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	2026-06-26	Pipeline-optimized machine learning for chronic fatigue syndrome diagnosis: A lightweight, interpretable model using blood biochemical and metabolomic data 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108995 PMID:41791269	研究论文	通过系统性流程优化，利用血液生化与代谢组学数据构建了用于慢性疲劳综合征诊断的轻量级、可解释机器学习模型	创新点包括：采用带重叠条件患者的对照组设计、分层bootstrap抽样确保协变量平衡、整合因果推断（孟德尔随机化）与可解释性分析（SHAP）的双重解释机制	NA	开发一种轻量级、可解释的慢性疲劳综合征诊断模型，利用客观血液生化与代谢标志物实现准确区分	慢性疲劳综合征患者（1137例）与对照组（66838例）的血液生化数据和代谢组学数据	机器学习	慢性疲劳综合征	血浆代谢组学、血液生化分析	随机森林	表格数据（血液生化指标+代谢物）	1137例病例，66838例对照	ClinMetML	随机森林	ROC-AUC、准确率、灵敏度、特异性、F1分数、阴性预测值、阳性预测值、马修斯相关系数	NA
2082	2026-06-26	IDGSA-DRIU-Net: Internal dilated guided self-attention renal mass segmentation model based on dilated residual inception U-Net 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109041 PMID:41936194	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2083	2026-06-26	scMapNet: Marker-based cell type annotation of scRNA-seq data via vision transfer learning with tabular-to-image transformations 2026-Jul, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.10.056 PMID:41161490	研究论文	提出scMapNet方法，通过视觉迁移学习和表格到图像转换实现基于标记基因的单细胞RNA测序数据细胞类型注释	首次将掩码自编码器和视觉变换器应用于单细胞数据，通过树图变换整合细胞标记知识并利用未标记数据预训练	未讨论在极端稀疏数据或新发现细胞类型上的有效性，且依赖高质量标记基因数据库	开发一种能充分学习细胞标记知识和未标记数据信息的深度学习细胞类型注释方法	单细胞RNA测序数据的细胞类型注释任务	机器学习	NA	单细胞RNA测序	掩码自编码器与视觉变换器	表格数据（转化为图像）	多个公开数据集（具体数量未提及）	PyTorch	Vision Transformer, 掩码自编码器	准确性, 批次不敏感性	NA
2084	2026-06-26	Deep‑learning‑based detection of open‑apex teeth on panoramic radiographs using YOLO models 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00884-5 PMID:41432878	研究论文	利用YOLO深度学习模型在全景X光片中检测开放根尖牙齿，并比较不同模型性能	首次系统比较YOLOv3、YOLOv4和YOLOv5在开放根尖牙齿检测中的应用性能	仅基于全景X光片，未涉及其他影像模态；样本量相对有限	评估YOLO模型在检测开放根尖牙齿中的效果，以减少额外放射检查需求	开放根尖牙齿	计算机视觉	口腔疾病	NA	YOLO	图像	966张全景X光片	PyTorch	YOLOv3, YOLOv4, YOLOv5	精确率, 召回率, 平均精度（mAP）, F1分数	NA
2085	2026-06-26	Impact of image processing techniques on deep learning-based classification accuracy of cervical vertebral maturation 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00887-2 PMID:41484816	研究论文	本研究探讨了不同图像处理技术对深度学习模型在颈椎骨成熟度分类中性能的影响	首次系统比较了多种图像标注方法（标准、低密度、双色标注）对颈椎骨成熟度分类准确率的影响，发现双色标注显著提升深度学习模型性能	仅使用了单一深度学习架构（AlexNet），未探索其他先进模型；数据集规模相对较小（799张），可能限制泛化性	评估不同图像处理技术如何影响基于深度学习的颈椎骨成熟度分类准确性	799张原本用于正畸诊断的头颅测量X光片，提取包含第二至第四颈椎（C2-C4）的矩形区域作为标准图像	计算机视觉	NA	NA	卷积神经网络（CNN）	图像（X光片）	799张头颅测量X光片，其中641张用于训练，158张用于测试	Neural Network Console	AlexNet	分类准确率	NA
2086	2026-06-26	A BMC-Net model for the recognition and segmentation of mandibular canal bifurcation 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00892-5 PMID:41493698	研究论文	开发BMC-Net深度学习模型用于下颌管分叉的识别与分割	首次提出BMC-Net模型专门用于下颌管分叉的快速诊断和识别，性能显著优于传统UNet模型和临床医生判断	仅基于160例病例图像构建，数据量较小，可能影响模型泛化能力	开发深度学习模型以快速诊断和识别下颌管分叉，帮助牙医避免手术风险并制定有效治疗方案	下颌管分叉	计算机视觉	口腔疾病	NA	CNN	图像	160例病例图像，其中140张训练集，20张测试集	NA	BMC-Net, UNet	Dice相似系数, AUC, 交并比, 召回率, 精确度, 敏感性, 特异性	NA
2087	2026-06-26	A fully autonomous AI system for accurate and reproducible Cobb angle measurement in adolescent idiopathic scoliosis: a multicenter study 2026-Jul, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2026.01.010 PMID:41506453	研究论文	开发并验证了一种基于AI的全自动系统SPARC，用于青少年特发性脊柱侧弯的Cobb角测量，在多项研究中展现了优于人工评估的性能	设计了全自动的AI管道，包含两个专用模型，无需人工干预即可从全脊柱X光片中检测脊柱曲度、识别椎体并准确估算Cobb角，显著降低了测量误差和变异	作为回顾性观察研究，可能受数据选择偏差影响；样本量有限，需要更大规模前瞻性验证	开发基于AI的自动可重复系统，辅助Cobb角估算，消除人工测量的主观变异性	青少年特发性脊柱侧弯患者的全脊柱正位/后前位X光影像	医学影像分析	青少年特发性脊柱侧弯	X光影像分析	深度学习模型	医疗影像（X光片）	484张X光影像，来自4家三级医院，专家共识共1054条脊柱曲线	NA	两个专用AI模型联合管道	平均绝对误差（MAE）、标准差、误差范围、检测率	NA
2088	2026-06-26	Evaluation of the accuracy of detecting C-shaped canals in mandibular second molars identified by cone-beam computed tomography on panoramic radiographs using artificial intelligence algorithms developed with deep learning methods 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00888-1 PMID:41511700	研究论文	评估基于深度学习方法的卷积神经网络在曲面断层片上检测下颌第二磨牙C形根管形态的准确性	首次在文献中应用多数投票融合模型预测结果来检测下颌第二磨牙C形根管	基于单中心数据，缺乏外部验证	评估深度学习模型在曲面断层片上检测下颌第二磨牙C形根管的准确性	844张标注的曲面断层片，包含C形根管和非C形根管的下颌第二磨牙	计算机视觉	口腔疾病	锥形束计算机断层扫描	深度卷积神经网络	图像（曲面断层片）	592名患者，共844张标注曲面断层片（422张C形根管，422张非C形根管）	NA	11种深度学习模型（具体架构未列出）	准确率、精确率、召回率、特异度、混淆矩阵	NA
2089	2026-06-26	Towards accurate occlusal plane positioning in panoramic radiographs: a deep learning-assisted study 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00891-6 PMID:41511698	研究论文	评估深度学习架构在自动分类全景X光片头部定位错误中的有效性	首次全面评估基于卷积和基于变换器的深度学习架构在检测全景X光片咬合平面定位错误中的性能	数据集规模较小（480张图像），且仅依赖单一放射科专家的标注	探索自动化咬合平面定位错误分类以提升全景X光片标准化和图像质量	全景X光片中的咬合平面定位错误	计算机视觉	口腔疾病	全景X光成像	卷积神经网络（CNN）和视觉变换器（ViT）	图像	480张匿名全景X光图像	PyTorch	ResNet18，视觉变换器	准确率，精确率，召回率，F1分数，ROC-AUC	NA
2090	2026-06-26	Web-based AI application for enhanced dental disease diagnosis using advanced object detection integrated with transformer-based attention mechanism 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00886-3 PMID:41528683	研究论文	提出一种基于YOLOv11-TAM模型的网页AI应用，用于从全景X光片中自动检测和诊断龋齿、深龋、阻生齿和根尖周病变等牙科疾病	将YOLOv11模型与基于Transformer的注意力机制集成，形成YOLOv11-TAM架构，实现了特征提取和定位精度的提升，并开发了用户友好的网页应用平台	由于类别不平衡，模型在龋齿诊断方面仍存在挑战	利用先进深度学习技术提高牙科疾病诊断的准确性、效率和可及性	牙科全景X光影像	计算机视觉	龋齿、深龋、阻生齿、根尖周病变	全景X光成像	YOLOv11-TAM	影像	705张标注全景X光影像	PyTorch	YOLOv11-TAM, C3k2, SPPF, Transformer注意力机制	精确率, 特异性, 定位准确率	NA
2091	2026-06-26	A Unified Deep Learning Framework for Visual Diagnosis of Palatal Radicular Grooves in CBCT Scans: A Multicenter Validation Study 2026-Jul, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2026.01.022 PMID:41655629	研究论文	开发一个用于CBCT扫描中腭侧沟视觉诊断的统深度学习框架，并进行多中心验证	首个集成牙齿分割、PRG诊断与病变分类的统一深度学习框架PRG-Net，并在多中心数据中验证其泛化能力	NA（摘要中未提及局限性）	开发并验证一个可自动进行三维可视化、诊断和分类PRG病变的深度学习框架	腭侧沟病变及CBCT扫描图像	计算机视觉	牙科疾病（腭侧沟）	CBCT扫描	深度学习框架	图像（CBCT扫描）	来自1个内部验证点和3个外部中心的CBCT数据集	NA	PRG-Net	Dice相似系数, 曲线下面积	NA
2092	2026-06-26	3D deep-learning radiomics from MR-T2WI for predicting placenta accreta spectrum disorders: A multicenter study 2026-Jul, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70874 PMID:41696788	研究论文	基于MR-T2WI的三维深度学习影像组学预测胎盘植入谱系疾病风险的多中心研究	首次利用三维深度学习影像组学方法从MR-T2WI中提取特征，并整合临床特征构建多模态模型，显著提高了预测胎盘植入谱系障碍的准确性	NA	开发基于磁共振T2加权成像的三维深度学习影像组学模型，用于预测胎盘植入谱系障碍的风险	601例疑似胎盘植入谱系障碍患者的多中心回顾性数据	计算机视觉	胎盘植入谱系障碍	磁共振成像	3D深度学习影像组学模型	图像	601例患者（中心A 476例，中心B 63例，中心C 62例）	PyTorch	3D ResNet50, DenseNet121, ShuffleNet	AUC	NA
2093	2026-06-26	Prostate MRI quality improvement: a Roadmap from the ESUR Prostate MRI Working Group 2026-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12395-w PMID:41826767	研究报告	欧洲泌尿生殖放射学会(ESUR)前列腺MRI工作组提出的三步式质量改进框架，旨在标准化并提升前列腺MRI的采集、解读与报告质量	首次系统化提出Build it right-See it right-Improve and innovate三步式质量改进框架，整合PI-RADS技术标准、PI-QUAL客观评分、AI评估与深度学习重建等新兴技术	尚未提供框架实施后的量化效果验证数据，缺乏多中心前瞻性研究验证其临床效益	建立系统化的前列腺MRI质量改进路线图，提升全球范围内影像采集、解读与报告的标准化与可重复性	前列腺MRI的采集技术、影像质量与报告流程	机器学习	前列腺癌	MRI	NA	影像	NA	NA	NA	NA	NA
2094	2026-06-26	A multimodal feature disentanglement model for lymphadenopathy diagnosis based on BUS and CDFI ultrasound videos: a retrospective, prospective, multicenter study 2026-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12409-7 PMID:41831029	研究论文	基于B超和彩色多普勒超声视频的多模态特征解耦模型用于淋巴结肿大诊断的多中心研究	提出了基于B超和彩色多普勒超声视频的多模态特征解耦深度学习模型，并整合临床信息以提升淋巴结肿大诊断性能	NA	开发和验证基于B超和彩色多普勒超声视频的多模态深度学习模型，用于诊断淋巴结肿大	7371名接受多模态超声检查的患者，来自中国五个地区六个中心	计算机视觉，数字病理学	淋巴结肿大	B超，彩色多普勒超声	深度学习模型	视频（B超和彩色多普勒超声），临床信息	7371名患者（3824名男性，3547名女性，中位年龄52岁），共147420张关键帧	NA	多模态特征解耦模型	AUC, ACC, SEN, SPE, PRE	NA
2095	2026-06-26	Beyond whole-image learning: anatomically partitioned deep learning models for superior sinonasal disease classification 2026-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12436-4 PMID:41832258	研究论文	提出一种解剖分区深度学习模型，用于提升鼻窦疾病CT诊断的准确性	首次将解剖区域先验知识与深度学习结合，通过自动解剖分割（nnU-Net v2）实现13个亚区的疾病特异性分类，显著优于传统全图像学习方法	手动分割样本量较小（150例），且模型在低发病率病变上的表现可能需进一步验证	验证解剖分区深度学习策略能否提升鼻窦疾病CT诊断的性能	2947例鼻腔和鼻窦CT检查数据，涵盖13个解剖区域	计算机视觉	鼻窦疾病	CT成像	nnU-Net v2	医学图像	2947例CT检查，其中150例用于手动分割	NA	nnU-Net v2	Dice系数, AUC, 敏感性, 特异性	NA
2096	2026-06-26	A Comparative Study of IVIM-MRI Fitting Techniques in Glioma Grading: Conventional, Bayesian, and Voxel-Wise and Spatially-Aware Deep Learning Approaches 2026-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70301 PMID:41913432	研究论文	对常规、贝叶斯和基于深度学习的IVIM-MRI拟合方法在脑胶质瘤分级中的表现进行比较研究	首次将空间感知Transformer应用于IVIM参数估计，在模拟和体内数据上均显著优于传统方法，尤其在D*参数上提升了胶质瘤分级准确率	样本量较小（20名患者），体内评估依赖作者视觉判断，缺乏独立验证数据集	评估不同IVIM拟合方法在脑胶质瘤分级中的临床效用，特别是深度学习方法	分形噪声模拟数据及20名脑胶质瘤患者的术前DWI图像	计算机视觉	脑胶质瘤	IVIM-MRI, DWI	Transformer	图像	20名脑胶质瘤患者（5例2级，3例3级，12例4级）	NA	NATTEN-17, SA-17, IVIM-NET	ROC-AUC, 中位绝对百分比误差(MDAPE), 中位百分比误差	NA
2097	2026-06-26	Benchmarking Hybrid CNN-Transformer Versus Pure Transformer Architectures for Accelerated Hyperpolarized 129Xe MRI Reconstruction 2026-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70314 PMID:41891379	研究论文	系统评估混合CNN-Transformer与纯Transformer架构在超极化129Xe MRI加速重建中的性能	首次全面比较混合CNN-Transformer与纯Transformer架构在双域（k空间和图像）处理下的HP 129Xe MRI重建性能	回顾性研究设计，可能缺乏前瞻性验证；数据集来自单中心，样本量有限	评估不同深度学习架构在HP 129Xe MRI高加速因子下的重建效果	205名参与者（22名健康人、26名COPD患者、90名哮喘患者、67名长新冠患者）的1640张2D切片	计算机视觉	肺部疾病	MRI	CNN-Transformer混合架构	MRI图像	205名参与者，共1640张2D切片	NA	KTMR、KIKI-net、ReconFormer、SwinMR、MR-IPT	峰值信噪比、结构相似性指数、归一化均方误差	NA
2098	2026-06-26	Improved BG-PVS Quantification in Infant Brain MRI Using Anatomy-Informed Pseudo-Labels for Joint BG and PVS Segmentation 2026-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70298 PMID:41858109	研究论文	提出一种利用解剖信息伪标签联合分割婴儿脑MRI中基底节和基底节血管周围空间的方法	首次在婴儿脑MRI中采用解剖信息引导的伪标签方法，实现BG和BG-PVS的联合分割，提高了量化精度和标注效率	未明确说明具体局限性，但婴儿脑部MRI分割因解剖结构微小和发育变化而具挑战性	开发一种自动深度学习算法，用于婴儿脑MRI中基底节和基底节血管周围空间的分割与量化	婴儿脑MRI图像中的基底节和基底节血管周围空间	计算机视觉	神经系统疾病	MRI	CNN	图像	三个队列共353名婴儿（dHCP 150例，BCP 133例，内部数据集70例），其中168例有手动标注	NA	NA	Dice相似系数，召回率，阳性预测值，豪斯多夫距离，皮尔逊相关系数，组内相关系数，平均绝对误差	NA
2099	2026-06-26	Clinical Feasibility of Deep Learning Contrast Synthesis From MR Fingerprinting in Knee Osteoarthritis 2026-07, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70300 PMID:41882935	研究论文	评估基于磁共振指纹成像的深度学习合成对比图像在膝骨关节炎患者中相对于传统MRI的可靠性和互换性	首次前瞻性评估MRF深度学习合成对比在膝骨关节炎中的临床可行性，展示了近乎完美的观察者间和方法间可靠性	图像质量低于传统MRI，需要进一步改进	评估MRF合成对比图像在膝骨关节炎中的临床可行性和可靠性	膝骨关节炎患者	数字病理学	骨关节炎	MRI, MRF	U-Net	图像	78名参与者（54名女性，平均年龄57.2岁，范围33-78岁）	NA	U-Net	PABAK, 精确匹配百分比, Likert评分	NA
2100	2026-06-26	Deep Learning Model for High-Accuracy Classification of Premature Ventricular Contractions With Precordial Transition Zones in Leads V3 or V4 2026-Jun-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-25-0534 PMID:41297935	研究论文	开发深度学习模型以高精度分类V3或V4导联移行区的室性早搏	首次针对导联V3或V4出现移行区的室性早搏起源预测，利用CNN模型结合配对数据（PVC和固有QRS）实现高精度分类	样本量较小（314名患者），且仅针对右心室或左心室流出道起源，未涵盖其他起源部位	预测室性早搏起源并识别电生理特征	314名具有下轴和V3或V4导联移行区的室性早搏患者	机器学习	心血管疾病	心电图	卷积神经网络	图像	314名患者，每人5个训练和验证数据集，1个保持数据集	NA	CNN	准确率, F1分数, AUC	NA