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
2321	2026-03-06	Impact of Deep Learning-Based Time-of-Flight PET Images of Small Tumors Using a Human Anatomic Phantom 2026-Mar-04, Journal of nuclear medicine technology IF:1.0Q4 DOI:10.2967/jnmt.125.270450 PMID:41188046	研究论文	本研究使用人体解剖模型定量评估深度学习时间飞行PET成像对小肿瘤图像质量的影响	首次系统评估不同精度水平的深度学习时间飞行PET重建方法对小肿瘤图像质量的影响	研究基于人体模型而非真实患者数据，临床验证有限	评估深度学习时间飞行PET成像技术对小肿瘤图像质量的提升效果	人体胸腹部模型中的肺部和肝脏肿瘤	医学影像分析	肺癌, 肝癌	时间飞行PET成像, 深度学习图像重建	深度学习模型	PET/CT图像	人体模型扫描数据，包含6个采集时间点	NA	高精度深度学习模型	SUV, SUVmax, 形状指数图	NA
2322	2026-03-06	Machine Learning-Driven R&D of Perovskites and Spinels: From Traditional Models to Deep Learning 2026-Mar-04, Small methods IF:10.7Q1 DOI:10.1002/smtd.202502228 PMID:41778675	综述	本文综述了机器学习在钙钛矿和尖晶石材料研发中的应用，从传统机器学习模型到深度学习模型的演变	深入探讨了深度学习如何通过端到端特征提取克服传统机器学习的限制，并提出了整合贝叶斯学习和置信度感知建模以提高模型可靠性的前沿方法	指出高质量数据稀缺是核心挑战，并强调需要超越预测准确性，关注模型可靠性和鲁棒性	加速钙钛矿和尖晶石等战略材料的研发，通过机器学习范式提高研发效率和准确性	钙钛矿和尖晶石材料	机器学习	NA	机器学习，深度学习	传统机器学习模型，深度学习模型	多模态数据	NA	NA	NA	预测准确性，模型可靠性，鲁棒性	NA
2323	2026-03-06	PortInput: Enabling Always-available Micro-gesture Input with Pressure Array Sensor 2026-Mar-04, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2026.3670615 PMID:41779644	研究论文	本文介绍了一种基于压力阵列传感器的便携式微手势输入系统PortInput，通过深度学习模型识别14种微手势，并在AR头戴设备中验证其性能	开发了三种便携式原型（指套式、指戴式和表面式），利用压力阵列传感器实现环境无关的微手势交互，并提出了基于深度学习的识别模型	未明确说明样本规模或长期使用的耐久性测试，且仅与单一商业设备进行了比较	开发一种鲁棒、实时且环境无关的微手势输入系统，以提升增强现实和普适计算中的交互体验	微手势输入系统，包括压力阵列传感器原型和深度学习识别模型	人机交互	NA	压力阵列传感器，深度学习	深度学习模型	压力模式数据	NA	NA	NA	准确性，输入速度，感知工作量	NA
2324	2026-03-06	SASG-DA: Sparse-Aware Semantic-Guided Diffusion Augmentation For Myoelectric Gesture Recognition 2026-Mar-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3670388 PMID:41779657	研究论文	本文提出了一种基于扩散模型的数据增强方法SASG-DA，用于解决表面肌电信号手势识别中训练数据稀缺导致的过拟合和泛化能力差的问题	引入了语义表示引导机制以增强生成保真度，提出高斯建模语义采样策略以实现灵活多样的样本生成，并进一步引入稀疏感知语义采样策略以探索代表性不足的区域，从而提高分布覆盖和样本效用	NA	提高表面肌电信号手势识别的性能与泛化能力	表面肌电信号手势识别	机器学习	NA	表面肌电信号采集	扩散模型	表面肌电信号	Ninapro DB2、DB4和DB7基准数据集	NA	SASG-DA	NA	NA
2325	2026-03-06	Deep Learning-Based Vitiligo Activity Evaluation Using Wood's Lamp Imaging: A Clinical Decision Support 2026-Mar-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3670244 PMID:41779660	研究论文	本文提出了一种基于深度学习的端到端系统，利用伍德灯成像技术支持白癜风病灶的定位、纵向跟踪和活动性评估	首次将Mask R-CNN与t-SNE和VIDA评分结合，用于伍德灯成像下的白癜风病灶自动分割、色素状态分析和疾病活动性评估，并进行了纵向风险建模	未明确提及样本量的具体数字，且外部验证的性能可能受限于数据集的多样性和规模	开发自动化、定量的白癜风疾病监测和治疗评估工具，以支持临床决策	白癜风患者的伍德灯成像数据	计算机视觉	白癜风	伍德灯成像	CNN	图像	NA	NA	Mask R-CNN, U-Net, U-Net++, U2-Net, DeepLabV3	Dice系数, 平均交并比, 曲线下面积	NA
2326	2026-03-06	A Review on Automatic Personal Identification Using Panoramic Radiographs and Computed Tomography 2026-Mar-04, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2808-8851 PMID:41780547	综述	本文综述了基于全景X光片和计算机断层扫描的自动个人身份识别方法，评估其性能并探讨在法医和临床中的应用潜力	系统梳理了2018年以来基于放射影像的自动个人身份识别技术，特别比较了基于描述符的计算机视觉与深度学习方法在不同影像类型（如PR和CT）中的应用	研究设计、数据集大小和方法学存在异质性，且深度学习方法仍需进一步验证；大规模标准化参考数据库和自动化流程的开发仍是关键挑战	评估基于放射影像的自动个人身份识别技术在法医和临床环境中的应用现状与潜力	全景X光片和计算机断层扫描影像	计算机视觉	NA	全景X光片、计算机断层扫描	深度学习	图像	32项研究（涉及PR和CT影像数据集）	NA	NA	NA	NA
2327	2026-03-06	Research and implementation of intelligent clothing personalized customization system based on deep learning 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40436-3 PMID:41781421	研究论文	本研究提出了一种基于深度学习的智能服装个性化定制系统，集成了身体测量、风格偏好学习、虚拟试穿和设计推荐等核心模块	提出了一种新颖的CNN-Transformer-GAN混合架构，专门针对个性化服装设计任务进行优化，在测量精度和可视化质量方面显著优于现有方法	未明确说明系统对不同体型、年龄和文化的适用性限制，也未讨论长期使用中的算法稳定性问题	开发一个智能化的服装个性化定制系统，通过人工智能技术提升服装定制效率和用户满意度	服装个性化定制系统及其用户	计算机视觉	NA	深度学习	CNN, Transformer, GAN	图像数据（身体测量）、用户偏好数据	120名参与者的单盲用户研究 + 250名用户的大规模部署测试	未明确指定（可能为PyTorch或TensorFlow）	CNN-Transformer-GAN混合架构	平均绝对误差（MAE）、准确率、响应时间、用户满意度评分	NA
2328	2026-03-06	Interpretable ESG-sentiment hybrid deep learning for asset return forecasting with quantified interactions and latency-aware deployment 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41985-3 PMID:41781523	研究论文	本文提出了一种可解释的混合深度学习框架，用于结合ESG评分和新闻情感信号进行资产回报预测	引入了一种结合Temporal Fusion Transformer与轻量级SVR残差校正器的可解释混合框架，并采用门控机制动态融合ESG特征与基于方面的金融情感分析	研究主要聚焦于美国大型科技股、全球主要指数及加密货币，可能在其他资产类别或市场中的普适性有待验证	开发一个可解释的混合深度学习框架，以准确预测资产回报，并量化ESG与情感信号间的相互作用	美国大型科技股、全球主要指数、比特币和以太坊	机器学习	NA	基于方面的情感分析、时间序列预测	Temporal Fusion Transformer, Support Vector Regression, BiLSTM	时间序列数据、文本数据	2020年至2024年的日度交易数据，采用滚动窗口训练（252个交易日训练/10个交易日测试）	TensorFlow, PyTorch, Scikit-learn	Temporal Fusion Transformer, FinBERT	平均绝对误差, 均方根误差, 方向准确性, 信息系数, 信息系数比率, 风险调整后绩效, 最大回撤	未明确指定GPU类型，但提及了延迟优化和推理时间减少
2329	2026-03-06	Deep learning for vessel segmentation and flow analysis to identify clusters associated with adverse outcomes in a fontan patient registry 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40738-6 PMID:41781549	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2330	2026-03-06	Deep learning-enabled ECG system for detecting left ventricular hypertrophy and predicting cardiovascular prognoses 2026-Mar-04, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00536-2 PMID:41781965	研究论文	本研究开发了一种基于深度学习的AI-ECG系统，用于检测左心室肥厚并预测心血管预后	开发了一种新型AI-ECG-LVH模型，相比传统手动ECG标准，在LVH检测和心血管风险分层方面提供了更敏感、更便捷的非侵入性方法	研究主要基于两家医院的数据，外部验证仅在一家医院进行，模型在不同人群和医疗环境中的普适性有待进一步验证	开发深度学习心电图系统以检测左心室肥厚并评估其与心血管预后的关联	左心室肥厚患者及心血管疾病风险人群	数字病理学	心血管疾病	心电图，超声心动图	深度学习模型	心电图信号，超声心动图数据	总计46,007名患者（医院A：40,736名；医院B：6,271名）	NA	NA	AUC，风险比	NA
2331	2026-03-06	Artificial Intelligence in Mammography Screening: A Narrative Review of Progress, Pitfalls, and Potential 2026-Mar-04, The British journal of radiology DOI:10.1093/bjr/tqag053 PMID:41782331	综述	本文是一篇关于人工智能在乳腺X线摄影筛查中应用、进展、挑战与潜力的叙述性综述	综述了人工智能在乳腺X线摄影筛查中的当前和新兴应用，包括基于图像的癌症检测、风险预测和工作流程优化，并关注了技术基础、性能指标和临床效用	算法在不同人群中的泛化能力有限，存在校准和读者响应行为问题，以及监管、伦理和法律障碍	探讨人工智能在乳腺X线摄影筛查中的应用进展、挑战与未来潜力	乳腺X线摄影筛查	医学影像	乳腺癌	深度学习	NA	图像	NA	NA	NA	NA	NA
2332	2026-03-06	Wire-form shape memory alloy actuators: modeling, design, and control 2026-Mar-03, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-026-01161-z PMID:41771841	综述	本文对线状形状记忆合金（WF-SMA）驱动器进行了全面系统的评估，涵盖其建模方法、典型结构、控制策略及多领域前沿应用	系统性地整合了WF-SMA驱动器的建模、设计与控制，并提出了融合微纳制造、柔性电子与多功能材料的未来发展方向，以及集成建模-设计-控制框架与深度学习应用的新研究路径	NA	评估线状形状记忆合金驱动器的技术现状、挑战与未来发展方向	线状形状记忆合金驱动器	机器学习	NA	微纳制造技术，柔性电子技术	神经网络	NA	NA	NA	NA	NA	NA
2333	2026-03-06	A scoping review of radiation dose and image quality in paediatric CT: Towards safe imaging protocols and diagnostic reference levels in Jordan 2026-Mar-03, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2026.102207 PMID:41780085	综述	本文系统回顾了国际儿科CT诊断参考水平（DRLs）的证据，评估了约旦当前的辐射剂量实践，并提出了建立国家DRLs和优化成像协议的建议	首次针对约旦儿科CT的辐射剂量和图像质量进行范围综述，强调该国缺乏国家DRLs并提出了具体改进措施	研究基于文献综述，可能未涵盖所有地区的最新实践，且约旦本地数据有限	评估儿科CT辐射剂量实践，推动约旦建立国家诊断参考水平和安全成像协议	儿科患者CT扫描的辐射剂量和图像质量	医学影像	NA	CT扫描，深度学习图像重建（DLIR）	NA	文献数据，辐射剂量指标（如CTDIvol, DLP）	28项研究	NA	NA	辐射剂量降低百分比（20-50%）	NA
2334	2026-03-06	Minimum Clinically Achievable Dose for Detecting Liver Lesions Using Deep Learning Image Reconstruction: A Phantom and Patient Study 2026-Mar-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.022 PMID:41781262	研究论文	本研究通过体模和前瞻性患者研究，评估了深度学习图像重建在超低剂量下检测肝脏局灶性病变的性能	首次系统评估深度学习图像重建在约4.5 mGy超低剂量下对肝脏局灶性病变的检测性能，并与标准剂量下的自适应统计迭代重建进行比较	单中心研究，样本量有限，且参考标准包括多种影像学方法而非单一金标准	探究深度学习图像重建在超低剂量CT扫描中检测肝脏局灶性病变的可行性与性能	肝脏局灶性病变	医学影像分析	肝脏疾病	CT扫描，深度学习图像重建	深度学习模型	CT图像	84名参与者，共识别71个肝脏局灶性病变	NA	NA	图像噪声，信噪比，对比噪声比，噪声功率谱峰值，可检测性指数，图像质量评分，检测率，敏感性，特异性	NA
2335	2026-03-06	Diagnostic accuracy of convolutional neural network algorithms to distinguish gastrointestinal obstruction on conventional radiographs in a pediatric population 2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.242950 PMID:40018794	研究论文	本研究旨在利用卷积神经网络模型，通过腹部X光片区分儿科患者的正常肠道气体分布、胃肠道扩张或梗阻，并进一步区分需要手术的梗阻与其他扩张或肠梗阻	首次针对儿科人群，利用CNN模型评估胃肠道梗阻的鉴别诊断，并区分需要手术的梗阻与其他扩张，填补了该领域在儿科应用中的空白	研究样本量相对有限（正常540例，手术纠正扩张298例，炎症/感染性扩张314例），且数据来源于单一机构，可能影响模型的泛化能力	开发一个高精度的深度学习决策支持系统，用于急诊科儿科胃肠道梗阻的快速鉴别诊断	儿科患者的腹部X光片，包括正常、手术纠正扩张和炎症/感染性扩张三类	计算机视觉	胃肠道疾病	腹部X光成像	CNN	图像	正常540例，手术纠正扩张298例，炎症/感染性扩张314例，总计1152例腹部X光片	NA	ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge	准确率	NA
2336	2026-03-06	Magnetic resonance imaging-based artificial intelligence model predicts neoadjuvant therapy response in triple-negative breast cancer 2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253376 PMID:41140117	研究论文	本研究开发了一种基于深度学习的AI模型，利用治疗前磁共振成像（MRI）预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解	首次利用治疗前多序列MRI数据，通过残差卷积神经网络模型预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解	研究为回顾性、双中心设计，样本量较小（43名患者，49个病灶），未来需要更大数据集和更多成像模态来提高模型的泛化性和临床适用性	开发AI模型以预测三阴性乳腺癌患者对新辅助化疗的治疗反应，辅助临床决策	三阴性乳腺癌患者	数字病理学	乳腺癌	磁共振成像（MRI），包括T2加权、T1加权和扩散加权成像	CNN	图像	43名患者的49个病灶	NA	残差卷积神经网络	准确率, AUC, Dice相似系数	NA
2337	2026-03-06	Single capture quantitative oblique back-illumination microscopy 2026-Mar-02, Npj imaging DOI:10.1038/s44303-026-00147-w PMID:41772037	研究论文	提出一种基于深度学习的单次捕获定量斜背照明显微镜技术，用于无标记、三维定量相位成像	通过深度学习模型从单次斜背照明捕获中准确重建相位信息，显著提升了成像速度并降低了系统复杂性	未明确说明深度学习模型在极端样本条件下的泛化能力或计算效率限制	开发一种高速、简化的定量相位成像技术，用于动态实时生物医学成像	任意厚度的生物样本（如小鼠大脑、人类手臂）	计算显微成像	NA	定量斜背照明显微镜	深度学习模型	显微图像	多种生物样本（未明确具体数量）	NA	NA	相位成像精度（与传统四捕获方法对比）	NA
2338	2026-03-06	Evaluation of a Community-Based AI-Assisted Visual Impairment Screening Model for Performance, Operational Efficiency, Acceptability, Feasibility, and Costs: Protocol for a 2-Arm Pragmatic Randomized Controlled Trial 2026-Mar-02, JMIR research protocols IF:1.4Q3 DOI:10.2196/74164 PMID:41773693	研究论文	本研究旨在通过一项双臂实用性随机对照试验，评估基于社区的AI辅助视力障碍筛查模型在转诊准确性、操作效率、可接受性、可行性和成本方面的表现	首次在真实世界环境中，通过随机对照试验直接比较AI辅助筛查路径与传统筛查路径，并综合评估其临床效用、可接受性、可行性和成本效益	研究结果尚未得出，目前仅提供了研究方案和初步招募数据，缺乏最终的性能比较和成本分析结果	评估AI辅助视力障碍筛查模型在真实社区环境中的性能、操作效率、可接受性、可行性和成本，并与传统筛查模型进行比较	新加坡50岁及以上、视力低于6/12的社区居民	数字病理学	视力障碍	视网膜成像	深度学习模型	视网膜图像	计划招募1000名参与者，截至2024年9月14日已招募487名	NA	NA	转诊准确性，操作效率，可接受性，可行性，成本，曲线下面积	NA
2339	2026-03-06	Deep-learning-based prediction of significant portal hypertension with single cross-sectional non-enhanced CT 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12010-4 PMID:40981991	研究论文	本研究开发了一种基于深度学习的方法，利用单张非增强CT图像预测临床显著门静脉高压	首次提出基于单张非增强CT横断面图像的深度学习模型来预测CSPH，并比较了四个不同感兴趣区域图像以确定最适合检测CSPH的位置	研究样本量相对有限（421名患者），且为单中心回顾性研究，可能影响模型的泛化能力	建立预测临床显著门静脉高压的深度学习模型，并比较不同CT图像位置对预测性能的影响	慢性肝病患者	数字病理学	慢性肝病	非增强CT成像	CNN	图像	421名患者	NA	卷积神经网络与多层感知机分类器	AUC, 敏感性, 特异性, Youden指数	NA
2340	2026-03-06	MRI-based habitat analysis for pathologic response prediction after neoadjuvant chemoradiotherapy in rectal cancer: a multicenter study 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11997-0 PMID:40981989	研究论文	本研究通过MRI影像进行栖息地分析，预测直肠癌患者新辅助放化疗后的病理反应	结合深度学习自动分割、简单线性迭代聚类划分肿瘤亚区，并融合临床因素、影像组学特征及瘤内异质性特征构建预测模型	未在融合模型与瘤内异质性模型之间检测到显著性能差异	评估基于MRI的栖息地分析在预测直肠癌患者新辅助放化疗后病理反应中的价值	直肠癌患者	数字病理学	直肠癌	MRI, 深度学习, 简单线性迭代聚类, 影像组学	深度学习模型	MRI图像	1021名直肠癌患者，分为训练测试集（319例）、内部验证集（317例）及两个外部验证集（158例和227例）	NA	NA	AUC, Delong检验, 疾病无进展生存期	NA