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
2641	2026-04-22	Evaluating the Predictive Potential of an AI-Driven Deep Learning Model for Pneumonia-Associated Sepsis 2026-Mar-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062125 PMID:41899050	研究论文	本研究评估了一种AI驱动的深度学习模型在预测肺炎相关脓毒症方面的性能，该模型能提前四小时预测院内脓毒症	开发了一种深度学习模型，在肺炎患者中提前预测脓毒症，其性能显著优于传统的评分系统（如NEWS、MEWS、SOFA、qSOFA），并提供了中位183分钟的提前识别时间	研究为回顾性、单中心设计，需要进一步的前瞻性研究来验证其在实时临床应用中的有效性	评估AI模型在肺炎相关脓毒症早期检测中的预测潜力，以促进及时干预	通过胸部X光或CT识别的7715例肺炎病例	数字病理学	肺炎	深度学习	深度学习模型	医学影像数据（胸部X光或CT）	7715例肺炎病例	NA	NA	AUROC, 敏感性, 特异性, 提前时间	NA
2642	2026-04-22	Thyroid Nodule Detection and Classification on Small Datasets: An Ensemble Deep Learning Approach with Attention Mechanism and Focal Loss 2026-Mar-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060825 PMID:41897558	研究论文	本研究提出了一种结合YOLO检测与增强型ResNet18分类器的集成深度学习框架，用于解决小数据集和类别不平衡下的甲状腺结节超声图像检测与分类问题	在轻量级ResNet18架构中引入卷积块注意力模块增强特征提取，并综合采用焦点损失、加权随机采样、混合增强、余弦退火学习率调度与5折交叉验证集成策略，以应对小样本和类别不平衡的挑战	研究样本量有限（总522例），外部验证集仅36例且来自在线来源，可能影响模型的泛化能力评估	开发一种在小规模医学数据集上具有良好泛化能力的甲状腺结节计算机辅助诊断工具	甲状腺超声图像	计算机视觉	甲状腺结节	超声成像	CNN, YOLO	图像	522例患者超声图像（训练集467例，独立测试集41例，内部验证集14例），另加36例外部验证图像	PyTorch	ResNet18, YOLO	准确率, 灵敏度, 特异性	NA
2643	2026-04-22	Automated multiclass bone segmentation using deep learning: implications for templating in radial head replacement 2026-Feb-18, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2026.02.005 PMID:41720251	研究论文	本研究训练并验证了一个基于nnU-Net的深度学习模型，用于自动化桡骨头置换术术前三维模板中的多类别骨骼分割	首次将nnU-Net模型应用于桡骨头置换术的自动化多类别骨骼分割，显著提高了分割效率并保持了高精度	模型无法捕捉软骨组织	开发一种快速可靠的自动化骨骼分割方法，以支持桡骨头置换术的术前三维模板规划	上肢骨骼（包括肱骨、尺骨、桡骨皮质和非皮质区域）	数字病理	骨科疾病	计算机断层扫描	深度学习	医学影像	93例上肢CT扫描	nnU-Net	U-Net	Dice相似系数, Hausdorff距离, 平均表面距离, 均方根误差	NA
2644	2026-04-22	Dual-Modal Deep Learning with In-Domain Training and Attention for Infant Brain Myelination Prediction 2026-Feb-18, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09750-5 PMID:41706372	研究论文	提出一种新颖的双模态深度学习框架，利用T1和T2加权MRI自动评估婴儿脑髓鞘成熟度	采用领域内训练的DenseNet121特征提取器，结合通道和多头注意力块增强特征优先级和空间上下文，并通过交叉注意力实现模态间有效信息交换	研究仅基于公开数据集，样本量相对有限，未在更广泛临床环境中验证	开发自动评估婴儿脑髓鞘成熟度的深度学习模型，以支持儿科神经影像诊断	婴儿脑髓鞘成熟过程	数字病理学	NA	MRI	CNN	图像	833个样本（训练集710个，测试集123个）	PyTorch, TensorFlow	DenseNet121	平均绝对误差, 皮尔逊相关系数, 决定系数, 一致性相关系数	NA
2645	2026-04-22	Sharper than human eyes? A systematic review and meta-analysis of machine learning for retinal detachment detection 2026-Feb-10, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721261419673 PMID:41666118	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估机器学习在视网膜脱离检测中的诊断准确性	首次对机器学习在视网膜脱离检测中的诊断性能进行全面的荟萃分析，比较了不同机器学习技术、成像模态和验证方法的性能差异	研究存在显著的异质性（I>90%），患者选择和数据质量存在偏倚，外部验证的普适性面临挑战	评估机器学习在视网膜脱离检测中的诊断准确性，并探讨其临床应用的潜力与挑战	视网膜脱离（RD）的检测	机器学习	视网膜脱离	机器学习（ML）、深度学习（DL）	深度学习模型、机器学习模型	图像（包括眼底成像等多种成像模态）	来自20项研究的69个模型	NA	NA	灵敏度、特异性、曲线下面积（AUC）	NA
2646	2026-04-22	Small data, big challenges: Machine- and deep-learning strategies for data-limited drug discovery 2026-Feb, Advanced drug delivery reviews IF:15.2Q1 DOI:10.1016/j.addr.2025.115762 PMID:41421504	综述	本文综述了在数据有限的药物发现中，机器学习和深度学习面临的挑战及应对策略	聚焦于药物发现流程中的小数据问题，系统整合了传统ML方法和针对小数据优化的先进DL策略，填补了现有综述的空白	作为一篇综述文章，主要基于现有文献进行综合，未提出新的原创算法或实验验证	探讨在数据稀缺的药物发现与开发（DDD）流程中，如何应用和调整ML与DL方法以提高其实用性和可信度	药物发现与开发（DDD）流程中的关键任务及相关数据	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
2647	2026-04-22	Deep Learning-Based Classification of Temporal Stages of AT8-Labeled Tau Pathology After Experimental Traumatic Brain Injury 2026-Jan-19, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09763-0 PMID:41553585	研究论文	本研究评估了一种基于深度学习的框架，用于在实验性创伤性脑损伤小鼠模型中，对AT8标记的tau病理的多个时间阶段进行分类	将深度学习应用于创伤性脑损伤后tau病理的早期和中间时间阶段分类，这是一个尚未充分探索的应用领域	结果基于内部交叉验证，缺乏独立的动物级别标识符或外部队列验证，且早期阶段（1天）的分类可分离性有限	开发一个可扩展的自动化方法，用于临床前组织学中tau病理的时间阶段分期	实验性创伤性脑损伤小鼠模型中AT8染色的皮质显微图像	数字病理学	神经退行性疾病	AT8染色（抗磷酸化tau抗体）	CNN	图像	未明确指定样本数量，但图像被分为四个损伤后阶段（1天、1周、1个月、3个月）	未明确指定，可能为TensorFlow或PyTorch	自定义CNN, InceptionV3, DenseNet	准确率, 宏平均F1分数, 每类F1分数, 一对多接收者操作特征曲线下面积（AUC）	NA
2648	2026-04-21	Multi-timescale representation with adaptive routing for deep tabular learning under temporal shift 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108670 PMID:41638097	研究论文	本文提出了一种名为TARS的即插即用方法，用于在时间偏移下实现稳健的表格学习，通过多时间尺度表示和自适应路由机制提升深度模型的性能	首次将时间偏移视为多尺度异质动态过程，并设计了显式时间编码器、隐式漂移编码器、漂移感知路由机制和特征-时间融合层四个互补模块，以自适应地加权相关时间尺度	未明确讨论计算开销或模型在极端时间偏移场景下的泛化能力，实验仅限于TabReD基准中的八个数据集	提升深度表格学习模型在时间偏移下的稳健性和长期性能	随时间演变的表格数据集	机器学习	NA	NA	MLP, DCNv2	表格数据	NA	NA	NA	平均相对改进	NA
2649	2026-04-21	AW-EL-PINNs: A multi-task learning physics-informed neural network for Euler-Lagrange systems in optimal control problems 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108694 PMID:41687236	研究论文	本文提出了一种结合自适应加权欧拉-拉格朗日定理的物理信息神经网络（AW-EL-PINNs），用于解决最优控制问题中的欧拉-拉格朗日系统	通过创新性地将欧拉-拉格朗日定理与深度学习架构结合，建立了多任务学习范式，并引入自适应损失加权机制动态平衡训练中的损失函数组件	NA	解决最优控制问题中的欧拉-拉格朗日系统	欧拉-拉格朗日系统在最优控制问题中的应用	机器学习	NA	NA	物理信息神经网络（PINNs）	数值模拟数据	基于五个数值示例	NA	物理信息神经网络（PINNs）	解决方案准确性、稳定性	NA
2650	2026-04-21	MS-STFNN: A multi-scale spatio-temporal fusion neural network for fMRI-based depression diagnosis 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108685 PMID:41689977	研究论文	本研究提出了一种用于fMRI抑郁症诊断的多尺度时空融合神经网络，通过融合多粒度空间特征和多分辨率时间表征，实现了对不同抑郁症亚型的有效分类	提出了一种新颖的多尺度时空融合神经网络，首次同时整合了从局部到全局的多粒度空间特征、动态功能连接和原始fMRI序列的多分辨率时间表征，并通过多尺度特征融合实现分类	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算复杂度可能较高	开发一种基于fMRI的客观神经影像诊断方法，用于抑郁症的亚型分类	重度抑郁症患者的功能磁共振成像数据	数字病理学	抑郁症	功能磁共振成像	神经网络	功能磁共振成像序列	NA	NA	多尺度时空融合神经网络	分类准确率	NA
2651	2026-04-21	L2G-Net: Local-to-global feature enhancement via cluster tokens for 3D place recognition 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108700 PMID:41691827	研究论文	提出了一种名为L2G-Net的新型网络，通过聚类令牌实现从局部到全局的特征增强，用于3D点云地点识别	设计了三个新模块：点特征增强模块补偿体素特征丢失的细粒度信息；聚类令牌Mamba模块通过状态空间模型高效捕获点云上下文信息；聚类令牌交叉注意力模块通过聚类令牌将局部特征一致性信息传递至全局描述符	NA	提升GPS拒止环境下基于3D点云的地点识别性能，以支持长期SLAM和自主定位	3D点云数据	计算机视觉	NA	深度学习	神经网络	3D点云	多个公开3D点云地点识别数据集	NA	L2G-Net（包含PFE、CTM、CTCA模块）	地点识别性能	NA
2652	2026-04-21	Transforming tabular data into images for deep learning models 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108715 PMID:41691829	研究论文	本研究提出了一种将数值表格数据转换为灰度图像表示的新方法，以利用卷积神经网络等深度学习架构处理传统数值数据集	提出了一种创新的表格数据图像化转换方法，使缺乏空间结构的数值数据能够适用于基于图像处理的深度学习模型	未明确讨论转换方法对高维稀疏表格数据的适用性，且实验数据集规模相对有限	探索将数值表格数据有效整合到深度学习工作流中的方法	公开可用的数值表格数据集（RMSCD、Optdigits、TUNADROMD、Spambase）	机器学习	NA	数据转换技术	CNN, DAG-Net	表格数据、图像数据	四个公开数据集	NA	ResNet-18, DAG-Net	准确率	NA
2653	2026-04-21	InfoCAM: An information-weighted class activation mapping for explaining visual neural networks 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108757 PMID:41747326	研究论文	本文提出了一种名为InfoCAM的信息加权类激活映射方法，用于解释视觉神经网络的决策过程	提出了一种新的信息加权类激活映射框架，通过构建双流信息瓶颈模块，将中间特征激活显式分解为判别性特征流和任务无关噪声流，从而生成可靠的视觉解释	NA	增强视觉神经网络决策过程的透明度，提供可靠的视觉解释	视觉神经网络	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	平均下降, 平均增加	NA
2654	2026-04-21	Enhancing progressive ensemble learning via normalized extra-Gradient initialization 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108733 PMID:41747330	研究论文	本文提出了一种名为归一化额外梯度初始化的新方法，用于提升渐进集成学习的效率和稳定性	将渐进集成学习形式化为函数优化问题，并基于此理论框架提出归一化额外梯度初始化方法，提供了收敛保证和稳定性边缘分析的理论见解	未明确说明方法在超大规模模型或不同领域数据集上的泛化能力	提升渐进集成学习的训练效率和稳定性	深度学习模型，特别是渐进集成学习中的模型集合	机器学习	NA	渐进训练，集成学习	集成模型，Vision Transformer	合成数据，图像数据	使用ImageNet-200和ImageNet-1K数据集	NA	Vision Transformer	NA	NA
2655	2026-04-21	Edge-updating graph neural networks for modeling feature interactions in tabular data 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108724 PMID:41722299	研究论文	本文提出了一种基于图同构网络的消息传递图神经网络，用于在表格数据中建模特征交互	提出了一种基于GIN的GNN架构，通过神经网络学习边属性，并利用节点和边的残差连接来缓解GNN中常见的过平滑问题	NA	开发一种图神经网络模型，以有效建模表格数据中的特征交互并提升分类性能	表格数据	机器学习	NA	NA	图神经网络	表格数据	12个公开可用数据集	NA	图同构网络	NA	NA
2656	2026-04-21	Artificial intelligence in knee osteoarthritis imaging and total knee arthroplasty: advances, challenges, and segmentation methods - A review 2026-Jun, The Knee DOI:10.1016/j.knee.2026.104327 PMID:41564627	综述	本文综述了膝关节骨关节炎影像学及全膝关节置换术中的人工智能应用，重点探讨了自动分割和分析方法	系统比较了经典分割方法与基于AI（特别是深度学习）的方法在TKA规划与评估中的能力、局限性和临床相关性	基于AI的方法依赖于大规模标注数据集，且成像协议的变异性仍是重大挑战	综述膝关节成像的自动分割和分析方法，评估其在全膝关节置换术规划与评估中的应用	膝关节骨关节炎的影像数据（如X光、CT、MRI、超声）及相关的分割技术	数字病理学	骨关节炎	影像学技术（X光、CT、MRI、超声）	深度学习模型	图像	NA	NA	NA	NA	NA
2657	2026-04-21	Artificial intelligence to automatically identify reverse shoulder arthroplasty implant brands on postoperative radiographs including uncertainty quantification 2026-May, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.10.011 PMID:41177294	研究论文	本研究开发了一种基于深度学习的计算机视觉算法，用于自动识别反向肩关节置换术后X光片中的植入物品牌，并量化不确定性	首次将深度学习与保形预测结合，用于反向肩关节置换植入物品牌的自动识别，并提供了不确定性量化	研究仅针对8种常见植入物品牌，可能未涵盖所有市场型号，且依赖特定数据集的标注质量	开发一种能准确高效识别反向肩关节置换植入物品牌的AI算法，以辅助临床决策	反向肩关节置换术后患者的肩部X光片	计算机视觉	骨科疾病	深度学习图像分类	CNN	X光图像	5,256张肩部X光片（对应1,368例肩关节）	NA	EfficientNet	准确率, F1分数, 效率, 覆盖率	NA
2658	2026-04-21	Clinically oriented deep learning framework for automated vessel wall segmentation in black-blood MRI: a multi-center study 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12161-4 PMID:41273425	研究论文	本研究开发并验证了一个用于黑血磁共振血管壁成像中颅内和颈动脉血管壁自动分割的临床适用深度学习框架	提出了一个包含三个关键创新的深度学习分割框架：极坐标映射、特征共享填充策略和极坐标Dice损失函数	研究为回顾性多中心设计，样本量相对有限（193名患者）	开发一个临床适用的深度学习框架，用于黑血磁共振血管壁成像中的血管壁自动分割	颅内和颈动脉血管壁	数字病理学	心血管疾病	黑血磁共振血管壁成像	深度学习分割框架	磁共振图像	来自五家医院的193名患者（平均年龄60.2±4.3岁），以及MICCAI 2021血管壁分割挑战赛的公开数据集	未明确指定	未明确指定具体架构，但比较了四个基准网络	Dice相似系数, Hausdorff距离, 面积差异	NA
2659	2026-04-21	A deep learning model to reduce agent dose for contrast-enhanced MRI of the cerebellopontine angle cistern 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12187-8 PMID:41329327	研究论文	本研究评估了一种深度学习模型，用于减少桥小脑角池对比增强T1加权MRI的造影剂剂量	首次在桥小脑角池MRI中广泛评估深度学习模型以减少造影剂剂量，并证明在10-30%标准剂量下即可实现病变检测和诊断表征	研究为回顾性多中心设计，样本量相对有限（203个MRI研究，72名患者），且仅针对前庭神经鞘瘤患者	评估深度学习模型在减少桥小脑角池对比增强MRI造影剂剂量方面的效果	前庭神经鞘瘤患者的MRI图像	数字病理学	前庭神经鞘瘤	对比增强T1加权MRI	深度学习模型	MRI图像	203个MRI研究，来自72名前庭神经鞘瘤患者（平均年龄58.51±14.73岁，39名男性）	NA	NA	结构相似性指数测量，峰值信噪比，Dice系数，95% Hausdorff距离，平均表面距离	NA
2660	2026-04-21	Establishment of CT diagnostic reference levels (DRLs) in Tokyo 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12194-9 PMID:41359161	研究论文	本研究旨在调查东京地区医疗机构的特征和CT扫描仪性能如何影响诊断参考水平，以优化CT检查中的辐射剂量	首次在东京地区基于大规模调查（100家医疗机构、176台CT扫描仪）建立诊断参考水平，并系统评估了包括放射科医师、认证CT技师、医院规模、扫描仪规格和图像重建方法在内的多种影响因素	双能CT的数据有限，仅针对对比增强肺动脉扫描建立了诊断参考水平；研究范围局限于东京地区，可能无法完全代表其他地区的实际情况	优化CT检查中的辐射剂量，通过建立诊断参考水平并识别影响因素来提升患者安全	东京地区的医疗机构、CT扫描仪及接受常见CT检查方案的成年患者（体重50-70公斤）	医学影像学	NA	CT扫描、剂量调查、统计分析	NA	剂量数据（CTDIvol、DLP）、设施特征数据	100家医疗机构、176台CT扫描仪	NA	NA	75百分位数（用于定义诊断参考水平）	NA