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
1461	2026-01-29	A hybrid MMBERT framework for classifying periodontal bone loss: Integrating visual and textual information 2026 Mar-Apr, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2025.12.013 PMID:41584214	研究论文	本文提出了一种混合MMBERT框架，用于整合视觉和文本信息以分类牙周骨丧失	提出了一种混合MMBERT框架，通过整合图像和文本数据来增强牙周骨丧失的预测准确性	面临图像变异性大和数据集有限的挑战，需要进一步的临床应用研究	提高牙周骨丧失在口内根尖片中的诊断准确性	牙周骨丧失的分类	计算机视觉	牙周病	多模态深度学习	MMBERT	图像, 文本	150张口内根尖片图像	NA	ResNet50, ClinicalBERT, 跨模态Transformer	准确率, 交集并集比, 边界准确率	NA
1462	2026-01-28	Unfolding the diagnostic pipeline of diabetic retinopathy with artificial intelligence: A systematic review 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.09.008 PMID:40972797	综述	本文系统综述了人工智能在糖尿病视网膜病变诊断流程中的应用，包括图像预处理、视盘定位与移除、血管分割、特征提取和严重程度分类等阶段	提出并实现了一个系统化的AI诊断流程，在MESSIDOR数据集上达到了98.02%的准确率，优于现有方法	面临当前挑战，未具体说明数据集的泛化能力或临床部署的障碍	自动化并增强糖尿病视网膜病变的诊断，实现早期和准确的筛查	糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	深度学习	深度学习模型	图像	基于MESSIDOR数据集，具体数量未明确	NA	NA	准确率	NA
1463	2026-01-28	Quantifying 3D foot and ankle alignment using an AI-driven framework: a pilot study 2026-Mar, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05038-6 PMID:41014330	研究论文	本研究提出了一种基于AI的框架，通过深度学习自动检测足踝三维对齐，使用负重CT图像进行解剖标志点预测	采用基于热图预测的3D U-Net模型直接从负重CT图像预测22个解剖标志点，无需分割或迭代网格配准方法	探索性研究，样本量较小（74例），需更大数据集评估其临床适用性	自动化足踝对齐评估，用于诊断畸形、治疗规划和结果监测	骨科患者，包括足部畸形病例如高弓足和扁平外翻足	计算机视觉	足踝畸形	负重CT成像	CNN	图像	74例骨科患者	NA	3D U-Net	平均绝对误差	NA
1464	2026-01-28	Deep learning for automated alveolar cleft segmentation and bone graft volume estimation in cone-beam computed tomography imaging: a multicenter study 2026-Mar, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.10.020 PMID:41390267	研究论文	本研究开发了一种基于深度学习的工具，用于在锥形束计算机断层扫描（CBCT）成像中自动分割牙槽裂区域并估算骨移植体积	首次提出并验证了基于3D U-Net的深度学习模型，用于牙槽裂的自动化分割和骨移植体积估算，实现了高效且准确的临床辅助诊断	研究样本量相对较小（88例CBCT扫描），且仅针对非综合征性单侧牙槽裂患者，可能限制了模型的泛化能力	训练和验证一种深度学习工具，以自动分割牙槽裂区域并估算所需骨移植体积	非综合征性单侧牙槽裂患者的CBCT扫描图像	数字病理学	牙槽裂	锥形束计算机断层扫描（CBCT）成像	CNN	三维图像	88例CBCT扫描（训练集45例，验证集10例，测试集33例）	NA	3D U-Net	Dice相似系数（DSC）	NA
1465	2026-01-25	Transforming Gynecologic Cancer Care Through Artificial Intelligence: A Clinician's Guide to the Evolving Landscape 2026-Mar-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000985 PMID:41363042	综述	本文是一篇面向临床医生的综述，系统阐述了人工智能在妇科肿瘤全程诊疗中的应用现状与前景	全面整合了AI在妇科肿瘤预防、筛查、诊断、预后及治疗各环节的最新证据，并提出了临床整合路径与伦理监管框架	作为综述文章，未开展原始研究，未来需前瞻性试验和真实世界数据验证	指导临床医生理解AI在妇科肿瘤诊疗中的演变格局与应用路径	妇科肿瘤（如宫颈癌、卵巢癌等）的诊疗流程	数字病理学, 医学影像分析, 机器学习	妇科肿瘤	深度学习, 多模态模型, 液体活检, 影像组学	深度学习模型	临床数据, 影像数据, 组织病理学图像, 基因组数据	NA	NA	NA	准确性, 速度, 可重复性	NA
1466	2026-01-25	Artificial Intelligence in Obstetrics: Current Applications, Opportunities, and Clinical Implementation Challenges 2026-Mar-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000980 PMID:41431393	综述	本文综述了人工智能在产科中的当前应用、机遇及临床实施挑战	系统性地总结了AI在产科多个临床领域的应用，并强调了技术、伦理和实施方面的持续障碍	存在外部验证有限和算法偏见等关键挑战	探讨人工智能在产科实践中的转化应用、机遇及临床实施所面临的挑战	产科临床实践，包括诊断影像、风险预测和临床决策	机器学习	产科疾病	深度学习	NA	影像数据	NA	NA	NA	诊断准确性	NA
1467	2026-01-25	K-means++ guided multi-view CNN with channel attention for EEG emotion recognition 2026-Mar-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2026.150160 PMID:41520860	研究论文	本文提出了一种基于通道注意力的多视图深度卷积神经网络（MVACNN），用于脑电图（EEG）情绪识别	采用K-means++聚类引导的多视图CNN，结合通道注意力机制，以更密集地提取特定脑区的协同特征并减少无关噪声干扰	NA	提高EEG情绪识别的准确性和鲁棒性	脑电图（EEG）信号	机器学习	NA	EEG信号处理	CNN	脑电图信号	NA	NA	多视图CNN, 残差块	NA	NA
1468	2026-01-25	Advancements in radiation dose reduction for pediatric CT head Imaging: A scoping review of emerging Technologies, Protocols, and optimization strategies 2026-Mar, Technical innovations & patient support in radiation oncology DOI:10.1016/j.tipsro.2026.100374 PMID:41567817	综述	本文是一篇范围综述，重点回顾了儿科头部CT成像中用于降低辐射剂量的先进技术、协议和优化策略	系统性地综述了人工智能驱动的深度学习图像重建（DLIR）算法在儿科超低剂量CT协议中的应用，相较于传统技术，能在降低辐射剂量的同时保持甚至提升诊断图像质量	作为一篇范围综述，其结论基于对现有文献的总结，而非原始研究数据，且纳入的文献数量有限（24篇），可能未涵盖所有相关技术	评估儿科头部CT成像中先进的辐射剂量降低技术、协议和优化策略，旨在实现最佳辐射剂量与诊断图像质量的平衡	儿科患者群体	数字病理	NA	计算机断层扫描（CT）、迭代重建（IR）、深度学习图像重建（DLIR）	深度学习算法	医学影像（CT图像）	基于24篇纳入文献的研究数据	NA	NA	辐射剂量参数、诊断图像质量	NA
1469	2026-01-24	Early diagnosis of Alzheimer's disease based on brain morphological changes: A comprehensive approach combining voxel-based morphometry and deep learning 2026-Mar, Neuroimage. Reports DOI:10.1016/j.ynirp.2025.100315 PMID:41561144	研究论文	本文提出了一种结合基于体素的形态测量学和深度学习的综合方法，用于基于脑形态变化早期诊断阿尔茨海默病	将生物学驱动的特征整合到基于体素的形态测量学和深度学习中，而非仅依赖CNN和FCN进行特征提取，以增强神经影像数据的可解释性	未明确说明模型在独立数据集上的泛化能力或临床验证的详细结果	分析T1加权MRI和T2-Flair图像，研究轻度认知障碍患者的灰质、白质、脑脊液和白质高信号特征，以早期诊断阿尔茨海默病	轻度认知障碍患者的脑部MRI扫描图像	数字病理学	阿尔茨海默病	T1加权MRI, T2-Flair成像	CNN, FCN	图像	NA	NA	NA	NA	NA
1470	2026-01-24	The role of artificial intelligence in advancing urologic care: From diagnostics to therapeutics 2026-Mar, Surgery in practice and science IF:0.6Q4 DOI:10.1016/j.sipas.2025.100322 PMID:41561314	综述	本文综述了人工智能在泌尿外科从诊断到治疗中的应用，包括癌症和良性疾病的个体化护理	总结了人工智能在泌尿外科多疾病领域的应用潜力，并强调了未来跨学科合作、数据标准化和伦理实施的方向	数据异质性、模型可解释性、伦理问题及缺乏前瞻性验证限制了其日常实践应用	探讨人工智能在泌尿外科护理中的角色，从诊断到治疗，并定义未来发展方向	泌尿系统疾病，包括前列腺癌、膀胱癌、肾癌、良性前列腺增生、尿石症及功能性泌尿疾病（包括儿科）	机器学习	前列腺癌	机器学习，深度学习，影像组学	NA	NA	NA	NA	NA	NA	NA
1471	2026-01-23	Deep learning in central serous chorioretinopathy 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.07.011 PMID:40752852	综述	本文全面回顾了深度学习在中心性浆液性脉络膜视网膜病变（CSC）中的应用，包括自动分析成像生物标志物、诊断、分类、预后和治疗结果预测	首次系统综述深度学习如何通过自动化分析CSC相关成像生物标志物（如视网膜下液、脉络膜血管等）来增强诊断和管理效率，并详细探讨了脉络膜血管的非侵入性可视化技术	未提及具体数据样本量或模型性能比较，且领域仍面临挑战和空白，需要进一步研究	探讨深度学习在眼科，特别是中心性浆液性脉络膜视网膜病变（CSC）中的应用，以提升诊断和管理的效率	中心性浆液性脉络膜视网膜病变（CSC）及其相关成像生物标志物，如视网膜下液、脉络膜层等	计算机视觉	中心性浆液性脉络膜视网膜病变	NA	深度学习模型	图像	NA	NA	NA	NA	NA
1472	2026-01-23	Artificial intelligence in age-related macular degeneration: Advancing diagnosis, prognosis, and treatment 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.09.007 PMID:40975441	综述	本文综述了人工智能（AI）在年龄相关性黄斑变性（AMD）的诊断、预后和治疗中的最新进展、临床应用及关键局限性	系统性地总结了AI在AMD早期检测/分类以及疾病进展/治疗反应预测方面的应用，并开始解决算法偏见、泛化性有限和“黑箱”性质等先前挑战	AI模型的临床整合依赖于提高模型可解释性并在多样化人群中验证工具	评估人工智能在年龄相关性黄斑变性管理中的潜力，以推动及时诊断和个性化干预	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	NA	机器学习, 深度学习	图像	基于对193条记录的筛选，纳入了47项研究	NA	NA	准确率	NA
1473	2026-01-23	TPVNet: A domain-aware graph-based framework for reliable multivariate physiological time series classification in healthcare 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109214 PMID:41442988	研究论文	提出了一种名为TPVNet的领域感知图框架，用于医疗物联网中多变量生理时间序列的可靠分类	提出了时间增强有限可穿透可见图（TPVG）将原始信号转换为不可逆的图表示，并采用通道级投票策略以增强决策鲁棒性	未明确提及	提升医疗物联网应用中多变量生理时间序列分类的准确性、稳定性和隐私保护	多变量生理时间序列	机器学习	心房颤动	时间序列分析，图表示学习	GIN	时间序列数据	七个公共生理数据集	NA	Graph Isomorphism Network	准确率，召回率，精确率，F1分数，标准差	NA
1474	2026-01-23	Liver cancer segmentator: Metadata-guided confidence scoring for reliable segmentation of colorectal liver metastases in CT 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109233 PMID:41505999	研究论文	本研究介绍了肝脏癌症分割器（LCS），一种用于自动和鲁棒地分割结直肠肝转移患者腹部增强CT图像中肝实质和肿瘤的深度学习模型，旨在通过元数据引导的置信度评分提高分割可靠性	开发了结合肿瘤体积和切片厚度元数据的置信度评分系统，以增强分割失败检测和临床可靠性	研究为回顾性设计，数据来源于两个机构，可能限制泛化性；未在外部验证集上测试模型	提高结直肠肝转移CT图像自动分割的可靠性和临床评估置信度	结直肠肝转移患者的腹部增强CT图像	数字病理学	结直肠肝转移	对比增强计算机断层扫描（CT）	深度学习模型	CT图像	446例腹部增强CT检查（355例训练，91例测试）	NA	NA	Dice分数, 归一化表面距离, 风险覆盖曲线下面积	NA
1475	2026-01-23	Noninvasive real-time dynamic monitoring of white blood cells based on microscopic imaging and deep learning 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109238 PMID:41505998	研究论文	本研究开发了一种基于显微成像和深度学习的无创实时动态白细胞监测系统	结合便携式光学成像设备和基于YOLOv8的两阶段检测框架，首次实现了甲襞微循环中白细胞的连续无创监测	研究样本量较小（仅22名志愿者），且未在临床环境中进行大规模验证	开发一种无创、实时监测白细胞动态的系统，以替代传统的间歇性血液采样方法	甲襞微循环中的白细胞	计算机视觉	NA	显微成像，532 nm照明光学成像	CNN	视频	22名志愿者	PyTorch	YOLOv8	平均精度均值（mAP），精确率，召回率，F1分数	通用计算平台
1476	2026-01-23	SegRenal: AI-Driven segmentation of frozen sections in transplant kidney biopsies - A comparative analysis of deep learning models 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109216 PMID:41512382	研究论文	本研究开发了SegRenal，一种基于人工智能的模型，用于自动分割移植肾活检冰冻切片中的关键结构，并比较了不同深度学习模型的性能	首次将深度学习模型应用于肾移植冰冻切片的自动化分割，并进行了跨扫描仪性能评估，模型甚至能检测出人工标注遗漏的结构	研究样本量相对有限（共183张全切片图像），且仅针对两种特定扫描仪进行了评估	开发并评估用于肾移植冰冻切片自动分割的AI模型，以支持快速、一致的术中评估	肾移植供体活检的冰冻切片全切片图像	数字病理学	肾脏疾病	苏木精和伊红染色	CNN	图像	183张冰冻全切片图像，来自两种扫描仪，并由肾脏病理专家手动标注	NA	UNet, ResNet-UNet, DenseNet-UNet	Dice分数, 精确率, 召回率, 组内相关系数	NA
1477	2026-01-23	ADHTransNet-based radiomics on multimodal pituitary MRI for non-invasive hormone prediction in children 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109235 PMID:41519096	研究论文	本研究提出了一种基于ADHTransNet的放射组学方法，利用多模态垂体MRI图像，实现儿童生长激素和促性腺激素水平的无创预测	提出了ADHTransNet用于垂体腺体的自动分割，并开发了一个全自动、多模态、可重复的放射组学流程，首次实现了从MRI图像直接预测多种激素水平，以减少对侵入性刺激测试的依赖	样本量相对有限（共274名受试者），且研究为单中心设计，可能限制了模型的泛化能力	开发一种无创的辅助工具，用于预测儿童生长激素缺乏症和特发性中枢性性早熟患者的激素水平，以减少侵入性血液测试的需求	患有生长激素缺乏症（GHD）、特发性中枢性性早熟（ICPP）的儿童以及正常对照组	数字病理学	儿科内分泌疾病	MRI成像（T1加权和T2加权图像）	CNN, Transformer	医学图像（MRI）	274名受试者，共548次扫描（包括T1WI和T2WI图像）	NA	ADHTransNet	相关系数（r值），p值	NA
1478	2026-01-20	Predicting skeletal age from HR-pQCT imaging 2026-Mar, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117761 PMID:41391644	研究论文	本研究开发了一种深度学习模型，用于从HR-pQCT扫描中预测骨骼年龄，以提供一种可解释的、相对于实际年龄的骨骼健康量化总结	首次提出基于HR-pQCT成像的深度学习框架来预测骨骼年龄，通过显著性图揭示了不同年龄组中皮质骨和小梁骨特征对预测的贡献差异，提供了一种可解释的骨骼健康总结指标	研究仅基于成人队列，未涵盖儿童或青少年群体；模型性能在独立测试集上表现良好，但需在更广泛人群中验证	开发深度学习模型以从HR-pQCT扫描中估计骨骼年龄，提升HR-pQCT数据的可解释性和临床实用性	成人队列的HR-pQCT扫描图像（远端桡骨和胫骨）	医学影像分析	骨骼老化相关疾病	HR-pQCT成像	深度学习模型	3D医学影像	训练集1236名成人（62.1%女性），独立测试集460名成人（69.3%女性）	NA	2D模型（2DRad, 2DTib, 2DRadTib）和3D模型（3DRad, 3DTib）	平均绝对误差（MAE）, R2	NA
1479	2026-01-20	Time-resolved prediction of dental implant biomechanics through integration of finite element analysis, osseointegration dynamics, and deep learning 2026-Mar, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107316 PMID:41411948	研究论文	本研究提出了一种结合有限元分析、骨整合动力学和深度学习的混合时间分辨计算框架，用于预测钛种植体在整个愈合过程中的生物力学行为	开发了一种混合MLP-LSTM神经网络框架，整合了空间和时间特征，实现了对种植体-骨界面机械和生物演化的动态预测，计算速度比传统有限元分析快4000倍以上	依赖于简化骨几何生成的合成数据、静态加载假设以及未经验证的力学生物学参数，需要在未来进行体内验证和患者特异性数据验证	预测牙种植体在愈合过程中的生物力学行为，实现个性化、AI辅助的种植体设计和负荷管理	钛牙种植体	机器学习	NA	有限元分析，力学生物学建模	MLP, LSTM	合成数据（基于参数化3D FEA模型）	800个种植体-骨配置（模拟不同几何形状、载荷和骨质量）	NA	混合MLP-LSTM神经网络	R², 平均绝对误差	NA
1480	2026-01-20	Deep learning-based micro-CT grayscale analysis for early detection and staging of osteoporosis in rats 2026-Mar, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117768 PMID:41435999	研究论文	本研究提出了一种基于深度学习的Micro-CT灰度分析方法，用于大鼠骨质疏松症的早期检测和精确分期	提供了跨多个时间点的标准化参考数据，并利用深度学习对Micro-CT灰度进行分析，实现了比传统参数更早、更准确的骨质疏松检测和分期	研究仅使用大鼠模型，结果可能无法直接推广到人类；样本量相对较小（n=64）	开发一种用于骨质疏松症早期检测和疾病分期的定量分析工具	卵巢切除的Sprague-Dawley大鼠（骨质疏松模型）和假手术组大鼠	数字病理学	骨质疏松症	Micro-CT成像	自定义深度学习模型	Micro-CT图像	64只大鼠（32只OVX组，32只假手术组），在术后4、8、16、24周采集股骨样本	NA	自定义深度学习模型	准确率	NA