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
681	2026-05-15	A deep learning model based on multiphase DCE-MRI for preoperative prediction of Ki-67 expression in breast cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1776121 PMID:41924598	研究论文	基于多相DCE-MRI的深度学习模型用于术前预测乳腺癌Ki-67表达	结合多相DCE-MRI的DenseNet-121模型与梯度提升决策树，实现非侵入性Ki-67表达预测，并利用Grad-CAM和SHAP增强模型可解释性	未在独立外部数据集验证，回顾性研究设计，样本量相对有限	开发并验证基于多相DCE-MRI的深度学习模型，无创准确预测乳腺癌中Ki-67表达水平	404名接受术前DCE-MRI检查的乳腺癌患者的影像数据	计算机视觉	乳腺癌	DCE-MRI（动态对比增强磁共振成像）	深度学习模型（CNN）与梯度提升决策树	图像	404例乳腺癌患者（训练集282例，测试集122例）	PyTorch	DenseNet-121，梯度提升决策树（GBDT）	AUC	NA
682	2026-05-15	Systematic review of AI-based models in pharmacoepidemiology for adverse drug event prediction and detection 2026, Frontiers in drug safety and regulation DOI:10.3389/fdsfr.2026.1773186 PMID:41924717	系统综述	系统综述基于真实世界临床数据使用人工智能方法预测和检测药物不良事件的研究现状	系统性地绘制了药物流行病学中基于人工智能的ADEs预测与检测方法学图谱，揭示了当前方法的异质性和不足	外部队列或时间验证很少进行，可解释性方法应用不一致，缺乏标准化基准，报告实践差异大	系统性地描述当前用于检测或预测药物不良事件的基于人工智能的方法	15项符合纳入标准的研究	机器学习	药物不良事件	NA	树集成模型（随机森林、XGBoost）、正则化回归、深度学习	结构化电子健康记录、行政索赔数据	281篇记录筛选，15项研究符合纳入标准	NA	随机森林、XGBoost、正则化回归、深度学习架构	NA	NA
683	2026-05-15	TFFBN-HDLF: a hybrid deep learning framework based on time-frequency functional brain networks for epileptic seizure detection 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1788516 PMID:41924753	研究论文	提出一个名为TFFBN-HDLF的混合深度学习框架，用于基于脑电图检测老年癫痫发作	通过结合皮尔逊相关系数和相位滞后指数构建二维时频融合功能脑网络，并开发了结合CNN与增强Transformer模块的混合深度架构SeizureTransNet，能够动态选择和整合多尺度时空特征	未在更广泛或更多样化的老年人群数据集中验证，且可能对计算资源要求较高	提高人工智能辅助监测老年癫痫发作的可靠性和诊断准确性	基于脑电图（EEG）的老年癫痫发作检测	机器学习	癫痫	脑电图（EEG）	CNN, Transformer	脑电图信号	CHB-MIT数据集和Siena数据集	NA	SeizureTransNet（结合CNN和增强Transformer模块）	准确率（Accuracy），AUC	NA
684	2026-05-15	LSRNet: A Novel Interpretable Low-rank Sparse Representation Guided Fusion Network for Polarization and Intensity Images 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3687104 PMID:42055993	研究论文	提出一种可解释的低秩稀疏表示引导融合网络LSRNet，用于偏振图像与强度图像的融合，以生成具有清晰场景信息和显著纹理细节的图像	设计了低秩稀疏表示深度展开模块来提高网络可解释性，并提出跨模态连接互补特征提取模块来建立多模态特征间的依赖关系，同时构建了包含1034对高分辨率图像的多场景偏振强度图像数据集MSPI	未提及局限性	提升偏振与强度图像融合的可解释性和多模态特征交互能力，改善现有方法缺乏解释性和忽略特征交互的问题	偏振图像与强度图像	计算机视觉	NA	偏振成像	深度学习网络	图像	1034对高分辨率对齐图像（MSPI数据集），另含两个公开数据集12CFC和HCP	PyTorch	低秩稀疏表示深度展开网络、跨模态连接互补特征提取模块	融合性能、泛化能力、运行效率	NA
685	2026-05-15	Robust Decomposition of Surface EMG Signals via Lightweight Deep Learning-Based Adaptation 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3691346 PMID:42102086	研究论文	提出一种基于轻量级深度学习自适应的表面肌电信号鲁棒分解方法，用于非平稳场景下的实时神经接口	提出基于树结构Parzen估计器搜索的轻量级深度学习架构实现在线自适应，并设计多因素数据增强提升泛化能力	NA	开发一种在噪声增加、新运动单元招募和运动单元特性变化等非平稳因素共存时仍能鲁棒分解表面肌电信号的深度学习方法	表面肌电信号中的运动单元活动	深度学习, 生物医学信号处理	NA	表面肌电信号分解	深度学习模型	仿真数据和实验数据	仿真数据含50个新招募运动单元，实验数据未明确样本量	NA	通过Tree-structured Parzen Estimator搜索轻量化的深度学习架构	F1分数, 新运动单元解码数, 运动单元放电率	边缘设备部署
686	2026-05-15	Validation of deep learning enabled web based and smartphone optimized application RadAnalyzer to measure vertebral heart size and vertebral left atrial size in dogs 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337679 PMID:42127004	研究论文	验证深度学习驱动的网络和智能手机优化应用RadAnalyzer在测量犬类椎体心脏大小和椎体左心房大小的准确性	首次验证了基于深度学习的网络和智能手机优化应用RadAnalyzer在犬类放射学测量中的临床可行性	仅使用高质量右侧侧位X光片，且未与超声心动图测量进行比较	比较RadAnalyzer与训练有素的观察者在测量犬类VHS和VLAS时的一致性	1058只客户拥有的犬类，涵盖80个品种，具有不同心脏大小和胸腔形态	计算机视觉	心血管疾病	NA	深度学习	图像	1058只犬类的高质量X光片	NA	NA	皮尔逊相关系数, Bland-Altman图, Passing-Bablok回归	NA
687	2026-05-15	Hybrid attention-based multi-class classification of Ethiopian legal texts using deep learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348805 PMID:42127002	研究论文	提出了一种基于注意力机制的混合深度学习模型，用于埃塞俄比亚法律文本的多类分类	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
688	2026-05-12	Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04942-8 PMID:40232413	研究论文	开发了一种基于深度学习的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性	首次在大规模队列中应用多序列MRI的深度学习模型进行子宫内膜异位症检测，并展示了与专业医师相当的检测性能	未在论文标题和摘要中明确提及	评估深度学习工具在增强基于多序列MRI的子宫内膜异位症检测准确性中的应用	子宫内膜异位症患者和健康对照者的多序列MRI图像	数字病理学	子宫内膜异位症	MRI	3D-DenseNet-121	图像（MRI）	395例子宫内膜异位症患者和356例对照组，共751例	NA	3D-DenseNet-121	F1分数、AUROCC、敏感性、特异性	NA
689	2026-05-12	Multi-class transformer-based segmentation of pancreatic ductal adenocarcinoma and surrounding structures in CT imaging: a multi-center evaluation 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05061-0 PMID:40514460	研究论文	提出基于Transformer的多类分割框架，用于CT图像中胰腺导管腺癌及周围结构的分割，并在多中心数据集上验证其性能	首次系统比较四种深度学习架构（UNet、nnU-Net、UNETR、Swin-UNet）在PDAC多类分割任务中的表现，并验证Transformer模型（Swin-UNet）的优越性和泛化能力	未明确指出局限性，但回顾性研究设计、数据预处理依赖标准化标注可能限制临床实时应用	开发并评估用于CT图像中PDAC及周围结构自动多类分割的深度学习框架	3265名患者的多中心CT影像数据	计算机视觉	胰腺导管腺癌	CT成像	Swin-UNet, UNet, nnU-Net, UNETR	图像	3265名患者（来自6个机构），其中569名用于独立测试	NA	Swin-UNet, UNet, nnU-Net, UNETR	Dice相似系数, 交并比, 定向Hausdorff距离, 平均对称表面距离, 体积重叠误差	NA
690	2026-05-12	Artificial intelligence (AI) and CT in abdominal imaging: image reconstruction and beyond 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05031-6 PMID:40522387	综述	探讨人工智能在腹部CT成像中的图像重建及扩展应用	系统总结了深度学习重建技术（如TrueFidelity、AiCE等）在腹部成像中的优势，并拓展了AI在低对比度病变检测、定量成像和工作流优化等领域的应用	临床验证不足、标准化缺乏及广泛采用存在挑战	综述AI驱动的CT图像重建原理、进展及未来方向，及其在腹部成像中的扩展角色	腹部CT图像重建技术，包括传统方法（FBP、IR）和深度学习重建方法	计算机视觉	NA	CT成像	卷积神经网络	图像	NA	NA	TrueFidelity, AiCE, Precise Image	对比噪声比、病变检测能力、诊断置信度	NA
691	2026-05-12	Practical applications of AI in body imaging 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底在美国获得FDA批准并用于腹腔盆腔器官及相关疾病评估的商业AI算法，评价其潜在优势并提出未来方向	系统梳理了针对腹腔盆腔成像的FDA批准AI算法现状，并分析了临床应用中的实际优势与局限	未提及具体算法性能数据比较，且局限于美国市场已商业化的算法	评估腹腔盆腔成像中AI算法的实际应用价值及未来发展趋势	FDA批准的用于腹腔盆腔器官及相关疾病的AI算法	医学影像	腹腔盆腔疾病	深度学习	NA	影像	NA	NA	NA	NA	NA
692	2026-05-08	Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned 2026-01-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004758 PMID:40631753	研究论文	评估一个在永久病理学上训练的深度学习模型用于Mohs冰冻切片中鳞状细胞癌分类的性能及局限性	首次对永久病理学训练的模型应用于Mohs冰冻切片进行分类的定性评估，揭示模型在分布外数据上的不足，并提出微调方向	样本量小（仅15个Mohs冰冻切片），且未进行模型重训练或微调，仅进行定性分析	评估永久病理学训练的深度学习模型在Mohs冰冻切片上分类鳞状细胞癌的表现，以识别模型缺陷并指导后续优化	鳞状细胞癌肿瘤分类以及冰冻切片中的正常组织、炎症、肌肉和神经等非肿瘤结构	数字病理学	鳞状细胞癌	H&E染色切片数字化	深度学习模型（未指定具体类型）	组织病理图像	746张皮肤活检切片（训练），15张Mohs手术冰冻切片（测试）	NA	NA	AUC-ROC	NA
693	2026-05-06	Deep Learning-Based Model for Breast Implant Classification in Ultrasonography: A Multi-Institutional Model Development and Validation Study 2026-01-29, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf220 PMID:41168671	研究论文	开发并验证一种基于深度学习的模型，用于超声图像中乳房植入物的分类	利用多机构大样本数据，结合Grad-CAM可解释性技术，自动化分类乳房植入物的制造商和纹理特征	模型依赖回顾性数据，且可能受限于超声图像质量和标注准确性	满足对可靠植入物识别方法的需求，改善临床工作流程和患者结果	乳房植入物	计算机视觉	乳房植入物相关疾病	超声成像	深度学习模型	图像	28712份乳房超声PNG文件，来自2580名患者的4136个植入物	NA	NA	平衡准确率	NA
694	2026-05-06	A Systematic Review of Applications, Challenges, and Future Trajectories of Artificial Intelligence in Cosmetic Surgery 2026-01-29, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf238 PMID:41234118	综述	系统回顾人工智能在整容手术中的应用、挑战和未来发展方向	首次系统总结AI在整容手术全流程中的应用（术前预测、术中导航、术后监测），提出基于大语言模型工具的发展前景	多数研究处于早期阶段，外部验证有限，数据集异构，结果指标不一致，偏倚风险中等至严重	系统整理和评估人工智能在整容手术中的现有应用、面临的挑战及未来趋势	AI、机器学习、深度学习、计算机视觉或大语言模型在美容或整容手术中的应用研究	计算机视觉, 自然语言处理, 机器学习	其他（整容手术相关）	NA	CNN, LSTM, GAN, 大语言模型	图像, 文本, 视频	38项研究（从3941篇记录中筛选）	NA	NA	准确性, 精确率, 召回率, F1分数, AUC, Dice系数	NA
695	2026-05-06	A Deep Learning-Based Ensemble Model for Automated Nasolabial-Fold Severity Grading 2026-01-29, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf161 PMID:40798848	研究论文	提出并验证了一种基于深度学习的集成模型DeepFold，用于自动、客观地对鼻唇沟严重程度进行WSRS分级	首次将深度学习集成策略应用于鼻唇沟严重程度自动分级，通过多数投票法整合三个独立网络，提升了模型鲁棒性并降低了类不平衡的影响	NA	开发并验证一种基于WSRS的鼻唇沟严重程度自动分级模型，实现客观、可重复的临床评估	鼻唇沟（NLF）严重程度分级	计算机视觉	面部衰老	NA	CNN	图像	6718张面部图像（1718张临床门诊图像，5000张CelebA数据集图像）	PyTorch	ResNet-50, SeResNet-50	准确率, F1分数, 混淆矩阵	NA
696	2026-05-06	Deep Learning-Based Quality Control and Diagnosis of Bronchial Images 2026, Respiration; international review of thoracic diseases DOI:10.1159/000548342 PMID:41308068	综述	系统分析深度学习技术在支气管镜图像质量控制与诊断分析中的应用潜力	探索人工智能提升支气管镜图像质量控制和诊断分析的应用前景	模型泛化能力有限，需多中心临床验证优化鲁棒性	增强支气管镜图像的质量控制与诊断效率	支气管镜图像	计算机视觉	肺部疾病	NA	深度学习	图像	NA	NA	NA	NA	NA
697	2026-05-06	Predicting Intracranial Pressure Levels: A Deep Learning Approach Using Computed Tomography Brain Scans 2026-Jan-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003661 PMID:40719476	研究论文	提出使用深度学习模型从CT脑扫描预测颅内压水平的方法	将人口统计学数据和格拉斯哥昏迷量表评分作为CT扫描的额外通道进行模型训练	需要进一步验证结果并提高临床适用性	开发非侵入性颅内压评估方法	颅内压水平	深度学习	颅内压升高	CT扫描	CNN	图像	578对CT脑扫描及相关数据	NA	四种不同的深度学习模型	AUC, 召回率	NA
698	2026-05-06	Automated counting of prostate cell types with image processing and machine learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340628 PMID:42081477	研究论文	提出了一种结合图像处理和深度学习的自动化系统，用于从手机拍摄的图像中计数前列腺癌细胞	创新性地使用普通手机摄像头获取图像，并通过结合卷积神经网络与选择性搜索算法的两阶段流水线，克服了移动图像中的变异性和无关内容，实现了高精度细胞计数	未提及具体局限性，但可能受限于手机图像质量和数据多样性	开发一种自动化的前列腺癌细胞计数软件系统，以提高传统手动计数的准确性和效率	前列腺癌细胞图像	计算机视觉, 机器学习	前列腺癌	NA	卷积神经网络	图像	NA	NA	卷积神经网络	准确率	NA
699	2026-05-06	Reducing annotation burden in medical imaging with ADGNET: A semi-supervised deep learning strategy 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348596 PMID:42081490	研究论文	提出ADGNET，一种半监督框架，通过共享特征表示联合优化图像重建与分类，用于阿尔茨海默病诊断	采用双任务设计，结合残差骨干网络与注意力调制实现动态特征选择，并利用焦点损失处理类别不平衡，从而从有限标注中有效学习特征	NA	减少医学影像标注负担，提高少样本情况下的诊断性能	阿尔茨海默病患者的MRI图像	数字病理学	阿尔茨海默病	MRI成像	半监督深度学习框架	图像	两个公开数据集：KACD（2D，6400张图像）和ROAD（3D，532次扫描）	PyTorch	ResNet, Grad-CAM	准确率, 精确率, 召回率, F1分数, AUC, Dice系数	NA
700	2026-05-06	ATF-MGIAM: Medically-guided interpretable attention mapping for robust pertussis cough sound recognition 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348508 PMID:42081564	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA