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
2201	2026-04-05	AI in Ophthalmology: A Bibliometric Analysis of Retinal Imaging Innovations and Global Research Collaboration 2026-Apr-01, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105458 PMID:41932561	研究论文	本文通过文献计量学分析，探讨了人工智能在眼科视网膜成像领域的创新应用及全球研究合作动态	首次对人工智能在眼科领域的文献进行了全面的文献计量和科学图谱分析，揭示了研究趋势、合作网络及主题演变	研究存在现实世界临床整合不足、监管框架缺失以及低资源地区代表性有限等缺口	阐明人工智能在眼科应用中的知识图谱、主题演变及合作动态	人工智能在眼科视网膜疾病诊断与管理中的研究文献	计算机视觉	糖尿病视网膜病变	光学相干断层扫描	深度学习	图像	NA	NA	NA	NA	NA
2202	2026-04-05	Beam-hardening correction in clinical x-ray dark-field chest radiography using deep-learning-based bone segmentation 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70422 PMID:41933281	研究论文	本文提出了一种基于深度学习的骨分割方法，用于校正临床X射线暗场胸部摄影中的束硬化伪影	结合深度学习骨分割与基于双能CT数据的衰减贡献掩模，首次在临床暗场胸部摄影中实现束硬化校正，减少骨诱导伪影	骨分割网络训练数据规模有限（肋骨196例、锁骨56例），且方法依赖双能CT数据生成衰减贡献掩模，可能限制其普适性	通过抑制束硬化引起的伪影，提高临床暗场胸部摄影的可靠性	暗场胸部X射线图像（来自慢性阻塞性肺疾病、COVID-19患者及健康人群）及双能CT扫描数据	医学影像处理	肺部疾病	Talbot-Lau干涉仪X射线暗场成像、双能CT	深度学习分割网络	X射线图像（衰减与暗场图像）、CT扫描数据	肋骨分割训练196例、验证49例；锁骨分割训练56例、验证12例、测试12例；应用174例暗场胸部图像（51例慢阻肺、86例COVID-19、37例健康）及2例患者光谱CT	未明确说明（推测为PyTorch或TensorFlow）	未明确指定具体架构（如U-Net等）	视觉评估、定量一致性分析	未明确说明
2203	2026-04-05	Comparing deep learning stroke segmentation in NCCT, CTA, and CTP: Accuracy, domain transfer, and temporal sampling effect 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70419 PMID:41933279	研究论文	本研究评估并比较了NCCT、CTA、mCTA和CTP图像在基于深度学习的卒中病灶分割中的效果，重点关注模型在不同临床站点间的可迁移性以及CTP时间点选择的影响	首次系统比较了多种CT成像类型（NCCT、CTA、mCTA、CTP）在深度学习卒中分割中的性能，并深入研究了跨站点模型迁移性和CTP时间序列采样策略的影响	研究样本量有限（91例患者），且仅涉及两个临床站点；CTP时间采样策略未显示出明确趋势，结果受梗死大小和时间场景影响	评估不同CT成像模态对深度学习卒中病灶分割的适用性，指导临床环境中成像模态的选择，并探索模型的跨站点泛化能力	卒中患者的脑部CT图像，包括非增强CT、CT血管造影、多期相CTA和CT灌注图像	医学图像分析	卒中	CT成像（NCCT、CTA、mCTA、CTP）	深度学习	医学图像	91例卒中患者（主要站点）和166例卒中患者（第二站点）	nnU-Net	nnU-Net	改良Dice系数	NA
2204	2026-04-05	Performance benchmarking of deep learning models for real-time median nerve segmentation and cross-sectional area measurement in ultrasound imaging 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70414 PMID:41933401	研究论文	本研究开发了一种轻量级深度学习模型MNSeg-Net，用于超声图像中正中神经的实时分割和横截面积测量，以辅助腕管综合征的诊断和手术规划	提出了一种新颖的轻量级多尺度特征融合网络MNSeg-Net，仅含2.46M参数，在保持与大型模型相当性能的同时实现实时处理，并成功部署于临床实时设置	研究样本量相对有限（100名受试者），且主要聚焦于腕管综合征，未广泛验证于其他神经卡压综合征	开发一种准确的深度学习分割方法，用于测量正中神经的横截面积，以促进神经卡压综合征（尤其是腕管综合征）的诊断和手术规划	正中神经在超声图像中的分割和横截面积测量	计算机视觉	腕管综合征	超声成像	CNN	图像	100名受试者，共30000帧超声图像	NA	MNSeg-Net, UNet, UNet++, U2Net	Dice相似系数, 横截面积差异, Hausdorff距离	配备GPU的系统, Av.io HD Epiphan帧抓取器
2205	2026-04-05	Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data 2026-Mar-31, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15772 PMID:41861271	研究论文	本文提出了一种基于深度学习的框架DeepMAP，用于利用地球静止卫星数据同时预测多种空气污染物，以量化人类共暴露水平	开发了首个能够同时预测六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）每小时浓度的高分辨率深度学习框架，并引入了新的共暴露指数来识别污染物贡献差异	未明确说明模型在极端天气条件或长期气候变化情景下的泛化能力，也未讨论卫星数据质量波动对预测精度的影响	建立高分辨率多污染物同时预测框架，量化人类共暴露水平，评估污染物混合的健康影响	六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）在东亚地区的时空分布	机器学习	NA	地球静止卫星观测	深度学习	卫星遥感数据、地面监测数据	未明确说明具体样本数量，但覆盖东亚地区2021年3月的高时间分辨率数据	未明确说明	未明确说明具体架构，仅提及深度学习框架	归一化均方根误差（nRMSE）	NA
2206	2026-04-05	Anxiety detection using neural and physiological signals and artificial intelligence: A comprehensive review 2026-Mar-31, Neuroscience and biobehavioral reviews IF:7.5Q1 DOI:10.1016/j.neubiorev.2026.106669 PMID:41933676	综述	本文全面综述了利用神经生理信号（如EEG、ECG、PPG、EDA）和人工智能技术进行焦虑检测的研究进展	提供了2015-2025年间该领域的系统性综述，指出了从传统机器学习到端到端深度学习，再到混合模型（如CNN-LSTM）和Transformer架构的演变趋势，并强调了多模态数据整合的优势	现有研究依赖狭窄的、实验室训练的数据集，缺乏标准化的验证程序，复杂模型透明度有限，这些因素共同阻碍了临床转化	评估人工智能（特别是机器学习和深度学习）在利用神经和生理信号客观、连续监测焦虑障碍方面的应用，并推动临床有效的数字心理健康技术发展	焦虑障碍	机器学习	焦虑症	脑电图（EEG）、心电图（ECG）、光电容积脉搏波描记法（PPG）、皮肤电活动（EDA）	CNN, LSTM, Transformer, 混合模型（如CNN-LSTM）	神经信号, 生理信号	NA	NA	CNN-LSTM, Transformer	准确率	NA
2207	2026-04-05	CTRNet: a lightweight and efficient deep learning model for field maize whorl identification 2026-03-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45727-3 PMID:41912746	研究论文	本文提出了一种名为CTRNet的轻量高效深度学习模型，用于田间玉米喇叭口期的玉米心叶识别	通过多尺度上下文交互模块、双通道细粒度特征增强模块、门控自适应信息融合模块以及自适应通道边缘注意力机制，增强了小目标在遮挡和复杂背景下的特征表示	NA	解决田间环境下玉米心叶因目标极小、叶片遮挡频繁、背景复杂及光照动态变化而导致的准确检测难题	田间玉米喇叭口期的玉米心叶	计算机视觉	NA	NA	CNN	图像	NA	NA	CTRNet	mAP@0.5	NA
2208	2026-04-01	Deep learning-based detection of bowel sound events in continuous recordings 2026-03-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47018-3 PMID:41912873	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2209	2026-04-01	Deep learning for incidence rate prediction and radiation risk assessment of solid tumors 2026-03-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46756-8 PMID:41912895	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2210	2026-04-05	Training instabilities favor flatter solutions in gradient descent 2026-Mar-23, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108874 PMID:41932126	研究论文	本文探讨了梯度下降训练中的不稳定性如何通过隐式偏好驱动参数向损失函数的平坦区域移动，从而提升泛化性能	揭示了训练不稳定性通过特征向量旋转极性机制促进平坦解，并扩展了该理论至随机梯度下降和Adam优化器	理论分析主要基于梯度下降框架，实际深度网络中的复杂动态可能需要进一步验证	研究梯度下降训练不稳定性对深度学习模型泛化能力的影响机制	梯度下降优化过程中的训练动态与损失函数景观	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
2211	2026-04-05	GCN combined with snake convolution for enhanced topological perception in thrombotic hepatic portal vein segmentation 2026-Mar-21, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104050 PMID:41932133	研究论文	提出了一种名为SnakeGCN的创新3D分割模型，用于解决肝硬化背景下门静脉血栓导致的血管分割挑战	结合3D蛇形卷积模块与图卷积网络（GCN），并引入关系损失（TLoss），以增强对血管网络全局拓扑结构的感知并处理血管缺失段	NA	实现肝硬化并发症中门静脉的精确分割，以进行定量评估	门静脉血管网络	数字病理学	肝硬化	NA	CNN, GCN	3D图像	多中心临床数据集及两个公共数据集（MSD-HepaticVessel和3D-IRCADb）	NA	nnU-Net, SnakeGCN	Dice分数, 连通分量（CC）值	NA
2212	2026-04-05	Identifying microbial protease allergens through protein language model-guided homology 2026-Mar-18, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101510 PMID:41722567	研究论文	本研究利用深度学习与预训练蛋白质语言模型，从宏基因组数据中识别微生物丝氨酸蛋白酶过敏原	首次将蛋白质语言模型与深度学习框架结合，通过保守催化三联体识别低序列同源性的过敏原同源物，突破了传统方法的局限	方法依赖于预训练蛋白质语言模型的表征能力，且实验验证仅针对部分预测结果	开发计算框架以发现微生物来源的新型蛋白酶过敏原	肠道、皮肤和口腔微生物组中的丝氨酸蛋白酶与半胱氨酸蛋白酶	生物信息学, 机器学习	过敏性疾病	宏基因组学, 深度学习, 蛋白质语言模型	深度学习框架, 蛋白质语言模型	蛋白质序列数据, 宏基因组数据	NA	NA	蛋白质语言模型引导的深度学习框架	实验验证（免疫诱导过敏反应）	NA
2213	2026-04-05	Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults Using Source-Free Domain Adaptation: Algorithm Development and Validation 2026-Mar-18, JMIR aging IF:5.0Q1 DOI:10.2196/79123 PMID:41848218	研究论文	本研究开发并验证了一种基于源自由域适应的算法，用于预测老年人对计算机化认知训练项目的依从性	首次应用源自由域适应技术预测老年人对认知训练项目的日常依从性，解决了数据隐私限制下的模型训练问题	研究依赖于三个先前进行的认知训练干预研究数据，样本来源可能有限	提高预测老年人认知训练项目依从模式的准确性，以开发个性化支持系统促进依从性和改善认知结果	参与计算机化认知训练项目的老年人	机器学习	老年疾病	源自由域适应	深度神经网络	训练数据	来自三个先前认知训练干预研究的数据	NA	NA	NA	NA
2214	2026-03-18	Uncertainty-aware automated labeling of intracranial arteries using deep learning 2026-Mar-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02276-5 PMID:41840364	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2215	2026-04-05	Assessing the influence of kernel selection on chest computed tomography image quality across varying dose levels using TrueFidelity reconstruction 2026-Mar-13, Radiation protection dosimetry IF:0.8Q4 DOI:10.1093/rpd/ncaf143 PMID:41821439	研究论文	本研究评估了在不同剂量水平下，使用TrueFidelity重建算法时，不同重建核（Standard核与Lung核）对胸部CT图像质量的影响	首次系统比较了TrueFidelity深度学习重建算法中新增的Lung核与传统Standard核在常规剂量与超低剂量胸部CT中的图像质量差异	样本量较小（25例患者），超低剂量协议中未发现统计学显著差异，且超低剂量图像在肺气肿评估中常被评为不可接受	评估深度学习图像重建算法中不同重建核对胸部CT图像质量的影响	胸部CT扫描图像	医学影像分析	肺部疾病	深度学习图像重建（DLIR）、CT扫描	深度学习神经网络	CT图像	25例患者	TrueFidelity（GE Healthcare商用软件）	NA	视觉分级特征曲线下面积（AUCVGC）	NA
2216	2026-04-05	From digital chest tomosynthesis to 3D CT 2026-Mar-13, Radiation protection dosimetry IF:0.8Q4 DOI:10.1093/rpd/ncaf162 PMID:41821455	研究论文	本研究提出了一种基于深度学习的框架，从数字胸部断层合成的小块投影数据重建矢状CT切片，以降低计算资源需求	通过将体素分割为空气、软组织或骨骼类别，而非预测连续的HU值，实现了更高效的低资源断层合成体积成像方法	方法在重建精细细节方面存在困难，目前尚不适合临床部署	开发一种计算效率更高的方法，从有限角度投影数据重建3D CT图像	数字胸部断层合成的投影数据	计算机视觉	NA	数字胸部断层合成	深度学习	图像	NA	NA	NA	一致性	NA
2217	2026-04-05	Improving visibility of small anatomical details on low and ultra-low dose computed tomography with artificial intelligence-based image reconstructions 2026-Mar-13, Radiation protection dosimetry IF:0.8Q4 DOI:10.1093/rpd/ncaf171 PMID:41821465	研究论文	评估人工智能图像重建技术在不同辐射剂量水平下对胸部CT图像诊断质量的影响	首次在超低剂量CT中比较深度学习图像重建（DLIR-H）与传统重建方法（ASiR-V和FBP）对解剖细节可见度的提升效果	研究仅使用体模和离体肺标本，缺乏真实患者数据的验证	探究AI图像重建技术在低剂量CT中提升诊断图像质量的潜力	PBU-50人体模型和风干人体肺标本	医学影像分析	肺部疾病	CT扫描	深度学习图像重建	CT图像	1个体模和1个肺标本在6个剂量水平下扫描	NA	DLIR-H	解剖再现、噪声、伪影、诊断质量评分	NA
2218	2026-04-05	A web-based deep learning cascade for automated detection and quantification of marginal bone loss 2026-Mar-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07962-y PMID:41792690	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2219	2026-04-05	DeepTESite: The Prediction of Protein Arginine Methylation Sites Using Amino Acids Sequence Symmetric Position Encodings Based on Transformer Encoder 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3650228 PMID:41477806	研究论文	本文提出了一种基于Transformer编码器的DeepTESite模型，用于预测蛋白质精氨酸甲基化位点，通过引入氨基酸序列对称位置编码和双向多头注意力机制来提高预测准确性和计算效率	首次提出基于甲基化对称假说的氨基酸序列对称位置编码，以减少位置编码计算量，并应用双向多头注意力机制来提取序列和空间信息特征	未明确提及模型在更广泛蛋白质序列或不同甲基化类型上的泛化能力限制	预测蛋白质精氨酸甲基化位点，以揭示甲基化分子机制	蛋白质氨基酸序列	自然语言处理	NA	深度学习	Transformer	序列数据	NA	NA	Transformer编码器	准确率	NA
2220	2026-04-05	Classification of Alzheimer's Disease by Modeling Brain Networks as Signed Networks Under Deep Learning Frameworks 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3655150 PMID:41553900	研究论文	本文提出了一种通过构建带符号的脑网络模型并利用带符号图神经网络技术来预测和分析阿尔茨海默病的新方法	将脑网络建模为包含正负相关性的带符号图，以更有效地捕捉脑区间的细微交互，并利用带符号图神经网络技术显著提升预测准确性	未明确提及研究的局限性	预测和分析阿尔茨海默病，提高其诊断准确性	阿尔茨海默病患者（通过脑网络数据建模）	机器学习	阿尔茨海默病	脑网络建模，带符号图神经网络	图卷积网络（GCN）及其变体	脑网络数据（建模为带符号图）	NA	NA	图卷积网络（GCN）及其变体	诊断精度（提升至少19%）	NA