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
261	2026-06-08	Artificial intelligence approaches for non-invasive diabetes prediction using ECG signals: A systematic review 2026-May-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109264 PMID:41643489	系统综述	系统评估基于心电图信号使用人工智能方法无创预测糖尿病和糖尿病前期的机器学习与深度学习模型	首次系统综述AI心电分析在糖尿病无创预测中的应用，强调外部验证缺失、公平性不足及模型可重复性问题	多数研究样本量小且为单中心横截面设计，缺乏外部验证和亚组性能评估，仅一项研究提供开源代码	批判性评估基于心电图信号的机器学习和深度学习模型在无创预测糖尿病和糖尿病前期中的表现	25项符合纳入标准的研究及其使用的机器学习/深度学习模型	机器学习	糖尿病	心电图信号处理	机器学习与深度学习模型	心电图信号数据	样本量从24到超过190,000名个体不等	NA	NA	准确率	NA
262	2026-06-08	Enhancing nail disease diagnosis: a capsule network with SE attention and dual backbone models 2026-Apr, Naunyn-Schmiedeberg's archives of pharmacology DOI:10.1007/s00210-025-04971-6 PMID:41636836	研究论文	介绍CapsuleSEDualNet深度学习框架，用于鲁棒且可解释的多类指甲疾病诊断	将胶囊网络头部与Squeeze-and-Excitation注意力机制集成在MobileNetV2和DenseNet121构成的双骨干架构中，提升特征判别性并利用胶囊网络保留空间层次以改善可解释性	尚需进一步临床验证	实现稳健、可解释且多类的指甲疾病自动诊断，支持临床决策	指甲疾病图像（包括真菌感染和恶性肿瘤）	计算机视觉	指甲疾病	NA	胶囊网络	图像	NA	NA	CapsuleSEDualNet（MobileNetV2骨架、DenseNet121骨架、SE注意力模块、胶囊网络头部）	准确率	NA
263	2026-06-08	General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospective-Prospective Diagnostic Concordance Study 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106077 PMID:41638432	研究论文	基于CycleGAN的虚拟染色模型将苏木精-伊红染色图像转换为虚拟马松三色染色，显著提升普通病理医生对供体肾脏纤维化评估的准确性，使其接近专科医生水平	首次证明深度学习虚拟染色技术可消除普通病理医生与肾脏专科医生在供体肾脏纤维化评估中的诊断差距，使普通病理医生达到近似专科医生的诊断表现	NA	评估基于深度学习的虚拟染色技术能否增强普通病理医生对供体肾脏的评估能力，特别是间质纤维化和慢性病理变化的识别	供体肾脏组织切片，包括187对全切片图像（H&E和Masson三色染色）及46张冰冻切片	数字病理学	肾脏疾病	NA	生成对抗网络（CycleGAN）	全切片图像	187对配对全切片图像（H&E和Masson三色染色）和46张冰冻切片	NA	CycleGAN	加权Kappa系数	NA
264	2026-06-08	Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning 2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100973 PMID:41638573	研究论文	使用深度学习对从不吸烟的肺癌患者进行基因组特征预测	首次将深度学习方法专门应用于从不吸烟的肺腺癌（NS-LUAD）组织切片图像，以ResNet50为基础设计了一种针对多标签分类优化的定制深度卷积神经网络，能够同时预测16种分子改变	部分特征预测性能较低或中等（如肿瘤突变负荷、APOBEC突变特征及部分KRAS热点突变），且模型仅在来自Sherlock-Lung研究的495张全切片图像上进行了评估，样本量有限	利用深度学习从组织学全切片图像中预测从不吸烟的肺腺癌患者的基因组特征，以支持分子检测分诊和精准治疗策略	从不吸烟的肺腺癌（NS-LUAD）患者的组织学全切片图像	数字病理学，计算机视觉	肺癌	全切片图像，苏木精和伊红染色	卷积神经网络	图像	495张全切片图像（来自Sherlock-Lung研究）	NA	ResNet50	AUROC	NA
265	2026-06-08	Image processing-based automatic tooth segmentation and age estimation in sheep using deep learning 2026-Apr, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2026.152803 PMID:41654275	研究论文	提出一种基于图像处理和深度学习的全自动绵羊牙齿分割与年龄估算框架	结合YOLOv8自动分割与多种CNN微调迁移学习，并开发了可公开访问的容器化GUI应用	未提及	实现客观、可重复的绵羊年龄自动估算	绵羊牙齿图像	计算机视觉	NA	图像处理	卷积神经网络（CNN）	图像	未明确说明	PyTorch, OpenCV	YOLOv8, VGG16, ResNet50, EfficientNetB0, MobileNetV2, Xception, BasicCNN	准确率	未提及
266	2026-06-08	Deep Learning Reconstruction Combined with Contrast-Enhancement Boost Technique in "Quadruple-low" CCTA Protocol: Evaluation of Image Quality and Diagnostic Accuracy 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.025 PMID:41667344	研究论文	评估深度学习重建结合对比增强提升技术在“四低”CCTA方案中的图像质量和诊断准确性	首次将深度学习重建与对比增强提升技术结合应用于“四低”CCTA方案，在显著降低辐射剂量和造影剂用量的同时保持或提升图像质量	样本量相对较小（102例），且为单中心前瞻性研究，可能限制结果的普适性	评估DLR算法联合CE-boost技术在低管电压、低流速、低对比剂用量和低浓度CCTA方案中对图像质量和诊断性能的影响	102例接受CCTA检查的患者	计算机视觉	心血管疾病	CT血管成像	深度学习重建	图像	102例患者（常规剂量组51例，四低组51例）	NA	NA	信噪比, 对比噪声比, 主观图像质量评分, 诊断准确率, 敏感性	NA
267	2026-06-08	Deep learning-based classification and internal region stratification of wooden breast in broiler by using ultrasound imaging 2026-Apr, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106534 PMID:41633072	研究论文	利用超声成像结合深度学习对肉鸡木质化胸肌进行分类及内部区域分层	首次通过超声成像结合深度学习实现WB内部病理区域的分层，并使用ImageJ阈值二值化和标度校准量化病理特征空间范围	未提及样本来源、设备泛化性或临床转化等局限	利用超声内部空间信息结合深度学习对木质化胸肌进行准确分类和内部区域分层，以提高疾病评估的客观性和应用效率	从Arbor Acres肉鸡（n=240，雄性，42天龄）中采集的鸡胸肉片，分为正常、轻度、中度和重度四类	计算机视觉, 数字病理学	木质化胸肌	超声成像, ImageJ阈值二值化	卷积神经网络	图像	240个鸡胸肉样本（每类60个）	PyTorch	MobileNetV3, ResNet18, AlexNet	准确率, 精确率, 召回率, F1分数	NA
268	2026-06-08	ECG and PPG Signals-Based Premature Ventricular Contraction Detection Methods: A Review, Key Challenges, and Future Directions 2026-Apr, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00819-z PMID:41634439	综述	本文综述了基于心电图和光电容积描记图信号的室性早搏检测方法，涵盖信号处理、传统机器学习和深度学习方法	系统性地将现有室性早搏检测方法分为三类（阈值/启发式、传统机器学习、深度学习），并回顾了预处理技术和性能评估基准	未提及具体方法间的定量对比分析，对噪声影响和资源约束仅作方向性讨论	总结室性早搏检测方法的现状、关键挑战和未来研究方向	基于心电图和光电容积描记图信号的室性早搏检测方法	机器学习	心血管疾病	心电图、光电容积描记图	信号处理、传统机器学习模型、深度学习框架	信号	NA	NA	NA	基准指标	NA
269	2026-06-08	Dynamic Eyelid Evaluation Using a Deep Neural Network in Upper Blepharoplasty: A Prospective Multicenter Pilot Study 2026-Apr, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-026-05632-6 PMID:41642312	研究论文	应用深度神经网络自动分析上睑成形术后眼睑形态，提供客观评价指标	首次将UNet和PointRend深度学习技术用于上睑成形术后动态眼睑评估，实现自动测量四项眼睑形态参数	样本量有限（仅51例患者和50例志愿者），且未提及算法在不同种族或眼睑类型中的泛化能力	评估深度神经网络在眼睑形态分析中的准确性和可重复性，辅助外科医生评估手术效果	寻求修复性眼睑成形术的51例患者（102只眼）和50例天生双眼皮志愿者（100只眼）	计算机视觉	NA	深度学习图像分割	深度神经网络	面部图像和视频	51例患者（102只眼）和50例志愿者（100只眼）	PyTorch	UNet, PointRend	组内相关系数	NA
270	2026-06-08	Machine learning-based DNA microarray analysis for disease detection using the MICRO-AI framework 2026 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504261436834 PMID:41925147	研究论文	提出 MICRO-AI 机器学习框架，用于分析 DNA 微阵列数据并实现自动疾病诊断	集成注意力加权自适应特征选择、异构集成分类和注意力特征融合机制，在保留生物意义的同时将维度降低超99%	未提及对更复杂疾病或更大样本量的泛化能力，以及模型的可解释性分析	开发高效的DNA微阵列分析框架，解决噪声、高维度和类不平衡问题，实现自动疾病诊断	六个基准数据集，涵盖乳腺癌、胃癌、卵巢癌和白血病，共2321个样本	机器学习	乳腺癌, 胃癌, 卵巢癌, 白血病	DNA微阵列	梯度提升机, 随机森林, 支持向量机	基因表达数据	2321个样本（来自155-1097个样本的六个数据集）	Scikit-learn	集成模型（GBM, RF, SVM）	准确率, 灵敏度, 特异度, F1分数, 马修斯相关系数, AUC	NA
271	2026-06-08	A novel interpretable classification of lumbar spinal stenosis using a cascade deep learning approach and T2-weighted MRI 2026-Mar-27, Journal of neurosurgery. Spine DOI:10.3171/2025.10.SPINE25878 PMID:41894804	研究论文	提出一种基于级联深度学习方法和T2加权MRI的腰椎管狭窄症的可解释分类新方法	首创3阶段深度学习流水线用于自动识别、分类和分级腰椎管狭窄症，结合梯度加权类激活映射提供临床可解释性	尚未评估对诊断不足和多节段脊柱疾病分析的改进效果	提高腰椎管狭窄症诊断的准确性和一致性	腰椎MRI图像（共17440张训练切片，8000张外部验证切片）	计算机视觉	腰椎管狭窄症	T2加权MRI	卷积神经网络	图像	640名患者的17440张MRI切片（训练），8000张切片（外部验证）	NA	级联深度学习模型	准确率	NA
272	2026-06-08	Closing the loop: A systematic review of artificial intelligence in circular e-waste management 2026-Mar-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2026.115392 PMID:41653831	综述	系统综述了人工智能在循环电子废弃物管理中的应用，涵盖2019年至2025年10月的147篇文章	提出了六层分类体系以结构化AI在电子废弃物管理中的证据，并将AI系统从终端处理重新定位为再生循环	数据可用性和泛化性不足，缺乏标准化、互操作性和伦理监管障碍，限制了在真实运行条件下具有不确定性感知能力的电子废弃物系统的开发	探索AI如何通过构建可持续反馈循环，推动电子废弃物管理从线性处理向循环路径转变	人工智能在循环电子废弃物管理中的应用	机器学习	NA	NA	深度学习	NA	147篇文章	NA	NA	NA	NA
273	2026-06-08	Evaluation of KU-F40 automated microscope for parasitology: when artificial intelligence meets old school microscopy 2026-Mar-11, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/jcm.00743-25 PMID:41665376	研究论文	评估KU-F40自动粪便分析仪结合深度学习人工智能对肠道寄生虫感染的诊断性能	首次对KU-F40自动显微镜在多种寄生虫检测中的性能进行广泛评估，结合自动显微镜和深度学习，无需预先诊断怀疑即可检测和识别预定面板中的寄生虫	目前性能不足以作为筛查工具自动验证阴性结果；缺少关键功能，如10倍放大镜头和数据库中没有的额外寄生虫	评估KU-F40自动粪便分析仪对肠道寄生虫感染的诊断准确性	来自比利时六个临床实验室的267份随机粪便样本及外部质量控制样本	数字病理学	肠道寄生虫感染	自动显微镜检查	深度学习	图像	267份临床粪便样本	NA	NA	敏感度, 特异度	NA
274	2026-06-08	Deep learning-based one-stop 11C-CFT and 18F-FDG dual-tracer brain PET imaging protocol for Parkinson's disease 2026-Mar, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.111764 PMID:41651249	研究论文	探索使用深度学习从短间隔交错的11C-CFT和18F-FDG双示踪剂脑PET图像中分离出单个示踪剂图像，用于帕金森病诊断	提出一种基于深度学习的单次扫描双示踪剂PET成像协议，可减少患者等待时间并提高临床效率	NA	利用深度学习分离交错注射的双示踪剂PET图像，以缩短帕金森病PET扫描等待时间	帕金森病患者	数字病理学	帕金森病	PET成像, 深度学习	Swin UNETR	医学图像	67名患者	NA	Swin UNETR	归一化均方误差, 结构相似性指数, 标准化摄取值比, 肿瘤-背景比值, 信噪比	NA
275	2026-06-08	High-Resolution MR Imaging of Elbow Ligament Injuries and Associated Impingement and Instability Syndromes 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.005 PMID:41656056	综述	文章详细介绍肘部韧带损伤及相关撞击和不稳定综合征的高分辨率磁共振成像技术	结合高场强磁共振、专用表面线圈、优化患者体位、三维成像和深度学习重建，增强韧带结构和完整性的可视化	未提及研究局限性	评估肘部韧带损伤及其相关的撞击和不稳定综合征	肘部韧带结构和相关病变	NA	肘部韧带损伤, 撞击综合征, 不稳定综合征	高分辨率MRI	NA	图像	NA	NA	NA	NA	高场强磁共振设备, 专用表面线圈
276	2026-06-08	AGEP_TWAS: A Deep Learning-Based Framework for Predicting Gene Expression Levels in Tissues 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663364 PMID:41666075	研究论文	提出一种基于深度学习的框架AGEP_TWAS，用于预测不同组织中的基因表达水平，以辅助转录组广泛关联研究	首次利用密集连接网络、自适应激活函数和参数剪枝策略的非线性特征提取框架，结合地标基因预测难以用传统方法预测的基因表达水平	未明确讨论方法的计算资源需求，以及在地标基因选择或跨物种应用中的潜在偏差	提高跨组织基因表达水平预测的准确性和效率，改进转录组广泛关联研究	人类GEO表达数据集和牛CattleGTEx数据集中的基因表达水平预测	机器学习	NA	RNA-seq	密集连接网络	基因表达数据	NA	PyTorch	密集连接网络	均方误差, 皮尔逊相关系数	NA
277	2026-06-08	Exploring the potential of explainable deep learning for EEG-based cognitive decline prediction 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111538 PMID:41666658	研究论文	探讨可解释深度学习在基于脑电图的认知衰退预测中的应用潜力	首次使用具有自注意力机制的深度学习算法对基于认知评分的健康受试者进行分类，并证明了注意力层在提升模型准确性和解释性方面的关键作用，同时发现β频段（13-30 Hz）对区分轻度认知障碍与对照受试者至关重要	对健康受试者临床前认知衰退的预测准确率较低，仅为56.08%，且大脑变化微小，检测困难	开发一种经济、非侵入性的方法来早期检测认知衰退，特别是阿尔茨海默病	健康对照受试者和轻度认知障碍患者的静息态脑电图数据	机器学习	阿尔茨海默病	脑电图	深度学习模型	脑电图信号	公共数据集中健康对照与轻度认知障碍患者的样本数量未明确给出	NA	自注意力机制	测试准确率	NA
278	2026-06-08	Glymphatic dysfunction in trigeminal neuralgia: A multimodal MRI study 2026-Mar, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2026.107312 PMID:41666986	研究论文	使用多模态MRI研究三叉神经痛患者类淋巴系统功能障碍	首次揭示三叉神经痛中类淋巴系统功能异常与结构指标之间的分离现象，挑战传统神经影像学范式，强调中枢机制在疾病发病中的潜在作用	未发现类淋巴系统指标与疼痛强度或病程的相关性，样本量有限，且为横断面研究	探究三叉神经痛患者是否存在类淋巴系统功能障碍及其对病理生理学的贡献	71名经典三叉神经痛患者和52名年龄匹配健康对照	数字病理学	三叉神经痛	多模态MRI（包括DTI-ALPS、自由水分数、血管周围空间负担、脉络丛体积分析）	深度学习分割模型	MRI影像数据	71名患者、52名健康对照，共123名参与者	NA	NA	DTI-ALPS指数、自由水分数、血管周围空间负担、脉络丛体积、相关分析（斯皮尔曼相关系数）	NA
279	2026-06-08	Complex networks for modeling texture and spectral features of hyperspectral images for environmental analysis 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111504 PMID:41633275	研究论文	提出一种复杂网络方法用于高光谱图像分析，并将其应用于检测环境污染	提出名为Directed Network of Angular Similarity (DNAS)的手工设计技术，将高光谱像素建模为基于光谱带角度相似性连接的复杂网络顶点，实现高效特征提取，仅需36个描述符即可获得紧凑图像表示	样本数量有限且高光谱数据维度高，使得传统深度学习方法不适用	开发适用于资源受限场景的高光谱图像分类方法，用于环境污染检测	暴露于不同氟化钾水平的Jacaranda caroba植物叶片	计算机视觉	NA	共聚焦激光扫描显微镜	复杂网络	高光谱图像	NA	NA	Directed Network of Angular Similarity (DNAS)	准确率	NA
280	2026-06-08	Refined trajectory smoothing and deep learning classification of human sperm motility 2026-Mar-01, Human reproduction (Oxford, England) DOI:10.1093/humrep/deag005 PMID:41633817	研究论文	提出通过频域平滑提高精子运动参数提取精度，并利用原始轨迹数据训练深度学习模型实现精子运动模式分类的方法	引入离散余弦变换（DCT）平滑实现更精确的平均路径估计；提出新的侧向位移量化指标PAW；应用InceptionTime集成模型直接从原始坐标序列分类精子运动模式	模型仅在低粘度培养基轨迹上训练，未涵盖ICSI使用的高粘度环境；分类模型基于单中心小样本（5人790条轨迹），缺乏多中心验证；缺少个人标识和临床元数据无法进行个体分析	提升精子运动参数提取精度并实现基于轨迹数据的运动模式自动分类	人类精子轨迹（2326条轨迹，含1931条渐进运动型和395条超活化型）	机器学习	男性不育症	NA	InceptionTime集成模型	坐标序列（x,y）	5个个体样本，共2326条精子轨迹	NA	InceptionTime	准确率	NA