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
1281	2026-02-03	SSDA_AOA: Stacked Sparse Denoising Autoencoder With Archimedes Optimization Algorithm Based Oral Cancer Detection on Histopathological Images 2026-Feb-01, Oral diseases IF:2.9Q1 DOI:10.1111/odi.70210 PMID:41622690	研究论文	本文提出了一种基于堆叠稀疏去噪自编码器和阿基米德优化算法的口腔癌检测框架，用于从组织病理学图像中实现早期诊断	结合NASNet-Large模型提取特征、阿基米德优化算法进行降维和超参数调优，以及堆叠稀疏去噪自编码器进行分类，形成了一种新颖的计算机辅助诊断框架	未提及样本来源的多样性、外部验证集的缺乏以及计算资源的具体需求	开发一种计算机辅助诊断框架，以提升口腔癌的早期检测和分类准确性	口腔癌的组织病理学图像	数字病理学	口腔癌	组织病理学成像	自编码器, 优化算法	图像	NA	NA	NASNet-Large, Stacked Sparse Denoising Autoencoder	准确率, 精确率, 灵敏度, 特异度, F1分数	NA
1282	2026-02-02	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2026-Feb, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	本研究评估了使用长短期记忆（LSTM）深度学习算法结合活动记录仪和心率数据预测儿童睡眠及睡眠阶段的性能	首次将LSTM算法应用于儿童活动记录仪和心率数据，以预测睡眠与清醒状态及睡眠阶段（清醒、非快速眼动、快速眼动），相比传统方法（如Sadeh算法）在特异性方面有显著提升，并探索了心率数据对睡眠阶段预测的改进作用	研究样本为因疑似睡眠障碍而转诊的儿童，可能限制了结果的普适性；仅评估了三种消费级可穿戴设备，未涵盖所有市场产品；未详细讨论LSTM模型的计算复杂度或实时应用可行性	评估LSTM深度学习算法在利用活动记录仪和心率数据预测儿童睡眠与睡眠阶段方面的性能，并与传统方法（逻辑回归和随机森林）进行比较	儿童（年龄5-12岁）的睡眠数据，包括活动记录仪和心率测量	机器学习	睡眠障碍	活动记录仪（ActiGraph GT9X）、心率监测、多导睡眠图（PSG）	LSTM	时间序列数据（原始活动记录仪和心率数据）	238名儿童（5-12岁，52.8%男性，50%黑人，31.9%白人）	未明确指定，但提及了逻辑回归和随机森林作为基准	LSTM	准确率、敏感性、特异性	NA
1283	2026-02-02	An accurate, straightforward computer vision algorithm for optimal tumor-feeding visualization in cone-beam computed tomography hepatic arteriography: A preliminary study 2026-Feb, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107192 PMID:41547160	研究论文	本研究提出了一种基于计算机视觉的算法，用于在锥束计算机断层扫描肝动脉造影中自动推荐最佳肿瘤供血动脉可视化角度	开发了一种传统计算机视觉算法，能够自动推荐最大化肿瘤供血动脉视图的旋转角度，避免了当前血管追踪软件缺乏自动角度推荐的问题，相比深度学习方法更快速且可解释性更强	这是一项初步研究，样本量较小（19例用于算法开发，50例用于内部验证），需要更大规模的患者研究和进一步技术迭代	优化肝动脉栓塞术中肿瘤供血动脉的可视化，提高介入放射科医生的手术效率	肝细胞癌患者的锥束计算机断层扫描肝动脉造影图像	计算机视觉	肝细胞癌	锥束计算机断层扫描肝动脉造影，3D体积渲染技术	传统计算机视觉算法（非深度学习）	医学图像（3D体积渲染图像序列）	19例患者用于算法开发，50例患者用于内部验证	NA	NA	检索相关性（100%在推荐的前4个角度中包含足够栓塞任务的角度）	NA
1284	2026-02-02	Classification of lung nodules in CT images based upon a multiplane dense inception network 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70316 PMID:41619284	研究论文	本研究提出了一种基于多平面密集初始网络（MPDINet）的计算机辅助诊断系统，用于预测肺部CT图像中结节恶性的可能性	结合手工纹理特征图与强度CT图像作为网络输入，并利用多平面密集初始网络（MPDINet）增强结节表征，同时保持计算效率	NA	开发基于深度学习的计算机辅助诊断系统，用于早期检测肺癌结节	肺部CT图像中的结节	计算机视觉	肺癌	CT成像	CNN	图像	1235个结节（802个良性，433个恶性）	NA	DenseNet, GoogLeNet	AUC, 敏感性, 特异性, 精确度	NA
1285	2026-02-02	The Intelligent Needle: The Role of Artificial Intelligence in Ultrasound-guided Regional Anesthesia 2026-Feb, Journal of perianesthesia nursing : official journal of the American Society of PeriAnesthesia Nurses IF:1.6Q2 DOI:10.1016/j.jopan.2025.10.003 PMID:41620263	综述	本文探讨了人工智能在超声引导区域麻醉中的应用及其潜力	将深度学习算法集成到超声引导区域麻醉中，实现解剖标志自动识别、超声设置优化和针位高精度跟踪，以辅助麻醉师操作、缩短学习曲线并增强培训	广泛临床应用仍受限于需要大规模多样化数据集、解剖变异以及自动化相关的伦理考量	研究人工智能如何增强超声引导区域麻醉的精准性、安全性和效率	超声引导区域麻醉（UGRA）及其相关临床实践	医学影像分析	NA	超声成像	深度学习	超声图像	NA	NA	NA	图像质量、识别置信度	NA
1286	2026-02-02	Advances in photoacoustic imaging reconstruction and quantitative analysis for biomedical applications 2026-Feb-01, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00213-x PMID:41620547	综述	本文全面回顾了光声成像（PAI）的基本原理、主要实现方式、图像重建与伪影抑制的最新进展，以及定量分析能力，并展望了其临床转化前景	系统性地比较了传统方法与基于深度学习（DL）的方法在提升PAI图像质量和简化工作流程方面的作用，并强调了DL在推动PAI临床转化中的变革潜力	作为一篇综述文章，不涉及具体实验或模型性能的验证，主要基于现有文献进行归纳与分析	探讨光声成像（PAI）从临床前研究向临床实践过渡过程中的技术进展、挑战及未来方向	光声成像技术及其在生物医学领域的应用	医学影像	NA	光声成像（PAI），包括光声计算机断层扫描、光声显微镜和光声内窥镜	深度学习（DL）	图像	NA	NA	NA	NA	NA
1287	2026-01-30	Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot 2026-Feb, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-03802-y PMID:40038120	研究论文	本研究通过深度学习模型，利用超声心动图视频预测心脏磁共振衍生的左心室射血分数，特别针对法洛四联症患者	采用迁移学习方法，将EchoNet-Dynamic/EchoNet-Peds模型微调，以心脏磁共振衍生的LVEF为金标准，预测法洛四联症患者的超声心动图LVEF	模型在A4C视图上的预测性能（R²=0.53）相对较低，可能受限于视图特异性或数据质量	开发一种基于深度学习的混合方法，利用心脏磁共振标签和超声心动图视频，提高法洛四联症患者收缩功能评估的准确性	法洛四联症患者的超声心动图视频和心脏磁共振成像数据	计算机视觉	心血管疾病	超声心动图、心脏磁共振成像	CNN	视频	NA	NA	EchoNet-Dynamic, EchoNet-Peds	R², MAE, ROC曲线	NA
1288	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
1289	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
1290	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
1291	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
1292	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
1293	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
1294	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
1295	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
1296	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
1297	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
1298	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
1299	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
1300	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