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
4421	2026-02-06	Bibliometric analysis of research on artificial İntelligence applications in breast cancer diagnosis 2026-Jan, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251362602 PMID:40831333	综述	本文通过文献计量学方法分析了人工智能在乳腺癌诊断应用中的研究趋势，包括时间与地理分布	首次使用VOSviewer和Bibliometrix R对2013-2024年间该领域文献进行系统性文献计量分析，识别了关键主题、国家贡献和影响力文献	分析仅基于Web of Science数据库，可能未涵盖所有相关文献；文献计量方法主要反映数量趋势，未深入评估研究质量	通过文献计量分析揭示人工智能在乳腺癌诊断领域的研究格局、发展趋势和热点方向	2013-2024年间Web of Science收录的1537篇关于人工智能在乳腺癌诊断应用的学术文献	机器学习	乳腺癌	文献计量分析	NA	文献元数据	1537篇文章	VOSviewer, Bibliometrix R	NA	引用次数	NA
4422	2026-02-06	Dual-task deep learning model for prediction of medulloblastoma molecular subgroups with preoperative brain MRI 2026-Jan, La Radiologia medica DOI:10.1007/s11547-025-02105-9 PMID:41117885	研究论文	本研究开发了一种基于术前脑部MRI的双任务深度学习模型，用于预测髓母细胞瘤的分子亚型	提出了一种结合3D Swin Transformer骨干网络和基于Transformer的掩码解码器的双任务深度学习模型，通过联合优化肿瘤和小脑分割任务来提升分子亚型预测性能	研究样本量有限，且模型在独立测试队列中的泛化能力虽已展示，但可能仍需更多外部验证	开发一种深度学习模型，利用术前脑部MRI预测髓母细胞瘤的分子亚型	髓母细胞瘤患者	计算机视觉	髓母细胞瘤	术前多参数脑部MRI	深度学习模型	图像	模型开发队列包括350名患者，独立测试队列包括126名患者	NA	3D Swin Transformer, Transformer-based mask decoder	AUC, 准确率, 灵敏度, 特异性	NA
4423	2026-02-06	Artificial Intelligence Supported Analysis of Anal Sphincter and Levator Ani Muscle Using Medical Imaging Techniques: A Systematic Review 2026-Jan, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06385-7 PMID:41165777	系统综述	本文系统综述了人工智能在医学影像中分析肛管括约肌和耻骨直肠肌的应用	首次系统评估了该领域人工智能研究的报告质量，并识别了知识空白	纳入研究数量有限，且大多数模型尚未准备好广泛临床采用	评估人工智能在盆底成像中的应用及其报告质量	肛管括约肌和耻骨直肠肌相关的健康条件	医学影像分析	盆底疾病	超声和磁共振成像	深度学习	医学影像	40项研究	NA	U-Net	时间效率和临床可接受性	NA
4424	2026-02-06	Structural damage detection and safety assessment method based on machine vision and machine learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341653 PMID:41628152	研究论文	本研究提出了一种结合机器视觉与机器学习的结构损伤检测与安全评估新方法	提出了一种新颖的多尺度视觉框架，整合了深度学习和机器学习，实现了从粗粒度分类到细粒度分割的联合处理，并提取了七个可解释的损伤参数用于安全评估	NA	开发一种准确且可解释的结构安全评估方法	基础设施的结构损伤	计算机视觉, 机器学习	NA	NA	CNN, Transformer	高分辨率图像	NA	NA	ResNet-50, SegFormer	准确率, F1分数, AUC	NA
4425	2026-02-06	Deep learning and dual-radiomics model incorporating brachytherapy applicator type to predict radiation-induced acute rectal injury in cervical cancer patients 2026-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100908 PMID:41631005	研究论文	本研究开发了一个结合双放射组学与深度学习的模型，用于预测宫颈癌患者放疗后急性直肠损伤	首次将放射组学、剂量组学、深度学习特征及临床因素整合到列线图中，以预测宫颈癌放疗后的急性直肠损伤	研究为回顾性设计，样本量相对较小（200例），且仅来自两家医院，可能存在选择偏倚	提高宫颈癌患者放疗后急性直肠损伤的预测准确性	接受放疗的宫颈癌患者	数字病理学	宫颈癌	CT成像	CNN, XGBoost	图像	200名宫颈癌患者（160例训练，40例内部验证，40例外部验证）	NA	ResNet_with_CBAM	AUC	NA
4426	2026-02-06	Deep learning framework for RNA 5hmC prediction using RNA language model embeddings 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341649 PMID:41632767	研究论文	本研究提出了一种名为InTrans-RNA5hmC的双分支深度学习框架，用于预测RNA 5hmC修饰	结合了Inception分支和Transformer分支的双分支深度学习架构，并利用RNA语言模型RiNALMo的嵌入作为特征描述符	未明确说明模型的计算复杂度或对特定RNA序列类型的泛化能力	开发一种高效、准确的计算方法来预测RNA 5hmC修饰，以替代昂贵且耗时的实验方法	RNA 5-羟甲基胞嘧啶（5hmC）修饰	自然语言处理	癌症	RNA语言模型嵌入	深度学习	序列数据	NA	NA	Inception, Transformer	灵敏度, 平衡准确率, F1分数	NA
4427	2026-02-05	Xception Convolutional Deep Maxout Network for Enhanced Breast Cancer Classification Using Histopathological Images 2026-Mar, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70088 PMID:41147717	研究论文	本文提出了一种结合Xception卷积神经网络、深度最大输出网络和分数阶微积分的混合模型，用于基于组织病理学图像的乳腺癌分类	开发了Xception卷积深度最大输出网络（Xcov-DMN），该网络融合了深度最大输出网络、分数阶微积分和Xception卷积神经网络，以解决高分辨率图像中关键特征提取的困难并减少过拟合	未明确说明模型在外部验证集上的泛化能力或计算效率的具体评估	提高乳腺癌分类的准确性和精确性，以支持及时检测和治疗	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学成像	CNN	图像	NA	NA	Xception Convolutional Neural Network, Deep Maxout Network	准确率, 真阴性率, 真阳性率	NA
4428	2026-02-05	Detection of Lymph Node Metastasis in Thyroid Cancer Using Deep Learning and Second Harmonic Generation Imaging 2026-Mar, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70082 PMID:41051062	研究论文	本研究提出了一种结合二次谐波成像与深度学习的自动化框架，用于甲状腺癌淋巴结转移的检测	首次将二次谐波成像技术与深度学习结合，构建了自动化的甲状腺癌淋巴结转移分类网络，并整合了病理信息与胶原特征	未提及外部验证集或临床前瞻性研究的应用，可能限制其泛化能力	开发一种自动化、定量的甲状腺癌淋巴结转移检测方法	甲状腺癌（特别是乳头状甲状腺癌）的淋巴结转移	数字病理	甲状腺癌	二次谐波成像	深度学习	图像	NA	NA	Pyramid Vision Transformer v2, 多层感知机	ROC曲线下面积	NA
4429	2026-02-05	Deep learning-based morphological analysis of human sperm 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03418-7 PMID:40897949	研究论文	本文提出了一种基于深度学习的联合学习模型，用于精子头部分割和形态分类预测，以动态获取多帧多角度图像来准确分析精子形态	通过深度学习跟踪检测系统动态获取多帧多角度精子图像，结合分割和分类任务进行端到端形态分析，优于传统3D重建和计算机辅助评估系统	未明确提及样本量、计算资源细节或模型架构的具体名称	开发一种基于深度学习的精子形态分析方法，以预测男性精液质量	人类精子	计算机视觉	NA	深度学习	多任务模型	图像	NA	NA	NA	NA	最小计算能力，利用大多数胚胎学实验室已有设备
4430	2026-02-05	A dual-branch encoder network based on squeeze-and-excitation UNet and transformer for 3D PET-CT image tumor segmentation 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03427-6 PMID:40911253	研究论文	本文提出了一种基于SE-UNet和Transformer的双分支编码器网络TASE-UNet，用于3D PET-CT图像的肿瘤自动分割	设计了结合SE-UNet和Transformer的双分支编码器，在跳跃连接中引入3D CBAM注意力模块，并采用BCE损失函数提升分割精度	仅在HECKTOR2022数据集上进行测试，未在其他多中心数据集验证泛化能力	实现PET-CT图像中肿瘤的自动精确分割	3D PET-CT医学图像中的肿瘤区域	数字病理学	肿瘤（未特指具体类型）	PET-CT影像技术	深度学习模型	3D医学图像（PET-CT融合影像）	HECKTOR2022数据集（具体样本数未说明）	未明确说明	SE-UNet, Transformer, 3D CBAM	DSC（戴斯系数）, HD95（豪斯多夫距离95百分位）	未明确说明
4431	2026-02-05	Integrating CT image reconstruction, segmentation, and large language models for enhanced diagnostic insight 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03446-3 PMID:40993406	研究论文	本研究开发了一个整合CT图像重建、分割和大语言模型的四步医学图像分析框架，旨在提升图像质量并生成自动化文本描述以辅助诊断	提出一个将CT图像重建、预处理、分割和图像描述生成集成的端到端框架，并引入FuseCap模型为分割后的图像生成自动化文本描述，以辅助放射科医生	未明确说明框架在临床环境中的实际验证情况，以及自动化描述生成的准确性和临床实用性有待进一步评估	开发一个医学图像分析框架，以提升CT图像质量、减少重建时间，并通过自动化描述为医疗专家提供决策支持工具	骨盆CT图像	医学影像分析	癌症	CT成像	CNN	CT图像	NA	NA	NA	峰值信噪比, 归一化均方误差, 结构相似性指数	NA
4432	2026-02-05	Emerging trends and clinical challenges in AI-enhanced emotion diagnosis using physiological data 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03435-6 PMID:41026457	综述	本文综述了生理参数与情绪之间的关系，以及机器学习在情绪识别中的潜在价值、应用及挑战	将心率变异性（HRV）识别为情绪识别和生理参数分析的关键指标，并探讨了将其纳入模型以提升情绪管理精度的潜力	面临生理数据收集、隐私安全以及个体差异导致的个性化调整需求等多重挑战	探索生理参数与情绪之间的关联，并评估机器学习在情绪识别领域的应用价值与前景	心率、呼吸、血压、皮肤电反应、脑电图和心率变异性等生理参数，以及抑郁、焦虑、双相情感障碍和边缘型人格障碍等情绪障碍	机器学习	情绪障碍	机器学习，深度学习	NA	生理数据	NA	NA	NA	NA	NA
4433	2026-02-05	Deep learning-based high precision 3D ultrasound imaging for large size organ 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03453-4 PMID:41075113	研究论文	本研究提出了一种基于深度学习的高精度三维超声成像方法，用于大型器官成像，通过改进标签策略和扫描轨迹规划来减少累积误差	提出了基于超声图像坐标系的标签策略以提高网络预测精度，并通过预规划扫描轨迹指导网络预测，显著降低了累积误差	未明确说明方法在其他组织或网络架构中的泛化能力验证细节	开发一种高精度的三维超声成像方法，以改善大型器官成像中的累积误差问题	健康志愿者和脊柱侧弯患者的脊柱	计算机视觉	脊柱侧弯	三维超声成像	深度学习网络	图像	健康志愿者和脊柱侧弯患者（具体数量未明确）	NA	NA	预测精度，累积误差	NA
4434	2026-02-04	Performance Evaluation of a Commercial Deep Learning Software for Detecting Intracranial Hemorrhage in a Pediatric Population 2026-Feb-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01857-8 PMID:41629667	研究论文	本研究评估了一款基于成人数据训练的商业AI工具（Aidoc）在儿童颅内出血检测中的性能	首次在儿科人群中系统评估基于成人数据训练的商用深度学习软件对颅内出血的检测性能，揭示了儿科特异性特征对AI性能的影响	单中心回顾性研究，仅纳入6-17岁儿童，未包含婴幼儿群体，参考标准依赖放射科医师多数投票	评估商用AI工具在儿科颅内出血检测中的诊断性能	儿科患者（6-17岁）的头部CT影像	数字病理学	颅内出血	CT影像分析，自然语言处理	深度学习	医学影像（CT），文本报告	2502名儿科患者	Aidoc（商用软件）	NA	灵敏度，特异度，准确度	NA
4435	2026-02-04	Artificial Intelligence-Driven Laser Capture Microdissection 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-5154-4_14 PMID:41629719	研究论文	本文介绍了一种针对FFPE样本H&E染色切片优化的AI驱动激光捕获显微切割协议，旨在提升空间蛋白质组学的可扩展性和灵活性	开发了AI驱动的激光捕获显微切割协议，专门针对FFPE样本的H&E染色切片进行优化，提高了工作流程的可扩展性和临床适应性	当前工作流程缺乏可扩展性和灵活性，限制了在临床和转化环境中的广泛应用	优化激光捕获显微切割与质谱蛋白质组学结合的工作流程，以推进空间蛋白质组学的大规模应用	福尔马林固定石蜡包埋（FFPE）患者样本的H&E染色切片	数字病理学	NA	激光捕获显微切割, 质谱蛋白质组学, H&E染色	深度学习	图像	NA	NA	NA	NA	NA
4436	2026-02-03	A dense recurrent unrolling network leveraging spatio-temporal priors for highly-accelerated dynamic MRI 2026-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110595 PMID:41397563	研究论文	本文提出了一种密集循环展开网络，利用时空先验知识来高度加速动态MRI重建	在稀疏先验更新模块中引入了双向循环卷积单元，通过循环聚合过去和未来帧的上下文信息来增强时间依赖性建模，并采用了中间特征传输而非仅单阶段输出的设计，以改善多阶段协作	未明确说明在极高加速因子（如24倍以上）下的性能极限或计算成本	提高动态MRI在高度欠采样条件下的重建准确性和时间保真度	动态MRI数据	计算机视觉	NA	动态磁共振成像	深度学习	图像	NA	NA	密集循环展开网络	重建准确性, 时间保真度	NA
4437	2026-02-03	Dysmorphic neurons express markers of inhibitory glycinergic signaling in focal cortical dysplasia IIb 2026-Mar, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70043 PMID:40957662	研究论文	本研究利用深度学习技术对局灶性皮质发育不良IIb型进行解剖学映射，并结合空间转录组学分析，揭示了畸形神经元中非经典信号通路和神经递质通路的标记物	首次结合深度学习和空间转录组学，对FCD IIb型进行客观解剖学映射和分子特征分析，发现了畸形神经元中新的信号通路标记物	NA	研究局灶性皮质发育不良IIb型中畸形神经元的分子特征，以寻找新的治疗靶点	局灶性皮质发育不良IIb型中的巨细胞畸形神经元	数字病理学	癫痫	空间转录组学	深度学习	图像, 转录组数据	NA	NA	NA	NA	NA
4438	2026-02-03	Deep learning-enhanced 3D imaging unveils semaglutide impact on cardiac fibrosis 2026-Mar, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.70217 PMID:41121520	研究论文	本研究开发了一种结合三维光片荧光显微镜和深度学习的心脏纤维化量化方法，并用于评估GLP-1R激动剂司美格鲁肽在HFpEF小鼠模型中的抗纤维化疗效	开发了首个结合荧光胶原标记、组织透明化、三维光片荧光显微镜和深度学习的高通量全心脏成像平台，实现了微米分辨率的心脏纤维化区域异质性量化	研究仅在小鼠模型中进行，未在人类样本中验证；司美格鲁肽对替代性纤维化无显著影响	开发心脏纤维化的三维成像与深度学习量化方法，并评估GLP-1R激动剂的抗纤维化疗效	db/db UNx-ReninAAV小鼠模型（表现为糖尿病、肾衰竭、肥胖和高血压）	数字病理学	心血管疾病	荧光胶原标记、组织透明化、三维光片荧光显微镜	深度学习	三维图像	未明确样本数量，但分析了17个左心室节段	NA	NA	NA	NA
4439	2026-02-03	Research on a spatiotemporal prediction method for two-dimensional temperature fields based on TDLAS array sensors and the SwinLSTM model 2026-Feb-02, The Analyst DOI:10.1039/d5an01304f PMID:41504477	研究论文	本文提出了一种基于TDLAS阵列传感器和SwinLSTM模型的二维温度场时空预测方法，用于火焰温度场的准确重构和短期预测	结合二维阵列TDLAS直接成像与深度学习，采用64像素阵列探测器替代传统单点传感器，并构建SwinLSTM模型以同时学习温度场的空间全局依赖性和时间动态特性	NA	开发一种能够准确重构和预测火焰二维温度场的时空预测诊断方法	火焰的二维温度场	计算机视觉	NA	可调谐二极管激光吸收光谱技术	LSTM	图像	NA	NA	SwinLSTM	SSIM, PSNR	NA
4440	2026-02-03	Reduction of motion artifacts from photoplethysmography signals using learned convolutional sparse coding 2026-Feb-02, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35cb PMID:41505906	研究论文	本文提出了一种结合信号分解和深度学习优势的框架，用于减少可穿戴设备中光电容积脉搏波信号的运动伪影	利用算法展开将PPG结构先验知识整合到深度神经网络中，提高了模型的可解释性，并采用学习卷积稀疏编码模型捕获重复形态模式	未明确说明模型在极端运动条件下的泛化能力或临床验证的详细结果	提高可穿戴设备中光电容积脉搏波信号的质量，以支持心血管疾病的监测	光电容积脉搏波信号及其运动伪影	信号处理	心血管疾病	光电容积脉搏波	深度神经网络, 卷积稀疏编码	信号数据	使用PulseDB数据集和PPG-DaLiA数据集，具体样本数量未明确	NA	学习卷积稀疏编码模型	信噪比, 心率平均绝对误差	NA