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
5041	2026-01-21	Towards practical AI for agriculture: A self-supervised attention framework for Spinach leaf disease detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340989 PMID:41544134	研究论文	本文提出了一种用于菠菜叶病害检测的自监督注意力框架，旨在开发实用的农业人工智能应用	结合了自监督预训练（SimSiam）、注意力机制（CBAM）和Transformer架构，在有限标注数据下实现了高精度和可解释性，并针对边缘部署进行了优化	模型在ImageNet-22k预训练的SwinV2-Base上达到更高精度，但参数量大且依赖大规模预训练，边缘部署可行性较低	开发高效且可解释的深度学习框架，用于自动检测马拉巴尔菠菜叶病害	马拉巴尔菠菜叶片	计算机视觉	植物病害	深度学习，自监督学习，注意力机制	CNN, Transformer	图像	从哈比甘杰农业大学收集并补充公开样本的马拉巴尔菠菜图像数据集，分为三类：链格孢叶斑病、草莓螨侵染和健康叶片	PyTorch	SpinachCNN, Spinach-ResSENet, Vision Transformer (SpinachViT), SwinV2-Base, SimSiam-CBAM-ResNet-50	准确率, 宏ROC-AUC, 校准误差	NA
5042	2026-01-21	Evaluation of deep learning-based methods for automatic detection and segmentation of brain metastases in T1-contrast MRI for stereotactic radiosurgery 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70459 PMID:41546659	研究论文	本研究评估并比较了基于不同框架的深度学习模型在T1对比增强MRI中自动检测和分割脑转移瘤的性能	首次对基于CNN、Transformer和Mamba架构的多种深度学习模型在脑转移瘤检测与分割任务上进行了全面的比较分析	研究为回顾性设计，且主要基于单中心数据，可能存在选择偏倚	评估和比较不同深度学习框架在脑转移瘤自动检测和分割中的性能，以辅助立体定向放射外科治疗规划	T1对比增强MRI图像中的脑转移瘤	数字病理	脑转移瘤	T1对比增强MRI	CNN, Transformer, Mamba	图像	934例患者（667例来自公开数据集，267例来自本机构）	NA	U-Mamba, nnU-Netv2	灵敏度, Dice相似系数, 阳性预测值, 表面DSC, Hausdorff距离95%	NA
5043	2026-01-21	A generic registration-assisted framework for dynamic magnetic resonance imaging super-resolution with misaligned training data 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70277 PMID:41549627	研究论文	提出了一种通用的配准辅助动态磁共振成像超分辨率框架，用于处理训练数据未对齐的问题	提出了一种通用的配准辅助超分辨率框架，允许在临床获取的未对齐低分辨率-高分辨率图像对上直接进行监督学习，通过超分辨率与配准任务的协同作用相互提升性能	未明确说明计算资源需求，且仅在腹部和心脏MRI数据集上进行了验证	解决动态磁共振成像中因生理运动导致的训练数据未对齐问题，提升超分辨率重建质量	动态磁共振成像数据	医学图像处理	NA	动态磁共振成像	深度学习	图像	腹部4D MRI数据集（20个训练案例，6个验证案例），心脏电影MRI数据集（100个训练案例，50个验证案例）	NA	多尺度递归配准网络	平均绝对误差, 结构相似性指数, 峰值信噪比, 学习感知图像块相似度, 自然图像质量评估器	NA
5044	2026-01-21	Prototype bank-driven test-time adaptation for medical ultrasound image segmentation 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70280 PMID:41549639	研究论文	本文提出了一种基于原型库的测试时自适应框架，用于解决医学超声图像分割中的域偏移问题	提出了一种无需源数据或目标标签的测试时自适应框架，结合动态统计融合模块和原型库引导的语义自适应模块，采用双分类器策略，无需反向传播更新模型参数	未明确说明框架在更广泛医学图像模态或更大规模数据集上的泛化能力	解决医学超声图像分割中因成像设备、采集协议和操作技术变化导致的域偏移问题	超声图像中的乳腺肿瘤和甲状腺肿瘤分割	医学图像分割	乳腺肿瘤, 甲状腺肿瘤	深度学习	深度神经网络	超声图像	NA	NA	NA	Dice系数	NA
5045	2026-01-21	Cycle-Consistent Zero-Shot Through-Plane Super-Resolution for Anisotropic Head MRI 2026, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-96628-6_17 PMID:41552688	研究论文	本文提出了一种基于循环一致性的零样本各向异性头部MRI超分辨率方法，利用去噪扩散零空间模型确保高分辨率图像与低分辨率观测的精确一致性	通过分析2D MRI采集的前向问题构建线性映射，结合去噪扩散概率模型实现零样本超分辨率，保证循环一致性同时生成逼真图像	方法主要针对T1加权头部MRI图像，在其他MRI序列或身体部位的泛化能力未验证	解决临床各向异性MRI图像的低分辨率问题，通过超分辨率技术提升图像质量	各向异性头部MRI图像	医学影像处理	NA	MRI成像	去噪扩散概率模型	MRI图像	来自多个数据集的T1加权头部MRI图像，包括训练集保留对象及两个外部站点数据	NA	DDNM（去噪扩散零空间模型）	失真度量，感知度量	NA
5046	2026-01-20	BRAIN-META: A reproducible CNN-vision transformer meta-ensemble pipeline for explainable brain tumor classification 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103769 PMID:41551258	研究论文	本研究提出了一种名为BRAIN-META的可重复深度学习流程，用于基于结构MRI的多类别脑肿瘤分类	结合了十种混合CNN-Vision Transformer模型与元学习集成框架，并利用Grad-CAM增强可解释性	NA	开发一种准确、可解释且模块化的脑肿瘤分类方法，以支持神经肿瘤学的临床决策	代表四种类别的2D MRI图像：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	计算机视觉	脑肿瘤	结构MRI	CNN, Vision Transformer, 元学习集成	图像	NA	NA	DenseNet121, DenseNet169, DenseNet201, MobileNet, MobileNetV2, EfficientNetB0, EfficientNetB1, EfficientNetB4, InceptionV3, Xception, Vision Transformer	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
5047	2026-01-20	SERS on analyte-enriched blood for rapid, culture-free sepsis recognition and causative pathogen identification with super operational neural networks 2026-May-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.129332 PMID:41478040	研究论文	本研究提出了一种结合表面增强拉曼光谱与深度学习的工作流程，用于直接从血液中快速、无需培养地识别败血症及其致病病原体	开发了基于超操作神经网络的轻量级一维分类器SuperRamanNet，并首次在独立外部队列中展示了接近临床级别的性能，实现了从富集血液中直接进行败血症识别和病原体分类	残留混淆主要集中在对照组与大肠杆菌之间以及某些革兰氏阴性菌类别之间，表明在血液样本收集中需要改进原始类别平衡	开发一种快速、无需培养的败血症诊断和病原体识别方法	败血症患者及健康对照者的血液样本	机器学习	败血症	表面增强拉曼光谱	深度学习	光谱数据	653份主要数据集样本（来自卡塔尔一家三级医院）和70份独立外部盲测队列样本	NA	超操作神经网络	准确率	NA
5048	2026-01-20	Feasibility of deep learning-based cancer detection in ultrasound microvascular images 2026-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107892 PMID:41270708	研究论文	本研究探讨了基于深度学习的癌症检测在超声微血管图像中的可行性，通过训练卷积神经网络在声学血管造影体积数据上实现肿瘤检测	首次将端到端的3D卷积神经网络应用于声学血管造影体积数据，实现高效且准确的肿瘤相关血管检测，并通过与已知恶性肿瘤标志物的相关性进行验证	研究样本量相对较小（n=195），且仅基于啮齿动物模型，尚未在人类临床数据中进行验证	开发一种基于深度学习的自动化方法，以克服声学血管造影在癌症检测中手动分割耗时和操作者间变异性的限制	啮齿动物模型中的声学血管造影体积数据，包括对照组和肿瘤组	计算机视觉	癌症	声学血管造影（超谐波对比增强超声）	CNN	3D体积图像	195个声学血管造影体积（98个对照，97个肿瘤）	PyTorch, TensorFlow	EfficientNet, ResNet, DenseNet	准确度, 灵敏度, 特异性	NA
5049	2026-01-20	Attention-fused dual-stream learning for defect classification in thick aerospace CFRPs with complex microstructures using multi-angle ultrasonic scattering signatures 2026-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107921 PMID:41380499	研究论文	提出一种融合注意力的双流深度学习框架，用于利用多角度超声散射特征对具有复杂微观结构的厚航空航天碳纤维增强聚合物进行缺陷分类	提出了一种高效且可解释的AttentionFusion模块，能够协同整合来自B扫描图像的空间形态信息和来自原始全矩阵捕获数据的富含物理信息的多角度散射特征，并利用YOLOv8检测器进行缺陷识别	未明确提及	解决厚碳纤维增强聚合物中关键缺陷（特别是分层）的可靠检测问题，尤其是在复杂微观结构（如纤维波纹）限制常规超声检测有效性的情况下	厚碳纤维增强聚合物中的缺陷（特别是分层）	计算机视觉	NA	超声测试，全矩阵捕获	深度学习，基于YOLOv8的检测器	B扫描图像，原始全矩阵捕获数据	2776个样本	NA	YOLOv8	mAP50	NA
5050	2026-01-20	Predicting skeletal age from HR-pQCT imaging 2026-Mar, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117761 PMID:41391644	研究论文	本研究开发了一种深度学习模型，用于从HR-pQCT扫描中预测骨骼年龄，以提供一种可解释的、相对于实际年龄的骨骼健康量化总结	首次提出基于HR-pQCT成像的深度学习框架来预测骨骼年龄，通过显著性图揭示了不同年龄组中皮质骨和小梁骨特征对预测的贡献差异，提供了一种可解释的骨骼健康总结指标	研究仅基于成人队列，未涵盖儿童或青少年群体；模型性能在独立测试集上表现良好，但需在更广泛人群中验证	开发深度学习模型以从HR-pQCT扫描中估计骨骼年龄，提升HR-pQCT数据的可解释性和临床实用性	成人队列的HR-pQCT扫描图像（远端桡骨和胫骨）	医学影像分析	骨骼老化相关疾病	HR-pQCT成像	深度学习模型	3D医学影像	训练集1236名成人（62.1%女性），独立测试集460名成人（69.3%女性）	NA	2D模型（2DRad, 2DTib, 2DRadTib）和3D模型（3DRad, 3DTib）	平均绝对误差（MAE）, R2	NA
5051	2026-01-20	Time-resolved prediction of dental implant biomechanics through integration of finite element analysis, osseointegration dynamics, and deep learning 2026-Mar, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107316 PMID:41411948	研究论文	本研究提出了一种结合有限元分析、骨整合动力学和深度学习的混合时间分辨计算框架，用于预测钛种植体在整个愈合过程中的生物力学行为	开发了一种混合MLP-LSTM神经网络框架，整合了空间和时间特征，实现了对种植体-骨界面机械和生物演化的动态预测，计算速度比传统有限元分析快4000倍以上	依赖于简化骨几何生成的合成数据、静态加载假设以及未经验证的力学生物学参数，需要在未来进行体内验证和患者特异性数据验证	预测牙种植体在愈合过程中的生物力学行为，实现个性化、AI辅助的种植体设计和负荷管理	钛牙种植体	机器学习	NA	有限元分析，力学生物学建模	MLP, LSTM	合成数据（基于参数化3D FEA模型）	800个种植体-骨配置（模拟不同几何形状、载荷和骨质量）	NA	混合MLP-LSTM神经网络	R², 平均绝对误差	NA
5052	2026-01-20	Deep learning-based micro-CT grayscale analysis for early detection and staging of osteoporosis in rats 2026-Mar, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117768 PMID:41435999	研究论文	本研究提出了一种基于深度学习的Micro-CT灰度分析方法，用于大鼠骨质疏松症的早期检测和精确分期	提供了跨多个时间点的标准化参考数据，并利用深度学习对Micro-CT灰度进行分析，实现了比传统参数更早、更准确的骨质疏松检测和分期	研究仅使用大鼠模型，结果可能无法直接推广到人类；样本量相对较小（n=64）	开发一种用于骨质疏松症早期检测和疾病分期的定量分析工具	卵巢切除的Sprague-Dawley大鼠（骨质疏松模型）和假手术组大鼠	数字病理学	骨质疏松症	Micro-CT成像	自定义深度学习模型	Micro-CT图像	64只大鼠（32只OVX组，32只假手术组），在术后4、8、16、24周采集股骨样本	NA	自定义深度学习模型	准确率	NA
5053	2026-01-20	Breaking resistance with machine and deep learning: A computational intelligence hunt for AmvR (TetR) inhibitors in Acinetobacterbaumannii 2026-Mar, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109261 PMID:41442824	研究论文	本研究利用机器学习和深度学习模型，从天然化合物库中筛选针对Acinetobacter baumannii的AmvR (TetR)蛋白抑制剂	结合QSAR模型、多种机器学习算法（RF、SVM、KNN、XGBoost）和深度学习CNN模型进行虚拟筛选，并辅以分子对接、分子动力学模拟（500 ns）和结合自由能分析（MMGBSA/PBSA）等综合计算手段	研究为计算模拟结果，需进一步实验验证；筛选的化合物库仅限于10,860个天然化合物	开发针对多重耐药Acinetobacter baumannii感染的新型治疗方法，寻找AmvR (TetR)蛋白抑制剂	Acinetobacter baumannii的TetR家族调控蛋白AmvR及其潜在抑制剂	计算生物学, 药物发现	细菌感染, 多重耐药菌感染	定量构效关系(QSAR), 虚拟筛选, 分子对接, 分子动力学模拟, 药代动力学(ADME)分析	RF, SVM, KNN, XGBoost, CNN	化学结构数据, 生物活性数据(MIC), 蛋白质结构数据	ChEMBL数据集, 10,860个天然化合物	Scikit-learn, XGBoost, TensorFlow/PyTorch (未明确指定)	CNN	准确率(96%), 结合能(kcal/mol), 结合自由能(MMGBSA/PBSA)	NA
5054	2026-01-20	Clinical validation of fully automated (peri-)articular tissue analysis for assessing osteoarthritis progression: A narrative review 2026-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100719 PMID:41550414	综述	本文是一篇叙述性综述，总结了全自动（关节周围）组织分析技术在评估骨关节炎进展方面的临床验证研究	系统性地回顾和比较了基于深度学习的全自动方法在评估骨关节炎结构进展方面的临床有效性，并与参考测量（如手动分割）进行了对比	纳入的研究数量有限（仅9篇，其中5篇符合纳入标准），且主要依赖于骨关节炎倡议（OAI）的数据，可能限制了结果的普适性	评估和总结全自动方法在评估骨关节炎结构进展方面的临床有效性	骨关节炎患者的（关节周围）关节组织，包括软骨、肌肉和脂肪组织	数字病理学	骨关节炎	MRI，X射线成像	深度学习	医学影像（MRI，X射线）	NA	NA	NA	对变化的敏感性，区分能力	NA
5055	2026-01-20	Detecting Human Frequency-Following Responses Using an Artificial Neural Network 2026-Feb, Perceptual and motor skills IF:1.4Q4 DOI:10.1177/00315125251347006 PMID:40440687	研究论文	本研究探讨了使用三层人工神经网络检测由英语元音/i/的上升语调引发的人类频率跟随响应的有效性	首次将深度学习模型（人工神经网络）应用于频率跟随响应的检测，探索了其在听觉处理评估中的潜力	研究仅针对特定语调（英语元音/i/的上升语调）的FFR，未涵盖更广泛的声学条件或语言环境	评估人工神经网络在检测人类频率跟随响应方面的效能，为听觉处理评估和临床诊断提供基础	由英语元音/i/的上升语调引发的人类频率跟随响应神经信号	机器学习	NA	频谱域F0估计	ANN	FFR录音信号	NA	NA	三层人工神经网络	预测准确率	NA
5056	2026-01-20	Evaluation of deep learning models for anterior segment OCT image segmentation during scleral lens wear 2026-Feb, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2025.102484 PMID:40764201	研究论文	本研究评估了16种深度学习模型在巩膜镜佩戴期间前段OCT图像分割中的性能	首次系统比较了四种不同架构（U-Net、U-Net++、FPN、MA-Net）与五种编码器（EfficientNet-B4、DenseNet201、VGG19、ResNet34、Xception）组合在巩膜镜佩戴AS-OCT图像分割中的表现，并确定了U-Net++/VGG19为最佳组合	研究仅涉及正常角膜参与者，未包括角膜疾病或组织形态改变的病例，且部分模型在Bowman层与角膜基质界面存在误分类问题	评估深度学习模型在巩膜镜佩戴期间前段OCT图像分割中的准确性和性能	巩膜镜佩戴期间获取的前段光学相干断层扫描图像，包括巩膜镜前/后表面、角膜上皮前表面、基质前界面和内皮	计算机视觉	NA	前段光学相干断层扫描	深度学习模型	图像	15名正常角膜参与者在巩膜镜佩戴0和480分钟后获取的AS-OCT图像	NA	U-Net, U-Net++, FPN, MA-Net, EfficientNet-B4, DenseNet201, VGG19, ResNet34, Xception	Dice系数, 平均绝对边界误差	NA
5057	2026-01-20	Harnessing deep statistical potential for biophysical scoring of protein-peptide interactions 2026-Feb, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01659-8 PMID:41034399	研究论文	本文开发了一种名为DeepPpIScore的新型评分函数，用于评估蛋白质-肽相互作用，该方法结合了无监督几何深度学习和物理启发的统计势能	DeepPpIScore是首个利用无监督几何深度学习和物理统计势能来评分蛋白质-肽相互作用的模型，无需结合亲和力数据或分类标签进行训练，且在多个任务中展现出卓越的泛化能力	模型仅基于精选的实验结构进行训练，可能未覆盖所有蛋白质-肽相互作用的多样性，且未明确讨论其在未知结构或大规模数据集上的表现	开发一个高精度的评分函数，以改进蛋白质-肽相互作用的预测，并促进肽疗法的进展	蛋白质-肽相互作用	机器学习	NA	无监督几何深度学习，物理启发的统计势能	深度学习模型	三维结构数据	NA	NA	NA	结合亲和力预测，结合对识别，肽结合模式预测	NA
5058	2026-01-20	Chromosome Image Classification Using Edge Fusion Attention Network 2026-Feb, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70070 PMID:40884446	研究论文	本文提出了一种用于染色体图像分类的深度学习架构——边缘融合注意力网络（EFANet），通过结合自适应边缘保持融合算法和特征聚焦注意力网络，提高了染色体分类的准确性	提出了一种新的深度学习架构EFANet，结合了自适应边缘保持融合（AEPF）算法和特征聚焦注意力网络（FANet），以增强染色体边界识别和形态差异特征，从而提高分类精度	NA	解决染色体结构变异和边界不精确导致的分类困难，提高染色体图像分类的准确性	染色体图像	计算机视觉	遗传性疾病	NA	CNN	图像	NA	NA	EFANet, AEPF, FANet	准确率, F1分数, 精确率, 召回率	NA
5059	2026-01-20	Physics-informed deep learning sharpens nano diagnostics for elusive pancreatic cancer 2026-Feb, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152427 PMID:41129854	综述	本文探讨了物理信息深度学习在胰腺癌纳米诊断中的应用及其潜力	结合物理信息深度学习与人工智能、纳米医学和影像学，以提升胰腺癌的早期检测和个性化治疗	未提及具体实验数据或模型验证的局限性	改善胰腺癌的早期诊断和患者预后	胰腺癌患者，特别是高风险群体	数字病理学	胰腺癌	物理信息深度学习，人工智能，纳米医学，液体活检	深度学习模型	影像数据，合成数据	NA	NA	NA	NA	NA
5060	2026-01-20	Accelerating 2D Kidney Magnetic Resonance Fingerprinting Using Deep Learning Based Tissue Quantification 2026-Feb, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70150 PMID:41085013	研究论文	本文开发了一种基于深度学习的加速肾脏磁共振指纹成像方法，用于快速量化组织特性	首次将深度学习应用于加速肾脏MRF采集，实现了三倍加速且保持量化准确性	对于T1或T2值与健康组织差异较大的肾脏肿块，需要更多MRF时间帧才能保证准确量化	开发加速肾脏磁共振指纹成像的深度学习方法并评估其性能	健康受试者的肾脏及肾脏肿块患者的病变组织	数字病理学	肾脏疾病	磁共振指纹成像	深度学习	磁共振图像	开发集：36名健康受试者+20名肾脏肿块患者；测试集：4名健康受试者+16名患者	NA	NA	归一化均方根误差	NA