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
781	2026-01-30	Comprehensive benchmarking of deep learning approaches for automated astrocyte segmentation in traumatic brain injury 2026-Feb-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlaf114 PMID:41144310	研究论文	本文系统评估了多种深度学习架构在创伤性脑损伤中星形胶质细胞自动分割任务上的性能	首次对六种深度学习分割架构与七种常见骨干网络进行系统性组合评估，并建立了专门的星形胶质细胞分割基准测试	数据集规模相对有限（220张图像），且训练数据仅来自单一TBI病例	开发自动化星形胶质细胞分割方法以评估创伤性脑损伤严重程度和进展	GFAP染色的雪貂脑组织图像中的星形胶质细胞	数字病理学	创伤性脑损伤	免疫组织化学染色（GFAP）	CNN	图像	220张手动标注的GFAP染色雪貂脑图像（182张训练，38张测试），涉及18只雪貂	NA	U-Net, U-Net++, FPN, MANet, LinkNet, PSPNet, ResNet50, ResNet101, ResNet152, MobileNetV2, VGG16, VGG19, EfficientNet-b4	Dice系数, IoU, 精确率, 准确率, 特异度, 敏感度	NA
782	2026-01-30	Constructing a deep learning-assisted smartphone application for intelligent recognition of steak doneness during cooking 2026-Feb, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109995 PMID:41241987	研究论文	本研究构建了一个深度学习驱动的智能手机应用，用于在烹饪过程中智能识别牛排熟度	结合深度学习模型与理化性质数据，开发移动端边缘计算应用，实现实时牛排熟度识别	NA	开发智能烹饪设备，提高牛排熟度识别的准确性和实用性	牛排	计算机视觉	NA	图像采集，理化性质分析	CNN	图像	1803张图像（来自601块不同牛排）和153个样本的理化性质数据（来自51块不同牛排）	NA	DenseNet121	准确率	移动优化边缘计算
783	2026-01-30	Evaluation of trajectory analysis for disease risk assessment: a scoping review 2026-Feb-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf208 PMID:41293989	综述	本文通过范围综述评估了利用纵向电子健康记录进行疾病风险预测的轨迹分析方法的研究特征、模型类型及性能表现	首次对利用患者轨迹进行疾病风险预测的研究进行系统性范围综述，识别了该领域的研究趋势、模型应用差异及性能提升潜力	研究领域尚处于早期阶段，缺乏对初级护理数据集的广泛应用、疾病多样性不足、外部验证有限且临床适用性考虑不充分	评估轨迹分析在疾病风险评估中的应用现状，总结研究特征、模型类型及性能报告情况	使用时间序列电子健康记录识别疾病特征或预测疾病存在的研究	机器学习	心血管疾病	NA	深度学习模型, 统计方法	电子健康记录	62项研究	NA	NA	AUC	NA
784	2026-01-30	Ensemble transfer learning for classifying physical examinations in GP consultation: a multi-model approach to human-object and human-to-human activity recognition 2026-Feb-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf196 PMID:41299889	研究论文	本研究开发了一种集成迁移学习框架，用于自动分类全科医生咨询中的体格检查活动，区分人-物交互和人-人交互类型	提出了一种结合空间与时间特征分析的多组件集成迁移学习框架，通过融合CNN-LSTM模块与多种预训练网络（EfficientNet-B7、DenseNet-121、Inception-v3），并引入注意力机制优化特征融合，显著提升了分类性能	未明确提及数据集的规模限制、模型在未见环境下的泛化能力或计算资源需求的具体分析	自动分类全科医生咨询中的体格检查活动，以支持远程医疗和诊断研究	全科医生咨询视频中的体格检查活动，包括人-物交互（如血压测量）和人-人交互（如腺体触诊）	计算机视觉	NA	深度学习融合模型，迁移学习	CNN, LSTM	视频	未明确提及具体样本数量，但使用了五折分层视频级交叉验证	未明确指定，但可能基于TensorFlow或PyTorch等深度学习框架	EfficientNet-B7, DenseNet-121, Inception-v3, CNN-LSTM	精确度, 召回率, F1分数, 特异性, Cohen's κ, PR-AUC	未明确提及具体GPU类型或云平台，但使用了预训练网络和迁移学习
785	2026-01-30	Deep learning based CT grading system for sacroiliitis: a multi-center studydemonstrating superior accuracy and efficiency compared to human readers 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112557 PMID:41330312	研究论文	本研究开发并验证了一种基于深度卷积神经网络的自动化骶髂关节炎分级系统，用于轴型脊柱关节炎的CT图像分析	首次采用3D-ResNet50模型对骶髂关节炎进行自动化CT分级，并在多中心验证中显示出比人类阅片者更高的准确性和效率	对于IV级骶髂关节炎的分级改进未达到统计学显著性（p > 0.05），且模型在更广泛人群中的泛化能力仍需进一步验证	开发并验证一个深度学习模型，用于自动化骶髂关节炎的CT图像分级	轴型脊柱关节炎患者的CT图像	数字病理学	轴型脊柱关节炎	CT成像	CNN	图像	总计1590名患者（包括1341名用于模型开发的axSpA患者，130名内部验证患者，以及249名来自两家三级医院的外部验证患者）	NA	3D-ResNet50	准确率, AUC	NA
786	2026-01-30	Interpretable fusion deep learning on super-resolution MRI for perineural invasion prediction in pancreatic ductal adenocarcinoma: a multicenter study 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112610 PMID:41418691	研究论文	本研究开发了一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，并评估其在指导术后预后和治疗决策中的作用	提出了一种融合临床、放射组学和深度迁移学习的可解释模型，用于预测胰腺导管腺癌的神经侵犯，并在多中心研究中验证了其在预后分层和辅助治疗个性化中的价值	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	开发并验证一种基于超分辨率MRI的融合深度学习模型，用于预测胰腺导管腺癌的神经侵犯，以指导术后预后评估和治疗决策	胰腺导管腺癌患者	数字病理学	胰腺癌	超分辨率MRI	深度学习, 机器学习	MRI图像	714名患者（608名用于开发/内部验证，106名来自三个外部中心用于外部验证）	NA	融合临床-放射组学-深度迁移学习模型	AUC	NA
787	2026-01-30	Accuracy of fully automated iliac artery tortuosity measurements in patients with abdominal aortic aneurysm using deep learning 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112609 PMID:41422647	研究论文	本研究通过深度学习算法PRAEVAorta 2对腹主动脉瘤患者的CT血管造影图像进行髂动脉弯曲度的自动测量，并与手动参考测量进行外部验证	首次在腹主动脉瘤患者中外部验证了基于深度学习的髂动脉弯曲度自动测量工具PRAEVAorta 2的准确性	研究中21.1%的扫描因明显的分割错误被排除，且自动报告仍需经验丰富的观察者进行关键审查	验证深度学习算法在腹主动脉瘤患者髂动脉弯曲度测量中的准确性	腹主动脉瘤患者的CT血管造影图像	数字病理学	腹主动脉瘤	CT血管造影	深度学习	医学图像	270例CTA扫描（最终分析213例）	NA	PRAEVAorta 2	Pearson相关系数, Intraclass Correlation, Bland-Altman分析偏差	NA
788	2026-01-30	Sex-specific cardiovascular risk prediction using AI-derived epicardial adipose tissue measurements on CT calcium scoring exams 2026-Feb, American journal of preventive cardiology IF:4.3Q1 DOI:10.1016/j.ajpc.2025.101367 PMID:41509672	研究论文	本研究评估了将心外膜脂肪组学特征与冠状动脉钙化评分结合，用于改善女性心血管事件预测的效能	首次在大型队列中验证心外膜脂肪组学特征对女性心血管风险预测的增量价值，并开发了性别特异性模型	随访时间相对较短（平均1.7年），且为回顾性研究设计	提高女性心血管风险预测的准确性和公平性	接受CT钙化评分检查的个体	数字病理学	心血管疾病	CT钙化评分，深度学习分割	深度学习模型	CT图像	40,851名个体（其中49.4%为女性），测试集8,169人	NA	NA	C-index，校准曲线，决策曲线	NA
789	2026-01-30	[Artificial intelligence in diagnostics-a pathology perspective] 2026-Feb, Pathologie (Heidelberg, Germany) DOI:10.1007/s00292-025-01524-9 PMID:41396309	综述	本文从病理学角度综述了人工智能在诊断中的应用，特别是数字病理学的发展、算法创新及临床实施前景	讨论了从卷积神经网络向Vision Transformer模型的转变，以及基础模型和视觉语言模型在病理学中的新兴应用，强调了多模态数据整合的潜力	指出技术、法律和社会心理障碍仍需克服，以实现广泛的临床采用	探讨人工智能在肿瘤诊断和治疗个性化背景下的应用，以提升病理学诊断的效率和敏感性	数字病理学中的全切片图像和文本数据	数字病理学	肿瘤	数字全切片成像	CNN, Vision Transformer, 基础模型, 视觉语言模型	图像, 文本	NA	NA	Vision Transformer	效率, 敏感性	NA
790	2026-01-30	Development and validation of a transformer-based deep learning model for predicting distant metastasis in non-small cell lung cancer using 18FDG PET/CT images 2026-Feb, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04014-9 PMID:40779149	研究论文	本研究开发并验证了一种结合卷积神经网络和视觉Transformer的混合深度学习模型，用于基于18F-FDG PET/CT图像预测非小细胞肺癌患者的远处转移	首次将CNN与ViT架构结合用于NSCLC远处转移预测，并证明其优于单独使用PET或CT特征以及传统CNN模型（如ResNet 50）	研究为回顾性分析，样本量较小（167例患者），未来需要通过更大规模的前瞻性研究进行验证	预测非小细胞肺癌患者的远处转移，以辅助个性化治疗策略的制定	新诊断且未经治疗的非小细胞肺癌患者	计算机视觉	肺癌	18F-FDG PET/CT成像	CNN, ViT	图像	167例患者	NA	ResNet 50, Vision Transformer	AUC, ROC曲线	NA
791	2026-01-30	CocoaMoniliaDataSet: A cocoa pod dataset to detect and classify Monilia roreri in real conditions 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112447 PMID:41608050	研究论文	本文提出了一个用于检测和分类可可豆荚中Monilia roreri真菌病害的数据集CocoaMoniliaDataSet，以支持计算机视觉应用	首次创建了一个针对可可豆荚Monilia病害的标注图像数据集，涵盖了病害的多个症状阶段，并提供了多种格式的标注以支持目标检测算法训练	数据集仅包含1953张图像，样本规模相对有限，且病害分类基于视觉症状而非完整的生物周期	开发一个用于农业病害检测的计算机视觉数据集，以促进可可豆荚Monilia病害的早期诊断	可可豆荚及其感染Monilia roreri真菌后的症状阶段	计算机视觉	植物真菌病害	数字图像采集与标注	NA	图像	1953张可可豆荚图像，分为四个类别：健康、病害周期1、周期2-3、周期4	NA	NA	NA	NA
792	2026-01-30	Detection of Acromegaly From Facial Images Using Machine Learning: A Comparison With Clinical Experts 2026-Feb, Journal of the Endocrine Society IF:3.0Q2 DOI:10.1210/jendso/bvaf203 PMID:41608201	研究论文	本研究通过机器学习分析面部图像，验证了其在肢端肥大症检测中的有效性，并与临床专家评估进行了比较	首次在大型、特征明确的队列中，使用基于面部特征预训练的深度学习模型（FaRL）进行肢端肥大症检测，并与多种ImageNet预训练模型及临床专家进行性能对比	样本主要来自瑞典大学医院，可能限制了结果的普适性；且患者中79%已生化控制，可能影响模型对活动性疾病的检测敏感性	开发并验证一种基于面部图像分析的简单、精确的肢端肥大症预筛查方法	155名肢端肥大症患者（79%生化控制）和153名匹配对照的面部图像	计算机视觉	肢端肥大症	智能手机采集面部图像	CNN	图像	308名参与者（155名患者，153名对照）	NA	ResNet50, InceptionV2, DenseNet121, FaRL	AUC, 特异性, 敏感性	NA
793	2026-01-29	The engagement behaviors and treatment barriers for depressed patients in an online health community: a pre-/post-treatment comparison 2026-Feb, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106051 PMID:41349269	研究论文	本研究通过分析中国抑郁症在线健康社区的用户发帖，比较了治疗前与治疗后用户在参与行为和治疗障碍方面的差异	结合关键词过滤和深度学习分类方法，首次在抑郁症在线健康社区中区分并比较了治疗前与治疗后用户群体，揭示了他们在社区参与和治疗障碍方面的显著差异	研究数据仅来源于一个中国的在线健康社区，可能无法完全代表其他文化背景或平台的用户情况，且用户自我报告的数据可能存在偏差	探究抑郁症患者在在线健康社区中的参与行为差异以及治疗前后所面临的不同障碍	中国抑郁症在线健康社区中的用户，包括25,743名治疗后用户和4,891名治疗前用户	自然语言处理	抑郁症	深度学习分类	NA	文本	1,585,429条帖子，涉及30,634名用户	NA	NA	NA	NA
794	2026-01-29	CEO perceived personality and corporate risk disclosure in prospectus: A multimodal machine learning analysis 2026-Feb, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106099 PMID:41389399	研究论文	本研究探讨了CEO人格特质如何影响IPO风险披露质量，并采用了一种新颖的多模态深度学习方法，利用IPO路演展示的视听数据来测量CEO人格特质	引入了一种新颖的多模态深度学习方法，通过整合视觉和音频数据来捕捉言语和非言语行为线索，从而比传统的单模态方法更全面地评估人格特质	研究仅基于中国创业板和科创板2019年至2024年的数据，样本可能不具有全球代表性；未讨论其他潜在调节变量	探究CEO人格特质对IPO风险披露质量的影响，并检验承销商声誉的调节作用	中国创业板和科创板的IPO公司及其CEO	自然语言处理, 计算机视觉	NA	多模态深度学习分析	深度学习模型	音频, 视频	866家IPO公司	NA	NA	NA	NA
795	2026-01-29	Evaluating the cost-effectiveness of artificial intelligence-enhanced osteoporosis screening in men and women using routine chest radiographs in South Korea 2026-Feb, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziaf187 PMID:41522667	研究论文	本研究评估了在韩国≥50岁成年男女中，利用人工智能增强的常规胸片进行骨质疏松症机会性筛查的成本效益	首次在韩国人群中评估了已获监管批准的深度学习模型（Osteo Signal）在男性和女性中的成本效益，而先前评估仅针对女性	模型假设患者接受阿仑膦酸盐或地诺单抗治疗，且依赖于输入的骨质疏松症患病率、诊断性能和治疗依从性概率等参数，可能未涵盖所有临床变量	评估人工智能辅助胸片筛查与不筛查相比，在预防脆性骨折和改善生活质量方面的成本效益	韩国≥50岁的成年男性和女性	数字病理学	骨质疏松症	深度学习模型应用于常规胸片	深度学习模型	医学影像（胸片）	模型基于每10,000名成年人进行模拟分析，未提供具体患者样本数	NA	Osteo Signal	增量成本效益比（ICER），以每获得一个质量调整生命年（QALY）的成本（韩元）衡量	NA
796	2026-01-29	Multifeature Ultrasound-Based Classification for Breast Lesions: A Comparative Study of PONS Image Enhancement Technology 2026-Feb, Mayo Clinic proceedings. Innovations, quality & outcomes DOI:10.1016/j.mayocpiqo.2025.100691 PMID:41584234	研究论文	本研究开发了一种结合原始B超图像与两种优化表示（增强超声和质量改善超声）的多特征框架，用于乳腺癌分类，并比较了三种深度学习架构的性能	提出了结合PONS图像增强技术的多特征超声分类框架，有效克服了B超图像质量差和操作者变异性的关键限制	研究为回顾性研究，未来需要探索增强的融合策略并在更广泛人群中验证	开发稳健的乳腺癌超声分类方法，克服传统B超在人工智能诊断中的局限性	来自688名患者的62,912张乳腺超声扫描图像	计算机视觉	乳腺癌	超声成像，PONS图像增强技术	GCN, MAE, CNN	超声图像	62,912张扫描图像（来自688名患者）	NA	图卷积网络, 掩码自编码器, 多尺度卷积神经网络	准确率, AUC, F1分数, 敏感度, 特异度	NA
797	2026-01-29	A comprehensive combined dataset on Hibiscus and Tea plant leaf disease images for classifications 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112357 PMID:41586079	研究论文	本研究构建了一个结合木槿和茶树叶片病害图像的综合性数据集，并利用ConvNextTiny深度学习模型进行病害分类	首次将两种不同植物物种（木槿和茶树）的叶片病害图像合并为单一数据集，并应用轻量级ConvNextTiny模型实现跨物种病害分类	仅包含两种植物物种的病害，可能无法推广到其他植物种类；数据增强技术可能引入人为伪影	开发一个用于木槿和茶树叶片病害早期检测的准确高效分类系统	木槿和茶树的叶片图像，涵盖多种病害类型和健康状态	计算机视觉	植物病害	图像采集（SONY α7 II DSLR相机）、数据增强（翻转、旋转、缩放、平移、噪声添加、亮度调整）	CNN	图像	1,413张原始图像和13,000张增强图像	PyTorch	ConvNextTiny	准确率	NA
798	2026-01-28	AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review 2026-Feb-01, American journal of clinical oncology DOI:10.1097/COC.0000000000001238 PMID:40679809	系统综述	本文对人工智能在非小细胞肺癌预后预测中的应用进行了系统综述	系统比较了AI与传统预后方法（如TNM分期）的性能，并指出深度学习在预后预测中优于传统机器学习	综述指出AI方法在临床广泛应用前需通过精心设计的临床试验进行充分验证	评估人工智能算法在非小细胞肺癌预后预测中的应用效果	非小细胞肺癌患者	数字病理学	肺癌	NA	机器学习, 深度学习	组织学数据, 遗传数据, CT, PET, MR影像	初始识别3880项研究，经筛选后纳入309项	NA	NA	预后性能	NA
799	2026-01-28	The Future trends of Artificial Intelligence and innovative technologies in the new era of pharmaceutical sciences and Industry 4.0 2026-Feb, Drug development and industrial pharmacy IF:2.4Q3 DOI:10.1080/03639045.2025.2590707 PMID:41241791	综述	本文综述了人工智能在药学科学中的变革性影响，重点关注其与现代技术的融合以及在药物研发、生产及数字化转型中的推动作用	整合人工智能与机器学习、深度学习及工业4.0技术（如物联网、机器人、区块链、数字孪生），以推动个性化医疗和自适应制造流程	面临数据隐私、算法偏见及法规更新需求等挑战	探讨人工智能在药学科学及工业4.0新时代中的未来趋势和创新技术应用	药学科学领域，包括药物研发、生产、供应链优化及个性化医疗	机器学习	NA	NA	NA	基因组数据、临床数据、环境数据	NA	NA	NA	NA	NA
800	2026-01-28	Artificial intelligence in psychiatry: Current and emerging trends, clinical applications, and research gaps explored through a bibliometric analysis 2026-Feb, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2026.104828 PMID:41499904	综述	本文通过文献计量学方法分析了精神病学领域基于人工智能的科学出版物，以识别主要主题、研究趋势和未来机会	利用文献计量学方法系统梳理了精神病学中AI研究的演变趋势，并识别了新兴主题如数字健康、可解释性以及伦理治理	研究主要基于Web of Science数据库的出版物，可能存在发表偏倚，且未深入评估单个研究的质量或临床有效性	分析精神病学领域人工智能研究的出版趋势、核心主题及未来研究方向	1980年至2025年间发表在Web of Science精神病学类别下的2328篇原创研究文章	自然语言处理	精神疾病	文献计量分析	NA	文本	2328篇原创研究文章	RStudio, Bibliometrix	NA	NA	NA