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
1681	2026-01-30	MG-HGLNet: A Mixed-Grained Hierarchical Geometric-Semantic Learning Framework with Dynamic Prototypes for Coronary Artery Lesions Assessment 2026-Jan-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010118 PMID:41596049	研究论文	本文提出了一种用于冠状动脉病变评估的混合粒度分层几何语义学习框架MG-HGLNet	引入了拓扑感知双流编码模块捕获全局血流动力学上下文并纠正空间扭曲，设计了协同频谱形态解耦模块解耦任务特定特征，并实施了混合粒度监督优化策略以有效利用粗粒度标签	NA	通过冠状动脉CT血管造影自动评估冠状动脉病变，以诊断冠状动脉疾病	冠状动脉病变	计算机视觉	心血管疾病	冠状动脉CT血管造影	深度学习网络	图像	内部数据集	NA	MG-HGLNet, BiV-Mamba	狭窄分级准确率, 斑块分类准确率	NA
1682	2026-01-30	Development of Deep Learning Models for AI-Enhanced Telemedicine in Nursing Home Care 2026-Jan-20, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15020828 PMID:41598766	研究论文	本研究旨在评估养老院中远程医疗支持的急性事件管理效果，并开发深度学习模型对事件进行分类和预测住院转诊	开发了用于养老院远程医疗的深度学习模型，通过多种重采样技术处理数据不平衡问题，模型性能优于传统算法	研究为类实验设计，可能存在选择偏倚；数据仅来自特定养老院连锁机构，可能限制泛化性	评估远程医疗在养老院急性事件管理中的效果，并开发AI模型辅助临床决策	养老院中发生的急性健康事件	机器学习	老年疾病	远程医疗系统	深度前馈神经网络	结构化临床数据（人口统计学、合并症、生命体征、事件特征、结局）	5202个急性事件	NA	256-128-64单元的前馈神经网络（含批归一化、LeakyReLU、Dropout层）	AUC, 准确率, F1分数	NA
1683	2026-01-30	Efficient EEG-Based Person Identification: A Unified Framework from Automatic Electrode Selection to Intent Recognition 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020687 PMID:41600483	研究论文	本文提出了一种统一的深度学习框架，用于基于脑电图（EEG）的个体识别和意图识别，通过自动电极选择和增强的特征提取能力来提高性能	首次提出一个统一的深度学习框架，整合了自动电极选择、个体识别和意图识别，并引入了结合通道注意力机制和多尺度双向编码器（AES-MBE）的新型骨干网络	NA	解决基于EEG的个体识别和意图识别中的挑战，包括端到端流程设计、自动电极选择、特征提取增强以及利用更高层次信息	基于EEG信号的个体识别和意图识别（任务/活动识别）	机器学习	NA	脑电图（EEG）	深度学习	EEG信号	109名受试者，执行4项任务	NA	AES-MBE（结合通道注意力机制和多尺度双向编码器）	准确率	NA
1684	2026-01-30	NTFold: Structure-Sensing Nucleotide Attention Learning for RNA Secondary Structure Prediction 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020688 PMID:41600484	研究论文	本文介绍了一种基于深度学习的虚拟感知框架NTFold，用于准确预测RNA二级结构	提出了结构感知核苷酸注意力学习框架，整合核苷酸注意力模块和结构细化模块，以传感器启发的方式捕获局部和全局核苷酸相互作用	NA	解决RNA二级结构预测这一计算生物学和分子感知中的基本挑战	RNA二级结构	计算生物学	NA	深度学习	注意力机制	序列数据	NA	NA	核苷酸注意力模块, 结构细化模块	NA	NA
1685	2026-01-30	Segmentation-Based Multi-Class Detection and Radiographic Charting of Periodontal and Restorative Conditions on Bitewing Radiographs Using Deep Learning 2026-Jan-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020322 PMID:41594298	研究论文	本研究利用基于YOLOv8x-seg的深度学习模型，在咬翼X光片上同时检测八种牙周和修复参数，并评估其诊断性能	首次在咬翼X光片上应用YOLOv8x-seg模型进行多类别牙周和修复条件的检测与分割，实现了同时自动化评估多种口腔健康状况	模型在低频类别（如颈缘间隙、继发龋等）上表现较低，且整体分割性能仍有提升空间	开发一种基于深度学习的自动化方法，用于咬翼X光片上牙周和修复条件的多类别检测与分割	数字咬翼X光片	计算机视觉	牙周病	深度学习	CNN	图像	1197张数字咬翼X光片，包含7860个标注	PyTorch	YOLOv8x-seg	精确度, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95	NA
1686	2026-01-30	Proof-of-Concept Machine Learning Framework for Arboviral Disease Classification Using Literature-Derived Synthetic Data: Methodological Development Preceding Clinical Validation 2026-Jan-19, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14020247 PMID:41595383	研究论文	本研究开发了一个基于文献合成数据的机器学习框架，用于虫媒病毒性疾病分类，旨在验证计算可行性并指导未来临床验证	利用文献衍生的合成数据解决虫媒病毒性疾病诊断中的数据稀缺问题，并建立了一个包含多种算法的概念验证框架	研究基于合成数据，尚未进行临床验证，且模型在区分寨卡病毒和基孔肯雅热时性能略有下降	开发一个机器学习框架，用于虫媒病毒性疾病的早期诊断分类	虫媒病毒性疾病（登革热、寨卡病毒、基孔肯雅热）及流感作为阴性对照	机器学习	虫媒病毒性疾病	文献数据合成	MLP, NN, QSVM, BT	文本（症状数据）	28,000条合成记录（每种疾病7,000条）	NA	多层感知器, 窄神经网络, 二次支持向量机, 袋装树	准确率, 精确率, 灵敏度, 特异性, F1分数, AUC-ROC, Cohen's kappa系数	NA
1687	2026-01-30	Computer Vision-Based Corrosion Detection and Feature Extraction for Rock Bolts 2026-Jan-19, Materials (Basel, Switzerland) DOI:10.3390/ma19020392 PMID:41598103	研究论文	本研究通过集成图像处理、深度学习和特征提取方法，开发了一种基于计算机视觉的岩石锚杆腐蚀检测与特征提取技术框架	结合特征金字塔网络增强多尺度目标检测能力，并利用分形布朗运动模型模拟腐蚀形态，验证了分形特征计算的准确性，为金属腐蚀评估提供了可靠的定量指标	NA	解决岩石锚杆腐蚀对工程安全和使用寿命带来的挑战，实现腐蚀检测与监测	岩石锚杆	计算机视觉	NA	图像二值化、灰度矩阵分析、分形布朗运动模型	目标检测算法	图像	NA	NA	特征金字塔网络	NA	NA
1688	2026-01-30	AI-Powered Lateral DEXA Morphometry for Integrated Evaluation of Thoracic Kyphosis and Bone Density Assessment in Patients with Axial Spondyloarthritis 2026-Jan-19, Life (Basel, Switzerland) DOI:10.3390/life16010162 PMID:41598315	研究论文	本研究评估了一种基于YOLO模型的自动化深度学习方法，用于在侧位DEXA扫描中检测椎骨并估计胸椎后凸角度，以评估轴向脊柱关节炎患者的脊柱曲率和骨密度	首次将YOLO模型应用于侧位DEXA扫描的椎骨检测和胸椎后凸角度自动化评估，提供了一种快速、可重复且临床可解释的方法	研究样本量相对较小（512张DEXA图像），且主要基于单一数据集，可能限制模型的泛化能力	开发一种自动化方法，用于准确量化轴向脊柱关节炎患者的胸椎后凸角度和骨密度，以监测疾病进展和指导治疗	轴向脊柱关节炎（axSpA）患者，特别是其脊柱结构和胸椎后凸	计算机视觉	轴向脊柱关节炎	DEXA扫描	CNN	图像	512张标注的DEXA图像，其中182张来自axSpA患者	YOLO	YOLO	相关系数（r），均方误差，敏感性，特异性	NA
1689	2026-01-30	A Deep Learning-Based Graphical User Interface for Predicting Corneal Ectasia Scores from Raw Optical Coherence Tomography Data 2026-Jan-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020310 PMID:41594286	研究论文	本研究开发了一个基于深度学习的图形用户界面，用于从原始光学相干断层扫描数据预测角膜扩张评分	使用原始光学相干断层扫描数据而非预处理数据，确保诊断一致性不受软件更新影响，并开发了用户友好的图形界面	未明确说明样本量大小及数据来源的多样性，可能影响模型的泛化能力	设计一个深度学习图形用户界面，用于预测角膜扩张评分以辅助圆锥角膜的早期诊断	原始光学相干断层扫描数据（3dv格式）	计算机视觉	圆锥角膜	光学相干断层扫描	CNN	图像	NA	TensorFlow, PyTorch, Keras	EfficientNet-B0	平均绝对误差, 准确率, 敏感性, 特异性, 阳性预测值, F1分数	NA
1690	2026-01-30	Enhancing Approaches to Detect Papilloma-Associated Hyperostosis Using a Few-Shot Transfer Learning Framework in Extremely Scarce Radiological Datasets 2026-Jan-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020311 PMID:41594287	研究论文	本研究提出并验证了一个基于少样本迁移学习的框架，用于在极稀缺的放射学数据集中检测乳头瘤相关骨肥厚	提出了一个结合领域内迁移学习（微调预训练的颅骨分割模型）和专门数据增强技术（“窗位偏移”）的少样本学习框架，以应对极端数据稀缺问题	研究仅基于极小的样本量（n=20）进行，可能影响模型的泛化能力	开发在极端有限数据条件下构建具有临床意义的深度学习模型的方法学框架	鼻窦内翻性乳头瘤相关的局灶性骨肥厚（PAH）的放射学检测	数字病理学	鼻窦内翻性乳头瘤	放射学影像分析	深度学习	图像	20个样本	PyTorch	nnU-Net	Dice相似系数	NA
1691	2026-01-30	Advances in Audio Classification and Artificial Intelligence for Respiratory Health and Welfare Monitoring in Swine 2026-Jan-18, Biology DOI:10.3390/biology15020177 PMID:41594912	综述	本文综述了人工智能驱动的音频分类方法在猪场呼吸健康与福利监测中的应用	系统整合了AI音频分类在猪呼吸健康监测中的最新进展，并强调了实时、边缘计算及农场部署的商业化系统	面临数据稀缺、泛化能力不足、环境噪声干扰及实际部署挑战	为猪呼吸健康管理开发稳健的AI声学监测系统提供指导	猪的呼吸健康与福利监测	机器学习	呼吸系统疾病	音频采集技术	机器学习,深度学习	音频	NA	NA	NA	NA	NA
1692	2026-01-30	Muscle Fatigue Assessment in Healthcare Application by Using Surface Electromyography: A Transfer Learning Approach 2026-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s26020654 PMID:41600449	研究论文	本研究提出了一种基于表面肌电信号和迁移学习的深度学习框架，用于分类肌肉疲劳水平，旨在支持环境辅助生活应用	采用连续小波变换将一维肌电信号转换为二维时频图像（尺度图），并利用预训练的卷积神经网络进行微调分类，实现了高精度的肌肉疲劳评估	数据收集来自健康老年和非老年成人在受控条件下的动态任务，可能限制了在更广泛人群或真实环境中的泛化能力	开发一种实时、非侵入性的肌肉疲劳监测解决方案，以支持环境辅助生活应用	健康老年和非老年成年人	机器学习	老年疾病	表面肌电信号采集	CNN	图像	从健康老年和非老年成年人收集的新数据集	NA	预训练的卷积神经网络	准确率	NA
1693	2026-01-30	Specification-compliant fracture parameter extraction and rock mass classification on tunnel faces with improved YOLOv8-seg 2026-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33827-5 PMID:41547995	研究论文	本文提出了一种改进的YOLOv8-seg模型与标准化岩体分类系统相结合的智能框架，用于隧道掌子面岩体裂缝的精确识别与分类	引入高效通道注意力（ECA）机制增强复杂条件下裂缝特征的检测能力，并自动提取裂缝参数以直接对接中国国家标准GB 50487-2008的岩体分类标准	未明确说明模型在极端光照或严重遮挡隧道环境中的泛化性能，且未讨论不同地质条件下分类系统的适应性	提升隧道环境中岩体裂缝识别的准确性，并实现与工程分类标准的自动化集成以支持施工决策	隧道掌子面的岩体裂缝	计算机视觉	NA	深度学习图像分割	CNN	图像	NA	PyTorch	YOLOv8-seg	mAP@0.5	NA
1694	2026-01-30	Detection of Periapical Lesions Using Artificial Intelligence: A Narrative Review 2026-Jan-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020301 PMID:41594277	综述	本文综述了人工智能在检测根尖周病变方面的应用，涵盖了口内根尖片、全景片和锥形束CT等多种影像模态	系统总结了2021年至2025年间AI在根尖周病变检测中的最新证据，并强调了AI作为诊断辅助工具的价值及其对临床医生表现的提升作用	研究存在数据集、参考标准和评估指标的异质性，限制了结果的汇总分析，且需要外部验证和标准化报告	评估人工智能系统在检测根尖周病变方面的诊断准确性和临床应用潜力	根尖周病变	数字病理学	牙科疾病	NA	深度学习	图像	NA	NA	NA	NA	NA
1695	2026-01-30	Evolving Paradigms in Gastric Cancer Staging: From Conventional Imaging to Advanced MRI and Artificial Intelligence 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020284 PMID:41594260	综述	本文全面综述了胃癌术前分期诊断成像技术的演变，从传统成像方法到先进MRI和人工智能的应用	系统评估了MRI（特别是扩散加权成像和多参数方案）在胃癌分期中的新兴作用，并探讨了新型FAPI PET示踪剂以及放射组学和深度学习模型在提供非侵入性风险分层生物标志物方面的潜力	作为一篇综述文章，其结论基于对现有文献的分析，未进行原始数据收集或模型验证	更新胃癌诊断成像知识，评估各种成像技术在T、N、M分期准确性、定量成像生物标志物和放射组学方面的作用	胃癌（特别是弥漫型和低黏附组织型）的术前分期	数字病理学	胃癌	CT, EUS, PET/CT, MRI（包括扩散加权成像和多参数方案）, 放射组学, 深度学习	深度学习模型	医学影像数据（CT, MRI, PET等）	基于2015年至2024年间发表的410项相关研究	NA	NA	T、N、M分期准确性	NA
1696	2026-01-30	Real-World Integration of an Automated Tool for Intracranial Hemorrhage Detection in an Unselected Cohort of Emergency Department Patients-An External Validation Study 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020282 PMID:41594258	研究论文	本研究评估了深度学习工具RAPID ICH在急诊科患者非对比头部CT扫描中检测颅内出血的真实世界性能，并与第一年放射科住院医师进行比较	在未筛选的急诊科患者队列中外部验证了RAPID ICH工具，并与初级放射科医师进行直接性能对比	RAPID ICH的敏感性和特异性低于先前研究，且存在大量假阳性识别，限制了该DL工具的泛化能力	评估深度学习工具在真实临床环境中检测颅内出血的性能	急诊科患者的非对比头部CT扫描图像	数字病理学	颅内出血	非对比头部CT扫描	深度学习	医学图像	844例非对比头部CT扫描	NA	RAPID ICH	敏感性, 特异性, 阳性预测值, 阴性预测值	NA
1697	2026-01-30	Hybrid ConvNeXtV2-ViT Architecture with Ontology-Driven Explainability and Out-of-Distribution Awareness for Transparent Chest X-Ray Diagnosis 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020294 PMID:41594270	研究论文	本文提出了一种结合ConvNeXtV2和ViT的混合架构，用于胸部X光的多标签诊断，并集成了基于分割的Grad-CAM、本体驱动的神经符号推理和OOD检测模块，以提高模型的准确性、可解释性和鲁棒性	采用混合ConvNeXtV2-ViT架构结合局部特征提取与全局上下文建模，并创新性地整合了分割感知的Grad-CAM、基于本体的符号推理层和轻量级OOD检测模块，以增强临床可解释性和分布外鲁棒性	模型仅使用图像级注释进行训练，未涉及像素级标注；外部验证数据集中CheXpert的性能相对较低（0.8487），可能存在泛化限制；OOD模块主要针对非胸部图像，对胸部内异常分布的检测能力未详细评估	开发一个准确、透明且安全的自动化胸部X光诊断系统，以解决多标签疾病识别中的可解释性和鲁棒性问题	胸部X光图像	计算机视觉	胸部疾病	胸部X光成像	CNN, Transformer	图像	VinBigData测试集、NIH ChestXray14和CheXpert（正面视图）外部数据集	NA	ConvNeXtV2, Vision Transformer (ViT)	宏AUROC, 微AUROC	NA
1698	2026-01-30	Neurosense: Bridging Neural Dynamics and Mental Health Through Deep Learning for Brain Health Assessment via Reaction Time and p-Factor Prediction 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020293 PMID:41594269	研究论文	提出一种名为Neurosense的AI驱动脑健康评估框架，利用EEG信号通过深度学习预测反应时间和p因子，以评估神经动力学与心理健康之间的关系	提出了D-STAGE双路径时空自适应门控编码器架构，结合Transformer和图卷积并行处理EEG时空特征；采用基于适配器的参数高效迁移学习范式，仅需1.7%的参数即可实现从认知任务到心理健康评估的迁移	未明确说明样本规模、数据来源多样性及模型在临床环境中的验证情况	开发客观、高时间分辨率的脑健康评估计算框架，探索神经动力学、认知效率与心理健康维度之间的层次关系	脑电图（EEG）信号、认知任务表现（反应时间）、跨诊断精神病理学维度（p因子）	机器学习	精神健康障碍	脑电图（EEG）	Transformer, 图卷积神经网络（GCN）	时序信号（EEG）	NA	NA	Dual-path Spatio-Temporal Adaptive Gated Encoder (D-STAGE), Transformer, 图卷积	NA	NA
1699	2026-01-30	StaticPigDetv2: Performance Improvement of Unseen Pig Monitoring Environment Using Depth-Based Background and Facility Information 2026-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s26020621 PMID:41600416	研究论文	本研究提出了一种基于深度学习的静态猪只监测方法，通过利用固定摄像头背景和设施信息，提升在未见环境中的检测精度和延迟性能	引入三个新模块（BIG、FIG、BSI），利用一次性预处理的背景和设施信息，无需模型重训练即可改善检测精度和效率，并通过3D卷积层进行差异感知特征融合以减少域差距	方法依赖于固定摄像头设置和一次性预处理，可能不适用于动态或频繁变化的监控环境，且仅在特定数据集（德国和韩国）上验证	提升基于深度学习的猪只监测在未见环境中的准确性和延迟性能	猪只监测，特别是在固定摄像头下的猪舍环境	计算机视觉	NA	深度学习，3D卷积	YOLO	图像	德国猪数据集用于训练，韩国Hadong猪数据集用于测试	NA	YOLOV12m	AP精度，延迟（毫秒）	Jetson Orin Nano
1700	2026-01-30	A Deep Representation Learning Method for Quantitative Immune Defense Function Evaluation and Its Clinical Applications 2026-Jan-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515929 PMID:41536212	研究论文	本文提出了一种基于RNA-seq数据的深度表示学习方法ImmuDef，用于定量评估抗感染免疫防御功能，并开发了防御免疫评分DImmuScore	首次引入基于变分自编码器的深度表示学习模型来构建免疫防御功能的定量评估标准，实现了跨疾病免疫防御的量化	未明确说明模型在更广泛疾病或人群中的泛化能力，以及计算资源的详细需求	开发一种定量评估个体免疫防御功能的方法，并应用于临床预后和疾病严重程度分层	免疫缺陷、免疫受损、免疫正常和免疫活跃四种免疫状态下的样本，包括艾滋病、严重脓毒症、COVID-19等感染性疾病患者	机器学习	感染性疾病	RNA-seq	VAE	RNA-seq数据	3202个样本	NA	变分自编码器	准确率	NA