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	2026-03-14	Editorial Note: Data augmentation-assisted deep learning of hand-drawn partially colored sketches for visual search 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344760 PMID:41818179	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1602	2026-03-15	Deep-Fed: A comprehensive solution for precise bone fracture identification in athletes 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343980 PMID:41818245	研究论文	本研究提出了一种名为Deep-Fed的联邦深度学习框架，用于运动员骨折诊断，通过整合卷积神经网络和专用分类模块FractureNet，在分布式运动诊所中利用联邦平均进行训练，保护患者隐私的同时利用多样数据源	提出了一个结合卷积神经网络与专用分类模块FractureNet的联邦深度学习框架，能够在保护患者隐私的前提下，利用分布式数据源实现高精度骨折识别	NA	开发一个用于运动员骨折精确识别的联邦深度学习解决方案	运动员的骨折诊断	计算机视觉	骨折	深度学习	CNN	图像	三个基准数据集（Deep-I、Deep-II、Deep-III），代表不同成像条件和患者群体	联邦学习框架	卷积神经网络, FractureNet	准确率	NA
1603	2026-03-15	Interpretable crop pest and disease identification based on comparative concept tree 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343715 PMID:41818247	研究论文	本研究提出了一种基于对比原型树（CPTR）的可解释作物病虫害识别模型，旨在提高深度学习模型的透明度和可解释性	结合概念原型与决策树的核心结构，为每个识别结果构建清晰的原型匹配路径，并引入SimCLR对比学习框架以增强深度图像特征表达能力	NA	提高作物病虫害识别模型的透明度和可解释性，以增强用户信任并促进其在农业生产中的大规模应用	作物病虫害图像	计算机视觉	NA	深度学习	对比学习, 决策树	图像	三个数据集：AppleLeaf9, Cassava, Cashew	SimCLR	对比原型树（CPTR）	准确率	NA
1604	2026-03-15	AI-driven paradigm shift in follicle ultrasound monitoring: from automated segmentation to clinical decision support 2025-Dec-25, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2025.105440 PMID:41826105	评论	本文阐述了人工智能在超声卵泡监测中的发展路径，重点讨论了从自动分割到临床决策支持的范式转变	提出了基于深度学习的CR-Unet和C-Rend模型，实现了从二维到三维图像的精确卵泡分割与测量，并将二维卵泡面积和三维卵泡体积确立为预测卵母细胞成熟度和优化人绒毛膜促性腺激素触发时机的新型生物标志物	NA	探讨人工智能在辅助生殖超声卵泡监测中的应用与发展	超声图像中的卵泡	计算机视觉	NA	超声成像	深度学习	图像	NA	NA	CR-Unet, C-Rend	分割精度, 测量一致性	NA
1605	2026-03-15	Lightweight Vision Transformer with transfer learning for interpretable Alzheimer's disease severity assessment 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28243-8 PMID:41408128	研究论文	提出一种轻量级深度学习框架ViTTL，用于基于MRI数据评估阿尔茨海默病的严重程度	集成Vision Transformer与预训练卷积神经网络进行迁移学习，并结合LIME和GRAD-CAM方法实现模型可解释性，同时大幅减小模型尺寸	未明确说明在独立数据集上的具体性能指标或潜在的数据偏差	开发准确、可解释且资源高效的阿尔茨海默病诊断工具	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	Vision Transformer, CNN, ANN	图像	OASIS数据集和Kaggle独立数据集	未明确指定	ViT-DenseNet201	准确率, Dice相似系数	未明确指定
1606	2026-03-15	Potential of artificial intelligence for radiation dose reduction in computed tomography -A scoping review 2025-07, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102968 PMID:40339443	综述	本文通过范围综述，评估和总结了人工智能在CT扫描中患者定位、扫描范围确定和图像重建三个关键领域对辐射剂量优化的作用	系统性地聚焦于AI在CT辐射剂量优化中的三个核心应用领域，并提供了当前技术状态的简明概述，强调了其益处、局限性和对剂量减少变革的影响	作为一篇范围综述，它主要总结现有研究，未进行新的实验验证，且纳入文献时间范围可能限制了对最新进展的覆盖	回顾、评估和总结人工智能在计算机断层扫描（CT）辐射剂量优化中的作用	涉及CT扫描的文献研究，重点关注腹部、胸部、头部、颈部和骨盆以及CT血管造影等扫描部位	医学影像	NA	计算机断层扫描（CT）	深度学习	CT图像	90篇符合选择标准的文章	NA	NA	辐射剂量、相关评估指标（基于应用AI的CT参数）	NA
1607	2026-03-15	Can graph similarity metrics be helpful for analogue identification as part of a read-across approach? 2025-Jun, Computational toxicology (Amsterdam, Netherlands) DOI:10.1016/j.comtox.2025.100353 PMID:41816015	综述	本文综述了在读取交叉方法中用于识别源类似物的化学指纹/骨架和基于图的方法，并通过五个毒性数据集评估了这些方法的实用性	系统比较了图相似性度量（如图核、图嵌入和深度学习）在读取交叉类似物识别中的应用潜力，并基于实际数据集进行了评估	无监督的整图嵌入方法在所有评估的数据集中均无效，且方法的有效性依赖于训练数据的可用性和规模	评估图相似性度量在读取交叉方法中识别化学物质类似物的帮助作用	化学物质及其毒性数据集，包括皮肤致敏性、皮肤刺激性、水生毒性和遗传毒性潜力	机器学习	NA	化学指纹/骨架方法，图核，图嵌入，深度学习	图卷积网络	化学结构数据，毒性数据	五个不同规模和多样性的毒性数据集	NA	图卷积网络	NA	NA
1608	2026-03-15	Deep learning-based detection and segmentation of osseous metastatic prostate cancer lesions on computed tomography 2025-Jun, European journal of radiology artificial intelligence DOI:10.1016/j.ejrai.2025.100005 PMID:41822381	研究论文	本研究利用深度学习模型自动检测和分割CT图像中的骨转移性前列腺癌病灶	首次系统评估多种深度学习模型在骨转移性前列腺癌CT图像病灶检测与分割中的性能，并比较了nnUNetv2等模型在分割精度上的显著优势	未明确提及样本数据的具体来源或多样性限制，且模型对脊柱病灶的敏感性相对较低	自动化骨转移性前列腺癌病灶的检测与分割，以辅助诊断、预后和监测	CT图像中的骨转移性前列腺癌病灶	计算机视觉	前列腺癌	CT扫描	CNN	图像	NA	NA	EfficientNet, ResNet34, DenseNet, nnUNetv2, UNet, ResUNet, ResAttUNet	F1分数, 精确率, 召回率, AUC, Dice相似系数	NA
1609	2026-03-15	Minimizing Human-Induced Variability in Quantitative Angiography for Robust and Explainable AI-Based Occlusion Prediction 2025-Mar-13, ArXiv PMID:40160450	研究论文	本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并利用可解释AI增强深度学习模型对颅内动脉瘤闭塞预测的可靠性和可解释性	提出通过解卷积和再卷积技术标准化注射曲线以消除对比剂注射变异性，并结合LIME方法提升模型决策的透明度和临床相关性	研究仅基于458名患者的血管造影数据，样本量相对有限，且未涉及外部验证	提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞的准确性和可解释性	接受血流导向装置治疗的颅内动脉瘤患者	数字病理学	颅内动脉瘤	定量血管造影	深度神经网络	血管造影图像	458名患者	NA	深度神经网络	AUROC, 准确率, 敏感性, 特异性	NA
1610	2026-03-15	Using a fully automated, quantitative fissure integrity score extracted from chest CT scans of emphysema patients to predict endobronchial valve response 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024501 PMID:40093557	研究论文	本研究开发并验证了一种基于胸部CT扫描的自动化定量裂隙完整性评分（FIS）预测模型，用于识别适合接受支气管内瓣膜（EBV）治疗的肺气肿患者	首次利用完全自动化的深度学习方法来定量评估肺裂隙完整性，并将其作为预测EBV治疗反应的生物标志物	样本量较小（仅96例），且为回顾性研究，可能存在选择偏倚	开发预测模型以识别适合EBV治疗的肺气肿患者	中度至重度肺气肿患者	数字病理学	肺气肿	胸部CT扫描	深度学习, 逻辑回归	CT图像	96例患者的治疗前后胸部CT扫描	NA	NA	AUC, 准确率, 特异性, 敏感性, 阳性预测值, 阴性预测值	NA
1611	2026-03-15	Video-based automatic hand hygiene detection for operating rooms using 3D convolutional neural networks 2024-10, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01179-6 PMID:38896344	研究论文	本研究提出了一种基于3D卷积神经网络的视频自动手卫生检测方法，用于手术室环境	首次将2D与3D CNN序列结合用于手术室手卫生动作检测，并引入光流作为额外输入模态	数据仅来自单一手术室，收集时间较短（4个月），需更多样化场景验证	开发自动监测系统以预防手术室医院获得性感染	麻醉人员的手卫生动作	计算机视觉	医院获得性感染	视频分析	CNN	视频	2018年11月至2019年2月（4个月）在单一手术室收集的视频数据，并添加了模拟数据	未明确说明	2D CNN, 3D CNN	准确率, 灵敏度, 特异性, AUC	NA
1612	2026-03-15	Longitudinally Consistent Individualized Prediction of Infant Cortical Morphological Development 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72086-4_42 PMID:41815924	研究论文	本文提出了一种新颖的纵向一致性三元组解缠自编码器框架，用于基于不完整的纵向数据预测婴儿个体化皮层形态发育轨迹	强调时间一致性，通过动态时间规整损失鼓励轨迹间的相似性，解决了现有深度学习方法在预测缺失数据时因独立处理每次扫描而导致的目标时间点预测不一致问题	未明确提及，但可能包括模型在更广泛年龄范围或不同疾病群体中的泛化能力需要进一步验证	基于不完整的纵向数据预测个体化的婴儿皮层形态发育完整轨迹，以丰富对正常早期大脑发育的理解并帮助识别神经发育障碍	婴儿皮层属性图	神经影像分析	神经发育障碍	表面成像	自编码器	图像（皮层属性图）	NA	NA	纵向一致性三元组解缠自编码器	纵向一致性，精确度	NA
1613	2026-03-15	Dissecting the regulatory logic of specification and differentiation during vertebrate embryogenesis 2024-Aug-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.609971 PMID:39253514	研究论文	本研究通过构建斑马鱼早期胚胎发生的单细胞多组学图谱，结合深度学习模型，揭示了转录因子与染色质可及性在细胞类型分化中的调控逻辑，并发现了即时分化这一新机制	发现了Nanog在启动中内胚层基因增强子可及性中的新功能，并描述了跳过中间命运转变的即时分化过程	研究主要基于斑马鱼模型，结果在哺乳动物中的普适性有待验证	系统解析脊椎动物胚胎发生过程中细胞类型分化的基因调控逻辑	斑马鱼早期胚胎	计算生物学	NA	单细胞RNA表达与染色质可及性测序	深度学习模型	DNA序列、RNA表达数据、染色质可及性数据	NA	NA	NA	NA	NA
1614	2026-03-15	Artificial Intelligence-Guided Gut-Microenvironment-Triggered Imaging Sensor Reveals Potential Indicators of Parkinson's Disease 2024-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307819 PMID:38569219	研究论文	本文介绍了一种基于人工智能的肠道微环境触发成像传感器，用于非侵入性、准确地筛查帕金森病的不同阶段	开发了一种新型人工智能引导的肠道微环境触发成像传感器，通过深度学习算法分析肠道中的α-突触核蛋白，实现帕金森病的高精度预测	NA	开发非侵入性生物标志物用于帕金森病的早期诊断	帕金森病患者肠道中的α-突触核蛋白	机器学习	帕金森病	成像传感器技术	深度学习算法	图像数据	NA	NA	NA	准确度	NA
1615	2026-03-15	Identifying sex differences in EEG-based emotion recognition using graph convolutional network with attention mechanism 2023-Nov-21, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad085a PMID:37906969	研究论文	本研究利用图卷积网络和注意力机制，基于脑电图数据识别情绪，并探究情绪处理中的性别差异	首次在跨文化多数据集上系统评估情绪脑电图模式的性别差异，并构建了性别特异性情绪识别模型	研究依赖于公开数据集，未考虑个体差异、年龄、激素水平等其他潜在影响因素	探究情绪脑电图模式中的性别差异及其对情绪识别模型性能的影响	五个公开脑电图情绪数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER）中的情绪脑电图信号	机器学习	NA	脑电图	图卷积网络, 注意力机制	脑电图信号	五个公开数据集（SEED, SEED-IV, SEED-V, DEAP, DREAMER）	NA	图卷积网络	NA	NA
1616	2026-03-15	Tracing the Flu Symptom Progression via a Smart Face Mask 2023-10-11, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.3c02492 PMID:37750614	研究论文	本文介绍了一种基于超灵敏纤维温度传感器的无线一体化智能口罩，用于监测流感症状进展	开发了一种集成了超灵敏纤维温度传感器的无线智能口罩，结合物联网和人工智能技术，实现了对呼吸和体温异常的连续监测	NA	通过智能口罩追踪流感症状进展，为个性化健康监测和护理点系统提供解决方案	流感病毒影响的呼吸和体温变化	物联网与人工智能	流感	超灵敏纤维温度传感器	深度学习算法	传感器数据（体温和呼吸）	NA	NA	NA	NA	NA
1617	2026-03-15	A deep learning approach to identify missing is-a relations in SNOMED CT 2023-02-16, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac248 PMID:36539234	研究论文	本文提出了一种基于深度学习的方法，用于识别SNOMED CT中缺失的is-a关系	利用深度学习模型结合概念名称、层次结构、词汇属性和逻辑定义特征，预测具有包含模式的概念对之间的is-a关系，并引入交叉验证启发式方法识别缺失关系	研究仅针对SNOMED CT的临床发现子层次，且模型性能依赖于专家验证的准确性	提高SNOMED CT的质量保证，通过识别缺失的is-a关系来完善临床术语知识库	SNOMED CT中的概念对，特别是具有包含模式的概念对	自然语言处理	NA	深度学习	二元分类器	文本	使用SNOMED CT临床发现子层次（2019年9月美国版）的概念对进行训练和测试	NA	NA	精确度, 召回率, F1分数	NA
1618	2026-03-15	Multi-center retrospective cohort study applying deep learning to electrocardiograms to identify left heart valvular dysfunction 2023-Feb-14, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-023-00240-w PMID:36788316	研究论文	本研究开发并验证了基于深度学习的工具，用于从心电图（ECG）中识别左心瓣膜功能障碍，特别是主动脉瓣狭窄和二尖瓣反流	首次在多中心回顾性队列研究中，结合自然语言处理（NLP）从超声心动图报告中提取真实标签，并利用深度学习模型从ECG中检测瓣膜疾病，实现了临床部署场景的考虑	研究为回顾性设计，可能存在选择偏倚；模型性能在外部验证中略有下降，需进一步前瞻性研究验证	开发并验证深度学习工具，以辅助临床决策，提高从ECG中提取信息的能力，用于早期疾病检测	来自纽约市五家西奈山医院的患者，包括123,096名患者用于二尖瓣反流检测，128,628名患者用于主动脉瓣狭窄检测	数字病理学	心血管疾病	自然语言处理（NLP），经胸超声心动图，心电图（ECG）	深度学习模型	文本（超声心动图报告），信号数据（ECG）	617,338个ECG-超声心动图对，涉及123,096名患者（二尖瓣反流）和128,628名患者（主动脉瓣狭窄）	NA	NA	AUROC（受试者工作特征曲线下面积）	NA
1619	2026-03-15	Multimodal deep learning for Alzheimer's disease dementia assessment 2022-06-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31037-5 PMID:35725739	研究论文	本文提出了一种多模态深度学习框架，用于阿尔茨海默病痴呆的自动化诊断与评估	开发了能够灵活整合多种临床信息（人口统计学、病史、神经心理学测试、神经影像、功能评估）的深度学习模型，并在诊断准确性上可与执业神经科医生和神经放射科医生相媲美	未明确说明模型在不同人群或医疗中心间的泛化能力，也未详细讨论数据不平衡或缺失值处理的具体方法	改善由多种病因引起的认知障碍个体的诊断流程	认知正常个体、轻度认知障碍患者、阿尔茨海默病患者及非阿尔茨海默病痴呆患者	数字病理学	阿尔茨海默病	多模态深度学习	深度学习模型	多模态临床数据（人口统计学、病史、神经心理学测试、神经影像、功能评估）	NA	NA	NA	诊断准确性	NA
1620	2026-03-15	Deep learning for subtyping the Alzheimer's disease spectrum 2022-02, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2021.12.004 PMID:34996710	研究论文	本文探讨了利用深度学习对阿尔茨海默病谱系进行亚型分类的方法	通过结构成像对认知受损个体进行亚型分类，为疾病异质性量化提供了新视角	NA	亚型分类阿尔茨海默病以促进靶向治疗和改善患者护理	认知受损个体	数字病理学	老年疾病	结构成像	深度学习	图像	NA	NA	NA	NA	NA