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
121	2026-02-15	Efficient automated quantification of midline shift in intracerebral hemorrhage using a binarized deep learning model on non-contrast head CT 2026-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03835-3 PMID:41204958	研究论文	本文提出了一种基于二值化深度学习的轻量级模型，用于在非增强头部CT扫描中自动量化脑出血患者的中线移位	采用基于XNOR的二值化和通道缩放技术，将模型参数从3100万大幅减少至4.4万，实现了高效的实时中线移位量化	需要进一步的多中心验证以确认模型的泛化能力	开发一种轻量级、可重复的深度学习模型，用于在急诊神经影像环境中自动、准确地量化中线移位	急性脑出血患者的非增强头部CT扫描图像	计算机视觉	脑出血	非增强头部CT扫描	CNN	图像	RSNA 2019出血CT数据集的5000张测试切片	PyTorch	Residual U-Net	Dice分数, 平均绝对误差	NVIDIA GTX 1650 (4 GB)
122	2026-02-15	Enhancing cardiac MRI reliability at 3 T using motion-adaptive B0 shimming 2026-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70026 PMID:40810283	研究论文	本研究提出了一种基于深度学习的运动自适应B0匀场方法，用于改善3T高场强心脏MRI的场均匀性和减少伪影	开发了首个结合深度学习与运动分辨B0映射的运动自适应B0匀场框架，能够动态补偿呼吸运动引起的场不均匀性	研究主要关注呼吸运动的影响，心脏运动的影响较小，且仅验证了特定呼吸状态下的效果	提高3T高场强心脏MRI的可靠性和可重复性，减少运动引起的场不均匀性伪影	心脏MRI成像中的B0场不均匀性，特别是由呼吸和心脏运动引起的动态变化	医学影像处理	心血管疾病	运动分辨B0映射序列，T2*映射	深度学习模型	MRI图像，B0场映射数据	人体成像研究，具体样本数量未明确说明	NA	NA	场均匀性标准差比率，T2*映射变异系数，p值	NA
123	2026-02-15	Advanced neuroimaging in pediatric epilepsy surgery: state of the art and future perspectives 2026-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03859-9 PMID:41317206	综述	本文综述了儿科耐药性癫痫结构MRI后处理的最新进展，重点关注人工智能驱动和定量技术，并评估了它们对病灶检测、致痫区定位和术前规划的影响	系统性地回顾和评估了多种新型后处理技术（如MELD-Graph、MAP18、FLAT1、SUPR-FLAIR）在儿科癫痫中的应用，强调了它们在揭示常规MRI不可见的细微皮质异常方面的潜力，并探讨了将这些工具整合到多模态诊断工作流程中的价值	文章作为综述，主要总结了现有技术，未报告原始实验数据；同时指出这些技术仍需标准化、临床验证和工作流程整合方面的持续努力，以确保广泛采用和最大化临床影响	回顾儿科耐药性癫痫结构MRI后处理的最新进展，并评估其在病灶检测、致痫区定位和术前规划方面的应用与影响	儿科耐药性癫痫患者，特别是MRI阴性（常规MRI未发现明显病灶）的病例	医学影像分析	癫痫	结构MRI后处理技术，包括机器学习、深度学习、基于体素的形态测量学、皮质表面投影、FLAIR/T1比率映射	深度学习，机器学习	MRI图像	NA	NA	深度神经网络（具体架构未指定）	敏感性，特异性，诊断性能	NA
124	2026-02-15	Leveraging vision transformer for histological grade prediction in laryngeal and hypopharyngeal squamous cell carcinoma: a large-scale multicenter study 2026-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03876-8 PMID:41454919	研究论文	本研究开发了一种基于增强CT的Vision Transformer模型，用于无创评估喉及下咽鳞状细胞癌的组织学分级	首次将预训练的Vision Transformer与XGBoost分类器结合，用于喉及下咽鳞状细胞癌的组织学分级预测，并在多中心大样本数据中验证了其优于传统放射组学模型的性能	研究为回顾性设计，可能存在选择偏倚；外部验证队列样本量相对较小	开发非侵入性方法预测喉及下咽鳞状细胞癌的组织学分级，以辅助预后评估	喉及下咽鳞状细胞癌患者	计算机视觉	喉癌	增强CT扫描	Vision Transformer, XGBoost	医学影像	1648名患者（训练队列1239人，内部验证队列310人，外部验证队列99人）	NA	Vision Transformer	AUC, 决策曲线分析, 校准曲线	NA
125	2026-02-15	Distribution of coronary artery calcium volume and density by age, sex, and race using AI-based quantification algorithm 2026 Jan-Feb, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.003 PMID:41482498	研究论文	本研究利用基于AI的量化算法，分析了不同年龄、性别和种族人群的冠状动脉钙化体积和密度分布	首次使用经过验证的深度学习软件直接量化CAC体积和平均密度，并构建了跨人口亚组的百分位分布	研究为单中心回顾性分析，仅包括无症状且无既往动脉粥样硬化性心血管疾病的患者，可能限制了结果的普适性	表征冠状动脉钙化体积和密度在不同人口亚组中的规范分布，以改进CAC解释和风险分层	23,844名年龄大于35岁、无症状且无既往动脉粥样硬化性心血管疾病的患者	数字病理学	心血管疾病	非对比心电图门控心脏CT扫描	深度学习	医学影像（CT图像）	23,844名患者	NA	NA	NA	NA
126	2026-02-15	Voxel-based correction of CT attenuations for accurate quantification of coronary artery calcification in low tube voltage scans with deep learning reconstruction 2026 Jan-Feb, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.008 PMID:41486057	研究论文	本研究提出了一种基于体素的CT衰减校正方法，用于在低管电压扫描结合深度学习重建技术下，实现冠状动脉钙化的准确量化评估	提出了一种基于体素的CT衰减校正方法，通过体模扫描建立线性回归模型，将低管电压协议的CT衰减值映射到标准协议，有效解决了低管电压扫描在冠状动脉钙化量化评估中引入的系统性高估偏差	研究仅使用了特定扫描设备和重建算法，其校正公式的普适性需要进一步验证；研究为单中心前瞻性研究，样本量相对有限	开发一种校正方法，以解决低管电压扫描结合深度学习图像重建在冠状动脉钙化量化评估中引入的偏差，实现准确的风险分层	包含各种插入物的体模，以及被转诊进行冠状动脉钙化评分的患者	医学影像分析	心血管疾病	CT扫描，深度学习图像重建	线性回归模型	CT图像	190名患者	NA	NA	钙化体积，等效质量，Agatston评分，风险分层误分类率，CT衰减值，标准差，信噪比，主观图像质量评分	NA
127	2026-02-15	AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338799 PMID:41671210	研究论文	提出一种混合深度学习框架，用于检测短视频内容中的网络欺凌行为	结合CNN、BiLSTM和Transformer的多模态融合框架，并引入语义一致性验证层以增强跨模态对齐	未提及具体的数据偏见或跨平台泛化能力的详细限制	开发自动化的网络欺凌检测系统以改善内容审核	短视频平台（Instagram Reels、TikTok、YouTube Shorts）中的多模态内容	自然语言处理,计算机视觉	NA	深度学习	CNN, BiLSTM, Transformer	视频,音频,文本	基于CAVD和SocialVidMix两个基准数据集	未明确提及	CNN, BiLSTM, Transformer	准确率,精确率,召回率,F1分数	未提及
128	2026-02-15	Preoperative evaluation of C2 pedicle screw placement using a deep learning model: Development and validation study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342349 PMID:41671245	研究论文	本研究开发并验证了一个名为C2-Net的深度学习模型，用于术前快速、准确地评估C2椎弓根螺钉置入的可行性	开发了一个集成了图像分割模块和螺钉置入概率评估模块的自动化深度学习流程，用于C2椎弓根螺钉置入的术前评估，其性能与资深外科医生相当，并优于初级外科医生	未在更大规模、多中心的临床数据集中进行外部验证	开发并验证一个深度学习模型，以改进C2椎弓根螺钉置入的术前评估	C2椎弓根及其在CT图像中的形态	数字病理学	脊柱疾病	CT成像	深度学习模型	医学图像	未明确说明具体样本数量，但包含用于训练和测试的CT图像数据集	未明确说明	C2-Net	准确率, 灵敏度, 特异性	未明确说明
129	2026-02-15	A unified vision-language model for cross-product defect detection in glove manufacturing 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339867 PMID:41671274	研究论文	提出一种基于多模态大语言模型的统一缺陷检测框架，用于手套制造中的跨产品缺陷检测	采用两阶段微调策略（监督微调+强化微调），通过多维度可验证奖励函数优化视觉推理，实现单一模型处理多产品线和缺陷类型	仅在手套制造数据集上进行验证，未在其他工业场景测试泛化能力	解决工业质量控制中传统深度学习模型扩展性不足的问题	手套制造过程中的产品缺陷	计算机视觉	NA	多模态大语言模型	MLLM	图像, 文本	真实世界手套制造数据集（未明确数量）	NA	多模态大语言模型	平均精度均值	NA
130	2026-02-15	The role of artificial intelligence in gastroenterology: current perspectives and future directions-narrative review 2026, Translational gastroenterology and hepatology IF:3.8Q2 DOI:10.21037/tgh-25-10 PMID:41675336	综述	本文是一篇叙述性综述，探讨了人工智能在胃肠病学领域的当前应用、历史发展、未来方向及其在诊断、管理和预后方面的作用	全面回顾了AI在胃肠病学中的历史与现状，特别聚焦于放射学诊断、内窥镜操作、疾病检测和临床决策支持等具体应用，并指出了未来发展的关键挑战与方向	作为叙述性综述，可能存在文献选择的主观性，未进行系统性荟萃分析；且主要基于英文文献，可能遗漏其他语言的重要研究	评估人工智能在胃肠病学领域的应用现状、潜力及未来发展方向	胃肠病学领域，包括胃肠道疾病（如息肉、肿瘤、炎症性肠病等）的诊断、管理和预后	NA	胃肠道疾病	NA	机器学习, 深度学习	NA	NA	NA	NA	准确性	NA
131	2026-02-15	EC-Bench: a benchmark for enzyme commission number prediction 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag004 PMID:41675694	研究论文	本文介绍了EC-Bench，一个用于酶委员会编号预测的基准测试框架，旨在系统评估和比较现有方法	提出了首个统一的EC编号预测基准测试框架，整合了多种现有方法、性能指标和数据集，支持全面的比较研究	基准测试可能未涵盖所有最新方法，且数据集选择可能影响结果的普遍性	系统评估和比较酶委员会编号预测方法，以识别最有效的酶功能注释方法	酶蛋白质及其对应的EC编号	自然语言处理	NA	同源性分析、深度学习、对比学习、语言模型	深度学习模型、语言模型	蛋白质序列数据	NA	NA	NA	准确性、效率性能指标	NA
132	2026-02-15	Deep Learning-Enabled Virtual Multiplexed Immunostaining of Label-Free Tissue for Vascular Invasion Assessment 2026, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0226 PMID:41676162	研究论文	本文开发并验证了一种基于深度学习的虚拟多重免疫染色方法，用于无标记组织，以评估血管侵犯	提出了一种基于深度学习的虚拟多重免疫染色框架，能够从无标记组织的自发荧光显微图像中同时生成ERG、PanCK和H&E虚拟染色图像，避免了传统免疫组化的化学染色过程	未明确说明方法在其他癌症类型或更大样本量中的泛化能力，以及虚拟染色图像与真实染色图像之间可能存在的细微差异	开发一种虚拟多重免疫染色方法，以提高甲状腺癌血管侵犯评估的准确性和效率	无标记甲状腺癌组织切片	数字病理学	甲状腺癌	自发荧光显微镜成像	深度学习模型	图像	未明确说明具体样本数量，但涉及甲状腺癌组织切片	NA	NA	一致性评估	NA
133	2026-02-15	A multi-class framework for fish species classification using deep learning technique 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342901 PMID:41678491	研究论文	本文提出了一种基于YOLO深度学习框架的多类别鱼类物种分类系统，用于自动识别鱼类物种	采用YOLO目标检测框架进行鱼类物种识别，并在Fish-Pak数据集上实现了99%的准确率和99.65%的mAP，性能优于现有文献	研究面临鱼类物种因季节和地理位置变化带来的复杂性挑战，且可用的公开数据集有限	开发一个用于鱼类物种识别的深度学习系统，以支持生态研究、渔业管理和海洋生物学	热带养殖鱼类，基于巴基斯坦热带鱼类养殖数据	计算机视觉	NA	深度学习，目标检测	CNN	图像	915张图像，涵盖6个目标类别	NA	YOLO v3, YOLO v4	准确率, mAP	NA
134	2026-02-15	Pituitary neuroendocrine tumor: evaluation with super resolution deep learning reconstruction : Research 2026-Jan, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03819-3 PMID:41117831	研究论文	本研究评估了超分辨率深度学习重建算法在垂体神经内分泌肿瘤MRI评估和图像质量方面的影响，并与传统零填充插值技术进行了比较	首次将超分辨率深度学习重建算法应用于垂体神经内分泌肿瘤的MRI图像评估，显著提高了图像质量和诊断一致性	研究为回顾性设计，样本量较小（仅29例患者），且仅评估了T2加权冠状图像	评估超分辨率深度学习重建算法在垂体神经内分泌肿瘤MRI图像质量和诊断评估中的效果	29例垂体神经内分泌肿瘤患者的MRI图像	医学影像分析	垂体神经内分泌肿瘤	MRI成像，超分辨率深度学习重建，零填充插值	深度学习重建算法	医学影像（MRI T2加权冠状图像）	29例患者	NA	超分辨率深度学习重建模型	信噪比，对比噪声比，边缘上升斜率，半高全宽，读者间一致性	NA
135	2026-02-15	Effective automatic classification methods via deep learning for multi-type infectious keratitis diagnosis 2026-Jan, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-06996-2 PMID:41134356	研究论文	本研究开发了一种基于深度学习的自动分类系统，用于通过裂隙灯图像诊断多种类型的感染性角膜炎	首次比较了包括EfficientNet_B0、EfficientNet_V2_S、ResNet50、Vision Transformer (ViT)和DeepIK在内的五种深度学习模型在感染性角膜炎分类任务中的性能，并确定了EfficientNet_B0为最优模型	数据集规模有限（1,065张图像），未来需要更大规模的数据集来进一步提高模型的准确性	开发一种自动化的深度学习系统，以辅助感染性角膜炎的快速、准确诊断	感染性角膜炎（由细菌、真菌、病毒或寄生虫引起）的裂隙灯图像	计算机视觉	感染性角膜炎	裂隙灯成像	CNN, Transformer	图像	1,065张弥散型裂隙灯图像	NA	EfficientNet_B0, EfficientNet_V2_S, ResNet50, Vision Transformer (ViT), DeepIK	准确率, 精确率, 召回率, F1分数, 加权Cohen's Kappa, ROC曲线, AUC	NA
136	2026-02-15	Improving Greater Caribbean manatee vocalization detection across habitats using neural networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341561 PMID:41686843	研究论文	本研究应用神经网络改进大加勒比海牛（Trichechus manatus manatus）发声的检测与分类，以应对水下声学环境的复杂性	结合先进信号处理技术与深度学习算法，无需领域相关预训练，通过数据增强和特征提取策略，在动态嘈杂的海洋环境中实现高精度发声检测	模型泛化能力仍有提升空间，特别是在不同噪声环境下的适应性需进一步优化	改进大加勒比海牛发声的自动检测与分类，以支持其行为研究和保护工作	大加勒比海牛（Trichechus manatus manatus）的水下发声	机器学习	NA	水下录音、信号处理（滤波与归一化）	CNN	音频	大型水下录音数据集，包括Wildtracks和Placencia数据集	NA	已知CNN架构（具体未指定）	F1分数	NA
137	2026-02-15	Enhancing reliability in electrical grids: A hybrid machine learning approach for electrical faults classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341238 PMID:41686863	研究论文	本研究提出了一种用于输电线路故障分类的混合机器学习方法，旨在提升电网的可靠性	提出了一种新的混合机器学习模型（RF + DT + Stacking），并将其与多种经典机器学习算法和集成技术进行对比，为电网故障监控提供了一种轻量且实用的深度学习替代方案	未明确说明模型在极端或罕见故障场景下的泛化能力，也未提及模型在实际部署环境中的实时性能测试	开发一种高效、准确的输电线路故障分类模型，以支持智能电网的主动维护和提升系统韧性	输电线路及其故障数据	机器学习	NA	NA	决策树, 随机森林, 朴素贝叶斯, K近邻, 支持向量机, AdaBoost	结构化数据（影响线路性能的各种属性）	NA	Scikit-learn	NA	准确率, 精确率, 召回率, F1分数	NA
138	2026-02-15	Automated detection and classification of dental trauma in periapical radiographs using deep learning: a study based on the Andreasen classification 2025-Dec-31, 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的深度学习模型在牙科根尖周X光片上自动识别Andreasen分类系统定义的牙外伤类型的性能	首次将YOLOv8深度学习模型应用于牙科根尖周X光片的牙外伤自动检测与分类，并基于Andreasen分类系统进行标注	外伤亚型数量多而数据集规模有限，导致初始模型性能较低；模型对“牙周组织损伤”的检测性能（F1分数0.44）显著低于“硬组织及牙髓损伤”（F1分数0.82）	评估深度学习模型在牙科影像中自动识别牙外伤类型的性能	牙科根尖周X光片中的牙外伤影像	计算机视觉	牙外伤	深度学习	CNN	X光影像	NA	YOLOv8	YOLOv8	灵敏度, 精确度, F1分数	NA
139	2025-12-26	A "calcification"-enhanced deep learning approach for precise differentiation of thyroid nodules 2025-Dec-24, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00976-9 PMID:41444688	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
140	2026-02-15	KGLGANSynergy: knowledge graph-based local and global attention network for drug synergy prediction 2025-Dec-21, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07545-5 PMID:41423603	研究论文	本文提出了一种基于知识图谱的深度学习框架KGLGANSynergy，用于预测药物协同作用	该模型整合了局部图注意力网络和全局图注意力网络，并通过互交叉注意力机制融合特征，克服了现有方法忽略边属性和全局语义上下文的限制	未明确提及具体局限性	开发更准确的药物协同作用预测计算工具	药物组合和细胞系	机器学习	复杂疾病	图表示学习	GAT, 深度学习框架	知识图谱数据	基于DrugCombDB和Oncology-Screen两个基准数据集	NA	Local Graph Attention Network (LGAT), Global Graph Attention Network (GGAT)	AUPR	NA