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
41	2026-01-07	Automatic recognition and measurement of anatomical structures associated with the elevation of the maxillary sinus floor by deep learning on cone-beam computed tomographic scans 2026-Jan-05, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07609-4 PMID:41491712	研究论文	本研究开发了一种基于深度学习的模型，用于在锥形束计算机断层扫描图像中自动识别上颌窦、后上牙槽动脉和牙槽嵴，并测量与上颌后牙种植手术相关的解剖参数	采用增强的YOLOv11架构进行解剖结构分割，实现了对上颌窦提升关键结构的可靠自主识别，并基于分割结果自动测量临床参数，为智能术前设计提供了新方法	研究仅基于2400张CBCT切片，样本来源和多样性可能有限；模型在特定解剖参数（如A5）的预测误差较大	开发深度学习模型以实现上颌窦提升手术的智能术前设计和评估	上颌后牙缺失患者的CBCT扫描图像	计算机视觉	口腔疾病	锥形束计算机断层扫描	CNN	图像	2400张CBCT切片	NA	YOLOv11	交并比, 平均精度, 平均召回率, 欧几里得距离	NA
42	2026-01-07	Osteoarthritis Severity Classification in Knee X-Rays Using Optimized Deep Learning Approaches 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01818-7 PMID:41491733	研究论文	本研究提出了一种基于深度学习的系统，利用膝关节X射线图像对骨关节炎的严重程度进行分类	使用灰狼优化算法自动优化全连接层的超参数，以提高模型在区分骨关节炎等级时的学习效率和准确性	数据集仅来自单一医院，样本量相对较小（每类200张图像，共1000张），可能影响模型的泛化能力	开发一个准确分类骨关节炎严重程度的系统，以辅助早期诊断和治疗决策	膝关节X射线图像	计算机视觉	骨关节炎	X射线成像	CNN	图像	1000张膝关节X射线图像（每类200张，共5类）	NA	EfficientNetB1, DenseNet169, Xception	准确率, 精确率, 召回率, F1分数, ROC曲线	NA
43	2026-01-07	MMCT-Net: a Multi-Modal Hybrid CNN-Transformer Fusion Network for Preoperative Prediction of Malignant Invasion in Pulmonary Ground-Glass Nodules 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01795-x PMID:41491731	研究论文	提出一种多模态混合CNN-Transformer融合网络，用于术前预测肺磨玻璃结节中的恶性浸润	开发了MMCT-Net模型，结合局部到全局的上下文信息与2D到3D空间表示，并自适应融合深度学习特征、临床参数和影像组学特征	研究为多中心回顾性设计，可能存在选择偏倚；样本量相对有限（421例患者）	提高肺磨玻璃结节中浸润性腺癌的术前预测准确性，降低手术不匹配率	接受磨玻璃结节手术的421例患者的薄层CT扫描和临床病理数据	计算机视觉	肺癌	薄层计算机断层扫描	CNN, Transformer	图像, 临床数据	421例患者	NA	MMCT-Net（多模态混合CNN-Transformer融合网络）	AUC	NA
44	2026-01-07	TET Loss: A Temperature-Entropy Calibrated Transfer Loss for Reliable Medical Image Classification 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01816-9 PMID:41491738	研究论文	本文提出了一种用于医学图像分类的温度-熵校准迁移损失函数（TET Loss），旨在提高模型的可靠性和泛化能力	提出了一种即插即用的损失函数，结合温度缩放调节逻辑值锐度和熵正则化促进不确定性感知学习，无需增加推理时间开销	仅在四个公开基准数据集上进行了验证，未在更大规模或更多样化的临床数据集上进行测试	提高医学图像分类模型的预测可靠性和领域适应性，减少过自信预测和领域不匹配问题	医学图像分类模型	计算机视觉	乳腺癌, 皮肤病, 肺炎, 视网膜疾病	NA	CNN, Transformer, 混合骨干网络	图像	四个公开基准数据集（BreastMNIST, DermaMNIST, PneumoniaMNIST, RetinaMNIST）	NA	EfficientViT-M2, BiFormer-Tiny, RMT-T3	F1分数, AUC	NA
45	2026-01-07	From Liver to Brain: A 2.5D Deep Learning Model for Predicting Hepatic Encephalopathy Using Opportunistic Non-contrast CT in Hepatitis B Related Acute-on-Chronic Liver Failure Patients 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01802-1 PMID:41491737	研究论文	本研究开发了一种基于2.5D深度学习的框架，利用非对比CT扫描预测乙型肝炎相关慢加急性肝衰竭患者的肝性脑病风险	首次提出利用常规非对比CT扫描结合2.5D深度学习和多示例学习方法，从肝脏影像中预测肝性脑病风险，为无创个体化风险评估提供了新方法	回顾性研究设计，样本量相对有限（228例），仅针对乙型肝炎相关慢加急性肝衰竭患者，未在其他病因肝病患者中验证	开发早期预测肝性脑病的深度学习模型，实现个体化风险评估	乙型肝炎相关慢加急性肝衰竭患者	数字病理学	肝性脑病	非对比CT扫描	深度学习	医学影像	228例患者（训练集102例，内部验证集44例，外部测试集82例）	PyTorch, Scikit-learn	DenseNet121, DenseNet201, ResNet50, InceptionV3	AUC	NA
46	2026-01-07	Imaging-Based Artificial Intelligence in Vascular and Interventional Radiology: A Narrative Review 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01803-0 PMID:41491740	综述	本文是一篇关于影像学人工智能在血管与介入放射学中应用的叙事性综述	系统性地回顾了人工智能在血管介入放射学（VIR）术前、术中和术后各阶段基于不同影像模态的应用，并强调了其在解剖结构分割、病变检测和预后预测方面的卓越性能	数据集规模较小、存在潜在偏倚以及模型可解释性问题	探讨人工智能在血管介入放射学领域的应用现状与潜力	血管介入放射学（VIR）中基于影像的AI应用研究	数字病理学	心血管疾病	影像学模态（CT, MRI, 荧光透视/DSA, 超声, X射线, 多模态）	深度学习模型, 机器学习	影像	NA	NA	NA	Dice相似系数, 准确率, AUC	NA
47	2026-01-07	Deep learning and superoscillatory speckles empowered multimode fiber probe for in situ nano-displacement detection and micro-imaging 2026-Jan-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67942-8 PMID:41491775	研究论文	提出了一种基于深度学习和超振荡散斑的多模光纤探针，用于实现原位纳米位移检测与显微成像	利用深度学习从超振荡散斑中高效提取精细特征信息，实现了单端检测、10纳米分辨率及99.95%的准确率，并建立了位移与光纤高阶模比例的物理模型	未明确说明系统在极端环境（如高温、强电磁干扰）下的稳定性，也未提及长期重复使用的精度衰减问题	开发一种适用于复杂设备内部的原位、非接触式纳米位移测量与显微成像方法	不同结构的微纳尺度目标（如半导体器件、生物样本）	计算机视觉	NA	超振荡散斑成像、多模光纤传感	深度学习模型	图像（散斑图案）	未明确说明具体样本数量，但涉及不同金属材料和结构的目标	未明确说明	未明确说明	分辨率（10 nm）、准确率（99.95%）、压缩比（<0.1%）	未明确说明
48	2026-01-07	Evaluating the Impact of Annotation Expertise on AI-Based Ultrasound Segmentation: A Case Study on Left Atrial Appendage 2026-Jan-05, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-025-00816-8 PMID:41491880	研究论文	本研究评估了标注者专业知识对基于AI的超声图像分割性能的影响，以左心耳分割为例	通过比较专家和新手标注的数据集，并引入合成误差（系统性和非系统性），量化了标注专业知识对AI分割模型性能的具体影响	研究仅聚焦于左心耳超声图像分割，结果可能无法直接推广到其他解剖结构或成像模态	探究用户专业知识对医学图像标注准确性及AI分割模型最终性能的影响	超声图像中的左心耳（LAA）	医学图像分割	心血管疾病	超声成像	深度学习	图像	两个数据集（分别由专家和新手标注），并生成了合成变体	nnU-Net	U-Net	Dice系数	NA
49	2026-01-07	GaitDynamics: a generative foundation model for analyzing human walking and running 2026-Jan-05, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01565-8 PMID:41491893	研究论文	本文介绍了一种名为GaitDynamics的生成式基础模型，用于分析人类行走和跑步的动力学，包括运动和力	开发了一个基于大规模多样化步态数据训练的生成式基础模型，支持灵活输入和输出，能处理缺失数据并应用于多种临床场景	未明确提及模型在极端或病理步态下的泛化能力，以及计算资源需求的具体细节	通过深度学习模型分析人类步态动力学，以促进人类移动性，替代昂贵的实验室实验和物理模拟	人类行走和跑步的步态模式，包括运动学和动力学数据	机器学习	NA	深度学习	生成式基础模型	运动学和动力学数据（如地面反作用力）	大规模多样化步态数据集（具体数量未在摘要中说明）	NA	NA	高准确性（具体指标如精度、召回率未在摘要中说明）	NA
50	2026-01-07	Optimized CNN framework with VGG19, EfficientNet, and Bayesian optimization for early colon cancer detection 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34262-2 PMID:41492074	研究论文	本研究提出了一种结合VGG19、EfficientNet和贝叶斯优化的CNN框架，用于通过组织病理学图像分析实现结肠癌的早期自动检测	将卷积神经网络与贝叶斯优化相结合以高效微调超参数，并整合了有效的数据增强和染色归一化技术，从而提升了分类精度并减少了过拟合	框架在数据集内部表现出色，但在临床部署前，需要在独立的多机构队列上进行外部验证	开发一种可靠的早期结肠癌自动检测方法，以辅助病理学家的临床决策	结肠组织病理学图像	计算机视觉	结肠癌	组织病理学图像分析	CNN	图像	来自Kaggle和Kaggle癌症数据门户的公开数据集，包含九种组织类型	NA	VGG19, EfficientNet	准确率, 精确率, 召回率, F1分数, AUC	NA
51	2026-01-07	Ensemble deep learning approach for traffic video analytics in edge computing 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25628-7 PMID:41484116	研究论文	本文提出了一种用于边缘计算中交通视频分析的集成深度学习方法，通过结合Tiny YOLO和YOLOR的混合模型进行车辆检测与分类，并利用ELITVA框架中的F-RNN进行交通流决策控制	提出了一种在边缘层结合Tiny YOLO和YOLOR的混合模型，并引入ELITVA框架中的F-RNN进行交通流决策，实现了高处理速率与准确性的平衡	实验仅基于无人机在道路信号处采集的数据集，未说明在其他交通场景或天气条件下的泛化能力	开发一种高效的边缘计算交通视频分析系统，用于实时车辆检测、分类和交通流量控制	交通监控视频中的车辆	计算机视觉	NA	视频分析	CNN, RNN	视频	无人机在道路信号处采集的数据集（具体数量未说明）	NA	Tiny YOLO, YOLOR, F-RNN	精确率, 准确率, 召回率, F1分数, 帧率	边缘计算平台（具体硬件未说明）
52	2026-01-07	Exploring the impact of urban vitality on carbon emission mechanisms using multi-source data 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29624-9 PMID:41484152	研究论文	本研究构建了六维城市活力理论框架，利用多源数据和方法分析了烟台中心区城市活力的分布特征及其对碳排放的影响机制	创新性地整合了三维空间和文化感知视角，解决了以往研究从单一视角代表城市活力的偏差，提供了更全面的城市活力评估框架和方法	NA	探索城市活力对碳排放机制的影响，为构建低碳、高活力和可持续的城市环境提供建议	烟台中心区的城市活力与碳排放	机器学习	NA	多源数据	深度学习模型	空间数据、感知数据	NA	NA	NA	NA	NA
53	2026-01-07	Contactless biometric verification from in-air signatures using deep siamese networks 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29100-4 PMID:41484193	研究论文	本研究开发了一种基于深度孪生网络的非接触式生物特征验证系统，利用空中签名数据进行身份认证	采用基于双向LSTM和对比损失的孪生神经网络架构，学习签名验证的判别性嵌入空间，并引入更严格的留两样本交叉验证协议来评估泛化能力	研究样本量较小（仅25名参与者），训练数据有限，可能影响模型的泛化性能和实际应用范围	探索空中签名作为一种非接触式生物特征在身份验证中的可行性和有效性	25名参与者的空中签名数据，包括200个正负签名对	机器学习	NA	指尖跟踪或深度感知	孪生神经网络	三维空间中的签名手势数据	25名参与者，200个签名对	NA	基于双向LSTM的孪生神经网络	准确率, F1分数, 召回率	NA
54	2026-01-07	Bridging data gaps of rare conditions in ICU: a multi-disease adaptation approach for clinical prediction 2026-Jan-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02176-y PMID:41484235	研究论文	本文提出了一种名为KnowRare的领域自适应深度学习框架，用于预测ICU中罕见病症的临床结局	通过自监督预训练从多样化的电子健康记录中学习病症无关的表征以缓解数据稀缺问题，并利用构建的病症知识图谱选择性地从临床相似病症中迁移知识以应对病症内部的异质性	NA	开发一个能够有效预测ICU中罕见病症临床结局的AI框架，以支持临床决策并改善护理	ICU中的罕见病症，包括公认的罕见疾病和ICU中低患病率的病症	机器学习	罕见病	电子健康记录分析	深度学习	电子健康记录	NA	NA	NA	NA	NA
55	2026-01-05	YOLO-based deep learning framework for real-time multi-class plant health monitoring in precision agriculture 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29132-w PMID:41484288	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
56	2026-01-07	Adversarial selective domain adaptation with feature cluster for skin cancer diagnosis 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-98293-5 PMID:41484458	研究论文	提出一种名为对抗选择性域适应与特征聚类（ASDA）的新方法，用于改善皮肤癌诊断中模型在目标数据集较小情况下的性能	同时解决域间差异和目标数据集数据有限的问题，通过特征聚类减少数据需求，并使用选择性最小最大熵方法保持一致性	NA	提高皮肤癌诊断模型在跨域数据集上的泛化性能	皮肤癌相关的皮肤镜和临床图像	计算机视觉	皮肤癌	NA	条件域对抗网络	图像	NA	NA	NA	NA	NA
57	2026-01-07	The development of an image processing model to estimate tooth width and space requirements 2026-Jan-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106330 PMID:41491146	研究论文	本研究开发并测试了一种基于AI的工具，用于测量牙齿宽度和牙列拥挤度	利用深度学习技术开发了首个能够自动计算牙弓中牙齿近远中宽度的AI工具，并验证了其与人类评估者之间的高一致性	研究仅基于245名患者的石膏模型数据，且测试数据样本量较小（12组），未来需要更大规模的数据验证	开发并验证一种AI工具，以提高牙齿宽度测量和牙列拥挤评估的效率和准确性	245名已完成正畸治疗患者的治疗前后石膏模型	计算机视觉	正畸疾病	立体光刻扫描	深度学习模型	三维扫描图像	245名患者的石膏模型，其中12组作为测试数据	NA	NA	组内相关系数, 平均绝对差异	NA
58	2026-01-07	Multicenter Histology Image Integration and Multiscale Deep Learning Support Machine Learning-Enabled Pediatric Sarcoma Classification 2026-Jan-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2275 PMID:41481196	研究论文	本研究开发了一个利用深度学习的计算流程，用于从数字化组织学切片中准确分类儿童肉瘤亚型	通过整合多中心数据并进行图像协调，系统评估了多种CNN和ViT架构作为特征提取器，并引入了多尺度特征以提升分类准确性，同时基于SAMPLER的表示方法在无GPU情况下实现了训练速度的显著提升	研究依赖于特定的多中心数据集，可能未涵盖所有罕见的肉瘤亚型或外部验证中心的变异	开发一个基于深度学习的计算流程，以克服儿童肉瘤诊断中的挑战，实现准确亚型分类	儿童肉瘤的数字化组织学切片	数字病理学	儿童肉瘤	组织学成像	CNN, ViT	图像	867张全切片图像，来自三个医疗中心和儿童肿瘤学组	NA	UNI, CONCH	AUC	无GPU操作
59	2026-01-07	Electric vehicles charging stations load forecasting based on hybrid XGBoost-BiLSTM model 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29739-z PMID:41484290	研究论文	本研究提出了一种基于混合XGBoost-BiLSTM堆叠模型的电动汽车充电站短期负荷预测方法	提出了一种结合XGBoost元学习器的混合堆叠模型（Hybrid 3），用于电动汽车充电站的短期负荷预测，相比单一模型提升了预测精度	在独立合成数据集上的跨站点评估显示泛化能力有所下降，表明模型对站点特定时间模式敏感；梯度提升集成方法在可扩展实时预测方面仍更具优势	优化电动汽车充电站的能源管理并确保电网稳定性	电动汽车充电站的短期小时级负荷	机器学习	NA	NA	XGBoost, BiLSTM, CNN, 集成方法	时间序列数据	31,424个原始充电会话，经预处理后得到14,496个清洁会话用于建模；另使用包含1,965,239个会话的独立合成数据集进行跨站点评估	NA	XGBoost-BiLSTM堆叠模型（Hybrid 3），包含XGBoost元学习器	MAE, R（相关系数）	NA
60	2026-01-07	Beyond peak accuracy: a stability-centric framework for reliable multimodal student engagement assessment 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31215-7 PMID:41484417	研究论文	本研究提出了一种多模态学生参与度评估框架，通过类别感知损失函数、时序数据增强和异质集成等策略，解决了现有模型在类别不平衡、数据分割不稳定和可解释性有限方面的问题	引入了基于稳定性中心的框架，结合类别感知损失函数、时序数据增强和异质集成，并利用SHAP分析提供可靠的可解释性，超越了仅关注峰值准确率的传统评估方法	未明确提及研究的具体局限性，如数据集规模、泛化能力到其他教育场景或模态的适用性等	开发一个可靠的多模态学生参与度评估框架，以提升技术增强学习中的评估准确性和稳定性	学生参与度	机器学习	NA	多模态数据融合	CNN, 集成学习	多模态数据（可能包括视频、音频或生理信号等）	NA	NA	ResNet, Inception, MCNN, TimeCNN, LightGBM	准确率, 宏平均F1分数	NA