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	2026-06-16	Parameter-efficient contrastive language-image pre-training (CLIP) adaptation for few-shot anomaly detection in ultra-widefield fundus images 2026-Jun, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105461 PMID:41966507	研究论文	基于参数高效的对比语言-图像预训练（CLIP）适应方法，用于超广角眼底图像的少样本异常检测	提出双路径检测机制以实现精确异常检测，设计轻量级混合低秩适配器实现参数高效微调以弥合自然图像与眼底图像的领域差距，并开发基于泊松融合的异常合成算法以增强异常模式的泛化能力	未明确提及局限性，但可能受限于仅使用32对训练样本的少样本场景以及合成异常与真实异常之间的差异	开发一种低计算成本和低数据需求的自动化异常检测框架，用于超广角眼底图像中的眼底疾病筛查	超广角眼底图像中的异常模式（涵盖超过50种异常类型）	计算机视觉	眼底疾病	成像技术（超广角眼底成像）	CLIP	图像	32对训练样本，评估使用8个独立跨源数据集共29,739张图像	PyTorch	CLIP	AUC	NA
122	2026-06-16	Artificial intelligence for epiretinal membrane detection using ultrawidefield scanning laser ophthalmoscopy 2026-Jun, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105468 PMID:41966504	研究论文	开发并验证一种基于深度学习的模型，用于在超广角扫描激光眼底镜图像上自动检测视网膜前膜	首次提出并验证了针对超广角扫描激光眼底镜图像的深度学习模型用于视网膜前膜检测，系统比较了不同视野模型的性能，并进行了AI辅助阅读研究	未明确说明	开发和验证用于超广角扫描激光眼底镜图像上自动检测视网膜前膜的深度学习模型	超广角扫描激光眼底镜图像上的视网膜前膜病灶	数字病理学	视网膜前膜	超广角扫描激光眼底镜	CNN	图像	920张原始超广角扫描激光眼底镜图像	PyTorch	Inception-v3	特异性, 灵敏度, AUC, 诊断准确率	NA
123	2026-06-16	Automatic adaptive radiotherapy triggering based on CBCT using deep learning for esophageal cancer underwent volumetric modulated arc therapy 2026-Jun, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70651 PMID:42267478	研究论文	基于CBCT的深度学习自动触发自适应放疗用于食管癌容积旋转调强治疗	首次开发基于锥形束CT的深度学习自动触发自适应放疗流程，通过预测解剖变化与剂量体积指标平衡治疗效益与频率	触发决策一致性为81.8%，脊髓分割准确率（Dice 0.80）相对较低，可能影响触发可靠性	开发自动自适应放疗触发流程，高效平衡食管癌患者的治疗效益与自适应放疗频率	接受容积旋转调强治疗的食管癌患者及周围危及器官（肺、心脏、脊髓）	医学影像	食管癌	锥形束计算机断层扫描	U-Net	图像	136名食管癌患者的CBCT图像	NA	U-Net	Dice系数, 曲线下面积, 准确率, 灵敏度, 特异度	NA
124	2026-06-16	Deep learning for carotid Doppler spectra classification 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03569-1 PMID:41979720	研究论文	利用深度学习对颈动脉多普勒频谱进行分类，以识别不同颈动脉段	首次仅基于多普勒频谱波形实现颈动脉段的自动识别，为资源受限环境下的低成本心血管疾病筛查提供新途径	NA	仅使用多普勒频谱准确识别颈总动脉、颈内动脉和颈外动脉信号，作为后续疾病分类的关键步骤	来自398名参与者的颈动脉多普勒频谱数据（198名健康对照，200名心血管疾病患者）	计算机视觉	心血管疾病	颈动脉多普勒超声	卷积神经网络（CNN）	频谱图像	398名参与者，包括198名健康对照和200名心血管疾病患者	NA	GoogLeNet	AUC值、F1分数	NA
125	2026-06-16	C[Formula: see text]Net: A co-occurrence and consistency-aware framework for structured multi-label fundus diagnosis 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03574-4 PMID:42048017	研究论文	提出一个统一框架，在眼底多标签诊断中同时建模共现和一致性	首次将共现感知监督对比损失、自适应多标签焦点损失和诊断一致性机制集成到统一网络中，同时处理疾病共现、类别不平衡和临床逻辑冲突	NA	提升多标签眼底图像诊断的准确性和临床逻辑可靠性	多标签眼底图像诊断任务中的视网膜病理图像	计算机视觉	眼底疾病	NA	神经网络	眼底图像	ODIR-5K和MuReD两个基准数据集，采用五折交叉验证	PyTorch	C²Net：包含共现感知对比损失、自适应焦点损失和诊断一致性机制的网络	宏平均F1分数 (AF1)、宏平均精度 (mAP)	NA
126	2026-06-16	VMDiff: A novel hybrid CNN-Mamba generative framework for retinal phenotype image enhancement 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03582-4 PMID:42053739	研究论文	提出一种基于CNN和Mamba混合架构的扩散模型，用于增强视网膜表型图像，同时保留局部细节和全局特征	首次将CNN与Mamba架构协同集成到扩散模型中，提出高频提取模块和高频一致性损失以保留精细结构，并采用渐进损失机制解耦优化目标，平衡像素级准确性与感知质量	未提及在真实临床环境中的泛化能力验证或计算资源需求分析	提高视网膜表型图像增强质量，解决现有模型无法同时捕捉局部细节和全局依赖的问题	合成的退化版本视网膜图像，来自EyePACS、DRIVE和IDRiD公共数据集	计算机视觉, 数字病理学	眼科疾病（如糖尿病视网膜病变、黄斑变性等）	图像增强, 扩散模型	扩散模型, CNN, Mamba	图像	多个公共数据集（EyePACS、DRIVE、IDRiD）	NA	CNN, Mamba	PSNR, SSIM, AUC, ACC, IoU	NA
127	2026-06-16	Correction to "Precise Sizing and Collision Detection of Functional Nanoparticles by Deep Learning Empowered Plasmonic Microscopy" 2026-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.75592 PMID:42107054	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
128	2026-06-16	Evaluating multi-task network architectures for simultaneous breast lesion segmentation and classification in ultrasound images 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03592-2 PMID:42138788	research paper	评估多任务网络架构在超声图像中同时进行乳腺病变分割和分类的性能，提出结合SegResNet和EfficientNet的多任务学习配置，并在双中心数据集上验证其效果	探索了多种多任务学习网络配置，比较不同层次的特征共享与整合策略，以确定联合乳腺病变分割与分类的最有效架构	依赖810张二维超声图像的单数据集，未涉及三维超声或多模态数据，可能限制模型的泛化能力	提升超声图像中乳腺病变分割与分类的联合准确率，优化计算机辅助诊断工具	乳腺病变在超声图像中的分割区域与恶性分类	计算机视觉	乳腺癌	NA	多任务学习	图像	810张二维乳腺超声图像，来自两个不同中心	PyTorch	SegResNet, EfficientNet	Dice系数, AUC	NA
129	2026-06-16	Probabilistic multi-site MR image harmonization via feature preserving conditional generative adversarial networks 2026-Jun, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102777 PMID:42172914	研究论文	提出一种特征保持的条件生成对抗网络（FP-cGAN），用于概率性多站点MR图像协调，将多来源图像转换为目标站点格式并保留解剖特征	首次将概率深度生成模型集成到MR图像协调中，通过施加新的正则化约束保留解剖特征，并提供不确定性估计	未明确提及限制，但可能包括对配对数据依赖较少、计算资源消耗或泛化至极端异质性数据的潜在挑战	消除多站点MR图像中的非生物特征差异，实现图像协调并保留解剖结构	多站点脑磁共振图像（MR图像）	计算机视觉，数字病理	神经疾病	磁共振成像（MRI）	条件生成对抗网络（cGAN）	图像	使用SRPBS数据集中的非配对图像训练和配对图像评估，并扩展至异质性公共数据集	PyTorch（推断）	FP-cGAN	分布度量，不确定性估计	NA
130	2026-06-16	Deep learning-derived pericardial adipose tissue by electrocardiogram-gated cardiac computed tomography predicts cardiovascular events beyond coronary calcium score 2026-Jun, American journal of preventive cardiology IF:4.3Q1 DOI:10.1016/j.ajpc.2026.101549 PMID:42291032	研究论文	基于深度学习的心电图门控心脏CT心包脂肪组织测量在冠状动脉钙化评分基础上预测心血管事件	首次在大型队列中验证深度学习自动分割的心包脂肪组织体积在冠状动脉钙化评分和PREVENT™风险方程之外对心血管事件的增量预测价值	NA	评估心包脂肪组织体积是否能在冠状动脉钙化评分和PREVENT™风险方程之外提高心血管事件的预测能力	无已知心力衰竭和动脉粥样硬化性心血管疾病史的明尼苏达州奥姆斯特德县居民	数字病理学	心血管疾病	NA	深度学习	影像	11,897名居民	NA	NA	Dice系数	NA
131	2026-06-16	Advanced CNN Deep Learning Model for Diabetic Retinopathy Classification 2026-Jun, Journal of biomedical physics & engineering DOI:10.31661/jbpe.v0i0.2406-1774 PMID:42292681	研究论文	利用深度学习技术对糖尿病视网膜病变进行早期分级分类	提出低成本、快速且准确的自动化系统，结合CNN、决策树和逻辑回归三种模型，在三个不同数据集上进行DR严重程度分类比较	论文标题和摘要中未明确描述局限性	开发用于早期检测和分类糖尿病视网膜病变的深度学习自动化系统	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	NA	CNN（卷积神经网络）、决策树、逻辑回归	图像	三个数据集：伊拉克数据集、印度糖尿病视网膜病变图像数据集（IDRiD）和Eyepacs数据集	NA	CNN	准确率	NA
132	2026-06-16	AI-Enabled Mucus Segmentation in Nasal Endoscopy with State Space and Attention-Based Modeling 2026-Jun, Laryngoscope investigative otolaryngology IF:1.6Q2 DOI:10.1002/lio2.70467 PMID:42292753	研究论文	提出SUM-MucusNet模型，用于鼻内窥镜图像中粘液分割	结合状态空间与注意力机制，针对薄粘液层与浆液分泌物分离、边界模糊及光照伪影等挑战进行优化	模型在非常规粘液模式下的表现仍有提升空间，且仅基于单中心数据验证	提升鼻内窥镜下粘液分割的准确性，支持标准化粘液评估与纵向疾病监测	鼻内窥镜图像中的粘液区域	计算机视觉	鼻窦炎	NA	深度学习模型	图像	来自454名患者的3486张已标注内窥镜图像	NA	SUM-MucusNet（状态空间与注意力机制结合）	Dice系数、交并比、精确率、召回率	NA
133	2026-06-16	Enhanced image quality in head and neck MRI with PROPELLER and deep learning reconstruction 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100771 PMID:42293421	研究论文	结合PROPELLER采集技术和深度学习重建，评估其在头颈部MRI脂肪抑制T2加权成像和弥散加权成像中提升图像质量的效果	首次将PROPELLER采集技术与深度学习重建结合应用于头颈部MRI，显著改善脂肪抑制T2加权成像和弥散加权成像的图像质量和病变可见性	样本量较小（仅34例患者），且为回顾性研究	评估PROPELLER采集技术与深度学习重建联合在头颈部MRI中的图像质量改善效果	34例接受3.0-T头颈部MRI检查的患者	数字病理学	头颈部病变	MRI	深度学习重建（DLR）	图像	34例患者	NA	NA	信噪比（SNR）、对比度噪声比（CNR）、5点Likert量表评分	NA
134	2026-06-16	TotalSegmentator-AI for aortic segmentation in CT: Reliable performance in normal anatomy but limited utility in pathological aortic disease 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100772 PMID:42293422	研究论文	评估TotalSegmentator-AI在CT主动脉分割中的性能，发现其正常解剖表现可靠，但在病理主动脉疾病中有限	首次对TotalSegmentator-AI在正常和多种病理主动脉条件下的性能进行系统压力测试，并映射其边界和结构失效模式	单中心、回顾性研究，样本量较小（60个CTA扫描），且未包含手动校正的比较	评估深度学习工具TotalSegmentator-AI在主动脉分割中的临床应用边界和可靠性，特别是在病理条件下	60例CTA扫描，分为年轻、老年、动脉瘤、夹层、静脉期和无对比期六组	计算机视觉	主动脉疾病	CTA（计算机断层血管造影）	深度学习	图像	60例CTA扫描，包含360个主动脉节段	NA	TotalSegmentator-AI	定性评分、定量分割误差、Spearman相关系数、加权Cohen's kappa	NA
135	2026-06-16	Macula- Versus Disc-Centered Fundus Photography: Performance in Age-Prediction and Disease Associations 2026-Jun-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.67.6.24 PMID:42294805	研究论文	比较以黄斑为中心与以视盘为中心的眼底照片在年龄预测和疾病关联中的性能差异	首次系统对比两种眼底照相固定方式（黄斑中心与视盘中心）对深度学习年龄预测和视网膜年龄差与疾病关联的影响	回顾性设计、单中心数据、系统偏差和异方差性不支持正式互换性、需前瞻性人群队列验证	评估眼底照相固定方式对年龄预测性能和疾病关联的影响	同一患者同一天采集的黄斑中心与视盘中心彩色眼底照片	计算机视觉	年龄相关性黄斑变性	彩色眼底摄影	深度学习年龄预测模型	图像	12,230对同一天采集的眼底照片来自5,895名患者（≥40岁）	NA	NA	平均绝对误差, 组内相关系数, Bland-Altman分析, 比值比	NA
136	2026-06-16	Acoustic individual identification in a species of field cricket using deep learning 2026-Jun-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0044100 PMID:42294872	研究论文	利用深度学习从蟋蟀鸣声中实现个体识别，评估其在野生动物监测中的潜力	首次在野外记录的昆虫物种中展示基于深度学习的声学个体识别方法，并对比随机森林模型，证明深度学习在复杂任务中的优越性	不同夜晚间识别准确率显著下降（从99.9%降至65.1%），温度变化未通过声谱图调整得到改进	评估深度学习在野外蟋蟀个体识别中的可行性，推动非侵入性动物种群监测	短翅蟋蟀（Plebeiogryllus guttiventris）的鸣声	机器学习	NA	声学信号分析	深度学习模型（与随机森林对比）	音频数据	封闭种群中未知具体数量个体，不同夜晚的蟋蟀鸣声记录	NA	NA	准确率	NA
137	2026-06-16	Nuclear Enlargement as a Histological Hallmark of Skeletal Muscle Aging, Revealed by Deep Learning-Driven Analysis and Validated in Inflammatory Myopathies 2026-Jun, Aging cell IF:8.0Q1 DOI:10.1111/acel.70577 PMID:42295036	研究论文	利用深度学习驱动的核形态测量，揭示了核增大作为骨骼肌衰老的组织学标志，并在炎症性肌病中得到验证	首次通过大规模组织学与深度学习结合，发现核增大是骨骼肌衰老的可量化特征，并建立了潜在的“肌肉衰老时钟”，适用于生理性衰老和疾病状态	未明确说明，但从摘要推断可能包括样本来源单一、需要外部验证等	识别骨骼肌衰老的可重复组织学特征，并测试其生物学相关性	人类骨骼肌组织（来自974张H&E全切片图像）	数字病理学	骨骼肌衰老、炎症性肌病	H&E染色、深度学习	双注意力卷积神经网络、Mask R-CNN	图像（全切片图像）	974张H&E全切片图像	NA	双注意力卷积神经网络、Mask R-CNN	AUC、准确率	NA
138	2026-06-16	PI-RADS v2.1 for prostate MRI: current applications, ongoing debates, and synergies with advanced technologies-a narrative review 2026-May-30, Translational andrology and urology IF:1.9Q3 DOI:10.21037/tau-2026-0193 PMID:42293821	综述	回顾PI-RADS v2.1在前列腺MRI中的当前应用、诊断表现、局限性以及与生物标志物、AI等新技术的协同作用	系统总结了PI-RADS v2.1与先进技术（如深度学习、放射组学、酰胺质子转移加权成像等）的协同潜力	仍存在读者间差异性和患者准备指导不明的问题，且缺乏对不同临床环境中整合方法的前瞻性验证	总结PI-RADS v2.1的应用现状并探索其与先进技术的协同作用以推动精准诊断	PI-RADS v2.1版本及相关诊断方法	自然语言处理	前列腺癌	mpMRI, bpMRI, AI, 深度学习, 放射组学, 酰胺质子转移加权成像, 限制谱成像, 磁共振弹性成像	深度学习, CNN	图像	NA	NA	NA	诊断准确性	NA
139	2026-06-16	Evolutionary transfer learning enables organism-wide inference of mammalian enhancer landscapes 2026-May-27, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.07.717039 PMID:41993329	研究论文	通过进化迁移学习，结合单细胞染色质可及性图谱和深度学习模型，实现对哺乳动物增强子景观的全基因组推断	提出‘进化转移学习’方法，利用物种间增强子进化速率差异，引入跨物种增强子同源信息（241个哺乳动物基因组），显著提升模型在不同物种间的泛化能力	进化感知模型（STEAM）仍面临标签噪声放大问题，且对串联重复序列和启动子-远端增强子语法混淆的改进有限	使用单细胞数据和深度学习技术，在全基因组尺度上预测哺乳动物发育过程中的细胞类型特异性远端增强子	人类、小鼠及其他239种哺乳动物的发育胚胎细胞，涵盖36个细胞类别和140个细胞类型	机器学习, 数字病理学	NA	单细胞染色质可及性测序（组合索引法）、全基因组增强子预测	多输出深度学习模型（CREsted、STEAM）	染色质可及性数据、序列数据、进化同源注释数据	3.9 million 个细胞（来自36个阶段小鼠胚胎）	TensorFlow, PyTorch, Keras	ResNet, Transformer, U-Net	AUC, 精确率, 召回率, F1分数	NVIDIA RTX 3090 GPU, 云计算平台（AWS）
140	2026-06-16	A Deep Learning Approach to Automatically Classify Ice Hockey Shooting Actions Using Acceleration Signals 2026-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s26113361 PMID:42280881	研究论文	本研究利用深度学习模型，通过加速度信号自动分类冰球中的击球动作，包括手腕射门、击射、反手射门等多种技术动作	首次采用全连接卷积神经网络对冰球击球动作进行分类，并验证了仅使用手部传感器配置的可行性，为实际应用中减少传感器数量提供依据	研究样本仅来自43名精英运动员，且分类动作局限于冰球击球相关动作，未涵盖其他类型活动或不同技能水平人群	评估深度学习模型通过惯性测量单元传感器识别冰球常见击球动作的能力，探索最小传感器配置的可行性	冰球运动员的击球动作分类及其加速度信号特征	机器学习, 数字病理学	NA	NA	全连接卷积神经网络	加速度信号	43名精英冰球运动员	NA	全连接卷积神经网络	F1分数	NA