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
41	2026-02-22	GAST-NET: A multi-modal and multi-task deep learning framework for preoperative prediction of perineural invasion and prognostic risk in gastric cancer 2026-Feb-14, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106348 PMID:41719850	研究论文	本文提出了一种名为GAST-NET的多模态多任务深度学习框架，用于术前预测胃癌的神经周围浸润和预后风险	开发了端到端多模态多任务深度学习框架，整合肿瘤CT特征、内脏脂肪组织特征和临床变量，并引入自适应多尺度特征融合模块和跨尺度融合池化模块以增强跨模态表示	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	术前预测胃癌的神经周围浸润和五年预后生存风险	胃癌患者	数字病理学	胃癌	CT成像	深度学习	图像, 临床变量	777名患者，来自三个医疗中心，分为训练队列、内部测试队列和两个外部测试队列	NA	GAST-NET	AUC, 决策曲线分析	NA
42	2026-02-22	Mapping Eye-Tracking Research in Human-Computer Interaction: A Science-Mapping and Content-Analysis Study 2026-Feb-12, Journal of eye movement research IF:1.3Q3 DOI:10.3390/jemr19010023 PMID:41718383	综述	本研究通过科学计量学与内容分析，对人机交互领域中的眼动追踪研究进行了系统性回顾与趋势分析	首次结合Web of Science和Scopus数据库，对2020-2025年间人机交互领域的眼动追踪研究进行大规模文献计量与内容分析，识别出四大研究主轴	研究仅涵盖2020-2025年的文献，且定性分析仅基于被引次数最高的50篇论文，可能存在代表性偏差	系统梳理人机交互领域眼动追踪研究的现状、趋势与未来方向	1033篇人机交互领域的眼动追踪相关学术出版物	人机交互	NA	眼动追踪，AI视线分析	深度学习	文献元数据，文本内容	1033篇出版物，其中50篇进行深度内容分析	VOSviewer	NA	h指数，平均作者数	NA
43	2026-02-22	An Open-Source Horizontal Strabismus Simulator as an Evaluation Platform for Monocular Gaze Estimation Using Deep Learning Models 2026-Feb-09, Journal of eye movement research IF:1.3Q3 DOI:10.3390/jemr19010020 PMID:41718380	研究论文	本文开发了一种低成本的开源水平斜视模拟器，用于评估深度学习模型在单眼注视估计中的性能	首次提出了一种能够精确模拟水平斜视并生成已知真实角度的开源低成本模拟器，填补了现有评估平台的空白	模拟器仅针对水平斜视设计，未涵盖垂直或旋转性斜视；评估的AI模型在超过±15°注视角度时准确性迅速下降	开发一个评估平台，用于验证单眼注视估计技术在斜视筛查中的适用性	水平斜视模拟器及三种代表性AI模型（Single Eye、GazeNet、EyeNet）	计算机视觉	斜视	单眼注视估计技术	深度学习模型	图像	NA	NA	Single Eye, GazeNet, EyeNet	平均绝对误差, 估计误差	NA
44	2026-02-22	Verifying Urdu news authenticity using deep learning with concatenated BERT and GloVe embedding 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36771-0 PMID:41644624	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
45	2026-02-22	High-resolution forecasting of soil thermal regimes using different deep learning frameworks under climate change 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38496-6 PMID:41644622	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
46	2026-02-06	A novel deep learning approach for mosquito species classification via a dual-head structure and calibration-aware fusion architecture 2026-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35453-1 PMID:41639160	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
47	2026-02-22	Efficient target detection method based on wavelet transform and progressive feature pyramid network: a case study of power grid inspection 2026-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37017-9 PMID:41639278	研究论文	本文提出了一种基于小波变换和渐进特征金字塔网络的改进YOLOv11检测器，用于高压输电线路环境中的异物检测	集成了小波变换卷积块以分解多频特征，开发了渐进特征金字塔网络进行两阶段细化，并引入了内嵌EIoU损失函数以提升小目标和低对比度目标的定位精度	未明确说明模型在极端天气或复杂光照条件下的鲁棒性，以及跨不同电网基础设施的泛化能力	提高高压输电线路巡检中异物检测的准确性和鲁棒性	高压输电线路上的异物（如漂浮物、鸟巢、碎片）	计算机视觉	NA	深度学习，计算机视觉	YOLO	图像	TLFO数据集，并在MS COCO val2017上进行了额外实验	PyTorch	YOLOv11, Wavelet-Transform Convolution, Progressive Feature Pyramid Network	mAP₀.₅, mAP₀.₅:₀.₉₅, Precision, FPS	未明确指定，但提及了推理速度（FPS）
48	2026-02-22	Automated diagnosis of plus form and early stages of ROP using deep learning models 2026-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37064-2 PMID:41639314	研究论文	本研究开发了一种基于深度学习的自动化诊断系统，用于分类早产儿视网膜病变（ROP）的Plus疾病和疾病分期	提出了一种能够同时进行Plus疾病二元分类和ROP多阶段分类的深度学习模型，在视网膜眼底图像上实现了高精度诊断	需要多中心验证以确认临床适用性	开发自动化ROP诊断系统以支持及时诊断和干预	早产儿视网膜病变（ROP）患者	计算机视觉	早产儿视网膜病变	深度学习	深度学习模型	视网膜眼底图像	NA	NA	NA	准确率	NA
49	2026-02-22	Enhancing diagnostic safety with low iodine, low radiation CTPA classification using deep learning 2026-Feb-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38223-1 PMID:41639316	研究论文	提出一种基于深度学习的框架，用于在低碘和低辐射CTPA条件下诊断肺栓塞	提出一个两阶段框架，整合图像增强和分类，联合利用原始低曝光图像及其超分辨率版本，并构建并公开首个低碘低辐射CTPA数据集	NA	提高CTPA诊断的安全性，在降低碘对比剂和辐射剂量的条件下实现准确的肺栓塞诊断	肺栓塞患者	数字病理学	肺栓塞	计算机断层扫描肺血管造影	深度学习	医学图像	NA	NA	NA	AUC, 敏感性, 特异性	NA
50	2026-02-22	Instance-level quantitative saliency in multiple sclerosis lesion segmentation 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36560-9 PMID:41622299	研究论文	本文提出了两种用于语义分割的实例级可解释性方法，以生成定量显著性图，并应用于多发性硬化症白质病变的MRI分割任务	扩展了SmoothGrad和Grad-CAM++方法，首次实现了语义分割中针对单个特定实例（如医学影像中的单个病变）的定量显著性分析	方法主要应用于多发性硬化症病变分割，尚未在其他疾病或影像模态中验证其泛化能力	开发实例级可解释性方法，以理解深度学习模型在语义分割任务中检测和勾画特定病变的决策机制	多发性硬化症患者的白质病变	医学影像分析	多发性硬化症	磁共振成像	深度学习	MRI图像	687名患者，共4023次FLAIR和MPRAGE MRI扫描	PyTorch	3D U-Net, nnU-Net, Swin UNETR	Dice系数, 真阳性率, 假发现率, 假阴性率	NA
51	2026-02-22	MRI neuroimaging-based Alzheimer's disease stage classification using deep neural network with convolutional block attention module and GAN-style noise injection 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37226-2 PMID:41622348	研究论文	本研究提出了一种名为Neuro_CBAM-ADNet的诊断模型，用于基于MRI数字图像早期预测阿尔茨海默病的四个阶段	结合卷积块注意力模块（CBAM）和GAN风格噪声注入的深度神经网络，以提高阿尔茨海默病阶段分类的准确性	未提及具体局限性	开发一个计算机辅助系统，用于阿尔茨海默病的早期检测和阶段分类	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	CNN	图像	未提及具体样本量	未提及	Neuro_CBAM-ADNet	准确率	未提及
52	2026-02-22	Explainable multi-modal approach for uncovering key predictors of stroke-risk from ECG, EMG, blood pressure, and respiratory signals 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37777-4 PMID:41629619	研究论文	本研究开发了一种可解释的多模态中风风险预测模型，整合了呼吸信号、血压、心电图和肌电图数据	首次将呼吸信号（二氧化碳和呼吸流量）整合到中风风险预测模型中，并应用可解释人工智能技术识别关键预测因子	样本量较小（64名受试者），需要在更大规模的数据集上进行验证	开发准确且可解释的中风风险预测模型，帮助临床医生理解和信任AI决策	中风风险预测	机器学习	心血管疾病	ECG, EMG, 血压监测, 呼吸信号监测	单层感知器	多模态生物信号（时间序列数据）	64名受试者	未明确说明	单层感知器	准确率	NA
53	2026-02-22	Tropical dry forest land use/land cover change detection using semi-supervised deep learning algorithms and remote sensing 2026-Feb-02, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14897-4 PMID:41627523	研究论文	本研究提出了一种新颖的半监督深度学习框架，结合SAR和光学卫星影像，用于热带干旱森林的土地利用/土地覆盖变化检测	提出了一种结合无监督伪标签生成和定制Y-Net架构的半监督深度学习框架，能够在标记数据有限的情况下，融合光学与雷达影像实现精确的变化检测	研究主要针对热带干旱森林区域，其方法在其他生态系统或地理区域的普适性尚未验证	开发一种适用于数据稀缺区域的半监督深度学习框架，以改进热带干旱森林的土地利用/土地覆盖变化检测	热带干旱森林（TDFs）的土地利用/土地覆盖变化	遥感	NA	合成孔径雷达（SAR）、光学卫星遥感	深度学习	卫星影像（SAR与光学影像）	2017年至2021年哥伦比亚安蒂奥基亚考卡河谷的卫星影像	NA	Y-Net, U-Net, PSPNet	平均总体准确率（95.3%）、平均交并比（mIoU, 88.1%）	NA
54	2026-02-22	Research on structural damage identification based on temporal power flow graph network 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37356-7 PMID:41629411	研究论文	提出了一种基于时序功率流图网络的结构损伤识别方法，通过将动态功率流嵌入图神经网络的消息传递过程，实现无监督损伤检测与定位	提出了时序功率流传播模块，将结构动力学中的能量传输特性显式表征并嵌入图神经网络，增强了模型的物理可解释性和泛化能力	未在真实大型土木结构上进行验证，主要基于数值模拟和缩尺基准框架测试	提高结构损伤识别的物理可解释性和泛化能力	大型土木结构	机器学习	NA	多传感器加速度响应分析	图神经网络	传感器时序数据	NA	NA	TPF-GNet	准确率	NA
55	2026-02-22	Clinician-Led Code-Free Deep Learning for Detecting Papilledema and Pseudopapilledema Using Optic Disc Imaging 2026-Feb-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.2.25 PMID:41718661	研究论文	本研究评估了无代码自动化机器学习平台在利用标准光学相干断层扫描的近红外反射图像区分视盘水肿与假性视盘水肿及其严重程度方面的性能	首次比较了多种无代码自动化机器学习平台在视盘水肿检测与分级任务中的表现，为无编码专业知识的临床团队提供了可访问的解决方案	研究为回顾性队列设计，需要进一步的外部验证以确认临床实用性	评估自动化机器学习模型在区分视盘水肿与假性视盘水肿及其严重程度方面的性能	视盘水肿、假性视盘水肿（视盘玻璃膜疣）及正常视盘患者	医学影像分析	眼科疾病	光学相干断层扫描	自动化机器学习	图像	289名患者（813张图像），包括69名正常视盘患者（185张图像）、135名视盘水肿患者（372张图像）和85名视盘玻璃膜疣患者（256张图像）	Amazon Rekognition, Medic Mind, Google Vertex	NA	AUC, 精确率, 召回率, F1分数, 混淆矩阵	NA
56	2026-02-22	Paired liver-spleen high-frequency ultrasound deep learning network for full-stage liver fibrosis classification and clinical benefit compared with 2D-SWE in chronic hepatitis B cohort: a prospective multicenter study 2026-Feb, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-025-02331-y PMID:41432913	研究论文	本研究开发并验证了一种基于配对肝脾高频超声图像的深度学习网络（LS-Net），用于慢性乙型肝炎患者的全阶段肝纤维化分类，并与现有方法进行了临床获益比较	首次提出使用配对肝脾高频超声图像构建深度学习网络进行肝纤维化全阶段分类，并在多中心前瞻性研究中证明了其相较于单一肝脏图像网络、二维剪切波弹性成像及放射科医生评估的优越性能	研究为内部验证，需要进行外部验证以进一步确认模型的泛化能力；样本量（598名患者）虽为多中心，但可能仍需更大规模的研究	开发一种更准确、无创的肝纤维化分期诊断工具，以改善慢性乙型肝炎患者的临床管理	慢性乙型肝炎患者	数字病理学	肝纤维化，慢性乙型肝炎	高频超声，二维剪切波弹性成像，肝活检	深度学习网络	高频超声图像	来自6家医院的598名慢性乙型肝炎患者，共2139张高频超声图像	NA	LS-Net, L-Net	AUROC	NA
57	2026-02-22	SPARSE data, rich results: Few-shot semi-supervised learning via class-conditioned image translation 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102705 PMID:41512686	研究论文	提出一种基于GAN的少样本半监督学习框架，通过类别条件图像翻译和集成伪标签技术，在医学图像数据稀缺场景下提升分类性能	提出三阶段训练框架，结合类别条件图像翻译（而非从噪声生成）利用未标注数据，并采用基于指数移动平均的集成伪标签方法	仅在MedMNIST数据集上进行评估，未在更复杂的真实临床医学影像数据上验证	解决医学影像标注数据稀缺场景下的半监督分类问题	医学图像分类任务	计算机视觉	NA	图像翻译	GAN	图像	每类5-50个标注样本（少样本场景），使用11个MedMNIST数据集	PyTorch	GAN（包含生成器、判别器和独立分类器的三网络架构）	分类准确率	NA
58	2026-02-22	A multi-expert deep learning framework with LLM-guided arbitration for multimodal histopathology prediction 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102704 PMID:41519030	研究论文	提出一种多专家深度学习框架，利用大型语言模型作为智能仲裁器，整合多模态病理学数据以提升预测性能和可解释性	首次将大型语言模型作为智能仲裁器引入多专家框架，动态整合视觉和临床数据，解决模型间分歧并提供透明决策	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种透明且可扩展的AI系统，用于数字病理学中的多模态预测	胃癌和乳腺癌的病理学图像及临床数据	数字病理学	胃癌, 乳腺癌	深度学习, 大型语言模型	CNN, Transformer, LLM	图像, 临床信息	HMU-GC-HE-30K（仅病理图像）, BCNB（多模态数据）	NA	CNN, ViT, LLaMA, GPT, Mistral	NA	NA
59	2026-02-22	Automated 3D cephalometry: A lightweight V-net for landmark localization on CBCT 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102700 PMID:41519031	研究论文	本研究开发了一种轻量级V-net深度学习模型，用于在CBCT扫描中自动定位16个解剖标志点，以实现三维头影测量的自动化	开发了一种轻量级V-net模型，专门针对临床工作流程优化，能够在异质性数据集上实现快速且准确的标志点定位	模型仅在350个CBCT扫描数据集上进行训练，可能需要更多样化的数据以进一步提高泛化能力	开发自动化的三维头影测量工具，以减少处理时间和操作者依赖性	锥形束CT扫描中的解剖标志点	计算机视觉	NA	锥形束CT	CNN	三维医学图像	350个手动标注的CBCT扫描	NA	V-net	平均定位误差, 角度测量误差, 线性测量误差, Bland-Altman分析	NA
60	2026-02-22	A hybrid Transformer-CNN framework for uncertainty-guided semi-supervised multiclass eye disease classification with enhanced interpretability 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102701 PMID:41520385	研究论文	提出了一种结合Transformer与CNN的混合框架，用于不确定性引导的半监督多类眼病分类，并增强了模型的可解释性	提出了CNN-Transformer混合架构，引入了不确定性引导的MixMatch半监督学习框架，并开发了新颖的基于梯度的集成注意力图方法以提升可解释性	未明确提及，但可能包括数据集规模、模型泛化能力或计算资源需求	开发一种准确、可解释且能有效利用未标记数据的多类眼病自动分类方法	眼底图像	计算机视觉	眼病	深度学习	CNN, Transformer	图像	4215张眼底图像，涵盖四个类别	未明确提及	ConvNeXt, Transformer	准确率, Cohen's kappa分数, 敏感性, 特异性, AUC	NA