深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 49768 篇文献，本页显示第 3221 - 3240 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3221 | 2026-08-24 |
Multimodal Assessment of Biological Age Following Radiation Therapy Among Patients With Early-Stage NSCLC
2026-04-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究评估了基于照片的面部年龄和基于肺功能测试的肺年龄作为生物年龄指标，与接受立体定向体部放疗的早期非小细胞肺癌老年患者的总生存期和早期死亡率的关联 | 首次在早期NSCLC老年患者中，结合面部年龄和肺年龄两种非侵入性生物年龄指标，评估其与生存结局的独立关联，并显示面部年龄优于实际年龄 | 回顾性设计，肺功能测试仅部分患者可用，且面部年龄和肺年龄相关性弱，可能受单中心样本限制 | 评估非侵入性生物年龄指标（面部年龄和肺年龄）是否可改善老年早期NSCLC患者生理状态和预期寿命的评估，以辅助风险分层和治疗计划 | 接受立体定向体部放疗的早期非小细胞肺癌患者，年龄≥60岁 | 临床影像与生物标志物评估 | 非小细胞肺癌 | 摄影成像及肺功能检测（spirometry） | 深度学习模型 | 照片图像及肺功能测试数据 | 670名患者（其中477名有肺功能数据） | NA | NA | 调整风险比、95%置信区间、P值、中位生存期、2年死亡率 | NA |
| 3222 | 2026-08-24 |
Dataset of Chilean Oak micropyrolysis over Zn and Ga supported on natural zeolite catalyst in oxygen-depleted (He) and reductive (H2) atmospheres
2026-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2026.112584
PMID:41993075
|
研究论文 | 本文提供了一个数据集，包含用锌和镓掺杂的天然智利沸石催化剂在无氧（氦气）和还原（氢气）气氛下对智利橡木进行微热解的实验数据 | 首次提供了在天然智利沸石催化剂上掺杂锌和镓，在还原气氛下对烘焙后的智利橡木进行热解的全面数据集，包括催化剂表征和热解产物数据，适用于机器学习和深度学习应用 | 未提及 | 提供生物质在无氧和还原气氛下使用天然沸石催化剂热解的数据集，以促进多维分析和工业应用预测 | 智利橡木生物质、天然智利沸石催化剂掺杂锌和镓 | 数据科学 | 不适用 | 热解-气相色谱/质谱联用（Py-GC/MS）、热重分析（TGA）、N2物理吸附、氨程序升温脱附（TPD-NH3）、X射线衍射（XRD）、透射电子显微镜（TEM）、扫描电子显微镜-能量色散X射线光谱（SEM-EDX）、X射线光电子能谱（XPS）、吡啶吸附-脱附傅里叶变换红外光谱（Pyr-FTIR）、电感耦合等离子体原子发射光谱（ICP） | 不适用 | 实验数据 | 未提及具体样本数量，但涉及不同催化剂负载量（2 wt.%和5 wt.%）的多种实验条件 | 不适用 | 不适用 | 不适用 | 未提及 |
| 3223 | 2026-08-24 |
Deep-learning-based breast cancer stage prediction from H&E-stained whole-slide images in resource-constrained settings
2026-Apr, Journal of pathology informatics
DOI:10.1016/j.jpi.2026.100644
PMID:41993946
|
研究论文 | 提出一种结合Vision Transformer特征提取器和基于注意力的多实例学习聚合器的深度学习流水线，用于在资源受限环境中从H&E染色的全切片图像预测乳腺癌的病理肿瘤-淋巴结-转移分期 | 在2.5×放大倍数下进行乳腺癌分期预测，远低于通常使用的20-40×，并验证了该低分辨率下仍可捕获分期相关信息，为资源受限环境提供了计算高效的基线 | 2.5×放大倍数可能限制对精细细胞线索的获取，且AUC值中等，性能有待提升 | 开发一种资源感知的深度学习流水线，用于从H&E全切片图像预测乳腺癌pTNM分期，并适用于资源受限环境 | 乳腺癌患者的H&E染色全切片图像 | 数字病理学、计算机视觉、深度学习 | 乳腺癌 | H&E染色全切片成像 | Vision Transformer、注意力多实例学习聚合器、ResNet | 图像（全切片图像） | Semmelweis队列247张全切片图像（214名患者）用于训练和验证；三个测试集：Semmelweis内部保留集82张（72名患者）、Nightingale高风险乳腺癌预测数据集9489张（574名患者）、TCGA-BRCA数据集731张（678名患者） | PyTorch | UNI基础模型、针对BRACS微调的UNI、针对BRACS微调的ResNet-50 | 受试者工作特征曲线下面积 | 未明确说明，但强调计算效率，适用于资源受限环境 |
| 3224 | 2026-08-24 |
AI in Mental Health: Transforming Diagnosis and Management of Depression and Anxiety
2026-Apr, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.72316
PMID:41994616
|
综述 | 本文综述了人工智能在抑郁症和焦虑症诊断与管理中的应用，探讨其潜力、挑战及伦理问题 | 系统性地总结了AI在精神健康领域，特别是针对亚洲人群的抑郁症和焦虑症诊断与管理中的应用，并讨论了聊天机器人和可穿戴设备等新兴工具 | 未详细探讨AI在自杀意念检测中的局限，且对老年人群的接受度和伦理问题仅作简要提及，缺乏实证分析 | 评估AI在改善抑郁症和焦虑症诊断精度和管理效率方面的作用，并识别其应用的挑战和未来方向 | 抑郁症和焦虑症患者及相关的AI应用（如聊天机器人、可穿戴设备、机器学习模型） | 机器学习 | 抑郁症和焦虑症 | NA | 机器学习、深度学习模型 | 社交媒体数据、传感器数据 | NA | NA | NA | NA | NA |
| 3225 | 2026-08-24 |
Thymic health consequences in adults
2026-04, Nature
IF:50.5Q1
DOI:10.1038/s41586-026-10242-y
PMID:41851466
|
研究论文 | 本研究开发了一种深度学习框架，用于从常规放射影像中量化成人胸腺健康状况，并评估其与长寿及主要年龄相关疾病风险的关联 | 首次提出胸腺功能维持对成人健康和长寿至关重要，并利用深度学习从常规影像中量化胸腺健康，突破了传统认为成人胸腺功能退化的观点 | 未在摘要中明确提及局限性，可能包括依赖影像数据质量、样本选择偏倚或缺乏直接功能性验证 | 探究成人胸腺健康与长寿及年龄相关疾病风险的关系，以重新定位胸腺在免疫介导衰老中的角色 | 无症状成人参与者，来自国家肺部筛查试验和弗雷明汉心脏研究队列 | 深度学习 | 肺癌、心血管疾病 | 影像组学分析 | 深度学习模型 | 影像数据 | 国家肺部筛查试验25,031例，弗雷明汉心脏研究2,581例，共27,612例 | NA | NA | 全因死亡率、肺癌发病率、心血管死亡率 | NA |
| 3226 | 2026-08-24 |
A deep-learning based biomarker of systemic cellular senescence burden to predict mortality and health outcomes
2026-Mar-24, medRxiv : the preprint server for health sciences
DOI:10.64898/2026.03.20.26348913
PMID:41929337
|
研究论文 | 开发并验证了一种基于深度学习的系统性细胞衰老负担生物标志物，用于预测死亡风险和健康结局 | 利用半监督深度学习框架（GAET模型）整合大规模蛋白质组学数据，构建复合SASP评分，提供增强的可解释性和跨平台实用性 | 信息未在摘要中明确提供 | 开发一种深度学习衍生的SASP评分，作为系统性细胞衰老负担的生物标志物，以预测死亡风险和慢性疾病结局，并评估干预效果 | UK Biobank Pharma Proteomics Project（UKB-PPP）数据及独立随机临床试验队列 | 机器学习 | 衰老相关疾病（如痴呆、慢性阻塞性肺病、心肌梗死、中风） | 蛋白质组学（SASP蛋白测量） | 半监督深度学习模型（GAET） | 蛋白质组学数据 | 大规模（具体数量未在摘要中给出） | NA | Guided autoencoder with Transformer (GAET) | 预测能力（如死亡率、疾病发生率）及轨迹变化评估 | NA |
| 3227 | 2026-08-24 |
Interactive Multiscale Attention Fusion with Sparse Feature Convolution Network for Satellite Image Change Detection
2026-03-10, Journal of visualized experiments : JoVE
DOI:10.3791/69815
PMID:42627057
|
研究论文 | 提出了一种基于交互式多尺度注意力融合与稀疏特征卷积网络的卫星图像变化检测方法，以高效识别双时相图像中的地表变化 | 通过交互式前向和后向注意力流实现双向时间建模，结合Ghost模块的稀疏特征卷积，在保持高精度的同时大幅降低计算复杂度 | 未在更多样化的数据集或极端条件下验证泛化能力，且未详细讨论不同场景下的鲁棒性 | 解决现有深度学习方法时间建模单向偏置和计算开销大的问题，实现高效准确的卫星图像变化检测 | 双时相卫星图像中的地表变化区域 | 计算机视觉 | NA | NA | 卷积神经网络 | 图像 | OSCD和SZTAKI两个基准数据集，具体样本量未在摘要中明确 | PyTorch | 编码器-解码器架构，交互式注意力模块，Ghost模块 | F1分数 | NA（摘要中提及参数数量和FLOPS，但未具体说明GPU型号或平台） |
| 3228 | 2026-08-24 |
Filter2Noise: a framework for interpretable and zero-shot low-dose CT image denoising
2026-Mar, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.13.2.024004
PMID:41993061
|
研究论文 | 介绍了一种名为Filter2Noise的框架，用于低剂量CT图像去噪，该框架结合了注意力引导的双边滤波和自监督学习，在保持可解释性的同时实现了与深度学习相当的性能。 | 使用注意力引导的双边滤波器替代传统深度网络，实现了完全可解释的去噪；引入欧几里得局部洗牌和多尺度自监督损失，实现零样本学习，且参数数量极低。 | 信息未提供 | 开发一种可解释且零样本的低剂量CT图像去噪方法，提升放射科医生的信任度和可用性。 | 低剂量CT图像去噪 | 计算机视觉 | 不适用 | CT成像 | 注意力引导的双边滤波 | 图像 | 梅奥诊所低剂量CT挑战数据集和光子计数CT临床数据 | PyTorch | 注意力模块（轻量级，3.6k参数） | 峰值信噪比（PSNR）、对比度噪声比（CNR） | 信息未提供 |
| 3229 | 2026-08-24 |
Artificial Intelligence and Machine Learning in Diagnostic Pathology: A Systematic Review of Applications, Challenges, and Clinical Implications
2026-Mar, Cureus
DOI:10.7759/cureus.105167
PMID:41994757
|
系统综述 | 本系统综述旨在评估人工智能和机器学习在诊断病理学中的应用、性能结果及实际挑战。 | 全面总结了2010年至2025年间AI/ML在病理学多个领域的最新进展，包括外部验证和风险偏倚评估。 | 纳入研究多为回顾性设计且依赖二手数据集，总体偏倚风险中等。 | 分析AI和ML在诊断病理学中的应用现状、性能及其临床意义。 | 包括乳腺病理、细胞病理、神经病理、头颈肿瘤及多器官计算病理等领域的研究。 | 数字病理学 | 乳腺病理、细胞病理、神经病理、头颈肿瘤等 | NA | 深度学习 | 病理图像 | 13项研究 | NA | NA | 诊断准确性 | NA |
| 3230 | 2026-08-24 |
Extending protein language models to a viral genomic scale using biologically induced sparse attention
2026-Jan-21, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giag081
PMID:42480065
|
研究论文 | 提出一种扩展蛋白质语言模型至病毒基因组规模的方法，利用生物信息引导的稀疏注意力机制，训练于整个病毒基因组以捕获蛋白质间长程依赖关系 | 首次将蛋白质语言模型的上下文扩展至整个病毒基因组，并采用生物信息引导的稀疏注意力机制推断蛋白质间连接作为稀疏先验 | 未明确提及 | 克服单蛋白质模型忽视基因组内蛋白质间相互依赖的局限性，提升下游任务性能 | 病毒基因组及蛋白质序列 | 机器学习 | NA | NA | Transformer | 蛋白质序列 | 未明确提及 | NA | 稀疏注意力Transformer | 掩码氨基酸预测准确率、下游任务区分性能 | NA |
| 3231 | 2026-08-24 |
Thermodynamic principles link in vitro transcription factor affinities to single-molecule chromatin states in cells
2026-Jan-08, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2025.11.008
PMID:41308636
|
研究论文 | 通过定量比较体外转录因子结合率与亲和力及体内单分子染色质状态，揭示转录因子结合和染色质可及性的分子机制 | 将体外高通量测量与体内单分子测量及深度学习模型相结合，揭示侧翼序列对亲和力的40倍效应，并证明体外生物物理参数可预测体内未知基序语法的序列偏好 | 未提及具体限制 | 定量理解转录因子结合和可及染色质形成的分子细节，包括序列上下文如何调节亲和力、DNA搜索、占据动力学及基序语法协调 | 人类转录因子红系Krüppel样因子（eKLF/KLF1） | 分子生物学 | NA | 高通量体外结合测量、单分子成像、深度学习建模 | 深度学习模型 | 体外结合数据、体内单分子占用数据 | NA | NA | NA | NA | NA |
| 3232 | 2026-08-24 |
Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study
2026-01, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.03.051
PMID:40158620
|
研究论文 | 本研究基于机器学习和外周血蛋白质组学，建立了流感病毒感染的诊断预测模型，并验证了SAA2作为流感特异性分子标志物的潜力。 | 整合外周血蛋白质组学与机器学习，发现SERPINA3、SAA1和SAA2等新标志物，并利用ELISA验证了SAA2作为流感辅助诊断指标的特异性。 | 摘要未提及研究的限制，如样本来源单一、模型泛化性验证不足等问题。 | 预测流感病毒感染的关键分子标志物，并评估模型在流感、COVID-19及混合感染中的鉴别诊断价值。 | 流感病毒、COVID-19及混合感染患者和健康个体的外周血蛋白质组及临床特征。 | 机器学习 | 流感、COVID-19 | 蛋白质组测序、ELISA | 随机森林、LASSO回归 | 蛋白质组数据、临床特征数据 | 850名患者（包括流感、COVID-19和混合感染）和265名健康个体 | NA | 随机森林、LASSO回归 | ROC曲线、AUC、相关性分析 | NA |
| 3233 | 2026-08-24 |
Voxel-accurate MRI-microscopy Correlation Enables AI-powered Prediction of Brain Disease States
2026, Theranostics
IF:12.4Q1
DOI:10.7150/thno.125235
PMID:41993630
|
研究论文 | 本文介绍了BRIDGE平台，该平台结合体内MRI与双光子和超分辨显微成像技术，实现MRI信号的体素级精确映射到生物学真实状态，并利用卷积神经网络提升MRI的有效分辨率，从而支持脑疾病状态的AI预测。 | 首次实现体内纵向、体素级精确的MRI信号到生物学真实状态的映射，并利用多步迭代共配准流程整合体内和体外显微成像。 | 摘要中未明确提及局限性，可能包括样本量有限、技术复杂性或对特定显微成像条件的依赖。 | 建立MRI信号的微观真实标准，并利用深度学习预测脑疾病状态，提供肿瘤微环境的细胞级见解。 | 脑疾病状态，包括乳腺癌脑转移和胶质瘤的肿瘤微环境。 | 医学影像分析，深度学习 | 乳腺癌脑转移，胶质瘤 | MRI，双光子显微镜，超分辨显微镜 | 卷积神经网络 | MRI图像，显微图像 | 患者来源的异种移植模型 | NA | 卷积神经网络 | NA | NA |
| 3234 | 2026-08-24 |
Protein design, generative AI and biological security
2026, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2026.1817535
PMID:41994287
|
综述 | 本文综述了人工智能驱动的蛋白质设计领域，探讨其双重用途影响，并提出平衡开放科学进步与生物安全的缓解策略。 | 系统评估了生成式蛋白质设计的生物安全风险，特别是AI生成的蛋白质可能逃避基于同源性的筛选，并提出了分层缓解策略。 | 未提供具体的实验验证或量化风险评估，主要基于现有文献和推理。 | 评估生成式蛋白质设计的双重用途影响，并提出相应的生物安全缓解策略。 | AI生成的蛋白质序列和结构，及其在生物技术和生物安全中的应用。 | 机器学习 | NA | 深度学习 | 生成模型 | 文本 | NA | NA | NA | NA | NA |
| 3235 | 2026-08-24 |
Artificial intelligence in the diagnosis of thyroid diseases: applications and challenges
2026, Frontiers in radiology
DOI:10.3389/fradi.2026.1740915
PMID:41994322
|
综述 | 本文综述了人工智能在甲状腺疾病诊断中的最新应用，重点讨论机器学习和深度学习算法在多种影像模态中的图像分类、分割和目标检测，并分析其面临的挑战 | 通过跨模态研究整合，揭示了AI在不同影像模态中的应用，突出了其在特征提取和风险分层中的潜在价值，并对数据异质性和可解释性不足等关键挑战进行了深入分析 | AI应用面临数据异质性和可解释性不足等挑战，限制了临床信任和采用 | 探讨人工智能在甲状腺疾病诊断中的应用及其挑战，为个性化医疗和改善患者预后提供新途径 | 甲状腺疾病患者相关的超声、计算机断层扫描、磁共振成像和单光子发射计算机断层扫描影像数据 | 数字病理学 | 甲状腺疾病 | NA | 机器学习、深度学习 | 医学影像（超声、CT、MRI、SPECT） | NA | NA | NA | NA | NA |
| 3236 | 2026-08-24 |
RN-D3: detection, differentiation, and delineation of radiation necrosis on post-contrast MRI
2026, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2026.1891883
PMID:42625867
|
研究论文 | 本研究评估了多种深度学习分割模型在机构内放射坏死队列上的再训练效果，并整合最佳组件构建RN-D3端到端流水线，用于放射坏死的检测、区分和勾画 | 首次提出RN-D3端到端流水线，整合CNN分割骨干与RN-versus-non-RN分类器，同时解决检测、区分和勾画问题，并评估了多种预训练策略和架构在外部数据上的泛化能力 | 外部测试队列仅包含脑转移瘤患者，小病灶检测率较低，所有架构在外部数据上性能均有下降 | 评估深度分割模型在放射坏死检测和勾画中的表现，并构建端到端流水线用于放射坏死与脑转移瘤的区分 | 放射坏死病灶及脑转移瘤病灶 | 医学影像分析 | 放射坏死 | MRI（对比增强MRI） | 卷积神经网络（CNN）和Transformer | 图像（MRI） | 训练集：52名放射坏死患者（质子束放疗后）；外部测试集：29名患者39个放射坏死病灶，以及115个脑转移瘤病灶 | PyTorch, MONAI | nnU-Net, STU-Net, TRIAD PlainConv, Spark3D, SwinUNETR, TRIAD SwinB | Dice相似系数（DSC），表面Dice（2 mm），病灶检出率，敏感性，特异性 | NA |
| 3237 | 2026-08-24 |
A Multimodal Graph Neural Network Based on MRI Radi-omics for Prognostic Prediction in Locally Advanced Cervical Squamous Cell Carcinoma
2026 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center
IF:2.5Q3
DOI:10.1177/10732748261480328
PMID:42627373
|
研究论文 | 开发并验证一种结合多序列MRI和临床变量的多模态图神经网络框架，用于预测局部晚期宫颈鳞状细胞癌的总生存期 | 创新性地构建了基于MRI影像组学的多模态图神经网络，利用图结构建模MRI切片间的空间关系，并整合成像特征与临床变量生成深度学习预后评分 | 该研究为回顾性队列研究，样本量有限，且未在外部独立队列中验证模型的泛化能力 | 开发和验证一个临床可解释的多模态深度学习框架，用于预测局部晚期宫颈鳞状细胞癌的总生存期，以支持个性化风险评估和治疗决策 | 247例经病理确诊的局部晚期宫颈鳞状细胞癌患者 | 数字病理学 | 宫颈癌 | MRI成像 | 图神经网络 | 影像和临床数据 | 247例患者 | NA | ResNet-50 | ROC曲线下面积、Kaplan-Meier生存分析、Cox回归分析 | NA |
| 3238 | 2026-08-24 |
Research on LSTM-based spatial target trajectory forecasting enhanced by attention mechanisms
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0356376
PMID:42627817
|
研究论文 | 提出了一种结合注意力机制与长短期记忆网络的卫星轨道预测修正方法，以提高空间目标轨道预测精度 | 将注意力机制与LSTM结合，利用历史轨道数据中的位置误差、速度和加速度特征预测轨道误差并修正SGP4预测结果，突破了传统物理模型的局限性 | 预测难度随预测时长增加而加大，模型更适合短期轨道误差预测；对网络神经元数量的设置较为敏感，可能影响模型性能 | 提高空间目标轨道预测的精度，为轨道误差预测、空间态势感知和碰撞预警提供有效方法 | LAGEOS卫星及不同轨道高度的卫星 | 机器学习 | NA | NA | LSTM、BiLSTM、SVM、BP神经网络 | 轨道数据（位置误差、速度、加速度等特征） | LAGEOS卫星的轨道数据及不同轨道高度的卫星验证数据 | NA | 注意力增强的LSTM（ATLSTM） | 残差比例（X、Y、Z轴） | NA |
| 3239 | 2026-08-24 |
Improved motor imagery BCI performance via task-unaware compression in the BELT Bayesian Edge-Cloud architecture
2026, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0354976
PMID:42627854
|
研究论文 | 提出了一种模块化的贝叶斯边缘-云架构BELT，并实现了轻量级版本BELT-lite，用于改进运动想象脑机接口的性能 | 基于贝叶斯先验和后验的三个设计原则，任务无关压缩与分类目标的自动编码器结合，以及轻量级分类器适用于嵌入式设备 | 准确性相对EEGNet有约2.7个百分点的降低，且需要用户特定的微调 | 设计可扩展、可移植、隐私保护的脑机接口系统，提高运动想象BCI的性能和实用性 | 运动想象脑机接口数据，具体为BCI Competition IV-2a和IV-2b数据集 | 机器学习，脑机接口 | 不适用 | 脑电图 | 轻量级线性时不变模型 | 脑电图信号 | 18名受试者的脑电图数据，十折交叉验证 | 不适用 | 贝叶斯边缘-云架构，任务无关自动编码器，网络调优块 | 准确率，延迟，p值 | ARM Cortex-A7硬件 |
| 3240 | 2026-08-24 |
Automated classification of osteoporotic vertebral compression fractures in DR images based on improved YOLO26n-seg
2026, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2026.1844808
PMID:42630171
|
研究论文 | 提出了一种改进的YOLO26n-seg-SAConv模型，用于DR图像中骨质疏松性椎体压缩性骨折的自动化Genant分类，提高了分类性能并降低了计算复杂度 | 首次将Switchable Atrous Convolution（SAConv）模块替代YOLO26n-seg中的传统卷积下采样模块，在提高分类精度的同时减少计算量，实现对OVCFs的自动化Genant分类 | 方法学研究，数据来自单一机构及其附属机构，样本量相对有限；未报告外部验证结果；对小型骨折类型的改进可能受样本不平衡影响 | 验证自动化Genant分类OVCFs在DR图像上的可行性，为后续临床分诊辅助工具的开发提供技术基础 | 骨质疏松性椎体压缩性骨折（OVCFs）的DR图像 | 计算机视觉 | 骨质疏松性椎体压缩性骨折 | NA | YOLO26n-seg | 图像 | 483张DR图像 | NA | YOLO26n-seg, SAConv | mAP50, FLOPs | NA |