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
12321	2026-03-15	Automated health monitoring system using YOLOv8 for real-time device parameter detection 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01673-4 PMID:41247607	研究论文	本文提出了一种基于YOLOv8的自动化健康监测系统，用于实时检测医疗设备参数	采用YOLOv8光学字符识别方法，相比其他方法提供更快的检测速度，并集成医疗设备与网络层实现自动化流程	未来可扩展至其他医疗设备如心率监测仪、脉搏血氧仪等，当前系统可能未覆盖所有设备类型	自动化医疗设备参数监测，减少人工劳动并提高效率	医疗设备（如血压监测仪、数字温度计等）的参数检测与识别	计算机视觉	NA	光学字符识别（OCR）、图像处理	YOLOv8, CNN	图像	两个自建图像数据集，以及1000张来自不同医疗设备的图像用于验证	NA	YOLOv8, 卷积神经网络	准确率	NA
12322	2026-03-15	Accuracy of Deep Learning-Aided Detection of Microsatellite Instability in Colorectal Cancer: A Systematic Review and Meta-Analysis 2026-Mar, Clinical colorectal cancer IF:3.3Q2 DOI:10.1016/j.clcc.2025.09.004 PMID:41260961	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习在检测结直肠癌微卫星不稳定性方面的准确性	首次对基于病理切片、MRI、结肠镜和拉曼光谱等多种数据源的深度学习模型在结直肠癌微卫星不稳定性检测中的准确性进行了全面的系统综述和荟萃分析	基于MRI、结肠镜和拉曼光谱的深度学习研究数量极少，限制了这些模态结论的可靠性	评估深度学习在检测结直肠癌微卫星不稳定性方面的诊断准确性，为智能检测工具的开发和更新提供证据	结直肠癌组织样本及其对应的病理切片、MRI图像、结肠镜图像和拉曼光谱数据	数字病理学	结直肠癌	深度学习	NA	病理切片图像, MRI图像, 结肠镜图像, 拉曼光谱数据	涉及30项原始研究，具体样本量未在摘要中明确	NA	NA	特异性, 敏感性, 汇总受试者工作特征曲线下面积	NA
12323	2026-03-15	Deep learning-based mismatch repair prediction using colorectal cancer macroscopic images: a diagnostic study 2026-Mar, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-025-02326-9 PMID:41272313	研究论文	本研究开发了一种基于深度学习的模型，利用结直肠癌宏观图像预测错配修复状态，旨在提供快速且免费的筛查工具	首次使用宏观图像结合深度学习（DeepLabV3+和ViT）进行错配修复状态预测，提供了一种非侵入性、快速的筛查方法	研究样本仅来自单一医疗机构，且未接受新辅助治疗的患者，可能限制模型的泛化能力	开发一种基于宏观图像的深度学习模型，用于结直肠癌患者的错配修复状态预测，以替代或辅助传统的免疫组化检测	809名接受手术切除且未进行新辅助治疗的结直肠癌患者	数字病理学	结直肠癌	免疫组化染色	深度学习	图像	809名结直肠癌患者	NA	DeepLabV3+, Vision Transformer (ViT)	AUC, NPV	NA
12324	2026-03-15	Deep learning-based approach for differential diagnosis of odontogenic cysts from histopathological images 2026-Mar-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27697 PMID:41273753	研究论文	本研究提出了一种基于深度学习的AI方法，利用组织病理学图像对不同类型的牙源性囊肿进行鉴别诊断	首次将深度学习模型应用于牙源性囊肿的鉴别诊断，并比较了多种CNN架构的性能	数据集规模相对较小（总计348张图像），且仅包含三种囊肿类型，可能影响模型的泛化能力	开发基于深度学习的AI工具，以辅助牙源性囊肿的鉴别诊断	牙源性囊肿的组织病理学图像，包括含牙囊肿、根尖囊肿和牙源性角化囊肿	数字病理学	牙源性囊肿	H&E染色组织病理学成像	CNN	图像	348张组织病理学图像（87张含牙囊肿，198张根尖囊肿，63张牙源性角化囊肿）	NA	Inception V3, VGG16, VGG19, Xception	准确率, 精确率, 敏感度（召回率）, F1分数	NA
12325	2026-03-15	Determining optimal strategies for personalized atrial fibrillation treatment in intensive care unit patients using a deep learning-based causal inference approach: rhythm and/or rate control 2026-Mar-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf203 PMID:41317034	研究论文	本研究使用基于深度学习的因果推断方法，评估了重症监护病房（ICU）心房颤动（AF）患者中不同治疗策略（节律控制、心率控制、两者结合或无控制）对降低院内死亡率的效果	首次在ICU环境中应用基于深度学习的因果推断模型来量化不同AF管理策略的死亡率降低效果，并识别出从节律控制中获益更多的患者亚组特征	研究基于回顾性观察数据（MIMIC-III和MIMIC-IV），可能存在未测量的混杂因素；结果可能无法推广到所有ICU人群	评估ICU患者心房颤动不同管理策略（节律控制、心率控制、两者结合或无控制）在降低死亡率方面的有效性	重症监护病房（ICU）中患有心房颤动（AF）的患者	机器学习	心血管疾病	深度学习，因果推断	深度学习模型	电子健康记录（EHR）数据	13,583名患者	NA	NA	平均处理效应（ATE），置信区间	NA
12326	2026-03-15	A multidimensional transformer-CNN network trained with incomplete ultrasonic radiofrequency data of blood for red blood cell aggregation classification 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01680-5 PMID:41432985	研究论文	本文提出了一种多维Transformer-CNN网络，用于处理不完整的超声射频数据，以实现红细胞聚集分类	提出了一种结合Mask-Head模块随机掩蔽原始数据、多维Transformer编码器和多维自适应融合模块的MTCN模型，并采用GELU激活函数以保留超声射频信号中的负值信息	未明确说明模型在更广泛或噪声更强的临床数据上的泛化能力，也未讨论计算复杂度或实时性	提高在存在数据异常（如仪器或人为误差导致的不完整数据）情况下，深度学习模型对红细胞聚集分类的准确性和鲁棒性	红细胞（RBC）聚集	机器学习	心血管疾病	超声射频信号	Transformer, CNN	超声射频信号	NA	NA	多维Transformer-CNN (MTCN)	准确率, F1分数	NA
12327	2026-03-15	Real-time ECG-based detection of cardiovascular diseases using balanced and interpretable machine learning approaches 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01682-3 PMID:41528718	研究论文	本研究旨在利用机器学习和深度学习技术，基于心电图数据实时检测和分类六种主要心血管疾病	构建了一个标准化、平衡且临床验证的心电图数据集，并应用SMOTE技术处理类别不平衡问题，同时结合SHAP和LIME方法提高模型可解释性	未明确提及模型在外部验证集上的泛化能力或实时部署中的计算延迟问题	开发可靠的心血管疾病诊断系统，通过机器学习方法实现心电图数据的自动分类	34,580条12导联心电图记录，涵盖正常、心律失常、冠心病、心肌病、中风和心力衰竭六类	机器学习	心血管疾病	心电图分析	Logistic Regression, Decision Tree, Random Forest, SVM, KNN, Naive Bayes, Gradient Boosting, MLP, DNN, RNN	心电图信号	34,580条心电图记录，经SMOTE平衡后每类占16.7%	未明确指定，可能包含Scikit-learn, TensorFlow/PyTorch	MLP, DNN, RNN	准确率, 精确率, 召回率, F1分数	NA
12328	2026-03-15	Deep learning-based detection and viability assessment of Eimeria oocysts 2026-Mar, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106419 PMID:41544445	研究论文	本研究开发了一种基于深度学习的简单、经济有效的方法，利用形态学特征（包括颗粒结构的存在/缺失）来区分艾美耳球虫活性和非活性卵囊	首次利用高分辨率显微成像发现死卵囊中特有的颗粒结构，并基于此特征结合深度学习模型（YOLOv7）进行卵囊活性检测，实现了跨物种的泛化能力	初始跨物种评估中，对E. maxima的召回率较低（43.5%），可能因其卵囊尺寸较大，需通过特定数据集微调才能达到高精度	开发一种实用、快速、可靠的方法来评估艾美耳球虫卵囊的活性，以改进疫苗配方和球虫病管理	艾美耳球虫（Eimeria acervulina, E. tenella, E. maxima）的卵囊	计算机视觉	球虫病	相位对比（PC）、微分干涉对比（DIC）、明场（BF）成像	CNN	图像	未明确说明具体样本数量，但涉及多个艾美耳球虫物种的卵囊图像	未明确说明，但基于YOLOv7架构	YOLOv7	精确度, 召回率	NA
12329	2026-03-15	Segmentation-guided multi-modal brain tumors survival prediction model using pseudo-labeling approach 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102724 PMID:41687296	研究论文	本文提出了一种使用伪标签方法的、分割引导的多模态脑肿瘤生存期预测模型	提出了一种端到端的多模型伪标签方法，整合了患者群体信息，并引入了一种生成类别标签的方法以增强数据校正和利用效率	未明确说明模型在处理删失数据时的具体性能限制或潜在的过拟合风险	准确预测脑肿瘤患者的生存期，以辅助医生评估治疗效果和调整临床计划	脑肿瘤患者	数字病理学	脑肿瘤	深度学习	深度学习模型	多模态医学影像数据	基于BraTS 2021数据集收集和补充了生存标签	NA	NA	预测精度，泛化能力	NA
12330	2026-03-15	Fusing data from CT deep learning, CT radiomics and peripheral blood immune profiles to diagnose lung cancer in a cohort of patients experiencing symptoms 2026-Mar, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2026.106173 PMID:41719793	研究论文	本研究通过融合CT深度学习、CT影像组学和外周血免疫谱数据，开发了一种诊断肺癌的预测模型	首次将CT深度学习、CT影像组学和外周血免疫谱数据融合，构建多模态诊断模型，提高了肺癌筛查的敏感性和特异性	样本量相对较小（170名患者），且仅基于单中心数据，可能影响模型的泛化能力	开发一种非侵入性、低成本的肺癌筛查方法，以提高早期诊断率	疑似肺癌的患者（来自Lister医院肺科门诊的344名有症状患者）	数字病理学	肺癌	CT扫描、CT纹理分析（CTTA）、深度学习自编码器（DLA）、高深度流式细胞术、外泌体蛋白分析	自编码器	图像（CT扫描）、血液数据（免疫谱和外泌体蛋白）	170名患者（从344名患者中成功生成预测协变量）	NA	自编码器	AUC, 敏感性, 特异性	NA
12331	2026-03-15	Transformer-based architectures in MRI brain tumor segmentation: A review 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102729 PMID:41723899	综述	本文综述了基于Transformer的架构在MRI脑肿瘤分割中的应用	从模型架构设计、高效自注意力机制和补丁获取策略三个角度，系统分析了Transformer变体算法在脑胶质瘤MRI分割中的应用	NA	为脑胶质瘤MRI分割领域的研究者提供参考和方法比较	脑胶质瘤MRI图像	计算机视觉	脑胶质瘤	MRI	Transformer	图像	NA	NA	Vision Transformer, Swin Transformer, U-Net	NA	NA
12332	2026-03-15	A comprehensive review of CT artifact reduction: From traditional reduction techniques to deep learning methods 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102728 PMID:41747447	综述	本文对CT图像伪影减少技术进行了全面回顾，涵盖了从传统方法到深度学习方法的发展	首次将CT伪影系统分类为环形、金属、运动和散射类型，并基于完整的CT成像链，为传统技术和深度学习方法建立了结构化框架	NA	回顾和综合CT图像伪影减少技术，以提升诊断可靠性	CT图像中的伪影，包括由金属植入物、患者运动和探测器缺陷引起的退化	计算机视觉	NA	CT成像	深度学习	图像	NA	NA	NA	NA	NA
12333	2026-03-15	AATE-UNet automated assessment of inflammatory response in zebrafish larvae exposed to environmental risks 2026-Mar-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2026.119939 PMID:41762590	研究论文	本研究开发了一种名为AATE-UNet的深度学习模型，用于自动化分析斑马鱼幼虫的炎症反应，以评估环境风险	提出了创新的AATE-UNet模型，首次实现了斑马鱼幼虫炎症反应的高通量自动化图像分析，并将模型打包为易用的可执行文件	未明确说明模型在不同成像条件或斑马鱼发育阶段的泛化能力	开发自动化工具以快速评估环境污染物暴露下斑马鱼幼虫的炎症反应	暴露于环境风险的斑马鱼幼虫	计算机视觉	炎症反应	荧光成像，qPCR分析	CNN	图像	未明确说明	未明确说明	U-Net	准确率	兼容硬件的计算机（未指定具体配置）
12334	2026-03-15	Construction of air quality health index based on multi-pollutant Bayesian kernel machine regression and deep learning early warning framework 2026-Mar-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2026.119800 PMID:41775180	研究论文	本研究基于多源数据，利用机器学习和贝叶斯核机回归方法构建了优化的空气质量健康指数，并开发了基于深度学习的预警模型，以提升空气污染健康风险的表征和预警能力	提出了结合BKMR和深度学习框架的优化AQHI构建方法，能够识别污染物间的交互作用，并显著提升了高风险污染事件的预警性能	研究数据仅限于武汉市2017-2019年的数据，未在其他地区或更长时间序列上进行验证	优化空气质量健康指数的构建方法，提升空气污染健康风险的表征精度和早期预警能力	武汉市空气污染物数据、环境协变量（温度、NDVI等）及非意外住院风险（特别是心血管疾病患者和老年人群）	机器学习	心血管疾病	贝叶斯核机回归，深度学习	BKMR, 深度学习模型	多源环境数据（空气污染物浓度、气象数据、植被指数等）	武汉市2017-2019年的多源数据	NA	NA	R2, F1-score	NA
12335	2026-03-15	CR-GLoCo: Cross-Resolution Learning via Global-Local Context Consistency for semi-supervised 3D medical segmentation 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102742 PMID:41780211	研究论文	提出一种名为CR-GLoCo的跨分辨率学习框架，通过全局-局部上下文一致性实现半监督3D医学图像分割	提出跨分辨率学习框架，耦合低分辨率全局分支与高分辨率局部分支，通过重叠视场的预测一致性增强模型对解剖结构的理解，并设计带置信度过滤的相互伪监督机制	未明确说明在极端稀缺标注场景下的性能边界，也未讨论计算资源消耗与推理速度的权衡	解决半监督3D医学图像分割中因内存限制采用局部训练策略导致的全局上下文缺失问题	三维医学图像	数字病理	NA	深度学习	半监督学习模型	三维医学图像	在三个具有挑战性的数据集上进行实验（具体数量未说明）	PyTorch	NA	NA	GPU（具体型号未说明）
12336	2026-03-15	Artificial intelligence-based method for renal function automatic assessment of each kidney using plain computed tomography (CT) scans 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01651-w PMID:41066017	研究论文	本研究提出了一种基于人工智能的方法，利用平扫CT图像自动评估单侧肾功能	首次结合深度学习自动分割（UNETR）与影像组学建模，使用平扫CT替代放射性核素扫描进行单侧肾功能评估，降低了辐射风险并提高了效率	研究为回顾性设计，样本量有限（281例），且仅针对肾梗死或肾积水患者，未涵盖其他肾脏疾病	开发一种无创、高效、低成本的单侧肾功能自动评估方法	肾梗死或肾积水患者的平扫CT图像	数字病理学	肾脏疾病	平扫CT成像	深度学习, 机器学习	医学图像（CT）	281名患者（训练集159例来自中心I，测试集122例来自中心II）	NA	UNETR	Dice相似系数（DSC）, AUC	NA
12337	2026-03-15	Comparative analysis of AI-generated and deformed image registration contours on daily CBCT in prostate cancer radiation therapy: accuracy and dosimetric implications using commercial tools 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01686-z PMID:41396387	研究论文	本研究比较了前列腺癌放射治疗中基于AI生成的轮廓与可变形图像配准（DIR）生成的轮廓在每日CBCT图像上的准确性和剂量学影响	首次系统比较了AI与DIR在前列腺癌每日CBCT图像上生成轮廓的几何精度和剂量学差异，为自适应放疗工作流程的优化提供了实证依据	研究为回顾性设计，样本量较小（20例患者），且仅使用了特定商业软件（Limbus AI和Velocity），可能限制了结果的普适性	评估AI与DIR生成的轮廓在前列腺癌放射治疗每日CBCT图像上的准确性和对剂量学的影响，以支持自适应放疗决策	20例前列腺癌患者的每日CBCT图像，重点关注前列腺、膀胱和直肠的轮廓	数字病理	前列腺癌	锥形束CT（CBCT）成像，可变形图像配准（DIR）	深度学习模型（具体未指定）	医学图像（CBCT）	20例前列腺癌患者，共140个CBCT图像	NA	NA	Dice相似系数（DSC），豪斯多夫距离（HD），平均表面距离（MSD），质心位移，体积变化，剂量学指标（D95，D98，D2）	NA
12338	2026-03-15	Turning a knob: deep learning-based prediction of torque and arm angles using force myography 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01685-0 PMID:41396386	研究论文	本研究利用力肌图技术，通过深度学习模型预测不同扭矩和手臂角度下的旋钮转动活动	首次结合力肌图与卷积神经网络-长短期记忆混合模型，用于预测日常活动中的扭矩和手臂角度，并验证了皮下脂肪对分类无显著影响	研究样本可能有限，未涉及更广泛的日常活动或不同人群的验证	开发直观、响应迅速且自适应的人机交互系统，准确预测人类运动动作	人类参与者在不同扭矩和手臂角度下进行的旋钮转动活动	机器学习	NA	力肌图	CNN, LSTM	力肌图数据	参与者进行了三种不同扭矩弹簧和四种手臂角度的旋钮转动活动	NA	卷积神经网络-长短期记忆混合模型	准确率	NA
12339	2026-03-15	An automated detection system of autism spectrum disorder using meta-heuristic approach of adaptive LSTM with bayesian learning technique 2026-Mar, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01681-4 PMID:41642457	研究论文	本文提出了一种基于自适应LSTM与贝叶斯学习技术的自动化自闭症谱系障碍检测系统	结合多图谱残差网络提取特征，并采用自适应级联注意力LSTM与贝叶斯学习进行检测，通过随机固定海洋捕食者算法优化超参数	未提及具体数据集规模或外部验证结果	开发自动化自闭症谱系障碍早期诊断系统	自闭症谱系障碍患者的大脑图像数据	数字病理学	自闭症谱系障碍	脑成像分析	LSTM, CNN, ANN, auto encoder	图像	NA	Python	MResNet, ACAL-BL	FPR	NA
12340	2026-03-15	Population-level structural variant characterization using pangenome graphs 2026-Mar, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-026-02538-6 PMID:41807798	研究论文	提出了一种基于深度学习的序列到图像方法Swave，用于从组装衍生的泛基因组图中准确解析简单和复杂的结构变异及其群体特征	引入了‘投影波’来总结点图图像，捕获泛基因组中参考序列和SV指示等位基因之间的映射模式，并使用循环神经网络区分真实SV信号与基因组重复引入的背景噪声	未明确说明方法在处理超大规模群体数据时的计算效率或可扩展性限制	开发一种能够从泛基因组图中准确识别和表征群体水平结构变异的方法	人类群体（健康队列和罕见疾病队列）的结构变异	机器学习	罕见疾病	基因组组装，泛基因组图构建	循环神经网络	图像（由序列映射模式转换而来）	NA	NA	NA	SV类型分类准确率，基因分型准确率	NA