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
201	2026-08-14	A Generalized Responsible AI Framework for Trustworthy Clinical Prediction: Explainability, Fairness, Performance, and Uncertainty in Alzheimer's Disease Modeling 2026-Jun-15, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14121721 PMID:42354579	研究论文	本研究提出一个通用负责任AI框架，整合可解释性、公平性、性能和不确定性量化，用于阿尔茨海默病的可信临床预测	提出一个包含可解释性、公平性、性能和不确定性量化四个核心组件的通用负责任AI框架，并集成到阿尔茨海默病预测流程中	应用于真实世界临床数据时仍面临挑战	整合负责任AI原则到阿尔茨海默病预测流程中，实现可信临床决策支持	阿尔茨海默病早期检测模型	机器学习	阿尔茨海默病	神经影像生物标志物分析	前馈神经网络	图像	TADPOLE神经影像数据集	NA	前馈神经网络	准确率、等几率差、预测熵	NA
202	2026-08-14	A Dual-Branch Lightweight Network for Multimodal Image Fusion with Mamba and INN 2026-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s26123814 PMID:42356787	研究论文	提出一种基于Mamba和可逆神经网络的双分支轻量级网络，用于高效的多模态图像融合	将Mamba-inspired分支与轻量级可逆神经网络分支结合，实现全局结构建模与局部细节保持的解耦，显著降低模型复杂度（仅0.24M参数）	未提及明显局限性	设计一种轻量级、计算效率高的多模态图像融合方法，适用于资源受限设备的实时部署	红外-可见光图像融合和医学图像融合任务	计算机视觉	NA	图像融合	Mamba-INN双分支网络	图像	MSRS、TNO、RoadScene、MRI-CT、MRI-PET、MRI-SPECT数据集（具体样本数未提及）	NA	Mamba-inspired分支、轻量级可逆神经网络分支	MI, VIF, Qabf, SSIM	输入分辨率256×256时，计算量24.04 GFLOPs（GPU类型未提及）
203	2026-08-14	Dental Age-Group Classification from Panoramic Radiographs Using Convolutional Neural Networks 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121816 PMID:42351475	研究论文	该研究利用卷积神经网络对成人全景牙科X光片进行年龄组分类，并评估了模型性能。	提出了一种自定义CNN架构，在成人年龄组分类中取得了优于现有预训练模型（如YOLOv8）的准确率，并针对传统方法在成人和老年人中可靠性低的问题进行了探索。	结果限于本研究的数据集和实验条件，在多样化人群和场景中的更广泛应用需进一步验证。	探索基于深度学习的自动化方法，用于成人和老年人全景牙科X光片的年龄组分类。	全景牙科X光片中的年龄相关模式；研究对象为埃及个体（年龄25-70岁）。	数字病理学	无特定疾病	X光成像（全景牙科X光片）	卷积神经网络	图像	1469张全景牙科X光片，来自25至70岁的埃及个体	NA	自定义CNN, YOLOv8, 其他预训练网络	准确率, 平均绝对误差, 均方根误差	NA
204	2026-08-14	AI-Based Prediction of Post-ERCP Pancreatitis: A Comparative Study Using Tabular, Image, and Multimodal Data 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121824 PMID:42351482	研究论文	本研究回顾性比较了表格临床数据、内镜图像数据及多模态融合方法在预测ERCP术后胰腺炎（PEP）中的性能	首次针对PEP预测比较了表格、图像和多模态数据，并引入多模态对比学习框架（MMCL）结合ResNet50图像特征与MLP表格特征	单中心研究且样本量有限，PEP发生率低导致类别不平衡，多模态模型性能较低	评估不同数据模态（表格、图像、多模态）在PEP风险预测中的有效性，并识别关键预测特征	ERCP术后胰腺炎（PEP）患者	机器学习、数字病理	胰腺炎	内镜成像	XGBoost、EfficientNet-B0、ResNet50、DenseNet201、多层感知机（MLP）、多模态对比学习框架	表格数据（临床数据）、图像数据（内镜图像）	回顾性单中心数据集，具体样本量未在摘要中提供	NA	XGBoost、EfficientNet-B0、ResNet50、DenseNet201、MLP、MMCL	AUC、灵敏度、F1分数、精确率	NA
205	2026-08-14	Artificial Intelligence in Early Breast Cancer Detection: A Systematic Review of Innovations in Preventive Women's Healthcare 2026-Jun-12, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14121674 PMID:42354532	系统综述	本文通过系统综述探讨人工智能在早期乳腺癌检测中的作用及其对预防性女性医疗保健的影响	该综述首次系统整合了2015年至2025年间AI在乳腺癌早期检测中的应用，特别关注其对高乳腺密度女性及患者管理的影响	仅纳入11项研究，样本量有限，且缺乏大规模临床验证和真实世界实施研究	评估AI在早期乳腺癌检测中的准确性、效率及其对预防性女性医疗保健的潜在益处	乳腺癌检测技术及相关女性患者	机器学习	乳腺癌	乳腺X线摄影、磁共振成像、超声	深度学习、机器学习	影像数据	约148,170名参与者	NA	NA	准确性、敏感性、特异性、效率	NA
206	2026-08-14	Infrared and Visible Image Fusion Network Based on Self-Compensating Lightweight Convolution 2026-Jun-12, Sensors (Basel, Switzerland) DOI:10.3390/s26123748 PMID:42356721	研究论文	提出一种基于自补偿轻量卷积的红外与可见光图像融合网络，旨在平衡融合性能与模型效率	设计了自补偿轻量卷积模块，显式解决轻量化设计中引入的特征退化问题，并引入渐进损失加权的分阶段训练策略	未提及	在减少模型参数的同时保持高质量的红外与可见光图像融合性能	红外与可见光图像	计算机视觉	不适用	深度学习	卷积神经网络	图像	未提及	未提及	LWC-DenseFuse	信息熵, 视觉保真度	未提及
207	2026-08-14	A Calibrated Deep Learning Framework Integrating Spatial Annotations and Clinical Metadata for Safe Three-Class Bone Lesion Classification on Radiographs 2026-Jun-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121811 PMID:42351470	研究论文	开发了一个结合空间标注和临床元数据的校准深度学习框架，用于在放射照片上进行安全的三分类骨病变分类	提出ROI引导的深度学习框架，结合临床元数据，并在分类中显式量化了概率校准，实现了临床上安全的错误模式	尚未在独立队列上进行外部验证	开发ROI引导的深度学习框架，整合临床元数据，用于三分类（正常、良性、恶性）骨病变分类，并评估其临床安全性	骨病变放射照片	计算机视觉、数字病理学	骨病变	放射照片	EfficientNetV2-S、多层感知机（MLP）	图像、临床元数据	3746张放射照片（1879正常、1525良性、342恶性）	PyTorch	EfficientNetV2-S、MLP	准确率、平衡准确率、宏F1分数、宏AUC、F1分数、校准指标	未提供
208	2026-08-14	Artificial Intelligence in Orofacial Pain: Diagnostic and Predictive Performance Across Machine Learning and Deep Learning Models 2026-Jun-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121801 PMID:42351460	综述	本文通过叙事性综述评估了人工智能在口面部疼痛诊断和预测中的表现，涵盖机器学习和深度学习模型	系统比较了AI在不同类型口面部疼痛（牙源性、肌肉骨骼、神经血管、神经病理性）中的诊断性能，并指出了各领域的优势和不足	缺乏验证，数据异质性大，临床转化受限	评估AI在口面部疼痛诊断、分类和预测中的性能，并探讨其临床应用的潜力	成人患者中的口面部疼痛，包括牙源性、非牙源性（肌肉骨骼、神经血管、神经病理性）疼痛	机器学习	口面部疼痛，包括偏头痛、颞下颌关节紊乱、牙源性疼痛和神经病理性疼痛	NA	机器学习模型和深度学习模型	临床数据、影像数据、信号和行为数据	20项研究	NA	NA	诊断性能指标（如准确性、敏感性、特异性等）	NA
209	2026-08-14	Interpretable Skin Cancer Identification Using a Hybrid Deep Learning and XAI Framework on HAM10000 2026-Jun-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060677 PMID:42351921	研究论文	提出一种结合深度学习与可解释人工智能的混合模型框架，用于皮肤病变分类，并在HAM10000数据集上进行系统评估	系统性地比较18种混合模型组合，并引入决策阈值校准和多种临床相关指标评估，同时利用XAI技术增强模型可解释性	未明确提及局限性，但可能受限于单一数据集（HAM10000）和特定模型组合	开发一个可复现的混合XAI模型选择框架，提高皮肤病变分类的准确性和临床可解释性	皮肤病变图像，来自HAM10000数据集	计算机视觉、数字病理学	皮肤癌	深度学习特征提取（使用预训练CNN）	CNN（DenseNet201、InceptionV3、EfficientNet-B4）结合经典分类器（SVM-RBF等）	图像	HAM10000数据集，具体样本数未提供	未明确提及	DenseNet201、InceptionV3、EfficientNet-B4、SVM-RBF	准确率、宏精确率、宏召回率、宏F1分数、ROC-AUC、精确率-召回率AUC、对数损失	未明确提及
210	2026-08-14	Spatial Biomarker Deep Learning Model Predicts Response to PI3K Inhibition in Head and Neck Cancer 2026-Jun-10, Cancers IF:4.5Q1 DOI:10.3390/cancers18121887 PMID:42352422	研究论文	利用深度学习模型从H&E染色全切片图像中提取空间生物标志物，预测头颈部鳞状细胞癌患者对PI3K抑制剂Buparlisib的治疗反应	首次将AI提取的空间特征（肿瘤浸润淋巴细胞密度、肿瘤微环境异质性、粒细胞分数）作为预测PI3K抑制剂疗效的生物标志物，且优于传统CD3免疫组化方法	基于回顾性临床试验数据分析，样本量有限（144例），需要前瞻性验证	评估AI提取的空间生物标志物能否预测R/M HNSCC患者接受buparlisib治疗的总生存获益	复发/转移性头颈部鳞状细胞癌患者	数字病理学	头颈部鳞状细胞癌	全切片H&E染色图像分析	深度学习模型	病理图像	144例具有可用H&E全切片图像的BERIL-1试验参与者	NA	NA	风险比（HR）、置信区间（CI）、p值	NA
211	2026-08-14	HistoMap: Reconstructing Spatially Resolved Single-Cell Profiles from Bulk RNA-Seq to Decipher the Immune-Excluded Microenvironment in Colon Cancer 2026-Jun-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27125259 PMID:42352990	研究论文	提出HistoMap，一种基于深度学习的框架，用于从批量RNA测序数据中重建空间分辨率的单细胞图谱，并分析结肠癌免疫排斥微环境	采用两阶段流程，先通过β变分自编码器重建高保真单细胞图谱，再利用组织学视觉Transformer结合转录组参考和H&E染色形态约束将细胞映射到组织坐标	摘要中未提及具体局限性	从批量RNA测序数据中重建单细胞空间分布，以理解肿瘤微环境中的免疫排斥机制	多种人类组织和14例结直肠癌病例	深度学习, 数字病理学	结肠癌	批量RNA测序, H&E染色	β变分自编码器, 视觉Transformer	基因表达数据, 组织图像	14例结直肠癌病例和多种人类组织	NA	β-VAE, H-ViT	皮尔逊相关系数	NA
212	2026-08-14	Digital Learning Competence and Learning Performance Among Chinese Higher Vocational College Students: A Dual-Path Moderated Mediation Model 2026-Jun-09, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16060952 PMID:42352785	研究论文	本研究基于Biggs的3P模型，探讨中国高职学生数字学习能力与学习表现之间的关系，并提出一个双路径有调节的中介模型。	将3P模型扩展到高职教育中的数字学习领域，区分了主动参与和规则式参与两种行为路径，并考察了师生互动和课程实用性的调节作用。	摘要中未提及研究的局限性。	探讨高职学生数字学习能力与学习表现之间的行为过程，并检验主动参与和规则式参与的中介作用以及师生互动和课程实用性的调节作用。	中国高职院校的学生。	教育技术	NA	调查问卷	层次回归模型，有调节的中介模型	调查数据	3693名中国高职学生	SPSS（用于层次回归和bootstrap分析）	有调节的中介模型	回归系数、中介效应、调节效应	未提及
213	2026-08-14	Artificial Intelligence in Spine Neuroimaging: Diagnostic and Prognostic Utility of Novel Biomarkers in Lower Back Pain 2026-Jun-09, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124447 PMID:42355615	综述	本文综述了人工智能在脊柱神经影像中的应用，特别是新型生物标志物在下背痛诊断和预后中的价值	区分了技术可行性、诊断辅助、预后关联和临床实用性，并强调了AI脊柱影像中持续存在的效能-效果差距	当前证据以技术和回顾性验证研究为主，缺乏前瞻性多中心验证和结果关联评估，数据集异构，外部验证有限，可解释性不完整，监管框架不断演变	综合AI在脊柱神经影像中用于LBP诊断和预后的影像生物标志物证据	下背痛患者的脊柱MRI和CT影像	医学影像分析	下背痛	MRI, CT	机器学习、深度学习、放射组学	影像	不适用	不适用	不适用	不适用	不适用
214	2026-08-14	Towards Fingerprint Mosaicking Artifact Detection: A Self-Supervised Deep Learning Approach 2026-Jun-09, Sensors (Basel, Switzerland) DOI:10.3390/s26123684 PMID:42356655	研究论文	本文提出一种基于自监督深度学习的方法，用于检测和评分指纹拼接过程中产生的硬性伪影，以提高指纹图像质量和生物识别系统的可靠性	首次解决无参考的指纹硬伪影检测问题，使用自监督学习框架在大规模未标记指纹数据上训练分割模型，消除了人工标注伪影的需求，并引入伪影评分以量化误差严重性	训练和评估依赖合成伪影，真实拼接失败案例仅提供定性比较，存在验证策略的局限性	开发一种无需人工注释的指纹拼接伪影检测与评分方法，以自动化评估指纹图像质量并提升生物识别系统性能	指纹拼接产生的硬伪影，涵盖接触式、非接触式、滚动和按压等多种指纹模态	计算机视觉, 数字病理学	不适用	自监督学习	分割模型（基于深度学习，具体架构未提及，可能为U-Net等）	图像（指纹图像）	大规模未标记指纹数据（具体数量未提及）	不适用（未提及具体框架）	分割模型（具体架构未提及，可能为U-Net）	分割性能（具体指标未提及，可能包括Dice系数、IoU等），以及自引入的伪影评分	未提及具体计算资源
215	2026-08-14	Quantitative 1H NMR in Pharmaceutical and Biomedical Analyses: Methodologies and Applications 2026-Jun-09, Molecules (Basel, Switzerland) DOI:10.3390/molecules31122010 PMID:42357409	综述	本文综述了定量1H NMR（qNMR）在药物和生物医学分析中的方法学基础及其广泛应用	总结了qNMR在无需分析物特异性标准品情况下同时提供结构和定量信息的能力，并探讨了超极化、量子力学谱分析、人工智能和深度学习等新兴技术对其的增强作用	未明确提及具体局限性，但可能包括灵敏度限制和复杂基质中的谱峰重叠问题	综述qNMR在药物和生物医学分析中的方法学原理和实际应用，并展望其未来发展方向	药物分析中的小分子、多糖、糖缀合物、合成聚合物和复杂草药，以及生物医学分析中的生物流体和组织中的代谢物	分析化学	不适用	核磁共振波谱（NMR）	不适用	谱图数据	不适用	不适用	不适用	不适用	不适用
216	2026-08-14	ACross-Paradigm CNN-Swin Transformer Ensemble with Super-Resolution Enhancement for Multi-Class Alzheimer's Disease Classification 2026-Jun-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060666 PMID:42351911	研究论文	本文提出了一种基于MRI的端到端深度学习框架，用于阿尔茨海默病多类别分类，结合超分辨率预处理和跨范式模型集成	创新性地结合Real-ESRGAN超分辨率增强与Swin Transformer和EfficientNet-B3/MobileNetV2的注意力集成，实现跨范式特征融合，提高分类性能	研究仅限于公开的MRI数据集，模型的泛化能力和临床适用性可能需要进一步验证	开发一种稳健的基于脑MRI的深度学习框架，用于阿尔茨海默病阶段的早期准确多类别分类	阿尔茨海默病患者的脑MRI图像	计算机视觉	阿尔茨海默病	MRI成像	Swin Transformer, EfficientNet, MobileNetV2, 集成学习	图像（2-D MRI切片）	公开的阿尔茨海默病MRI数据集（具体样本数量未在标题和摘要中明确给出）	未明确指定（可能使用PyTorch或TensorFlow）	Swin Transformer, EfficientNet-B3, MobileNetV2, Squeeze-and-Excitation, Real-ESRGAN	准确率	未明确指定
217	2026-08-14	Deep Learning-Based Intelligent Sorting of Potato Tubers and Mineral Impurities: System Development and Experimental Evaluation 2026-Jun-08, Foods (Basel, Switzerland) DOI:10.3390/foods15122070 PMID:42354041	研究论文	设计并开发了一种基于深度学习的智能分拣系统，用于马铃薯块茎与矿物杂质（土壤块和石头）的自动分拣，并通过实验评估其性能。	将注意力模块和动态模糊增强策略集成到YOLOv10n中，提出任务自适应检测模型YOLOv10n-PB，同时考虑检测性能、推理延迟稳定性、时空协调和气动剔除可靠性，而非仅关注检测精度。	未明确提及局限性，但可能需考虑实际应用中不同环境条件下的泛化能力。	提高采后马铃薯块茎分拣的效率、准确性和操作稳定性，并优化分拣参数以提升整体性能。	马铃薯块茎和矿物杂质（土壤块和石头）的检测与分拣。	计算机视觉	NA	深度学习目标检测	YOLOv10n-PB（基于YOLO的检测模型）	图像数据	未明确样本数量，但包含测试集和验证实验	PyTorch	YOLOv10n-PB（含PSA模块）	mAP@0.5, 分拣准确率, 矿物杂质去除准确率, 马铃薯误剔除率	NA（未提及具体硬件资源）
218	2026-08-14	Nondestructive Detection of Foreign Matter in Pu-erh Ripe Tea Based on Deep Learning 2026-Jun-08, Foods (Basel, Switzerland) DOI:10.3390/foods15122083 PMID:42354051	研究论文	本研究提出了一种基于深度学习的改进YOLOv13网络（AE-YOLOv13-S），用于普洱熟茶中异物的非破坏性检测，以提高检测精度和效率	引入了自适应稀疏自注意力网络优化主干网络，采用卷积模拟自注意力机制优化卷积模块，并引入基于尺度的动态损失函数，以解决小异物、严重遮挡和复杂背景下的检测问题	摘要中未明确提及局限性，可能包括模型复杂度增加或计算资源需求等未详细说明	实现普洱熟茶加工过程中异物的高效、准确检测，为茶叶加工中的智能质量控制和食品安全保障提供技术方案	普洱熟茶中的异物	计算机视觉	不适用	深度学习（目标检测）	YOLOv13（改进型网络）	图像	未明确说明（摘要中未提及具体样本数量）	未明确说明（可能使用PyTorch或类似框架）	AE-YOLOv13-S（基于YOLOv13，包含自适应稀疏自注意力网络和卷积模拟自注意力）	精确率、召回率、mAP@50、损失值（Box Loss、Cls Loss、DFL Loss）、FLOPs	未明确说明（仅提及FLOPs增加0.3 G）
219	2026-08-14	Electromechanical Impedance Data-Driven Metal Structural Tensile Stress Identification Using Generative Adversarial Networks 2026-Jun-08, Materials (Basel, Switzerland) DOI:10.3390/ma19122445 PMID:42355027	研究论文	本文提出一种基于生成对抗网络的机电阻抗数据增强方法，用于金属结构拉伸应力识别	创新性地提出EMA生成对抗网络（EMAGAN）进行数据增强，解决深度学习应力识别中数据量不足和质量低的问题	未明确提及局限性	利用EMAGAN增强EMA数据，提高基于深度学习的金属结构应力识别性能	铝梁试件，表面粘贴压电陶瓷传感器	机器学习	NA	机电阻抗/导纳（EMI/EMA）测量	生成对抗网络（GAN），一维卷积神经网络（1DCNN）	机电导纳数据	铝梁试件一个，使用两个PZT传感器监测	NA	生成对抗网络（GAN），一维卷积神经网络（1DCNN）	统计误差，应力识别精度	NA
220	2026-08-14	GeriAIGastroNet: AI-Assisted Gastrointestinal Polyp Segmentation and Severity-Based Triage for Tele-Gastroenterology in Underserved Geriatric Populations 2026-Jun-08, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124423 PMID:42355591	研究论文	提出一种名为GeriAIGastroNet的深度学习框架，用于在资源匮乏的环境中辅助胃肠道息肉分割和基于严重程度的分诊，以支持远程胃肠病学服务。	集成EfficientNet-B4骨干网络与多尺度注意力融合及老年严重程度感知分类头，实现自动化风险分层和结肠镜转诊分诊。	未明确指出局限性，但依赖单一的公开数据集（HyperKvasir），可能影响泛化性。	支持AI辅助的远程胃肠病学工作流程，实现老年患者息肉风险分层和结肠镜转诊分诊，尤其在医疗资源短缺地区。	胃肠道息肉的内窥镜图像。	数字病理学	结直肠癌	内窥镜成像	卷积神经网络（CNN）	图像	1000张标注的息肉图像（来自HyperKvasir数据集）	未指定	EfficientNet-B4, 多尺度注意力融合, U-Net, Attention U-Net, TransUNet, 混合CNN-Transformer	准确率, F1分数, Dice系数, 交并比（IoU）	未指定