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
101	2026-02-25	Clinical accuracy of cephalometric analysis using deep learning-based automated landmark identification on CBCT in class I and class II malocclusions 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41408-3 PMID:41730989	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
102	2026-03-31	A novel approach to mural enhancement using MSR CAB and lacuna extraction from ancient mural paintings using random forest 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36973-6 PMID:41735343	研究论文	本文提出了一种用于古代壁画中漆层脱落区域（lacunae）自动提取的新方法	提出了一种结合MSR-CAB、自适应混合和双边滤波的新型预处理方法，以增强图像质量并解决低光照、灰尘遮挡和光照不均等问题，同时保留细节和历史真实性；并采用成本敏感的随机森林分类器处理类别不平衡问题	未明确提及，但暗示了文化遗产领域通常可用的数据集较小	开发一种低资源消耗且可解释的自动化方法，用于从古代壁画中提取漆层脱落区域，以支持文化遗产机构的记录、监测和保护规划	阿尔及利亚贝伊宫等地的古代壁画	计算机视觉	NA	图像处理，特征提取	随机森林	RGB图像	NA	NA	随机森林	准确率，精确率，召回率	NA
103	2026-03-31	A switching-based deep learning framework for personalized and adaptive E-commerce recommendations 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40024-5 PMID:41735446	研究论文	提出一种基于切换的深度学习框架，用于个性化且自适应的电子商务推荐系统，以应对用户多样性和实时适应性挑战	构建基于切换的混合推荐系统，根据用户交互历史和参与度将用户分为新手、轻度用户和重度用户三类，并优化包括产品浏览在内的多目标信号	未明确提及框架在极端数据稀疏或跨领域推荐中的泛化能力限制	开发一个能够处理多样化用户档案、数据稀疏性、冷启动问题及实时适应性的推荐系统	电子商务推荐系统中的用户，根据交互历史分为新手、轻度用户和重度用户	机器学习	NA	深度学习	混合推荐系统	用户交互数据（如产品浏览）	NA	NA	NA	验证损失, HR@10, NDCG@10, 准确率, 精确率, 召回率, F1分数	NA
104	2026-03-31	Contextual anatomy-guided deep learning for accurate fovea segmentation in diabetic retinopathy fundus images 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40287-y PMID:41735453	研究论文	本文提出了一种基于解剖学上下文引导的深度学习框架，用于在糖尿病视网膜病变眼底图像中准确分割黄斑中心凹	采用数据为中心的方法，通过逐步整合关键解剖标志（视盘、视网膜和血管）到训练标签中，并引入多类别约束机制，显式利用解剖结构间的相互依赖关系，而非单纯增加模型复杂度	未明确讨论模型在更广泛或更具挑战性的临床场景中的泛化能力，以及计算效率的详细分析	提高糖尿病视网膜病变筛查中黄斑中心凹分割的准确性，以支持糖尿病性黄斑水肿的临床管理决策	糖尿病视网膜病变的眼底图像	数字病理学	糖尿病视网膜病变	深度学习	深度学习模型	图像	81张图像（54张训练，27张测试）	NA	MNv4Fovea	IoU, F1-score, 平均欧几里得距离	NA
105	2026-03-31	Real-time identification and quantification of apple scab on fruit in preharvest and postharvest conditions using YOLO11: a deep learning approach 2026-Feb-22, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01508-7 PMID:41725009	研究论文	本研究提出了一种基于深度学习的框架，利用YOLO11模型在收获前和收获后条件下实时识别和量化苹果黑星病症状	采用两阶段微调过程，结合高分辨率图像，显著提升了细尺度病变的分割精度，相比先前YOLO架构提高了50%以上，并支持实时图像和视频处理	面临光照变化和症状异质性等挑战，分割模型的精确度相对较低（0.64）	开发一种准确、可扩展的苹果黑星病表型分析方法，以克服传统视觉评估的局限性	苹果果实上的黑星病症状	计算机视觉	苹果黑星病	深度学习	YOLO	图像	NA	NA	YOLO11	精确度, 召回率, mAP50, mAP50-95	NA
106	2026-03-29	Electrocardiogram-based deep learning score for coronary artery calcification reclassifies cardiovascular risk and identifies screening candidates 2026-Feb-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03400-9 PMID:41723484	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
107	2026-03-31	Deep learning models identify brain changes during the progression of Alzheimer's disease 2026-Feb-19, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00666-7 PMID:41714635	研究论文	本研究提出了一种多分支融合通道注意力网络（MBFCA-Net），用于利用纵向结构磁共振成像数据诊断阿尔茨海默病，并分析疾病进展中脑区的动态变化	提出MBFCA-Net网络，整合多时间序列数据和不同脑组织特征，利用纵向扫描的时间相关性进行疾病诊断，并进行回顾性可解释性分析以量化疾病各阶段脑区的贡献	未明确说明样本量的具体规模或数据集的局限性，可能影响模型的泛化能力	开发深度学习模型以识别阿尔茨海默病进展过程中的脑部变化，支持早期诊断和病理理解	阿尔茨海默病患者和正常衰老个体的纵向结构磁共振成像数据	数字病理学	阿尔茨海默病	结构磁共振成像（sMRI）	深度学习模型	图像	NA	NA	多分支融合通道注意力网络（MBFCA-Net）	NA	NA
108	2026-03-31	Robust and interpretable unit level causal inference in neural networks for pediatric myopia 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02442-7 PMID:41714699	研究论文	本文提出了一种集成到神经网络中的因果推断框架，用于评估个体特征对预测的影响，并应用于儿童近视进展的研究	将单位级因果推理融入深度学习，通过干预估计直接和间接因果效应，增强了AI系统的可解释性和可靠性	未明确提及具体限制，但可能依赖于数据质量和模型假设	开发透明可靠的AI系统，以支持精准医疗和公平医疗保健	超过3000名儿童的前瞻性儿科眼科队列，具有纵向随访数据	机器学习	近视	因果推断	神经网络	纵向数据	超过3000名儿童	NA	NA	NA	NA
109	2026-03-31	Hierarchical deep learning pipeline for robust cervical parameter measurement in radiographs with C7 obscuration 2026-Feb-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02455-2 PMID:41714822	研究论文	开发并外部验证了一个分层深度学习流程，用于自动化测量颈椎矢状面参数，特别处理C7椎体在侧位X光片中被遮挡的情况	采用分层（粗到细）的深度学习策略，结合全局关键点检测器和基于多层感知机的C2/C7专家模型，在C7遮挡率高达82%的挑战性外部数据上实现高精度测量	未明确说明模型在更广泛临床环境或不同成像设备下的泛化能力，以及计算效率的具体分析	开发一个鲁棒且可泛化的自动化系统，用于在真实世界条件下（尤其是C7椎体被遮挡时）可靠评估颈椎对齐参数	颈椎侧位X光片，特别是那些C7椎体被部分或完全遮挡的图像	计算机视觉	颈椎疾病	X射线成像	CNN, 多层感知机	图像	5604张图像用于训练，并在内部和外部队列（外部队列C7遮挡率为82%）进行测试	NA	NA	组内相关系数, 平均绝对误差, 偏差, 一致性界限	NA
110	2026-02-16	Clinically applicable deep learning model for segmentation of the mandibular bone and inferior alveolar canal in CBCT cross-sectional images 2026-Feb-14, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07840-7 PMID:41691250	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
111	2026-03-31	Predicting disease-specific histone modifications and functional effects of non-coding variants by leveraging DNA language models 2026-Feb-14, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04003-3 PMID:41691336	研究论文	本文开发了一种基于大型语言模型的深度学习框架，用于疾病特异性组蛋白修饰预测及非编码变异功能效应分析，并以阿尔茨海默病为例进行验证	提出了一种结合疾病特异性表观遗传数据的语言模型框架，并引入混合专家架构以区分疾病与健康状态，显著提升了组蛋白修饰预测的准确性	研究目前仅聚焦于阿尔茨海默病，尚未扩展到其他复杂疾病；模型性能依赖于特定疾病数据集的构建	开发一种能够精准预测疾病特异性组蛋白修饰并解释非编码变异功能效应的计算方法	阿尔茨海默病相关的组蛋白修饰及非编码遗传变异	自然语言处理	阿尔茨海默病	表观基因组学数据分析	大型语言模型	表观基因组数据	多个患者样本	NA	混合专家架构	NA	NA
112	2026-02-14	Multi-view deep learning for automated lymphoma staging from 18F-FDG PET/CT: physician-level accuracy with high-throughput workflow 2026-Feb-13, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-025-01357-w PMID:41686381	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
113	2026-03-31	Performance of machine learning algorithms in diffusion tensor imaging of movement disorders: an exploratory meta-analysis 2026-Feb-07, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01528-3 PMID:41654900	荟萃分析	本文通过探索性荟萃分析，评估了机器学习算法在运动障碍扩散张量成像中的性能趋势、方法学多样性及变异性来源	首次对机器学习应用于运动障碍DTI诊断的分类研究进行探索性荟萃分析，重点描述性能分布和方法学模式，而非推断单一合并诊断效应	研究间存在极高的异质性（I²=94.7%），样本量小且多为单中心队列，限制了外部效度和确证性推断	表征基于DTI数据的机器学习模型在运动障碍分类中的性能趋势、方法学多样性及变异性来源	帕金森病、图雷特综合征、特发性震颤等运动障碍患者	机器学习	运动障碍	扩散张量成像	深度学习, 基于影像组学的模型	影像数据	46项研究（2016-2024年），涉及样本量多为小规模单中心队列（如37-139名参与者）	NA	NA	准确率, 灵敏度, 特异性, 曲线下面积	NA
114	2026-03-31	Artificial Intelligence in Orthopaedic Research: A Technical Report on Opportunities and Pitfalls 2026-Feb, Cureus DOI:10.7759/cureus.104159 PMID:41909280	技术报告	本文是一篇关于人工智能在骨科研究中应用与挑战的技术报告	系统综述了过去五年PubMed索引研究中AI在骨科研究中的新兴应用，并特别指出了生成式AI在科学写作中带来的原创性、准确性和研究诚信问题	作为一篇叙述性技术综述，未进行系统性荟萃分析，且主要基于PubMed数据库的文献，可能存在选择偏倚	探讨人工智能在骨科研究中的机遇与陷阱，促进AI技术与临床研究的有效整合	骨科研究领域，包括影像分析、手术规划、生物力学分析及科研写作等	机器学习	骨科疾病	NA	机器学习, 深度学习	图像, 文本, 生物力学数据	NA	NA	NA	NA	NA
115	2026-03-31	Artificial Intelligence in Sports Cardiology: Advancing Cardiovascular Screening and Diagnosis 2026-Feb, Cureus DOI:10.7759/cureus.104174 PMID:41909334	综述	本文综述了人工智能在运动心脏病学中用于心血管筛查和诊断的当前应用与进展	提出了一个实用的AI集成筛查框架，以补充而非替代临床判断，并展示了AI在识别常规心电图参数正常时的疾病模式方面的能力	存在局限性，包括运动员特异性训练数据有限、与生理性重塑相关的假阳性风险以及需要外部验证	探讨人工智能作为辅助工具，提升运动员心血管筛查和诊断的效能	运动员的心血管疾病筛查与诊断	机器学习	心血管疾病	心电图分析、数字听诊、经胸超声心动图及影像学模态	深度学习模型	心电图、听诊音频、超声图像	NA	NA	NA	灵敏度、诊断性能	NA
116	2026-03-30	Rapid Identification of Trace Pharmacodynamic Substances in Traditional Chinese Medicine via SERS and Deep Learning 2026-Feb-27, Biosensors DOI:10.3390/bios16030139 PMID:41892032	研究论文	本研究结合表面增强拉曼散射（SERS）和深度学习算法，开发了一种快速、高灵敏度的中药药效物质痕量检测方法	利用蛾翅鳞片作为模板制备Ag/MW SERS基底，并集成PCA与多种深度学习算法（MLP、Transformer、ResNet、DNN）进行快速识别，创新性地提高了检测灵敏度和准确性	研究目前仅针对纯标准溶液中的三种典型中药药效物质进行检测，尚未在复杂实际样品矩阵中验证，且样本规模有限	开发一种快速、有效、灵敏且可靠的分析方法，以解决中药现代化中痕量药效物质检测灵敏度不足的问题，促进中药质量评估与标准化	三种典型中药药效物质：苍术酮、升麻素和知母皂苷A-III	机器学习	NA	表面增强拉曼散射（SERS）、磁控溅射	MLP, Transformer, ResNet, DNN	拉曼光谱数据	NA	NA	MLP, Transformer, ResNet, DNN	准确率	NA
117	2026-03-30	Prediction of Three-Dimensional Ground Reaction Forces in the Golf Swing Using Wearable Inertial Measurement Units and Biomimetic Deep Learning Models 2026-Feb-27, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11030159 PMID:41892082	研究论文	本研究利用可穿戴惯性测量单元和仿生深度学习模型预测高尔夫挥杆中的三维地面反作用力	首次探索使用耦合的下肢运动学数据通过仿生深度学习模型预测复杂高速运动（如高尔夫挥杆）中的三维地面反作用力，并评估了多种传感器配置	研究未明确说明样本量大小，且可能局限于特定运动环境（高尔夫挥杆），未涉及其他运动或日常活动	开发一种基于可穿戴传感器和深度学习的方法，用于在动态运动环境中估计地面反作用力，以替代传统的实验室力板测量	高尔夫挥杆过程中的三维地面反作用力及双侧髋、膝、踝关节角度	机器学习	NA	可穿戴惯性测量单元	深度学习	时间序列数据	NA	NA	TCN-BiGRU	相关系数, 平均相对误差, 归一化均方根误差	NA
118	2026-03-30	Restoration of Non-Uniform Motion-Blurred Star Images Based on Dynamic Strip Attention 2026-Feb-27, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030103 PMID:41892905	研究论文	本文提出了一种基于动态条带注意力机制的星图恢复网络，用于恢复长曝光模式下因相对运动导致的非均匀运动模糊星图	设计了多尺度动态条带池化模块，通过动态调整条带卷积自适应提取不同长度和方向的模糊特征，并引入多尺度特征融合模块以减少图像细节损失	NA	恢复因相对运动导致的非均匀运动模糊星图，提升图像质量和星点定位精度	长曝光模式下捕获的星图，包含星点和空间物体	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	PSNR, SSIM, 星点识别准确率	NA
119	2026-03-30	Towards deep-learning based detection and quantification of intestinal metaplasia on digitized gastric biopsies: a multi-expert comparative study 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32737-w PMID:41741481	研究论文	本研究提出了一种基于深度卷积神经网络的自动化方法，用于检测和量化胃活检组织病理学图像中的肠上皮化生，并与三位病理学家的视觉评估进行了比较分析	首次开发了基于深度学习的自动化系统来检测和量化肠上皮化生，并引入了适应的OLGIM分期，以替代传统易出错的主观视觉评估	未评估萎缩，因为病理学家间的一致性有限；模型与病理学家间的一致性范围较宽（0.12-0.35），表明仍需改进	开发一种自动化、可靠的深度学习方法，用于检测和量化胃活检中的肠上皮化生，以改善胃癌风险分层	胃黏膜组织病理学图像，来自哥伦比亚高胃癌流行区的149名无症状志愿者和一家三级医院的56名患者	数字病理学	胃癌	组织病理学成像	CNN	图像	205个样本（149名无症状志愿者和56名患者）	NA	深度卷积神经网络	F1分数, AUC	NA
120	2026-03-30	A novel hybrid model for species distribution prediction of soil-transmitted helminthiasis (STH) under soil temperature conditions using Random Forest and Particle Swarm Optimization Algorithm 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31604-y PMID:41748615	研究论文	本文提出了一种结合随机森林和粒子群优化算法的混合模型，用于预测土壤温度条件下土壤传播蠕虫病的物种分布	提出了一种新颖的混合模型，将随机森林算法与粒子群优化算法相结合，用于特征选择和超参数优化，以提高物种分布预测的准确性	未明确说明模型在其他地理区域或不同环境因素下的泛化能力	研究生态因素（特别是土壤温度）对尼日利亚土壤传播蠕虫病分布的影响，并提高物种分布预测的准确性	尼日利亚地区的土壤传播蠕虫病	机器学习	土壤传播蠕虫病	物种分布建模	随机森林, 人工神经网络, 粒子群优化	环境数据（土壤温度）, 流行病学数据	基于ESPEN的尼日利亚地理区域数据集	未明确说明	随机森林, 人工神经网络	准确率	NA