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
7901	2026-06-18	Contemporary strategies for active learning in oral and maxillofacial surgery education 2026-Aug, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.01.002 PMID:41672806	综述	本文回顾并倡导在口腔颌面外科教育中采用当代主动学习策略	系统总结了团队学习、翻转课堂、模拟训练等主动学习方法在口腔颌面外科教育中的具体应用	未提供实证数据支持各教学策略的有效性比较	探讨主动学习在口腔颌面外科住院医师培训中的应用价值	口腔颌面外科住院医师及教育工作者	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
7902	2026-06-18	Deep Learning Analysis of Indocyanine Green Fluoroscopy of Ureters in Robotic Cystectomy: Toward Reducing Ureteroenteric Strictures 2026-Aug, Journal of endourology IF:2.9Q1 DOI:10.1177/08927790261450709 PMID:42159157	研究论文	开发一种基于深度学习的方法，在机器人辅助根治性膀胱切除术中通过吲哚菁绿荧光镜定量评估输尿管灌注情况，旨在减少输尿管肠吻合口狭窄的发生	首次利用手术基础模型SurgeNetXL对ICG荧光镜中的输尿管进行分割和灌注参数定量计算，实现了从主观视觉判断到数据驱动的客观评估的转变	单中心回顾性研究，样本量较小（96个视频），且需要进一步改进技术以实现完全自动化的强度测量，并研究其与输尿管肠吻合口狭窄结果的相关性	开发一种定量评估输尿管灌注的深度学习方法，以数据驱动方式减少机器人辅助根治性膀胱切除术后的输尿管肠吻合口狭窄	机器人辅助根治性膀胱切除术中的输尿管在吲哚菁绿荧光镜下的影像	计算机视觉	泌尿系统疾病（输尿管肠吻合口狭窄）	吲哚菁绿荧光镜	深度学习模型（卷积神经网络）	视频帧（全彩和ICG帧）	96个视频（251张全彩帧和358张ICG帧）	NA	SurgeNetXL	Dice相似系数（DSC）、Hausdorff距离（HD）	NA
7903	2026-06-18	Artificial Intelligence-Powered Cystoscopy Diagnostic Support System: Clinical Application of Multiarchitecture Deep Learning Models 2026-Aug, Journal of endourology IF:2.9Q1 DOI:10.1177/08927790261450807 PMID:42206801	研究论文	开发并评估两种基于深度学习的膀胱镜图像分析系统，用于增强膀胱疾病的诊断效率	使用多种深度学习架构（包括CNN、Vision Transformer和Vision Mamba）构建分类和分割模型，实现膀胱病变的自动识别与定位，提升了临床诊断准确率	未提及外部验证数据集或实时部署中的性能表现，可能受限于数据集的多样性和泛化能力	提高膀胱镜诊断的准确性和效率，减少操作者经验依赖导致的观察者间变异	膀胱肿瘤、膀胱炎及术后疤痕的膀胱镜图像	数字病理学	膀胱癌	膀胱镜检查	CNN, Vision Transformer, Vision Mamba	图像	2056次检查中的9362张图像	NA	卷积神经网络, Vision Transformer, Vision Mamba	AUC, Dice相似系数	NA
7904	2026-06-18	A Deep Dual-Domain Interaction Reconstruction Framework With Adaptive Gating Fusion for Low-Field MRI 2026-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70330 PMID:42286973	研究论文	提出了一种用于低场MRI的深度双域交互重建框架，通过自适应门控融合提高重建质量	创新性地设计了混合双域交互模块和自适应门控融合策略，同时利用注意力机制建模k空间频率编码与图像域像素间的长程依赖关系	未明确提及，但可能包括对特定低场数据集依赖性强、计算资源需求高等潜在限制	开发一种高质量、低成本的低场MRI重建方法，以促进资源受限临床环境下的MRI系统部署	低场MRI图像重建中的k空间与图像域双域交互问题	计算机视觉, 机器学习	NA	MRI	CNN, 注意力机制	MRI图像	公共0.3T低场数据集和实验室采集的0.5T低场MRI扫描仪数据（具体样本数未说明）	PyTorch	U-Net, 多尺度U-Net结构	PSNR, SSIM	NA
7905	2026-06-18	SPACT: A clustering-driven multi-modal framework for survival prediction using genomic and histopathology data 2026-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104078 PMID:42013616	研究论文	提出SPACT，一种基于聚类驱动的多模态框架，利用基因组和组织病理学数据进行生存预测	通过结合TCGA和外部Başkent医院数据集提升鲁棒性和预测准确性，并采用多编码器交叉比较选择最优编码器	未明确说明限制，可能受限于外部数据集规模或特定癌症类型的泛化能力	提高癌症生存预测的鲁棒性和准确性，尤其是亚类别预测	癌症患者生存概率，涉及7种癌症类型（如卵巢癌）	自然语言处理, 数字病理学	卵巢癌, 其他癌症类型	深度学习, 多模态数据融合	多模态深度神经网络	基因组数据, 组织病理学全切片图像（WSI）	TCGA数据集和Başkent医院外部数据集，具体样本数量未说明	PyTorch, TensorFlow（推测）	多种编码器（未具体列出），集成模型	c-index	NA
7906	2026-06-18	YoloSeg: You only label once for medical image segmentation 2026-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104093 PMID:42048960	研究论文	提出YoloSeg框架，在仅有一张标注图像的情况下实现医学图像分割，通过SAM 2传播标签、多视图伪标签分解和跨补丁数据增强，在十个数据集上与全监督方法性能相当	提出在极端标签稀缺（仅一张标注图像）下的分割方法，创新性地整合SAM 2进行标签传播，并设计多视图标签传播策略分解伪标签为共识区和分歧区，引入双分量损失分别处理，同时提出跨补丁数据增强增强语义一致性	输出内容中未提及具体局限性	解决医学图像分割中极端标签稀少问题，实现仅需一张标注图像即可得到高性能分割模型	医学图像中的器官、血管和病变等分割目标	数字病理学	NA	NA	分割模型	医学图像	十个不同的医学图像分割数据集	PyTorch	Segment Anything Model 2	Dice系数	NA
7907	2026-06-18	A two-stage deep learning approach for forensic age and sex determination from hand-wrist radiographs: an anatomical pose estimation and multi-task model 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03729-w PMID:41792516	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7908	2026-06-18	Automatic multiple sclerosis lesion segmentation in the spinal cord using 3 T and 7 T MP2RAGE images 2026-Jul, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2026.107250 PMID:42173050	research paper	开发基于深度学习的全自动框架，使用MP2RAGE图像对脊髓多发性硬化病变进行分割	提出了UNIseg方法，基于nnU-Net v2架构在多个中心的数据集上训练，显著优于在单中心数据上训练的基准方法	7T数据集的分割性能低于3T，且研究为回顾性多中心设计	开发并评估用于脊髓多发性硬化病变分割的深度学习自动框架	脊髓中的多发性硬化病变	machine learning	多发性硬化	MP2RAGE	nnU-Net	MRI图像	422名受试者（402名MS患者，20名健康对照）共472个MRI体积	NA	nnU-Net v2	Dice系数，病变级灵敏度，病变级精确度	NA
7909	2026-06-18	Deep Learning Morphometric Analysis on Protocol Biopsies Predicts Future Graft Function 2026-Jul, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2026.106585 PMID:42305258	研究论文	利用深度学习对移植肾协议活检进行形态计量分析，预测3年后的肾功能	将深度学习自动形态计量分析与机器学习结合，用于预测移植肾活检后3年肾小球滤过率，克服了传统Banff分类的半定量限制	NA	评估深度学习自动化形态计量分析是否能通过机器学习预测移植肾活检后3年的肾小球滤过率	肾移植接受者的协议活检组织切片	数字病理学	肾移植相关肾病	全切片成像（WSI）	深度学习与机器学习模型	图像	367名肾移植患者	NA	八种深度学习算法，十种机器学习模型（包括Kernel Ridge和贝叶斯模型）	平均绝对误差（MAE）, 相关系数（r）	NA
7910	2026-06-18	Comprehensive benchmarking of deep learning architectures for multiclass histopathological classification of oral epithelial lesions 2026 Jul-Aug, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2026.101478 PMID:42306089	研究论文	系统性评估多种深度学习架构在口腔上皮病变多分类组织病理图像分类中的性能	首次对七种深度学习架构（包括视觉Transformer和多种CNN）在口腔组织病理图像三分类（正常上皮、上皮异常增生、口腔鳞状细胞癌）任务中进行综合基准测试，并采用数据增强和加权损失策略处理类别不平衡	误分类主要出现在正常上皮、发育不良和早期癌之间的组织学过渡区域；数据集来源单一，样本量有限	评估和比较不同深度学习架构对口腔组织病理图像的自动分类能力，以支持AI辅助数字病理学在口腔癌前病变和癌症早期检测中的应用	口腔上皮组织病理图像，包含正常上皮、口腔上皮异常增生和口腔鳞状细胞癌三类样本	数字病理学	口腔癌	组织病理学成像	深度学习	图像	2363张组织病理图像（10x和40x放大倍数），其中正常上皮1254张、上皮异常增生976张、口腔鳞状细胞癌102张；经数据增强扩展至4750张训练图像	PyTorch	Vision Transformer (ViT), EfficientNet-B0, InceptionV3, ResNet-50, VGG16, MobileNetV3, YOLOv11	准确率, 精确率, 召回率, F1分数	NA
7911	2026-06-18	Artificial Intelligence for Molecular Subtyping in Unresectable Gallbladder Cancer: A Proof-of-Concept Study for CT-based HER2 Status Prediction 2026 Jul-Aug, Journal of clinical and experimental hepatology IF:3.3Q2 DOI:10.1016/j.jceh.2026.103563 PMID:42306236	研究论文	开发基于CT的深度学习框架，用于不可切除胆囊癌的HER2状态非侵入性预测	首次实现不可切除胆囊癌HER2状态的完全自动化CT预测，结合Grounding DINO-MedSAM进行肿瘤检测与分割，并采用多种方法（临床模型、影像组学、深度学习）进行HER2分类	单中心研究，样本量较小（213例），且分割性能指标（Dice得分0.62）有待提升	开发非侵入性预测不可切除胆囊癌HER2状态的CT影像框架	不可切除胆囊癌患者的HER2状态（阳性/阴性）	计算机视觉, 数字病理学	胆囊癌	CT影像	深度学习（Swin Transformer, DenseNet）、随机森林	CT图像	213例不可切除胆囊癌患者（143例回顾性训练集，70例前瞻性测试集）；其中42例（19.7%）HER2阳性	PyTorch	Grounding DINO-MedSAM, Swin Transformer, DenseNet	Dice系数, 交并比, 敏感性, 特异性, 受试者工作特征曲线下面积, F1分数	未明确提及，但推测使用标准GPU（如NVIDIA RTX系列）
7912	2026-06-18	An optimization-driven hierarchical deep learning approach using the Gray Langurs algorithm for data-driven seismic activity prediction 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56169-2 PMID:42303651	研究论文	提出一种基于灰狼优化算法和分层深度学习（N-HITS）的混合框架，用于从历史地震目录数据中预测地震活动模式	首次将灰狼优化算法（GLO）与分层深度学习模型N-HITS结合，实现系统性的超参数优化，显著提升了地震序列预测性能	仅依赖历史地震目录模式，未纳入构造过程或地球物理驱动因素，输出应视为统计趋势估计而非物理可靠的地震预测	开发集成、计算高效的数据驱动时间序列建模框架，用于统计地震活动性预测	历史地震目录数据中的地震活动时间序列模式	机器学习	不适用	地震目录分析	N-HITS, GLO（灰狼优化器）	时间序列数据（地震目录）	不适用	PyTorch	N-HITS	决定系数R², 均方误差MSE	NA
7913	2026-06-18	External Validation of a Deep Learning-Based Artificial Intelligence System for Ultrasound Diagnosis of Thyroid Nodules: A Two-Center Retrospective Study 2026-Jun-17, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70275 PMID:42304967	研究论文	外部验证基于深度学习卷积神经网络的人工智能系统在甲状腺结节超声诊断中的性能	首次在两个中心回顾性研究中评估基于深度学习CNN的AI系统在甲状腺结节超声诊断中的表现，并比较图像模式和视频模式的诊断性能	样本量相对较小（485个结节），且为回顾性研究，可能引入选择偏倚	评估基于深度学习CNN的AI诊断系统在甲状腺结节超声诊断中的性能	甲状腺结节患者	计算机视觉	甲状腺结节	超声成像	CNN	图像、视频	485个甲状腺结节来自两家三级医院	NA	卷积神经网络	敏感度、特异度、准确率、AUC	NA
7914	2026-06-18	Physics-Enhanced Deep Learning Optimized Semitransparent Organic Photovoltaics for Building-Integrated Sustainable Energy 2026-Jun-17, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73762 PMID:42307205	研究论文	提出一种物理增强深度学习框架，优化半透明有机光伏电池，实现创纪录的光利用效率并展示其在建筑集成可持续能源中的巨大潜力	将光学物理先验嵌入神经网络，减少对大量实验数据的依赖，同时提升预测准确性；结合新型卤素添加剂工程策略，实现超过20%的能量转换效率	大规模制造模块的性能可能低于实验室水平；物理先验的准确性和适用性可能受限于模型简化和实际条件差异	解决半透明有机光伏电池效率与透明度的根本权衡问题，推动建筑集成光伏技术发展	半透明有机光伏电池及其在建筑集成中的光-电-能效表现	计算机视觉	NA	NA	深度学习	光学参数和光伏性能数据	NA	NA	神经网络	光利用效率、能量转换效率	NA
7915	2026-06-18	A Phase-Resolved Geometric Deep Learning Framework Maps Structural Determinants of Disease-Associated Protein Aggregation and Guides Suppressor Design 2026-Jun-17, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.76118 PMID:42307331	研究论文	提出SKALE 2.0，一个相位分辨的几何深度学习框架，通过三维拓扑直接学习突变诱导的蛋白质聚集表型，并指导抑制剂的理性设计	首次将蛋白质聚集过程分解为成核和延伸两个相位，并利用几何深度学习从三维结构中区分不同相位的结构决定因素，发现相位特异性突变调节模式，并实现抑制剂的约束感知设计	NA	开发能够解析蛋白质聚集不同相位（成核与延伸）结构决定因素的深度学习框架，并指导聚集抑制剂的理性设计	与神经退行性疾病相关的蛋白质（SOD1、TDP-43、MAPT、PRNP）及其突变体	机器学习	神经退行性疾病	蛋白质结构预测（AlphaFold）、重组蛋白表达与实验验证	几何深度学习（图神经网络）	蛋白质三维结构数据	涉及SOD1、TDP-43、MAPT、PRNP四种蛋白质的多种突变体，以及重组SOD1的实验验证	NA	图神经网络（SKALE 2.0）	NA	NA
7916	2026-06-18	A Highly Sensitive, Ultrawide-Range Temperature-Pressure Dual-Mode Sensing Platform for Battery Health and Marine Monitoring 2026-Jun-17, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.6c02665 PMID:42307483	研究论文	报道一种基于六方氮化硼和少层石墨烯协同增强机制的高灵敏度、宽范围温度-压力双模传感器，并构建基于Informer架构的深度学习模型实现电池热行为精确预测	通过六方氮化硼的离子泵效应与少层石墨烯应变调控导电通路的协同增强机制，实现创纪录的4771.2 kPa灵敏度与10 MPa检测上限，同时铂蛇形电极温度传感器经退火处理后表现出高度线性与稳定响应	NA	开发高性能双模传感器用于极端环境监测，并验证传感器数据在深度学习模型中的实用性以实现电池热行为精确预测	锂离子电池膨胀和深海波浪监测	机器学习	NA	磁控溅射	Informer	时间序列数据	NA	PyTorch	Informer	平均绝对误差, 范围准确率	NA
7917	2026-06-18	Spinal cord reserve is associated with multi-dimensional clinical resilience in multiple sclerosis 2026-Jun-17, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-026-13821-1 PMID:42307802	研究论文	探究脊髓储备与多发性硬化患者多维度临床恢复能力的关系	首次证明脊髓管面积（SCaA）与多发性硬化患者更广泛的临床功能结局（包括EDSS、T25FWT、9HPT及SDMT）相关，并支持脊髓储备这一新概念	NA	评估脊髓管面积（SCaA）是否与多发性硬化（MS）更广泛的临床功能结局相关	多发性硬化患者	机器学习	多发性硬化	NA	深度学习模型	脑部MRI图像	426名MS患者的714次脑部MRI扫描	NA	NA	组内相关系数	NA
7918	2026-06-18	Machine Learning-Enabled Quantification of Hepatocellular Necrosis in the Liver After Lethal Marburg and Ebola Virus Exposures 2026-Jun-16, The Journal of infectious diseases IF:5.0Q1 DOI:10.1093/infdis/jiag040 PMID:41566943	研究论文	利用深度学习模型对致死性马尔堡和埃博拉病毒暴露后肝脏中的肝细胞坏死进行定量分析	首次使用深度学习模型对致死性丝状病毒感染后肝脏病理切片进行像素级定量分析，实现了与病理学家相当的观察者间变异性，并揭示了坏死定位与病毒类型的差异	概念验证性研究，样本量有限（仅涉及猕猴模型），未进行大规模回顾性分析	量化致死性马尔堡和埃博拉病毒暴露后肝脏的肝细胞坏死，并探索坏死与临床指标的相关性及坏死定位差异	致死性丝状病毒（马尔堡病毒和埃博拉病毒玛科纳变种及基奎特变种）感染的猕猴肝脏病理切片	数字病理学	马尔堡和埃博拉病毒感染	数字化病理切片	深度学习分割模型	图像	猕猴肝脏病理切片（具体数量未提供）	NA	NA	观察者间变异性	NA
7919	2026-06-18	Exploring the Stochastic Regularisation in Normalisation Layers for Semi-Supervised Learning 2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3704538 PMID:42301824	研究论文	提出Shuffle层归一化和Shuffle组归一化方法，通过在半监督学习中引入可控随机正则化提升模型性能	首次揭示批归一化中随机正则化在标签分布不匹配时的负面效应，并提出不增加模型参数的可控随机归一化技术SLN/SGN	未讨论SLN/SGN在极端标签分布偏差下的表现边界，以及随机正则化强度的自动调节机制	探索半监督学习中归一化层随机正则化的影响，并设计更鲁棒的归一化方法	图像、文本和音频多模态数据上的半监督学习任务	机器学习	NA	NA	CNN, Transformer	图像, 文本, 音频	NA	PyTorch	CNN, Transformer	准确率, 伪标签正确率	NA
7920	2026-06-18	No One-Size-Fits-All Neurons: Task-based Neurons for Artificial Neural Networks 2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3704202 PMID:42301827	研究论文	提出一种基于任务的神经元设计方法，通过符号回归和参数化增强网络特征表示能力	首次从任务型架构设计转向任务型神经元设计，利用符号回归自适应生成神经元聚合函数，打破传统统一神经元模式	当前仅以多项式为基函数进行验证，未探索其他基函数组合；未在超大规模网络中进行充分测试	验证人工神经网络中任务型神经元设计的可行性与有效性，提升特征表示能力	合成数据、经典基准数据集和实际应用中的特征表示与分类任务	机器学习	NA	符号回归	任务型神经元	数值数据	NA	PyTorch, TensorFlow	MLP, ResNet	准确率, F1值	NA