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
121	2026-03-31	Placenta-pulmonary coupling-guided multimodal AI for fetal lung maturity staging and individualized glucocorticoid therapy 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1791481 PMID:41907297	研究论文	本文提出了一种基于胎盘-肺耦合指导的多模态人工智能框架，用于胎儿肺成熟度分期和个体化糖皮质激素治疗	采用生理学信息指导的混合框架，显式建模胎盘-肺相互作用并整合多模态数据，提供可解释且可靠的胎儿肺成熟度评估和糖皮质激素治疗优化	需要外部验证和前瞻性试验来进一步验证框架的有效性	评估胎儿肺成熟度并优化产前糖皮质激素治疗	320例妊娠（包括160例妊娠期高血压疾病）的孕妇和胎儿	数字病理学	妊娠期高血压疾病	2D/3D超声、剪切波弹性成像、多普勒、母体血浆代谢组学	Transformer, LSTM	图像、代谢组学数据	320例妊娠，每周从28至36周采集数据	PyTorch	跨模态注意力Transformer, 时空卷积-LSTM网络	轮廓分数, 准确率, 风险降低百分比	NA
122	2026-03-31	Diabetic peripheral neuropathy identification using enface optical coherence tomography and multi-head attention deep learning algorithm 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261436274 PMID:41907356	研究论文	本研究开发了一种基于多注意力头深度学习算法的非侵入性诊断工具，利用多模态光学相干断层扫描图像早期检测糖尿病周围神经病变	首次将多注意力头深度学习算法与多模态光学相干断层扫描图像结合用于糖尿病周围神经病变的早期检测，并识别出无血管层为最具预测价值的视网膜层	研究样本量有限（435名患者），且需要进一步的外部验证以确认模型的泛化能力和临床可行性	开发一种非侵入性、可靠的诊断工具，用于早期检测糖尿病周围神经病变	糖尿病患者的视网膜光学相干断层扫描图像	计算机视觉	糖尿病周围神经病变	光学相干断层扫描	深度学习	图像	435名糖尿病患者的544只眼睛，共计3264张光学相干断层扫描图像	PyTorch	ResNet-18	AUC	NA
123	2026-03-31	Model-independent searches of new physics in DARWIN with deep learning 2026, The European physical journal. C, Particles and fields DOI:10.1140/epjc/s10052-025-15161-2 PMID:41907564	研究论文	提出了一种基于深度学习的模型无关异常检测流程，用于在DARWIN暗物质探测实验中搜索新物理信号	首次在DARWIN实验中采用无模型、无似然函数的深度学习方法进行异常事件检测，避免了传统分析中对信号模型的依赖	方法依赖于模拟数据的质量，实际实验环境中的噪声和系统误差可能影响性能	开发模型无关的新物理搜索方法，提高暗物质探测实验的分析效率和准确性	DARWIN下一代多吨级液氙暗物质直接探测实验	机器学习	NA	深度学习异常检测	VAE, 分类器	高维模拟探测器响应数据	NA	NA	变分自编码器	背景拒绝能力	NA
124	2026-03-31	Evaluation of orthognathic surgery planning with artificial intelligence: a prospective, comparative study 2026, European oral research IF:0.9Q3 DOI:10.26650/eor.20261702936 PMID:41908035	研究论文	本研究旨在通过比较基于深度学习的AI程序与3D CT扫描的金标准测量结果，评估其在正颌手术规划中头影测量分析的准确性	首次在正颌手术患者中，系统比较了多种基于深度学习的AI头影测量程序（如NemoCeph 2D、OrthoDx、AudaxCeph和WebCeph）与3D CT金标准之间的差异	研究仅评估了特定AI程序，且样本可能有限，未涵盖所有临床场景；AI算法仍需进一步优化以提高准确性	评估基于深度学习的AI程序在正颌手术规划中头影测量分析的准确性	正颌手术候选患者的3D CT扫描和2D头影测量图像	计算机视觉	正颌手术相关疾病	3D CT扫描、2D头影测量图像处理	深度学习	图像	正颌手术候选患者（具体数量未在摘要中明确说明）	NA	NA	ANB角、SNA、SNB、Wits评估、Y轴角、面部高度比等测量指标的差异分析，p值	NA
125	2026-03-31	Quantification of feeding intensity and feeding control of largemouth bass based on water surface vibration characteristics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1656290 PMID:41908139	研究论文	本研究通过整合振动信号量化与深度学习，建立了一种基于水面振动特征的鱼类摄食强度动态预测模型，并用于大口黑鲈的精准投喂控制	首次将三轴位移振动信号量化与LSTM深度学习模型结合，用于预测鱼类摄食强度，并成功部署于低成本嵌入式系统实现实时闭环控制	研究仅针对大口黑鲈单一物种，且实验参数范围（鱼体大小50-300g，密度20-60尾/组）可能未覆盖所有养殖场景	实现高密度水产养殖中的精准投喂控制	大口黑鲈的摄食行为	机器学习	NA	振动信号采集与分析	LSTM, GRU, Transformer	时间序列振动信号	多维实验设计，涉及不同鱼体大小（50-300g）、放养密度（20-60尾/组）、投喂速度（1-3g/s）和饲料粒径（2#、4#、6#）的组合	NA	LSTM, GRU, Transformer	RMSE, MAE, R, 残饵率	嵌入式系统（Orange Pi AiPRO）
126	2026-03-31	Cerebrovascular diagnosis using CTA-based intracranial aneurysm classification via transfer learning and Grad-CAM visualization 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1704945 PMID:41908287	研究论文	本研究提出了一种基于CTA图像的颅内动脉瘤分类混合深度学习框架，结合迁移学习和Grad-CAM可视化技术以提高分类性能和可解释性	将迁移学习与Grad-CAM可视化相结合，在有限数据环境下同时提升颅内动脉瘤分类的准确性和模型可解释性	样本量较小（83例患者），需要进一步的多中心验证	开发一种准确且可解释的颅内动脉瘤CTA图像分类方法	颅内动脉瘤患者的CTA图像	计算机视觉	脑血管疾病	计算机断层扫描血管成像	深度学习	医学图像	来自两个中心的83例患者	未明确指定	ResNet-18	AUC, 准确率, 校准曲线, 决策曲线分析, NRI, IDI, IoU, Dice相似系数	NA
127	2026-03-31	CycleGAN models show consistent brain MRI synthesis across datasets supporting downstream tissue characterization in multiple sclerosis 2026, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2026.1762794 PMID:41908698	研究论文	本研究评估了CycleGAN和Pix2Pix模型在合成脑部MRI图像（T1加权和T2加权）方面的性能，并验证了合成图像在多发性硬化症下游组织表征任务中的可用性	比较了CycleGAN（带与不带谱归一化）与Pix2Pix在跨数据集（包括健康人群和多发性硬化症患者）脑MRI合成中的表现，并系统评估了合成图像在病变检测、脑容量测量和病变纹理分析等下游任务中的实用性	Pix2Pix合成的T1图像在病变纹理上比源T1图像更异质；谱归一化CycleGAN在HCP和MS数据集上未显示普遍改进；MS队列样本量相对较小（105名参与者）	研究深度学习图像合成方法（特别是CycleGAN）在生成临床脑部MRI图像方面的可行性，以支持多发性硬化症的定量分析	健康参与者（HCP 1113名，PPMI 318名）和多发性硬化症患者（105名）的脑部MRI图像	计算机视觉	多发性硬化症	脑磁共振成像（MRI）	GAN, CycleGAN	图像（T1加权和T2加权脑部MRI）	健康参与者1431名（HCP 1113名 + PPMI 318名），多发性硬化症患者105名	NA	CycleGAN, Pix2Pix	峰值信噪比（PSNR）, 结构相似性指数（SSIM）	NA
128	2026-03-31	Real-world federated learning for brain imaging scientists 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1691088 PMID:41909058	研究论文	本文提出并评估了专为脑研究设计的联邦学习工具箱FLightcase，用于从脑磁共振成像预测多发性硬化患者的认知状态	开发了首个针对脑成像研究的真实世界联邦学习工具箱FLightcase，并在多中心环境中验证了其可行性，推动了联邦学习从模拟环境向实际应用的转变	数据存在非独立同分布问题，未来需采用更先进的联邦学习算法来处理此问题，并考虑整合其他成像模态	评估联邦学习在神经影像学中的实际应用，特别是用于预测多发性硬化患者的认知状态	多发性硬化患者的脑磁共振成像数据	数字病理学	多发性硬化	脑磁共振成像	CNN	图像	健康受试者：IXI数据集586张图像，SALD数据集491张图像，CamCAN数据集653张图像；多发性硬化患者：布鲁塞尔96张图像，格赖夫斯瓦尔德756张图像，布拉格2424张图像	NA	DenseNet	平均绝对误差, Pearson相关系数	NA
129	2026-03-31	Correction: Diagnostic performance and generalizability of deep learning for multiple retinal diseases using bimodal imaging of fundus photography and optical coherence tomography 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1813162 PMID:41909129	correction	本文是对先前发表文章DOI: 10.3389/fcell.2025.1665173的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
130	2026-03-31	Cognitive offloading through digital tools and its relationship with critical thinking, task persistence, and learning depth 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1781101 PMID:41909580	研究论文	本研究探讨了数字工具认知卸载与批判性思维、任务坚持性和学习深度的关系，并检验了认知自我效能的中介作用	将认知卸载与自我效能理论整合，揭示了数字工具使用通过增强认知自我效能来支持有意义学习结果的心理机制	研究基于中国大学生的横断面调查数据，可能存在样本代表性和因果推断的局限性	探究数字工具认知卸载对学习过程的影响及其心理机制	中国大学本科生	教育技术	NA	问卷调查	结构方程模型	调查数据	未明确具体数量，但涉及中国大学本科生	NA	协方差结构方程模型	可靠性、效度	NA
131	2026-03-31	Fungal recognition in vaginal discharge using deep learning analysis of mobile device-acquired microscopic images 2026, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2026.1787545 PMID:41909846	研究论文	本研究开发了深度学习模型，用于在智能手机和平板电脑获取的阴道分泌物显微图像中分割真菌形态，以辅助诊断外阴阴道念珠菌病	首次开发了用于智能手机和平板电脑获取的显微图像中真菌形态自动检测的AI工具，结合了ResNet18、YOLOv5和YOLOv11模型，并采用两阶段训练方法	研究样本量相对有限（共1,326张图像），且仅3.68%的图像因假阴性或假阳性分割被专家评为不适用，需要进一步的临床验证和扩展到其他感染类型	开发AI辅助的移动显微图像分析工具，以实现外阴阴道念珠菌病的快速准确诊断	阴道分泌物显微图像中的真菌元素（如酵母、芽殖酵母、丝状形态）	计算机视觉	外阴阴道念珠菌病	革兰氏染色显微成像	CNN, YOLO	图像	1,259张智能手机或平板电脑获取的显微图像和67张传统显微镜图像，共1,326张图像	PyTorch	ResNet18, YOLOv5, YOLOv11	F1分数, AUC, 精确率, 召回率, mAP50	NA
132	2026-03-30	AUTOENCODIX: a generalized and versatile framework to train and evaluate autoencoders for biological representation learning and beyond 2026-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00916-4 PMID:41366150	研究论文	本文介绍了一个名为AUTOENCODIX的开源框架，用于标准化和灵活地预处理、训练和评估自编码器架构，以促进生物表示学习	提出了一个标准化、多功能且可推广的自编码器训练与评估框架，克服了现有实现缺乏标准化、可比较性和通用性的问题	未明确提及具体局限性，但可能涉及框架在不同数据模态或应用场景中的泛化能力验证	开发一个通用框架，以标准化和优化自编码器在生物表示学习中的训练与评估过程	自编码器架构，包括基于本体和跨模态的自编码器	机器学习	泛癌研究	单细胞测序，成像技术	自编码器	多模态数据，包括基因组数据和成像数据	NA	NA	基于本体的自编码器，跨模态自编码器	输入数据重建能力，嵌入质量，基于本体的嵌入可解释性可靠性	NA
133	2026-03-29	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2026-Jan-12, Abdominal radiology (New York) DOI:10.1007/s00261-025-05371-3 PMID:41524987	研究论文	本研究通过多中心评估，利用放射组学和深度学习技术对IPMNs的恶性风险进行分层	首次将放射组学与深度学习融合模型应用于IPMN囊肿级别的恶性风险分层，并在多中心队列中验证其可行性	模型性能仍需提升以满足独立临床应用需求，且仅基于T2W和T1W序列	开发AI模型以区分IPMNs的高危与低危病变，减少不必要的医疗程序	IPMN（导管内乳头状黏液性肿瘤）患者	医学影像分析	胰腺癌	MRI成像	深度学习模型, 放射组学模型	MRI图像	359例T2加权MRI图像，来自七个中心	NA	NA	AUC, 准确率, 加权Cohen's kappa系数	NA
134	2026-03-29	RNFL Thickness in a Population-Based Cohort: The Canadian Longitudinal Study on Aging M2M (Machine-to-Machine) Study 2026-Jan, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.09.051 PMID:41052566	研究论文	本研究利用基于深度学习的M2M模型从眼底照片中估计视网膜神经纤维层厚度，并在加拿大老龄化纵向研究的大规模队列中评估了其与年龄、性别、种族及自我报告青光眼等因素的关联	首次在基于人群的大型队列研究中应用M2M深度学习模型从眼底照片估计RNFL厚度，验证了该模型在流行病学研究中进行可扩展结构评估的实用性	研究为横断面设计，无法确定因果关系；RNFL厚度基于模型预测而非直接OCT测量；依赖自我报告的青光眼诊断可能存在误报	评估加拿大老龄化纵向研究队列中与视网膜神经纤维层厚度相关的因素	加拿大老龄化纵向研究基线综合队列的参与者，年龄45-85岁	数字病理学	青光眼	眼底摄影，光学相干断层扫描	深度学习	图像	28,114名参与者	NA	M2M	Pearson相关系数，回归系数	NA
135	2026-03-29	AutoGlom: software tool for segmentation and analysis of magnetic resonance images of the kidney 2026-Jan-01, American journal of physiology. Renal physiology DOI:10.1152/ajprenal.00325.2025 PMID:41264403	研究论文	本文介绍了一款名为AutoGlom的开源软件工具，该工具集成了人工智能技术，用于肾脏三维磁共振图像的自动分割、分析和可视化	开发了首个开源、模块化、可扩展的肾脏MRI分析软件，集成了深度学习分割算法，并引入了新的图像质量指标（肾小球对比度）以提高可靠性，同时设计了3D打印支架实现多肾脏高通量成像	当前版本主要专注于形态学分割和量化，尚未扩展到体内研究或其他成像模态	开发标准化、可重复的肾脏磁共振图像分析工具，以加速肾脏成像生物标志物的发现	小鼠肾脏（离体）	数字病理学	肾脏疾病	阳离子铁蛋白增强磁共振成像（CFE-MRI）	深度学习	三维磁共振图像	最多可同时成像16个小鼠肾脏	NA	NA	肾小球对比度	NA
136	2026-03-28	QPred: A Quantum Mechanical Property Predictor for Small Molecules 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02864 PMID:41490442	研究论文	本文提出了一种名为QPred的新型量子力学性质预测器，用于小分子的高通量筛选	提出了一种解耦的深度学习架构，能够自适应地利用2D拓扑图或3D几何信息进行分子性质预测，并引入了基于环的半主节点增强的MPNN和具有解耦更新机制的等变网络	未在摘要中明确说明	开发一种高效、高精度且可解释的分子性质预测方法，以加速分子发现过程	小分子的物理化学性质	机器学习	NA	深度学习	MPNN, 等变网络	2D拓扑图, 3D几何信息	NA	NA	Message Passing Neural Network (MPNN), 等变网络	NA	NA
137	2026-03-28	Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae33f6 PMID:41494208	研究论文	本研究提出了一种基于深度学习的方法，用于从高分辨率微计算机断层扫描图像中自动三维分割人类迷走神经束和神经外膜	引入了新颖的解剖感知损失函数，确保预测结果符合神经拓扑结构，并开发了多类3D U-Net模型，显著提高了分割精度和解剖保真度	研究仅基于5名受试者的100个微CT体积数据，样本量相对较小，且未明确提及模型在其他神经类型或成像模态上的泛化能力	旨在通过自动化三维分割技术，精确量化神经形态，以支持有效的周围神经刺激疗法设计	人类迷走神经束和神经外膜	数字病理学	NA	微计算机断层扫描	U-Net	图像	100个微CT体积数据，来自5名受试者的颈部和胸部迷走神经	NA	3D U-Net, 2D U-Net	Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测	NA
138	2026-03-28	Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12264-y PMID:41528473	研究论文	本研究开发了一种基于腹部平片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）的早期诊断，并在外部验证中表现优于人类专家	首次将深度学习特征提取（使用DenseNet121）与放射组学模型（逻辑回归和随机森林）结合，应用于腹部平片以诊断早期NEC，并在多中心数据中验证其性能超越人类专家	研究为回顾性设计，样本量相对有限（共680例），且仅基于两家中心的数据，未来需要前瞻性研究和更大规模的外部验证	探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）早期诊断中的应用	接受腹部平片检查的新生儿	数字病理学	坏死性小肠结肠炎	腹部平片放射成像	CNN, 机器学习模型	图像	共680名新生儿（训练队列380例，外部验证队列300例）	PyTorch（推断自DenseNet121的常见实现）, Scikit-learn	DenseNet121	AUC, 准确率	NA
139	2026-03-28	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	本研究开发了一种名为DROID-MVP的深度学习模型，用于从超声心动图视频中自动识别二尖瓣脱垂	首次提出一个深度学习模型DROID-MVP，能够从超声心动图视频中自动诊断二尖瓣脱垂，并与临床终点（如二尖瓣反流严重程度和未来手术需求）相关联	模型主要基于单一医疗中心（MGH）的数据进行训练，外部验证虽包含BWH数据，但样本量相对较小，可能存在泛化性限制	开发一个深度学习模型，以自动化二尖瓣脱垂的诊断过程，减少对专业知识和时间的依赖	心脏科患者和初级保健患者的超声心动图视频数据	计算机视觉	心血管疾病	超声心动图	深度学习模型	视频	总计1,043,893个超声心动图视频（来自48,829项研究），涉及16,902名MGH心脏科患者、8,888名MGH初级保健患者和257名BWH初级保健患者	未明确提及	DROID-MVP（未指定具体架构如ResNet、CNN等）	AUROC, 平均精度	未明确提及
140	2026-03-28	DRFC: An efficient cloud-based feature reduction and clustering algorithm for agricultural product and remote-sensing imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344526 PMID:41880308	研究论文	本文提出了一种高效的云原生特征降维与聚类算法DRFC，用于处理农业产品和遥感图像，以解决深度学习模型在资源受限环境中的部署问题	DRFC算法结合轻量级降维与动态资源流管理，能动态分配云资源并保持高维数据结构的判别性，在资源效率上优于传统方法	算法主要针对资源受限环境设计，可能不适用于需要极高精度的复杂深度学习任务	开发一种可扩展、资源高效的解决方案，用于处理农业近距离图像和高尺度遥感图像	农业产品图像（如水果）和遥感图像（如农作物数据）	计算机视觉	NA	特征降维与聚类算法	NA	图像	两个基准数据集：Fruits-360（产品级分类）和USDA Cropland Data Layer/BigEarthNet（作物级分析）	NA	NA	准确率, F1分数, mAP, 资源效率指标	云原生环境，分布式节点