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
321	2026-03-31	Discrimination of vascular proliferation in eyelid surgery using multimodal hyperspectral imaging technology 2026-Mar-17, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109328 PMID:41905157	研究论文	本研究提出了一种基于多模态高光谱成像技术和深度学习模型HyperT-net的眼睑手术后血管增生诊断方法	首次将高光谱成像（提供光谱-空间信息）与病理切片图像（提供微观形态信息）进行多模态融合，并设计了结合一维卷积网络和Transformer架构的HyperT-net模型进行分析	未明确说明样本量的具体规模及数据集的多样性，也未提及模型在外部验证集上的泛化性能	开发一种非侵入性、精确的眼睑手术后血管增生早期诊断工具	眼睑手术后的皮肤组织（重点关注微血管变化）	计算机视觉	皮肤血管增生	多模态高光谱成像技术（400-1000 nm波段）	深度学习	高光谱图像, 病理切片图像	NA	NA	HyperT-net（结合一维卷积网络和Transformer架构）	准确率, 灵敏度	NA
322	2026-03-31	Tabular LLMs for Interpretable Few-Shot Alzheimer's Disease Prediction with Multimodal Biomedical Data 2026-Mar-17, ArXiv PMID:41907581	研究论文	本文提出了一种基于预训练大型语言模型的表格数据框架TAP-GPT，用于阿尔茨海默病的少样本预测，并展示了其在多模态生物标志物数据上的有效性	首次系统地将专门用于表格数据的LLM应用于基于多模态生物标志物的阿尔茨海默病预测，通过表格提示而非纯文本进行微调，实现了少样本泛化、结构化推理和可解释输出	未明确说明模型在高维输入下的具体性能下降程度，以及在实际临床环境中的泛化能力验证可能有限	开发一种能够处理小规模、不完整表格生物标志物数据的阿尔茨海默病准确诊断方法	阿尔茨海默病（AD）患者的多模态生物医学数据，包括QT-PAD生物标志物、结构MRI、淀粉样蛋白PET和tau PET	自然语言处理	阿尔茨海默病	多模态生物医学数据整合，包括结构MRI、淀粉样蛋白PET、tau PET和QT-PAD生物标志物	LLM, GPT	表格数据	基于四个ADNI衍生数据集，具体样本数量未明确说明	TableGPT2	TableGPT2	少样本分类性能，与基线模型和通用LLM的比较，未指定具体指标如准确率、AUC等	NA
323	2026-03-31	AI-Driven Predictions of Readmission and Mortality for Improved Discharge Decisions in Critical Care: A Retrospective Study 2026-Mar-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060874 PMID:41897607	研究论文	本研究利用MIMIC-IV和KNUH数据库，开发并验证了GRU-D++深度学习模型，用于预测ICU出院后7天内的再入院或死亡风险	提出了GRU-D++深度学习模型，在预测ICU出院后7天内再入院或死亡方面，其性能优于传统的SWIFT评分工具	研究为回顾性队列研究，可能存在数据偏差，且模型性能需在前瞻性临床环境中进一步验证	识别风险因素并评估AI模型在预测ICU出院后7天内再入院或死亡方面的性能，以改善临床决策支持	ICU出院患者	机器学习	危重症	机器学习，深度学习	GRU-D, 深度学习模型	临床数据库数据	MIMIC-IV数据库（2008-2019年）和KNUH数据库（2016年1月1日至2023年2月28日）的患者数据	NA	GRU-D++	AUROC	NA
324	2026-03-31	An Adaptive Attention 3D U-Net for High-Fidelity MRI-to-CT Synthesis: Bridging the Anatomical Gap with CBAM 2026-Mar-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060875 PMID:41897608	研究论文	本研究提出了一种集成CBAM注意力模块的增强型3D U-Net架构，用于从MRI扫描合成高保真CT图像	在传统3D U-Net的跳跃连接中系统性地集成CBAM模块，通过通道和空间注意力自适应重加权编码器特征图，以提升解剖结构重建精度	研究仅针对脑部MRI-CT数据集进行验证，未涉及其他解剖部位或临床场景	实现高保真的MRI到CT图像合成，以支持仅MRI的临床工作流程和多模态医学影像整合	脑部MRI和CT图像	医学影像分析	NA	深度学习	CNN	3D医学影像	SynthRAD2023（任务1-脑部）MRI-CT数据集	NA	3D U-Net, CBAM	MAE, RMSE, PSNR, SSIM, NCC	NA
325	2026-03-31	EdgeGeoDiff: A Novel Two-Stage Diffusion Approach for Precipitation Downscaling with Edge Details and Geographical Priors 2026-Mar-15, Sensors (Basel, Switzerland) DOI:10.3390/s26061857 PMID:41902026	研究论文	本文提出了一种名为EdgeGeoDiff的两阶段扩散模型，用于降水降尺度任务，通过结合边缘信息和地理先验来增强高分辨率降水场的重建	提出了一种新颖的两阶段扩散模型，首次在降水降尺度中整合边缘细节（通过拉普拉斯算子提取）和地理先验（如地形高程），以解决传统单图像超分辨率方法在降水数据上导致过度平滑和丢失极端值的问题	未明确说明模型的计算复杂度或训练时间，可能在实际应用中存在资源消耗较大的限制	提高降水数据的空间分辨率，以更准确地捕捉降水极端值和精细尺度变异性	真实世界的降水数据集	计算机视觉	NA	深度学习，扩散模型	扩散模型，残差网络	图像（降水场数据）	NA	NA	残差网络，扩散模型	RMSE, PSNR, SSIM, CSI	NA
326	2026-03-31	A Lightweight and Explainable AI Framework Toward Automated Infraocclusion Detection in Pediatric Panoramic Radiographs 2026-Mar-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060866 PMID:41897599	研究论文	本研究提出并评估了一个轻量级、两阶段深度学习框架，结合可解释AI技术，用于在儿童全景X光片中自动检测牙齿低咬合	开发了一个结合MobileNet V2 Lite和定制CNN的两阶段轻量级框架，并集成了可解释AI技术以增强模型透明度	研究仅针对7-11岁儿童，样本可能有限，且未在更广泛年龄组或不同成像设备上进行验证	设计并评估一个用于儿童全景X光片中自动检测牙齿低咬合的轻量级、可解释AI框架	7-11岁儿童的全景X光片，重点关注前磨牙和磨牙区域	计算机视觉	牙齿低咬合	全景X光成像	CNN	图像	未明确具体数量，但使用了7-11岁儿童的全景X光片进行训练和验证	TensorFlow, Keras	MobileNet V2 Lite, 定制CNN	准确率, 精确率, 召回率, F1分数, AP50, AP75	未明确指定GPU类型，但强调框架轻量级，仅需1.88M可训练参数（7.19 MB），推理延迟低（分类0.8 ms，检测19 ms）
327	2026-03-31	AI-Driven Design of Miniproteins as Potential Allosteric Modulators 2026-Mar-14, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19030480 PMID:41901326	综述	本文综述了人工智能驱动的计算方法，用于设计作为潜在变构调节剂的小型蛋白质	利用深度学习结构预测和生成模型，实现变构热点识别、构象集合表征及结构化小型蛋白质结合剂的全新设计	NA	探索人工智能在变构药物发现和蛋白质功能调控中的应用	小型蛋白质作为变构调节剂	机器学习	NA	深度学习结构预测，生成模型	NA	NA	NA	NA	NA	NA	NA
328	2026-03-31	Enhanced Visualization: Transforming Non-Contrast into Contrast-Enhanced Computed Tomography Images Through Advanced Generative Adversarial Networks 2026-Mar-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060861 PMID:41897594	研究论文	本研究利用生成对抗网络（GAN）将非对比增强CT图像转换为合成对比增强CT图像，以辅助禁忌使用碘对比剂患者的纵隔和淋巴结评估	开发了一种基于GAN的模型，能够在不注射对比剂的情况下，从NCCT生成sCECT，为禁忌患者提供了一种替代可视化方案	合成增强是基于学习的强度变换，而非真实的碘基衰减，其定量相似性提升有限，且PCC有所下降	探索利用深度学习技术生成合成对比增强CT图像，以克服传统CECT在特定患者群体中的使用限制	淋巴瘤或转移性淋巴结病患者	计算机视觉	淋巴瘤	CT扫描	GAN	图像	训练集：400例CECT扫描（2024年3月至7月）；测试集：20例患者（2025年1月至7月）	NA	NA	MAE, RMSE, PSNR, SSIM, PCC, SNR, CNR	NA
329	2026-03-31	Lightweight Deep Learning for Automated Dental Caries Screening from Pediatric Oral Photographs 2026-Mar-13, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060862 PMID:41897595	研究论文	本研究探讨了使用轻量级卷积神经网络从儿童口腔照片中自动筛查龋齿的可行性	证明了轻量级、部署友好的模型架构（如MobileNetV3-Small）在保持临床意义性能的同时，显著降低了计算复杂度，适用于社区和移动环境	数据集规模相对较小（435张图像），且仅包含3-14岁儿童的图像，可能限制了模型的泛化能力	开发一种适用于社区和移动环境的自动化龋齿筛查方法	儿童早期龋齿（ECC）	计算机视觉	龋齿	NA	CNN	图像	435张来自3-14岁儿童的腔内图像	NA	ResNet-18, MobileNetV3-Small, EfficientNet-B0	灵敏度, 特异度, 平衡准确度, ROC-AUC, PR-AUC, 加权F1分数	NA
330	2026-03-31	Artificial Intelligence Applications in Gastric Cancer Surgery: Bridging Early Diagnosis and Responsible Precision Medicine 2026-Mar-13, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15062208 PMID:41899133	综述	本文是一篇关于人工智能在胃癌手术中应用的叙述性综述，涵盖从早期诊断到围手术期风险预测等多个领域	系统性地综合了人工智能在胃癌手术中从解剖识别、早期检测到围手术期预测及伦理考量的多方面应用，并强调了以人为中心、伦理为基础的开发框架	现有证据大多基于小型且异质性的数据集，外部验证不足，并且在数据隐私、算法可解释性及医疗法律责任方面存在未解决的问题	评估人工智能在胃癌手术领域的应用潜力、现状及面临的挑战	聚焦于胃癌手术中的人工智能技术应用	数字病理学	胃癌	AI辅助内窥镜检测，拉曼光谱，计算机视觉，深度学习	深度学习算法	内窥镜图像，光谱数据，临床数据	NA	NA	NA	NA	NA
331	2026-03-31	Deep Learning-Driven Pathological Prediction of Lymph Node Metastasis in Patients with Head and Neck Squamous Cell Carcinoma Using Primary Whole Slide Images 2026-Mar-13, Cancers IF:4.5Q1 DOI:10.3390/cancers18060933 PMID:41899537	研究论文	本研究开发了一种基于深度学习的全切片图像模型和整合列线图，用于术前预测头颈部鳞状细胞癌患者的颈部淋巴结转移风险	采用双阶段多示例学习框架从全切片图像生成预测，并首次将深度学习衍生的病理风险评分与临床变量结合构建预测列线图	研究为回顾性分析，需要前瞻性研究验证；外部验证队列的样本量相对较小	提高头颈部鳞状细胞癌患者颈部淋巴结转移的术前个体化风险分层准确性	头颈部鳞状细胞癌患者的组织病理学全切片图像	数字病理学	头颈部鳞状细胞癌	全切片图像分析	多示例学习	图像	内部队列：355张FFPE WSI和282张冰冻WSI；外部队列：329张FFPE WSI	NA	双阶段多示例学习框架	AUC, 校准曲线, 决策曲线分析	NA
332	2026-03-31	Brain-Oct-Pvt: A Physics-Guided Transformer with Radial Prior and Deformable Alignment for Neurovascular Segmentation 2026-Mar-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030332 PMID:41899863	研究论文	本研究开发了一种名为Brain-OCT-PVT的深度学习框架，专门用于神经血管光学相干断层扫描（OCT）图像的分割任务	提出了一种物理引导的Transformer模型，引入了径向先验模块、可变形跨尺度融合模块和边界感知注意力模块，以优化神经血管OCT图像的分割性能	研究仅基于13个临床病例进行评估，样本量较小，可能限制模型的泛化能力	开发一个专门针对神经血管OCT成像物理特性的深度学习框架，以提升血管分割的准确性和鲁棒性	神经血管OCT图像	计算机视觉	NA	光学相干断层扫描（OCT）	Transformer	图像	13个临床病例	PyTorch	Swin-Transformer	Dice相似系数, 95% Hausdorff距离（HD95）, BoundaryIoU	NA
333	2026-03-31	Uncovering Hidden Prognostic Patterns in Colorectal Cancer Histology Using Unsupervised Learning: A Computational Pathology Study 2026-Mar-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030334 PMID:41899865	研究论文	本研究利用无监督深度学习，从结直肠癌组织学图像中发现具有预后意义的细微形态学模式	首次将卷积神经网络与深度聚类相结合，从大量结直肠癌组织图像中自动识别出30个不同的组织形态学簇，并发现其中三个簇与患者预后独立相关，为传统临床因素提供了补充信息	研究仅基于组织图像，未整合分子或基因组数据；识别出的形态学模式与特定生物学机制的联系尚不明确；模型性能提升幅度有限	发现结直肠癌组织学中隐藏的、具有预后价值的形态学模式，以改进患者风险分层	结直肠癌患者的组织病理学图像	数字病理学	结直肠癌	组织病理学成像	CNN, 深度聚类	图像	训练集来自493名患者的23,341个图像块；独立验证集包含2,590名患者	NA	NA	生存分析（单变量、多变量Cox分析），逻辑回归	NA
334	2026-03-31	Artificial Intelligence for Microbial Isolation and Cultivation: Progress and Challenges 2026-Mar-13, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14030654 PMID:41900412	综述	本文综述了过去三十年间人工智能技术在微生物分离与培养领域的发展历程与应用	提出了一个包含五个阶段（萌芽期、早期探索期、快速发展期、深度学习爆发期和AI整合期）的AI技术发展框架，并阐述了AI如何推动微生物研究方法从经验驱动向数据驱动、从单目标向系统整合、从被动筛选向主动设计的转变	NA	从微生物资源发现的角度，全面审视人工智能技术在克服微生物分离与培养瓶颈方面的作用	微生物资源，包括基因组、个体和群落水平	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
335	2026-03-31	Deep-Learning-Derived Facial Electromyogram Signatures of Emotion in Immersive Virtual Reality (bWell): Exploring the Impact of Emotional, Cognitive, and Physical Demands 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061827 PMID:41901995	研究论文	本研究探讨了利用多通道面部肌电图结合时空深度学习模型，在沉浸式虚拟现实环境中对情绪和认知负荷状态进行连续监测的可行性	提出了一种结合CNN-TCN的端到端时空深度学习模型，能够使用单一共享模型对原始面部肌电图信号进行跨被试分类，并将校准表情学习迁移到VR任务引发的自发行为中	样本量较小（仅12名成人参与者），研究结果需要在更大样本和更广泛的VR场景中进行验证	开发一种能够在沉浸式VR环境中可靠监测情绪和认知负荷状态的生理信号建模方法	成人在沉浸式VR环境中的面部肌电图信号及对应的情绪与认知负荷状态	机器学习	NA	多通道面部肌电图	CNN, TCN	生理信号（肌电图）	12名成人	NA	卷积神经网络-时序卷积网络	宏平均F1分数, ROC曲线下面积	NA
336	2026-03-31	Advancing Defect Detection in Laser Welding: A Machine Learning Approach Based on Spatter Feature Analysis 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061825 PMID:41901990	研究论文	本文提出了一种基于红外热成像和深度学习的传感器驱动框架，用于激光焊接过程中的无损监测和自动缺陷检测	提出了一种结合红外热成像与混合CNN-Transformer模型的传感器驱动框架，用于实时监测激光焊接缺陷，并通过可解释的时空特征分析飞溅动力学	实验仅在09G2S管道钢上进行验证，未涉及其他材料或更广泛的工业环境	开发一种非破坏性监测和自动缺陷检测系统，以提升激光焊接的工业可扩展性和质量控制	激光焊接过程中的缺陷，包括不完全穿透、下垂、收缩沟槽和线性错位	机器视觉	NA	红外热成像	CNN, Transformer	热信号时间序列	在09G2S管道钢上进行实验验证，具体样本数量未明确说明	NA	混合CNN-Transformer	平均精度均值	CPU用于近实时推理
337	2026-03-31	BactoRamanBioNet: A Multimodal Neural Network for Bacterial Species Identification Using Raman Spectroscopy and Biological Knowledge 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061828 PMID:41901996	研究论文	本文提出了一种名为BactoRamanBioNet的多模态神经网络，用于结合拉曼光谱和生物学知识进行细菌物种的准确识别	采用ResNet-Transformer架构捕获复杂光谱模式，并结合CLIP文本编码器整合描述性生物学信息，实现多模态分类，显著提升了识别精度	未明确说明模型对数据噪声或样本异质性的鲁棒性，以及在实际临床或环境样本中的泛化能力	开发一种准确、快速的细菌物种识别方法，以服务于公共卫生、临床诊断和环境监测	细菌物种	机器学习	NA	拉曼光谱	多模态神经网络	光谱数据, 文本数据	NA	NA	ResNet-Transformer, CLIP	准确率, F1分数, 精确率, 召回率	NA
338	2026-03-31	Correction: Costache et al. Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors. Sensors 2021, 21, 280 2026-Mar-13, Sensors (Basel, Switzerland) DOI:10.3390/s26061815 PMID:41902180	更正	本文是对原论文中参考文献相关性问题进行更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
339	2026-03-31	A Hybrid Multimodal Cancer Diagnostic Framework Integrating Deep Learning of Histopathology and Whispering Gallery Mode Optical Sensors 2026-Mar-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16060848 PMID:41897581	研究论文	本文提出了一种结合深度学习组织病理学图像分析和WGM光学传感的混合多模态癌症诊断框架，旨在提高癌症分类的准确性和可靠性	创新点在于整合了基于深度学习的组织病理学图像分析与WGM光学传感技术，通过形态学和生化信息的互补，提供更稳健的诊断决策支持	未明确提及具体局限性，如数据集规模、泛化能力或临床验证的不足	增强癌症诊断，通过混合框架整合组织病理学图像分析和WGM光学传感进行互补组织表征	癌症组织样本，使用BreakHis数据集进行肿瘤分类	数字病理学	癌症	组织病理学图像分析，WGM光学传感	CNN, GAN, Transformer	图像，光学信号	使用BreakHis数据集，具体样本数量未明确	TensorFlow, PyTorch	EfficientNet-B0, InceptionV3, Vision Transformer, DCGAN	准确率	NA
340	2026-03-31	Development and Internal Multicenter Validation of a Deep Learning Model for Predicting Post-Hepatectomy Liver Failure in Patients with Hepatocellular Carcinoma: A Multicenter Study 2026-Mar-12, Cancers IF:4.5Q1 DOI:10.3390/cancers18060926 PMID:41899530	研究论文	本研究开发并内部验证了一个深度学习模型，用于预测肝细胞癌患者肝切除术后肝衰竭的风险	首次利用多中心临床数据构建深度学习模型，显著提升了预测肝切除术后肝衰竭的准确性，并优于传统逻辑回归模型	研究为回顾性设计，且仅在内部验证，缺乏外部验证，可能影响模型的泛化能力	开发并验证一个深度学习模型，以更准确地预测肝细胞癌患者肝切除术后肝衰竭的发生	接受根治性肝切除术的肝细胞癌患者	数字病理学	肝细胞癌	临床数据整合与分析	深度神经网络	临床数据（包括术前生化参数、术中手术变量和肿瘤相关特征）	来自六个中心的498名患者	NA	深度神经网络	AUC, 精确率-召回率曲线, Brier分数, 决策曲线分析	NA