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
1061	2026-06-04	The evolving role of artificial intelligence in optimizing treatment and patient selection in diabetic macular edema 2026-May-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_3152_25 PMID:42060353	综述	探讨人工智能在优化糖尿病黄斑水肿治疗与患者选择中的作用	将人工智能与多模态数据（眼底图像、OCT、临床生化数据）结合，实现个性化风险分层和预后支持，超越传统方案驱动的治疗模式	存在泛化性、透明度、工作流整合和伦理部署等方面的系统性问题	评估人工智能技术如何通过分析多模态数据预测治疗反应和注射负担，优化抗VEGF治疗的个体化决策	糖尿病黄斑水肿（DME）患者及其治疗相关数据（眼底图像、OCT、临床生化数据）	机器学习	糖尿病黄斑水肿	眼底成像、光学相干断层扫描（OCT）	CNN, GAN, 集成方法	图像、文本、数值	未提供	NA	卷积神经网络、生成对抗网络、集成方法	准确率	NA
1062	2026-06-04	Deep Learning for Diagnosis of Disc Herniation in Small Animals: A CNN-Based Approach Using CT Imaging 2026-May, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70161 PMID:42170695	研究论文	基于深度学习的卷积神经网络模型用于小动物CT图像中的椎间盘突出诊断	结合U-Net分割和VGG16分类的迁移学习方法，并采用合成掩膜生成和对比度增强技术提高诊断准确性	数据集规模有限，未来需扩展数据集并优化模型以增强临床适用性	开发自动化的椎间盘突出检测模型，提升小动物脊柱疾病的诊断效率和准确性	小动物（犬猫）的椎间盘突出病变	计算机视觉	椎间盘疾病	CT成像	卷积神经网络	CT图像	1651张标注CT图像（来自64602次扫描）	PyTorch, Keras	U-Net, VGG16	分类准确率	NA
1063	2026-06-04	Prospective blinded clinical evaluation of a fully automated workflow for prostate radiotherapy 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100999 PMID:42232231	研究论文	前瞻性地评估了用于前列腺放射治疗的全自动工作流程与常规临床工作流程的临床可用性	首次在常规临床条件下对结合深度学习分割和计划的全自动工作流程进行了前瞻性、盲法评估	自动化靶区勾画一致性较小且临床可接受率略低于常规工作流程，需要进一步优化	评估全自动工作流程在前列腺放射治疗中的临床可用性和效率	22名连续接受前列腺放射治疗的患者	数字病理学	前列腺癌	NA	深度学习	医学影像	22名前列腺放疗患者	商业治疗计划系统	NA	临床可接受率、处理时间	NA
1064	2026-06-04	Segmentation regularized training for multi-domain deep learning registration applied to magnetic resonance-guided prostate cancer radiotherapy 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100989 PMID:42232230	研究论文	提出并评估一种分割正则化的深度学习配准方法（ProRSeg），应用于磁共振引导的前列腺癌放疗中的多域图像配准	首次将分割正则化融入渐进式深度学习配准框架，实现跨域和混合域MR-MR图像的高精度形变配准，并初步验证其在剂量累积中的可行性	未提及具体局限性	训练分割正则化的深度学习形变配准模型，并评估其在磁共振引导自适应放疗中的域不变性配准性能	前列腺癌患者的纵向3特斯拉MR模拟扫描和1.5特斯拉MR-Linac治疗扫描图像	医学图像分析	前列腺癌	磁共振成像	深度学习形变配准模型	医学图像	262对相同域MR图像用于训练；58对同域、72对跨域和42对混合域图像用于测试；42名患者的5分次MRgART剂量累积分析	PyTorch	ProRSeg, VoxelMorph	轮廓传播准确度	NA
1065	2026-06-04	Association between Open-Angle Glaucoma Progression and Cardiovascular Risk Predicted by a Deep Learning-Based Fundus Imaging Model 2026-Apr-22, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2026.04.004 PMID:42031235	研究论文	本文研究基于深度学习的眼底成像模型预测的心血管风险与开角型青光眼进展之间的关联	首次利用深度学习从眼底照片衍生的RetiCAC评分来评估系统性动脉粥样硬化负担与青光眼视野进展的关系	回顾性研究设计，样本量有限（192名患者），且未说明深度学习模型的外部验证	探讨RetiCAC评分（深度学习衍生的心血管风险指标）与青光眼视野进展的关联	192名开角型青光眼患者的眼底照片和视野数据	机器学学习	开角型青光眼	眼底成像	深度学习模型	图像	192只眼睛（来自192名患者）	NA	深度学习模型（未具体指定架构）	关联分析（P值）、生存分析（显著性）、散点图拟合	NA
1066	2026-06-04	Full-DIA enables complete single-cell proteomics from diaPASEF using deep learning 2026-Apr-21, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04087-x PMID:42015180	研究论文	Full-DIA是一个基于深度学习的软件，通过增强蛋白质组覆盖度、定量准确性和分析速度，实现了对单细胞diaPASEF数据的完整蛋白质组分析，并生成无缺失值的蛋白质矩阵	首次利用深度学习驱动实现四维diaPASEF分析，生成无缺失值的蛋白质矩阵，显著提高蛋白质组覆盖度、定量准确性和分析速度，并有效控制全局FDR	未明确说明局限性，但可能依赖特定数据格式或计算资源	开发一种深度学习驱动的方法，用于提升单细胞diaPASEF蛋白质组分析的完整性和准确性	单细胞水平的蛋白质组数据，包括LPS处理和细胞周期数据集	深度学习, 蛋白质组学	NA	diaPASEF, 四维离子淌度分离	深度学习模型	蛋白质组学数据	LPS处理和细胞周期数据集（具体数量未提及）	NA	NA	蛋白质组覆盖度, 定量准确性, 分析速度, 全局FDR	NA
1067	2026-06-02	Effective elimination of respiratory misregistration-induced attenuation correction errors in PET/CT via deep learning trained on data-driven gated PET from strictly respiratory-phase-matched PET/CT cases 2026-Apr-19, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00880-6 PMID:42002706	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1068	2026-06-04	Risk prediction model of survival in patients with low-grade serous ovarian cancer: a multicenter Cohort study 2026-Apr-18, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-026-02108-8 PMID:42001128	研究论文	开发并验证低级别浆液性卵巢癌患者复发和生存风险的预测模型	首次针对低级别浆液性卵巢癌这一罕见亚型，结合Cox回归模型和深度学习模型，构建了可视化列线图预测模型，并证明其优于传统FIGO分期系统	基于回顾性研究设计，样本量较小（仅155例），且缺乏外部验证	开发预测低级别浆液性卵巢癌患者复发和生存结局的模型	低级别浆液性卵巢癌（LGSOC）患者	机器学习	卵巢癌	NA	Cox比例风险模型、深度学习（神经网络）	临床数据	155例低级别浆液性卵巢癌患者	NA	深度学习模型（具体架构未说明）	AUC, C-index, NRI, IDI	NA
1069	2026-06-04	Assessing changes in aortic motion and hemodynamics after valve-sparing aortic root surgery in Marfan syndrome using four-dimensional balanced steady-state free precession and four-dimensional flow cardiovascular magnetic resonance 2026-Apr-17, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102728 PMID:42001956	研究论文	利用四维平衡稳态自由进动和四维血流心血管磁共振评估马凡综合征患者行保留瓣膜的主动脉根部手术后主动脉运动及血流动力学变化	首次采用高级心血管磁共振技术（4D bSSFP和4D Flow）结合深度学习分割管道（nnU-Net）评估马凡综合征患者术后主动脉生物力学和血流动力学的变化	样本量小（仅3例患者），且未明确生物力学变化与临床结局（如B型主动脉夹层）的关联	评估马凡综合征患者行保留瓣膜的主动脉根部手术前后主动脉运动及血流特性的变化	马凡综合征患者的主动脉（升主动脉和降主动脉）	数字病理学	心血管疾病	心血管磁共振（4D bSSFP和4D Flow）	nnU-Net	图像	3例马凡综合征患者（年龄26-37岁，2男1女）	PyTorch	nnU-Net	主动脉位移、扩张性、壁面剪切应力、速度、脉搏波速度	NA
1070	2026-05-02	Deep learning detection of retinitis pigmentosa inheritance forms through synthetic data expansion of a rare disease dataset 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47341-9 PMID:41965358	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1071	2026-06-04	A two-stage deep learning model for risk identification in green supply chain finance 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46830-1 PMID:41965401	研究论文	构建了一个两阶段深度学习模型，用于绿色供应链金融中的风险识别	创新性地将生成对抗网络与残差自编码器结合用于数据增强，并将深度神经网络与多核支持向量机融合以提升复杂非线性风险模式的分类能力	NA	实现绿色供应链金融中风险的智能化和精确识别	2015-2024年间168家企业的绿色供应链金融风险样本	机器学习	NA	NA	生成对抗网络、残差自编码器、深度神经网络、多核支持向量机	表格数据	168家企业样本，时间跨度2015-2024年	NA	GAN-SAE, DNN-SVM	准确率、召回率、AUC	NA
1072	2026-06-04	Comparative analysis of deep learning algorithms for rolling element bearing fault classification under variable loads and speeds 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42592-y PMID:41965751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1073	2026-06-04	Hybrid CNN-decision tree framework for efficient transmission line fault detection and classification: an XAI-based approach 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45514-0 PMID:41963451	研究论文	提出一种混合1D卷积神经网络-决策树框架，用于输电线路故障检测与分类，并集成可解释人工智能方法	将一维CNN作为特征提取器，决策树执行可解释分类，区别于传统端到端深度学习模型，并集成SHAP提供全局和实例级可解释性	仅在仿真环境中测试，未在真实输电线路数据上验证	实现输电线路故障的高效、准确且可解释的检测与分类，提升电力系统稳定性	输电线路故障，包括短线路、长分布式线路、源端故障和负载端故障	机器学习	NA	NA	1D卷积神经网络-决策树	三相电压和电流测量值	模拟生成的大规模平衡数据集，涵盖正常操作和十种故障类型	MATLAB/Simulink	1D-CNN,决策树	准确率	NA
1074	2026-06-04	Assessing trends and forecasting meteorological drought in South Africa using Savitzky-Golay enhanced hybrid deep learning 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46664-x PMID:41963462	研究论文	本研究使用Savitzky-Golay增强混合深度学习模型评估和预测南非气象干旱趋势	开发了集成Savitzky-Golay滤波器与时间卷积网络和长短期记忆网络的新型混合模型SG-TCN-LSTM，用于气象干旱预测	未来需扩展模型纳入更多气候驱动因素，评估其在不同气候区域的迁移性，并探索在业务干旱预警系统中的应用	评估南非夸祖鲁-纳塔尔省uMkhanyakude地区的长期干旱趋势，并增强干旱预测能力	南非夸祖鲁-纳塔尔省uMkhanyakude地区的六个气象站	机器学习	NA	NA	混合模型（SG-TCN-LSTM）	时间序列数据（日降雨量记录）	1980年至2023年共43年每日降雨量记录，来自六个气象站	NA	Savitzky-Golay滤波器、时间卷积网络、长短期记忆网络	均方根误差、决定系数	NA
1075	2026-06-04	Leveraging convolutional sparse autoencoders for robust movement classification from low-density sEMG 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47492-9 PMID:41963500	研究论文	提出一种仅使用两个表面肌电图通道、基于卷积稀疏自编码器的深度学习框架，实现高精度手势识别，并支持少样本迁移学习和增量学习	利用卷积稀疏自编码器直接从原始信号提取时序特征，无需启发式特征工程；结合少样本迁移学习显著提升跨个体泛化能力；支持基于增量学习的类别扩展而不需完整模型重训练	仅在健全个体上进行概念验证，未在截肢患者中验证；传感器密度低可能限制复杂手势识别精度	开发一种低计算开销、低传感器密度的可扩展肌电假肢控制方案	表面肌电图信号中的手势分类任务	机器学习	截肢	sEMG	卷积稀疏自编码器	时序信号	6类手势数据集，包含多受试者数据	NA	卷积稀疏自编码器	F1分数	NA
1076	2026-04-12	QuantumNeuroXAI: a quantum-inspired deep learning framework with explainability for brain signal analysis and neurological disorder detection 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47627-y PMID:41963527	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1077	2026-06-04	Non-invasive endometriosis staging prediction using integrated radiomics and spatiotemporal transformer model based on dynamic contrast-enhanced MRI 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41499-y PMID:41957071	研究论文	提出一种结合放射组学和时空Transformer的非侵入性子宫内膜异位症分期预测模型，基于动态对比增强MRI	提出双路径架构，通过跨模态注意力机制实现工程化放射组学特征与学习到的时空表示之间的双向优化，并结合自适应加权机制根据个体病例特征调整特征贡献	对治疗决策的最终影响需进一步回顾性评估	开发非侵入性子宫内膜异位症分期预测方法，克服传统诊断依赖于有创腹腔镜的局限性	子宫内膜异位症病变的动态对比增强MRI图像序列	计算机视觉	子宫内膜异位症	动态对比增强磁共振成像	Transformer	图像	486例手术确认病例（内部训练/测试集），127例回顾性患者（外部验证集）	NA	Spatiotemporal Transformer	准确率, F1分数	NA
1078	2026-06-04	FedLiverNet: a federated learning framework for privacy-preserving and efficient liver cancer detection 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46244-z PMID:41957078	研究论文	提出 FedLiverNet，一种用于隐私保护且高效的肝肿瘤检测联邦学习框架	结合改进的 U-Net 骨干网络、差分隐私聚合和带局部自适应的聚类联邦学习，以应对非独立同分布数据并降低通信成本	基于仿真实验，未在真实多中心数据上验证；隐私保护可能仍存在优化挑战	实现隐私保护下的多中心肝脏和肿瘤分割，同时提升通信效率和模型性能	CT 图像中的肝脏和肿瘤分割	计算机视觉	肝癌（肝肿瘤）	CT 成像	U-Net 变体	影像数据	未明确提及	NA	改进的 U-Net	Dice 系数，通信成本降低	NA
1079	2026-06-04	Explainable deep learning-based lung cancer diagnosis using clinically-guided local interpretable model-agnostic explanations 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44127-x PMID:41957146	研究论文	提出了一种基于自适应超像素扰动的局部可解释模型无关解释方法，用于深度学习的肺癌诊断	引入自适应超像素分割、分层扰动策略、肺部区域掩膜和后处理增强，改进了传统局部可解释模型无关解释方法，提高了医学影像解释的忠实度和定位能力	未提及在多样化临床数据集上的验证或计算效率分析	开发可解释的深度学习诊断工具，增强模型在肺癌分类中的临床接受度	肺部医学影像中的肺癌分类任务	计算机视觉、数字病理学	肺癌	医学影像分析	卷积神经网络	图像	基于公开肺部图像数据集	NA	MedDeepNet	准确率、召回率、精确率、特异性、F1分数、删除分数、插入分数、扰动曲线间面积	NA
1080	2026-06-04	Intraoperative video-based artificial intelligence model exceeding surgeon accuracy for predicting severe fibrosis in minimally invasive liver surgery 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47518-2 PMID:41957239	研究论文	开发并评估基于术中视频的深度学习模型，用于预测肝细胞癌患者严重纤维化（F3-F4），模型表现超越外科医生的视觉评估和传统非侵入性评分	首次利用术中视频数据进行深度学习分析以预测严重肝纤维化，并与外科医生视觉评估及传统指标（APRI、FIB-4）进行系统比较，模型表现出更优的诊断性能	单中心回顾性研究，样本量有限（103例），需前瞻性多中心验证以确认泛化性和临床影响	开发基于术中视频的深度学习模型，实现严重肝纤维化的即时准确诊断，为微创肝切除手术规划提供客观参考	接受微创肝切除手术的肝细胞癌患者的术中视频画面	计算机视觉	肝癌	深度学习	DenseNet	视频	103名患者（2019年12月至2022年3月）	PyTorch	DenseNet-121	AUROC, 敏感性, 特异性, F1分数	NA