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
5361	2026-03-09	Efficient quality classification of pretreated and dehydrated carrots using feature selection and intelligent models 2026-Mar-30, Journal of the science of food and agriculture IF:3.3Q2 DOI:10.1002/jsfa.70413 PMID:41454427	研究论文	本研究利用可见-近红外反射光谱和人工智能技术，对经过不同预处理和脱水处理的胡萝卜片进行质量分类	结合递归特征消除与极端梯度提升进行特征选择，并比较了19种人工智能模型在胡萝卜脱水产品分类中的性能	未提及模型在更大规模或不同品种胡萝卜上的泛化能力，以及实际工业环境中的应用验证	开发高效、非破坏性的方法来分类预处理和脱水胡萝卜的质量	经过超声波、蔗糖、阿拉伯胶和微波预处理，并在不同微波功率和真空压力下脱水的胡萝卜切片	机器学习	NA	可见-近红外反射光谱	多层感知机, 支持向量机, 卷积神经网络	光谱数据	未明确说明具体样本数量，但涉及多种预处理和脱水条件组合下的胡萝卜切片	NA	NA	准确率, 测试时间	NA
5362	2026-03-09	Living on the flood line: Constructing and validating a combined multidimensional resilience index for rural riverine floodplain communities 2026-Mar-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181581 PMID:41734704	研究论文	本研究提出了一种结合多维指标与深度学习的综合方法，构建并验证了面向农村河漫滩社区的复合多维韧性指数（CMRI）	整合了基于专家的多准则决策分析、数据驱动的主轴因子分析、蒙特卡洛指数构建与深度学习预测验证，并引入了空间显式的可解释人工智能（XAI）支持	研究区域仅限于布拉马普特拉河流域的49个联合区，可能限制了结果的普适性；依赖于56个主观与客观指标，数据收集与质量可能影响指数精度	开发一个透明、严谨且统计稳健的社区级韧性评估框架，以支持洪水风险缓解与环境规划	孟加拉国布拉马普特拉河流域的49个农村河漫滩社区（联合区）	机器学习	NA	多准则决策分析、主轴因子分析、蒙特卡洛模拟、深度学习、可解释人工智能（XAI）	深度神经网络	地理空间数据、多维指标数据（社会文化、经济、物理基础设施、组织制度、水力、生态）	1000个地理参考观测点，涵盖49个联合区	未明确指定（可能包含TensorFlow/PyTorch等）	DR-DNN（深度残差深度神经网络？文中未明确全称）	AUC（曲线下面积）、准确率	未明确指定
5363	2026-03-09	Machine learning applications for anterior cruciate ligament injury prediction and rehabilitation in sports: A scoping review with evidence synthesis 2026-Mar-07, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70374 PMID:41793229	综述	本文是一篇范围综述，旨在梳理和综合机器学习在前交叉韧带损伤预测、康复监测及重返运动决策支持中的应用证据	首次通过范围综述系统性地综合了机器学习在ACL损伤全周期管理（从风险预测到重返运动）中的应用证据，并强调了临床相关性和方法学质量	纳入研究的外部验证和标准化结局定义报告不一致，且未进行荟萃分析，仅进行了描述性综合	梳理和综合机器学习在ACL损伤风险估计、康复监测及重返运动决策支持中的应用证据	涉及ACL损伤预测、术后恢复评估或重返运动评估的同行评议研究	机器学习	前交叉韧带损伤	NA	基于树的集成模型（如随机森林、极端梯度提升）、深度学习模型	临床数据、生物力学数据、可穿戴设备数据、影像数据	共纳入40项研究	NA	Random Forest, Extreme Gradient Boosting	NA	NA
5364	2026-03-09	Multimodal Deep Learning-Based Screening of Degenerative Temporomandibular Joint Disease Using 2D Radiography: A Cost-Effective and Low-Radiation Approach 2026-Mar-07, Oral diseases IF:2.9Q1 DOI:10.1111/odi.70268 PMID:41795130	研究论文	本研究开发并初步验证了一种基于二维颌面影像的多模态深度学习模型，用于筛查颞下颌关节退行性关节病	提出了一种结合全景X光片和侧位头影测量片的多模态深度学习模型，用于低成本、低辐射的颞下颌关节退行性关节病筛查，并通过特征融合和Grad-CAM分析增强了临床可解释性	研究为回顾性分析，样本量有限（1000个颞下颌关节），需要更大规模的多中心研究进行进一步验证	开发一种基于二维影像的深度学习模型，用于颞下颌关节退行性关节病的有效筛查	500名正畸患者的1000个颞下颌关节	计算机视觉	颞下颌关节退行性关节病	锥形束计算机断层扫描（CBCT），二维X光成像（全景X光片和侧位头影测量片）	CNN	图像（全景X光片和侧位头影测量片），结构化数据（患者年龄和性别）	1000个颞下颌关节（来自500名患者）	NA	YOLOv8, EfficientNetV2	mAP50, AUC, 敏感性, 特异性	NA
5365	2026-03-09	LCNet: lightweight segmentation network for blood vessel segmentation in retinal imaging 2026-Mar-06, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae4a13 PMID:41788037	研究论文	提出一种轻量级分割网络LCNet，用于视网膜图像中的血管分割	结合深度可分离卷积减少参数和计算成本，引入协同坐标注意力模块增强特征学习，并采用空洞空间金字塔池化模块捕获多尺度特征	未明确提及模型在更广泛或更具挑战性数据集上的泛化能力	开发高效的视网膜血管分割方法以辅助临床诊断	视网膜图像中的血管结构	计算机视觉	NA	NA	CNN	图像	四个经典数据集（DRIVE, STARE, CHASEDB1, IOSTAR）	NA	U-Net	准确率	NA
5366	2026-03-09	Artificial intelligence for radiation dose reduction in computed tomography: a narrative synthesis of clinical evidence from 2020 to 2025 2026-Mar-06, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ae475a PMID:41707249	综述	本文综述了2020年至2025年间关于人工智能在计算机断层扫描（CT）中降低辐射剂量的临床证据	对2020年至2025年间发表的AI用于CT剂量优化的临床证据进行了首次系统性叙事综合，涵盖了深度学习重建、去噪和工作流自动化等多种策略，并特别关注了临床或患者相关结局	大多数研究为单中心且由供应商支持，对于非常小或亚实性病变的敏感性在最低剂量下有所下降，高强度去噪导致的图像纹理改变以及有限的多中心验证仍是问题	评估人工智能在计算机断层扫描（CT）中降低辐射剂量而不影响诊断性能的有效性	2020年1月至2025年5月期间发表的、报告了与辐射剂量、诊断准确性、图像质量或可行性相关的临床或患者结局的研究	数字病理	肺癌	计算机断层扫描（CT）	深度学习	医学影像	从1224条记录中筛选出86项符合纳入标准的研究	NA	NA	辐射剂量减少百分比、诊断准确性、图像质量、可行性	NA
5367	2026-03-09	Deep learning-based estimation of lung collapse in electrical impedance tomography: a simulation and phantom study 2026-Mar-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae4849 PMID:41713019	研究论文	本研究提出了一种基于深度学习的框架，用于从电阻抗断层扫描图像中直接估计肺塌陷程度，无需依赖肺部分割	创新点在于开发了一种无需肺部分割的深度学习框架，直接从EIT图像估计肺塌陷程度，克服了传统基于全局不均匀性指数方法的局限性	研究基于模拟和体模数据，尚未在真实患者中进行验证	旨在估计机械通气患者肺部的塌陷程度，以降低呼吸机诱导的肺损伤风险	电阻抗断层扫描图像，模拟各种肺部条件	计算机视觉	肺损伤	电阻抗断层扫描	深度学习模型	图像	NA	NA	NA	误差率	NA
5368	2026-03-09	Climate change will increase forest disturbances in Europe throughout the 21st century 2026-Mar-05, Science (New York, N.Y.) DOI:10.1126/science.adx6329 PMID:41785360	研究论文	本研究利用深度学习框架模拟了欧洲21世纪森林干扰（如野火、虫害、风暴）的变化趋势	首次使用基于深度学习的模拟框架，在100米分辨率下预测整个欧洲21世纪的森林干扰变化	未明确说明模型的不确定性范围及区域特异性验证的详细程度	预测气候变化背景下欧洲森林干扰的未来变化趋势及其生态影响	欧洲森林生态系统及其干扰机制（野火、虫害、风暴）	机器学习	NA	深度学习模拟	深度学习模型	空间栅格数据、气候数据	全欧洲范围100米分辨率网格数据	NA	NA	NA	NA
5369	2026-03-09	Multivariable AI-based analysis of immune-lifestyle patterns associated with recurrent pregnancy loss: an exploratory retrospective study 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38941-6 PMID:41786881	研究论文	本研究利用深度学习模型分析复发性流产患者的免疫-生活方式模式	首次将深度学习模型TabNet应用于大规模复发性流产患者数据，以识别免疫与生活方式因素之间的关联模式	这是一项回顾性、探索性研究，数据来源于伊朗的五家诊所，可能存在选择偏倚	构建深度学习模型以识别复发性流产患者的免疫-生活方式模式	16,818名复发性流产患者和19,979名健康女性	机器学习	复发性流产	临床与实验室数据收集	深度学习	临床与实验室数据	总计36,797名参与者（16,818名患者和19,979名健康对照）	NA	TabNet	AUC, 准确率, 精确率, 特异性, 敏感性	NA
5370	2026-03-09	Understanding flow experiences in online EFL learning: Perspectives from Vietnamese undergraduates 2026-Mar-05, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106580 PMID:41793996	研究论文	本研究调查了越南英语作为外语（EFL）本科生在在线学习环境中的心流体验，旨在通过八个具体维度评估其心流水平，识别关键维度，并探索学生如何描述这些体验	首次在越南在线EFL学习背景下，结合定量与定性方法，系统分析学生的心流体验及其影响因素，特别关注文化背景和技术基础设施的作用	样本仅来自越南本科生，可能限制结果的普适性；研究依赖自我报告数据，可能存在偏差	探究越南EFL本科生在在线学习中的心流体验程度、关键维度及其影响因素，以促进深度学习	239名越南EFL大学生（调查）和12名访谈参与者	自然语言处理	NA	混合方法设计（调查与半结构化访谈），叙事整合主题分析	NA	文本（调查问卷和访谈记录）	239名EFL大学生参与调查，12名参与访谈	NA	NA	平均值（M=3.77），用于评估心流体验的整体水平	NA
5371	2026-03-09	A deep learning-based method for evaluating the fitting states of orthokeratology lenses using fluorescein staining videos 2026-Mar-05, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2026.102633 PMID:41794006	研究论文	本研究开发了一种基于深度学习的自动化工具，用于评估角膜塑形镜的适配状态，通过双流架构结合ResNet-50和时间注意力模块处理荧光素染色视频	提出了一种结合ResNet-50提取形态特征和时间注意力模块分析运动特征的双流架构，并引入边缘检测方法增强空间特征捕获，显著提升了评估准确性	数据集仅包含143个视频样本，样本量相对较小，可能影响模型的泛化能力	开发并验证一种自动化工具，用于客观评估角膜塑形镜的适配状态，辅助临床诊断	角膜塑形镜的适配状态，包括过松、适配良好和过紧三类	计算机视觉	眼科疾病	荧光素染色视频检查	CNN, 时间注意力模块	视频	143个荧光素染色检查视频	PyTorch	ResNet-50	准确率, 宏灵敏度, 宏特异性	NA
5372	2026-03-09	Context-Aware adaptive normalization LSTM (CAAN-LSTM) for immunotherapy decision support in cancer clinical data analysis 2026-Mar-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105006 PMID:41794080	研究论文	提出一种用于癌症免疫治疗决策支持的上下文感知自适应归一化LSTM模型（CAAN-LSTM），以处理临床时间序列数据的异质性和不完整性	模型在序列处理过程中通过整合患者特异性临床上下文动态调整归一化策略，并采用元学习自适应归一化层、注意力机制、超网络生成个性化参数、基于Transformer的上下文编码器、学习掩码策略处理缺失值以及量化感知训练等创新组件	未明确说明模型在更广泛医疗环境或不同癌症类型中的泛化能力，也未详细讨论计算效率或模型解释性方面的潜在限制	开发一种能够处理异质性和不完整临床时间序列数据的深度学习模型，以支持癌症免疫治疗的个性化临床决策	癌症患者的临床时间序列数据	机器学习	癌症	深度学习	LSTM, Transformer	临床时间序列数据	NA	NA	CAAN-LSTM（包含自适应归一化层、注意力机制、超网络、Transformer编码器等组件）	预测准确性	支持跨多样化硬件平台的高效部署（通过量化感知训练实现）
5373	2026-03-09	Prediction of CSF Intervention in Fetal Ventriculomegaly via Artificial Intelligence-Powered Normative Modeling 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	本研究提出了一种基于人工智能的方法，用于胎儿脑MRI中脑室的分割、体积量化和分类，以预测产后干预需求	利用深度学习（nnUNet）进行胎儿脑室自动分割，并基于此建立跨孕龄的脑室体积正常参考范围，首次将标准化建模用于预测胎儿脑室扩大是否需要产后干预	研究为回顾性设计，样本量相对有限（222例患者），且依赖于公开数据集和机构数据，可能影响泛化能力	开发一种客观、可重复的方法，以准确区分胎儿脑室扩大和脑积水，并预测产后脑脊液干预的必要性	胎儿脑MRI图像，包括正常胎儿、脑室扩大胎儿及需要产后干预的病例	数字病理学	胎儿脑室扩大	胎儿脑MRI	深度学习	图像	222例单胎妊娠患者，包括20例手动分割的机构MRI、80例公开数据集研究、138例正常胎儿MRI和64例脑室扩大胎儿MRI	nnUNet	nnUNet	Dice分数, 灵敏度, 特异性, AUC, 95%置信区间	NA
5374	2026-03-09	High-Resolution 3T MRI of the Membranous Labyrinth Using Deep Learning Reconstruction 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8989 PMID:40876943	研究论文	本研究评估了结合深度学习重建的高分辨率3D T2加权MRI序列在显示迷路结构方面的表现，并与传统序列进行比较	首次将深度学习重建技术应用于高分辨率3D T2加权MRI序列，旨在在不增加采集时间的情况下提升空间分辨率，以更详细地观察迷路微解剖结构	深度学习重建尚不能提供完整的解剖评估，部分结构（如球囊、半规管顶端）的可视化仍受限，分辨率相对于某些结构的直径仍显不足	评估深度学习重建高分辨率3D T2加权MRI序列在可视化迷路结构方面的效果，旨在改善空间分辨率而不延长采集时间	患者的内耳迷路结构，包括螺旋板、鼓阶、前庭阶、中阶、椭圆囊、球囊、椭圆囊和球囊斑、膜性半规管以及壶腹神经	医学影像	NA	3D T2加权涡轮自旋回波序列、深度学习重建、9.4T离体MRI	深度学习	MRI图像	患者（具体数量未在摘要中明确说明）	NA	NA	定性评分（4点量表）	NA
5375	2026-03-09	MRI In Vivo Detection of Amyloid-β Protein Deposition in Different Brain Regions of Patients with AD and MCI 2026-Mar-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01184-9 PMID:41779032	研究论文	本研究开发了一种基于MRI的非侵入性人工智能方法，用于检测阿尔茨海默病和轻度认知障碍患者不同脑区的淀粉样蛋白沉积	结合深度学习脑区分割（VB-Net）与多种机器学习回归模型，并构建了轻量级Transformer深度学习模型，实现了仅基于MRI定量检测Aβ蛋白沉积	样本量相对有限（共142名患者），深度学习模型在测试集上性能较差（RS和PCC为负值），且MRI与PET检查间隔可能引入变异	开发一种非侵入性的MRI方法，用于检测AD和MCI患者脑内Aβ蛋白沉积	80名MCI患者和62名AD患者	数字病理学	阿尔茨海默病	磁共振成像, 正电子发射断层扫描	深度学习, 机器学习	图像	142名患者（80名MCI，62名AD）	NA	VB-Net, Transformer	平均绝对误差, 均方误差, R分数, 皮尔逊相关系数	NA
5376	2026-03-06	Disease- and gene-specific deep learning for pathogenicity prediction of rare missense variants in cancer predisposition genes 2026-Mar-04, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00533-5 PMID:41781977	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5377	2026-03-09	Using deep learning to predict the sex of human embryos 2026-Mar-04, Open biology IF:4.5Q1 DOI:10.1098/rsob.250419 PMID:41784403	研究论文	本研究结合手动标注与深度学习分析，利用515个胚胎延时摄影视频数据集，探究出生性别是否影响人类胚胎早期发育动态	首次将深度学习应用于人类胚胎延时摄影视频进行性别预测，并发现八细胞期后是性别预测的关键时期，揭示了人类胚胎发育第3天左右可能开始出现细微的性别相关差异	样本量相对有限（515个胚胎视频），预测准确率仅为61%，虽然具有统计学意义但临床实用性有待提高，且未明确识别出具体的可区分性别差异的发育时序参数	探究人类胚胎早期发育中是否存在性别差异，并开发早期非侵入性性别预测工具	人类胚胎（来自体外受精环境）	计算机视觉	NA	延时摄影	深度学习模型	视频（胚胎延时摄影）	515个胚胎延时摄影视频	NA	NA	准确率	NA
5378	2026-03-09	A multi-gradient microfluidic chip-based neutrophil chemotaxis analysis for sepsis auxiliary diagnosis and prognostic monitoring 2026-Mar-04, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118593 PMID:41795443	研究论文	本文开发了一种多梯度微流控芯片用于中性粒细胞趋化性分析，以辅助脓毒症的诊断和预后监测	开发了一种能同时生成三种趋化因子梯度的微流控芯片，并整合多个参数构建了中性粒细胞功能分析指数，结合深度学习直接分析趋化轨迹	样本量相对较小（总样本数50，独立队列10），且为手动提取参数，可能引入人为误差	开发一种基于中性粒细胞趋化性分析的脓毒症辅助诊断和预后监测平台	健康个体和脓毒症患者的中性粒细胞	数字病理学	脓毒症	微流控芯片技术，深度学习	深度学习模型	中性粒细胞趋化轨迹数据	健康个体25例，脓毒症患者25例，独立队列10例	NA	NA	AUC, 特异性, 敏感性, 准确率	NA
5379	2026-03-09	Deep learning ultrasonic computed tomography for non-destructive testing of workpieces 2026-Mar-04, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108044 PMID:41795454	研究论文	本文提出了一种集成注意力机制的神经网络反演方法（HAU2Net）及硬件系统，用于工件超声层析成像，实现从数据采集到快速截面图像重建的全过程	提出了一种结合注意力机制的HAU2Net网络，在U2Net的不同编码和解码层引入注意力头，并采用动态调整的损失函数约束进行训练，显著提升了成像精度和速度	未明确说明该方法对复杂内部结构或多种材料工件的适用性及泛化能力	解决工业超声无损检测中成像精度与成像速度的双重挑战，实现高效高精度的在线检测	工业工件	计算机视觉	NA	超声层析成像	深度学习，神经网络	超声信号矩阵	NA	NA	U2Net，HAU2Net	PSNR，SSIM，模型大小，预测时间	NA
5380	2026-03-09	Establishing an Evidence-based Modern Breast MRI Program 2026-Mar-03, Journal of breast imaging IF:2.0Q3 DOI:10.1093/jbi/wbaf082 PMID:41671073	综述	本文综述了现代乳腺MRI程序的关键要素、协议优化策略以及新兴技术，旨在建立一个基于证据的现代乳腺MRI项目	整合了扩散加权MRI、超快速动态对比增强MRI和深度学习模型等先进技术，并探讨了它们在乳腺MRI中的应用与未来趋势	NA	建立基于证据的现代乳腺MRI程序，优化乳腺成像协议并探索新兴技术	乳腺MRI成像协议、技术及临床应用	数字病理学	乳腺癌	动态对比增强MRI, 扩散加权MRI, 超快速动态对比增强MRI, 深度学习模型	NA	医学影像	NA	NA	NA	NA	NA