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
41	2026-04-01	Enhanced swin transformer with dual attention for knee osteoarthritis severity grading from X-ray images 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44174-4 PMID:41912656	研究论文	本研究提出了一种名为Swin-O-NETS的新型混合深度学习框架，用于从膝关节X射线图像中自动分级骨关节炎的严重程度	提出了一种结合改进的Swin Transformer（带多头通道自注意力机制）与快速极限学习网络（FELN）的混合深度学习框架，用于膝关节骨关节炎严重程度分级	模型仅在单一数据集（OAI）上进行评估，未来需要在更大规模的多中心临床数据集上进行验证	开发一种能够从膝关节X射线图像中准确、自动地分级骨关节炎严重程度的深度学习模型	膝关节骨关节炎患者的X射线图像	计算机视觉	骨关节炎	X射线成像	Transformer, CNN	图像	2047张来自骨关节炎倡议（OAI）数据集的X射线图像，涵盖五个Kellgren-Lawrence（KL）严重程度等级	NA	Swin Transformer, Fast Extreme Learning Network (FELN)	准确率, 精确率, 召回率, 特异性, F1分数	NA
42	2026-04-01	DeepSentRec: a deep learning-based sentiment-aware product recommendation system 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45953-9 PMID:41912685	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
43	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
44	2026-04-01	CTRNet: a lightweight and efficient deep learning model for field maize whorl identification 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45727-3 PMID:41912746	研究论文	本文提出了一种名为CTRNet的轻量高效深度学习模型，用于解决田间玉米喇叭口期雄穗小目标检测的挑战	提出了CTRNet网络，通过多尺度上下文交互模块、双通道细粒度特征增强模块、门控自适应信息融合模块以及自适应通道-边缘注意力机制，增强了遮挡条件下小目标的特征表示能力	NA	开发一种轻量高效的深度学习模型，用于在复杂田间环境下准确识别玉米喇叭口期的雄穗	田间玉米植株的雄穗（喇叭口期）	计算机视觉	NA	深度学习	CNN	图像	NA	NA	CTRNet	mAP@0.5	NA
45	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
46	2026-04-01	Deep learning-based detection of bowel sound events in continuous recordings 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47018-3 PMID:41912873	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
47	2026-04-01	Deep learning for incidence rate prediction and radiation risk assessment of solid tumors 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46756-8 PMID:41912895	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
48	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
49	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
50	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
51	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
52	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
53	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
54	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
55	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
56	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
57	2026-04-01	Interpretable spatiotemporal traffic crash risk prediction using DMD-based graph neural networks 2026-Mar-29, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108522 PMID:41911624	研究论文	本研究开发了一种结合Hankel-DMD与时空图神经网络的混合框架，用于预测短期邻里级别的交通事故数量	提出了一种结合Hankel-DMD与STGNN的混合框架，能够以可解释的方式同时捕捉时空动态和空间依赖性	NA	预测城市交通事故的时空风险，支持主动安全管理	美国丹佛市78个邻里的每日交通事故记录	机器学习	NA	Hankel-DMD, 图神经网络	STGNN	时空数据	2019年至2021年78个邻里的每日事故记录	NA	STGNN	平均绝对误差, 均方根误差	NA
58	2026-04-01	Small-molecule binding and sensing with a designed protein family 2026-Mar-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70953-8 PMID:41904144	研究论文	本文结合深度学习和物理方法，设计了一个具有多样口袋几何形状的蛋白质家族，用于计算设计针对六种小分子靶标的结合剂，并开发了基于皮质醇结合剂的生物传感器	首次将深度学习方法与物理方法结合，生成可设计口袋几何形状的蛋白质家族，并成功应用于小分子结合剂的计算设计和生物传感器开发	未提及具体实验规模或样本量限制，可能受限于计算资源和蛋白质设计的复杂性	开发一种基于蛋白质设计的小分子结合剂和传感器平台	六种小分子靶标及其对应的设计蛋白质结合剂	机器学习	NA	深度学习，物理方法，蛋白质设计	深度学习模型	蛋白质结构数据，小分子数据	NA	NA	NA	结合亲和力（纳摩尔至低微摩尔范围），原子级设计准确性	NA
59	2026-04-01	Deep learning-based infrared thermography reveals reproducible uniform and individual thermoregulatory responses during running 2026-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44102-6 PMID:41904286	研究论文	本研究利用深度学习辅助的红外热成像技术，探讨了跑步期间皮肤温度指标的重复性及其与心肺和体温调节参数的关系	首次将深度学习应用于红外热成像数据的自动处理，以标准化感兴趣区域选择，并揭示了皮肤温度指标在重复运动中的高重复性和生理一致性	样本量较小（仅11名耐力训练个体），且研究仅针对跑步运动，可能限制了结果的普适性	评估深度学习辅助红外热成像在运动生理学中监测体温调节和心肺反应的重复性和生理相关性	11名耐力训练的个体	计算机视觉	NA	红外热成像	深度学习	图像	11名耐力训练的个体	NA	NA	皮尔逊相关系数, ICC值	NA
60	2026-04-01	Comparison of dimensionality reduction and feature selection for cognitive task decoding using functional connectivity 2026-Mar-28, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110746 PMID:41911955	研究论文	本研究比较了特征选择和降维方法在基于功能连接的认知任务解码中的性能，使用机器学习分类器评估预测准确性	首次系统比较特征选择和降维方法在认知任务解码中的性能，并识别了特征保留与预测准确性之间的“最佳平衡点”	研究结果在不同数据集和任务间存在差异，未发现特征选择或降维方法具有普遍优越性	比较特征选择和降维方法在功能磁共振成像数据中认知任务解码的预测性能	功能磁共振成像生成的功能连接数据	机器学习	NA	功能磁共振成像	NA	功能连接数据	两个开源数据集	NA	NA	解码准确性	NA