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
2501	2026-01-15	Detection of Hypergranulation Tissue in Chronic Wound Images Using Artificial Intelligence Algorithms 2026 Jan-Feb, Wound repair and regeneration : official publication of the Wound Healing Society [and] the European Tissue Repair Society IF:3.8Q1 DOI:10.1111/wrr.70125 PMID:41518268	研究论文	本研究提出了一种基于深度学习的方法，用于区分慢性伤口图像中的过度肉芽组织和非过度肉芽组织	首次利用大型平衡数据集进行深度学习研究，以检测慢性伤口中的过度肉芽组织，并评估了包括ViT、VGG16、RepVGG、MobileViT和RepGhost在内的多种架构	未明确提及研究的具体局限性	开发一种人工智能工具，以辅助临床医生早期检测慢性伤口中的过度肉芽组织，改善伤口治疗结果	慢性伤口图像，特别是包含过度肉芽组织和非过度肉芽组织的图像	计算机视觉	慢性伤口	深度学习	CNN, Transformer	图像	6235张伤口图像，来自Hospital de la Santa Creu de Vic (Catalonia, Spain) 和 DFUC 2022 数据集，类别平衡	NA	ViT, VGG16, RepVGG, MobileViT, RepGhost	准确率, AUC	NA
2502	2026-01-15	Contrastive report and multiparametric dual-region magnetic resonance imaging learning for the preoperative prediction of axillary lymph node metastasis in breast cancer 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1485 PMID:41522005	研究论文	本研究开发了一种多模态深度学习模型，结合乳腺肿瘤和腋窝淋巴结的MRI特征及临床诊断报告文本特征，用于术前预测乳腺癌腋窝淋巴结转移	首次构建了结合视觉-语言模型（BALN-CLIP）和多模态融合网络（MM-AXLNet）的深度学习框架，通过双区域对比学习策略整合多参数MRI和临床报告信息	研究为回顾性设计，样本量相对有限（804例），且未在外部验证集上测试模型泛化能力	开发一种能够准确术前预测乳腺癌腋窝淋巴结转移的多模态深度学习模型，以辅助临床治疗决策	乳腺癌患者（804例，其中396例有腋窝淋巴结转移，408例无转移）	数字病理	乳腺癌	磁共振成像（MRI），包括动态对比增强序列和T2加权成像序列	Vision Transformer, BioClinicalBERT, 多模态深度学习模型	图像（MRI序列），文本（临床诊断报告）	804例乳腺癌患者	PyTorch（基于Transformer架构推断）	Vision Transformer, BioClinicalBERT, 正交融合模块, 交叉注意力模块	准确率, 灵敏度, 特异性, AUC, 精确率, F1分数	未明确指定，但基于深度学习模型推断需要GPU资源
2503	2026-01-15	Automated method for quantitative analysis of iris fluorescein angiography based on machine learning 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-480 PMID:41522026	研究论文	本研究提出了一种基于深度学习的自动化方法，用于分析虹膜荧光素血管造影图像，以检测和量化作为虹膜新生血管关键指标的瞳孔周围渗漏	开发了一种基于YOLOv8n的分割模型用于精确瞳孔定位，并创新性地结合了渗漏圆形度检测算法来量化瞳孔周围荧光素渗漏，相比传统人工诊断方法，显著提高了量化的一致性和准确性	算法的交并比略低于临床专家，表明在空间分割精度上存在轻微的错位，需要进一步优化以提高空间分割的准确性	开发一种自动化、基于机器学习的定量分析方法，用于早期检测和量化虹膜新生血管的瞳孔周围荧光素渗漏	虹膜荧光素血管造影图像	计算机视觉	糖尿病视网膜病变	虹膜荧光素血管造影	CNN	图像	训练集2,449张IFA图像，独立测试集131张临床标准化IFA图像	NA	YOLOv8n	平均绝对误差, 平均绝对百分比误差, 交并比	NA
2504	2026-01-15	Artiﬁcial intelligence model outperformed experienced clinicians in differentiating the aetiology of pneumonia on chest computed tomography: a retrospective study 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2129 PMID:41522044	研究论文	本研究开发并验证了两种深度学习模型，用于在胸部CT图像上区分十种肺炎病因，并在性能上超越了经验丰富的临床医生	提出了一种新颖的大型视觉模型（LVM）用于肺炎病因分类，并与经典3D-DenseNet模型及临床医生进行了比较，展示了AI在肺炎病因诊断中的优势	研究为回顾性设计，且样本量相对有限（共1091名患者），可能影响模型的泛化能力	开发并验证深度学习模型，以快速、精确地诊断肺炎的病因	肺炎患者及其胸部计算机断层扫描（CT）图像	计算机视觉	肺炎	胸部计算机断层扫描（CT）成像	深度学习模型	图像	1091名肺炎患者（训练/验证集），183名非重叠患者（外部测试集）	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	3D-DenseNet, 大型视觉模型（LVM）	曲线下面积（AUC）, 准确率（Top1, Top2, Top3诊断）	NA
2505	2026-01-15	Cross-domain dynamic routing decoders for multi-domain generalization in ultrasound imaging 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-521 PMID:41522047	研究论文	本文提出了一种名为USHydraNet的新型多解码器框架，旨在处理多区域超声图像在医学图像分析中的异质性问题	引入动态路由范式，通过分析图像级和特征级统计矩来选择最优解码器输出，从而适应不同数据质量水平	NA	开发能够跨不同医疗基础设施区域减少性能差异的鲁棒人工智能系统	多区域医疗超声图像	医学图像分析	NA	超声成像	Vision Transformer, UNet	图像	四个公共数据集和一个私有医疗数据集	NA	Vision Transformer, UNet	Dice系数, IoU, 准确率, 精确率, 召回率, F1分数	NA
2506	2026-01-15	Interpretable deep learning framework based on contrast-enhanced MRI for predicting histological grade of hepatocellular carcinoma 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-269 PMID:41522043	研究论文	本研究开发了一种基于多期相增强MRI的可解释深度学习模型iHCG-Net，用于术前预测肝细胞癌的组织学分级	基于概念瓶颈模型框架，结合临床放射学特征，提供模型可解释性，并识别出瘤内动脉作为预测分级的最重要特征	回顾性研究设计，样本量相对有限，且仅使用单一机构的MRI数据	开发可解释的深度学习模型，用于术前预测肝细胞癌的组织学分级	肝细胞癌患者	数字病理学	肝细胞癌	多期相增强磁共振成像	深度学习模型	图像	370例肝细胞癌患者（训练队列259例，验证队列111例）	PyTorch	DenseNet-121	AUC, ROC曲线分析, DeLong检验	NA
2507	2026-01-15	MMD-Net: a weakly supervised solution for quantification of nonalcoholic fatty liver biopsies 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-981 PMID:41522057	研究论文	本研究提出了一种名为MMD-Net的弱监督框架，用于非酒精性脂肪性肝病活检的量化评估，以减少病理学家的标注工作量	首次将多实例学习与多任务学习结合，建立弱监督框架，无需像素级标注即可同时评估脂肪变性、炎症和气球样变	研究依赖于公开数据集，未在更大规模或更多样化的临床数据上进行验证	开发一种临床适用的弱监督诊断方法，用于非酒精性脂肪性肝病的组织病理学评估	非酒精性脂肪性肝病患者的肝活检组织	数字病理学	非酒精性脂肪性肝病	组织病理学成像	深度学习	图像	使用Heinemann等人于2023年7月在OSF平台发布的肝细胞病理学数据集	NA	MMD-Net	准确率, 精确率, 召回率, F1分数, Cohen's κ系数	NA
2508	2026-01-15	Early assessment of myocardial injury in patients with coronavirus disease 2019 using a two-stage deep learning framework based on non-contrast chest computed tomography 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-449 PMID:41522060	研究论文	本研究开发了一种基于非对比胸部CT的两阶段深度学习框架，用于早期评估COVID-19患者的心肌损伤	提出了一种两阶段深度学习框架，首次利用非对比胸部CT进行一站式心肌损伤预测，无需额外对比剂，实现了早期筛查	研究为回顾性设计，样本量相对较小（453例），且仅针对COVID-19患者，模型泛化能力需进一步验证	开发深度学习框架，利用非对比胸部CT实现COVID-19患者心肌损伤的早期预测和风险分层	COVID-19患者，包括230例心肌损伤患者和223例非心肌损伤患者	数字病理学	心血管疾病	非对比胸部CT成像	CNN	图像	453例COVID-19患者（230例心肌损伤，223例非心肌损伤）	PyTorch	FCN-ResNet-101, DenseNet-121	IoU, ACC, Dice系数, AUC, 灵敏度, 特异性, F1分数	NA
2509	2026-01-15	Diabetic retinopathy detection and grading system using deep learning approach 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251410982 PMID:41522450	研究论文	本文提出了一种基于深度学习的糖尿病视网膜病变检测与分级系统	应用深度学习技术自动检测和分级糖尿病视网膜病变，提高早期筛查效率	NA	开发一个自动化的糖尿病视网膜病变检测与分级系统，以辅助早期诊断	糖尿病患者的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	NA	NA	NA	NA	NA
2510	2026-01-15	Particle Morphology Controls the Bulk Mechanical Behavior of Far-Side Lunar Regolith from Chang'e-6 Samples and Deep Learning 2026, Research (Washington, D.C.) DOI:10.34133/research.1064 PMID:41522610	研究论文	本研究结合高分辨率X射线显微计算机断层扫描和半监督机器学习，对嫦娥六号任务返回的月球背面月壤样品进行了高通量颗粒形态表征，并通过离散元模拟揭示了其独特的宏观力学行为	首次对月球背面（南极-艾特肯盆地）月壤样品进行大规模（349,740个颗粒）高通量三维形态重建与分析，揭示了其与近侧样品不同的颗粒不规则性特征，并通过高保真形态的离散元模拟获得了关键的宏观力学参数	研究基于返回的有限样品，可能无法完全代表整个南极-艾特肯盆地的月壤多样性；模拟中使用的围压范围（5-15 kPa）可能未覆盖所有可能的月球表面条件	表征月球背面月壤的颗粒形态特征，并探究其对宏观力学行为的影响，为月球探索和原位资源利用提供关键的地质工程基准	嫦娥六号任务返回的月球背面（南极-艾特肯盆地）月壤样品	机器学习	NA	高分辨率X射线显微计算机断层扫描，离散元方法模拟	半监督机器学习	三维图像数据（来自显微CT）	349,740个独立的月壤颗粒	NA	NA	NA	NA
2511	2026-01-15	XMP-Net: An XAI-Based Modified Xception Model for Recognizing Monkeypox and Other Skin Diseases 2026, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/1113178 PMID:41522723	研究论文	本研究提出了一种基于Xception改进的深度学习模型XMP-Net，用于识别猴痘及其他皮肤疾病，并利用可解释人工智能技术增强模型预测的可信度	提出了一种改进的Xception架构（XMP-Net），并首次将Grad-CAM和LIME两种可解释人工智能技术同时应用于猴痘等皮肤疾病的分类任务中，为临床诊断提供可视化解释	模型在麻疹和水痘类别上的准确率相对较低（分别为84.21%和77.27%），且未提及数据集的具体来源、规模及外部验证情况	开发一种可靠、可解释且适用于资源有限环境的皮肤疾病诊断工具，特别关注猴痘的识别	皮肤图像，包括正常皮肤、水痘、麻疹和猴痘四种类别	计算机视觉	皮肤疾病（猴痘、水痘、麻疹）	深度学习，可解释人工智能	CNN	图像	NA	NA	Xception（改进版）	准确率，精确率，召回率，F1分数	NA
2512	2026-01-15	From fibers to cells: Fourier-based registration enables virtual Cresyl violet staining from 3D polarized light imaging 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1079 PMID:41523213	研究论文	本文提出了一种基于深度学习和傅里叶配准的方法，从3D偏振光成像数据生成虚拟的Cresyl violet染色，以实现细胞和纤维结构的空间对齐	利用傅里叶配准在训练过程中高效处理局部图像块的对齐，从而从3D-PLI数据生成细胞级别的虚拟染色	组织切片后染色的处理复杂性限制了样本数量，且染色过程引入的失真需要跨模态配准	通过虚拟染色技术，在相同切片中建立纤维和细胞结构之间的直接联系，以研究大脑微结构的详细关系	大脑切片，特别是细胞体和神经纤维的微结构	数字病理学	NA	3D偏振光成像，Cresyl violet染色	深度学习，图像到图像转换	图像	有限数量的大脑切片样本	NA	NA	NA	NA
2513	2026-01-15	A multi-stage deep learning network for prenatal diagnosis of coarctation of the aorta 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70230 PMID:41532285	研究论文	本研究提出了一种名为CoA-Net的多阶段深度学习网络，通过局部-全局特征整合，用于胎儿主动脉缩窄的产前诊断	开发了一个多阶段深度学习网络CoA-Net，集成了局部特征提取器和全局特征提取器，并引入了局部注意力机制和稀疏全局注意力机制，以从复杂的胎儿超声心动图分布中提取有意义的特征	研究未明确提及外部验证数据集的使用，可能影响模型的泛化能力；样本量相对有限（488个样本）	开发一种深度学习网络，通过整合局部和全局特征，从胎儿超声心动图中提取判别性特征，以实现胎儿主动脉缩窄的精确产前诊断	胎儿主动脉缩窄病例及健康对照的胎儿超声心动图图像	计算机视觉	心血管疾病	胎儿超声心动图	CNN	图像	488个样本（包括主动脉缩窄病例和健康对照）	NA	CoA-Net	平衡准确率, F1分数, Matthews相关系数, AUC	NA
2514	2026-01-15	Single shot full plan deep learning dose computation for radiation therapy using spherical harmonics 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70223 PMID:41532338	研究论文	本文提出了一种基于物理信息深度学习的AI剂量计算方法，用于快速且准确地计算放射治疗中多野VMAT和IMRT计划的剂量分布	引入了一种新颖的两阶段方法，结合球谐函数系数和图像到图像的神经网络，实现了单次全计划剂量计算	方法仅在三个身体部位的临床计划上进行了大规模数据生成和评估，可能未覆盖所有治疗区域	开发一种快速且准确的放射治疗剂量计算方法，以应对日益增长的病例数量	放射治疗计划中的剂量计算，特别是针对VMAT和IMRT计划	机器学习	NA	深度学习	图像到图像的神经网络	CT图像和球谐函数系数	1641个临床计划，通过数据增强生成超过100,000个训练输入/输出	NA	NA	伽马通过率，相对误差，绝对误差，剂量剖面	NVIDIA RTX 4090 GPU
2515	2026-01-15	Deep Learning-Based Image Recognition for Food Science and Technology: End-to-End Workflows and Domain-Specific Solutions 2026-Jan, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70388 PMID:41532672	综述	本文综述了基于深度学习的图像识别在食品科学与技术中的应用，提出了一个模块化的端到端工作流程，并探讨了领域特定解决方案以应对当前挑战	提出了一个专门为食品科学设计的模块化端到端工作流程，并针对数据有限、标注不一致和子模型集成等常见挑战，提出了一套领域特定的策略	本文是一篇综述，未提出新的算法或模型，主要挑战（如数据可用性有限、标注不一致）的解决方案仍需具体研究和验证	旨在促进深度学习图像识别技术在食品科学与技术领域的可靠、可泛化应用，以解决在线分级、快速质量评估和食品安全监测等现实挑战	食品科学与技术领域的图像识别应用	计算机视觉	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
2516	2026-01-14	Adversarial unpaired disentanglement network (AUDNet): Precise analysis of severely overlapping CS2/SO2 signals in UV-DOAS 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127268 PMID:41351963	研究论文	本文提出了一种结合紫外差分光学吸收光谱与生成对抗网络的CS₂/SO₂混合气体检测系统，用于精确分析严重重叠的光谱信号	采用基于Wasserstein GAN的对抗性非配对解缠网络，无需混合光谱与单一纯组分光谱的严格配对即可进行训练	未明确提及系统在更广泛浓度范围或不同环境条件下的泛化能力	解决CS₂和SO₂在紫外波段光谱严重重叠导致的传统方法精度限制问题	CS₂和SO₂混合气体	机器学习和光谱分析	NA	紫外差分光学吸收光谱	GAN, WGAN-GP	光谱数据	CS₂测试范围3.81-179.2 ppb，SO₂测试范围44.43-942.73 ppb	NA	对抗性非配对解缠网络	平均绝对百分比误差	NA
2517	2026-01-14	Rapid identification of Rhizoma Coptidis origin using terahertz spectroscopy and deep learning 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127283 PMID:41365254	研究论文	本研究提出了一种结合太赫兹光谱和深度学习的方法，用于快速识别黄连的产地来源	提出了ICOA-GRU-MSA分类模型，利用改进的乌鸦优化算法优化GRU超参数，并引入多头自注意力机制增强特征识别能力	仅使用了四个不同产地的黄连样本，样本多样性有限	快速识别中药材黄连的产地来源	不同产地的黄连样品	机器学习	NA	太赫兹时域光谱	GRU, 注意力机制	光谱数据	四个不同产地的黄连样品	NA	GRU, 多头自注意力机制	分类性能	NA
2518	2026-01-14	PLSTM-MTGF: A deep learning fusion model enabling real-time multi-target monitoring of penicillin fermentation via near-infrared spectroscopy 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127358 PMID:41406794	研究论文	本研究提出了一种轻量级双流融合深度学习模型PLSTM-MTGF，用于通过近红外光谱实时监测青霉素发酵过程中的多个关键指标	提出了一种新颖的轻量级双流融合模型架构，结合了偏最小二乘回归进行光谱压缩、长短期记忆-自注意力网络捕获过程动态，并采用多任务门控融合机制来平衡任务特定表征	研究仅在24个工业批次数据上进行评估，样本量相对有限；模型性能可能受特定发酵条件和光谱数据质量影响	开发一种可部署的实时多目标监测系统，以优化工业青霉素发酵过程	青霉素发酵过程中的四个关键指标：残糖、氨基氮、细胞密度和效价	机器学习	NA	近红外光谱	深度学习融合模型	光谱数据	24个工业批次	NA	PLSTM-MTGF（偏最小二乘回归-长短期记忆与多任务门控融合）	相关系数R, RPD	标准CPU
2519	2026-01-14	Classification and quantification of sodium metabisulfite in goji berry powder: Applications of hyperspectral technology and transformer-based hybrid models 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127379 PMID:41442910	研究论文	本研究利用近红外高光谱成像技术结合基于Transformer的混合深度学习模型，对枸杞粉中的焦亚硫酸钠进行分类和定量检测	提出了一种结合局部注意力和残差路径的ResLocalformer混合模型用于分类，以及结合Transformer全局注意力和密集层的Resformer模型用于回归，在焦亚硫酸钠检测中实现了高精度	研究仅针对枸杞粉中的焦亚硫酸钠，样本量相对有限（360个样本），且未在其他食品基质或添加剂上进行广泛验证	开发一种快速、无损的方法来检测和量化枸杞粉中的焦亚硫酸钠残留	枸杞粉样品中的焦亚硫酸钠	计算机视觉	NA	近红外高光谱成像	Transformer, CNN, LSTM	高光谱图像	360个样本（包含9个浓度水平，每个水平40个重复）	NA	ResLocalformer, Resformer	准确率, R, RMSE	NA
2520	2026-01-14	SemiRaman: A self-supervised contrastive representation learning-based framework for semi-supervised Raman spectral identification of pathogenic bacteria 2026-Mar-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127356 PMID:41447771	研究论文	提出了一种基于自监督对比学习的半监督拉曼光谱识别框架，用于在标记数据有限的情况下准确识别病原菌	结合无监督和监督学习模块，通过冗余减少和多层次对比学习从无标签数据中提取判别性特征，并采用多阶段微调策略以极少的标记数据实现高分类精度	NA	开发一种高效、成本效益高的方法，用于食品安全、环境监测和公共卫生领域中有害病原菌的快速准确识别	病原菌	机器学习	NA	拉曼光谱	自监督对比学习	光谱数据	Bacteria-7 和 Bacteria-14 两个数据集	NA	SemiRaman	准确率, MF1-score	NA