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
6981	2026-05-31	Detection of Hypokalemia, Hyponatremia, and Hyperkalemia in Heart Failure Patients Using Artificial Intelligence Techniques via Electrocardiography 2026-01-09, Turk Kardiyoloji Dernegi arsivi : Turk Kardiyoloji Derneginin yayin organidir DOI:10.5543/tkda.2025.18598 PMID:41063616	研究论文	开发基于心电图的人工智能模型以检测心力衰竭患者的电解质失衡	首次在多中心环境中使用深度学习模型通过心电图非侵入性地检测心力衰竭患者的低钾血症、低钠血症和高钾血症	NA	开发并评估基于心电图的深度学习模型用于检测心力衰竭患者的电解质失衡	心力衰竭患者（射血分数≤45%）	机器学习	心力衰竭	NA	深度学习模型 (DLM)	心电图信号	来自17个中心的患者样本	NA	NA	准确率, AUROC	NA
6982	2026-05-31	Pre-crash injury risk prediction with guaranteed confidence level: a conformal and interpretable framework 2026, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2025.2538725 PMID:40828994	研究论文	提出一种结合置信预测的预碰撞伤害风险预测框架，能够以90%置信水平输出概率性预测并增强解释性	首次将置信预测方法（包括朴素和类别条件）集成到预碰撞伤害风险预测模型中，以统计保证的90%置信水平输出风险分布及其概率，同时结合可解释机器学习提升模型透明度	未明确提及，但从内容推测可能包括数据限制（如严重伤害案例样本少）或方法对特定驾驶场景的泛化能力有待验证	开发一种预碰撞伤害风险预测框架，提供具有统计置信保证的概率性输出，并增强模型可解释性，以支持主动交通安全措施和数据驱动的道路安全政策	交通碰撞事故中的预碰撞伤害风险	机器学习	NA	机器学习与置信预测	集成学习模型与TabNet深度学习模型	结构化表格数据（28个预碰撞风险因素）	基于国家汽车采样系统碰撞数据系统（NASS-CDS）和碰撞调查采样系统（CISS）的数据	NA	梯度提升、随机森林等集成方法及TabNet	F1分数、严重伤害召回率	NA
6983	2026-05-31	Adaptive and multi-scale feature fusion for Chinese news headline classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345779 PMID:42201869	研究论文	提出两种针对中文新闻标题分类的深度学习模型，分别适用于大规模和小规模数据集，通过自适应特征融合与多尺度注意力机制提升分类性能	结合ERNIE自适应多层特征融合与SE增强CNN处理大规模数据，针对小规模数据引入多尺度SE注意力、深度可分离卷积和对抗训练以增强鲁棒性	未在论文中明确提及	解决中文新闻标题分类中特征稀疏、上下文有限和高歧义性问题	中文新闻标题	自然语言处理	NA	NA	深度神经网络	文本	THUCNews和Toutiao数据集	PyTorch	ERNIE, SE-CNN, 深度可分离卷积	准确率	NA
6984	2026-05-31	Development and validation of a multimodal clinical-radiomics-deep learning nomogram based on automated chest CT segmentation for classifying COPD severity: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1831103 PMID:42210927	研究论文	开发和验证一种结合临床特征、全肺CT影像组学特征和深度学习特征的综合列线图，用于慢性阻塞性肺疾病严重程度分级	首次将全肺自动分割的影像组学特征、三维深度学习特征与临床特征整合为多模态列线图，用于COPD严重程度分级，并在多中心数据中验证其优越性	回顾性研究设计，可能引入选择偏倚；列线图在外部验证中的AUC值仍有提升空间	开发和验证一个多模态列线图，用于精确分类COPD严重程度	来自三家医院的1794例COPD患者的胸部CT图像和临床数据	计算机视觉, 数字病理	慢性阻塞性肺疾病（COPD）	CT扫描, 影像组学, 深度学习	逻辑回归, 深度学习模型	图像（CT扫描）	1794例患者	NA	三维深度学习模型, 逻辑回归	AUC（受试者工作特征曲线下面积）, 决策曲线分析（DCA）, DeLong检验	NA
6985	2026-05-31	AI-based decision models for difficult airway assessment: from research innovation to clinical implementation-a narrative review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1818061 PMID:42210958	综述	综述2010-2025年间用于困难气道评估的AI决策模型，重点关注其性能、局限性与临床转化	指出AI模型在气道评估中（如面部图像分析灵敏度达80%-90%，深度学习模型平均AUC为0.84）优于传统方法，并提出胸部麻醉中利用常规术前CT进行全气道评估的可行路径	现有研究多为单中心、回顾性设计，缺乏外部验证、算法公平性、标准化结果及工作流程整合，且偏向评估上气道，存在转化鸿沟	评估AI决策模型在困难气道管理中的潜力和临床转化障碍，并提出未来发展方向	2010-2025年间关于气道评估的AI决策模型研究	机器学习	麻醉相关气道管理	卷积神经网络、半监督学习、多模态融合	卷积神经网络、深度学习模型	面部图像、CT图像	NA	NA	卷积神经网络	灵敏度、AUC	NA
6986	2026-05-31	Explainable hybrid CNN-transformer with self-supervised learning for structural analysis of paranasal sinus CT 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1778260 PMID:42211246	研究论文	提出一种可解释的混合CNN-Transformer框架，结合自监督3D卷积自编码器，用于副鼻窦CT结构分析	将自监督3D卷积自编码器与混合CNN-Transformer相结合，实现无需病理标签的异常检测，并集成Grad-CAM可解释性分析以关注临床相关区域	未明确提及局限性	开发可解释的深度学习方法，用于副鼻窦CT的结构分析，支持医学诊断和治疗	多机构CT-SCOPE数据集中的副鼻窦CT体积数据	计算机视觉, 数字病理学	耳鼻喉疾病	CT扫描	CNN-Transformer, 自编码器	CT图像	多机构CT-SCOPE数据集，包含不同医院和CT扫描仪模型的多样扫描数据	NA	CNN-Transformer混合架构, 3D卷积自编码器, Grad-CAM	Dice相似系数	NA
6987	2026-05-31	Predictive radiomics for evaluation of cancer immune signature in glioblastoma: The PRECISE-GBM study 2026 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdag115 PMID:42211395	研究论文	利用放射基因组学分析预测IDH野生型胶质母细胞瘤中免疫细胞特征的放射标志物	首次通过多中心回顾性研究开发放射组学模型，非侵入性地预测IDH野生型胶质母细胞瘤中巨噬细胞亚型M0的免疫特征	样本量较小（176名患者），且依赖开放获取的回顾性数据	开发并验证能捕获IDH野生型胶质母细胞瘤微环境中免疫细胞特征的放射生物学标志物	IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI放射组学	支持向量机和集成模型	MRI影像数据	176名患者	NA	支持向量机和集成模型	平衡准确率（0.67），精确率（0.89）	NA
6988	2026-05-31	Deep learning-based dental age estimation in adolescents using panoramic radiographs: a comparative study with traditional methods 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1754772 PMID:42211411	研究论文	利用基于深度学习的卷积神经网络模型，通过全景放射片对青少年进行牙齿年龄估计，并与传统方法进行比较	开发并验证了基于卷积神经网络的回归模型用于青少年牙齿年龄估计，并通过Grad-CAM可视化增强模型可解释性	NA	开发并验证基于卷积神经网络的模型用于青少年牙齿年龄估计，并比较其与传统方法的准确性	9-19岁青少年的全景牙齿放射片	计算机视觉	NA	全景放射成像	卷积神经网络	图像	296张全景牙齿放射片，来自9-19岁青少年，训练集207张，验证集44张，测试集45张	NA	卷积神经网络	平均绝对误差、均方根误差、皮尔逊相关系数	NA
6989	2026-05-31	High-throughput phenotypic analysis of plant and curd growth dynamics during the whole growth period of cauliflower based on instance segmentation 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1836813 PMID:42211487	研究论文	基于实例分割技术，对花椰菜全生育期的植株和花球生长动态进行高通量表型分析	首次实现花椰菜从幼苗到收获整个生育期的系统表型监测，并利用YOLO12s-seg模型实现高精度分割，结合生长动力学模型对花球进行分类，开发了集成化表型分析平台	未明确提及，但可能受限于图像采集条件（如种植密度）、模型对不同品种的泛化能力以及手动测量验证的样本量	实现花椰菜全生育期高效表型监测，替代传统耗时费力的人工测量方法，为育种和生产提供自动化分析框架	花椰菜植株和花球的生长动态	计算机视觉, 数字病理学（因植物表型分析通常归类于此，或更准确为植物科学，但依提示仅可选其一，这里选择计算机视觉）	不适用（NA）	RGB成像	YOLO12s-seg（实例分割模型）	图像	从苗期到收获期的花椰菜RGB图像（具体数量未提及），以及47份种质资源	PyTorch（常见于YOLO系列）	YOLO12s-seg	掩码mAP, R（相关性系数）	未明确提及
6990	2026-05-31	Predicting survival of patients treated with antibody-drug conjugates in early-phase clinical trials using AI-quantified 3D body composition on CT scans 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1687383 PMID:42211497	研究论文	利用AI量化CT扫描上的3D身体成分预测早期临床试验中接受抗体-药物偶联物治疗患者的生存情况	首次研究身体成分对抗体-药物偶联物疗效和安全性的影响，并采用AI自动量化三维身体成分参数	单中心回顾性研究，样本量较小（136例），缺乏外部验证	评估AI量化的3D身体成分参数在预测ADC治疗患者生存和毒性中的价值	2015年3月至2023年3月期间在单中心接受ADC治疗的早期临床试验患者	医学影像分析	癌症	CT扫描	深度学习	CT影像数据	136例患者	NA	Anthropometer3DNet	风险比, p值	NA
6991	2026-05-31	An examination of the psychological mechanisms underlying the social existence and cognitive investment of college students in an online learning environment 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1792669 PMID:42212028	研究论文	探讨在线学习环境中社会存在感与认知投入之间的心理机制，以感知互动性为关键变量进行实证检验	首次将感知互动性作为关键变量引入社会存在感与认知投入的关系研究，验证了社会存在感对认知投入的稳健预测作用，并考察了感知互动性在其中的调节效应	感知互动性未显示显著调节效应，表明可能受其他因素影响；样本仅限大学生，推广性有限	揭示在线学习环境中社会存在感与认知投入之间的作用机制，为提升在线教学质量提供理论依据	500名有在线学习经验的在校大学生	机器学习	NA	NA	NA	数值数据	500名大学生	SPSS	NA	相关系数，回归系数	NA
6992	2026-05-31	Revolutionizing Nursing Education in Somalia: Recommendations for Integrating AI and Deep Learning in Outcome Based Assessments to Enhance Knowledge, Practice, and Graduate Competence 2026, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S611974 PMID:42212180	评论	探讨如何利用人工智能和深度学习加强索马里护理教育中的结果导向评估，并提出针对策略建议	首次将AI和深度学习与索马里护理教育的结果导向评估相结合，提出符合当地结构性约束的低带宽、情境化实施方案	未提供实际实验数据或定量验证，仅基于理论分析和建议	提出在资源受限环境下整合AI与深度学习以改善护理教育评估的建议	索马里护理教育系统，包括标准化评估、能力测评、城乡差异、教师能力和治理问题	自然语言处理	NA	NA	深度学习模型	文本	NA	NA	NA	NA	NA
6993	2026-05-31	Modelling discrete states and long-term dynamics in functional brain networks 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1237 PMID:42212226	研究论文	提出动态网络状态模型，利用变分贝叶斯推断和循环神经网络建模功能脑网络中的离散状态与长期时间动态	通过整合变分贝叶斯推断、循环神经网络和Gumbel-Softmax分布，在保持可解释性的同时捕捉脑网络状态的长期时间依赖结构	文章摘要未明确讨论局限性	开发一种兼具可解释性和时间建模能力的模型，以表征功能脑网络的离散状态与长期动态	模拟数据及真实静息态脑磁图数据中的功能脑网络状态	机器学习	NA	脑磁图, 模拟数据	循环神经网络, 隐马尔可夫模型	时间序列数据	模拟数据及真实静息态脑磁图数据（未明确具体样本量）	NA	动态网络状态模型, Gumbel-Softmax	NA	NA
6994	2026-05-30	Comparing AI-driven approaches for predicting river water quality: a systematic review of water quality indices and remote sensing methods 2026-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126047 PMID:42114478	综述论文	系统综述AI驱动在河流水质预测中的方法，比较传统水质指数与遥感技术的应用	首次系统比较两种主流AI方法（WQI和RS）在河流水质预测中的应用，识别了地理偏差、参数选择差异和标准化缺失等关键知识缺口	研究主要集中于亚洲（83%），其他地区代表性不足，且多数研究缺乏灵敏度分析和不确定性量化	综合、比较并识别AI驱动河流水质预测研究中的知识缺口，为开发更可迁移、更可靠的预测框架提供证据基础和优先研究方向	2018年至2024年间发表的71篇同行评审案例研究	机器学习	NA	NA	机器学习或深度学习模型	水质指标数据和遥感影像数据	71篇案例研究（其中44篇基于WQI方法，27篇基于RS方法）	NA	NA	准确率等常规指标	NA
6995	2026-05-30	Deep learning algorithms for license plate recognition: A review 2026-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108842 PMID:41846120	综述	对深度学习车牌识别技术进行系统性综述，涵盖技术演进、性能评估与未来方向	首次系统梳理了从传统特征工程方法到深度学习端到端检测框架的技术演进路径，并整合了跨区域模型、轻量级网络及多模态融合等新兴方向	未涉及具体算法复现验证，对不同复杂场景下的量化对比分析不够深入	理清车牌识别技术发展脉络，评估各类方法在复杂场景下的效果与局限，指明未来研究方向	车牌检测与识别算法、公共车牌图像数据集	计算机视觉	NA	NA	CNN	图像	NA	NA	深度学习端到端检测框架	鲁棒性	NA
6996	2026-05-30	Fully automated quantification of net water uptake in acute ischemic stroke using only non-contrast CT imaging 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12238-0 PMID:41444396	研究论文	提出一种仅基于非增强CT图像的急性缺血性脑卒中净水摄取量全自动量化方法	首次实现无需深度学习组件、仅依赖专家定义启发式规则的全自动NWU量化，避免了对CT灌注或扩散加权成像的依赖	分割精度中等（Dice系数约0.48），方法依赖于专家定义规则可能限制泛化能力	实现急性缺血性脑卒中病灶进展的自动化、可重复评估	急性缺血性脑卒中患者的非增强CT影像数据	计算机视觉	脑血管疾病	非增强CT成像	基于规则的图像处理流程	图像	内部数据集185例（排除后155例），外部测试51例（排除后46例）	OpenCV	无，使用专家定义启发式规则	病灶检出率、平均绝对NWU误差、Dice相似系数、平均精度均值	NA
6997	2026-05-30	MRI-to-PET synthesis via deep learning for amyloid-β quantification in Alzheimer's disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12251-3 PMID:41495456	研究论文	构建深度学习模型，从结构MRI生成3D合成Aβ PET图像，用于阿尔茨海默病中淀粉样蛋白-β的量化	提出ShareGAN模型，在整张三维体积上操作而非2D切片，并利用共享参数生成对抗网络，真实再现邻接图像平面之间的微小差异	NA	提供安全、低成本的Aβ状态可视化工具，辅助早期阿尔茨海默病检测，减少不必要的PET扫描	阿尔茨海默病患者的Aβ PET和配对MRI图像	计算机视觉	阿尔茨海默病	MRI, PET	生成对抗网络	图像	1009对Aβ PET和MRI图像	NA	ShareGAN	结构相似性指数测量, 峰值信噪比, 平均绝对误差, 标准化摄取值比, 诊断准确率	NA
6998	2026-05-30	Deep learning-based automatic measurement of the femoral head ossification center in healthy Korean children: development of a novel radiographic growth chart 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12263-z PMID:41528475	研究论文	基于深度学习的自动测量健康韩国儿童股骨头骨化中心大小并建立AI驱动的生长图表	首次开发基于深度学习的全自动测量股骨头骨化中心大小的算法，并利用AI测量数据建立标准化生长图表	NA	开发和验证基于深度学习的自动测量股骨头骨化中心大小算法，并建立AI驱动的生长图表	健康韩国儿童的股骨头骨化中心	计算机视觉	儿科髋关节发育异常	骨盆X线摄影	深度学习算法（三阶段）	图像	1705名健康韩国儿童（平均年龄5.1±3.3岁，女性841名，男性864名）	NA	感兴趣区域检测、股骨头骨化中心分割、基于标志点的尺寸计算	一致性相关系数、皮尔逊相关系数、平均绝对误差、均方根误差、Bland-Altman分析、配对t检验、Fisher Z检验、调整R²	NA
6999	2026-05-30	TomoRay cranial: synthesis of cranial CT imaging from biplanar radiographs using a generative adversarial network 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12253-1 PMID:41537782	研究论文	探索利用生成对抗网络从双平面X光片合成颅脑CT图像的可行性研究	首次使用深度学习从双平面X光片生成合成颅脑CT图像	合成的CT图像与真实CT图像的一致性不佳，使用真实X光片时更具挑战	探索利用深度学习从成人神经外科患者的双平面X光片生成合成颅脑CT图像的可行性	成人神经外科患者的颅脑图像	计算机视觉	神经外科疾病	X光成像, CT成像	生成对抗网络	图像	模型1使用235张来自三个中心的图像；模型2使用1323张来自一个中心的图像	NA	NA	峰值信噪比, 结构相似性指数	NA
7000	2026-05-30	Deep learning-based automated contrast enema analysis to improve the assessment of Hirschsprung disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12267-9 PMID:41572045	研究论文	使用深度学习自动分析对比灌肠图像以改善先天性巨结肠的诊断评估	首次将预训练的DenseNet121深度学习模型应用于对比灌肠图像的自动分析，用于诊断先天性巨结肠，并与放射科专家的评估进行对比，显示模型在特异性上优于放射科医生	研究为单中心回顾性观察研究，样本量有限，模型敏感性较低（58.5%），且与放射科医生的诊断一致性仅为中等	比较深度学习模型与放射科专家在对比灌肠图像中诊断先天性巨结肠的准确性和性能	2011年1月至2023年12月期间因疑似先天性巨结肠或其他临床适应症接受对比灌肠的221例儿科患者（278次对比灌肠）	医疗影像分析	先天性巨结肠	对比灌肠成像	深度神经网络	图像	221例患者（278次对比灌肠），平均年龄4.14岁，中位年龄2.65岁，男性64.8%，女性35.2%	PyTorch	DenseNet121	平衡准确率、敏感性、特异性、AUC-ROC、AUC-PR	NA