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
8761	2026-02-22	Minimizing Missed Diagnoses of Tibial Plateau Fractures: The Role of AI in Radiographic Evaluation 2026-Feb-18, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.00579 PMID:41706010	研究论文	本研究开发了一种基于AI的诊断工具，用于在X光片上识别胫骨平台骨折	首次将EfficientNet B3 AI模型应用于胫骨平台骨折的X光片诊断，并展示了高诊断性能	数据集中各亚组样本量不平衡，且无法识别含有异物或其他缺陷的X光片	开发人工智能诊断工具以减少胫骨平台骨折的漏诊	胫骨平台骨折患者的X光片	计算机视觉	骨科损伤	X光成像，计算机断层扫描（CT）	CNN	图像	1,809名患者，共3,821张膝关节正位和侧位X光片	NA	EfficientNet B3	AUC, 阳性预测值	NA
8762	2026-02-22	Retraction Note: Enhanced climate change resilience on wheat anther morphology using optimized deep learning techniques 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40318-8 PMID:41708830	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8763	2026-02-22	Hybrid deep learning-numerical modeling framework for long-term prediction of groundwater discharge and radionuclide transport 2026-Feb-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141346 PMID:41650601	研究论文	本研究提出了一种结合数值模型与深度学习方法的混合建模框架，用于提高地下水流量和放射性核素迁移长期预测的准确性和计算效率	提出了一种将自适应过程基础的全系统性能评估框架（APro-BIO）与图卷积长短期记忆（GC-LSTM）模型相结合的混合建模框架，用于高效、准确地预测地下水流量和放射性核素迁移	未明确说明模型在极端或未预见条件下的泛化能力，以及模型对输入数据质量和完整性的依赖程度	提高地下水流量和放射性核素迁移长期预测的准确性和计算效率，以评估深地质处置系统的安全性	地下水流量（GWD）和放射性核素迁移（RNT）	机器学习	NA	数值模拟（HydroGeoSphere, APro-BIO），深度学习	GC-LSTM（图卷积长短期记忆网络）	数值模拟输出数据（水位、地表水流、地下水补给、地下水流量、地下水流速、地下水位、放射性核素迁移）及van Genuchten参数	NA	NA	GC-LSTM	Kling-Gupta效率值	NA
8764	2026-02-22	GAST-NET: A multi-modal and multi-task deep learning framework for preoperative prediction of perineural invasion and prognostic risk in gastric cancer 2026-Feb-14, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106348 PMID:41719850	研究论文	本文提出了一种名为GAST-NET的多模态多任务深度学习框架，用于术前预测胃癌的神经周围浸润和预后风险	开发了端到端多模态多任务深度学习框架，整合肿瘤CT特征、内脏脂肪组织特征和临床变量，并引入自适应多尺度特征融合模块和跨尺度融合池化模块以增强跨模态表示	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	术前预测胃癌的神经周围浸润和五年预后生存风险	胃癌患者	数字病理学	胃癌	CT成像	深度学习	图像, 临床变量	777名患者，来自三个医疗中心，分为训练队列、内部测试队列和两个外部测试队列	NA	GAST-NET	AUC, 决策曲线分析	NA
8765	2026-02-22	Instance-level quantitative saliency in multiple sclerosis lesion segmentation 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36560-9 PMID:41622299	研究论文	本文提出了两种用于语义分割的实例级可解释性方法，以生成定量显著性图，并应用于多发性硬化症白质病变的MRI分割任务	扩展了SmoothGrad和Grad-CAM++方法，首次实现了语义分割中针对单个特定实例（如医学影像中的单个病变）的定量显著性分析	方法主要应用于多发性硬化症病变分割，尚未在其他疾病或影像模态中验证其泛化能力	开发实例级可解释性方法，以理解深度学习模型在语义分割任务中检测和勾画特定病变的决策机制	多发性硬化症患者的白质病变	医学影像分析	多发性硬化症	磁共振成像	深度学习	MRI图像	687名患者，共4023次FLAIR和MPRAGE MRI扫描	PyTorch	3D U-Net, nnU-Net, Swin UNETR	Dice系数, 真阳性率, 假发现率, 假阴性率	NA
8766	2026-02-22	MRI neuroimaging-based Alzheimer's disease stage classification using deep neural network with convolutional block attention module and GAN-style noise injection 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37226-2 PMID:41622348	研究论文	本研究提出了一种名为Neuro_CBAM-ADNet的诊断模型，用于基于MRI数字图像早期预测阿尔茨海默病的四个阶段	结合卷积块注意力模块（CBAM）和GAN风格噪声注入的深度神经网络，以提高阿尔茨海默病阶段分类的准确性	未提及具体局限性	开发一个计算机辅助系统，用于阿尔茨海默病的早期检测和阶段分类	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	CNN	图像	未提及具体样本量	未提及	Neuro_CBAM-ADNet	准确率	未提及
8767	2026-02-22	Explainable multi-modal approach for uncovering key predictors of stroke-risk from ECG, EMG, blood pressure, and respiratory signals 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37777-4 PMID:41629619	研究论文	本研究开发了一种可解释的多模态中风风险预测模型，整合了呼吸信号、血压、心电图和肌电图数据	首次将呼吸信号（二氧化碳和呼吸流量）整合到中风风险预测模型中，并应用可解释人工智能技术识别关键预测因子	样本量较小（64名受试者），需要在更大规模的数据集上进行验证	开发准确且可解释的中风风险预测模型，帮助临床医生理解和信任AI决策	中风风险预测	机器学习	心血管疾病	ECG, EMG, 血压监测, 呼吸信号监测	单层感知器	多模态生物信号（时间序列数据）	64名受试者	未明确说明	单层感知器	准确率	NA
8768	2026-02-22	Tropical dry forest land use/land cover change detection using semi-supervised deep learning algorithms and remote sensing 2026-Feb-02, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14897-4 PMID:41627523	研究论文	本研究提出了一种新颖的半监督深度学习框架，结合SAR和光学卫星影像，用于热带干旱森林的土地利用/土地覆盖变化检测	提出了一种结合无监督伪标签生成和定制Y-Net架构的半监督深度学习框架，能够在标记数据有限的情况下，融合光学与雷达影像实现精确的变化检测	研究主要针对热带干旱森林区域，其方法在其他生态系统或地理区域的普适性尚未验证	开发一种适用于数据稀缺区域的半监督深度学习框架，以改进热带干旱森林的土地利用/土地覆盖变化检测	热带干旱森林（TDFs）的土地利用/土地覆盖变化	遥感	NA	合成孔径雷达（SAR）、光学卫星遥感	深度学习	卫星影像（SAR与光学影像）	2017年至2021年哥伦比亚安蒂奥基亚考卡河谷的卫星影像	NA	Y-Net, U-Net, PSPNet	平均总体准确率（95.3%）、平均交并比（mIoU, 88.1%）	NA
8769	2026-02-22	Research on structural damage identification based on temporal power flow graph network 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37356-7 PMID:41629411	研究论文	提出了一种基于时序功率流图网络的结构损伤识别方法，通过将动态功率流嵌入图神经网络的消息传递过程，实现无监督损伤检测与定位	提出了时序功率流传播模块，将结构动力学中的能量传输特性显式表征并嵌入图神经网络，增强了模型的物理可解释性和泛化能力	未在真实大型土木结构上进行验证，主要基于数值模拟和缩尺基准框架测试	提高结构损伤识别的物理可解释性和泛化能力	大型土木结构	机器学习	NA	多传感器加速度响应分析	图神经网络	传感器时序数据	NA	NA	TPF-GNet	准确率	NA
8770	2026-02-22	Paired liver-spleen high-frequency ultrasound deep learning network for full-stage liver fibrosis classification and clinical benefit compared with 2D-SWE in chronic hepatitis B cohort: a prospective multicenter study 2026-Feb, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-025-02331-y PMID:41432913	研究论文	本研究开发并验证了一种基于配对肝脾高频超声图像的深度学习网络（LS-Net），用于慢性乙型肝炎患者的全阶段肝纤维化分类，并与现有方法进行了临床获益比较	首次提出使用配对肝脾高频超声图像构建深度学习网络进行肝纤维化全阶段分类，并在多中心前瞻性研究中证明了其相较于单一肝脏图像网络、二维剪切波弹性成像及放射科医生评估的优越性能	研究为内部验证，需要进行外部验证以进一步确认模型的泛化能力；样本量（598名患者）虽为多中心，但可能仍需更大规模的研究	开发一种更准确、无创的肝纤维化分期诊断工具，以改善慢性乙型肝炎患者的临床管理	慢性乙型肝炎患者	数字病理学	肝纤维化，慢性乙型肝炎	高频超声，二维剪切波弹性成像，肝活检	深度学习网络	高频超声图像	来自6家医院的598名慢性乙型肝炎患者，共2139张高频超声图像	NA	LS-Net, L-Net	AUROC	NA
8771	2026-02-22	SPARSE data, rich results: Few-shot semi-supervised learning via class-conditioned image translation 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102705 PMID:41512686	研究论文	提出一种基于GAN的少样本半监督学习框架，通过类别条件图像翻译和集成伪标签技术，在医学图像数据稀缺场景下提升分类性能	提出三阶段训练框架，结合类别条件图像翻译（而非从噪声生成）利用未标注数据，并采用基于指数移动平均的集成伪标签方法	仅在MedMNIST数据集上进行评估，未在更复杂的真实临床医学影像数据上验证	解决医学影像标注数据稀缺场景下的半监督分类问题	医学图像分类任务	计算机视觉	NA	图像翻译	GAN	图像	每类5-50个标注样本（少样本场景），使用11个MedMNIST数据集	PyTorch	GAN（包含生成器、判别器和独立分类器的三网络架构）	分类准确率	NA
8772	2026-02-22	A multi-expert deep learning framework with LLM-guided arbitration for multimodal histopathology prediction 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102704 PMID:41519030	研究论文	提出一种多专家深度学习框架，利用大型语言模型作为智能仲裁器，整合多模态病理学数据以提升预测性能和可解释性	首次将大型语言模型作为智能仲裁器引入多专家框架，动态整合视觉和临床数据，解决模型间分歧并提供透明决策	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种透明且可扩展的AI系统，用于数字病理学中的多模态预测	胃癌和乳腺癌的病理学图像及临床数据	数字病理学	胃癌, 乳腺癌	深度学习, 大型语言模型	CNN, Transformer, LLM	图像, 临床信息	HMU-GC-HE-30K（仅病理图像）, BCNB（多模态数据）	NA	CNN, ViT, LLaMA, GPT, Mistral	NA	NA
8773	2026-02-22	Automated 3D cephalometry: A lightweight V-net for landmark localization on CBCT 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102700 PMID:41519031	研究论文	本研究开发了一种轻量级V-net深度学习模型，用于在CBCT扫描中自动定位16个解剖标志点，以实现三维头影测量的自动化	开发了一种轻量级V-net模型，专门针对临床工作流程优化，能够在异质性数据集上实现快速且准确的标志点定位	模型仅在350个CBCT扫描数据集上进行训练，可能需要更多样化的数据以进一步提高泛化能力	开发自动化的三维头影测量工具，以减少处理时间和操作者依赖性	锥形束CT扫描中的解剖标志点	计算机视觉	NA	锥形束CT	CNN	三维医学图像	350个手动标注的CBCT扫描	NA	V-net	平均定位误差, 角度测量误差, 线性测量误差, Bland-Altman分析	NA
8774	2026-02-22	A hybrid Transformer-CNN framework for uncertainty-guided semi-supervised multiclass eye disease classification with enhanced interpretability 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102701 PMID:41520385	研究论文	提出了一种结合Transformer与CNN的混合框架，用于不确定性引导的半监督多类眼病分类，并增强了模型的可解释性	提出了CNN-Transformer混合架构，引入了不确定性引导的MixMatch半监督学习框架，并开发了新颖的基于梯度的集成注意力图方法以提升可解释性	未明确提及，但可能包括数据集规模、模型泛化能力或计算资源需求	开发一种准确、可解释且能有效利用未标记数据的多类眼病自动分类方法	眼底图像	计算机视觉	眼病	深度学习	CNN, Transformer	图像	4215张眼底图像，涵盖四个类别	未明确提及	ConvNeXt, Transformer	准确率, Cohen's kappa分数, 敏感性, 特异性, AUC	NA
8775	2026-02-22	Developing an automatic decision-assistance tool to choose proton/photon radiotherapy for patients with prostate cancer 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70497 PMID:41704219	研究论文	本研究开发了一种自动决策辅助工具，用于为前列腺癌患者选择质子或光子放疗技术	提出了一种结合深度学习剂量预测模型和正常组织并发症概率（NTCP）计算的自动决策方法，以辅助临床选择放疗技术	样本量较小（48例患者），且仅针对前列腺癌，未涉及其他癌症类型	开发自动决策辅助工具，优化前列腺癌患者放疗技术（质子 vs 光子）的选择	前列腺癌患者	医学影像与放疗计划	前列腺癌	深度学习剂量预测	深度学习模型	放疗计划数据（剂量分布）	48例前列腺癌患者	NA	NA	平均绝对误差（MAE），准确性，AUC，p值	NA
8776	2026-02-22	Volumetric choroidal biomarkers in central serous chorioretinopathy using swept-source optical coherence tomography: a deep learning approach 2026-Feb, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-07014-1 PMID:41165808	研究论文	本研究利用深度学习技术分析慢性中心性浆液性脉络膜视网膜病变（cCSC）患者与健康对照的脉络膜体积生物标志物	采用基于残差UNet的深度学习方法和Phansalkar阈值法进行脉络膜层分割和血管提取，首次在cCSC中应用体积化脉络膜生物标志物分析	样本量较小（仅48只眼），且为回顾性研究，可能影响结果的普遍性	探究cCSC患者与健康对照在脉络膜体积生物标志物上的差异	慢性中心性浆液性脉络膜视网膜病变（cCSC）患者和健康年龄匹配个体的眼睛	数字病理学	脉络膜视网膜疾病	扫频源光学相干断层扫描（SS-OCT）	CNN	图像	48只眼（24只健康眼，24只cCSC眼）	NA	残差UNet	NA	NA
8777	2026-02-22	Self-supervised out-of-distribution detection-Metal implants and other anomaly 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70339 PMID:41719005	研究论文	本文提出了一种基于自监督生成模型的人工智能方法，用于检测腹部-骨盆CT扫描中的异常或分布外数据，以提升下游应用的性能	结合了VQVAE和VIT-MAE两种生成模型，构建了2D和3D架构，能够在无先验知识的情况下检测多种未知异常，并在非共享医疗合作环境中作为服务部署	在外部验证中，24.7%的假阳性率主要由体外异常触发，模型对异常类型的泛化能力仍有提升空间	开发AI模型以检测和识别腹部-骨盆CT检查中的异常或分布外数据，改善下游医学影像应用的鲁棒性	腹部-骨盆CT扫描图像，重点关注第三腰椎切片或整个扫描序列	计算机视觉	NA	CT成像	生成模型	医学影像（CT图像）	训练集：超过2850例50岁以上成年人的腹部-骨盆CT体积数据；前瞻性测试集：544例CT（2024年7月）；外部测试集：AbdominalCT-1k数据集的1062例CT扫描	PyTorch	Vector Quantized Variational Autoencoder (VQVAE), Vision Transformer-Masked Autoencoder (VIT-MAE)	真阳性率, 假阳性率	NA
8778	2026-02-02	SBTM: epileptic seizure prediction from EEG signal using deep learning in blockchain-enabled smart healthcare monitoring with IoT networking 2026-Jan-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36425-1 PMID:41620453	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8779	2026-02-22	A systematic assessment of machine learning for structural variant filtering 2026-Jan-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.27.702059 PMID:41659531	研究论文	本文系统评估了五种机器学习范式在长读长测序数据中结构变异过滤任务上的性能、效率和实用性	首次将基于扩散的异常检测和稀疏自编码器应用于结构变异分析，并进行了全面的基准比较	更复杂的模型（如扩散模型和稀疏自编码器）在分类性能上并未显著超越简单的随机森林模型	评估和比较不同机器学习方法在结构变异过滤任务中的表现	长读长测序数据中的结构变异	机器学习	NA	长读长测序	随机森林, CNN, 扩散模型, 稀疏自编码器	基因组数据	两个样本（HG002和HG005）的标准化Genome in a Bottle数据	NA	ResNet50, VICReg, Evo2-7B	F1分数	NA
8780	2026-02-22	Deep learning-enabled speckle reduction for cleared-sample coherent scattering tomography 2026-Jan-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.27.702188 PMID:41659538	研究论文	本文提出了一种专门用于清除样本相干散射断层成像的深度学习去噪网络CLEAR Net，以有效抑制全脑白质图像中的散斑噪声	针对CAST成像特点专门设计了深度学习去噪网络CLEAR Net，解决了现有OCT去噪方法因样本和噪声统计差异而无法直接迁移的问题	未在摘要中明确说明	开发专门用于清除样本相干散射断层成像的散斑噪声抑制方法	全脑白质图像	计算机视觉	NA	清除辅助散射断层成像	深度学习网络	图像	未在摘要中明确说明	NA	CLEAR Net	未在摘要中明确说明	NA