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	2026-06-18	Tebyan: An AI-powered system for estimating developmental levels from children's human figure drawings 2026 Apr-Jun, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582261460248 PMID:42273788	研究论文	开发并评估一款名为Tebyan的AI驱动移动应用，通过儿童的人物画作估计其发育水平	首次将深度学习模型（MobileNet、ResNet、EfficientNet）应用于儿童画人物的发育年龄估计，并比较预测年龄与实际年龄的差距来辅助识别发育问题	模型性能随分类粒度增加而下降，且系统并非诊断工具，仅作为辅助资源	开发AI系统以从儿童画人物测试中估计发育年龄，支持早期发育问题的识别	儿童画人物测试的画作	计算机视觉	发育障碍相关疾病	NA	卷积神经网络（CNN）	图像（人物画作）	未在摘要中明确说明样本数量	NA	MobileNet, ResNet, EfficientNet	准确率、敏感性、特异性、精确率、F1分数	NA
322	2026-06-18	Multitask deep learning models for ultrasound image analysis: identification of high-grade serous ovarian cancer and segmentation of tumor regions and intratumoral solid components 2026-Mar-25, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-026-02070-5 PMID:41877233	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
323	2026-06-18	Uncertainty-Aware Explainable AI for Pancreatic Cysts: Identifying Deep Learning Vulnerabilities and Ensuring Safe Clinical Triage in IPMN Management 2026-Mar-22, Research square DOI:10.21203/rs.3.rs-9096790/v1 PMID:41890858	研究论文	首个结合可解释人工智能与不确定性量化，系统评估病灶特征如何影响深度学习模型在胰腺导管内乳头状黏液性肿瘤恶性风险分层中性能的多中心研究	首次将可解释AI与不确定性量化相结合，系统性分析囊肿类型、大小和位置对深度学习模型行为的影响，并建立选择性预测框架用于临床分诊	回顾性研究设计；样本量有限（170例）；未在独立外部验证集上验证；模型在复杂高风险IPMN上性能显著下降	评估病灶特征如何影响深度学习模型在IPMN恶性风险预测中的性能，并实现安全的临床分诊	7个中心170例IPMN患者的影像学和临床数据	医学影像分析	胰腺导管内乳头状黏液性肿瘤	放射组学-深度学习融合模型	深度学习融合模型（具体架构未明确）	医学影像	170例IPMN患者	NA	NA	准确率，不确定性值	NA
324	2026-06-18	Development of a deep learning classification model using a codeless platform for orthodontic extraction decision-making: Impact of image type on model performance 2026-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106296 PMID:41389871	研究论文	利用无代码平台开发深度学习分类模型，评估图像类型对正畸拔牙决策模型性能的影响	首次比较口内照片与数字模型扫描在正畸拔牙决策中的深度学习模型性能，并采用无代码平台实现自动模型开发	样本量有限、回顾性研究设计、模型性能仍有提升空间（准确率约71-74%）	评估图像类型对深度学习分类模型在正畸治疗拔牙决策中的表现影响，探究人工智能在拔牙与非拔牙方案判定中的临床适用性	已完成正畸治疗患者的治疗前口内照片和数字模型扫描	计算机视觉、机器学习	正畸疾病（错颌畸形）	无代码平台自动建模	深度学习分类模型	图像（口内照片与数字模型扫描）	1200张口内照片和1200张数字模型扫描，各包含600例拔牙和600例非拔牙病例	无代码平台（具体框架未说明）	未明确指定（由无代码平台自动优化）	准确率、精确率、召回率、F1分数	未详细说明（依赖无代码平台）
325	2026-06-18	M44TMD: A multimodal, multi-task deep learning framework for comprehensive assessment of TMD-related abnormalities 2026-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106322 PMID:41461305	research paper	提出一种多模态、多任务深度学习框架M44TMD，用于综合评估颞下颌关节相关异常	首次利用多序列和多切片MRI与临床数据，实现颞下颌关节退行性疾病、前移位和积液的同时评估，性能达到高级牙医水平	NA	开发一种利用多模态MRI和临床数据的深度学习框架，全面评估颞下颌关节异常	765名参与者的1410个颞下颌关节的12690个MRI切片及临床数据	machine learning	颞下颌关节紊乱	MRI	CNN	图像、文本	765名参与者，1410个关节，12690个MRI切片	PyTorch	ResNet50	ROC-AUC、准确率	NA
326	2026-06-18	Advances in Predicting Postoperative Atrial Fibrillation: A Narrative Review of the Current Literature 2026-Feb-19, Cardiology in review IF:2.0Q3 DOI:10.1097/CRD.0000000000001212 PMID:41711481	综述	本文综述了目前用于预测心脏手术后房颤的技术方法，包括影像学特征和机器学习模型	系统总结了超声心动图、CT放射组学和MRI等影像学特征以及支持向量机、深度学习等多种机器学习模型在POAF预测中的应用	缺乏一致表现优异的预测模型，且现有预测能力尚不明确，需要大规模临床试验进一步验证	综述当前预测术后房颤的技术文献，评估不同预测方法的潜力	心脏手术后出现术后房颤的患者	机器学习	心血管疾病	NA	支持向量机、深度学习、梯度提升机、逻辑回归、随机森林	影像数据	NA	NA	NA	AUC	NA
327	2026-06-18	The BIOPREVENT machine-learning algorithm predicts chronic graft-versus-host disease and mortality risk using posttransplant biomarkers 2026-02-16, The Journal of clinical investigation IF:13.3Q1 DOI:10.1172/JCI195228 PMID:41697751	研究论文	开发了一种名为BIOPREVENT的机器学习算法，利用移植后生物标志物预测慢性移植物抗宿主病和非复发死亡风险	首次将多种机器学习模型（如BART和CoxXGBoost）与血浆蛋白生物标志物结合，用于预测cGVHD和NRM，并优于仅使用临床变量的模型	深度学习模型未优于传统机器学习方法，需进一步研究其在指导预防性治疗中的作用	评估机器学习模型结合生物标志物是否提高预测cGVHD和非复发死亡风险的准确性	接受造血细胞移植的患者	机器学习	慢性移植物抗宿主病	血浆蛋白生物标志物检测	BART, CoxXGBoost, Group SCAD, Adaptive Group Lasso, 随机生存森林	血浆蛋白数据和临床变量	1310名造血细胞移植受者	R Shiny	BART, CoxXGBoost, Group SCAD, Adaptive Group Lasso, 随机生存森林	时变AUC	未提及
328	2026-06-18	Synthetic imaging in dentistry: A narrative review of deep learning techniques and applications 2026-02, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106274 PMID:41338365	综述	本文综述了深度学习方法在口腔医学中生成合成图像的应用，以解决真实数据稀缺、类别不平衡及隐私问题	系统分析了合成图像生成技术（GAN、VAE、扩散模型）在口腔领域的应用潜力，并首次纳入伦理与监管视角	现有口腔图像合成研究仍较少，缺乏关于合成图像增强数据效果的全面证据，且面临解剖保真度不足和伪影问题	探讨合成图像数据作为口腔影像深度学习工具开发中数据稀缺、类别不平衡及隐私问题的解决方案	口腔医学领域中的合成图像生成与临床应用	自然语言处理	口腔疾病	合成图像生成	生成对抗网络（GAN）、变分自编码器（VAE）、去噪扩散概率模型	图像	NA	NA	生成对抗网络（GAN）、变分自编码器（VAE）、去噪扩散概率模型	未明确提及	NA
329	2026-06-18	Community Health Nurses' Knowledge and Perceptions of AI in Canada: National Cross-Sectional Survey 2026-01-23, JMIR nursing DOI:10.2196/78560 PMID:41576309	研究论文	调查加拿大社区健康护士对人工智能的知识和感知的全国横断面研究	首次聚焦社区健康护士对人工智能的认知和感知，揭示其知识水平与态度之间的关联	样本量相对较小（228人），且回答率因问题而异，可能限制了结果的普遍性	了解社区健康护士对人工智能的认知、知识和感知，并促进他们参与人工智能应用	加拿大社区健康护士	机器学习	NA	NA	NA	调查问卷数据	228名社区健康护士	NA	NA	卡方检验、比值比	NA
330	2026-06-18	Autoencoder/RandomForest-TabPFN for cross-cancer metabolomics: prostate and breast cancer diagnosis using paper spray and ion mobility-mass spectrometry techniques 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag053 PMID:42096511	研究论文	提出结合自编码器、随机森林特征选择和TabPFN的新方法，基于代谢组学数据实现前列腺癌和乳腺癌的高精度诊断	首次将Autoencoder、随机森林和TabPFN集成用于跨癌种代谢组学诊断，整合纸喷雾电离质谱和离子迁移质谱两种技术来源的数据	未明确说明局限性	开发基于代谢组学数据的高精度AI诊断模型，用于前列腺癌和乳腺癌的早期诊断	前列腺癌和乳腺癌患者的尿液、血清样本及核心针活检组织	机器学习	前列腺癌, 乳腺癌	纸喷雾电离质谱, 流动注射-行波离子迁移质谱	Autoencoder, 随机森林, TabPFN	代谢组学数据, 脂质组学数据	前列腺癌患者尿液和血清样本，乳腺癌患者核心针活检样本	NA	Autoencoder, 随机森林, TabPFN	准确率	NA
331	2026-06-18	Evaluation of the effectiveness of artificial intelligence models in radiopaque and radiolucent lesions of the maxillofacial region on panoramic radiographs 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00838-x PMID:40593453	研究论文	评估深度学习模型在全景X线片上分类、检测和分割颌面部放射透射性及阻射性病变的效果	首次系统比较多种深度学习架构（AlexNet、VGG16、GoogleNet、YOLOv8）在颌面部病变分析中的分类、检测与分割性能	样本来源单一，病变分类精度在区分放射透射性与阻射性病变时较低（68.4%），多分类任务准确性有限	评估AI深度学习算法在全景X线片中对颌面部放射透射性及阻射性病变的分类、检测和分割效果	12至80岁个体的全景X线片，包含颌面部放射透射性或阻射性病变	计算机视觉	颌面部疾病	全景X线摄影	CNN	图像	未指定具体数量，包含来自12-80岁个体的全景X线片	NA	AlexNet, VGG16, GoogleNet, YOLOv8	准确率, 精确率, 召回率, F1分数, 平均精度均值	NA
332	2026-06-18	Area detection improves the person-based performance of a deep learning system for classifying the presence of carotid artery calcifications on panoramic radiographs 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00843-0 PMID:40694246	研究论文	研究两种基于区域检测的深度学习系统在口腔全景X光片上分类颈动脉钙化灶的效果，并与直接分类整张影像的系统进行比较	首次比较前置区域检测和同步区域检测两种策略对深度学习系统在口腔全景X光片上分类颈动脉钙化的性能提升	未明确说明	评估前置或同步区域检测功能对深度学习系统分类颈动脉钙化性能的影响	口腔全景X光片上颈动脉钙化灶的分类	计算机视觉	颈动脉钙化	深度学习	卷积神经网络	图像	580张来自290名患者和290名对照的口腔全景X光片	NA	GoogLeNet, YOLOv7	AUC	NA
333	2026-06-18	Deep learning model for automated segmentation of sphenoid sinus and middle skull base structures in CBCT volumes using nnU-Net v2 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00848-9 PMID:40748555	研究论文	基于nnU-Net v2开发深度学习模型，实现CBCT图像中蝶窦和中颅底结构的自动分割	首次将nnU-Net v2应用于CBCT图像中蝶窦及中颅底解剖结构的自动分割，并评估其分割性能	模型在中颅底其他孔的骨性结构分割上表现有限，需进一步优化	开发并验证用于CBCT影像中蝶窦和中颅底结构自动分割的深度学习模型	蝶窦、圆孔、翼管及中颅底其他孔的骨性结构	计算机视觉	无特定疾病	锥形束计算机断层扫描（CBCT）	nnU-Net v2	医学图像（CBCT扫描）	99例CBCT扫描样本	nnU-Net v2	nnU-Net v2	准确率、精确率、召回率、Dice系数、95% Hausdorff距离、交叉并比、AUC	未提及
334	2026-06-18	Evaluation of deep learning-based segmentation models for carotid artery calcification detection in panoramic radiographs 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00858-7 PMID:40931257	研究论文	评估深度学习分割模型在全景X光片中检测颈动脉钙化的有效性，并比较不同YOLO模型的性能	首次系统比较YOLOv5x-seg、YOLOv8x-seg和YOLOv11x-seg三种分割模型在颈动脉钙化检测中的表现，并探讨患者性别与疾病关联	数据来自单一机构，样本量相对较小（652张标注X光片），需更大规模多样化验证泛化性	评估AI辅助分割方法检测颈动脉钙化的性能，并分析性别关联	颈动脉钙化检测	计算机视觉	心血管疾病	全景X光成像	YOLO	图像	30,883张全景X光片，其中652张标注（共1,086个标注）	PyTorch	YOLOv5x-seg, YOLOv8x-seg, YOLOv11x-seg	精确率, 敏感度, F1分数	NA
335	2026-06-18	Automated diagnosis and classification of skeletal malocclusion using artificial intelligence on 2D facial photographs: A multi-modal deep learning approach 2026-01, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106257 PMID:41270953	研究论文	利用2D面部照片和元数据通过多模态深度学习框架诊断和分类骨性错颌畸形	首次将面部照片与元数据（性别和年龄）结合，使用MobileNetV3-Large作为骨干网络构建FaceDSM-Net，实现了基于2D照片的骨性错颌畸形可靠分类，并通过Grad-CAM提供可解释性	模型的泛化能力仅达到中等水平，尤其在侧面垂直分类任务上；样本量有限且为单中心回顾性数据，可能影响外部推广性	建立并验证一种基于2D面部照片的两阶段深度学习框架，用于经济高效地识别矢状向和垂直向骨性错颌畸形	1427名患者的2854张面部照片及对应侧位头影测量片和元数据（性别和年龄）	计算机视觉	骨性错颌畸形	多模态深度学习	CNN	图像	1427名患者的2854张2D面部照片	PyTorch	MobileNetV3-Large	准确率、精确率、AUC、召回率、F1分数	NA
336	2026-06-18	Deep Learning-Based Prediction Model for Cardiac Resynchronization Therapy Responders Using Electrocardiogram Data 2026-01, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70212 PMID:41331773	研究论文	利用术前心电图数据开发深度学习模型预测心脏再同步治疗反应者	首次将自监督学习增强的ResNet-18模型应用于心电图图像预测CRT反应，并利用Grad-CAM解释模型关注区域，揭示了心电特征异质性	样本量较小（285例），为单中心回顾性研究，且模型性能仍有提升空间，PPV和NPV的均衡性需进一步优化	开发并评估基于术前心电图的深度学习模型，用于预测CRT反应，以改善患者筛选和个性化治疗策略	接受CRT植入并完成6个月随访的心力衰竭患者	机器学习	心血管疾病	心电图（ECG）	CNN, LightGBM, 自监督学习	图像, 时间序列	285名患者（其中36例用于模型可解释性分析）	PyTorch, LightGBM	ResNet-18, LightGBM	准确率, 阳性预测值, 阴性预测值	NA
337	2026-06-18	Deep Learning Approaches for Multiple Sclerosis Detection in MRI Images 2026, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/5726771 PMID:41943462	研究论文	探索利用深度学习模型自动检测MRI图像中多发性硬化症病灶	系统比较多种CNN架构在MS病灶检测任务上的表现，发现预训练VGG16效果最佳	数据集来自少数患者（60例），模型在资源受限环境中效率与性能的平衡有待验证	自动化MS病灶检测以提高临床诊断效率	MRI图像中的多发性硬化症病灶	计算机视觉	多发性硬化症	MRI	CNN	图像	来自60名患者的2831张FLAIR和T2 MRI切片	NA	AlexNet, VGG16, ResNet-10, DenseNet-121	准确率, 精确率, 召回率, F1分数, AUC	NA
338	2026-06-18	Hybrid deep learning and feature selection approach for autism detection from rs-fMRI data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339921 PMID:41945612	研究论文	提出一种混合深度学习与特征选择方法，用于从rs-fMRI数据中检测自闭症	将改进的指数三角优化算法与深度学习特征提取相结合，通过融入算术优化算法和引导学习策略提高诊断性能	未明确说明限制	提高自闭症谱系障碍诊断的准确性和性能	自闭症谱系障碍患者和健康对照者的rs-fMRI数据	机器学习	自闭症谱系障碍	rs-fMRI	深度学习	图像	使用ABIDE I数据集，具体样本量未明确	NA	NA	准确率, 灵敏度, AUC	NA
339	2026-06-18	Enhanced rice leaf disease classification via contour-driven segmentation and optimized deep transfer learning architectures 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348290 PMID:42096457	研究论文	利用轮廓分割与优化深度迁移学习架构增强水稻叶病害分类	结合引导GrabCut分割与轮廓检测后处理可视化技术，在不影响分类训练的情况下增强模型可解释性，并系统比较五种深度迁移学习架构在水稻叶病害分类中的性能	研究仅基于公开的单一数据集（1914张图像），可能限制模型在更广泛真实场景中的泛化能力；EfficientNetV2L模型性能显著低于预期，需进一步优化	开发可靠、自动化的水稻叶病害计算机分类系统，以替代人工监测并提升病害控制效率	水稻叶片及其病害区域	计算机视觉	水稻叶病害	NA	深度迁移学习模型	图像	1914个水稻叶图像样本	TensorFlow	InceptionV3, DenseNet201, ResNet152V2, EfficientNetV2L, MobileNetV2	训练准确率, 验证准确率, 测试准确率	GPU（未指定型号）
340	2026-06-18	A two stage statistical framework for cold start spare part demand forecasting 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350729 PMID:42302088	研究论文	提出一种两阶段统计框架ZIG MC，用于在无历史数据的冷启动条件下预测备件需求	将需求分解为发生概率与量级两个独立组件，并通过蒙特卡洛模拟生成完全概率预测，解决了零膨胀和分布不确定性难题	依赖分布假设（伯努利与伽马分布），且对蒙特卡洛采样大小敏感，工业应用中对计算资源有一定需求	在无历史数据的冷启动条件下实现准确且完全概率的备件需求预测	工业交易数据集中的新备件	机器学习	NA	NA	伯努利分类器、伽马模型、蒙特卡洛模拟	交易数据	工业交易数据集，具体样本数量未说明	PyTorch（用于DeepAR基准）	伯努利分类器与伽马回归模型组成的零膨胀伽马蒙特卡洛（ZIG MC）框架	MAE, MASE, CRPS, 分位数可靠性分析	NVIDIA RTX 3090 GPU（用于DeepAR训练）