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
1601	2026-07-28	MSAdaNet: An Adaptive Multi-Scale Network for Surface Defect Detection of Smartphone Components 2026-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s26072091 PMID:41977874	研究论文	提出一种自适应多尺度网络MSAdaNet，用于智能手机组件表面缺陷检测	首次提出并行多尺度特征聚合骨干网络、聚焦扩散金字塔网络和尺度自适应共享检测头，并构建合成数据集解决标签数据稀缺问题	未提及在更广泛工业场景或不同光照条件下的泛化性验证	解决智能手机组件表面缺陷检测中缺陷形态尺度极端变化和标注数据稀缺的问题	智能手机组件表面缺陷	计算机视觉	不适用	深度学习	卷积神经网络	图像	合成数据集SCBD含4936张图像，公共数据集SSGD若干	PyTorch	MSAdaNet（含PMSFA骨干、FDPN颈部、SASD头部）	mAP@0.5, 召回率(Recall)	未明确提及
1602	2026-07-28	Momentum-Based Adversarial Attacks and Multi-Level Denoising Defenses in Deep Learning-Based Wind Power Forecasting 2026-Mar-26, Sensors (Basel, Switzerland) DOI:10.3390/s26072073 PMID:41977860	研究论文	提出一种基于动量迭代的对抗攻击方法与多级去噪防御模型，用于深度学习风速预测	首次在风速预测领域同时考虑对抗攻击的隐蔽性与有效性，并针对多种扰动强度及黑盒场景提出防御策略	未提及	提升深度学习风速预测模型对对抗攻击的鲁棒性	风速预测中的深度学习模型及对抗样本	机器学习	NA	NA	动量迭代快速梯度符号法、多级迭代去噪自编码器	风速时间序列数据	NA	NA	MLI-DAE（多级迭代去噪自编码器）	预测误差（对比FGSM）	NA
1603	2026-07-28	Nonparametric estimation of conditional survival function with time-varying covariates using DeepONet 2026-Mar-24, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09700-6 PMID:41874787	研究论文	使用DeepONet进行随时间变化协变量的条件生存函数的非参数估计	利用DeepONet架构对随时间变化协变量对条件风险函数的任意非线性操作进行建模，放宽了比例风险或瞬时效应等传统假设	未在摘要中明确说明	估计随时间变化协变量的条件生存函数，捕捉协变量的复杂长期非瞬时效应	ADNI数据中的生存数据，其中包含时间变化和时间不变协变量	机器学习	NA	NA	DeepONet	数据	通过模拟研究和ADNI数据进行评估	NA	DeepONet	综合Brier分数	NA
1604	2026-07-28	Development of a deep learning model based on computed tomography automatic segmentation to assist in selecting optimal time-to-surgery and dissected lymph node count for non-small cell lung cancer patients undergoing neoadjuvant immunotherapy and chemotherapy: a multicenter study 2026-Mar-23, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2025-1-1495 PMID:41982700	研究论文	基于CT自动分割的深度学习模型辅助选择非小细胞肺癌患者新辅助免疫化疗后最佳手术时机和淋巴结清扫数目	首次利用基于CT自动分割的深度学习模型预测新辅助免疫化疗疗效，并据此为应答者和非应答者分别确定最佳手术时机和淋巴结清扫数目	回顾性研究设计，样本量有限（330例），需要前瞻性验证	确定非小细胞肺癌患者新辅助免疫化疗后的最佳手术时机和淋巴结清扫数目	接受新辅助免疫化疗和手术治疗的非小细胞肺癌患者	深度学习	非小细胞肺癌	CT成像	ResNet18	CT图像	330例非小细胞肺癌患者，训练集270例，外部测试集60例	PyTorch	VISTA3D, ResNet18	AUC	NA
1605	2026-07-28	A Self-Supervised Foundation Model Based on Three-Dimensional Chest CT Scans for Lung Cancer Diagnosis and Prognosis Prediction 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250360 PMID:41718531	研究论文	基于自监督学习开发三维胸部CT基础模型UCLIF，用于肺癌诊断与预后预测	首次利用大规模三维胸部CT扫描进行自监督学习构建基础模型，并通过对比掩码图像建模任务实现高效预训练，在多个肺癌临床任务中超越自然图像预训练方法	未提及具体局限性	开发并评估自监督胸部CT基础模型在肺癌临床任务中的性能	33901份三维胸部CT扫描及656名肺癌患者的临床数据	计算机视觉	肺癌	CT扫描	基础模型（自监督学习）	三维CT图像	33901份扫描用于预训练，656名患者用于下游评估（平均年龄68.55岁，男性450人）	NA	对比掩码图像建模（Contrastive Masked Image Modeling）	准确率（Accuracy）、灵敏度（Sensitivity）、特异度（Specificity）、曲线下面积（AUC）	NA
1606	2026-07-28	Hierarchical Fibroid Vision Transformer (HiFi-ViT): A Hierarchical Vision Transformer Framework for Accurate Uterine Fibroid Detection in Ultrasound Imaging 2026-Mar, Cureus DOI:10.7759/cureus.105197 PMID:41982582	研究论文	提出一个层级式子宫肌瘤视觉Transformer框架，用于在超声图像中准确检测子宫肌瘤	将检测Transformer（DETR）与集成视觉Transformer相结合，提出两阶段层级式深度学习框架，先进行肌瘤定位，再进行分类，以解决类别不平衡并保留超声图像中的相关上下文信息	数据集包含的正常案例数量有限，且没有包含患者级标识符，可能影响结果的泛化能力，需要在更大、更多样化的临床数据集上进行进一步验证	开发一种能准确检测超声图像中子宫肌瘤的深度学习方法，以辅助早期诊断和管理	超声图像中的子宫肌瘤组织与正常组织	计算机视觉	子宫肌瘤	超声成像	Vision Transformer, Detection Transformer (DETR)	图像	未明确说明样本数量，但包含有限数量的正常案例	PyTorch	Detection Transformer (DETR), Vision Transformer	准确率, 精确率, 召回率, F1分数, AUC	NA
1607	2026-07-28	The Micro-Mobility Sensing Gap: A Systematic Review of Physiological Safety Monitoring from Cycling to E-Scooters 2026-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s26041110 PMID:41755051	系统综述	系统综述可穿戴传感器在骑行和微型交通（如电动滑板车）中检测压力、疲劳和用力的研究现状，识别主动安全系统的差距	首次系统评估从骑行过渡到电动微型交通（特别是电动滑板车）后生理监测的可转移性，并指出缺乏自动化安全分类的证据	纳入研究数量有限（仅11篇），实验室研究依赖单一冗余数据集（N=27）且缺乏独立验证，电动滑板车相关证据严重不足	识别可穿戴传感器在骑行和微型交通中用于主动安全系统的生理监测差距，推动未来研究转向无监督域适应和噪声鲁棒边缘AI架构	骑行和微型交通（如电动滑板车）环境下的生理安全监测	机器学习	NA	可穿戴传感器（心率变异性、深度学习等）	CNN-LSTM	生理信号（心率变异性、用力数据等）	11篇发表物（代表9项独立研究）；实验室研究样本量N=27	NA	CNN-LSTM	F1分数（86.3%-91.7%）	NA
1608	2026-07-28	Preoperative Ternary Classification of Pulmonary Ground-Glass Nodules (AIS/MIA/IAC): ResNet-10 Outperforms Radiomics and Clinicoradiographic Models in Multicenter Study 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261423265 PMID:41697766	研究论文	评估深度学习、影像组学和传统机器学习模型在术前对肺磨玻璃结节进行原位腺癌、微浸润性腺癌和浸润性腺癌三元分类的性能	首次在基于CT的多中心研究中系统比较ResNet-10与影像组学及传统机器学习模型对肺磨玻璃结节侵袭性的三元分类效果，并验证了ResNet-10的优越性	模型性能在宏AUC和F1分数上仍有提升空间，可能受限于样本量或数据集分布	开发并比较深度学习、影像组学和传统机器学习模型对肺磨玻璃结节术前三元分类的临床价值	847例经术后病理证实的肺腺癌患者的CT影像和临床数据	数字病理学	肺癌	CT影像分析	深度学习（DenseNet-121, ResNet-10, ResNet-18, VGG-13）, 影像组学, 传统机器学习	图像（CT影像）	847个肺磨玻璃结节样本（训练集592个，验证集255个）	NA	ResNet-10, DenseNet-121, ResNet-18, VGG-13	宏AUC（Macro-AUC）, 准确率（Accuracy）, F1分数（F1-score）	NA
1609	2026-07-28	Empowering photodynamic therapy with artificial intelligence: current trends and future directions 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1771804 PMID:41982233	综述	探讨人工智能如何整合到光动力疗法流程中，通过数据驱动的优化和个性化应对当前挑战	系统回顾了AI在光动力疗法全流程中的应用，涵盖光敏剂开发、纳米药物递送、治疗计划和临床决策，并提出了未来方向如联邦学习和可解释AI	小数据集挑战、模型可解释性问题以及临床前研究与临床转化之间的差距	连接人工智能与光动力疗法社区，提供改进患者治疗效果的路线图	光动力疗法流程中的AI整合方法，包括光敏剂设计、纳米系统、治疗计划和临床决策	机器学习	肿瘤	NA	图神经网络	文本、图像	NA	NA	图神经网络	NA	NA
1610	2026-07-28	LNMSNet: a multi-task deep learning network for pulmonary nodules segmentation and malignancy classification 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1773338 PMID:41982549	研究论文	提出一种多任务深度学习网络LNMSNet，用于肺结节分割和恶性分类	提出MSConv模块，使用并行多尺度卷积捕获细粒度纹理和全局上下文特征，扩大感受野，提高边界精度和尺寸不变性	未明确提及局限性	实现肺结节的联合分割和恶性分类，提高早期肺癌检测准确性	肺结节	计算机视觉	肺癌	低剂量计算机断层扫描	U-Net	图像（CT扫描）	220个CT扫描（来自两家三甲医院的多中心外部数据集）	PyTorch	ResNet-18, U-Net, MSConv	分割精度、分类准确率	NA
1611	2026-07-28	CancerSubtypeXplore: A Modular Platform for Multiomics Cancer Subtype Prediction and Biomarker Consensus Discovery 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0030 PMID:41982677	研究论文	开发了一个模块化、用户友好的多组学癌症亚型预测与生物标志物共识发现平台	集成了数据集模块、机器学习模块、用户自定义深度学习模型模块和生物标志物分析模块，无需编程即可设计和训练神经网络，并通过交叉模型和交叉癌症频率分析发现鲁棒性生物标志物	当前计算框架通常需要编码专业知识且缺乏标准化数据集用于模型基准测试和探索	实现多组学癌症亚型预测和生物标志物共识发现的可重复、可扩展平台	从TCGA的17种癌症类型中获取的标准化多组学数据（包括mRNA、DNA甲基化和microRNA表达谱）	机器学习	多种癌症	多组学数据整合（mRNA、DNA甲基化、microRNA）	支持向量机、随机森林、自定义神经网络	mRNA表达、DNA甲基化、microRNA表达数据	TCGA中17种癌症类型的标准化数据集	Scikit-learn, PyTorch	支持向量机、随机森林、用户自定义神经网络架构	亚型预测准确率	NA
1612	2026-07-28	A Systematic Literature Review on Integrated Deep Learning and Multiagent Vision-Language Frameworks for Pathology Image Analysis and Report Generation 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0023 PMID:41982676	综述	系统综述深度学习、视觉语言模型与多智能体系统在病理图像分析及报告生成中的集成应用	首次系统整合深度学习、视觉语言模型与多智能体系统在病理诊断中的协同应用框架，提出自动化报告生成的新范式	未提供具体实验验证，缺乏定量比较不同集成框架的性能优劣	评估视觉语言模型与大型语言模型在病理图像分析与报告生成中的有效性，探索多智能体系统提升诊断准确性和可扩展性的潜力	病理图像分析、自动化报告生成的AI技术体系	数字病理学	病理诊断相关疾病	全切片成像	卷积神经网络、Transformer、视觉语言模型、大型语言模型	病理图像、临床文本	不适用	不适用	不适用	不适用	不适用
1613	2026-07-28	A federated multimodal deep learning framework for brain tumor classification using MRI 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1754000 PMID:41982753	研究论文	提出一种联邦多模态深度学习框架，用于脑肿瘤MRI分类，在保护隐私的同时实现协作学习	通过层跳过机制降低通信成本，结合差分隐私和安全聚合技术确保数据隐私，使用FedPropSAG聚合方法提升收敛性能	未说明具体样本量和多模态数据融合的详细策略，框架在非IID数据分布下的表现可能受限于具体场景	开发一个隐私保护且高效的分布式脑肿瘤MRI分类方法	脑肿瘤患者MRI数据	机器学习	脑肿瘤	NA	深度学习模型	影像数据	NA	联邦学习框架	NA	分类准确率, 通信成本	NA
1614	2026-07-28	Advances in artificial intelligence and thermal analysis for brain tumor detection: a review of models, methods, and modalities 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1744410 PMID:41982752	综述	总结人工智能与热成像技术结合在脑肿瘤检测中的最新进展	系统评估了深度学习、混合架构和生物热传导模型（如Pennes方程）在脑肿瘤检测中的应用，并比较了直接红外热成像与基于MRI的模拟热图两种方法	多模态数据集有限，热信号变异性大，缺乏临床验证	评估人工智能与热成像技术结合在脑肿瘤检测中的现状与挑战，推动临床转化	脑肿瘤检测的模型、方法及成像模态	机器学习	脑肿瘤	深度学习, 热成像, 生物热传导模型	CNN, 混合架构	图像, 热数据	综述未报告具体样本量	NA	CNN, 混合架构	准确率, 精确率, 召回率, F1分数, AUC, Dice系数	NA
1615	2026-07-28	Deep Learning-Based Assessment of the Value of Vertebral Structural Parameters in Predicting Osteoporotic Vertebral Compression Fractures on Opportunistic CT Scans 2026, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S594749 PMID:41982817	研究论文	基于深度学习的椎体结构参数在机会性CT扫描中预测骨质疏松性椎体压缩性骨折的价值评估	利用深度学习模型从常规CT中自动提取椎体皮质参数，构建列线图用于个体化骨折风险评估	单中心回顾性研究，缺乏外部验证	评估机会性CT椎体结构参数对骨质疏松性椎体压缩性骨折的预测价值	骨质疏松性椎体压缩性骨折患者	数字病理学	骨质疏松性骨折	CT扫描	CNN	医学图像	298例患者，其中骨折组134例，非骨折组164例	PyTorch	3D Dense-U-Net	AUC，校准分析	NA
1616	2026-07-28	AI-guided design and optimization of a novel KIM-1-targeted peptide for bFGF delivery in acute kidney injury repair 2026, Regenerative biomaterials IF:5.6Q1 DOI:10.1093/rb/rbag050 PMID:41983045	研究论文	基于人工智能指导设计并优化靶向KIM-1的新型WEV多肽，用于急性肾损伤中bFGF的定向递送	结合结构计算和深度学习，提出‘锚点延伸’策略系统优化多肽亲和力和特异性	未明确说明研究局限性	开发靶向KIM-1的生长因子递送系统，用于急性肾损伤治疗	WEV多肽、KIM-1、bFGF、重组蛋白WEV-bFGF	机器学习	急性肾损伤	结构计算、深度学习、重组蛋白构建、转录组分析	深度学习模型	分子结构数据、转录组数据	不适用	不适用	不适用	结合亲和力、特异性	不适用
1617	2026-07-28	Automated Food Weight and Content Estimation Using Computer Vision and AI Algorithms: Phase 2 2025-12-22, Sensors (Basel, Switzerland) DOI:10.3390/s26010076 PMID:41516511	研究论文	利用计算机视觉和AI算法自动估算食品重量和成分	结合YOLO目标检测与密度模型进行食品重量估算，并通过RGB和深度相机实现体积测量	未提及具体计算资源及模型在多样化食品类型上的泛化能力	量化自助餐厅中食品的成分和份量	自助餐厅托盘上的食品（重点测试大米和鸡肉）	计算机视觉	NA	RGB相机、深度相机	YOLO	图像	未明确说明样本数量	NA	YOLO	平均精度均值(mAP), 精确率-召回率曲线, 误差率	NA
1618	2026-07-28	A hybrid CNN-transformer framework optimized by Grey Wolf Algorithm for accurate sign language recognition 2025-12-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27390-2 PMID:41372241	研究论文	提出一种基于灰狼优化的卷积变换网络，用于准确高效地识别动态手语手势	将卷积神经网络（CNN）与Transformer结合，并引入灰狼优化算法进行超参数调优，实现空间特征提取和时序建模的融合，提高了手语识别的准确性和鲁棒性	未提及对复杂背景、不同手型或光照变化的鲁棒性测试，也未讨论多类手势扩展的挑战	开发一种高精度、可扩展的视觉手语识别系统，用于辅助交流技术	美国手语（ASL）中的动态手势，包括静态和动态手语字母分类	计算机视觉, 机器学习	NA	NA	CNN, Transformer, 灰狼优化（GWO）	图像	两个基准数据集：ASL Alphabet 和 ASL MNIST	NA	GWO-CTransNet（灰狼优化卷积变换网络）	准确率, F1分数, 马修斯相关系数（MCC）, 曲线下面积（AUC）	NA
1619	2026-07-28	Deep learning-based artificial intelligence models predict survival in patients with oral cavity squamous cell carcinoma 2025-12-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27428-5 PMID:41372262	研究论文	利用深度学习人工神经网络综合多种临床因素预测口腔鳞状细胞癌患者生存率	首次将包括人口统计、生活方式、ASA分级及影像学等多种因素整合到深度学习模型中进行口腔鳞状细胞癌的个性化生存预测，并采用多任务学习和最小二乘法处理类别不平衡问题	未在论文标题和摘要中明确提及具体局限性，可能包括回顾性研究设计、单中心数据集等潜在偏差	开发基于深度学习的人工智能模型，提升口腔鳞状细胞癌生存预测的准确性，超越传统TNM分期	1018例在1996年至2020年间接受手术治疗的口腔鳞状细胞癌患者	机器学习	口腔癌	NA	深度神经网络（DNN）	临床变量数据	1018名口腔鳞状细胞癌手术患者	NA	多组分类深度神经网络（multi-group DNN）、回归型深度神经网络（regression-based DNN）	AUC, 敏感性, 特异性, 一致性指数（concordance index）	NA
1620	2026-07-28	Optimization of deep learning models for inference in low resource environments 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110615 PMID:40716232	研究论文	评估用于医疗健康应用的深度学习模型在低资源环境下的推理优化技术效果	针对放射学、组织病理学和医学RGB成像等多种医疗AI工作负载，在多种硬件配置下系统评估模型优化技术对推理性能的影响	未提及具体局限性	研究深度学习模型在低资源环境下的优化技术，促进临床转化	MRI脑提取、H&E染色结直肠癌分割、糖尿病足溃疡RGB图像分类三种医疗工作负载	计算机视觉	结直肠癌, 糖尿病足	NA	深度学习模型	图像	NA	NA	NA	推理运行时间（加速比、延迟、内存使用）、模型在未见过数据上的效用	多种硬件配置