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
6301	2026-01-30	SpatialDINO: A Self-Supervised 3D Vision Transformer that enables Segmentation and Tracking in Crowded Cellular Environments 2026-Jan-25, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.31.697247 PMID:41509489	研究论文	本文介绍了一种名为SpatialDINO的自监督3D视觉Transformer方法，用于在拥挤的细胞环境中实现分割和跟踪	SpatialDINO是一种完全自动化的自监督方法，基于改进的DINOv2训练原生3D视觉Transformer，无需体素标注或重新训练即可从单通道显微镜图像中生成鲁棒的语义特征图，支持跨成像条件和模态的对象检测与分割	方法在训练时使用了小规模共聚焦体积数据集，可能限制其在更广泛场景下的泛化能力；自监督方法可能对某些特定对象类别的检测精度有限	开发一种自监督的3D视觉Transformer方法，以解决拥挤细胞环境中低对比度、各向异性、单色图像体积中对象识别、分割和跟踪的难题	拥挤细胞内环境中的不同大小和形状的物体，如网格蛋白包被小坑、网格蛋白包被囊泡、内体、溶酶体、细胞质膜、细胞核以及MRI扫描中的肿瘤	计算机视觉	NA	活细胞荧光3D晶格光片显微镜、共聚焦显微镜、MRI扫描	Vision Transformer	3D图像	小规模共聚焦体积数据集，涵盖不同大小和形状的目标	NA	DINOv2（改进版本）	NA	NA
6302	2026-01-26	An efficient dual path deep learning framework for COVID-19 classification using lung CT scans with explainable AI 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33178-1 PMID:41580460	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6303	2026-01-30	Machine learning-based models for preoperative prediction of pituitary adenoma consistency: a systematic review and meta-analysis 2026-Jan-24, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-026-06775-w PMID:41580565	系统综述与荟萃分析	本文通过系统综述和荟萃分析，综合评估了基于机器学习的模型在术前预测垂体腺瘤一致性方面的诊断性能	首次对机器学习模型在术前预测垂体腺瘤一致性方面的诊断性能进行了系统性的定量综合与荟萃分析	需要未来进行多中心研究，采用标准化成像和外部验证以优化临床转化	综合评估基于机器学习的模型在术前预测垂体腺瘤一致性方面的诊断性能	垂体腺瘤患者	机器学习	垂体腺瘤	MRI	Extra Trees, Random Forest, Support Vector Machine, k-Nearest Neighbors, Logistic Regression, Artificial Neural Network, 深度学习混合架构	图像	1621名患者	NA	NA	AUC, 准确率, 灵敏度, 特异度, 诊断比值比	NA
6304	2026-01-30	Deep learning-derived CT body composition enhances survival risk stratification beyond the TNM system in locally advanced gastric cancer: a multi-modality cohort study 2026-Jan-23, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004835 PMID:41570290	研究论文	本研究利用深度学习模型从CT图像中提取身体成分指标，结合代谢组学和免疫代谢分析，评估其在局部晚期胃癌预后分层中的作用	首次将深度学习衍生的CT身体成分指标与血浆代谢组学和肿瘤免疫代谢特征相结合，揭示了内脏与皮下脂肪比率作为超越TNM分期的预后生物标志物的潜力	回顾性单中心研究，样本量有限，代谢组学和免疫分析仅覆盖部分患者亚组	评估CT身体成分指标在局部晚期胃癌预后分层中的价值，并探索其与代谢和免疫特征的关联	227名接受根治性胃切除术的局部晚期胃癌患者	数字病理学	胃癌	CT成像，质谱分析，免疫组织化学，35色流式细胞术	深度学习	CT图像，血浆代谢组学数据，肿瘤免疫代谢数据	227名患者（其中86名进行血浆代谢组学分析，40名进行肿瘤免疫代谢分析）	NA	UNet++	一致性（r2），风险比，似然比检验，AIC变化值	NA
6305	2026-01-30	Diagnostic Performance of Deep Learning and Radiomics in Extracranial Carotid Plaque Detection: Systematic Review and Meta-Analysis 2026-Jan-22, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77092 PMID:41570300	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，定量评估了深度学习和影像组学在诊断颅外颈动脉斑块方面的诊断效能	首次对深度学习和影像组学在颅外颈动脉斑块检测中的诊断准确性进行了系统性的定量综合与比较，并建立了标准化的评估框架	研究结果存在高异质性，回归分析未能识别显著的异质性来源，且合格研究数量有限，限制了更全面的亚组分析；缺乏多中心研究和外部验证	定量探索深度学习和影像组学对颅外颈动脉斑块的诊断效能，并建立一个标准化的框架以改进斑块检测	颅外颈动脉斑块	医学影像分析	心血管疾病	影像组学，深度学习	深度学习模型，基于影像组学的机器学习模型	医学影像	40项研究，共17246名患者	NA	NA	敏感性，特异性，SROC曲线下面积	NA
6306	2026-01-30	MS-MDDNet: A Lightweight Deep Learning Framework for Interpretable EEG-Based Diagnosis of Major Depressive Disorder 2026-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020363 PMID:41594339	研究论文	本文提出了一种轻量级深度学习框架MS-MDDNet，用于基于EEG信号的可解释性重度抑郁症诊断	提出了一种结合空间、时间和深度可分离卷积的轻量级CNN模型，并采用集成方法，提高了计算效率和泛化鲁棒性，同时通过伽马能量与学习特征的相关分析实现可解释性	未明确提及具体局限性，但可能包括对特定数据集依赖或未在更广泛临床环境中验证	开发一种高效、可解释的深度学习框架，用于基于EEG信号的重度抑郁症自动诊断	基于EEG信号的重度抑郁症患者	机器学习	重度抑郁症	脑电图	CNN	EEG信号	三个公共数据集（MODMA、MUMTAZ和PRED + CT），具体样本量未明确	未明确指定，但基于深度学习框架	MS-MDDNet（自定义CNN架构，包含空间、时间和深度可分离卷积及平均池化）	准确率	未明确指定
6307	2026-01-30	Domain Shift in Breast DCE-MRI Tumor Segmentation: A Balanced LoCoCV Study on the MAMA-MIA Dataset 2026-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020362 PMID:41594338	研究论文	本研究探讨了中心相关的域偏移对乳腺癌DCE-MRI肿瘤分割的影响，使用平衡的留一中心交叉验证方法评估模型性能	提出了平衡的留一中心交叉验证协议，以分离中心相关效应与样本量效应，揭示模型在未见中心上的性能下降	研究仅基于MAMA-MIA数据集，可能未涵盖所有类型的域偏移；模型性能在未见中心上显著下降，表明泛化能力有限	调查中心相关的域偏移如何影响自动化乳腺癌DCE-MRI肿瘤分割，并评估模型在未见中心上的性能	乳腺癌DCE-MRI图像中的肿瘤分割	计算机视觉	乳腺癌	动态对比增强MRI	CNN	图像	多中心MAMA-MIA数据集，包含ISPY2、DUKE、NACT三个中心组	NA	3D U-Net	Dice相似系数, 95th百分位Hausdorff距离, 灵敏度, 特异性	NA
6308	2026-01-30	Corn Kernel Segmentation and Damage Detection Using a Hybrid Watershed-Convex Hull Approach 2026-Jan-22, Foods (Basel, Switzerland) DOI:10.3390/foods15020404 PMID:41597005	研究论文	本研究提出了一种结合改进分水岭算法、凸包缺陷检测与SVM分类器的混合计算机视觉方法，用于粘连玉米籽粒的精确分割与损伤检测	提出W&C-SVM混合方法，通过改进分水岭算法（Sobel梯度和欧几里得距离变换）解决传统方法过分割问题，并仅需50张图像训练SVM分类器，为工业场景提供低成本小样本解决方案	方法在严重粘连籽粒的分离效果未与更多先进深度学习方法进行对比，且仅使用50张图像训练可能限制模型在更复杂场景的泛化能力	开发适用于工业质量控制的玉米籽粒自动分割与损伤检测方法	玉米籽粒（特别是粘连籽粒）及其机械损伤	计算机视觉	NA	图像处理与机器学习	SVM	图像	50张训练图像，独立测试集	未明确说明（可能为OpenCV, Scikit-learn）	改进分水岭算法（Sobel梯度+欧几里得距离变换）+凸包缺陷检测	损伤检测准确率	NA
6309	2026-01-30	Integrating Blockchain Traceability and Deep Learning for Risk Prediction in Grain and Oil Food Safety 2026-Jan-22, Foods (Basel, Switzerland) DOI:10.3390/foods15020407 PMID:41597004	研究论文	本研究提出了一种结合区块链溯源机制和深度学习（特别是GRA与TabNet-BO）的风险预测模型，用于粮油食品安全领域，旨在提升预测精度和数据管理的透明度与可信度	创新点在于将区块链的溯源能力与深度学习模型（GRA与TabNet-BO结合）集成，通过智能合约进行预测交互，并仅将超标数据上传至区块链，优化存储并确保数据真实性与可追溯性	未明确提及模型在更广泛数据集或实际部署中的泛化能力、计算成本或区块链网络的可扩展性限制	研究目标是实现粮油食品安全的早期预警分析和风险控制，通过提升预测准确性和数据管理可信度来保障公共健康	研究对象是粮油食品的质量和安全风险数据	机器学习	NA	深度学习，区块链技术，智能合约	TabNet	表格数据	NA	NA	TabNet	NA	NA
6310	2026-01-30	Improved Detection of Small (<2 cm) Hepatocellular Carcinoma via Deep Learning-Based Synthetic CT Hepatic Arteriography: A Multi-Center External Validation Study 2026-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020343 PMID:41594319	研究论文	本研究开发了一种基于深度学习的合成CT肝动脉造影技术，用于提高小肝细胞癌的检测性能	利用循环一致生成对抗网络结合注意力模块从非侵入性肝脏动态CT生成合成CT肝动脉造影图像，以增强小肝细胞癌的检测	研究样本量有限，且仅针对肝细胞癌，未涵盖其他肝脏病变	开发并验证一种深度学习算法，通过生成合成CT肝动脉造影图像来改善小肝细胞癌的早期检测	肝细胞癌患者，特别是病灶小于2厘米的小肝细胞癌	计算机视觉	肝细胞癌	CT肝动脉造影，肝脏动态CT	GAN	图像	内部验证集：68名患者，139个病灶；外部验证集：87名患者，117个病灶；总训练集：277名患者	NA	U-GAT-IT	检测率，结构相似性指数，峰值信噪比	NA
6311	2026-01-30	Impact of Deep Learning-Based Reconstruction on the Accuracy and Precision of Cardiac Tissue Characterization 2026-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020348 PMID:41594324	研究论文	本研究评估了基于深度学习的图像重建技术对心脏MRI中T1、T2和T2*映射的准确性和精确度的影响	首次系统评估深度学习重建在心脏组织表征映射中的影响，特别是对T1映射标准偏差的显著降低	研究仅纳入健康成年人样本，缺乏患者队列验证，且未来需要优化协议进一步确认结果	评估深度学习图像重建技术对心脏MRI组织表征准确性和精确度的影响	心脏MRI图像中的心肌组织，通过T1、T2和T2*映射进行表征	医学影像分析	心血管疾病	心脏MRI，T1、T2和T2*映射	深度学习	医学影像	50名健康成年人	AIR Recon DL原型	NA	平均值，标准偏差	NA
6312	2026-01-30	A Clinically Translatable Multimodal Deep Learning Model for HRD Detection from Histopathology Images 2026-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020356 PMID:41594331	研究论文	开发了一种名为TRINITY的多模态深度学习模型，利用组织病理学图像、基于图像的转录组数据和临床分子数据，从H&E染色样本中非侵入性地预测同源重组缺陷状态	提出了一种结合成像、图像转录组和临床分子数据的多模态AI模型，用于从H&E染色全玻片图像中预测HRD状态，为PARP抑制剂治疗提供了一种快速、经济且节省组织的替代检测方法	需要进一步验证以确定其在更广泛癌症类型中的普适性	开发一种非侵入性、快速且成本效益高的方法，用于预测乳腺癌和卵巢癌患者的同源重组缺陷状态，以指导PARP抑制剂治疗决策	乳腺癌和卵巢癌患者的H&E染色全玻片图像、基于图像的转录组数据及临床分子数据	数字病理学	乳腺癌,卵巢癌	下一代测序,全玻片成像	深度学习	图像,转录组数据,临床分子数据	316个TCGA样本（乳腺癌和卵巢癌）以及74个外部盲法研究样本	NA	TRINITY	灵敏度,阴性预测值,阳性预测值,特异性,AUC-ROC	NA
6313	2026-01-30	Honey Botanical Origin Authentication Using HS-SPME-GC-MS Volatile Profiling and Advanced Machine Learning Models (Random Forest, XGBoost, and Neural Network) 2026-Jan-21, Foods (Basel, Switzerland) DOI:10.3390/foods15020389 PMID:41596987	研究论文	本研究开发了一种结合顶空固相微萃取气相色谱-质谱联用技术和先进监督机器学习的工作流程，用于鉴别五种不同植物来源蜂蜜的植物学起源	首次将随机森林、XGBoost和神经网络模型应用于蜂蜜植物源鉴别，并进行了直接比较，在多类预测准确性和模型鲁棒性方面取得了显著进展	研究仅涉及57个蜂蜜样本，样本量相对较小，可能限制模型的泛化能力	开发一种快速、灵敏、可靠的蜂蜜植物学起源鉴别方法	来自五种不同植物（芫荽、橙花、黄芪、迷迭香和chehelgiah）的蜂蜜	机器学习	NA	顶空固相微萃取气相色谱-质谱联用	随机森林, XGBoost, 神经网络	挥发性有机化合物谱	57个蜂蜜样本	NA	随机森林, XGBoost, 神经网络	准确率, F1分数, 特异性	NA
6314	2026-01-30	Artificial Intelligence in Pediatric Dentistry: A Systematic Review and Meta-Analysis 2026-Jan-21, Children (Basel, Switzerland) DOI:10.3390/children13010152 PMID:41597160	系统综述与荟萃分析	本文通过系统综述和荟萃分析，综合评估了人工智能在儿童牙科诊断应用中的性能表现	首次针对儿童牙科领域的人工智能诊断模型进行系统综述与定量荟萃分析，并深入探讨了临床转化潜力及研究空白	研究间存在显著异质性，外部验证有限，方法学变异性大，且缺乏前瞻性真实世界研究	评估人工智能模型在儿童牙科诊断应用中的性能，并探讨其临床转化前景	儿童牙科患者（≤18岁）的影像数据及相关诊断任务	数字病理	儿童牙科疾病	影像学检查	CNN, 传统机器学习	影像	32项研究纳入定性分析，15项研究纳入定量分析	NA	卷积神经网络	灵敏度, 特异度, AUC	NA
6315	2026-01-30	Comparative Analysis of Deep Learning Architectures for Automatic Tooth Segmentation in Panoramic Dental Radiographs: Balancing Accuracy and Computational Efficiency 2026-Jan-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020336 PMID:41594311	研究论文	本研究系统性地比较了基于U-Net的不同深度学习模型在口腔全景X光片中自动牙齿分割任务上的性能，重点关注了分割精度随计算成本增加的变化	首次系统性地评估了不同编码器骨干网络（ResNet、EfficientNet、DenseNet、MobileNetV3-Small）在牙齿分割任务上的性能与计算效率的权衡，揭示了模型复杂度增加带来的收益递减现象	研究结果仅限于牙齿分割任务，对于其他任务可能得出不同的结论	评估不同深度学习架构在自动牙齿分割任务上的准确性和计算效率，寻找最佳平衡点	口腔全景X光片中的牙齿	计算机视觉	NA	深度学习	CNN	图像	1000张全景X光片（来自Tufts Dental Database）	NA	U-Net, ResNet, EfficientNet, DenseNet, MobileNetV3-Small	Dice系数, IoU	NA
6316	2026-01-30	MG-HGLNet: A Mixed-Grained Hierarchical Geometric-Semantic Learning Framework with Dynamic Prototypes for Coronary Artery Lesions Assessment 2026-Jan-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010118 PMID:41596049	研究论文	本文提出了一种用于冠状动脉病变评估的混合粒度分层几何语义学习框架MG-HGLNet	引入了拓扑感知双流编码模块捕获全局血流动力学上下文并纠正空间扭曲，设计了协同频谱形态解耦模块解耦任务特定特征，并实施了混合粒度监督优化策略以有效利用粗粒度标签	NA	通过冠状动脉CT血管造影自动评估冠状动脉病变，以诊断冠状动脉疾病	冠状动脉病变	计算机视觉	心血管疾病	冠状动脉CT血管造影	深度学习网络	图像	内部数据集	NA	MG-HGLNet, BiV-Mamba	狭窄分级准确率, 斑块分类准确率	NA
6317	2026-01-30	Development of Deep Learning Models for AI-Enhanced Telemedicine in Nursing Home Care 2026-Jan-20, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15020828 PMID:41598766	研究论文	本研究旨在评估养老院中远程医疗支持的急性事件管理效果，并开发深度学习模型对事件进行分类和预测住院转诊	开发了用于养老院远程医疗的深度学习模型，通过多种重采样技术处理数据不平衡问题，模型性能优于传统算法	研究为类实验设计，可能存在选择偏倚；数据仅来自特定养老院连锁机构，可能限制泛化性	评估远程医疗在养老院急性事件管理中的效果，并开发AI模型辅助临床决策	养老院中发生的急性健康事件	机器学习	老年疾病	远程医疗系统	深度前馈神经网络	结构化临床数据（人口统计学、合并症、生命体征、事件特征、结局）	5202个急性事件	NA	256-128-64单元的前馈神经网络（含批归一化、LeakyReLU、Dropout层）	AUC, 准确率, F1分数	NA
6318	2026-01-30	Segmentation-Based Multi-Class Detection and Radiographic Charting of Periodontal and Restorative Conditions on Bitewing Radiographs Using Deep Learning 2026-Jan-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020322 PMID:41594298	研究论文	本研究利用基于YOLOv8x-seg的深度学习模型，在咬翼X光片上同时检测八种牙周和修复参数，并评估其诊断性能	首次在咬翼X光片上应用YOLOv8x-seg模型进行多类别牙周和修复条件的检测与分割，实现了同时自动化评估多种口腔健康状况	模型在低频类别（如颈缘间隙、继发龋等）上表现较低，且整体分割性能仍有提升空间	开发一种基于深度学习的自动化方法，用于咬翼X光片上牙周和修复条件的多类别检测与分割	数字咬翼X光片	计算机视觉	牙周病	深度学习	CNN	图像	1197张数字咬翼X光片，包含7860个标注	PyTorch	YOLOv8x-seg	精确度, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95	NA
6319	2026-01-30	Proof-of-Concept Machine Learning Framework for Arboviral Disease Classification Using Literature-Derived Synthetic Data: Methodological Development Preceding Clinical Validation 2026-Jan-19, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14020247 PMID:41595383	研究论文	本研究开发了一个基于文献合成数据的机器学习框架，用于虫媒病毒性疾病分类，旨在验证计算可行性并指导未来临床验证	利用文献衍生的合成数据解决虫媒病毒性疾病诊断中的数据稀缺问题，并建立了一个包含多种算法的概念验证框架	研究基于合成数据，尚未进行临床验证，且模型在区分寨卡病毒和基孔肯雅热时性能略有下降	开发一个机器学习框架，用于虫媒病毒性疾病的早期诊断分类	虫媒病毒性疾病（登革热、寨卡病毒、基孔肯雅热）及流感作为阴性对照	机器学习	虫媒病毒性疾病	文献数据合成	MLP, NN, QSVM, BT	文本（症状数据）	28,000条合成记录（每种疾病7,000条）	NA	多层感知器, 窄神经网络, 二次支持向量机, 袋装树	准确率, 精确率, 灵敏度, 特异性, F1分数, AUC-ROC, Cohen's kappa系数	NA
6320	2026-01-30	Computer Vision-Based Corrosion Detection and Feature Extraction for Rock Bolts 2026-Jan-19, Materials (Basel, Switzerland) DOI:10.3390/ma19020392 PMID:41598103	研究论文	本研究通过集成图像处理、深度学习和特征提取方法，开发了一种基于计算机视觉的岩石锚杆腐蚀检测与特征提取技术框架	结合特征金字塔网络增强多尺度目标检测能力，并利用分形布朗运动模型模拟腐蚀形态，验证了分形特征计算的准确性，为金属腐蚀评估提供了可靠的定量指标	NA	解决岩石锚杆腐蚀对工程安全和使用寿命带来的挑战，实现腐蚀检测与监测	岩石锚杆	计算机视觉	NA	图像二值化、灰度矩阵分析、分形布朗运动模型	目标检测算法	图像	NA	NA	特征金字塔网络	NA	NA