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
741	2026-01-30	Artificial Intelligence in Pediatric Dentistry: A Systematic Review and Meta-Analysis 2026-Jan-21, Children (Basel, Switzerland) DOI:10.3390/children13010152 PMID:41597160	系统综述与荟萃分析	本文通过系统综述和荟萃分析，综合评估了人工智能在儿童牙科诊断应用中的性能表现	首次针对儿童牙科领域的人工智能诊断模型进行系统综述与定量荟萃分析，并深入探讨了临床转化潜力及研究空白	研究间存在显著异质性，外部验证有限，方法学变异性大，且缺乏前瞻性真实世界研究	评估人工智能模型在儿童牙科诊断应用中的性能，并探讨其临床转化前景	儿童牙科患者（≤18岁）的影像数据及相关诊断任务	数字病理	儿童牙科疾病	影像学检查	CNN, 传统机器学习	影像	32项研究纳入定性分析，15项研究纳入定量分析	NA	卷积神经网络	灵敏度, 特异度, AUC	NA
742	2026-01-30	Automated Classification of Humpback Whale Calls Using Deep Learning: A Comparative Study of Neural Architectures and Acoustic Feature Representations 2026-Jan-21, Sensors (Basel, Switzerland) DOI:10.3390/s26020715 PMID:41600508	研究论文	本文提出了一种基于深度学习的座头鲸叫声自动分类系统，比较了不同神经网络架构和声学特征表示的性能	通过自定义数据预处理流程和神经网络架构，结合预训练模型MobileNetV2，系统比较了Mel频谱图和MFCC特征在座头鲸检测中的效果，发现Mel频谱图在所有模型类型中均表现更优	研究主要依赖公开音频库数据，可能无法涵盖所有座头鲸叫声的变异性；数据增强技术虽被应用，但未详细探讨其对模型泛化能力的具体影响	开发一个可靠的自动化分类系统，用于被动声学监测中座头鲸叫声的检测	座头鲸的叫声音频片段	机器学习	NA	被动声学监测，音频数据处理	CNN, 预训练模型	音频	来自公开音频库的音频片段集合，经过人工仔细检查、编辑和裁剪以最小化偏差或分类错误	TensorFlow, Keras	MobileNetV2, 自定义CNN	准确率, 精确率, 召回率, 马修斯相关系数, 假阴性率	NA
743	2026-01-30	Early diagnosis of Alzheimer's disease from functional rs-fMRI images based on deep learning networks and transfer learning approach 2026-Jan-21, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112151 PMID:41604985	研究论文	本研究提出两种优化的深度网络OVGG-16和OVGG-19，基于静息态功能磁共振成像数据，用于阿尔茨海默病的早期诊断	结合迁移学习和密集层概念，对传统VGG-16和VGG-19网络进行优化，提出了OVGG-16和OVGG-19网络，提高了收敛速度和诊断性能	未明确说明数据集的规模、多样性以及模型在独立外部验证集上的泛化能力	开发基于深度学习的计算机辅助诊断系统，用于阿尔茨海默病的早期诊断	阿尔茨海默病患者（可能包括不同疾病阶段）的静息态功能磁共振成像数据	数字病理学	阿尔茨海默病	静息态功能磁共振成像	CNN	图像	NA	NA	VGG-16, VGG-19, OVGG-16, OVGG-19	准确率	NA
744	2026-01-30	Comparative Analysis of Deep Learning Architectures for Automatic Tooth Segmentation in Panoramic Dental Radiographs: Balancing Accuracy and Computational Efficiency 2026-Jan-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020336 PMID:41594311	研究论文	本研究系统性地比较了基于U-Net的不同深度学习模型在口腔全景X光片中自动牙齿分割任务上的性能，重点关注了分割精度随计算成本增加的变化	首次系统性地评估了不同编码器骨干网络（ResNet、EfficientNet、DenseNet、MobileNetV3-Small）在牙齿分割任务上的性能与计算效率的权衡，揭示了模型复杂度增加带来的收益递减现象	研究结果仅限于牙齿分割任务，对于其他任务可能得出不同的结论	评估不同深度学习架构在自动牙齿分割任务上的准确性和计算效率，寻找最佳平衡点	口腔全景X光片中的牙齿	计算机视觉	NA	深度学习	CNN	图像	1000张全景X光片（来自Tufts Dental Database）	NA	U-Net, ResNet, EfficientNet, DenseNet, MobileNetV3-Small	Dice系数, IoU	NA
745	2026-01-30	MG-HGLNet: A Mixed-Grained Hierarchical Geometric-Semantic Learning Framework with Dynamic Prototypes for Coronary Artery Lesions Assessment 2026-Jan-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010118 PMID:41596049	研究论文	本文提出了一种用于冠状动脉病变评估的混合粒度分层几何语义学习框架MG-HGLNet	引入了拓扑感知双流编码模块捕获全局血流动力学上下文并纠正空间扭曲，设计了协同频谱形态解耦模块解耦任务特定特征，并实施了混合粒度监督优化策略以有效利用粗粒度标签	NA	通过冠状动脉CT血管造影自动评估冠状动脉病变，以诊断冠状动脉疾病	冠状动脉病变	计算机视觉	心血管疾病	冠状动脉CT血管造影	深度学习网络	图像	内部数据集	NA	MG-HGLNet, BiV-Mamba	狭窄分级准确率, 斑块分类准确率	NA
746	2026-01-30	Development of Deep Learning Models for AI-Enhanced Telemedicine in Nursing Home Care 2026-Jan-20, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15020828 PMID:41598766	研究论文	本研究旨在评估养老院中远程医疗支持的急性事件管理效果，并开发深度学习模型对事件进行分类和预测住院转诊	开发了用于养老院远程医疗的深度学习模型，通过多种重采样技术处理数据不平衡问题，模型性能优于传统算法	研究为类实验设计，可能存在选择偏倚；数据仅来自特定养老院连锁机构，可能限制泛化性	评估远程医疗在养老院急性事件管理中的效果，并开发AI模型辅助临床决策	养老院中发生的急性健康事件	机器学习	老年疾病	远程医疗系统	深度前馈神经网络	结构化临床数据（人口统计学、合并症、生命体征、事件特征、结局）	5202个急性事件	NA	256-128-64单元的前馈神经网络（含批归一化、LeakyReLU、Dropout层）	AUC, 准确率, F1分数	NA
747	2026-01-30	Efficient EEG-Based Person Identification: A Unified Framework from Automatic Electrode Selection to Intent Recognition 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020687 PMID:41600483	研究论文	本文提出了一种统一的深度学习框架，用于基于脑电图（EEG）的个体识别和意图识别，通过自动电极选择和增强的特征提取能力来提高性能	首次提出一个统一的深度学习框架，整合了自动电极选择、个体识别和意图识别，并引入了结合通道注意力机制和多尺度双向编码器（AES-MBE）的新型骨干网络	NA	解决基于EEG的个体识别和意图识别中的挑战，包括端到端流程设计、自动电极选择、特征提取增强以及利用更高层次信息	基于EEG信号的个体识别和意图识别（任务/活动识别）	机器学习	NA	脑电图（EEG）	深度学习	EEG信号	109名受试者，执行4项任务	NA	AES-MBE（结合通道注意力机制和多尺度双向编码器）	准确率	NA
748	2026-01-30	NTFold: Structure-Sensing Nucleotide Attention Learning for RNA Secondary Structure Prediction 2026-Jan-20, Sensors (Basel, Switzerland) DOI:10.3390/s26020688 PMID:41600484	研究论文	本文介绍了一种基于深度学习的虚拟感知框架NTFold，用于准确预测RNA二级结构	提出了结构感知核苷酸注意力学习框架，整合核苷酸注意力模块和结构细化模块，以传感器启发的方式捕获局部和全局核苷酸相互作用	NA	解决RNA二级结构预测这一计算生物学和分子感知中的基本挑战	RNA二级结构	计算生物学	NA	深度学习	注意力机制	序列数据	NA	NA	核苷酸注意力模块, 结构细化模块	NA	NA
749	2026-01-30	Segmentation-Based Multi-Class Detection and Radiographic Charting of Periodontal and Restorative Conditions on Bitewing Radiographs Using Deep Learning 2026-Jan-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020322 PMID:41594298	研究论文	本研究利用基于YOLOv8x-seg的深度学习模型，在咬翼X光片上同时检测八种牙周和修复参数，并评估其诊断性能	首次在咬翼X光片上应用YOLOv8x-seg模型进行多类别牙周和修复条件的检测与分割，实现了同时自动化评估多种口腔健康状况	模型在低频类别（如颈缘间隙、继发龋等）上表现较低，且整体分割性能仍有提升空间	开发一种基于深度学习的自动化方法，用于咬翼X光片上牙周和修复条件的多类别检测与分割	数字咬翼X光片	计算机视觉	牙周病	深度学习	CNN	图像	1197张数字咬翼X光片，包含7860个标注	PyTorch	YOLOv8x-seg	精确度, 召回率, F1分数, mAP@0.5, mAP@0.5:0.95	NA
750	2026-01-30	Proof-of-Concept Machine Learning Framework for Arboviral Disease Classification Using Literature-Derived Synthetic Data: Methodological Development Preceding Clinical Validation 2026-Jan-19, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14020247 PMID:41595383	研究论文	本研究开发了一个基于文献合成数据的机器学习框架，用于虫媒病毒性疾病分类，旨在验证计算可行性并指导未来临床验证	利用文献衍生的合成数据解决虫媒病毒性疾病诊断中的数据稀缺问题，并建立了一个包含多种算法的概念验证框架	研究基于合成数据，尚未进行临床验证，且模型在区分寨卡病毒和基孔肯雅热时性能略有下降	开发一个机器学习框架，用于虫媒病毒性疾病的早期诊断分类	虫媒病毒性疾病（登革热、寨卡病毒、基孔肯雅热）及流感作为阴性对照	机器学习	虫媒病毒性疾病	文献数据合成	MLP, NN, QSVM, BT	文本（症状数据）	28,000条合成记录（每种疾病7,000条）	NA	多层感知器, 窄神经网络, 二次支持向量机, 袋装树	准确率, 精确率, 灵敏度, 特异性, F1分数, AUC-ROC, Cohen's kappa系数	NA
751	2026-01-30	Computer Vision-Based Corrosion Detection and Feature Extraction for Rock Bolts 2026-Jan-19, Materials (Basel, Switzerland) DOI:10.3390/ma19020392 PMID:41598103	研究论文	本研究通过集成图像处理、深度学习和特征提取方法，开发了一种基于计算机视觉的岩石锚杆腐蚀检测与特征提取技术框架	结合特征金字塔网络增强多尺度目标检测能力，并利用分形布朗运动模型模拟腐蚀形态，验证了分形特征计算的准确性，为金属腐蚀评估提供了可靠的定量指标	NA	解决岩石锚杆腐蚀对工程安全和使用寿命带来的挑战，实现腐蚀检测与监测	岩石锚杆	计算机视觉	NA	图像二值化、灰度矩阵分析、分形布朗运动模型	目标检测算法	图像	NA	NA	特征金字塔网络	NA	NA
752	2026-01-30	AI-Powered Lateral DEXA Morphometry for Integrated Evaluation of Thoracic Kyphosis and Bone Density Assessment in Patients with Axial Spondyloarthritis 2026-Jan-19, Life (Basel, Switzerland) DOI:10.3390/life16010162 PMID:41598315	研究论文	本研究评估了一种基于YOLO模型的自动化深度学习方法，用于在侧位DEXA扫描中检测椎骨并估计胸椎后凸角度，以评估轴向脊柱关节炎患者的脊柱曲率和骨密度	首次将YOLO模型应用于侧位DEXA扫描的椎骨检测和胸椎后凸角度自动化评估，提供了一种快速、可重复且临床可解释的方法	研究样本量相对较小（512张DEXA图像），且主要基于单一数据集，可能限制模型的泛化能力	开发一种自动化方法，用于准确量化轴向脊柱关节炎患者的胸椎后凸角度和骨密度，以监测疾病进展和指导治疗	轴向脊柱关节炎（axSpA）患者，特别是其脊柱结构和胸椎后凸	计算机视觉	轴向脊柱关节炎	DEXA扫描	CNN	图像	512张标注的DEXA图像，其中182张来自axSpA患者	YOLO	YOLO	相关系数（r），均方误差，敏感性，特异性	NA
753	2026-01-30	A Deep Learning-Based Graphical User Interface for Predicting Corneal Ectasia Scores from Raw Optical Coherence Tomography Data 2026-Jan-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020310 PMID:41594286	研究论文	本研究开发了一个基于深度学习的图形用户界面，用于从原始光学相干断层扫描数据预测角膜扩张评分	使用原始光学相干断层扫描数据而非预处理数据，确保诊断一致性不受软件更新影响，并开发了用户友好的图形界面	未明确说明样本量大小及数据来源的多样性，可能影响模型的泛化能力	设计一个深度学习图形用户界面，用于预测角膜扩张评分以辅助圆锥角膜的早期诊断	原始光学相干断层扫描数据（3dv格式）	计算机视觉	圆锥角膜	光学相干断层扫描	CNN	图像	NA	TensorFlow, PyTorch, Keras	EfficientNet-B0	平均绝对误差, 准确率, 敏感性, 特异性, 阳性预测值, F1分数	NA
754	2026-01-30	Enhancing Approaches to Detect Papilloma-Associated Hyperostosis Using a Few-Shot Transfer Learning Framework in Extremely Scarce Radiological Datasets 2026-Jan-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020311 PMID:41594287	研究论文	本研究提出并验证了一个基于少样本迁移学习的框架，用于在极稀缺的放射学数据集中检测乳头瘤相关骨肥厚	提出了一个结合领域内迁移学习（微调预训练的颅骨分割模型）和专门数据增强技术（“窗位偏移”）的少样本学习框架，以应对极端数据稀缺问题	研究仅基于极小的样本量（n=20）进行，可能影响模型的泛化能力	开发在极端有限数据条件下构建具有临床意义的深度学习模型的方法学框架	鼻窦内翻性乳头瘤相关的局灶性骨肥厚（PAH）的放射学检测	数字病理学	鼻窦内翻性乳头瘤	放射学影像分析	深度学习	图像	20个样本	PyTorch	nnU-Net	Dice相似系数	NA
755	2026-01-30	Advances in Audio Classification and Artificial Intelligence for Respiratory Health and Welfare Monitoring in Swine 2026-Jan-18, Biology DOI:10.3390/biology15020177 PMID:41594912	综述	本文综述了人工智能驱动的音频分类方法在猪场呼吸健康与福利监测中的应用	系统整合了AI音频分类在猪呼吸健康监测中的最新进展，并强调了实时、边缘计算及农场部署的商业化系统	面临数据稀缺、泛化能力不足、环境噪声干扰及实际部署挑战	为猪呼吸健康管理开发稳健的AI声学监测系统提供指导	猪的呼吸健康与福利监测	机器学习	呼吸系统疾病	音频采集技术	机器学习,深度学习	音频	NA	NA	NA	NA	NA
756	2026-01-30	Muscle Fatigue Assessment in Healthcare Application by Using Surface Electromyography: A Transfer Learning Approach 2026-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s26020654 PMID:41600449	研究论文	本研究提出了一种基于表面肌电信号和迁移学习的深度学习框架，用于分类肌肉疲劳水平，旨在支持环境辅助生活应用	采用连续小波变换将一维肌电信号转换为二维时频图像（尺度图），并利用预训练的卷积神经网络进行微调分类，实现了高精度的肌肉疲劳评估	数据收集来自健康老年和非老年成人在受控条件下的动态任务，可能限制了在更广泛人群或真实环境中的泛化能力	开发一种实时、非侵入性的肌肉疲劳监测解决方案，以支持环境辅助生活应用	健康老年和非老年成年人	机器学习	老年疾病	表面肌电信号采集	CNN	图像	从健康老年和非老年成年人收集的新数据集	NA	预训练的卷积神经网络	准确率	NA
757	2026-01-30	Specification-compliant fracture parameter extraction and rock mass classification on tunnel faces with improved YOLOv8-seg 2026-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33827-5 PMID:41547995	研究论文	本文提出了一种改进的YOLOv8-seg模型与标准化岩体分类系统相结合的智能框架，用于隧道掌子面岩体裂缝的精确识别与分类	引入高效通道注意力（ECA）机制增强复杂条件下裂缝特征的检测能力，并自动提取裂缝参数以直接对接中国国家标准GB 50487-2008的岩体分类标准	未明确说明模型在极端光照或严重遮挡隧道环境中的泛化性能，且未讨论不同地质条件下分类系统的适应性	提升隧道环境中岩体裂缝识别的准确性，并实现与工程分类标准的自动化集成以支持施工决策	隧道掌子面的岩体裂缝	计算机视觉	NA	深度学习图像分割	CNN	图像	NA	PyTorch	YOLOv8-seg	mAP@0.5	NA
758	2026-01-30	Detection of Periapical Lesions Using Artificial Intelligence: A Narrative Review 2026-Jan-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020301 PMID:41594277	综述	本文综述了人工智能在检测根尖周病变方面的应用，涵盖了口内根尖片、全景片和锥形束CT等多种影像模态	系统总结了2021年至2025年间AI在根尖周病变检测中的最新证据，并强调了AI作为诊断辅助工具的价值及其对临床医生表现的提升作用	研究存在数据集、参考标准和评估指标的异质性，限制了结果的汇总分析，且需要外部验证和标准化报告	评估人工智能系统在检测根尖周病变方面的诊断准确性和临床应用潜力	根尖周病变	数字病理学	牙科疾病	NA	深度学习	图像	NA	NA	NA	NA	NA
759	2026-01-30	Evolving Paradigms in Gastric Cancer Staging: From Conventional Imaging to Advanced MRI and Artificial Intelligence 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020284 PMID:41594260	综述	本文全面综述了胃癌术前分期诊断成像技术的演变，从传统成像方法到先进MRI和人工智能的应用	系统评估了MRI（特别是扩散加权成像和多参数方案）在胃癌分期中的新兴作用，并探讨了新型FAPI PET示踪剂以及放射组学和深度学习模型在提供非侵入性风险分层生物标志物方面的潜力	作为一篇综述文章，其结论基于对现有文献的分析，未进行原始数据收集或模型验证	更新胃癌诊断成像知识，评估各种成像技术在T、N、M分期准确性、定量成像生物标志物和放射组学方面的作用	胃癌（特别是弥漫型和低黏附组织型）的术前分期	数字病理学	胃癌	CT, EUS, PET/CT, MRI（包括扩散加权成像和多参数方案）, 放射组学, 深度学习	深度学习模型	医学影像数据（CT, MRI, PET等）	基于2015年至2024年间发表的410项相关研究	NA	NA	T、N、M分期准确性	NA
760	2026-01-30	Real-World Integration of an Automated Tool for Intracranial Hemorrhage Detection in an Unselected Cohort of Emergency Department Patients-An External Validation Study 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020282 PMID:41594258	研究论文	本研究评估了深度学习工具RAPID ICH在急诊科患者非对比头部CT扫描中检测颅内出血的真实世界性能，并与第一年放射科住院医师进行比较	在未筛选的急诊科患者队列中外部验证了RAPID ICH工具，并与初级放射科医师进行直接性能对比	RAPID ICH的敏感性和特异性低于先前研究，且存在大量假阳性识别，限制了该DL工具的泛化能力	评估深度学习工具在真实临床环境中检测颅内出血的性能	急诊科患者的非对比头部CT扫描图像	数字病理学	颅内出血	非对比头部CT扫描	深度学习	医学图像	844例非对比头部CT扫描	NA	RAPID ICH	敏感性, 特异性, 阳性预测值, 阴性预测值	NA