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
481	2026-03-30	Validation of conformal prediction in cervical atypia classification 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44850-5 PMID:41866425	研究论文	本文验证了在宫颈非典型性分类中应用保形预测方法，通过专家标注集评估其预测集的真实性和价值	首次基于专家标注集全面验证保形预测在宫颈癌分类中的表现，揭示传统覆盖率验证高估性能，并探讨保形预测在识别模糊和分布外数据方面的能力	研究仅针对宫颈非典型性分类任务，未扩展到其他疾病或数据模态，且依赖于特定专家标注集，可能受标注者主观性影响	验证保形预测在宫颈癌筛查深度学习模型中的有效性，确保预测集真实反映模型不确定性并与人类期望一致	宫颈非典型性分类的深度学习模型及其保形预测集	数字病理学	宫颈癌	深度学习	深度学习模型	图像	NA	NA	NA	覆盖率	NA
482	2026-03-30	Design of an in-pipe inspection robotic system (IPIRS) with YOLOv8-LSTM integration for real-time in-pipe navigation 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42181-z PMID:41866593	研究论文	本文介绍了一种集成了YOLOv8和LSTM的管道内检测机器人系统，用于实时管道导航和预测分析	提出了一种改进的管道内检测机器人系统，通过集成YOLOv8进行视觉目标检测和LSTM分析时序IMU数据，实现了在弯曲或变径管道中的可靠自适应导航和预测决策	系统在直径100至150毫米的管道中进行测试，可能未覆盖更广泛或更复杂的管道环境，且依赖于仿真环境进行评估	开发一种能够实时导航和进行预测分析的自动化管道检测机器人系统	石油、天然气和水分配网络中的管道	计算机视觉	NA	机器人仿真、深度学习	CNN, LSTM	图像、时序IMU数据	NA	ROS, Gazebo, Rviz	YOLOv8, LSTM	mAP (0.5), F1 score, MSE, MAE	NA
483	2026-03-23	Hybrid tuned deep learning model for breast cancer diagnosis using genetic data 2026-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41643-8 PMID:41865006	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
484	2026-03-30	Rapid earthquake damage assessment via hybrid LSTM-RNN with a quantum-inspired classification head based on Autonomous Perceptron Model APM 2026-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38982-x PMID:41865013	研究论文	本文提出了一种基于混合LSTM-RNN和量子启发的APM分类头的深度学习框架，用于快速地震损伤评估	结合了混合LSTM-RNN序列模型与量子启发的APM分类头，用于提升地震损伤分类的判别能力	未明确说明数据来源或具体应用场景的局限性	实现快速地震后损伤评估，以支持应急响应和风险缓解	结构响应变量（位移、速度、加速度和损伤指数）及损伤状态	机器学习	NA	深度学习，量子启发分类	LSTM, RNN, 混合LSTM-RNN	序列数据	NA	NA	堆叠LSTM, 混合LSTM-RNN, APM（基于自主感知机模型的量子启发分类头）	R²分数, MAE, RMSE, MAPE, MedAE	NA
485	2026-03-30	A Frequency-Aware Self-Supervised Framework for MEMS-OCT Denoising 2026-Mar-21, Biosensors DOI:10.3390/bios16030177 PMID:41892069	研究论文	本文提出了一种基于频率增强自监督框架的MEMS-OCT去噪方法，旨在提升光学相干断层扫描图像的质量	结合了Neighbor2Neighbor自监督框架与频率域增强技术，引入了小波引导谱池化模块和频率域增强感受野块，有效建模全局结构依赖	未明确说明对计算资源的需求或模型在更大规模数据集上的泛化能力	开发一种自监督深度学习框架，用于去除MEMS-OCT图像中的乘性散斑噪声，以改善图像视觉质量和后续分析准确性	通过自建MEMS-OCT系统获取的光学相干断层扫描图像	计算机视觉	NA	光学相干断层扫描成像	CNN	图像	NA	NA	UNet	PSNR, SSIM	NA
486	2026-03-30	ViFIT-assisted histopathology: From H&E style standardization to virtual fiber image transformation 2026-Mar-21, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104051 PMID:41903259	研究论文	本文提出了一种名为ViFIT辅助组织病理学的两阶段诊断方法，通过无监督深度学习模型将不同风格的H&E染色图像转换为病理学家偏好的样式，并同时生成内容一致的虚拟纤维图像	提出了一种无需预定义染色风格输入和人工干预的无监督虚拟纤维转化模型，能够同时实现H&E图像风格标准化和虚拟染色，并生成包含无标记胶原纤维及染色网状与弹性纤维的图像	未明确说明模型在跨癌症类型泛化能力的具体限制，也未提及对罕见染色变异的处理能力	开发一种能够自动标准化H&E染色图像风格并生成虚拟纤维图像的深度学习辅助诊断方法，以简化组织病理学工作流程	H&E染色组织病理学图像及其对应的虚拟纤维图像	数字病理学	肿瘤（多种癌症类型）	虚拟纤维染色，H&E染色标准化	无监督深度学习模型	图像	多个术中与术后病例（具体数量未明确说明）	NA	ViFIT（虚拟纤维转化模型）	NA	NA
487	2026-03-30	Artificial intelligence for acute appendicitis diagnosis: A systematic review of current evidence, challenges, and future directions 2026-Mar-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048094 PMID:41861187	综述	本文系统回顾了人工智能在急性阑尾炎诊断中的应用证据、挑战及未来方向	首次对AI在急性阑尾炎诊断领域的现有证据进行全面系统回顾，并识别了混合多模态模型作为最具转化潜力的方向	大多数研究为回顾性、单中心设计，缺乏充分的外部验证且方法学报告不一致，研究异质性高导致无法进行荟萃分析	评估人工智能在提高急性阑尾炎诊断准确性、辅助临床决策和降低阴性阑尾切除率方面的潜力	聚焦于使用临床、实验室或影像数据开发或验证急性阑尾炎诊断模型的研究	数字病理学	急性阑尾炎	CT、超声、MRI影像分析	机器学习、深度学习	临床数据、实验室数据、影像数据	NA	NA	NA	AUC、准确率、灵敏度、特异度、预测值	NA
488	2026-03-30	DeepIM: Integrating Channel-Spatial Attention with Transformer for DNA i-Motif Folding Status Prediction 2026-Mar-19, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00023 PMID:41854168	研究论文	本文提出了一种名为DeepIM的新型深度学习模型，用于高精度预测DNA i-Motif结构的折叠状态	首次将通道-空间注意力机制与Transformer架构相结合，用于DNA i-Motif折叠状态预测，并实现了高准确性和可解释性	模型依赖于酸性条件下的序列数据，可能不适用于其他生理条件；且需要大量标注数据进行训练	开发一种高效、高精度的计算方法来预测DNA i-Motif结构的折叠状态	DNA序列中的i-Motif结构	生物信息学	癌症	深度学习	Transformer, 注意力机制	DNA序列	超过750,000条序列	NA	Transformer, 通道-空间注意力机制	准确率	NA
489	2026-03-30	Hybrid Graph-Machine Learning Framework for Accurate and Interpretable Band Gap Prediction 2026-Mar-19, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00365 PMID:41855083	研究论文	本研究提出了一种结合图深度学习嵌入与经典机器学习算法的混合人工智能框架，用于实现高精度、可解释且计算高效的带隙预测	通过整合CGCNN、MEGNet和SchNet架构的图深度学习嵌入与物理意义明确的晶体描述符，并采用优化的梯度提升和神经架构进行训练，实现了比传统模型和独立图神经网络更高的预测精度，同时计算资源需求更低且泛化能力更强	未明确说明模型在特定材料类别或极端条件下的预测局限性，以及训练数据可能存在的偏差	加速半导体和能源材料的发现与设计，通过人工智能方法实现准确、可解释的带隙预测	晶体结构及其电子带隙	机器学习	NA	图深度学习嵌入、梯度提升算法、神经网络训练	CGCNN, MEGNet, SchNet, 梯度提升模型, 神经网络	晶体结构数据	来自Materials Project数据库的136,000个晶体结构	NA	CGCNN, MEGNet, SchNet	R², MAE, MSE	较低的计算资源需求（具体类型未指定）
490	2026-03-30	Optimized Reinforcement Learning-Driven Model for Remote Sensing Change Detection 2026-Mar-19, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030139 PMID:41892941	研究论文	本文提出了一种结合双分支U-Net与深度强化学习的反馈驱动框架，用于遥感变化检测中的像素级概率迭代优化	引入基于PPO的强化学习代理，将变化概率图的优化建模为马尔可夫决策过程，实现自适应误差校正，提升边界保真度和空间一致性	未明确说明计算复杂度或实时性限制，且实验仅在四个公开数据集上进行验证	解决遥感变化检测中因成像不确定性和静态推理范式导致的伪变化及边界碎片化问题	遥感图像中的变化区域检测	计算机视觉	NA	遥感成像技术	CNN, 强化学习	图像	四个数据集（CDD、SYSU-CD、PVCD、BRIGHT），具体样本数量未明确	PyTorch（基于常见实现推断）	U-Net, SiamU-Net	mIoU	NA
491	2026-03-30	Real-Time Endoscopic Video Enhancement via Degradation Representation Estimation and Propagation 2026-Mar-16, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030134 PMID:41892936	研究论文	本文提出了一种高效的逐步内窥镜图像增强框架，通过估计和传播隐式退化表示来实时提升视频质量	引入隐式退化表示作为中间特征来指导增强模块，并利用内窥镜视频的时间连续性，仅在关键帧估计高质量退化表示，其余帧通过快速帧间传播获得，显著提高了计算效率	未明确说明方法在极端退化情况下的性能，且假设图像退化在短时间间隔内平滑演化可能不适用于所有手术场景	开发一种实时内窥镜视频增强方法，以改善手术场景的可视化和理解	内窥镜图像和视频，特别是单端口内窥镜手术中的退化图像	计算机视觉	NA	深度学习	NA	视频, 图像	NA	NA	NA	增强质量, 计算效率, 下游分割任务评估	NA
492	2026-03-30	Hyper-Thyro Vision: An Integrated Framework for Hyperthyroidism Diagnostic Facial Image Analysis Based on Deep Learning 2026-Mar-15, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11030210 PMID:41892133	研究论文	本文提出了一种基于深度学习的集成多模态框架，用于通过联合分析正面面部和颈部图像来检测与甲状腺功能亢进相关的异常，即突眼和甲状腺相关的颈部肿胀	提出了一个模拟生物视觉机制的双通路架构，同时处理眼睛和颈部的高分辨率细节，并将视觉嵌入与定量形态学测量相结合，以模拟临床医生融合观察与物理评估的能力	NA	开发一个集成的AI框架，通过同时分析眼睛和颈部的面部图像，基于临床模式知识来改进甲状腺功能亢进相关异常的检测	与甲状腺功能亢进相关的面部异常，特别是突眼和颈部肿胀	计算机视觉	甲状腺功能亢进	深度学习	CNN	图像	NA	NA	YOLOv11s, 双分支架构	平均精度均值(mAP50)	NA
493	2026-03-30	GeoPMB: An Interface-Aware Geometric Deep Learning Framework for Peptide-MHCI Binding Prediction with Evolutionary Insight 2026-Mar-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03233 PMID:41830611	研究论文	本文提出了一种名为GeoPMB的新型几何深度学习框架，用于预测肽段与MHCI分子的结合，该框架结合了预训练蛋白质语言模型和几何图网络	将几何深度学习与预训练蛋白质语言模型协同整合，显式建模预测的pMHCI复合物内的空间依赖性和界面物理化学特征，解决了现有方法在捕获精细3D几何约束和泛化到罕见等位基因方面的不足	未在摘要中明确说明	开发一种准确的计算方法，用于高通量预测肽段与I类主要组织相容性复合物（MHCI）分子的结合，以助力疫苗和免疫疗法的开发	肽段与MHCI分子的结合	机器学习	NA	几何深度学习，预训练蛋白质语言模型	几何图网络	序列数据，结构数据	NA	NA	几何图网络	结合特异性预测，结合亲和力预测	NA
494	2026-03-30	ncProFormer: A CNN-enhanced Transformer for ncRNA Coding-Potential Prediction 2026-Mar-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00056 PMID:41830618	研究论文	本文提出了一个名为ncProFormer的深度学习框架，用于预测非编码RNA的编码潜力	首次在ncRNA编码潜力预测中引入跨物种评估，并整合了核酸语言模型GENA-LM和CNN增强的Transformer编码器，以联合捕获局部核苷酸模式和长程依赖关系	未在摘要中明确提及	准确识别具有编码潜力的非编码RNA	非编码RNA	自然语言处理	NA	深度学习	CNN, Transformer	序列数据	内部人类数据集、外部验证数据集、公共CPPred基准数据集以及小鼠和大鼠数据集	NA	CNN-enhanced transformer encoder	NA	NA
495	2026-03-30	Acoustic Signal-Based Piezoelectric Thin-Film Microbalance: A Versatile and Portable Platform for Biomedical Sensing and Point-of-Care Testing 2026-Mar-13, Biosensors DOI:10.3390/bios16030160 PMID:41892052	研究论文	本文介绍了一种结合声学信号分析和深度学习的便携式压电薄膜微天平平台，用于即时护理质量检测	该平台整合了柔性聚偏氟乙烯传感器、智能手机声学信号采集和三种深度学习模型，实现了无标记、实时检测，具有成本效益和可扩展性	NA	开发一种便携式平台，用于生物医学传感和即时护理测试中的质量检测	压电薄膜微天平平台及其在生物医学传感中的应用	机器学习	NA	声学信号分析	CNN, LSTM, Transformer	声学信号	NA	NA	卷积神经网络, 长短期记忆网络, Transformer	分类准确率	NA
496	2026-03-30	Current Applications and Future Directions of Artificial Intelligence in Prostate Cancer Diagnosis: A Narrative Review 2026-Mar-13, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33030166 PMID:41892194	综述	本文是一篇关于人工智能在前列腺癌诊断中当前应用与未来方向的叙述性综述	系统性地整合了人工智能在医学影像、数字病理学、液体活检和多组学整合等多个关键诊断领域的应用证据，并指出了未来研究方向	作为叙述性综述，未进行定量荟萃分析；文中提及的挑战包括数据异质性、算法可解释性及工作流整合问题	综述人工智能技术在前列腺癌诊断中的应用现状并探讨未来发展方向	前列腺癌的诊断方法及相关人工智能技术	数字病理学	前列腺癌	NA	深度学习	多源数据（医学影像、病理图像、液体活检数据、多组学数据）	NA	NA	NA	NA	NA
497	2026-03-30	A Trustable Spine Abnormalities Classification System Using ResNet50 and VGG16 Supported by Explainable Artificial Intelligence 2026-Mar-12, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11030206 PMID:41892129	研究论文	本研究提出了一种基于ResNet50和VGG16的可解释人工智能系统，用于脊柱异常X光图像分类	结合可解释人工智能方法（Grad-CAM）提升深度学习模型在医学诊断中的可信度，并比较不同训练策略对模型临床相关性的影响	模型准确率与临床相关性存在差异，随机初始化VGG16虽准确率高但未聚焦临床相关区域	开发可信赖的脊柱异常自动分类系统，提升深度学习模型在医疗诊断中的可解释性	脊柱X光图像	计算机视觉	脊柱异常	X光成像	CNN	图像	未明确说明样本数量	未明确说明	ResNet50, VGG16	准确率	未明确说明
498	2026-03-30	Artificial Intelligence in Cardiovascular Imaging: From Automated Acquisition to Precision Diagnostics and Clinical Decision Support 2026-Mar-11, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14010132 PMID:41892847	综述	本文综述了人工智能在心血管影像学中的当前与新兴应用，并评估了其在精准诊断和临床决策支持方面的潜在价值	系统性地总结了AI如何从图像采集自动化扩展到疾病表型分析和个性化临床决策支持，并强调了视频、时序和多模态模型的最新发展	向常规临床实践的转化仍受限于数据集异质性、外部验证不足、算法偏差、可解释性有限以及监管审批和工作流整合方面的挑战	评估人工智能在心血管影像学中的应用潜力，以克服当前临床实践中的局限性，并推动其向精准医学工具发展	主要心血管影像模态，包括超声心动图、心血管磁共振、心脏计算机断层扫描和核心脏病学	计算机视觉	心血管疾病	NA	机器学习, 深度学习	图像, 视频	NA	NA	NA	NA	NA
499	2026-03-30	Deep Learning Based Computer-Aided Detection of Prostate Cancer Metastases in Bone Scintigraphy: An Experimental Analysis 2026-Mar-11, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030121 PMID:41892923	研究论文	本研究通过实验评估了14种卷积神经网络架构在平面骨闪烁扫描中用于前列腺癌骨转移二元分类的性能	首次在统一协议下对14种CNN架构在平面骨闪烁扫描中进行系统性的实验比较，并引入注意力机制变体进行分析	研究基于单一机构的数据集，缺乏外部验证，且样本量相对有限	开发可靠的计算机辅助检测系统，以支持前列腺癌骨转移的自动化诊断	前列腺癌患者的平面骨闪烁扫描图像	计算机视觉	前列腺癌	骨闪烁扫描	CNN	图像	600张扫描图像（300张正常，300张转移性）	NA	CNN, AlexNet, VGG16, VGG19, ResNet18, ResNet34, ResNet50, ResNet50-attention, DenseNet121, DenseNet169, DenseNet121-attention, WideResNet50_2, EfficientNet-B0, ConvNeXt-Tiny	AUC-ROC, 准确率, 精确率, 灵敏度（召回率）, F1分数, 特异性, Cohen's κ, Brier分数	NA
500	2026-03-30	Talking Head Generation Through Generative Models and Cross-Modal Synthesis Techniques 2026-Mar-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030119 PMID:41892920	综述	本文对说话头部生成领域进行了全面系统的技术综述	提出了基于输入模态和生成目标的方法分类法，并特别强调了生成式人工智能的整合如何显著提升了系统的适应性和真实感	NA	概述说话头部生成领域的技术现状、方法、数据集和评估指标	说话头部生成系统	计算机视觉	NA	NA	GAN, 运动感知循环架构, 基于注意力的模型	音频-视觉数据	NA	NA	NA	图像质量, 运动准确性, 同步性, 语义保真度	NA