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
681	2026-07-06	Three-dimensional automatic segmentation of root canals with focus on the second mesiobuccal canal using nnU-Netv2 on CBCT images: deep learning approach 2026-04-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08285-8 PMID:41947103	研究论文	利用nnU-Netv2深度学习方法对上颌第一磨牙的第二近颊根管进行三维自动分割，同时分割主根管	首次应用nnU-Netv2模型对未治疗牙齿的MB2根管进行三维自动分割	模型对MB2的分割灵敏度较低（0.538），可能由于MB2根管结构狭窄导致	评估人工智能在锥形束计算机断层扫描图像中识别和分割第二近颊根管以及同时分割主根管的性能	上颌第一磨牙的第二近颊根管和主根管	计算机视觉, 数字病理学	牙科疾病	CBCT成像	nnU-Netv2	图像	202张CBCT图像	PyTorch	nnU-Netv2	Dice系数, Jaccard指数, 95% Hausdorff距离, 曲线下面积, 灵敏度, 精确率	NA
682	2026-07-06	Radiomics analysis of panoramic radiographs using machine learning for the detection of peri-implantitis 2026-04-06, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08190-0 PMID:41937158	研究论文	开发并验证基于全景X光片的深度学习模型（Mask R-CNN）和放射组学机器学习方法用于检测种植体周围炎	首次将放射组学特征分析与深度学习结合应用于全景X光片上的种植体周围炎检测，并在小样本数据上实现了高准确率	单中心回顾性研究，样本量有限（144例），缺乏前瞻性多中心验证	构建并验证一种结合深度学习和放射组学分析的自动化方法，用于全景X光片的种植体周围炎检测	全景X光片中种植体周围炎区域的识别与分割	计算机视觉	口腔种植体周围炎	放射组学特征提取	Mask R-CNN, XGBoost	图像（全景X光片）	144例患者的全景X光片（平均年龄57.2±11.7岁）	PyTorch	ResNet-50骨干网络的Mask R-CNN	F1分数，AUC，自由响应受试者工作特征曲线分析	NA
683	2026-07-06	Diagnosis of High Intracranial Pressure by Non-Optic Nerve Retinal Image Features 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.2 PMID:41940708	研究论文	评估深度学习模型与非眼科专家在基于视网膜图像诊断高颅压方面的表现	首次探索在遮盖视神经头的情况下利用非视神经视网膜图像特征进行高颅压诊断	样本量较小，仅32例高颅压患者和31例对照，且未提及模型在独立外部验证集上的表现	比较深度学习模型与神经眼科医师在基于视网膜图像分类高颅压患者与对照者的性能	高颅压伴视乳头水肿患者与对照者的宽视野视网膜图像	计算机视觉, 数字病理学	高颅压	视网膜成像	卷积神经网络	图像	32例高颅压患者（70张图像）和31例对照（62张图像）	NA	卷积神经网络	准确率, AUC	NA
684	2026-07-06	Impact of accurate load forecasting on electricity market stability in Japan using classical time-series and deep-learning methods 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46859-2 PMID:41927815	研究论文	提出多区域评估框架，比较经典时间序列与深度学习方法在日本电力市场短期负荷预测中的表现	首次针对日本50/60 Hz频率分界线下的区域异质性，构建空间性能评估框架并引入不确定性量化分析	研究未考虑可再生能源渗透率动态变化对预测精度的影响	评估不同预测范式在日本区域电力市场的适用性及其经济影响	日本九州电力系统中的九个区域电网	机器学习	NA	NA	SARIMA, HMM, LSTM	时间序列负荷数据	2019-2022年九个区域电网的每小时负荷数据	NA	SARIMA, HMM, LSTM	MAPE, 95%预测区间	NA
685	2026-07-06	Heuristically Adaptive Diffusion-Model Evolutionary Strategy 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511537 PMID:41793196	研究论文	提出一种基于启发式自适应扩散模型的进化策略，融合深度学习扩散模型与进化算法以优化数值参数	首次将扩散模型与进化算法深度融合，利用深度学习扩散模型增强进化算法的记忆与自适应能力，并引入无分类器指导实现进化动力学的精确控制	NA	开发一种结合扩散模型与进化算法的混合优化框架，提升进化优化的效率、灵活性和精度	进化算法中的数值参数优化过程	机器学习	NA	扩散模型、进化算法	扩散模型	NA	NA	NA	扩散模型	NA	NA
686	2026-07-06	Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study 2026-03-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08165-1 PMID:41913156	研究论文	本研究开发并验证了一种基于多模态MRI的深度学习影像组学模型，用于术前预测舌鳞状细胞癌的N分期	首次将深度学习影像组学方法应用于舌鳞状细胞癌N分期的术前预测，并在多中心数据集上验证其优于传统影像组学方法	需要进一步的前瞻性研究验证	提高舌鳞状细胞癌术前N分期预测的准确性，辅助临床决策	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	多模态MRI（增强T1加权图像和T2加权图像）	CNN	医学图像	579名舌鳞状细胞癌患者（训练集357人、内部测试集153人、外部测试集69人）	PyTorch	ResNet34, ResNet101, DenseNet121	AUC, 校准曲线, 决策曲线分析	NA
687	2026-07-06	Multimodal MRI-based two-stage artificial intelligence framework for renal fibrosis classification in chronic kidney disease 2026-03-04, BMC nephrology IF:2.2Q2 DOI:10.1186/s12882-026-04869-2 PMID:41782094	研究论文	开发了一个基于多模态MRI的两阶段人工智能框架，用于慢性肾病的肾纤维化分类	结合多模态MRI影像（native T1 mapping、ADC和T2* mapping）与临床指标，采用MobileNetV2-SE深度学习特征和XGBoost/ExtraTree分类器进行两阶段分级	样本量相对较小（152例），且为单中心前瞻性研究	非侵入性评估慢性肾病患者的肾纤维化程度	152例经活检证实的慢性肾病患者（RF 1：无纤维化34例；RF 2：轻度纤维化69例；RF 3：中重度纤维化49例）	机器学习和数字病理	慢性肾病，肾纤维化	多模态MRI（native T1 mapping、ADC、T2* mapping）	深度学习（MobileNetV2-SE）和传统机器学习（XGBoost、ExtraTree）	MRI影像数据和临床指标数据	152例患者，按2:1分为训练集和测试集	PyTorch, Scikit-learn	MobileNetV2-SE, XGBoost, ExtraTree	AUC, 校准曲线, 决策曲线分析（DCA）, SHAP可视化	NA
688	2026-07-06	A domain-adaptive deep contrastive network for magnetic resonance imaging-driven bladder cancer classification 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02499-4 PMID:41775791	研究论文	提出一种域自适应深度对比网络，用于基于磁共振成像的膀胱癌分类	联合源域和目标域样本进行特征学习以获得域不变且可区分的表示，并引入深度对比学习策略增强类间分离性和类内紧凑性	待论文中明确提及	实现跨中心的磁共振成像驱动膀胱癌自动分类	膀胱癌磁共振成像数据（区分非肌层浸润性膀胱癌与肌层浸润性膀胱癌）	计算机视觉，数字病理学	膀胱癌	磁共振成像	深度对比网络	医学图像（磁共振成像）	多中心膀胱癌磁共振成像数据集	PyTorch	卷积神经网络，Transformer	准确率，F1分数，AUC	NA
689	2026-07-06	Feature-indistinguishable machine unlearning via negative-hot label encoding and class weight masking 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40379-9 PMID:41775809	研究论文	提出一种通过负热标签编码和类别权重掩码实现特征不可区分的机器遗忘方法	引入负热标签编码（NHLE）抑制目标类别在特征空间中的可区分性，结合类别权重掩码实现高效选择性遗忘，仅需少量遗忘类别样本进行迭代微调	未明确说明在复杂数据集或大规模遗忘任务中的扩展性及对保留数据性能的潜在影响	开发高效且选择性的机器遗忘框架，解决数据隐私合规需求并减少计算开销与性能下降	深度学习模型中的类别级遗忘	机器学习	NA	NA	神经网络	视觉图像数据	多个视觉数据集，未明确具体数量	NA	NA	分类准确率，保留数据准确率下降值	NA
690	2026-07-06	Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02364-4 PMID:41775890	研究论文	评估不同深度学习策略在分布偏移下预测ICU脓毒症的性能，提出根据目标数据规模选择最佳部署策略	系统比较了五种部署策略（泛化、微调/重训练、目标训练、监督域适应和融合训练）在多个深度学习架构和四种目标数据规模下的表现，发现微调并非最优方法，而重训练、融合训练和域适应在不同数据规模下表现更佳	未说明具体局限	研究分布偏移下深度学习脓毒症预测模型在ICU中的最佳部署策略	脓毒症预测模型的部署策略	机器学习	脓毒症	NA	深度学习	时序数据（ICU住院记录）	216,536次住院记录（来自HiRID、MIMIC-IV、eICU三个队列）	NA	多种深度学习架构	AUROC, 归一化AUPRC	NA
691	2026-07-06	Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42147-1 PMID:41776224	研究论文	利用基于注意力机制的多模态数据深度学习框架预测篮球运动员的睡眠质量	首次将特征级注意力的多模态表格学习框架应用于大学篮球运动员的睡眠质量筛查，并比较了多种预测模型，发现基于注意力的多层感知机（Attention-MLP）在复杂特征交互建模上具有优势	对中等睡眠质量类别的区分能力较差（AUC=0.40），当前模型更适合筛查导向的分层而非明确分类	开发一种用于大学篮球运动员睡眠质量筛查的注意力机制多模态表格学习框架	大学篮球运动员	机器学习	睡眠障碍	NA	逻辑回归、随机森林、XGBoost、基于注意力的多层感知机（Attention-MLP）	表格数据（身体指标、心理特征、社会人口学变量）	大学篮球运动员样本	Scikit-learn, XGBoost	逻辑回归、随机森林、XGBoost、注意力多层感知机（Attention-MLP）	准确率（0.732）、F1值（0.630）、AUC	NA
692	2026-07-06	Deep learning-based labor relations prediction system with multi-source data fusion and early warning mechanisms 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40369-x PMID:41772036	研究论文	提出基于深度学习的劳资关系预测系统，通过多源数据融合与预警机制实现冲突提前识别	采用注意力机制多模态融合，自适应加权不同数据源贡献，而非固定融合方案	12.7% 的误报率及高压运营期间的系统性预测错误	解决传统统计方法和专家系统在复杂多因素劳资关系预测中的不足	企业内部人力资源管理数据、沟通日志、绩效轨迹、满意度调查及外部经济指标	机器学习	不适用	不适用	MLP与LSTM	表格数据、时间序列数据	12家企业部署，跨4个行业	PyTorch	MLP, LSTM, 注意力机制	准确率、早期预警成功率、误报率	未提及
693	2026-07-06	Reliable ECG classification using parallel hybrid models with limited resources 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41370-0 PMID:41771987	研究论文	提出一种并行混合模型(PHM)，结合三个轻量级分类器，在资源受限环境下提高心电图分类的可靠性和准确性	创新性地采用加权软投票方法整合预测结果，并结合可靠性区域提供可解释的置信度框架	研究未提及模型在更大规模或多样化数据集上的验证，以及实际部署时的实时性能表现	为资源受限环境提供计算高效且可靠的心电图分类系统	心电图(ECG)信号，用于心律失常等心血管疾病的诊断	机器学习	心血管疾病	NGS	CNN	时间序列信号	MIT-BIH心律失常数据库(未具体说明样本数量)	TensorFlow	EfficientNet, SequentialNet, LeNet-5	准确率, 错误率, 正确概率, 错误概率, 错误决策概率	NA
694	2026-07-06	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	开发并演示了首个基于深度学习的光声视觉伺服系统，用于实时三维追踪导管尖端	首次将点源定位与混合位置-力控制结合，实现基于深度学习的光声视觉伺服，并在体内外实验中验证	实例分割推理时间较长（≥516.3 ms），尚需优化以满足实时应用需求	开发光声视觉伺服系统，实现手术器械尖端的实时三维追踪	心脏导管尖端（在塑胶假体和活体猪中进行实验）	计算机视觉，机器学习	NA	光声成像	目标检测，实例分割	光声图像	9次视觉伺服实验（塑胶假体距离40 mm，活体猪距离25-64 mm）	NA	目标检测模型，实例分割模型	检测率（88.0-91.7%假体，66.7-70.4%体内），追踪误差（0.5 mm假体，0.8 mm体内），推理时间（≥145.3 ms目标检测，≥516.3 ms实例分割），接触时间（≥99.43%）	NA
695	2026-07-06	Bridging Global Attention and Local Hierarchies: A Robust Hybrid Ensemble Framework With Multi-Perspective Explainability for Automated HER2-IHC Scoring 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261465522 PMID:42400387	research paper	提出了一个混合集成框架，结合EVA-02-Large、Vision Transformer-Base和ConvNeXt-V2-Nano架构，通过自适应后期融合机制进行自动HER2-IHC评分	首次将EVA-02-Large、Vision Transformer-Base和ConvNeXt-V2-Nano三种架构通过自适应后期融合机制进行混合集成，并在20多种图像腐败类型上进行全面扰动分析及多视角可解释AI评估	需进行前瞻性多读者临床验证；对极端光度变化具有预期敏感性	开发高精度且可解释的自动化HER2-IHC评分流程，解决诊断困难病例（HER2 1+/2+）并减少观察者间变异	HER2-IHC-40x数据集的病理图像斑块	digital pathology	breast cancer	免疫组化	混合集成模型（Transformer + CNN）	图像	NA	NA	EVA-02-Large, Vision Transformer-Base, ConvNeXt-V2-Nano	加权准确率、平衡准确率、误分类率	NA
696	2026-07-06	AI-Driven Protein Research: From Prediction to Design 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-5249-7_13 PMID:42400844	综述	综述了从人工智能驱动的蛋白质序列预测到蛋白质设计的进展	系统梳理了从早期共进化信息残基接触预测到蛋白质语言模型和生成式设计的关键概念突破	作为迷你综述，可能未涵盖所有前沿细节	追踪人工智能方法在蛋白质研究中的演变及其对生物医学和生物技术的转化意义	蛋白质结构预测、注释和设计方法	自然语言处理	NA	深度学习	蛋白质语言模型	文本（序列数据）	NA	NA	NA	NA	NA
697	2026-07-05	3D anatomical atlas of the heads of male and female adult Chamaeleo calyptratus 2026-Aug, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.70077 PMID:41239830	研究论文	首次完整描述了成年雄性 and 雌性变色龙（Chamaeleo calyptratus）头部的三维解剖图谱，包括骨骼、神经、肌肉等软硬组织	首次提供变色龙头骨完整骨骼和软组织的数字解剖图谱，包括颅缝和肌肉附着点的首次图谱，并利用对比增强染色、microCT扫描和深度学习模型进行分割	仅基于两个成年标本，样本量小，可能无法完全代表种群变异，且未涵盖幼体或不同年龄阶段的变化	提供变色龙头部解剖结构的全面描述，探索性别差异，并为爬行动物进化发育研究和教育提供数字资源	成年雄性 and 雌性变色龙（Chamaeleo calyptratus）的头部解剖结构	数字病理学	NA	对比增强染色, microCT扫描, 深度学习分割	深度学习模型	图像（microCT扫描）	两个成年标本（一雄一雌）	NA	NA	NA	NA
698	2026-07-05	Automated multiclass bone segmentation using deep learning: implications for templating in radial head replacement 2026-Aug, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2026.02.005 PMID:41720251	研究论文	训练并验证基于nnU-Net的深度学习模型，实现桡骨头置换术中多类骨骼的自动化分割，以提高术前三维模板制作的效率和精度	首次将nnU-Net深度学习模型应用于桡骨头置换术的多类骨骼分割，实现了皮质骨和非皮质骨的精确分割，分割时间从手动78分钟缩短至3分钟，且性能在不同性别、手臂侧和CT层厚下保持一致	模型无法捕捉软骨组织，这可能会影响某些临床应用中的分割完整性	开发和验证用于桡骨头置换术术前三维模板制作的多类骨骼自动分割深度学习模型	上肢骨骼（肱骨、尺骨、桡骨的皮质和非皮质区域）	深度学习, 医学图像分割	骨科疾病（桡骨头骨折或相关适应症）	CT扫描	nnU-Net	三维CT图像	93例上肢CT扫描	PyTorch	nnU-Net	Dice相似系数, Hausdorff距离, 平均表面距离, 均方根误差	NA
699	2026-07-05	Deep learning for detection and automatic visualization of radiation-induced temporal lobe injury in nasopharyngeal carcinoma across endemic and non-endemic areas in China 2026-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111596 PMID:42134661	研究论文	开发并验证基于MRI的多任务深度学习模型，用于鼻咽癌患者放射性颞叶损伤的检测和自动可视化	首次构建了基于2.5D ResNet的多任务学习网络，集成RTLI分类与分割任务，并在中国南部和北部不同流行病学区域进行了跨地域验证	仅使用轴向T2加权MRI单一序列，未纳入其他MRI序列或临床指标；前瞻性临床获益的验证仍在进行中	开发一种能够早期检测放射性颞叶损伤并自动可视化病灶的深度学习模型，以辅助临床诊断	鼻咽癌患者放疗后出现的放射性颞叶损伤	计算机视觉	鼻咽癌	MRI	多任务深度学习模型	图像	956名鼻咽癌患者，来自中国南部和北方的回顾性和前瞻性队列	PyTorch	2.5D ResNet	AUC, DSC, 灵敏度	NA
700	2026-07-05	Multicenter validation and randomized crossover reader evaluation of deep learning-assisted tri-sequence three-dimensional MRI segmentation for hypopharyngeal tumor 2026-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111606 PMID:42162744	研究论文	开发一个多中心验证的三序列深度学习模型，用于下咽肿瘤的三维MRI分割，并评估AI辅助能否缩小轮廓勾画的专业差距	首次提出多中心验证的三序列3D nnU-Net模型用于下咽鳞状细胞癌MRI分割，并通过随机交叉读者研究证明AI辅助能显著提升不同资历放射肿瘤医生的勾画一致性和效率，同时引入基于MRI质量特征的低重叠风险模型以支持部署决策	研究为回顾性设计，样本量有限（727例），且外部验证中低重叠风险模型的AUC在外部队列有所下降（0.71-0.78），可能需要进一步优化	开发并验证深度学习辅助的MRI自动分割方法，以提高下咽鳞状细胞癌放射治疗计划中靶区勾画的准确性和一致性，缩小专家经验差距	来自三个医疗机构的727名下咽鳞状细胞癌患者	计算机视觉, 医学影像分析	下咽鳞状细胞癌	MRI	3D nnU-Net	三维MRI图像（三序列）	727名患者，分为开发队列（530例）、内部测试队列（37例）、外部队列1（109例）和外部队列2（51例）	PyTorch	3D nnU-Net, XGBoost（用于低重叠风险模型）	Dice相似系数（DSC）、表面DSC、平均对称表面距离（ASSD）、平均表面距离（MSD）、Fleiss' κ、5点Likert评分、受试者工作特征曲线下面积（AUC）	NA