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
361	2026-06-29	Deep learning driven personalized paths for TCM graduate education 2026-Apr-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48811-w PMID:41998246	研究论文	开发并验证了基于深度学习的中医研究生个性化学习路径系统，并通过准实验设计评估其效果	首次将深度学习应用于中医研究生教育中的个性化学习路径推荐，并采用分层交替分配的准随机化方法进行严格评估	无法实施真正的随机对照试验，采用准实验设计可能引入选择偏倚；样本仅来自一所医科大学，泛化性受限	探索深度学习驱动的个性化学习路径对中医研究生教育效果的提升作用	安徽医科大学120名中医研究生（2019–2025）	机器学习	NA	NA	深度学习模型	文本	120名中医研究生（AI个性化组60名，传统学习组60名）	NA	NA	准确率, Cohen's d, p值	NA
362	2026-06-29	Classification of pulmonary disorders using pulmonary network with explainable AI framework from chest multi-modal images 2026-Apr-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47815-w PMID:41998198	研究论文	提出一种基于可解释AI框架的30层新型肺炎分类网络PULMONET，利用胸部多模态图像对肺部疾病进行二分类和多分类	提出30层新型PULMONET网络结构，结合可解释AI框架（热力图、t-SNE和激活图）分析网络决策行为，提高分类准确性和可解释性	NA	利用深度学习模型提高肺部疾病分类的准确性和可解释性	肺部疾病患者	机器视觉	肺部疾病	NA	CNN	胸部多模态图像（胸部X光和CT图像）	9917张胸部多模态图像	NA	PULMONET	准确率	NA
363	2026-06-29	Comparative analysis of transformer, CNN, and YOLO architectures for mandibular condyle segmentation on panoramic radiographs: a deep learning benchmark 2026-Apr-16, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08228-3 PMID:41992227	研究论文	首次在全景X光片上对下颌髁突分割任务进行多架构深度学习方法比较，涵盖Transformer、CNN和YOLO三类模型	首次针对下颌髁突分割任务进行系统性的多架构对比基准测试，包括Transformer、CNN和YOLO三类最先进模型	未提及具体局限性	比较不同深度学习架构在下颌髁突像素级分割中的性能，建立针对颞下颌关节分析的模型选择基准	1300张全景X光片（2600个髁突）	计算机视觉	颞下颌关节疾病	NA	Transformer, CNN, YOLO	全景X光片图像	1300张全景X光片（2600个髁突）	NA	RT-DETR, EfficientNet, Mask R-CNN, ConvNeXt, YOLOv9-Seg, YOLOv11-Seg	交并比(IoU), Dice相似系数(DSC), 精确率, 召回率, F1分数	NA
364	2026-06-29	Coronary Computed Tomography and Artificial Intelligence-based Plaque Analysis 2026-Apr-16, Current atherosclerosis reports IF:5.7Q1 DOI:10.1007/s11883-026-01407-1 PMID:41989632	综述	总结冠状动脉CTA基于人工智能的斑块量化方法及其临床应用	综述了深度学习增强的人工智能CTA平台在斑块量化中的新应用，提高了CTA的实用性	纵向斑块分析受限于扫描仪复制、成像协议、造影剂浓度和经验证的斑块分析软件	总结冠状动脉CTA斑块量化的当前方法和应用，以指导临床实践	冠状动脉斑块的形态和体积变化	计算机视觉	心血管疾病	CTA	深度学习	图像	NA	NA	NA	NA	NA
365	2026-06-29	Early retinal disease detection from fundus images using deep neural networks 2026-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42059-0 PMID:41991556	研究论文	利用深度神经网络从眼底图像中早期检测视网膜疾病	在来自贡达尔大学转诊医院的新颖地区特定数据集上，比较五种预训练CNN架构，并验证DenseNet201在早期多疾病视网膜筛查中的高准确率	未提及模型在真实临床环境中的部署验证及泛化能力评估	开发高准确率、自动化的深度学习框架，用于早期检测多种视网膜疾病，强调方法透明性、模型比较评估及临床应用潜力	从贡达尔大学转诊医院收集的3848张标注眼底图像，包含正常、青光眼、糖尿病视网膜病变和年龄相关性黄斑变性四种类别	计算机视觉	视网膜疾病（青光眼、糖尿病视网膜病变、年龄相关性黄斑变性）	眼底成像	卷积神经网络	图像	3848张标注眼底图像	NA	VGG19, ResNet50, InceptionV3, MobileNetV2, DenseNet201	准确率、精确率、召回率、F1分数、AUC-ROC	NA
366	2026-06-29	Evaluating Homoscedastic Uncertainty Weighting and Generative Tau Imputation in a Multimodal, Multitask Deep Learning Framework for Alzheimer's Disease 2026-Apr-15, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-026-09781-6 PMID:41986823	研究论文	评估多模态多任务深度学习框架中同方差不确定性加权和生成性tau插补对阿尔茨海默病预测的实际效果	系统评估了多模态多任务深度学习框架中三种常用策略（同方差不确定性加权、显著性快照分析和条件变分自编码器混合密度网络插补）在阿尔茨海默病预测中的实际性能改进	tau插补虽能重建稀疏tau轨迹，但加入插补tau未改善下游预测；方法复杂性增加带来的收益有限且不一致	评估多模态纵向深度学习模型中常用方法改进对阿尔茨海默病阶段和临床衰退预测的实际性能提升	来自阿尔茨海默病神经影像学计划的2,271名参与者	机器学习	阿尔茨海默病	NA	CNN-BiLSTM	多模态数据（认知、磁共振成像、tau等）	2,271名参与者	NA	CNN, BiLSTM, 条件变分自编码器混合密度网络	准确性	NA
367	2026-06-29	Attention enhanced hybrid deep learning architecture with PCA-based feature fusion for banana leaf disease detection 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47092-7 PMID:41981085	研究论文	提出一种结合注意力机制、扩张卷积、多尺度特征池化和PCA特征融合的混合深度学习架构，用于香蕉叶片病害检测	创新性地将MobileNetV2与ResNet101结合注意力机制和PCA特征融合，提出高精度且计算高效的混合深度学习架构	未提及模型在真实田间环境中的泛化能力验证及与轻量级部署方案的对比	实现香蕉叶片病害（Sigatoka、Fusarium Wilt、Cordana）的自动化高精度分类	香蕉叶片患病图像，涉及三个基准数据集（Banana and Banana Leaf、Banana Disease Recognition、Banana LSD）	计算机视觉, 机器学习	香蕉病害（Sigatoka、Fusarium Wilt、Cordana）	NA	混合深度学习架构（MobileNetV2 + ResNet101）	图像	三个基准数据集（具体样本量未明确）	NA	MobileNetV2, ResNet101, 注意力机制, 扩张卷积, 多尺度特征池化, PCA特征融合	准确率, 精确率, 召回率, F1分数	可训练参数12.7M，收敛轮数15 epoch
368	2026-06-29	Utilizing deep learning from mobile phone photos for early detection of horizontal strabismus: a screening approach 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48893-6 PMID:41981222	研究论文	利用手机照片和深度学习实现水平斜视早期筛查的方法	结合实时检测变换器（RT-DETR）和几何标志点分析，从智能手机获取的面部图像中检测水平斜视	在受控条件下表现良好，但需要进一步研究以建立完全临床可解释性和在非受控环境中的性能	开发并验证一种使用手机照片进行水平斜视筛查的人工智能方法	水平斜视患者和正常对照者的面部图像	计算机视觉	水平斜视	智能手机图像采集	实时检测变换器（RT-DETR）和随机森林分类器	图像	150名参与者（96名斜视患者和54名对照者）	NA	RT-DETR, 随机森林	交并比、平均中心点误差、准确率、灵敏度、特异度、阳性预测值、阴性预测值	NA
369	2026-06-29	Human motion recognition based on progressive neural architecture search for efficient and interpretable spatiotemporal learning 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46297-0 PMID:41981016	研究论文	提出一种渐进式神经架构搜索方法PNAS-HMR，用于高效可解释的人体运动识别	结合渐进式搜索策略与多目标优化，自动发现兼顾精度、计算成本和可解释性的轻量级深度网络架构	未提及在真实部署环境中的实时性能表现，以及搜索过程的计算开销分析	开发自动、高效且可解释的人体运动识别系统	人体运动识别中的时空建模与网络架构自动搜索	计算机视觉	NA	NTU RGB+D 120、Kinetics-400、UCF101数据集采集的骨骼点运动数据	卷积神经网络（CNN）	图像（视频帧序列）	包含NTU RGB+D 120、Kinetics-400、UCF101三个标准数据集中的动作样本	PyTorch	渐进式神经架构搜索（PNAS）	识别准确率、FLOPs、延迟时间	NA
370	2026-06-29	Antimicrobial resistance varies with warming in active layer soil and permafrost 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46295-2 PMID:41981035	研究论文	通过宏基因组分析研究活动层土壤和永久冻土中抗生素耐药性随变暖的变化	首次在多个位点（阿拉斯加和瑞典）的永久冻土中系统评估解冻对抗生素耐药基因丰度的影响，并结合比对工具和深度学习工具进行识别	实验室解冻条件可能无法完全模拟自然环境中的复杂过程，且仅依赖宏基因组数据可能存在偏差	探究永久冻土融化是否会导致抗生素耐药基因释放及其环境与公共卫生风险	来自阿拉斯加和瑞典四个位点的永久冻土样本	机器学习	抗生素耐药性（公共卫生相关疾病）	宏基因组测序	DeepARG（深度学习模型）	DNA序列数据	四个位点的永久冻土样本（具体数量未明确，但包括164个高质量MAG和105个物种）	ABRicate, DeepARG	序列比对与深度学习结合的ARG识别模型	NA	NA
371	2026-06-29	Intelligent diagnosis of ovarian cancer in PET/CT imaging based on KiteNet-MobileNetv3 fusion and CarveMix augmentation 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47682-5 PMID:41981147	研究论文	提出了基于KiteNet-MobileNetv3融合与CarveMix增强的深度学习框架，用于PET/CT影像中卵巢肿瘤的智能分割与分类	创新性地设计了融合U-Net-MobileNetv3与KiteNet的混合分割网络，并结合病灶感知的CarveMix数据增强和Dice-CE损失函数，同时在分类中采用ConvNeXt骨干与Mixup增强，显著提升了分割与分类性能	研究仅基于1228张PET/CT图像，样本量有限，且未提及在不同医院或扫描设备间的泛化性验证	开发基于深度学习的PET/CT影像诊断方法，实现卵巢肿瘤的自动分割与良恶性分类，辅助临床医生诊断	PET/CT影像中的卵巢肿瘤	计算机视觉	卵巢癌	NA	CNN	图像（PET/CT影像）	1228张PET/CT图像	PyTorch	U-Net-MobileNetv3, KiteNet, ConvNeXt, Mixup	Dice系数, 准确率	NA
372	2026-06-29	An snRNA-seq aging clock for the fruit fly head sheds light on sex-biased aging 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48613-0 PMID:41981187	研究论文	提出了一种基于单细胞核RNA测序的果蝇头部衰老时钟TimeFlies，用于研究性别偏向性衰老	首次构建了基于单细胞核RNA测序的泛细胞类型衰老时钟，并结合可解释性方法识别关键标志基因，特别是发现lncRNA在衰老预测中的富集作用	NA	开发和验证一种基于单细胞核RNA测序的果蝇头部衰老时钟，并探索性别差异在衰老中的作用	黑腹果蝇头部细胞	机器学习	NA	snRNA-seq	深度学习模型	基因表达谱	NA	NA	NA	NA	NA
373	2026-06-29	A deep learning-based model for postoperative resection assessment in glioblastoma: A comparative study 2026-Apr-13, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-026-04255-4 PMID:41968240	研究论文	开发并评估一种基于深度学习的模型用于胶质母细胞瘤术后切除程度评估	提出基于减影技术的AI分割模型Dynapex BT，在术后影像分割和临床相关终点上优于商用U-Net模型	需要在更大规模多机构队列中验证临床实用性	开发用于术后胶质母细胞瘤影像分割的AI模型并评估其性能	胶质母细胞瘤术后影像	计算机视觉, 数字病理学, 机器学习	胶质母细胞瘤	减影技术, AI分割模型	U-Net	影像	LUMIERE队列和RHUH-GBM数据集	N/A	Dynapex BT, DeepBraTumIA (U-Net)	准确性, DSC, 精确率, 召回率, GTR分类准确率	N/A
374	2026-06-29	An integrated deep learning framework for effective management of surgical instruments tables based on videos 2026-Apr-13, Health care management science IF:2.3Q2 DOI:10.1007/s10729-026-09761-x PMID:41973177	研究论文	提出一种基于视觉的深度学习框架，通过实时监控术中视频流来支持手术器械台的标准化管理	集成了器械台分割、器械识别和手部活动追踪三个专用模块，实现了对器械存在和使用情况的连续分析	仅在简化的模拟环境中使用四种代表性器械进行了评估，缺乏真实手术场景的验证	通过计算机视觉技术减少手动计数负担，提升手术室安全性和工作流程可靠性	手术器械台的管理过程，包括器械放置和使用状态的实时监控	计算机视觉	NA	计算机视觉	深度学习模型	视频	涉及四种代表性手术器械（手术剪、镊子、封闭敷料和肾形盘）的简化模拟环境	NA	NA	准确率, 平均交并比, 精确率	NA
375	2026-06-29	Optimized U-net model for precise retinal blood vessel segmentation from colour fundus images 2026-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48475-6 PMID:41974826	研究论文	介绍一种基于深度学习的改进U-Net模型，用于从彩色眼底图像中精确分割视网膜血管，以辅助早期眼病筛查和诊断	采用改进的U-Net架构结合先进图像处理技术，在DRIVE和CHASEDB1等基准数据集上实现高精度分割，优于现有方法	具体局限性未在摘要中明确说明	提升视网膜疾病（如糖尿病性视网膜病、青光眼、高血压性视网膜病）的早期筛查与诊断能力，为医生提供可靠的血管提取工具	彩色眼底图像中的视网膜血管	计算机视觉	视网膜疾病	卷积神经网络（CNN）	U-Net	图像	使用DRIVE和CHASEDB1数据库中的眼底图像（具体样本数未提及）	NA	改进型U-Net	准确性、效率	NA
376	2026-06-29	Improving motor imagery decoding methods for an EEG-based mobile brain-computer interface in the context of the 2024 Cybathlon 2026-Apr-13, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-026-01969-w PMID:41975456	研究论文	开发一种基于脑电图（EEG）的移动脑机接口系统，用于改善运动想象解码方法，并在2024年Cybathlon竞赛中验证其实用性	提出模块化、在线、低成本的脑机接口系统，结合S4D深度学习层进行运动想象分类，并通过训练游戏和移动应用实现用户反馈，首次将实验室技术推向真实比赛场景	在Cybathlon比赛环境中受压力等因素影响，性能下降；与EEGEncoder相比，S4D模型训练更快但性能稍低	开发便携式脑机接口框架，弥合实验室与日常应用之间的差距，提高严重运动障碍（如四肢瘫痪）患者的可及性	四肢瘫痪患者和一名额外参与者	自然语言处理	四肢瘫痪	EEG	S4D（对角化结构化状态空间序列层）	EEG信号	两名参与者（一名原始飞行员和一名额外参与者）	NA	S4D层	分类准确率	低成本的硬件
377	2026-06-29	Deep learning detection of retinitis pigmentosa inheritance forms through synthetic data expansion of a rare disease dataset 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47341-9 PMID:41965358	研究论文	提出一种基于Vision Transformer的深度学习模型，通过变分自编码器合成数据扩展，从彩色眼底照片中区分视网膜色素变性的常染色体与X连锁遗传形式	首次应用Vision Transformer模型于视网膜色素变性遗传模式分类，并创新性地引入变分自编码器数据扩展策略应对罕见病数据稀缺问题	研究仅聚焦于视网膜色素变性，未覆盖其他遗传性视网膜疾病；合成数据扩展方法的泛化能力及临床应用效果有待进一步验证	探索基于深度学习的表型分析方法，通过眼底图像自动推断遗传模式，补充现有基因检测方法	视网膜色素变性患者的彩色眼底照片及对应的遗传模式标签（常染色体与X连锁）	计算机视觉	视网膜色素变性	彩色眼底摄影	Vision Transformer	图像	NA	PyTorch	Vision Transformer, 变分自编码器	AUC	NA
378	2026-06-29	GGAR: gradient guided adaptive regularization enhances deep learning classification of brassica species using codon usage bias 2026-Apr-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06440-0 PMID:41965534	研究论文	探索基于密码子使用偏好分类四种芸薹属物种的深度学习模型，并验证新型梯度引导自适应正则化多层感知机模型的有效性	提出梯度引导自适应正则化（GGAR）多层感知机模型，在低学习率和中小批量下实现近完美分类性能，优于传统L1/L2正则化方法和CNN模型	GGAR训练时间较长（6.38–124.78分钟），计算效率低于Fixed L1模型，且仅在低学习率和小批量设置中优势显著	评估不同正则化方法对基于密码子使用频率的深度基因组分类模型性能的影响，并为生物信息学中的模型选择提供实用指导	四种芸薹属物种：芥菜、甘蓝型油菜、甘蓝和白菜的完整CDS基因组密码子使用频率模式	机器学习	NA	全基因组CDS密码子使用频率分析	MLP, 1D-CNN	基因组密码子使用频率数据	四个芸薹属物种的完整CDS基因组数据	NA	多层感知机（MLP）、一维卷积神经网络（1D-CNN）	准确率, 精确率, 召回率, F1分数, 马修斯相关系数	NA
379	2026-06-29	The application of artificial intelligence in the design of highly compatible knee prostheses: a systematic review 2026-Apr-11, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09819-5 PMID:41965683	系统综述	系统综述了人工智能在膝关节假体个性化设计中的应用，涵盖尺寸预测、类型识别和手术规划三大方向	首次系统梳理AI在TKA假体适配三个方向的应用现状，发现深度学习模型（特别是CNN）在尺寸预测中准确率达77-91%，部分模型允许±1尺寸误差时可达99%以上	纳入研究间存在高度异质性，数据多样性不足，样本量差异大，且缺乏充分的临床验证	系统梳理人工智能在全膝关节置换术假体设计中的应用现状与性能表现	2019-2025年间来自9个国家的16项关于AI在TKA假体设计、尺寸预测、类型识别和手术规划的研究	数字病理学	膝关节疾病	深度学习、卷积神经网络、迁移学习	CNN	医学图像	16篇相关研究	NA	EfficientNet, YOLO, CNN	准确率, AUC, 系统处理时间	NA
380	2026-06-29	Learning CT-to-electron-density mapping for radiotherapy treatment planning using neural networks 2026-Apr-11, Radiation oncology (London, England) DOI:10.1186/s13014-026-02838-5 PMID:41965816	研究论文	提出一种名为双路径Mamba网络（DPM-Net）的深度学习框架，从常规CT图像生成与能谱CT相当的电子密度图，用于精确放疗治疗计划	首次将基于Mamba的架构结合残差和密集连接路径用于CT到电子密度图的转换，有效捕获长程上下文依赖关系，并实现了与能谱CT高精度相当的结果	仅基于92例头颈癌患者的配对数据集进行验证，样本量相对较小，且未在多种解剖部位或不同CT扫描仪上进行广泛测试，可能影响模型的泛化性	开发一种无需昂贵能谱CT设备即可生成高精度电子密度图的深度学习模型，推动精确放疗计划的临床应用	92例头颈癌患者的常规CT图像及其对应的能谱CT电子密度图	计算机视觉	头颈癌	能谱CT	神经网络（双路径Mamba网络）	图像	92例头颈癌患者的配对常规CT和能谱CT图像	NA	双路径Mamba网络（DPM-Net）	平均绝对误差（MAE）、剂量分布偏差（<0.5%）	NA