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
8401	2026-04-04	Biologically informed dual deep learning for skeletal maturity prediction in pediatrics 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1774498 PMID:41929406	研究论文	本文提出了一种基于生物学信息的双深度学习框架，用于儿科骨骼成熟度预测	结合生物学先验知识与双神经网络架构，通过整合已发表的生理数据来概念性地支持骨龄预测，相比传统AI模型能提高训练稳定性、减少预测变异性并更好地对齐正常生长轨迹	仅基于模拟和概念分析，未收集新的人类或动物数据，未来需在真实世界影像数据集上验证并评估其临床集成	开发一种准确、可解释且高效的骨龄估计方法，以改进临床诊断、法医评估和生长研究	儿科骨骼成熟度预测，基于公开可用的放射影像数据集	计算机视觉	NA	深度学习	双神经网络	放射影像	NA	NA	NA	NA	NA
8402	2026-04-04	Deep learning based approach for Behavior classification in diagnoses of Autism Spectrum Disorder using naturalistic videos 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1626315 PMID:41929585	研究论文	本研究提出一种基于深度学习的模型，利用自然主义视频对自闭症谱系障碍（ASD）中的行为进行分类，以辅助诊断	提出了一种结合CNN和GRU的深度学习模型，用于从非结构化日常活动视频中提取时空特征，以分类自闭症相关行为，并在公开数据集上表现出优于其他模型的性能	研究依赖于公开数据集，可能未涵盖所有自闭症行为类型；模型在真实世界未控制视频中的泛化能力需进一步验证	开发一种基于视频行为分析的自动化工具，以辅助自闭症谱系障碍的快速、准确筛查	自闭症谱系障碍儿童在非结构化日常活动中的行为视频	计算机视觉	自闭症谱系障碍	视频行为分析	CNN, GRU, LSTM	视频	使用公开的多类自我刺激行为数据集（SSBD），具体样本数量未在摘要中明确说明	NA	CNN-GRU, 3D-CNN + LSTM, MobileNet, VGG16, EfficientNet-B7	准确率	NA
8403	2026-04-04	Towards practical application of deep learning in diagnosis of Alzheimer's disease 2026 Jan-Dec, Journal of Alzheimer's disease reports DOI:10.1177/25424823261415808 PMID:41929976	研究论文	本研究探索了深度学习模型在阿尔茨海默病不同阶段诊断中的实际应用	设计了全脑3D版本的知名2D CNN架构，并用于多阶段AD诊断，同时通过模型集成提升了性能	计算复杂度高、训练时间长、标记数据集有限，因此全脑3D CNN不常用，许多研究依赖2D变体	探索深度学习在阿尔茨海默病诊断中的实际应用，以改进疾病治疗和预防	阿尔茨海默病患者在不同疾病阶段的脑部数据	计算机视觉	阿尔茨海默病	NA	CNN	图像	超过1500个全脑体积数据用于模型训练和评估	NA	3D CNN	分类准确率	NA
8404	2026-04-04	Urological diagnostics based on kidney stone detection in CT imaging using YOLOv8 deep learning framework 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1702159 PMID:41930103	研究论文	本研究评估了四种深度学习目标检测模型在CT图像中自动检测肾结石的性能	首次在肾结石CT检测中系统比较了YOLOv8、YOLOv5、Faster R-CNN和RetinaNet四种模型，并强调了YOLOv8在准确性与实时性之间的最佳平衡	研究仅基于4,000张标注CT切片和170名患者的数据集，可能需要进行更大规模和多中心的验证	评估深度学习目标检测模型在CT图像中自动检测肾结石的性能，以辅助泌尿科诊断	肾结石	计算机视觉	肾结石病	非对比计算机断层扫描（CT）	目标检测模型	CT图像	170名患者的4,000张标注CT切片	PyTorch	YOLOv8, YOLOv5, Faster R-CNN, RetinaNet	mAP@0.5, 精确率, 召回率, 假阳性率, 假阴性率, 推理速度	NA
8405	2026-04-04	Classification of pediatric dental diseases from panoramic radiographs using natural language transformer and deep learning models 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1754498 PMID:41930217	研究论文	本研究提出了一种基于文本驱动的框架，利用自然语言Transformer从全景X光片生成结构化文本描述，并通过深度学习模型进行儿科牙科疾病的分类	首次将自然语言Transformer应用于全景X光片生成文本描述，并比较文本驱动与图像驱动深度学习模型在儿科牙科疾病分类中的性能	模型在不同疾病类型间的泛化能力存在不一致性，需要更大、更多样化的数据集来验证临床适用性	探索文本驱动方法作为传统图像驱动深度学习替代方案，用于儿科牙科疾病的准确分类	儿科牙科疾病的全景X光片	自然语言处理,计算机视觉	儿科牙科疾病	全景X光成像	1D-CNN, LSTM, BERT, CNN	图像,文本	未明确说明	未明确说明	1D-CNN, LSTM, BERT, 预训练CNN	准确率,敏感性	未明确说明
8406	2026-04-04	Mamba-enhanced codebook learning with anatomical constraints for liver and tumor segmentation in 3D CT volumes 2026, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2026.1708094 PMID:41930224	研究论文	提出一种用于3D CT图像中肝脏和肿瘤分割的端到端分层网络，集成了多尺度上下文建模、全局关系学习和结构化特征表示	首次将新兴的Mamba架构引入3D医学图像分割，用于建模跨切片的远程依赖关系；提出可学习的码书模块量化高维特征为语义原型；结合解剖学先验知识（肿瘤必须位于肝脏内）通过包含损失函数显式正则化分割输出	仅在公开的LiTS数据集上进行验证，需要更多外部数据集验证泛化能力；未讨论计算效率与实时性；解剖学约束仅考虑了空间包含关系，可能忽略其他解剖学先验	提高3D CT图像中肝脏和肿瘤分割的准确性和可靠性，以辅助临床诊断和治疗规划	3D CT扫描图像中的肝脏及其肿瘤	数字病理学	肝癌	CT扫描	深度学习网络	3D CT图像	使用公开LiTS数据集（具体样本数量未在摘要中说明）	NA	分层网络，包含多尺度纹理编码器、基于Mamba架构的全局关系表示模块、可学习码书模块	Dice分数，体积重叠误差（VOE），边界度量（ASD，95HD）	NA
8407	2026-04-04	Next-generation viral detection through AI-enhanced nanotechnology: advances, challenges, and future directions 2026, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2026.1750124 PMID:41930247	综述	本文综述了人工智能与纳米技术结合在病毒检测中的最新进展、挑战及未来方向	探讨AI与纳米技术协同作用，实现实时病毒预测、监测和管理，提升检测系统的灵敏度和个性化	仍需大量临床验证和监管成熟，面临数据隐私、算法偏见和监管障碍等挑战	探索AI与纳米技术集成作为变革性方法，用于病毒检测和公共卫生响应	病毒检测系统，包括病毒突变识别、爆发轨迹预测和复杂病毒学数据分析	机器学习	NA	纳米传感器、纳米颗粒诊断、芯片实验室设备	机器学习, 深度学习	复杂病毒学数据	NA	NA	NA	NA	NA
8408	2026-04-01	Machine learning models enhance detection of arrhythmogenic right ventricular cardiomyopathy 2026-Jun-30, Machine learning. Health DOI:10.1088/3049-477X/ae451a PMID:41884351	研究论文	本研究旨在通过机器学习模型提升致心律失常性右心室心肌病的检测能力，并探索其在诊断路径中的角色	首次系统比较了八种机器学习模型在ARVC检测中的性能，并提出了一个基于梯度提升树的分层诊断策略，包括仅使用心电图的早期分诊模型和多模态确认模型	研究基于单一机构的注册数据，可能存在选择偏倚，且需要在前瞻性外部临床环境中进一步验证	识别最优的机器学习策略以增强致心律失常性右心室心肌病的检测，并定义其在诊断路径中的作用	来自约翰霍普金斯ARVC注册库的688名患者	机器学习	心血管疾病	临床评估、心电图、影像学、遗传学变量分析	梯度提升树, 随机森林, 决策树, TabNet	结构化临床数据	688名患者	NA	梯度提升树, 随机森林, 决策树, TabNet	AUC, 准确率, 灵敏度, 特异性	NA
8409	2026-04-01	Cross-validation strategies under data dependency: An example with anemia prediction in sheep using ocular conjunctiva images 2026-Jun, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2026.106843 PMID:41797013	研究论文	本文评估了三种交叉验证策略在绵羊贫血预测任务中的表现，以探究数据依赖性对深度学习模型性能评估的影响	首次在畜牧业计算机视觉应用中系统比较了随机划分、基于动物个体划分和基于农场划分三种交叉验证策略对模型泛化能力评估的影响	研究仅基于三个农场的有限样本，且仅使用VGG19单一模型架构，可能无法完全代表所有畜牧业应用场景	评估不同交叉验证策略在数据依赖条件下对深度学习模型性能评估的影响，为畜牧业健康监测模型开发提供验证方法指导	绵羊贫血状态预测	计算机视觉	贫血	智能手机图像采集	CNN	图像	来自3个农场186只动物的1176张图像	NA	U-Net, VGG19	准确率, 精确率, 召回率, F1分数, 特异性	NA
8410	2026-04-01	Utility of augmented reality in endoscopic surgery for stones: European Association of Urology endourology up-to-date review 2026-May-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001378 PMID:41823304	综述	本文回顾了增强现实技术在泌尿系结石内镜手术中的发展历程、当前应用趋势及其临床益处	系统梳理了增强现实从可视化工具向融合超声/CT与深度学习、主动优化手术精度与安全性的智能系统演进，并强调了其在逆行手术中作为认知与导航平台的新兴角色	NA	确定增强现实技术在泌尿内镜手术中的发展时间线及其在当前临床实践中的趋势	增强现实技术在经皮肾镜取石术、输尿管镜术及逆行肾内手术中的应用	数字病理	前列腺癌	超声/CT融合，深度学习	NA	医学影像（如超声、CT）	NA	NA	NA	穿刺时间减少，并发症发生率降低	NA
8411	2026-04-01	Deep learning of wrist accelerometry from UK Biobank data identifies early movement signatures of knee osteoarthritis up to 5 years before diagnosis 2026-Apr, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70332 PMID:41700483	研究论文	本研究利用英国生物银行数据，通过深度学习分析手腕加速度计数据，旨在识别膝骨关节炎（KOA）的早期运动特征，可在诊断前长达5年预测风险	首次将手腕加速度计数据与深度学习结合，用于识别膝骨关节炎的早期运动特征，并能在诊断前长达5年预测风险，突出了可穿戴设备在人群筛查中的潜力	研究为回顾性病例对照设计，属于二级分析而非前瞻性设计的预后试验；模型性能中等，区分前驱期与确诊KOA的能力接近随机水平	测试手腕加速度计数据结合深度学习是否能区分健康个体与膝骨关节炎患者、分离前驱期与确诊KOA，并预测未来5年内被诊断为KOA的个体	英国生物银行参与者，包括健康个体、膝骨关节炎患者（前驱期和确诊期），基于ICD-10代码识别，并控制BMI、年龄和性别等因素	机器学习	膝骨关节炎	手腕加速度计监测	CNN	加速度计时间序列数据	总参与者102,120人，其中KOA患者7,262人；具体任务中平衡队列样本量分别为3,677、1,596 vs. 2,081、1,369每类	NA	1D卷积神经网络	准确率, 宏F1分数, 宏灵敏度, AUC	NA
8412	2026-04-01	Head radiotherapy positioning guidance system based on feature recognition and automatic annotation: Clinical validation and error analysis 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70405 PMID:41904706	研究论文	本研究开发了一种基于RGB-D相机和深度学习算法的放疗定位引导系统，用于头颈部肿瘤放疗的精准定位	将DeepLab-Opt和FFMD算法整合到放疗工作流中，实现基于表面轮廓和面部标志点的粗-精两级定位，并通过实时反馈系统提高定位精度	研究样本量较小（22例患者），且仅针对头颈部肿瘤进行验证，未涉及其他部位肿瘤	探索基于特征识别和自动标注的放疗定位引导系统的可行性，并分析其在头颈部放疗中的定位误差	头颈部肿瘤患者	计算机视觉	头颈部肿瘤	RGB-D成像，深度学习算法	CNN	彩色图像，深度图像	22例头颈部肿瘤患者，共246次定位案例	NA	DeepLab-Opt, Fast Face Marker Detector (FFMD)	定位误差（横向、纵向、垂直方向及旋转角度），定位时间	NA
8413	2026-04-01	Interpreting the Effects of Environmental Variables on a Multistep Deep Learning Model for Algal Bloom Prediction Using Explainable Artificial Intelligence 2026-Apr, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70339 PMID:41911833	研究论文	本研究开发了一个序列到序列深度学习模型来预测叶绿素a浓度，并应用可解释人工智能方法分析环境变量对模型性能的影响	首次将可解释人工智能方法应用于藻华预测的深度学习模型，定量解释不同预测时间步长下环境变量的影响	模型在长期预测（如28天）时性能显著下降，NSE从0.908降至0.255	开发并评估用于藻华预测的深度学习模型，并分析环境变量对预测性能的影响	叶绿素a浓度（作为藻华的定量指标）	机器学习	NA	深度学习建模，可解释人工智能分析	Seq2Seq	时间序列数据	NA	NA	序列到序列模型	Nash-Sutcliffe效率	NA
8414	2026-04-01	Global Sensitivity Analysis for Robust XAI: Quantifying Clinical Risk and Prediction Instability in Dermoscopic Image Classification 2026-Apr, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70237 PMID:41913512	研究论文	本文提出并利用全局敏感性分析来量化卷积神经网络在皮肤镜图像分类中对关键光学图像参数的鲁棒性，以评估模型在临床环境中的诊断风险	将全局敏感性分析应用于深度学习模型，以量化其在皮肤镜图像分类中对光学参数变化的敏感性和诊断风险，超越了传统准确性评估	仅考虑了五种光学图像参数，可能未涵盖所有影响模型稳定性的临床变量	评估深度学习模型在皮肤镜图像分类中的鲁棒性，量化其诊断风险，以支持AI诊断系统的临床安全部署	皮肤镜图像分类模型	计算机视觉	皮肤癌	NA	CNN	图像	NA	NA	NA	准确性	NA
8415	2026-04-01	Deep Learning-Enhanced Resonance Frequency Analysis for Dental Implant Stability Assessment 2026-Apr, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70342 PMID:41914428	研究论文	本研究开发并评估了一种深度学习增强的共振频率分析框架，用于提高牙科植入物稳定性评估的准确性和信号质量	提出了一种结合去噪卷积神经网络和元数据感知预测网络的深度学习增强RFA框架，显著提升了信号质量和ISQ预测精度	目前仅作为概念验证，需进行多中心前瞻性验证，纳入真实世界噪声分析和临床结果评估，才能投入临床应用	开发并评估一种深度学习增强的共振频率分析框架，以提高牙科植入物稳定性评估的准确性和信号质量	牙科植入物的共振频率分析信号	数字病理	NA	共振频率分析	CNN	信号	100个植入物（300个信号样本，每个植入物采集三次）	NA	去噪卷积神经网络，元数据感知预测网络	MAE, RMSE, R2, 容忍精度（±3 ISQ单位内）	NA
8416	2026-04-01	Fluorescence Machine Vision-Based Rapid Quantitative Characterization of Microplastics 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00407 PMID:41830590	研究论文	本研究开发了一种基于荧光显微成像和YOLO v11深度学习模型的微塑料快速定量检测方法，并构建了名为FluoPlastVision的商业化AI辅助检测平台	采用香豆素6（C6）进行稳定广谱染色获得高质量图像数据，并在YOLO v11模型中引入轻量级注意力机制以增强模型鲁棒性和准确性	未明确说明模型在复杂环境样本或不同染色条件下的泛化能力，也未提供与其他先进方法的直接对比数据	开发一种快速、低成本、高精度的微塑料定量检测技术	经香豆素6染色的微塑料荧光显微图像	计算机视觉	NA	荧光显微成像	CNN	图像	NA	NA	YOLO v11	NA	NA
8417	2026-04-01	Novel Deep-Learning Unsupervised Domain Adaptation Method for Mitigating Batch, Strain, and Instrument Variations to Enhance Raman Spectroscopy-Based Bacterial Pathogen Identification 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07113 PMID:41842761	研究论文	本文提出了一种名为Raman Spectral Classification Discrepancy Model (RSCDM)的新型无监督域适应方法，旨在通过对抗性特征对齐来减轻拉曼光谱中由仪器、批次和菌株差异引起的域偏移，从而增强基于拉曼光谱的细菌病原体识别	提出了一种利用任务特定分类器之间的输出差异动态识别远离源域特征分布的目标样本的新型域适应框架，不同于依赖固定域假设的传统方法，实现了任务驱动的域对齐	NA	增强基于拉曼光谱的细菌病原体识别的鲁棒性，以应对仪器异质性、批次变异性和菌株多样性带来的挑战	七种细菌物种的拉曼光谱数据，包括商业光谱仪和自制光谱仪采集的临床分离株	机器学习	细菌感染	拉曼光谱	深度学习	光谱数据	七种细菌物种的多个批次和菌株样本，以及六种临床分离株	NA	Raman Spectral Classification Discrepancy Model (RSCDM)	分类准确率	NA
8418	2026-04-01	A deep learning approach for analyzing brainwave signals during audio meditation in expectant mothers: variational mode decomposition with a CNN-BiLSTM model 2026-Mar-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae55a8 PMID:41871464	研究论文	本研究提出了一种基于EEG信号和深度学习的方法，用于分析孕妇在音频冥想期间的大脑活动变化	结合变分模态分解与CNN-BiLSTM混合模型，首次针对孕妇短期音频冥想的神经效应进行客观量化分析	研究样本量有限，且仅针对特定类型的音频冥想，未考虑个体差异和长期效应	客观评估孕妇在短期音频冥想期间的神经活动变化，为产前护理提供科学依据	孕妇的脑电图信号	机器学习	NA	脑电图	CNN, BiLSTM	脑电图信号	未明确指定样本数量，但涉及孕妇在不同心理状态下的EEG数据	未明确指定，但可能基于TensorFlow或PyTorch	VMD-CNN-BiLSTM混合架构	准确率, 损失值	NA
8419	2026-04-01	Neurosurgical Application of Artificial Intelligence in Pediatric Neuro-Oncology 2026-Mar-31, Journal of Korean Neurosurgical Society IF:1.4Q3 DOI:10.3340/jkns.2026.0085 PMID:41913971	综述	本文综述了人工智能在儿童神经肿瘤学围手术期的应用，包括术前分子分型、术中快速诊断和术后预后评估	系统性地阐述了AI在儿童神经肿瘤围手术期全流程的整合应用，并探讨了如何通过AI解决该领域因疾病多样性带来的临床挑战	数据稀缺性和算法的“黑箱”特性仍然是主要限制	探讨人工智能如何解决儿童神经肿瘤学围手术期未满足的临床需求	儿童中枢神经系统肿瘤	数字病理学	儿童神经肿瘤	Oxford Nanopore测序，刺激拉曼组织学	神经网络分类器，深度学习模型	影像，基因组数据，临床数据	NA	NA	NA	NA	NA
8420	2026-04-01	Hypoxia-related and immune phenotype-related fusion model for non-invasive prognostication of hepatocellular carcinoma treated by TACE: a multicentre study 2026-Mar-30, Gut IF:23.0Q1 DOI:10.1136/gutjnl-2025-337938 PMID:41856522	研究论文	本研究开发并验证了一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果	结合深度学习和传统影像组学，构建早期和晚期融合模型，并通过整合临床变量形成临床-影像学模型，实现更精细的风险分层	研究依赖于回顾性数据，且模型在外部验证中的泛化能力仍需进一步确认	开发并验证一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果	肝细胞癌患者	数字病理学	肝细胞癌	单细胞RNA测序，对比增强CT成像	深度学习，传统影像组学	图像，转录组数据	1448名肝细胞癌患者（包括TACE队列1349人，随机试验生物标志物子集41人，单细胞RNA测序队列和TCGA肝细胞癌队列50人）	NA	早期融合模型，晚期融合模型	生存分层，风险分层	NA