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
21	2026-04-01	Cross-validation strategies under data dependency: An example with anemia prediction in sheep using ocular conjunctiva images 2026-Jun, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2026.106843 PMID:41797013	研究论文	本文评估了三种交叉验证策略在绵羊贫血预测任务中的表现，以探究数据依赖性对深度学习模型性能评估的影响	首次在畜牧业计算机视觉应用中系统比较了随机划分、基于动物个体划分和基于农场划分三种交叉验证策略对模型泛化能力评估的影响	研究仅基于三个农场的有限样本，且仅使用VGG19单一模型架构，可能无法完全代表所有畜牧业应用场景	评估不同交叉验证策略在数据依赖条件下对深度学习模型性能评估的影响，为畜牧业健康监测模型开发提供验证方法指导	绵羊贫血状态预测	计算机视觉	贫血	智能手机图像采集	CNN	图像	来自3个农场186只动物的1176张图像	NA	U-Net, VGG19	准确率, 精确率, 召回率, F1分数, 特异性	NA
22	2026-04-01	Deep Learning-Based Denoising for High-Resolution Carotid Vessel Wall MRI Using Standard Neurovascular Coils 2026-May, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70226 PMID:41420073	研究论文	本文开发了一种基于深度学习的去噪方法，用于提升使用标准头颈临床线圈采集的高分辨率颈动脉血管壁MRI的图像质量	提出了一种监督式深度学习去噪模型，能够将低信噪比的标准线圈输入映射至高信噪比的参考图像，其效果可与专用颈部表面线圈相媲美，无需额外硬件	研究基于55次扫描的回顾性重建数据，样本量相对有限，且为多中心研究，可能存在数据异质性	提升使用标准头颈临床线圈进行高分辨率颈动脉血管壁MRI成像的质量	颈动脉血管壁MRI图像	医学影像处理	心血管疾病	MRI（包括2D T1/T2加权TSE、3D TOF-MRA和MPRAGE序列）	CNN	图像	55次扫描（来自一项多中心研究）	NA	残差UNet	PSNR, SSIM, SNR, CNR, 边缘锐度（ERD）, 放射科医生李克特评分	NA
23	2026-04-01	Utility of augmented reality in endoscopic surgery for stones: European Association of Urology endourology up-to-date review 2026-May-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001378 PMID:41823304	综述	本文回顾了增强现实技术在泌尿系结石内镜手术中的发展历程、当前应用趋势及其临床益处	系统梳理了增强现实从可视化工具向融合超声/CT与深度学习、主动优化手术精度与安全性的智能系统演进，并强调了其在逆行手术中作为认知与导航平台的新兴角色	NA	确定增强现实技术在泌尿内镜手术中的发展时间线及其在当前临床实践中的趋势	增强现实技术在经皮肾镜取石术、输尿管镜术及逆行肾内手术中的应用	数字病理	前列腺癌	超声/CT融合，深度学习	NA	医学影像（如超声、CT）	NA	NA	NA	穿刺时间减少，并发症发生率降低	NA
24	2026-04-01	[Expert consensus on optimizing the multidisciplinary clinical pathways and management models for pulmonary function testing] 2026-Apr-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20251114-00713 PMID:41912385	专家共识	本文旨在通过信息技术和组织协调，优化肺功能测试的多学科临床路径和管理模式	提出了基于信息技术（如AI辅助、云平台）和标准化流程优化肺功能测试多学科临床路径与管理模式的系统性共识	共识基于专家意见和文献综述，缺乏大规模实证研究验证其具体实施效果和长期影响	优化肺功能测试的多学科临床路径和管理模式，提升其标准化应用和协作水平	肺功能测试的临床路径、管理模型、相关医护人员及患者	数字病理	慢性阻塞性肺疾病	肺功能测试、人工智能、云平台、问卷调查	深度学习模型	文本、图像、问卷数据	NA	NA	NA	NA	NA
25	2026-04-01	Super-resolution deep learning reconstruction improves brain MRI quality and detection of metastases 2026-Apr, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01921-3 PMID:41366626	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）相比传统深度学习重建（DLR）在脑转移瘤检测和图像质量提升方面的效果	首次在脑转移瘤检测中系统比较了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）的性能，证明了SR-DLR在病灶检测和图像质量方面的显著优势	回顾性研究，样本量相对较小（47例患者），仅使用单一MRI序列（对比增强3D全脑T1加权成像）	评估超分辨率深度学习重建（SR-DLR）在脑转移瘤MRI检测中的性能提升	脑转移瘤患者的对比增强T1加权脑部MRI图像	数字病理	脑转移瘤	MRI成像，深度学习图像重建	深度学习重建模型	医学影像（MRI图像）	47例连续患者，共117个脑转移病灶	NA	NA	JAFROC分析，FWHM，ERD，ERS，SNR，CNR，主观图像质量评分	NA
26	2026-04-01	Bias in deep learning-based image quality assessments of T2-weighted imaging in prostate MRI 2026-Apr, Abdominal radiology (New York) DOI:10.1007/s00261-025-05163-9 PMID:40853469	研究论文	本研究评估了基于深度学习的T2加权图像质量评估模型在前列腺癌患者中是否存在偏倚	首次揭示了基于深度学习的图像质量评估模型在前列腺MRI中可能因临床显著前列腺癌的存在而产生系统性偏倚	回顾性研究设计，仅包含三个中心的样本，可能存在选择偏倚	评估深度学习图像质量评估模型在前列腺MRI中的临床应用可靠性	前列腺T2加权MRI图像	数字病理	前列腺癌	MRI	深度学习分类模型	医学图像	开发集1,719个序列，测试集386个序列，外部验证11,723次检查	NA	NA	二次加权kappa系数	NA
27	2026-04-01	MRI-based multilevel radiomics and transformer features for predicting radiation-induced carotid artery injury after nasopharyngeal carcinoma radiotherapy: A multicenter study 2026-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111390 PMID:41587618	研究论文	本研究开发并验证了一种基于MRI的多层次影像组学与Transformer特征融合模型，用于预测鼻咽癌放疗后辐射诱导的颈动脉损伤	首次整合了常规影像组学、亚区域影像组学和Transformer深度学习特征，构建了多源融合模型，以增强对辐射诱导颈动脉损伤的预测能力	研究为回顾性设计，可能存在选择偏倚；样本量虽为多中心但仍有扩大空间；模型性能在外部验证中表现良好但需进一步前瞻性验证	开发并验证一种非侵入性预测模型，用于评估鼻咽癌患者放疗后发生辐射诱导颈动脉损伤的风险	鼻咽癌患者	数字病理学	鼻咽癌	MRI影像分析	深度学习, 影像组学	医学影像（MRI）	500名来自四家医院的鼻咽癌患者（训练集274例，内部测试集118例，外部测试集108例）	PyTorch	Swin Transformer	AUC, 准确率, 灵敏度, 特异度, Brier分数, NRI, IDI	NA
28	2026-04-01	Multicenter Clinical Validation of an Artificial Intelligence Diagnostic Classification Model for Laryngoscopy Images 2026-Apr, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery DOI:10.1002/ohn.70153 PMID:41696998	研究论文	本研究开发并外部验证了一个用于喉镜检查图像分类的人工智能辅助诊断模型，以区分高风险和低风险喉部病变	进行了大规模、多中心的临床验证，证明了模型在不同外部数据集上的泛化能力，并与不同专业水平的医生及ChatGPT-4o进行了性能比较	研究为回顾性设计，前瞻性多中心临床试验正在进行中，以评估真实世界的临床实施效果	开发并验证一个用于喉部病变分类的人工智能辅助诊断模型	喉镜检查图像中的可见病变	计算机视觉	喉部疾病	喉镜检查	深度学习模型	图像	超过20,000张来自喉镜检查的图像	NA	NA	准确率, 精确率, 召回率, F1分数, AUC	NA
29	2026-04-01	Deep learning of wrist accelerometry from UK Biobank data identifies early movement signatures of knee osteoarthritis up to 5 years before diagnosis 2026-Apr, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70332 PMID:41700483	研究论文	本研究利用英国生物银行数据，通过深度学习分析手腕加速度计数据，旨在识别膝骨关节炎（KOA）的早期运动特征，可在诊断前长达5年预测风险	首次将手腕加速度计数据与深度学习结合，用于识别膝骨关节炎的早期运动特征，并能在诊断前长达5年预测风险，突出了可穿戴设备在人群筛查中的潜力	研究为回顾性病例对照设计，属于二级分析而非前瞻性设计的预后试验；模型性能中等，区分前驱期与确诊KOA的能力接近随机水平	测试手腕加速度计数据结合深度学习是否能区分健康个体与膝骨关节炎患者、分离前驱期与确诊KOA，并预测未来5年内被诊断为KOA的个体	英国生物银行参与者，包括健康个体、膝骨关节炎患者（前驱期和确诊期），基于ICD-10代码识别，并控制BMI、年龄和性别等因素	机器学习	膝骨关节炎	手腕加速度计监测	CNN	加速度计时间序列数据	总参与者102,120人，其中KOA患者7,262人；具体任务中平衡队列样本量分别为3,677、1,596 vs. 2,081、1,369每类	NA	1D卷积神经网络	准确率, 宏F1分数, 宏灵敏度, AUC	NA
30	2026-04-01	Dosimetric assessment of deep learning based organ-at-risk segmentation: insights from the HaN-Seg challenge 2026-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111387 PMID:41581701	研究论文	本文通过整合剂量学评估，扩展了HaN-Seg挑战的几何分析，对头颈部器官风险自动分割的临床适用性进行了全面评估	在先前几何分析基础上，首次引入前向剂量学分析（剂量影响近似），包括验证器官风险剂量限制合规性、评估优先级评分、分析分割性能与肿瘤邻近性的关系，以及几何与剂量学指标的相关性分析	前向剂量学分析存在局限性，且口腔和颌下腺的合规率较低，可能源于肿瘤邻近性和陡峭剂量梯度，或分析方法的限制	评估深度学习器官风险自动分割方法的剂量学性能，为放疗计划工作流提供临床适用性见解	头颈部区域的30个器官风险，使用配对增强CT和T1加权MR图像	数字病理	头颈部癌症	对比增强计算机断层扫描，T1加权磁共振成像	深度学习	图像	14个测试案例	NA	NA	Dice相似系数，95百分位Hausdorff距离，剂量合规率	NA
31	2026-04-01	A review of artificial intelligence-based research on chronic obstructive pulmonary disease 2026 Apr-May, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.108778 PMID:41839412	综述	本文回顾了基于人工智能（特别是机器学习和深度学习）在慢性阻塞性肺疾病（COPD）诊断、分级、评估、管理和治疗方面的研究进展	从五种学习范式（传统研究方法、监督学习、无监督学习、半监督学习和强化学习）分析COPD研究的技术基础，并总结代表性模型及比较实验，分析各类模型在特定COPD任务中的优劣	作为综述文章，主要依赖现有文献总结，未提出新的原创模型或数据，且可能受限于所涵盖研究的质量和范围	深入探讨人工智能在COPD诊断和管理中的应用，总结研究热点，并为后续研究提供理论参考和见解	慢性阻塞性肺疾病（COPD）	机器学习	慢性阻塞性肺疾病	NA	监督学习, 无监督学习, 半监督学习, 强化学习	NA	NA	NA	NA	NA	NA
32	2026-04-01	Head radiotherapy positioning guidance system based on feature recognition and automatic annotation: Clinical validation and error analysis 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70405 PMID:41904706	研究论文	本研究开发了一种基于RGB-D相机和深度学习算法的放疗定位引导系统，用于头颈部肿瘤放疗的精准定位	将DeepLab-Opt和FFMD算法整合到放疗工作流中，实现基于表面轮廓和面部标志点的粗-精两级定位，并通过实时反馈系统提高定位精度	研究样本量较小（22例患者），且仅针对头颈部肿瘤进行验证，未涉及其他部位肿瘤	探索基于特征识别和自动标注的放疗定位引导系统的可行性，并分析其在头颈部放疗中的定位误差	头颈部肿瘤患者	计算机视觉	头颈部肿瘤	RGB-D成像，深度学习算法	CNN	彩色图像，深度图像	22例头颈部肿瘤患者，共246次定位案例	NA	DeepLab-Opt, Fast Face Marker Detector (FFMD)	定位误差（横向、纵向、垂直方向及旋转角度），定位时间	NA
33	2026-04-01	Interpreting the Effects of Environmental Variables on a Multistep Deep Learning Model for Algal Bloom Prediction Using Explainable Artificial Intelligence 2026-Apr, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70339 PMID:41911833	研究论文	本研究开发了一个序列到序列深度学习模型来预测叶绿素a浓度，并应用可解释人工智能方法分析环境变量对模型性能的影响	首次将可解释人工智能方法应用于藻华预测的深度学习模型，定量解释不同预测时间步长下环境变量的影响	模型在长期预测（如28天）时性能显著下降，NSE从0.908降至0.255	开发并评估用于藻华预测的深度学习模型，并分析环境变量对预测性能的影响	叶绿素a浓度（作为藻华的定量指标）	机器学习	NA	深度学习建模，可解释人工智能分析	Seq2Seq	时间序列数据	NA	NA	序列到序列模型	Nash-Sutcliffe效率	NA
34	2026-04-01	Global Sensitivity Analysis for Robust XAI: Quantifying Clinical Risk and Prediction Instability in Dermoscopic Image Classification 2026-Apr, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70237 PMID:41913512	研究论文	本文提出并利用全局敏感性分析来量化卷积神经网络在皮肤镜图像分类中对关键光学图像参数的鲁棒性，以评估模型在临床环境中的诊断风险	将全局敏感性分析应用于深度学习模型，以量化其在皮肤镜图像分类中对光学参数变化的敏感性和诊断风险，超越了传统准确性评估	仅考虑了五种光学图像参数，可能未涵盖所有影响模型稳定性的临床变量	评估深度学习模型在皮肤镜图像分类中的鲁棒性，量化其诊断风险，以支持AI诊断系统的临床安全部署	皮肤镜图像分类模型	计算机视觉	皮肤癌	NA	CNN	图像	NA	NA	NA	准确性	NA
35	2026-04-01	Deep Learning for Automated Tumor Segmentation of Rectal Cancer on T2-Weighted Magnetic Resonance Images 2026-Apr, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2025.0133 PMID:41914320	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于在T2加权磁共振图像上分割直肠癌肿瘤	提出了结合直肠引导（预测或叠加）的注意力U-Net模型，以提高直肠癌肿瘤分割的准确性，并发现叠加直肠信息能获得最佳性能	研究为回顾性设计，样本量有限（458例），且仅使用T2加权图像，未探索多模态或外部验证	开发并评估基于深度学习的自动分割模型，用于直肠癌肿瘤在T2加权磁共振图像上的精确分割	直肠癌患者的T2加权磁共振图像	数字病理	直肠癌	T2加权磁共振成像	CNN	图像	458例患者	NA	注意力U-Net	Dice相似系数	NA
36	2026-04-01	Deep Learning-Enhanced Resonance Frequency Analysis for Dental Implant Stability Assessment 2026-Apr, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70342 PMID:41914428	研究论文	本研究开发并评估了一种深度学习增强的共振频率分析框架，用于提高牙科植入物稳定性评估的准确性和信号质量	提出了一种结合去噪卷积神经网络和元数据感知预测网络的深度学习增强RFA框架，显著提升了信号质量和ISQ预测精度	目前仅作为概念验证，需进行多中心前瞻性验证，纳入真实世界噪声分析和临床结果评估，才能投入临床应用	开发并评估一种深度学习增强的共振频率分析框架，以提高牙科植入物稳定性评估的准确性和信号质量	牙科植入物的共振频率分析信号	数字病理	NA	共振频率分析	CNN	信号	100个植入物（300个信号样本，每个植入物采集三次）	NA	去噪卷积神经网络，元数据感知预测网络	MAE, RMSE, R2, 容忍精度（±3 ISQ单位内）	NA
37	2026-04-01	Fluorescence Machine Vision-Based Rapid Quantitative Characterization of Microplastics 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00407 PMID:41830590	研究论文	本研究开发了一种基于荧光显微成像和YOLO v11深度学习模型的微塑料快速定量检测方法，并构建了名为FluoPlastVision的商业化AI辅助检测平台	采用香豆素6（C6）进行稳定广谱染色获得高质量图像数据，并在YOLO v11模型中引入轻量级注意力机制以增强模型鲁棒性和准确性	未明确说明模型在复杂环境样本或不同染色条件下的泛化能力，也未提供与其他先进方法的直接对比数据	开发一种快速、低成本、高精度的微塑料定量检测技术	经香豆素6染色的微塑料荧光显微图像	计算机视觉	NA	荧光显微成像	CNN	图像	NA	NA	YOLO v11	NA	NA
38	2026-04-01	Novel Deep-Learning Unsupervised Domain Adaptation Method for Mitigating Batch, Strain, and Instrument Variations to Enhance Raman Spectroscopy-Based Bacterial Pathogen Identification 2026-Mar-31, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07113 PMID:41842761	研究论文	本文提出了一种名为Raman Spectral Classification Discrepancy Model (RSCDM)的新型无监督域适应方法，旨在通过对抗性特征对齐来减轻拉曼光谱中由仪器、批次和菌株差异引起的域偏移，从而增强基于拉曼光谱的细菌病原体识别	提出了一种利用任务特定分类器之间的输出差异动态识别远离源域特征分布的目标样本的新型域适应框架，不同于依赖固定域假设的传统方法，实现了任务驱动的域对齐	NA	增强基于拉曼光谱的细菌病原体识别的鲁棒性，以应对仪器异质性、批次变异性和菌株多样性带来的挑战	七种细菌物种的拉曼光谱数据，包括商业光谱仪和自制光谱仪采集的临床分离株	机器学习	细菌感染	拉曼光谱	深度学习	光谱数据	七种细菌物种的多个批次和菌株样本，以及六种临床分离株	NA	Raman Spectral Classification Discrepancy Model (RSCDM)	分类准确率	NA
39	2026-04-01	Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data 2026-Mar-31, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15772 PMID:41861271	研究论文	本研究提出了一种基于深度学习的框架DeepMAP，用于利用地球静止卫星数据同时预测六种主要空气污染物，以量化多污染物共暴露	开发了首个能够同时预测六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）的深度学习框架DeepMAP，并引入了新的共暴露指数来识别污染物贡献差异	未明确说明模型在极端气象条件或长期气候变化下的泛化能力，也未讨论卫星数据质量波动对预测精度的影响	建立高分辨率多污染物同时预测框架，量化人类共暴露水平并评估污染物混合的健康影响	六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）在东亚地区的时空分布	机器学习	NA	地球静止卫星观测	深度学习	卫星遥感数据	未明确说明具体样本数量，但覆盖东亚地区2021年3月及全年数据	未明确说明	未明确说明具体架构，仅提及深度学习框架	归一化均方根误差	未明确说明
40	2026-04-01	A deep learning approach for analyzing brainwave signals during audio meditation in expectant mothers: variational mode decomposition with a CNN-BiLSTM model 2026-Mar-31, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae55a8 PMID:41871464	研究论文	本研究提出了一种基于EEG信号和深度学习的方法，用于分析孕妇在音频冥想期间的大脑活动变化	结合变分模态分解与CNN-BiLSTM混合模型，首次针对孕妇短期音频冥想的神经效应进行客观量化分析	研究样本量有限，且仅针对特定类型的音频冥想，未考虑个体差异和长期效应	客观评估孕妇在短期音频冥想期间的神经活动变化，为产前护理提供科学依据	孕妇的脑电图信号	机器学习	NA	脑电图	CNN, BiLSTM	脑电图信号	未明确指定样本数量，但涉及孕妇在不同心理状态下的EEG数据	未明确指定，但可能基于TensorFlow或PyTorch	VMD-CNN-BiLSTM混合架构	准确率, 损失值	NA