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
4901	2026-03-15	Radiographic Data Segmentation as a Tool in Machine Learning and Deep Learning Artificial Intelligence Algorithms 2026-Apr, Dental clinics of North America DOI:10.1016/j.cden.2025.11.012 PMID:41825999	综述	本文综述了牙科领域中作为机器学习和深度学习算法基石的放射影像数据分割技术	系统性地总结了卷积神经网络在牙科多种放射影像（如全景片、根尖片、咬翼片和锥形束CT）中分类、检测和像素/体素分割任务的应用，并展示了AI在多项任务中达到或超越临床医生水平的性能指标	NA	回顾并强调放射影像数据分割在牙科机器学习和深度学习人工智能算法中的核心作用	牙科放射影像数据，包括全景片、根尖片、咬翼片和锥形束CT成像	计算机视觉	NA	放射影像技术（全景、根尖、咬翼、锥形束CT成像）	CNN	图像	NA	NA	NA	NA	NA
4902	2026-03-15	The Science Behind Machine Learning, Deep Learning, and Active Learning 2026-Apr, Dental clinics of North America DOI:10.1016/j.cden.2025.11.006 PMID:41826000	综述	本文介绍了机器学习、深度学习和主动学习的核心概念及其在现代牙科中的应用	强调了深度学习模型（如卷积神经网络和Transformer）在牙科数据自动分析中的应用，以及主动学习在减少标注负担和结合解剖学规则的知识驱动策略方面的作用	NA	介绍机器学习、深度学习和主动学习在牙科诊断、治疗规划和临床决策支持中的应用	牙科数据，特别是锥形束计算机断层扫描中的根尖周病变	机器学习	牙科疾病	锥形束计算机断层扫描	CNN, Transformer	图像	NA	NA	卷积神经网络, Transformer	NA	NA
4903	2026-03-15	Three-dimensional neural network driving self-interference digital holography enables high-fidelity, non-scanning volumetric fluorescence microscopy 2026-Mar-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.587822 PMID:41824690	研究论文	本文提出了一种深度学习驱动的计算方法，通过三维神经网络改进自干涉数字全息术，实现高保真、非扫描的体荧光显微镜成像	利用三维深度神经网络模型，同时抑制离焦噪声、提高空间分辨率和信噪比，无需机械或光电扫描即可实现三维非扫描体荧光显微镜成像	NA	克服自干涉数字全息术在轴向成像性能上的限制，实现高时空分辨率的三维成像	细胞结构动态和高速流场的三维行为	计算机视觉	NA	自干涉数字全息术	CNN	图像	NA	NA	三维深度神经网络	空间分辨率, 信噪比	NA
4904	2026-03-15	A hybrid deep learning approach with temporal awareness for intelligent intrusion detection in 6G-enabled IIoT networks 2026-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43058-x PMID:41826618	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4905	2026-03-15	Predicting infarct outcomes after extended time window thrombectomy in large vessel occlusion using knowledge guided deep learning 2026-Mar-13, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023355 PMID:40480824	研究论文	本研究开发了一种结合先验医学知识引导的深度学习模型，用于预测急性缺血性卒中患者在延长时间窗取栓后的最终梗死区域	通过将侧支循环评分、梗死概率图和动脉供血区图等先验医学知识整合到Swin Transformer模型中，显著提升了延长时间窗取栓后梗死预测的准确性	本研究为回顾性研究，样本量相对有限（221例），且仅来自三个中心，可能存在选择偏倚	提高急性缺血性卒中患者在延长时间窗机械取栓后最终梗死区域的预测精度，以辅助治疗规划	接受症状出现后超过6小时进行机械取栓的急性缺血性卒中患者	数字病理学	心血管疾病	CT灌注成像	Swin Transformer	图像	221例急性缺血性卒中患者	NA	Swin Transformer	Dice系数, IoU	NA
4906	2026-03-15	Minimizing human-induced variability in quantitative angiography for a robust and explainable AI-based occlusion prediction in flow diverter-treated aneurysms 2026-Mar-13, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023416 PMID:40506221	研究论文	本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并探讨可解释AI对深度学习模型预测动脉瘤闭塞结果可靠性和可解释性的影响	提出了一种通过解卷积和再卷积标准化注射曲线来最小化注射变异性的算法，并结合可解释AI（LIME）增强模型决策的透明度和临床相关性	研究仅基于458名患者的血管造影数据，样本量相对有限，且可能未涵盖所有临床变异情况	提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞结果的准确性和可解释性	接受血流导向装置治疗的颅内动脉瘤患者	医学影像分析	颅内动脉瘤	定量血管造影	深度神经网络	血管造影图像	458名患者	NA	深度神经网络	AUROC, 准确率, 敏感性, 特异性	NA
4907	2026-03-15	Recent developments in pharmacophore-based modeling of Ca2+/Calmodulin-dependent protein kinase II delta (CaMkIIδ) inhibitors for heart failure therapy 2026-Mar-13, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2643408 PMID:41824031	综述	本文综述了基于药效团建模的计算方法在发现CaMKIIδ抑制剂用于心力衰竭治疗中的最新进展	强调了药效团建模在CaMKIIδ抑制剂发现中的应用，并探讨了机器学习辅助发现和药物重定向策略，如将ruxolitinib和hesperadin等已批准药物鉴定为CaMKIIδ抑制剂	药效团驱动的CaMKIIδ建模仍未被充分利用，需要整合AI/深度学习、异构体选择性过滤器、状态及翻译后修饰特异性靶向以及严格的实验验证	综述用于发现CaMKIIδ抑制剂的计算方法，特别是药效团建模，以支持心力衰竭治疗	钙/钙调蛋白依赖性蛋白激酶II delta (CaMKIIδ) 及其抑制剂	计算药物发现	心力衰竭	药效团建模，分子对接，QSAR，虚拟筛选，机器学习	NA	化学结构数据，文献数据	NA	NA	NA	NA	NA
4908	2026-03-15	Loop of N2-polarized neutrophils and exhausted CD8 + T cells induces immunotherapy resistance in NSCLC 2026-Mar-13, Molecular and cellular biochemistry IF:3.5Q3 DOI:10.1007/s11010-025-05457-y PMID:41824204	研究论文	本研究通过整合单细胞RNA测序数据，揭示了非小细胞肺癌中N2极化中性粒细胞与耗竭CD8⁺ T细胞之间形成正反馈环路导致免疫治疗耐药的机制，并基于此构建了深度学习预测模型	首次发现N2中性粒细胞与耗竭CD8⁺ T细胞通过ICAM1-整合素和CCL5-CCR1轴形成自我维持的免疫抑制环路，并基于该分子环路构建了可预测免疫治疗反应的深度学习模型	研究主要基于计算分析，需要进一步实验验证分子机制；模型在更多癌症类型中的普适性仍需验证	揭示非小细胞肺癌免疫治疗耐药的细胞互作机制，并开发预后分层和免疫治疗反应预测模型	非小细胞肺癌肿瘤免疫微环境中的N2极化中性粒细胞和耗竭CD8⁺ T细胞	计算生物学	肺癌	单细胞RNA测序, 批量RNA测序	深度神经网络	基因表达数据	大规模单细胞RNA测序数据集和多个批量RNA测序队列	NA	深度神经网络	预测准确性	NA
4909	2026-03-15	VFIR: Vector Fields Implicit Representation for Surface Reconstruction from Point Clouds 2026-Mar-13, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2026.3674088 PMID:41824347	研究论文	本文提出了一种名为VFIR的新方法，利用神经隐式函数学习向量场，用于从点云进行表面重建	提出了基于向量场的隐式表示方法，克服了SDF仅适用于水密模型和UDF在表面边界不可微的局限性，并引入了渐进学习策略和优化的三状态行进立方体算法	未明确说明方法对噪声点云或极端稀疏点云的鲁棒性，也未讨论计算复杂度与实时应用的可行性	从点云进行高精度、鲁棒的3D表面重建	3D点云数据	计算机视觉	NA	神经隐式函数，向量场表示	神经隐式函数模型	点云	NA	NA	NA	准确性，鲁棒性，泛化能力	NA
4910	2026-03-15	Hierarchical abstraction drives human-like 3-D shape processing in deep learning models 2026-Mar-13, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014047 PMID:41824548	研究论文	本文探讨了深度学习模型在处理3D形状时是否发展出与人类视觉相似的表征，并通过实验比较了卷积基和Transformer基模型在点云识别任务中的表现	通过系统的人类实验与深度学习模型对比，揭示了Transformer基模型在3D形状分层抽象方面更接近人类处理模式，并指出渐进下采样操作是实现这一优势的关键	研究主要基于点云数据，未涉及其他3D表示形式（如网格或体素），且实验条件可能未完全覆盖所有现实世界的视觉变化	探究深度学习模型在3D形状识别任务中是否形成与人类视觉相似的全局形状表征	人类参与者与深度学习模型（包括卷积基和Transformer基架构）	计算机视觉	NA	点云处理	CNN, Transformer	3D点云	约10,000个对象实例用于模型训练	NA	DGCNN, Point Transformer	识别准确率	NA
4911	2026-03-15	Cattle lameness detection using depth image and deep learning 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40780-4 PMID:41826368	研究论文	本文开发了一个基于深度图像和深度学习的端到端框架，用于对牛只跛行进行全天候监测与评分	提出了一个集成了实例分割、多目标跟踪和时空分类的完整端到端深度学习框架，并引入了新的跟踪算法PTAV3，用于农业场景下牛只跛行的实时、自动化、客观监测	NA	开发一个自动化、客观的牛只跛行监测与评分系统，以解决动物福利和经济问题	牛只	计算机视觉	NA	深度成像	CNN, LSTM	深度图像	NA	NA	Mask R-CNN, YOLOv8m-seg, YOLOv11m-seg, EfficientNet-B1至B7, LSTM	BBox AP@50, Mask AP@50, FPS, 准确率, F1分数	NA
4912	2026-03-15	Exploration of Deep Learning Methods for Synthetic T2-Weighted Pelvic MRI Generation from CT Scans: A Technical Feasibility Study 2026-Mar-13, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01900-8 PMID:41826596	研究论文	本研究探索了使用深度学习算法从盆腔CT扫描生成合成T2加权MRI的技术可行性	首次系统性地在腹盆腔成像中比较了多种先进的条件生成对抗网络架构（如ESAUNet、ResViT和Cascaded Gaze）用于CT到T2加权MRI的合成任务	合成图像在精细细节方面评分较低，且研究样本量相对有限（总训练集n=90，独立测试集n=19）	开发和比较深度学习算法，以从盆腔CT生成合成T2加权MRI，并评估其技术可行性和性能	盆腔CT扫描和对应的T2加权MRI图像	计算机视觉	NA	CT扫描，MRI成像	GAN	图像	多中心队列（n=90，包括SynthRad2023数据集60例和内部数据集30例），独立测试使用Gold Atlas男性队列（n=19）	NA	efficient Self-Attention UNet (ESAUNet), Residual Vision Transformer (ResViT), Cascaded Gaze	PSNR, SSIM, MAE	NA
4913	2026-03-15	Prostate MRI quality improvement: a Roadmap from the ESUR Prostate MRI Working Group 2026-Mar-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12395-w PMID:41826767	综述	本文介绍了欧洲泌尿生殖放射学会前列腺MRI工作组提出的三步质量改进框架，旨在标准化和提升前列腺MRI实践	提出了一个结构化的三步质量改进框架，整合了技术标准、客观质量评估、系统训练及新兴技术，以系统化方式提升前列腺MRI的一致性和质量	框架的实施需要国际协调和基于结果的验证，其全球影响最大化仍面临挑战	旨在通过标准化和改进前列腺MRI的采集、解读和报告实践，提升诊断准确性和患者护理质量	前列腺磁共振成像（MRI）的实践和质量改进	数字病理学	前列腺癌	磁共振成像（MRI）	NA	医学影像	NA	NA	NA	PI-QUAL评分	NA
4914	2026-03-15	Automated deep-learning quantification of nine patellofemoral instability parameters on multislice CT images : development and validation of the GU2Net model 2026-Mar-12, Bone & joint open IF:2.8Q1 DOI:10.1302/2633-1462.73.BJO-2025-0326.R1 PMID:41812679	研究论文	本研究开发并验证了一个名为GU2Net的深度学习模型，用于自动量化膝关节CT图像上的九个髌股不稳定参数	首次提出一个深度学习模型来自动化测量九个关键的髌股不稳定参数，减少了手动评估的时间和变异性，并降低了对检查者经验的依赖	模型在测量SA（滑车角）参数时性能相对较低，ICC和相关系数均低于其他参数	开发并验证一个深度学习模型，以自动化、客观且精确地测量髌股不稳定参数，用于诊断和治疗规划	膝关节CT图像	计算机视觉	髌股不稳定	多层CT成像	深度学习模型	CT图像	1,125个膝关节	NA	GU2Net	成功检测率, 平均绝对误差, 组内相关系数, 皮尔逊相关系数	NA
4915	2026-03-15	A deep learning framework for breast cancer diagnosis using Swin Transformer and Dual-Attention Multi-scale Fusion Network 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37969-y PMID:41813686	研究论文	本文提出了一种名为Swin-DAMFN的深度学习框架，用于通过乳腺X光图像进行乳腺癌诊断，该框架结合了Swin Transformer和基于CNN的双注意力多尺度融合网络	提出了一种新颖的双分支混合架构（Swin-DAMFN），结合了Swin Transformer的全局依赖建模和CNN的局部特征提取，并引入了多尺度可分离注意力（MSA）和三重洗牌卷积注意力（TSCA）模块，以及结合GAN和光度增强的数据增强策略	未明确说明模型在更广泛或临床实时环境中的泛化能力，以及计算资源需求可能较高	开发一个高效的深度学习框架，以提高乳腺癌的早期诊断准确性	乳腺X光图像（来自MIAS和CBIS-DDSM数据集）	计算机视觉	乳腺癌	深度学习，数据增强（包括GAN和光度增强）	Transformer, CNN, GAN	图像	MIAS和CBIS-DDSM数据集（具体样本数未在摘要中提供）	未在摘要中明确指定，但可能涉及PyTorch或TensorFlow	Swin Transformer, Dual-Attention Multi-scale Fusion Network (DAMFN)	准确率, 灵敏度, F1分数	未在摘要中明确指定
4916	2026-03-15	Deep Learning-Based Estimated Pulmonary Biological Age From Chest Computed Tomography Images in Healthy Adults: Model Development and Validation Study 2026-03-12, JMIR aging IF:5.0Q1 DOI:10.2196/78243 PMID:41818478	研究论文	本研究开发并验证了一种基于胸部CT图像的深度学习模型，用于估计健康成年人的肺部生物年龄，并探讨了其与COPD患者肺功能和全因死亡率的关系	首次利用大规模健康成年人的多中心胸部CT数据训练和验证深度学习模型来估计肺部生物年龄，并验证了年龄差作为COPD患者新型临床生物标志物的潜力	模型仅在健康成年人中训练，可能无法完全捕捉疾病状态下的肺部老化特征；外部验证数据集规模相对有限	开发基于胸部CT的肺部生物年龄估计模型，并评估其在COPD患者中的临床应用价值	健康成年人的胸部CT图像以及COPD患者的临床数据	计算机视觉	慢性阻塞性肺疾病	胸部计算机断层扫描	深度学习模型	图像	健康成年人CT扫描11,187例（机构A 7,726例用于模型开发，机构B 1,506例和机构C 1,955例用于外部测试），COPD患者138例	NA	NA	相关性分析，风险比	NA
4917	2026-03-15	Quantification, radiomics and artificial intelligence in infection imaging: Current status and future directions in nuclear medicine 2026-Mar-12, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2026.02.002 PMID:41826111	综述	本文综述了核医学感染成像中定量成像、影像组学和人工智能的当前应用与未来发展方向	提出了“计算组学”概念，将定量成像、影像组学和人工智能整合，推动感染成像从定性模式识别转向客观、可重复的数据驱动疾病表征	定量准确性和影像组学稳定性高度依赖采集、重建和处理参数，特征定义、分割方法和分析流程的变异性限制了可重复性	探讨核医学感染成像中定量技术、影像组学和人工智能的应用，以改善感染与无菌炎症的区分、量化疾病负担、监测治疗反应和标准化解读	核医学感染成像数据	医学影像分析	感染性疾病	核医学成像	机器学习,深度学习	影像数据	NA	NA	NA	NA	NA
4918	2026-03-15	A lightweight transformer-based hybrid encoder-decoder model for chest X-ray medical report generation 2026-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40710-4 PMID:41813717	研究论文	提出一种轻量级基于Transformer的混合编码器-解码器模型（FAST-MRG），用于从胸部X光图像自动生成医疗报告	结合基于Transformer的编码器（采用蒸馏技术）与生成式预训练Transformer解码器，在保证高性能的同时显著降低计算成本，平均时间效率较先前工作提升66%	研究仅使用印第安纳大学胸部X射线数据集，未在其他医疗影像模态或数据集上进行验证	构建低计算成本、高性能的自主医疗报告生成系统，辅助医生诊断与治疗	胸部X光图像及其对应的段落级医疗报告	计算机视觉	肺部疾病	深度学习，特征提取	Transformer	图像，文本	印第安纳大学胸部X射线数据集中的图像与报告	未明确提及	Transformer-based encoder, Generative pre-training transformer	Bleu-1, Meteor, Rouge	类似GPU环境（具体型号未提及）
4919	2026-03-15	Ensemble-based high-performance deep learning models for medical image retrieval in breast cancer detection 2026-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38218-y PMID:41813733	研究论文	本文提出了一种结合CNN、RNN和可解释AI的深度学习模型，用于乳腺癌检测中的医学图像检索	采用CNN、RNN和可解释AI的混合模型，以缩小图像低级特征与临床语义之间的差距	NA	开发高性能的基于内容的医学图像检索系统，以辅助乳腺癌检测	乳腺癌超声图像	计算机视觉	乳腺癌	深度学习	CNN, RNN	图像	使用乳腺癌超声图像数据集进行训练	NA	CNN, RNN	分类准确率	NA
4920	2026-03-13	"Doing no harm" in the digital age: navigating tradeoffs and operational considerations for privacy-preserving deep learning in medicine 2026-Mar-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02549-x PMID:41814060	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA