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
5701	2026-06-29	Evaluating the feasibility of intraoral scanning technology for removable partial dentures: ai-assisted measurement analysis and clinical investigation 2026-Mar-17, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-026-06820-z PMID:41843229	研究论文	评估口内扫描技术用于可摘局部义齿数字化设计与制造的可行性，并比较不同肯尼迪分类下的口内扫描模型与传统终印模的3D偏差	首次将基于PointNet++的深度学习模型自动化分割与对齐用于口内扫描模型与传统印模的3D偏差分析，并结合肯尼迪分类、患者因素和解剖区域进行亚组分析	未明确提及具体局限性，但自由端延伸式可摘局部义齿需谨慎选择病例并调整后处理	评估口内扫描在不同肯尼迪分类中用于可摘局部义齿数字化设计与制造的可行性，并验证AI辅助分析作为传统逆向工程补充的可靠性	50名部分缺牙患者的口内扫描模型与传统终印模模型	数字病理学	牙缺失	口内扫描、逆向工程	PointNet++	3D点云数据	50名部分缺牙患者	NA	PointNet++	3D偏差值（均方根误差等）、ANOVA统计分析	NA
5702	2026-06-29	Uncertainty-aware automated labeling of intracranial arteries using deep learning 2026-Mar-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02276-5 PMID:41840364	研究论文	提出一种融合不确定性量化的深度学习框架，用于颅内动脉的自动化标注	将测试时增强与创新性坐标引导策略相结合来建模置信度，减少推理过程中的插值误差，并首次将不确定性量化引入颅内动脉自动标注任务	所提方法仅在两种数据集上验证，样本量相对较小，可能限制其通用性	开发一种兼具准确性和不确定性感知的深度学习工具，用于颅内动脉的自动标注，以辅助脑血管诊断和血流动力学分析	颅内动脉的3D飞行时间磁共振血管成像分割数据	计算机视觉	脑血管疾病	3D飞行时间磁共振血管成像	卷积神经网络（CNN）	3D图像	内部数据集35例，外部公共数据集TubeTK ToF-MRA 20例	PyTorch	UNet（残差编码块）、CS-Net（注意力增强型UNet）、nnUNet	Dice系数、clDice、平均表面距离、95%豪斯多夫距离	NA
5703	2026-06-29	Deep learning-based non-invasive prediction of axillary lymph node metastasis in breast cancer: performance of the YOLO-v11 object detection algorithm 2026-Mar-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02289-0 PMID:41840500	研究论文	提出基于YOLO-v11的深度学习系统，通过超声图像非侵入性预测乳腺癌腋窝淋巴结转移	首次将YOLO-v11单阶段目标检测算法应用于腋窝淋巴结的定位与良恶性分类，实现了高精度非侵入性预测	模型对恶性类别的置信度集中在0.82-0.87范围内，可能影响低置信度样本的可靠性；背景类别未作为语义类参与训练，可能影响假阳性与假阴性的处理	开发人工智能辅助的超声分析系统，为放射科医生和临床医生提供腋窝淋巴结转移的非侵入性决策支持	乳腺癌患者与对照组的腋窝淋巴结超声图像	计算机视觉	乳腺癌	超声成像	YOLO-v11（单阶段目标检测模型）	图像	471名患者（248名乳腺癌恶性病例，223名良性对照病例）	NA	YOLO-v11	mAP@0.5, F1分数, 精确率, 灵敏度	NA
5704	2026-06-29	Explainable tabular deep learning models for antenatal cesarean delivery prediction in multiparous women 2026-Mar-16, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-026-08934-4 PMID:41840520	研究论文	系统评估可解释表格深度学习模型用于预测多产妇剖宫产	首次将混合Boruta-临床专家特征选择与SHAP和LIME可解释性方法相结合，系统比较多种表格深度学习模型在多产妇剖宫产预测中的性能	样本量有限（460例），数据集来自单一公开来源，模型泛化性需进一步验证	开发并评估用于多产妇产前剖宫产预测的可解释深度学习模型	460名多产妇的产科和产前变量数据（包含18个特征）	机器学习	产科疾病	NA	TabNet, TabPFN, CBAM-MLP, FT-Transformer, 多层感知机	表格数据	460名多产妇	NA	TabNet, TabPFN, CBAM-MLP, FT-Transformer, 多层感知机	ROC-AUC, PR-AUC	NA
5705	2026-06-29	TLScope: a deep learning framework for quantifying tertiary lymphoid structures from H&E images reveals prognostic heterogeneity across breast cancer subtypes 2026-Mar-16, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-026-02241-8 PMID:41840700	研究论文	提出了TLScope深度学习框架，用于从H&E染色全切片图像中定量三级淋巴结构，并揭示其在乳腺癌亚型中的预后异质性	结合细胞级分类、肿瘤和脂肪区域分割以及生物学知识验证，实现了对三级淋巴结构的可扩展自动化定量分析	NA	开发标准化方法检测和量化乳腺癌中三级淋巴结构，并探究其与临床病理特征及预后的关系	乳腺癌肿瘤组织中的三级淋巴结构	数字病理学	乳腺癌	H&E染色	深度学习	全切片图像	超过1000张全切片图像（内部队列和TCGA队列）	PyTorch	NA	NA	NA
5706	2026-06-29	Advanced hybrid transformer CNN framework for improved skin lesion classification and segmentation 2026-Mar-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43376-0 PMID:41840007	研究论文	提出一种基于Transformer和CNN的混合架构，用于皮肤病变分类和分割	结合全局上下文视觉Transformer（GlobalSkinNet）与注意力机制的U-Net架构（SkinFormNet），有效处理不均匀亮度、低对比度和毛发遮挡问题	未提及计算资源需求及模型在真实临床环境中的泛化能力	提高皮肤癌早期检测和分类的准确性	皮肤病变图像	数字病理学	皮肤癌	NA	Transformer, CNN	图像	7个数据集：PH2, ISIC-2019, ISIC-2020, HAM10000, ISIC-2016, ISIC-2017, ISIC-2018	PyTorch	GlobalSkinNet, SegFormer, U-Net	准确率, Dice系数	NA
5707	2026-06-29	Interpretable deep learning radiomics from 18F-FDG PET/CT for differentiating diffuse large B-cell lymphoma and follicular lymphoma 2026-Mar-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02253-y PMID:41832418	研究论文	开发并验证整合18F-FDG PET/CT中的标准化摄取值、影像组学和深度学习特征的可解释模型，用于区分弥漫性大B细胞淋巴瘤与滤泡性淋巴瘤	首次结合SHAP可解释性分析，融合影像组学与深度学习特征构建可解释的深度学习放射组学模型，用于淋巴瘤亚型鉴别	样本量有限（250例），且为回顾性研究，需前瞻性多中心验证	开发可解释的深度学习放射组学模型以准确区分弥漫性大B细胞淋巴瘤与滤泡性淋巴瘤	弥漫性大B细胞淋巴瘤与滤泡性淋巴瘤患者	医学影像分析	淋巴瘤	18F-FDG PET/CT	机器学习分类器	医学影像	250例患者（两个中心）	NA	NA	曲线下面积, 准确率, 校准曲线, 决策曲线分析	NA
5708	2026-06-29	A two-stage preprocessing and classification approach for accurate COVID-19 detection in X-ray images 2026-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41861-0 PMID:41832193	研究论文	提出一种两阶段预处理与分类方法，用于在X光图像中准确检测COVID-19	将最大稳定极值区域算法与灰狼优化元启发式算法集成，优化图像预处理，增强关键特征可见性	NA	实现X光图像中COVID-19的自动、准确检测	胸部X光图像	计算机视觉	COVID-19	NA	深度卷积神经网络	图像	NA	NA	NA	准确率	NA
5709	2026-06-29	Radiogenomics and machine learning in hepatocellular carcinoma: from foundations to clinical translation 2026-Mar-14, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-026-04280-z PMID:41832524	综述	系统评述影像基因组学与机器学习在肝细胞癌中的基础、进展及临床转化挑战	全面整合影像基因组学和机器学习在肝细胞癌精准医学中的应用，强调早期检测、风险分层、治疗反应预测和预后评估，并系统分析标准化缺乏、样本量小、可解释性差等挑战	缺乏标准化流程、样本量小、外部验证不足、模型可解释性差（黑箱性质）、伦理问题（数据隐私与算法偏见）及临床整合障碍	批判性评估影像基因组学和机器学习在肝细胞癌中的基础、进展和挑战，聚焦临床转化和未来方向	肝细胞癌患者及其肿瘤生物学特征，包括基因组变化、肿瘤微环境及影像数据	医学影像与机器学习	肝细胞癌	影像基因组学、对比增强CT、MRI、外泌体miRNA、FDG-PET/CT	深度学习、随机森林	影像数据、基因组数据	NA（综述未明确具体样本数）	NA	NA	AUC	NA
5710	2026-06-29	Deep optimization-guided hybrid neural network for accurate detection and segmentation of white matter hyperintensities in clinical MRI images 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41137-7 PMID:41826522	研究论文	提出一种深度优化引导的混合神经网络（DOGHNN），用于临床MRI图像中白质高信号的准确检测与分割	结合Inception-v3的多尺度特征捕获、ResNet-50的残差上下文建模和PSO优化策略，实现融合权重、分割阈值和关键参数的迭代优化	未提及在大规模多中心数据集上的验证，且PSO优化可能增加计算开销	提高脑部MRI中白质高信号的自动分割准确性和鲁棒性，支持临床诊断决策	脑MRI图像中的白质高信号（WMH）病变区域	计算机视觉, 数字病理	神经系统疾病（中风、痴呆、多发性硬化）	MRI	混合神经网络（Inception-v3, ResNet-50）结合粒子群优化（PSO）	图像	基准WMH MRI数据集（具体样本量未提及）	NA	Inception-v3, ResNet-50	精确率, 召回率, Dice系数, F1分数, Hausdorff距离	NA
5711	2026-06-29	Automatic identification of different stage of Alzheimer's disease using multimodal MRI and artificial intelligence 2026-Mar-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02275-6 PMID:41826878	研究论文	利用多模态MRI和人工智能自动识别阿尔茨海默病不同阶段（认知正常、主观认知下降、轻度认知障碍、阿尔茨海默病）	首次整合结构MRI、静息态功能MRI、深度学习（3D-VB-Net）和机器学习（BDT逻辑回归SVM随机森林），构建高精度四分类模型识别CN、SCD、MCI和AD	未明确说明样本外部验证的局限性，可能面临数据来源（ADNI和OASIS-3）的领域偏移或模型泛化挑战	利用多模态MRI和人工智能自动分类不同阶段的阿尔茨海默病	715名认知状态不同的参与者（认知正常、主观认知下降、轻度认知障碍、阿尔茨海默病）	机器学习	阿尔茨海默病	结构MRI，静息态功能MRI， 3D-VB-Net， LASSO， K-best	Bagging决策树，逻辑回归，支持向量机，随机森林	图像，数值特征	715名参与者（训练/验证集来自ADNI，外部验证集来自OASIS-3）	NA	3D-VB-Net， Bagging决策树，逻辑回归，支持向量机，随机森林	AUC，特异度，灵敏度， F1-score	NA
5712	2026-06-29	Improved polygenic risk prediction for alzheimer's disease and related dementias using deep learning: age and APOE-stratified analysis 2026-Mar-12, Alzheimer's research & therapy DOI:10.1186/s13195-026-02011-w PMID:41821099	研究论文	利用深度学习（贝叶斯变分自编码器）改进阿尔茨海默病及相关痴呆症的多基因风险预测，并进行年龄和APOE分层分析	首次在ADRD风险预测中采用贝叶斯变分自编码器（DDML）构建PRS，并系统评估年龄和APOE基因型对模型性能的修饰效应	分类准确性仍然有限，限制了直接临床应用；需要在外部数据中复制验证，并结合生物标志物和临床判定进行多模态验证	评估基于贝叶斯变分自编码器的多基因风险评分对ADRD的预测性能，并分析年龄和APOE基因型的修饰效应	英国生物库中276,566名欧洲血统无亲缘关系的个体，中位随访9.19年	机器学习	阿尔茨海默病及相关痴呆症	基因组关联研究汇总统计量	贝叶斯变分自编码器（DDML）、SBayesR、聚类与阈值法（C+T）	基因组数据（SNP）、遗传主成分、年龄、性别、APOE基因型	276,566名欧洲血统个体（平均年龄56.8±8.0岁，46.7%男性，1,328名ADRD患者）	NA	DDML（贝叶斯变分自编码器）、SBayesR（贝叶斯多元回归）、C+T（聚类与阈值）	时间依赖性AUC、C指数、风险比	NA
5713	2026-06-29	Enhanced skin cancer classification for minority classes using Conditional GAN pipeline and CNN-ViT ensemble 2026-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43339-5 PMID:41813870	研究论文	提出一个两阶段框架，先用条件生成对抗网络生成少数类图像，再用CNN-ViT集成架构融合特征，提高皮肤癌分类性能	将条件生成对抗网络与CNN-ViT集成架构结合，通过交叉注意力融合模块协同整合全局和局部特征，解决类别不平衡问题	NA	改善皮肤癌分类中少数类的识别效果，克服数据不平衡和特征提取困难	皮肤镜图像中的皮肤病变分类	计算机视觉	皮肤癌	NA	条件生成对抗网络, 卷积神经网络, 视觉Transformer	图像	NA	NA	C'GAN, CNN-ViT集成, 交叉注意力融合模块	准确率, AUC, 自助法均值, 标准误差	NA
5714	2026-06-29	AI-powered radiogenomics: imaging-driven diagnosis and discovery of cancer's molecular and cellular landscape 2026-Mar-10, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-026-02389-0 PMID:41806059	综述	综述了AI赋能放射基因组学在癌症分子和细胞景观成像驱动诊断与发现中的进展	系统总结了AI方法（如CNN、GAN、Transformer）在放射基因组学中自动提取高维影像特征并与多组学数据整合的应用，以及其在主要癌症类型中的使用案例	数据协调、标准化、伦理考虑和跨人群验证等挑战是当前限制因素	探讨AI赋能放射基因组学在临床相关性、分子和细胞洞察以及实验室诊断中的应用，推动精准肿瘤学发展	乳腺、肺、脑和前列腺癌等主要癌症类型	自然语言处理, 机器翻译, 图像识别, 数字病理学, 基因组学	乳腺癌, 肺癌, 前列腺癌	放射基因组学, 多组学整合	卷积神经网络, 生成对抗网络, Transformer	影像数据, 分子和细胞数据	NA	NA	卷积神经网络, 生成对抗网络, Transformer	NA	NA
5715	2026-06-29	Transformer-enhanced deep ensemble for multi-class liver disease classification using computed tomography images 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43256-7 PMID:41803329	研究论文	提出一种基于Transformer增强的深度集成模型，利用CT图像进行多类肝脏疾病分类	在预训练CNN（ResNet50V2、DenseNet121、MobileNetV2）骨干网络后添加Transformer模块形成混合模型，并通过集成学习进一步提升性能	未提及	提高肝脏疾病的诊断准确性，特别是复杂病例如肝硬化和脂肪肝	肝脏CT图像	计算机视觉	肝脏疾病（肝硬化、脂肪肝、肝细胞癌）	CT成像	CNN-Transformer混合模型（ResNet50V2、DenseNet121、MobileNetV2 + Transformer）	图像	基于CT肝脏数据集，未提供具体样本数量	NA	ResNet50V2, DenseNet121, MobileNetV2, Transformer	精确率, 召回率, F1分数, 马修斯相关系数	NA
5716	2026-06-29	Comparative evaluation of deep learning models for cardiovascular disease diagnosis and classification 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43543-3 PMID:41794983	研究论文	系统比较了多种深度学习模型在心电图诊断心血管疾病中的性能与计算效率	提出并对比了低复杂度的深度学习模型，在保持高诊断精度的同时实现低计算开销，支持资源受限环境下的临床部署	未提及	评估并比较不同深度学习模型对心血管疾病的多分类诊断性能与计算复杂度	PTB诊断心电图数据集中的多类心血管疾病	机器学习	心血管疾病	心电图	CNN、LSTM、MLP、CNN-MLP、ConvLSTM	心电图信号	PTB诊断心电图数据集中多类心血管疾病样本	未提及	CNN、LSTM、MLP、CNN-MLP、ConvLSTM	准确率、F1分数、精确率、每次符号实乘法数	未提及
5717	2026-06-29	A web-based deep learning cascade for automated detection and quantification of marginal bone loss 2026-Mar-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07962-y PMID:41792690	研究论文	开发并验证了一个由六个深度学习模型组成的级联系统，用于自动化检测和量化种植体周围边缘骨吸收	首次提出基于深度学习的级联系统，能够利用连续根尖片进行边缘骨吸收的自动化检测和量化，并部署为网络工具	样本量计算不适用于多模型架构，且部分模型性能较低（如近远中检测模型准确率为78%）	开发和验证用于自动化检测和量化边缘骨吸收的深度学习级联系统，并评估其与牙科专家的一致性	种植体周围的连续根尖片	计算机视觉	种植体周围炎	放射线影像	CNN	图像	2960张根尖片	PyTorch	ResNet, YOLO	准确率, F1分数, 平均绝对误差, 平均精度均值, 精确率, 召回率	NA
5718	2026-06-29	The feasibility of using deep learning technologies to preliminarily identify patients with advanced knee osteoarthritis via smartphone videos 2026-Mar-06, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-026-01904-z PMID:41792743	研究论文	利用智能手机视频和深度学习技术初步识别晚期膝关节炎患者的可行性研究	首次提出利用低成本、易用的智能手机视频和深度学习技术（AlphaPose和VideoPose）提取三维时空信息，结合离散小波变换分析，构建时间序列模型以区分晚期膝关节炎患者与身体功能下降的个体	未明确说明，可能包括样本量有限、视频质量依赖患者自录、模型泛化性需进一步验证	开发和验证一种简单的家庭人工智能方法，用于初步识别晚期膝关节炎患者	357名参与者的坐-站测试和步态视频	计算机视觉	膝关节炎	AlphaPose、VideoPose、离散小波变换	时间序列模型	视频	357名参与者	AlphaPose、VideoPose	AlphaPose, VideoPose, 时间序列模型	AUC	NA
5719	2026-06-29	Respiratory sound analysis for ICU clinical decision support: deep learning-based classification of normal and abnormal sounds using real ICU data 2026-03-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03409-0 PMID:41792763	研究论文	利用深度学习模型对ICU环境中的呼吸音进行分类，评估噪声预处理技术对性能的影响	在真实ICU嘈杂环境下收集临床数据，系统比较三种降噪预处理技术对呼吸音分类性能的影响，并基于VGG-16迁移学习构建分类模型	模型性能有限（AUC最高0.80），仅进行正常/异常二分类，需进一步开展多类分类、高级降噪策略和多中心验证	评估深度学习模型在ICU环境中分类呼吸音的性能，并测试降噪预处理技术的效果	ICU患者的呼吸音录音（正常音和异常音如湿啰音、哮鸣音、鼾音）	医疗人工智能	呼吸系统疾病	呼吸音分析	卷积神经网络（CNN）	音频	701个呼吸音录音（325个正常音、376个异常音）	NA	VGG-16	AUC	NA
5720	2026-06-29	GoLoCo-Net: global-local guided contextual attention network for medical images segmentation 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42415-0 PMID:41786873	研究论文	提出一种名为GoLoCo-Net的深度学习网络，结合双解码器结构，用于医学图像分割，能够在捕捉局部和全局上下文关系方面取得先进性能	设计双解码器结构，分别包含上下文注意力特征增强模块和全局引导局部特征模块，有效结合局部与全局上下文信息	未提及限制	提升医学图像分割的准确性，通过捕捉像素间的短程和长程关系来应对复杂结构和多样模式	医学图像分割任务	计算机视觉	NA	NA	CNN	图像	两个动态MRI数据集和一个多器官CT数据集	NA	GoLoCo-Net	NA	NA