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
6441	2026-06-18	Evaluation of the effectiveness of artificial intelligence models in radiopaque and radiolucent lesions of the maxillofacial region on panoramic radiographs 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00838-x PMID:40593453	研究论文	评估深度学习模型在全景X线片上分类、检测和分割颌面部放射透射性及阻射性病变的效果	首次系统比较多种深度学习架构（AlexNet、VGG16、GoogleNet、YOLOv8）在颌面部病变分析中的分类、检测与分割性能	样本来源单一，病变分类精度在区分放射透射性与阻射性病变时较低（68.4%），多分类任务准确性有限	评估AI深度学习算法在全景X线片中对颌面部放射透射性及阻射性病变的分类、检测和分割效果	12至80岁个体的全景X线片，包含颌面部放射透射性或阻射性病变	计算机视觉	颌面部疾病	全景X线摄影	CNN	图像	未指定具体数量，包含来自12-80岁个体的全景X线片	NA	AlexNet, VGG16, GoogleNet, YOLOv8	准确率, 精确率, 召回率, F1分数, 平均精度均值	NA
6442	2026-06-18	Area detection improves the person-based performance of a deep learning system for classifying the presence of carotid artery calcifications on panoramic radiographs 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00843-0 PMID:40694246	研究论文	研究两种基于区域检测的深度学习系统在口腔全景X光片上分类颈动脉钙化灶的效果，并与直接分类整张影像的系统进行比较	首次比较前置区域检测和同步区域检测两种策略对深度学习系统在口腔全景X光片上分类颈动脉钙化的性能提升	未明确说明	评估前置或同步区域检测功能对深度学习系统分类颈动脉钙化性能的影响	口腔全景X光片上颈动脉钙化灶的分类	计算机视觉	颈动脉钙化	深度学习	卷积神经网络	图像	580张来自290名患者和290名对照的口腔全景X光片	NA	GoogLeNet, YOLOv7	AUC	NA
6443	2026-06-18	Deep learning model for automated segmentation of sphenoid sinus and middle skull base structures in CBCT volumes using nnU-Net v2 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00848-9 PMID:40748555	研究论文	基于nnU-Net v2开发深度学习模型，实现CBCT图像中蝶窦和中颅底结构的自动分割	首次将nnU-Net v2应用于CBCT图像中蝶窦及中颅底解剖结构的自动分割，并评估其分割性能	模型在中颅底其他孔的骨性结构分割上表现有限，需进一步优化	开发并验证用于CBCT影像中蝶窦和中颅底结构自动分割的深度学习模型	蝶窦、圆孔、翼管及中颅底其他孔的骨性结构	计算机视觉	无特定疾病	锥形束计算机断层扫描（CBCT）	nnU-Net v2	医学图像（CBCT扫描）	99例CBCT扫描样本	nnU-Net v2	nnU-Net v2	准确率、精确率、召回率、Dice系数、95% Hausdorff距离、交叉并比、AUC	未提及
6444	2026-06-18	Evaluation of deep learning-based segmentation models for carotid artery calcification detection in panoramic radiographs 2026-01, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00858-7 PMID:40931257	研究论文	评估深度学习分割模型在全景X光片中检测颈动脉钙化的有效性，并比较不同YOLO模型的性能	首次系统比较YOLOv5x-seg、YOLOv8x-seg和YOLOv11x-seg三种分割模型在颈动脉钙化检测中的表现，并探讨患者性别与疾病关联	数据来自单一机构，样本量相对较小（652张标注X光片），需更大规模多样化验证泛化性	评估AI辅助分割方法检测颈动脉钙化的性能，并分析性别关联	颈动脉钙化检测	计算机视觉	心血管疾病	全景X光成像	YOLO	图像	30,883张全景X光片，其中652张标注（共1,086个标注）	PyTorch	YOLOv5x-seg, YOLOv8x-seg, YOLOv11x-seg	精确率, 敏感度, F1分数	NA
6445	2026-06-18	Automated diagnosis and classification of skeletal malocclusion using artificial intelligence on 2D facial photographs: A multi-modal deep learning approach 2026-01, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106257 PMID:41270953	研究论文	利用2D面部照片和元数据通过多模态深度学习框架诊断和分类骨性错颌畸形	首次将面部照片与元数据（性别和年龄）结合，使用MobileNetV3-Large作为骨干网络构建FaceDSM-Net，实现了基于2D照片的骨性错颌畸形可靠分类，并通过Grad-CAM提供可解释性	模型的泛化能力仅达到中等水平，尤其在侧面垂直分类任务上；样本量有限且为单中心回顾性数据，可能影响外部推广性	建立并验证一种基于2D面部照片的两阶段深度学习框架，用于经济高效地识别矢状向和垂直向骨性错颌畸形	1427名患者的2854张面部照片及对应侧位头影测量片和元数据（性别和年龄）	计算机视觉	骨性错颌畸形	多模态深度学习	CNN	图像	1427名患者的2854张2D面部照片	PyTorch	MobileNetV3-Large	准确率、精确率、AUC、召回率、F1分数	NA
6446	2026-06-18	Deep Learning-Based Prediction Model for Cardiac Resynchronization Therapy Responders Using Electrocardiogram Data 2026-01, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70212 PMID:41331773	研究论文	利用术前心电图数据开发深度学习模型预测心脏再同步治疗反应者	首次将自监督学习增强的ResNet-18模型应用于心电图图像预测CRT反应，并利用Grad-CAM解释模型关注区域，揭示了心电特征异质性	样本量较小（285例），为单中心回顾性研究，且模型性能仍有提升空间，PPV和NPV的均衡性需进一步优化	开发并评估基于术前心电图的深度学习模型，用于预测CRT反应，以改善患者筛选和个性化治疗策略	接受CRT植入并完成6个月随访的心力衰竭患者	机器学习	心血管疾病	心电图（ECG）	CNN, LightGBM, 自监督学习	图像, 时间序列	285名患者（其中36例用于模型可解释性分析）	PyTorch, LightGBM	ResNet-18, LightGBM	准确率, 阳性预测值, 阴性预测值	NA
6447	2026-06-18	Deep Learning Approaches for Multiple Sclerosis Detection in MRI Images 2026, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/5726771 PMID:41943462	研究论文	探索利用深度学习模型自动检测MRI图像中多发性硬化症病灶	系统比较多种CNN架构在MS病灶检测任务上的表现，发现预训练VGG16效果最佳	数据集来自少数患者（60例），模型在资源受限环境中效率与性能的平衡有待验证	自动化MS病灶检测以提高临床诊断效率	MRI图像中的多发性硬化症病灶	计算机视觉	多发性硬化症	MRI	CNN	图像	来自60名患者的2831张FLAIR和T2 MRI切片	NA	AlexNet, VGG16, ResNet-10, DenseNet-121	准确率, 精确率, 召回率, F1分数, AUC	NA
6448	2026-06-18	A two stage statistical framework for cold start spare part demand forecasting 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350729 PMID:42302088	研究论文	提出一种两阶段统计框架ZIG MC，用于在无历史数据的冷启动条件下预测备件需求	将需求分解为发生概率与量级两个独立组件，并通过蒙特卡洛模拟生成完全概率预测，解决了零膨胀和分布不确定性难题	依赖分布假设（伯努利与伽马分布），且对蒙特卡洛采样大小敏感，工业应用中对计算资源有一定需求	在无历史数据的冷启动条件下实现准确且完全概率的备件需求预测	工业交易数据集中的新备件	机器学习	NA	NA	伯努利分类器、伽马模型、蒙特卡洛模拟	交易数据	工业交易数据集，具体样本数量未说明	PyTorch（用于DeepAR基准）	伯努利分类器与伽马回归模型组成的零膨胀伽马蒙特卡洛（ZIG MC）框架	MAE, MASE, CRPS, 分位数可靠性分析	NVIDIA RTX 3090 GPU（用于DeepAR训练）
6449	2026-06-18	Identification of Antibacterial Hits Associated with Penicillin-Binding Protein 2 in Escherichia coli Using a Comprehensive Property Spectrum and Fivefold Maximum Drug-Likeness Strategy 2026, Drug design, development and therapy DOI:10.2147/DDDT.S595430 PMID:42305821	研究论文	开发并应用五重最大类药策略，优先筛选针对大肠杆菌的抗菌候选化合物	提出基于深度学习的33维属性谱和五重最大类药策略，综合评估抗菌候选物的多重性质	M2的机制、安全性及更广泛适用性需进一步验证	早期抗菌候选物筛选，平衡抗菌活性与可开发性	大肠杆菌中的青霉素结合蛋白2	机器学习	细菌感染	深度学习、分子对接、分子动力学模拟、Bocillin-FL竞争实验	NA	化学分子结构数据	约1600万商业分子筛选，15个候选实验评估	NA	NA	属性谱相似度得分（0.929-0.971）、最低抑菌浓度（MIC）、抑菌圈直径	NA
6450	2026-06-18	Advances in AI-based diagnosis of Alzheimer's disease using MRI: a comprehensive survey 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1767090 PMID:42305954	综述	全面评估2000-2025年间利用MRI和人工智能诊断阿尔茨海默症的研究，识别关键限制并展望未来方向	系统总结了限制AI检测阿尔茨海默症临床应用的五大挑战，并提出联邦学习、可解释AI和标准化基准协议等解决方案	研究主要基于现有文献的综合分析，未提出具体的实验验证或新模型	综述基于MRI的AI诊断阿尔茨海默症的研究进展，识别方法论问题并指出未来方向	2000-2025年间的相关研究文献	计算机视觉, 机器学习	阿尔茨海默症	MRI	CNN	图像（MRI）	NA	NA	CNN	准确率	NA
6451	2026-06-18	Deep learning and multi-statistical features: an intra-frame forgery detection video method 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1784359 PMID:42305948	研究论文	提出一种利用空间域和压缩域统计特征检测视频拼接伪造的深度学习方法	通过VGG-16模型融合空间域和压缩域的多统计特征，替代传统纹理分析方法，并对JPEG压缩和图像修改引起的视觉失真进行双重分析	NA	检测视频中的拼接伪造操作，提高取证准确性	视频帧的空间域和压缩域特征，用于识别图像区域中的篡改痕迹	计算机视觉	NA	VGG-16深度学习、统计特征提取（MER、MFR、FGM、MOI、MEI）、二维离散余弦变换	CNN	视频帧图像	基于HTVD和GRIP数据集验证	NA	VGG-16	拼接伪造检测准确率	NA
6452	2026-06-18	Comparing manual vs. automated machine learning and deep learning models for predicting one-year mortality in elderly hip fracture patients 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1804645 PMID:42305966	研究论文	比较手动优化与自动化机器学习及深度学习模型在预测老年髋部骨折患者一年死亡率中的性能	引入大型语言模型结合树结构管道优化工具的自动化ML流程，并与手动优化模型进行基准比较，为临床风险预测提供更易使用的替代方案	未在外部数据集验证，无法评估模型泛化能力；自动化ML模型解释性可能低于手动优化XGB模型	评估机器学习与深度学习模型在预测老年髋部骨折患者一年全因死亡率中的表现，并探索自动化机器学习方法的临床可行性	2017年1月至2023年11月在以色列Sheba医疗中心接受紧急髋部骨折手术的2,604名老年患者（≥65岁）	机器学习	老年疾病	NA	机器学习模型（如XGBoost）、深度学习模型、自动化ML模型	表格数据（临床、人口学、围手术期及实验室变量）	2,604名老年髋部骨折患者	SMOTE, TPOT	XGBoost, 大语言模型（LLM）	AUC, 准确率, 精确率, 召回率, F1分数, 假阳性率, 真阴性率	NA
6453	2026-06-18	Multi-OCT-SelfNet: integrating self-supervised learning with multi-source data fusion for enhanced multi-class retinal disease classification 2026, Frontiers in systems biology DOI:10.3389/fsysb.2026.1717398 PMID:42306243	研究论文	提出一种基于自监督学习与多源数据融合的OCT视网膜疾病分类框架Multi-OCT-SelfNet，提高模型泛化能力	将自监督预训练（掩码自编码器）与多源OCT数据集融合相结合，并采用SwinV2 Transformer骨干网络，有效提升跨数据集和有限数据下的分类性能	未在真实临床多中心数据上验证，且性能依赖于预训练数据源的多样性	解决医学影像数据稀缺和域差异导致的深度学习模型泛化能力不足问题	视网膜疾病多分类任务（源自OCT图像）	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	Transformer（SwinV2）	图像（OCT影像）	三个基准数据集DS1、DS2、DS3（具体样本数未提及）	PyTorch（基于掩码自编码器框架）	SwinV2、ResNet-50（作为基线）	AUC-ROC	NA
6454	2026-06-18	Automated deep learning-radiomics pipeline for non-calcified coronary plaque detection using non-contrast calcium score CT 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1794024 PMID:42306590	研究论文	提出一种结合深度学习和影像组学的自动化流程，用于非对比增强钙化积分CT中非钙化冠状动脉斑块的检测	首次将深度学习分割模型与影像组学结合，用于非对比增强钙化积分CT中非钙化斑块的自动化检测，并比较了不同感兴趣区域（冠状动脉、冠状动脉周围脂肪组织及其组合）的模型性能	研究仅针对左前降支和右冠状动脉，未涵盖其他冠状动脉分支；样本量可能有限，模型性能需在更大规模多中心数据中进一步验证	开发并验证一种自动化流程，用于在非对比增强钙化积分CT图像中高效检测左前降支和右冠状动脉的非钙化斑块	非钙化冠状动脉斑块及冠状动脉周围脂肪组织	计算机视觉, 数字病理学	冠状动脉疾病	CT扫描（非对比增强钙化积分）	深度学习分割模型（SegResNet），影像组学模型	CT图像	两个医疗中心的回顾性入组患者，分为病变组和对照组，具体数量未提及	PyTorch	SegResNet	AUC	NA
6455	2026-06-18	An explainable deep learning approach for sleep staging in sleep apnea patients across all age subgroups from pulse oximetry signals 2025-Dec-22, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2025.112562 PMID:42306231	研究论文	提出一种基于脉搏血氧信号的可解释深度学习模型POxi-SleepNet，用于对所有年龄亚组阻塞性睡眠呼吸暂停患者进行睡眠分期	首次利用U-Net框架结合可解释人工智能方法对脉搏血氧信号进行四类睡眠分期，并定量解释影响分类的时频特征；在涵盖儿童至老年人的大规模多中心数据集上验证了模型的通用性	仅使用脉搏血氧信号，未结合脑电图等其他生理信号；可解释性分析可能未完全捕捉所有影响睡眠分期的复杂特征	开发并验证一种可解释的深度学习模型，利用脉搏血氧信号对所有年龄亚组的OSA患者进行准确睡眠分期	阻塞性睡眠呼吸暂停患者，包括儿童、青少年、成人和老年人	机器学习	阻塞性睡眠呼吸暂停	脉搏血氧测定	U-Net	信号	17303例睡眠研究数据，涵盖儿童、青少年、成人和老年人	PyTorch	U-Net	准确率, Cohen's kappa	NA
6456	2026-06-18	Segmentation of cortical bone, trabecular bone, and medullary pores from micro-CT images using 2D and 3D deep learning models 2025-12, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25633 PMID:39905914	研究论文	利用2D和3D深度学习模型从微型CT图像中分割皮质骨、小梁骨和髓腔孔隙	提出名为BONe（Bone One-shot Network）的卷积神经网络模型，从头训练2D和3D分割模型，比较2D与3D模型在骨显微结构分割中的表现，发现2D模型在细节标注上略优，而3D模型在泛化和平滑内部表面方面表现更好	3D模型计算成本高，限制了其可扩展性和实用性，且模型在不同物种和扫描质量下性能存在差异	开发快速准确的自动骨分割方法，比较2D与3D深度学习模型在显微CT图像中分割皮质骨、小梁骨和髓腔孔隙的效果	水獭长骨的显微CT扫描图像	计算机视觉	NA	显微CT成像	卷积神经网络（CNN）	图像	水獭长骨的显微CT扫描数据，具体样本数量未提及	NA	BONe（定制CNN架构）	分割性能指标（如准确率、Dice系数等）未在摘要中具体说明	NA
6457	2026-06-18	Advances in artificial intelligence-based radiogenomics for lung cancer precision medicine 2025-12-01, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae224a PMID:41265027	综述	综述基于人工智能的放射基因组学在肺癌精准医学中的进展	整合医学影像、基因组学和临床数据，实现非侵入性预测关键致癌驱动突变、探索影像特征与基因表达关联、开发预后模型	标准化、全面验证、模型可解释性、种族多样性及多组学数据库构建方面存在挑战	探究放射基因组学在肺癌精准治疗中的临床价值与通用性	肺癌患者的数据（包括医学影像、基因组和临床数据）	机器学习	肺癌	放射基因组学	机器学习、深度学习	医学影像、基因组数据、临床数据	NA	NA	NA	NA	NA
6458	2026-06-18	Machine and deep learning applied to medical microwave imaging: a scoping review from reconstruction to classification 2025-10-15, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae0bd3 PMID:40997871	综述	本文综述了机器学习和深度学习在医学微波成像中的应用，重点关注图像重建和分类两个领域	系统梳理了机器学习在微波成像中从重建到分类的全面应用，特别强调了卷积神经网络和支持向量机等算法在图像质量提升和组织分类中的作用，并展望了临床转化潜力	未明确提及具体局限性，但作为范围综述，可能缺乏对算法性能的定量比较或对不同方法的严格验证	评估机器学习和深度学习在医学微波成像中的应用现状，特别是在图像重建和分类中的角色，并探索其临床前景	微波成像技术和机器学习算法在医学图像重建（如增强图像质量）和分类（如区分不同组织类型）中的应用	计算机视觉, 机器学习	乳腺癌, 神经疾病	微波成像(MWI)	卷积神经网络(CNN), 支持向量机(SVM)	医学图像	NA	NA	CNN, SVM	NA	NA
6459	2025-09-08	Commentary on: "Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model" 2025-Oct, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107652 PMID:40914072	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6460	2026-06-18	High-performance identification of insulating materials by using generalized spectrum in laser-induced breakdown spectroscopy 2025-Sep-11, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01151e PMID:40838327	研究论文	提出了一种基于激光诱导击穿光谱的广义光谱方法，用于高性能识别绝缘材料，显著提升分类准确性	提出广义光谱法（GSM-LIBS），通过整合多个光谱特征（如峰强度、积分强度、强度比、辐射背景和光谱形状）保留全局和局部信息，优于传统PCA方法	未明确说明局限性	实现绝缘材料的高性能识别，减少资源浪费和污染，促进资源回收	七种不同类型的绝缘材料	机器学习	NA	激光诱导击穿光谱（LIBS）	K近邻（KNN）、支持向量机（SVM）、神经网络（NN）	光谱数据	七种绝缘材料的样本，具体数量未在摘要中提供	NA	KNN、SVM、NN	准确率	NA