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
621	2026-03-21	Bio-Inspired Design of Quasi-Ordered Structural Color via Stress-Driven Reconfiguration Enables Ultra-Secure and Scalable Unclonable Application 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202520440 PMID:41715282	研究论文	本文受自然界启发，提出一种应力驱动的微结构重构策略，用于制造具有超高编码容量、快速识别和可扩展制造能力的机械诱导结构色物理不可克隆函数标签	受Thecla opisena蝴蝶翅膀鳞片准有序光子结构启发，提出应力驱动的微结构重构策略，通过控制异质聚合物网络的压印，实现了空间随机、结构色PUF图案的制造，解决了光学PUF在高编码容量、快速识别和可扩展制造之间的权衡难题	NA	开发一种安全、可扩展的物理不可克隆函数用于下一代认证系统和物联网应用	机械诱导结构色PUF标签	机器视觉	NA	应力驱动微结构重构、异质聚合物网络压印	深度学习	图像	NA	NA	NA	准确率	NA
622	2026-03-21	Multiview deep learning improves detection of major cardiac conditions from echocardiography 2026-Mar, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-026-00786-7 PMID:41844861	研究论文	本研究开发了一种多视图深度学习模型，通过整合超声心动图的多视图视频数据，提高了对主要心脏疾病的诊断性能	提出了一种能够同时整合多个成像视图的深度学习神经网络架构，相比单视图模型显著提升了诊断准确性	研究仅基于两个医疗中心的数据，可能缺乏泛化性；且仅针对三种特定心脏疾病进行了验证	通过多视图深度学习模型改善从超声心动图中检测主要心脏疾病的诊断性能	超声心动图数据，包括左心室或右心室异常、舒张功能障碍和显著瓣膜反流	计算机视觉	心血管疾病	超声心动图	DNN	视频	来自加州大学旧金山分校和蒙特利尔心脏研究所的超声心动图数据	NA	多视图DNN	AUC	NA
623	2026-03-21	Impact of CT dose on AI performance: A comparison of radiomics, deep, and foundation models in a multicentric anthropomorphic phantom study 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70374 PMID:41846467	研究论文	本研究通过多中心人体模型实验，比较了放射组学、深度学习和基础模型在不同CT剂量水平下的性能表现，评估了其对剂量变化的鲁棒性	首次在标准化人体模型数据集上系统比较了放射组学、浅层CNN、SwinUNETR和CT基础模型对CT剂量变化的鲁棒性，并验证了基础模型在跨剂量泛化方面的优势	研究处于早期实验阶段，仅使用回顾性数据测试，未进行前瞻性验证；实验主要基于模拟肝脏组织的人体模型，在真实患者数据中的泛化能力需进一步验证	评估基于放射组学和深度学习的模型对CT剂量水平变化的鲁棒性，探索基础模型在减少剂量相关变异方面的潜力	模拟肝脏组织（正常组织、囊肿、血管瘤、转移灶）的人体模型图像，以及CT-ORG数据集中真实患者的器官分类数据	医学影像分析	肝脏疾病	CT成像	CNN, SwinUNETR, 基础模型	CT图像	来自649次扫描的1378个图像序列（人体模型），以及CT-ORG数据集的140次CT扫描（真实患者）	PyRadiomics, PyTorch（推测，基于SwinUNETR和基础模型的常见实现）	浅层CNN, SwinUNETR, CT-FM（CT基础模型）	组内相关系数（ICC），准确率，UMAP可视化	NA
624	2026-03-21	Benchmarking Automated Detection and Classification Approaches for Long-Term Acoustic Monitoring of Endangered Species: A Case Study on Gibbons From Cambodia 2026-Mar, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70127 PMID:41854092	研究论文	本文通过比较多种深度学习模型，为柬埔寨濒危长臂猿的长期声学监测提供了自动化检测的基准	首次系统比较了SVM、Koogu、ResNet50和基于BirdNET的迁移学习模型在长臂猿叫声检测中的性能，并展示了BirdNET在小样本情况下的优越性	研究仅针对特定物种（南部黄颊冠长臂猿）和特定地点（柬埔寨Jahoo），结果可能无法直接推广到其他物种或环境	开发并评估自动化声学检测方法，以改善濒危物种的长期监测能力	南部黄颊冠长臂猿（Nomascus gabriellae）的雌性二重唱叫声	机器学习	NA	被动声学监测	SVM, CNN	音频	超过200个长臂猿样本用于训练，部署模型分析了超过130,000小时的连续声景数据	NA	DenseNet, ResNet50	NA	NA
625	2026-03-21	Mining whole-brain information with deep learning to predict EGFR mutation and subtypes in brain-metastatic NSCLC: A multicenter study 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70398 PMID:41854843	研究论文	本研究开发了一种基于深度学习的全脑信息挖掘方法，利用MRI图像预测脑转移非小细胞肺癌患者的EGFR突变及其亚型	提出了一种新的EGFR位点识别网络（ESR-Net），通过整合可变形卷积和辅助网络来挖掘全脑信息，以增强肿瘤特征并寻找信息性突变特征，从而在预测EGFR突变及其亚型方面超越了传统方法	研究样本量相对有限（共293例患者），且仅使用了对比增强T1加权和T2加权MRI图像，可能未涵盖所有相关影像特征	开发一种准确、无创的定量方法，用于预测脑转移非小细胞肺癌患者的EGFR基因型，以支持个性化治疗	脑转移非小细胞肺癌患者	数字病理学	肺癌	MRI扫描（对比增强T1加权和T2加权）	CNN	图像	293例患者（170例来自中心1，62例来自中心2，61例来自中心3）	NA	ESR-Net	AUC	NA
626	2026-03-21	A physics-driven neural network with parameter embedding for generating quantitative MR maps from weighted images 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70394 PMID:41854958	研究论文	本文提出了一种融合MRI序列参数的物理驱动神经网络，用于从加权MRI图像合成定量映射图	通过参数嵌入技术将MRI序列参数（TR、TE、TI）直接整合到神经网络中，使模型能够学习MRI信号形成的物理原理	模型仅在健康脑部MRI图像上训练，对病理区域的泛化能力仍需进一步验证	提高从临床加权MRI合成定量图像的准确性和泛化能力	健康脑部MRI图像及病理区域	医学影像分析	NA	定量MRI（qMRI）	深度学习神经网络	MRI图像（T1加权、T2加权、T2-FLAIR）	健康脑部MRI图像数据集，包含内部和外部测试集	NA	参数嵌入神经网络	平均百分比误差（MPE）、全局体素平均绝对误差（MAE）	NA
627	2026-03-21	Explainable artificial intelligence for personalized prognosis in pancreatic cancer: A nationwide study from Taiwan 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001296 PMID:41855151	研究论文	本研究利用台湾全国癌症登记数据，开发了一种可解释的人工智能预后模型，用于预测胰腺癌患者的生存情况	结合可解释性AI方法（如SHAP）与大规模全国性登记数据，识别关键预后因素、非线性关系、交互作用及患者特异性生存变异性	研究基于台湾的登记数据，可能限制了结果的普适性；模型性能虽优于其他方法，但仍有改进空间	开发可解释的AI预后模型，以识别胰腺癌生存的关键因素及其复杂关系	台湾癌症登记中2013年至2021年诊断的8,864例胰腺癌病例	机器学习	胰腺癌	NA	XGBoost, 随机生存森林, 深度学习模型	结构化临床数据	8,864例胰腺癌病例	NA	NA	时间依赖性指标	NA
628	2026-03-20	Computer-aided diagnosis of DDH using ultrasound: deep learning for segmentation and accurate angle measurement aligned with radiologist's clinical workflow 2026-Mar-18, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4535 PMID:40789016	研究论文	本文提出了一种用于超声评估发育性髋关节发育不良的计算机辅助诊断系统，该系统集成了深度学习进行解剖结构分割，并采用Graf方法进行α和β角度测量	提出了一种结合解剖分割和角度测量的临床工作流对齐的CAD系统，在基线定义中排除了髂骨下缘的曲率以提升准确性，并提供了全面的标准化评估指标集以解决深度学习研究中常见的指标报告异质性问题	研究样本量相对有限（452张原始图像来自370名新生儿），且仅使用了单一机构的超声图像数据	开发一种自动化评估发育性髋关节发育不良的计算机辅助诊断系统	新生儿髋关节超声图像	数字病理学	发育性髋关节发育不良	超声成像	深度学习	图像	452张原始超声图像（来自370名新生儿），增强后共768张图像用于训练和评估	NA	U-Net, MaskR-CNN, YOLOv8, YOLOv11	精确度, 召回率, IoU, Dice系数, mAP, Bland-Altman分析, 组内相关系数	NA
629	2026-03-20	PET Head Motion Estimation Using Supervised Deep Learning With Attention 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3620714 PMID:41082441	研究论文	本文提出了一种基于监督深度学习和交叉注意力机制的PET头部运动估计与校正方法DL-HMC++	提出了首个利用交叉注意力机制从一秒3D PET原始数据中预测刚性头部运动的深度学习模型，无需外部硬件跟踪设备	方法主要针对刚性头部运动，未明确讨论非刚性运动或极端运动情况下的性能	开发一种数据驱动的PET头部运动校正方法，以替代硬件运动跟踪，提高临床实用性	脑部PET成像中的头部运动伪影	医学影像分析	神经系统疾病	正电子发射断层扫描（PET）	深度学习模型	3D PET原始数据	使用两台PET扫描仪（HRRT和mCT）和四种放射性示踪剂（F-FDG, F-FPEB, C-UCB-J, C-LSN3172176）的大规模队列研究数据	未明确说明	基于交叉注意力机制的深度学习架构	标准摄取值差异比，定性图像质量评估	NA
630	2026-03-19	NeuroCardioSense (NCS): a time-aware fuzzy decision framework for multi-lead ECG classification and arrhythmia detection 2026-Mar-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4df5 PMID:41785513	研究论文	提出一种名为NeuroCardioSense (NCS)的时间感知模糊决策框架，用于多导联心电图分类和心律失常检测	设计了新颖的时间感知门控卷积层和门控机制，能够自适应地调制卷积滤波器和跨导联特征贡献；并引入了时间模糊集成模块，通过联合编码特征和隶属度构建可学习的模糊子空间，有效缓解类别边界模糊问题	NA	开发一个能够联合表征心电图形态模式、多导联交互和时间依赖性的自动化心律失常检测框架	心电图信号	数字病理学	心血管疾病	心电图	CNN	信号	MIT-BIH心律失常数据库	NA	NeuroCardioSenseNet (NCSN), NeuroCardioSenseNet-Fusion (NCSNF)	准确率	NA
631	2026-03-19	Multimodal skin disease classification using vision transformers, medical captioning, and metadata fusion: an analysis on the ISIC 2024 dataset 2026-Mar-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4eeb PMID:41802357	研究论文	本研究提出了一种基于MedCLIP的多模态皮肤疾病分类方法，融合了视觉、文本和临床元数据，并在ISIC 2024数据集上进行了评估	系统分析了MedCLIP多模态嵌入与临床元数据的融合策略（早期融合和基于注意力的融合），并评估了其与经典机器学习及神经分类器结合的性能	研究仅使用了ISIC 2024数据集的子集（1600张训练图像和400张测试图像），样本规模相对有限	解决皮肤病变的二分类问题，探索多模态融合在计算机辅助诊断中的价值	皮肤癌和皮肤科疾病	计算机视觉	皮肤癌	NA	Vision Transformer, MLP, 集成分类器	图像, 文本, 元数据	1600张训练图像和400张测试图像（来自ISIC 2024数据集）	NA	MedCLIP	准确率, AUROC	NA
632	2026-03-19	Exploration and performance analysis of deep learning applications in spermatic vein ultrasound segmentation 2026-Mar-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4eed PMID:41802363	研究论文	本研究探索并评估了深度学习在精索静脉超声图像分割中的应用，建立了首个自动化分割性能基准	提出了基于Segment Anything Model（SAM）的半自动标注工作流程，并首次为精索静脉超声分割任务建立了深度学习性能基准	所有模型在狭窄的性能范围内达到平台期（DSC：61%-65%），远低于成熟超声分割领域的性能，表明主要障碍是固有的数据限制而非模型架构	开发自动化精索静脉超声分割工具，以解决当前手动测量耗时、主观且缺乏可重复性的问题	精索静脉超声图像	医学图像分析	精索静脉曲张	超声成像	深度学习分割模型	超声图像	未明确说明具体样本数量，但采用留一患者交叉验证	未明确说明	U-Net, U-Net++, Attention U-Net, RPA-UNet, UNet-DS（带深度监督的U-Net）	Dice相似系数（DSC）, Kappa系数	NA
633	2026-03-19	High-throughput label-free assessment of sperm DNA fragmentation index via intelligent morphological imaging 2026-Mar-17, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc01122a PMID:41710949	研究论文	本研究提出了一种基于智能形态成像的高通量、无标记精子DNA碎片指数评估方法	首次将光流控时间拉伸定量相位成像流式细胞技术与卷积神经网络结合，实现了无标记、高通量、非破坏性的精子DNA碎片指数评估	研究样本量相对有限（31个临床精液样本），且方法依赖于特定的成像设备	开发一种准确、高效、无标记的精子DNA碎片指数评估方法，以改善男性不育症的临床诊断	人类精子细胞	数字病理学	男性不育症	光流控时间拉伸定量相位成像流式细胞技术	CNN	图像	31个临床精液样本，共136,070张图像	NA	NA	准确率	NA
634	2026-03-19	Artificial Intelligence in Anatomic Education: Educational Utility, Safety Boundaries, and Implementation Considerations 2026-Mar-17, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000012573 PMID:41842848	综述	本文批判性地综合了人工智能在解剖学教育中的应用，重点关注其教育效用、安全边界和实施考虑	强调人工智能在解剖学教育中的教育效用而非临床自动化，并关注解剖准确性验证、生成系统中的错误信息风险、算法偏见等关键问题	NA	探讨人工智能如何支持解剖学教育，以应对传统教学方法的挑战	解剖学教育	计算机视觉,自然语言处理	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
635	2026-03-19	Intelligent system for infants' pain detection: pain intensity estimation using deep learning approach 2026-Mar-17, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01720-8 PMID:41843272	研究论文	本研究提出了一种基于深度学习的方法，通过分析面部表情来估计足月婴儿的疼痛强度	采用回归CNN模型结合迁移学习技术，利用预训练的VGG16模型进行微调，以提高分类性能并避免过拟合	NA	开发一个智能系统来检测婴儿的疼痛强度，以改善疼痛管理	足月婴儿在NICU日常医疗程序中的面部表情	计算机视觉	NA	深度学习	CNN	图像	NA	NA	VGG16	MAE, MSE	NA
636	2026-03-19	Bridging Datasets and Hyperparameters: GCN-Based Link Prediction for Recommendation 2026-Mar-17, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3675022 PMID:41843509	研究论文	本文提出了一种基于图卷积网络的超参数推荐框架，通过将数据集和超参数配置建模为二分图中的节点，并利用链接预测来为新数据集推荐超参数	将超参数推荐问题形式化为二分图上的链接预测问题，并引入GCN同时捕获数据集内部、超参数内部以及两者之间的同质和异质交互关系，这是现有方法所不具备的能力	未明确说明模型的计算复杂度或在大规模超参数空间中的可扩展性，且仅在分类任务上进行了验证	开发一种能够更准确推荐超参数配置的元学习方法	历史数据集、超参数配置及其性能观测值	机器学习	NA	元学习	GCN	元数据（数据集特征、超参数配置、性能观测）	105个真实世界分类数据集	NA	GCN	多种评估指标（具体未列出）	NA
637	2026-03-19	Distillation-SAM: Knowledge Distillation Based Auto-prompt Embedding Learning for Surgical Image Segmentation 2026-Mar-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3674509 PMID:41843527	研究论文	本文提出了一种基于知识蒸馏的自适应提示嵌入学习方法Distillation-SAM，用于提高手术图像分割的准确性和泛化能力	通过引入可训练的适配器分支学习稀疏和密集自动提示嵌入，并利用知识蒸馏约束，无需用户提供提示即可实现多类别手术对象分割	方法主要针对手术图像，可能在其他医学图像领域的泛化能力有限，且依赖于特定数据集进行训练	开发一种无需用户提示的自适应手术图像分割方法，以提升分割精度和跨手术场景的泛化性能	手术图像中的血管、器械和组织等对象	计算机视觉	NA	深度学习	SAM, 多层感知机	图像	多个手术数据集，包括IVIS、EndoVis2017和Cholecseg8k	NA	Segment Anything Model (SAM)	NA	NA
638	2026-03-19	YOLO11-based deep learning and machine vision framework for automated detection and counting of Rhopalosiphum padi (Hemiptera: Aphididae) 2026-Mar-17, Journal of economic entomology IF:2.2Q1 DOI:10.1093/jee/toag048 PMID:41843770	研究论文	本研究开发了一个基于YOLO11的深度学习框架，用于自动检测和计数谷物害虫禾谷缢管蚜	在YOLO11n基线模型基础上，集成了ADown下采样模块、Triplet Attention和Focusing Diffusion Pyramid Network模块，以提升小目标检测能力并控制计算开销	模型在受控温室条件下使用智能手机图像进行训练和评估，未来需评估跨场景鲁棒性和实际部署性能	开发一种快速、自动化的图像监测方法，以替代劳动密集型且不一致的人工巡查，用于禾谷缢管蚜的检测与计数	禾谷缢管蚜（Rhopalosiphum padi），一种主要的谷物害虫和大麦黄矮病毒复合体的传播媒介	计算机视觉	NA	深度学习，机器视觉	CNN	图像	在受控温室条件下采集的智能手机图像数据集	Ultralytics YOLO11	YOLO11n, ADown, Triplet Attention, Focusing Diffusion Pyramid Network	mAP50, 平均绝对误差, 均方根误差	NA
639	2026-03-19	Rectal Cancer Radiotherapy Response Prediction: Retrospective Study of Development of a Deep Learning-Based Radiomics Model 2026-Mar-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/77313 PMID:41843889	研究论文	本研究开发并比较了多种基于深度学习的放射组学模型，用于预测直肠癌患者的放疗反应，重点关注Transformer架构的性能和临床实用性	首次在大型直肠癌放疗前影像队列中，系统比较了CNN、GCN和Transformer架构，并证明基于MRI的Transformer模型在预测放疗反应方面优于传统架构，且具有更优的临床净获益	单中心回顾性研究，需要多中心外部验证；CT与MRI的晚期融合未显著提升整体区分度	开发并比较多种深度学习放射组学模型，以预测直肠癌患者的放疗反应，支持个性化临床决策	2000名经病理确诊并接受标准放疗的直肠癌患者	数字病理	直肠癌	放射组学，深度学习	CNN, GCN, Transformer	图像（CT和MRI影像），临床变量	2000名患者	未明确提及	U-Net, Transformer	AUROC, 准确率, 敏感性, 特异性, Dice系数, 交并比	未明确提及
640	2026-03-19	SSI-Net: A hybrid physics-constrained deep learning framework for quantitative ultrasound speed-of-sound reconstruction 2026-Mar-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae5374 PMID:41843981	研究论文	本研究提出了一种名为SSI-Net的混合物理约束深度学习框架，用于从超声信号中准确重建声速分布	通过将精确的、可微分的非线性Westervelt方程有限差分时域求解器嵌入可训练架构，结合双向门控循环单元编码器和U-Net解码器，实现了数据驱动与物理约束的深度融合，在保持物理一致性的同时提升了重建精度和效率	未明确说明模型在更广泛临床数据或不同病理条件下的泛化能力，以及计算资源需求的具体细节	开发一种高效且物理一致的深度学习框架，用于定量超声声速成像，以解决传统全波形反演的计算复杂性和病态逆问题	模拟数据、组织模拟体模数据和活体小鼠数据	医学影像	NA	定量超声断层扫描、声速重建	深度学习框架	超声信号	未明确指定具体样本数量，但涉及模拟、体模和活体小鼠数据集	未明确指定，但提及了深度学习框架	双向门控循环单元（Bi-GRU）、U-Net	峰值信噪比、物理残差	未明确指定