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
9701	2026-02-10	Active guidance in ultrasound bladder scanning using reinforcement learning 2026-Jan-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35285-z PMID:41540132	研究论文	本研究提出了一种基于强化学习的智能引导系统，用于改善超声膀胱扫描过程中的图像采集质量	首次将强化学习应用于超声膀胱评估引导，并引入了一种名为Adam LMCDQN的深度Q网络变体，以及针对该任务的领域特定奖励设计	研究在模拟环境中进行，尚未在真实临床环境中验证	提高超声膀胱扫描中图像采集的准确性和一致性，以辅助诊断尿潴留和排尿功能障碍	超声膀胱扫描过程	机器学习	泌尿系统疾病	超声成像	强化学习	图像	NA	NA	Deep Q-Networks (DQN), Adam LMCDQN	成功率	NA
9702	2026-02-10	A neural network framework for selecting real-time video enhancement algorithms on mobile devices 2026-Jan-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36099-9 PMID:41535696	研究论文	本文提出了一种基于模糊神经网络的决策模型，用于在移动设备上选择实时视频增强算法	开发了一种结合Sugeno-Weber范数的模糊神经网络决策模型，以优化实时视频增强算法的选择	未明确说明模型在具体移动设备上的实际部署效果或电池消耗测试	解决移动设备上实时视频增强算法选择中的性能平衡问题	移动设备上的实时视频增强算法	计算机视觉	NA	模糊神经网络	模糊神经网络	视频	NA	NA	模糊神经网络	处理速度, 视觉质量, 功耗, 实现复杂度	移动设备
9703	2026-02-10	Multi-agent coordination and uncertainty adaptation in deep learning-assisted hierarchical optimization for renewable-dominated distribution networks 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35945-0 PMID:41530242	研究论文	本研究提出了一种深度学习辅助的分布式鲁棒优化框架，用于提升可再生能源主导的配电网在不确定性下的经济效率和运行可靠性	提出了一种结合深度学习与分布式鲁棒优化的混合框架，通过深度学习模块推断不确定变量的概率结构，并利用自适应重构的模糊集实现系统级的鲁棒性，从而动态调整保守性，在成本、可靠性和可再生能源利用率之间实现更好的权衡	NA	解决可再生能源大规模接入带来的多层不确定性对电力系统运行的挑战，提升经济效率与运行可靠性	可再生能源主导的配电网（特别是包含太阳能、风能和负荷波动的系统）	机器学习	NA	深度学习，分布式鲁棒优化，强化学习	深度神经网络	高分辨率气象数据，运行数据	NA	NA	NA	总运行成本，可靠性指数，可再生能源利用率，碳排放量	NA
9704	2026-01-15	Deep learning-based automatic segmentation and classification for cervical cancer detection using an improved U-Net and ensemble methods 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35299-7 PMID:41530249	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9705	2026-02-10	Assessment of influencing factors of college and universities' teaching effects using fuzzy and deep learning techniques 2026-Jan-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35940-5 PMID:41530457	研究论文	本研究结合模糊逻辑和深度学习技术，评估了影响高校教学效果的因素	首次将模糊逻辑与深度学习相结合，用于处理教育数据中的不确定性和模糊性，以更精确地评估教学效果	未具体说明数据来源的机构数量或类型，可能影响模型的泛化能力	开发一种先进的方法来评估高等教育机构的教学效果	高校教学过程中的影响因素，如师生比、学生学业成绩和教师专业知识	机器学习	NA	模糊逻辑, 深度学习	深度学习模型	结构化教育数据	来自多个机构的数据，具体数量未说明	NA	NA	准确率, 召回率, F1分数, 错误率	NA
9706	2026-02-10	Explainable deep learning for skin cancer detection using swish-activated convolutional networks 2026-Jan-10, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04386-6 PMID:41519999	研究论文	提出一种使用Swish激活函数的深度卷积神经网络，用于皮肤癌检测，并结合可解释人工智能方法提高模型的透明度和可靠性	采用Swish激活函数的独特DCNN架构，并结合局部和全局可解释人工智能方法，为医疗应用提供透明可靠的诊断框架	模型计算效率有待提高，需要纳入更多数据集以确保在不同人口群体中的鲁棒性和公平性	开发可解释的深度学习模型，用于皮肤癌的早期准确诊断	皮肤病变图像	计算机视觉	皮肤癌	NA	CNN	图像	NA	NA	DCNN	准确率, 精确率, 召回率, F1分数	NA
9707	2026-02-10	Variational autoencoder-based deep learning and radiomics for predicting pathologic complete response to neoadjuvant chemoimmunotherapy in locally advanced oesophageal squamous cell carcinoma 2026-Jan-01, The British journal of radiology DOI:10.1093/bjr/tqaf239 PMID:40996309	研究论文	本研究利用基于变分自编码器的深度学习和放射组学技术，预测局部晚期食管鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全缓解	创新性地结合了基于变分自编码器的深度学习和放射组学来构建预测模型	NA	预测局部晚期食管鳞状细胞癌患者对新辅助化疗免疫治疗的病理完全缓解	局部晚期食管鳞状细胞癌患者	数字病理学	食管鳞状细胞癌	增强CT	VAE	图像	训练队列253名患者，测试队列40名患者	NA	NA	AUC, Precision, Recall, F1-score	NA
9708	2026-02-10	Diagnostic performance of artificial intelligence in radiographs for pneumoperitoneum detection: a systematic review and meta-analysis 2026-Jan-01, The British journal of radiology DOI:10.1093/bjr/tqaf309 PMID:41442471	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了人工智能算法在医学影像中检测气腹症的诊断准确性	这是首个评估人工智能在气腹症诊断中准确性的荟萃分析，比较了深度学习与机器学习模型的性能，并揭示了AI在临床工作流程中提升早期诊断和优先级排序的潜力	研究存在异质性，未来需要更大样本量的前瞻性多中心研究以及多种模型的比较	评估人工智能算法在医学影像中检测气腹症的诊断准确性	基于人工智能的放射影像模型	计算机视觉	气腹症	放射影像	深度学习, 机器学习	图像	14个AI模型被分析，具体样本量未明确说明	NA	NA	灵敏度, 特异度, 诊断比值比, 曲线下面积, 阴性似然比, 阳性似然比	Open Meta-Analyst软件, STATA 17.0
9709	2026-02-10	Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101091 PMID:41458146	研究论文	本研究提出了一种基于nnU-Net的深度学习模型，用于前列腺癌放疗中磁共振成像上泌尿器官风险区域的自动分割	首次提出使用nnU-Net深度学习模型在多中心磁共振图像数据集上分割泌尿器官风险区域，并应用于不同的临床设备	泌尿器官风险区域的分割性能存在局部不匹配，Dice系数在0.50-0.68之间，可能受患者间解剖变异影响，需要进一步评估剂量学影响	开发一种自动分割方法，用于前列腺癌放疗中泌尿器官风险区域的磁共振图像分割，以减少临床实践中手动勾画的时间和观察者间变异	前列腺癌患者的磁共振图像，重点关注泌尿器官风险区域，如前列腺内尿道和膀胱三角区	数字病理	前列腺癌	磁共振成像	CNN	图像	265例磁共振图像	nnU-Net	nnU-Net	Dice分数系数, 表面距离, Hausdorff距离	NA
9710	2026-02-10	Recent Advances in Spectroscopy and Imaging Techniques for Nondestructive Detection of Meat Quality and Safety 2025-Dec, Food science & nutrition IF:3.5Q2 DOI:10.1002/fsn3.71303 PMID:41356232	综述	本文综述了光谱和成像技术在无损检测肉类品质与安全方面的最新进展，包括其原理、应用、优缺点及未来展望	总结了多种先进光谱和成像技术在肉类检测中的多场景应用，并探讨了结合深度学习算法以提高检测全面性和准确性的未来研究方向	这些技术在工业应用中仍面临成本高、数据分析复杂等挑战，且光谱技术仅能感知局部样本信息，成像技术检测速率较慢	总结光谱和成像技术在肉类品质与安全检测中的最新发展，以推动高质量食品交付消费者	肉类（作为人类饮食中重要的动物蛋白来源）	机器视觉	NA	近红外光谱、拉曼光谱、荧光光谱、太赫兹光谱、高光谱成像、多光谱成像、X射线成像、热成像	NA	光谱数据、图像数据	NA	NA	NA	NA	NA
9711	2026-02-10	The diagnostic value of artificial intelligence in oral squamous cell carcinoma: A systematic review and meta-analysis 2025-10, Journal of stomatology, oral and maxillofacial surgery DOI:10.1016/j.jormas.2025.102429 PMID:40518015	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了人工智能在检测口腔鳞状细胞癌中的诊断性能	首次对人工智能在口腔鳞状细胞癌诊断中的表现进行系统综述与荟萃分析，并比较了深度学习算法与传统机器学习方法的性能差异	研究间存在显著异质性，需要标准化方法和外部验证才能广泛实施	评估人工智能在口腔鳞状细胞癌诊断中的准确性	口腔鳞状细胞癌	数字病理学	口腔鳞状细胞癌	NA	深度学习算法, 传统机器学习方法	NA	24项研究，包含18,574个样本	NA	NA	敏感性, 特异性, 阳性似然比, 阴性似然比, 诊断比值比	NA
9712	2026-02-10	Deep Learning-based Alignment Measurement in Knee Radiographs 2025-Sep-19, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-04965-0_12 PMID:41568201	研究论文	本研究提出了一种基于深度学习的方法，用于在膝关节前后位X光片中通过自动定位膝关节解剖标志来测量膝关节对齐	首次基于深度学习定位超过100个膝关节解剖标志以完整勾勒膝关节形状，并整合术前和术后图像的膝关节对齐测量	NA	自动化膝关节对齐测量以预测关节健康和全膝关节置换术后的手术结果	膝关节前后位X光片	计算机视觉	NA	深度学习	CNN	图像	NA	NA	Hourglass网络	平均绝对差异, 组内相关系数	NA
9713	2026-02-10	Deep learning-based detection of lumbar spinal canal stenosis using convolutional neural networks 2024-11, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.06.009 PMID:38909909	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习算法，用于从腰椎平片中自动检测需要手术的腰椎管狭窄症（LSCS）	首次利用CNN从易于获取的腰椎平片中自动诊断LSCS，为缺乏MRI设备或非专科医生提供了早期诊断工具，可能减少治疗延误	研究为单中心回顾性分析，样本量相对较小（150例患者），且外部验证仅包含额外25例患者，可能存在选择偏倚	开发一种基于深度学习的算法，从腰椎平片中诊断需要手术的腰椎管狭窄症	腰椎管狭窄症患者，包括退行性腰椎滑脱患者	计算机视觉	腰椎管狭窄症	磁共振成像（MRI），X射线平片	CNN	图像	175名患者（150名来自单中心，25名来自其他两家医院），共600张腰椎平片图像	NA	NA	AUC, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, 阳性似然比, 阴性似然比, 相关系数	NA
9714	2026-02-10	Deep learning of echocardiography distinguishes between presence and absence of late gadolinium enhancement on cardiac magnetic resonance in patients with hypertrophic cardiomyopathy 2024-Oct-14, Echo research and practice IF:3.2Q2 DOI:10.1186/s44156-024-00059-8 PMID:39396969	研究论文	本研究利用深度学习分析超声心动图图像，以区分肥厚型心肌病患者心脏磁共振中晚期钆增强的存在与否	首次将深度学习应用于超声心动图图像，以非侵入性方式预测心脏磁共振中的晚期钆增强，提供了一种资源密集度较低的辅助诊断方法	研究为横断面设计，样本量相对较小（323例），且仅使用了超声心动图的五腔心视图，可能未充分利用所有可用信息	区分肥厚型心肌病患者心脏磁共振中晚期钆增强的阳性与阴性状态	肥厚型心肌病患者	医学影像分析	肥厚型心肌病	超声心动图，心脏磁共振，晚期钆增强	深度卷积神经网络	图像	323例患者（训练集273例，测试集50例）	未明确指定	深度卷积神经网络	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
9715	2026-02-10	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2024-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.12.607698 PMID:39211076	研究论文	本研究比较了五种超分辨率显微镜技术在成像紧密聚集的专性细胞内细菌微菌落方面的性能	首次系统比较了多种超分辨率显微镜技术（包括Airyscan、iSIM、3D-SIM和STED）在解析专性细胞内细菌三维结构方面的能力，并结合深度学习软件Cellpose进行细胞分割分析	研究仅针对一种专性细胞内细菌物种（Ot），未涵盖其他细菌类型；技术比较可能受特定实验条件和标记方法的限制	评估不同超分辨率显微镜技术在成像紧密聚集的细胞内细菌时的分辨能力和适用性	专性细胞内细菌物种Ot的微菌落	生物医学成像	NA	荧光显微镜技术，包括标准共聚焦、Airyscan共聚焦、iSIM、3D-SIM和STED	深度学习模型	显微镜图像	未明确指定样本数量，涉及在不同哺乳动物细胞系中生长的细菌	Cellpose, Imaris	NA	半高全宽（FWHM）测量、三维形状和大小分析	NA
9716	2026-02-10	From 2D to 3D: automatic measurement of the Cobb angle in adolescent idiopathic scoliosis with the weight-bearing 3D imaging 2024-07, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.03.019 PMID:38583576	研究论文	本研究比较了青少年特发性脊柱侧凸（AIS）中传统的2D Cobb角测量与基于负重3D成像（WR3D）的3D自动测量技术	首次在AIS评估中系统比较了传统2D Cobb角测量与三种不同的3D自动测量方法（AM、PIM、PPM），并利用3D-UNet深度学习模型进行脊柱分割，实现了自动化的3D角度计算	样本量相对较小（53例患者），且缺乏严重弯曲患者的验证，需要进一步研究来扩展和验证结果	比较传统2D与3D自动测量方法在评估青少年特发性脊柱侧凸脊柱弯曲度方面的差异	青少年特发性脊柱侧凸（AIS）患者	数字病理学	青少年特发性脊柱侧凸	负重3D成像（WR3D）、深度学习分割	CNN	3D医学图像	53名AIS患者，包含88个脊柱弯曲	3D Slicer	3D-UNet	NA	NA
9717	2024-10-17	Editorial: Deep learning methods and applications in brain imaging for the diagnosis of neurological and psychiatric disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1497417 PMID:39411146	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9718	2026-02-09	Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112115 PMID:41478240	研究论文	本文利用深度学习模型基于脑电图信号预测双相抑郁患者在接受经颅直流电刺激治疗后的临床缓解情况	首次将一维卷积神经网络与门控循环单元结合的混合模型应用于双相抑郁的经颅直流电刺激治疗缓解预测，并专注于特定电极和频带的功率谱密度特征	样本量较小（仅21名参与者），且仅使用两个电极的特定频带数据，可能限制了模型的泛化能力	预测双相抑郁患者在接受6周家庭经颅直流电刺激治疗后的临床缓解情况	双相障碍患者	机器学习	双相障碍	脑电图	1DCNN, GRU	脑电图信号	21名双相参与者	NA	1DCNN与GRU的混合模型	准确率, 灵敏度, 特异性	NA
9719	2026-02-09	EEG-based schizophrenia classification using attention-integrated deep convolutional networks 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112138 PMID:41529582	研究论文	本文提出了一种基于卷积注意力的深度学习框架，用于从脑电图信号中自动检测精神分裂症	提出了一种将卷积层空间特征提取与注意力机制相结合的新框架，该机制能自适应地聚焦于脑电图中的判别性时间模式	模型在不同数据集（莫斯科数据集和IBIB PAN数据集）上的性能差异显著，突显了在具有不同人口统计学和采集特征的数据集间泛化的挑战	开发一种用于精神分裂症自动检测的深度学习模型	精神分裂症患者的脑电图信号	机器学习	精神分裂症	脑电图	CNN	脑电图信号	两个公开数据集：莫斯科脑电图数据集和IBIB PAN数据集	NA	卷积注意力网络	准确率	NA
9720	2026-02-09	Advancing precision psychiatry: Machine learning integration with neuroimaging for early detection and diagnosis of Obsessive-Compulsive Disorder 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112137 PMID:41539129	综述	本文综述了机器学习与神经影像学相结合在强迫症早期检测和诊断中的最新进展	整合了混合模型和可解释人工智能方法，用于神经影像数据分析，以提升诊断准确性和临床可解释性	存在数据集变异性大、模型泛化能力有限以及伦理问题等挑战	推动精准精神病学，通过机器学习改进强迫症的早期检测和诊断	强迫症患者	机器学习	强迫症	结构磁共振成像, 功能磁共振成像	支持向量机, 卷积神经网络, 深度学习混合模型	神经影像数据, 生化标志物, 临床数据	NA	NA	NA	诊断准确率	NA