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	2026-03-30	Automated Detection of Parasitic Elements in Veterinary Fecal Samples Using a Deep Learning-Based Object Detection Framework 2026-Mar-10, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci13030257 PMID:41893674	研究论文	本研究探讨了使用YOLOv8深度学习框架自动检测兽医粪便样本中寄生虫元素的方法	首次将YOLOv8对象检测框架应用于兽医粪便显微镜图像中多种寄生虫元素的自动化识别，实现了高精度和快速推理	研究仅针对六种特定寄生虫类群，数据集规模相对有限（326张图像），且未在更广泛的临床环境中进行验证	开发一种自动化、高效的寄生虫检测工具，以替代传统人工显微镜检查，减少诊断变异性和劳动强度	兽医粪便样本中的寄生虫元素，包括虫卵、虫卵包、钩虫卵、包囊和滋养体等六类	计算机视觉	寄生虫感染	显微镜检查，深度学习对象检测	CNN	图像	326张粪便显微镜图像，包含3710个标注对象	PyTorch	YOLOv8n	平均精度均值（mAP@0.5），每类AP	标准CPU
502	2026-03-30	Towards the Development of a Deep Learning Framework Using Adaptive and Non-Adaptive Time-Frequency Features for EEG-Based Depression Therapy Prediction 2026-Mar-09, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16030301 PMID:41892644	研究论文	本研究提出了一种基于深度学习的计算机辅助决策框架，利用脑电图信号的时间-频率特征来预测抑郁症患者对两种不同疗法（SSRI和rTMS）的治疗反应	首次系统比较了自适应（VMD）与非自适应（CWT）时间-频率特征在抑郁症治疗预测中的表现，并揭示了特征选择具有疗法特异性；发现精心设计的谱图与简单的预训练残差网络结合，无需循环或注意力层即可获得有竞争力的性能	样本量相对较小（SSRI 30例，rTMS 46例）；研究结果需要在更大规模、多中心数据集中进行验证	开发一个深度学习框架，用于在治疗开始前预测抑郁症患者对特定疗法的个体化反应，以辅助临床决策	接受选择性5-羟色胺再摄取抑制剂（SSRI）治疗的30名患者和接受重复经颅磁刺激（rTMS）治疗的46名患者	机器学习	抑郁症	连续小波变换（CWT）、变分模态分解（VMD）、像素级融合	CNN	脑电图（EEG）信号转换的时间-频率图像	SSRI患者30例，rTMS患者46例	NA	ResNet-18, MobileNet-V3, EfficientNet-B0, TinyViT-Hybrid	准确率	NA
503	2026-03-30	Artificial Intelligence in Venous Thromboembolism Prevention: A Narrative Review of Machine Learning, Deep Learning, and Natural Language Processing 2026-Mar-06, Journal of cardiovascular development and disease IF:2.4Q2 DOI:10.3390/jcdd13030119 PMID:41892708	综述	本文综述了人工智能（包括机器学习、深度学习和自然语言处理）在静脉血栓栓塞预防中的应用现状与前景	整合了多种AI技术（ML、DL、NLP）在VTE预防中的综合应用，并探讨了可穿戴设备数据与时间序列分析的动态风险评估新方向	作为叙述性综述，缺乏系统性定量分析；AI技术在实际临床工作流中的整合仍需前瞻性验证和跨机构合作	探讨人工智能技术在静脉血栓栓塞预防领域的应用潜力与实现路径	静脉血栓栓塞（VTE）高风险患者的识别与管理	自然语言处理, 机器学习	心血管疾病	电子健康记录分析、医学影像解读、临床文本挖掘	随机森林, 支持向量机, 梯度提升, CNN	结构化电子健康记录、医学影像、非结构化临床文本、可穿戴设备时间序列数据	NA	NA	卷积神经网络	诊断准确率	NA
504	2026-03-30	Evidence-Guided Diagnostic Reasoning for Pediatric Chest Radiology Based on Multimodal Large Language Models 2026-Mar-06, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030111 PMID:41892913	研究论文	提出了一种基于多模态大语言模型的、证据引导的儿科胸部放射学诊断推理两阶段范式	提出了一种与临床放射学工作流程紧密结合的可信两阶段诊断范式，将诊断过程约束在证据基础上，结合了视觉语言模型提取结构化证据和多模态大语言模型整合多源信息进行最终诊断	NA	开发一种可靠、可解释的AI辅助诊断方法，以减轻临床放射科医生的工作负担并提高儿科胸部X光诊断的准确性	儿科胸部X光图像	计算机视觉, 自然语言处理	儿科呼吸系统疾病	胸部X光摄影	视觉语言模型, 多模态大语言模型	图像, 文本	VinDr-PCXR数据集	NA	NA	诊断准确率, F1分数, AUC	NA
505	2026-03-07	Optimized decomposition and deep learning with bias correction for reliable runoff point-interval prediction 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33713-0 PMID:41786752	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
506	2026-03-30	District-Level Dengue Early Warning Prediction System in Bangladesh Using Hybrid Explainable AI and Bayesian Deep Learning 2026-Mar-05, Tropical medicine and infectious disease IF:2.8Q1 DOI:10.3390/tropicalmed11030073 PMID:41893409	研究论文	本研究开发了一个结合可解释AI和贝叶斯深度学习的孟加拉国地区级登革热早期预警预测系统	整合了气候、社会经济、医疗等多源数据，并采用SHAP可解释AI与贝叶斯时空模型来捕捉空间聚类和时间依赖性	未明确提及模型在其他地区或国家的泛化能力，以及长期预测的稳定性	开发一个准确且可解释的地区级登革热早期预警系统，以支持疫情准备和资源分配	孟加拉国所有64个地区从2017年至2024年的登革热病例及相关气候、社会经济、医疗指标	机器学习	登革热	机器学习、深度学习、贝叶斯时空建模	MLP, ConvLSTM, 贝叶斯模型	时间序列数据、空间数据、表格数据	孟加拉国64个地区从2017年至2024年的登革热病例及相关指标数据	NA	多层感知机, 卷积长短期记忆网络, BYM2_RW2	准确率, ROC-AUC, 召回率, DIC	NA
507	2026-03-30	Performance Validation of ORTHOSEG, a Novel Artificial Intelligence Tool for the Segmentation of Orthopantomographs and Intra-Oral X-Rays 2026-Mar-04, Clinics and practice IF:1.7Q2 DOI:10.3390/clinpract16030054 PMID:41892498	研究论文	本研究验证了一种名为ORTHOSEG的新型人工智能工具，用于自动分割口腔X射线图像中的解剖、病理和非病理元素	ORTHOSEG是一种基于深度学习的系统，能够自动分割口腔X射线图像中的多种元素，包括正位全景片、咬翼片和根尖周图像，其分割能力覆盖约70个不同元素，在正位全景片上超越了现有基准	研究使用的数据集来自欧洲人群，缺乏多样性和普遍性；未进行可用性和临床工作流程评估	验证ORTHOSEG人工智能工具在口腔X射线图像分割中的性能，以提高诊断效率和一致性	口腔X射线图像，包括正位全景片、咬翼片和根尖周图像	计算机视觉	NA	深度学习	CNN	图像	150张口腔X射线图像（包括50张正位全景片、50张咬翼片和50张根尖周图像）	NA	NA	平均Dice相似系数, 平均交并比	标准临床硬件
508	2026-03-30	A Hierarchical Multi-View Deep Learning Framework for Autism Classification Using Structural and Functional MRI 2026-Mar-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030109 PMID:41892911	研究论文	本文提出了一种新颖的层次化多视图深度学习框架，用于融合结构磁共振成像和功能磁共振成像数据，以实现自闭症的准确分类	提出了一种新颖的层次化深度学习框架，能够联合捕捉自闭症大脑的空间结构（通过3D分层CNN处理多视图sMRI）和时间功能（通过双向LSTM编码器处理fMRI）变化，并通过跨模态融合方案整合双模态特征表示	研究仅在ABIDE I数据集（NYU存储库）上进行评估，样本来源和规模可能存在局限性，未在其他独立数据集上进行广泛验证	开发一个深度学习框架，以更准确地分类自闭症，通过整合大脑的结构和功能成像信息	自闭症患者和正常对照个体的结构磁共振成像和功能磁共振成像数据	医学图像分析	自闭症	结构磁共振成像，功能磁共振成像	CNN, LSTM, 多层感知机	3D医学图像（sMRI），时间序列数据（fMRI）	ABIDE I数据集（NYU存储库）中的样本	NA	3D分层卷积神经网络，双向LSTM，多层感知机	准确率，精确率，召回率，F1分数，焦点损失	NA
509	2026-03-30	Optimizing Radiographic Diagnosis Through Signal-Balanced Convolutional Models 2026-Mar-04, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030108 PMID:41892910	研究论文	本研究提出了一种结合生物医学信号保真度分析与迁移学习的可解释深度学习框架，用于优化胸部X光片的诊断可靠性	将信号保真度分析（通过SSIM验证）与可解释深度学习（Grad-CAM可视化）相结合，增强了诊断的透明性和可靠性	仅使用了公开数据集，未在更多样化的临床环境中验证；模型性能可能受数据集类别平衡和预处理影响	通过信号平衡的卷积模型优化放射学诊断，提高胸部X光片分类的准确性和可解释性	胸部X光片图像，用于诊断COVID-19、病毒性肺炎、肺部不透明和正常情况	计算机视觉	肺部疾病	深度学习，迁移学习，信号保真度分析	CNN	图像	21,165张胸部X光片图像，分为四类	NA	CNN, ResNet-50, EfficientNetB3	准确率, 宏AUC, SSIM	NA
510	2026-03-30	Deep-Neural-Network-Aided Genetic Association Testing in Samples with Related Individuals 2026-Mar-04, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb48030273 PMID:41899425	研究论文	本文提出了一种基于深度神经网络的机器学习方法，用于辅助具有亲缘关系个体的样本中的遗传关联测试	将深度学习整合到传统GWAS框架中，特别是在存在隐性亲缘关系的情况下，通过近似表型-基因型关系并组合多个测试的近似值，以提高关联变异的检测能力	NA	扩展GWAS的分析范围，通过联合建模、非线性效应和整合分析来改进遗传关联测试	具有亲缘关系的个体样本	机器学习	心血管疾病	GWAS	DNN	遗传数据	NA	NA	NA	检测能力	NA
511	2026-03-30	Semi-Supervised Vertebra Segmentation and Identification in CT Images 2026-Mar-03, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12030033 PMID:41893829	研究论文	本文提出了一种基于双分支3D U-Net的半监督方法，用于CT图像中椎骨的分割与识别，通过教师-学生一致性利用未标记数据提升性能	在双分支3D U-Net中插入Mamba模块以建模颅尾轴长程依赖，结合3D-CBAM增强类别区分能力，并采用基于置信度过滤和类频率重加权的统一半监督目标	方法依赖于未标记数据的可用性，且在复杂形态变异下可能仍存在挑战	开发一种半监督方法以提升CT图像中椎骨自动分割与识别的准确性和鲁棒性	脊柱CT图像中的椎骨	计算机视觉	脊柱疾病	CT成像	CNN	3D图像	VerSe 2019和2020数据集，其中VerSe 2020扫描作为未标记训练数据	PyTorch	3D U-Net, Mamba, 3D-CBAM	Dice系数, 识别准确率	NA
512	2026-03-30	Collaborative Multiscale and Wavelet-Based Fusion Network for Leakage Area Semantic Segmentation of Ultrawide Field Fluorescein Angiography 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.22 PMID:41873903	研究论文	本文提出了一种结合多尺度采样、二维小波变换和指数移动平均机制的深度学习框架，用于超广角荧光素血管造影图像中渗漏区域的语义分割	提出了一种结合多尺度采样、二维小波变换和指数移动平均机制的新型深度学习框架，并引入了交叉引导邻域细化策略以增强边界准确性	NA	提高超广角荧光素血管造影图像中糖尿病视网膜病变相关渗漏区域的分割准确性和计算效率	超广角荧光素血管造影图像中的渗漏区域	计算机视觉	糖尿病视网膜病变	超广角荧光素血管造影	深度学习	图像	来自广东省人民医院和佛山市第二人民医院的超广角荧光素血管造影数据集	NA	UNet-Wavelet	NA	NA
513	2026-03-30	A review on integrated machine learning and deep learning driven artificial intelligence models for pharmacokinetics and toxicokinetics predictions, and their application 2026-Mar, Drug metabolism and disposition: the biological fate of chemicals DOI:10.1016/j.dmd.2026.100240 PMID:41763192	综述	本文综述了集成机器学习和深度学习驱动的AI模型在药代动力学和毒代动力学预测中的应用与发展	系统分析了从传统ML/DL向混合学习AI模型的转变趋势，并强调了混合AI模型在提高预测精度和加速药物发现方面的优势	NA	探讨AI模型（特别是混合AI模型）在ADMET性质预测中的应用，以加速药物发现过程	ADMET（吸收、分布、代谢、排泄和毒性）性质预测模型	机器学习	NA	混合人工智能、多模型技术	机器学习、深度学习、混合AI模型	NA	NA	NA	NA	NA	NA
514	2026-03-03	Multi-stream deep learning framework integrating images and feature representations to predict mild cognitive impairment using the rey complex figure test 2026-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34491-5 PMID:41765904	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
515	2026-03-30	Transformer-Based Deep Learning Approaches for Speech-Based Dementia Detection: A Systematic Review 2026-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3595781 PMID:40768460	系统综述	本文系统综述了基于语音的深度学习在痴呆症检测中的应用，重点分析了Transformer模型的效果	首次系统性地比较了Transformer架构在语音痴呆检测中的表现，并明确了语言特征优于声学特征的结论	数据集多样性不足、痴呆严重程度分类标准不一致、样本量和性能指标报告方式存在差异	识别未来数据驱动的痴呆症研究的最佳实践，以开发临床诊断决策支持系统	基于语音的痴呆症检测研究	自然语言处理	老年疾病	语音分析	Transformer	语音	80项研究	NA	Transformer	准确率, 灵敏度, 特异性	NA
516	2026-03-30	Migrating in a Warming World: A Deep Learning Approach to Predict Pan-American Seasonal Shifts in the Monarch Butterfly Niche 2026-Mar, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70805 PMID:41891163	研究论文	本研究开发了一种时间感知的深度学习物种分布模型，用于预测气候变化下帝王蝶在美洲的季节性生态位变化	采用时间感知的深度学习框架，结合月度气候变量，相比传统静态模型能更好地捕捉迁徙物种的时空动态，并利用可解释AI技术识别关键环境驱动因素	模型主要依赖气候变量，可能未完全考虑生物相互作用、土地利用变化等其他生态因素，且数据来源包括公民科学，可能存在采样偏差	预测气候变化对帝王蝶生态位和分布范围的影响，为迁徙物种保护提供科学依据	帝王蝶（Danaus plexippus）	生态学	NA	深度学习物种分布建模	深度学习	物种出现记录、月度气候变量数据	来自美洲的科学和公民科学来源的帝王蝶出现记录	NA	NA	NA	NA
517	2026-03-30	Rapid Identification of Trace Pharmacodynamic Substances in Traditional Chinese Medicine via SERS and Deep Learning 2026-Feb-27, Biosensors DOI:10.3390/bios16030139 PMID:41892032	研究论文	本研究结合表面增强拉曼散射（SERS）和深度学习算法，开发了一种快速、高灵敏度的中药药效物质痕量检测方法	利用蛾翅鳞片作为模板制备Ag/MW SERS基底，并集成PCA与多种深度学习算法（MLP、Transformer、ResNet、DNN）进行快速识别，创新性地提高了检测灵敏度和准确性	研究目前仅针对纯标准溶液中的三种典型中药药效物质进行检测，尚未在复杂实际样品矩阵中验证，且样本规模有限	开发一种快速、有效、灵敏且可靠的分析方法，以解决中药现代化中痕量药效物质检测灵敏度不足的问题，促进中药质量评估与标准化	三种典型中药药效物质：苍术酮、升麻素和知母皂苷A-III	机器学习	NA	表面增强拉曼散射（SERS）、磁控溅射	MLP, Transformer, ResNet, DNN	拉曼光谱数据	NA	NA	MLP, Transformer, ResNet, DNN	准确率	NA
518	2026-03-30	Prediction of Three-Dimensional Ground Reaction Forces in the Golf Swing Using Wearable Inertial Measurement Units and Biomimetic Deep Learning Models 2026-Feb-27, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11030159 PMID:41892082	研究论文	本研究利用可穿戴惯性测量单元和仿生深度学习模型预测高尔夫挥杆中的三维地面反作用力	首次探索使用耦合的下肢运动学数据通过仿生深度学习模型预测复杂高速运动（如高尔夫挥杆）中的三维地面反作用力，并评估了多种传感器配置	研究未明确说明样本量大小，且可能局限于特定运动环境（高尔夫挥杆），未涉及其他运动或日常活动	开发一种基于可穿戴传感器和深度学习的方法，用于在动态运动环境中估计地面反作用力，以替代传统的实验室力板测量	高尔夫挥杆过程中的三维地面反作用力及双侧髋、膝、踝关节角度	机器学习	NA	可穿戴惯性测量单元	深度学习	时间序列数据	NA	NA	TCN-BiGRU	相关系数, 平均相对误差, 归一化均方根误差	NA
519	2026-03-30	Restoration of Non-Uniform Motion-Blurred Star Images Based on Dynamic Strip Attention 2026-Feb-27, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030103 PMID:41892905	研究论文	本文提出了一种基于动态条带注意力机制的星图恢复网络，用于恢复长曝光模式下因相对运动导致的非均匀运动模糊星图	设计了多尺度动态条带池化模块，通过动态调整条带卷积自适应提取不同长度和方向的模糊特征，并引入多尺度特征融合模块以减少图像细节损失	NA	恢复因相对运动导致的非均匀运动模糊星图，提升图像质量和星点定位精度	长曝光模式下捕获的星图，包含星点和空间物体	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	PSNR, SSIM, 星点识别准确率	NA
520	2026-03-30	Towards deep-learning based detection and quantification of intestinal metaplasia on digitized gastric biopsies: a multi-expert comparative study 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32737-w PMID:41741481	研究论文	本研究提出了一种基于深度卷积神经网络的自动化方法，用于检测和量化胃活检组织病理学图像中的肠上皮化生，并与三位病理学家的视觉评估进行了比较分析	首次开发了基于深度学习的自动化系统来检测和量化肠上皮化生，并引入了适应的OLGIM分期，以替代传统易出错的主观视觉评估	未评估萎缩，因为病理学家间的一致性有限；模型与病理学家间的一致性范围较宽（0.12-0.35），表明仍需改进	开发一种自动化、可靠的深度学习方法，用于检测和量化胃活检中的肠上皮化生，以改善胃癌风险分层	胃黏膜组织病理学图像，来自哥伦比亚高胃癌流行区的149名无症状志愿者和一家三级医院的56名患者	数字病理学	胃癌	组织病理学成像	CNN	图像	205个样本（149名无症状志愿者和56名患者）	NA	深度卷积神经网络	F1分数, AUC	NA