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
1481	2026-01-30	Artificial intelligence in chronic obstructive pulmonary disease: recent advances in imaging and physiological monitoring 2026-Mar-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001228 PMID:41208246	综述	本文综述了人工智能在慢性阻塞性肺疾病（COPD）影像学和生理监测中的最新应用进展	总结了人工智能在COPD影像诊断、疾病特征量化、临床结局预测及新型数据流（如咳嗽声音和可穿戴设备）分析方面的最新趋势	大多数应用仍处于早期发展阶段，面临临床验证不足、算法偏见和标准化评估指标缺失等关键挑战	探讨人工智能如何应对COPD诊断和管理中的挑战，推动疾病护理向主动化和个性化方向发展	慢性阻塞性肺疾病（COPD）患者	医学影像分析，生理监测	慢性阻塞性肺疾病	深度学习，机器学习	深度学习模型，机器学习算法	胸部X光片，计算机断层扫描，肺功能测试数据，咳嗽声音，可穿戴设备数据	NA	NA	NA	准确性	NA
1482	2026-01-30	Artificial intelligence in quantitative chest imaging analysis for occupational lung disease: appraisal of its current status 2026-Mar-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001240 PMID:41376109	综述	本文综述了人工智能在职业性肺病定量胸部影像分析中的最新进展，重点关注胸片和CT扫描的应用	总结了三维深度学习模型、基于Transformer的因子化编码器以及新提出的Kolmogorov-Arnold Networks在职业性肺病检测中的创新应用	研究多依赖国际劳工组织尘肺病影像分类系统作为参考标准，这可能限制了AI在CT影像分析中的进一步发展	评估人工智能在职业性肺病定量胸部影像分析中的当前应用状态和发展前景	职业性肺病（特别是尘肺病）的胸部影像（胸片和CT扫描）	计算机视觉	职业性肺病	胸部X光摄影、计算机断层扫描	CNN, Transformer, GAN, KAN	图像	NA	NA	卷积神经网络, CycleGAN, Transformer-based factorized encoders, Kolmogorov-Arnold Networks	NA	NA
1483	2026-01-30	Artificial intelligence (AI) uses in stereotactic radiosurgery (SRS): outcome prediction with brain metastasis (BM) - A systematic review 2026-Mar, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.111854 PMID:41500171	系统综述	本文系统综述了人工智能在脑转移瘤立体定向放射外科预后预测中的应用现状	首次系统性地总结了2018-2024年间AI在脑转移瘤SRS预后预测中的应用，重点关注了基于影像的机器学习和深度学习工具在多模态数据整合及纵向动态预测方面的进展	纳入研究数量有限（21项），存在发表偏倚风险，且大多数模型尚未在临床工作流中得到广泛验证和应用	评估人工智能在脑转移瘤立体定向放射外科治疗预后预测中的应用效果和潜力	接受立体定向放射外科治疗的脑转移瘤患者	数字病理	脑转移瘤	MRI影像分析，放射组学	CNN, RNN, SVM, 集成方法	医学影像（MRI），临床数据	21项研究（2018-2024年）的综合分析	NA	Conv-GRU	AUC	NA
1484	2026-01-30	Granular Machine Learning-Based Computed Tomography Contrast Phase Prediction 2026-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100332 PMID:41607507	研究论文	开发并评估了一种基于机器学习的框架，用于检测腹部CT扫描中的静脉对比剂并区分八个细粒度肾脏对比剂阶段，以改善肾脏评估	结合ConvNeXt-Femto深度学习模型和随机森林回归模型，实现自动化细粒度肾脏对比剂阶段预测，减少评估者间差异	研究为回顾性设计，数据来自单一机构，可能限制模型的泛化能力	改进腹部CT扫描中肾脏对比剂阶段的自动化识别，以支持人工智能辅助的医学图像解释	腹部CT扫描图像	计算机视觉	肾细胞癌	计算机断层扫描	CNN, 随机森林	图像	训练集：3033次扫描来自1017名患者；验证集：8856个系列来自4760名患者	PyTorch, Scikit-learn	ConvNeXt-Femto	准确率, 平均绝对误差, κ值	NA
1485	2026-01-29	A survey on neuro-mimetic deep learning via predictive coding 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108161 PMID:41161207	综述	本文综述了基于预测编码理论的神经拟态深度学习算法的最新研究进展	系统梳理了预测编码理论在机器学习领域的跨学科应用，为生物可解释性AI算法提供了新的研究方向	作为综述文章，未提出新的原创算法，主要进行现有研究的归纳分析	探索具有生物合理性的深度学习算法替代反向传播	预测编码理论及其在机器学习中的应用	机器学习	NA	NA	深度神经网络	NA	NA	NA	NA	NA	NA
1486	2026-01-29	DNUNet: A lightweight adaptive medical image segmentation network based on dual-path multilevel interactive convolution and norm sparse fusion module 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108230 PMID:41172804	研究论文	提出了一种名为DNUNet的轻量级自适应医学图像分割网络，旨在平衡模型性能与计算成本	创新性地结合了大核卷积、双路径多级结构和特征稀疏化策略，并设计了双路径多级交互卷积模块和自适应范数稀疏融合模块，以更少的参数增强特征提取与融合能力	未在摘要中明确提及	开发一种高效、轻量级的医学图像分割模型，以适应便携式医疗设备和实时分割的临床部署需求	医学图像	数字病理	NA	深度学习	CNN	图像	NA	NA	DNUNet	NA	NA
1487	2026-01-29	CNNCaps-DBP: Leveraging protein language models with attention-augmented convolution for DNA-binding protein prediction 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108261 PMID:41172803	研究论文	提出一种名为CNNCaps-DBP的新型深度学习方法，用于从蛋白质一级序列信息中准确预测DNA结合蛋白	结合预训练蛋白质语言模型ESM C，并通过注意力增强卷积模块增强嵌入表示，再采用胶囊网络与MLP的混合深度学习框架构建最终预测模型	未明确说明模型在特定蛋白质家族或结构类别上的泛化能力限制	开发精确高效的DNA结合蛋白计算预测框架	DNA结合蛋白	自然语言处理, 机器学习	神经退行性疾病, 癌症	蛋白质语言模型, 深度学习	CNN, Capsule Network, MLP	蛋白质序列	NA	PyTorch	注意力增强卷积模块, Capsule Network, MLP	准确率, 精确率, 召回率, F1分数, AUC	NA
1488	2026-01-29	LCMF-Net: A lightweight collaborative multimodal fusion network for brain tumor segmentation 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108257 PMID:41197263	研究论文	本文提出了一种轻量级协同多模态融合网络（LCMF-Net），用于脑肿瘤分割	提出了跨模态与跨切片注意力模块（CMCSA）和基于状态空间模型的融合模块（SSM-Fusion），在保证高精度的同时显著降低了计算成本	未在文中明确说明	开发一种高精度、高效率的脑肿瘤自动分割方法	多模态MRI序列（T1, T2, T1ce, FLAIR）中的脑肿瘤	数字病理学	脑肿瘤	MRI	深度学习网络	医学图像（MRI）	未在摘要中明确说明	未在摘要中明确说明	LCMF-Net（包含CMCSA模块、SSM-Fusion模块、改进的残差初始块RIB）	分割精度	未在摘要中明确说明
1489	2026-01-29	Shallow and ensemble deep randomized neural network for anomaly detection 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108240 PMID:41202707	研究论文	本文提出了一种用于异常检测的集成深度随机向量函数链接网络，结合了深度学习和集成学习原理	提出了OC-RVFL和OC-edRVFL两种新模型，通过融合线性和非线性特征以及多层输出结构，提高了异常检测的泛化能力和稳定性	OC-RVFL的单隐藏层结构限制了其捕捉复杂模式的能力	提升异常检测或单类分类的泛化能力和效率	异常检测模型	机器学习	NA	NA	随机向量函数链接网络, 集成学习模型	人工数据集, UCI数据集, NDC数据集, MNIST图像数据集	高达500万个样本的数据集	NA	OC-RVFL, OC-edRVFL	泛化误差上界	NA
1490	2026-01-29	AdaptiveWordBug: Generating adversarial texts with an adaptive scoring strategy against deep learning classifiers 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108262 PMID:41205356	研究论文	提出了一种名为AdaptiveWordBug的黑盒对抗文本生成方法，用于文本分类任务，通过自适应评分策略增强攻击效果	引入自适应评分策略（ASS），结合三种模型依赖和一种模型独立的评分方法，并自动调整参数，以更全面准确地识别重要单词	NA	针对深度学习分类器生成对抗性文本，以促进后续防御措施的设计	中文文本分类数据集	自然语言处理	NA	NA	BERT, ChatGPT	文本	NA	NA	NA	攻击效果	NA
1491	2026-01-29	MIEF-Net: multimodal image-enhanced fusion network for intelligent fall risk prediction 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108260 PMID:41213202	研究论文	本文提出了一种新颖的图像增强双流深度学习框架，用于通过IMU步态分析预测老年人跌倒风险	创新性地将原始IMU信号转换为GAF、频谱图和MTF图像，融合时空表征，并采用基于Transformer的多头注意力机制进行自适应模态融合	NA	通过可穿戴传感器多模态融合提高跌倒风险预测准确性，推进预防性老年护理	老年人的步态数据	机器学习	老年疾病	IMU步态分析	RNN, CNN, Transformer	图像	NA	NA	双流网络	准确率, 灵敏度, F1分数	NA
1492	2026-01-29	RL-I2IT: Image-to-image translation with deep reinforcement learning 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108264 PMID:41218403	研究论文	本文提出了一种基于深度强化学习的图像到图像翻译框架RL-I2IT，通过迭代决策过程逐步转换图像	将图像到图像翻译重新定义为迭代决策问题，引入元策略和“概念计划”来处理高维连续状态和动作空间	未明确说明具体任务中的性能上限或计算效率的量化比较	开发一种计算高效的图像到图像翻译方法，以应对高维连续动作空间的挑战	图像数据	计算机视觉	NA	深度强化学习	Actor-Critic模型	图像	NA	NA	NA	NA	NA
1493	2026-01-29	LMcast: A pretrained language model guided long-term memory transformer for precipitation nowcasting 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108168 PMID:41135316	研究论文	提出LMcast模型，利用预训练语言模型引导的长时记忆Transformer进行降水临近预报	首次将预训练语言模型的检索和生成能力应用于降水临近预报，通过历史降雨数据代码本召回长时记忆，结合当前输入生成短时记忆进行预测	未明确说明模型对极端天气事件的预报能力及计算效率	解决降水临近预报中因有效信息随预报时间增加而减少导致的长期趋势捕捉难题	降雨系统	机器学习	NA	深度学习	Transformer	雷达图像数据	四个公开雷达数据集	NA	Transformer	NA	NA
1494	2026-01-29	Adaptive frequency collaboration for remote sensing change detection 2026-Mar, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108234 PMID:41135321	研究论文	本文提出了一种用于遥感变化检测的自适应频率协作网络（AFCN），通过从频域角度构建变化特征来提高检测性能	提出了自适应频率协作网络（AFCN），设计了位置特定的低通滤波器以自适应地从空间特征中提取低频分量，并利用小波重构原理获得高频分量，通过辅助边缘检测任务增强空间细节	NA	提高遥感变化检测的准确性和细节保留能力	遥感图像中的变化检测	计算机视觉	NA	NA	深度学习	遥感图像	三个基准数据集：LEVIR-CD、PX-CLCD、WHU-CD	NA	自适应频率协作网络（AFCN）	交并比（IoU）	NA
1495	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
1496	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
1497	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
1498	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
1499	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
1500	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