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
1541	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
1542	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
1543	2026-03-15	Dbert2_LR: A deep learning-based model for predicting cis-regulatory elements in crops 2026-Mar, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2026.111201 PMID:41544987	研究论文	开发了一种名为Dbert2_LR的混合深度学习框架，用于预测作物中的顺式调控元件	整合了预训练的基因组基础模型DNABERT-2与并行双向RNN和LSTM网络，以高效捕获DNA中的深度上下文依赖性和局部序列模式	NA	准确识别作物中具有大型且高度重复基因组的顺式调控元件，以支持功能注释和分子育种设计	拟南芥和陆地棉的DNA序列	机器学习	NA	深度学习	混合模型（DNABERT-2, RNN, LSTM）	DNA序列	NA	NA	DNABERT-2, 双向RNN, LSTM	宏平均F1分数	NA
1544	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
1545	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
1546	2026-02-22	Corrigendum to "Deep learning enhanced ALPS reveals genetic and environmental factors of brain glymphatic function" [eBioMedicine 124 (2026) 106133] DOI: 10.1016/j.ebiom.2026.106133 2026-Mar, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2026.106180 PMID:41719794	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1547	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
1548	2026-03-15	LCBTS-Net: A lightweight cascaded 3D brain tumor segmentation network in magnetic resonance imaging 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102727 PMID:41734696	研究论文	本文提出了一种轻量级级联3D网络LCBTS-Net，用于从磁共振图像中自动分割脑肿瘤区域	提出了一种轻量级、级联的多尺度3D分割模型，通过利用多序列MR图像信息和级联的从粗到细的分割策略，在减少参数量的同时提高了分割精度和稳定性	模型仅在BRATS 2020数据集上进行了验证，未在其他独立数据集或真实临床环境中进行广泛测试	开发一种轻量级、高精度的自动脑肿瘤分割方法，以辅助诊断和个性化治疗计划制定	脑磁共振图像中的肿瘤区域	数字病理学	脑肿瘤	磁共振成像	CNN	3D图像	BRATS 2020数据集	NA	轻量级级联3D网络	Dice系数, Hausdorff95距离	NA
1549	2026-03-15	LLM2image: A novel framework for accurate diagnosis of diarrhea viruses using pathological images and semantic information 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102735 PMID:41734695	研究论文	提出一种名为LLM2image的多模态框架，通过整合病理图像与大语言模型生成的语义文本信息，提升腹泻病毒的诊断准确性	首次将大语言模型生成的语义文本信息与病理图像特征进行跨模态融合，解决了传统方法仅依赖视觉特征、缺乏临床语义整合以及标注数据有限的问题	未明确说明模型在更广泛病毒类型或不同动物物种上的泛化能力，且依赖于大语言模型生成文本的质量	开发一种准确诊断腹泻病毒的多模态人工智能框架，以支持兽医学和动物疾病控制	猪肠道病理图像（涵盖健康、ETEC、PDCoV、PoRV四类）以及公开的结直肠癌数据集	数字病理学	腹泻病毒	病理图像分析，大语言模型文本生成	MLP, Transformer	图像, 文本	516张猪肠道病理图像（内部数据集）及PAIP2020结直肠癌公开数据集	PyTorch（推断，因涉及Transformer实现）	MLP编码器, GPT-4.0, 跨模态融合Transformer	准确率	未明确说明，但已部署为轻量级Android应用支持离线诊断
1550	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
1551	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）
1552	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
1553	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）
1554	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
1555	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
1556	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
1557	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
1558	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
1559	2026-03-15	Development and Preliminary Evaluation of an EfficientNet-Based Deep Learning System for Ultrasound Assessment of Neck Disorders: A Single-Center Study 2026-Mar-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050728 PMID:41828004	研究论文	本研究开发并初步评估了一个基于EfficientNet的深度学习系统，用于超声评估颈部疾病	首次将EfficientNet模型与迁移学习结合应用于颈部疾病（特别是筋膜异常）的超声图像评估，以解决标注数据稀缺问题并提升模型泛化能力	单中心研究，样本量有限（184名患者），需要在更多样化的临床环境中进一步验证和优化	开发一个准确高效的机器学习模型，为颈部疾病的诊断提供支持	颈部疾病患者，特别是筋膜模糊纹理和筋膜粘连的评估	计算机视觉	颈部疾病	超声成像	CNN	图像	184名患者的超声图像	NA	EfficientNet	加权平均F1分数, 宏平均F1分数	NA
1560	2026-03-15	Deep Learning-Based Dental Caries Diagnosis: A Modality-Stratified Systematic Review and Meta-Analysis of Faster R-CNN and Mask R-CNN 2026-Mar-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050731 PMID:41828006	系统综述与荟萃分析	本文通过系统综述和荟萃分析，比较了Faster R-CNN和Mask R-CNN在龋齿检测中的诊断性能	首次系统性地综合比较了Faster R-CNN和Mask R-CNN在不同成像模态（放射影像和照片）下用于龋齿检测的诊断准确性	证据受到显著异质性、主要为回顾性设计、成像和标注方法存在变异性、参考标准存在不确定性以及研究间比较为间接比较的限制	比较Faster R-CNN和Mask R-CNN在龋齿检测中的诊断准确性	应用Faster R-CNN和/或Mask R-CNN进行龋齿检测的研究	计算机视觉	龋齿	放射影像成像，摄影成像	Faster R-CNN, Mask R-CNN	图像	17项符合纳入标准的研究	NA	Faster R-CNN, Mask R-CNN	敏感性，特异性，受试者工作特征曲线下面积	NA