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
981	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
982	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
983	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
984	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
985	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
986	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
987	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
988	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
989	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
990	2026-03-19	A deep learning-based framework for patient-specific radiation dose prediction in beta-emitting radionuclide therapies 2026-Mar-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae5375 PMID:41843991	研究论文	本文提出了一种基于深度学习的框架，用于预测β发射放射性核素治疗中的患者特异性辐射剂量，无需核医学图像	开发了一种深度学习模型，能够预测训练数据中未包含的放射性核素的剂量，且无需患者核医学图像，实现了零样本预测	模型训练仅使用了单次CT图像，可能对更广泛的患者群体或不同成像条件的泛化能力有限	开发一种通用的深度学习框架，用于预测β发射放射性核素治疗中的患者特异性辐射剂量	β发射放射性核素（如Ho-166和Lu-177）在放射治疗中的剂量预测	医学影像分析	癌症	CT成像，深度学习	深度学习模型	CT图像，能量谱	22名患者的Y-90 NM/CT图像用于训练	NA	NA	R²，剂量差异百分比	NA
991	2026-03-19	Deep learning for RNA secondary structure determination: gauging generalizability and broadening the scope of traditional methods 2026-Mar-16, RNA (New York, N.Y.) DOI:10.1261/rna.080846.125 PMID:41513406	perspective	本文探讨了深度学习在RNA二级结构预测中的应用，评估其泛化能力并扩展传统方法的范围	使用从蛋白质数据库策划的新基准数据集评估方法泛化能力，并讨论深度学习在预测结构探测数据方面的进展	已知RNA结构的多样性和数量有限，可能导致预测与训练数据显著不同结构时准确性不足，存在泛化差距	评估深度学习在RNA二级结构预测中的泛化能力，并推动传统方法与现代神经网络的整合	RNA二级结构	生物信息学	NA	深度学习, 结构预测	深度学习模型	RNA结构数据, 结构探测数据	从蛋白质数据库策划的结构化RNA基准数据集	NA	NA	NA	NA
992	2026-03-19	Computed tomography of interstitial lung disease in systemic sclerosis: dataset and deep learning model for pulmonary lesion segmentation 2026-Mar-16, Reumatismo IF:1.2Q4 DOI:10.4081/reumatismo.2026.1920 PMID:41755789	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于量化系统性硬化症相关间质性肺病（SSc-ILD）在HRCT图像中的病变，并评估其临床相关性	开发了首个针对SSc-ILD的深度学习自动分割模型，并创建了公开的SICCS数据集，包含专家标注的HRCT图像分割标签	需要更大数据集进行进一步验证，模型对已形成纤维化（EF）的分割性能相对较低	开发并评估用于量化SSc-ILD病变的自动分割模型，以辅助诊断、监测和临床决策	40名SSc-ILD患者的HRCT扫描图像	数字病理学	系统性硬化症相关间质性肺病	高分辨率计算机断层扫描（HRCT）	CNN	图像	40名SSc-ILD患者的HRCT扫描	NA	卷积神经网络	Dice相似系数（DSC）	NA
993	2026-03-19	Deciphering the drivers and mechanisms of soil heavy metal(loid) pollution through deep learning and causal modeling 2026-Mar-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141655 PMID:41780239	研究论文	本研究开发了一个深度学习模型HMNet，结合多源开放数据集，以精细空间分辨率解析土壤重金属污染模式，并通过因果建模揭示其驱动机制与管理策略	开发了深度学习模型HMNet自适应整合多源数据，首次结合DeepSHAP驱动归因与结构方程模型量化了人为活动、土壤性质、植被、地形和气候对重金属污染的直接与间接交互路径	未明确说明模型在极端环境或未覆盖区域的泛化能力，且多源数据可能存在异质性或偏差	解析土壤重金属污染的驱动因素与形成机制，为针对性预防和可持续土壤管理提供科学依据	土壤重金属（类金属）污染	机器学习	NA	多源开放数据集整合	深度学习模型	多源空间数据	NA	NA	HMNet	Kappa系数, 召回率, 整体准确率	NA
994	2026-03-19	Deep learning-based suppression of cold reflections in infrared systems 2026-Mar-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.580105 PMID:41842277	研究论文	本研究提出了一种基于深度学习的方法，用于抑制冷却中波红外成像系统中的冷反射伪影	提出了一种结合L1感知混合损失优化的增强NU-Net架构，用于冷反射伪影抑制，并通过等效温差叠加方法生成合成红外图像数据集	NA	抑制冷却中波红外成像系统中的冷反射伪影，实现高质量红外成像	冷却中波红外成像系统及其产生的冷反射伪影	计算机视觉	NA	红外成像，冷反射模拟（使用Narcissus宏）	深度学习	红外图像	NA	NA	增强NU-Net	PSNR, SSIM	NA
995	2026-03-19	Leveraging deep learning-based foundation models for optical turbulence (Cn2) estimation under data scarcity 2026-Mar-10, Applied optics IF:1.7Q3 DOI:10.1364/AO.585045 PMID:41842282	研究论文	本研究探讨了在数据稀缺条件下，利用表格基础模型（TFMs）进行光学湍流（Cn2）估计的可行性	首次将表格基础模型（TabPFNv2和TabDPT）应用于光学湍流估计任务，无需任务特定微调或超参数优化，在少样本学习场景中实现了优异性能	研究仅基于莫纳罗亚天文台的观测数据，未在其他地理环境或气象条件下验证模型的泛化能力	开发数据稀缺环境下光学湍流预测的快速、免调参、即插即用工具	光学湍流（Cn2）的估计	机器学习	NA	深度学习基础模型预训练	表格基础模型（TFMs）	表格数据（气象和湍流观测数据）	莫纳罗亚天文台的气象和湍流观测数据集（具体样本量未明确说明）	NA	TabPFNv2, TabDPT	数据效率、集成稳定性、动态范围捕捉能力、特征重要性分析	NA
996	2026-03-19	Deep Learning-based Automated Detection of Pulmonary Embolism: Is It Reliable? 2026 Mar-Apr 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001803 PMID:41004836	研究论文	本研究评估了基于深度学习的AI程序“佳能自动化平台”在胸部CTPA中自动检测和定位肺栓塞的诊断准确性和临床适用性	首次全面评估了“佳能自动化平台”在肺栓塞自动检测中的性能，特别是在肺段和亚段分支等外周血管的检测能力	亚段分支的敏感性较低（81.4%至84.7%），且研究为回顾性设计，可能影响结果的泛化性	评估AI程序在肺栓塞自动检测中的诊断准确性和临床适用性	1474例疑似肺栓塞的胸部CTPA图像	计算机视觉	肺栓塞	CTPA	深度学习	医学影像	1474例CTPA图像	NA	NA	AUC-ROC, 准确率, 敏感性, 特异性, PPV, NPV, F1分数, Cohen Kappa	NA
997	2026-03-19	An Enthalpy-Entropy Compensated Ionogel With a Broadband Viscoelastic Plateau for Non-Invasive and High-Fidelity Neurointerfaces 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202521208 PMID:41677067	研究论文	本文设计了一种基于动态焓熵平衡的粘弹性离子凝胶，用于实现非侵入式、高保真度的神经接口	通过设计一种由动态焓熵平衡调控的粘弹性离子凝胶，实现了跨越九个数量级频率（10^-2至10^7 Hz）和宽温度范围（-30°C至40°C）的频率无关粘弹性平台，显著降低了皮肤-电极阻抗	未明确提及长期生物相容性、大规模制造可行性或与其他生物电子系统的集成挑战	开发一种能够实现非侵入式、高保真度电生理记录（特别是脑电图）的软生物电子材料	人类皮肤上的电生理信号，特别是脑电图信号	软生物电子学	NA	电生理记录，脑电图	深度学习	脑电图信号	NA	NA	NA	准确率	NA
998	2026-03-19	AI based multiomics integration for cancer diagnosis and prognosis 2026-Mar, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2025.100639 PMID:41839664	研究论文	本研究介绍了OmicsFusionNet，一种基于AI的混合模型，整合机器学习和深度学习，用于癌症诊断和预后	开发了OmicsFusionNet模型，整合多达六种多组学数据集，在23种癌症类型中实现80.2%的准确率，其中RNAseq和甲基化整合达到99.8%的准确率	NA	通过AI和多组学整合革新癌症护理，实现早期检测、生物标志物发现和个性化治疗	23种癌症类型，特别是卵巢癌	机器学习	癌症	多组学整合（基因组学、转录组学、表观基因组学），KEGG通路富集分析	混合模型（机器学习与深度学习）	多组学数据集	NA	NA	OmicsFusionNet	准确率	NA
999	2026-03-19	ResSGA-Net: A deep learning approach for enhanced brain tumor detection and accurate classification in healthcare imaging systems 2026-Mar, Journal, genetic engineering & biotechnology DOI:10.1016/j.jgeb.2026.100658 PMID:41839680	研究论文	提出一种名为ResSGA-Net的混合深度学习框架，用于从MRI图像中准确检测和分类脑肿瘤	将ResNet50主干网络与双重注意力机制（全局和门控）以及Swin Transformer相结合，有效捕获细粒度局部特征和长距离上下文依赖关系，并采用融合策略统一卷积、注意力精炼和Transformer增强的表征	未明确提及模型在更大规模或更多样化临床数据集上的泛化能力，也未讨论计算效率或实时诊断的可行性	开发一种准确可靠的自动脑肿瘤分类方法，以辅助临床决策	脑部MRI图像	计算机视觉	脑肿瘤	磁共振成像	CNN, Transformer	图像	两个公开基准数据集（一个四分类任务，一个三分类任务）	NA	ResNet50, Swin Transformer	准确率, AUC	NA
1000	2026-03-19	Decoding TCR recognition via geometric deep learning of immunological fingerprints 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag048 PMID:41834397	研究论文	本文介绍了一种多模态几何深度学习框架，用于从pMHC界面提取物理化学和空间特征，以解码T细胞受体识别机制	提出了一种结合几何深度学习的多模态框架，系统性提取pMHC界面的多维特征，并引入可解释性模块识别关键接触残基和相互作用基序	研究基于晶体结构数据集，可能未涵盖所有动态构象变化；模型在更广泛的HLA等位基因上的泛化性需进一步验证	解码T细胞受体识别pMHC的分子原理，以理解免疫特异性与交叉反应性	人类白细胞抗原HLA-A02和HLA-B27的肽-MHC-TCR晶体结构	机器学习	NA	晶体结构分析, 几何深度学习	几何深度学习模型	三维结构数据	精选的人类HLA-A02-肽-TCR晶体结构数据集及HLA-B27-肽复合物	PyTorch, DGL	几何神经网络	TCR结合偏好预测准确性, 交叉反应性分析	NA