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
501	2026-04-01	Hypoxia-related and immune phenotype-related fusion model for non-invasive prognostication of hepatocellular carcinoma treated by TACE: a multicentre study 2026-Mar-30, Gut IF:23.0Q1 DOI:10.1136/gutjnl-2025-337938 PMID:41856522	研究论文	本研究开发并验证了一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果	结合深度学习和传统影像组学，构建早期和晚期融合模型，并通过整合临床变量形成临床-影像学模型，实现更精细的风险分层	研究依赖于回顾性数据，且模型在外部验证中的泛化能力仍需进一步确认	开发并验证一个多模态预后模型，用于精确评估接受TACE治疗的肝细胞癌患者的生存结果	肝细胞癌患者	数字病理学	肝细胞癌	单细胞RNA测序，对比增强CT成像	深度学习，传统影像组学	图像，转录组数据	1448名肝细胞癌患者（包括TACE队列1349人，随机试验生物标志物子集41人，单细胞RNA测序队列和TCGA肝细胞癌队列50人）	NA	早期融合模型，晚期融合模型	生存分层，风险分层	NA
502	2026-04-01	Mobile Imaging-Based Machine Learning for Dental Caries, Sealants, and Fluorosis: Protocol for a Cross-Sectional Model Development and Validation Study 2026-Mar-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/91239 PMID:41911013	研究论文	本研究旨在开发和验证基于移动成像和机器学习的模型，用于检测龋齿、封闭剂和氟斑病	首次将移动健康技术与计算机视觉、机器学习和深度学习结合，利用智能手机和低成本口内相机图像，在人群水平上同时检测龋齿、封闭剂和氟斑病严重程度	研究样本仅包括科罗拉多州约1000名青少年，且生活在公共供水系统氟化物水平自然升高的社区，可能限制结果的普遍性	开发并验证用于检测龋齿病变、识别封闭剂和量化氟斑病严重程度的模型，以支持公共卫生监测和个体化评估	美国科罗拉多州约1000名青少年，重点关注其恒磨牙（龋齿和封闭剂）和上颌前牙（氟斑病）	计算机视觉	龋齿	智能手机相机成像、低成本口内相机成像	机器学习、深度学习	图像	约1000名青少年（截至2026年1月已收集约300名参与者的数据）	NA	神经网络分类器	分层交叉验证、多类别性能指标	NA
503	2026-04-01	Development of a multimodal obstructive sleep apnea diagnostic prediction model using two-dimensional facial images and clinical data 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678664 PMID:41911139	研究论文	本研究开发了一种结合二维面部照片、头影测量X光片和临床数据的多模态人工智能模型，用于增强阻塞性睡眠呼吸暂停（OSA）的筛查	提出了一种新颖的多模态AI驱动OSA筛查方法，整合了面部图像和临床数据，显著优于单模态和双模态方法	研究未明确提及模型在更广泛人群或不同种族群体中的泛化能力，且对腹部周长较小患者的敏感性较低	开发一种多模态AI模型以增强阻塞性睡眠呼吸暂停（OSA）的筛查，促进早期诊断	710名接受多导睡眠图检查的患者，包括肥胖、老年和男性患者等亚组	计算机视觉	阻塞性睡眠呼吸暂停	多导睡眠图	深度学习模型	图像, 临床数据	710名患者	NA	ShuffleNet-V2, 深度神经网络	AUC, 敏感性, 特异性, 准确性, F1分数	NA
504	2026-04-01	Automatic Segmentation of Placenta from MR images Using a Novel BiGC U-Net 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678395 PMID:41911136	研究论文	本研究提出了一种名为BiGC U-Net的新型深度学习架构，用于从磁共振图像中自动分割胎盘	提出了结合双向门控卷积模块、分层正则化机制和创新数据增强策略的增强型U-Net架构	未明确说明模型在临床环境中的泛化能力或计算效率限制	开发自动分割胎盘磁共振图像的准确方法，以支持胎盘植入谱疾病的定量分析	胎盘磁共振图像	数字病理学	胎盘植入谱疾病	磁共振成像	CNN	图像	三个胎盘磁共振数据集：公开数据集、谢菲尔德教学医院数据集及组合数据集	未明确说明	BiGC U-Net, U-Net, Attention U-Net, ResNet, UNet++, TransUNet, nnUNet, SSM-Mamba	Dice相似系数, 95百分位Hausdorff距离, 相对体积差异	NA
505	2026-04-01	Adaptive Feature Selection With Hierarchical Learning for Drug-Target Interaction Prediction 2026-Mar-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678266 PMID:41911134	研究论文	本文提出了一种结合分层学习和自适应特征选择的新框架ASHL-DTI，用于提升药物-靶点相互作用预测的准确性和泛化能力	提出ASHL-DTI框架，首次将分层学习与自适应Top-k特征选择机制相结合，以捕获多层次分子内关联并保留最具预测性的特征	未在摘要中明确说明	提高药物-靶点相互作用预测的准确性，以支持药物发现和再利用	药物-靶点相互作用对	机器学习	NA	深度学习	深度学习框架	分子关联数据	多个公共基准数据集（未指定具体数量）	NA	ASHL-DTI（自定义架构）	NA	NA
506	2026-04-01	Semantic Prompt and Graph-Convolution-Structure Distillation Framework for Semantic Segmentation of Remote Sensing Images 2026-Mar-30, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3675381 PMID:41911145	研究论文	提出一种用于高分辨率遥感图像语义分割的语义提示与图卷积结构蒸馏框架	整合多模态特征增强与双路径知识蒸馏，设计了辅助空间特征提取模块和RGB表示模块进行特征去噪与对齐，并引入基于图卷积的结构蒸馏和无需外部文本监督的语义提示蒸馏	NA	解决高分辨率遥感图像语义分割中的模态异质性、细粒度对象结构和高计算成本等挑战	遥感图像（Vaihingen和Potsdam数据集）	计算机视觉	NA	NA	深度学习模型	图像（RGB图像和归一化数字表面模型nDSM数据）	Vaihingen和Potsdam数据集	NA	SPGSNet-S*（语义提示与图卷积结构蒸馏框架）	参数量（8.89 M）、浮点运算量（2.29 G FLOPs）	NA
507	2026-04-01	Examining the Use of Consumer Wearable Devices and Digital Tools for Stress Measurement in College Students: Scoping Review of Methods 2026-Mar-30, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/64144 PMID:41911361	综述	本文对2020年至2025年间发表的文献进行了范围综述，系统评估了在大学生群体中使用可穿戴设备和数字工具进行压力测量的方法、常用传感器、生理信号及机器学习或深度学习模型的应用现状	本综述创新性地聚焦于大学生这一特定人群，系统梳理了可穿戴设备在压力检测中的应用，并重点分析了传感器类型、生理信号、建模方法及方法学质量，而非仅关注算法性能，从而识别了限制现实世界部署的持续差距	纳入的研究中人口统计学报告不一致，样本量普遍较小且缺乏合理性论证，时间序列建模算法的应用有限，且多数研究依赖现有数据集（如仅包含15名参与者的Wearable Stress and Affect Detection数据集），数据多样性不足	系统回顾文献，以确定在大学生中使用可穿戴技术和数字工具进行压力测量的最佳实践和新兴趋势，并评估用于压力检测的传感器类型、数据集和机器学习方法的共性	大学生群体	数字健康	心理健康问题	数字表型分析，可穿戴传感器监测	机器学习，深度学习	生理信号数据（如皮肤电活动）	综述共纳入134项研究，其中约80%使用现有数据集的研究依赖于仅包含15名参与者的Wearable Stress and Affect Detection数据集	NA	支持向量机	NA	NA
508	2026-04-01	An Introduction to AI for Clinicians: Tutorial 2026-Mar-30, Interactive journal of medical research IF:1.9Q3 DOI:10.2196/85266 PMID:41911411	教程	本文是一篇面向临床医生的AI入门教程，旨在介绍人工智能的基本原理及其在医学中的应用	为临床医生提供结构化、循序渐进的AI学习框架，强调AI作为现代医学核心能力的重要性	作为入门教程，内容侧重于基础概念，未深入探讨具体技术细节或高级模型	教育临床医生理解AI的基本概念，以应对AI工具在医疗实践中的整合	临床医生，特别是缺乏AI正式教育但已接触AI工具的从业者	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
509	2026-04-01	A Bilayer Feature Fusion Framework for Pan-Cancer Survival Prediction Based on Multihead Attention and Adaptive Differential Privacy: Model Development and Validation Study 2026-Mar-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83743 PMID:41911549	研究论文	本研究提出了一种基于多头注意力和自适应差分隐私的双层特征融合框架，用于泛癌生存预测，旨在平衡精确特征提取与敏感数据保护	将多头注意力机制与自适应差分隐私相结合，通过分层相关性分析自适应添加拉普拉斯噪声，实现了特征提取与隐私保护的协同优化	未整合病理图像和蛋白质组学数据，未来可扩展至癌症亚型分类和生物标志物发现	开发一个在隐私保护下平衡预测准确性与数据安全性的泛癌生存预测框架	泛癌及单癌生存预测，涉及临床数据、mRNA数据和microRNA表达数据	机器学习	癌症	多模态数据融合，差分隐私	深度学习	临床数据，mRNA数据，microRNA表达数据	NA	NA	基于多头注意力的双层特征融合框架	一致性指数（C-index），5折交叉验证	NA
510	2026-04-01	Future-informed FOCAL MODE: a multimodal deep learning framework for forecasting dissolved oxygen in reservoirs 2026-Mar-30, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15096-5 PMID:41912727	研究论文	本文提出了一种名为Future-informed FOCAL MODE的多模态深度学习框架，用于预测水库中的溶解氧浓度	该框架结合了数据驱动学习和物理知识，采用双通道设计，分别从历史多模态数据和基于物理的未来预测模型中学习，以增强对气候变化的适应性	NA	开发一个能够准确预测水库溶解氧浓度的长期预测模型，以支持及时且成本效益高的增氧干预措施	水库中的溶解氧浓度	机器学习	NA	多模态观测数据引擎	LSTM	多模态环境数据	NA	NA	FOCAL MODE	RMSE	NA
511	2026-04-01	A unified deep learning framework for cross-platform harmonization of multi-tracer PET quantification in neurodegenerative disease 2026-Mar-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02570-0 PMID:41912831	研究论文	本文开发并验证了一个统一的深度学习框架，用于跨平台（PET-MRI与PET-CT）和多示踪剂条件下神经退行性疾病PET定量数据的标准化	首个统一的、解剖引导的深度学习框架，能够将多种示踪剂和扫描仪制造商的PET-MRI定量结果标准化至PET-CT标准，并实现零样本泛化到未见过的示踪剂	标准化后的淀粉样蛋白Centiloid差异（4.1）略高于PET-CT重测变异性	解决神经退行性疾病诊断和治疗监测中，PET-MRI与PET-CT定量结果因系统偏差而无法进行阈值转移和跨站点比较的问题	神经退行性疾病的PET成像数据	医学影像分析	神经退行性疾病	PET成像（F-FDG、F-florbetaben、F-florzolotau、F-florbetapir、F-FP-CIT示踪剂）	深度学习	医学影像（PET、MRI、CT）	配对同日扫描N=70；多中心验证N=420（三个站点，四个供应商）	NA	视觉Transformer自编码器	跨平台偏差减少百分比（>80%）、Centiloid差异、tau SUVR阈值对齐	NA
512	2026-04-01	Inverse treatment planning using deep learning-based organs at risk in radiotherapy for head and neck cancer: a prospective planning study 2026-Mar-30, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-026-02519-y PMID:41912924	研究论文	本研究评估了在头颈癌放疗中，使用基于深度学习的危及器官自动分割进行逆向治疗计划的可行性和临床可接受性	首次前瞻性地将基于深度学习的危及器官自动分割应用于头颈癌放疗的逆向治疗计划中，并评估其临床可行性	单中心研究，样本量较小（25名患者），需要更大规模研究来验证结果并推进全自动化工作流程	评估基于深度学习的危及器官自动分割在头颈癌放疗逆向治疗计划中的临床可行性和效果	头颈鳞状细胞癌患者	数字病理学	头颈癌	放射治疗计划，深度学习自动分割	深度学习模型	医学影像数据	25名接受根治性或术后（化疗）放疗的头颈癌患者	NA	NA	剂量学参数（D95%, D98%, D2%, Dmean），临床可接受性评分	NA
513	2026-04-01	Attention-Driven Deep Learning for Hydrocephalus: Preliminary Benchmarking of Multiscale 3D Attention Against Conventional 3D CNN Models Using Ventricular Enlargement on CT 2026-Mar-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01948-6 PMID:41912959	研究论文	本研究开发并比较了一种多尺度注意力3D卷积神经网络（MSA3DNet）与常规3D-CNN模型，用于基于脑室扩大的CT图像进行脑积水分类	首次将多尺度编码与注意力机制结合应用于3D CNN，以提升脑积水分类的敏感性和稳定性，同时保持特异性	样本量较小（仅98例儿科CT扫描），且为回顾性研究，可能限制模型的泛化能力	开发并评估一种基于深度学习的自动化3D CT图像分类方法，用于儿科脑积水的筛查	儿科头部CT扫描图像（0-15岁患者）	计算机视觉	脑积水	CT成像	CNN	3D图像	98例匿名儿科头部CT检查（48例脑积水，50例正常）	NA	MSA3DNet, 3D-CNN	准确率, 敏感性, 特异性, F1分数, Matthews相关系数, AUC	NA
514	2026-04-01	A Hybrid Multi-CNN Feature Fusion and LASSO Optimization Approach for High-Performance Breast Cancer Classification 2026-Mar-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01939-7 PMID:41912956	研究论文	提出一种融合多个CNN特征并结合LASSO优化的混合方法，用于高性能乳腺癌分类	融合MobileNetV2、DenseNet121和InceptionV3三种CNN模型的互补特征，并采用LASSO进行特征选择，以增强表示能力和泛化性	仅在单一数据集（BUSI）上验证，未来需要在更大规模、多中心数据集上进行验证	开发准确、早期的乳腺癌检测方法以提高生存率	乳腺超声图像（BUSI数据集）	计算机视觉	乳腺癌	深度学习、特征融合、特征选择	CNN	图像	780张乳腺超声图像	NA	MobileNetV2, DenseNet121, InceptionV3	准确率, 灵敏度, 特异性, 精确率, F1分数, AUC	NA
515	2026-04-01	Deep Learning for Medical Ultrasound Image Segmentation: A Systematic Review of the Current Research 2026-Mar-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01931-1 PMID:41912960	综述	本文对基于深度学习的医学超声图像分割研究现状进行了系统性综述	提供了基于PRISMA 2020指南的全面文献分析，涵盖296篇最新研究，并识别了新兴模型（如ViT、SAM）的应用趋势	当前研究普遍缺乏计算资源信息，且模型性能评估存在不足	综述深度学习在医学超声图像分割领域的研究进展与应用现状	医学超声图像	计算机视觉	NA	深度学习	CNN, ViT, CNN/ViT混合模型, SAM	图像	NA	NA	U-Net	NA	NA
516	2026-04-01	Diagnostic Improvement in Endoleak Detection: The Role of Low-energy Virtual Monochromatic CT and Deep Learning Reconstruction 2026-Mar-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01949-5 PMID:41912962	研究论文	评估低能量虚拟单色CT成像结合深度学习图像重建在检测内漏中的诊断性能	首次将低能量虚拟单色CT成像与深度学习图像重建技术结合，用于内漏检测，显著提高了诊断置信度和准确性	研究为回顾性设计，样本量较小（71例患者），且仅基于CT数据，未考虑其他影像模态或临床因素	评估低能量虚拟单色CT成像结合深度学习图像重建在内漏检测中的诊断性能	接受血管内主动脉修复术后进行对比增强CT扫描的患者	医学影像分析	心血管疾病	对比增强CT扫描，虚拟单色CT成像，深度学习图像重建	深度学习	CT图像	71例患者，其中41例（58%）检测到内漏	NA	TrueFidelity-H	AUC, 诊断置信度评分	NA
517	2026-04-01	Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study 2026-Mar-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08165-1 PMID:41913156	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
518	2026-04-01	A Comparative Study of IVIM-MRI Fitting Techniques in Glioma Grading: Conventional, Bayesian, and Voxel-Wise and Spatially-Aware Deep Learning Approaches 2026-Mar-30, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70301 PMID:41913432	研究论文	本研究比较了传统、贝叶斯和基于深度学习的IVIM-MRI拟合技术在胶质瘤分级中的应用，特别关注了空间感知Transformer方法的性能	首次在胶质瘤分级中评估并比较了传统、贝叶斯及基于深度学习的IVIM拟合方法，特别是引入了新颖的空间感知Transformer架构（NATTEN-17和SA-17），这些方法在模拟和体内数据中均显示出优越的准确性和视觉质量	研究为回顾性设计，样本量较小（仅20例患者），且缺乏外部验证，可能限制结果的普遍适用性	评估不同IVIM-MRI拟合方法在胶质瘤患者中的性能，以提高肿瘤分级的准确性	胶质瘤患者（包括2级、3级和4级）的术前扩散加权MRI数据，以及基于分形噪声的模拟数据	医学影像分析	胶质瘤	IVIM-MRI（体素内不相干运动磁共振成像），扩散加权成像（DWI）	深度学习，Transformer	MRI图像	20例胶质瘤患者（5例2级，3例3级，12例4级）的术前DWI数据，以及分形噪声模拟数据	NA	IVIM-NET, NATTEN-17, SA-17	中位数绝对百分比误差（MDAPE），中位数百分比误差，ROC曲线下面积（AUC）	NA
519	2026-04-01	Artificial Intelligence in Diabetes Care 2026-Mar-30, Diabetes, obesity & metabolism DOI:10.1111/dom.70720 PMID:41913548	综述	本文综述了人工智能在糖尿病护理中的当前和新兴应用，重点讨论了临床准备度、证据强度及实施考量	区分了算法自动化控制方法与基于机器学习的模型（如深度学习和大型语言模型），并强调了其在临床证据标准、安全风险和治理需求上的差异	NA	总结人工智能在糖尿病护理中的应用，并评估其临床就绪状态、证据支持及实施要求	糖尿病护理中的算法工具，包括自动化胰岛素输送系统、机器学习模型及新兴技术如大型语言模型、可穿戴设备和数字孪生框架	机器学习	糖尿病	连续血糖监测、连接胰岛素输送设备、电子健康记录数据分析	深度学习, 大型语言模型	临床数据，包括高频生理数据、电子健康记录	NA	NA	NA	NA	NA
520	2026-04-01	Transformer-based super-resolution lung CT images improve visualization of multiple diseases 2026-Mar-30, The British journal of radiology DOI:10.1093/bjr/tqag069 PMID:41915020	研究论文	本研究评估了基于Transformer的Swin2SR模型在肺部CT图像超分辨率增强中的应用及其临床潜力	首次将Transformer架构的Swin2SR模型应用于肺部CT图像的超分辨率增强，显著提升了放射科医生对图像质量和病灶可见性的主观评分	研究为回顾性设计，样本量相对有限（303例），且仅评估了主观评分，缺乏客观诊断性能指标的验证	评估深度学习模型在医学图像超分辨率增强中的效果，以改善肺部疾病的CT图像可视化	来自三家医院的303例患者的胸部CT扫描图像，涵盖13种主要肺部疾病	计算机视觉	肺癌	CT扫描	Transformer	图像	303例患者	NA	Swin2SR	图像噪声, 信噪比, 5点Likert量表评分	NA