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
381	2026-04-04	Deep learning-based segmentation of acute pulmonary embolism in cardiac CT images 2026-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03503-0 PMID:40996587	研究论文	本研究利用深度学习模型（nnU-Net和VT-UNet）对心脏CT图像中的急性肺栓塞进行自动分割，以提升诊断和治疗规划	首次将nnU-Net和基于Transformer的VT-UNet应用于急性肺栓塞的自动分割，并在自建CTPA数据集上实现了优于现有技术的性能	数据集规模有限（200个CTPA图像体积），且未在外部验证集上测试模型泛化能力	开发自动分割急性肺栓塞的深度学习模型，以辅助临床诊断和治疗规划	急性肺栓塞患者的CT肺动脉造影图像	计算机视觉	肺栓塞	CT肺动脉造影	CNN, Transformer	图像	200个CTPA图像体积	NA	nnU-Net, VT-UNet	Dice相似系数, 95百分位Hausdorff距离	NA
382	2026-04-04	A Deep Learning Framework With Domain Generalization and Few-Shot Learning for Locomotion Mode Classification Across Users, Sessions, and Prostheses 2026-Feb, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2025.3606364 PMID:41924131	研究论文	本文提出了一种基于领域对抗训练和少样本学习微调的深度学习框架，用于跨用户、会话和假肢模型的运动模式分类	结合领域泛化和少样本学习，以处理跨会话和跨假体模型的数据分类问题，提高了未见会话或受试者数据的分类性能	研究仅基于两个假肢模型（VU Gen 2和Gen 3）的数据，样本量相对较小（11名受试者，31个会话），且仅针对五种运动任务	开发一个能够跨用户、会话和假肢模型进行运动模式分类的深度学习框架，以促进临床应用中分类算法的实施	经股截肢者使用不同假肢模型（Vanderbilt University Gen 2和Gen 3动力膝踝假肢）进行五种运动任务的数据	机器学习	NA	NA	深度学习	运动数据	11名受试者，31个会话，涉及两种假肢模型（VU Gen 2和Gen 3）	NA	NA	F1分数	NA
383	2026-04-04	Deep Learning Model With Nodule Indexing Tailored to Early-Stage Lung Cancer Detection 2026-Jan-29, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2026.01.025 PMID:41620056	研究论文	本研究评估了一种基于深度学习的AI系统，通过结节索引和恶性风险分层，在CT扫描中检测肺结节，并提高了放射科医生的诊断性能	开发了针对早期肺癌检测的深度学习模型，结合结节索引和恶性风险分层，显著提升了放射科医生在检测肺结节方面的敏感性和效率	研究数据集虽包含早期肺癌病例，但样本来源主要为NLST试验，可能限制了结果的泛化性	评估AI系统在CT扫描中辅助放射科医生检测肺结节和早期肺癌的性能	CT扫描图像，包括209例筛查和131例非筛查病例，其中133例肺癌、61例良性非钙化结节和146例正常病例	计算机视觉	肺癌	CT扫描	深度学习模型	图像	340例CT扫描，包含133例肺癌、61例良性结节和146例正常病例	NA	NA	敏感性, 特异性, AUC, 假阳性率, 解读时间	NA
384	2026-04-04	Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36375-8 PMID:41565837	研究论文	提出了一种轻量化的互惠门控融合框架，结合SqueezeNet和ShuffleNetV2，用于乳腺癌组织病理学图像的检测	提出了一种互惠门控融合机制，实现了两个高效卷积神经网络之间的结构化双向交互，增强了互补特征交换并抑制了冗余响应	未在摘要中明确说明	开发一种计算开销小、实用性强、精确可靠的计算机辅助诊断解决方案，用于乳腺癌检测	乳腺癌组织病理学图像	数字病理学	乳腺癌	深度学习	CNN	图像	未在摘要中明确说明	未在摘要中明确说明	SqueezeNet, ShuffleNetV2	多类准确率, 二元准确率	未在摘要中明确说明
385	2026-04-04	ViralBindPredict: empowering viral protein-ligand binding sites through deep learning and protein sequence-derived insights 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag010 PMID:41578956	研究论文	本文提出了ViralBindPredict，一种直接从蛋白质序列预测病毒蛋白-配体结合位点的深度学习框架	首次引入泄漏控制的大规模病毒蛋白-配体相互作用基准数据集，并开发了无需结构信息的序列直接预测方法	对于未见过的蛋白质，模型性能下降较大，表明蛋白质上下文对泛化能力有主导影响	加速抗病毒药物发现，支持靶点优先排序、化合物再利用和新药设计	病毒蛋白-配体结合位点	生物信息学	病毒性疾病	深度学习，蛋白质序列分析	多层感知机，LightGBM	蛋白质序列，配体描述符	超过10,000个病毒链和约13,000个相互作用	NA	多层感知机	精确率，召回率	NA
386	2026-04-04	Using Artificial Intelligence to Automate the Analysis of Psoriasis Severity: A Pilot Study 2026, Dermatology (Basel, Switzerland) DOI:10.1159/000549640 PMID:41269911	研究论文	本研究利用YOLOv8深度学习模型，基于2D临床图像特征，自动分类银屑病皮损严重程度，以改进PASI评分的客观性和一致性	首次应用YOLOv8模型对银屑病皮损的PASI关键子成分（红斑、厚度、鳞屑）进行自动化严重程度分类，并采用分层k折交叉验证增强模型在不同数据集上的可靠性	研究为初步试验，样本规模可能有限，且仅基于2D图像，未考虑三维或动态临床因素	利用人工智能提高银屑病严重程度评估的客观性和一致性	银屑病皮损的临床图像	计算机视觉	银屑病	深度学习	CNN	图像	三个不同数据集，具体样本数未明确	Google Colab	YOLOv8	混淆矩阵, 准确率	云端环境（Google Colab）
387	2026-04-04	Deep learning for cardiac MRI: performance evidence and barriers to clinical integration. A Systematic Review and Meta-Analysis 2026-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyag045 PMID:41877690	系统综述与荟萃分析	本系统综述与荟萃分析评估了深度学习在心脏磁共振成像中用于图像分割、预测和诊断的当前证据	首次对2020年至2025年间发表的深度学习在心脏MRI中的应用研究进行了全面的系统综述与荟萃分析，量化了模型在分割和诊断任务中的优异性能	纳入研究存在异质性，且大多数研究集中于分割任务，诊断和预测研究数量相对较少	评估深度学习在心脏磁共振成像中的应用证据，并探讨其临床整合的障碍	使用深度学习进行心脏磁共振图像分割、预测或诊断的研究	医学影像分析	心血管疾病	心脏磁共振成像	深度学习	医学影像	62项符合纳入标准的研究，其中12项纳入荟萃分析	NA	U-Net	Dice分数, Hausdorff距离, 敏感性, 特异性, AUC	NA
388	2026-04-04	Explainable AI-driven hybrid deep learning framework for accurate skin cancer diagnosis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261438923 PMID:41928825	研究论文	本文提出了一种混合可解释深度学习框架，用于多类别皮肤癌的准确诊断	结合了EfficientNetB0与随机森林分类器，并采用概率级融合，提高了模型在不同采集条件下的鲁棒性，同时通过Grad-CAM提供临床可解释的决策依据	数据增强仅限于训练集以防止泄露，但未详细讨论模型在外部验证集上的泛化能力	开发并评估一种混合可解释深度学习方法，以提升皮肤癌分类的准确性和临床可解释性	皮肤癌病变图像，包括HAM10000数据集（7类）和ISIC2019+DermNet组合数据集（8类）	计算机视觉	皮肤癌	深度学习，图像预处理（Dull Razor去毛发，各向异性扩散滤波）	CNN, Random Forest	图像	HAM10000数据集和ISIC2019+DermNet组合数据集，具体样本数未明确说明	TensorFlow, PyTorch	EfficientNetB0	准确率, F1分数, 灵敏度, AUC	未明确说明
389	2026-04-04	Development of a multi-label deep neural network model for predicting immediate paravalvular leakage and new-onset conduction disturbances after transcatheter aortic valve replacement: A retrospective cohort study 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261427502 PMID:41928824	研究论文	本研究开发了一种基于深度学习的多标签预测模型，用于同时预测经导管主动脉瓣置换术后即刻的瓣周漏和新发传导障碍	采用多标签建模策略，同时预测两种并发症，克服了现有模型多关注单一并发症且忽略其相互关联性的局限	研究为回顾性队列研究，可能存在选择偏倚；模型在单中心数据上开发，外部泛化能力有待验证	开发一个能够同时预测TAVR术后两种主要并发症（PVL和CDs）的预测模型，以辅助临床决策	接受首次TAVR手术的主动脉瓣狭窄患者	机器学习	心血管疾病	NA	深度学习, 神经网络	临床特征数据	966名患者（771名训练，195名测试）	NA	Muex, 神经网络	AUROC, 集成校准指数	NA
390	2026-04-04	Deep Learning Radiomics of Multiparametric MRI for Individualized Prediction of Axillary Lymph Node Response After Neoadjuvant Chemotherapy in Breast Cancer 2026, Breast cancer (Dove Medical Press) DOI:10.2147/BCTT.S568337 PMID:41928849	研究论文	本研究开发了一种基于纵向多参数乳腺MRI的深度学习放射组学模型，用于预测乳腺癌患者新辅助治疗后腋窝淋巴结的病理完全缓解	首次将纵向多参数MRI与基于深度学习的放射组学相结合，用于预测新辅助治疗后的腋窝淋巴结反应	单中心回顾性研究，需要外部验证	预测乳腺癌患者新辅助化疗后腋窝淋巴结的个体化反应	乳腺癌患者	数字病理学	乳腺癌	多参数MRI	深度学习, 机器学习	MRI图像	254名乳腺癌患者（训练队列144人，验证队列110人）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
391	2026-04-04	Investigating discrepancies in accuracy, agreement and interpretability for single-frame embryo classification tasks conducted by embryologists and deep learning models 2026, Frontiers in reproductive health IF:2.3Q3 DOI:10.3389/frph.2026.1778326 PMID:41928854	研究论文	本研究评估了胚胎学家与深度学习模型在单帧胚胎图像分类任务中的准确性、一致性和可解释性差异	首次在胚胎阶段分类任务中综合比较人类专家与深度学习模型的准确性、一致性和可解释性，并利用可解释人工智能技术分析模型决策	单中心回顾性研究，样本量有限（n=245），仅使用单帧图像，未考虑时间序列信息	评估人工智能工具在辅助生殖技术中的安全性和透明度，通过整合准确性、一致性和可解释性建立评估框架	人类胚胎发育阶段的单帧图像	计算机视觉	生殖系统疾病	单帧图像分析	CNN	图像	245张单帧胚胎图像	PyTorch, TensorFlow	ResNet-34, VGG16	准确率, Cohen's kappa系数	NA
392	2026-04-04	Artificial intelligence-driven assessment of sarcopenia in orthopedic geriatrics: technical progress and clinical implications 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1779448 PMID:41928875	综述	本文综述了人工智能，特别是深度学习，在骨科老年医学中用于自动化、高通量机会性筛查肌少症的技术进展及临床意义	利用AI（尤其是深度学习）从常规临床影像中实现自动化、高通量的机会性筛查，以解决传统诊断方法在急性骨科环境中的不实用性，并将AI衍生指标整合到临床决策支持系统和电子病历中，推动从被动骨折管理向主动预防的范式转变	在技术标准化、生物变异性和模型可解释性方面仍存在显著挑战	总结人工智能如何解决传统肌少症诊断方法在骨科老年医学中的局限性，并探讨其临床转化意义	骨科老年患者，特别是患有肌少症的人群	数字病理学	老年疾病	深度学习，卷积神经网络	CNN	临床影像	NA	NA	NA	Dice相似系数	NA
393	2026-04-04	Artificial intelligence support for diagnosis of neurodevelopmental disorders during childhood: an umbrella review 2026, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2026.1697185 PMID:41929366	综述	本文是一篇伞状综述，旨在综合评估人工智能在儿童神经发育障碍诊断中的应用证据	首次通过伞状综述的形式，系统性地汇总了关于AI在多种儿童神经发育障碍（如ASD、ADHD）诊断中应用的系统综述和荟萃分析证据，并评估了其方法学质量	纳入研究的方法学质量普遍较低（80%为极低质量），缺乏外部验证、数据收集和模型开发标准化不足，以及报告不一致	评估人工智能作为辅助工具，在儿童神经发育障碍早期诊断中的潜力和现有证据	儿童神经发育障碍，包括自闭症谱系障碍、注意缺陷多动障碍、智力障碍、沟通障碍、发育性协调障碍和特定学习障碍	机器学习	神经发育障碍	NA	支持向量机, 人工神经网络, 卷积神经网络	神经影像, 电生理, 临床/社会人口学, 运动/传感器数据	NA	NA	NA	诊断准确率	NA
394	2026-04-04	Biologically informed dual deep learning for skeletal maturity prediction in pediatrics 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1774498 PMID:41929406	研究论文	本文提出了一种基于生物学信息的双深度学习框架，用于儿科骨骼成熟度预测	结合生物学先验知识与双神经网络架构，通过整合已发表的生理数据来概念性地支持骨龄预测，相比传统AI模型能提高训练稳定性、减少预测变异性并更好地对齐正常生长轨迹	仅基于模拟和概念分析，未收集新的人类或动物数据，未来需在真实世界影像数据集上验证并评估其临床集成	开发一种准确、可解释且高效的骨龄估计方法，以改进临床诊断、法医评估和生长研究	儿科骨骼成熟度预测，基于公开可用的放射影像数据集	计算机视觉	NA	深度学习	双神经网络	放射影像	NA	NA	NA	NA	NA
395	2026-04-04	Deep learning based approach for Behavior classification in diagnoses of Autism Spectrum Disorder using naturalistic videos 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1626315 PMID:41929585	研究论文	本研究提出一种基于深度学习的模型，利用自然主义视频对自闭症谱系障碍（ASD）中的行为进行分类，以辅助诊断	提出了一种结合CNN和GRU的深度学习模型，用于从非结构化日常活动视频中提取时空特征，以分类自闭症相关行为，并在公开数据集上表现出优于其他模型的性能	研究依赖于公开数据集，可能未涵盖所有自闭症行为类型；模型在真实世界未控制视频中的泛化能力需进一步验证	开发一种基于视频行为分析的自动化工具，以辅助自闭症谱系障碍的快速、准确筛查	自闭症谱系障碍儿童在非结构化日常活动中的行为视频	计算机视觉	自闭症谱系障碍	视频行为分析	CNN, GRU, LSTM	视频	使用公开的多类自我刺激行为数据集（SSBD），具体样本数量未在摘要中明确说明	NA	CNN-GRU, 3D-CNN + LSTM, MobileNet, VGG16, EfficientNet-B7	准确率	NA
396	2026-04-04	Towards practical application of deep learning in diagnosis of Alzheimer's disease 2026 Jan-Dec, Journal of Alzheimer's disease reports DOI:10.1177/25424823261415808 PMID:41929976	研究论文	本研究探索了深度学习模型在阿尔茨海默病不同阶段诊断中的实际应用	设计了全脑3D版本的知名2D CNN架构，并用于多阶段AD诊断，同时通过模型集成提升了性能	计算复杂度高、训练时间长、标记数据集有限，因此全脑3D CNN不常用，许多研究依赖2D变体	探索深度学习在阿尔茨海默病诊断中的实际应用，以改进疾病治疗和预防	阿尔茨海默病患者在不同疾病阶段的脑部数据	计算机视觉	阿尔茨海默病	NA	CNN	图像	超过1500个全脑体积数据用于模型训练和评估	NA	3D CNN	分类准确率	NA
397	2026-04-04	Urological diagnostics based on kidney stone detection in CT imaging using YOLOv8 deep learning framework 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1702159 PMID:41930103	研究论文	本研究评估了四种深度学习目标检测模型在CT图像中自动检测肾结石的性能	首次在肾结石CT检测中系统比较了YOLOv8、YOLOv5、Faster R-CNN和RetinaNet四种模型，并强调了YOLOv8在准确性与实时性之间的最佳平衡	研究仅基于4,000张标注CT切片和170名患者的数据集，可能需要进行更大规模和多中心的验证	评估深度学习目标检测模型在CT图像中自动检测肾结石的性能，以辅助泌尿科诊断	肾结石	计算机视觉	肾结石病	非对比计算机断层扫描（CT）	目标检测模型	CT图像	170名患者的4,000张标注CT切片	PyTorch	YOLOv8, YOLOv5, Faster R-CNN, RetinaNet	mAP@0.5, 精确率, 召回率, 假阳性率, 假阴性率, 推理速度	NA
398	2026-04-04	Classification of pediatric dental diseases from panoramic radiographs using natural language transformer and deep learning models 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1754498 PMID:41930217	研究论文	本研究提出了一种基于文本驱动的框架，利用自然语言Transformer从全景X光片生成结构化文本描述，并通过深度学习模型进行儿科牙科疾病的分类	首次将自然语言Transformer应用于全景X光片生成文本描述，并比较文本驱动与图像驱动深度学习模型在儿科牙科疾病分类中的性能	模型在不同疾病类型间的泛化能力存在不一致性，需要更大、更多样化的数据集来验证临床适用性	探索文本驱动方法作为传统图像驱动深度学习替代方案，用于儿科牙科疾病的准确分类	儿科牙科疾病的全景X光片	自然语言处理,计算机视觉	儿科牙科疾病	全景X光成像	1D-CNN, LSTM, BERT, CNN	图像,文本	未明确说明	未明确说明	1D-CNN, LSTM, BERT, 预训练CNN	准确率,敏感性	未明确说明
399	2026-04-04	Mamba-enhanced codebook learning with anatomical constraints for liver and tumor segmentation in 3D CT volumes 2026, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2026.1708094 PMID:41930224	研究论文	提出一种用于3D CT图像中肝脏和肿瘤分割的端到端分层网络，集成了多尺度上下文建模、全局关系学习和结构化特征表示	首次将新兴的Mamba架构引入3D医学图像分割，用于建模跨切片的远程依赖关系；提出可学习的码书模块量化高维特征为语义原型；结合解剖学先验知识（肿瘤必须位于肝脏内）通过包含损失函数显式正则化分割输出	仅在公开的LiTS数据集上进行验证，需要更多外部数据集验证泛化能力；未讨论计算效率与实时性；解剖学约束仅考虑了空间包含关系，可能忽略其他解剖学先验	提高3D CT图像中肝脏和肿瘤分割的准确性和可靠性，以辅助临床诊断和治疗规划	3D CT扫描图像中的肝脏及其肿瘤	数字病理学	肝癌	CT扫描	深度学习网络	3D CT图像	使用公开LiTS数据集（具体样本数量未在摘要中说明）	NA	分层网络，包含多尺度纹理编码器、基于Mamba架构的全局关系表示模块、可学习码书模块	Dice分数，体积重叠误差（VOE），边界度量（ASD，95HD）	NA
400	2026-04-04	Next-generation viral detection through AI-enhanced nanotechnology: advances, challenges, and future directions 2026, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2026.1750124 PMID:41930247	综述	本文综述了人工智能与纳米技术结合在病毒检测中的最新进展、挑战及未来方向	探讨AI与纳米技术协同作用，实现实时病毒预测、监测和管理，提升检测系统的灵敏度和个性化	仍需大量临床验证和监管成熟，面临数据隐私、算法偏见和监管障碍等挑战	探索AI与纳米技术集成作为变革性方法，用于病毒检测和公共卫生响应	病毒检测系统，包括病毒突变识别、爆发轨迹预测和复杂病毒学数据分析	机器学习	NA	纳米传感器、纳米颗粒诊断、芯片实验室设备	机器学习, 深度学习	复杂病毒学数据	NA	NA	NA	NA	NA