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
921	2026-03-22	Erratum to "A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification" 2023, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0011 PMID:37849679	correction	本文是对先前发表的一篇关于深度学习皮肤病变分类中低成本高性能数据增强方法的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
922	2026-03-22	A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765307 PMID:37850173	研究论文	本文提出了一种低成本高性能的数据增强策略，用于深度学习皮肤病变分类，旨在提升智能皮肤癌筛查设备在资源有限环境下的性能	提出搜索空间为10的高性能数据增强策略，可通过即插即用模式与任何模型结合，以低成本为医学数据库搜索最佳增强方法	NA	开发适用于资源有限环境的高性能低成本数据增强策略，以促进智能皮肤癌筛查设备的部署	皮肤病变图像数据	计算机视觉	皮肤癌	数据增强	CNN	图像	HAM10000、ISIC 2017、ISIC 2018、Derm7pt数据集	NA	EfficientNet	BACC, AUC	NA
923	2026-03-22	Deep learning analysis of resting electrocardiograms for the detection of myocardial dysfunction, hypertrophy, and ischaemia: a systematic review 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab048 PMID:34604757	系统综述	本文系统综述了深度学习在分析静息心电图以检测心肌功能障碍、心肌肥厚和缺血等结构性心脏病变方面的证据	首次系统性地评估了端到端深度学习模型在静息心电图分析中用于检测结构性心脏病变（非心律失常性）的性能，并总结了其相较于基于规则的模型和其他机器学习模型的优越性	仅纳入了12篇符合标准的研究，样本量和研究设计存在异质性；排除了动态心电图、负荷心电图、心内或植入式设备获取的心电图数据，可能限制了结论的普适性	评估深度学习分析静息心电图在预测结构性心脏病变（如左心室收缩功能障碍、心肌肥厚和缺血性心脏病）方面的证据和临床适用性	已发表的关于使用端到端深度学习分析静息心电图信号以检测结构性心脏病变的原始研究文章	数字病理学	心血管疾病	深度学习	CNN	心电图信号	NA	NA	卷积神经网络	AUC, 准确率	NA
924	2026-03-22	The discerning ear: cardiac auscultation in the era of artificial intelligence and telemedicine 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab059 PMID:36713594	综述	本文综述了人工智能和远程医疗时代下心脏杂音听诊的现代进展，包括儿科心脏杂音的病因、诊断、管理，以及计算机辅助听诊和深度学习技术的影响	结合人工智能和远程医疗技术，为儿科心脏杂音听诊提供更新的视角，并探讨深度学习对杂音分析的范式转变影响	NA	为现代儿科心脏病学家提供关于人工智能对心脏听诊影响的更新视角	儿科心脏杂音，从早产新生儿到青春期晚期	数字病理学	心血管疾病	计算机辅助听诊，数字听诊器	深度学习	听诊音频数据	NA	NA	NA	NA	NA
925	2026-03-22	The effect of confounding data features on a deep learning algorithm to predict complete coronary occlusion in a retrospective observational setting 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztab002 PMID:36711180	研究论文	本研究评估了深度学习算法在预测冠状动脉完全闭塞中的可行性，并探讨了数据特征混淆对模型性能的影响	揭示了深度学习模型在数据泄露情况下可能产生虚假高结果的风险，强调了在回顾性观察性研究中数据质量控制的重要性	数据集规模过小，导致第二次实验模型性能不佳；存在数据泄露问题，影响了第一次实验结果的可靠性	评估深度学习算法在检测冠状动脉闭塞方面的可行性，并与心脏病专家及STEMI标准进行比较	STAFF III数据库中的心电图样本，包括急性冠状动脉闭塞样本和无闭塞样本	机器学习	心血管疾病	心电图分析	CNN	心电图信号	STAFF III数据库中的样本，具体数量未明确说明	未明确说明	深度卷积神经网络	F1分数	未明确说明
926	2026-03-22	Artificial intelligence assessment for early detection of heart failure with preserved ejection fraction based on electrocardiographic features 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaa015 PMID:36711179	研究论文	本研究开发了一种基于心电图特征的深度学习模型，用于早期检测射血分数保留的心力衰竭	首次开发了一种可解释的深度学习模型，利用常规心电图设备进行HFpEF的可靠和经济筛查，并通过内部和外部验证展示了高性能	研究为回顾性队列设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性研究中进一步验证	开发并验证一种基于心电图的深度学习模型，用于早期筛查射血分数保留的心力衰竭	接受超声心动图和心电图检查且左心室收缩功能正常的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	内部开发集：20,169名患者的32,671份心电图；内部验证集：1,979名患者；外部验证集：11,955名患者	NA	集成神经网络	受试者工作特征曲线下面积	NA
927	2026-03-22	Diagnosis of COVID-19 Using Machine Learning and Deep Learning: A Review 2021, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405617666210713113439 PMID:34259149	综述	本文系统回顾了机器学习和深度学习技术在抗击COVID-19中的应用	通过PRISMA指南对AI在COVID-19中的应用进行范围综述，比较了不同ML回归方法、分类方法及医学影像数据集，并评估了DL方法在不同数据集上的性能	存在法规限制、噪声数据、数据隐私问题以及缺乏可靠的大规模数据集	评估AI（特别是ML和DL）在预测、筛查和检测COVID-19中的有效性	COVID-19患者及相关医学影像数据	机器学习	COVID-19	NA	CNN	图像	从4050篇研究论文中筛选出52篇进行结果合成	NA	ResNet-18, DenseNet 169, DenseNet-201	分类准确率	NA
928	2026-03-22	Tumor detection of the thyroid and salivary glands using hyperspectral imaging and deep learning 2020-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.381257 PMID:32206417	研究论文	本研究探讨了高光谱成像结合深度学习在甲状腺和唾液腺肿瘤检测中的应用	首次将高光谱成像与深度学习结合用于甲状腺和唾液腺肿瘤检测，并比较了不同成像模式（包括合成RGB图像）的性能	样本量较小，特别是唾液腺样本仅16个，可能影响结果的泛化能力	评估高光谱成像在甲状腺和唾液腺肿瘤检测中的性能	甲状腺和唾液腺组织标本	计算机视觉	甲状腺癌, 唾液腺肿瘤	高光谱成像, 荧光染料成像	深度学习算法	图像	82名患者的200个甲状腺标本和16个唾液腺标本	NA	NA	AUC	NA
929	2026-03-21	Bioinspired hybrid optimisation and deep belief neural networks for early chronic kidney disease detection: an explainable clinical AI framework 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2624917 PMID:41834383	研究论文	本文提出了一种结合混合螺旋搜索策略的二元引力搜索算法与象群优化算法来优化深度信念神经网络，用于慢性肾脏病的早期检测	提出了一种双阶段优化框架（SSS-BGSA-EHO-DBNN），通过非线性螺旋搜索模式增强原始BGSA的探索-利用权衡，并利用EHO优化DBNN参数以提高收敛速度和学习效率	研究仅在UCI CKD数据集上进行评估，样本量有限，且未在更多独立数据集或真实临床环境中验证	开发一个全自动、可解释且计算高效的慢性肾脏病筛查流程	慢性肾脏病（CKD）患者	机器学习	慢性肾脏病	NA	深度信念神经网络（DBNN）	结构化临床数据	UCI CKD数据集（25个属性）	NA	深度信念神经网络	准确率, AUC	NA
930	2026-03-21	Early Implications for Solid Organ Transplantation With the Use of Artificial Intelligence From a Bibliometric Perspective 2026-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2026.100340 PMID:41853188	文献计量分析	本文通过文献计量学方法，分析了人工智能在实体器官移植领域（肾脏、肝脏、心脏、肺移植）的应用现状、科学影响及发展趋势	首次从文献计量学角度系统评估了人工智能在实体器官移植领域的全球研究趋势、技术应用热点及合作网络，识别了核心研究主题和领先机构	分析基于已发表的文献，许多人工智能模型仍处于验证阶段，实际临床整合和效果有待进一步证实；文献检索可能受数据库覆盖范围限制	评估人工智能在实体器官移植领域的科学影响、研究演变及全球趋势，以促进该领域的循证研究和跨学科合作	涉及肾脏、肝脏、心脏和肺移植的人工智能相关科学研究文献	机器学习	实体器官移植	机器学习，专家系统，深度学习	NA	临床数据，免疫学数据，组织学数据，影像数据	2384篇出版物（1989-2025年），其中815篇符合纳入标准	NA	NA	NA	NA
931	2026-03-21	Automated detection and classification of dental trauma in periapical radiographs using deep learning: a study based on the Andreasen classification 2026-May, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.12.014 PMID:41688271	研究论文	本研究评估了基于YOLOv8的深度学习模型在根据Andreasen分类系统自动识别牙科创伤类型方面的性能	首次将YOLOv8深度学习模型应用于牙科创伤的自动检测与分类，并基于Andreasen分类系统进行标签整合以优化模型性能	初始模型因创伤亚型过多且数据集有限导致整体性能较低，仅在某些亚类（如撕脱伤）表现较好	评估深度学习模型在牙科创伤自动识别与分类中的性能	牙科创伤的X线片图像	计算机视觉	牙科创伤	深度学习	YOLOv8	图像	NA	NA	YOLOv8	灵敏度, 精确度, F1分数	NA
932	2026-03-21	Fine-scale mapping of Oncomelania hupensis habitats in eastern China using multi-season Sentinel-2 imagery and semi-supervised deep learning 2026-May, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2026.108044 PMID:41802557	研究论文	本研究开发了一个名为SnailMatch的半监督深度学习框架，结合多季节Sentinel-2影像，用于精细绘制中国东部钉螺（日本血吸虫中间宿主）的栖息地分布图	提出了一个结合多季节遥感影像和半监督深度学习的框架，通过注意力机制融合季节性生态模式，并利用贝叶斯优化集成模型，实现了高精度的钉螺栖息地制图	研究依赖于有限的实地确认数据（229个存在点），且未明确讨论模型在其他地理区域或不同年份的泛化能力	开发一种成本效益高、可解释的方法，以支持针对性的灭螺和植被管理，助力世界卫生组织2030年消除血吸虫病的目标	钉螺（Oncomelania hupensis）的栖息地	计算机视觉	血吸虫病	多季节Sentinel-2遥感影像处理	深度学习, 随机森林	遥感影像, 环境协变量数据	229个实地确认的钉螺存在点, 229个系统采样的缺失点, 5,759个未标记位置	NA	注意力机制的多季节融合模块	准确率, AUC, F1分数	NA
933	2026-03-21	Single-cell resolution spatial transcriptomic signature of the retrosplenial cortex during memory consolidation 2026-Apr, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03331-3 PMID:41188622	研究论文	本研究利用单细胞分辨率空间转录组学揭示了记忆巩固过程中压后皮质的转录组特征	首次在空间记忆巩固过程中识别压后皮质神经元亚型的转录组特征，并利用深度学习工具揭示学习后细胞类型特异性分子激活模式	研究主要基于小鼠模型，结果在人类中的适用性需进一步验证	探究压后皮质在空间记忆巩固过程中的分子机制	小鼠压后皮质神经元，特别是兴奋性神经元	空间转录组学	阿尔茨海默病及相关痴呆	单细胞分辨率空间转录组学，Xenium空间转录组学，化学遗传学方法	深度学习	空间转录组数据	NA	NA	NA	NA	NA
934	2026-03-21	Delineating white matter phenotypes of sensori-/psychomotor functioning in large-scale cohorts of healthy individuals and patients with mental disorders across the lifespan (whiteSPAN): rationale and methods of an interdisciplinary bicentric project 2026-Apr, European archives of psychiatry and clinical neuroscience IF:3.5Q2 DOI:10.1007/s00406-025-02138-1 PMID:41288695	研究论文	该项目旨在通过大规模神经影像数据研究感觉/精神运动功能与白质微结构之间的关联，跨越多种精神与神经退行性疾病	整合多中心公开与内部数据集，结合先进计算工具如tractometry、tractomics、规范建模和深度学习，跨诊断边界识别生物驱动的感觉/精神运动生物型	依赖现有数据集的异质性，可能受样本选择和测量方法差异的影响	研究感觉/精神运动功能与白质微结构的关联，以指导精神与神经退行性疾病的精准医疗和生物标志物驱动干预	健康个体和患有焦虑障碍、重度抑郁障碍、精神分裂症谱系障碍、轻度认知障碍和阿尔茨海默病的患者	神经影像学	精神障碍与神经退行性疾病	扩散MRI	深度学习	神经影像数据	超过2,400名健康个体和1,600名患者	NA	NA	NA	NA
935	2026-03-21	An Artificial Intelligence-Based Prognostic Model for Prediction of Functional Glaucoma Progression From Clinical and Structural Data 2026-Apr, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.026 PMID:41483865	研究论文	本研究设计了一个基于深度学习的预后模型，结合临床和结构数据预测青光眼功能进展，并与临床医生进行比较	首次整合基线临床数据、视盘照片和光学相干断层扫描测量，利用预训练的卷积神经网络预测青光眼进展，显著优于临床医生评估	研究为回顾性设计，样本量有限（1599只眼），且验证队列使用不同设备可能影响模型泛化能力	预测青光眼的功能进展，提升疾病诊断和预后评估的准确性	1599只眼（908名患者），包括确诊或疑似青光眼，具有至少5次24-2视野检查和3年以上随访	数字病理学	青光眼	光学相干断层扫描，24-2视野检查，线性回归分析	CNN	图像，临床数据，人口统计数据	1599只眼（908名患者），验证队列291只眼	NA	基于ImageNet预训练的卷积神经网络	AUC，准确率，精确率-召回曲线下面积	NA
936	2026-03-21	Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.109381 PMID:41604952	研究论文	本研究提出并评估了一种基于ForensicNet的多任务深度学习框架，用于同时估计巴西5-15岁年轻人群的全景X光片的实际年龄和性别分类	提出了一种基于EfficientNet-B3的多任务深度学习模型，结合了卷积块注意力模块（CBAM）和加权多任务损失函数，在年龄估计和性别分类任务中均优于基准模型	研究仅针对巴西5-15岁年轻人群，样本量有限（2200张全景X光片），可能限制了模型的泛化能力	开发一个自动化框架，用于从全景X光片中准确估计年龄和分类性别，以应用于法医和临床环境	巴西5-15岁年轻人群的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2200张高分辨率全景X光片，按年龄和性别平衡	NA	EfficientNet-B3, ForensicNet	平均绝对误差, 决定系数, 准确率, AUC	NA
937	2026-03-21	Deep Learning-based Monoenergetic Imaging for Calcified Coronary Stenosis Assessment at Energy-integrating Detector CT 2026-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250230 PMID:41854396	研究论文	本研究开发并评估了一种基于深度学习的单能成像框架，用于从传统能量积分探测器CT生成虚拟单能图像，旨在减少伪影并改善重度钙化斑块的冠状动脉CT血管造影狭窄评估	提出了名为DIAMOND的深度学习框架，首次实现了从单能量能量积分探测器CT生成高千电子伏特虚拟单能图像，无需硬件升级即可达到与光子计数探测器CT相当的成像效果	研究样本量相对较小（23名参与者），且主要针对重度钙化斑块，未涵盖其他类型的冠状动脉病变	开发一种深度学习方法来改善冠状动脉CT血管造影中重度钙化斑块的狭窄评估	冠状动脉重度钙化斑块	医学影像分析	心血管疾病	CT血管造影，虚拟单能成像	深度学习	CT图像	回顾性数据集包含10次CT检查，前瞻性数据集包含23名参与者（平均年龄69岁，18名男性）	NA	简化U-Net	直径狭窄百分比，Bland-Altman分析，狭窄严重程度分类变化	标准图形处理单元
938	2026-03-21	Deep learning-empowered SERS: deciphering the multidimensional information code of complex biological samples 2026-Mar-19, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d6ay00224b PMID:41854202	综述	本文综述了深度学习与表面增强拉曼光谱技术相结合的最新进展、挑战与未来展望	将深度学习与SERS技术深度融合，为处理复杂生物样本的多维信息提供新视角，并推动该技术向更高级阶段发展	NA	总结深度学习在SERS技术中的应用进展，并探讨其未来发展方向	表面增强拉曼光谱技术及其在生物医学、环境保护、食品安全等领域的应用	机器学习	NA	表面增强拉曼光谱	深度学习	光谱数据	NA	NA	NA	NA	NA
939	2026-03-21	ProCausal-WS: Weakly Supervised Causal Representation Learning Driven Interpretable Prostate Cancer Diagnosis 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675771 PMID:41855066	研究论文	提出了一种名为ProCausal-WS的弱监督因果表示学习框架，用于可解释的前列腺癌诊断	同时解决了现有线性因果模型无法处理非线性依赖关系以及深度学习方法需要大量专家标注且缺乏反事实推理机制的问题，通过可逆流因果编码器、外源性临床干预模块和弱监督对齐机制三个相互关联的组件实现	仅使用了TCGA-PRAD和PANDA两个数据集进行验证，且仅针对前列腺癌诊断	开发一个弱监督因果表示学习框架，用于前列腺癌的可解释诊断	前列腺癌诊断	数字病理学	前列腺癌	NA	因果表示学习, 可逆流模型, 对比学习	多模态数据（影像、基因组、临床变量）	TCGA-PRAD数据集和PANDA数据集	NA	可逆流因果编码器, 动态门控结构, 投影头	临床因果概念识别准确率, 干预均方误差, AUROC, 生物合理性评分	NA
940	2026-03-21	BWS-Net: An Optimal Deep Learning Architecture for the Anterior Bladder Wall Segmentation using Ultrasound Imaging 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675965 PMID:41855067	研究论文	本文提出了一种名为BWS-Net的新型深度学习网络，用于从超声图像中精确分割膀胱前壁	提出了一种结合蓝图可分离卷积层和自适应注意力跳跃连接的编码器-解码器结构，在提升分割性能的同时显著降低了计算复杂度	现有深度学习方法的临床验证有限，本研究也未明确说明其临床验证的广泛性	开发一种用于膀胱前壁超声图像自动分割的精确且高效的方法，以支持无创膀胱功能评估	膀胱前壁的超声图像	计算机视觉	泌尿系统疾病	超声成像	CNN	图像	从64名患者中获取的8592张不同图像	NA	编码器-解码器结构，包含蓝图可分离卷积层和自适应注意力跳跃连接	Dice分数，敏感性，均方根误差	NA