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
1381	2026-02-20	[Wolff-Parkinson-White syndrome : Comparison of different algorithms] 2026-Mar, Herzschrittmachertherapie & Elektrophysiologie DOI:10.1007/s00399-025-01128-z PMID:41575500	综述	本文系统比较了用于Wolff-Parkinson-White综合征旁路定位的不同心电图算法，包括经典规则、现代规则以及深度学习模型	首次系统性地综述并比较了经典、现代规则算法与深度学习模型在WPW综合征旁路定位中的性能，并强调了人工智能与多模态方法整合的未来潜力	NA	评估和比较不同心电图算法在Wolff-Parkinson-White综合征旁路定位中的准确性和临床价值	Wolff-Parkinson-White综合征患者的心电图数据及旁路定位算法	医学信息学	心血管疾病	心电图分析	深度学习模型	心电图数据	NA	NA	NA	准确率, 敏感性, 特异性, AUROC	NA
1382	2026-02-20	Deep Learning Artificial Intelligence and Restriction Spectrum Imaging for Patient-level Detection of Clinically Significant Prostate Cancer on Biparametric Magnetic Resonance Imaging 2026-Mar, European urology open science IF:3.2Q1 DOI:10.1016/j.euros.2026.01.014 PMID:41695400	研究论文	本研究评估了结合限制谱成像最大限制分数与深度学习模型，在双参数磁共振成像上提升患者层面临床显著性前列腺癌检测性能的效果	首次将快速获取的限制谱成像序列与3D深度学习架构（3D-DenseNet）相结合，并采用留一中心交叉验证方法，用于增强基于PI-RADS标准的临床显著性前列腺癌患者层面检测	参考标准（活检）存在不完美性，排除了髋关节植入物病例，缺乏外部校准，RSI序列可用性有限，且缺少个体放射科医生及其专业知识的病例层面信息	评估结合RSIrsmax与深度学习模型是否能提升患者层面临床显著性前列腺癌的检测性能	接受磁共振成像并经由活检确诊前列腺癌的患者	数字病理学	前列腺癌	磁共振成像，限制谱成像	CNN	图像	来自7个机构的1892名患者，其中876名活检确诊患者用于模型性能评估	PyTorch	3D-DenseNet	AUC, 敏感性, 特异性, 净重分类改善, 综合判别改善	NA
1383	2026-02-20	Clinical evaluation of deep learning-based CT-free PET reconstruction image: a dual-center study 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07618-z PMID:41091188	研究论文	本研究通过双中心回顾性分析，评估了基于深度学习的CT-free PET重建图像在临床诊断中的性能，并与传统方法进行比较	提出了一种新颖的基于分解的深度学习算法，用于CT-free PET重建，并在多扫描仪和多示踪剂场景下进行了全面临床评估	研究为回顾性分析，且Decomposition-based DL方法在部分半定量指标上未始终表现出最低误差	评估基于深度学习的PET重建技术能否在无需CT衍生的衰减和散射校正的情况下，维持足够的图像质量以支持可靠的临床诊断	359名患者的原始PET/CT数据，涉及4台扫描仪和4种示踪剂	医学影像分析	NA	PET/CT成像，深度学习重建	深度学习	PET/CT图像数据	359名患者	NA	Decomposition-based DL算法，传统2D-DL，传统3D-DL	视觉评分（5点Likert量表），诊断准确性（基于病灶的假阳性/假阴性率），半定量指标（SUVmax一致性）	NA
1384	2026-02-19	Leveraging human pose estimation for diagnostic feedback: Action research on instructional mediation and sustainable learning in coach education 2026-Mar, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106128 PMID:41520452	研究论文	本研究探讨了在大学体育实践课程中整合人体姿态估计工具，以提升学生的诊断推理、反思参与和教学互动	将AI辅助视觉反馈与教学策略结合，支持从工具表面使用到概念理解和应用生物力学推理的发展转变，并提出了AI增强的认知学徒模型	研究样本仅包括31名本科生，时间跨度为三周，可能限制结果的普遍性	旨在通过整合人体姿态估计工具，增强体育教育中的诊断推理、反思学习和教学互动	31名大学本科生在体育实践课程中的学习过程	计算机视觉	NA	人体姿态估计	NA	诊断报告、学生反思、教师日志	31名本科生	NA	NA	NA	NA
1385	2026-02-19	Comparison of VADER and TextBlob labeling for sentiment analysis using machine learning and deep learning models: A study on generative AI user experience 2026-Mar, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106268 PMID:41570547	研究论文	本研究通过情感分析探讨生成式AI的用户体验，比较了VADER和TextBlob两种情感标注方法在机器学习和深度学习模型中的表现	比较了VADER和TextBlob两种情感标注方法对机器学习与深度学习模型性能的影响，发现TextBlob标注的数据集能提升分类效果	研究仅基于88,343条用户评论，可能未覆盖所有生成式AI用户群体，且情感标注方法比较有限	通过情感分析研究生成式AI的用户体验，以提升服务交付和吸引新用户	生成式AI（特别是ChatGPT）的用户评论	自然语言处理	NA	情感分类、主题建模、情感分析	GRU, SVM	文本	88,343条用户评论	NA	GRU, SVM	准确率	NA
1386	2026-02-19	Deep Learning-Based Detection of Papilledema on Retinal Photographs From Handheld Cameras: A Prospective Study 2026-Mar-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002394 PMID:40867029	研究论文	本研究评估了一种深度学习系统在手持相机采集的视网膜照片上检测视盘水肿和其他视神经病变的性能	首次在大型前瞻性数据集中使用深度学习系统对手持非散瞳相机采集的视网膜照片进行视盘水肿检测，并实现了优异的诊断性能	研究主要基于特定手持相机（Aurora, Optomed, Finland）采集的数据，可能在其他设备或条件下的泛化能力有待验证	评估深度学习系统在神经眼科临床环境中自动检测视盘水肿和其他视神经病变的准确性和可行性	视网膜照片，包括来自全球31个中心的20,533张照片（10,647名患者）	计算机视觉	视神经病变	视网膜摄影	深度学习系统	图像	20,533张视网膜照片（10,647名患者），包括18,981张散瞳照片（9,830名患者）用于训练和内部验证，1,552张前瞻性采集的非散瞳照片（817名患者）用于外部测试	NA	NA	AUC, 敏感性, 特异性, 准确率	NA
1387	2026-02-19	AI-driven emotional intelligence in piano education: Deep learning models for expressive performance coaching 2026-Mar, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106264 PMID:41558311	研究论文	本研究开发了一个基于AI的钢琴演奏表现力评估系统，通过对比实验验证了AI反馈在提升学生钢琴演奏情感表达方面的有效性	首次将现代BiLSTM注意力技术应用于钢琴演奏表现力分析，并设计了结合客观分析与专家评估的混合评分系统进行实证研究	研究样本仅限中国本科生，年龄范围较窄（18-22岁），且训练周期仅为三个月	评估AI驱动的反馈系统是否能比传统教学更有效地提升钢琴演奏的表现力	290名中国本科钢琴专业学生	机器学习	NA	深度学习	BiLSTM	音频	290名本科生（实验组145人，对照组145人）	NA	BiLSTM with attention	混合100分评分系统，效应量d值	NA
1388	2026-02-19	Automated Nonperfusion Quantification in Diabetic Retinopathy on Ultra-Widefield Swept-Source OCT Angiography 2026-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101059 PMID:41704649	研究论文	本研究开发了一种基于多尺度U-Net的深度学习算法，用于在超广角扫频源OCTA图像上自动分割无灌注区，并评估其在糖尿病视网膜病变严重程度分级中的效用	首次在超广角扫频源OCTA上应用带有挤压-激励注意力的多尺度U-Net进行无灌注区自动分割，并整合结构OCT图像以区分真实无灌注区与阴影伪影	研究为横断面设计，未进行纵向验证；样本量相对有限（180只眼）	开发自动化算法用于糖尿病视网膜病变中无灌注区的定量分析	糖尿病视网膜病变患者的超广角扫频源OCTA图像	数字病理学	糖尿病视网膜病变	超广角扫频源OCT血管成像	CNN	图像	122名参与者的180只眼，涵盖所有糖尿病视网膜病变严重程度分级	未明确提及	多尺度U-Net	F1分数, Bland-Altman分析, 组内相关系数	NA
1389	2026-02-18	Emerging Trends and Innovations in Radiologic Diagnosis of Thoracic Diseases 2026-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001179 PMID:40106831	综述	本文总结了胸部影像学领域的关键进展，包括成像模态、计算工具和临床应用，并概述了未来方向	整合了人工智能驱动的计算机辅助检测系统、放射组学分析、光子计数探测器CT和低场MRI等新兴成像技术，以提升胸部疾病的诊断和管理	作为一篇综述文章，未涉及原始研究数据，且可能未涵盖所有最新技术进展	回顾和总结胸部疾病放射学诊断的新兴趋势和创新技术	胸部疾病，包括肺癌、肺结节、间质性肺病、慢性阻塞性肺病、COVID-19肺炎和肺栓塞	医学影像	肺癌	CT纹理分析、灌注成像、光子计数探测器CT、低场MRI、双能CT、暗场放射摄影	深度学习	图像	NA	NA	NA	NA	NA
1390	2026-02-18	Clinical Neuroimaging Over the Last Decade: Achievements and What Lies Ahead 2026-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001192 PMID:40239043	综述	本文回顾了过去十年临床神经影像学的关键进展，包括技术革新、科学发现及其对临床实践和研究的影响	整合了光子计数CT、高低场磁共振成像、对比剂、定量成像技术以及深度学习和医学信息学等数据分析方法的进展，并强调了如类淋巴系统等基础神经科学发现	作为综述文章，主要基于已发表文献进行总结，可能未涵盖所有最新研究或技术细节	回顾临床神经影像学在过去十年的成就，并展望未来发展方向	临床神经影像学领域的技术、方法及基础科学发现	数字病理学	NA	光子计数计算机断层扫描、低场和高场磁共振成像、对比剂、定量成像技术	深度学习	图像	NA	NA	NA	NA	NA
1391	2026-02-16	Explainable artificial intelligence for multi-modal cancer analysis: From genomics to immunology 2026-Mar, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2025.105040 PMID:41290079	综述	本文综述了可解释人工智能在多模态癌症分析中的应用，涵盖从基因组学到免疫学的整合	提出了基于免疫学信息的多模态深度学习框架，通过可解释AI增强模型透明度，并连接预测特征与肿瘤免疫微环境动态	面临数据协调和模态不平衡等挑战，需进一步解决以确保科学有效性	推进个性化精准肿瘤学，通过多模态数据整合改善癌症预后、治疗选择和反应预测	癌症的多模态生物医学数据，包括基因组学、转录组学、组织病理学、医学影像、蛋白质组学、代谢组学、电子健康记录和免疫学特征	机器学习	癌症	多模态深度学习，可解释人工智能	深度学习模型	多模态数据（基因组、转录组、病理图像、医学影像、蛋白质组、代谢组、电子健康记录、免疫特征）	NA	NA	NA	统计指标，生物学合理性评估	NA
1392	2026-02-16	Interpreting Imaging in the Era of Artificial Intelligence: Future Possibilities in Ocular Inflammatory Disease 2026-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.019 PMID:41443461	综述	本文回顾了人工智能在葡萄膜炎多模态影像解读领域的当前能力、局限性与未来前景	系统梳理了AI在眼科炎症疾病影像分析中的新兴应用方向，特别是深度学习在多模态影像自动解读中的潜力	AI在葡萄膜炎领域的应用尚处于起步阶段，现有工具仍在开发中，临床验证不足	探讨人工智能在葡萄膜炎多模态影像解读中的应用前景	葡萄膜炎（眼部炎症性疾病）的多模态影像数据	计算机视觉	葡萄膜炎	多模态影像分析	深度学习	医学影像	NA	NA	NA	NA	NA
1393	2026-02-16	Artificial intelligence applications in ovarian cancer detection: A systematic literature review of deep learning approaches and clinical translation challenges 2026-Mar, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2026.105126 PMID:41544732	系统文献综述	本文系统回顾了2020年至2025年间发表的61项研究，探讨了人工智能在卵巢癌检测中的应用，重点关注深度学习方法及其临床转化面临的挑战	整合了最新的深度学习方法在卵巢癌检测中的应用进展，并系统分析了临床转化中的关键障碍，如数据集异质性和可解释AI的缺乏	纳入的研究存在数据集异质性、样本量有限（从数百到数千张图像）、外部验证机会少以及超参数优化关注不足等问题	系统回顾和评估人工智能（特别是深度学习）在卵巢癌检测中的应用现状、方法学进展及临床转化挑战	2020年至2025年间发表的61项关于人工智能在卵巢癌检测中应用的研究	计算机视觉	卵巢癌	NA	CNN, Vision Transformer	图像	数百至数千张图像	NA	ResNet, U-Net, Vision Transformer	准确率	NA
1394	2026-02-16	Deep learning for estimating right ventricular function from routine coronary angiography 2026-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztag004 PMID:41684375	研究论文	本研究探索了使用深度学习从常规冠状动脉造影中估计右心室功能的方法	首次利用深度学习从常规冠状动脉造影的cine图像中检测右心室功能障碍，并结合心电图输入提升模型性能	研究依赖于与经胸超声心动图的时间接近性作为金标准，可能存在时间偏差	探索深度学习在从冠状动脉造影中检测右心室功能障碍的作用	右心室功能障碍患者	计算机视觉	心血管疾病	冠状动脉造影，经胸超声心动图	CNN	图像	10336个冠状动脉造影来自9849名患者（平均年龄66岁，36%女性）	NA	3D-CNN	AUC, 敏感性, 特异性	NA
1395	2026-02-16	A scoping review of portable ultra-low-field MRI studies in patients with acquired brain injury: Past, present, and future 2026-Mar, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100324 PMID:41685206	综述	本文对便携式超低场MRI在获得性脑损伤患者中的应用进行了范围综述，总结了其安全性、有效性及未来研究方向	首次系统综述了便携式超低场MRI在多种获得性脑损伤中的应用，并强调了深度学习在生成合成扫描图像以提高检测灵敏度与特异性方面的创新应用	研究样本缺乏多样性，定量分析不足，限制了结果的普遍适用性，且多数研究在受控条件下进行，需多中心大样本研究进一步验证	评估便携式超低场MRI在获得性脑损伤患者中的安全性、有效性及其与传统高场MRI的对比	获得性脑损伤患者，包括中风、创伤性脑损伤、脑肿瘤、多发性硬化及其他神经系统疾病患者	数字病理学	获得性脑损伤	便携式超低场MRI，深度学习	深度学习模型	MRI图像	20项研究，涉及中风、创伤性脑损伤、脑肿瘤、多发性硬化及其他神经系统疾病患者	NA	NA	灵敏度，特异性，体积相关性	NA
1396	2026-02-15	A deep learning mobile application for tomato leaf nutrition deficiency identification with YOLOv8 and enhanced augmentation 2026-Mar, Plant science : an international journal of experimental plant biology IF:4.2Q1 DOI:10.1016/j.plantsci.2026.112973 PMID:41506476	研究论文	本研究提出了一种基于YOLOv8和增强数据增广的深度学习移动应用，用于番茄叶片营养缺乏的识别	结合了最新的YOLOv8目标检测模型与分层数据增广方案，并开发了Android移动应用以实现实时检测	未明确说明模型在复杂田间环境或不同光照条件下的泛化能力，也未提及与其他先进模型的全面对比	实现番茄叶片营养缺乏的早期、准确检测，以支持精准农业中的及时干预	番茄叶片	计算机视觉	NA	深度学习目标检测	YOLOv8	图像	NA	NA	YOLOv8	mAP@0.50, mAP@0.50-0.95, 准确率, 精确率, 召回率, F1分数	NA
1397	2026-02-15	AlphaMissense pathogenicity scores predict response to immunotherapy and enhances the predictive capability of tumor mutation burden 2026-Mar, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2026.102697 PMID:41637811	研究论文	本研究提出了一种名为AlphaTMB的复合生物标志物，结合了肿瘤突变负荷（TMB）和AlphaMissense深度学习模型预测的错义变异致病性评分，以改善癌症患者对免疫检查点抑制剂（ICI）治疗的生存预测	首次将TMB与基于深度学习的错义变异致病性评分（AlphaMissense）相结合，创建了AlphaTMB复合生物标志物，显著提升了免疫治疗反应的预测能力，并能够重新分类TMB边界病例	研究基于回顾性队列（MSK-IMPACT研究），需要在前瞻性研究中进一步验证；样本量相对有限（1,662例患者）	开发一种改进的生物标志物，以更准确地预测癌症患者对免疫检查点抑制剂（ICI）治疗的反应和生存结局	接受免疫检查点抑制剂（ICI）治疗的泛癌患者队列	机器学习	癌症	深度学习模型预测错义变异致病性	深度学习模型	基因组测序数据（错义变异）	1,662例来自MSK-IMPACT研究的患者	NA	AlphaMissense	风险比（HR）, p值, Spearman相关系数（ρ）	NA
1398	2026-02-15	BiGraph-DTA: Predicting drug-target interactions of hepatoprotective agents with graph convolutional networks 2026-Mar, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70022 PMID:41676328	研究论文	本研究提出了一种名为BiGraph-DTA的新预测模型，用于预测肝保护剂与靶标之间的亲和力，结合了图卷积网络和双向长短期记忆网络	通过结合图卷积网络和双向长短期记忆网络，同时处理分子结构的图表示和蛋白质序列的序列信息，以捕获复杂的依赖关系和相互作用	未明确提及模型的局限性	预测肝保护剂与靶标之间的亲和力，以加速肝保护疗法的药物发现过程	肝保护剂化合物及其对应的蛋白质靶标	机器学习	肝病	NA	图卷积网络, 双向长短期记忆网络	分子结构图, 蛋白质序列	21,421个相互作用	NA	BiGraph-DTA	均方误差, 皮尔逊相关系数, 一致性指数	NA
1399	2026-02-14	DASNet: A Convolutional Neural Network with SE Attention Mechanism for ccRCC Tumor Grading 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00693-8 PMID:40126867	研究论文	本文提出了一种名为DASNet的卷积神经网络，结合SE注意力机制，用于通过CT图像对透明细胞肾细胞癌（ccRCC）进行肿瘤分级	引入了Domain Adaptive Squeeze-and-Excitation Network（DASNet），结合了SE注意力机制和域对抗神经网络（DANNs），以增强模型在ccRCC分级中的识别准确性和泛化能力	未明确说明模型在外部验证集上的性能或临床实际应用中的潜在限制	开发一种非侵入性且高效的分类方法，用于早期检测和分级透明细胞肾细胞癌（ccRCC）	透明细胞肾细胞癌（ccRCC）的CT图像，包括不同分级和肾血管平滑肌脂肪瘤（AML）样本	计算机视觉	肾癌	CT成像	CNN	图像	未明确指定具体样本数量，但使用了增强和平衡的数据集，并包含AML样本	未明确指定，但可能涉及深度学习框架如TensorFlow或PyTorch	EfficientNet, RegNet	准确率	未明确指定
1400	2026-02-14	SPCF-YOLO: An Efficient Feature Optimization Model for Real-Time Lung Nodule Detection 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00720-8 PMID:40455403	研究论文	本文提出了一种名为SPCF-YOLO的实时检测框架，用于CT图像中的肺结节检测，通过层次特征融合与解剖上下文建模提升检测性能	结合了空间到深度卷积模块、共享特征金字塔卷积模块、改进的金字塔挤压注意力模块和改进的上下文Transformer模块，以优化特征融合并增强对小目标的敏感性	未明确提及模型在更广泛数据集或临床环境中的局限性，如数据偏差或计算资源需求	开发一个高效的实时肺结节检测模型，以提高CT图像中肺结节检测的准确性和速度	CT图像中的肺结节	计算机视觉	肺癌	CT成像	YOLO	图像	NA	NA	SPCF-YOLO, SPDConv, SFPConv, PSA, CoTB	平均精度均值, F1分数, 帧率	NA