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
281	2026-02-14	Histopathologic basis of a deep learning pelvic computed tomography model for prognostic prediction among patients with advanced high-grade serous ovarian carcinoma 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-297 PMID:41669468	研究论文	本研究基于术前CT图像，利用深度学习模型提取高级别浆液性卵巢癌的组织病理学特征，并通过无监督聚类分析验证其与患者预后及风险因素的关联	首次将深度学习模型从CT图像中提取的特征与具体的组织病理学标志物（如P53、P16、Ki-67）及侵袭部位（如网膜、直肠、盆腔壁）进行关联分析，为深度学习模型的“黑箱”输出提供了组织病理学证据，并构建了一个基于聚类的分析框架来识别卵巢癌风险患者	研究为回顾性设计，样本来自三个三级医疗中心，可能存在选择偏倚；深度学习模型的具体架构和特征提取细节未详细说明；未进行外部验证	为基于术前CT的深度学习预后预测模型提供组织病理学证据支持，并构建一个识别卵巢癌风险患者的分析框架	接受根治性肿瘤切除术的高级别浆液性卵巢癌患者	数字病理学	卵巢癌	计算机断层扫描（CT）	深度学习模型	图像	418名患者（中位年龄55岁，IQR 30-77岁）	NA	NA	比值比（OR），置信区间（CI），P值，生存分析	NA
282	2026-02-14	Diagnostic performance of coronary computed tomography (CT) angiography without electrocardiographic (ECG)-gating: comparison with invasive coronary angiography 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1338 PMID:41669466	研究论文	本研究评估了非心电图门控冠状动脉CT血管成像（ECG-less CCTA）在诊断阻塞性冠状动脉疾病中的准确性，并与侵入性冠状动脉造影（ICA）作为参考标准进行比较	开发并验证了一种不依赖心电图门控的CCTA协议，通过模拟ECG信号、深度学习重建和运动校正技术，提高了在心律失常、高心率或急诊情况下的可行性	这是一项回顾性单中心研究，样本量相对较小（110名患者），且钙化负担高（Agatston >400）时特异性会降低	评估非心电图门控CCTA在诊断阻塞性冠状动脉疾病中的诊断性能，旨在克服传统CCTA对ECG门控的依赖	疑似冠状动脉疾病的患者	医学影像	心血管疾病	冠状动脉CT血管成像（CCTA），侵入性冠状动脉造影（ICA），深度学习图像重建，运动校正	深度学习模型（TrueFidelity™）	CT图像	110名患者	NA	TrueFidelity™（深度学习重建），SnapShot Freeze 2（运动校正）	敏感性，特异性，阴性预测值（NPV）	NA
283	2026-02-14	Epicardial and paracardial adipose tissue quantification in short-axis cardiac cine MRI using deep learning 2026-Feb, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01288-6 PMID:40848085	研究论文	本研究开发了一种基于深度学习的神经网络，用于在短轴心脏电影磁共振成像中自动分割和量化心外膜和心旁脂肪组织	提出了一种改进的U-Net架构，集成了多分辨率卷积、运动信息提取、特征融合和双重注意力机制，以利用心脏运动信息提高分割精度	未提及外部验证数据集或跨中心泛化能力评估	开发自动化工具以快速准确地量化心脏周围的脂肪组织，辅助心脏病学临床诊断	心外膜脂肪组织和心旁脂肪组织	计算机视觉	心血管疾病	心脏磁共振成像	深度学习	图像	未明确说明	未明确说明	改进的U-Net	Dice指数, 决定系数	未明确说明
284	2026-02-14	Demographic-aware deep learning for multi-organ segmentation: Mitigating gender and age biases in CT images 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70322 PMID:41681030	研究论文	本研究提出了一种用于CT图像多器官分割的人口统计学感知深度学习框架，旨在通过整合人口统计学提示和自适应注意力机制，减轻年龄和性别偏见	提出了DA-Net框架，首次将人口统计学信息（年龄、性别）显式地整合到多器官分割模型中，并引入了动态适应卷积核的DA-HyperConv模块和利用多视角特征的ATAB模块	研究主要基于CT图像，未验证在其他模态医学图像（如MRI）上的泛化能力；模型性能在儿科数据上（DICE 75.3%）仍显著低于成人数据（DICE 88.6%）	开发一个能够减轻年龄和性别偏见、提高多器官分割准确性和公平性的深度学习模型	CT图像中的30个器官，包括成人和儿科患者	数字病理	NA	CT扫描	CNN	图像	训练集：489例成人CT扫描（AMOS2022）和370例儿科CT扫描（Pediatric CT-SEG），其中包含355例女性扫描；外部验证集：150例成人CT扫描（WORD，含62例女性）	PyTorch	DA-Net, DA-HyperConv, ATAB	Dice相似系数, 归一化表面Dice	NA
285	2026-02-14	Segmentation-Guided Preprocessing Improves Deep Learning Diagnostic Accuracy and Confidence of Ameloblastoma and Odontogenic Keratocyst in Cone Beam CT Images-A Preliminary Study 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030416 PMID:41681734	研究论文	本研究探讨了基于分割引导的预处理方法在锥形束CT图像中提高成釉细胞瘤和牙源性角化囊肿深度学习诊断准确性和置信度的效果	引入了分割引导的预处理方法，通过精确分割和适度扩展的ROI提升深度学习模型的诊断性能，并增强了模型的可解释性	作为初步研究，样本量有限（128例CBCT扫描），且仅针对两种特定颌骨病变，需进一步验证	提高成釉细胞瘤和牙源性角化囊肿在锥形束CT图像中的深度学习诊断准确性和临床可解释性	128例经病理证实的CBCT扫描（成釉细胞瘤64例，牙源性角化囊肿64例）	计算机视觉	颌骨病变	锥形束CT成像	CNN	图像	128例CBCT扫描（成釉细胞瘤64例，牙源性角化囊肿64例）	TensorFlow, Keras	InceptionV3	准确率, 召回率, 精确率, F1分数, AUC	NA
286	2026-02-14	Deep Learning-Based Liver Tumor Segmentation from Computed Tomography Scans with a Gradient-Enhanced Network 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030429 PMID:41681747	研究论文	本研究开发了一种基于梯度增强网络G-UNETR++的全自动肝脏肿瘤分割方法，用于从CT扫描中分割肝脏肿瘤	采用梯度增强网络G-UNETR++进行全自动肝脏和肿瘤分割，并在两个公开数据集上验证了其优于现有最先进模型的性能	NA	开发一种全自动的肝脏肿瘤分割方法，以辅助医生进行肝脏肿瘤的诊断和治疗	肝脏肿瘤	计算机视觉	肝癌	CT扫描	深度学习	图像	151个CT扫描（LiTS数据集131个，3DIRCADb数据集20个）	NA	G-UNETR++	Dice系数	NA
287	2026-02-14	Lumbar MRI-Based Deep Learning for Osteoporosis Prediction 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030423 PMID:41681741	研究论文	本研究开发了基于腰椎MRI的深度学习模型，用于预测骨质疏松症	首次利用常规腰椎MRI序列（T1和T2加权）通过深度学习模型进行骨质疏松症的预测，无需额外成像或辐射	研究为回顾性设计，样本量较小（218名患者），且仅针对50岁以上人群，可能限制模型的泛化能力	开发深度学习模型以利用腰椎MRI识别骨质疏松症，辅助早期诊断和术前筛查	218名年龄≥50岁、同时接受腰椎MRI和双能X线吸收测定法（DXA）检查的患者	数字病理学	骨质疏松症	MRI（磁共振成像），包括T1和T2加权序列	CNN	图像	218名患者，每序列提取738张图像	NA	EfficientNet b4, InceptionResNet v2, ResNet-50	AUC, 灵敏度, 特异性	NA
288	2026-02-14	Quantitative Ultrasound Radiomics for Predicting and Monitoring Neoadjuvant Chemotherapy Response in Breast Cancer: A Systematic Review 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030425 PMID:41681743	综述	本文系统综述了定量超声（QUS）影像组学在预测和监测乳腺癌新辅助化疗（NAC）反应中的应用	系统性地综合了开放获取的人类研究，评估QUS影像组学在化疗前预测和早期治疗监测中的表现，并强调了其作为无对比剂、无辐射早期反应指标的潜力	纳入研究数量有限（12个队列），部分高准确率结果来自小样本队列，且RF数据获取、标准化、ROI定义等缺乏统一标准，需要外部验证以促进临床转化	评估QUS影像组学在乳腺癌新辅助化疗反应预测和早期监测中的有效性和临床价值	经活检证实的接受新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	定量超声（QUS）影像组学	机器学习模型，深度学习模型	射频数据，超声光谱参数（如中频拟合、光谱斜率/截距）及纹理/衍生特征	12个临床研究队列（具体样本数量未在摘要中明确给出）	NA	NA	AUC（曲线下面积），准确率，灵敏度/特异度，平衡准确率	NA
289	2026-02-14	Transformer-Based Foundation Learning for Robust and Data-Efficient Skin Disease Imaging 2026-Feb-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16030440 PMID:41681756	研究论文	本研究提出了一种基于Transformer的皮肤病学专用基础模型，通过自监督预训练从大量未标记的皮肤镜图像中学习可迁移的视觉表征，以解决皮肤镜病变分类中数据集偏差、标注数据有限和泛化能力差的问题	提出了首个皮肤病学专用的Transformer基础模型，结合大规模皮肤病学导向的自监督学习和分层视觉Transformer骨干网络，能有效捕捉细粒度病变纹理和全局形态模式	研究仅在三个公开数据集上进行评估，未在更广泛的临床环境和多样化的患者群体中进行验证	开发一种鲁棒且数据高效的自动化皮肤镜病变分类方法，以应对临床皮肤病学中的数据驱动诊断系统部署挑战	皮肤镜图像中的病变分类	计算机视觉	皮肤疾病	自监督学习	Transformer	图像	三个公开数据集：ISIC 2018、HAM10000和PH2	NA	分层视觉Transformer	准确率	NA
290	2026-02-14	Deep learning-based classification of superficial femoral arterial lesions: a pilot study 2026-Feb, Annals of surgical treatment and research IF:1.2Q3 DOI:10.4174/astr.2026.110.2.92 PMID:41684626	研究论文	本研究评估了使用目标检测算法在平面重建的下肢CT血管造影图像中检测外周动脉病变的可行性	首次将YOLOv5和Faster R-CNN等目标检测算法应用于下肢CT血管造影图像中的外周动脉病变分类，并比较了不同模型在支架、狭窄和闭塞分类中的性能	狭窄分类的准确率较低，存在较高的假阴性率；动脉分叉处的闭塞常未被检测到；支架边缘被误分类为闭塞；部分YOLOv5模型在超过75个周期后出现过拟合	评估目标检测算法在检测外周动脉病变中的可行性，为开发临床决策支持工具提供初步步骤	外周动脉疾病患者的平面重建下肢CT血管造影图像	计算机视觉	心血管疾病	CT血管造影	CNN	图像	1,241张对比增强下肢CT图像	NA	YOLOv5, Faster R-CNN	平均精度均值(mAP@.5), 精确率-召回率曲线	NA
291	2026-02-14	Harnessing deep learning to accelerate the development of antibodies and aptamers 2026-Feb, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2025.12.017 PMID:41685150	综述	本文综述了人工智能（特别是深度学习）在加速抗体和RNA适配体开发中的应用与进展	系统阐述了AI如何通过整合序列和结构数据，在抗体和适配体的结构预测、结合亲和力、特异性及稳定性优化方面实现突破，显著降低实验成本并缩短开发周期	未提及具体AI模型的局限性、数据可用性挑战或与实验验证整合过程中的具体障碍	探讨人工智能技术如何加速和优化抗体与RNA适配体的设计与开发过程	抗体和RNA适配体	机器学习	癌症, 自身免疫性疾病, 病毒感染	NA	深度学习	序列数据, 结构数据	NA	NA	NA	NA	NA
292	2026-02-14	Contemporary Preoperative Detection of Extraprostatic Extension in Prostate Cancer 2026-Jan-30, Cancers IF:4.5Q1 DOI:10.3390/cancers18030456 PMID:41681930	综述	本文综述了2015年至2025年间前列腺癌术前检测前列腺外侵犯（EPE）的当代策略，包括临床参数、多参数MRI特征、列线图、影像组学、机器学习和深度学习模型	系统比较了多种EPE预测方法的诊断性能、验证策略和临床适用性，并强调了侧向特异性和分级评估的临床相关性	大多数深度学习模型缺乏外部验证，且对数据集异质性敏感	综述前列腺癌术前检测前列腺外侵犯（EPE）的当代策略	前列腺癌患者	数字病理学	前列腺癌	多参数MRI（mpMRI）	机器学习模型, 深度学习模型	影像数据	NA	NA	NA	AUC	NA
293	2026-02-14	A Survey of AI-Enabled Predictive Maintenance for Railway Infrastructure: Models, Data Sources, and Research Challenges 2026-Jan-30, Sensors (Basel, Switzerland) DOI:10.3390/s26030906 PMID:41682422	综述	本文全面综述了人工智能技术在铁路基础设施预防性、预测性和规范性维护中的应用	系统性地比较了机器学习与深度学习方法在铁路维护中的应用，并识别了数据质量、模型泛化等研究空白，同时讨论了数字孪生、边缘AI等新兴方向	NA	指导智能铁路维护生态系统的未来研究与标准化	铁路基础设施	机器学习	NA	NA	神经网络, 支持向量机, 随机森林, 遗传算法, 端到端深度模型	轨道几何数据, 振动监测数据, 图像检查数据	NA	NA	NA	NA	NA
294	2026-02-14	Driver Monitoring System Using Computer Vision for Real-Time Detection of Fatigue, Distraction and Emotion via Facial Landmarks and Deep Learning 2026-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s26030889 PMID:41682402	研究论文	本研究提出了一种基于计算机视觉和深度学习的实时驾驶员监控系统，用于通过面部特征检测疲劳、分心和情绪	结合MobileNetV2 CNN进行情绪识别，并利用MediaPipe面部关键点计算眼部、嘴部特征及头部姿态，将情绪感知集成到驾驶员监控中以提高准确性	系统在检测悲伤情绪时表现不佳，且未能检测恐惧情绪，可能由于真实世界表情的细微性及训练数据集的限制	开发一种轻量级、非侵入性的技术，通过智能行为分析提升驾驶安全性	驾驶员的面部表情和行为	计算机视觉	NA	深度学习, 面部关键点检测	CNN	图像	27名参与者在真实和模拟驾驶环境中的测试	MediaPipe	MobileNetV2	准确率	NA
295	2026-02-14	Digital Technologies and Machine Learning in Environmental Hazard Monitoring: A Synthesis of Evidence for Floods, Air Pollution, Earthquakes, and Fires 2026-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s26030893 PMID:41682407	综述	本文综述了数字技术（特别是机器学习、物联网和先进图像处理技术）在环境灾害监测中的集成应用现状	系统性地综合了2015年至2024年间关于洪水、空气污染、地震和火灾监测的数字技术应用证据，并基于灾害类型、技术应用、地理位置和研究方法对文献进行了分类	作为一篇综述，它本身不产生新的实证数据，其结论依赖于所选文献的范围和质量	评估数字技术在提高环境灾害检测、监测和预测的准确性与效率方面的有效性，并探讨构建稳健、可扩展的灾害监测系统的挑战与未来方向	针对空气污染、地震、洪水和火灾的环境灾害监测研究	机器学习	NA	物联网、先进图像处理技术、多传感器数据融合	深度学习模型	多传感器数据、图像数据	NA	NA	NA	准确性、效率	NA
296	2026-02-14	A Lightweight Radar-Camera Fusion Deep Learning Model for Human Activity Recognition 2026-Jan-29, Sensors (Basel, Switzerland) DOI:10.3390/s26030894 PMID:41682408	研究论文	本文提出了一种轻量级雷达-摄像头融合深度学习模型，用于在隐私敏感的室内环境中进行人类活动识别	创新点在于将FMCW雷达的运动特征与超低分辨率摄像头帧的粗略空间线索相结合，通过Transformer编码器分别处理两种模态的时序数据，并在保持高性能的同时实现低计算复杂度	未明确提及具体限制，但可能包括对特定活动类别或环境条件的泛化能力	研究目标是开发一种在隐私敏感室内环境中高效且准确的人类活动识别方法	研究对象是人类活动，具体包括15种活动类别	计算机视觉	NA	FMCW雷达，超低分辨率摄像头	Transformer，全连接网络	雷达数据（Range-Doppler-Time立方体），图像数据（超低分辨率摄像头帧）	构建了一个包含15种活动类别的多模态数据集，具体样本数量未明确说明	未明确提及，可能为PyTorch或TensorFlow	Transformer编码器	分类准确率	模型计算需求为1100万浮点运算（11 MFLOPs），适合嵌入式或边缘设备部署
297	2026-02-14	A Hybrid Deep Learning Framework for Automated Dental Disorder Diagnosis from X-Ray Images 2026-Jan-29, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15031076 PMID:41682758	研究论文	本文提出了一种用于从X射线图像自动诊断牙科疾病的混合深度学习框架	提出了一种混合特征融合框架，结合了手工HOG特征与DenseNet-201和Swin Transformer的深度表示，并利用LSTM分类器学习融合特征的序列依赖性	NA	自动化并提高牙科X射线图像诊断的准确性和效率	牙科X射线图像（全景、根尖、咬翼片）	计算机视觉	牙科疾病	X射线成像	CNN, Transformer, LSTM	图像	使用Dental Radiography Analysis and Diagnosis (DRAD)数据集	NA	DenseNet-201, Swin Transformer, LSTM	准确率, 特异性, 精确率, 召回率, F1分数	NA
298	2026-02-14	Mining the Hidden Pharmacopeia: Fungal Endophytes, Natural Products, and the Rise of AI-Driven Drug Discovery 2026-Jan-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27031365 PMID:41683797	综述	本文综述了真菌内生菌天然产物的化学与生物合成多样性，并探讨了人工智能（AI）驱动的工具如何变革天然产物的发现过程	将真菌内生菌这一化学多样性丰富的天然产物来源，与人工智能、机器学习、深度学习和多组学整合等现代计算工具相结合，将天然产物发现从经验筛选转变为可预测、假设驱动的学科	NA	探讨人工智能如何变革天然产物发现领域，并将其从经验筛选转变为可预测、假设驱动的学科，以应对紧迫的生物医学和可持续性挑战	真菌内生菌产生的天然产物（如聚酮、生物碱、萜类、肽类）及其生物合成基因簇	自然语言处理, 机器学习	NA	多组学整合, 基因组挖掘, 代谢组学注释	深度学习, 生成式AI, 扩散模型	基因组数据, 代谢组数据, 化学结构数据	NA	NA	NA	NA	NA
299	2026-02-14	Deep learning-based classification and internal region stratification of wooden breast in broiler by using ultrasound imaging 2026-Jan-28, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106534 PMID:41633072	研究论文	本研究利用超声成像结合深度学习技术，对肉鸡木质胸病的严重程度进行分类和内部区域分层	首次通过超声成像结合深度学习实现木质胸病的精确内部区域分层，并量化了不同严重程度下的病理特征空间范围	研究样本仅来自单一品种（Arbor Acres）的雄性肉鸡，且年龄固定（42天），可能限制了结果的普适性	开发一种基于超声成像和深度学习的自动化方法，以替代传统触诊，实现对木质胸病的科学分类和内部结构分层	240只42日龄雄性Arbor Acres肉鸡的胸肉片，根据木质胸病严重程度分为正常、轻度、中度和重度四类	计算机视觉	木质胸病	超声成像、ImageJ阈值二值化、尺度校准	CNN	超声图像	240个鸡胸肉片样本（正常60，轻度60，中度60，重度60）	NA	MobileNetV3, ResNet18, AlexNet	准确率, 精确率, 召回率, F1分数	NA
300	2026-02-14	AI-Driven Multimodal Sensing for Early Detection of Health Disorders in Dairy Cows 2026-Jan-28, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16030411 PMID:41681390	研究论文	本研究提出了一种多模态人工智能框架，通过整合生理、行为、生产和热成像数据，实现对奶牛实时健康监测，以早期检测兽医确认的乳房、腿部和蹄部感染	同时整合了来自自动挤奶系统、热成像相机和瘤胃内传感器三个独立来源的数据，并引入了一种结合U-Net、O-Net和ResNet核心组件的混合深度学习架构，以利用它们的互补优势分析奶牛健康状态	数据集仅包含88头泌乳奶牛，且所有感染被归为单一“患病”标签，可能限制了模型对特定疾病类型的区分能力	开发一个AI驱动的多模态传感系统，用于奶牛健康障碍的早期检测	泌乳奶牛，特别是针对兽医确认的乳房、腿部和蹄部感染	机器学习	兽医疾病	热成像，瘤胃内传感器监测，自动挤奶系统数据采集	深度学习	生理数据，行为数据，生产数据，热成像图像	88头泌乳奶牛	NA	U-Net, O-Net, ResNet	准确率, AUC	NA