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	Crop-OCT: a Fully Integrated Imageomics Pipeline to Identify Regional and Focal Retinopathy in Murine Models 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.27.708333 PMID:41867838	研究论文	本文介绍了一个名为Crop-OCT的自动化端到端图像组学管道，用于从大量光学相干断层扫描图像中提取特征，以识别小鼠模型中的区域性和局灶性视网膜病变	开发了一个完全集成的自动化管道，能够处理数千张OCT图像并保留其在眼内的位置信息，支持对多种视网膜疾病模型的异质性分析	管道仍处于早期开发阶段，通用性和自动化处理大规模OCT图像的能力有待进一步验证	加速对生物特征和人类疾病过程的理解，特别是视网膜病变的诊断和监测	小鼠模型中的视网膜病变，包括遗传性视网膜疾病如色素性视网膜炎、Leber先天性黑蒙、色盲、Stargardt病、糖尿病视网膜病变和年龄相关性黄斑变性	数字病理学	视网膜病变	光学相干断层扫描	深度学习	图像	超过20,000张OCT图像，涉及13种遗传性视网膜病变模型	NA	NA	NA	NA
322	2026-03-31	EndoClean: A Hybrid Deep Learning Framework for Automated Full-Video Boston Bowel Preparation Scale Assessment 2026-Mar-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030294 PMID:41899825	研究论文	本研究提出了一种名为EndoClean的混合深度学习框架，用于从结肠镜检查视频中自动计算全段波士顿肠道准备量表评分，旨在提供标准化、客观且接近专家水平的评估	开发了首个完全自动化的深度学习框架EndoClean，用于全视频波士顿肠道准备量表评估，整合了帧选择、解剖分割和BBPS评分三个独立模型，显著减少了评估者间差异	未明确说明模型在不同医疗机构或设备上的泛化能力，以及计算资源需求的具体细节	开发一个标准化、客观的自动化系统，用于评估结肠镜检查中的肠道准备质量，以减少人工评估的变异性和提高评估效率	结肠镜检查视频	计算机视觉	NA	深度学习	混合深度学习框架	视频	未明确说明具体样本数量，但涉及与资深专家和初级内镜医师的比较评估	未明确指定，但可能涉及TensorFlow, PyTorch等	未明确指定具体架构，但整合了帧选择、解剖分割和BBPS评分模型	准确率, 二次加权Kappa, 敏感性, 特异性	NA
323	2026-03-31	The Rise of Intelligent Plastic Surgery: A 10-Year Bibliometric Journey Through AI Applications, Challenges, and Transformative Potential 2026-Mar, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-05068-4 PMID:40660032	综述	本文通过文献计量学方法，系统分析了2016年至2024年间人工智能在整形外科领域的研究趋势、应用、挑战及变革潜力	首次使用CiteSpace和VOSviewer软件对人工智能在整形外科领域的文献进行定量分析，揭示了研究轨迹、合作网络及关键词爆发趋势	研究基于Web of Science核心合集中的235篇文献，可能存在发表偏倚；跨机构合作有限，数据集多样性不足，且伦理问题尚未完全解决	系统分析人工智能在整形外科领域的研究趋势、应用挑战及未来发展方向	2016年至2024年间Web of Science核心合集中关于人工智能与整形外科结合的235篇文献	数字病理学	NA	文献计量分析，包括共引网络、关键词共现、爆发检测和聚类分析	NA	文本数据（学术文献）	235篇文献	CiteSpace, VOSviewer	NA	NA	NA
324	2026-03-31	What are you looking at? Modality contribution in multimodal medical deep learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03523-w PMID:41037211	研究论文	本文提出了一种基于遮挡的模态贡献方法，用于量化分析多模态深度学习模型中各模态对任务完成的重要性	开发了一种模型无关且性能无关的模态贡献量化方法，能够揭示多模态模型的模态偏好和数据集不平衡问题	方法主要基于实验性应用，在更广泛的多模态医学问题中的普适性有待进一步验证	研究多模态深度学习模型中各模态的贡献度，以促进模型可解释性和临床整合	多模态医学数据	机器学习	NA	深度学习	深度神经网络	多模态数据	NA	NA	NA	NA	NA
325	2026-03-31	Artificial Intelligence in Critical Care Nephrology: Current Applications, Emerging Techniques, and Challenges to Clinical Integration 2026-Mar-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000001037 PMID:41148218	综述	本文综述了人工智能在重症监护肾病学中的当前应用、新兴技术及临床整合面临的挑战	系统总结了AI在CCN中的多种应用，并提出了四项优先发展重点以推动该领域进步	对患者中心结局（如死亡率、透析依赖性和成本效益）的影响仍不确定，且存在数据异质性、外部验证有限、警报疲劳和经济约束等持续障碍	探讨人工智能在重症监护肾病学领域的应用潜力、现状及未来发展方向	重症监护肾病学（CCN）中的临床预测、诊断、决策支持和工作流程	机器学习	肾病	机器学习、深度学习、强化学习、生成式AI	NA	NA	NA	NA	NA	NA	NA
326	2026-03-31	Glioblastoma survival prediction through MRI and clinical data integration with transfer learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03548-1 PMID:41343123	研究论文	本研究通过整合多模态MRI数据和临床变量，利用深度学习模型进行胶质母细胞瘤患者的总体生存期预测	采用预训练的U-Net类模型进行自动肿瘤分割和特征提取，利用编码器潜在空间的高层次表示，并结合临床变量与降维技术，构建了一个可扩展的自动化预测框架	未在摘要中明确说明研究的局限性	准确预测胶质母细胞瘤患者的总体生存期，以推进个性化治疗和改善临床试验设计	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI	U-Net, 随机森林, XGBoost, 多层感知机	图像, 临床数据	BraTS2020数据集和来自Fondazione IRCCS Istituto Neurologico Carlo Besta的专有数据集	NA	U-Net	F1分数, AUC, 准确率	NA
327	2026-03-31	Right and Left Atrial Dysfunction as Independent Cardiovascular Risk Factors: A UK Biobank Study 2026-Mar, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.014412 PMID:41744085	研究论文	本研究利用深度学习分割技术分析英国生物银行参与者的心脏磁共振成像数据，评估左右心房功能障碍与心血管事件风险的独立关联	首次在大规模人群中同时评估左右心房结构与功能，并发现右心房功能障碍是独立的心血管风险因素，且识别出多个与心房性状相关的新遗传位点	研究为观察性设计，无法完全排除残余混杂因素，且随访时间相对较短（4年），可能影响长期关联的评估	探究左右心房功能障碍作为独立心血管风险因素的作用，并分析其遗传基础和因果关联	英国生物银行中51,693名无房颤病史的成年参与者	数字病理学	心血管疾病	心脏磁共振成像，深度学习分割	深度学习	图像	51,693名参与者	NA	NA	风险比，95%置信区间	NA
328	2026-03-31	Deep Few-View High-Resolution Photon-Counting CT at Halved Dose for Extremity Imaging 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618754 PMID:41071701	研究论文	本文提出了一种基于深度学习的PCCT图像重建方法，可在减半辐射剂量和加倍扫描速度下实现高质量的肢体成像	设计了基于分块的体素细化网络以缓解GPU内存限制，使用合成数据进行网络训练，并采用基于模型的迭代细化来弥合合成数据与临床数据之间的差距	研究仅基于8名患者的临床试验数据，样本量较小；方法在更大规模临床验证和泛化性方面仍需进一步评估	开发一种降低辐射剂量并提高扫描速度的PCCT图像重建方法，用于肢体成像	肢体PCCT成像	医学影像	肢体疾病	光子计数计算机断层扫描（PCCT）	深度学习网络	CT图像	8名患者（来自新西兰临床试验）	NA	基于分块的体素细化网络	图像质量评估、诊断价值评估（通过读者研究）	GPU（具体型号未指定）
329	2026-03-31	A robust sampling technique for realistic distribution simulation in federated learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03504-z PMID:40892192	研究论文	本文提出了一种用于联邦学习中模拟现实标签分布的鲁棒采样技术，以评估非独立同分布数据对全局训练的影响	结合卡方检验和基尼不纯度度量，高效优化多组标签分布，实现针对非独立同分布子群体的现实数据分布模拟	未在多种网络架构或大规模数据集上进行广泛验证，且性能评估仅限于特定临床场景	开发一种采样算法，用于在联邦学习环境中模拟现实标签分布，以分析客户端偏差对全局模型性能的影响	联邦学习中的数据子集，特别是具有部分重叠标签分布的临床数据	机器学习	NA	联邦学习，数据采样	深度学习网络	3D相机数据	NA	联邦平均	NA	体重和身高估计误差	NA
330	2026-03-31	Enhancing airway obstruction diagnosis with multimodal 3D shape analysis 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03527-6 PMID:41085926	研究论文	本文提出了一种基于多模态3D形状分析的自动化深度学习工具，用于定量评估气道阻塞，特别是腺样体肥大引起的鼻咽部阻塞	结合多视图和点云表示两种先进技术进行3D形状分析，以捕捉气道的全局和局部特征，从而提升分类和回归性能	模型在检测严重病例时表现良好，但需要进一步优化以改进对所有严重程度级别的分类和回归性能	开发一种开源、自动化的深度学习工具，用于基于CBCT扫描的定量气道阻塞评估，以辅助早期和准确诊断	通过CBCT扫描获取的3D气道形态，特别是与腺样体肥大相关的鼻咽部气道	计算机视觉	气道阻塞疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	3D医学图像（CBCT扫描）	NA	NA	NA	准确率	NA
331	2026-03-31	Reshapeit: reliable shape interaction with implicit template for medical anatomy reconstruction 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03557-0 PMID:41389113	研究论文	本文提出了一种名为ReShapeIT的方法，用于在连续空间中实现可靠且准确的解剖形状建模，以解决医学图像自动形状重建中的分辨率限制和形状先验约束缺失问题	结合类别特定的隐式模板场与变形网络，通过模板交互模块（TIM）将学习到的模板形状与实例特定的潜在编码对齐，从而在连续隐式场中表示解剖结构，而非离散体素网格	未明确提及方法在更复杂或多样解剖结构上的泛化能力，以及计算效率方面的详细评估	开发一种可靠且准确的解剖形状建模方法，以支持计算机辅助诊断中的定量分析和手术规划	肝脏、胰腺和肺叶的解剖结构	计算机视觉	NA	NA	神经网络	体积医学图像	NA	NA	ReShapeIT网络	Chamfer距离, Earth Mover's距离	NA
332	2026-03-31	Colormap augmentation: a novel method for cross-modality domain generalization 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03559-y PMID:41396240	研究论文	本文提出了一种名为CmapAug的新颖颜色映射增强方法，用于提升深度学习模型在跨模态医学图像分割中的泛化能力	引入CmapAug颜色映射增强技术，结合标准增强方法，有效解决跨模态域泛化问题，方法简单且计算资源需求低	未明确说明实验数据的具体样本量，且仅针对肝脏分割任务进行了验证，可能在其他器官或模态上泛化能力有限	评估一种新颖、简单且有效的方法，以增强深度学习模型在不同模态医学图像分割中的泛化性能	医学图像分割任务，特别是针对跨模态（如不同扫描仪厂商或成像模态）的域泛化问题	计算机视觉	NA	图像增强技术，包括标准增强、强度增强和颜色变换	深度学习分割网络	医学图像	NA	NA	NA	Dice Score	NA
333	2026-03-31	AVPENet: Pain estimation from audio-visual fusion of non-speech sounds 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001301 PMID:41894538	研究论文	本文提出了一种新颖的多模态深度学习框架，通过融合非语音音频线索与面部表情来估计连续的疼痛强度，旨在为无法自我报告的脆弱人群提供客观的疼痛评估	提出了一种基于跨模态注意力的融合网络，结合了频谱图衍生的音频嵌入和面部动作单元特征，并利用基于Transformer的融合模块学习模态间的互补关系，显著提升了疼痛估计的准确性	研究依赖于特定数据集（3,247个视听记录，428名受试者），其泛化能力在其他临床环境或更广泛的人群中尚未得到验证；模型性能可能受到录制质量和环境噪声的影响	开发一种客观、自动化的疼痛评估方法，以解决非言语患者（如新生儿和无意识成人）临床疼痛评估的挑战	新生儿（215名）和成人（213名）受试者，共428名，涵盖三种不同的疼痛强度水平	多模态机器学习	疼痛评估	深度学习，音频频谱图处理，面部动作单元分析	CNN, Transformer	音频，视频	3,247个视听记录，来自428名受试者（215名新生儿，213名成人）	PyTorch	ResNet, 卷积神经网络, Transformer	平均绝对误差, 皮尔逊相关系数, 准确率	NA
334	2026-03-31	Toward next-generation machine learning and deep learning for spatial omics 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag131 PMID:41902503	综述	本文对空间组学中机器学习和深度学习方法进行了批判性与比较性综述，并提出了一个决策框架	提出了一个根据数据模态、空间分辨率、组织结构和预期临床应用来选择最合适ML/DL方法的决策框架，并整合了方法论批判与可操作建议	NA	为空间组学领域提供清晰的方法学指导，以选择适应特定空间约束和生物学问题的模型，并促进模型的可重复性、可解释性和临床转化	空间组学技术产生的高维、空间分辨的分子数据	机器学习	NA	空间组学技术	聚类, 随机森林, 集成分类器, CNN, GNN, Transformer, 生成模型	高维空间分子数据（转录组、蛋白质组、代谢组、脂质组）	NA	NA	卷积神经网络, 图神经网络, Transformer, 生成模型	NA	NA
335	2026-03-31	Corrigendum to "ACtriplet: An improved deep learning model for activity cliffs prediction by integrating triplet loss and pre-training" [J. Pharm. Anal., 15 (2025) 101317] 2026-Mar, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2026.101604 PMID:41908155	correction	本文是对先前发表文章《ACtriplet: An improved deep learning model for activity cliffs prediction by integrating triplet loss and pre-training》的更正	NA	NA	NA	NA	machine learning	NA	NA	deep learning	NA	NA	NA	NA	NA	NA
336	2026-03-31	Computational discovery of high-temperature superconducting ternary hydrides via deep learning 2026-Mar, National science review IF:16.3Q1 DOI:10.1093/nsr/nwag030 PMID:41908304	研究论文	本研究通过深度学习驱动的理论框架，发现了新型高温三元氢化物超导体	首次报道了129种化合物，涵盖27种新型结构原型，显著扩展了氢化物超导体的已知结构图谱	NA	发现新型高温或室温超导材料	三元氢化物超导体	机器学习	NA	高通量晶体结构探索	深度学习	晶体结构数据	约3600万种三元氢化物结构，涉及29种元素	NA	NA	超导临界温度预测	NA
337	2026-03-31	A dual-branch deep learning framework for tiered early warning of COVID-19 utilizing wastewater data 2026-Mar, Journal of water and health IF:2.5Q3 DOI:10.2166/wh.2026.150 PMID:41910053	研究论文	本研究提出了一种基于废水数据和环境协变量的双分支深度学习框架，用于COVID-19的分级早期预警	结合废水数据和环境协变量，利用FFT和双分支深度学习架构进行病例轨迹预测和分级预警，提高了预警的准确性和及时性	需要在不同地点和流行病模式中进行验证和适应，以建立模型的鲁棒性、泛化性和操作价值	开发一个可靠的COVID-19早期预警系统，支持主动的公共卫生响应	中国常州地区的废水、气象和病例数据	机器学习	COVID-19	废水监测	深度学习	时间序列数据	2024年1月29日至12月10日的周度数据	NA	双分支架构	RMSE, MAE, MAPE, R2	NA
338	2026-03-31	Robust Cell-Level Classification for Liquid-Based Cervical Cytology Using Deep Transfer Learning: A Multi-Source Study Addressing Scanner-Induced Domain Shifts 2026-Feb-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030289 PMID:41899820	研究论文	本文提出了一种基于深度迁移学习的鲁棒细胞级分类框架，用于液体基宫颈细胞学分析，旨在解决扫描仪引起的域偏移问题	通过整合多个公共和私有数据源构建多源数据集，并系统评估不同CNN骨干网络在异质采集条件下的鲁棒性，展示了结合多样化数据源可减轻域偏移	研究仅关注细胞级分类，临床可操作的筛查需要基于整个玻片的聚合（如基于多实例学习的WSI推理），这留待未来工作集成	开发一个鲁棒的细胞级分类框架，以应对液体基宫颈细胞学分析中由扫描仪和实验室引起的域偏移	液体基宫颈细胞学样本中的细胞	数字病理学	宫颈癌	数字显微镜	CNN	图像	整合了三个公共参考库（SIPaKMeD, Herlev, CRIC Cervix）和一个包含416张全玻片图像的私有队列，这些图像来自两个医疗中心并使用不同扫描系统数字化	NA	ResNet50, EfficientNetB0, VGG16	准确率, 宏F1分数	NA
339	2026-03-31	Quantification of Craniofacial Growth Pattern Based on Deep Learning 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030277 PMID:41899807	研究论文	本研究开发了一个基于深度学习的端到端框架，用于分析大规模侧位头颅X光片，以可视化和量化颅面骨骼的时空生长动态和性别二态性	提出了一个不依赖人工标注的端到端深度学习框架，能够自主提取与连续年龄区间相关的动态成像特征；引入了两种新的定量指标（年龄相关显著性指数ASI和性别相关显著性指数SSI）来评估关键颅面区域的发育和二态性特征的重要性	研究仅基于侧位头颅X光片，可能未完全捕捉三维形态的复杂性；数据集虽然庞大，但可能未涵盖所有种族或特定病理状况的个体	开发一种客观、全面的方法来量化颅面生长模式，克服传统方法的主观性和简化问题	41,625名4-18岁个体的侧位头颅X光片	计算机视觉	NA	侧位头颅X光摄影	深度学习	图像	41,625名个体	NA	NA	年龄相关显著性指数 (ASI), 性别相关显著性指数 (SSI)	NA
340	2026-03-31	MedScanGAN: Synthetic PET & CT Scan Generation Using Conditional Generative Adversarial Networks for Medical AI Data Augmentation 2026-Feb-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030281 PMID:41899812	研究论文	本研究提出了一种名为MedScanGAN的条件生成对抗网络，用于生成高保真的合成PET和CT图像，以解决医学AI中的数据稀缺问题，并提升非小细胞肺癌的诊断性能	提出了一种专门针对孤立性肺结节PET和CT图像合成的条件生成对抗网络，结合了残差块、谱归一化和稳定训练策略，能够生成足以误导医疗专业人员的逼真图像，并证明合成数据能显著提升现有深度学习模型的分类性能	未明确说明合成图像与真实图像的定量差异评估细节，也未提及模型在不同医疗机构或扫描仪数据上的泛化能力	解决医学AI中数据稀缺和类别不平衡问题，提升非小细胞肺癌的计算机辅助诊断系统性能	非小细胞肺癌患者的正电子发射断层扫描和计算机断层扫描图像，特别是孤立性肺结节	计算机视觉	肺癌	PET, CT	GAN	图像	NA	NA	条件生成对抗网络, YOLOv8, VGG-16, ResNet, MobileNet	准确率	NA