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	2026-02-24	Research on the construction of growth models for dominant tree species in the Manas River Basin, Xinjiang 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20650 PMID:41727221	研究论文	本研究以新疆玛纳斯河流域为例，基于森林资源调查数据，构建了五种优势树种的胸径-树高和年龄-胸径基础生长模型，并引入气候和地形因子优化模型，最后利用深度学习提升模型整体精度	首次针对新疆玛纳斯河流域的五种优势树种构建了结合气候和地形因子的多元非线性森林生长模型，并应用深度学习技术进行优化，显著提高了模型预测精度	部分树种模型精度受随机因素影响而下降，且研究仅基于2011年的调查数据，可能未充分反映长期动态变化	构建森林生长模型以优化区域生态安全、水资源和碳资源配置，支持应对气候变化和促进绿色可持续发展	新疆玛纳斯河流域的五种优势树种：云杉、杨树、混交林、沙枣及其他	机器学习	NA	森林资源调查、气候和地形数据分析、深度学习	深度学习	结构化数据（包括胸径、树高、年龄、气候因子如年降水量和最低日最高温度、地形因子如数字高程模型）	基于2011年新疆玛纳斯河流域森林资源调查数据，涉及五种优势树种	NA	S曲线模型、对数模型、生长模型、线性模型、逻辑斯蒂模型	相关系数R、均方根误差RMSE	NA
3242	2026-02-24	The impact of artificial intelligence on periodontal disease detection and treatment 2026, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2026.1784123 PMID:41727354	综述	本文综述了人工智能在牙周病检测与治疗中的最新应用与进展	强调AI在提升牙周病诊断准确性、预测疾病进展及个性化治疗规划方面的潜力，并探讨了其在优化临床工作流程中的作用	未提及具体研究方法的局限性，但指出了将AI整合到常规牙科实践中的挑战，如伦理问题和数据隐私担忧	回顾和更新AI在牙周病诊断与管理中的最新证据，重点关注机器学习算法、诊断成像和预测模型的进展	牙周病（PD）	机器学习	牙周病	NA	深度学习模型	放射影像、临床数据	NA	NA	NA	诊断准确性	NA
3243	2026-02-24	Artificial Intelligence Applications in Sickle Cell Retinopathy Imaging: Current Progress, Challenges, and Future Directions 2026, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/joph/5579203 PMID:41727523	综述	本文综述了人工智能在镰状细胞视网膜病变影像学中的应用进展、挑战及未来方向	系统总结了AI在SCR影像分析中的最新进展，并指出了临床转化的未来机遇	纳入研究数量有限（仅7篇），且部分研究样本量较小，临床验证尚不充分	评估人工智能在镰状细胞视网膜病变影像检测、分类和分期中的应用潜力	镰状细胞视网膜病变患者的眼科影像数据	计算机视觉	镰状细胞视网膜病变	眼科影像技术（如眼底照相、OCT等）	经典机器学习, 深度学习	图像	NA	NA	NA	NA	NA
3244	2026-02-24	Histopathology images-based deep learning prediction of prognosis in primary mucinous ovarian carcinoma 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1704217 PMID:41727660	研究论文	本研究开发并验证了一种基于组织病理学图像的深度学习模型，用于原发性黏液性卵巢癌的精确预后预测和风险分层	首次将基于图的深度学习生存模型（结合GNN和Cox比例风险模型）应用于原发性黏液性卵巢癌的预后预测，并通过GNNExplainer实现模型预测的可解释性可视化	样本量相对较小（80例患者），且为回顾性研究，可能存在选择偏倚	开发并验证一个深度学习模型，以准确预测原发性黏液性卵巢癌的预后并进行风险分层	原发性黏液性卵巢癌患者的组织病理学切片	数字病理学	卵巢癌	组织病理学成像	图神经网络	图像	80例患者（148张全切片图像）	NA	图神经网络	C-index, 风险比, log-rank p值	NA
3245	2026-02-24	Automated bone age assessment in rare pediatric growth disorders: a comparative study using Deeplasia 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1741927 PMID:41727682	研究论文	本研究验证了开源深度学习系统Deeplasia在罕见儿科生长障碍患者手部X光片骨龄评估中的准确性和一致性，并与多位专家评估者进行比较	首次在多种罕见综合征、内分泌及溶酶体贮积症儿科患者中验证自动化骨龄评估系统Deeplasia的泛化能力，并直接与多位人类专家评估者进行性能比较	研究为回顾性设计，样本来自多个中心但可能仍存在选择偏倚，且未涵盖所有罕见生长障碍类型	验证深度学习系统在罕见儿科生长障碍患者骨龄评估中的准确性和可靠性	患有SHOX缺乏症、努南综合征、Silver-Russell综合征、Ullrich-Turner综合征、假性甲状旁腺功能减退症、先天性肾上腺皮质增生症、性早熟及性早熟假性青春期（队列1），以及粘多糖贮积症I、II、III、IV、VI型、α-甘露糖苷贮积症和未分类溶酶体贮积症（队列2）的儿科患者	数字病理学	儿科生长障碍	手部X光摄影	深度学习模型	图像	1,138张手部X光片，来自多个医疗中心	NA	Deeplasia	平均绝对误差, 均方根误差, 1年准确率	NA
3246	2026-02-24	Automatic segmentation and labeling of T1, T7, and T12 thoracic vertebrae in neonatal chest radiographs: a deep learning approach using nnU-Net framework 2026, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2026.1673925 PMID:41727769	研究论文	本研究提出了一种基于nnU-Net框架的深度学习系统，用于在新生儿胸部X光片中自动分割和标记T1、T7和T12胸椎	首次在新生儿胸部X光片中应用nnU-Net框架进行胸椎的自动分割和标记，实现了高精度的定位	研究仅针对T1、T7和T12三个特定胸椎进行分割，未涵盖所有胸椎；数据集来自韩国10家大学医院，可能存在地域局限性	开发一种自动化系统，用于在新生儿胸部X光片中准确分割和标记胸椎，以辅助评估导管和管道的定位	新生儿胸部X光片	数字病理学	新生儿重症监护	胸部X光成像	CNN	图像	14,660张新生儿胸部X光片，来自10家韩国大学医院	nnU-Net	nnU-Net	Dice相似系数	NA
3247	2026-02-24	Real-time grading method of tunnel surrounding rock based on image recognition 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1766828 PMID:41728268	研究论文	提出了一种基于图像识别与轻量级深度学习的隧道围岩实时分级方法	结合图像处理与轻量级深度学习，构建了自动化管道，实现了隧道掌子面围岩特征的实时提取与分类	未明确说明模型在不同地质条件下的泛化能力及现场环境干扰（如光照、粉尘）对识别精度的影响	实现隧道施工过程中围岩的快速、准确分级	隧道围岩（岩性、硬度、强度、完整性）	计算机视觉	NA	图像采集、灰度转换、去噪、增强、归一化	CNN	图像	NA（未明确样本数量，仅提及工程现场测试）	NA	ShuffleNetV2	准确率（岩性分类85%、岩体完整性75%、整体围岩分级80%）	NA
3248	2026-02-24	Artificial intelligence-assisted diagnosis and histopathological grading of bladder cancer: current status, challenges, and future directions 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1708289 PMID:41728380	综述	本文系统回顾了人工智能在膀胱癌诊断和组织病理学分级中的应用现状、挑战及未来方向	全面总结了AI在膀胱癌诊断与分级中的多模态应用，并指出了数据质量、模型泛化性等关键挑战	作为综述文章，未涉及具体实验数据或模型性能的详细分析	探讨人工智能技术在膀胱癌诊断与分级领域的应用潜力与发展方向	膀胱癌的诊断与组织病理学分级	数字病理学	膀胱癌	NA	深度学习	图像, 分子标记数据	NA	NA	NA	NA	NA
3249	2026-02-24	Correction: Deep learning based optic nerve sheath diameter characterization and structure quantification on transorbital ultrasound images 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1790647 PMID:41728590	correction	本文是对先前一篇关于使用深度学习在经眼眶超声图像上量化视神经鞘直径和结构的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3250	2026-02-23	Adaptive sampling for efficient Lamb wavefield reconstruction in composite laminates with Spatial-Temporal Masked AutoEncoder 2026-Jun, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107972 PMID:41592361	研究论文	本文提出了一种基于深度学习的方法，利用时空掩码自编码器（STMAE）从高度欠采样的波场数据中重建复合材料层压板中的完整兰姆波场数据	提出了一种新颖的基于贝叶斯优化的扫描路径优化方法，生成自适应稀疏空间采样模式，并与STMAE结合形成AdaSTMAE，从而在损伤区域周围实现更低的波场预测误差	未明确说明方法在更广泛工程场景或不同材料类型中的适用性限制	开发一种高效、可靠的兰姆波场数据重建方法，以提升非接触式扫描激光多普勒测振仪（SLDV）在碳纤维增强塑料（CFRP）无损检测中的实用性	碳纤维增强塑料（CFRP）层压板中的兰姆波场数据	机器学习	NA	超声兰姆波测试（ULWT），扫描激光多普勒测振仪（SLDV）	自编码器（AutoEncoder）	时间序列高稀疏度兰姆波场数据	NA	NA	时空掩码自编码器（STMAE），自适应时空掩码自编码器（AdaSTMAE）	重建误差	NA
3251	2026-02-23	DeepHSI: A transferable and expandable hyperspectral framework for industrial plant origin identification: A case study of Pogostemon cablin (Blanco) Benth 2026-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129474 PMID:41621286	研究论文	本研究提出了一种基于高光谱图像和深度学习的快速通用方法DeepHSI，用于识别广藿香的产地，并结合代谢组学和转录组学分析验证其可行性	开发了可迁移和可扩展的高光谱框架DeepHSI，通过多批次数据训练和迁移学习展示通用性，并引入简化的多产地识别模型融合机制以支持实际应用扩展	NA	实现广藿香产地的快速、无损识别，以支持质量控制、防伪和真实性验证	广藿香（Pogostemon cablin (Blanco) Benth）	计算机视觉	NA	高光谱成像（HSI）、代谢组学分析、转录组学分析	深度学习模型	高光谱图像	来自三个主要产地的广藿香样本，在三个实验批次条件下收集数据	NA	NA	NA	NA
3252	2026-02-23	Tomek links-based SMOTE method for class imbalance in blood cell classification with dual path sliding window attention model 2026-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129473 PMID:41628562	研究论文	本文提出了一种结合Tomek links的SMOTE方法和双路径滑动窗口注意力模型，用于解决血细胞分类中的类别不平衡问题	提出了一种新的双路径滑动窗口注意力模型，并结合了混合SMOTE-Tomek Links数据平衡策略，以解决多光谱成像数据集中的类别不平衡问题	NA	提高血细胞分类的准确性，以增强临床诊断的准确性	血细胞图像	计算机视觉	神经退行性疾病, 感染, 贫血	多光谱成像	CNN	图像	NA	NA	双路径滑动窗口注意力模型	准确率, 推理时间, GFLOPs	NA
3253	2026-02-23	A concentration detection model combining frequency-domain physical priors and deep learning: For SO2 and NO mixed gas under NH3 interference 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127513 PMID:41605085	研究论文	本研究提出了一种结合频域物理先验与深度学习的混合浓度检测模型，用于在氨干扰下检测二氧化硫和一氧化氮混合气体	通过频域物理先验进行带通滤波分离目标气体频段，并设计并行双输出网络结构结合高效通道注意力机制，增强关键特征提取能力	未明确提及模型在更广泛气体混合物或不同环境条件下的泛化能力	解决在氨干扰下二氧化硫和一氧化氮混合气体光谱重叠导致的浓度检测难题	二氧化硫、一氧化氮和氨的混合气体	机器学习	NA	紫外吸收光谱分析	深度学习模型	光谱数据	通过拉丁超立方采样生成多样浓度组合的数据集	NA	并行双输出网络结构	检测限、不确定度	NA
3254	2026-02-23	Trace-level detection of free polycyclic aromatic hydrocarbons based on magnetic driving and deep learning-assisted recognition 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127531 PMID:41621160	研究论文	本研究开发了一种结合磁驱动富集、环糊精特异性分子捕获和深度学习光谱分析的表面增强拉曼光谱策略，用于水中痕量多环芳烃的快速检测	整合磁驱动富集、环糊精特异性捕获和深度学习辅助光谱分析，构建了SCLA模型以解决结构相似PAHs的光谱重叠问题，实现了高分类准确率和低检测限	NA	开发一种快速、智能且可现场部署的SERS平台，用于复杂环境水样中多环芳烃的准确监测	水中的痕量多环芳烃	机器学习	NA	表面增强拉曼光谱	CNN, LSTM	光谱	NA	NA	CNN-LSTM-Attention	分类准确率, 检测限	NA
3255	2026-02-23	Label-free serum SERS combined with RFE-GBDT algorithm for non-invasive screening of liver cancer 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127552 PMID:41662803	研究论文	本研究提出了一种基于表面增强拉曼光谱（SERS）和梯度提升决策树（GBDT）算法的无创光学诊断方法，用于肝癌分期识别和辅助筛查	结合无标记血清SERS与RFE-GBDT算法，通过递归特征消除优化特征选择，并利用LIME算法解释关键光谱波段，实现了对肝癌分期的非侵入性高精度分类	未明确说明样本来源的多样性、外部验证集的缺乏以及模型在更大人群中的泛化能力评估	开发高效便捷的非侵入性诊断技术，用于肝癌的早期筛查和分期识别	不同分期肝癌患者（T1、T2、T3）、乙型肝炎（HBV）患者及健康对照者的血清样本	机器学习	肝癌	表面增强拉曼光谱（SERS）	GBDT	光谱数据	涉及肝癌（T1、T2、T3分期）、乙型肝炎患者及健康对照者的血清样本，具体数量未明确说明	NA	梯度提升决策树（GBDT）	准确率	NA
3256	2026-02-23	A hyperspectral co-design framework guided by occlusion sensitivity for early mould detection in bamboo 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127546 PMID:41662805	研究论文	本研究提出了一种基于遮挡敏感性的高光谱协同设计框架，用于竹材早期霉菌检测	将遮挡敏感性分析转化为主动协同优化引擎，将模型优化与特征选择整合于统一框架	仅针对特定竹种（Schizostachyum funghomii McClure）进行验证，未在其他材料或病害中测试	开发高光谱成像与深度学习结合的早期霉菌检测方法	竹材（Schizostachyum funghomii McClure）及其霉菌感染	计算机视觉	NA	高光谱成像	CNN	高光谱图像	NA	NA	ResNet, ResNet-HS	准确率	NA
3257	2026-02-23	MoistureVision: Rapid non-destructive prediction of cotton seed moisture using hyperspectral imaging and machine learning 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127511 PMID:41616672	研究论文	本研究开发了一种基于高光谱成像和机器学习的棉花种子水分含量快速无损预测方法	结合高光谱成像与机器学习，实现了棉花种子水分含量的像素级预测和空间分布可视化	研究仅使用了单一品种（Jinken 1161）的棉花种子，样本量有限	快速、无损、准确地预测棉花种子水分含量，以评估种子活力和提高储存能力	棉花种子（品种：Jinken 1161）	机器视觉	NA	高光谱成像	CNN, LSTM, 传统机器学习模型	高光谱图像	未明确具体数量，但提及当前样本量有限	未明确指定，可能涉及多种机器学习库	卷积神经网络，长短期记忆网络，偏最小二乘回归，多元线性回归	预测相关系数（R2 p），预测均方根误差，残差预测偏差	NA
3258	2026-02-23	Qualitative identification of Bombyx batryticatus and its counterfeits using hyperspectral imaging and deep learning 2026-May-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127526 PMID:41628526	研究论文	本研究提出了一种结合高光谱成像与深度学习技术，用于高效、无损地鉴别中药材僵蚕及其伪品的方法	提出了一种改进的ResNeXt50-KS模型，集成了空间与通道协同注意力模块和Kolmogorov-Arnold网络；并利用生成对抗网络增强光谱数据，构建一维卷积神经网络进行特征自动提取，实现了真伪鉴别和产地分类的双重任务	未明确提及模型在其他中药材或更广泛样本上的泛化能力，以及实际市场部署的可行性	开发一种快速、无损的方法，用于中药材僵蚕的真伪鉴别和产地分类，以支持中药材质量控制和市场监管	中药材僵蚕及其经硼砂处理的伪品	计算机视觉	NA	高光谱成像	CNN, GAN	图像, 光谱数据	NA	NA	ResNeXt50, 一维卷积神经网络	准确率	NA
3259	2026-02-23	Exploring the feature prioritization and data sampling of PCOS diagnosis via densely connected attention based squeeze deep learning detection model 2026-Apr, The Journal of steroid biochemistry and molecular biology IF:2.7Q3 DOI:10.1016/j.jsbmb.2025.106933 PMID:41482077	研究论文	本文提出了一种结合特征优先级和数据采样的混合方法，用于提高多囊卵巢综合征（PCOS）的诊断准确性	提出了一种统一流程，同时解决PCOS检测中的三大挑战：数据集不平衡（SMOTE-ENN）、特征冗余（GS2TM）和过拟合（基于注意力的DASCD），实现了高准确性和增强的可解释性	NA	开发一个稳健的PCOS检测模型，通过有效的特征优先级处理数据平衡问题	多囊卵巢综合征（PCOS）的诊断	机器学习	多囊卵巢综合征	NA	深度学习模型	表格数据	NA	NA	密集连接注意力挤压卷积检测模型（DASCD）	准确率	NA
3260	2026-02-23	Total-body [18F]FDG-PET/CT imaging of healthy volunteers with minimal effective dose 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07644-x PMID:41251746	研究论文	本研究探索了结合全身PET与深度学习生成的衰减图，以最小化健康受试者在[18F]FDG-PET/CT成像中的有效剂量	结合高灵敏度全身PET成像与深度学习生成的合成CT衰减图，实现极低放射性注射剂量下的可靠器官定量分析	研究仅针对健康高加索人群，未涵盖不同种族或疾病状态；模拟的低剂量数据基于原始数据下采样，可能未完全反映真实低剂量采集情况	开发最小化辐射暴露的全身PET/CT成像协议	47名健康高加索志愿者（25名女性/22名男性）	医学影像	NA	全身正电子发射断层扫描/计算机断层扫描（TB-PET/CT），[18F]氟代脱氧葡萄糖（[18F]FDG）成像	深度学习模型	PET原始数据，CT图像	47名健康志愿者	NA	NA	标准化摄取值（SUVbw），变异系数（CV），百分比差异	NA