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
1441	2026-09-18	AI for colon cancer: A focus on classification, detection, and predictive modeling 2026-02, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106115 PMID:41075424	系统综述与荟萃分析	本文系统综述了2020至2024年间人工智能在结肠癌检测、分类、预测和分割中的应用，评估其对诊断准确性、治疗规划和患者预后的影响	对2020至2024年间AI在结肠癌领域的应用进行了系统综述与荟萃分析，并按AI技术类型（深度学习、机器学习）和应用方向（检测、分类等）进行亚组分析，同时记录了各研究是否采用可解释AI或生成式AI技术	临床整合仍面临数据和验证方面的差距，纳入研究在数据质量和完整性方面存在不足	评估AI在结肠癌研究中的应用现状，重点关注其对诊断准确性、治疗规划和患者预后的影响	2020至2024年间发表的80篇关于AI应用于结肠癌研究的文献	数字病理学, 医学图像分析	结肠癌	深度学习, 机器学习, 可解释AI, 生成式AI（如GAN）	CNN, GAN	图像, 文本	80篇文献	NA	NA	诊断准确性	NA
1442	2026-09-18	Accelerated brain aging in amyotrophic lateral sclerosis and its prognostic associations: a cohort study 2026-01-15, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04631-3 PMID:41535829	研究论文	本研究利用3D-Conformer深度学习框架构建脑龄预测模型，发现ALS患者存在加速脑老化现象，并与认知障碍、疾病进展和生存预后相关	首次利用3D-Conformer深度学习框架构建脑龄预测模型并在ALS中验证加速脑老化现象；结合转录组数据分析PAD相关脑区体积损失的细胞特异性基因表达；揭示脑老化加速与BBB破坏和神经炎症的关联	样本量相对有限（170例ALS患者和84例健康对照）；未明确说明公共数据集的来源和多样性；脑龄预测模型的泛化能力有待验证；因果关系无法从观察性研究中确定	探究ALS中脑老化过程如何加速及其与患者预后的关系	170例散发性ALS患者和84例年龄性别匹配的健康对照	数字病理学	肌萎缩侧索硬化症	T1加权磁共振成像、转录组数据分析	CNN	图像、文本	170例ALS患者和84例健康对照，共254例；模型训练使用4310例健康T1加权MRI数据	NA	3D-Conformer	风险比、95%置信区间	NA
1443	2026-09-18	Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3582275 PMID:40553666	研究论文	评估四种超声位移追踪技术（Search、OVERWIND-Search、SOUL-Search、L1-SOUL-Search）在卒中后肌筋膜剪切应变量化中的可靠性，并验证临床假设：卒中侧疼痛肩部肌肉间剪切应变低于非卒中侧	提出新的临床假设（卒中侧疼痛肩部肌肉间剪切应变低于非卒中侧），并系统比较四种位移估计算法在该假设下的可靠性，同时结合视觉检查和T1ρ磁共振成像进行验证	L1-SOUL-Search运行速度慢，可能限制其临床应用，但可通过深度学习方案解决	评估不同超声位移追踪技术对卒中后肌筋膜剪切应变估计可靠性的影响，并确定最适合研究肌筋膜疼痛和功能障碍的方法	十名患有卒中后肌筋膜肩部疼痛的研究参与者	医学图像处理	卒中后肌筋膜疼痛, 肌筋膜功能障碍	超声剪切应变成像, 位移追踪, T1ρ磁共振成像	NA	超声图像, 磁共振图像	10名研究参与者	NA	NA	位移导数的均值和方差, 视觉检查, 定量T1ρ磁共振成像	NA
1444	2026-09-18	A Feature-Augmented Transformer Model to Recognize Functional Activities From in-the-Wild Smartwatch Data 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586074 PMID:40614149	研究论文	该文章研究从真实世界智能手表数据中识别功能性活动，并提出了特征增强的Transformer模型，同时介绍了大规模数据集ArWISE	提出了一种增强特征表示的方法，将特征令牌与Transformer嵌入相结合，以提高功能性活动识别性能，并发布了大规模纵向数据集ArWISE	未明确说明	研究功能性活动识别的方法，以支持认知健康评估、康复、术后恢复和慢性病管理	智能手表数据中的功能性活动	机器学习	NA	可穿戴传感器数据采集	Transformer	时间序列	503名参与者，超过3200万个标记数据点	NA	Transformer	NA	NA
1445	2026-09-18	An attention aided wavelet convolutional neural network for lung nodule characterization 2026-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106118 PMID:40997672	研究论文	本文提出了一种基于注意力辅助小波卷积神经网络（WaveLCDNet）的肺结节分类计算机辅助诊断框架，利用HRCT图像进行良性/恶性结节鉴别	提出双通路小波深度学习CADx框架，结合CNN块与可训练小波块进行多分辨率分析，引入CBAM注意力机制增强判别性特征学习，并采用自适应特征融合与全局平均池化	未明确提及	开发准确高效的肺结节良恶性分类方法，提高肺癌早期检测和诊断水平	肺结节HRCT图像	计算机视觉, 数字病理学	肺癌	高分辨率计算机断层扫描（HRCT）	CNN, 小波变换	图像	LIDC-IDRI公开数据集和Kaggle DSB2017测试数据集	NA	WaveLCDNet（CNN块+可训练小波块+CBAM注意力机制）	敏感度, 特异度, 准确率, Brier Score	NA
1446	2026-09-18	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	开发并验证一种深度学习模型，用于从超声心动图视频中识别二尖瓣脱垂	开发了DROID-MVP深度学习模型，能够从数字超声心动图视频中自动分类二尖瓣脱垂，并在大规模多机构数据中验证其性能，且模型预测与临床终点（二尖瓣反流严重程度和未来二尖瓣修复或置换）相关	未明确提及	开发深度学习模型以从超声心动图视频中分类二尖瓣脱垂，并评估其与临床终点的关联	心脏病患者和初级保健患者的超声心动图视频	医学图像分析	心血管疾病	超声心动图	深度学习	视频	训练和验证使用来自16,902名心脏病患者的1,043,893个超声心动图视频（48,829项研究），外部验证使用8,888名MGH初级保健患者和257名BWH初级保健患者	NA	DROID-MVP	AUROC, AP	NA
1447	2026-09-18	Impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: a SIOP-RTSG radiotherapy committee study 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101051 PMID:41141653	研究论文	本研究评估了深度学习自动勾画在儿童肾肿瘤侧腹放疗中危及器官勾画的效果，重点关注勾画时间、准确性和观察者间变异性	首次在儿童放疗领域系统评估深度学习自动勾画结合手动修订对危及器官勾画的影响，并通过多国多中心合作验证其有效性	样本量有限，仅涉及12名放疗医生和少量患者CT图像，且仅针对儿童肾肿瘤侧腹放疗场景，未评估其他儿童肿瘤类型或放疗部位	评估深度学习自动勾画结合手动修订在儿童侧腹放疗危及器官勾画中对勾画时间、准确性和观察者间变异性的影响	12名来自9个国家的儿童放疗医生，以及1-6岁肾肿瘤患者的非增强CT图像	数字病理学	肾癌	CT成像	CNN	图像	122次手动勾画和254次基于深度学习的修订，涉及12名放疗医生和肾肿瘤患者（1-6岁）的CT图像	NA	NA	Dice相似系数, 95百分位Hausdorff距离, 平均表面距离	NA
1448	2026-09-18	Spatial Attention-guided Hybrid Deep Learning with Sharpened Cosine Similarity for Accurate Chest X-ray Interpretation 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056396626251105115902 PMID:41327770	研究论文	本文提出了一种结合变分空间注意力融合U-Net和锐化余弦相似度网络的混合深度学习框架（VSAG-HDL Net），用于胸部X光片的病变分割和疾病分类，以提高诊断准确性和可解释性	提出了VSAG-HDL Net，整合了变分空间注意力融合U-Net（VSA-FU-Net）用于病变分割和锐化余弦相似度（SCS）网络用于疾病分类，消除了冗余特征提取，增强了空间注意力，在保持竞争性准确率的同时显著降低了模型复杂度	准确率略低于DenseNet+VIT（-2.0%）和DenseNet+VIT+GAP（-2.3%）	提高基于胸部X光片的诊断准确性和可解释性，用于快速准确诊断COVID-19和肺炎等危及生命的呼吸系统疾病	胸部X光图像中的COVID-19和肺炎等呼吸系统疾病	计算机视觉	肺癌	胸部X光成像	CNN	图像	21,165张来自放射摄影数据库的胸部X光图像	NA	U-Net, CNN	Dice相似系数, 交并比, 准确率	NA
1449	2026-09-18	Enhanced Feature Extraction for Detection and Classification of Kidney Abnormalities 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056420229251027104658 PMID:41328653	研究论文	该研究提出了一种基于深度学习的诊断框架，通过名为Kidney Transformer Network (KTNET)的新模型增强特征提取，用于自动检测和分类CT扫描图像中的肾脏囊肿、结石和肿瘤等异常	提出了一种新颖的Kidney Transformer Network (KTNET)模型，该模型利用基于Transformer的架构增强特征提取策略，能够有效提取疾病特异性特征，提高特征表示能力，实现对正常、囊肿、肿瘤和结石病例的高精度区分	未明确说明模型的泛化能力验证、数据集规模和多样性、计算资源需求以及临床实际部署的可行性验证	开发一种智能、可靠且准确的框架，用于早期检测和分类肾脏异常，以提高患者诊断和临床决策水平	CT扫描图像中的肾脏异常，包括正常、囊肿、肿瘤和结石病例	医学图像分析、计算机视觉	肾脏疾病、慢性肾脏病	CT扫描成像	Transformer	图像	NA	NA	Kidney Transformer Network (KTNET)、Transformer	准确率(99.7%)、精确率(99.4%)、召回率(99.3%)、F1分数(99.6%)	NA
1450	2026-09-18	A Deep Learning Radiomics Model based on Superb Microvascular Imaging for Non-Invasive Prediction of the Degree of Arteriolosclerosis in Patients With Chronic Kidney Disease 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056412035251027064309 PMID:41328654	研究论文	该研究基于超微血管成像（SMI）开发并验证了一种深度学习影像组学（DLR）模型，用于无创评估慢性肾脏病（CKD）患者小动脉硬化的严重程度	首次将深度学习特征与影像组学特征相结合，构建基于SMI图像的DLR模型，用于无创预测CKD患者小动脉硬化程度，并在多中心前瞻性队列中验证其优于单独影像组学、深度学习模型及基于CDUS的临床模型	摘要中未明确说明局限性	开发并验证基于SMI的深度学习影像组学模型，实现CKD患者小动脉硬化严重程度的无创评估	326例接受肾活检的慢性肾脏病患者	医学图像分析	慢性肾脏病	超微血管成像（SMI）、肾活检	深度学习影像组学模型	图像	326例CKD患者（训练集与测试集按7:3随机划分，其中小动脉硬化阳性165例、阴性161例）	NA	NA	AUC、ROC分析、决策曲线分析（DCA）	NA
1451	2026-09-18	An interpretable deep learning framework for predictive modeling of postoperative infections in ICU patients 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346896 PMID:41955272	研究论文	本文提出了一种结合排列特征重要性检验（PermFIT）的可解释深度神经网络模型，用于预测ICU患者术后感染风险并识别关键影响因素	将PermFIT统计推断框架与DNN相结合，实现对术后感染风险因素的可解释性分析，并利用筛选出的重要特征提升预测性能	仅使用MIMIC-III单一数据库进行验证，未在其他外部数据集上验证模型的泛化能力	准确预测ICU手术患者的术后感染风险并识别关键贡献因素，以改善术后管理和理解感染机制	ICU手术后患者的电子健康记录数据	机器学习	术后感染	电子健康记录分析	DNN	文本	MIMIC-III大型ICU电子健康记录数据库	NA	DNN	预测准确率	NA
1452	2026-09-18	Comparison of deep learning-based three-dimensional human pose estimation methods with motion capture for gesture research 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347288 PMID:42030231	研究论文	本文比较了基于深度学习的单目和立体三维人体姿态估计方法与运动捕捉在手势研究中的准确性，发现立体方法显著优于单目方法，平均误差约49.4毫米，三维手势空间重叠度达75.4%	首次系统比较了单目和立体深度学习人体姿态估计方法与光学运动捕捉在手势研究常用上肢关键点上的准确性，并可视化三维手势空间，证明了立体HPE作为运动捕捉低成本替代方案的可行性	样本量较小（仅10名参与者），仅评估了上肢13个关键点，未涉及全身姿态估计，且未开发出面向非专家的实用工具箱	评估深度学习人体姿态估计方法替代光学运动捕捉系统进行三维手势测量的准确性和可行性，为开发面向非专家的三维手势测量工具箱奠定基础	10名参与者在进行手势丰富演讲时的上肢关键点（手腕、肘部、肩部、手指和面部共13个关键点）	计算机视觉	NA	深度学习人体姿态估计、光学运动捕捉、三角测量法	深度学习人体姿态估计模型（单目和立体）	视频、图像、三维运动捕捉数据	10名参与者	NA	NA	欧几里得距离（平均误差49.4毫米）、三维手势空间重叠率（75.4%）	NA
1453	2026-09-18	Dual-database Bibliometric Analysis Combined with Gephi-based Network Visualization of Artificial Intelligence Applications in the Identification and Diagnosis of Thyroid Space-occupying Lesions 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056466850260610101215 PMID:42312525	文献计量分析	本研究通过双数据库文献计量分析结合Gephi网络可视化，描绘了人工智能在甲状腺占位性病变识别与诊断中的应用研究图景，识别了主要研究热点并总结了近期进展	采用双数据库（WOSCC和PubMed）检索策略结合CiteSpace、VOSviewer和Gephi多种可视化工具，系统分析了2006至2025年间AI在甲状腺占位性病变中的应用，揭示了从简单分类向整合风险分层和多模态分析转变的趋势	研究仅基于WOSCC和PubMed两个数据库，可能存在文献遗漏；文献计量分析无法评估研究质量；合作网络和主题多样性方面存在不足	描绘AI在甲状腺占位性病变中应用的研究格局，识别主要研究热点，总结近期进展	2006至2025年间发表的关于AI在甲状腺占位性病变识别与诊断中应用的学术文献	医学人工智能	甲状腺癌	文献计量分析	NA	文本	1546篇文献记录	CiteSpace, VOSviewer, Gephi	NA	发文量, 国家贡献占比, 机构贡献, 关键词共现频率	NA
1454	2026-09-06	Editorial Note: Machine and deep learning algorithms for sentiment analysis during COVID-19: A vision to create fake news resistant society 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357518 PMID:42691022	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1455	2026-09-18	Automated analysis of feline posture using deep learning and geometric modeling 2026, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2026.1881772 PMID:42745785	研究论文	该研究开发并评估了一种无创计算机视觉框架，利用深度学习和几何建模从低成本相机拍摄的侧视RGB图像中提取猫的身体姿态描述符，以支持行为评估和福利监测	开发了一个集成目标检测、解剖分割、轻量级卷积神经网络姿态分类、姿态估计和基于规则的几何分析的结构化处理流程，能够从标准RGB视频中自动生成结构化且具有临床可解释性的猫身体语言描述符，且所用轻量级网络的参数量比VGG19基线少约38倍	帧保留率高度依赖录制条件，特别是侧视可见性和遮挡问题；在临床应用前还需要对照已建立的疼痛、应激和福利评估工具进行进一步的前瞻性验证	开发一种基于深度学习和几何建模的自动化猫姿态分析框架，从侧视RGB图像中提取具有临床可解释性的姿态描述符以支持行为医学和动物福利评估	猫的身体姿态和身体语言	计算机视觉	NA	目标检测、解剖分割、姿态估计、基于规则的几何分析	CNN	图像和视频（侧视RGB图像和视频）	NA	NA	轻量级卷积神经网络（与VGG19基线对比）	准确率	NA
1456	2026-09-18	HyperIDS: a hypergraph learning and quantum-inspired transformer ensemble framework for IoT intrusion detection 2026, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2026.1901121 PMID:42745796	研究论文	本文提出HyperIDS框架，结合超图学习、量子启发式特征选择与优化以及Transformer集成分类器，用于物联网入侵检测	创新性地将双适应度增强高斯量子粒子群优化（DFE-GQPSO）、超图神经网络（HGNN）、Transformer编码器与CatBoost/XGBoost堆叠集成相结合，并引入SHAP可解释性模块，实现高阶关系建模与智能攻击检测	摘要中未明确提及研究局限性	解决传统入侵检测机制在识别网络流量特征间细微关联以及异构环境下检测率不一致的难题，提升物联网网络攻击检测的智能性与准确性	物联网（IoT）网络流量与网络攻击	机器学习	NA	超图学习、量子启发式特征选择与优化、Transformer编码器、堆叠集成学习、SHAP可解释性分析	超图神经网络（HGNN）、Transformer、CatBoost、XGBoost	网络流量数据（表格/结构化数据）	两个常用网络安全数据集：TON_IoT和Bot-IoT	NA	HGNN, Transformer, CatBoost, XGBoost	准确率, 精确率, 召回率, F1分数	NA
1457	2026-09-18	VG-RETFound: a hybrid retinal AI framework for early vision impairment screening through vessel-graph learning and cross-modal fusion 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1905129 PMID:42745817	研究论文	提出了一种结合视网膜基础模型和血管图学习的混合框架VG-RETFound，用于早期视力损伤筛查	将视网膜基础模型RETFound与图注意力网络结合，通过血管图学习血管拓扑特征，并采用跨模态多头注意力融合方法实时整合两种模态的特征	未明确提及	开发自动筛查工具，用于早期检测视网膜疾病导致的视力损伤	视网膜图像和血管拓扑结构	数字病理学, 计算机视觉	视网膜疾病, 糖尿病视网膜病变, 病理性近视, 年龄相关性黄斑变性, 高血压性视网膜病变	视网膜基础模型预训练, 图表示学习, 跨模态融合	图注意力网络, 基础模型, 多头注意力	图像, 图	RFMiD和ODIR-5K数据集（具体数量未提及），BRSET数据集用于外部验证（具体数量未提及），涵盖六个视网膜类别	NA	RETFound, 图注意力网络	准确率, F1分数, MCC, Kappa	NA
1458	2026-09-18	Use of artificial intelligence in education and training of radiology 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1899739 PMID:42745894	综述	本文通过范围综述总结了人工智能在放射学教育与培训中的应用现状、教育成果及实施挑战	系统梳理2020至2025年间29项原始研究，并按技能发展、参与度和表现三个领域对AI教育成果进行分类	纳入研究数量有限，且缺乏纵向结局证据与标准化教育模型	综合当前证据，识别放射学AI教育的优先事项，并揭示实施中的挑战与机遇	2020至2025年发表的29项关于AI在放射学教育与培训中应用的原始研究	医学教育	NA	范围综述	NA	文本	29项原始研究	NA	NA	NA	NA
1459	2026-09-18	Towards federated learning for face recognition: a comprehensive review of secure and privacy-preserving techniques and prospective research 2026, Pattern analysis and applications : PAA IF:3.7Q2 DOI:10.1007/s10044-026-01766-0 PMID:42745997	综述	本文对基于联邦学习的人脸识别框架进行了系统综述，重点分析了安全与隐私保护技术	对2020至2026年间50篇相关文献进行PRISMA指导的系统综述，将技术分为六大类，并与12篇现有人脸识别综述进行对比	未涉及具体实验验证，主要基于文献分析	总结和分析基于联邦学习的人脸识别方法，包括其底层技术、结果和目标，并指出未来研究方向	基于联邦学习的人脸识别框架及相关文献	计算机视觉	NA	联邦学习	NA	NA	50篇出版物	NA	NA	NA	NA
1460	2026-09-18	Differential diagnosis model for tuberculous and malignant pleural effusion combining U-Net automatic segmentation and deep learning 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1855938 PMID:42746091	研究论文	构建并验证了一种整合U-Net自动分割与深度学习分类模型的智能鉴别诊断模型，用于区分结核性胸腔积液与恶性胸腔积液	将U-Net自动分割与深度学习分类模型相结合，并融合临床特征构建综合模型，用于鉴别结核性胸腔积液与恶性胸腔积液	样本量相对有限（共281例），需要在更大规模多中心数据中进一步验证	构建并验证整合U-Net自动分割与深度学习分类模型的智能鉴别诊断模型，评估其区分结核性胸腔积液与恶性胸腔积液的诊断性能和临床价值	2018年1月至2025年8月经病原学或病理学证实的胸腔积液患者，包括143例结核性胸腔积液患者和138例恶性胸腔积液患者	医学影像分析，胸部影像组学	胸腔积液，结核性胸腔积液，恶性胸腔积液	胸部CT，U-Net自动分割，影像组学分析，深度学习分类，临床特征建模	U-Net，深度学习分类模型，影像组学模型，综合模型	影像	281例患者（143例结核性胸腔积液，138例恶性胸腔积液）	NA	U-Net，支持向量机，随机森林，极端随机树	AUC，敏感度，特异度，校准曲线，决策曲线分析，IDI，NRI，Dice系数	NA