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	2026-09-07	Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection 2026-03, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.06.031 PMID:40533057	研究论文	该研究构建了一种多模态模型，用于预测肝细胞癌术后早期复发，并探讨了相关生物学机制。	创新性地整合了影像组学和深度学习模型，形成多模态模型（MM-RDLM），并利用基因集富集分析和多重免疫组化探讨了生物学机制，提高了预测的准确性和可解释性。	作为回顾性研究，可能存在选择偏倚，且模型需要外部验证；生物学机制的探索仅为初步结果，需进一步实验验证。	构建多模态模型预测肝细胞癌术后早期复发，并探索相关的生物学机制。	肝细胞癌患者	医学图像分析	肝细胞癌	对比增强计算机断层扫描	多模态模型（影像组学与深度学习模型整合）	医学影像数据	519名肝细胞癌患者（来自三家医疗中心）	NA	深度学习模型（具体架构未明确）	曲线下面积、风险比、置信区间、P值、复发无病生存率和总生存率	NA
1682	2026-09-07	Deep learning-assisted near-real-time identification of the inferior mesenteric artery and vein during laparoscopic rectal resection: a single-center proof-of-concept study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1891914 PMID:42698441	研究论文	开发并内部评估了一种基于深度学习的分割模型，用于腹腔镜直肠切除术中肠系膜下动脉和静脉的实时识别。	首次使用标准白光腹腔镜视频进行近实时语义分割，支持术中解剖识别。	单中心回顾性研究，样本量较小，未进行外部验证，缺乏客观人因实验和前瞻性临床评估。	开发并初步评估一种近实时语义分割模型，以辅助腹腔镜直肠切除术中肠系膜下动脉和静脉的识别。	肠系膜下动脉和肠系膜下静脉的术中视频帧	计算机视觉	直肠癌	腹腔镜视频	U-Net	图像	16例患者，共2720帧RGB图像（1758帧IMA，962帧IMV）；内部测试集3例患者460帧	nnU-Net v2	2D U-Net	Dice系数，精度，召回率	NVIDIA RTX 3090 GPU，推理速度12.7帧/秒
1683	2026-09-07	Visual and lesion descriptor fusion using cross-attention for skin disease diagnosis 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1885137 PMID:42698561	研究论文	提出一种基于交叉注意力的框架，融合视觉特征与结构化病变描述符，用于皮肤病的早期诊断	首次将视觉特征与基于ABCD规则自动生成的结构化病变描述符相结合，采用交叉注意力机制进行多模态融合，增强诊断的准确性和可解释性	未明确提及，但可能受限于数据集的规模和多样性，以及描述符生成的准确性	提升皮肤病的早期诊断准确性，通过多模态融合增强特征提取和泛化能力	皮肤病图像及其对应的结构化病变描述符	计算机视觉, 自然语言处理	皮肤病	NA	Transformer, BERT	图像, 文本	ISIC 2018数据集（数量未明确）	NA	Transformer, BERT	准确率	NA
1684	2026-09-07	EnviroSpect-guided ConvMixer-ViT framework for environment-robust potato leaf disease detection 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1886452 PMID:42698553	研究论文	提出了一种结合ConvMixer和Vision Transformer的混合深度学习框架，并引入EnviroSpect预处理方案，用于环境鲁棒的马铃薯叶部病害检测。	创新点在于提出EnviroSpect预处理方案，独立重映射色调、增强饱和度并标准化强度，以在异构成像条件下保留疾病判别线索；同时采用原型网络头结合softmax分类，以及元素级集成的混合骨干网络。	未明确提及局限，但可推断依赖特定数据集，可能对极端环境或新病害类型的泛化能力有限。	提高马铃薯叶部病害检测在真实世界环境变异性下的鲁棒性和准确性，同时保持模型轻量高效，适用于资源受限的边缘设备。	马铃薯叶部病害，包括早疫病和晚疫病，以及可能的其他类别。	计算机视觉	马铃薯早疫病、晚疫病	图像处理（基于HSI颜色空间的预处理）	混合模型（ConvMixer + Vision Transformer）	图像	5304张图像，来自三个数据集（PlantVillage, Potato Plants, AgriPlant），涵盖三种病害类别。	未明确提及框架，但可能使用PyTorch或TensorFlow（根据惯例推断），此处输出为NA	ConvMixer, Vision Transformer (ViT)	准确率, 宏F1分数, 精确率, 召回率	GPU（未指定具体型号），每张图像推理时间19毫秒，模型参数8.9百万。
1685	2026-09-07	Research on surface crack segmentation and quantitative degradation assessment in alpine meadows based on UAV imagery and the YOLO-AMSC model 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1895244 PMID:42698667	研究论文	提出YOLO-AMSC模型用于基于无人机影像的高寒草甸草毡层裂缝分割与定量退化评估	提出SDAF-Block模块保留细微裂缝空间细节、MLCA机制增强裂缝纹理并抑制背景噪声、HFP-IoU损失函数对细长裂缝边界施加几何约束	未明确提及本文局限性	实现对复杂自然环境下高寒草甸草毡层裂缝的高精度分割与形态量化，并用于退化评估与早期预警	高寒草甸草毡层表面的微细且不规则的裂缝	计算机视觉, 数字病理学	不适用	无人机影像	深度学习网络	图像	未明确提及样本量	不明确	YOLO-AMSC, YOLOv5n-seg, YOLOv10n-seg, YOLO-hyper-seg, YOLOv12n-seg, SOLOv2, SparseInst, DeepCrack, CrackFormer-II, CrackSegDiff	mAP50, 相对误差	未明确提及
1686	2026-09-07	TAE-IDS: a trust-aware explainable intrusion detection framework using attention-based meta-ensemble learning with blockchain validation 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1903112 PMID:42698774	研究论文	提出了一种结合注意力元集成学习、SHAP可解释性和区块链验证的信任感知可解释入侵检测框架（TAE-IDS），并在UNSW-NB15和CICIDS2017数据集上进行评估	创新性地融合了基于注意力机制的BiLSTM元分类器、SHAP驱动的可解释性以及基于SHA-256哈希的区块链防篡改验证机制，以增强入侵检测的透明度、可解释性和记录完整性	仅在基准数据集上评估，尚未在实际网络环境中进行验证，未来需要在实际操作网络环境中进行验证	解决现有入侵检测系统在可解释性、黑盒决策和缺乏安全信任验证机制方面的挑战，提高检测性能和记录安全性	网络入侵检测系统及其检测记录，包括UNSW-NB15和CICIDS2017数据集中的网络流量数据	机器学习	NA	NA	集成学习、BiLSTM	数值数据（网络流量特征）	使用UNSW-NB15和CICIDS2017基准数据集，具体样本数量未在摘要中提供	NA	基分类器：LR、ET、XGBoost；元分类器：BiLSTM注意力网络	入侵检测性能指标（如准确率、精确率、召回率、F1-score等，具体未明确）	NA
1687	2026-09-07	Artificial Intelligence for Anal Cancer Screening: Multicenter Multicontinental Validation of a Trinary Model in High-Resolution Anoscopy 2026, Gastro hep advances DOI:10.1016/j.gastha.2026.101074 PMID:42699290	研究论文	开发并验证了一种基于深度学习的三分类模型，用于在高分辨率肛门镜检查中检测和分类肛门上皮内瘤变	首个能够同时检测并对肛门管病变进行三分类（HSIL、LSIL和非发育不良）的互操作人工智能模型	NA	解决HRA的主观性和观察者间变异性，提高肛门癌筛查的临床应用性	肛门镜图像帧中的肛门病变，包括HSIL、LSIL和非发育不良病变	计算机视觉	肛门癌	NA	CNN	图像	191,951帧来自107例HRA手术，覆盖5个独立中心的5种不同成像设备	PyTorch	YOLO-v11	召回率, 精确率, 准确率, F1分数	NA
1688	2026-09-07	Deep Learning-based Detection of Hip Anatomical Landmarks in X-ray Images 2026, The archives of bone and joint surgery DOI:10.22038/ABJS.2025.82151.3740 PMID:42699340	研究论文	本研究提出了两阶段深度学习模型，用于在髋部X光图像中自动检测解剖标志点，以提高畸形量化的准确性。	采用两阶段深度学习策略，先检测边界框再精确定位标志点，并使用VGG16和ResNet50作为基础网络，实现了对16个髋部解剖标志点的自动检测和12个特定尺寸的测量。	未明确提及限制，但可能受限于数据集的规模和多样性。	提高髋部X光图像中解剖标志点检测的准确性，从而改善畸形量化的精度。	髋部X光图像中的16个解剖标志点和每侧的12个特定尺寸。	医学影像分析	髋部畸形	X光成像	CNN	图像	854张3关节下肢X光图像	NA	VGG16, ResNet50	平均误差	NA
1689	2026-09-07	Artificial intelligence for perioperative precision in surgical oncology 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1865406 PMID:42699500	综述	本文综述了人工智能在外科肿瘤学围手术期精准医疗中的应用进展，涵盖术前、术中和术后各阶段的多模态深度学习技术及其对手术质量的贡献。	强调多模态深度学习整合影像、病理和组学数据，提出贯穿围手术期连续体的AI决策支持框架。	包括可解释性有限、分布偏移下性能不稳定以及前瞻性证据不足。	探讨AI在精准外科肿瘤学中的进展，评估其在围手术期各阶段的应用价值及临床转化障碍。	外科肿瘤学中的多模态数据，如影像、病理、组学及手术过程数据。	机器学习	外科肿瘤学	放射基因组学、病理组学、多组学分析	多模态深度学习	影像、病理、组学及临床数据	NA	NA	NA	NA	NA
1690	2026-09-07	From spatial maps to treatment decisions: a roadmap for integrating explainable AI with multi-omics to guide precision immunotherapy 2026, Biotechnology notes (Amsterdam, Netherlands) DOI:10.1016/j.biotno.2026.08.001 PMID:42701433	观点文章	本文提出将空间多组学、可解释人工智能和机制指导的临床试验设计相结合，以弥合肿瘤微环境空间图谱与免疫治疗决策之间的转化差距。	引入空间免疫参与指数（SIEI），一种距离加权度量，用于量化CD8 T细胞与肿瘤细胞的空间相互作用，并基于概念可解释人工智能和反事实推理提出可解释的空间生物标志物。	摘要中未明确提及局限性。	为整合空间多组学和可解释人工智能提供路线图，以指导精准免疫治疗决策。	肿瘤微环境中的空间多组学数据、组织病理图像以及免疫治疗相关标志物。	数字病理学, 计算机视觉, 机器学习	肿瘤	多重免疫荧光, 苏木精-伊红染色成像, 空间多组学	概念可解释人工智能模型	组织病理图像, 多重免疫荧光数据	NA	NA	NA	NA	NA
1691	2026-09-07	Deep Learning Image Reconstruction Algorithm for Quantitative Assessment of Low-Dose Biphasic Chest CT in Chronic Obstructive Pulmonary Disease 2026, International journal of chronic obstructive pulmonary disease IF:2.7Q2 DOI:10.2147/COPD.S614978 PMID:42701782	研究论文	评估深度学习图像重建算法在低剂量双相胸部CT中对慢性阻塞性肺疾病定量评估的影响	首次评估DLIR在低剂量吸气-呼气CT中对COPD的肺气肿、空气潴留和小气道功能障碍定量参数的影响及其与肺功能测试的相关性	未明确说明，但可能包括样本量较小或仅涉及单一中心	评估深度学习图像重建对COPD低剂量胸部CT定量评估的影响	69名接受低剂量吸气-呼气胸部CT扫描和肺功能测试的COPD患者	医学影像分析	慢性阻塞性肺疾病	低剂量胸部CT	深度学习图像重建	CT图像	69名COPD患者	NA	深度学习重建模型（具体架构未提及）	AUC、相关系数	NA
1692	2026-09-06	ImplantPlanNet: A deep learning framework for automatic implant planning from preoperative CBCT images 2026-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106925 PMID:42508797	研究论文	开发并评估了ImplantPlanNet，一种基于术前CBCT图像自动进行单颗牙缺失种植规划的深度学习框架	提出了一个结合候选定位、局部补丁提取、姿态估计和几何参数恢复的自动初始种植规划框架，无需手动标注即可估计种植体位置、长轴方向、长度和直径	数据集仅包含单颗牙缺失场景，未覆盖多颗牙缺失或复杂解剖情况；外部测试中长度分类准确率较低且颊侧骨板厚度略有减少，可能限制泛化性	开发并验证一种自动初始种植规划框架，以支持基于CBCT的临床前种植规划，减少时间消耗和经验依赖性	144例单颗牙缺失患者的术前CBCT图像，分为训练集（n=104）、内部测试集（n=20）和外部测试集（n=20）	计算机视觉	牙齿缺失	CBCT成像	深度学习框架	三维图像	144例CBCT图像（104训练，20内部测试，20外部测试）	PyTorch	候选定位网络、姿态估计网络（具体架构未指定，可能包括CNN）	三维冠状偏差、三维根尖偏差、角度偏差、尺寸分类准确率、安全相关距离测量	未明确提供，但深度学习框架训练通常需要GPU支持
1693	2026-09-06	Artificial intelligence for dental caries detection: An umbrella review 2026-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106944 PMID:42537896	综述	该文为伞状综述，旨在综合评估人工智能在龋齿检测和诊断方面的系统评价，并分析其证据可靠性和临床价值	首次采用伞状综述方法批判性评价AI用于龋齿检测的系统评价，量化原始研究重叠度，并识别证据中的方法学局限	原始研究高度重叠、方法学不足（依赖回顾性数据、缺乏外部验证、报告不一致）严重削弱证据可靠性，且临床适用性有限	评估AI用于龋齿检测和诊断的系统评价证据质量及其临床价值	17项系统评价，包含5项采用双变量或HSROC模型的分析测试准确性的meta分析，涉及咬合翼片和口内照片	医学影像分析	龋齿	深度学习	深度学习模型	医学图像（咬合翼片和口内照片）	17项系统评价	NA	NA	灵敏度、特异度	NA
1694	2026-09-06	AI-driven structure- and ligand-based discovery of novel Ferrochelatase inhibitors from heterocyclic libraries 2026-Nov, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109523 PMID:42520493	研究论文	本研究利用人工智能驱动的结构和配体基方法，从杂环化合物库中发现了新的铁螯合酶（FECH）抑制剂	整合了深度学习辅助的分子对接和双算法机器学习共识分类器，构建了一个多层级计算管道，以系统性排除假阳性	研究仅基于计算模拟，缺乏体外和体内实验验证	发现新型FECH抑制剂，以增强光动力疗法并抑制血管生成，开发双模态治疗药物	铁螯合酶（FECH）和杂环化合物库中的潜在抑制剂	人工智能辅助药物发现	癌症	分子对接、深度学习、机器学习、分子动力学模拟、MM/PBSA	深度学习模型和机器学习分类器	化合物结构和对接数据	化合物库中的多个杂环化合物	不适用	不适用	结合自由能、结构稳定性	不适用
1695	2026-09-06	A deep learning-based framework for the malignancy analysis of thyroid lesions in contrast-enhanced ultrasound videos 2026-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103500 PMID:42526280	研究论文	提出了一种基于深度学习的框架LSTAC，用于自动分析甲状腺结节在对比增强超声视频中的恶性程度	将改进的YOLOv5分割网络与峰值强度帧提取算法相结合，实现了结节自动定位、时间强度曲线生成和峰值强度帧识别的全自动化分析，提高了效率和准确性	未见明确陈述限制，可能包括依赖于CEUS数据质量和需要多中心验证	开发自动化框架以提高甲状腺结节CEUS分析的效率和一致性，减少人工操作和依赖	来自三家医院的623例患者的甲状腺结节CEUS视频数据	计算机视觉	甲状腺结节	对比增强超声成像	YOLOv5	视频	623例患者	NA	YOLOv5	时间准确性, 结构相似性指数, AUC	NA
1696	2026-09-06	From heatmaps to language: Explainable skin cancer diagnosis using CNN-VLM integration with an expert-annotated dataset 2026-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103499 PMID:42546602	研究论文	本研究提出了一个可解释的皮肤癌诊断框架，整合了带有CBAM的Xception网络进行分类和域适应的视觉-语言模型(VLM)生成临床解释，并构建了专家注释的图像-文本语料库用于微调VLM	首次结合Grad-CAM++热图与专家注释构建图像-文本语料库，并以参数高效方式微调MedGemma-4B以生成临床可理解的解释，提升了模型的临床可解释性	样本量相对较小（347个样本），且依赖自动化LLM评估解释质量而非临床验证	开发一个提供分类预测、视觉注意力图和专家对齐文本解释的可解释皮肤癌诊断框架	皮肤病变图像及其对应的专家注释文本解释	计算机视觉	皮肤癌	NA	CNN-VLM	图像、文本	347个图像-文本对，来自HAM10000数据集	PyTorch	Xception, CBAM, Grad-CAM++, MedGemma-4B	准确率, AUC, 解释质量分数	NA
1697	2026-09-06	Deep Cross-Branch Multi-Modal Fusion Network for early Alzheimer's diagnosis 2026-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103497 PMID:42551144	研究论文	提出了一种名为DCMFNet的深度跨分支多模态融合网络，用于早期阿尔茨海默病的诊断，通过整合sMRI和rs-fMRI数据实现跨模态特征对齐与融合	设计了新的深度跨分支多模态特征融合模块（DCMF），包含三个并行分支和双路径跨模态分支，以充分挖掘跨模态互补和相关信息，并引入Logit调整交叉熵损失（LACE）以缓解类别不平衡问题	文中未提及明确的局限性	实现对早期阿尔茨海默病的准确诊断，缓解类别不平衡和跨模态对齐问题	阿尔茨海默病患者及正常对照者的sMRI和rs-fMRI影像数据	医学影像分析	阿尔茨海默病	NA	深度学习模型，包括Transformer和卷积神经网络	医学影像（sMRI和rs-fMRI）	私有临床数据集，具体样本数量未说明	NA	Transformer, DCMF模块	分类准确率	NA
1698	2026-09-06	Comparative evaluation of training strategies using partially labelled datasets for segmentation of white matter hyperintensities and stroke lesions in FLAIR MRI 2026-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103507 PMID:42659784	研究论文	本文系统评估了使用部分标注数据训练白质高信号和缺血性卒中病变联合分割模型的各种策略，发现伪标签方法最有效	首次系统比较了六种利用部分标注数据训练WMH和ISL联合分割模型的策略，并验证了伪标签方法在提升分割性能方面的优势	未提及具体局限性，但可能包括伪标签的误差传递和模型对不同数据集的泛化能力有待进一步验证	解决WMH和ISL联合分割中完全标注数据稀缺的问题，探索利用部分标注数据训练有效模型的方法	脑小血管疾病中的白质高信号和缺血性卒中病变	机器学习, 医学图像分析	脑小血管疾病	NA	深度学习模型	MRI影像	2052个MRI体积，其中1341个有WMH标注，1152个有ISL标注	NA	NA	分割性能指标（如Dice系数）	NA
1699	2026-09-06	Deep learning-based parasite detection for early and comprehensive diagnosis of animal trypanosomosis from thin blood smears 2026-Oct, Veterinary parasitology IF:2.0Q2 DOI:10.1016/j.vetpar.2026.110898 PMID:42647969	研究论文	本研究评估了基于深度学习的目标检测模型用于动物锥虫病早期全面诊断的可行性	利用YOLO模型实现锥虫的早期检测，并通过不同物种和样本来源验证了模型的泛化能力	信息未在标题和摘要中提供	评估深度学习目标检测模型在动物锥虫病早期和全面检测中的应用	包括刚果锥虫在内的锥虫寄生虫，以及感染小鼠的薄血涂片	计算机视觉	动物锥虫病	显微镜检查（薄血涂片）	YOLO（目标检测模型）	图像	14,380张薄血涂片图像，包含47,276个寄生虫细胞	未指定	YOLO	精确度	未提供
1700	2026-09-06	Developing a Histology-Based Artificial Intelligence Biomarker to Predict Adjuvant Chemotherapy Benefit in Pancreatic Cancer 2026-Sep-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-26-00327 PMID:42507965	研究论文	开发基于组织学的人工智能生物标志物，以预测胰腺癌辅助化疗的相对获益	首次利用深度学习分析全切片图像，从肿瘤形态学中提取预测辅助化疗（吉西他滨 vs mFOLFIRINOX）相对获益的生物标志物	未在摘要中提及具体局限性	开发并验证一种基于组织学图像的生物标志物，用于预测胰腺导管腺癌患者接受辅助化疗的相对获益	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	组织学全切片图像（WSI）	深度学习模型	组织学图像	训练集231例，外部验证集313例（来自随机临床试验PRODIGE-24/CCTG PA6）	NA	卷积神经网络（CNN）	风险比（HR）、P值、交互作用P值	NA