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
2081	2026-03-09	Deep learning for high-resolution material texture enhancement in 3D environments 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42313-5 PMID:41794865	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2082	2026-03-09	Survival prediction for bladder cancer using multimodal data with quantum neural networks and transformer architectures 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42047-4 PMID:41794871	研究论文	本研究提出了一种融合量子计算与经典深度学习的混合模型QTMPN，用于膀胱癌生存预测，旨在解决高维多模态医学数据中的跨模态信息融合挑战	提出了首个结合量子神经网络、Transformer和图神经网络的混合框架QTMPN，设计了量子特征提取器用于处理高维病理图像，并采用注意力引导的动态图进行多模态融合	研究为回顾性分析，基于单一数据集（TCGA-BLCA）进行验证，模型在外部数据集和临床前瞻性应用中的泛化能力有待进一步评估	开发一种能够有效融合多模态数据以提升膀胱癌生存预测准确性的新型计算框架	膀胱癌患者的多模态数据，包括全切片病理图像和临床特征	数字病理学	膀胱癌	全切片病理图像分析，多模态数据融合	量子神经网络，Transformer，图神经网络	图像，临床数据	TCGA-BLCA数据集中的样本（具体数量未在摘要中提及）	NA	QTMPN（Quantum-Transformer Multimodal Prognostic Network），包含量子特征提取器和Transformer-GNN协作融合模块	生存预测准确率	NA
2083	2026-03-09	Efficient cardiac MRI multi-structure segmentation for cardiovascular assessment with limited annotation by integrating data-level and network-level consistency 2026-Mar-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02475-y PMID:41794927	研究论文	本文提出了一种集成数据级和网络级一致性的半监督学习框架，用于在标注有限的情况下进行心脏MRI多结构分割	提出了一种结合数据级和网络级一致性的互集成框架，以利用有限的标注数据和大量未标注数据，提升心脏MRI分割性能	未在摘要中明确说明	开发一种高效的半监督学习方法，以解决心脏MRI解剖结构分割中标注数据稀缺的问题	心脏磁共振成像（MRI）中的解剖结构	数字病理学	心血管疾病	心脏磁共振成像（MRI）	深度学习模型	医学图像（MRI）	NA	NA	NA	NA	NA
2084	2026-03-09	A manta ray-bayesian optimization approach for hyperparameter-tuned convolutional neural networks in lung cancer classification 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42506-y PMID:41794961	研究论文	本文提出了一种结合贝叶斯优化和蝠鲼觅食优化的双阶段超参数优化方法，用于提升卷积神经网络在肺癌图像分类中的性能	创新性地将贝叶斯优化与生物启发的蝠鲼觅食优化算法相结合，形成双阶段超参数优化框架，以平衡全局探索与局部开发	未明确说明模型在外部验证集或临床环境中的泛化能力，且未与其他超参数优化方法（如遗传算法、粒子群优化）进行系统比较	通过高效的超参数优化方法提升卷积神经网络在肺癌图像分类中的准确率	肺癌医学图像	计算机视觉	肺癌	医学图像分析	CNN	图像	NA	NA	CNN（具体架构未指定）	准确率	NA
2085	2026-03-09	Comparative evaluation of deep learning models for cardiovascular disease diagnosis and classification 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43543-3 PMID:41794983	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2086	2026-03-09	Artificial Intelligence in Vitreoretinal Surgery: A Systematic Review of Current Applications and Future Directions 2026-Mar-07, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01347-8 PMID:41795058	综述	本文系统回顾了人工智能在玻璃体视网膜疾病及手术中的应用现状，并探讨了未来发展方向	首次系统性地总结了AI在玻璃体视网膜手术中的多领域应用，包括术前预后预测、术中计算机视觉系统及大型语言模型在手术规划中的潜力	大多数研究为回顾性单中心设计，外部验证有限，临床转化需前瞻性验证	评估人工智能在玻璃体视网膜疾病诊断、手术预后预测及术中辅助领域的应用现状与未来趋势	玻璃体视网膜疾病患者及手术相关数据	计算机视觉, 自然语言处理	视网膜疾病	光学相干断层扫描	机器学习, 深度学习	图像, 临床变量	37项研究（未明确总样本量）	NA	NA	R², AUROC, 准确率, 精确率	NA
2087	2026-03-09	Multimodal Deep Learning-Based Screening of Degenerative Temporomandibular Joint Disease Using 2D Radiography: A Cost-Effective and Low-Radiation Approach 2026-Mar-07, Oral diseases IF:2.9Q1 DOI:10.1111/odi.70268 PMID:41795130	研究论文	本研究开发并初步验证了一种基于二维颌面影像的多模态深度学习模型，用于筛查颞下颌关节退行性关节病	提出了一种结合全景X光片和侧位头影测量片的多模态深度学习模型，用于低成本、低辐射的颞下颌关节退行性关节病筛查，并通过特征融合和Grad-CAM分析增强了临床可解释性	研究为回顾性分析，样本量有限（1000个颞下颌关节），需要更大规模的多中心研究进行进一步验证	开发一种基于二维影像的深度学习模型，用于颞下颌关节退行性关节病的有效筛查	500名正畸患者的1000个颞下颌关节	计算机视觉	颞下颌关节退行性关节病	锥形束计算机断层扫描（CBCT），二维X光成像（全景X光片和侧位头影测量片）	CNN	图像（全景X光片和侧位头影测量片），结构化数据（患者年龄和性别）	1000个颞下颌关节（来自500名患者）	NA	YOLOv8, EfficientNetV2	mAP50, AUC, 敏感性, 特异性	NA
2088	2026-03-09	LCNet: lightweight segmentation network for blood vessel segmentation in retinal imaging 2026-Mar-06, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae4a13 PMID:41788037	研究论文	提出一种轻量级分割网络LCNet，用于视网膜图像中的血管分割	结合深度可分离卷积减少参数和计算成本，引入协同坐标注意力模块增强特征学习，并采用空洞空间金字塔池化模块捕获多尺度特征	未明确提及模型在更广泛或更具挑战性数据集上的泛化能力	开发高效的视网膜血管分割方法以辅助临床诊断	视网膜图像中的血管结构	计算机视觉	NA	NA	CNN	图像	四个经典数据集（DRIVE, STARE, CHASEDB1, IOSTAR）	NA	U-Net	准确率	NA
2089	2026-03-09	Artificial intelligence for radiation dose reduction in computed tomography: a narrative synthesis of clinical evidence from 2020 to 2025 2026-Mar-06, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ae475a PMID:41707249	综述	本文综述了2020年至2025年间关于人工智能在计算机断层扫描（CT）中降低辐射剂量的临床证据	对2020年至2025年间发表的AI用于CT剂量优化的临床证据进行了首次系统性叙事综合，涵盖了深度学习重建、去噪和工作流自动化等多种策略，并特别关注了临床或患者相关结局	大多数研究为单中心且由供应商支持，对于非常小或亚实性病变的敏感性在最低剂量下有所下降，高强度去噪导致的图像纹理改变以及有限的多中心验证仍是问题	评估人工智能在计算机断层扫描（CT）中降低辐射剂量而不影响诊断性能的有效性	2020年1月至2025年5月期间发表的、报告了与辐射剂量、诊断准确性、图像质量或可行性相关的临床或患者结局的研究	数字病理	肺癌	计算机断层扫描（CT）	深度学习	医学影像	从1224条记录中筛选出86项符合纳入标准的研究	NA	NA	辐射剂量减少百分比、诊断准确性、图像质量、可行性	NA
2090	2026-03-09	Deep learning-based estimation of lung collapse in electrical impedance tomography: a simulation and phantom study 2026-Mar-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae4849 PMID:41713019	研究论文	本研究提出了一种基于深度学习的框架，用于从电阻抗断层扫描图像中直接估计肺塌陷程度，无需依赖肺部分割	创新点在于开发了一种无需肺部分割的深度学习框架，直接从EIT图像估计肺塌陷程度，克服了传统基于全局不均匀性指数方法的局限性	研究基于模拟和体模数据，尚未在真实患者中进行验证	旨在估计机械通气患者肺部的塌陷程度，以降低呼吸机诱导的肺损伤风险	电阻抗断层扫描图像，模拟各种肺部条件	计算机视觉	肺损伤	电阻抗断层扫描	深度学习模型	图像	NA	NA	NA	误差率	NA
2091	2026-03-09	Automated Segmentation of Augmented Bone After Transalveolar Sinus Floor Elevation Using Deep Learning 2026-Mar-06, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109468 PMID:41795243	研究论文	本研究评估了深度学习模型在经牙槽嵴上颌窦底提升术后增量骨分割中的性能	首次将UNETR++等先进的深度学习模型应用于经牙槽嵴上颌窦底提升术后增量骨的自动分割，并证明了其相较于传统手动分割的高效性和准确性	研究为回顾性分析，样本量相对有限（103例患者），且仅基于单一机构的CBCT数据	评估深度学习模型在口腔颌面外科术后影像分析中的自动化分割性能	经牙槽嵴上颌窦底提升术后患者的增量骨区域	数字病理	口腔颌面外科疾病	锥形束计算机断层扫描	深度学习模型	医学影像	103例患者的术前和术后即刻CBCT数据	未明确提及	UNETR++, Swin Transformer, U-Net, 3D-VNet	Dice相似系数, 交并比, 敏感性, 精确度, 95%豪斯多夫距离, 准确度	NA
2092	2026-03-09	In vivo quantification of arterial active mechanics using deep learning-assisted pressure-area analysis 2026-Mar-05, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02042-0 PMID:41784707	研究论文	本研究开发了一种结合超声成像、血压测量、神经网络分割和生物力学模型反演的压力-面积分析框架，用于在体量化动脉主动力学特性	首次提出了一种能够区分血管平滑肌张力贡献的在体动脉主动力学量化方法，揭示了运动后血压恢复与平滑肌力学恢复之间的分离现象	研究样本量相对有限（10名志愿者用于动态测试），且仅针对颈总动脉进行了验证	开发一种在体量化动脉主动力学特性的方法，以更好地理解血管平滑肌在生理调节和心血管疾病中的作用	人类颈总动脉	医学影像分析	心血管疾病	超声成像、血压测量、生物力学模型反演	神经网络	超声视频图像、血压数据	233名志愿者（18-65岁）用于神经网络训练，10名志愿者（25±3岁）用于动态测试	NA	NA	空间分割性能、时间分割性能	NA
2093	2026-03-09	Climate change will increase forest disturbances in Europe throughout the 21st century 2026-Mar-05, Science (New York, N.Y.) DOI:10.1126/science.adx6329 PMID:41785360	研究论文	本研究利用深度学习框架模拟了欧洲21世纪森林干扰（如野火、虫害、风暴）的变化趋势	首次使用基于深度学习的模拟框架，在100米分辨率下预测整个欧洲21世纪的森林干扰变化	未明确说明模型的不确定性范围及区域特异性验证的详细程度	预测气候变化背景下欧洲森林干扰的未来变化趋势及其生态影响	欧洲森林生态系统及其干扰机制（野火、虫害、风暴）	机器学习	NA	深度学习模拟	深度学习模型	空间栅格数据、气候数据	全欧洲范围100米分辨率网格数据	NA	NA	NA	NA
2094	2026-03-09	Multivariable AI-based analysis of immune-lifestyle patterns associated with recurrent pregnancy loss: an exploratory retrospective study 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38941-6 PMID:41786881	研究论文	本研究利用深度学习模型分析复发性流产患者的免疫-生活方式模式	首次将深度学习模型TabNet应用于大规模复发性流产患者数据，以识别免疫与生活方式因素之间的关联模式	这是一项回顾性、探索性研究，数据来源于伊朗的五家诊所，可能存在选择偏倚	构建深度学习模型以识别复发性流产患者的免疫-生活方式模式	16,818名复发性流产患者和19,979名健康女性	机器学习	复发性流产	临床与实验室数据收集	深度学习	临床与实验室数据	总计36,797名参与者（16,818名患者和19,979名健康对照）	NA	TabNet	AUC, 准确率, 精确率, 特异性, 敏感性	NA
2095	2026-03-09	Understanding flow experiences in online EFL learning: Perspectives from Vietnamese undergraduates 2026-Mar-05, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106580 PMID:41793996	研究论文	本研究调查了越南英语作为外语（EFL）本科生在在线学习环境中的心流体验，旨在通过八个具体维度评估其心流水平，识别关键维度，并探索学生如何描述这些体验	首次在越南在线EFL学习背景下，结合定量与定性方法，系统分析学生的心流体验及其影响因素，特别关注文化背景和技术基础设施的作用	样本仅来自越南本科生，可能限制结果的普适性；研究依赖自我报告数据，可能存在偏差	探究越南EFL本科生在在线学习中的心流体验程度、关键维度及其影响因素，以促进深度学习	239名越南EFL大学生（调查）和12名访谈参与者	自然语言处理	NA	混合方法设计（调查与半结构化访谈），叙事整合主题分析	NA	文本（调查问卷和访谈记录）	239名EFL大学生参与调查，12名参与访谈	NA	NA	平均值（M=3.77），用于评估心流体验的整体水平	NA
2096	2026-03-09	A deep learning-based method for evaluating the fitting states of orthokeratology lenses using fluorescein staining videos 2026-Mar-05, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2026.102633 PMID:41794006	研究论文	本研究开发了一种基于深度学习的自动化工具，用于评估角膜塑形镜的适配状态，通过双流架构结合ResNet-50和时间注意力模块处理荧光素染色视频	提出了一种结合ResNet-50提取形态特征和时间注意力模块分析运动特征的双流架构，并引入边缘检测方法增强空间特征捕获，显著提升了评估准确性	数据集仅包含143个视频样本，样本量相对较小，可能影响模型的泛化能力	开发并验证一种自动化工具，用于客观评估角膜塑形镜的适配状态，辅助临床诊断	角膜塑形镜的适配状态，包括过松、适配良好和过紧三类	计算机视觉	眼科疾病	荧光素染色视频检查	CNN, 时间注意力模块	视频	143个荧光素染色检查视频	PyTorch	ResNet-50	准确率, 宏灵敏度, 宏特异性	NA
2097	2026-03-09	Neuroimaging insights into the neurophysiological subtypes of major depressive disorder 2026-Mar-05, Biological psychiatry IF:9.6Q1 DOI:10.1016/j.biopsych.2026.02.018 PMID:41794061	综述	本文批判性地综合了基于神经影像的重性抑郁障碍亚型研究，整合了方法学进展，比较了不同影像模态的亚型模式，并评估了亚型与临床症状及治疗反应的关联	整合了无监督与半监督聚类、深度学习和规范建模等先进方法，从群体平均水平转向个体化偏差图谱，并提出了一个临床转化的框架	NA	解决重性抑郁障碍的异质性，推动精准精神病学发展	重性抑郁障碍患者	神经影像学	重性抑郁障碍	功能、结构、弥散及多模态神经影像	深度学习	神经影像数据	NA	NA	NA	NA	NA
2098	2026-03-09	Context-Aware adaptive normalization LSTM (CAAN-LSTM) for immunotherapy decision support in cancer clinical data analysis 2026-Mar-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105006 PMID:41794080	研究论文	提出一种用于癌症免疫治疗决策支持的上下文感知自适应归一化LSTM模型（CAAN-LSTM），以处理临床时间序列数据的异质性和不完整性	模型在序列处理过程中通过整合患者特异性临床上下文动态调整归一化策略，并采用元学习自适应归一化层、注意力机制、超网络生成个性化参数、基于Transformer的上下文编码器、学习掩码策略处理缺失值以及量化感知训练等创新组件	未明确说明模型在更广泛医疗环境或不同癌症类型中的泛化能力，也未详细讨论计算效率或模型解释性方面的潜在限制	开发一种能够处理异质性和不完整临床时间序列数据的深度学习模型，以支持癌症免疫治疗的个性化临床决策	癌症患者的临床时间序列数据	机器学习	癌症	深度学习	LSTM, Transformer	临床时间序列数据	NA	NA	CAAN-LSTM（包含自适应归一化层、注意力机制、超网络、Transformer编码器等组件）	预测准确性	支持跨多样化硬件平台的高效部署（通过量化感知训练实现）
2099	2026-03-09	Two-Step Semiautomated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	本文提出了一种新颖的分层深度学习框架，通过两步法在脑部MRI图像上检测脉络膜转移瘤	采用基于YOLOv5架构的轨道定位网络进行顺序裁剪和分类，结合数据高效的进化策略方法处理小数据集，避免过拟合和欠拟合	模型无法区分左右轨道，导致mAP(0.5:0.95)值较低	提高脑部MRI扫描中脉络膜转移瘤的检测能力	脑部MRI图像中的正常轨道和含有脉络膜转移瘤的轨道	计算机视觉	脉络膜转移瘤	MRI	CNN	图像	第一步：386张T2加权脑部MRI轴向切片（来自97名患者）；第二步：33张正常和33张含有脉络膜转移瘤的脑部MRI图像	PyTorch	YOLOv5, 卷积神经网络	准确率, 平均精度(mAP), 曲线下面积(AUC), 敏感性, 特异性	NA
2100	2026-03-09	Prediction of CSF Intervention in Fetal Ventriculomegaly via Artificial Intelligence-Powered Normative Modeling 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	本研究提出了一种基于人工智能的方法，用于胎儿脑MRI中脑室的分割、体积量化和分类，以预测产后干预需求	利用深度学习（nnUNet）进行胎儿脑室自动分割，并基于此建立跨孕龄的脑室体积正常参考范围，首次将标准化建模用于预测胎儿脑室扩大是否需要产后干预	研究为回顾性设计，样本量相对有限（222例患者），且依赖于公开数据集和机构数据，可能影响泛化能力	开发一种客观、可重复的方法，以准确区分胎儿脑室扩大和脑积水，并预测产后脑脊液干预的必要性	胎儿脑MRI图像，包括正常胎儿、脑室扩大胎儿及需要产后干预的病例	数字病理学	胎儿脑室扩大	胎儿脑MRI	深度学习	图像	222例单胎妊娠患者，包括20例手动分割的机构MRI、80例公开数据集研究、138例正常胎儿MRI和64例脑室扩大胎儿MRI	nnUNet	nnUNet	Dice分数, 灵敏度, 特异性, AUC, 95%置信区间	NA