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
1041	2026-03-07	Assessing the reversibility of bronchiectasis with deep learning - Authors' reply 2026-Mar, The Lancet. Respiratory medicine DOI:10.1016/S2213-2600(25)00461-8 PMID:41786370	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1042	2026-03-07	Assessing the reversibility of bronchiectasis with deep learning 2026-Mar, The Lancet. Respiratory medicine DOI:10.1016/S2213-2600(25)00462-X PMID:41786369	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1043	2026-03-10	Diagnosis of Major Depressive Disorder Based on Multi-Granularity Brain Networks Fusion 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3593617 PMID:40729718	研究论文	提出一种基于多粒度脑网络融合的框架，用于从功能磁共振成像数据中诊断重度抑郁症	提出了多粒度脑网络融合框架，通过多粒度分析建模脑网络，并引入参数共享机制和约束注意力池化机制，以更充分地提取深层特征并有效整合多通道信息	未明确说明模型在更广泛或不同人群中的泛化能力，也未详细讨论计算复杂度	开发一种基于深度学习的框架，以更准确地诊断重度抑郁症	重度抑郁症患者的功能磁共振成像数据	机器学习	精神疾病	功能磁共振成像	深度学习	图像	NA	NA	多粒度脑网络融合框架	分类性能	NA
1044	2026-03-10	Craniocaudal Mammograms Generation Using Image-to-Image Translation Techniques 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3599641 PMID:40824990	研究论文	本文提出了一种基于生成对抗网络的统计生成模型工作流，用于生成高分辨率合成乳腺X光片	利用独特的二维参数化压缩乳腺模型和图像到图像转换技术，实现对乳腺特征的完全精确控制，并生成正常和肿瘤病例	质量评估主要依赖于视觉分析和统计矩，可能缺乏更全面的定量评估；专家问卷样本量有限（45人）	开发生成合成乳腺X光片的方法，以解决真实数据访问受限和不平衡问题，辅助机器学习算法训练	乳腺X光片（特别是头尾位投影）	计算机视觉	乳腺癌	图像到图像转换技术	GAN	图像	NA	NA	NA	视觉分析，前五阶统计矩，专家问卷评估	NA
1045	2026-03-10	Non-Direct Contact ECG Signal Classification Using a Hybrid Deep Learning Framework With Validation in Bedside Heart Rate Variability Analysis 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3601807 PMID:40853807	研究论文	本研究提出了一种基于电容耦合心电图（cECG）的床边非直接接触ECG记录系统，并验证了其在夜间准确捕捉心率变异性（HRV）的性能	开发了一种非直接接触的cECG记录系统，通过衣物采集ECG数据，避免了传统湿电极对皮肤的刺激，并利用深度学习框架进行信号质量评估和HRV分析	研究样本量较小，仅涉及6名受试者，可能影响结果的普遍性	验证非直接接触ECG记录系统在床边HRV分析中的准确性和可靠性	床边非直接接触ECG信号和心率变异性（HRV）	机器学习	心血管疾病	电容耦合心电图（cECG）	深度学习框架	ECG信号	6名受试者	NA	NA	准确率, 召回率, 精确率, F1分数, Cohen's Kappa, 平均绝对百分比误差（MAPE）	NA
1046	2026-03-10	A Novel Dual-Attention Deep Neural Network With Multi-Scale Fusion Feature Processing for Predicting Transcription Factor Binding Sites 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3604625 PMID:40889326	研究论文	提出了一种名为DeepCTMS的新型双注意力深度神经网络，用于预测转录因子结合位点，通过融合DNA序列特征和形状特征来提高预测性能	设计了卷积三重注意力模块来提取DNA形状数据的三维特征，并采用多尺度融合特征处理模块有效融合序列和形状特征，解决了现有模型忽略DNA双螺旋结构和立体形状信息的问题	未明确说明模型在非ChIP-seq数据集上的泛化能力，以及计算资源需求的具体细节	准确预测转录因子结合位点，以调控基因表达并促进新药和疾病治疗的探索	DNA序列和形状数据，特别是转录因子结合位点	生物信息学	NA	ChIP-seq	深度神经网络	序列数据, 形状数据	165个ChIP-seq数据集	NA	DeepCTMS	预测性能, 泛化能力	NA
1047	2026-03-10	Spatiospectral Representation and Neural Decoding of Somatic Perception of Acupuncture Stimulations 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3601173 PMID:40844954	研究论文	本研究利用脑电图功率谱密度和深度学习，探索了针灸刺激下体感知觉的神经表征与解码	通过去除非周期性成分提取周期性空间谱，并首次使用StyleGAN的w-latents进行特征解耦表示，实现了对针灸状态下脑状态的高精度解码	未明确说明样本的具体健康状况或人口统计学特征，且仅比较了两种针灸手法	探究针灸刺激下体感知觉的神经表征机制并实现脑状态解码	针灸刺激下的人类脑电图响应	机器学习	NA	脑电图	GAN, Transformer	脑电图信号	NA	NA	StyleGAN, Transformer	准确率	NA
1048	2026-03-10	FIGNet: A Robust and Interpretable Fuzzy-Irreversible Gated Network for Auditory Brainstem Response Classification 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3604834 PMID:40892642	研究论文	提出了一种结合类型2模糊逻辑与时间不可逆注意力机制的新型深度学习模型FIGNet，用于听觉脑干反应信号的自动分类	首次将类型2模糊逻辑与时间不可逆注意力机制相结合，以处理ABR信号中的不确定性和时间方向性	未提及模型在更大规模或更多样化数据集上的泛化能力	开发一种高精度、鲁棒性强且可解释的自动分类模型，以最少的ABR数据实现稳定有效的识别性能	听觉脑干反应信号	机器学习	NA	听觉脑干反应测量	深度学习网络	时间序列信号	真实ABR数据集（具体数量未提及）	NA	FIGNet（模糊不可逆门控网络）	准确率	NA
1049	2026-03-10	Freezing pre-trained parameters of encoders for denoisers: Expanding pixel involvement and filtering out high-frequency noise 2026-Mar-01, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108794 PMID:41797192	研究论文	本文提出了一种通过冻结编码器预训练参数来提升图像去噪模型泛化能力的训练策略	首次证明在训练过程中冻结编码器的预训练参数能够扩大影响去噪结果的输入像素范围并有效滤除高频噪声信号	NA	提高图像去噪模型在面对分布外噪声时的泛化性能	图像去噪模型	计算机视觉	NA	深度学习	编码器-解码器结构	图像	NA	NA	NA	NA	NA
1050	2026-03-09	Efficient quality classification of pretreated and dehydrated carrots using feature selection and intelligent models 2026-Mar-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70413 PMID:41454427	研究论文	本研究利用可见-近红外反射光谱和人工智能技术，对经过不同预处理和脱水处理的胡萝卜片进行质量分类	结合递归特征消除与极端梯度提升进行特征选择，并比较了19种人工智能模型在胡萝卜脱水产品分类中的性能	未提及模型在更大规模或不同品种胡萝卜上的泛化能力，以及实际工业环境中的应用验证	开发高效、非破坏性的方法来分类预处理和脱水胡萝卜的质量	经过超声波、蔗糖、阿拉伯胶和微波预处理，并在不同微波功率和真空压力下脱水的胡萝卜切片	机器学习	NA	可见-近红外反射光谱	多层感知机, 支持向量机, 卷积神经网络	光谱数据	未明确说明具体样本数量，但涉及多种预处理和脱水条件组合下的胡萝卜切片	NA	NA	准确率, 测试时间	NA
1051	2026-03-09	Living on the flood line: Constructing and validating a combined multidimensional resilience index for rural riverine floodplain communities 2026-Mar-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181581 PMID:41734704	研究论文	本研究提出了一种结合多维指标与深度学习的综合方法，构建并验证了面向农村河漫滩社区的复合多维韧性指数（CMRI）	整合了基于专家的多准则决策分析、数据驱动的主轴因子分析、蒙特卡洛指数构建与深度学习预测验证，并引入了空间显式的可解释人工智能（XAI）支持	研究区域仅限于布拉马普特拉河流域的49个联合区，可能限制了结果的普适性；依赖于56个主观与客观指标，数据收集与质量可能影响指数精度	开发一个透明、严谨且统计稳健的社区级韧性评估框架，以支持洪水风险缓解与环境规划	孟加拉国布拉马普特拉河流域的49个农村河漫滩社区（联合区）	机器学习	NA	多准则决策分析、主轴因子分析、蒙特卡洛模拟、深度学习、可解释人工智能（XAI）	深度神经网络	地理空间数据、多维指标数据（社会文化、经济、物理基础设施、组织制度、水力、生态）	1000个地理参考观测点，涵盖49个联合区	未明确指定（可能包含TensorFlow/PyTorch等）	DR-DNN（深度残差深度神经网络？文中未明确全称）	AUC（曲线下面积）、准确率	未明确指定
1052	2026-03-09	Performance of breast cancer risk prediction algorithms across mammography systems in the UK screening programme 2026-Mar-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02507-7 PMID:41795013	研究论文	本研究评估了四种乳腺癌风险预测算法在英国国家筛查项目中不同乳腺X线摄影系统上的表现	首次在完整的国家筛查数据上对多种深度学习风险预测算法进行跨系统比较验证	研究为回顾性设计，缺乏前瞻性试验验证，且仅评估了两种乳腺X线摄影系统	评估乳腺癌风险预测算法在不同乳腺X线摄影系统上的泛化能力和性能差异	英国NHS乳腺筛查项目的阴性乳腺X线影像	数字病理学	乳腺癌	乳腺X线摄影	深度学习算法	图像	112,621张阴性乳腺X线影像，涉及1,225例未来癌症	NA	Mirai, iCAD, Transpara, Google	AUC	NA
1053	2026-03-09	Machine learning applications for anterior cruciate ligament injury prediction and rehabilitation in sports: A scoping review with evidence synthesis 2026-Mar-07, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70374 PMID:41793229	综述	本文是一篇范围综述，旨在梳理和综合机器学习在前交叉韧带损伤预测、康复监测及重返运动决策支持中的应用证据	首次通过范围综述系统性地综合了机器学习在ACL损伤全周期管理（从风险预测到重返运动）中的应用证据，并强调了临床相关性和方法学质量	纳入研究的外部验证和标准化结局定义报告不一致，且未进行荟萃分析，仅进行了描述性综合	梳理和综合机器学习在ACL损伤风险估计、康复监测及重返运动决策支持中的应用证据	涉及ACL损伤预测、术后恢复评估或重返运动评估的同行评议研究	机器学习	前交叉韧带损伤	NA	基于树的集成模型（如随机森林、极端梯度提升）、深度学习模型	临床数据、生物力学数据、可穿戴设备数据、影像数据	共纳入40项研究	NA	Random Forest, Extreme Gradient Boosting	NA	NA
1054	2026-03-09	Ultrasound Video-Based Deep Learning Model for Predicting Axillary Lymph Node Status and Nodal Burden in Breast Cancer 2026-Mar-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.014 PMID:41794631	研究论文	本研究开发并验证了一种基于术前乳腺超声视频的两阶段深度学习框架，用于预测乳腺癌患者的腋窝淋巴结状态和淋巴结负荷	提出了一种基于Temporal Shift Module (TSM)视频模型的两阶段深度学习框架，首次利用术前超声视频同时预测腋窝淋巴结状态和淋巴结负荷	研究为回顾性设计，外部验证集样本量较小（特别是第二个外部测试集仅36例），淋巴结负荷预测在外部验证集性能有所下降	开发用于乳腺癌术前腋窝淋巴结状态和淋巴结负荷预测的深度学习模型	经病理确诊的乳腺癌患者	计算机视觉	乳腺癌	超声视频	深度学习	视频	864例患者（训练集495例，内部测试集213例，外部测试集120例和36例）	NA	TSM-ResNet50, TSM-ResNet18	AUC, 敏感性, 特异性	NA
1055	2026-03-09	Efficient cardiac MRI multi-structure segmentation for cardiovascular assessment with limited annotation by integrating data-level and network-level consistency 2026-Mar-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02475-y PMID:41794927	研究论文	本文提出了一种集成数据级和网络级一致性的半监督学习框架，用于在标注有限的情况下进行心脏MRI多结构分割	提出了一种结合数据级和网络级一致性的互集成框架，以利用有限的标注数据和大量未标注数据，提升心脏MRI分割性能	未在摘要中明确说明	开发一种高效的半监督学习方法，以解决心脏MRI解剖结构分割中标注数据稀缺的问题	心脏磁共振成像（MRI）中的解剖结构	数字病理学	心血管疾病	心脏磁共振成像（MRI）	深度学习模型	医学图像（MRI）	NA	NA	NA	NA	NA
1056	2026-03-09	A manta ray-bayesian optimization approach for hyperparameter-tuned convolutional neural networks in lung cancer classification 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42506-y PMID:41794961	研究论文	本文提出了一种结合贝叶斯优化和蝠鲼觅食优化的双阶段超参数优化方法，用于提升卷积神经网络在肺癌图像分类中的性能	创新性地将贝叶斯优化与生物启发的蝠鲼觅食优化算法相结合，形成双阶段超参数优化框架，以平衡全局探索与局部开发	未明确说明模型在外部验证集或临床环境中的泛化能力，且未与其他超参数优化方法（如遗传算法、粒子群优化）进行系统比较	通过高效的超参数优化方法提升卷积神经网络在肺癌图像分类中的准确率	肺癌医学图像	计算机视觉	肺癌	医学图像分析	CNN	图像	NA	NA	CNN（具体架构未指定）	准确率	NA
1057	2026-03-09	Multimodal Deep Learning-Based Screening of Degenerative Temporomandibular Joint Disease Using 2D Radiography: A Cost-Effective and Low-Radiation Approach 2026-Mar-07, Oral diseases IF:2.9Q1 DOI:10.1111/odi.70268 PMID:41795130	研究论文	本研究开发并初步验证了一种基于二维颌面影像的多模态深度学习模型，用于筛查颞下颌关节退行性关节病	提出了一种结合全景X光片和侧位头影测量片的多模态深度学习模型，用于低成本、低辐射的颞下颌关节退行性关节病筛查，并通过特征融合和Grad-CAM分析增强了临床可解释性	研究为回顾性分析，样本量有限（1000个颞下颌关节），需要更大规模的多中心研究进行进一步验证	开发一种基于二维影像的深度学习模型，用于颞下颌关节退行性关节病的有效筛查	500名正畸患者的1000个颞下颌关节	计算机视觉	颞下颌关节退行性关节病	锥形束计算机断层扫描（CBCT），二维X光成像（全景X光片和侧位头影测量片）	CNN	图像（全景X光片和侧位头影测量片），结构化数据（患者年龄和性别）	1000个颞下颌关节（来自500名患者）	NA	YOLOv8, EfficientNetV2	mAP50, AUC, 敏感性, 特异性	NA
1058	2026-03-09	LCNet: lightweight segmentation network for blood vessel segmentation in retinal imaging 2026-Mar-06, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae4a13 PMID:41788037	研究论文	提出一种轻量级分割网络LCNet，用于视网膜图像中的血管分割	结合深度可分离卷积减少参数和计算成本，引入协同坐标注意力模块增强特征学习，并采用空洞空间金字塔池化模块捕获多尺度特征	未明确提及模型在更广泛或更具挑战性数据集上的泛化能力	开发高效的视网膜血管分割方法以辅助临床诊断	视网膜图像中的血管结构	计算机视觉	NA	NA	CNN	图像	四个经典数据集（DRIVE, STARE, CHASEDB1, IOSTAR）	NA	U-Net	准确率	NA
1059	2026-03-09	Artificial intelligence for radiation dose reduction in computed tomography: a narrative synthesis of clinical evidence from 2020 to 2025 2026-Mar-06, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ae475a PMID:41707249	综述	本文综述了2020年至2025年间关于人工智能在计算机断层扫描（CT）中降低辐射剂量的临床证据	对2020年至2025年间发表的AI用于CT剂量优化的临床证据进行了首次系统性叙事综合，涵盖了深度学习重建、去噪和工作流自动化等多种策略，并特别关注了临床或患者相关结局	大多数研究为单中心且由供应商支持，对于非常小或亚实性病变的敏感性在最低剂量下有所下降，高强度去噪导致的图像纹理改变以及有限的多中心验证仍是问题	评估人工智能在计算机断层扫描（CT）中降低辐射剂量而不影响诊断性能的有效性	2020年1月至2025年5月期间发表的、报告了与辐射剂量、诊断准确性、图像质量或可行性相关的临床或患者结局的研究	数字病理	肺癌	计算机断层扫描（CT）	深度学习	医学影像	从1224条记录中筛选出86项符合纳入标准的研究	NA	NA	辐射剂量减少百分比、诊断准确性、图像质量、可行性	NA
1060	2026-03-09	Deep learning-based estimation of lung collapse in electrical impedance tomography: a simulation and phantom study 2026-Mar-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae4849 PMID:41713019	研究论文	本研究提出了一种基于深度学习的框架，用于从电阻抗断层扫描图像中直接估计肺塌陷程度，无需依赖肺部分割	创新点在于开发了一种无需肺部分割的深度学习框架，直接从EIT图像估计肺塌陷程度，克服了传统基于全局不均匀性指数方法的局限性	研究基于模拟和体模数据，尚未在真实患者中进行验证	旨在估计机械通气患者肺部的塌陷程度，以降低呼吸机诱导的肺损伤风险	电阻抗断层扫描图像，模拟各种肺部条件	计算机视觉	肺损伤	电阻抗断层扫描	深度学习模型	图像	NA	NA	NA	误差率	NA