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
441	2026-06-04	Artificial intelligence-based reclassification of gastric adenocarcinoma enables prognostic stratification via diffuse-type patch proportion 2026-07-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106455 PMID:42054933	研究论文	基于人工智能的胃癌重新分类通过弥散型斑块比例实现预后分层	提出了基于YOLO26m-cls的两阶段深度学习流程，并定义了弥散预后评分（DPS）作为独立且可复现的总生存期预测标记	未提及具体限制	利用人工智能驱动的图像分析提高胃癌诊断标准化和预后评估	404例胃腺癌切除患者的全切片图像（WSIs）	数字病理学	胃癌	H&E染色成像	深度学习（两阶段流程）	图像	404例胃腺癌患者的WSIs	NA	YOLO26m-cls	准确率、F1分数	NA
442	2026-06-04	Accuracy and generalizability of an open-source deep learning model for facial bone segmentation on CT and CBCT scans: An ex vivo study 2026-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106663 PMID:41905505	研究论文	评估开源深度学习模型DentalSegmentator在CT和CBCT扫描中面部骨骼分割的准确性和泛化能力	首次在离体条件下系统评估开源深度学习模型在不同CT/CBCT协议（包括超低剂量）下的面部骨骼分割泛化能力	仅使用干颅骨离体样本，未涉及活体患者或软组织干扰的临床场景	验证开源深度学习工具在不同CT/CBCT成像条件下自动重建面部骨骼表面模型的准确性和泛化性	10个人类干颅骨	计算机视觉	NA	CT扫描、CBCT扫描、光学扫描	深度学习分割模型（DentalSegmentator）	影像（CT/CBCT图像）	10个干颅骨，使用1台CT扫描仪和2台CBCT设备（含超低剂量协议）	NA	DentalSegmentator	平均绝对距离（MAD）、绝对距离标准差（SDAD）	NA
443	2026-06-02	CDP-KDNet: Curriculum-Guided Dynamic Pruning and Knowledge Distillation for Resource-Efficient Ultrasound Elastography 2026-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251399875 PMID:41466179	研究论文	提出一种结合动态剪枝、知识蒸馏和课程学习的模型压缩方法CDP-KDNet，用于资源高效的超声弹性成像运动估计	首次将动态剪枝、知识蒸馏与课程学习相结合应用于超声弹性成像模型压缩，在保持性能的同时大幅降低参数量和计算成本	未提及在极端资源受限设备上的实际部署验证，以及对不同超声成像系统的泛化性需进一步研究	实现高效、轻量化的超声弹性成像运动估计模型，便于部署于资源受限设备	超声弹性成像中的射频（RF）和B模式（BM）数据运动估计	计算机视觉	NA	超声弹性成像	卷积神经网络（CNN）	超声图像数据	模拟、仿体及体内超声数据（具体数量未提及）	NA	UMEN-Net, DP-Net, CDP-KDNet	信噪比（SNR）、对比度噪声比（CNR）	NA
444	2026-06-02	RFDNet: Robust Frequency-Based Denoising Network for 3D Ultrasound Vascular Imaging Using a Row-Column Addressed Array 2026-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251398442 PMID:41466464	研究论文	提出一种鲁棒频率去噪网络（RFDNet），用于行-列寻址阵列的3D超声血管成像，通过深度融合频率过滤模块抑制坡道噪声并改善图像一致性	将深度频率滤波模块集成到标准去噪模型中，自适应编码器中的频率分量，动态平衡频谱内容以减少域偏移和切片间强度不一致的影响，同时保留血管细节	未来工作需探索3D训练和架构优化以提高计算效率，当前方法仍基于2D切片训练	提升3D超声血管成像中行-列寻址阵列的图像质量，解决点扩散函数各向异性导致的坡道噪声问题	多普勒体模、颈动脉和腹部数据集中的3D超声血管图像	计算机视觉	心血管疾病	超声成像	CNN	图像	包含多普勒体模、颈动脉和腹部数据集样本	PyTorch	深度频率滤波模块集成于标准去噪编码器架构（具体基础架构未指定）	PSNR, SSIM, RMSE	NA
445	2026-06-02	Cloud EEG Privacy Using Red-Billed Blue Magpie Optimized Physics-Penalized Dual-Branch Spectral-Spatial Neural Network for Epileptic Seizure Prediction 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70031 PMID:42063259	研究论文	提出一种红嘴蓝鹊优化的物理惩罚双分支谱空间神经网络，用于基于云脑电图的癫痫发作预测，实现高精度、安全且有效的预测	首次将红嘴蓝鹊优化算法与物理惩罚双分支谱空间神经网络结合，并集成基于物联网的实时脑电监测、形状感知网格归一化滤波、二次相位四元数域傅里叶变换特征提取和无密钥托管属性基加密，同时提升预测精度和数据隐私安全	未提及在更大规模或多样化真实临床数据集上的验证，以及优化算法和加密方法的计算开销评估	实现基于云脑电图的癫痫发作精确、安全且实时预测，以支持及时干预和预防严重神经系统并发症	癫痫患者及其脑电图数据	机器学习	癫痫	脑电图（EEG）监测	神经网络	脑电图信号	使用Bonn脑电图数据集和CHB-MIT数据集	NA	物理惩罚双分支谱空间神经网络（PP-DBSSNN）	准确率、精确率、特异度	NA
446	2026-05-31	How receptor conformation depends on lipid nanodisc size: Adenosine A2A receptor and implications for class-A GPCR proteins 2026-Jul, Biochimica et biophysica acta. Biomembranes DOI:10.1016/j.bbamem.2026.184535 PMID:42061733	研究论文	通过原子级模拟比较膜蛋白在脂质纳米盘和无应变平面膜中的环境差异，聚焦腺苷A2A受体，探究纳米盘尺寸对受体构象的影响	首次揭示脂质纳米盘尺寸对GPCR受体构象分布的调节作用，发现直径约19nm的纳米盘能更好模拟无应变平面膜环境	仅基于简单脂质组成模拟，未考虑真实细胞膜复杂成分及膜支架蛋白的潜在影响	评估脂质纳米盘环境对膜蛋白构象行为的影响，为优化纳米盘实验设计提供指导	腺苷A2A受体（GPCR蛋白家族）的构象状态与脂质纳米盘环境的关系	机器学习	NA	分子动力学模拟	深度学习	模拟轨迹数据	两种纳米盘尺寸（直径约11nm和19nm）及平面膜系统	NA	NA	NA	原子级分子动力学模拟（具体GPU型号未说明）
447	2026-05-31	Artificial intelligence for marine oil spill management: Recent advances and future directions 2026-Jul, Marine environmental research IF:3.0Q2 DOI:10.1016/j.marenvres.2026.108108 PMID:42119407	综述	系统综述人工智能在海洋溢油全生命周期管理中的最新进展，涵盖检测、评估和应急响应等环节	首次从溢油管理全生命周期视角整合AI赋能的多种技术方法，包括物理信息驱动建模、深度学习轨迹预测、不确定性量化及自主机器人遥感集成系统	数据可用性不足、模型泛化能力有限、可解释性欠缺以及系统集成困难等关键挑战尚未解决	总结AI在海洋溢油风险管理中的现有进展与实践，识别关键挑战并提出未来研究方向	海洋溢油事件及其管理全过程中的AI技术应用	machine learning, computer vision	NA	机器学习、计算机视觉、智能传感、机器人技术	深度学习	多源遥感数据、溢油轨迹数据、环境监测数据	NA	NA	物理信息神经网络、深度学习轨迹预测架构	轨迹预测精度、不确定性量化指标	NA
448	2026-05-27	Performance of deep learning-based segmentation of soft tissue sarcoma by MRI sequence, tumor type and location 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05178-3 PMID:41776099	研究论文	研究基于深度学习的软组织肉瘤MRI分割性能，分析不同MRI序列、肿瘤位置和组织学亚型对模型准确性的影响	系统评估了肿瘤位置和组织学亚型对深度学习分割模型性能的影响，发现多模态融合反而可能降低边界精度	纳入了部分恶性程度较低的肌内黏液瘤，可能限制结果对高级别STS的适用性	评估深度学习模型在不同MRI序列、解剖位置和组织学亚型下对软组织肉瘤的自动分割性能	299例经活检证实的软组织肉瘤患者（包括平滑肌肉瘤、黏液纤维肉瘤、黏液样脂肪肉瘤、未分化多形性肉瘤和肌内黏液瘤）	数字病理学, 计算机视觉	软组织肉瘤	MRI扫描（脂肪抑制T1增强、脂肪抑制T2加权序列）	3D nnU-Net	医学影像（MRI）	299例患者	NA	nnU-Net	Dice系数, F2分数, 平均对称表面距离(ASSD), 第95百分位豪斯多夫距离(HD95)	NA
449	2026-05-27	Deep learning-based identification of aberrant anterior tibial artery on knee MRI: a brazilian multicenter study 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05198-z PMID:41870548	研究论文	开发并验证基于深度学习的模型，用于在膝关节MRI上自动识别异常胫前动脉	首次将人工智能应用于膝关节MRI上异常胫前动脉的自动检测	外部验证队列的精确度因假阳性而有所下降，临床部署前需进行更广泛的多中心验证	开发一种深度学习模型以自动检测膝关节MRI中的异常胫前动脉，提升术前风险评估和手术规划	膝关节MRI图像中的异常胫前动脉	计算机视觉	膝关节血管异常	MRI	卷积神经网络	图像	2315次检查（1441例无AATA，874例有AATA）共70260张MRI图像	PyTorch	卷积神经网络	F1分数, AUC	NA
450	2026-05-27	Hybrid LSTM-XGBoost framework with city embeddings for CO2 emissions forecasting and scenario comparison 2026-Jul-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124476 PMID:41966244	研究论文	提出混合LSTM-XGBoost框架结合城市嵌入，用于城市级CO2排放预测与情景比较，并以河北省为例进行验证	首次结合LSTM和XGBoost通过自适应幂律加权并融入城市嵌入，实现非线性动态与时空异质性建模，同时引入后验语义分析验证城市嵌入的可解释性	仅以河北省为案例，未验证其他区域或全球城市的迁移性；蒙特卡洛不确定性分析仅考虑了中等和保守数据扰动，未探索极端情况	提升城市级CO2排放预测的准确性，并支持碳管理政策的情景优化	河北省各城市的CO2排放数据及其城市化、经济、空间特征	机器学习	NA	NA	LSTM, XGBoost	时间序列数据（城市排放及特征）	河北省多个城市的历史排放数据（具体数量未说明）	Python	LSTM, XGBoost	R²	NA
451	2026-05-26	Comparative analysis of traditional and deep learning time series architectures for influenza A infectious disease forecasting 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111736 PMID:42127736	研究论文	比较传统时间序列模型和深度学习架构在甲型流感预测中的性能，并提出基于Transformer的单变量框架HistoFluAFormer	首次系统性比较六种深度学习架构与传统时间序列模型在甲型流感月度病例预测中的表现，并引入仅依赖历史发病率序列的单变量Transformer模型，展示了自注意力机制在捕捉非线性季节性、异常激增和长期依赖方面的优势	未明确提及限制，但可能包括模型仅基于历史序列数据，未考虑外部协变量（如气候、人口流动）的影响，且测试集仅为一年数据，泛化性需进一步验证	评估不同时间序列模型在甲型流感预测中的效果，提高预测准确性以支持公共卫生准备与资源分配	美国2009年1月至2023年12月的甲型流感月度病例数据	机器学习，时间序列预测	甲型流感	NA	ARIMA, Holt-Winters指数平滑, 简单RNN, LSTM, GRU, 双向LSTM, 双向GRU, Transformer	数值型时间序列数据	2009年1月至2023年12月共180个月度数据点，其中训练集168个月（2009-2022年），测试集12个月（2023年）	NA	ARIMA, Holt-Winters, 简单RNN, LSTM, GRU, BiLSTM, BiGRU, Transformer	均方误差，平均绝对误差， GMRAE, Theil U1	NA
452	2026-05-26	Toward protocol simplification: Deep learning-based image synthesis in three-phase CT urography 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111746 PMID:42140070	研究论文	开发并评估一种利用扩散模型与Swin Transformer相结合的方法，在CT尿路造影中从非对比期和排泄期图像合成三维尿路上皮期图像	首次提出dsSNICT模型，将扩散模型与Swin Transformer结合用于CT尿路造影的三相图像合成，实现辐射剂量降低33%而保持图像质量	单中心回顾性研究，样本量相对较小（335例），仅关注图像质量而缺乏对诊断准确性的全面评估	开发基于深度学习的图像合成方法，简化CT尿路造影的采集协议，减少辐射剂量并提高检查安全性	CT尿路造影中的三维尿路上皮期图像	医学影像	泌尿系统疾病	CT尿路造影	扩散模型	图像	335例患者，179男156女，平均年龄63±15岁	PyTorch	Swin Transformer	峰值信噪比, 结构相似性指数, 平均绝对误差, Fréchet视频距离	NA
453	2026-05-26	Hybrid fractional groupers and moray eels driven deep learning for pneumonia detection using multi-modal data in federated learning 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111739 PMID:42155376	研究论文	提出一种基于多模态数据和联邦学习的新型深度学习模型，用于肺炎检测	将分数阶群鱼和鳗鱼优化算法与联邦学习框架结合，并开发了EESHLossNet损失函数来改进Shepard卷积金字塔膨胀网络	未提及模型在不同数据集上的泛化能力验证，且联邦学习框架可能面临通信开销和隐私保护的实际挑战	提高肺炎检测的准确性并保护医疗数据安全性	肺炎患者的多模态医学图像数据（CT、胸部X光片和频谱图）	计算机视觉，数字病理学	肺炎	CT成像， X光成像，频谱成像，深度递归残差网络，阿尔法修剪均值滤波，伽马校正	Shepard卷积金字塔膨胀网络，深度递归残差网络	图像	未提及具体样本数量	未提及	Shepard卷积金字塔膨胀网络，深度递归残差网络	损失函数，均方误差，准确率，真阳性率，真阴性率，精确率， F1分数，假阴性率，假阳性率	未提及
454	2026-05-25	Explainable 3D VGG-style convolutional neural network for pediatric hydrocephalus detection on computed tomography: A segmentation-free and fully volumetric deep learning framework 2026-Jul-03, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.04.027 PMID:42049087	研究论文	开发并评估了一种无需分割的全三维卷积神经网络用于儿童CT图像中的脑积水检测	首次提出一种轻量级VGG风格的三维卷积神经网络，无需分割即可对儿童CT进行全容积的自动脑积水检测，并采用三维Grad-CAM提供可解释性分析	样本量较小（98例内部、118例外部），且外部验证为初步结果，仍需较大规模多中心验证才能用于临床	开发一种可解释的、无需分割的自动化方法，用于儿童CT上脑积水的检测	儿童头部CT扫描（共98例内部数据集，48例脑积水、50例正常；以及118例外部验证集，56例脑积水、62例正常）	计算机视觉	儿科疾病	CT成像	三维卷积神经网络（3D CNN）	CT图像	内部数据集98例（48例脑积水，50例正常），外部验证集118例（56例脑积水，62例正常）	NA	VGG风格的三维卷积神经网络	AUC-ROC, 准确率, 敏感度, 特异性, F1分数, 马修斯相关系数（MCC）, 科恩kappa系数, Brier分数	NA
455	2026-05-25	Best fast MRI protocols for the knee: advantages and limitations 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05197-0 PMID:41874638	综述	综述现代膝关节快速MRI加速技术的原理、临床应用、优势及挑战，包括并行成像、多层同时采集、压缩感知和深度学习重建	系统总结了深度学习重建在膝关节MRI中的突破性应用，尤其是加速因子达六倍的PIxSMS协议可在五分钟内完成高质量扫描，并展望了各向同性三维成像的未来前景	未在论文中提供定量比较或原始数据，基于现有证据的总结可能受限于已发表研究的异质性，且对硬件成本和临床工作流优化缺乏深入分析	综述膝关节快速MRI加速策略的技术原理、验证研究证据及临床实施注意事项	膝关节快速MRI的加速技术及其临床应用	机器学习	NA	MRI	深度学习重建	图像	NA	NA	NA	诊断性能、图像质量	NA
456	2026-05-25	Predicting mortality risk in pediatric severe pneumonia using a CNN-BiLSTM model with dynamic clinical indicators 2026-Jul, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.108891 PMID:42134457	研究论文	利用CNN-BiLSTM模型结合动态临床指标预测儿童重症肺炎的死亡风险	首次将CNN-BiLSTM深度学习模型应用于儿童重症肺炎的住院死亡率预测，并从纵向实验室数据中动态筛选出11个关键预测指标	需要未来多中心研究验证模型有效性	探索儿童重症肺炎的有效预后生物标志物，并构建深度学习模型预测住院死亡率，支持临床决策	5岁以下儿童重症肺炎患者	机器学习	儿童重症肺炎	NA	CNN-BiLSTM	临床数据（包括纵向实验室指标）	来自儿科重症监护数据库（PIC）的5岁以下重症肺炎儿童	PyTorch	CNN-BiLSTM	AUC，灵敏度，特异度	NA
457	2026-05-24	Rapid multi-parametric quantitative MRI via deep learning-based synthetic-to-real reconstruction and 3D SSFP-MOLED imaging 2026-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121985 PMID:42107614	研究论文	提出一种结合深度学习的合成到真实重建与3D SSFP-MOLED的快速多参数定量磁共振成像方法	首次将相位调制三维稳态自由进动与多重叠回波分离（3D SSFP-MOLED）信号编码方法与基于物理约束的合成数据管道和深度学习重建相结合，实现快速、高精度的多参数定量成像	NA	解决多参数定量磁共振成像扫描时间长、对非理想信号条件敏感的问题	磁共振成像中的多参数定量映射	机器学习	肿瘤、出血	磁共振成像（MRI）	深度学习网络	磁共振图像	体模、健康志愿者及肿瘤/出血患者	NA	NA	准确度、可重复性	NA
458	2026-05-24	Editorial for the Special Issue on Harmonization Techniques for MRI 2026-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121979 PMID:42128316	评论	介绍神经影像协调化的专刊，总结多站点MRI分析中的协调化方法及其挑战	系统梳理协调化方法的主要类别（包括统计方法、深度学习和域泛化策略），并强调网络感知协调化技术超越体素的创新方向	未涉及具体方法的实验验证；跨模态性能、生物信息保留和隐私保护框架的挑战尚未完全解决	推动多站点神经影像数据的可重复性和泛化性研究	多站点MRI数据中的协调化技术	机器学习	NA	MRI	深度学习模型（如ComBat家族、深度学习方法）	神经影像数据（包括体素、连接组数据）	NA	NA	ComBat, 深度学习网络（未具体说明）	NA	NA
459	2026-05-24	Toward clinical value, not just accuracy: deep learning segmentation of soft tissue sarcoma 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05227-x PMID:42029683	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
460	2026-05-20	Multi-scale drift characteristics of Ulva prolifera in the Yellow Sea derived from deep learning-based MODIS and Sentinel-1 observations 2026-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119516 PMID:41855964	研究论文	利用深度学习模型融合MODIS和Sentinel-1数据，分析黄海浒苔多尺度漂移特征	提出融合注意力机制与Vision Transformer的AttFusionViT-UNet模型，首次实现多源遥感数据（MODIS和Sentinel-1）的融合，生成周、月、年多尺度浒苔时空分布，提升短期漂移过程的捕捉能力	未明确讨论模型对极端天气或高云覆盖场景的鲁棒性，且融合方法可能引入数据配准误差	量化黄海浒苔空间覆盖及不同时间尺度的漂移特征，改善预测能力	黄海浒苔的短期涌现、扩展和漂移过程	计算机视觉，遥感	不适用	MODIS遥感， Sentinel-1合成孔径雷达	深度神经网络， Vision Transformer	卫星图像	MODIS数据（2008-2024年）和Sentinel-1数据（2015-2024年）	NA	AttFusionViT-UNet	平均交并比（mean IoU）	NA