利用预训练的VGG16模型结合图像增强技术，实现对银屑病五种亚型的高精度自动分类，并整合为基于网络的实时诊断工具	数据来源单一（仅Kaggle数据集），可能限制模型的泛化能力；未在真实临床环境中验证	开发一种可扩展的机器学习工具，辅助临床医生准确区分银屑病亚型并制定治疗决策	银屑病患者的皮肤病变图像	机器视觉	银屑病	深度学习	卷积神经网络（CNN）	图像	未在摘要中明确说明使用的图像数量	Keras	VGG16	准确率，损失	未在摘要中说明
545	2026-07-30	Diagnostic Accuracy of Artificial Intelligence in Predicting Admission Status, Intensive Care Requirements, and Mortality in the Emergency Department: A Systematic Review and Meta-Analysis 2026, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.40.18 PMID:42516637	系统综述与Meta分析	评估人工智能在急诊科预测入院状态、重症监护需求和住院死亡率方面的诊断准确性	首次通过系统综述和Meta分析综合评估AI在急诊科预测多种患者结局的诊断准确性，弥补了此前一致性证据的不足	纳入研究存在异质性，未详细探讨AI模型的具体算法类型和外部验证不足的影响	系统评估人工智能在急诊科预测入院、重症监护需求及住院死亡率的诊断性能	急诊科患者	机器学习	急诊疾病	NA	机器学习与深度学习模型	NA	34项相关研究	Stata	NA	灵敏度, 特异度	NA
546	2026-07-30	AI-driven diagnosis of mpox using deep learning models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352161 PMID:42430461	研究论文	利用深度学习模型进行mpox（猴痘）的AI驱动诊断研究，提供了可复现的基准测试	提出了一个泄漏感知的基准测试框架，强调可重复的数据集构建、分组评估和校准比较，并使用温度缩放和验证集阈值选择增强可靠性	结果是保守的，应视为可重复的参考基准而非临床验证工具，外部临床验证仍是必要的	为mpox二分类提供透明且可复现的基准测试，指导图像筛查方法的比较	Mpox（猴痘）皮肤病变图像，以及其它皮肤病图像	计算机视觉, 数字病理学	猴痘, 皮肤病	深度学习	CNN（卷积神经网络）, 加权集成模型	图像	使用MSLD v1.0和v2.0统一数据集，未具体说明样本数量	PyTorch	ConvNeXt-Tiny, 以及其他6个预训练骨干网络	准确率, F1分数, AUC（曲线下面积）	NA
547	2026-07-30	PredatorNet: a clinically trustworthy deep learning framework for multi-class Alzheimer's disease classification using MRI 2026, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2026.1835340 PMID:42518750	研究论文	提出了PredatorNet，一种基于MRI的多类阿尔茨海默病分类深度学习框架，具备临床可信性	引入了三个关键模块（EagleAttention、RegionImportance、WolfPackFusion）以及临床可信评分（CTS）这一综合性能评估指标	解剖加权验证下的CTS值较低（0.8652），表明在更严格的解剖学约束下模型性能有所下降	开发临床可信的多类阿尔茨海默病MRI分类方法	阿尔茨海默病患者的MRI脑部扫描	计算机视觉	阿尔茨海默病	MRI	深度学习（注意力机制）	图像	1280个MRI扫描	NA	PredatorNet（包含EagleAttention、RegionImportance、WolfPackFusion模块）	准确率, 宏观ROC AUC, 平均敏感性, 平均特异性, 校准可靠性, 区域重要性稳定性指数, OOD稳定性评分, CTS	NA
548	2026-07-30	Intelligent diagnosis of ossicular chain malformations on CT: development and clinical efficacy of a cascaded AI framework 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1731385 PMID:42518770	研究论文	开发并验证一种基于分割-判别策略的级联人工智能框架，用于CT图像中听小骨链畸形的自动检测	提出了一种从粗到细的nnU-Net分割框架与多个判别模型相结合的级联策略，实现了锤骨、砧骨和镫骨的独立检测并整合为患者级模型，性能优于传统深度学习和体积阈值算法	未在标题和摘要中明确提及局限性	开发并验证用于CT图像中听小骨链畸形自动检测的级联人工智能框架	听小骨链畸形患者和健康对照的颞骨CT扫描图像	计算机视觉	听小骨链畸形	CT扫描	级联模型（nnU-Net与判别模型）	图像	2462张颞骨CT扫描（训练集1302张，测试集556张，验证集604张）	NA	nnU-Net, ResNet, DenseNet	AUC, 灵敏度, 特异度, 准确率	NA
549	2026-07-30	Improving CT-CBCT deformable image registration for cervical cancer adaptive radiotherapy using a deep learning approach 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1855718 PMID:42518811	研究论文	提出一种基于深度学习的CT-CBCT形变图像配准框架，用于宫颈癌自适应放疗	在Transformer模型（UTSRMorph）中引入归一化梯度场约束，提升配准鲁棒性和边界对齐能力	未在更大规模或更多类型的肿瘤数据集上验证；未提及计算资源消耗	提高宫颈癌自适应放疗中CT-CBCT形变图像配准的鲁棒性和解剖对齐精度	宫颈癌患者的CT和CBCT图像	计算机视觉，数字病理学	宫颈癌	CT成像，CBCT成像	Transformer，卷积神经网络	医学图像	内部和外部CBCT-CT数据集（具体数量未提及）	PyTorch（推测）	UTSRMorph，VoxelMorph，TransMorph	Dice系数，Hausdorff距离95%分位数，雅可比行列式	未提供
550	2026-07-30	Utilizing conditional generative adversarial network to generate head MRA based on nonvascular sequences: comparative study of single-modality and multi-modality methods 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1857271 PMID:42518956	研究论文	利用条件生成对抗网络从非血管序列合成头部MRA图像，并比较单模态与多模态方法的性能	首次系统比较基于不同非血管序列（T1W、T2W、FLAIR）的单模态与多模态cGAN模型在合成头部MRA中的表现，并验证其诊断效能	样本量较小（140例），静脉污染较明显，且仅基于单一机构数据，需外部验证	开发一种从非血管序列合成头部MRA的深度学习模型，并评估合成MRA的诊断性能	老年住院患者的多模态MRI数据（包括MRA和非血管序列）	计算机视觉	老年性疾病	MRI	条件生成对抗网络	图像	140例患者（98训练、14验证、28测试）	PyTorch	cGAN	结构相似性指数、峰值信噪比、均方根误差、信噪比、对比度噪声比、似然量表评分、诊断准确率	NA
551	2026-07-30	Topology-aware hybrid graph-transformer network for Alzheimer's disease diagnosis from structural magnetic resonance imaging 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1834764 PMID:42518978	研究论文	提出一种拓扑感知的混合图-Transformer网络，利用结构磁共振成像进行阿尔茨海默病诊断	整合3D卷积神经网络、动态图注意力网络和拓扑偏向的视觉Transformer，同时捕捉局部体积变化和全局网络级退化	在更大数据集上的临床验证仍需进一步开展	通过结构MRI实现阿尔茨海默病的准确诊断	阿尔茨海默病患者的脑部结构MRI数据	机器学习	阿尔茨海默病	结构磁共振成像	混合模型（CNN、图注意力网络、视觉Transformer）	医学图像	OASIS队列的结构MRI数据集	PyTorch	3D卷积神经网络、动态图注意力网络、拓扑偏向视觉Transformer	ROC-AUC、准确率、敏感性	NA
552	2026-07-30	Development of a deep learning model for intussusception using point-of-care ultrasound 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1812587 PMID:42519176	研究论文	开发用于床旁超声图像肠套叠检测的深度学习模型	利用较小数据集和动态视频文件转换静态图像，微调模型优于传统机器学习和迁移学习，证明了深度学习在床旁超声肠套叠检测中的可行性	使用较小数据集和单中心研究，缺乏多中心验证；动态视频转换为静态图像可能丢失时序信息	开发用于检测床旁超声图像中靶征的深度学习模型	急诊科就诊期间获得的床旁超声图像/视频片段媒体文件	计算机视觉, 数字病理学	儿童肠套叠	床旁超声	深度学习（微调模型）	图像, 视频	49名患者（其中8名肠套叠阳性）的785个媒体文件，转换为1582张肠套叠图像和1965张正常图像	PyTorch（基于ImageNet的高维特征提取）	经典机器学习模型、集成学习模型、迁移学习模型、微调模型（具体架构未明确指定）	预测性能（基于阈值分析）	未指定
553	2026-07-30	Deep learning model to generate patient-specific pulmonary vein isolation lines from successful atrial fibrillation ablation cases: a proof-of-concept study 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1859430 PMID:42519377	研究论文	开发深度学习模型从成功房颤消融病例中生成患者特异性肺静脉隔离线	首次利用深度学习模型从成功房颤消融病例中生成患者特异性肺静脉隔离线，以无复发一年以上的病灶集为金标准	需要前瞻性临床试验验证模型是否能降低房颤复发率	探索深度学习模型在房颤消融计划中的潜力，旨在提高手术成功率	房颤消融患者	机器学习	房颤	NA	U-Net	三维电压图	171例患者的513张三维电压图	NA	U-Net	交并比(IoU), Dice系数	NA
554	2026-07-30	Deep learning analysis of capillary refill dynamics in ischemic colitis: differentiating reversible vs. gangrenous mucosa 2026, Frontiers in gastroenterology (Lausanne, Switzerland) DOI:10.3389/fgstr.2026.1782255 PMID:42519396	研究论文	提出一种基于深度学习的方法，通过结肠镜视频分析微毛细血管再充盈动力学，以区分缺血性结肠炎中可逆与非坏疽性黏膜	首次利用帧对帧颜色恢复分析定量评估黏膜微毛细血管再充盈动态，结合深度学习实现实时存活分类	概念验证阶段，需要进一步试点研究以确认其有效性和临床指导作用	改进缺血性结肠炎内镜分级的主观性和不敏感性，优化手术决策，减少误分类和变异性	缺血性结肠炎患者的结肠镜视频	数字病理学	缺血性结肠炎	深度学习、结肠镜视频分析	深度学习模型	视频	未提及	NA	未明确	未明确提及	未提及
555	2026-07-30	IMU-based rotator cuff injury recognition with varying configurations and combinations 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1794238 PMID:42519543	研究论文	本研究通过融合机器学习/深度学习算法与功能性运动中的上肢运动学数据，开发准确且经济的肩袖损伤识别模型，并探索最优运动任务组合与模型配置	提出基于深度学习的RCIRNet模型，并系统比较了不同运动任务组合和传统机器学习模型在肩袖损伤识别中的表现，发现选择判别性运动比单纯增加任务数量更关键	样本量相对较小，研究仅基于惯性测量单元数据，未涉及其他成像或生物标志物信息	开发准确且经济的肩袖损伤识别模型，优化临床实践中的运动任务组合与模型配置	总共102名参与者，包括51名肩袖损伤患者、25名粘连性关节囊炎患者和26名健康志愿者	机器学习	肩袖损伤	惯性测量单元	深度学习（RCIRNet）、传统机器学习（KNN、SVM、DT、RF、NB、AdaBoost、XGBoost）	上臂运动学数据	102名参与者（51名肩袖损伤患者、25名粘连性关节囊炎患者、26名健康志愿者）	NA	RCIRNet	准确率、精确率、召回率、F1分数、AUC	NA
556	2026-07-30	Very short-term production prediction for photovoltaic plants using Temporal Convolutional Networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354512 PMID:42520037	研究论文	评估时序卷积网络在国家级太阳能光伏发电量极短期预测中的性能	证明仅使用历史天气观测数据即可实现准确的临近预报，无需未来气象预测输入；发现架构与天气特征的贡献依赖于时间分辨率	未提及	评估时序卷积网络在国家级太阳能发电量极短期预测中的有效性	西班牙国家级太阳能光伏发电量	机器学习	NA	NA	时序卷积网络（TCN）	时间序列数据（发电量、太阳辐照度、太阳高度）	来自西班牙电力传输系统运营商网络的欧洲数据	NA	时序卷积网络（TCN）	未明确提及具体指标，但通过对比线性回归进行性能评估	NA
557	2026-07-30	Dual-Stream deep learning for multimodal feature fusion and classification of balance control in elite freestyle aerial skiers 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337296 PMID:42520036	研究论文	开发了一个双流深度学习模型，融合时频图像特征与基于压力中心（COP）的统计描述符，对精英自由式滑雪空中技巧运动员的平衡控制进行精细分类	首次将时频图像特征与COP统计特征通过双流深度学习框架融合，用于区分精英运动员的平衡调节细微差异	NA	利用双流深度学习模型对精英自由式滑雪空中技巧运动员的平衡调节差异进行敏感分类，以支持针对性训练	25名精英自由式滑雪空中技巧运动员	深度学习	NA	压力中心（COP）轨迹测量、多尺度熵分析、K-means聚类	双流深度学习模型	时频图像特征、COP统计描述符（时间、频率、时频域指标）	25名精英自由式滑雪空中技巧运动员，在两种站立条件下（稳定面睁眼、不稳定面睁眼）记录COP轨迹	NA	双流深度学习框架	分类准确率（约95%）	NA
558	2026-07-30	A mask-based peak-to-average power ratio reduction scheme for affine frequency division multiplexing systems using Volterra Series-Driven PolyNet 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354675 PMID:42520073	研究论文	针对仿射频分复用系统的高峰均比问题，提出一种基于掩码且融合Volterra级数驱动的PolyNet的物理感知峰均比降低方案	首次将全帧输入策略应用于AFDM信号全局时域相关性利用，并通过集成Volterra级数理论显式构建一阶线性和三阶幂次特征层，增强非线性重建精度并避免过拟合	仍需要硬件导向和空中传输验证才能得出部署级结论	解决AFDM系统中高峰均比导致的能量效率低以及现有深度学习方法中局部采样带来的上下文损失和黑箱模型缺乏物理可解释性问题	AFDM系统的峰均比降低方案，特别是信号掩码处理后的非线性失真修复	机器学习	NA	NA	PolyNet-Volterra网络	模拟信号数据	NA	NA	PolyNet, Volterra级数驱动的网络	峰均比降低量, 误码率, 均方误差	NA
559	2026-07-30	Artificial intelligence in spine care: A scoping review of diagnostic applications 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352200 PMID:42520085	综述	通过范围综述绘制人工智能在脊柱疾病诊断中的应用现状，并识别未来研究与临床转化的差距	首次系统梳理人工智能在脊柱疾病诊断中的多模态应用，包括MRI、CT及症状基诊断工具，并评估方法学质量	多数研究为回顾性设计，存在数据缺失处理、特征选择及数据元素验证等方面的不足	映射人工智能在腰椎间盘退变、椎管狭窄、椎体骨折及中轴型脊柱关节炎等脊柱疾病诊断中的应用，并指出研究空白	2019年1月至2024年12月发表的46项符合纳入标准的诊断研究，主要来自亚洲和欧洲	计算机视觉	脊柱疾病	MRI、CT成像	深度学习模型	影像数据	46项研究	NA	NA	诊断准确性，与临床医生基准的比较	NA
560	2026-07-29	RETRACTED: 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和改进特征选择方法用于从静息态功能磁共振成像数据中检测自闭症谱系障碍	结合深度学习特征提取与改进的指数三角优化算法用于特征选择，该算法融合算术优化算法和引导学习策略以提升诊断性能	文中未明确提及局限性	通过整合深度学习和特征选择技术提高自闭症谱系障碍的诊断准确性	自闭症谱系障碍患者	机器学习和数字病理学	自闭症谱系障碍	静息态功能磁共振成像（rs-fMRI）	深度学习模型（未具体说明架构）	功能磁共振成像数据	使用自闭症脑影像数据交换（ABIDE I）数据集，具体样本数量未提及	NA	NA	准确率、敏感度、AUC	NA