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
641	2026-05-30	Quantifying the Contribution of Bone Morphology to Implant Selection in Shoulder Arthroplasty Using CT-Based Deep Learning 2026-May-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050574 PMID:42194331	研究论文	利用基于CT的深度学习量化骨形态对肩关节置换术中植入物选择的贡献	提出了一个假设驱动的深度学习框架，结合分割和病理分期流水线，引入植入物类型预测和受控人机比较，量化骨形态对植入物选择的贡献	骨形态仅提供可测量但不完整的植入物选择信号，不能反映临床决策性能，存在类别依赖的不对称性（对反向植入物的召回率高于解剖型）	评估骨形态是否足以指导肩关节置换术中的植入物选择，并量化其贡献	肩关节置换术患者及骨科医生的植入物选择决策	计算机视觉, 机器学习	肩关节疾病	CT扫描	CEL-UNet, ArthroNet	图像（CT）	600例患者的多中心队列	PyTorch	CEL-UNet, ArthroNet	Dice系数, 准确率, Fleiss' κ系数, 召回率	NA
642	2026-05-30	Pathology Foundation Models: Evolution, Current Landscape, Challenges and Opportunities from a Technical and Clinical Perspective 2026-May-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050577 PMID:42194333	综述	从技术和临床角度回顾病理基础模型的演进、现状、挑战与机遇	系统梳理了从弱监督方法到大规模基础模型的演变路径，并强调多模态融合与临床转化的重要性	跨机构泛化不一致、可解释性滞后于临床需求、整合入日常检验流程缓慢，且对细胞病理学、移植病理学、冰冻切片及罕见肿瘤亚型等领域的适应性不足	评估病理基础模型的优势与局限，并为其安全有效的临床转化提出优先发展方向	病理基础模型（如UNI、Virchow、Phikon、CONCH、GigaPath等）	数字病理学	NA	自监督学习、Vision Transformer	基础模型	全切片病理图像、多模态数据（基因组学与临床数据）	NA	PyTorch	Vision Transformer、Hierarchical Image Pyramid Transformer（HIPT）	诊断与预后基准测试表现	NA
643	2026-05-30	Emerging Trends in Artificial Intelligence-Integrated Biochip Technologies for Biomedical Applications 2026-May-19, Micromachines IF:3.0Q2 DOI:10.3390/mi17050623 PMID:42195540	综述	评估人工智能与生物芯片技术集成在生物医学诊断中的应用进展	系统分析了AI与光谱、纸基、芯片实验室及微流控等多种生物芯片平台的整合，并探讨了可解释、鲁棒且支持智能手机的AI生物芯片的未来方向	持续挑战包括AI模型的可解释性、鲁棒性及实际部署问题，但未具体说明量化局限	通过集成AI克服传统生物芯片在复杂数据处理和诊断灵敏度方面的限制	AI集成生物芯片（包括光谱、纸基、芯片实验室和微流控平台）	机器学习	神经系统疾病、糖尿病、癌症、传染病	生物芯片	强化学习、机器学习、深度学习	电化学、荧光、比色信号数据	不适用	不适用	预训练AI模型	诊断灵敏度、准确性	不适用
644	2026-05-30	Artificial Intelligence in Cervical Cytology: Opportunities and Limitations in Screening, Triage, and Diagnostic Support 2026-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101541 PMID:42196906	综述	综述人工智能在宫颈细胞学筛查、分诊和诊断支持中的当前应用、机遇及局限性	系统梳理了AI在完整宫颈细胞学工作流中的应用，包括自动化玻片筛查、液基细胞学、疑似或HPV阳性病例分诊及阴道镜辅助，并指出了将AI作为人类专家补充而非替代工具的观点	证据异质性高，缺乏大规模多样数据集、前瞻性验证、监管审批、数字基础设施、工作流整合，以及伦理和法律问题的解决	评估AI在宫颈细胞学及相关诊断流程中的应用现状、机遇与挑战	宫颈细胞学筛查、分诊和诊断支持中应用的AI系统	数字病理学	宫颈癌	NA	深度学习	图像	NA	NA	NA	NA	NA
645	2026-05-30	SULBA: A Task-Agnostic Data Augmentation Framework for Deep Learning in Medical Image Analysis 2026-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101546 PMID:42196912	研究论文	提出一种任务无关的数据增强框架SULBA，用于医学图像分析中的深度学习，无需特定任务调参即可提升模型鲁棒性和泛化性能	首次提出无参数的通用数据增强框架SULBA，通过逐步循环移位沿数据维度生成训练变体，消除任务相关的增强调参需求，并在27个公开数据集上验证其优于16种标准增强技术	未明确提及计算资源消耗或对极端小样本数据的适用性，且仅评估了分类和分割任务，未涉及其他医学图像分析任务类型	设计一种任务无关的通用数据增强策略，解决医学图像分析中缺乏可靠默认增强方法的问题，提升模型泛化性和实验可重复性	医学图像分析中的深度学习模型，包括2D、3D及高维医学影像数据	机器学习	未指定	数据增强	CNN、Transformer	医学图像（2D、3D及高维影像数据）	27个公开数据集	PyTorch	CNN架构及Transformer架构（共10种架构）	标准深度学习性能指标（未具体说明）	NA
646	2026-05-30	Machine Learning Applications for Risk Stratification in Heart Failure with Preserved Ejection Fraction: A New Era in Cardiology 2026-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101545 PMID:42196910	综述	总结机器学习在射血分数保留的心力衰竭（HFpEF）风险分层中的应用，包括随机森林、梯度提升、支持向量机和深度学习等方法	系统评估机器学习在HFpEF风险分层中的优越性，强调其揭示表型亚组和改善预后判别能力，并讨论临床整合与未来方向	数据偏差、泛化性不足、可解释性挑战以及监管要求等实际问题未完全解决	探索机器学习在HFpEF风险分层中的应用潜力，以实现精准医疗	HFpEF患者的多维数据，包括临床、影像、生物标志物和分子数据	机器学习	心血管疾病	NA	随机森林、梯度提升、支持向量机、深度学习	临床数据、影像数据、生物标志物数据、分子数据	NA	NA	NA	判别能力	NA
647	2026-05-30	Prediction of Chloride Penetration Depth in Concrete Using a Combined Ensemble-Neural Network Architecture: Facing Data Saturation 2026-May-18, Materials (Basel, Switzerland) DOI:10.3390/ma19102118 PMID:42195758	研究论文	使用有限数据集评估六种机器学习与深度学习模型预测混凝土氯离子渗透深度，发现简单模型表现不亚于复杂混合架构	在数据受限条件下系统比较混合网络架构与简单模型性能，提出数据饱和现象使模型复杂度提升无显著收益	数据集仅1078例且来自单一来源，未考虑不同混凝土配比和环境因素对泛化性能的影响	探究数据有限条件下增加模型复杂度对氯离子渗透深度预测性能的影响	混凝土结构的氯离子渗透深度	机器学习	NA	NA	极限梯度提升、分类提升、随机森林、多层感知器、深度神经网络、混合模型(CatDNN)	数值型实验数据	1078个混凝土样本测量数据	NA	CatDNN(CATB与DNN混合架构)、MLP、DNN	最大误差、相关系数(R)	NA
648	2026-05-30	The Diagnostic Value of Deep Learning for Multi-Classification of Rectal Cancer T Staging Based on Regional Attention 2026-May-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101525 PMID:42196891	研究论文	探索基于区域注意力机制的增强CT深度学习模型在直肠癌T分期术前多分类中的可行性及有效性	提出基于区域注意力的深度学习算法，在直肠癌T分期中实现比影像组学和临床模型更优的二分类和多分类性能	NA	评估基于区域注意力的深度学习模型在直肠癌T分期术前多分类中的诊断价值	500名直肠癌患者（T1期48例、T2期127例、T3期259例、T4期66例）	计算机视觉	直肠癌	增强CT	深度学习	图像	500例直肠癌患者（训练组400例，验证组100例）	PyTorch	区域注意力网络	AUC, 准确率, 微平均AUC, 宏平均AUC	NA
649	2026-05-30	Metaheuristic-Optimized Convolutional Neural Network for Automated Diagnosis of Viral Pneumonia and Tuberculosis from Chest X-Rays 2026-May-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101529 PMID:42196894	研究论文	提出一种基于元启发算法优化的卷积神经网络，用于从胸部X光片中自动诊断病毒性肺炎和肺结核	采用鲸鱼优化算法、灰狼优化器和布谷鸟搜索等元启发算法自动优化CNN架构和训练参数，显著降低计算负载和存储需求，并利用Grad-CAM验证临床可靠性	文中未提及具体局限性	解决病毒性肺炎和肺结核的自动诊断问题，提升诊断效率并降低计算成本	胸部X光片中的正常、病毒性肺炎和肺结核三类病例	计算机视觉	病毒性肺炎, 肺结核	胸部X光成像	卷积神经网络 (CNN)	图像	多源平衡数据集，具体样本数未说明	NA	自定义CNN架构（经元启发算法优化）	诊断准确率, 特异性	NA
650	2026-05-30	Clinicopathological Characteristics and Prediction of Overall Survival and Death Within 2 Years in Diffuse Large B-Cell Lymphoma Based on Histological Images and Deep Learning 2026-May-17, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14051134 PMID:42193459	研究论文	基于组织学图像和深度学习预测弥漫性大B细胞淋巴瘤的总体生存期及两年内死亡的可能性	利用H&E组织学图像结合深度学习模型（DarkNet-19）预测DLBCL患者预后，并应用可解释人工智能验证模型关注正确区域；发现2年（24个月）作为区分侵袭性临床演变的转折点	NA	预测DLBCL患者的总体生存期及两年内死亡风险，并分析临床病理特征与预后的关联	弥漫性大B细胞淋巴瘤患者及反应性淋巴组织样本	计算机视觉, 机器学习, 数字病理学	弥漫性大B细胞淋巴瘤	H&E组织学图像处理	卷积神经网络	图像	114例DLBCL病例和44例反应性淋巴组织病例	NA	DarkNet-19	准确率, 精确率, 召回率, 假阳性率, 特异性, F1分数	NA
651	2026-05-30	Advancing Genitourinary Cancer Surgery: The Role of Artificial Intelligence and Robotics 2026-May-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15103856 PMID:42194817	综述	探讨人工智能和机器人手术在泌尿生殖系统癌症管理中的最新进展，涵盖诊断、手术精度的提升及培训效率的改善	整合了人工智能与机器人手术在泌尿生殖系统癌症全程管理中的应用，包括成像分析、肿瘤分割、术中导航、增强现实及远程手术等新兴技术	多数创新仍处于临床验证早期阶段，实际整合有待进一步研究	阐述人工智能和机器人技术在泌尿生殖系统癌症手术中的角色和进展	针对前列腺、肾脏和膀胱恶性肿瘤的相关研究	自然语言处理, 数字病理学	前列腺癌, 肾癌, 膀胱癌	NA	机器学习模型, 深度学习模型	影像数据, 手术视频, 机器人系统传感器数据	NA	NA	NA	NA	NA
652	2026-05-30	Prognostic Modeling of Tricuspid Valve Regurgitation Outcomes Using Machine Learning-Based Survival Analysis 2026-May-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15103859 PMID:42194822	研究论文	利用机器学习生存分析方法建立三尖瓣反流预后风险预测模型	首次比较Cox比例风险、随机生存森林和DeepSurv三种生存分析模型在三尖瓣反流患者预后预测中的性能，并识别右心结构异常和心肌纤维化作为关键风险标志物	NA	开发并评估基于机器学习的生存预测模型以实现三尖瓣反流患者的个性化风险分层	949名中度或重度三尖瓣反流患者	机器学习	三尖瓣反流	心脏磁共振成像	Cox比例风险模型、随机生存森林、DeepSurv深度生存模型	临床特征和影像特征	949名中度或重度三尖瓣反流患者	NA	随机生存森林、DeepSurv	C-index, 时间依赖性AUC	NA
653	2026-05-30	CrLHP1-CrJAZ1 Module Regulates Monoterpenoid Indole Alkaloid Biosynthesis via JA Signaling in Catharanthus roseus 2026-May-17, Genes IF:2.8Q2 DOI:10.3390/genes17050569 PMID:42195026	研究论文	本研究鉴定了长春花中的CrLHP1蛋白，并揭示其通过JA信号通路与CrJAZ1互作负调控单萜吲哚生物碱的生物合成	首次发现CrLHP1通过蛋白互作调控JA信号转导进而影响单萜吲哚生物碱合成，并利用深度学习AlphaFold3预测蛋白结构	NA	探究CrLHP1在长春花单萜吲哚生物碱生物合成中的表观遗传调控机制	长春花（Catharanthus roseus）中的CrLHP1蛋白	数字病理学	NA	VIGS、RNA-seq、AlphaFold3、酵母双杂交	AlphaFold3	序列数据、基因表达数据	NA	AlphaFold3	NA	NA	NA
654	2026-05-30	Multimodal Deep Learning with Attention-Based Fusion for Skin Cancer Diagnosis 2026-May-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050564 PMID:42194321	研究论文	提出一种结合注意力机制与多模态融合的深度学习框架，用于皮肤癌诊断，通过整合临床信息和皮肤镜图像特征提升诊断性能	采用基于注意力的特征编码器和结构化多模态融合方法，实现跨通道集成特征表示，在多个基准数据集上显著提升AUC和F1分数	未提及在真实临床环境部署的实际限制，如数据隐私、实时性要求或跨医院泛化能力	解决皮肤癌诊断中因成像条件差异导致的高变异性问题，提高诊断准确性和鲁棒性	皮肤癌诊断中的辅助临床信息和皮肤镜图像	计算机视觉	皮肤癌	深度学习	多模态深度学习模型	图像和结构化临床数据	使用ISIC 2019、ISIC 2020和HAM10000数据集，未提供具体样本数量	PyTorch	ResNet50, EfficientNet-B4	准确率, AUC, F1分数	NA
655	2026-05-30	Classification and Parameter Selection for Damage Characterization in CFRP Composite Materials Using Acoustic Emission and Multivariate Statistics 2026-May-16, Materials (Basel, Switzerland) DOI:10.3390/ma19102091 PMID:42195731	研究论文	该研究利用声发射和多元统计方法，对碳纤维增强聚合物复合材料中的损伤进行分类和参数选择	通过多项逻辑回归的前向选择和类型III分析，从18个声发射参数中识别出仅需四个参数即可高效分类损伤机制，显著降低了计算开销并增强了模型可解释性	参考标签通过波形形态和频谱分析分配，缺乏独立的物理验证（如显微观察）	为碳纤维增强聚合物复合材料的健康监测提供统计稳健且可解释的损伤分类方法	准各向同性热固性碳纤维增强聚合物层合板中的损伤机制（纤维断裂、分层、基体裂纹）	机器学习	NA	声发射分析	多项逻辑回归、机器学习、深度学习模型	声发射信号（时间域和频率域描述符）	外部试样（具体数量未提供）	NA	NA	准确率	NA
656	2026-05-30	Clinicopathological Characterization of Pediatric Atypical Teratoid/Rhabdoid Tumors and an HE-IHC Dual-Path Deep Learning Model for Auxiliary Diagnosis 2026-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101515 PMID:42196881	研究论文	总结儿童非典型畸胎瘤/横纹肌样瘤的临床病理与分子特征，并评估HE-IHC双路径深度学习模型作为辅助诊断方法	首次提出HE-IHC双路径深度学习模型结合迁移学习与特征融合用于辅助诊断儿童AT/RT，优于传统单路径模型	样本量较小（仅18例患者），需更大规模多中心队列及分子亚型标注进行验证	评估HE-IHC双路径深度学习模型在儿童AT/RT辅助病理诊断中的性能	收集于北京儿童医院2010年2月至2021年4月期间的18例AT/RT患儿	数字病理学	儿童中枢神经系统肿瘤	荧光原位杂交（FISH）	ResNet50	病理图像（组织学与免疫组化）	训练测试集：18例患儿的361张病理图像；独立验证集：6例新患儿的175张图像	PyTorch	ResNet50	准确率	NA
657	2026-05-30	Automated Classification of Maxillary Sinus Ostium Patency Using a ConvNeXt-Tiny + DeiT Gated MLP-Based Hybrid Deep Learning Model: A Retrospective CBCT Study 2026-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101512 PMID:42196878	研究论文	提出基于ConvNeXt-Tiny + DeiT门控MLP的混合深度学习模型，用于上颌窦口通畅性的自动分类	将CNN的局部特征提取能力与Transformer的全局上下文建模能力相结合，采用门控融合技术整合多源特征，显著提升分类性能	未提及具体限制	提高上颌窦口放射学评估的可靠性，减轻医生工作量并降低手术风险	上颌窦口通畅性及解剖位置	计算机视觉	上颌窦疾病	NA	混合深度学习模型（CNN+Transformer）	影像	NA	NA	ConvNeXt-Tiny, DeiT, 门控MLP	准确率	NA
658	2026-05-30	Efficacy of Spectral-Aided Visual Enhancer in Classification of Esophageal Cancer 2026-May-15, Cancers IF:4.5Q1 DOI:10.3390/cancers18101609 PMID:42192971	研究论文	提出一种光谱辅助视觉增强器（SAVE）算法，将白光内镜图像转换为高光谱窄带成像图像，用于食管癌机器学习分类	利用SAVE算法将常规白光内镜图像转换为类似高光谱窄带成像，无需专用硬件即可增强诊断价值，且在分类性能上显著优于原始白光图像	NA	评估SAVE算法在内镜图像分类中对食管癌诊断的提升效果	食管癌患者的白光内镜图像	计算机视觉	食管癌	高光谱成像	随机森林、支持向量机、卷积神经网络	图像	762张原始白光内镜图像，增强至1074张	Albumentations	NA	精确率、召回率、准确率、F1分数	NA
659	2026-05-30	Deep Learning-Based Tracking of Neurovascular Features Toward Semi-Automated Ultrasound-Guided Peripheral Nerve Blocks by Non-Specialists 2026-May-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050556 PMID:42194313	研究论文	开发深度学习算法实时解释超声图像中的解剖标志，为半自动超声引导外周神经阻滞提供目标点，旨在使非专业人员也能进行区域麻醉	首次将深度学习算法应用于超声图像中神经血管特征的实时追踪，以实现半自动化的神经阻滞目标点识别，为人工智能引导的神经阻滞集成平台奠定基础	研究仅基于猪模型，未来需在人体上进行验证；目前仅完成算法开发与测试，尚未与手持机器人集成进行综合测试	开发深度学习算法实时识别超声图像中的解剖标志，为非专业人员实现半自动化区域麻醉提供目标点	超声图像中的神经血管解剖特征，特别是股神经区域	计算机视觉	外科手术中的疼痛管理	超声成像	卷积神经网络（CNN）	图像	来自20只猪模型的超过55,000张超声图像	NA	NA	精确率-召回率曲线下面积（AUC-PR），成功率和平均时间	NA
660	2026-05-30	Medical Image Segmentation Methods: A Decision-Guided Survey Covering 2D/3D CNNs, Transformers, VLMs, SAM-Based Models and Diffusion Approaches 2026-May-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050555 PMID:42194312	综述	一项关于医学图像分割方法的决策导向综述，涵盖2D/3D CNN、Transformer、视觉语言模型、SAM和扩散模型	提出一项实践性的模型选择框架，将临床场景（如小病变检测、多器官3D分割、有限数据、域迁移）与适当的分割策略联系起来	未进行新的实验验证，依赖于现有文献的汇总分析	为医学图像分割方法提供面向临床决策的模型选择指导	医学图像分割方法，包括CNN、Transformer、VLM、SAM和扩散模型	数字病理学	NA	深度学习分割技术	CNN, Transformer, 视觉语言模型, SAM, 扩散模型	图像（MRI, CT, PET, 超声, 内窥镜图像）	NA	NA	2D/3D CNN, Transformer, VLM, SAM, 扩散模型	鲁棒性, 泛化能力, 标注变异性, 基准可重复性	NA