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
10781	2026-02-27	Deep learning-based lightweight model for automated lumbar foraminal stenosis classification: sagittal CT diagnostic performance compared to clinical subspecialists 2026-Feb, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09281-2 PMID:40848156	研究论文	本研究开发了一种基于矢状位CT图像的轻量级深度学习模型，用于自动分类腰椎椎间孔狭窄的严重程度	提出了一种结合Faster R-CNN ROI检测器与轻量级网络（EfficientNet-B0和MobileNetV3-Large-100）的深度学习模型，用于在MRI不可用时利用CT图像进行LFS严重程度分类，其诊断性能与资深脊柱外科医生相当	样本量有限且缺乏外部验证，模型在其他人群和多中心大规模数据集中的适用性和泛化能力尚不确定	开发一种基于矢状位CT图像的轻量级深度学习模型，作为MRI不可用时诊断腰椎椎间孔狭窄严重程度的潜在临床替代方案	腰椎椎间孔狭窄（LFS）患者	计算机视觉	腰椎椎间孔狭窄	矢状位CT成像	CNN	图像	868张来自177名患者的矢状位CT图像	NA	EfficientNet-B0, MobileNetV3-Large-100, Faster R-CNN, ResNet-50	诊断准确率, Cohen's kappa系数	NA
10782	2026-02-27	A dual-task deep learning framework for automated detection and classification of coronary artery lesions in invasive coronary angiography imaging 2026-Jan-30, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03818-3 PMID:41618351	研究论文	本研究开发并评估了一个双任务深度学习框架，用于在侵入性冠状动脉造影图像中同时检测和分类冠状动脉病变	提出了一个结合检测和分类模块的双任务深度学习框架，并比较了多种先进模型（如YOLOv11、Swin Transformer、DETR、Deformable DETR、ViT、ConvNeXt）在冠状动脉病变分析中的性能	研究基于回顾性数据集，可能受限于数据质量和标注一致性；外部验证数据集规模相对较小（135例）	开发自动化工具以辅助冠状动脉病变的检测和分类，提升临床诊断效率和准确性	侵入性冠状动脉造影图像中的冠状动脉病变	计算机视觉	心血管疾病	侵入性冠状动脉造影成像	深度学习模型	图像	内部数据集包含1234名患者（14,808张病变阳性图像和11,872张病变阴性图像），外部数据集包含135例病例	NA	YOLOv11, Swin Transformer, DETR, Deformable DETR, Vision Transformer (ViT), ConvNeXt	IoU, mAP, 敏感性, 特异性, AUC-PR, 准确率, Cohen's Kappa	NA
10783	2026-02-27	Parameter-efficient fine-tuning enables scalable transfer of regulatory sequence models to novel contexts 2026-Jan-30, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03935-0 PMID:41618434	研究论文	本文开发并评估了一种基于参数高效微调的迁移学习框架，用于监督调控序列模型，以扩展大型DNA序列模型到新的生物环境	提出了一种参数高效微调框架，显著降低了将大型序列模型（如Borzoi）迁移到新数据集时的计算成本和内存需求，同时保持预测准确性	未明确说明框架在极端或罕见细胞状态下的泛化能力，以及可能存在的模型偏差问题	开发一个可扩展的迁移学习框架，以高效地将大型DNA序列模型应用于新的细胞状态和实验环境，用于基因调控和遗传变异效应分析	DNA序列模型（如Borzoi）、批量RNA-seq和单细胞RNA-seq数据集、基因表达变化、调控驱动因子、细胞类型特异性变异效应	机器学习	NA	RNA-seq	深度学习模型	DNA序列数据、基因表达数据	NA	NA	Borzoi	准确性	NA
10784	2026-02-27	Diagnostically Competitive Performance of a Physiology-Informed Generative Multi-Task Network for Contrast-Free CT Perfusion 2026-Jan-26, ArXiv PMID:41647220	研究论文	本文提出了一种名为MAGIC的新型深度学习框架，用于从非对比CT图像生成无对比剂的CT灌注图	结合生成式人工智能与生理学信息，通过多任务网络将非对比CT映射到多种无对比剂CTP成像图，并在损失函数中融入生理特征以增强图像保真度	研究数据来源于单一医疗中心（UF Health），且未明确说明模型在其他疾病或器官上的泛化能力	开发一种无对比剂、成本效益高且快速的CT灌注成像方法，以替代传统需要注射对比剂的CTP	因卒中就诊患者的CT图像数据	数字病理学	卒中	CT灌注成像（CTP），非对比计算机断层扫描（CT）	生成式多任务网络	图像	来自UF Health的卒中患者CT图像数据（具体数量未在摘要中说明）	NA	MAGIC（Multitask Automated Generation of Intermodal CT perfusion maps）	视觉质量，诊断准确性	NA
10785	2026-02-27	Catheter detection and segmentation in X-ray images via multi-task learning 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03461-7 PMID:40576920	研究论文	本文提出了一种基于多任务学习的卷积神经网络模型，用于在X射线图像中实时检测和分割导管	创新点包括集成ResNet架构与多预测头以实现端到端学习，并引入一种新颖的多级动态资源优先级方法，动态调整训练中的样本和任务权重以优先处理更具挑战性的任务	NA	研究目的是通过自动化检测和分割手术设备（如导管或导线）来增强微创心脏手术中的图像引导	研究对象是X射线荧光图像中的导管及其电极	计算机视觉	心血管疾病	NA	CNN	图像	NA	NA	ResNet	平均J指数, 平均精度	NA
10786	2026-02-27	eNCApsulate: neural cellular automata for precision diagnosis on capsule endoscopes 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03425-x PMID:40615761	研究论文	本文提出了一种基于神经细胞自动机（NCA）的轻量级模型，用于胶囊内窥镜图像中的出血分割和深度估计，并成功部署到ESP32微控制器上	首次将神经细胞自动机（NCA）应用于胶囊内窥镜的出血分割和深度估计，通过知识蒸馏将大型基础模型压缩至轻量级NCA架构，并实现在微型硬件上的高效运行	模型性能依赖于伪地面真值质量，且未在多样化临床数据集上进行大规模验证	开发适用于无线胶囊内窥镜的轻量级深度学习模型，以实现实时出血分割和深度估计，辅助病理定位和精确诊断	胶囊内窥镜图像	计算机视觉	胃肠道疾病	胶囊内窥镜成像	神经细胞自动机（NCA）	图像	未明确说明	未明确说明	神经细胞自动机（NCA）	Dice系数	ESP32微控制器，ESP32-S3
10787	2026-02-27	Annotation-efficient deep learning detection and measurement of mediastinal lymph nodes in CT 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03513-y PMID:40944829	研究论文	本文提出了一种新颖的注释高效半监督深度学习方法，用于在对比增强CT扫描中自动检测、分割和测量纵隔淋巴结的短轴长度	提出了一种结合专家注释精度和伪标签数据数量优势的半监督方法，通过优化注释/非注释数据集比例来减少手动注释工作量	方法依赖于伪标签的过滤质量，可能受到解剖结构重叠排除的影响，且仅在特定数据集上验证	开发自动检测、分割和测量纵隔淋巴结短轴长度的深度学习方法，以减少临床实践中的手动工作量和观察者变异性	纵隔淋巴结	数字病理学	NA	对比增强CT扫描	3D nnU-Net	CT图像	268个注释扫描（1817个淋巴结）用于训练和测试，710个未注释扫描用于伪标签生成	NA	3D nnU-Net	召回率, 精确度, 短轴长度平均差异	NA
10788	2026-02-27	Toward robust surgical phase recognition via deep ensemble learning 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03543-6 PMID:41206386	研究论文	本研究通过集成学习方法结合多种深度学习架构的优势，提高了手术阶段识别的性能	采用集成学习策略整合多种深度学习模型的互补优势，以克服单一模型在空间特征捕获、时间依赖建模或类别不平衡处理方面的局限性	未明确提及具体局限性	提高手术阶段识别的准确性和鲁棒性，以支持手术室中的情境感知系统	手术工作流程，特别是手术阶段的自动识别	计算机视觉	NA	深度学习	CNN, LSTM, GAN	视频	Cholec80数据集	TensorFlow, PyTorch	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	F1-score, 准确率, Jaccard Index	NA
10789	2026-02-27	Surgical instrument-tissue interaction recognition with multi-task-attention video transformer 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03546-3 PMID:41214416	研究论文	本研究提出了一种多任务注意力视频Transformer模型，用于识别手术器械与组织间的交互作用，通过细粒度时间上下文提升识别性能	引入了细粒度时间上下文分析，并设计了多任务注意力模块（MTAM），利用交叉注意力和门控机制优化手术器械、原子动作和解剖目标子任务间的信息交互	未明确说明模型在更复杂手术场景或实时应用中的泛化能力，且仅基于特定数据集验证	提升手术器械-组织交互识别的准确性，以支持手术工作流分析、自动化安全系统和技能评估	手术视频中的器械-组织交互动作	计算机视觉	NA	视频分析	Transformer	视频	基于CholecT45-Vid和GraSP-Vid等多个视频数据集	PyTorch	视频Transformer	识别准确率	NA
10790	2026-02-27	Phenotypic Characterization Using Open-Source Deep Learning Tools 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4985-5_6 PMID:41479050	研究论文	本文展示了如何使用开源深度学习工具进行表型特征分析，通过高通量显微镜成像实现细胞表型的自动分割与分类	利用开源深度学习工具简化表型特征分析流程，无需高级深度学习知识即可实现自动化图像分析	未明确说明具体实验数据规模或模型性能的量化评估	推动表型特征分析在高通量显微镜成像中的应用	细胞表型（由物质或基因修饰引起的细胞效应）	计算机视觉	NA	高通量显微镜成像	深度学习模型（未指定具体类型）	图像	NA	开源软件（未指定具体框架）	NA	NA	NA
10791	2026-02-27	Particle Morphology Controls the Bulk Mechanical Behavior of Far-Side Lunar Regolith from Chang'e-6 Samples and Deep Learning 2026, Research (Washington, D.C.) DOI:10.34133/research.1064 PMID:41522610	研究论文	本研究结合高分辨率X射线显微计算机断层扫描与半监督机器学习，对嫦娥六号返回的月球背面月壤颗粒进行了高通量形态表征，并通过离散元模拟揭示了其独特的力学性能	首次对月球背面（南极-艾特肯盆地）月壤样品进行大规模（349,740个颗粒）高通量三维形态表征，并揭示了其相较于正面样品更高的颗粒不规则性和更强的力学性能	研究基于特定采样点的样品，其结论在月球背面其他区域的普适性有待验证；模拟中使用的月表围压范围（5-15 kPa）可能无法涵盖所有实际工况	表征月球背面月壤的颗粒形态与力学性能，为月球探测、原位资源利用及未来任务设计提供关键的地质工程参数	嫦娥六号任务返回的月球背面（南极-艾特肯盆地）月壤样品	机器学习	NA	高分辨率X射线显微计算机断层扫描，离散元方法模拟	半监督机器学习	三维图像数据（显微CT扫描）	349,740个独立的月壤颗粒	NA	NA	NA	NA
10792	2026-02-27	Automated Learning of a Dense Manifold of Electronic States and Electronic Energy Transfer and Reactions in Singlet O Collisions with N2 2026, Research (Washington, D.C.) DOI:10.34133/research.0992 PMID:41541569	研究论文	本文提出了一种深度学习框架，用于自动发现和拟合单线态氧原子与N2碰撞的相容势能矩阵，并开发了一种新的动力学方法以计算电子非绝热截面	应用深度神经网络自动发现和拟合相容势能矩阵，并提出了一种新的渐近扩展公式的κCSDM半经典动力学方法，解决了相互作用原子-双原子系统与完全分离终态之间对称性冲突的问题	NA	模拟极端条件下的电子能量转移，为化学、物理和航空航天工程中的高能环境提供建模能力	单线态氧原子与N2的碰撞系统	机器学习	NA	深度神经网络	深度神经网络	NA	NA	NA	NA	NA	NA
10793	2026-02-27	A Deep Learning-Generated Mixed Tumor-Stroma Ratio for Prognostic Stratification and Multi-omics Profiling in Bladder Cancer 2026, Research (Washington, D.C.) DOI:10.34133/research.1053 PMID:41602481	研究论文	本研究开发了一种基于深度学习的混合肿瘤-基质比率（MTSR）方法，用于膀胱癌的预后分层和多组学分析，并构建了基于术前多参数MRI的放射组学模型进行无创评估	首次提出混合肿瘤-基质比率（MTSR）作为膀胱癌预后指标，结合深度学习、多组学分析和放射组学模型，实现了从组织病理学到无创影像的整合风险分层	研究基于回顾性多中心队列，需要前瞻性验证；MRI放射组学模型的准确性有待进一步提高	开发膀胱癌预后分层工具并探索其分子机制	膀胱癌患者组织样本和影像数据	数字病理学	膀胱癌	全切片图像分析，RNA测序（bulk和单细胞），多参数MRI	CNN, 随机森林	组织病理学图像，RNA测序数据，MRI影像	多中心队列（具体数量未在摘要中明确说明）	未明确说明	ResNet50	分类准确率，Cohen's kappa，Cox回归，Kaplan-Meier分析，meta分析，准确性	NA
10794	2026-02-27	Diagnostically competitive performance of a physiology-informed generative multi-task network for contrast-free CT perfusion 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1703004 PMID:41669269	研究论文	本文提出了一种名为MAGIC的深度学习框架，用于从非对比CT图像生成无对比剂的CT灌注图	结合生成式人工智能与生理信息，将非对比CT映射到多个无对比剂的CT灌注图，并在损失函数中融入生理特征以提高图像保真度	NA	解决CT灌注成像成本高、可及性有限以及使用对比剂可能引起不良反应的问题	卒中患者的CT图像数据	医学影像分析	卒中	CT灌注成像	生成式多任务网络	CT图像	来自UF Health的卒中患者CT图像数据	NA	MAGIC	视觉质量，诊断准确性	NA
10795	2026-02-27	A Biomass-Inspired Hydrogel Patch for Intelligent Pain Monitoring and On-Demand Analgesia 2026, Research (Washington, D.C.) DOI:10.34133/research.1112 PMID:41684952	研究论文	本研究开发了一种基于生物质启发的多功能水凝胶贴片，用于智能疼痛监测和按需镇痛	首次构建了集成了AI辅助传感评估和按需治疗功能的可穿戴集成贴片，采用生物质复合材料实现实时疼痛监测与治疗	研究主要基于小鼠足底切口疼痛模型和特定疾病患者志愿者，未涉及更广泛的疼痛类型或长期大规模临床验证	开发一种可持续、客观的疼痛管理策略，实现实时疼痛监测与智能治疗	肩周炎和腰椎疾病患者志愿者，以及小鼠足底切口疼痛模型	生物医学工程	疼痛相关疾病	深度学习算法，光热镇痛技术	深度学习模型	运动相关信号数据	特定疾病患者志愿者和小鼠模型	NA	NA	准确率	NA
10796	2026-02-27	Toward ICE-XRF fusion: real-time pose estimation of the intracardiac echo probe in 2D X-ray using deep learning 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03493-z PMID:40824505	研究论文	本文提出了一种基于深度学习的实时姿态估计算法，用于支持心内超声与X射线的图像融合，以促进心内超声在瓣膜治疗中的应用	引入两阶段检测算法，结合目标检测网络和回归网络，实现心内超声探头的实时5自由度姿态估计，支持ICE-XRF融合	模型验证主要基于合成数据和少量临床病例（七例），可能需更多真实临床数据以验证泛化能力	促进心内超声在临床中的应用，通过图像融合技术改进瓣膜治疗的影像引导	心内超声探头在2D X射线中的实时姿态	计算机视觉	心血管疾病	深度学习	CNN	图像	合成数据及七例临床病例	NA	NA	F1分数, 精确度, 召回率, 位置误差, 旋转误差	NA
10797	2026-02-27	High-Fidelity Seismic Super-Resolution Using Prior-Informed Deep Learning With 3D Awareness 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3663926 PMID:41706771	研究论文	本文提出了一种结合先验知识与3D感知的深度学习框架，用于提高地震数据超分辨率的保真度与泛化能力	提出了一种融合真实合成训练数据生成、3D感知增强网络和先验知识微调策略的集成框架，有效解决了传统方法输出不真实和泛化能力有限的问题	未明确说明方法在极端地质条件下的适用性，且对无标签现场数据的依赖可能在某些场景下受限	提高地震数据垂直分辨率以改善薄层识别能力	地震数据	计算机视觉	NA	深度学习超分辨率	Transformer, CNN	地震图像数据	多个现场数据集（未指定具体数量）	NA	Swin-Transformer, 3D卷积块	保真度、泛化能力、空间一致性、频谱匹配	NA
10798	2026-02-25	Retraction: Advancing enterprise risk management with deep learning: A predictive approach using the XGBoost-CNN-BiLSTM model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343285 PMID:41729793	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10799	2026-02-27	FORCE: Feature-Oriented Representation with Clustering and Explanation 2026-Jan, European journal of artificial intelligence and machine learning DOI:10.24018/ejai.2026.5.1.1076 PMID:41737733	研究论文	本文提出了一种基于SHAP值的监督深度学习框架FORCE，通过聚类和注意力机制增强模型对潜在结构的捕捉能力	提出两阶段使用SHAP值的方法：通过聚类绝对SHAP值指导模型训练，并利用潜在信息在架构中启动注意力机制	仅使用三个真实数据集进行评估，未在更广泛的数据集上验证通用性	通过利用潜在未观测结构来提高预测模型的准确性	多囊卵巢综合征等疾病的预测模型	机器学习	多囊卵巢综合征	SHAP（Shapley Additive exPlanations）值分析	深度学习	特征数据	三个真实数据集	NA	神经网络	F1分数	NA
10800	2026-02-27	Design of an AI-driven secure 5G-SDN framework with federated reinforcement learning for anomaly detection, mitigation, and attack forensics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1701944 PMID:41743650	研究论文	本文提出了一种集成高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的多层安全框架，用于5G-SDN网络中的异常检测、缓解和攻击取证	提出了一种结合高效网络与知识蒸馏、Transformer网络、脉冲神经网络、联邦强化学习和区块链技术的创新多层安全框架，实现了轻量级、低延迟、可扩展且隐私保护的异常检测与缓解	未明确提及框架在极端网络条件或新型未知攻击下的性能表现，以及实际大规模部署中的潜在挑战	为5G-SDN网络设计一个安全、可扩展、低延迟的入侵检测与缓解框架	5G软件定义网络中的数据平面异常、控制层入侵和分布式拒绝服务攻击	机器学习	NA	知识蒸馏、联邦强化学习、区块链技术	CNN, LSTM, Transformer, SNN	网络流量数据	使用多个基准数据集，包括CICIDS2017、UNSW-NB15、IoT-23和InSDN	NA	EfficientNet, Transformer	检测准确率、检测延迟、吞吐量退化、能耗	NA