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
1661	2026-01-26	An efficient dual path deep learning framework for COVID-19 classification using lung CT scans with explainable AI 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33178-1 PMID:41580460	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1662	2026-01-30	Machine learning-based models for preoperative prediction of pituitary adenoma consistency: a systematic review and meta-analysis 2026-Jan-24, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-026-06775-w PMID:41580565	系统综述与荟萃分析	本文通过系统综述和荟萃分析，综合评估了基于机器学习的模型在术前预测垂体腺瘤一致性方面的诊断性能	首次对机器学习模型在术前预测垂体腺瘤一致性方面的诊断性能进行了系统性的定量综合与荟萃分析	需要未来进行多中心研究，采用标准化成像和外部验证以优化临床转化	综合评估基于机器学习的模型在术前预测垂体腺瘤一致性方面的诊断性能	垂体腺瘤患者	机器学习	垂体腺瘤	MRI	Extra Trees, Random Forest, Support Vector Machine, k-Nearest Neighbors, Logistic Regression, Artificial Neural Network, 深度学习混合架构	图像	1621名患者	NA	NA	AUC, 准确率, 灵敏度, 特异度, 诊断比值比	NA
1663	2026-01-30	Deep learning-derived CT body composition enhances survival risk stratification beyond the TNM system in locally advanced gastric cancer: a multi-modality cohort study 2026-Jan-23, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004835 PMID:41570290	研究论文	本研究利用深度学习模型从CT图像中提取身体成分指标，结合代谢组学和免疫代谢分析，评估其在局部晚期胃癌预后分层中的作用	首次将深度学习衍生的CT身体成分指标与血浆代谢组学和肿瘤免疫代谢特征相结合，揭示了内脏与皮下脂肪比率作为超越TNM分期的预后生物标志物的潜力	回顾性单中心研究，样本量有限，代谢组学和免疫分析仅覆盖部分患者亚组	评估CT身体成分指标在局部晚期胃癌预后分层中的价值，并探索其与代谢和免疫特征的关联	227名接受根治性胃切除术的局部晚期胃癌患者	数字病理学	胃癌	CT成像，质谱分析，免疫组织化学，35色流式细胞术	深度学习	CT图像，血浆代谢组学数据，肿瘤免疫代谢数据	227名患者（其中86名进行血浆代谢组学分析，40名进行肿瘤免疫代谢分析）	NA	UNet++	一致性（r2），风险比，似然比检验，AIC变化值	NA
1664	2026-01-30	Diagnostic Performance of Deep Learning and Radiomics in Extracranial Carotid Plaque Detection: Systematic Review and Meta-Analysis 2026-Jan-22, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77092 PMID:41570300	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，定量评估了深度学习和影像组学在诊断颅外颈动脉斑块方面的诊断效能	首次对深度学习和影像组学在颅外颈动脉斑块检测中的诊断准确性进行了系统性的定量综合与比较，并建立了标准化的评估框架	研究结果存在高异质性，回归分析未能识别显著的异质性来源，且合格研究数量有限，限制了更全面的亚组分析；缺乏多中心研究和外部验证	定量探索深度学习和影像组学对颅外颈动脉斑块的诊断效能，并建立一个标准化的框架以改进斑块检测	颅外颈动脉斑块	医学影像分析	心血管疾病	影像组学，深度学习	深度学习模型，基于影像组学的机器学习模型	医学影像	40项研究，共17246名患者	NA	NA	敏感性，特异性，SROC曲线下面积	NA
1665	2026-01-30	MS-MDDNet: A Lightweight Deep Learning Framework for Interpretable EEG-Based Diagnosis of Major Depressive Disorder 2026-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020363 PMID:41594339	研究论文	本文提出了一种轻量级深度学习框架MS-MDDNet，用于基于EEG信号的可解释性重度抑郁症诊断	提出了一种结合空间、时间和深度可分离卷积的轻量级CNN模型，并采用集成方法，提高了计算效率和泛化鲁棒性，同时通过伽马能量与学习特征的相关分析实现可解释性	未明确提及具体局限性，但可能包括对特定数据集依赖或未在更广泛临床环境中验证	开发一种高效、可解释的深度学习框架，用于基于EEG信号的重度抑郁症自动诊断	基于EEG信号的重度抑郁症患者	机器学习	重度抑郁症	脑电图	CNN	EEG信号	三个公共数据集（MODMA、MUMTAZ和PRED + CT），具体样本量未明确	未明确指定，但基于深度学习框架	MS-MDDNet（自定义CNN架构，包含空间、时间和深度可分离卷积及平均池化）	准确率	未明确指定
1666	2026-01-30	Domain Shift in Breast DCE-MRI Tumor Segmentation: A Balanced LoCoCV Study on the MAMA-MIA Dataset 2026-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020362 PMID:41594338	研究论文	本研究探讨了中心相关的域偏移对乳腺癌DCE-MRI肿瘤分割的影响，使用平衡的留一中心交叉验证方法评估模型性能	提出了平衡的留一中心交叉验证协议，以分离中心相关效应与样本量效应，揭示模型在未见中心上的性能下降	研究仅基于MAMA-MIA数据集，可能未涵盖所有类型的域偏移；模型性能在未见中心上显著下降，表明泛化能力有限	调查中心相关的域偏移如何影响自动化乳腺癌DCE-MRI肿瘤分割，并评估模型在未见中心上的性能	乳腺癌DCE-MRI图像中的肿瘤分割	计算机视觉	乳腺癌	动态对比增强MRI	CNN	图像	多中心MAMA-MIA数据集，包含ISPY2、DUKE、NACT三个中心组	NA	3D U-Net	Dice相似系数, 95th百分位Hausdorff距离, 灵敏度, 特异性	NA
1667	2026-01-30	Hybrid Dual-Context Prompted Cross-Attention Framework with Language Model Guidance for Multi-Label Prediction of Human Off-Target Ligand-Protein Interactions 2026-Jan-22, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27021126 PMID:41596767	研究论文	本文提出了一种名为HDPC-LGT的混合双上下文提示交叉注意力框架，用于预测与抗生素毒性相关的人类翻译相关蛋白的配体结合，以准确识别药物脱靶作用	结合了基于图的化学推理、蛋白质语言模型嵌入和结构先验知识，以捕获具有生物学意义的配体-蛋白质相互作用，并引入了双上下文提示和交叉注意力机制	NA	准确识别药物脱靶作用，以降低毒性并提高药物发现管道的成功率	与抗生素毒性临床相关的16种人类翻译相关蛋白的配体结合	机器学习	NA	深度学习，图神经网络，蛋白质语言模型	Transformer, Graph Transformer	化学结构数据，蛋白质生物学数据，多目标上下文数据	216,482个经过实验验证的配体-蛋白质对，来自ChEMBL和BindingDB数据库	NA	Graph Transformer, Cross-Attention Transformer	macro ROC-AUC, micro F1-score	NA
1668	2026-01-30	Corn Kernel Segmentation and Damage Detection Using a Hybrid Watershed-Convex Hull Approach 2026-Jan-22, Foods (Basel, Switzerland) DOI:10.3390/foods15020404 PMID:41597005	研究论文	本研究提出了一种结合改进分水岭算法、凸包缺陷检测与SVM分类器的混合计算机视觉方法，用于粘连玉米籽粒的精确分割与损伤检测	提出W&C-SVM混合方法，通过改进分水岭算法（Sobel梯度和欧几里得距离变换）解决传统方法过分割问题，并仅需50张图像训练SVM分类器，为工业场景提供低成本小样本解决方案	方法在严重粘连籽粒的分离效果未与更多先进深度学习方法进行对比，且仅使用50张图像训练可能限制模型在更复杂场景的泛化能力	开发适用于工业质量控制的玉米籽粒自动分割与损伤检测方法	玉米籽粒（特别是粘连籽粒）及其机械损伤	计算机视觉	NA	图像处理与机器学习	SVM	图像	50张训练图像，独立测试集	未明确说明（可能为OpenCV, Scikit-learn）	改进分水岭算法（Sobel梯度+欧几里得距离变换）+凸包缺陷检测	损伤检测准确率	NA
1669	2026-01-30	Integrating Blockchain Traceability and Deep Learning for Risk Prediction in Grain and Oil Food Safety 2026-Jan-22, Foods (Basel, Switzerland) DOI:10.3390/foods15020407 PMID:41597004	研究论文	本研究提出了一种结合区块链溯源机制和深度学习（特别是GRA与TabNet-BO）的风险预测模型，用于粮油食品安全领域，旨在提升预测精度和数据管理的透明度与可信度	创新点在于将区块链的溯源能力与深度学习模型（GRA与TabNet-BO结合）集成，通过智能合约进行预测交互，并仅将超标数据上传至区块链，优化存储并确保数据真实性与可追溯性	未明确提及模型在更广泛数据集或实际部署中的泛化能力、计算成本或区块链网络的可扩展性限制	研究目标是实现粮油食品安全的早期预警分析和风险控制，通过提升预测准确性和数据管理可信度来保障公共健康	研究对象是粮油食品的质量和安全风险数据	机器学习	NA	深度学习，区块链技术，智能合约	TabNet	表格数据	NA	NA	TabNet	NA	NA
1670	2026-01-30	CHARMS: A CNN-Transformer Hybrid with Attention Regularization for MRI Super-Resolution 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020738 PMID:41600530	研究论文	本文提出了一种名为CHARMS的轻量级CNN-Transformer混合模型，用于磁共振成像超分辨率重建，旨在平衡重建质量与计算效率	提出了一种结合CNN和Transformer的轻量级混合架构，并引入了注意力正则化机制来抑制冗余激活、稳定训练并增强模型在不同对比度和场强下的泛化能力	未明确提及模型在更广泛或更具挑战性的临床数据集上的泛化性能，也未讨论模型在极端低分辨率输入下的表现	开发一种高效、轻量化的深度学习模型，用于磁共振成像的超分辨率重建，以缩短扫描时间并降低硬件要求	磁共振成像数据	计算机视觉	NA	磁共振成像	CNN, Transformer	图像	使用了IXI、人类连接组计划青年成人数据集以及配对的3T/7T数据集	NA	Reverse Residual Attention Fusion, Multi-Depthwise Dilated Transformer Attention	PSNR, SSIM	NVIDIA RTX 4090 GPU
1671	2026-01-30	Wearable ECG-PPG Deep Learning Model for Cardiac Index-Based Noninvasive Cardiac Output Estimation in Cardiac Surgery Patients 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020735 PMID:41600528	研究论文	本研究开发并验证了一种基于可穿戴心电图和光电容积脉搏波信号的轻量级深度学习模型，用于预测心输出量，并探讨了基于心脏指数归一化对性能的提升	提出了一种结合可穿戴ECG和PPG信号的深度学习模型，首次在心脏手术患者中实现了基于心脏指数的无创心输出量连续估计，并通过交叉模态交互网络提升了预测准确性	研究样本量较小（27名患者），且性能评估中的百分比误差基准（<30%）并非通用的临床标准，模型的泛化能力有待在更大规模人群中验证	开发一种无创、连续的心输出量监测方法，以替代传统有创监测，用于心脏手术患者的血流动力学管理	接受心脏手术并置入肺动脉导管的患者	机器学习	心血管疾病	心电图, 光电容积脉搏波	深度学习	生理信号（ECG, PPG）	27名心脏手术患者	NA	ECG-PPG融合网络（含交叉模态交互）	平均绝对误差, 均方根误差, 偏差, 皮尔逊相关系数, 百分比误差	NA
1672	2026-01-30	A Sensor-Oriented Multimodal Medical Data Acquisition and Modeling Framework for Tumor Grading and Treatment Response Analysis 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020737 PMID:41600529	研究论文	本文提出了一种基于传感器视角的多模态医学数据采集与建模框架，用于肿瘤分级和治疗反应分析	将肿瘤分级作为弱监督先验融入多模态特征融合和治疗反应建模过程，实现非侵入性分级预测、治疗反应亚型发现和内在机制解释的集成解决方案	未明确提及具体局限性，但可能包括对数据质量和标注的依赖	实现基于多模态医学影像和临床数据的肿瘤分级与治疗反应的联合建模及可解释机制分析	肿瘤患者的多模态医学影像和临床数据	数字病理学	肿瘤	医学影像传感器和临床监测系统	CNN, Transformer, MLP	图像, 临床数据	真实世界临床数据集，具体样本数量未明确	NA	3D ResNet-18, MLP, CNN-Transformer	准确率, kappa系数, AUC, 精确率, 召回率	NA
1673	2026-01-30	From Simplified Markers to Muscle Function: A Deep Learning Approach for Personalized Cervical Biomechanics Assessment Powered by Massive Musculoskeletal Simulation 2026-Jan-22, Sensors (Basel, Switzerland) DOI:10.3390/s26020752 PMID:41600545	研究论文	本研究提出了一种结合大规模个性化肌肉骨骼模拟与神经网络的数据驱动框架，用于从非侵入性数据中快速评估颈椎肌肉功能	首次生成了包含一百万个个性化颈椎模型的超大规模数据集，并开发了高效的神经网络映射方法，将计算密集型生物力学问题转化为快速评估工具	模型验证主要基于模拟数据，在真实临床患者中的广泛验证仍需进一步研究	开发个性化颈椎生物力学评估方法，支持精准康复和损伤风险评估	颈椎肌肉功能与生物力学	生物力学与深度学习交叉领域	颈椎疾病与运动功能障碍	肌肉骨骼模拟（OpenSim）、逆动力学模拟	前馈神经网络	运动学数据、人体测量参数、模拟肌肉力数据	一百万个个性化颈椎模型（模拟数据集），包含健康受试者和活动受限患者的验证数据	未明确指定，可能为TensorFlow或PyTorch	前馈神经网络	决定系数	未明确指定，但涉及大规模模拟计算，可能使用高性能计算集群
1674	2026-01-30	Improved Detection of Small (<2 cm) Hepatocellular Carcinoma via Deep Learning-Based Synthetic CT Hepatic Arteriography: A Multi-Center External Validation Study 2026-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020343 PMID:41594319	研究论文	本研究开发了一种基于深度学习的合成CT肝动脉造影技术，用于提高小肝细胞癌的检测性能	利用循环一致生成对抗网络结合注意力模块从非侵入性肝脏动态CT生成合成CT肝动脉造影图像，以增强小肝细胞癌的检测	研究样本量有限，且仅针对肝细胞癌，未涵盖其他肝脏病变	开发并验证一种深度学习算法，通过生成合成CT肝动脉造影图像来改善小肝细胞癌的早期检测	肝细胞癌患者，特别是病灶小于2厘米的小肝细胞癌	计算机视觉	肝细胞癌	CT肝动脉造影，肝脏动态CT	GAN	图像	内部验证集：68名患者，139个病灶；外部验证集：87名患者，117个病灶；总训练集：277名患者	NA	U-GAT-IT	检测率，结构相似性指数，峰值信噪比	NA
1675	2026-01-30	Impact of Deep Learning-Based Reconstruction on the Accuracy and Precision of Cardiac Tissue Characterization 2026-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020348 PMID:41594324	研究论文	本研究评估了基于深度学习的图像重建技术对心脏MRI中T1、T2和T2*映射的准确性和精确度的影响	首次系统评估深度学习重建在心脏组织表征映射中的影响，特别是对T1映射标准偏差的显著降低	研究仅纳入健康成年人样本，缺乏患者队列验证，且未来需要优化协议进一步确认结果	评估深度学习图像重建技术对心脏MRI组织表征准确性和精确度的影响	心脏MRI图像中的心肌组织，通过T1、T2和T2*映射进行表征	医学影像分析	心血管疾病	心脏MRI，T1、T2和T2*映射	深度学习	医学影像	50名健康成年人	AIR Recon DL原型	NA	平均值，标准偏差	NA
1676	2026-01-30	A Clinically Translatable Multimodal Deep Learning Model for HRD Detection from Histopathology Images 2026-Jan-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020356 PMID:41594331	研究论文	开发了一种名为TRINITY的多模态深度学习模型，利用组织病理学图像、基于图像的转录组数据和临床分子数据，从H&E染色样本中非侵入性地预测同源重组缺陷状态	提出了一种结合成像、图像转录组和临床分子数据的多模态AI模型，用于从H&E染色全玻片图像中预测HRD状态，为PARP抑制剂治疗提供了一种快速、经济且节省组织的替代检测方法	需要进一步验证以确定其在更广泛癌症类型中的普适性	开发一种非侵入性、快速且成本效益高的方法，用于预测乳腺癌和卵巢癌患者的同源重组缺陷状态，以指导PARP抑制剂治疗决策	乳腺癌和卵巢癌患者的H&E染色全玻片图像、基于图像的转录组数据及临床分子数据	数字病理学	乳腺癌,卵巢癌	下一代测序,全玻片成像	深度学习	图像,转录组数据,临床分子数据	316个TCGA样本（乳腺癌和卵巢癌）以及74个外部盲法研究样本	NA	TRINITY	灵敏度,阴性预测值,阳性预测值,特异性,AUC-ROC	NA
1677	2026-01-30	Honey Botanical Origin Authentication Using HS-SPME-GC-MS Volatile Profiling and Advanced Machine Learning Models (Random Forest, XGBoost, and Neural Network) 2026-Jan-21, Foods (Basel, Switzerland) DOI:10.3390/foods15020389 PMID:41596987	研究论文	本研究开发了一种结合顶空固相微萃取气相色谱-质谱联用技术和先进监督机器学习的工作流程，用于鉴别五种不同植物来源蜂蜜的植物学起源	首次将随机森林、XGBoost和神经网络模型应用于蜂蜜植物源鉴别，并进行了直接比较，在多类预测准确性和模型鲁棒性方面取得了显著进展	研究仅涉及57个蜂蜜样本，样本量相对较小，可能限制模型的泛化能力	开发一种快速、灵敏、可靠的蜂蜜植物学起源鉴别方法	来自五种不同植物（芫荽、橙花、黄芪、迷迭香和chehelgiah）的蜂蜜	机器学习	NA	顶空固相微萃取气相色谱-质谱联用	随机森林, XGBoost, 神经网络	挥发性有机化合物谱	57个蜂蜜样本	NA	随机森林, XGBoost, 神经网络	准确率, F1分数, 特异性	NA
1678	2026-01-30	Artificial Intelligence in Pediatric Dentistry: A Systematic Review and Meta-Analysis 2026-Jan-21, Children (Basel, Switzerland) DOI:10.3390/children13010152 PMID:41597160	系统综述与荟萃分析	本文通过系统综述和荟萃分析，综合评估了人工智能在儿童牙科诊断应用中的性能表现	首次针对儿童牙科领域的人工智能诊断模型进行系统综述与定量荟萃分析，并深入探讨了临床转化潜力及研究空白	研究间存在显著异质性，外部验证有限，方法学变异性大，且缺乏前瞻性真实世界研究	评估人工智能模型在儿童牙科诊断应用中的性能，并探讨其临床转化前景	儿童牙科患者（≤18岁）的影像数据及相关诊断任务	数字病理	儿童牙科疾病	影像学检查	CNN, 传统机器学习	影像	32项研究纳入定性分析，15项研究纳入定量分析	NA	卷积神经网络	灵敏度, 特异度, AUC	NA
1679	2026-01-30	Automated Classification of Humpback Whale Calls Using Deep Learning: A Comparative Study of Neural Architectures and Acoustic Feature Representations 2026-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s26020715 PMID:41600508	研究论文	本文提出了一种基于深度学习的座头鲸叫声自动分类系统，比较了不同神经网络架构和声学特征表示的性能	通过自定义数据预处理流程和神经网络架构，结合预训练模型MobileNetV2，系统比较了Mel频谱图和MFCC特征在座头鲸检测中的效果，发现Mel频谱图在所有模型类型中均表现更优	研究主要依赖公开音频库数据，可能无法涵盖所有座头鲸叫声的变异性；数据增强技术虽被应用，但未详细探讨其对模型泛化能力的具体影响	开发一个可靠的自动化分类系统，用于被动声学监测中座头鲸叫声的检测	座头鲸的叫声音频片段	机器学习	NA	被动声学监测，音频数据处理	CNN, 预训练模型	音频	来自公开音频库的音频片段集合，经过人工仔细检查、编辑和裁剪以最小化偏差或分类错误	TensorFlow, Keras	MobileNetV2, 自定义CNN	准确率, 精确率, 召回率, 马修斯相关系数, 假阴性率	NA
1680	2026-01-30	Comparative Analysis of Deep Learning Architectures for Automatic Tooth Segmentation in Panoramic Dental Radiographs: Balancing Accuracy and Computational Efficiency 2026-Jan-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020336 PMID:41594311	研究论文	本研究系统性地比较了基于U-Net的不同深度学习模型在口腔全景X光片中自动牙齿分割任务上的性能，重点关注了分割精度随计算成本增加的变化	首次系统性地评估了不同编码器骨干网络（ResNet、EfficientNet、DenseNet、MobileNetV3-Small）在牙齿分割任务上的性能与计算效率的权衡，揭示了模型复杂度增加带来的收益递减现象	研究结果仅限于牙齿分割任务，对于其他任务可能得出不同的结论	评估不同深度学习架构在自动牙齿分割任务上的准确性和计算效率，寻找最佳平衡点	口腔全景X光片中的牙齿	计算机视觉	NA	深度学习	CNN	图像	1000张全景X光片（来自Tufts Dental Database）	NA	U-Net, ResNet, EfficientNet, DenseNet, MobileNetV3-Small	Dice系数, IoU	NA