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
3241	2026-04-18	A multimodal deep learning-based model for posture asymmetry recognition and sports injury risk prediction in adolescent table tennis athletes 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1800522 PMID:41994050	研究论文	本研究开发了一个多模态深度学习框架，用于自动识别青少年乒乓球运动员的姿态不对称模式并评估其生物力学损伤风险水平	提出了一个集成视频RGB序列、骨骼关键点轨迹和运动学参数的多模态深度学习框架，通过跨模态注意力机制、加权图卷积网络和时间卷积网络实现姿态不对称识别和损伤风险预测	研究基于专家评估的姿态偏差标准进行生物力学风险分层，用于筛查目的，而非经过纵向验证的损伤发生预测	开发智能评估系统，用于青少年乒乓球运动员的训练监测和损伤预防	青少年乒乓球运动员	计算机视觉	运动损伤	视频分析, 运动捕捉	深度学习	视频, 骨骼关键点, 运动学参数	TTStroke-21数据集	NA	加权图卷积网络, 时间卷积网络	NA	NA
3242	2026-04-18	Protein design, generative AI and biological security 2026, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2026.1817535 PMID:41994287	综述	本文回顾了生成式人工智能在蛋白质设计领域的当前发展，评估了其双重用途影响，并讨论了平衡科学进步与生物安全的相称缓解策略	深入探讨了AI驱动的蛋白质设计在生物安全方面带来的新机遇（如检测生物制剂、开发病毒表面蛋白结合剂）与新风险（如设计出功能等效但序列相似性低的毒素），并提出了分层的缓解策略	文章为综述性质，未进行具体的实验验证或模型开发，主要基于现有文献和趋势进行分析，因此可能未涵盖所有新兴风险或技术细节	评估生成式人工智能在蛋白质设计中的双重用途影响，并探讨如何平衡科学创新与生物安全风险	AI驱动的蛋白质设计技术及其在生物安全领域的应用与潜在风险	机器学习	NA	深度学习	生成模型	蛋白质序列与结构数据	NA	NA	NA	NA	NA
3243	2026-04-18	Artificial intelligence in the diagnosis of thyroid diseases: applications and challenges 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1740915 PMID:41994322	综述	本文综述了人工智能在甲状腺疾病诊断中的最新应用，并深入分析了其面临的挑战	通过整合跨模态研究，揭示了AI在不同成像模态中的应用，并强调了其在特征提取和风险分层中的潜在价值	面临数据异质性（跨机构和设备数据差异导致模型性能下降）和可解释性不足（深度学习模型作为“黑箱”，难以提供透明决策依据）等关键挑战	探讨人工智能在甲状腺疾病诊断中的应用及其挑战	甲状腺疾病	数字病理学	甲状腺疾病	NA	机器学习, 深度学习	图像	NA	NA	NA	NA	NA
3244	2026-04-18	Application of machine learning and deep learning in the diagnosis and treatment of inguinal hernia: a narrative review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1743178 PMID:41994435	综述	本文综述了机器学习和深度学习在腹股沟疝诊断与治疗中的应用现状与前景	系统性地总结了AI在腹股沟疝诊疗中的最新进展，并指出了生成式AI等新兴技术的潜力与挑战	生成式AI的准确性和可靠性仍需进一步验证，且文章为叙述性综述，未进行定量分析	回顾并总结机器学习和深度学习在腹股沟疝诊疗领域的应用，为临床实践和技术创新提供参考	腹股沟疝的诊断与治疗	机器学习	腹股沟疝	NA	深度学习	图像, 视频, 非结构化数据	NA	NA	深度神经网络	NA	NA
3245	2026-04-18	Few-shot deployment of pretrained MRI transformers in brain imaging tasks 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1771088 PMID:41994558	研究论文	本研究提出了一种用于在数据受限的临床环境中，对预训练的MRI Transformer模型进行少样本部署的实用框架	提出了一种融合预训练MAE全局嵌入与局部CNN特征的混合架构MAE-FUnet，用于医学图像分割；在少样本设置下，实现了高效的模型部署和卓越的性能	研究主要聚焦于脑部MRI成像任务，其通用性在其他医学影像模态或解剖区域中尚未验证；实验在受控的少样本设置下进行，真实世界数据分布复杂性可能带来挑战	开发一个实用的框架，以解决医学影像中标注数据稀缺的问题，实现预训练Transformer模型在多种脑部成像任务中的少样本高效部署	多队列脑部MRI数据集，包括NACC、ADNI、OASIS、NFBS、SynthStrip和MRBrainS18	医学影像分析	脑部疾病	掩码自编码器预训练策略	Transformer, CNN	MRI图像	超过3100万张2D切片的大规模多队列脑部MRI数据集	NA	Masked Autoencoder, MAE-FUnet	准确率, Dice系数, IoU分数	NA
3246	2026-04-18	Advances in ultrasound for preoperative molecular subtyping of malignant breast tumors 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1774951 PMID:41994636	综述	本文综述了超声技术在术前恶性乳腺肿瘤分子分型（如luminal A、luminal B、HER2富集和三阴性）中的最新进展，涵盖传统超声特征分析、弹性成像、超声造影、微血管成像、影像组学和深度学习等方法	系统整合了多种超声技术（包括超声造影、微血管成像、弹性成像及多参数机器学习模型）在术前分子分型中的应用，并强调了方法学严谨性、可解释性和临床转化路径	研究存在参考标准异质性、单中心回顾性设计、类别不平衡和外部验证有限等主要障碍	支持术前乳腺肿瘤分子分型推断和生物标志物相关风险分层，以指导系统治疗选择和预后评估	恶性乳腺肿瘤	数字病理学	乳腺癌	超声技术（包括B型超声、弹性成像、超声造影、微血管成像）	深度学习, 机器学习	超声图像	NA	NA	NA	NA	NA
3247	2026-04-17	Helixer: ab initio prediction of primary eukaryotic gene models combining deep learning and a hidden Markov model 2026-Apr, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02939-1 PMID:41286201	研究论文	本文介绍了Helixer，一种基于人工智能的从头基因预测工具，用于准确预测真核生物基因模型	结合深度学习和隐马尔可夫模型，无需RNA测序等额外实验数据，即可跨真菌、植物、脊椎动物和无脊椎动物基因组实现高精度基因预测	NA	开发一种广泛适用于多种物种的高精度从头基因预测工具	真菌、植物、脊椎动物和无脊椎动物的基因组	机器学习	NA	从头基因预测	深度学习, 隐马尔可夫模型	基因组序列数据	NA	NA	NA	多种评估指标	NA
3248	2026-04-14	Domain generalized feature embedded learning for calibration-free event-related potentials recognition 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10450-2 PMID:41971720	研究论文	本文提出了一种域广义特征嵌入学习方法，用于实现无需校准的事件相关电位识别	通过协方差质心对齐、xDAWN滤波器增强特征提取以及分解对抗损失进行特征泛化，实现了跨被试的鲁棒特征学习，无需目标样本即可泛化到新被试	NA	构建无需校准的基于脑电图的脑机接口，实现跨被试的事件相关电位识别	事件相关电位信号	机器学习	NA	脑电图	神经网络	脑电图信号	两个基准脑电图事件相关电位数据集	NA	神经网络嵌入骨干	分类性能	NA
3249	2026-04-14	An attention fusion of Fourier-analysis-based transformer and CNN-BiLSTM for coastal inorganic nitrogen concentration forecasts 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125798 PMID:41904912	研究论文	本研究提出了一种名为AFTB的新型深度学习架构，用于沿海无机氮浓度的多步预测，以应对数据缺失和浓度分布偏斜的挑战	提出了一种融合傅里叶增强Transformer与CNN-BiLSTM网络的新型深度学习架构（AFTB），通过专用注意力机制进行集成，并引入了对数变换、改进的损失函数和极值过采样策略以处理数据偏斜	研究主要基于中国广西的九个浮标站数据，其普适性有待在其他地理区域验证；虽然对训练数据不完整性展现了鲁棒性，但未讨论模型在长期预测或极端气候事件下的表现	开发一种鲁棒且准确的深度学习模型，用于预测沿海无机氮浓度，以帮助缓解有害藻华	沿海无机氮浓度时间序列数据	机器学习	NA	深度学习，时间序列预测	Transformer, CNN, BiLSTM	时间序列数据（水质监测数据）	中国广西九个浮标站的数据（具体样本数量未在摘要中说明）	NA	AFTB（一种融合了傅里叶增强Transformer和CNN-BiLSTM的架构）	准确性，平均性能方差，推理速度	NA
3250	2026-04-14	Super-Resolution enhanced deep learning for efficient and accurate urban flood simulation at the street scale 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125819 PMID:41930893	研究论文	本研究提出了一种基于深度学习的超分辨率增强模型（UFSR），用于高效且准确地进行城市街道尺度的洪水模拟	通过整合多源异构数据增强对城市微地形和排水结构的感知能力，引入注意力机制动态关注关键淹没区域，并设计了空间感知一致性损失函数以保持复杂地形下的重建一致性	未明确说明模型在极端降雨事件或未见过地形条件下的泛化能力	提高城市洪水模拟的效率和精度，以支持洪水风险管理和应急响应	城市街道尺度的洪水淹没深度	计算机视觉	NA	深度学习	CNN	图像数据	两个案例研究（Case 1和Case 2），其中Case 2涉及12个降雨情景	NA	UFSR	均方根误差	NA
3251	2026-04-14	Modeling and prediction of desalination performance in a scaled-up membrane capacitive deionization system using machine learning and deep learning 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125839 PMID:41934772	研究论文	本研究利用机器学习和深度学习模型，对放大规模的膜电容去离子（MCDI）系统的脱盐性能进行建模与预测	首次在放大规模的MCDI系统中，采用严格按时间顺序的周期数据划分策略，并结合SHAP方法解释黑盒模型的物理化学逻辑，揭示了电流和pH值等关键影响因素	未明确说明模型在其他MCDI系统或不同操作条件下的泛化能力，且数据仅来自单一放大系统	建立稳健的数据驱动建模框架，以预测MCDI系统的出水导电率，减少传统试错方法的依赖	放大规模的膜电容去离子（MCDI）系统	机器学习	NA	膜电容去离子技术	随机森林, XGBoost, 多层感知机, LSTM	时间序列数据	NA	Scikit-learn, XGBoost, TensorFlow/PyTorch	随机森林, XGBoost, MLP, LSTM	决定系数, 均方根误差, 平均绝对误差	NA
3252	2026-04-14	Enhancing cross-regional transferability of super-resolution-based flood surrogate models for data-scarce catchments 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125799 PMID:41916127	研究论文	本研究提出了一种迁移学习框架，通过图像超分辨率任务增强洪水替代模型在数据稀缺流域的跨区域可迁移性	将洪水替代建模视为图像超分辨率任务，开发了Residual SwinUNet模型，融合多通道粗网格洪水图与细网格地形特征，并探索了多种迁移学习策略以提升跨流域适应性	研究主要基于中国深圳河上游和澳大利亚里士满河两个流域，模型在其他地理和气候条件下的泛化能力有待进一步验证	提升基于深度学习的洪水替代模型在数据稀缺流域的跨区域可迁移性	洪水替代模型，特别是针对具有不一致基础分辨率和多样化地形特征的流域	计算机视觉	NA	深度学习，迁移学习，图像超分辨率	CNN, Transformer	图像（洪水图，地形特征）	涉及中国深圳河上游流域和澳大利亚里士满河流域的数据，具体样本数量未明确说明	PyTorch	Residual SwinUNet	准确性，基线准确度恢复率，可训练参数比例	NA
3253	2026-04-14	Multi-modal deep learning model for predicting recurrence of moderately severe and severe acute pancreatitis 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112758 PMID:41795349	研究论文	本研究开发并验证了一个多模态深度学习模型APNet，用于预测中重度急性胰腺炎的复发风险	通过多尺度融合整合临床因素和增强CT特征，克服了单模态预测器的局限性，显著提升了预测性能	回顾性研究设计，样本量相对有限（235例患者），需要外部验证以进一步确认泛化能力	预测中重度急性胰腺炎（MSAP/SAP）的复发风险	中重度急性胰腺炎患者	数字病理学	胰腺炎	增强CT成像	深度学习模型	临床数据和CT图像	235例患者（开发队列184例，独立验证队列51例）	PyTorch, LightGBM	ResNet50, ViT（Vision Transformer）	AUC, 准确率, 精确率, 召回率, F1分数	NA
3254	2026-04-14	NeuroMix-DL: Improving imaging quality of a fast multiparametric MRI protocol using deep learning 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112795 PMID:41831364	研究论文	本研究利用深度学习模型SwinUNETR提升快速多对比度脑部MRI协议（NeuroMix）的图像质量	首次将Swin U-Net Transformer（SwinUNETR）应用于快速多对比度MRI图像增强，显著降低图像误差并改善临床质量评分	研究为回顾性设计，样本量相对有限（350例），且未在外部数据集上验证模型泛化能力	通过深度学习提升快速多对比度MRI协议的图像质量，优化MRI的性价比	脑部MRI图像（T1加权、T2加权、T2 FLAIR对比度）	医学影像分析	NA	多对比度MRI序列（NeuroMix协议）	深度学习	医学影像（MRI图像）	350名患者（年龄64±17岁，155名男性）	PyTorch（基于SwinUNETR架构推断）	Swin U-Net Transformer（SwinUNETR）	均方根误差（RMSE），五点图像质量量表评分	NA
3255	2026-04-14	Deep learning synthesis of virtual T2-weighted fat-suppressed MR images: a multi-center study 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112797 PMID:41855768	研究论文	本研究开发了一种基于生成对抗网络的深度学习模型，用于从标准T1和T2加权MRI图像生成虚拟T2脂肪抑制序列，旨在减少MRI扫描时间而不影响脊柱肿瘤的诊断价值	提出了一种利用生成对抗网络从常规T1和T2加权图像合成虚拟T2脂肪抑制序列的方法，实现了多中心验证，并展示了在减少扫描时间方面的潜在临床价值	合成图像在肿瘤内部细节可视化方面略逊于真实图像，且研究为回顾性设计，需要前瞻性研究进一步验证	开发一种能够生成虚拟T2脂肪抑制MRI序列的深度学习模型，以优化脊柱肿瘤的MRI扫描流程	来自两个机构的1,389名脊柱肿瘤患者的MRI图像	医学影像分析	脊柱肿瘤	MRI	GAN	图像	1,389名患者（训练集1,026例，内部验证集257例，外部测试集106例）	NA	GAN	MSE, SSIM, PSNR, Dice相似系数, SNR, CNR	NA
3256	2026-04-14	Ethmoid sinus CBCT imaging as a biometric instrument: dataset creation for deep learning identification 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112796 PMID:41864172	研究论文	本研究构建了一个标注的筛骨CBCT数据集，并评估了其在基于深度学习的性别分类中的效用	首次利用筛骨CBCT影像作为生物特征识别工具，并创建了专门的数据集用于深度学习性别分类	样本量相对有限（565例），年龄范围较广（6-74岁），可能影响模型的泛化能力	评估筛骨CBCT影像作为生物特征识别工具的潜力，特别是用于性别分类	人类筛骨及筛窦的CBCT影像	计算机视觉	NA	锥形束计算机断层扫描（CBCT）	CNN	图像（CBCT扫描）	565例CBCT扫描（312名男性，253名女性），年龄范围6-74岁	NA	ResNet-50	F1分数	NA
3257	2026-03-24	Letter to the Editor concerning "External validation of SpineNetv2 deep learning system for automated lumbar spine MRI analysis: A multi-pathology diagnostic agreement study" by Wu et al. (Eur spine J [2025]; https://doi.org/10.1007/s00586-025-09543-z) 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112802 PMID:41865474	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3258	2026-04-14	Development and validation of a CT-based deep learning radiomics model for differentiating parathyroid adenoma from atypical parathyroid tumor/parathyroid carcinoma 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112808 PMID:41865473	研究论文	本研究开发并验证了一种基于CT的深度学习放射组学模型，用于术前区分甲状旁腺腺瘤与非典型甲状旁腺肿瘤/甲状旁腺癌	开发了一个结合深度学习特征、放射组学特征和临床变量的综合模型，用于术前区分良恶性甲状旁腺肿瘤，并证实了其较高的诊断性能和临床实用性	这是一项回顾性研究，存在固有的选择偏倚风险；样本量相对有限，尤其是非典型肿瘤/癌的病例；模型性能需要在外部验证集中进一步确认	开发一种准确术前区分甲状旁腺腺瘤与非典型甲状旁腺肿瘤/甲状旁腺癌的工具，以支持个体化治疗决策	经病理证实的甲状旁腺肿瘤患者	数字病理	甲状旁腺肿瘤	CT成像	深度学习, 机器学习	CT图像	358个经病理证实的甲状旁腺肿瘤数据集（训练集250例，测试集108例）	Scikit-learn	KNN, Extra Trees, Random Forest	AUC, 准确率, 灵敏度, 特异性	NA
3259	2026-04-14	Reducing breath-hold time in liver MRI: Clinical performance of deep learning-accelerated post-contrast T1 VIBE sequences 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112815 PMID:41903373	研究论文	本研究评估了深度学习加速的T1 VIBE序列在缩短肝脏MRI屏气时间的同时，是否能够保持诊断图像质量	首次在临床前瞻性研究中，将深度学习加速技术应用于肝脏MRI的对比后T1 VIBE序列，实现了屏气时间的大幅缩短（最高达67%）	加速序列在解剖区分性和病灶显影性方面评分略低于标准序列，图像质量存在轻微折衷	评估深度学习加速技术在肝脏MRI中缩短屏气时间并保持诊断质量的临床性能	接受肝脏MRI检查的患者	医学影像分析	肝脏疾病	深度学习加速的T1加权两点Dixon梯度回波序列	深度学习	MRI图像	99名患者（平均年龄61.0±15.4岁，49.5%女性）	NA	NA	Likert量表评分（整体图像质量、运动伪影、其他伪影、解剖区分性、病灶显影性）	1.5T MRI系统
3260	2026-04-14	Experimental investigation of muscle-tendon unit geometry and kinematics in lower-limb muscles during gait: Current applications and future directions - A scoping review 2026-Jun, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110159 PMID:41875704	综述	本文通过范围综述，探讨了肌肉骨骼建模和超声成像结合三维步态分析在评估神经运动障碍人群肌肉和肌肉肌腱单元特性中的应用及其临床意义	首次系统综述了肌肉骨骼建模和超声成像与三维步态分析结合在神经运动障碍人群中的应用，并评估了这些方法对临床评估和决策的潜在影响	肌肉骨骼建模受建模假设和缺乏实时数据的限制，而超声成像面临数据采集复杂性和处理挑战的约束	研究肌肉骨骼建模和超声成像如何与三维步态分析结合，以评估神经运动障碍人群的肌肉和肌肉肌腱单元特性，并探讨其临床意义	神经运动障碍人群，包括脑瘫、中风、遗传性痉挛性截瘫和特发性趾行	生物医学工程	神经运动障碍	肌肉骨骼建模，超声成像，三维步态分析	NA	运动数据，超声图像	50项研究，涉及4种病理人群和11个下肢肌肉	NA	NA	NA	NA