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
6361	2026-06-18	Filling the Gaps: Generating 4D Dense Cardiac Anatomy from Sparse CMR for Enhanced Tetralogy of Fallot Assessment 2026-Jun-16, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102765 PMID:42303157	研究论文	提出一种两阶段深度学习管道，从稀疏的2D心脏磁共振图像重建4D密集心脏解剖结构，以增强法洛四联症术后评估	利用CT和各向同性的3D全心脏分割数据训练深度学习模型，从稀疏的类心脏磁共振切片重建密集3D解剖结构，并模拟临床中常见的不完整采集场景	训练数据仅来自法洛四联症患者，可能限制了方法在其他心脏病变中的泛化能力且样本量较小	开发和验证从常规2D心脏磁共振图像重建3D全心脏解剖结构的深度学习管道，以提高法洛四联症术后评估的准确性	法洛四联症术后患者的3D心脏解剖结构	数字病理学	法洛四联症	心脏磁共振成像，CT扫描	U-Net	图像	152名训练患者，19名测试患者（心脏磁共振），18名患者（磁共振血管成像），1715例CT分割数据	PyTorch	U-Net	Dice相似系数，体积和质量的绝对误差	NA
6362	2026-06-18	Fully automated CT-based quantitative body composition analysis for predicting survival in patients with HCC undergoing TACE: a dual-cohort study 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56245-7 PMID:42303673	研究论文	评估基于CT的全自动身体成分分析在接受TACE治疗的肝细胞癌患者中预测总生存期的预后价值	首次在一个双队列研究中，使用开源全自动深度学习流程提取骨骼肌和脂肪指标，并验证其在TACE患者预后中的独立预测能力，尤其通过随机生存森林分析展示了肌肉指标的补充价值	Cox比例风险模型中，添加骨骼肌密度指标后区分度的改善较小且未达到统计学显著性，提示其主要价值在于提供补充性生物数据而非独立预测	评估基于CT的完全自动化身体成分分析在接受TACE治疗的肝细胞癌患者中的预后价值	接受TACE治疗的肝细胞癌患者	机器学习, 医学影像分析	肝细胞癌	CT影像分析	深度学习模型, Cox比例风险模型, 随机生存森林	CT图像	330名患者（WAW-TACE队列230例，HCC-TACE-Seg队列100例）	NA	NA	C指数, 校正C指数	NA
6363	2026-06-18	Quantitative characterization of crack coalescence mechanisms in granite at the mesoscopic scale using deep learning 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52329-6 PMID:42303688	研究论文	本研究利用深度学习和扫描电子显微镜对花岗岩在细观尺度上的裂纹聚结机制进行了定量表征	首次将深度学习与SEM结合，定量表征花岗岩裂纹表面的细观拉伸和剪切形态，并建立了表面应变行为与内部裂纹聚结机制的关联	NA	定量表征花岗岩在细观尺度上的裂纹聚结机制	花岗岩裂纹表面的细观形态	机器学习	NA	扫描电子显微镜	深度学习模型	图像	NA	NA	NA	NA	NA
6364	2026-06-18	Retraction Note: Reinforcement learning-driven deep learning approaches for optimized robot trajectory planning 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57775-w PMID:42303714	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6365	2026-06-18	AgriTrack framework for AI-based tracking of pest migration through farmers' helpline data 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57248-0 PMID:42303731	研究论文	提出了AgriTrack框架，利用农民求助热线数据，通过人工智能技术追踪害虫迁移并进行时空分析	首次利用大规模农民求助热线数据（超过3600万条）开发AI框架，实现害虫迁移的时空追踪、关键日期提取和农民信息需求预测	未明确说明局限性，但框架依赖求助热线数据质量，可能受区域覆盖和农民报告偏差影响	辅助精准农业中害虫与病害的时空移动追踪、时间分析及农民信息需求预测	印度全国范围内的小麦作物中“白蚁”害虫的时空动态	机器学习	农业害虫相关疾病	NA	深度学习	文本（农民求助热线查询记录）	超过3600万条来自印度农民求助热线的查询记录，时间跨度14年	NA	NA	NA	NA
6366	2026-06-18	Acoustic deep learning for defect detection in aluminium wheel rims 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58225-3 PMID:42303807	研究论文	提出一种基于声学深度学习的铝合金轮毂缺陷检测框架RimNet，利用单次脉冲激励的声学响应实现自动化状态评估	首次将短时傅里叶变换与卷积神经网络结合用于轮毂声学缺陷检测，引入域过滤和难负样本挖掘技术提升缺陷相关状态的区分度	误分类案例与几何变异性相关的样本分类边界减小及不确定性增加有关，且基于声学信号的方法可能受环境噪声影响	开发一种可集成于车间环境的自动化铝合金轮毂缺陷诊断方法，取代传统依赖操作员经验的视觉和感官评估	铝合金轮毂的结构缺陷检测，包括几何偏差、材料缺陷和可服役状态	数字病理学	NA	NA	卷积神经网络	声学信号	930个标注样本，代表广泛的实际轮毂状态	NA	RimNet	准确率，不确定性指标（预测边界、熵、Brier分数、能量指标）	NA
6367	2026-06-18	Overview of State-of-the-Art Learning-Based Classification Methods in Medical Imaging 2026-Jun-16, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-026-04241-3 PMID:42303852	综述	综述当前医学影像中基于学习的最先进分类方法，重点介绍临床相关的先进技术	聚焦于基础模型、视觉-语言模型和标签高效预训练等最新进展，而非重复已成熟的模型	未详细讨论所有模型的实现细节，可能忽略部分特定领域的进展	为生物医学工程师和临床医生提供选择与验证基于人工智能的分类器的临床参考	医学影像中的分类方法，涉及X射线、CT、MRI、PET/SPECT、超声、OCT、内窥镜、显微镜及光学/分子/红外成像等多种模态	计算机视觉	NA	NA	CNN, Transformer, 混合架构	图像	NA	NA	CNN-Transformer混合架构	NA	NA
6368	2026-06-18	Robust quantification of ICG fluorescence perfusion in neonatal bowel surgery via deep point tracking 2026-Jun-16, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03733-w PMID:42303896	研究论文	提出一种基于深度学习点跟踪的ICG荧光灌注定量框架，用于新生儿肠道手术中的稳健灌注分析	采用最先进的Transformer点跟踪模型CoTracker3，实现用户指定ROI和全可见组织区域的密集采样跟踪，并生成动态灌注热图	仅通过初步验证，需要进一步的临床验证研究	开发一种稳健的ICG荧光灌注定量方法，克服现有商业方案在组织运动和遮挡方面的局限性	新生儿肠道手术中的ICG荧光灌注视频	计算机视觉	新生儿肠道疾病	ICG荧光成像	Transformer	视频	新生儿肠道灌注视频（未具体说明数量）	NA	CoTracker3	NA	NA
6369	2026-06-18	An uncertainty-aware vision transformer-BiLSTM Bayesian framework for reliable clinical decision support using chest X-rays 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56665-5 PMID:42304009	研究论文	提出一种基于不确定性感知的视觉Transformer-BiLSTM贝叶斯框架，用于胸部X射线片的可靠临床决策支持	将视觉Transformer、BiLSTM和贝叶斯融合层结合，实现高可靠性的疾病检测，同时量化偶然不确定性和认知不确定性	未明确说明，但可能在数据集规模、计算资源或泛化性方面存在限制	解决深度学习在临床应用中可靠性、可解释性和不确定性估计的问题	胸部X射线图像中的肺炎、肺纤维化和胸腔积液检测	计算机视觉, 数字病理学	肺炎, 肺纤维化, 胸腔积液	胸部X射线成像	视觉Transformer, BiLSTM, 贝叶斯融合层	图像	MIMIC-CXR-JPG和PadChest-GR两个大规模数据集	PyTorch	Vision Transformer, BiLSTM, U-Net	准确率, AUC-ROC, F1分数, Brier分数, ECE	NA
6370	2026-06-18	Correcting motion-related B0 inhomogeneities in magnetic resonance imaging via combined spherical harmonics and AC/DC matrix coils using DL-based prediction-simulation study 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56900-z PMID:42304045	研究论文	通过深度学习预测结合球谐函数和AC/DC矩阵线圈，纠正磁共振成像中运动引起的B0不均匀性	提出使用深度学习预测B0变化，实现无需额外扫描时间的实时匀场更新，有效维持运动下的磁场均匀性	研究基于仿真数据，未在真实MRI扫描中验证；仅评估了第一阶SPH和31通道AC/DC线圈组合，实际多通道系统的性能可能不同	实现运动鲁棒的实时磁共振匀场，减少运动对磁场均匀性的影响	运动过程中的B0场不均匀性及其实时校正方法	机器学习	NA	MRI, 球谐函数匀场, AC/DC矩阵线圈	深度学习预测模型	模拟B0场数据	NA	NA	NA	B0均匀性, 梯度回波和回波平面成像性能	NA
6371	2026-06-18	Incorporating dataset-level semantic priors into large language models for environmental time-series forecasting: a soil moisture and temperature case study 2026-Jun-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57634-8 PMID:42304061	研究论文	提出一种结合数据集级语义先验的大型语言模型框架，用于土壤湿度和温度时间序列预测	将数据集级语义先验（描述重复模式、时间分辨率和系统行为）融入大型语言模型，补充局部数值观测信息，提升环境时间序列预测性能	在更长预测区间（24-48小时）不同模型性能差异缩小，表明系统存在内在可预测性限制	探索大型语言模型在环境时间序列预测中融入全局环境特征（语义先验）的潜力	温室高频土壤湿度和土壤温度时间序列数据	机器学习	NA	NA	大型语言模型（LLM）	时间序列数据	NA	PyTorch	NA	平均绝对误差（MAE）	NA
6372	2026-06-18	Multimodal Deep Learning for Predicting Deep Vein Thrombosis Risk After Total Knee Arthroplasty: A Clinical Study 2026-Jun-16, Orthopaedic surgery IF:1.8Q2 DOI:10.1111/os.70335 PMID:42304630	研究论文	开发了一种多模态深度学习框架，整合术后早期X光片和临床数据，用于预测全膝关节置换术后深静脉血栓风险	首次采用动态注意力融合模块结合影像与电子病历数据，实现样本特异性模态权重分配，并生成可解释的解剖热图定位高危区域	未建立因果关系，仅观察到特定影像或临床发现与模态依赖模式的相关性	提高全膝关节置换术后深静脉血栓风险分层准确性	1200名全膝关节置换术后患者（深静脉血栓发生率18.0%）	计算机视觉, 自然语言处理	深静脉血栓	NA	ViT-B/16, ResNet50, Clinical-BERT	影像（X光片）, 文本（电子病历）	1200名患者（训练集）+ 180名测试集	PyTorch	ViT-B/16, ResNet50, Clinical-BERT	AUC, 敏感性, 特异性, F1分数	NA
6373	2026-06-18	Automated measurement of left ventricular ejection time via contactless suprasternal notch laser vibrometry 2026-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51677-7 PMID:42289419	研究论文	提出一种利用激光多普勒测振仪在胸骨上切迹进行非接触式左心室射血时间自动测量的方法，并验证其与超声心动图的一致性	首次将激光多普勒测振技术应用于胸骨上切迹处的非接触式左心室射血时间测量，并开发了深度学习模型实现自动提取，消除了专家解读的瓶颈	研究仅涉及238名个体的队列，样本量相对有限，且未对不同人群和临床场景的测量性能进行广泛验证	实现一种可扩展、非接触式、无需设置的心脏功能评估方法，以促进大规模人群筛查和心血管健康管理	238名个体的左心室射血时间及其在主动脉瓣反流和狭窄患者中的临床意义	数字病理学	心血管疾病	激光多普勒测振术	卷积神经网络, 循环神经网络, 深度神经网络	激光测振信号	238名个体	PyTorch	NA	平均绝对误差	NA
6374	2026-06-18	Photoacoustic device fingerprints induce bias in deep learning models 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53468-6 PMID:42288533	研究论文	首次提供多中心分析，揭示光声成像设备指纹导致深度学习模型产生偏差	首次对光声成像中由硬件引起的偏差进行多中心分析，发现同一设备类型的不同实例在图像中嵌入可识别的指纹，并且深度学习模型会利用这些指纹进行疾病诊断时产生有偏预测	数据稀疏性限制模型泛化能力，且硬件相关混杂因素的影响尚未探索	探讨光声成像设备硬件特征对深度学习模型偏差的影响，并强调多中心部署中的风险	来自四个设备实例和两项外周动脉疾病研究的光声图像	计算机视觉	外周动脉疾病	光声成像	深度学习模型	图像	四个设备实例和两项外周动脉疾病研究的图像	NA	NA	准确率	NA
6375	2026-06-18	An intelligent SCADA-integrated deep learning framework for bird-safe offshore wind farm operation 2026-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55549-y PMID:42288555	研究论文	提出一种整合SCADA与深度卷积神经网络的智能框架，用于实现海上风电场中鸟类的自动检测与涡轮机避让控制	将深度学习鸟类检测模型与SCADA系统直接集成，通过多区域接近评估策略自动触发涡轮机控制动作，实现从图像分类到操作控制的端到端自动化	在受控数据集条件下评估，未充分代表真实海上环境中的远距离检测、运动模糊、遮挡和复杂背景，性能上限需通过真实海上数据验证	实现海上风电场中鸟类碰撞风险的智能自动化缓解，推动环境可持续运营	525种鸟类的9万余张图像，以及SCADA系统控制的涡轮机响应机制	计算机视觉	NA	SCADA数据采集与深度学习图像分类	深度卷积神经网络	图像	包含525种鸟类的9万余张图像	NA	深度卷积神经网络 (DCNN), VGG16	准确率, 精确率, 召回率, F1分数	NA
6376	2026-06-18	A cancelable ear recognition system via optimized deep feature fusion 2026-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57027-x PMID:42288558	研究论文	提出一种基于优化深度特征融合的可取消耳部识别系统	创新性地采用MobileNetV3和DenseNet-121双流CNN特征提取与融合，并运用多学习策略金鹰优化算法（MLSGEO）进行特征优化，同时结合梳状滤波器实现非可逆的可取消生物模板保护	未明确讨论在极端变化条件下的鲁棒性以及计算复杂度	开发一个高精度、高安全性的可取消耳部识别系统，克服图像变化（姿态、尺度、旋转、光照和对比度）带来的挑战	人耳生物特征	计算机视觉	不适用	生物特征识别	卷积神经网络（CNN）	图像	5个基准耳部数据集（AMI、AWE、IITD-I、IITD-II、UERC）	不适用	MobileNetV3, DenseNet-121	识别准确率	不适用
6377	2026-06-18	Decision processes in 3D structural MRI schizophrenia classification evaluated with saliency maps 2026-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57667-z PMID:42288602	研究论文	利用显著性图评估三维结构MRI精神分裂症分类中的决策过程并评价深度学习模型的可解释性	首次通过定性和定量评估七种常用深度学习架构的Grad-CAM显著性图，发现仅有两种模型在精神分裂症分类中基于合理的脑结构信息做出决策，并开发了将显著性图转化为通用可解释解剖标记的方法	仅评估了七种模型架构，且仅针对精神分裂症分类任务，未探讨其他精神疾病或更复杂模型的可解释性	评估深度学习模型在精神分裂症分类中的决策可解释性，并探索从显著性图中提取生物标记物的可行性	精神分裂症患者与健康对照的三维结构MRI数据	机器学习	精神分裂症	MRI	CNN	图像	NA	NA	Grad-CAM	NA	NA
6378	2026-06-18	Hybrid deep learning model for brain age prediction using time-distributed convolutional and bidirectional LSTM networks 2026-06-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54198-5 PMID:42286062	研究论文	提出一种混合深度学习模型，利用时间分布卷积和双向LSTM网络进行脑龄预测	结合时间分布卷积和双向LSTM层的新型深度学习架构，并通过使用VBM的MRI数据和预处理步骤（异常值检测、数据增强、切片选择）提升了预测准确性	未明确提及局限性，但可能包括数据集单一、年龄预测误差仍有提升空间等	提高脑龄预测的准确性和可靠性，减少脑龄差距的误差	OpenBHB数据集的MRI脑图像数据	计算机视觉	神经系统疾病（如精神分裂症、阿尔茨海默病）	MRI成像	深度学习模型（时间分布卷积和双向LSTM）	图像	NA（未提及具体样本数量）	NA（未提及）	时间分布卷积层、双向LSTM层	平均绝对误差 (MAE), R²分数	NA（未提及）
6379	2026-06-18	A PSC-tailored deep learning model for liver segmentation on fat-saturated T2-weighted MR: Robustness to hepatic dysmorphia and multicentre generalisability 2026-Jun-12, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113010 PMID:42302441	研究论文	本研究旨在找到一种有效且准确的肝脏分割策略，用于原发性硬化性胆管炎（PSC）患者的脂肪饱和T2加权MRI，并验证GLRM-RunEntropy这一放射组学特征的预后价值	针对PSC患者脂肪饱和T2加权MRI训练的nnU-Net模型在肝脏分割上表现卓越，对肝脏形态变异和队列差异具有鲁棒性，优于通用分割工具	未提及具体局限性，但可能包括样本量有限或外部验证队列的多样性不足	识别PSC患者脂肪饱和T2加权MRI的有效肝脏分割策略，实现GLRM-RunEntropy的多中心验证	183名PSC患者的脂肪饱和T2加权MRI图像（来自内部和外部队列）	计算机视觉	原发性硬化性胆管炎（PSC）	MRI（脂肪饱和T2加权成像）	nnU-Net	图像（MRI）	183名PSC患者	PyTorch	nnU-Net	Dice相似系数（DSC），Hausdorff距离（HD）	未提及
6380	2026-06-18	Deep learning four decades of human migration 2026-Jun-10, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10611-7 PMID:42271065	研究论文	利用深度集成递归神经网络整合多源数据，构建1990年至今全球230个国家与地区的年度迁移流数据集	首次实现人口迁移流的年度动态估计，通过集成深度递归神经网络融合地理、经济、文化与政治协变量，较现有五年期估计提供更精细的时间分辨率	不确定性较高的区域仍需改善数据收集；部分区域数据稀疏可能影响估计可靠性	构建全球一致、高时间分辨率的人口迁移流数据集，揭示迁移动态与短期响应	全球230个国家与地区的人口迁移流（1990年至今）	机器学习	NA	NA	深度集成递归神经网络	统计资料、人口普查存量数据、净迁移估计、历史迁移流重建数据	覆盖230个国家与地区，时间跨度34年（1990-2024）	NA	深度递归神经网络	准确性（相对于五年期估计的留出数据验证）	NA