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
4981	2026-06-29	End-to-end deep learning framework for automated angle estimation in hallux valgus from full-field weight-bearing radiographs 2026-Jan-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02150-4 PMID:41527051	研究论文	开发并验证了一个全自动端到端深度学习框架，用于从全负重足部X光片中准确估计拇外翻角和跖骨间角	首次提出结合YOLOv11m检测模块和可训练的PCA角度估计模块的端到端框架，实现自动化和高精度角度测量	未明确提及局限性	实现拇外翻角（HVA）和跖骨间角（IMA）的快速、准确全自动估计	全负重足部X光片	计算机视觉	拇外翻	X光成像	YOLOv11m, PCA	图像	内部数据集：1753张X光片来自1652名患者；外部数据集：121张X光片	PyTorch	YOLOv11m	平均绝对误差(MAE), 均方根误差(RMSE), 皮尔逊相关系数(r)	NA
4982	2026-06-29	Deep learning for Angle classification based on intraoral photographs: an interpretability perspective 2026-Jan-04, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07550-6 PMID:41486121	研究论文	该研究旨在开发一种基于口内照片的深度学习模型，利用 Angle 分类系统对矢状面牙颌畸形进行分类，并评估模型决策的可解释性	首次结合三种可解释性 AI 方法分析深度学习模型在口内照片牙颌分类中的决策依据	样本来自单中心数据库，可能存在选择性偏倚；模型准确率为 75%，仍有改进空间；不同 XAI 方法聚焦区域不一致，需结合多种方法综合评估	开发并评估基于口内照片的深度学习模型，用于 Angle 分类系统下的矢状面牙颌畸形分类，并提升模型可解释性	首次就诊的正畸患者的侧位口内 RGB 图像，展示牙咬合关系	计算机视觉	牙颌畸形	口内摄影	CNN	图像	共 5266 张口内 RGB 图像，训练集 4280 张，验证集 474 张，测试集 512 张	PyTorch	VGG-11	准确率、AUC	NA
4983	2026-06-29	Explainable machine learning and deep learning models for predicting TAS2R-bitter molecule interactions 2026-01, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109187 PMID:41092497	研究论文	开发可解释的机器学习和深度学习模型，用于预测苦味分子与TAS2R受体的相互作用	结合传统机器学习和深度学习方法，提高模型的可解释性和预测性能，用于理解苦味分子的分子特征和设计靶向特定TAS2Rs的新型苦味剂	未提供具体的局限性信息	开发可解释模型以预测苦味分子与TAS2R受体的相互作用，辅助药物设计和味觉感知研究	苦味分子与TAS2R受体的相互作用	机器学习	NA	NA	机器学习与深度学习模型（未指定具体类型）	实验验证数据	未提供样本量	NA	NA	高性能（具体指标未指定）	NA
4984	2026-06-28	Automated Diagnosis of Breast Cancer Using Deep Learning Techniques Applied to Digital Mammography and Magnetic Resonance Images 2026-Dec-01, Topics in magnetic resonance imaging : TMRI DOI:10.1097/RMR.0000000000000323 PMID:42360310	研究论文	使用深度学习技术对数字乳房X线摄影和磁共振图像进行乳腺癌自动诊断	综合评估多种AI方法对乳腺图像进行分类（正常、良性、恶性），并应用于数字乳房X线摄影和磁共振成像两种模态	NA	评估不同人工智能方法对乳腺图像进行分类，以区分正常、良性和恶性病例	数字乳房X线摄影和磁共振成像中的乳腺图像	数字病理学	乳腺癌	数字乳房X线摄影、磁共振成像	深度学习模型	图像	NA	NA	NA	NA	NA
4985	2026-06-28	Polygon-Aware Deep Learning Framework for Meal-Level Nutrition Estimation From Food Images 2026-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71236 PMID:42360400	研究论文	提出一种多边形感知的深度学习框架，通过精确的食物分割和区域特征提取实现膳食图像营养估计	首次将多边形感知的实例分割与区域特异性特征提取结合，显著提升营养估计精度（平均性能提升11.63%）	仅在FoodBD v2数据集上验证，未在多样化食物数据集和实际移动端部署中评估	实现从食物图像中准确估计餐级营养含量的自动化膳食评估方法	真实世界食物图像中的个体食物项目及其分割区域	计算机视觉	不适用	实例分割与多边形特征提取	YOLOv8n、随机森林、XGBoost、LightGBM、岭回归、CNN回归器	图像	FoodBD v2数据集（包含多边形标注和营养标签，20个代表性样本用于重叠分析）	PyTorch	YOLOv8n	mAP@0.5、mAP@0.5:0.95、平均交并比、F1分数	未明确说明
4986	2026-06-28	A Physics-Informed Deep Learning Framework for Estimating Muscle Activation Patterns Following Achilles Tendon Repair 2026-Jun-26, Journal of applied physiology (Bethesda, Md. : 1985) DOI:10.1152/japplphysiol.00274.2026 PMID:42359776	研究论文	提出物理知识引导的Transformer神经肌肉骨骼模型，用于估算跟腱修复后的肌肉激活模式	整合前向动态约束，仅需关节运动学和浅层肌电图数据即可估算深层肌肉激活，大幅降低传感器需求同时保持诊断深度	NA	开发一种能准确估算跟腱断裂术后肌肉激活模式、减少传感器依赖的临床实用工具	跟腱断裂患者的比目鱼肌激活模式和肌肉共激活模式	机器学习	跟腱断裂	NA	Transformer	关节运动学数据、浅层肌电图数据	40名参与者（20名健康对照者、20名术后跟腱断裂患者）	NA	Transformer	频谱完整性、信号能量合理性、p值	NA
4987	2026-06-28	Explainable AI for hyperspectral imaging in food quality decision support: interpretability, reliability and future directions 2026-Jun-26, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2026.2694489 PMID:42360273	综述	综述可解释人工智能在高光谱成像食品质量决策支持中的最新进展，重点讨论可解释性、可靠性和未来方向	系统总结六种主流可解释人工智能方法（SHAP、LIME、Grad-CAM、显著性图、DeepLIFT、TCAV）在食品高光谱成像中的应用，并首次从食品质量、高光谱成像和可解释人工智能三个维度综合分析了关键挑战	目前缺乏标准化的评估协议，高维数据与复杂模型之间的鸿沟仍然存在，需要进一步开发人类参与的交互界面以保证实际工厂级检测的可靠性	回顾高光谱成像在食品质量评估中的研究进展，阐明可解释人工智能如何提升模型可解释性，并为建立可靠的高光谱成像-可解释人工智能框架提供指导	食品质量评估中的高光谱成像数据及其分析模型	计算机视觉	NA	高光谱成像	化学计量学模型、机器学习模型、深度学习模型	高光谱图像	NA	NA	NA	NA	NA
4988	2026-06-28	Assessing the clinical reliability of deep learning for vertebral fracture detection: a two-surgeon commentary 2026-Jun-26, La Radiologia medica DOI:10.1007/s11547-026-02249-2 PMID:42360613	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4989	2026-06-28	Artificial Intelligence-Assisted Histopathologic Diagnosis and Grading of Oral Epithelial Dysplasia: A Systematic Review and Functional Meta-synthesis 2026-Jun-26, Head and neck pathology DOI:10.1007/s12105-026-01937-9 PMID:42360612	系统综述	针对人工智能辅助口腔上皮不典型增生组织病理诊断与分级的系统综述与功能整合分析	首次系统梳理AI在口腔上皮不典型增生诊断中的功能角色（检测、分级、辅助诊断），并整合分析其在不同诊断工作流程中的表现	证据质量极低，研究间存在高度异质性（数据集、分型框架、模型架构、验证策略均不统一），多数性能评估基于非患者级别的数据集	评估AI辅助口腔上皮不典型增生组织病理诊断与分级的当前证据，包括诊断性能、方法学质量和AI系统的功能角色	口腔上皮不典型增生或口腔潜在恶性病变伴不典型增生的显微或数字组织病理图像	数字病理学	口腔上皮不典型增生	组织病理成像	卷积神经网络、视觉Transformer、DenseNet、混合计算病理学管道	图像	13项研究（发布时间：2017-2026年）	NA	DenseNet, Vision Transformer, 卷积神经网络	准确率	NA
4990	2026-06-28	Retraction Note: Deep learning-accelerated image reconstruction in back pain-MRI imaging: reduction of acquisition time and improvement of image quality 2026-Jun-26, La Radiologia medica DOI:10.1007/s11547-026-02254-5 PMID:42360615	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4991	2026-06-28	A sample application designed for detection of teeth and jaw bone from cone-beam computed tomography images using deep learning methods 2026-Jun-26, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00946-2 PMID:42360668	研究论文	利用深度学习技术从锥束计算机断层扫描图像中自动分割牙齿和颌骨结构	首次比较U-Net、DeepLab V3+和YOLO V3三种深度学习架构在CBCT图像牙齿和颌骨分割中的性能	数据集仅来自7位患者，需在多中心、更大数据集中验证后方可临床应用	评估深度学习模型在CBCT图像中自动分割牙齿和颌骨结构的效果	牙齿和颌骨结构	计算机视觉，数字病理学	NA	CBCT成像	U-Net, DeepLab V3+, YOLO V3	图像	7位患者的1155张轴向图像	NA	U-Net, DeepLab V3+, YOLO V3	Dice相似系数，交并比，精确率，召回率	NA
4992	2026-06-28	Prot-ΔΔG: Prediction of protein-protein binding affinity changes upon mutations with pre-training strategies 2026-Jun-25, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00867-6 PMID:42350672	研究论文	提出一种仅基于序列的深度学习框架 Prot-ΔΔG，利用预训练策略预测蛋白质突变后的结合亲和力变化	首次将大规模预训练蛋白质语言模型与 BiGRU-DBRNN 编码器结合，完全基于序列信息预测 ΔΔG，无需高分辨率结构数据，有效捕捉序列嵌入的进化模式与上下文信息	未提及依赖结构信息时的性能对比，且对复杂多突变场景的泛化性需进一步验证	开发仅基于序列的精准预测方法，用于理解蛋白质突变导致的疾病机制、指导药物发现和蛋白质工程	蛋白质-蛋白质相互作用的突变后结合亲和力变化	机器学习	NA	蛋白质语言模型	BiGRU-DBRNN	蛋白质氨基酸序列	NA	NA	BiGRU-DBRNN	预测性能指标	NA
4993	2026-06-28	Feasibility of deep learning-accelerated ultrafast T1-weighted VIBE Dixon imaging of the pelvis for screening of metastases in prostate MRI 2026-Jun-25, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00758-3 PMID:42350758	研究论文	评估深度学习加速的T1加权VIBE Dixon序列在盆腔转移瘤筛查中的图像质量和诊断信心	首次将深度学习加速的超快速T1加权VIBE Dixon序列用于前列腺MRI盆腔转移瘤筛查，显著缩短采集时间（从143秒降至15秒）而不损失图像质量和诊断信心	样本量较小（54例患者），且DL加速序列在伪影和信号均匀性方面略有增加	评估深度学习加速T1加权VIBE Dixon序列在前列腺MRI中筛查盆腔转移瘤的可行性	接受前列腺MRI的患者	计算机视觉	前列腺癌	MRI	深度学习	图像	54例患者，平均年龄68±6.6岁	NA	NA	Likert量表评分（图像质量、诊断信心）、信号均匀性	研究用深度学习加速序列，具体计算资源未提及
4994	2026-06-28	Data-Efficient and Explainable Multimodal Survival Prediction in NSCLC Using Deep Image Embeddings, Clinical Variables, and Gradient-Boosted Trees 2026-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121941 PMID:42351600	研究论文	提出一种数据高效、可解释的多模态非小细胞肺癌生存预测框架，融合深度图像嵌入、临床变量和梯度提升树	将预训练RadImageNet-InceptionV3嵌入与临床变量通过梯度提升树融合，在有限样本下实现可解释的生存预测，并利用SHAP分析揭示特征贡献	外部验证尚未进行，临床转化前需进一步验证	开发一种数据高效、可解释的多模态框架，整合CT影像信息与临床变量，用于非小细胞肺癌生存预测	非小细胞肺癌患者的CT图像、肿瘤分割结果和临床数据	计算机视觉、机器学习	非小细胞肺癌	CT成像、深度学习嵌入、主成分分析	梯度提升树（CatBoost、XGBoost、LightGBM）	CT图像、临床变量表格数据	377名NSCLC患者（LUNG1数据集）	NA	RadImageNet-InceptionV3、CatBoost、XGBoost、LightGBM	C-index（基于类别的C-index和连续事件C-index）	NA
4995	2026-06-28	Artificial Intelligence and the Evolving Paradigm of Lung Cancer Management 2026-Jun-22, Cancers IF:4.5Q1 DOI:10.3390/cancers18122012 PMID:42352544	综述	综述人工智能在肺癌管理中的前沿应用，涵盖筛查、诊断、治疗规划和药物发现	系统整合AI在肺癌全流程管理（影像、病理、液体活检、手术导航）的应用进展，并强调多学科协作与临床验证的必要性	真实世界验证有限、算法偏见、临床工作流程整合困难及伦理法律问题尚未解决	总结AI在肺癌管理中的应用现状，并探讨未来发展方向与挑战	肺癌筛查、成像分期、组织与液体活检、治疗规划、手术导航、药物发现中的AI技术	自然语言处理, 计算机视觉, 数字病理学	肺癌	NGS, RNA-seq, 甲基化测序	深度学习模型	图像, 文本, 视频	NA	NA	深度神经网络	检测率, AUC	NA
4996	2026-06-28	Untrained Position-Encoded Multilayer Perceptron Network for Structured Illumination Microscopy Reconstruction 2026-Jun-22, Chemical & biomedical imaging DOI:10.1021/cbmi.5c00153 PMID:42358782	研究论文	提出一种无需训练数据的位敏多层感知机网络用于结构光照明显微镜超分辨重建	该方法无需任何训练数据，利用隐式神经表征和SIM前向模型驱动重建超分辨图像，能够在低输入帧数下实现2D和3D图像重建，并预测3D堆栈中缺失的轴向平面	当前摘要未明确提及方法局限性，可能包括对噪声的敏感度或计算开销问题	为SIM超分辨成像提供一种数据高效且适应性强的重建方法	结构光照明显微镜（SIM）成像数据	计算机视觉	不适用	结构光照明显微镜	位敏多层感知机	图像	合成和实验数据集	PyTorch	多层感知机	结构相似性损失	NA
4997	2026-06-28	Multimodal EEG-EMG and FEM-Based Adaptive Control of Passive Upper-Limb Exoskeletons 2026-Jun-20, Sensors (Basel, Switzerland) DOI:10.3390/s26123924 PMID:42356896	研究论文	提出一种多模态神经接口，结合脑电图和肌电图信号对被动上肢外骨骼进行自适应控制，并利用有限元生物力学建模辅助分析	首次在被动外骨骼中融合EEG-EMG多模态信号与CNN-LSTM深度学习架构，通过认知负荷指数和额叶不对称指数实现无需主动驱动的软件级自适应辅助	有限元模型仅作为离线分析工具，未集成到实时控制回路中；LiveAmp平台为商用设备并非专门为本研究开发	实现被动上肢外骨骼基于用户生理和运动状态的软件级自适应辅助	十名健康被试的脑电图和肌电图信号	人机交互, 机器人学	NA	脑电图, 肌电图, 有限元建模	CNN-LSTM混合模型	生理信号（脑电图和肌电图）	10名健康被试	NA	CNN-LSTM	准确率, F1分数, 推理延迟	NA
4998	2026-06-28	Deep Learning Based on B-Mode and Color Doppler Ultrasound for Differentiation of Primary Thyroid Lymphoma and Hashimoto's Thyroiditis: A Retrospective Single-Center Study 2026-Jun-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121909 PMID:42351568	研究论文	基于B超和彩色多普勒超声的深度学习模型用于鉴别原发性甲状腺淋巴瘤和桥本甲状腺炎	提出了结合小波变换卷积和频率自适应门控机制的Frequency-Adaptive WT-ResNet模型，实现了B超和彩色多普勒超声图像中三种病变（弥漫大B细胞淋巴瘤、黏膜相关淋巴组织淋巴瘤和桥本甲状腺炎）的自动分类	探索性外部验证结果需谨慎解读，仍需更大规模的多中心队列验证模型泛化能力	开发和验证基于B超和彩色多普勒超声的深度学习模型，用于图像水平鉴别弥漫大B细胞淋巴瘤、黏膜相关淋巴组织淋巴瘤和桥本甲状腺炎	290名患者的1294张超声图像（313个病灶），来自华西医院和中山大学孙逸仙纪念医院	计算机视觉	甲状腺癌, 淋巴瘤, 桥本甲状腺炎	超声成像（B模式超声和彩色多普勒超声）	CNN (ResNet)	图像	290名患者的1294张超声图像（313个病灶），训练集与测试集按8:2划分	PyTorch	Frequency-Adaptive WT-ResNet（集成小波变换卷积和频率自适应门控机制）	AUC, 平衡准确率	NA
4999	2026-06-28	Functional Profiling in Paralympic Water Polo Using Deep Learning, Stereo Vision, and Phase-Based Kinematic Analysis: A Pilot Study 2026-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060707 PMID:42351951	研究论文	提出一种基于深度学习、立体视觉和相位运动分析的残奥会水球功能画像框架，用于客观评估运动员的残余运动功能	将姿态估计作为定量测量工具，并将可见性中断视为功能相关事件而非噪声，为运动功能评估提供可解释的候选描述指标	样本量较小（仅5名男性运动员），且研究为试点性质，不旨在取代官方分类程序	为残奥会水球运动建立基于任务的功能画像框架，以支持基于证据的分类研究	5名国家级男子水球运动员（3名有运动障碍、2名健全参考者）	计算机视觉	运动功能障碍	立体视觉、OpenPose姿态估计	NA	视频	5名男性运动员（3名有运动障碍，2名健全参考者），共128次掷球试验	OpenPose	NA	核心值范围（0.05-0.15、0.29-0.68、0.040-0.148）	NA
5000	2026-06-28	Waist Circumference Modifies the Association Between a Deep Learning-Derived Retinal Biomarker and Coronary Artery Calcium Score in Asymptomatic Adults 2026-Jun-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124779 PMID:42355946	研究论文	探讨深度学习衍生的视网膜生物标志物Reti-CVD与无症状成年人冠状动脉钙化评分之间的关系，并评估腰围是否改变这一关联	首次验证中心性肥胖（以腰围衡量）对深度学习视网膜生物标志物与冠状动脉钙化评分之间关系的修饰作用，而一般肥胖（BMI）无此作用	回顾性设计、样本量较小（237人）、单一韩国人群、未考虑种族差异及长期随访数据	评估肥胖表型（特别是中心性肥胖）是否改变Reti-CVD与冠状动脉钙化评分的关联	237名接受常规健康筛查的无症状韩国成年人	机器学习, 数字病理学	心血管疾病	眼底摄影, 心脏计算机断层扫描	深度学习模型	眼底照片, 图像	237名无症状韩国成年人（其中78人患有腹部肥胖，102人患有一般肥胖）	NA	NA	受试者工作特征曲线下面积	NA