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
3201	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
3202	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
3203	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
3204	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
3205	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
3206	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
3207	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
3208	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
3209	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
3210	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
3211	2026-04-21	Deep learning-based assessment of paraspinal muscle degeneration and its relationships to muscle function and disability outcomes in chronic low back pain: a prospective study 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12171-2 PMID:41405693	研究论文	本研究利用深度学习模型评估慢性腰痛患者椎旁肌脂肪分数，并探讨其与肌肉功能和功能障碍结局的关系	开发了一种基于深度学习和Otsu阈值分割的模型，用于从3D T2加权图像中量化肌肉脂肪分数和功能肌肉体积，并与Dixon MRI金标准进行对比验证	样本量相对有限（共182名参与者），且为单中心前瞻性研究，可能影响结果的普适性	评估深度学习模型在量化椎旁肌脂肪分数方面的准确性，并探索肌肉功能在肌肉退变与功能障碍结局关系中的间接作用	慢性腰痛患者（96名）和健康参与者（86名）	数字病理学	慢性腰痛	3T MRI, Dixon MRI, 3D T2加权成像	深度学习模型	医学图像	182名参与者（96名慢性腰痛患者，86名健康对照）	NA	深度学习结合Otsu阈值分割模型	Lin's一致性相关系数, Bland-Altman分析, Passing-Bablok分析	NA
3212	2026-04-21	Conjugate gradient and deep learning reconstructions: reduced time without affecting image quality and nodule detection 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12153-4 PMID:41444395	研究论文	本研究评估了共轭梯度重建和深度学习重建在肺部超短回波时间MRI中减少扫描时间的同时保持图像质量和结节检测能力的效用	结合共轭梯度重建和深度学习重建，在减少扫描时间的同时保持图像质量和结节检测能力，为肺部MRI提供了一种高效的重建方法	研究样本量较小（35名患者），且仅针对肺部结节进行评估，可能限制了结果的普适性	评估共轭梯度重建和深度学习重建在肺部超短回波时间MRI中减少扫描时间的效果	NEMA体模和35名肺部结节患者	医学影像	肺癌	超短回波时间MRI	深度学习重建	MRI图像	35名患者和NEMA体模	NA	NA	信噪比, 图像质量评分, 曲线下面积	NA
3213	2026-04-21	Computed Tomography-Pathology Deep Learning Model for the Precise Prediction of Recurrence in Pathological Stage IA Lung Adenocarcinoma 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18946-7 PMID:41449240	研究论文	本研究开发了一种结合CT影像和病理分级的深度学习模型，用于精确预测IA期肺腺癌术后的复发风险	提出了一种新型的ResNet 3D-Pathology Fusion模型，首次将三维ResNet骨干网络与影像-病理融合模块结合，用于肺腺癌复发预测	研究为单中心回顾性分析，样本量相对有限，且仅针对IA期肺腺癌患者	开发精确的深度学习模型以改善IA期肺腺癌术后复发风险的预测和分层	IA期肺腺癌患者	数字病理学	肺癌	计算机断层扫描, 国际肺癌研究协会分级	CNN	图像	551名患者（训练集368人，验证集183人）	NA	ResNet	AUC, 风险比, 5年无复发生存率	NA
3214	2026-04-21	Automatic measurement and evaluation of anterior segment anatomical structures via UBM images using a deep learning-based approach 2026-May, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-07070-7 PMID:41507579	研究论文	本研究开发了一种基于深度学习的模型，用于从植入式Collamer镜（ICL）手术候选者的术前超声生物显微镜（UBM）图像中自动测量前段解剖结构参数	首次应用YOLOv8-pose算法于UBM图像，实现前段解剖关键点的自动识别和参数计算，精度与经验丰富的眼科医生相当	研究为横断面回顾性设计，样本量相对有限（320名受试者），且仅基于单一医疗中心的数据	开发深度学习模型以自动测量前段解剖参数，辅助ICL手术的尺寸选择和拱高预测	植入式Collamer镜（ICL）手术候选者的术前UBM图像	计算机视觉	眼科疾病	超声生物显微镜（UBM）成像	深度学习	图像	1,480张术前全景UBM图像，来自320名受试者的638只眼睛	YOLOv8-pose	YOLOv8-pose	组内相关系数（ICC），平均欧几里得距离，平均相对误差	NA
3215	2026-04-21	AI-FLEET: Phase I-Multimodal Deep Learning Model for Phyllodes Tumor Classification 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19179-y PMID:41649783	研究论文	本研究开发了一个多模态深度学习模型AI-FLEET，用于区分乳腺叶状肿瘤的良性与交界性/恶性类型	首次将超声图像与临床变量结合，通过多模态深度学习模型提高叶状肿瘤分类的准确性	样本量较小（81例患者），且交界性和恶性叶状肿瘤被合并为一组，可能影响分类的精细度	提高乳腺纤维上皮性病变的诊断准确性，减少术前评估的不确定性	经组织学确认的乳腺叶状肿瘤患者	数字病理学	乳腺癌	超声成像	CNN	图像, 临床数据	81例患者（65例良性，16例交界性/恶性），共1638张超声图像	NA	ConvNeXt, ResNet18	准确率, AUC	NA
3216	2026-04-21	Explainable multimodal deep learning models for variable-length sequences in critically ill patients 2026-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105001 PMID:41747919	研究论文	本研究开发了一种可解释的多模态深度学习框架，用于处理重症监护患者可变长度的电子健康记录数据，以预测临床事件	提出了两种多模态循环神经网络融合架构（Pre-RNN和Post-RNN），结合了结构化数据和非结构化临床笔记，并利用集成梯度方法实现时间步级别的特征重要性解释	性能提升对于短期事件较为有限（ΔAUPRC < 0.01），且研究依赖于公开数据集，可能受数据质量和通用性限制	开发一个可解释的多模态深度学习框架，以处理重症监护中可变长度的时序数据，并提升临床事件预测的准确性和可解释性	重症监护患者的电子健康记录数据，包括结构化变量和非结构化临床笔记	自然语言处理, 机器学习	危重病	电子健康记录分析, 多模态数据融合	RNN	结构化数据, 文本	使用公开的电子健康记录数据集，具体样本数量未明确说明	未明确指定，可能基于TensorFlow或PyTorch	Time2Vec, RNN	AUPRC	未明确说明
3217	2026-04-21	Improved sub-visible particle classification in flow imaging microscopy via generative AI-based image synthesis 2026-May, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2026.104225 PMID:41763492	研究论文	本文开发了一种基于生成式AI的图像合成方法，用于改善流式成像显微镜中的亚可见颗粒分类，通过生成高保真图像解决数据不平衡问题	利用最先进的扩散模型生成高保真颗粒图像，以增强训练数据集，从而有效训练多类别深度神经网络，并公开了模型和接口以促进开放研究	未明确提及具体局限性，但可能涉及生成图像的真实性验证范围或模型在更广泛颗粒类型上的泛化能力	解决流式成像显微镜中因数据稀缺和类别不平衡导致的亚可见颗粒分类问题	亚可见颗粒，包括硅油、气泡和蛋白质颗粒	计算机视觉	NA	流式成像显微镜	扩散模型, 深度神经网络	图像	验证数据集包含500,000张蛋白质颗粒图像	NA	NA	分类性能	NA
3218	2026-04-21	Classification of small specimen uranium ores using LIBS combined with machine learning and deep learning algorithms 2026-Apr-20, The Analyst DOI:10.1039/d5an01326g PMID:41699974	研究论文	本研究提出了一种结合激光诱导击穿光谱技术与机器学习和深度学习算法的分类模型，用于实现小样本铀矿石的快速高精度分类	首次将LIBS技术与多种机器学习及深度学习算法结合，并系统比较了不同特征提取方法（LASSO和PCA）在小样本铀矿石分类中的性能，发现基于PCA特征的深度学习模型能实现100%分类准确率	研究仅针对12种铀矿石类型，样本多样性有限；RF模型在小训练集下存在明显过拟合问题	开发快速准确的小样本铀矿石分类方法	12种铀矿石样品	机器学习	NA	激光诱导击穿光谱	随机森林,前馈神经网络,卷积神经网络,长短期记忆网络	光谱数据	12种铀矿石样品的光谱数据	NA	FNN, CNN, LSTM	分类准确率	NA
3219	2026-04-21	Association of initial core volume on non-contrast CT using a deep learning algorithm with clinical outcomes in acute ischemic stroke: a potential tool for selection and prognosis? 2026-Apr-16, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023897 PMID:40707242	研究论文	本研究评估了基于深度学习的非对比计算机断层扫描初始核心体积测量与接受再灌注治疗的急性缺血性卒中患者临床结局的关联	利用深度学习算法从非对比CT中自动测量初始核心体积，作为预测再灌注治疗患者长期结局和症状性颅内出血的潜在工具，尤其在资源有限地区具有应用价值	研究为观察性设计，可能存在选择偏倚；深度学习算法（Methinks）为先前验证，但在此特定人群中的性能需进一步确认；样本来自三个卒中中心，可能限制普遍性	评估非对比CT上通过深度学习算法测量的初始核心体积与接受再灌注治疗的卒中患者临床结局之间的关联	接受再灌注治疗的急性缺血性卒中患者	数字病理学	心血管疾病	非对比计算机断层扫描	深度学习算法	图像	658名患者	NA	Methinks	调整后的比值比, 95%置信区间	NA
3220	2026-04-21	Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER 2026-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02654-4 PMID:40410405	研究论文	本文提出了一种名为D-I-TASSER的混合方法，通过整合多源深度学习势能与迭代穿线片段组装模拟，构建原子级蛋白质结构模型	提出了一种结合深度学习与传统基于物理的折叠模拟的混合方法，并引入了用于大型多域蛋白质结构自动建模的域拆分与组装协议	未明确提及	开发一种高精度的蛋白质结构预测方法，适用于单域和多域蛋白质	蛋白质结构，特别是单域和多域蛋白质	机器学习	NA	深度学习，迭代穿线片段组装模拟	深度学习模型	蛋白质序列与结构数据	在人类蛋白质组中测试了蛋白质域和全长序列	NA	D-I-TASSER	基准测试结果，与AlphaFold2和AlphaFold3的比较	NA