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
421	2026-08-12	A deep learning approach for keratoconus detection using spatio-temporal features from corneal imaging 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56383-y PMID:42225912	研究论文	本研究提出一种基于深度学习的圆锥角膜检测模型，利用CORVIS系统的动态角膜成像数据，结合CNN-RNN架构区分健康和圆锥角膜眼。	创新性地结合了预训练的InceptionV3网络和LSTM模块，以捕捉角膜成像序列中的时空特征，并在患者层面进行分层交叉验证以避免数据泄露。	未在外部数据集上进行验证，建议在临床部署前进行进一步验证。	旨在通过动态角膜成像数据实现圆锥角膜的早期和准确检测，以预防严重视力损害。	健康眼和圆锥角膜眼。	计算机视觉	圆锥角膜（眼科疾病）	动态角膜成像（CORVIS系统）	混合CNN-RNN（CNN用于空间特征，LSTM用于时间模式）	图像（角膜成像序列）	未在标题和摘要中明确说明样本数量，但使用了CORVIS系统的动态角膜成像数据。	未明确提及，但可能在PyTorch或TensorFlow中实现（NA）	InceptionV3（微调）与LSTM相结合	准确率、精确率、召回率、F1分数	未在标题和摘要中提及。
422	2026-08-11	A comparative study of deep learning-based zebrafish image segmentation methods 2026-06, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2026.204083 PMID:41933835	研究论文	本研究系统评估了多种基于深度学习的斑马鱼图像分割网络，通过统一数据集和预处理流程，比较了十一个代表性模型的性能	首次系统比较多种深度学习分割模型在斑马鱼图像分析中的应用，涵盖从传统CNN到Transformer架构的广泛模型，并揭示高分辨率保持、上下文聚合和注意力机制对提高小结构检测和边界描绘精度的关键作用	未在摘要中提及具体限制	为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持	斑马鱼图像中的复杂器官结构和表型异常	计算机视觉	毒理学（用于毒理学筛选）	深度学习分割网络	CNN、Transformer、混合架构	图像	NA（未在摘要中提及具体样本数量）	NA（未在摘要中提及具体框架）	U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, SAM, PVT-EMCAD, RWKV-UNet	Dice系数，交并比，平均像素精度	NA（未在摘要中提及计算资源）
423	2026-08-11	Experimental investigation of muscle-tendon unit geometry and kinematics in lower-limb muscles during gait: Current applications and future directions - A scoping review 2026-06, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110159 PMID:41875704	综述	本文是一篇范围综述，旨在探讨肌肉骨骼建模和超声成像与三维步态分析结合使用时，如何评估神经运动障碍人群在步态中的肌肉和肌腱单元特征，并评估其潜在的临床意义。	首次系统综述了MSK建模和USI在三维步态分析中的应用，特别是在神经运动障碍人群中，强调了两种技术的互补潜力，并提出了未来将深度学习应用于USI自动数据分析的方向。	MSK建模受到建模假设和缺乏实时数据的限制，而USI面临数据采集复杂和处理挑战，且研究中纳入的人群和肌肉种类有限。	检查MSK建模和USI与三维步态分析结合使用，以评估神经运动障碍人群的肌肉和MTU特征，并评估这些方法对临床评估和决策的潜在影响。	神经运动障碍人群（脑性瘫痪、中风、遗传性痉挛性截瘫和特发性足尖行走）的11块下肢肌肉	数字病理学	神经运动障碍	超声成像（USI）	NA	图像	50项研究	NA	NA	NA	NA
424	2026-08-11	A systematic review of machine and deep learning techniques for acute lymphoblastic leukemia diagnosis 2026-Jun, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103393 PMID:41806519	综述	本文系统综述了用于急性淋巴细胞白血病诊断的机器学习和深度学习技术，包括图像预处理、特征提取和原始细胞量化等关键阶段	对传统和深度学习技术在ALL检测与分类中的最新进展进行全面分析，特别关注性能指标和准确性基准，并探讨其超越人类诊断能力的潜力	文中未明确提及具体限制，但可能包括依赖现有数据集、缺乏标准化评估流程以及临床转化的挑战	系统评估机器学习和深度学习技术在急性淋巴细胞白血病诊断中的应用现状、挑战和未来方向	急性淋巴细胞白血病患者的血液或骨髓图像数据	计算机视觉, 机器学习	急性淋巴细胞白血病	传统机器学习算法和深度学习架构（如CNN）	深度卷积神经网络（CNN），其他监督学习方法	图像（血液或骨髓涂片）	未指定	未指定	多种先进深度学习架构（具体未列出）	准确性、精确率、召回率、F1分数、AUC等	未指定
425	2026-08-11	Deep-Motion-Net: GNN-based volumetric liver shape reconstruction from single-view 2D projections 2026-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03685-1 PMID:42128999	研究论文	提出Deep-Motion-Net，一种基于图神经网络的患者特定端到端框架，从单个治疗中kV平面X射线图像重建三维体积器官形状，用于放疗中的运动补偿	首次实现从任意角度单视图图像重建整个治疗扫描系列中的三维体积器官模型，且无需替代信号或侵入性标记	在真实治疗kV图像上验证时，由于缺乏体积真实值，只能进行定性评估	利用常规直线加速器的平面X射线成像实现精确的解剖运动预测，以改善放疗剂量传递并保护危及器官	肝脏肿瘤患者和合成呼吸运动场景	计算机视觉，深度学习	肝癌	X射线成像，DRR生成，风格迁移	图神经网络，卷积神经网络，生成对抗网络	二维X射线图像，三维网格，CT体积	四名肝癌患者的治疗中图像及合成运动实例	PyTorch	ResNet, GAT, CNN, CycleGAN	平均预测误差，峰值预测误差	未在摘要中提及，输出NA
426	2026-08-09	An intelligent MRI-based all-in-one diagnostic strategy for axillary lymph node status in breast cancer 2026-Jun-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74704-7 PMID:42331837	研究论文	开发了一种基于MRI的分层多任务深度学习模型BCALN-Net，用于预测乳腺癌患者腋窝淋巴结状态，包括前哨淋巴结转移、转移负荷和非前哨淋巴结转移	首次提出基于MRI的全方位诊断策略，通过一个分层多任务深度学习模型同时预测多个腋窝淋巴结状态指标	摘要中未提及具体局限性	开发一种综合诊断策略，以指导乳腺癌腋窝手术降级治疗	6,271名乳腺癌患者，以及来自汇总分析的4,081名患者	医学影像	乳腺癌	MRI（磁共振成像）	深度学习模型	图像（MRI图像）	6,271名乳腺癌患者；汇总分析包括4,081名患者	NA	BCALN-Net（分层多任务深度学习网络）	性能指标未在摘要中具体列出，但提到了高预测性能和稳健性能	NA
427	2026-08-09	Speech as a biomarker for supported diagnosis of major depressive disorder using self-supervised representations 2026-Jun-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74122-9 PMID:42297825	研究论文	本研究建立了一个大规模多中心队列，利用自监督语音表征开发深度学习框架，用于重度抑郁障碍的辅助诊断，并表现出优于传统方法的诊断准确性。	首次在如此大规模的多中心语音数据集上应用自监督预训练模型（如WavLM和HuBERT）进行抑郁症诊断，系统比较了自监督表征与传统声学特征，显著提高了诊断性能。	摘要中未提及局限性信息。	开发基于语音生物标志物的深度学习框架，为重度抑郁障碍提供快速、经济、非侵入性的客观辅助诊断方法。	重度抑郁障碍患者和健康对照者。	机器学习	重度抑郁障碍	语音生物标志物分析，自监督预训练模型	自监督架构（WavLM和HuBERT）	语音样本	1,816名受试者（910名MDD患者和906名健康对照），共23,608个标准化语音样本	NA	WavLM, HuBERT, openSMILE（传统特征提取）	受试者工作特征曲线下面积（AUC）、敏感性、特异性	NA
428	2026-08-09	Machine learning models of segmentation in acute ischemic stroke: a systematic review and meta-analysis 2026-Jun-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01590-x PMID:42231379	meta-analysis	一项系统综述和荟萃分析，评估机器学习模型在急性缺血性卒中病灶分割中的性能	首次对急性缺血性卒中机器学习分割模型进行系统综述和定量荟萃分析，涵盖多模态影像、多种模型架构和数据集，并探索影响模型准确性的因素	研究设计和报告标准存在异质性，需要方法学统一和外部验证	系统评估机器学习分割模型在急性缺血性卒中中的性能，并识别影响模型准确性和稳健性的因素	急性缺血性卒中病灶的影像分割模型	机器学习, 医学影像分析	急性缺血性卒中	计算机断层扫描, 磁共振成像	深度学习模型	影像数据	101项研究	Python, 标准荟萃分析和统计库	U-Net及其变体	Dice系数, AUC, 准确率, 敏感性, 特异性	未提供具体计算资源信息
429	2026-08-09	Overcoming resolution constraints in automated colony counting via a high-performance deep learning framework using SAHI 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55724-1 PMID:42225748	研究论文	本研究提出一种基于平铺训练和SAHI平铺推理的高性能深度学习框架，用于解决高分辨率培养皿图像中菌落自动计数的分辨率限制问题	采用平铺训练和SAHI平铺推理流程，保留全分辨率图像，通过重叠切片提升训练样本数量和局部细节保留，显著提高菌落计数性能	未明确提及局限性	克服高分辨率培养皿图像在自动菌落计数中的分辨率限制，提高轻量模型的计数准确性	细菌菌落	计算机视觉	不适用	深度学习	YOLO系列轻量目标检测模型	图像	公开的24类细菌菌落数据集	PyTorch	YOLOv5n, YOLOv8n, YOLOv11n	mAP@0.5, mAP@0.5:0.95, 正确预测率	笔记本RTX 3050 GPU
430	2026-08-03	Rethinking the use of deep learning methods for photovoltaic power forecasting 2026-Jun-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73817-3 PMID:42285936	研究论文	重新评估深度学习模型在光伏功率预测中的架构选择，并提出了一种名为Cross-Unet的Transformer架构，用于融合历史数据和天气预报，在多个数据集上超越现有基线	强调了完整编码器-解码器架构和通道依赖建模的重要性，并提出了包含多尺度时间编码、相关性感知通道注意力和层次交叉注意力解码的Cross-Unet架构	摘要中未明确提及局限性	改进光伏功率预测的准确性和可靠性，以支持电网调度和能源交易	光伏功率预测模型及其在不同天气和历史数据条件下的性能	机器学习	NA	NA	Transformer	时间序列数据	中国北方四个公用事业规模的光伏电站和一个澳大利亚中部的聚合电站的数据	NA	Cross-Unet	超越十个深度学习和传统基线，具体指标未提及	NA
431	2026-08-03	AI and Blood Banking: Predicting Transfusion Demand - A Systematic Review of Forecasting Approaches 2026-Jun-12, Transfusion medicine and hemotherapy : offizielles Organ der Deutschen Gesellschaft fur Transfusionsmedizin und Immunhamatologie IF:1.9Q4 DOI:10.1159/000552969 PMID:42541243	综述	本文系统综述了人工智能和机器学习在输血需求预测中的应用，按预测范围和临床目标分为四层框架，并比较了不同技术方法的性能	构建了基于预测范围和临床目标的四层框架，系统比较了从个体患者到区域供应链的不同预测挑战和技术方法	仅纳入有限的研究数量，且未提及外部验证标准化不足的问题	提供AI在血库中应用的结构化综述，指导模型选择基于预测范围和临床目标	输血需求预测的AI/ML应用研究，包括患者个体、手术、设施和区域等不同层级	机器学习	不适用	不适用	深度学习、ARIMA、SARIMA	不适用	24项研究（从535条记录中筛选）	不适用	深度学习模型、ARIMA、SARIMA	AUC、平均绝对百分比误差、R²	NA
432	2026-08-03	Masked autoencoder pretraining for peripheral nerve segmentation in ultrasound images 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57368-7 PMID:42265235	研究论文	本研究探索使用掩码自编码器（MAE）预训练方法，以克服超声图像中外周神经分割中数据稀缺的问题	首次将MAE预训练应用于外周神经超声图像分割，并覆盖八种神经，远超以往仅关注正中神经的研究范围	未提及具体局限性	评估MAE预训练作为可扩展方法，以解决外周神经分割中标注数据不足的问题	八种外周神经的超声图像	医学图像分析	外周神经疾病	超声成像	视觉Transformer（SegFormer）	超声图像	10,603张超声图像，涵盖超过1,500名患者	NA	SegFormer	Dice系数	NA
433	2026-08-02	Energy-efficient wireless network control via spatio-temporal deep learning and multi-agent reinforcement learning 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58368-3 PMID:42337023	研究论文	本文提出了一种AI增强的能源优化框架（AEEOF），结合深度时空学习和多智能体强化学习，用于干扰密集的无线网络中的节能控制	首次将时空图卷积网络（ST-GCN）与门控循环单元（GRU）集成到多智能体深度确定性策略梯度（MADDPG）控制器中，以动态优化功率和时间策略，实现节能和网络性能提升	研究仅限于5G仿真环境，未在真实网络中验证	提高干扰密集无线网络（如功率域NOMA）的能源效率和网络性能	高干扰水平的5G无线网络环境中的功率控制和资源分配	机器学习, 强化学习	NA	仿真	ST-GCN, GRU, MADDPG	仿真数据	NA	NA	ST-GCN, GRU, MADDPG	能耗节省率, 能源效率（每焦耳传输比特数）, 系统吞吐量, 小区边缘用户数据速率, 公平性, 中断概率	NA
434	2026-08-02	LightGastroFormer: a lightweight multi-resolution transformer for gastrointestinal disease classification 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56751-8 PMID:42265313	研究论文	提出一种轻量级多分辨率Transformer架构LightGastroFormer，用于胃肠道疾病分类，在多个公开数据集上取得优异性能	结合门控前馈网络、高效自注意力机制和多分辨率逐块分词器，在保持计算效率的同时捕获长程上下文和细粒度局部特征	未明确提及局限性	实现可靠且高效的胃肠道疾病自动分类，以促进早期诊断并减轻医生负担	胃肠道内镜和胶囊内镜图像	计算机视觉	胃肠道疾病	图像分类	Transformer	图像	使用Kvasir v1、Kvasir v2和Kvasir-Capsule三个公开数据集，具体样本量未提及	未提及	Transformer（多分辨率分词器、门控前馈网络）	准确率、F1分数	未提及
435	2026-08-02	Deep learning-driven inversion framework for shear modulus estimation in magnetic resonance elastography 2026-Jun-06, Magma (New York, N.Y.) DOI:10.1007/s10334-026-01375-2 PMID:42250046	研究论文	提出一种基于深度学习的反转框架（DIME），用于磁共振弹性成像中剪切模量的估计，以提高稳健性和准确性	提出一种基于深度学习的反转框架，使用小图像块捕捉局部波行为，增强对全局变化的稳健性，并在体内和模拟数据上优于传统MMDI算法	文中未明确提及局限性，但基于模拟和有限的体内样本（8例健康、7例纤维化），可能需要更多临床验证	提高磁共振弹性成像中剪切模量估计的稳健性和准确性	剪切模量估计，应用于肝脏的磁共振弹性成像	深度学习，医学影像	肝纤维化	磁共振弹性成像（MRE）	深度学习模型	图像（位移和刚度图）	体内数据来自8名健康受试者和7名纤维化受试者，另有有限元模拟数据集	未提及，推测可能使用TensorFlow或PyTorch	未明确指定，但使用小图像块的深度学习模型	相关系数（r）、决定系数（R²）	未提及
436	2026-07-31	Dental midline localization: development and validation of an automated deep learning pipeline 2026-Jun-02, European journal of orthodontics IF:2.8Q1 DOI:10.1093/ejo/cjag056 PMID:42522750	研究论文	开发并验证一种基于深度学习的自动化中线定位流程，用于在微笑照片中定位上颌牙齿中线	首次系统比较四种卷积神经网络骨干网络（EfficientNet-B0、ResNet-18、MobileNetV3-Small、HRNet-W18）在牙齿中线定位任务中的性能，并构建了包含人脸检测、眼间线旋转归一化、嘴部区域提取和关键点回归的全自动管线	样本仅来自单中心的标准化微笑照片，泛化能力需在更大队列和不同条件下验证	开发高精度牙齿中线自动定位方法，辅助正畸诊断和微笑美学评估	221张标准化正面微笑照片中的上颌牙齿中线	计算机视觉	正畸相关疾病	深度学习	卷积神经网络（CNN）	图像	221张标准化正面微笑照片	PyTorch	EfficientNet-B0, ResNet-18, MobileNetV3-Small, HRNet-W18	平均角度误差, ≤1°阈值准确率, ≤2°阈值准确率, 组内相关系数（ICC）, Bland-Altman偏差	NA
437	2026-07-31	Artificial intelligence for chest radiography: an overview of techniques, challenges, and future directions 2026-Jun-02, npj health systems DOI:10.1038/s44401-026-00087-y PMID:42527557	综述	这篇论文批判性地分析了人工智能在胸片分析中的进展，从传统机器学习到深度学习及多模态方法的演变	综述了从传统机器学习到深度学习及多模态方法的演进，并讨论了大型语言模型和多模态系统的整合	仍然存在模型偏差、跨机构泛化能力有限和可解释性不足等挑战	分析人工智能在胸片分析中的技术进展、挑战和未来方向	胸片分析中的人工智能技术	计算机视觉	NA	NA	CNN, transformer	图像	NA	NA	CNN, transformer	诊断准确率	NA
438	2026-07-30	Coarse-to-Fine Curriculum Transfer Learning Using RF-Derived Ultrasound Representations for Small-Data Breast Tumor Detection 2026-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070769 PMID:42510435	研究论文	提出一种基于课程迁移学习的乳腺肿瘤检测方法，利用RF信号派生表示优化小数据集下的检测性能	首次将RF信号派生的相位、包络和B模式图像按序列顺序作为训练课程，在单一检测模型架构中实现多模态信息利用，无需复杂融合计算	结果仅为固定患者级划分和100次随机种子重复评估的验证性证据，缺乏外部临床泛化性，且局限于小数据设定	开发一种轻量级、计算高效的乳腺肿瘤检测方法，应对小数据集和散斑噪声挑战	乳腺超声图像中的肿瘤检测	计算机视觉	乳腺癌	超声波成像（RF信号）、迁移学习	YOLO系列（YOLOv5, YOLOv8, YOLO11, YOLO26）	图像（相位、包络和B模式超声图像）	基于100次随机种子重复评估的小数据集	NA	YOLOv5, YOLOv8, YOLO11, YOLO26	mAP@50	NA
439	2026-07-30	Benign Share Benefit to Malignant: Balanced Mixing on Feature Space for Imbalanced Breast Cancer Classification 2026-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070765 PMID:42510431	研究论文	提出B2M框架，用于不平衡乳腺X线图像的BI-RADS分类	B2M模型通过两阶段训练策略，结合双重采样和特征空间混合，在C-View乳腺X线图像上实现针对不平衡多类BI-RADS分类的类平衡处理	基于EMBED队列，需要外部和前瞻性验证才能用于临床	解决乳腺X线数据集中类别不平衡导致的模型识别偏差问题	C-View乳腺X线图像中的BI-RADS类别	数字病理学	乳腺癌	C-View乳腺X线成像	CNN	图像	EMBED数据集的C-View队列（未明确样本数）	NA	ResNeXt-50	平衡准确率, Macro-F1分数	训练时间开销约2.81倍，未增加推理成本
440	2026-07-30	VQ-SToRM: Vector-Quantized Smoothness Regularization on Manifolds for Free-Breathing, Ungated Real-Time Cardiac MRI Reconstruction 2026-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070764 PMID:42510430	研究论文	提出一种基于向量量化变分自编码器的无监督实时心脏MRI重建方法，用于自由呼吸、无门控采集场景	用学习到的离散码本替代传统连续潜在流形，增强模型对心-呼吸运动分离表示能力，避免后验坍塌问题	未提及在真实临床患者数据（如心律失常、儿科人群）上的验证，仅基于健康志愿者数据评估	实现自由呼吸、无门控实时心脏MRI的高质量图像重建	健康志愿者的自由呼吸、无门控螺旋采集心脏MRI数据	计算机视觉	心血管疾病	磁共振成像	向量量化变分自编码器	图像	健康志愿者数据（未提供具体人数）	PyTorch	VQ-VAE	信噪比、对比噪声比	NA