深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 11996 篇文献，本页显示第 341 - 360 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2026-10-04 |
Cytokinesis genes regulate ring canal patterning and follicle cell differentiation in Drosophila
2026-Sep-16, bioRxiv : the preprint server for biology
DOI:10.64898/2026.09.10.750734
PMID:42780111
|
研究论文 | 该研究通过超分辨率共聚焦显微镜和深度学习模型，揭示了果蝇卵巢卵泡细胞中环管发育的逐步过程，并发现细胞分裂基因调控环管模式和卵泡细胞分化 | 结合超分辨率共聚焦显微镜和自定义训练的深度学习模型进行3D图像分割和卵泡细胞定量，首次鉴定环管发育的逐步过程，并发现septin和ESCRT III基因在环管形成和卵泡细胞分化中的不同作用 | 未明确说明 | 探究体细胞分化中稳定细胞间桥（环管）的功能，特别是果蝇卵巢卵泡细胞中环管发育及其调控机制 | 果蝇卵巢卵泡细胞 | 计算机视觉, 数字病理学 | NA | 超分辨率共聚焦显微镜 | 深度学习模型 | 3D图像 | 未明确说明 | NA | NA | NA | NA |
| 342 | 2026-10-04 |
Development and Validation of an Image-Based Deep Learning Tool for Identification of Xylazine-Associated Wounds
2026 Sep-Oct 01, Journal of addiction medicine
IF:4.2Q1
DOI:10.1097/ADM.0000000000001718
PMID:42206647
|
研究论文 | 本研究开发并验证了一种基于图像深度学习工具，用于从伤口照片中识别赛拉嗪相关伤口（XAWs）。 | 首次利用公开可获取的伤口照片开发并验证深度学习工具来识别赛拉嗪相关伤口，不同于传统依赖外观的临床判断 | 数据来源为公开照片（学术出版物、Reddit、新闻媒体）存在选择偏倚；样本中XAWs仅114例，类别不平衡可能影响敏感性；仅评估了四种模型，未与临床医生诊断直接比较；需要进一步外部验证 | 开发一种可及且准确的赛拉嗪相关伤口自动识别方法，以辅助伤口管理、临床评估和公共卫生监测 | 伤口照片图像，包括114张赛拉嗪相关伤口和1710张非赛拉嗪伤口（涵盖17种不同病理） | 计算机视觉 | 赛拉嗪相关伤口 | 深度学习图像分类 | CNN | 图像 | 总共1824张伤口图像（114张赛拉嗪相关，1710张非赛拉嗪），其中1185张用于训练（65%），163张用于验证（9%），476张用于测试（26%） | NA | DenseNet121, EfficientNetB0, ResNet34, SENet154 | 准确率, AUROC, 加权F1分数, 特异性, 敏感性 | NA |
| 343 | 2026-10-04 |
Multiscale Spatial Fusion Feature-Driven Characterization of Gastric Cancer Invasive Margins: A Multicenter Cohort Study for Preoperative Accurate Differentiation Between T4a and T4b Subtypes
2026-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.76455
PMID:42474705
|
研究论文 | 本研究开发了一种基于扩展感兴趣区域的多尺度空间特征融合模型（GAVR），用于术前准确区分胃癌T4a和T4b亚型 | 提出了包含边界增强U-Net生成eROI、并行提取传统影像组学、2D和3D深度学习特征、以及Vision Transformer进行全局注意力加权融合的三层架构GAVR模型，深度融合多尺度空间特征以刻画胃癌浸润边缘的结构异质性并缓解过拟合 | 未明确提及 | 实现胃癌T4a和T4b亚型的术前准确鉴别，以辅助手术规划和预后评估 | 胃癌患者 | 医学图像分析 | 胃癌 | CT影像组学、深度学习 | U-Net, Vision Transformer | CT图像 | 1804例患者（包括内部、外部和前瞻性队列） | NA | U-Net, Vision Transformer | AUC | NA |
| 344 | 2026-10-04 |
Stepwise multi-scale reconstruction of cell spatial organization from single-cell RNA sequencing data with Cell2space
2026-Sep-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbag531
PMID:42822864
|
研究论文 | 该文章提出了Cell2space，一个深度学习框架，通过整合scRNA-seq数据与空间转录组参考，以逐步方式重建多尺度细胞空间组织。 | 将空间重建视为学习通用的空间亲和力函数而非坐标回归，并采用分层推断策略整合域级先验来精细化细胞邻域。 | 摘要中未明确提及研究局限性。 | 从单细胞RNA测序数据中精确重建细胞的空间组织，以理解组织结构和功能。 | 单细胞RNA测序数据、空间转录组参考数据、小鼠视觉皮层、人类皮肤。 | 空间转录组学、计算生物学 | NA | scRNA-seq、空间转录组学 | 深度学习 | 基因表达数据、空间转录组数据 | NA | NA | NA | 域分配准确性、邻域推断准确性 | NA |
| 345 | 2026-10-04 |
Charcot Neuroarthropathy: Identification and Classification Using Artificial Intelligence (AI)
2026-Sep, Indian journal of orthopaedics
IF:1.1Q3
DOI:10.1007/s43465-025-01664-3
PMID:42824226
|
研究论文 | 该研究开发了基于神经网络的AI模型，用于自动检测X射线中的Charcot神经关节病（CN）并根据Brodsky系统进行分类，内部测试准确率达93.39%，分割模型准确率达96.85%，外部测试一致性达93.3% | 首次将深度学习应用于Charcot神经关节病的自动检测和Brodsky解剖分类，能够识别全局与局部破坏模式，帮助区分CN与骨髓炎等疾病 | 数据集有限（共234张X射线），仅来自单一三级医疗中心，应视为可行性研究，需要更大规模的多中心数据集和更多观察者进行验证以提高泛化能力和临床适用性 | 开发和验证基于人工智能的Charcot神经关节病自动检测和Brodsky解剖分类系统 | 诊断为Charcot神经关节病和未患该病的患者的足踝X射线影像 | 计算机视觉 | Charcot神经关节病 | X射线影像 | CNN | 图像 | 234张X射线用于训练，23张X射线用于内部测试，15张X射线用于外部测试 | NA | NA | 准确率，一致性 | NA |
| 346 | 2026-10-04 |
Machine Learning Models for Early Autism Spectrum Disorder Detection: Systematic Review With a Pediatric and Engineering Perspective
2026-Sep, Cureus
DOI:10.7759/cureus.115572
PMID:42824463
|
系统综述 | 本文系统综述了机器学习和深度学习方法在早期自闭症谱系障碍检测中的应用，并从儿科和工程学双重视角分析了数据模态、模型架构、诊断性能、验证策略及临床转化障碍 | 同时从儿科临床和工程学视角系统梳理早期ASD检测的ML/DL证据，涵盖问卷、家庭视频、语音、眼动、EEG/MEG、MRI/fMRI、可穿戴传感器和多模态等多种数据来源，并采用PROBAST+AI框架评估方法学质量，强调外部验证、数据泄漏、数据集偏移、可解释性、隐私、公平性和临床工作流整合等转化障碍 | 纳入证据异质性大，部分候选研究无法获取全文，无法进行定量合并和确定性的研究级偏倚风险评估，PROBAST+AI仅在方法学信息充分时评估，其余判断为不明确或不可评估，现有证据尚不支持以自主AI诊断替代专科ASD评估 | 综合评估机器学习和深度学习方法用于早期自闭症谱系障碍检测的证据，重点关注儿科人群、数据模态、模型架构、诊断性能、验证策略、方法学质量以及临床和工程转化前景 | 自闭症谱系障碍早期检测相关的机器学习/深度学习研究文献，重点关注儿科人群 | 机器学习, 数字病理学, 医学人工智能 | 自闭症谱系障碍 | 问卷与临床信息建模、家庭视频与行为分析、语音与声学特征分析、眼动追踪、EEG/MEG、MRI/fMRI、可穿戴传感器、多模态数据融合 | NA | 文本, 图像, 视频, 音频, 信号, 多模态 | 检索PubMed 794条记录和IEEE Xplore 455条记录，去除7条截止日期后发表记录后剩1242条，去除38条重复后1204条独特记录进入筛选，标题摘要筛选后314篇报告进入详细资格评估，其中237篇为记录级合格 | NA | NA | AUROC, 灵敏度, 特异度, 准确率 | NA |
| 347 | 2026-10-04 |
Artificial Intelligence and Decision Support in Orthopaedic Emergencies: A Review
2026-Sep, Indian journal of orthopaedics
IF:1.1Q3
DOI:10.1007/s43465-026-01760-y
PMID:42824522
|
综述 | 本文综述了人工智能和决策支持系统在骨科急诊中的应用现状、证据、局限性和未来发展方向 | 系统性地综述了AI在骨科急诊中的应用，特别关注其在低中收入医疗环境中的相关性，并强调了AI作为临床专业知识辅助工具而非替代品的定位 | 存在数据偏差、可解释性不足、临床整合困难、伦理问题和监管监督等挑战，缺乏充分的外部验证 | 综述AI决策支持系统在骨科急诊护理中的应用现状、证据、局限性和未来方向，尤其关注低中收入医疗环境 | 骨科急诊相关文献，包括骨折检测、损伤分类、分诊优化、临床决策支持和并发症预测等AI应用研究 | 机器学习 | 骨科急诊 | NA | 机器学习, 深度学习 | 图像, 文本 | NA | NA | NA | 诊断准确率 | NA |
| 348 | 2026-10-04 |
Deep learning-based prostate cancer diagnosis on MRI with hip prostheses: artifact and sequence effects
2026-Aug-04, Abdominal radiology (New York)
DOI:10.1007/s00261-026-05712-w
PMID:42550188
|
研究论文 | 评估髋关节假体引起的伪影对基于深度学习的MRI前列腺癌诊断性能的影响，并探讨用于深度学习分析的最佳MRI序列组合 | 首次系统评估髋关节假体伪影对深度学习前列腺癌诊断模型性能的影响，并比较了不同MRI序列组合（T2WI单独、T2WI+DWI+ADC、T2WI+DCE）在伪影存在下的诊断表现 | 深度学习模型对髋关节假体引起的磁敏感伪影鲁棒性有限，在中重度伪影下诊断性能显著下降，而放射科医师的PI-RADS评估表现相对稳定 | 评估髋关节假体伪影对深度学习前列腺癌诊断性能的影响，并寻找适合深度学习分析的最优MRI序列组合 | 2017至2023年间接受前列腺MRI检查的患者，包括有髋关节假体和无髋关节假体的患者 | 医学影像分析, 数字病理学 | 前列腺癌 | MRI（T2加权成像、弥散加权成像、表观弥散系数图、动态对比增强MRI） | CNN | 图像 | 416例有髋关节假体的检查及2080例匹配的无髋关节假体的检查 | NA | NA | AUC（受试者工作特征曲线下面积） | NA |
| 349 | 2026-10-04 |
Ultrasound detection of nonalcoholic steatohepatitis using convolutional neural networks with dual-branch global-local feature fusion architecture
2026-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03361-7
PMID:40257712
|
研究论文 | 本文应用深度学习技术对超声B扫描图像进行非酒精性脂肪性肝炎检测，并引入了超声特异性数据增强技术和双分支全局-局部特征融合架构以提高模型性能和适应性 | 提出了超声特异性数据增强技术，引入了双分支全局-局部特征融合架构，并使用Grad-CAM分析模型注意力模式来指导最优骨干网络的选择 | 样本量较小，仅纳入137名参与者，需要在更大规模的多中心数据集上验证 | 应用深度学习技术对超声B扫描图像进行非酒精性脂肪性肝炎检测，提高诊断性能和跨成像条件的适应性 | 非酒精性脂肪性肝炎患者的超声B扫描图像 | 计算机视觉 | 肝癌 | 超声B扫描成像 | CNN | 图像 | 137名参与者 | NA | AlexNet, Inception V3, VGG16, VGG19, ResNet50, DenseNet201 | 准确率, 召回率, F1分数 | NA |
| 350 | 2026-10-04 |
Hybrid adaptive attention deep supervision-guided U-Net for breast lesion segmentation in ultrasound computed tomography images
2026-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-025-03377-z
PMID:40488959
|
研究论文 | 提出了一种混合自适应注意力深度监督引导的U-Net（HAA-DSUNet）用于乳腺超声计算机断层扫描（BUCT）图像中的乳腺病变分割 | 用混合自适应注意力模块（HAAM）替换U-Net的传统采样卷积模块，以扩大感受野并探测丰富的全局特征，同时保留细节；应用对比损失对中间输出进行深度监督，以最小化上采样过程中的信息损失；最后通过滤波、分割和形态学进一步处理分割预测结果以获得最终结果 | 未明确说明 | 开发一个自动化的乳腺癌诊断系统，用于早期筛查乳腺病变，以提高患者的生存率 | 乳腺超声计算机断层扫描（BUCT）图像中的乳腺病变 | 计算机视觉 | 乳腺癌 | 超声计算机断层扫描（UCT） | CNN | 图像 | 两个UCT图像数据集：HCH和HCH-PHMC | 未明确说明 | U-Net | Dice分数, IoU | 未明确说明 |
| 351 | 2026-10-04 |
Can incorporating image resolution into neural networks improve kidney tumor classification performance in ultrasound images?
2026-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03188-8
PMID:39215783
|
研究论文 | 该研究将超声图像分辨率信息整合到卷积神经网络中，探索其对肾脏肿瘤良恶性分类诊断性能的影响 | 首次将超声图像分辨率作为特征整合到卷积神经网络中用于肾脏肿瘤分类，并提出两种缩小神经网络提取特征与分辨率特征之间语义差距的方法：一是将分辨率直接与神经网络提取的特征拼接，二是先对神经网络提取的特征进行降维再与分辨率特征组合形成新的复合特征 | 数据集规模相对有限（926张图像），仅来自单一数据集，未在大规模多中心数据上验证，且未明确说明是否进行了外部验证 | 探索将超声图像分辨率整合到神经网络中能否提高肾脏肿瘤良恶性分类的诊断性能 | 肾脏肿瘤超声图像，包括211张良性肾脏肿瘤图像和715张恶性肾脏肿瘤图像，共926张图像 | 计算机视觉 | 肾脏肿瘤 | 超声成像 | CNN | 图像 | 926张肾脏肿瘤超声图像（211张良性，715张恶性） | NA | NA | AUC | NA |
| 352 | 2026-10-04 |
A randomized multi-window 3D deep learning approach for intracranial hemorrhage detection on non-contrast head CT
2026-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-026-03620-1
PMID:42412285
|
研究论文 | 该研究提出了一种轻量级3D深度学习架构Lite3DNet，利用随机多窗口3D输入，用于非增强头颅CT的颅内出血检测。 | 提出了Lite3DNet轻量级架构，采用随机多窗口3D输入策略，在保持高性能的同时显著降低了计算成本、内存需求和推理延迟。 | 未明确提及。 | 开发一种计算效率高、适合临床快速分诊的自动扫描级颅内出血检测方法。 | 疑似颅内出血患者的非增强头颅CT扫描。 | 医学图像分析 | 颅内出血 | CT | CNN | 3D医学图像 | 使用RSNA ICH Detection数据集（最大公共ICH数据集）进行训练和内部测试，并在两个外部测试集CQ500和MosMedData CT Hemorrhage上进行评估。具体样本数量未在摘要中提供。 | NA | Lite3DNet | AUC | GPU推理延迟为19.84毫秒，具体GPU型号未说明。 |
| 353 | 2026-10-04 |
A multi-anatomical in vivo and in vitro ultrafast ultrasound dataset: 20,431 acquisitions with 105 plane waves using the GE 11L-D probe and a vantage system
2026-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.113259
PMID:42824763
|
研究论文 | 本文介绍了一个多解剖部位的体内和体外超快超声数据集，包含20,431次采集，使用GE 11L-D探头和Vantage系统。 | 提供了大规模、异质的原始射频信号数据集，涵盖六个解剖区域和体模，解决开放获取原始超声数据稀缺的问题。 | 未明确提及限制。 | 促进波束形成、图像重建和基于深度学习的医学成像研究。 | 16名健康志愿者和CIRS 054GS体模。 | 医学超声成像 | NA | 超快超声成像 | NA | 原始射频信号 | 20,431次采集（20,121次来自16名志愿者，310次来自体模） | NA | NA | NA | GE 11L-D探头（192阵元，7.3 MHz中心频率）和Verasonics Vantage 256系统 |
| 354 | 2026-10-04 |
Threshold-Free Neural Network Models for Swim Bout Detection of Larval Zebrafish
2026-Jul-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.01.11.698899
PMID:42539050
|
研究论文 | 开发用于斑马鱼幼鱼游泳行为检测的无阈值深度学习模型，包括离线模型和在线模型，并在不同实验条件下验证其性能 | 首次提出无阈值的深度学习模型用于游泳行为检测，避免了传统方法中主观阈值和每次实验调整的问题；同时开发了离线和在线两个模型，提高了检测精度，特别是对低幅度行为 | 摘要中未提及 | 解决传统阈值方法在斑马鱼幼鱼游泳行为检测中的主观性和需要逐实验调整的问题，建立高吞吐量、稳健且可重复的行为分析框架 | 斑马鱼幼鱼（包括野生型、nacre和casper等遗传背景） | 神经科学、行为分析 | NA | 深度学习 | NA | 尾部曲率时间序列 | NA | NA | NA | 精确度 | NA |
| 355 | 2026-10-04 |
Deep Learning Based Cross-Modality Histological Brain Section Registration in Multiple Species Using Synthetic Images
2026-Jul-22, bioRxiv : the preprint server for biology
DOI:10.64898/2026.07.17.738987
PMID:42539034
|
研究论文 | 本文提出了一种使用合成图像训练卷积神经网络进行跨模态组织学脑切片配准的框架，并在小鼠和狨猴两个物种中验证了其有效性 | 完全使用合成数据训练深度学习模型，无需大量标注数据，并可跨物种应用 | 未明确提及，可能包括合成数据与真实数据之间的域差异问题 | 开发一种快速可扩展的深度学习框架，用于跨模态组织学脑切片的配准，以加速大规模脑解剖研究 | 小鼠和狨猴的脑组织学切片图像 | 数字病理学 | NA | 组织学成像，合成图像生成 | 卷积神经网络 | 图像 | NA | NA | NA | Dice系数，Hausdorff距离 | NA |
| 356 | 2026-10-04 |
Deep learning-based treatment decision support framework for multi-vessel coronary artery disease using integrated coronary angiography and clinical data
2026-Jul-08, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-026-03692-x
PMID:42420992
|
研究论文 | 该研究开发了一个基于深度学习的治疗决策支持框架，通过自动分析冠状动脉造影视频并整合临床数据，辅助多支冠状动脉疾病的血运重建决策 | 提出了一个多模态深度学习框架，包含视频质量筛选、基于课程学习的代表性帧选择和结合影像特征与临床特征的治疗分类三个模块，实现了对冠状动脉造影视频的自动化分析与临床数据的整合 | 数据来自单中心，样本来源较为单一，缺乏多中心外部验证 | 开发深度学习框架以支持多支冠状动脉疾病中PCI与CABG的治疗选择决策 | 5,647名多支冠状动脉疾病患者 | 医学影像分析、机器学习 | 冠状动脉疾病 | 冠状动脉造影 | 深度学习（具体架构未明确说明） | 视频、临床数据 | 5,647名患者的数据 | NA | NA | AUC | NA |
| 357 | 2026-10-04 |
Artificial intelligence in shoulder arthroplasty: latest concepts and clinical integration
2026-Jul-08, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-026-07104-8
PMID:42421132
|
综述 | 本文综述了人工智能在肩关节置换术中的最新应用，涵盖术前影像诊断与三维重建、术中相位识别与机器人辅助、术后预后预测与可穿戴监测，并探讨了其临床整合策略与挑战 | 系统性地按术前、术中、术后三个阶段整合了人工智能在肩关节置换术中的最新概念与临床应用，并提出了可解释人工智能、多模态整合、联邦学习和半自主手术平台等新兴整合策略以弥合技术应用与临床信任之间的差距 | 当前人工智能系统无法捕捉外科医生的直觉和依赖情境的专业经验，且缺乏比较性临床证据证明其改善了常规手术或患者结局，现有系统在未充分验证或适当实施时可能增加成本、工作流程复杂性或延误治疗 | 总结人工智能在肩关节置换术中的最新应用，突出其优势与局限，并概述将技术创新与外科专业知识相结合的综合策略 | 肩关节置换术患者及相关人工智能应用系统 | 机器学习, 数字病理学 | 肩关节疾病 | 深度学习影像分析, 三维重建, 机器人辅助手术, 混合现实引导, 多模态整合, 联邦学习, 可穿戴监测 | 深度学习, 机器学习 | 图像 | NA | NA | 多层神经网络 | NA | NA |
| 358 | 2026-10-04 |
Multimodal Deep Learning Reveals the Modular Genetic Architecture of Cardiovascular Aging
2026-Jul-08, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.04.22.26351478
PMID:42465926
|
研究论文 | 该研究利用多模态深度学习从UK Biobank超过10万名参与者的四种心血管数据流中估计生物学年龄，揭示了心血管衰老的模块化遗传结构 | 首次将多模态深度学习应用于四种心血管数据流（心电图、心脏磁共振成像、颈动脉超声和视网膜眼底照片）估计生物学年龄，发现了心血管衰老的模块化遗传结构，并整合单细胞转录组数据揭示了不同遗传信号的细胞背景 | 研究主要基于UK Biobank和All of Us队列，可能存在人群特异性偏差；部分参与者表型数据不完整；深度学习模型的可解释性仍需进一步验证 | 利用深度学习从多模态心血管数据中估计生物学年龄，并阐明心血管衰老的遗传结构 | 超过10万名UK Biobank参与者的四种心血管数据流（12导联心电图、心脏磁共振成像、颈动脉超声和视网膜眼底照片），并在All of Us队列中进行验证 | 机器学习 | 心血管疾病 | 深度学习、全基因组关联分析、跨性状LD分数回归、多基因风险评分、单细胞转录组 | 深度学习 | 图像、信号 | 超过100,000名UK Biobank参与者，包含四种模态数据（心电图、心脏磁共振成像、颈动脉超声、视网膜眼底照片），并在All of Us队列中验证 | NA | NA | NA | NA |
| 359 | 2026-10-04 |
Dental image analysis and surgical decision support using modified generative adversarial networks
2026-Jul-07, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-026-09115-7
PMID:42410586
|
研究论文 | 本文提出了一种改进的生成对抗网络（mGAN），结合W-Net架构、大语言模型（LLM）和概率特征融合（PFF）机制，用于牙科影像分析和手术决策支持，特别是下颌第三磨牙根与下牙槽神经管接触点的预测 | （1）提出新颖的W-Net架构，结合U-Net和V-Net形成双路径编码和跳跃门控解码机制，实现针对复杂牙科解剖结构优化的多尺度特征分析；（2）利用大语言模型（LLM）将下颌解剖学和常见牙科病理学的领域知识蒸馏到深度学习流程中，支持超参数调优和条件引导生成器；（3）提出概率特征融合（PFF）机制，实现自适应多模态特征集成，基于局部图像内容和LLM临床背景动态加权不同信息源 | 未明确提及研究的局限性 | 解决牙科护理和风险评估中多模态特征整合不足、无法将临床领域文献和循证原则整合到分析平台中的问题，提供口腔手术临床决策支持工具 | 1500例由专家标注的CBCT扫描影像，涉及下颌第三磨牙（M3M）根与下牙槽神经管（IAC）的解剖关系 | 计算机视觉 | 口腔疾病 | CBCT影像分析 | GAN | 图像 | 1500例CBCT扫描 | NA | W-Net, U-Net, V-Net, GAN, LLM | 根表面积准确率（RSAA）, Dice相似系数（DSC）, 灵敏度, 特异性 | NA |
| 360 | 2026-10-04 |
A multimodal deep learning classifier for prediction of HER2-low expression in triple-negative breast cancer
2026-Jul-06, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-026-02419-8
PMID:42410534
|
研究论文 | 该研究开发并验证了一种多模态深度学习分类器，用于在三阴性乳腺癌中预测HER2低表达状态，并在数据受限条件下评估了少样本学习框架的性能。 | 提出了少样本深度学习框架FADNET，结合对比学习和软k-means聚类，并构建了融合影像与术后临床变量的混合模型CLI-FADNET，用于HER2状态分类。 | 样本量较小（122例），仅进行方法学验证而非完全可部署的临床模型，需要未来大规模外部验证。 | 在数据受限条件下，预测三阴性乳腺癌患者的HER2低表达状态，并为HER2低表达患者的个体化治疗提供依据。 | 122例经病理确诊的三阴性乳腺癌患者（2017年至2022年） | 数字病理学, 医学影像分析 | 三阴性乳腺癌 | 乳腺超声, 多参数MRI（T2WI, DWI, DCE-MRI） | 少样本深度学习, 对比学习, 软k-means聚类 | 医学影像, 临床变量 | 122例三阴性乳腺癌患者 | NA | ResNet34 | AUC | NA |