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
2601	2026-08-09	Acute effects of cadmium and zinc on crayfish (Procambarus clarkii): Insights from deep learning-based behavioral analysis and physiological assessments 2026-Oct-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2026.128607 PMID:42314823	研究论文	本研究利用深度学习姿态估计工具DeepLabCut定量分析了镉和锌对克氏原螯虾行为和生理的影响，发现镉暴露导致行为和生理毒性，而锌补充缓解了这些毒性效应。	首次将深度学习姿态估计（DeepLabCut）应用于水生生物行为毒理学研究，实现了对重金属暴露下细微行为变化的精确量化。	未涉及长期暴露效应和不同浓度的剂量-反应关系，且样本量可能有限。	评估亚致死浓度镉和锌对克氏原螯虾行为、生理、生化和肠道微生物组的影响，并验证深度学习行为分析的敏感性。	克氏原螯虾（Procambarus clarkii）。	计算机视觉	非疾病（生态毒理学）	行为分析（DeepLabCut）、组织病理学、生化分析（ROS、MDA、抗氧化酶）、肠道微生物组测序	深度学习（DeepLabCut）	视频、图像、生化数据、微生物组数据	未明确提供具体样本量，但涉及多组实验（对照、Cd、Zn、Cd+Zn等）	未明确说明，但DeepLabCut通常基于TensorFlow或PyTorch	DeepLabCut（基于卷积神经网络，如ResNet）	行为指标（速度、加速度、互动强度）、组织损伤评分、生化指标（ROS、MDA、抗氧化酶活性）、免疫指标（溶菌酶）、微生物组丰度	未明确说明，但DeepLabCut通常需要GPU加速（如NVIDIA）
2602	2026-08-09	A novel and robust deep learning model for sibling firearm matching 2026-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113061 PMID:42385549	研究论文	本文提出一种用于弹壳兄弟匹配的新型稳健深度学习模型，该模型利用弹壳底火区域的光度立体图像，并在前所未有的真实案例数据集上验证其性能。	引入三元组损失框架，结合半硬负样本挖掘和显式边距项，并加入预对比损失，这是该领域首次探索的方法。	摘要中未明确提及局限性，但可能包括数据集的特定性和模型泛化能力的潜在限制。	开发一种新颖且稳健的方法，用于从弹壳底火区域的光度立体图像中进行弹壳兄弟匹配。	弹壳底火区域的光度立体图像，包括来自老旧、磨损或故意修改枪支的弹壳。	计算机视觉	NA	光度立体成像	深度学习模型（基于三元组损失）	图像（光度立体图像）	包含真实世界案例工作的数据集，规模空前，具体样本数量未在摘要中说明。	NA	深度学习模型架构（具体未在摘要中说明）	成功率（前20个候选中的命中率）	NA
2603	2026-08-09	Exploring the potential of neural networks for firearms classification on bullet images 2026-Oct, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113066 PMID:42424904	研究论文	本研究探索了卷积神经网络在弹道图像上对同型号枪支进行分类的潜力，以回应PCAST报告对火器检验自动化和减少主观性的呼吁。	利用CNN处理原始图像以减少人类输入，聚焦于同型号枪支的自动分类，并强调了数据集结构对模型性能的重要性。	模型性能在不同数据集上表现差异大，预测准确率波动显著，显示神经网络的脆弱性，尤其是依赖于所用数据集。	评估深度学习算法在枪支分类中的有效性，以减少主观性并处理大量数据。	同型号枪支的弹道图像。	计算机视觉	NA	深度学习	卷积神经网络 (CNN)	图像	三个数据集，每个包含同型号枪支的子弹图像，具体数量未说明	NA	CNN（未指定具体架构，如ResNet等）	准确率	NA
2604	2026-08-09	Clinical Applicability of Artificial Intelligence-Driven Implant Planning and Surgical Guide Design in the Maxillary Esthetic Zone: A Registry-Based Cohort Study 2026-Aug, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.70144 PMID:42237361	研究论文	本研究评估了人工智能辅助与人类专家在美学上颌前牙区种植体规划中的准确性、时间效率和流程一致性，并比较了AI设计的手术导板与人工设计导板的适配性	首次在注册队列研究中综合评估AI驱动种植规划与手术导板设计在美学区的临床应用，采用混合AI框架结合规则约束与深度学习分割，并全面比较了多项临床指标	样本量较小（35例），且为回顾性研究，可能影响结果的普遍性	评估人工智能辅助种植规划在美学上颌前牙区的准确性、时间效率和一致性，以及与人类专家规划的对比	35例单颗前牙上颌病例，配对锥形束CT和口内扫描数据	数字病理学	无特定疾病	锥形束CT，口内扫描	深度学习分割模型	医学影像（CBCT和口内扫描）	35例患者	NA	NA	线性偏差（冠状、根尖）、角度偏差、骨厚度、蜡型对齐、手术导板适配、规划时间、一致性	NA
2605	2026-08-09	Comprehensive framework for evaluation of deep neural networks in detection and quantification of lymphoma from PET/CT images: Clinical insights, pitfalls, and observer agreement analyses 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105832 PMID:42284693	研究论文	提出了一个评估深度学习网络在PET/CT图像中检测和量化淋巴瘤的综合框架，包括临床见解、陷阱和观察者一致性分析	提出了一个以临床相关性为导向的评估框架，包含对病变级别特征的分析、新的分割标准（标准3），以及专家观察者间的变异性分析	未明确提及限制	解决自动化淋巴瘤分割评估中的关键空白，如泛化性、观察者变异性和病变级别评估	来自多机构数据集的611例PET/CT淋巴瘤病例，涵盖不同淋巴瘤亚型和病变特征	医学图像分析	淋巴瘤	PET/CT成像	深度分割网络	PET/CT图像	611例PET/CT病例	NA	ResUNet, SegResNet, DynUNet, SwinUNETR	Dice相似系数，预测误差，检测标准1和2，提出的标准3	NA
2606	2026-08-09	A novel multi-task deep learning framework for classification and detection of intracranial structures in first-trimester fetal ultrasound images 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105806 PMID:42308601	研究论文	开发一种新的多任务深度学习框架，用于自动分类和检测早期妊娠胎儿超声图像中的颅内结构。	首次整合深度学习特征选择、统计建模和基于Transformer的检测方法，用于早期胎儿大脑评估，提高了分类准确性和检测性能，并增强了临床可解释性。	未提及	开发一种深度学习框架以自动化分类和检测早期妊娠胎儿超声图像中的颅内结构，提高产前筛查的准确性和临床实用性。	胎儿的九个关键脑结构，在孕11-14周的超声图像中。	计算机视觉	胎儿脑部异常（产前筛查）	超声成像	卷积神经网络（CNN）、Transformer	图像	2569张矢状超声图像，来自2560名孕妇（孕11-14周），收集自四个临床中心。	PyTorch（基于common usage），但未明确指定	EfficientNet、VGG16、YOLOv11、Swin Transformer	准确率、AUC、IoU、平均精确度（mAP）、校准曲线、决策曲线分析	未提及
2607	2026-08-09	Inflammatory bowel disease burden in China and the United States from 1990-2023 and prediction to 2050 2026-Aug, Internal and emergency medicine IF:3.2Q1 DOI:10.1007/s11739-026-04352-8 PMID:41986557	研究论文	本研究比较了1990年至2023年间中国和美国炎症性肠病（IBD）的疾病负担，并使用多种算法预测至2050年的趋势。	采用多算法预测框架，针对不同国家和指标选择最优模型，以处理两国间异质的流行病学模式。	未在摘要中明确提及局限性，可能包括数据源限制、模型假设或预测不确定性。	比较中国和美国IBD疾病负担，并预测未来趋势至2050年，以指导国家特定策略。	中国和美国人群中IBD的发病率、患病率、死亡率和伤残调整生命年。	流行病学	炎症性肠病	NDA	多种算法，包括传统时间序列模型、机器学习和深度学习	流行病学数据（发病率、患病率、死亡率和DALYs）	NA	NA	ElasticNet、Prophet、Holt's阻尼趋势模型、连接点回归和内在估计器	平均绝对百分比误差（MAPE），平均年度百分比变化（AAPC）	NA
2608	2026-08-09	Personalized Deep Networks for Enhanced ECG Segmentation 2026-Aug, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00835-z PMID:42010029	研究论文	提出一种个性化深度神经网络方法，用于增强心电图分割，通过结合CNN、BiLSTM和注意力机制，并引入新颖的损失函数，提高波形分割精度。	引入了个性化微调策略和针对心电图分割的新损失函数，以增强模型对患者特异性变化的适应性和分割精度。	研究未指明具体局限性，可能需要进一步验证模型在不同数据库或更大样本上的泛化能力。	提升心电图语义分割的准确性和可解释性，通过个性化模型适应患者特异性形态，改善临床诊断基础。	心电图（ECG）波形数据，特别是QT数据库中的P波、QRS波群和T波。	机器学习、数字病理学	心血管疾病	NA	CNN、BiLSTM、注意力机制	时间序列数据（心电图波形）	QT数据库（具体样本量未在摘要中提供）	NA	CNN、BiLSTM、注意力机制	分割精度（如P波、QRS波群和T波偏移的定位精度）	NA
2609	2026-08-09	An innovative deep learning paradigm for automated detection and accurate classification of lung nodules in magnetic resonance imaging 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105866 PMID:42330579	研究论文	本研究提出了一种用于磁共振成像中肺部结节自动检测和准确分类的深度学习新范式	创新性地将深度学习应用于MRI图像中的肺结节检测，采用11层深度卷积神经网络进行自动特征提取和分类，并结合强度归一化和数据增强策略提高性能	未明确提及局限，但可能受限于单一数据来源（仅来自一家医院）以及数据集规模较小（243幅图像）	开发一种深度学习方法来识别磁共振成像中的肺部结节，并区分良性和恶性结节，以提高诊断准确性	肺部结节（良性和恶性）	机器学习, 医学影像分析	肺癌	磁共振成像（MRI）	卷积神经网络（CNN）	图像	来自深圳大学第一附属医院的243幅T2加权MR图像	NA	11层卷积神经网络	准确率、Dice相似系数（DSC）	NA
2610	2026-08-09	AI-augmented thyroid scintigraphy for robust classification of disease 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105854 PMID:42391725	研究论文	本研究评估了三种数据增强策略（包括Stable Diffusion、Flow Matching和传统增强）对甲状腺闪烁扫描图像分类性能的提升效果	首次将Flow Matching和Stable Diffusion等先进生成模型用于甲状腺闪烁扫描图像增强，并证明其优于传统增强方法	未提及明确局限性，但基于单中心数据验证，可能需多中心外部验证	提升深度学习模型在甲状腺闪烁扫描图像分类中的性能，尤其在数据有限且不平衡的情况下	甲状腺闪烁扫描图像，分为弥漫性甲状腺肿、结节性甲状腺肿、正常和甲状腺炎四类	医学图像分析	甲状腺疾病	甲状腺闪烁扫描	卷积神经网络（ResNet18）	医学图像（闪烁扫描图像）	来自九个医疗中心的2954例患者	PyTorch	ResNet18	精确率、召回率、F1分数、ROC AUC、FID、KID	未提及
2611	2026-08-09	Integration of site-specific deep learning models for automated OAR segmentation in craniospinal proton therapy: a geometric and dosimetric analysis 2026-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105872 PMID:42442126	研究论文	本研究评估了整合RayStation深度学习自动分割模型用于颅脊髓质子治疗中危及器官自动勾画的可行性，并进行了几何和剂量学分析	首次将针对成人头颈、胸腹和男性盆腔区域训练的深度学习分割模型整合应用于儿童和青少年颅脊髓照射的危及器官自动勾画，并评估其几何准确性、剂量学影响和临床效率	自动分割的几何准确性在儿童患者（<12岁）中有所下降，特别是甲状腺、肠道和盆腔结构；剂量偏差在部分器官（如下颌骨、食管和肛门直肠）上较大	评估整合不同部位深度学习分割模型在颅脊髓质子治疗中自动勾画危及器官的可行性，并关注几何准确性、剂量学影响和临床效率	40名患有中枢神经系统胚胎性肿瘤的患者（年龄范围2-28岁）	医学影像分析	中枢神经系统胚胎性肿瘤	放射治疗	深度学习分割模型	CT影像	40名患者	RayStation	NA	Dice相似系数（DSC）、豪斯多夫距离（HD）、平均剂量偏差、最大剂量偏差	NA
2612	2026-08-09	A domain-agnostic explainable framework for network attack detection across diverse traffic datasets 2026-Jul-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61637-w PMID:42463720	研究论文	本文提出了一个可解释的深度学习框架，用于跨多个异构网络流量数据集的网络攻击检测，并在Kitsune、服务器和企业恶意流量数据集上验证了其有效性	提出了一种域无关的可解释框架，能够在不同分布的数据集上保持一致的检测性能，并集成SHAP和LIME提供全局和实例级解释	未提及具体局限性，可能包括对特定数据集依赖和计算开销等	开发一个可解释的深度学习框架，以在异构网络环境中实现高效且可解释的网络攻击检测	Kitsune（物联网流量）、服务器网络数据（企业日志）和恶意流量数据集	机器学习	NA	NA	多层感知机（MLP）	网络流量数据	三个数据集：Kitsune、服务器网络数据、恶意流量数据集，具体样本量未提及	NA	MLP	准确率、ROC-AUC、F1分数	NA
2613	2026-08-09	Atomic clarity: how structural biology is shaping blood-stage malaria vaccines 2026-Jul-07, Transactions of the Royal Society of Tropical Medicine and Hygiene IF:1.9Q2 DOI:10.1093/trstmh/trag039 PMID:42033198	综述	本文探讨结构生物学，特别是冷冻电镜技术，如何帮助理解疟疾血液期寄生虫表面复合物的结构，从而推动疫苗开发	强调冷冻电镜与人工智能、深度学习相结合的新方法，能无结晶地分析动态膜相关复合物，加速疫苗设计进程	摘要未提及具体局限性	概述结构生物学在疟疾血液期疫苗设计中的作用，并展示综合方法如何加速疫苗开发	疟原虫血液期的多蛋白表面复合物及其在宿主细胞入侵中的作用	结构生物学	疟疾	冷冻电镜，基因组学	NA	结构数据，基因组数据	NA	NA	NA	NA	NA
2614	2026-08-09	Deep learning-based segmentation and quantification of pulmonary masses on apparent diffusion coefficient maps: a multicentre reproducibility study 2026-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112881 PMID:42035562	研究论文	开发并验证了一种针对表观扩散系数（ADC）图的深度学习模型（ADCSegNet），用于自动分割肺部肿块并量化ADC指标，且进行了多中心可重复性研究	提出了专门针对肺部ADC图的ADCSegNet模型，并首次在多中心数据集上评估了自动ADC量化的可重复性，且优于nnU-Net等现有模型	外部验证数据集规模较小（中心2和中心3分别只有70例和12例），可能影响泛化性的稳健评估	开发和验证自动分割肺部肿块及量化ADC指标的深度学习模型，并评估其跨中心泛化性和重复性	肺部肿块（肺结节或肿块）在ADC图上的影像数据	医学影像分析、深度学习	肺部肿块（未明确特定疾病，可能包括肺癌等）	ADC成像（弥散加权成像）	深度学习模型（ADCSegNet）	ADC图像	中心1：303例MRI检查；中心2：70例；中心3：12例；测试重测数据集：22对（22×2次）检查	NA	ADCSegNet（基于深度学习的分割架构，具体未明确）	Dice相似系数（DSC）、Bland-Altman分析、组内相关系数（ICC(2,1)）、可重复性系数（RDC）、Lin一致相关系数（CCC）	NA
2615	2026-08-09	Deep learning approaches for predicting Ki-67 index in breast cancer histopathology images: A systematic review 2026-Jul-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111678 PMID:42070368	系统综述	本文通过系统综述评估了应用于乳腺癌组织病理学图像预测Ki-67指数的深度学习技术	首次对多种深度学习架构如PathoNet在Ki-67指数预测中的应用进行系统性评估，并强调自动化和标准化在临床实践中的潜力	存在挑战，包括需要更广泛的数据集、模型可解释性不足、临床验证和整合困难	探讨深度学习技术在乳腺癌组织病理图像中预测Ki-67指数的方法，以促进个性化治疗和标准化临床实践	乳腺癌组织病理图像及其中的Ki-67指数	数字病理学	乳腺癌	NA	PathoNet及多种深度学习架构	组织病理图像	NA	NA	PathoNet及其他深度学习架构	准确性	NA
2616	2026-08-09	An intelligent MRI-based all-in-one diagnostic strategy for axillary lymph node status in breast cancer 2026-Jun-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74704-7 PMID:42331837	研究论文	开发了一种基于MRI的分层多任务深度学习模型BCALN-Net，用于预测乳腺癌患者腋窝淋巴结状态，包括前哨淋巴结转移、转移负荷和非前哨淋巴结转移	首次提出基于MRI的全方位诊断策略，通过一个分层多任务深度学习模型同时预测多个腋窝淋巴结状态指标	摘要中未提及具体局限性	开发一种综合诊断策略，以指导乳腺癌腋窝手术降级治疗	6,271名乳腺癌患者，以及来自汇总分析的4,081名患者	医学影像	乳腺癌	MRI（磁共振成像）	深度学习模型	图像（MRI图像）	6,271名乳腺癌患者；汇总分析包括4,081名患者	NA	BCALN-Net（分层多任务深度学习网络）	性能指标未在摘要中具体列出，但提到了高预测性能和稳健性能	NA
2617	2026-08-09	Speech as a biomarker for supported diagnosis of major depressive disorder using self-supervised representations 2026-Jun-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74122-9 PMID:42297825	研究论文	本研究建立了一个大规模多中心队列，利用自监督语音表征开发深度学习框架，用于重度抑郁障碍的辅助诊断，并表现出优于传统方法的诊断准确性。	首次在如此大规模的多中心语音数据集上应用自监督预训练模型（如WavLM和HuBERT）进行抑郁症诊断，系统比较了自监督表征与传统声学特征，显著提高了诊断性能。	摘要中未提及局限性信息。	开发基于语音生物标志物的深度学习框架，为重度抑郁障碍提供快速、经济、非侵入性的客观辅助诊断方法。	重度抑郁障碍患者和健康对照者。	机器学习	重度抑郁障碍	语音生物标志物分析，自监督预训练模型	自监督架构（WavLM和HuBERT）	语音样本	1,816名受试者（910名MDD患者和906名健康对照），共23,608个标准化语音样本	NA	WavLM, HuBERT, openSMILE（传统特征提取）	受试者工作特征曲线下面积（AUC）、敏感性、特异性	NA
2618	2026-08-09	Machine learning models of segmentation in acute ischemic stroke: a systematic review and meta-analysis 2026-Jun-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01590-x PMID:42231379	meta-analysis	一项系统综述和荟萃分析，评估机器学习模型在急性缺血性卒中病灶分割中的性能	首次对急性缺血性卒中机器学习分割模型进行系统综述和定量荟萃分析，涵盖多模态影像、多种模型架构和数据集，并探索影响模型准确性的因素	研究设计和报告标准存在异质性，需要方法学统一和外部验证	系统评估机器学习分割模型在急性缺血性卒中中的性能，并识别影响模型准确性和稳健性的因素	急性缺血性卒中病灶的影像分割模型	机器学习, 医学影像分析	急性缺血性卒中	计算机断层扫描, 磁共振成像	深度学习模型	影像数据	101项研究	Python, 标准荟萃分析和统计库	U-Net及其变体	Dice系数, AUC, 准确率, 敏感性, 特异性	未提供具体计算资源信息
2619	2026-08-09	Artificial Intelligence-Assisted reflectance confocal microscopy for Real-Time intraoperative margin assessment in oral squamous cell carcinoma 2026-Jun, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.107939 PMID:41932031	研究论文	本研究评估了人工智能模型在反射共聚焦显微镜下对口腔鳞状细胞癌进行实时术中切缘评估的诊断性能	首次将Google Cloud Vertex AI AutoML平台应用于RCM图像分析，实现实时、非侵入性的术中切缘评估，且AI模型性能优于专家读者	未提及	开发并评估AI驱动的RCM模型，用于口腔鳞状细胞癌的实时术中切缘评估，以减少对冷冻切片分析的依赖	活检确诊的口腔鳞状细胞癌患者	数字病理学, 机器学习	口腔鳞状细胞癌	反射共聚焦显微镜	自动机器学习模型	图像	4090张标注的RCM图像（1998张良性，2092张恶性）	Google Cloud Vertex AI AutoML Vision	NA	AUC-PR, AUC-ROC, 敏感性, 特异性, 准确性, 阳性预测值, 阴性预测值	Google Cloud Vertex AI平台
2620	2026-08-09	Overcoming resolution constraints in automated colony counting via a high-performance deep learning framework using SAHI 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55724-1 PMID:42225748	研究论文	本研究提出一种基于平铺训练和SAHI平铺推理的高性能深度学习框架，用于解决高分辨率培养皿图像中菌落自动计数的分辨率限制问题	采用平铺训练和SAHI平铺推理流程，保留全分辨率图像，通过重叠切片提升训练样本数量和局部细节保留，显著提高菌落计数性能	未明确提及局限性	克服高分辨率培养皿图像在自动菌落计数中的分辨率限制，提高轻量模型的计数准确性	细菌菌落	计算机视觉	不适用	深度学习	YOLO系列轻量目标检测模型	图像	公开的24类细菌菌落数据集	PyTorch	YOLOv5n, YOLOv8n, YOLOv11n	mAP@0.5, mAP@0.5:0.95, 正确预测率	笔记本RTX 3050 GPU