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
761	2026-06-19	Automated HER2 Scoring with Uncertainty Quantification Using Lensfree Holography and Deep Learning 2026, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0278 PMID:42311971	研究论文	利用无透镜全息术与深度学习开发自动化HER2评分系统	集成无透镜全息术与贝叶斯蒙特卡洛dropout不确定性量化，实现低成本、高通量的自动化HER2评分	未提及具体局限性	开发用于乳腺癌HER2评分的自动化系统	免疫组化染色的乳腺癌组织切片	数字病理学	乳腺癌	无透镜全息术	卷积神经网络	图像	412个独特组织样本	NA	贝叶斯蒙特卡洛dropout	准确率（4类84.9%，二分类94.8%）、不确定性量化	NA
762	2026-06-19	Large language model assisted decision support framework for uncertainty aware detection and management of tomato lateral shoots 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1853269 PMID:42312082	研究论文	提出一种集成深度学习感知与大语言模型的番茄侧枝检测与修剪决策支持框架	首次将YOLOv8n实例分割模型与CBAM注意力机制、蒙特卡洛Dropout不确定性估计及大语言模型推理结合，构建端到端的番茄侧枝不确定性感知修剪决策管道	未提及在真实温室环境中与人工修剪的对比实验，且大语言模型仅提供决策辅助而非直接控制执行	开发一种可靠的番茄侧枝检测与修剪决策支持系统，解决温室复杂光照、叶片遮挡和形态变异导致的检测可靠性问题	温室环境下的番茄侧枝	计算机视觉，自然语言处理	NA	RGB成像，深度学习，大语言模型	深度学习模型，大语言模型	图像	番茄侧枝RGB图像数据集	PyTorch	YOLOv8n-seg, CBAM, Monte Carlo Dropout, LLM	mAP, 参数量, 平均推理时间	NA
763	2026-06-19	Deep Learning for Brain Tumour Analysis: A Systematic Review of CNN-Transformer Hybrids in Multimodal Imaging 2026, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/4763936 PMID:42312286	论文综述	系统综述和荟萃分析评估CNN-Transformer混合架构在脑肿瘤检测中的应用，重点关注局部与全局特征学习的整合、诊断准确性和计算效率	提出了CNN-Transformer混合架构的三种集成范式（顺序、并行、分层），并通过标准化GigaFLOPs计算效率，系统比较了不同架构的诊断准确率和计算开销	存在发表偏倚（Egger检验p=0.043），亚组分析因样本量不足（每组少于10篇）而无法进行正式荟萃分析，混合模型在低级别胶质瘤中准确率从94.6%降至88.3%，对高斯噪声的敏感性是CNN模型的2.3倍	评估CNN-Transformer混合架构在脑肿瘤检测中的诊断准确性和计算效率，并分析GANs和多模态影像融合的作用	脑肿瘤检测方法（包括CNN-only、Transformer-only和CNN-Transformer混合模型）	计算机视觉	脑肿瘤	医学影像（MRI、PET等）	CNN-Transformer混合模型	医学影像	94篇符合纳入标准的研究	未明确提及	CNN, Transformer, CNN-Transformer混合架构	诊断准确率, 计算效率（GigaFLOPs）, 推理时间	基于BraTS基准（240×240×155体素）标准化的GigaFLOPs计算
764	2026-06-18	Community Health Nurses' Knowledge and Perceptions of AI in Canada: National Cross-Sectional Survey 2026-01-23, JMIR nursing DOI:10.2196/78560 PMID:41576309	研究论文	调查加拿大社区健康护士对人工智能的知识和感知的全国横断面研究	首次聚焦社区健康护士对人工智能的认知和感知，揭示其知识水平与态度之间的关联	样本量相对较小（228人），且回答率因问题而异，可能限制了结果的普遍性	了解社区健康护士对人工智能的认知、知识和感知，并促进他们参与人工智能应用	加拿大社区健康护士	机器学习	NA	NA	NA	调查问卷数据	228名社区健康护士	NA	NA	卡方检验、比值比	NA
765	2026-06-18	Evaluation of the effectiveness of artificial intelligence models in radiopaque and radiolucent lesions of the maxillofacial region on panoramic radiographs 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00838-x PMID:40593453	研究论文	评估深度学习模型在全景X线片上分类、检测和分割颌面部放射透射性及阻射性病变的效果	首次系统比较多种深度学习架构（AlexNet、VGG16、GoogleNet、YOLOv8）在颌面部病变分析中的分类、检测与分割性能	样本来源单一，病变分类精度在区分放射透射性与阻射性病变时较低（68.4%），多分类任务准确性有限	评估AI深度学习算法在全景X线片中对颌面部放射透射性及阻射性病变的分类、检测和分割效果	12至80岁个体的全景X线片，包含颌面部放射透射性或阻射性病变	计算机视觉	颌面部疾病	全景X线摄影	CNN	图像	未指定具体数量，包含来自12-80岁个体的全景X线片	NA	AlexNet, VGG16, GoogleNet, YOLOv8	准确率, 精确率, 召回率, F1分数, 平均精度均值	NA
766	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
767	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
768	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
769	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
770	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
771	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
772	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）
773	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
774	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
775	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
776	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
777	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
778	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
779	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
780	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