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
1181	2026-03-31	A dual-branch deep learning framework for tiered early warning of COVID-19 utilizing wastewater data 2026-Mar, Journal of water and health IF:2.5Q3 DOI:10.2166/wh.2026.150 PMID:41910053	研究论文	本研究提出了一种基于废水数据和环境协变量的双分支深度学习框架，用于COVID-19的分级早期预警	结合废水数据和环境协变量，利用FFT和双分支深度学习架构进行病例轨迹预测和分级预警，提高了预警的准确性和及时性	需要在不同地点和流行病模式中进行验证和适应，以建立模型的鲁棒性、泛化性和操作价值	开发一个可靠的COVID-19早期预警系统，支持主动的公共卫生响应	中国常州地区的废水、气象和病例数据	机器学习	COVID-19	废水监测	深度学习	时间序列数据	2024年1月29日至12月10日的周度数据	NA	双分支架构	RMSE, MAE, MAPE, R2	NA
1182	2026-03-31	Robust Cell-Level Classification for Liquid-Based Cervical Cytology Using Deep Transfer Learning: A Multi-Source Study Addressing Scanner-Induced Domain Shifts 2026-Feb-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030289 PMID:41899820	研究论文	本文提出了一种基于深度迁移学习的鲁棒细胞级分类框架，用于液体基宫颈细胞学分析，旨在解决扫描仪引起的域偏移问题	通过整合多个公共和私有数据源构建多源数据集，并系统评估不同CNN骨干网络在异质采集条件下的鲁棒性，展示了结合多样化数据源可减轻域偏移	研究仅关注细胞级分类，临床可操作的筛查需要基于整个玻片的聚合（如基于多实例学习的WSI推理），这留待未来工作集成	开发一个鲁棒的细胞级分类框架，以应对液体基宫颈细胞学分析中由扫描仪和实验室引起的域偏移	液体基宫颈细胞学样本中的细胞	数字病理学	宫颈癌	数字显微镜	CNN	图像	整合了三个公共参考库（SIPaKMeD, Herlev, CRIC Cervix）和一个包含416张全玻片图像的私有队列，这些图像来自两个医疗中心并使用不同扫描系统数字化	NA	ResNet50, EfficientNetB0, VGG16	准确率, 宏F1分数	NA
1183	2026-03-31	Quantification of Craniofacial Growth Pattern Based on Deep Learning 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030277 PMID:41899807	研究论文	本研究开发了一个基于深度学习的端到端框架，用于分析大规模侧位头颅X光片，以可视化和量化颅面骨骼的时空生长动态和性别二态性	提出了一个不依赖人工标注的端到端深度学习框架，能够自主提取与连续年龄区间相关的动态成像特征；引入了两种新的定量指标（年龄相关显著性指数ASI和性别相关显著性指数SSI）来评估关键颅面区域的发育和二态性特征的重要性	研究仅基于侧位头颅X光片，可能未完全捕捉三维形态的复杂性；数据集虽然庞大，但可能未涵盖所有种族或特定病理状况的个体	开发一种客观、全面的方法来量化颅面生长模式，克服传统方法的主观性和简化问题	41,625名4-18岁个体的侧位头颅X光片	计算机视觉	NA	侧位头颅X光摄影	深度学习	图像	41,625名个体	NA	NA	年龄相关显著性指数 (ASI), 性别相关显著性指数 (SSI)	NA
1184	2026-03-31	MedScanGAN: Synthetic PET & CT Scan Generation Using Conditional Generative Adversarial Networks for Medical AI Data Augmentation 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030281 PMID:41899812	研究论文	本研究提出了一种名为MedScanGAN的条件生成对抗网络，用于生成高保真的合成PET和CT图像，以解决医学AI中的数据稀缺问题，并提升非小细胞肺癌的诊断性能	提出了一种专门针对孤立性肺结节PET和CT图像合成的条件生成对抗网络，结合了残差块、谱归一化和稳定训练策略，能够生成足以误导医疗专业人员的逼真图像，并证明合成数据能显著提升现有深度学习模型的分类性能	未明确说明合成图像与真实图像的定量差异评估细节，也未提及模型在不同医疗机构或扫描仪数据上的泛化能力	解决医学AI中数据稀缺和类别不平衡问题，提升非小细胞肺癌的计算机辅助诊断系统性能	非小细胞肺癌患者的正电子发射断层扫描和计算机断层扫描图像，特别是孤立性肺结节	计算机视觉	肺癌	PET, CT	GAN	图像	NA	NA	条件生成对抗网络, YOLOv8, VGG-16, ResNet, MobileNet	准确率	NA
1185	2026-03-31	Cross-Modality Transfer Learning from PSG to FMCW Radar for Event-Level Apnea-Hypopnea Segmentation 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030283 PMID:41899814	研究论文	本研究提出了一种结合1D U-Net、多头自注意力和跨模态迁移学习的深度学习框架，用于从FMCW雷达信号中检测睡眠呼吸暂停-低通气事件	提出了一种从PSG到FMCW雷达的跨模态迁移学习框架，利用大型PSG数据集预训练模型以学习可迁移的呼吸事件表征，然后在较小的雷达数据集上进行微调，实现了非接触式、低成本的睡眠呼吸暂停筛查	模型在较小的临床标注雷达数据集上进行微调，可能受到数据稀缺性的限制；相对于PSG信号存在明显的域偏移问题	开发一种基于FMCW雷达的准确、低成本、非接触式睡眠呼吸暂停筛查方法，支持在家庭环境中进行可扩展的纵向监测	睡眠呼吸暂停-低通气综合征（SAHS）患者	机器学习	睡眠呼吸暂停-低通气综合征	频率调制连续波（FMCW）雷达传感	CNN, Transformer	雷达呼吸信号，PSG信号	使用大型公共PSG数据集进行预训练，并在较小的临床标注雷达呼吸数据集上进行微调	NA	1D U-Net	精确度，召回率，F1分数	NA
1186	2026-03-31	Time-Frequency Respiratory Impedance Maps Enable Within-Breath Deep Learning for Small Airway Dysfunction Identification 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030280 PMID:41899810	研究论文	本研究提出了一种基于脉冲振荡法（IOS）的双域互补深度学习框架，利用呼吸周期内的阻抗动态变化来识别小气道功能障碍（SAD）	提出了时频呼吸阻抗图（TFRIM）来捕捉呼吸周期内的阻抗动态，并设计了一种双流架构联合学习TFRIM和原始时序信号的互补特征，同时引入了人口统计学驱动的自适应特征调制模块以减轻受试者间基线变异性	需要进一步的外部验证才能应用于筛查部署	开发一种基于IOS的深度学习框架，用于识别小气道功能障碍（SAD）	小气道功能障碍（SAD）患者	机器学习	慢性气道疾病	脉冲振荡法（IOS）	深度学习	时间序列信号，时频图	2510名受试者	NA	双流架构	准确率	NA
1187	2026-03-31	FISH-Dist: An Automated Pipeline for 3D Genomic Spatial Distance Quantification in FISH Imaging 2026-Feb-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030268 PMID:41899799	研究论文	本文介绍了一种名为FISH-Dist的自动化计算流程，用于在标准共聚焦显微镜获取的3D荧光原位杂交实验中定量测量空间距离	FISH-Dist结合了深度学习斑点分割、3D高斯拟合和两种互补的色差校正方法，专门针对短基因组距离下的标准共聚焦成像技术挑战，显著减少了通道间距离测量误差	该方法主要针对标准共聚焦显微镜成像，可能不适用于超分辨率显微镜或长程染色体相互作用分析	开发自动化流程以准确量化3D FISH成像中的基因组空间距离，解决色差引起的测量偏差	荧光原位杂交实验中的荧光信号空间距离	数字病理学	NA	荧光原位杂交，共聚焦显微镜成像	深度学习	3D显微镜图像	NA	NA	NA	亚像素精度，距离测量误差	NA
1188	2026-03-31	Artificial Intelligence in the Diagnosis and Prognostic Stratification of Hepatocellular Carcinoma: Current Evidence, Clinical Applications, and Future Perspectives 2026-Feb-25, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14030505 PMID:41898151	综述	本文综述了人工智能（AI）在肝细胞癌（HCC）诊断、预后分层和临床管理中的应用、当前证据及未来展望	探讨了AI在HCC诊疗中的新兴应用，包括通过影像学预测微血管侵犯、基因突变状态和肿瘤复发，以及辅助个体化治疗规划	AI的广泛应用面临挑战，包括泛化能力有限、患者隐私保护、伦理问题以及需要前瞻性验证	评估AI在肝细胞癌诊断、预后分层和治疗管理中的应用与前景	肝细胞癌（HCC）患者	数字病理学	肝细胞癌	超声、计算机断层扫描（CT）、磁共振成像（MRI）、正电子发射断层扫描（PET）	卷积神经网络（CNN）	影像数据	NA	NA	卷积神经网络（CNN）	NA	NA
1189	2026-03-31	Improving Tree-Based Lung Disease Classification from Chest X-Ray Images Using Deep Feature Representations 2026-Feb-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030267 PMID:41899797	研究论文	本研究提出了一种结合CNN和树模型的混合框架，用于从胸部X光图像中自动分类多种肺部疾病	提出了一种混合CNN-树框架，通过使用预训练的ResNet-18提取深度特征，并结合PCA降维和SMOTE处理类别不平衡，最后用可解释的树模型进行分类，在保持高精度的同时降低了计算复杂度和提高了可解释性	研究使用了公开数据集，可能无法完全代表所有临床环境的真实情况；模型性能可能受到数据集合并引入的异质性影响	开发一种计算效率高、可解释性强且适用于资源受限临床环境的自动化肺部疾病分类方法	胸部X光图像	计算机视觉	肺癌	胸部X光成像	CNN, 决策树, 随机森林, XGBoost	图像	来自四个公开数据集的合并数据，包含五类样本（COVID-19、肺炎、结核病、肺癌、正常）	PyTorch（推断，因使用ResNet），Scikit-learn（推断，因使用PCA和树模型）	ResNet-18	加权F1分数	未明确指定，但提及框架支持节能和可扩展部署，暗示对计算资源要求较低
1190	2026-03-31	A Physics-Informed Hybrid Neural Network for High-Precision Temperature Prediction in Semiconductor Process Equipment 2026-Feb-25, Micromachines IF:3.0Q2 DOI:10.3390/mi17030287 PMID:41900173	研究论文	本文提出了一种结合物理模型与深度学习的混合神经网络，用于半导体工艺设备的高精度温度预测	通过频率域分析将温度波动衰减器置于加热器上游以过滤中高频扰动，并开发了基于残差学习的Physics-CNN-LSTM预测器来补偿未建模动态	未明确说明模型在极端高频扰动或不同设备配置下的泛化能力	实现半导体工艺设备的高精度热控制，通过前馈补偿提高温度稳定性	半导体工艺设备中的温度控制系统	机器学习	NA	频率域分析，深度学习建模	CNN, LSTM	工业数据	NA	NA	Physics-CNN-LSTM	均方根误差, R2	NA
1191	2026-02-16	Clinically applicable deep learning model for segmentation of the mandibular bone and inferior alveolar canal in CBCT cross-sectional images 2026-Feb-14, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07840-7 PMID:41691250	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1192	2026-03-31	Predicting disease-specific histone modifications and functional effects of non-coding variants by leveraging DNA language models 2026-Feb-14, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04003-3 PMID:41691336	研究论文	本文开发了一种基于大型语言模型的深度学习框架，用于疾病特异性组蛋白修饰预测及非编码变异功能效应分析，并以阿尔茨海默病为例进行验证	提出了一种结合疾病特异性表观遗传数据的语言模型框架，并引入混合专家架构以区分疾病与健康状态，显著提升了组蛋白修饰预测的准确性	研究目前仅聚焦于阿尔茨海默病，尚未扩展到其他复杂疾病；模型性能依赖于特定疾病数据集的构建	开发一种能够精准预测疾病特异性组蛋白修饰并解释非编码变异功能效应的计算方法	阿尔茨海默病相关的组蛋白修饰及非编码遗传变异	自然语言处理	阿尔茨海默病	表观基因组学数据分析	大型语言模型	表观基因组数据	多个患者样本	NA	混合专家架构	NA	NA
1193	2026-03-31	Performance of machine learning algorithms in diffusion tensor imaging of movement disorders: an exploratory meta-analysis 2026-Feb-07, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01528-3 PMID:41654900	荟萃分析	本文通过探索性荟萃分析，评估了机器学习算法在运动障碍扩散张量成像中的性能趋势、方法学多样性及变异性来源	首次对机器学习应用于运动障碍DTI诊断的分类研究进行探索性荟萃分析，重点描述性能分布和方法学模式，而非推断单一合并诊断效应	研究间存在极高的异质性（I²=94.7%），样本量小且多为单中心队列，限制了外部效度和确证性推断	表征基于DTI数据的机器学习模型在运动障碍分类中的性能趋势、方法学多样性及变异性来源	帕金森病、图雷特综合征、特发性震颤等运动障碍患者	机器学习	运动障碍	扩散张量成像	深度学习, 基于影像组学的模型	影像数据	46项研究（2016-2024年），涉及样本量多为小规模单中心队列（如37-139名参与者）	NA	NA	准确率, 灵敏度, 特异性, 曲线下面积	NA
1194	2026-03-31	Artificial Intelligence in Orthopaedic Research: A Technical Report on Opportunities and Pitfalls 2026-Feb, Cureus DOI:10.7759/cureus.104159 PMID:41909280	技术报告	本文是一篇关于人工智能在骨科研究中应用与挑战的技术报告	系统综述了过去五年PubMed索引研究中AI在骨科研究中的新兴应用，并特别指出了生成式AI在科学写作中带来的原创性、准确性和研究诚信问题	作为一篇叙述性技术综述，未进行系统性荟萃分析，且主要基于PubMed数据库的文献，可能存在选择偏倚	探讨人工智能在骨科研究中的机遇与陷阱，促进AI技术与临床研究的有效整合	骨科研究领域，包括影像分析、手术规划、生物力学分析及科研写作等	机器学习	骨科疾病	NA	机器学习, 深度学习	图像, 文本, 生物力学数据	NA	NA	NA	NA	NA
1195	2026-03-31	Artificial Intelligence in Sports Cardiology: Advancing Cardiovascular Screening and Diagnosis 2026-Feb, Cureus DOI:10.7759/cureus.104174 PMID:41909334	综述	本文综述了人工智能在运动心脏病学中用于心血管筛查和诊断的当前应用与进展	提出了一个实用的AI集成筛查框架，以补充而非替代临床判断，并展示了AI在识别常规心电图参数正常时的疾病模式方面的能力	存在局限性，包括运动员特异性训练数据有限、与生理性重塑相关的假阳性风险以及需要外部验证	探讨人工智能作为辅助工具，提升运动员心血管筛查和诊断的效能	运动员的心血管疾病筛查与诊断	机器学习	心血管疾病	心电图分析、数字听诊、经胸超声心动图及影像学模态	深度学习模型	心电图、听诊音频、超声图像	NA	NA	NA	灵敏度、诊断性能	NA
1196	2026-01-28	The sarcopenia artificial intelligence diagnostic decision support system (SAID DSS) - a multimodal deep learning model 2026-Jan-26, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-026-07005-9 PMID:41588346	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1197	2026-03-31	FFM-ViT: an efficient fish species classification method based on deep features and transformers 2026-Jan, Journal of fish biology IF:1.7Q2 DOI:10.1111/jfb.70213 PMID:41028988	研究论文	提出一种基于深度特征和Transformer的高效鱼类物种分类方法FFM-ViT	放弃传统ViT的直接分块操作，引入MBConv和Fuse-MBConv模块获取更准确的高维信息，并设计通道空间合并注意力模块增强特征提取和融合能力	未明确说明模型计算复杂度或实时性表现，也未讨论在极端光照或遮挡条件下的鲁棒性	解决小数据集和高相似度鱼类物种的准确分类问题	鱼类图像	计算机视觉	NA	深度学习	Transformer, CNN	图像	包含78个类别的Oceanfish78数据集，以及fish4knowledge和Fish31等数据集	未明确说明	Vision Transformer, MBConv, Fuse-MBConv, 通道空间合并注意力模块	准确率	NA
1198	2026-03-31	Comparative Evaluation of Conventional and Deep Learning Methods for Respiratory Signal Extraction From Clinical 3D CBCT Projections 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261437311 PMID:41871542	研究论文	本研究评估了传统方法和深度学习方法从临床3D CBCT投影中提取呼吸信号的性能	首次在临床3D CBCT投影数据上系统比较了多种传统信号提取方法与基于U-Net的深度学习方法，并证明了深度学习方法在复杂呼吸模式下的优越性	研究样本量相对有限（70组投影），且主要针对胸腹部癌症患者，未涵盖所有可能的呼吸变异模式	评估和比较传统方法与深度学习方法从临床3D CBCT投影中提取呼吸信号的性能，以改进4D CBCT相位排序和重建	来自胸腹部癌症患者的临床3D CBCT投影数据，包括规则和不规则呼吸运动模式	医学影像分析	胸腹部癌症	3D CBCT成像，4D CBCT重建	U-Net	3D CBCT投影图像	70组来自临床3D CBCT成像的投影数据	未明确说明	U-Net	相关系数，相位排序能力	NA
1199	2026-03-31	GAN-based underwater image enhancement and scene classification using transfer learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345593 PMID:41894524	研究论文	本文提出了一种基于GAN的水下图像增强和迁移学习场景分类方法，用于改善水下图像质量并准确分类海洋物种	结合了传统图像增强算法（GW、HE、CLAHE）、边缘检测（Canny）与先进的深度学习模型（VGG16、ResNet50、DenseNet121）进行迁移学习，并引入ESRGAN进行图像超分辨率增强	未明确说明实验数据的具体规模、模型性能对比的定量结果以及计算资源的具体配置	提升水下图像质量并实现海洋物种的准确分类，以支持海洋生态研究和保护工作	水下图像和视频，特别是包含鱼类、珊瑚礁和海龟等海洋物种的图像	计算机视觉	NA	图像增强技术、边缘检测、迁移学习、生成对抗网络	CNN, GAN	图像、视频	NA	NA	VGG16, ResNet50, DenseNet121, ESRGAN	NA	NA
1200	2026-03-31	Probabilistic forecasting of monthly dengue cases using epidemiological and climate signals: A BiLSTM-Negative Binomial Model versus Mechanistic and Count-Model Baselines 2026, PLOS global public health DOI:10.1371/journal.pgph.0005404 PMID:41894525	研究论文	本文比较了四种概率模型在预测塞拉利昂弗里敦市月度登革热病例方面的性能，包括负二项广义线性模型、负二项INGARCH模型、机制更新模型和双向长短期记忆网络模型	提出了一个结合流行病学和气候信号的BiLSTM-负二项模型，并与传统机制和计数模型基线进行对比，在泄漏安全的滚动原点评估框架下进行概率预测	研究仅基于弗里敦市的数据，可能不适用于其他城市环境；气候输入仅限于滞后1期的协变量，可能未充分利用长期气候模式	开发可靠的短期登革热病例预测模型，以支持城市卫生系统资源分配	塞拉利昂弗里敦市的月度登革热病例计数	机器学习	登革热	时间序列分析，概率预测	BiLSTM, NB-GLM, INGARCH-NB, Renewal-NB	时间序列数据	2015年至2024年弗里敦市的月度登革热病例数据，每个预测范围内对齐的常见问题-目标对数量为32	NA	双向长短期记忆网络	平均对数分数，经验覆盖率，50%和90%预测区间中位数宽度，概率积分变换校准诊断，Diebold-Mariano检验	NA