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
2081	2026-05-06	Brain Health from Sleep EEG: A Multicohort, Deep Learning Biomarker for Cognition, Disease, and Mortality 2026-Mar, NEJM AI DOI:10.1056/aioa2500487 PMID:41953210	研究论文	利用多任务深度学习框架从睡眠脑电图中提取脑健康生物标志物，关联认知、疾病和死亡率	首次提出端到端深度学习模型从睡眠脑电图数据中学习脑健康潜在表征，并将其蒸馏为单一得分，无需专家定义特征	未明确提及模型在临床实际应用中的可解释性、泛化性以及潜在伦理问题	开发基于睡眠脑电图的客观脑健康综合生物标志物	多队列睡眠脑电图数据中的人类脑健康状态	机器学习	神经系统疾病（认知障碍、死亡风险相关疾病）	多导睡眠图（PSG）	多任务深度神经网络	一维脑电图时间序列和二维时频谱图	来自六个队列的27000名受试者的36000份多导睡眠图记录	NA	多任务深度神经网络	相关性系数（r）、受试者工作特征曲线下面积（AUC）、风险比（HR）	NA
2082	2026-05-02	Deep Learning Technology in Genomics, Radiotherapy, and Ophthalmology for Precision Medicine 2026-Mar-01, Journal of physiological investigation DOI:10.4103/ejpi.EJPI-D-25-00069 PMID:41979282	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2083	2026-05-06	TITAN-BBB: Predicting BBB Permeability using Multi-Modal Deep-Learning Models 2026-Feb-17, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.15.706007 PMID:41756895	研究论文	提出了TITAN-BBB，一种利用表格、图像和文本特征并通过注意力机制结合的多模态深度学习架构，用于预测血脑屏障渗透性	首次将传统化学描述符与深度学习嵌入集成到多模态架构中，利用注意力机制融合表格、图像和文本特征，并构建了迄今最大的BBB渗透性数据集	NA	开发计算模型预测血脑屏障渗透性，替代资源密集且通量低的传统实验方法	血脑屏障渗透性预测	机器学习	NA	NA	多模态深度学习模型	表格数据、图像、文本	汇集多个文献来源，构建了目前最大的BBB渗透性数据集	PyTorch	注意力机制	平衡准确率、平均绝对误差	NA
2084	2026-05-06	Deep learning-based system for automated staging of lower molar maturation 2026-02, Journal of the World federation of orthodontists IF:2.6Q1 DOI:10.1016/j.ejwf.2025.08.004 PMID:41073252	研究论文	基于深度学习系统自动分级下颌磨牙成熟度的研究	首次使用四种卷积神经网络架构（Xception、ResNet、MobileNet和Inception）对下颌第二、第三磨牙成熟阶段进行自动分类，并利用Grad-CAM可视化模型注意力区域	研究为横断面设计，样本量有限（1805张图像），且仅针对下颌磨牙，可能不适用于其他牙齿或人群	评估自动分级牙齿成熟度系统在齿面正畸治疗规划中的辅助诊断价值	下颌第二磨牙和第三磨牙的成熟阶段	计算机视觉	无	NX	卷积神经网络（CNN）	图像（分段全景X光片）	1805张图像	NA	Inception, ResNet, Xception, MobileNet	准确率, 精确率, 召回率, F1分数, 科恩kappa系数	NA
2085	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
2086	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
2087	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
2088	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
2089	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
2090	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
2091	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
2092	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
2093	2026-05-04	Interpretable spatiotemporal traffic crash risk prediction using DMD-based graph neural networks 2026-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108522 PMID:41911624	研究论文	提出一种基于Hankel动态模态分解与时空图神经网络的混合模型，用于预测城市街区级别的交通事故风险	将Hankel-DMD的低秩时空模态提取能力与图神经网络的非线性残差学习相结合，兼顾了预测准确性与可解释性	模型依赖历史数据质量和外部因素（如天气、事件），可能无法完全捕捉异常行为模式；仅在单一城市数据上验证	实现短时（1-7天）街区级事故风险的准确且可解释性预测，支持主动交通安全管理	美国丹佛市78个街区2019-2021年的每日事故记录	机器学学习, 数字病理学	NA	DMD, 图神经网络	混合模型（Hankel-DMD + 图神经网络）	数值矩阵（街区-天事故计数）	78个街区 × 1095天（2019-2021年）	PyTorch	STGNN, Hankel-DMD	MAE, RMSE, 百分比改进	NA
2094	2026-05-04	Non-invasive classification of coronary perfusion pressure during CPR using smartphone-based skin video and deep learning 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109348 PMID:41967268	研究论文	提出一种基于智能手机皮肤视频和深度学习的非侵入性方法，用于心肺复苏过程中冠状动脉灌注压的无创分类	首次利用智能手机拍摄的皮肤视频结合深度学习模型无创分类CPP，并集成Grad-CAM和YCrCb分析增强可解释性	研究基于动物模型（15头猪），尚未在人体临床试验验证	开发一种低成本、可及的非侵入性CPP分类方法，用于院外心肺复苏的实时质量评估和决策支持	15头猪在心肺复苏过程中的皮肤视频和生物信号数据	计算机视觉，深度学习	心脏骤停，心血管疾病	智能手机视频记录，深度学习	CNN，GRU	视频，生物信号	15头猪	PyTorch	EfficientNetV2-B0，ConvNeXt-Nano，FastViT-T8，CNN-backbone-GRU	准确率，F1分数	NA
2095	2026-05-04	The nonlinear impact of road safety policy implementation on the severity of road traffic crashes: A fusion of deep learning and Bayesian random parameter methods 2026-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108503 PMID:41990541	研究论文	通过融合深度学习和贝叶斯随机参数方法，分析道路安全政策实施对交通事故严重程度的非线性影响	首次将可解释机器学习技术与贝叶斯随机参数方法相结合，探索政策干预与事故严重程度之间的非线性关系及时空异质性	未明确提及研究局限性	探究道路安全政策实施对交通事故严重程度的非线性影响及其时空异质性	澳大利亚七个州的交通事故数据及道路安全政策强度数据	机器学习	NA	NA	深度学习模型、贝叶斯随机参数模型	结构化数据（交通事故记录、政策强度数据）	澳大利亚七个州的多项交通事故数据及政策强度数据，具体数量未提及	NA	可解释机器学习模型、贝叶斯随机参数模型	模型可靠性经过严格测试，具体指标未提及	NA
2096	2026-05-04	Echo-SMADS: A hierarchical planning model for predicting ejection fraction using echocardiography 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109377 PMID:42019102	研究论文	提出一种基于层次规划的心室射血分数预测模型Echo-SMADS以提高临床可解释性	借鉴人工智能层次规划概念，将射血分数预测任务分解为三个临床相关子任务（结构识别、相位选择和容积估计），并设计为独立优化的模块化系统，提供可解释的中间输出	仅基于EchoNet-Dynamic数据集验证，未在更多临床场景中测试；模块化设计可能增加模型复杂度和训练成本	设计一种临床对齐的模块化系统，模拟医生诊断流程，提升射血分数评估的可解释性、稳定性和临床适用性	超声心动图像中的左心室结构与功能评估	计算机视觉, 数字病理学	心血管疾病	超声心动图	层次规划模型	图像	EchoNet-Dynamic数据集	NA	模块化层次规划架构	平均绝对误差, 均方根误差	NA
2097	2026-05-04	Exploring three-dimensional reconstruction with Neural Radiance Field (NeRF) for coronary roadmap navigation and view-planning in X-ray coronary angiography: A feasibility study 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109349 PMID:42019103	研究论文	探索使用神经辐射场（NeRF）从X射线冠状动脉造影图像进行三维重建，用于冠状动脉路线图导航和视角规划	首次应用NeRF技术从少量X射线冠状动脉造影视图进行自动三维重建，并评估其在临床导航和规划中的可行性	NeRF在视角规划方面表现不佳，不足三分之一的预测视图被认为可接受，且在不同评估者之间存在评分差异，需要对三维冠状动脉拓扑结构进行进一步改进以提高模型鲁棒性	评估NeRF在X射线冠状动脉造影中生成冠状动脉路线图和预测最佳视角的临床可行性	X射线冠状动脉造影图像中的三维冠状动脉树	计算机视觉	冠状动脉疾病	X射线冠状动脉造影	Neural Radiance Field (NeRF)	图像	多种分割后的血管造影视图组合	NA	NeRF	定性问卷调查（图像质量、冠状动脉拓扑结构、视觉杂乱程度）	NA
2098	2026-05-04	Development of a deep learning tool to detect drug-resistance epilepsy with EEG 2026-Jul, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2026.111028 PMID:41936310	研究论文	开发基于脑电图的深度学习工具检测耐药性癫痫	首次使用表面脑电图和卷积神经网络对耐药性癫痫与非耐药性癫痫进行分类	仅使用表面脑电图数据且数据集较小，模型性能中等，需通过添加神经影像和临床信息以及更大规模数据集来改进	开发一种卷积神经网络模型，利用表面脑电图分类癫痫患者为耐药性或非耐药性	癫痫患者	机器学习	癫痫	EEG	CNN	脑电图图像	180名癫痫患者（平均年龄41.1岁，52.8%女性）	NA	CNN	准确率、敏感度、特异度、F1分数、AUC-ROC、AUPRC	NA
2099	2026-05-04	Artificial intelligence-based prediction of boar reproductive fitness and health: Current status in research and practice 2026-Jun, Animal reproduction science IF:2.2Q1 DOI:10.1016/j.anireprosci.2026.108172 PMID:41861691	综述	总结人工智能和机器学习在公猪生殖健康与繁殖性能预测中的当前研究与应用现状	系统综述了从传统精子评估转向基于AI的预测性、精准化生殖管理的技术进展，涵盖成像、光谱、超声等多模态数据应用	数据标准化、模型可解释性和经济可行性仍是主要挑战	评估AI/ML技术在公猪生殖健康管理中的潜力及应用范围	公猪生殖健康与繁殖性能	机器学习	NA	图像流式细胞术，计算机辅助精子分析，拉曼光谱，近红外光谱，睾丸超声	深度学习	图像，光谱数据	NA	NA	NA	NA	NA
2100	2026-05-04	High-accuracy instance segmentation of cellular structures in head and neck squamous cell carcinoma histopathology using a cyto R-CNN deep learning framework 2026-Jun, Pathology, research and practice DOI:10.1016/j.prp.2026.156459 PMID:41985370	研究论文	开发一种基于深度学习的Cyto R-CNN框架，用于头颈部鳞状细胞癌组织病理学图像中细胞结构的实例分割，以提高病理评估的效率和客观性	提出了一个任务特定的Cyto R-CNN框架，通过集成双分支解码器和边界感知的轮廓损失，有效应对细胞重叠和边界模糊的挑战，实现了对细胞核和完整细胞的高精度实例分割	未来需扩展数据集并在更广泛的图像集合和临床应用中评估模型	自动化头颈部鳞状细胞癌组织病理学图像中细胞核和完整细胞的实例分割，提供定量支持以辅助诊断	头颈部鳞状细胞癌（HNSCC）组织病理学图像中的细胞核和完整细胞	计算机视觉	头颈部鳞状细胞癌	H&E染色	Cyto R-CNN	图像	83张图像，包含6598个标注实例	PyTorch	Cyto R-CNN	Dice系数	NA