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
2401	2026-01-14	End-to-end deep learning framework for automated angle estimation in hallux valgus from full-field weight-bearing radiographs 2026-Jan-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02150-4 PMID:41527051	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2402	2026-01-14	Artificial Intelligence in Coronary Computed Tomography: Current Applications, Future Potentials, and Real-world Challenges 2026-Jan-13, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000873 PMID:41527165	综述	本文综述了人工智能在冠状动脉计算机断层扫描（CT）中的当前应用、未来潜力以及现实挑战	系统性地总结了AI在心脏CT成像全流程（从图像采集、重建到分析）中的创新应用，并前瞻性地探讨了生成式AI、大语言模型和数字孪生等前沿技术在心血管精准医疗中的革命性潜力	面临数据多样性与标准化不足、模型可解释性有限以及监管审批流程复杂等挑战，阻碍了AI技术在临床实践中的全面整合	探讨人工智能技术如何提升冠状动脉CT成像的诊断准确性、优化临床工作流程，并推动心血管疾病的精准医疗	冠状动脉计算机断层扫描（CT）成像数据及相关临床信息	医学影像分析	心血管疾病	计算机断层扫描（CT）、深度学习重建（DLR）、放射组学	深度学习、机器学习、生成式AI、大语言模型（LLMs）	医学影像（CT图像）、临床数据、实验室数据	NA	NA	NA	NA	NA
2403	2026-01-14	Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12264-y PMID:41528473	研究论文	本研究开发了一种基于腹部X光片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）I期的早期诊断	首次将基于DenseNet121提取的深度学习特征与放射组学模型结合，应用于新生儿NEC I期的早期诊断，并在外部验证中证明其诊断性能优于人类专家	这是一项回顾性研究，需要前瞻性研究进一步验证；样本量相对有限；模型性能可能受图像质量和采集参数影响	探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）I期早期诊断中的应用价值	接受腹部X光检查的新生儿	数字病理学	坏死性小肠结肠炎	腹部X光摄影	CNN	图像	680名新生儿（来自两个中心，训练队列380例，外部验证队列300例）	NA	DenseNet121	AUC	NA
2404	2026-01-14	Deep learning-based automatic measurement of the femoral head ossification center in healthy Korean children: development of a novel radiographic growth chart 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12263-z PMID:41528475	研究论文	本研究开发并验证了一种基于深度学习的算法，用于自动测量韩国健康儿童股骨头骨化中心的大小，并建立了AI衍生的生长图表	首次提出了一种三阶段深度学习算法来自动测量股骨头骨化中心大小，并基于AI测量建立了标准化的生长图表，为儿科髋关节发育评估提供了客观参考	研究为回顾性设计，样本仅来自韩国儿童，可能限制了结果的普适性；未在外部数据集上进行验证	开发自动测量股骨头骨化中心大小的深度学习算法，并建立AI衍生的生长图表以标准化儿科髋关节发育评估	1705名韩国健康儿童（平均年龄5.1±3.3岁，841名女性，864名男性）的骨盆前后位X光片	计算机视觉	儿科髋关节发育	深度学习，X光成像	深度学习算法	X光图像	1705名健康韩国儿童（841名女性，864名男性）的骨盆前后位X光片	NA	三阶段深度学习算法（感兴趣区域检测、股骨头骨化中心分割、基于标志点的大小计算）	一致性相关系数, Pearson相关系数, 平均绝对误差, 均方根误差, Bland-Altman分析, 调整R²	NA
2405	2026-01-14	Web-based AI application for enhanced dental disease diagnosis using advanced object detection integrated with transformer-based attention mechanism 2026-Jan-13, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00886-3 PMID:41528683	研究论文	本研究开发了一种基于YOLOv11-TAM模型的Web AI应用，用于从全景X射线图像中自动检测和诊断牙科疾病	提出了一种集成Transformer注意力机制的YOLOv11-TAM模型，并结合了C3k2块和SPPF层等架构创新，以提高特征提取和定位精度	在诊断龋齿方面仍存在挑战，主要由于类别不平衡问题	通过自动化检测和诊断牙科疾病，提高牙科诊断的准确性、效率和可及性	全景X射线图像中的牙科疾病，包括龋齿、深龋、阻生牙和根尖周病变	计算机视觉	牙科疾病	全景X射线成像	CNN, Transformer	图像	705张带注释的全景X射线图像	NA	YOLOv11-TAM, C3k2, SPPF	精确度, 特异性, 定位准确度	NA
2406	2026-01-14	Real-time ECG-based detection of cardiovascular diseases using balanced and interpretable machine learning approaches 2026-Jan-13, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01682-3 PMID:41528718	研究论文	本研究旨在利用机器学习和深度学习技术，基于心电信号实时检测和分类六种主要心血管疾病	构建了一个平衡且临床验证的心电图数据集，并应用SMOTE技术解决类别不平衡问题，同时结合SHAP和LIME方法提升模型的可解释性	未明确提及模型在外部验证集上的泛化能力或临床部署的具体挑战	开发可靠的心血管疾病诊断系统，通过机器学习方法提高疾病检测和分类的准确性	34,580条12导联心电图记录，涵盖正常、心律失常、冠心病、心肌病、中风和心力衰竭六类	机器学习	心血管疾病	心电图	Logistic Regression, Decision Tree, Random Forest, SVM, KNN, Naive Bayes, Gradient Boosting, MLP, DNN, RNN	心电信号	34,580条心电图记录	NA	MLP, DNN, RNN	准确率, 精确率, 召回率, F1分数	NA
2407	2026-01-14	BGC-MAC and BGC-MAP: Attention-Based Models for Biosynthetic Gene Cluster Classification and Product Matching 2026-Jan-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02082 PMID:41412814	研究论文	本文提出了两种基于多头注意力机制的深度学习模型BGC-MAC和BGC-MAP，用于生物合成基因簇的分类和产物匹配，以提升BGC注释的准确性和可解释性	开发了首个利用多头注意力机制和交叉注意力机制进行BGC分类和产物匹配的深度学习模型，实现了可解释的人工智能，能够识别关键蛋白质域并揭示BGC-亚结构关系，无需先验注释	模型训练依赖于实验验证的BGC-天然产物配对数据，可能受限于数据集的规模和多样性	提升生物合成基因簇的注释准确性，加速新天然产物的发现	生物合成基因簇及其编码的天然产物	机器学习	NA	深度学习	多头注意力模型	基因序列数据	实验验证的BGC-天然产物配对数据	NA	多头注意力机制	NA	NA
2408	2026-01-14	Biologically interpretable deep learning-derived MRI phenotypes reveal lymph node involvement and neoadjuvant therapy response in intrahepatic cholangiocarcinoma 2026-Jan-12, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001671 PMID:41525512	研究论文	本研究开发了一种结合深度学习和临床放射学特征的SwinU-CliRad模型，用于肝内胆管癌的淋巴结转移风险分层和治疗反应预测	创新性地整合了基于Swin UNEt TRansformers的MRI深度学习输出与临床放射学特征，构建了具有生物学可解释性的模型，并揭示了深度学习特征与肿瘤多组学特征（如KRAS突变、MUC5AC过表达）及免疫抑制性肿瘤微环境的关联	研究未明确提及模型在更广泛人群或不同影像设备间的泛化能力验证，以及长期临床结局的随访数据	开发一个非侵入性模型，以改进肝内胆管癌的淋巴结转移风险分层，并为治疗决策（特别是新辅助治疗）提供信息	肝内胆管癌患者	数字病理学	肝内胆管癌	磁共振成像，单细胞RNA测序，多组学分析	深度学习，Transformer	磁共振图像，临床数据，放射学特征	发现队列682例，内部测试队列204例，外部多中心队列88例，新辅助治疗队列145例	NA	Swin UNEt TRansformers	曲线下面积，误分类纠正率，病理完全缓解率，主要病理缓解率	NA
2409	2026-01-14	Exploiting Scale-Variant Attention for Segmenting Small Medical Objects 2026-Jan-12, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3645355 PMID:41525526	研究论文	本文提出了一种新颖的尺度变化注意力网络（SvANet），用于在医学图像中准确分割小尺度对象	提出了一种结合尺度变化注意力、跨尺度引导、蒙特卡洛注意力和Vision Transformer的网络，以增强小医学对象的识别能力	NA	解决医学图像中小病理区域分割的挑战，提高早期疾病诊断的准确性	医学图像中的小尺度对象，如肾肿瘤、皮肤病变、肝肿瘤、息肉、手术切除细胞、视网膜血管和精子	计算机视觉	多种疾病（包括肾癌、皮肤癌、肝癌等）	深度学习	CNN, Transformer	图像	多个数据集（KiTS23, ISIC 2018, ATLAS, PolypGen, TissueNet, FIVES, SpermHealth）	NA	SvANet, Vision Transformer (ViT)	平均Dice系数（mDice）	NA
2410	2026-01-14	CPFformer: A Hierarchical-Based Graph Modeling Fusion Framework for Making the Emotional Features of Chinese Poetry Pronunciation More Controllable 2026-Jan-12, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3648530 PMID:41525522	研究论文	提出了一种名为CPFformer的深度学习框架，用于分析和预测中国诗歌发音的情感特征	首次提出一种结合语音学和情感分析的层次化图建模融合框架，用于控制中国诗歌发音的情感特征，并创建了专用的中国诗歌发音数据集	未明确说明模型在处理不同方言或历史发音变体时的泛化能力，也未讨论计算复杂度对实时应用的适用性	通过分析中国诗歌发音的情感特征，丰富儿童语言能力和艺术鉴赏力，促进传统文化与人工智能的融合	中国诗歌的发音数据及其情感特征	自然语言处理	NA	多尺度梅尔特征提取技术	深度学习框架	语音数据	NA	NA	CPFformer（包含ADSN、STL、DSW、ETA、EDSM等模块）	均方误差, 平均绝对误差, 残差标准误差, R平方	NA
2411	2026-01-14	Game Theory Meets Statistical Physics: A Novel Deep Neural Networks Design 2026-Jan-12, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3649299 PMID:41525603	研究论文	本文提出了一种融合博弈论和统计物理原理的新型深度图表示方法，用于特征提取和模式分类	将神经网络中的神经元类比为博弈论中的玩家，并利用统计物理的高斯-玻尔兹曼能量模型量化其贡献，提出了一种基于Shapley值的新模型正则化技术	未明确说明模型在大规模数据集上的计算效率限制或理论收敛性分析	设计一种统一的学习框架，将博弈论和统计物理原理整合到深度神经网络中，以提升特征提取和分类性能	深度神经网络中的神经元及其相互作用机制	机器学习	NA	Monte-Carlo采样，Shapley值计算	深度神经网络	图像	NA	NA	深度图表示	准确率，精确率，召回率，F1分数	NA
2412	2026-01-14	FocFormer-UNet: UNet With Focal Modulation and Transformers for Ultrasound Needle Tracking Using Photoacoustic Ground Truth 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652428 PMID:41525612	研究论文	本文提出了一种结合焦点调制和Transformer的FocFormer-UNet深度学习网络，利用光声图像作为真实标签来训练超声图像中的针头跟踪模型	首次将光声成像提供的高对比度针头图像作为真实标签用于训练深度学习模型，避免了传统方法对人工标注或模拟数据的依赖，并引入了焦点调制和Transformer机制来增强模型性能	模型性能可能受光声成像质量和超声系统差异的影响，且目前仅在特定临床数据集上验证	提高超声引导针头插入过程中针头定位的准确性和可靠性	超声图像中的针头	医学影像分析	NA	光声成像，超声成像	深度学习，CNN，Transformer	图像	人类临床数据集	PyTorch	UNet，FocFormer	修正豪斯多夫距离，目标误差	NA
2413	2026-01-14	SW-VEI-Net: A Physics-Informed Deep Neural Network for Shear Wave Viscoelasticity Imaging 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652121 PMID:41525619	研究论文	本文提出了一种名为SW-VEI-Net的物理信息深度神经网络，用于通过剪切波弹性成像同时重建剪切弹性模量和粘性模量	SW-VEI-Net通过将粘弹性波动方程集成到双网络架构中，实现了剪切弹性模量和粘性模量的同时重建，并采用双损失函数平衡数据保真度和基于物理的正则化，减少了对经验数据的依赖并提高了可解释性	未明确提及具体限制	解决剪切波弹性成像中定量粘弹性成像的挑战，提高重建精度和鲁棒性	组织模拟体模、大鼠肝纤维化模型和临床病例	医学影像分析	肝纤维化	剪切波弹性成像	物理信息神经网络	剪切波成像数据	包括组织模拟体模、大鼠肝纤维化模型、临床病例和健康志愿者	NA	双网络架构	AUC	NA
2414	2026-01-14	Fusing Tabular Features and Deep Learning for Fetal Heart Rate Analysis: A Clinically Interpretable Model for Fetal Compromise Detection 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652309 PMID:41525620	研究论文	本研究开发了一种可解释的深度学习模型，融合胎儿心率时间序列和表格临床特征，以改进胎儿窘迫的预测	提出了一种新颖的Fusion ResNet架构，结合残差卷积网络处理FHR信号和并行神经网络处理表格特征，并利用SHAP和Grad-CAM提供临床可解释性	模型在私有数据集上训练和内部验证，外部验证仅使用了公开的CTU-UHB数据集，样本量相对有限	开发一种可解释的深度学习模型，通过融合多模态数据提高胎儿窘迫的预测准确性	胎儿心率记录和相关的临床特征数据	机器学习	胎儿窘迫	胎儿心率监测	CNN	时间序列数据, 表格数据	私有数据集包含9,887个FHR记录，外部验证数据集包含552个记录	NA	ResNet	AUC	NA
2415	2026-01-14	Enhancing Fairness in Skin Lesion Classification for Medical Diagnosis Using Prune Learning 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3652910 PMID:41525640	研究论文	本文提出了一种用于皮肤病变分类的公平性算法，通过减少与肤色相关的通道来提升模型在不同肤色间的诊断公平性	提出了一种无需肤色标签的公平性算法，通过计算特征图的偏度来修剪与肤色相关的通道，从而在保持准确性的同时提升公平性指标	未明确说明算法在其他模型架构或更大数据集上的泛化能力，且公平性结论可能依赖于所选度量标准	提升皮肤病变分类模型在不同肤色间的公平性，减少诊断偏差	皮肤病变图像	计算机视觉	皮肤癌	深度学习	CNN, Transformer	图像	NA	NA	VGG11, ViT-B16	准确性, F1分数, 公平性指标	NA
2416	2026-01-14	Application of Graph Neural Networks on ECG data: A Systematic Literature Review 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651842 PMID:41525638	系统文献综述	本文对基于几何深度学习的ECG数据处理方法进行了系统文献综述，特别关注图神经网络的应用	首次系统综述了图神经网络在ECG数据上的应用，并识别了研究空白和未来方向	应用多样性不足，主要集中在心律失常识别，且缺乏拓扑、特征集或网络架构的共识	比较ECG数据中几何深度学习方法，特别是图神经网络的应用，并识别领先方向和未来研究方向	心电图数据，特别是多导联ECG	机器学习	心血管疾病	NA	图神经网络	时间序列数据	NA	NA	NA	NA	NA
2417	2026-01-14	SAFusion: Scenario-Adaptive Network for Multimodal Medical Image Fusion 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651957 PMID:41525647	研究论文	提出一种用于多模态医学图像融合的场景自适应网络SAFusion，通过两阶段训练和混合专家模型优化不同场景的融合策略	首次提出场景自适应融合网络，通过场景特定融合模块（混合专家模型）和场景通用融合模块（双路径结构）动态适应不同融合需求	未在真实临床环境中验证，未讨论计算效率与实时性限制	开发能适应不同场景需求的多模态医学图像融合方法	多模态医学图像（如CT、MRI、PET等）	计算机视觉	NA	多模态医学图像融合	自编码器, 混合专家模型	医学图像	NA	NA	自编码器, 双路径融合结构（标准卷积与可变形卷积门控机制）	信息整合度, 视觉一致性	NA
2418	2026-01-14	Home monitoring for the detection of atrial fibrillation in hypertensive patients. BP/AF MODE study 2026-Jan-12, Archivos de cardiologia de Mexico IF:0.7Q4 DOI:10.24875/ACM.25000149 PMID:41525689	研究论文	本研究旨在通过深度学习构建预测风险评分，评估家庭血压和心律监测策略在检测高血压患者亚临床心房颤动中的有效性	结合家庭血压监测和单导联心电图记录，利用深度学习优化心律失常风险评分的预测能力	研究仅针对拉丁美洲六个国家的中高风险人群，样本可能缺乏广泛代表性	开发一种简单易用的家庭监测系统，用于早期检测亚临床心房颤动	具有中高心房颤动风险的高血压患者	机器学习	心血管疾病	单导联心电图记录，家庭血压监测	深度学习	心电图信号，血压数据	涉及来自六个拉丁美洲国家的25名研究人员，具体患者数量未明确说明	NA	NA	NA	NA
2419	2026-01-14	Semi-supervised learning for dose prediction in targeted radionuclide therapy: a synthetic data study 2026-Jan-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae36df PMID:41525718	研究论文	本研究提出了一种用于靶向放射性核素治疗剂量预测的半监督学习框架，利用合成数据进行验证	将传统基于分类的半监督学习方法适应并扩展至回归任务，专门用于剂量预测，并开发了合成数据集进行测试	研究基于合成数据，临床实际数据可用性不足时性能可能受限	探索半监督学习在靶向放射性核素治疗中剂量预测的应用，以减少对大规模标记数据的依赖	靶向放射性核素治疗中的辐射剂量预测	机器学习	NA	蒙特卡洛模拟	深度学习	图像	NA	NA	NA	平均绝对百分比误差	NA
2420	2026-01-14	Early feature extraction drives model performance in high-resolution chromatin accessibility prediction 2026-Jan-12, Genome research IF:6.2Q1 DOI:10.1101/gr.281042.125 PMID:41526189	研究论文	本文系统评估了深度学习模型在高分辨率染色质可及性预测中的架构选择，并引入ConvNeXt V2块作为特征提取器，发现早期特征提取是预测准确性的主要决定因素	首次将计算机视觉中的ConvNeXt V2块引入基因组数据的高分辨率预测，并系统证明早期特征提取对模型性能的关键作用	未明确说明模型在跨细胞类型或不同实验条件下的泛化能力，且可能未涵盖所有可能的架构变体	提高从DNA序列预测染色质可及性的分辨率，以建模单核苷酸变异对基因表达的影响	染色质可及性预测，特别是ATAC-seq信号在4 bp分辨率下的细胞类型特异性预测	机器学习	NA	ATAC-seq	CNN, LSTM, dilated CNN, transformer	基因组序列数据	NA	NA	ConvNeXt V2, CNN, LSTM, dilated CNN, transformer	预测准确性，信号形状保持度	NA