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
7881	2026-04-22	Molecular Pathology, Artificial Intelligence, and New Technologies in Hematologic Diagnostics: Translational Opportunities and Practical Considerations 2026-Mar-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060913 PMID:41897649	综述	本文综述了人工智能、数字形态学平台和自动化技术（如协作机器人）在血液病理学和分子诊断中的应用及其转化潜力	系统性地探讨了AI、数字形态学平台、协作机器人及自动化解决方案在血液病诊断中的整合应用，并强调了其在提高诊断准确性和患者护理方面的转化潜力	成功转化依赖于疾病特异性验证、开发符合国际分类框架的多模态模型，以及需要保持专家监督的实验室治理	评估人工智能、数字技术和自动化在血液病诊断中的应用，以提高诊断准确性和患者护理水平	血液病理学和分子诊断技术，包括数字形态学平台、AI辅助的流式细胞术、自动化实验室解决方案和机器学习在分子血液病理学中的应用	数字病理学	血液系统疾病	数字形态学分析，多参数流式细胞术，分子检测	深度学习	图像，流式细胞术数据，分子数据	NA	NA	NA	一致性，性能可比性，吞吐量增益	NA
7882	2026-04-22	Real-Time Application of Artificial Intelligence for Automatic Detection of High-Grade Squamous Intraepithelial Lesions During High-Resolution Anoscopy 2026-Mar-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062268 PMID:41899192	研究论文	本文首次报道了在肛门癌筛查的高分辨率肛门镜检查中实时应用深度学习技术，用于自动检测高级别鳞状上皮内病变	首次实现了在临床高分辨率肛门镜检查过程中实时应用基于YOLO的目标检测模型，以自动识别高级别鳞状上皮内病变，而非仅分析静态图像	研究样本量较小（仅三名患者），且需要多中心验证研究来进一步确认其有效性和普适性	探索人工智能在高分辨率肛门镜检查中实时辅助检测高级别鳞状上皮内病变的可行性和效果	接受肛门癌筛查的高分辨率肛门镜检查患者	计算机视觉	肛门癌	高分辨率肛门镜检查	深度学习	视频流或实时图像	三名患者	NA	YOLO	检测准确性（仅对组织学确认的HSIL进行检测，在无病变或仅LSIL时不激活）	NA
7883	2026-04-22	AI-Driven Predictions of Readmission and Mortality for Improved Discharge Decisions in Critical Care: A Retrospective Study 2026-Mar-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060874 PMID:41897607	研究论文	本研究利用AI模型预测ICU出院后7天内的再入院或死亡风险，以改善重症监护的出院决策	开发了GRU-D++深度学习模型，在内部和外部验证中均优于传统的SWIFT评分，展示了AI在临床决策支持中的潜力	研究为回顾性设计，可能受数据质量和选择偏倚影响；模型性能虽优于传统方法，但仍有提升空间	识别风险因素并评估AI模型在预测ICU出院后7天内再入院或死亡方面的性能	ICU出院患者	机器学习	重症监护	NA	深度学习	临床数据	MIMIC-IV数据库（2008-2019年）和KNUH数据库（2016年1月1日至2023年2月28日）的患者数据	NA	GRU-D++	AUROC	NA
7884	2026-04-22	Enhanced Visualization: Transforming Non-Contrast into Contrast-Enhanced Computed Tomography Images Through Advanced Generative Adversarial Networks 2026-Mar-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060861 PMID:41897594	研究论文	本研究利用生成对抗网络（GAN）从非对比增强CT图像生成合成对比增强CT图像，以辅助禁忌使用碘对比剂患者的纵隔和淋巴结评估	提出了一种基于GAN的模型，能够在不注射对比剂的情况下，从NCCT生成sCECT，为有禁忌症的患者提供了一种替代可视化方案	合成增强是基于学习的强度变换，而非真实的碘基衰减，可能无法完全模拟真实的生理性对比增强效果	开发一种深度学习方法来生成合成对比增强CT图像，以克服部分患者无法接受碘对比剂注射的临床限制	淋巴瘤或转移性淋巴结病患者	计算机视觉	淋巴瘤	CT扫描	GAN	医学图像（CT）	训练集：400例CECT扫描（2024年3月至7月采集）；测试集：20例患者（2025年1月至7月诊断，仅使用NCCT扫描）	NA	NA	MAE, RMSE, PSNR, SSIM, PCC, SNR, CNR	NA
7885	2026-04-22	Lightweight Deep Learning for Automated Dental Caries Screening from Pediatric Oral Photographs 2026-Mar-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060862 PMID:41897595	研究论文	本研究探讨了使用轻量级卷积神经网络从儿童口腔照片中自动筛查龋齿的可行性	证明了轻量级深度学习模型在龋齿筛查任务中可以达到临床意义的性能，并进行了可解释性分析以验证模型决策的临床相关性	数据集规模相对较小（435张图像），且仅针对儿童龋齿筛查，可能限制了模型的泛化能力	开发适用于社区和移动环境的自动化龋齿筛查系统	3-14岁儿童的口腔照片	计算机视觉	龋齿	口腔摄影	CNN	图像	435张来自儿童的口腔内图像	PyTorch, TensorFlow	ResNet-18, MobileNetV3-Small, EfficientNet-B0	灵敏度, 特异性, 平衡准确率, ROC-AUC, PR-AUC, 加权F1分数	NA
7886	2026-04-22	Artificial Intelligence Applications in Gastric Cancer Surgery: Bridging Early Diagnosis and Responsible Precision Medicine 2026-Mar-13, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062208 PMID:41899133	综述	本文是一篇关于人工智能在胃癌手术中应用的叙述性综述，涵盖了从早期诊断到围手术期风险预测等多个领域	系统性地将人工智能在胃癌手术中的应用归纳为五个主题领域，并整合了伦理与监管考量，为未来研究提供了结构化框架	证据主要基于小型、异质性数据集，缺乏充分的外部验证，且在数据隐私、算法可解释性和法律责任方面存在未解决的问题	综述人工智能在胃癌手术领域的最新应用、潜力与挑战，以促进其负责任地融入精准医疗	聚焦于胃癌手术过程，包括早期诊断、术中引导和围手术期管理	数字病理学	胃癌	AI辅助内窥镜检测、拉曼光谱、计算机视觉、深度学习	深度学习算法	医学图像、临床数据	NA	NA	NA	NA	NA
7887	2026-03-13	A novel multimodal framework integrating pathomics, deep learning, and machine learning for breast cancer histological grades classification 2026-Mar-12, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-026-01769-9 PMID:41814294	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7888	2026-04-22	AI-powered biomechanical modeling for ACL-reconstructed knees: predicting knee joint contact forces via computer vision and deep learning 2026-Mar-11, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-026-01939-2 PMID:41814442	研究论文	本研究开发并验证了一个结合计算机视觉和深度学习的非侵入式框架，用于预测前交叉韧带重建患者在日常活动中的膝关节接触力	将增强的肌肉骨骼模型与结合时空注意力的深度学习架构相结合，以提高跨多种运动任务的预测准确性，实现了从静态实验室分析到动态实时监测的范式转变	NA	开发并验证一个集成的、非侵入式的框架，用于准确预测前交叉韧带重建患者在日常活动中的膝关节接触力	29名前交叉韧带重建术后患者	计算机视觉, 机器学习	前交叉韧带损伤	肌肉骨骼建模, 运动捕捉	CNN, BiGRU, 自注意力机制	运动轨迹, 运动学数据	29名患者	NA	CNN-BiGRU-Attention	R²	NA
7889	2026-04-22	X-ViTCNN: A Novel Network-Level Fusion of Transfer Learning and Customized Vision Transformer for Multi-Stage Alzheimer's Disease Prediction Using MRI Scans 2026-Mar-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060835 PMID:41897568	研究论文	提出了一种名为X-ViTCNN的新型网络级融合框架，用于基于MRI扫描的多阶段阿尔茨海默病预测	将定制的Vision Transformer模型与两个预训练的CNN（DenseNet201和MobileNetV2）进行网络级融合，结合对比度增强预处理和贝叶斯优化超参数调优，并利用Grad-CAM提供模型可解释性	未明确提及研究的局限性	开发一种准确、快速且可解释的阿尔茨海默病多阶段预测方法	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI扫描	Vision Transformer, CNN	图像	ADNI和OASIS数据集（具体样本数量未明确说明）	未明确说明	定制的Vision Transformer, DenseNet201, MobileNetV2	准确率, 灵敏度, 特异性	未明确说明
7890	2026-04-22	Evaluating the Predictive Potential of an AI-Driven Deep Learning Model for Pneumonia-Associated Sepsis 2026-Mar-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062125 PMID:41899050	研究论文	本研究评估了一种AI驱动的深度学习模型在预测肺炎相关脓毒症方面的性能，该模型能提前四小时预测院内脓毒症	开发了一种深度学习模型，在肺炎患者中提前预测脓毒症，其性能显著优于传统的评分系统（如NEWS、MEWS、SOFA、qSOFA），并提供了中位183分钟的提前识别时间	研究为回顾性、单中心设计，需要进一步的前瞻性研究来验证其在实时临床应用中的有效性	评估AI模型在肺炎相关脓毒症早期检测中的预测潜力，以促进及时干预	通过胸部X光或CT识别的7715例肺炎病例	数字病理学	肺炎	深度学习	深度学习模型	医学影像数据（胸部X光或CT）	7715例肺炎病例	NA	NA	AUROC, 敏感性, 特异性, 提前时间	NA
7891	2026-04-22	Thyroid Nodule Detection and Classification on Small Datasets: An Ensemble Deep Learning Approach with Attention Mechanism and Focal Loss 2026-Mar-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060825 PMID:41897558	研究论文	本研究提出了一种结合YOLO检测与增强型ResNet18分类器的集成深度学习框架，用于解决小数据集和类别不平衡下的甲状腺结节超声图像检测与分类问题	在轻量级ResNet18架构中引入卷积块注意力模块增强特征提取，并综合采用焦点损失、加权随机采样、混合增强、余弦退火学习率调度与5折交叉验证集成策略，以应对小样本和类别不平衡的挑战	研究样本量有限（总522例），外部验证集仅36例且来自在线来源，可能影响模型的泛化能力评估	开发一种在小规模医学数据集上具有良好泛化能力的甲状腺结节计算机辅助诊断工具	甲状腺超声图像	计算机视觉	甲状腺结节	超声成像	CNN, YOLO	图像	522例患者超声图像（训练集467例，独立测试集41例，内部验证集14例），另加36例外部验证图像	PyTorch	ResNet18, YOLO	准确率, 灵敏度, 特异性	NA
7892	2026-04-22	Dual-Modal Deep Learning with In-Domain Training and Attention for Infant Brain Myelination Prediction 2026-Feb-18, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09750-5 PMID:41706372	研究论文	提出一种新颖的双模态深度学习框架，利用T1和T2加权MRI自动评估婴儿脑髓鞘成熟度	采用领域内训练的DenseNet121特征提取器，结合通道和多头注意力块增强特征优先级和空间上下文，并通过交叉注意力实现模态间有效信息交换	研究仅基于公开数据集，样本量相对有限，未在更广泛临床环境中验证	开发自动评估婴儿脑髓鞘成熟度的深度学习模型，以支持儿科神经影像诊断	婴儿脑髓鞘成熟过程	数字病理学	NA	MRI	CNN	图像	833个样本（训练集710个，测试集123个）	PyTorch, TensorFlow	DenseNet121	平均绝对误差, 皮尔逊相关系数, 决定系数, 一致性相关系数	NA
7893	2026-04-22	Small data, big challenges: Machine- and deep-learning strategies for data-limited drug discovery 2026-Feb, Advanced drug delivery reviews IF:15.2Q1 DOI:10.1016/j.addr.2025.115762 PMID:41421504	综述	本文综述了在数据有限的药物发现中，机器学习和深度学习面临的挑战及应对策略	聚焦于药物发现流程中的小数据问题，系统整合了传统ML方法和针对小数据优化的先进DL策略，填补了现有综述的空白	作为一篇综述文章，主要基于现有文献进行综合，未提出新的原创算法或实验验证	探讨在数据稀缺的药物发现与开发（DDD）流程中，如何应用和调整ML与DL方法以提高其实用性和可信度	药物发现与开发（DDD）流程中的关键任务及相关数据	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
7894	2026-04-21	Multi-timescale representation with adaptive routing for deep tabular learning under temporal shift 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108670 PMID:41638097	研究论文	本文提出了一种名为TARS的即插即用方法，用于在时间偏移下实现稳健的表格学习，通过多时间尺度表示和自适应路由机制提升深度模型的性能	首次将时间偏移视为多尺度异质动态过程，并设计了显式时间编码器、隐式漂移编码器、漂移感知路由机制和特征-时间融合层四个互补模块，以自适应地加权相关时间尺度	未明确讨论计算开销或模型在极端时间偏移场景下的泛化能力，实验仅限于TabReD基准中的八个数据集	提升深度表格学习模型在时间偏移下的稳健性和长期性能	随时间演变的表格数据集	机器学习	NA	NA	MLP, DCNv2	表格数据	NA	NA	NA	平均相对改进	NA
7895	2026-04-21	AW-EL-PINNs: A multi-task learning physics-informed neural network for Euler-Lagrange systems in optimal control problems 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108694 PMID:41687236	研究论文	本文提出了一种结合自适应加权欧拉-拉格朗日定理的物理信息神经网络（AW-EL-PINNs），用于解决最优控制问题中的欧拉-拉格朗日系统	通过创新性地将欧拉-拉格朗日定理与深度学习架构结合，建立了多任务学习范式，并引入自适应损失加权机制动态平衡训练中的损失函数组件	NA	解决最优控制问题中的欧拉-拉格朗日系统	欧拉-拉格朗日系统在最优控制问题中的应用	机器学习	NA	NA	物理信息神经网络（PINNs）	数值模拟数据	基于五个数值示例	NA	物理信息神经网络（PINNs）	解决方案准确性、稳定性	NA
7896	2026-04-21	MS-STFNN: A multi-scale spatio-temporal fusion neural network for fMRI-based depression diagnosis 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108685 PMID:41689977	研究论文	本研究提出了一种用于fMRI抑郁症诊断的多尺度时空融合神经网络，通过融合多粒度空间特征和多分辨率时间表征，实现了对不同抑郁症亚型的有效分类	提出了一种新颖的多尺度时空融合神经网络，首次同时整合了从局部到全局的多粒度空间特征、动态功能连接和原始fMRI序列的多分辨率时间表征，并通过多尺度特征融合实现分类	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算复杂度可能较高	开发一种基于fMRI的客观神经影像诊断方法，用于抑郁症的亚型分类	重度抑郁症患者的功能磁共振成像数据	数字病理学	抑郁症	功能磁共振成像	神经网络	功能磁共振成像序列	NA	NA	多尺度时空融合神经网络	分类准确率	NA
7897	2026-04-21	L2G-Net: Local-to-global feature enhancement via cluster tokens for 3D place recognition 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108700 PMID:41691827	研究论文	提出了一种名为L2G-Net的新型网络，通过聚类令牌实现从局部到全局的特征增强，用于3D点云地点识别	设计了三个新模块：点特征增强模块补偿体素特征丢失的细粒度信息；聚类令牌Mamba模块通过状态空间模型高效捕获点云上下文信息；聚类令牌交叉注意力模块通过聚类令牌将局部特征一致性信息传递至全局描述符	NA	提升GPS拒止环境下基于3D点云的地点识别性能，以支持长期SLAM和自主定位	3D点云数据	计算机视觉	NA	深度学习	神经网络	3D点云	多个公开3D点云地点识别数据集	NA	L2G-Net（包含PFE、CTM、CTCA模块）	地点识别性能	NA
7898	2026-04-21	InfoCAM: An information-weighted class activation mapping for explaining visual neural networks 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108757 PMID:41747326	研究论文	本文提出了一种名为InfoCAM的信息加权类激活映射方法，用于解释视觉神经网络的决策过程	提出了一种新的信息加权类激活映射框架，通过构建双流信息瓶颈模块，将中间特征激活显式分解为判别性特征流和任务无关噪声流，从而生成可靠的视觉解释	NA	增强视觉神经网络决策过程的透明度，提供可靠的视觉解释	视觉神经网络	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	平均下降, 平均增加	NA
7899	2026-04-21	Enhancing progressive ensemble learning via normalized extra-Gradient initialization 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108733 PMID:41747330	研究论文	本文提出了一种名为归一化额外梯度初始化的新方法，用于提升渐进集成学习的效率和稳定性	将渐进集成学习形式化为函数优化问题，并基于此理论框架提出归一化额外梯度初始化方法，提供了收敛保证和稳定性边缘分析的理论见解	未明确说明方法在超大规模模型或不同领域数据集上的泛化能力	提升渐进集成学习的训练效率和稳定性	深度学习模型，特别是渐进集成学习中的模型集合	机器学习	NA	渐进训练，集成学习	集成模型，Vision Transformer	合成数据，图像数据	使用ImageNet-200和ImageNet-1K数据集	NA	Vision Transformer	NA	NA
7900	2026-04-21	Edge-updating graph neural networks for modeling feature interactions in tabular data 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108724 PMID:41722299	研究论文	本文提出了一种基于图同构网络的消息传递图神经网络，用于在表格数据中建模特征交互	提出了一种基于GIN的GNN架构，通过神经网络学习边属性，并利用节点和边的残差连接来缓解GNN中常见的过平滑问题	NA	开发一种图神经网络模型，以有效建模表格数据中的特征交互并提升分类性能	表格数据	机器学习	NA	NA	图神经网络	表格数据	12个公开可用数据集	NA	图同构网络	NA	NA