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
3821	2026-02-19	DP-MDLA Net: Detection of smooth pursuit abnormalities in Parkinson's disease 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261421158 PMID:41696087	研究论文	本文开发并验证了一种基于智能手机视频的深度学习框架，用于量化帕金森病中的平滑追踪异常	提出DP-MDLA Net，一种双路径多尺度扩张LSTM注意力架构，融合卷积和循环表示，用于从智能手机视频中检测平滑追踪异常	样本量较小（仅18名患者），且未提及外部验证或泛化能力评估	开发并验证一个基于深度学习的框架，用于量化帕金森病患者的平滑追踪异常	帕金森病患者的智能手机视频数据	计算机视觉	帕金森病	智能手机视频采集，MediaPipe FaceLandmarker用于眼部标志点提取	CNN, LSTM	视频	54个智能手机视频，来自18名帕金森病患者，包含1767个事件级样本（2秒窗口）	未明确指定，但提及使用MediaPipe FaceLandmarker	DP-MDLA Net（双路径多尺度扩张LSTM注意力架构）	准确率，精确率，召回率，F1分数，AUC	NA
3822	2026-02-19	LightWaveNet: a lightweight wavelet-enhanced high-low-frequency-aware network with multi-stage supervision for rice disease recognition 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1692649 PMID:41696181	研究论文	本研究提出了一种用于水稻病害识别的轻量级小波增强高低频感知网络LightWaveNet	提出了一种并行的小波卷积与最大池化结构，用于协同学习高低频特征，并引入了多阶段监督机制以优化训练过程	未提及模型在更广泛或更复杂田间环境下的泛化能力，也未讨论对不同水稻病害亚型或早期病害的识别效果	开发一种轻量级、高效率的水稻病害识别模型，以部署在资源受限的农业设备上	水稻病害图像	计算机视觉	水稻病害	NA	CNN	图像	NA	NA	LightWaveNet	准确率	NA
3823	2026-02-19	PotatoGuardNet: a refined deep learning framework for potato leaf disease detection 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1720276 PMID:41696171	研究论文	本文提出了一种改进的深度学习框架PotatoGuardNet，用于马铃薯叶部病害的检测与分类	结合Inception-ResNet-V2和Faster-RCNN，提高了对复杂环境下马铃薯叶部病害的识别准确性和定位能力	未提及模型在更广泛环境或不同数据集上的泛化能力测试	开发自动化系统以准确快速分类马铃薯叶部病害，减少误诊和延误治疗风险	马铃薯叶部病害	计算机视觉	马铃薯病害	深度学习	CNN	图像	来自PlantVillage数据集的大量复杂马铃薯植物样本	TensorFlow, PyTorch	Inception-ResNet-V2, Faster-RCNN	准确率, mAP	NA
3824	2026-02-19	AI-driven audience clustering in sport media: a human-computer interaction approach using 'CoPE-DEC' 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1767724 PMID:41696532	研究论文	本研究从人机交互视角，利用基于人工智能的深度学习分析体育媒体观众特征与潜在模式，为体育媒体产业提供基础数据	提出了一种新颖的无监督聚类框架CoPE-DEC，用于建模和分析体育媒体消费中的多维观众体验数据，并识别出三种不同的观众集群	未提及具体的数据集规模或验证方法，且未来研究需整合更多AI方法和多模态数据源以提升跨学科洞察	为体育媒体产业提供观众特征分析的基础数据，支持观众细分、个性化内容设计和战略决策	体育媒体观众	机器学习	NA	深度学习分析	无监督聚类	多维观众体验数据	NA	NA	CoPE-DEC	NA	NA
3825	2026-02-19	Development of a Deep Learning Model to Automatically Identify Palatal Landmarks on Three-Dimensional Maxillary Dental Casts 2026, International journal of dentistry IF:1.9Q2 DOI:10.1155/ijod/9409391 PMID:41696628	研究论文	开发了一种基于深度学习的模型，用于自动识别三维上颌牙颌模型上的腭部标志点	采用两阶段PointNet++架构，通过粗预测和局部细化提高精度，首次实现腭部标志点的自动识别	仅使用377个样本，可能缺乏泛化性；未与其他模型进行对比验证	开发自动识别三维上颌牙颌模型腭部标志点的深度学习模型	三维数字上颌牙颌模型	计算机视觉	NA	三维扫描	深度学习	点云	377个个体	NA	PointNet++	平均检测误差, 1毫米内正确预测比例, 2毫米内正确预测比例	NA
3826	2026-02-19	RT-GAN: Recurrent Temporal GAN for Adding Lightweight Temporal Consistency to Frame-Based Domain Translation Approaches 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-05127-1_43 PMID:41700131	研究论文	本文提出了一种轻量级解决方案RT-GAN，用于为基于单帧的域转换方法添加时间一致性，显著降低训练资源需求	引入可调时间参数的RT-GAN，以轻量级方式实现时间一致性，训练需求降低5倍，并发布了首个结肠镜时间数据集	未明确说明模型在更复杂临床场景中的泛化能力或与其他时间一致性方法的全面比较	开发轻量级方法，为结肠镜图像域转换添加时间一致性，减少计算和内存资源需求	结肠镜视频帧，包括真实光学结肠镜和虚拟/CT结肠镜图像	计算机视觉	结肠癌	域转换，生成对抗网络	GAN	图像，视频帧	NA	NA	RT-GAN	NA	训练需求降低5倍，具体硬件未指定
3827	2026-02-19	TCN-5mC: a predictor of 5-methylcytosine sites based on multi-feature fusion and TCN-inspired block networks 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1739720 PMID:41704344	研究论文	本文提出了一种基于多特征融合和TCN启发块网络的5-甲基胞嘧啶位点预测器TCN-5mC，用于准确识别启动子区域的5mC位点	整合了时序卷积网络（TCN）启发块与双向门控循环单元（BiGRU），并采用混合One-Hot和核苷酸化学性质特征编码，以更有效地建模长距离依赖和局部模式	未明确提及模型在其他疾病或细胞类型中的泛化能力，以及计算资源消耗的具体细节	开发可靠的计算预测工具，以替代昂贵耗时的实验方法，用于5-甲基胞嘧啶位点的识别	肺癌细胞系中的启动子区域5mC位点	机器学习	肺癌	混合One-Hot和核苷酸化学性质特征编码	TCN, BiGRU	基因组序列数据	基于肺癌细胞系的不平衡数据集，具体样本数量未明确说明	NA	TCN启发块网络与BiGRU的集成架构	AUC, 特异性, 准确性, MCC	NA
3828	2026-02-19	Extracting the central crop row with CCRDNet for universal in-row navigation in agriculture 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1744637 PMID:41704575	研究论文	本文提出了一种直接提取中央作物行作为导航线的新策略，并开发了轻量级网络CCRDNet，用于农业中的通用行内导航	引入了一种直接提取中央作物行作为导航线的策略，采用三类标注方案（背景、植被和中央作物行），其中植被类作为辅助监督信号提供结构约束，并应用一致的作物行标注宽度使模型学习不变的结构特征	训练数据仅使用了400张图像，涵盖两种作物类型和八个环境，监督有限	开发一种简化导航流程、实现零样本泛化并满足农业机械实时要求的作物行检测方法	农业作物行检测与导航线提取	计算机视觉	NA	深度学习	CNN	图像	训练使用400张图像（来自两种作物类型和八个环境），总数据集包含7,367张图像（涵盖八种作物类型和多样环境）	PyTorch	CCRDNet	导航线提取准确率, 平均角度误差	NVIDIA RTX 3060 GPU, Jetson Orin NX
3829	2026-02-19	Spectral discrimination of pediatric SF188 and adult glioblastoma stem cells by deep learning-enhanced Raman profiling 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1748133 PMID:41704603	研究论文	本研究结合共聚焦拉曼光谱与深度学习，开发了一种无标记诊断工具，用于区分儿童与成人胶质母细胞瘤干细胞	首次将深度学习增强的拉曼光谱分析应用于儿童与成人胶质母细胞瘤干细胞的快速、无创鉴别，揭示了年龄相关的分子差异	研究样本量较小（仅6个细胞系），需在更大队列和临床样本中验证模型的泛化能力	开发一种基于拉曼光谱和深度学习的无标记诊断方法，以区分儿童与成人胶质母细胞瘤的分子亚型	患者来源的胶质母细胞瘤神经球细胞系（包括1个儿童模型SF188和5个成人来源细胞系）	数字病理学	胶质母细胞瘤	共聚焦拉曼光谱	多层感知机	拉曼光谱	6个患者来源的胶质母细胞瘤神经球细胞系，共采集1382个拉曼光谱	NA	多层感知机	准确率, ROC AUC, 灵敏度	NA
3830	2026-02-19	Chronic liver disease detection using deep convolutional neural networks with MRI data: a deep learning approach 2026, Polish journal of radiology IF:0.9Q4 DOI:10.5114/pjr/210254 PMID:41705147	研究论文	本研究开发了一种基于深度卷积神经网络的模型，利用无需分割的MRI图像来区分慢性肝病患者与非患者，旨在提高诊断准确性并支持及时干预	采用无需图像分割的深度卷积神经网络处理多序列MRI数据，显著提升了慢性肝病的诊断准确率，并证明了冠状面视图对模型性能的重要贡献	数据量有限制约了模型学习能力，未来可考虑使用注意力机制和更先进的深度学习架构进行增强	开发一种深度学习模型以改善慢性肝病的检测与诊断	慢性肝病患者与非患者的MRI图像	计算机视觉	慢性肝病	MRI成像	CNN	图像	184名患者，总计1112张MRI图像（460张正常，652张慢性肝病）	NA	DeepCNN	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
3831	2026-02-19	Use of artificial intelligence in the diagnosis of alterations in cervical cytology: A university population-based observational study 2025-12-10, Biomedica : revista del Instituto Nacional de Salud IF:0.8Q4 DOI:10.7705/biomedica.7651 PMID:41410328	研究论文	本研究评估并比较了四种基于人工智能的模型在检测巴氏涂片细胞异常方面的判别能力	在哥伦比亚大学人群中首次评估人工智能模型用于宫颈细胞学异常诊断的潜力，并比较了不同模型的性能	研究样本量较小（650张图像），且仅基于单一大学队列，可能限制结果的泛化性	评估人工智能模型在宫颈细胞学异常检测中的判别能力，以改善宫颈癌筛查的诊断性能	来自哥伦比亚东北部大学队列的巴氏涂片细胞图像	数字病理学	宫颈癌	数字图像分析, 深度学习	CNN	图像	650张巴氏涂片细胞图像	NA	DenseNet, InceptionV3, MobileNet, VGG19	灵敏度, 特异性, AUC	NA
3832	2026-02-19	ResDeepGS: A deep learning-based method for crop phenotype prediction 2025-Dec, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.07.013 PMID:40930401	研究论文	提出一种基于深度学习的作物表型预测方法ResDeepGS，用于基因组选择任务	结合增量递归特征消除方法与增强型多层卷积神经网络（含残差结构和dropout策略），能更有效地捕获基因数据中的复杂关系	未明确说明模型在更广泛作物种类或极端环境条件下的泛化能力	提高作物基因组选择的预测精度，加速育种进程并应对粮食安全挑战	小麦、玉米和大豆的基因组与表型数据	机器学习	NA	基因组选择	CNN	基因组标记数据	三个数据集（小麦、玉米、大豆），具体样本量未明确说明	NA	增强型多层卷积神经网络（含残差结构）	预测准确率	NA
3833	2026-02-19	An end-to-end deep learning method for reconstructing SMS-PI accelerated musculoskeletal MRI 2025-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.70178 PMID:41345328	研究论文	本文提出了一种端到端的深度学习框架，用于重建SMS-PI加速的肌肉骨骼MRI图像	提出了一种将同时多层成像与并行成像相结合的深度学习框架，通过将完整的SMS前向模型嵌入到网络架构中，统一了切片分离和k空间到图像的重建过程，并引入了超分辨率模块以提高图像锐度	未明确说明	开发一种结合SMS和PI的深度学习重建框架，以实现高达8倍及以上的MRI加速，同时保持适合临床判读的图像质量	肌肉骨骼磁共振成像	医学影像	肌肉骨骼疾病	Turbo Spin Echo (TSE) MRI, Simultaneous Multislice (SMS), Parallel Imaging (PI)	深度学习网络	MRI图像	超过200,000个切片，来自1.5T至3T扫描，涵盖多种采集设置	NA	端到端深度学习框架，包含近端梯度算法展开、联合正则化网络和超分辨率模块	PSNR, SSIM	NA
3834	2026-02-19	Dynamic Structural Recovery Parameters Enhance Prediction of Visual Outcomes After Macular Hole Surgery 2025-12-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.29 PMID:41533870	研究论文	本研究引入动态结构参数，并评估其在多模态深度学习框架中预测特发性全层黄斑裂孔手术后视觉恢复的效果	首次提出动态结构恢复参数，并将其整合到多模态深度学习模型中，以提升术后视觉恢复预测的准确性	NA	预测特发性全层黄斑裂孔手术后的视觉恢复情况	特发性全层黄斑裂孔患者	计算机视觉	黄斑裂孔	光学相干断层扫描	深度学习	图像	NA	NA	NA	Dice系数, AUC, 准确率	NA
3835	2026-02-19	Deep Learning Segmentation of Pelvic Soft Tissue in Isotropic and Anisotropic MRI Using Routine T2 Scans 2025-Nov-24, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001828 PMID:41701554	研究论文	本研究比较了基于各向异性和各向同性MRI重建的深度学习模型在盆腔软组织结构分割中的性能	首次系统比较了各向异性和各向同性MRI重建对盆腔神经和肌肉组织分割精度的影响，并证明各向同性重建能提供更平滑、更解剖学准确的3D模型	样本量较小（仅35例直肠癌患者），且仅基于T2加权MRI序列，未评估其他序列或多模态数据	评估各向同性MRI重建在盆腔软组织分割中的优势，以提升术前规划和手术导航的准确性	直肠癌患者的盆腔MRI图像，重点关注骶神经、闭孔神经和梨状肌	数字病理学	直肠癌	T2加权MRI扫描	CNN	3D MRI图像	35例直肠癌患者	nnU-Net	nnU-Net	Dice相似系数, 交并比, 精确率, 召回率	NA
3836	2026-02-19	Dual attention-based deep learning with blockchain for multimedia data processing and secure access control in IoHT 2025-Nov-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24384-y PMID:41254085	研究论文	本文提出了一种基于区块链和双注意力深度贝叶斯网络的多媒体数据处理与安全访问控制方法，用于医疗物联网	结合区块链技术与双注意力机制的深度贝叶斯网络，实现高效的多媒体数据处理和增强的安全访问控制	未明确提及具体的数据集规模或实验环境限制	提升医疗物联网中多媒体数据处理的安全性和效率	医疗物联网中的多媒体数据（如文本、图像、语音）	机器学习	NA	区块链技术，深度学习方法	深度贝叶斯网络	多媒体数据（文本、图像、语音）	NA	NA	双注意力深度贝叶斯网络	访问控制速度	NA
3837	2026-02-19	Research hotspots and trends of pediatric bone age: A bibliometric and visualization analysis 2025-Oct-04, Lasers in medical science IF:2.1Q2 DOI:10.1007/s10103-025-04643-0 PMID:41044432	文献计量学分析	本文通过文献计量学和可视化分析，识别了儿科骨龄领域的研究热点并预测了未来趋势	首次对儿科骨龄领域进行了全面的文献计量学和可视化分析，揭示了该领域的研究热点、发展趋势及新兴关键词	分析仅基于Web of Science核心合集的数据，可能未涵盖所有相关文献；研究为回顾性分析，无法直接干预或验证未来趋势	识别儿科骨龄评估领域的研究热点并预测未来趋势	1965年至2024年间发表的儿科骨龄相关科学文献	文献计量学	儿科生长发育	文献计量分析，可视化分析	NA	文本（科学文献元数据）	4652篇出版物	VOSviewer, CiteSpace, R包bibliometrix	NA	NA	NA
3838	2026-02-19	Predicting ADC map quality from T2-weighted MRI: A deep learning approach for early quality assessment to assist point-of-care 2025-Oct, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112317 PMID:40690835	研究论文	提出一种基于深度学习的创新方法，利用T2加权MRI图像预测前列腺ADC图质量，以在成像过程中实现实时质量评估和干预	首次利用T2加权图像预测ADC图质量，无需依赖传统技术参数标准化，实现了跨中心数据的早期质量评估	研究为回顾性分析，未在实时临床环境中验证干预效果；模型性能虽稳健但仍有提升空间	开发一种深度学习模型，用于早期预测前列腺MRI中ADC图的质量，以辅助即时诊断干预	前列腺MRI图像，包括T2加权图像和ADC图	数字病理	前列腺癌	MRI成像，包括扩散加权成像和T2加权成像	神经网络	图像	486名患者的多中心数据集，涵盖62个外部诊所和内部成像数据	NA	NA	敏感性，阴性预测值，准确率，AUC	NA
3839	2026-02-19	A phase-aware Cross-Scale U-MAMba with uncertainty-aware segmentation and Switch Atrous Bifovea EfficientNetB7 classification of kidney lesion subtype 2025-Sep-30, Lasers in medical science IF:2.1Q2 DOI:10.1007/s10103-025-04644-z PMID:41026235	研究论文	本文提出了一种名为PCU-SABENet的统一框架，用于肾脏病灶亚型的识别，该框架集成了多期相重建、细粒度病灶分割和鲁棒的亚型分类功能	提出了一个集成了多期相重建、不确定性感知分割和分类的统一框架PCU-SABENet，其中PhaseGAN-3D用于合成缺失的CT期相，PCU分割模块结合了上下文注意力块和跨尺度跳跃连接，SABENet分类器采用了Switch Atrous卷积和双焦点自注意力机制，以应对形态多样性和不完整数据	未在摘要中明确提及	提高肾脏病灶亚型识别的准确性和鲁棒性，以支持精准诊断和个性化治疗规划	肾脏病灶	数字病理学	肾脏癌	多期相CT成像	GAN, CNN	CT图像	NA	NA	PhaseGAN-3D, U-MAMba, EfficientNetB7	准确率, Dice相似系数, IoU, 精确率, 召回率, 期相一致性分数, 亚型置信度偏差	NA
3840	2026-02-19	Full-Spectrum phototherapy in hair loss management: a systematic review of wavelength-dependent mechanisms, clinical efficacy, and future directions 2025-Sep-19, Lasers in medical science IF:2.1Q2 DOI:10.1007/s10103-025-04616-3 PMID:40968340	综述	本文系统综述了全光谱光疗在脱发管理中的波长依赖机制、临床疗效及未来发展方向	提出了新颖的“波长-穿透深度-靶向机制”模型，以阐明全光谱光疗对毛囊再生的多层次调控作用，并探讨了人工智能驱动的参数优化等未来研究方向	存在治疗窗口窄、患者反应不一、组织穿透有限等未解决的挑战	阐明全光谱光疗在脱发管理中的作用机制、临床疗效并探索其未来发展路径	脱发（包括斑秃、雄激素性脱发和瘢痕性脱发）患者及毛囊再生过程	NA	脱发	全光谱光疗（涵盖紫外线至中红外波长）	NA	NA	NA	NA	NA	NA	NA