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
461	2026-04-04	AI-Assisted Pneumonia Detection, Localisation and Report Generation from Chest X-rays 2026-Mar-23, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.20.26348879 PMID:41929300	研究论文	本文介绍了一种基于深度学习的全流程计算机辅助诊断系统，用于从胸部X光片中检测、定位肺炎并生成结构化报告	利用本地大型语言模型对放射学报告进行重新标注，显著提高了肺炎标签的敏感性和与人工标注的一致性，并构建了迄今为止最大的公开胸部X光片复合数据集	Grad-CAM定位的F1分数仅为中等水平（52.9%），表明在病灶定位精度方面仍有改进空间	开发一个集肺炎检测、定位和报告生成为一体的计算机辅助诊断系统，以克服现有深度学习模型在泛化性和可解释性方面的局限	胸部X光片	计算机视觉	肺炎	深度学习，大型语言模型，梯度加权类激活映射	CNN	图像，文本（放射学报告）	922,634张胸部X光片（来自公开数据集）	NA	DenseNet-121	敏感性，精确度，F1分数	NA
462	2026-04-04	A proof-of-concept machine learning model for short-term suicide risk stratification in depressed youth 2026-Mar-19, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-03944-4 PMID:41856968	研究论文	本研究开发了一种机器学习模型，用于预测青少年抑郁症患者在治疗30天内的自杀企图，并评估其短期风险分层能力	首次针对中国青少年抑郁症患者开发短期自杀风险分层的机器学习模型，并比较了多种算法的性能，强调了正则化和简约性在事件稀少情况下的重要性	事件数量少限制了模型稳定性，队列同质性和单国招募限制了泛化能力，缺乏时间验证无法评估模型漂移	开发并验证用于青少年抑郁症患者短期自杀风险分层的机器学习模型	602名15-24岁的中国青少年抑郁症患者	机器学习	抑郁症	机器学习建模	支持向量机, 弹性网络, 随机森林, 深度学习	临床与心理社会数据	602名患者（训练集421人，测试集181人），其中30例自杀企图事件	Scikit-learn	支持向量机, 弹性网络, 随机森林, 深度学习模型	AUC	NA
463	2026-04-04	Recent advances and current landscape of software tools for image analysis and dosimetry in nuclear medicine 2026-Mar-08, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00847-7 PMID:41795779	综述	本文综述了核医学图像分析和剂量学软件工具的最新进展与现状	强调AI驱动的分割和时间-活性曲线建模作为提高工作流效率的关键创新，并探讨开源工具在资源受限环境中的可及性	现有工具在复杂剂量学场景（如α和俄歇疗法）中的验证、标准化和鲁棒性开发仍需加强	评估和促进核医学图像处理与剂量学软件工具的应用，以提升治疗安全性和疗效评估	核医学图像分析软件工具，包括开源和商业解决方案	数字病理	NA	SPECT/CT, PET/CT, 深度学习	NA	图像	NA	NA	NA	准确性, 可重复性	NA
464	2026-04-04	ICP-WAVES: Intracranial Pressure Waveform Analysis and Visualization for Enhanced Signal Processing 2026-Mar-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3669377 PMID:41774667	研究论文	本文介绍了一种基于Transformer的基础模型，用于分析颅内压波形，并通过SVM分类器对波形形态进行分类，同时开发了图形用户界面以增强临床决策支持	首次将Transformer基础模型应用于颅内压波形分析，实现了对复杂时间动态的捕捉，并开发了交互式可视化工具以支持实时临床分析	模型在1-peak compliant波形分类上的准确率仅为77.5%，且数据集规模有限，可能影响泛化能力	开发一种能够分析颅内压波形形态以评估脑顺应性的深度学习系统	颅内出血患者和脑室外引流患者的颅内压波形数据	数字病理学	颅内出血	生理波形数据分析	Transformer, SVM	生理波形数据	190名颅内出血患者和23名脑室外引流患者，共标注8406个ICP脉冲	NA	Transformer基础模型	AUC, 混淆矩阵, 准确率	NA
465	2026-04-04	A Self-Supervised Foundation Model Based on Three-Dimensional Chest CT Scans for Lung Cancer Diagnosis and Prognosis Prediction 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250360 PMID:41718531	研究论文	本研究开发了一种基于三维胸部CT扫描的自监督基础模型，用于肺癌的诊断和预后预测	提出了一种名为UCLIF的自监督胸部CT基础模型，通过对比掩码图像建模任务进行预训练，并在多中心数据集上微调，用于肺癌的组织学亚型分类、分期、生存和复发预测，性能优于主流深度学习和机器学习算法	研究为回顾性多中心研究，可能存在选择偏倚；模型在特定时间段（1958年至2019年）的数据上训练，可能无法完全代表最新临床实践	开发并评估一个基于三维胸部CT的自监督基础模型在肺癌临床任务中的性能	肺癌患者的胸部CT扫描图像	数字病理学	肺癌	三维胸部CT扫描	自监督学习基础模型	三维医学图像	预训练使用33,901例三维胸部CT扫描，下游评估包含656名患者	NA	UCLIF（Unified CT-Based Lung Cancer Imaging Foundation）	准确率, 敏感度, 特异度, AUC	NA
466	2026-04-04	Expression of Concern on “A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features" 2026-03, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202603_37714 PMID:41925352	声明	期刊编辑与出版商针对一篇已发表论文中参考文献的相关性问题发布关切声明	NA	作者未对参考文献相关性质疑作出回应，问题尚未解决	NA	NA	NA	自闭症谱系障碍	NA	深度学习算法	NA	NA	NA	NA	NA	NA
467	2026-04-04	Side- and patient-based performance of a deep learning system based on the results of individual detection of carotid artery calcifications on panoramic radiographs 2026-Mar, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20250232 PMID:41928842	研究论文	本研究开发了两种用于全景X光片上颈动脉钙化诊断的深度学习系统，并比较了它们在钙化点、单侧和患者层面的诊断性能	开发了两种具有不同检测范围的深度学习系统（全图检测与双侧颈部区域限制检测），并首次系统比较了钙化点层面、单侧层面和患者层面三种评估方式的诊断性能	研究中观察到相对较多的假阳性病例	开发用于全景X光片上颈动脉钙化自动诊断的深度学习系统，并评估其在不同评估层面的性能	全景X光片图像	数字病理学	心血管疾病	全景X光摄影	深度学习检测模型	医学图像（X光片）	580名患者（290名有颈动脉钙化，290名无钙化对照）	NA	NA	召回率, 精确率, F1分数, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC	NA
468	2026-04-04	YOLOv8m-segmentation for detecting cervical burnout and caries in bitewing radiographs: A deep learning approach 2026-Mar, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20250194 PMID:41928845	研究论文	本研究评估了YOLOv8m-seg模型在咬翼X光片上检测和描绘邻面龋及牙颈部烧灼伤的性能，并探讨了增加训练轮次对分割精度和一致性的影响	首次将YOLOv8m-seg模型应用于牙科X光片中同时检测龋齿和牙颈部烧灼伤，并系统研究了训练轮次对分割性能的影响	模型在非增强验证子集上的性能有所下降，未来需要在更广泛人群和多样化临床环境中评估模型的泛化能力	开发一种基于深度学习的自动检测方法，用于在咬翼X光片上区分邻面龋和牙颈部烧灼伤	咬翼X光片中的邻面龋和牙颈部烧灼伤病变	计算机视觉	牙科疾病	深度学习，图像分割	YOLO	X光图像	1,410张咬翼X光片（1,128张训练，282张验证）	Ultralytics	YOLOv8m-seg	精确率，召回率，mAP0.5，mAP0.5-0.95	NA
469	2026-04-01	Fluorescence Machine Vision-Based Rapid Quantitative Characterization of Microplastics 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00407 PMID:41830590	研究论文	本研究开发了一种基于荧光显微成像和YOLO v11深度学习模型的微塑料快速定量检测方法，并构建了名为FluoPlastVision的商业化AI辅助检测平台	采用香豆素6（C6）进行稳定广谱染色获得高质量图像数据，并在YOLO v11模型中引入轻量级注意力机制以增强模型鲁棒性和准确性	未明确说明模型在复杂环境样本或不同染色条件下的泛化能力，也未提供与其他先进方法的直接对比数据	开发一种快速、低成本、高精度的微塑料定量检测技术	经香豆素6染色的微塑料荧光显微图像	计算机视觉	NA	荧光显微成像	CNN	图像	NA	NA	YOLO v11	NA	NA
470	2026-04-01	Novel Deep-Learning Unsupervised Domain Adaptation Method for Mitigating Batch, Strain, and Instrument Variations to Enhance Raman Spectroscopy-Based Bacterial Pathogen Identification 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07113 PMID:41842761	研究论文	本文提出了一种名为Raman Spectral Classification Discrepancy Model (RSCDM)的新型无监督域适应方法，旨在通过对抗性特征对齐来减轻拉曼光谱中由仪器、批次和菌株差异引起的域偏移，从而增强基于拉曼光谱的细菌病原体识别	提出了一种利用任务特定分类器之间的输出差异动态识别远离源域特征分布的目标样本的新型域适应框架，不同于依赖固定域假设的传统方法，实现了任务驱动的域对齐	NA	增强基于拉曼光谱的细菌病原体识别的鲁棒性，以应对仪器异质性、批次变异性和菌株多样性带来的挑战	七种细菌物种的拉曼光谱数据，包括商业光谱仪和自制光谱仪采集的临床分离株	机器学习	细菌感染	拉曼光谱	深度学习	光谱数据	七种细菌物种的多个批次和菌株样本，以及六种临床分离株	NA	Raman Spectral Classification Discrepancy Model (RSCDM)	分类准确率	NA
471	2026-04-01	A deep learning approach for analyzing brainwave signals during audio meditation in expectant mothers: variational mode decomposition with a CNN-BiLSTM model 2026-Mar-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae55a8 PMID:41871464	研究论文	本研究提出了一种基于EEG信号和深度学习的方法，用于分析孕妇在音频冥想期间的大脑活动变化	结合变分模态分解与CNN-BiLSTM混合模型，首次针对孕妇短期音频冥想的神经效应进行客观量化分析	研究样本量有限，且仅针对特定类型的音频冥想，未考虑个体差异和长期效应	客观评估孕妇在短期音频冥想期间的神经活动变化，为产前护理提供科学依据	孕妇的脑电图信号	机器学习	NA	脑电图	CNN, BiLSTM	脑电图信号	未明确指定样本数量，但涉及孕妇在不同心理状态下的EEG数据	未明确指定，但可能基于TensorFlow或PyTorch	VMD-CNN-BiLSTM混合架构	准确率, 损失值	NA
472	2026-04-01	Neurosurgical Application of Artificial Intelligence in Pediatric Neuro-Oncology 2026-Mar-31, Journal of Korean Neurosurgical Society IF:1.4Q3 DOI:10.3340/jkns.2026.0085 PMID:41913971	综述	本文综述了人工智能在儿童神经肿瘤学围手术期的应用，包括术前分子分型、术中快速诊断和术后预后评估	系统性地阐述了AI在儿童神经肿瘤围手术期全流程的整合应用，并探讨了如何通过AI解决该领域因疾病多样性带来的临床挑战	数据稀缺性和算法的“黑箱”特性仍然是主要限制	探讨人工智能如何解决儿童神经肿瘤学围手术期未满足的临床需求	儿童中枢神经系统肿瘤	数字病理学	儿童神经肿瘤	Oxford Nanopore测序，刺激拉曼组织学	神经网络分类器，深度学习模型	影像，基因组数据，临床数据	NA	NA	NA	NA	NA
473	2026-04-01	Hypoxia-related and immune phenotype-related fusion model for non-invasive prognostication of hepatocellular carcinoma treated by TACE: a multicentre study 2026-Mar-30, Gut IF:23.0Q1 DOI:10.1136/gutjnl-2025-337938 PMID:41856522	研究论文	本研究开发并验证了一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果	结合深度学习和传统影像组学，构建早期和晚期融合模型，并通过整合临床变量形成临床-影像学模型，实现更精细的风险分层	研究依赖于回顾性数据，且模型在外部验证中的泛化能力仍需进一步确认	开发并验证一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果	肝细胞癌患者	数字病理学	肝细胞癌	单细胞RNA测序，对比增强CT成像	深度学习，传统影像组学	图像，转录组数据	1448名肝细胞癌患者（包括TACE队列1349人，随机试验生物标志物子集41人，单细胞RNA测序队列和TCGA肝细胞癌队列50人）	NA	早期融合模型，晚期融合模型	生存分层，风险分层	NA
474	2026-04-01	Mobile Imaging-Based Machine Learning for Dental Caries, Sealants, and Fluorosis: Protocol for a Cross-Sectional Model Development and Validation Study 2026-Mar-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/91239 PMID:41911013	研究论文	本研究旨在开发和验证基于移动成像和机器学习的模型，用于检测龋齿、封闭剂和氟斑病	首次将移动健康技术与计算机视觉、机器学习和深度学习结合，利用智能手机和低成本口内相机图像，在人群水平上同时检测龋齿、封闭剂和氟斑病严重程度	研究样本仅包括科罗拉多州约1000名青少年，且生活在公共供水系统氟化物水平自然升高的社区，可能限制结果的普遍性	开发并验证用于检测龋齿病变、识别封闭剂和量化氟斑病严重程度的模型，以支持公共卫生监测和个体化评估	美国科罗拉多州约1000名青少年，重点关注其恒磨牙（龋齿和封闭剂）和上颌前牙（氟斑病）	计算机视觉	龋齿	智能手机相机成像、低成本口内相机成像	机器学习、深度学习	图像	约1000名青少年（截至2026年1月已收集约300名参与者的数据）	NA	神经网络分类器	分层交叉验证、多类别性能指标	NA
475	2026-04-01	Development of a multimodal obstructive sleep apnea diagnostic prediction model using two-dimensional facial images and clinical data 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678664 PMID:41911139	研究论文	本研究开发了一种结合二维面部照片、头影测量X光片和临床数据的多模态人工智能模型，用于增强阻塞性睡眠呼吸暂停（OSA）的筛查	提出了一种新颖的多模态AI驱动OSA筛查方法，整合了面部图像和临床数据，显著优于单模态和双模态方法	研究未明确提及模型在更广泛人群或不同种族群体中的泛化能力，且对腹部周长较小患者的敏感性较低	开发一种多模态AI模型以增强阻塞性睡眠呼吸暂停（OSA）的筛查，促进早期诊断	710名接受多导睡眠图检查的患者，包括肥胖、老年和男性患者等亚组	计算机视觉	阻塞性睡眠呼吸暂停	多导睡眠图	深度学习模型	图像, 临床数据	710名患者	NA	ShuffleNet-V2, 深度神经网络	AUC, 敏感性, 特异性, 准确性, F1分数	NA
476	2026-04-01	Automatic Segmentation of Placenta from MR images Using a Novel BiGC U-Net 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678395 PMID:41911136	研究论文	本研究提出了一种名为BiGC U-Net的新型深度学习架构，用于从磁共振图像中自动分割胎盘	提出了结合双向门控卷积模块、分层正则化机制和创新数据增强策略的增强型U-Net架构	未明确说明模型在临床环境中的泛化能力或计算效率限制	开发自动分割胎盘磁共振图像的准确方法，以支持胎盘植入谱疾病的定量分析	胎盘磁共振图像	数字病理学	胎盘植入谱疾病	磁共振成像	CNN	图像	三个胎盘磁共振数据集：公开数据集、谢菲尔德教学医院数据集及组合数据集	未明确说明	BiGC U-Net, U-Net, Attention U-Net, ResNet, UNet++, TransUNet, nnUNet, SSM-Mamba	Dice相似系数, 95百分位Hausdorff距离, 相对体积差异	NA
477	2026-04-01	Adaptive Feature Selection With Hierarchical Learning for Drug-Target Interaction Prediction 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678266 PMID:41911134	研究论文	本文提出了一种结合分层学习和自适应特征选择的新框架ASHL-DTI，用于提升药物-靶点相互作用预测的准确性和泛化能力	提出ASHL-DTI框架，首次将分层学习与自适应Top-k特征选择机制相结合，以捕获多层次分子内关联并保留最具预测性的特征	未在摘要中明确说明	提高药物-靶点相互作用预测的准确性，以支持药物发现和再利用	药物-靶点相互作用对	机器学习	NA	深度学习	深度学习框架	分子关联数据	多个公共基准数据集（未指定具体数量）	NA	ASHL-DTI（自定义架构）	NA	NA
478	2026-04-01	Semantic Prompt and Graph-Convolution-Structure Distillation Framework for Semantic Segmentation of Remote Sensing Images 2026-Mar-30, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3675381 PMID:41911145	研究论文	提出一种用于高分辨率遥感图像语义分割的语义提示与图卷积结构蒸馏框架	整合多模态特征增强与双路径知识蒸馏，设计了辅助空间特征提取模块和RGB表示模块进行特征去噪与对齐，并引入基于图卷积的结构蒸馏和无需外部文本监督的语义提示蒸馏	NA	解决高分辨率遥感图像语义分割中的模态异质性、细粒度对象结构和高计算成本等挑战	遥感图像（Vaihingen和Potsdam数据集）	计算机视觉	NA	NA	深度学习模型	图像（RGB图像和归一化数字表面模型nDSM数据）	Vaihingen和Potsdam数据集	NA	SPGSNet-S*（语义提示与图卷积结构蒸馏框架）	参数量（8.89 M）、浮点运算量（2.29 G FLOPs）	NA
479	2026-04-01	A Bilayer Feature Fusion Framework for Pan-Cancer Survival Prediction Based on Multihead Attention and Adaptive Differential Privacy: Model Development and Validation Study 2026-Mar-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83743 PMID:41911549	研究论文	本研究提出了一种基于多头注意力和自适应差分隐私的双层特征融合框架，用于泛癌生存预测，旨在平衡精确特征提取与敏感数据保护	将多头注意力机制与自适应差分隐私相结合，通过分层相关性分析自适应添加拉普拉斯噪声，实现了特征提取与隐私保护的协同优化	未整合病理图像和蛋白质组学数据，未来可扩展至癌症亚型分类和生物标志物发现	开发一个在隐私保护下平衡预测准确性与数据安全性的泛癌生存预测框架	泛癌及单癌生存预测，涉及临床数据、mRNA数据和microRNA表达数据	机器学习	癌症	多模态数据融合，差分隐私	深度学习	临床数据，mRNA数据，microRNA表达数据	NA	NA	基于多头注意力的双层特征融合框架	一致性指数（C-index），5折交叉验证	NA
480	2026-04-01	Inverse treatment planning using deep learning-based organs at risk in radiotherapy for head and neck cancer: a prospective planning study 2026-Mar-30, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-026-02519-y PMID:41912924	研究论文	本研究评估了在头颈癌放疗中，使用基于深度学习的危及器官自动分割进行逆向治疗计划的可行性和临床可接受性	首次前瞻性地将基于深度学习的危及器官自动分割应用于头颈癌放疗的逆向治疗计划中，并评估其临床可行性	单中心研究，样本量较小（25名患者），需要更大规模研究来验证结果并推进全自动化工作流程	评估基于深度学习的危及器官自动分割在头颈癌放疗逆向治疗计划中的临床可行性和效果	头颈鳞状细胞癌患者	数字病理学	头颈癌	放射治疗计划，深度学习自动分割	深度学习模型	医学影像数据	25名接受根治性或术后（化疗）放疗的头颈癌患者	NA	NA	剂量学参数（D95%, D98%, D2%, Dmean），临床可接受性评分	NA