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
141	2026-06-03	Open-source pre-clinical image segmentation: mouse cardiac magnetic resonance imaging datasets with a deep learning segmentation framework 2026-Feb-17, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102706 PMID:41713653	研究论文	提出首个公开可用的小鼠心脏磁共振影像数据集及基于深度学习的开源分割框架	首次公开临床前小鼠心脏CMR数据集，结合UNet3+架构构建分割模型，并提供网页界面部署工具	未提及模型在更大规模或更多样化疾病模型中的泛化能力评估	开发通用开源工具以加速临床前心血管研究的可重复性和规模化发展	小鼠心脏磁共振影像及左心室血池和心肌分割	计算机视觉	心血管疾病	心脏磁共振成像	深度学习分割模型	图像	130只小鼠用于训练，25只用于内部测试，15只（7T）和10只（11.7T）用于外部测试	NA	UNet3+	Dice系数、组内相关系数	每张2D图像推理时间<20 ms，完整电影堆栈分割约4.6秒
142	2026-06-03	IntNet: Lightweight yet high-performance deep learning system for intuitive radar patterns analysis and human fall detection 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111485 PMID:41547050	研究论文	提出一种基于雷达的轻量级高性能深度学习系统IntNet，用于直观雷达模式分析和人类跌倒检测	提出了一个在复杂真实场景中性能优越的雷达跌倒检测系统，具有边缘计算能力且硬件资源需求极低；模型参数量仅211.8k，FLOPs约8.84M；同时提出了一种新颖的公平性能比较方法	未提及明显局限性	开发一种基于雷达的跌倒监测系统，在保护隐私和舒适性的同时，实现高精度实时检测并具备边缘计算能力	人类跌倒事件	计算机视觉	老年疾病	雷达传感器数据分析	CNN	雷达信号模式数据	NA	NA	IntNet	召回率, 精确率	边缘计算设备
143	2026-06-03	Multi-task non-contact ballistocardiogram-based vital signs monitoring in acupuncture 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111461 PMID:41548353	研究论文	提出一种结合多通道心冲击图信号和多任务学习的非接触式针灸生命体征监测方法	首次将多任务深度神经网络（GRU与多头自注意力融合）用于非接触式心冲击图信号的生命体征估计与姿势分类，实现高效同步监测	NA	开发非接触式针灸生命体征监测系统，实现心率、呼吸率估计和卧姿检测	针灸患者的生命体征（心率、呼吸率）和躺卧姿势	机器学习	NA	聚偏二氟乙烯薄膜传感器	GRU-MHSA	心冲击图信号	25名参与者	NA	门控循环单元、多头自注意力	准确率、平均绝对误差	NA
144	2026-06-03	Towards contrast- and pathology-agnostic clinical fetal brain MRI segmentation using SynthSeg 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121729 PMID:41548822	研究论文	提出一种基于SynthSeg的数据驱动采样策略，用于训练能够分割具有广泛域偏移的胎儿脑部MRI的网络	引入一种新颖的数据驱动训练期采样策略，充分利用训练数据的多样性，增强网络对域偏移的泛化能力，并结合SynthSeg框架和域随机化生成多样训练数据	在处理解剖异常较少的病例时，分割性能略有下降	训练能够自动分割胎儿脑部MRI的网络，处理因主体生理差异和采集环境导致的广泛域偏移，尤其是病理情况下常见的形状差异	胎儿脑部核磁共振图像	数字病理学	胎儿神经发育疾病	MRI	卷积神经网络	图像	未明确说明	SynthSeg	卷积神经网络	分割质量	未明确说明
145	2026-06-03	Advanced deep learning techniques for classifying dental conditions using panoramic X-ray images 2026-02-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07727-7 PMID:41654817	研究论文	利用深度学习技术对全景X光图像中的牙齿状况进行分类，比较了自定义CNN、混合CNN机器学习模型和微调预训练架构的性能	首次系统比较了自定义CNN、混合CNN-机器学习模型和微调预训练架构在牙科全景X光图像中检测四种牙齿状况（填充物、龋洞、种植体和阻生牙）的性能，并采用随机降采样处理类别不平衡问题	系统分类错误揭示了形态相似状况之间的固有问题，表明AI系统应作为临床专业知识的辅助工具，需要前瞻性验证研究	评估多种深度学习方法对全景X光片中牙齿状况进行自动化分类的性能	全景X光图像中的牙齿状况：填充物、龋洞、种植体和阻生牙	计算机视觉	口腔疾病	NA	CNN, 混合CNN-随机森林, VGG16, Xception, ResNet50, 支持向量机, 决策树, 随机森林	图像	1512张全景X光图像，11137个手动标注的边界框，每个状况894个样本（经过降采样）	NA	自定义CNN, VGG16, Xception, ResNet50, 随机森林, 支持向量机, 决策树	准确率, 精确率, 召回率, F1分数, macro-F1分数	NA
146	2026-06-03	Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level 2026-Feb-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c13074 PMID:41549613	研究论文	提出一种基于三维卷积残差网络的深度学习方法，用于对质谱光度法数据进行事件分类，以实现单分子级别的最优质量测量	首次利用三维卷积残差网络分析事件时空动态，通过监督学习分类着陆事件，从而隔离最优单分子测量，消除累积直方图伪影，并将分辨能力提升至两倍	摘要中未明确提及方法的局限性	提高质谱光度法在单分子测量中的质量分辨率、灵敏度和浓度检测能力	质谱光度法中的蛋白质结合/解离事件	计算机视觉	NA	质谱光度法	三维卷积残差网络	质谱光度法事件缩略图	多个实验数据集，包括已分辨和部分分辨的样品，以及不同质量、浓度和积分时间的样本	PyTorch	三维卷积残差网络	质量分辨率、灵敏度、浓度	NA
147	2026-06-03	Hundred-Nanosecond Equivalent Pixel Dwell Time for Deep-Tissue 3D Three-Photon Fluorescence Microscopy via Sparse X-Y-Z Reconstruction 2026-Feb, Small methods IF:10.7Q1 DOI:10.1002/smtd.202501513 PMID:41546413	研究论文	提出DeepR-SXYZ深度学习框架，通过稀疏X-Y-Z重建实现深组织三光子荧光显微镜的百纳秒等效像素驻留时间，大幅提升成像速度	首次将深度学习稀疏重建与三光子荧光显微结合，通过结构-动态注意力增强Transformer同步捕获层内形态与层间动态，实现8.8倍加速和60%以上Z轴层恢复	依赖配对训练数据（稀疏与密集采样），可能限制在无配对数据场景的泛化性；未明确讨论对活体组织光毒性的量化评估	实现三光子荧光显微的高速、低光毒性体积成像，平衡成像速度与空间分辨率	脑脉管系统和肌巨噬细胞	计算机视觉，数字病理学	NA	三光子荧光显微镜	CNN， Transformer	图像（三维体积扫描）	脑脉管系统和肌巨噬细胞的体积扫描数据	NA	卷积神经网络（CNN），结构-动态注意力增强Transformer	加速比，层恢复率，等效像素驻留时间	NA
148	2026-06-03	The 4D Human Embryonic Brain Atlas: Spatiotemporal atlas generation for rapid anatomical changes 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102702 PMID:41547005	研究论文	利用深度学习方法创建4D人类胚胎脑图谱，捕捉孕早期大脑的快速解剖变化	引入随时间变化的初始图谱并惩罚偏离，确保在胚胎快速发育期间保持特定年龄的解剖结构	NA	提供正常胚胎脑发育的详细见解并识别异常，改善产前神经发育障碍的检测、预防和治疗	人类胚胎大脑	计算机视觉	神经发育障碍	3D超声成像	深度学习	3D超声图像	来自402名受试者的831张3D超声图像，孕周8至12周	NA	NA	消融研究结果	NA
149	2026-06-03	An accurate, straightforward computer vision algorithm for optimal tumor-feeding visualization in cone-beam computed tomography hepatic arteriography: A preliminary study 2026-Feb, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107192 PMID:41547160	研究论文	提出一种计算机视觉算法，用于在锥形束CT肝动脉造影中自动推荐最佳肿瘤供血动脉可视化角度	使用传统计算机视觉方法而非深度学习，实现快速、可解释的自动角度推荐，提高了放射科医生的操作效率	研究样本量较小，仅纳入50例患者进行内部验证，需要更大规模研究进一步验证	开发一种能够自动推荐最佳旋转角度的计算机视觉算法，以优化肿瘤供血动脉的可视化，辅助肝动脉栓塞术	肝细胞癌患者的锥形束CT肝动脉造影图像中的肿瘤供血动脉	计算机视觉	肝细胞癌	锥形束CT肝动脉造影	NA	图像	19例患者用于算法开发，50例患者用于内部验证	OpenCV	NA	检索相关性	NA
150	2026-06-03	Spatial location and distribution reconstruction of the leaking gas plume via a single infrared remote sensing system 2026-Feb, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110061 PMID:41547313	研究论文	提出一种基于深度学习的生成网络，利用单个红外遥感系统重建泄漏气体羽流的空间位置和三维分布	采用八叉树表示建模气体羽流的稀疏三维分布，实现从粗到细的生成，仅需少量计算和内存资源	红外遥感仪器的分辨率和计算机存储容量限制了气体羽流重建的空间分辨率	解决单个红外遥感系统仅能测量气体浓度二维投影的问题，实现三维气体羽流重建	泄漏气体羽流的空间位置和分布	计算机视觉	NA	红外遥感	生成网络	红外遥感图像	实地实验中的泄漏气体羽流样本	PyTorch	八叉树生成网络	NA	NA
151	2026-06-03	Deep learning in stroke therapeutics: drug repurposing and beyond 2026-Feb, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2619641 PMID:41549848	综述	本文综述了深度学习在脑卒中治疗中的应用，重点包括药物重定位及其他前沿领域	系统性地将深度学习应用于脑卒中药物重定位，并扩展到临床前建模及临床决策支持，加速了从数据到治疗转化的进程	面临模型可解释性不足、泛化能力有限以及真实世界验证困难的挑战	梳理深度学习在脑卒中治疗中的现有应用，并探讨其克服病理异质性和治疗窗狭窄等问题及促进药物开发的潜力	脑卒中相关的药物重定位、靶点识别、虚拟筛选及临床诊断工具	机器学习	脑血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
152	2026-06-03	Artificial intelligence-assisted risk stratification of thyroid nodules with atypia of undetermined significance 2026-Feb-01, European thyroid journal IF:3.5Q2 DOI:10.1530/ETJ-25-0268 PMID:41553093	研究论文	评估人工智能模型对非典型意义不明确细胞学的甲状腺结节风险分层效果	首次应用深度学习AI模型对AUS细胞学的甲状腺结节进行风险分层，并与传统K-TIRADS评分系统直接比较诊断准确性	回顾性设计、样本量较小（165个结节）、仅纳入韩国医疗中心数据	评估AI模型在AUS细胞学甲状腺结节临床风险分层中的适用性	2019年1月至2020年12月韩国五家医疗中心接受甲状腺结节细针穿刺的患者	数字病理学，机器学习	甲状腺结节，甲状腺癌	超声成像，细针穿刺细胞学	深度学习模型	超声图像	165个甲状腺结节	NA	AI-Thyroid（具体架构未说明）	敏感度，阴性预测值， AUC	NA
153	2026-06-03	Model uncertainty estimates for deep learning mammographic density prediction using ordinal and classification approaches 2026-Jan-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae39e2 PMID:41554181	research paper	利用分类和序贯深度学习方法预测乳腺密度，并产生模型不确定性估计	首次在深度学习乳腺密度预测中，通过分类和序贯方法产生模型不确定性估计，且不降低预测性能	未提及具体限制	开发具有内置不确定性估计的深度学习模型，用于乳腺密度预测	超过150,000张乳腺X光图像及专家阅读的连续密度评分	computer vision	breast cancer	NA	CNN (implied by deep learning methods)	图像	超过150,000张乳腺X光图像	NA	分类模型, 序贯模型, 回归模型	RMSE	NA
154	2026-06-03	Generalizable machine learning models for rapid antimicrobial resistance prediction in unseen health care settings 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf156 PMID:41553357	研究论文	开发通用机器学习模型用于在未见医疗环境中快速预测抗菌药物耐药性	将掩码自编码器（MAE）用于MALDI-TOF质谱数据和化学语言模型（如SELFIES和Molformer）用于抗菌药物表示，提升模型在不同医院和时间段上的泛化能力	未明确讨论模型在不同地理区域或更广泛临床场景中的适用性，可能仍存在未覆盖的变异	提高机器学习模型在抗菌药物耐药性快速预测中的通用性和鲁棒性	来自4家医疗机构的MALDI-TOF质谱数据和抗菌药物化学结构数据	自然语言处理	抗菌药物耐药性	MALDI-TOF质谱	掩码自编码器, 化学语言模型	质谱数据和化学结构数据	来自4家医疗机构的样本	NA	MAE, SELFIES, Molformer	精确率-召回率曲线下面积	NA
155	2026-06-03	Exploring students' emotion recognition and teachers' teaching feedback in college foreign language classroom based on AFCNN model 2026-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36747-0 PMID:41549127	研究论文	提出基于注意力特征卷积神经网络（AFCNN）的大学外语课堂学生情绪识别模型，为教师提供教学反馈并支持其专业发展	将注意力机制与卷积神经网络结合引入外语课堂情绪识别领域，实现实时面部表情捕捉与教学反馈联动，并探讨教师专业发展路径	模型在遮挡情况下识别准确率下降；仅针对快乐和中性两种情绪效果较好，其他情绪识别能力有限；未提及计算资源消耗及实际课堂部署可行性	研究情绪识别技术如何辅助外语教师专业发展，通过实时反馈优化教学互动效果	大学外语课堂中学生面部表情及教师教学反馈行为	计算机视觉，自然语言处理	NA	深度学习面部表情识别	AFCNN（注意力特征卷积神经网络）	课堂图像数据	未明确说明样本数量	NA	AFCNN， VGG16， ResNet18	识别准确率	NA
156	2026-06-03	Prediction of left ventricular systolic dysfunction in left bundle branch block using a fine-tuned ECG foundation model 2026-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34911-6 PMID:41545539	研究论文	针对左束支传导阻滞患者，采用微调心电图基础模型预测左心室收缩功能障碍	提出了一种微调心电图基础模型来专门增强左束支传导阻滞患者的左心室收缩功能障碍检测能力，并通过多中心回顾性分析验证了其优于传统深度学习模型	未在论文中明确说明	提高左束支传导阻滞患者左心室收缩功能障碍的早期检测能力，尤其在超声心动图不可及时	左束支传导阻滞患者	机器学习	心血管疾病	心电图	基础模型	医学信号	892名左束支传导阻滞患者的2031对心电图-超声心动图数据集	NA	FCN, LSTM-FCN, ResNet, InceptionTime	准确率, 敏感性, AUROC	NA
157	2026-06-03	Deep learning-based automatic adenoid segmentation and a novel volume-based index for adenoid hypertrophy assessment 2026-Jan-17, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07675-2 PMID:41545817	研究论文	提出一种基于深度学习的自动腺样体分割方法，并建立基于体积的新型三维腺样体-鼻咽比指数用于腺样体肥大的评估	首次使用基于SegResNet的深度学习模型从术前CBCT预测术后气道形态，通过体积差异自动获取腺样体，并提出新型三维体积比指数3D-AN用于评估鼻咽部气道阻塞	初步分析表明3D-AN低于0.18时与儿童OSA无显著相关性，可能对低阻塞程度病例灵敏性不足	开发自动腺样体分割方法和建立三维体积比指数以准确评估腺样体肥大和鼻咽部气道阻塞	使用CBCT扫描和PSG数据的儿童阻塞性睡眠呼吸暂停患者	计算机视觉	儿童阻塞性睡眠呼吸暂停	CBCT	深度学习模型	CBCT图像	3个数据集：63名患儿（术前术后共126次扫描）、26名患儿术后扫描、161名同时具有PSG和CBCT数据的患儿	PyTorch	SegResNet	Dice相似系数、相对体积误差	NA
158	2026-06-03	Liver cancer risk stratification using deep learning on nationwide longitudinal health screening data: a retrospective cohort study 2026-Jan-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03323-x PMID:41547794	研究论文	利用国家纵向健康筛查数据开发深度学习模型预测肝癌风险，并在韩国大规模回顾性队列中进行验证	首次将一维卷积神经网络应用于国家常规筛查大数据进行肝癌风险分层，无需额外诊断检测，显著优于现行国家筛查标准	未提及具体局限性，但作为回顾性研究可能存在选择偏倚和混杂因素未完全控制	开发并验证基于深度学习的肝癌风险预测模型，支持政策层面的可扩展筛查策略	韩国50-69岁成年人，共3,962,209名参与者，其中12,401例肝癌病例	机器学习	肝癌	NA	一维卷积神经网络	结构化表格数据（人口统计学、临床、行为、人体测量和实验室特征）	3,962,209名成人（训练集80%，测试集20%），12,401例肝癌病例	NA	1D-CNN	AUROC、AUPRC、灵敏度、特异性	NA
159	2026-06-03	Deep learning algorithm for semiquantification of spinal inflammation in axial spondyloarthritis 2026-Jan-16, RMD open IF:5.1Q1 DOI:10.1136/rmdopen-2025-006403 PMID:41545311	研究论文	开发基于深度学习的算法用于中轴型脊柱关节炎患者的脊柱炎症半定量评估	首次结合注意力U-Net模型实现脊柱炎症的自动检测与半定量评分，涵盖骨髓水肿识别和椎间盘-椎体单元的定位	研究仅纳入330名参与者，样本量有限，且未提及模型对不同疾病亚型或图像质量的泛化能力	开发深度学习方法实现中轴型脊柱关节炎脊柱炎症的半定量评估	中轴型脊柱关节炎患者的全脊柱MRI图像	计算机视觉	中轴型脊柱关节炎	MRI（短τ反转恢复序列）	注意力U-Net	图像	330名中轴型脊柱关节炎患者	NA	注意力U-Net	灵敏度、特异度、准确度、Dice系数、组内相关系数、皮尔逊相关系数	NA
160	2026-06-03	Robust and interpretable prediction of gene markers and cell types from spatial transcriptomics data 2026-Jan-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68487-0 PMID:41545411	研究论文	通过空间转录组数据预测基因标记物和细胞类型的鲁棒且可解释的方法STimage	结合基础模型集成方法量化数据驱动和模型不确定性，并实现单细胞分辨率的归因分析与病理学注释整合	未提及计算资源需求和在大规模数据集上的扩展性验证	从常规H&E图像直接预测空间基因表达和分类细胞类型	包含不同平台的空间转录组数据集	数字病理学	NA	空间转录组测序（ST）、H&E染色成像	集成模型、基础模型	图像、基因表达数据	涉及多个平台的不同数据集	PyTorch	基础模型	NA	NA