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
8681	2026-04-12	18F-FDG PET-based ensemble deep learning model for the prediction of lymphovascular invasion in colorectal cancer patients 2026-May, Abdominal radiology (New York) DOI:10.1007/s00261-025-05282-3 PMID:41217477	研究论文	本研究开发了一种基于18F-FDG PET图像的2.5维集成深度学习模型，用于预测结直肠癌患者的淋巴血管侵犯	提出了一种结合不同肿瘤区域（原发灶、近端及远端瘤周）的2.5D集成深度学习模型，并利用支持向量机融合多个深度学习模型的预测结果，以提高淋巴血管侵犯的预测性能	研究为回顾性设计，样本量相对较小（177例患者），且仅进行了内部测试，缺乏外部验证	评估基于18F-FDG PET图像的深度学习模型在预测结直肠癌患者淋巴血管侵犯方面的诊断性能	结直肠癌患者	数字病理学	结直肠癌	18F-FDG PET/CT成像	集成深度学习模型	PET图像	177名结直肠癌患者	NA	VGG16, Googlenet, ResNet50, DenseNet201, Vision Transformer	AUC, 准确率, F1分数	NA
8682	2026-04-12	Poincaré feature-based classification of electroencephalography signals for multiple sclerosis diagnosis 2026-May, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2026.107092 PMID:41747647	研究论文	本研究探索使用基于Poincaré图的EEG信号特征来区分多发性硬化症患者与健康个体	首次将Poincaré图特征应用于EEG信号以辅助多发性硬化症的诊断，并结合传统机器学习与深度学习模型进行比较分析	样本量有限（仅50名受试者），结果需视为初步发现，需要更大规模的数据集进行验证	开发一种基于EEG的低成本、无创方法来辅助多发性硬化症的诊断	多发性硬化症患者和健康对照个体的EEG信号	机器学习	多发性硬化症	EEG信号处理	KNN, DT, RF, MLP, CNN, LSTM, GRU	EEG信号	50名受试者（25名多发性硬化症患者，25名健康对照）	NA	CNN+LSTM, LSTM+GRU	准确率, 灵敏度, 特异性	NA
8683	2026-04-12	Multi-dimensional CT feature screening, construction, and validation of a clinical diagnostic model for thyroid eye disease 2026-May, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104534 PMID:41895192	研究论文	本研究通过多维CT特征筛选、构建并验证了甲状腺眼病的临床诊断模型	首次系统性地结合CT三维重建和多平面重建数据，通过四维参数（点、线、面、体积）的定量测量，并利用LASSO回归进行特征筛选，构建了高精度的TED诊断模型，相比单一筛查指标性能更优	研究未整合机器学习、深度学习或影像组学方法，可能限制了模型的进一步优化和临床工作流程效率	开发并验证一个用于甲状腺眼病筛查的定量、可重复的临床诊断模型	甲状腺眼病患者和对照受试者的眼眶CT影像数据	数字病理	甲状腺眼病	计算机断层扫描（CT）、三维重建、多平面重建	逻辑回归	CT影像	未明确具体样本数量，但数据集按7:3比例随机分为训练集和验证集	SPSS, R语言	NA	AUC（ROC曲线下面积）、分类准确率	NA
8684	2026-04-12	Deep-Learning-Based Automatic Measurement of the Distance Between the Maxillary Sinus and Maxillary Posterior Teeth on CBCT Images 2026-Apr-11, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.70141 PMID:41964309	研究论文	本研究开发了一种基于深度学习和三维点云算法的自动框架，用于在CBCT图像上量化上颌窦与上颌后牙之间的距离关系	结合U-Net卷积块注意力架构的深度学习分割模型与三维点云算法，实现了对上颌窦与上颌后牙距离的自动测量，提高了检测准确性和一致性	样本量相对较小（88个上颌窦和352颗上颌后牙），且成功检测率在1毫米阈值下为70.3%，仍有提升空间	探索基于CBCT图像的深度学习模型，自动测量上颌窦与上颌后牙之间的距离，以辅助临床诊断和治疗规划	上颌窦和上颌后牙	数字病理学	NA	锥形束计算机断层扫描	CNN	图像	88个上颌窦和352颗上颌后牙	NA	U-Net卷积块注意力架构	Dice相似系数, Jaccard系数, 成功检测率	NA
8685	2026-04-12	Deep Learning-Enabled Multimodal AFM Image Enhancement: Correlation Analysis between Surface Topography and Multiphysics Fields 2026-Apr-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06947 PMID:41961746	研究论文	本文提出了一种基于深度学习的多模态AFM图像增强模型，用于分析纳米尺度下材料表面形貌与多物理场之间的相关性	提出了一种基于多模态数据融合的图像增强模型，利用深度学习框架从多尺度AFM数据中提取和增强特征，实现了表面形貌特征与物理性能之间的潜在关联分析	NA	实现纳米尺度下材料表面形貌与多物理场的同步关联分析，以推进材料表征技术的发展	染色体表面	计算机视觉	NA	原子力显微镜（AFM），超分辨率（SR）成像	CNN	图像	NA	NA	NA	NA	NA
8686	2026-04-12	An Open-Source Deep Learning Framework for Automated Corneal Segmentation in Anterior Segment Optical Coherence Tomography With Cross-Device External Validation 2026-Apr-10, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004130 PMID:41962147	研究论文	本文开发了一个名为CUNEX的深度学习模型，用于自动分割前段光学相干断层扫描（AS-OCT）图像中的全厚度角膜，并在多个设备上进行了外部验证	CUNEX是首个开源的AS-OCT角膜分割模型，在多个独立OCT平台上进行了评估，提供了可重复的分割基础	分割对性别预测的准确性有影响，从81%降至68%，表明性别相关特征可能位于角膜之外	开发并评估一个深度学习模型，用于AS-OCT图像中的角膜分割，并集成到临床和人工智能研究流程中	AS-OCT图像，包括正常、圆锥角膜和Fuchs内皮角膜营养不良的眼睛	计算机视觉	角膜疾病	光学相干断层扫描（OCT）	深度学习模型	图像	194,599次扫描来自37,499名患者，其中300只眼睛用于模型训练	nnU-Net	nnU-Net	Dice相似系数（DSC），交并比（IoU），准确率	NA
8687	2026-04-12	Developing an Artificial Intelligence Solution to Autosegment the Edentulous Maxillary Bone for Implant Planning 2026-Apr-10, European journal of dentistry DOI:10.1055/s-0046-1818558 PMID:41962579	研究论文	本研究开发了一种基于U-Net架构的深度学习系统，用于自动分割上颌无牙颌骨区域，以辅助数字化种植体规划	首次将基于U-Net的卷积神经网络应用于CBCT影像的上颌无牙颌骨自动分割，并在某些情况下展现出比人工分割更高的解剖学精度	数据集规模较小（77例），且存在类别不平衡问题（后牙区无牙颌病例占多数），人工标注协议有待优化	开发人工智能解决方案以自动化上颌无牙颌骨的分割，从而简化数字化种植体规划流程	上颌无牙颌骨区域	数字病理学	NA	锥形束计算机断层扫描（CBCT）	CNN	医学影像	77例CBCT扫描（来自209例初始数据），包含30例单侧和47例双侧无牙颌空间	MONAI	U-Net	Dice相似系数（DSC）	NA
8688	2026-04-12	Cognitive Radio for Satellite TT & C System: A General Dataset Using Software-defined Radio 2026-Apr-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07182-7 PMID:41963337	研究论文	本文介绍了首个专为基于深度学习的卫星测控信号处理设计的开源基准数据集RML24	首次创建了针对卫星TT&C系统的开源深度学习数据集，模拟了卫星信道模型和真实射频链路效应	NA	促进认知无线电技术在卫星通信系统中的应用，加速智能自适应卫星系统的发展	卫星测控信号	机器学习	NA	软件定义无线电，射频收发平台	NA	信号样本	超过130万个信号样本	NA	NA	NA	NA
8689	2026-04-12	Deepath-SCC: a deep learning model for accurate tissue origin identification in squamous cell carcinoma 2026-Apr-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01405-1 PMID:41963625	研究论文	开发了一个名为Deepath-SCC的深度学习模型，用于从H&E染色的全切片图像中准确识别鳞状细胞癌的组织来源	首次提出一个深度学习模型，专门用于泛鳞状细胞癌的组织来源识别，直接从常规病理切片图像中实现高精度预测	研究为回顾性队列，需要进一步前瞻性验证；模型在外部测试集上的准确率略有下降	解决鳞状细胞癌组织来源识别困难的问题，提高病理诊断的准确性	鳞状细胞癌患者的全切片图像，涵盖鼻咽、头颈/食管、肺、宫颈和尿路上皮等多个部位	数字病理	鳞状细胞癌	H&E染色全切片成像	深度学习模型	图像	4217张全切片图像	NA	Deepath-SCC	准确率, AUROC	NA
8690	2026-04-12	Predicting hepatocellular carcinoma in people with hepatitis B: a comparison between Cox proportional hazard and machine learning models 2026-Apr-09, Journal of epidemiology and population health DOI:10.1016/j.jeph.2026.203387 PMID:41962179	研究论文	本研究比较了Cox比例风险模型与多种机器学习和深度学习算法在预测慢性乙型肝炎病毒感染患者肝细胞癌风险中的表现	首次在慢性乙型肝炎患者队列中系统比较传统Cox比例风险模型与多种机器学习及深度学习算法在肝细胞癌预测中的性能	样本量有限且结果高度不平衡，可能影响模型泛化能力	比较不同统计模型在肝细胞癌风险预测中的性能差异	慢性乙型肝炎病毒感染患者	机器学习	肝细胞癌	生存分析	Cox比例风险模型,随机生存森林,生存支持向量机,生存XGBoost,DeepSurv	临床队列数据	4,370名慢性乙型肝炎病毒感染患者，其中56人（1.3%）发展为肝细胞癌	NA	Random Survival Forest, Survival SVM, Survival XGBoost, DeepSurv	Harrell's C-index, 逆概率删失加权胜率统计量, 3年/5年/8年时间依赖性ROC曲线下面积	NA
8691	2026-04-12	Artificial intelligence for metabolic dysfunction-associated steatotic liver disease diagnosis: A systematic review 2026-Apr-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111619 PMID:41962452	系统综述	本文对人工智能在代谢功能障碍相关脂肪性肝病诊断中的应用进行了系统性回顾，重点关注预测建模、筛查、影像分析和治疗辅助	首次对2020年至2026年间人工智能在MASLD诊断中的多模态应用进行全面系统综述，并整合了多组学数据用于新型生物标志物发现和治疗靶点识别	模型泛化能力、标准化以及临床整合方面仍存在挑战，需要前瞻性验证和实施策略	评估人工智能技术在代谢功能障碍相关脂肪性肝病诊断中的应用现状与潜力	涉及人工智能在MASLD诊断中的研究文献	数字病理学	代谢功能障碍相关脂肪性肝病	深度学习, 多组学分析	深度学习模型	超声图像, CT图像, MRI图像, 多组学数据	191项符合纳入标准的研究（从1247条初始记录中筛选）	NA	NA	准确性	NA
8692	2026-04-12	Vocal Age Gap as a Noninvasive Biomarker for Early Detection of Laryngeal Cancer Using Deep Learning 2026-Apr-09, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2026.03.008 PMID:41963165	研究论文	本研究提出了一种基于深度学习的声学生物标志物——声龄差，用于喉癌的早期检测	首次引入声龄差作为非侵入性生物标志物，通过计算预测声龄与实际年龄的差异来评估喉癌风险	需要前瞻性验证和临床评估支持，特别是在老年和医疗资源不足人群中的应用	开发一种基于声音的早期喉癌筛查方法	持续发/a/元音录音的声谱图	数字病理学	喉癌	声学分析	卷积循环神经网络	音频	20种声带病理学分类，涉及低、中、高风险组	NA	卷积循环神经网络	平均绝对误差	NA
8693	2026-04-12	Deep learning-enhanced dual-mode multiplexed optical sensor for point-of-care diagnostics of cardiovascular diseases 2026-Apr-08, Light, science & applications DOI:10.1038/s41377-026-02275-9 PMID:41951574	研究论文	本文提出了一种深度学习增强的双模式多重垂直流分析传感器，用于心血管疾病的即时诊断	集成了比色法和化学发光检测于单一纸基卡盒中，结合神经网络量化流程，实现了对低丰度和高丰度生物标志物的宽动态范围（约6个数量级）互补覆盖	研究仅在92例患者血清样本上进行了训练和盲测，样本量相对有限	开发一种快速、定量、高灵敏度的即时诊断工具，用于心血管疾病的诊断和风险评估	心肌梗死和心力衰竭患者	数字病理学	心血管疾病	垂直流分析，比色法，化学发光检测	神经网络	光学传感器数据（比色和化学发光信号）	92例患者血清样本	NA	NA	Pearson相关系数	NA
8694	2026-04-12	MSF-VMDNet for multi class segmentation of skin cancer whole slide images using a multi frequency dual encoder network 2026-Apr-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40044-1 PMID:41951639	研究论文	本文提出了一种基于多频域注意力的双编码器网络（MSF-VMDNet），用于皮肤癌全切片图像的多类别语义分割	结合U-Net和Vision Mamba双编码器进行并行特征提取，并引入改进的AFNO谱分解模块和多频域机制，以增强高分辨率多类别语义信息提取及长程依赖建模	未明确说明模型的计算复杂度或在实际临床环境中的验证情况	提高皮肤癌全切片图像中10种不同组织类别的语义分割精度	皮肤癌全切片图像	数字病理学	皮肤癌	组织学染色切片	CNN, SSM	图像	NA	PyTorch	U-Net, Vision Mamba	MIoU, Dice系数	NA
8695	2026-04-10	A novel intrusion detection framework using hybrid deep learning to detect IIoT cloud environments attacks 2026-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-15419-5 PMID:41946732	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8696	2026-04-12	Inverse design of an ultra-wideband endfire grooved half-mode waveguide (G-HMWG) antenna based on the CNN approach 2026-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41442-1 PMID:41946759	研究论文	本研究提出了一种基于CNN的AI辅助逆向设计方法，用于设计紧凑型超宽带槽状半模波导端射天线	首次将一维卷积神经网络应用于槽状半模波导天线的逆向设计，实现天线长度减少34%的同时保持优异辐射性能	研究未讨论CNN模型在其他频段或天线结构上的泛化能力	开发紧凑型超宽带端射天线的AI驱动优化方法	槽状半模波导端射天线	机器学习	NA	CST全波仿真	CNN	仿真参数与辐射方向图向量	基于CST仿真生成的参数化数据集	NA	一维卷积神经网络	S参数、峰值增益、旁瓣抑制	NA
8697	2026-04-12	MRR-YOLO: an instance segmentation technique for ground-based cloud images 2026-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46567-x PMID:41946879	研究论文	本研究提出了一种基于深度学习和实例分割技术的MRR-YOLO模型，用于地面云图像的实例分割	引入了MSDA、RCS-OSA和RFAConv模块，优化了云分割的轻量化和特征提取能力，并证明实例分割在多变形状云检测中优于语义分割	未明确提及模型在极端天气条件或不同地理区域的泛化能力限制	开发一种高效的地面云图像实例分割技术，以提升太阳能系统的功率输出预测和维护成本控制	地面云图像，包括SWIMSEG、CCSN、全天空数据集及郑州城市真实云图像	计算机视觉	NA	深度学习，实例分割	YOLO	图像	多个数据集（SWIMSEG、CCSN、全天空数据集）及郑州城市真实云图像，具体样本数量未明确	NA	MRR-YOLO（基于YOLO架构，集成MSDA、RCS-OSA、RFAConv模块）	PB, RB, mAP50B, PM, RM, mAP50M	NA
8698	2026-04-12	Bias, fairness, and equity in artificial intelligence systems used in dental imaging: A systematic review 2026-Apr-07, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106433 PMID:41962403	系统综述	本文对牙科影像中人工智能系统的偏见、公平性和公正性进行了系统性回顾	首次系统性评估牙科影像AI研究在偏见、公平性和公正性方面的报告现状，并提出了促进公平临床部署的方法学优先事项	纳入研究数量有限（10篇），且研究间存在数据集、模型和结局指标的异质性，未发现基于CBCT的合格研究	评估牙科影像AI研究的诊断准确性、方法学质量以及在偏见、公平性和公正性方面的报告情况	应用AI于牙科影像的原始研究文章	计算机视觉	NA	深度学习	深度学习模型	2D牙科影像（如全景X光片、根尖周X光片、咬翼X光片、口内照片）	NA	NA	NA	诊断准确性	NA
8699	2026-04-12	Simultaneous detection of water content and ferulic acid content in Angelica sinensis using NIR-HSI and multi-task hierarchical attention CNN 2026-Apr-06, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127829 PMID:41962343	研究论文	本研究结合近红外高光谱成像技术与深度学习，提出一种配备多头分层注意力机制的多任务卷积神经网络，用于同时快速无损检测当归的水分和阿魏酸含量	提出了结合多任务样本划分算法、多头分层注意力机制和不确定性驱动的自适应损失平衡策略的集成模型，实现了局部与全局光谱特征的双重捕获及多任务的动态协同优化	未明确说明模型在其他中药材或食品中的泛化能力验证情况，也未讨论实际工业部署中的硬件成本与实时性要求	实现当归药材的快速、无损、智能化质量检测	当归药材样本	计算机视觉	NA	近红外高光谱成像	CNN	光谱图像	未明确说明具体样本数量	未明确说明	1DCNN	R值, RPD值	NA
8700	2026-04-12	Alzheimer's disease staging using enhanced inception-ResNet-V2 and improved XceptionNet models for 3D MRI classification and segmentation 2026-Apr-05, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110767 PMID:41941947	研究论文	提出一种增强的混合深度学习框架，用于阿尔茨海默病的3D MRI分类和分割	结合增强的Inception-ResNet-V2进行多分类，改进的XceptionNet进行脑区分割，并采用并行卷积神经网络有效提取3D MRI空间特征	未提及模型在外部验证集或临床实际应用中的泛化能力	提高阿尔茨海默病的诊断准确性和疾病分期能力	阿尔茨海默病患者和正常对照的3D MRI脑部扫描图像	医学影像分析	阿尔茨海默病	3D MRI	CNN	3D医学影像	OASIS和ADNI数据集（具体数量未说明）	NA	Inception-ResNet-V2, XceptionNet, 并行卷积神经网络	准确率	NA