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
1681	2026-01-30	A Deep Learning-Based Graphical User Interface for Predicting Corneal Ectasia Scores from Raw Optical Coherence Tomography Data 2026-Jan-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020310 PMID:41594286	研究论文	本研究开发了一个基于深度学习的图形用户界面，用于从原始光学相干断层扫描数据预测角膜扩张评分	使用原始光学相干断层扫描数据而非预处理数据，确保诊断一致性不受软件更新影响，并开发了用户友好的图形界面	未明确说明样本量大小及数据来源的多样性，可能影响模型的泛化能力	设计一个深度学习图形用户界面，用于预测角膜扩张评分以辅助圆锥角膜的早期诊断	原始光学相干断层扫描数据（3dv格式）	计算机视觉	圆锥角膜	光学相干断层扫描	CNN	图像	NA	TensorFlow, PyTorch, Keras	EfficientNet-B0	平均绝对误差, 准确率, 敏感性, 特异性, 阳性预测值, F1分数	NA
1682	2026-01-30	Enhancing Approaches to Detect Papilloma-Associated Hyperostosis Using a Few-Shot Transfer Learning Framework in Extremely Scarce Radiological Datasets 2026-Jan-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020311 PMID:41594287	研究论文	本研究提出并验证了一个基于少样本迁移学习的框架，用于在极稀缺的放射学数据集中检测乳头瘤相关骨肥厚	提出了一个结合领域内迁移学习（微调预训练的颅骨分割模型）和专门数据增强技术（“窗位偏移”）的少样本学习框架，以应对极端数据稀缺问题	研究仅基于极小的样本量（n=20）进行，可能影响模型的泛化能力	开发在极端有限数据条件下构建具有临床意义的深度学习模型的方法学框架	鼻窦内翻性乳头瘤相关的局灶性骨肥厚（PAH）的放射学检测	数字病理学	鼻窦内翻性乳头瘤	放射学影像分析	深度学习	图像	20个样本	PyTorch	nnU-Net	Dice相似系数	NA
1683	2026-01-30	Advances in Audio Classification and Artificial Intelligence for Respiratory Health and Welfare Monitoring in Swine 2026-Jan-18, Biology DOI:10.3390/biology15020177 PMID:41594912	综述	本文综述了人工智能驱动的音频分类方法在猪场呼吸健康与福利监测中的应用	系统整合了AI音频分类在猪呼吸健康监测中的最新进展，并强调了实时、边缘计算及农场部署的商业化系统	面临数据稀缺、泛化能力不足、环境噪声干扰及实际部署挑战	为猪呼吸健康管理开发稳健的AI声学监测系统提供指导	猪的呼吸健康与福利监测	机器学习	呼吸系统疾病	音频采集技术	机器学习,深度学习	音频	NA	NA	NA	NA	NA
1684	2026-01-30	Muscle Fatigue Assessment in Healthcare Application by Using Surface Electromyography: A Transfer Learning Approach 2026-Jan-18, Sensors (Basel, Switzerland) DOI:10.3390/s26020654 PMID:41600449	研究论文	本研究提出了一种基于表面肌电信号和迁移学习的深度学习框架，用于分类肌肉疲劳水平，旨在支持环境辅助生活应用	采用连续小波变换将一维肌电信号转换为二维时频图像（尺度图），并利用预训练的卷积神经网络进行微调分类，实现了高精度的肌肉疲劳评估	数据收集来自健康老年和非老年成人在受控条件下的动态任务，可能限制了在更广泛人群或真实环境中的泛化能力	开发一种实时、非侵入性的肌肉疲劳监测解决方案，以支持环境辅助生活应用	健康老年和非老年成年人	机器学习	老年疾病	表面肌电信号采集	CNN	图像	从健康老年和非老年成年人收集的新数据集	NA	预训练的卷积神经网络	准确率	NA
1685	2026-01-30	Specification-compliant fracture parameter extraction and rock mass classification on tunnel faces with improved YOLOv8-seg 2026-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33827-5 PMID:41547995	研究论文	本文提出了一种改进的YOLOv8-seg模型与标准化岩体分类系统相结合的智能框架，用于隧道掌子面岩体裂缝的精确识别与分类	引入高效通道注意力（ECA）机制增强复杂条件下裂缝特征的检测能力，并自动提取裂缝参数以直接对接中国国家标准GB 50487-2008的岩体分类标准	未明确说明模型在极端光照或严重遮挡隧道环境中的泛化性能，且未讨论不同地质条件下分类系统的适应性	提升隧道环境中岩体裂缝识别的准确性，并实现与工程分类标准的自动化集成以支持施工决策	隧道掌子面的岩体裂缝	计算机视觉	NA	深度学习图像分割	CNN	图像	NA	PyTorch	YOLOv8-seg	mAP@0.5	NA
1686	2026-01-30	Detection of Periapical Lesions Using Artificial Intelligence: A Narrative Review 2026-Jan-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020301 PMID:41594277	综述	本文综述了人工智能在检测根尖周病变方面的应用，涵盖了口内根尖片、全景片和锥形束CT等多种影像模态	系统总结了2021年至2025年间AI在根尖周病变检测中的最新证据，并强调了AI作为诊断辅助工具的价值及其对临床医生表现的提升作用	研究存在数据集、参考标准和评估指标的异质性，限制了结果的汇总分析，且需要外部验证和标准化报告	评估人工智能系统在检测根尖周病变方面的诊断准确性和临床应用潜力	根尖周病变	数字病理学	牙科疾病	NA	深度学习	图像	NA	NA	NA	NA	NA
1687	2026-01-30	Evolving Paradigms in Gastric Cancer Staging: From Conventional Imaging to Advanced MRI and Artificial Intelligence 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020284 PMID:41594260	综述	本文全面综述了胃癌术前分期诊断成像技术的演变，从传统成像方法到先进MRI和人工智能的应用	系统评估了MRI（特别是扩散加权成像和多参数方案）在胃癌分期中的新兴作用，并探讨了新型FAPI PET示踪剂以及放射组学和深度学习模型在提供非侵入性风险分层生物标志物方面的潜力	作为一篇综述文章，其结论基于对现有文献的分析，未进行原始数据收集或模型验证	更新胃癌诊断成像知识，评估各种成像技术在T、N、M分期准确性、定量成像生物标志物和放射组学方面的作用	胃癌（特别是弥漫型和低黏附组织型）的术前分期	数字病理学	胃癌	CT, EUS, PET/CT, MRI（包括扩散加权成像和多参数方案）, 放射组学, 深度学习	深度学习模型	医学影像数据（CT, MRI, PET等）	基于2015年至2024年间发表的410项相关研究	NA	NA	T、N、M分期准确性	NA
1688	2026-01-30	Real-World Integration of an Automated Tool for Intracranial Hemorrhage Detection in an Unselected Cohort of Emergency Department Patients-An External Validation Study 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020282 PMID:41594258	研究论文	本研究评估了深度学习工具RAPID ICH在急诊科患者非对比头部CT扫描中检测颅内出血的真实世界性能，并与第一年放射科住院医师进行比较	在未筛选的急诊科患者队列中外部验证了RAPID ICH工具，并与初级放射科医师进行直接性能对比	RAPID ICH的敏感性和特异性低于先前研究，且存在大量假阳性识别，限制了该DL工具的泛化能力	评估深度学习工具在真实临床环境中检测颅内出血的性能	急诊科患者的非对比头部CT扫描图像	数字病理学	颅内出血	非对比头部CT扫描	深度学习	医学图像	844例非对比头部CT扫描	NA	RAPID ICH	敏感性, 特异性, 阳性预测值, 阴性预测值	NA
1689	2026-01-30	Hybrid ConvNeXtV2-ViT Architecture with Ontology-Driven Explainability and Out-of-Distribution Awareness for Transparent Chest X-Ray Diagnosis 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020294 PMID:41594270	研究论文	本文提出了一种结合ConvNeXtV2和ViT的混合架构，用于胸部X光的多标签诊断，并集成了基于分割的Grad-CAM、本体驱动的神经符号推理和OOD检测模块，以提高模型的准确性、可解释性和鲁棒性	采用混合ConvNeXtV2-ViT架构结合局部特征提取与全局上下文建模，并创新性地整合了分割感知的Grad-CAM、基于本体的符号推理层和轻量级OOD检测模块，以增强临床可解释性和分布外鲁棒性	模型仅使用图像级注释进行训练，未涉及像素级标注；外部验证数据集中CheXpert的性能相对较低（0.8487），可能存在泛化限制；OOD模块主要针对非胸部图像，对胸部内异常分布的检测能力未详细评估	开发一个准确、透明且安全的自动化胸部X光诊断系统，以解决多标签疾病识别中的可解释性和鲁棒性问题	胸部X光图像	计算机视觉	胸部疾病	胸部X光成像	CNN, Transformer	图像	VinBigData测试集、NIH ChestXray14和CheXpert（正面视图）外部数据集	NA	ConvNeXtV2, Vision Transformer (ViT)	宏AUROC, 微AUROC	NA
1690	2026-01-30	Neurosense: Bridging Neural Dynamics and Mental Health Through Deep Learning for Brain Health Assessment via Reaction Time and p-Factor Prediction 2026-Jan-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020293 PMID:41594269	研究论文	提出一种名为Neurosense的AI驱动脑健康评估框架，利用EEG信号通过深度学习预测反应时间和p因子，以评估神经动力学与心理健康之间的关系	提出了D-STAGE双路径时空自适应门控编码器架构，结合Transformer和图卷积并行处理EEG时空特征；采用基于适配器的参数高效迁移学习范式，仅需1.7%的参数即可实现从认知任务到心理健康评估的迁移	未明确说明样本规模、数据来源多样性及模型在临床环境中的验证情况	开发客观、高时间分辨率的脑健康评估计算框架，探索神经动力学、认知效率与心理健康维度之间的层次关系	脑电图（EEG）信号、认知任务表现（反应时间）、跨诊断精神病理学维度（p因子）	机器学习	精神健康障碍	脑电图（EEG）	Transformer, 图卷积神经网络（GCN）	时序信号（EEG）	NA	NA	Dual-path Spatio-Temporal Adaptive Gated Encoder (D-STAGE), Transformer, 图卷积	NA	NA
1691	2026-01-30	StaticPigDetv2: Performance Improvement of Unseen Pig Monitoring Environment Using Depth-Based Background and Facility Information 2026-Jan-16, Sensors (Basel, Switzerland) DOI:10.3390/s26020621 PMID:41600416	研究论文	本研究提出了一种基于深度学习的静态猪只监测方法，通过利用固定摄像头背景和设施信息，提升在未见环境中的检测精度和延迟性能	引入三个新模块（BIG、FIG、BSI），利用一次性预处理的背景和设施信息，无需模型重训练即可改善检测精度和效率，并通过3D卷积层进行差异感知特征融合以减少域差距	方法依赖于固定摄像头设置和一次性预处理，可能不适用于动态或频繁变化的监控环境，且仅在特定数据集（德国和韩国）上验证	提升基于深度学习的猪只监测在未见环境中的准确性和延迟性能	猪只监测，特别是在固定摄像头下的猪舍环境	计算机视觉	NA	深度学习，3D卷积	YOLO	图像	德国猪数据集用于训练，韩国Hadong猪数据集用于测试	NA	YOLOV12m	AP精度，延迟（毫秒）	Jetson Orin Nano
1692	2026-01-30	A Deep Representation Learning Method for Quantitative Immune Defense Function Evaluation and Its Clinical Applications 2026-Jan-15, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515929 PMID:41536212	研究论文	本文提出了一种基于RNA-seq数据的深度表示学习方法ImmuDef，用于定量评估抗感染免疫防御功能，并开发了防御免疫评分DImmuScore	首次引入基于变分自编码器的深度表示学习模型来构建免疫防御功能的定量评估标准，实现了跨疾病免疫防御的量化	未明确说明模型在更广泛疾病或人群中的泛化能力，以及计算资源的详细需求	开发一种定量评估个体免疫防御功能的方法，并应用于临床预后和疾病严重程度分层	免疫缺陷、免疫受损、免疫正常和免疫活跃四种免疫状态下的样本，包括艾滋病、严重脓毒症、COVID-19等感染性疾病患者	机器学习	感染性疾病	RNA-seq	VAE	RNA-seq数据	3202个样本	NA	变分自编码器	准确率	NA
1693	2026-01-30	A Novel Lightweight Deep Learning Model for Boar Sperm Head Detection in Microscopic Images: YOLO11_SRP 2026-Jan-15, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16020258 PMID:41594448	研究论文	提出一种轻量级深度学习模型YOLO11_SRP，用于在显微图像中准确检测公猪精子头部	集成轻量级StarNet骨干网络、矩形自校准模块以增强空间特征建模，并添加针对微小目标的低级检测层	NA	提高复杂显微场景下小物体（精子头部）的识别精度，支持高效可靠的自动化精子分析流程	公猪精子显微图像	计算机视觉	NA	显微成像	YOLO	图像	NA	NA	YOLO11_SRP, YOLO11s	mAP@0.5	NA
1694	2026-01-30	AI-Based Augmented Reality Microscope for Real-Time Sperm Detection and Tracking in Micro-TESE 2026-Jan-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010102 PMID:41596033	研究论文	本文提出了一种基于AI的增强现实显微镜系统，用于在显微睾丸精子抽吸术中实时检测和追踪精子，以辅助胚胎学家快速定位精子	首次将增强现实（AR）与AI驱动的实时精子检测（YOLOv5）和追踪（DeepSORT）技术集成到显微镜系统中，为胚胎学家提供即时视觉引导	模型在精曲小管样本图像上的召回率（0.52）仍有提升空间，且研究仅在样本图像上进行实验，未明确说明临床实时手术中的验证情况	开发一种辅助工具，以减轻胚胎学家在显微睾丸精子抽吸术中的疲劳和负担，并缩短手术时间	非梗阻性无精子症患者的睾丸组织样本（精曲小管）	计算机视觉	男性不育症	显微镜成像，深度学习图像分析	CNN	图像	NA	PyTorch	YOLOv5	精确率，召回率，精子检测率	NA
1695	2026-01-30	MedSegNet10: A Publicly Accessible Network Repository for Split Federated Medical Image Segmentation 2026-Jan-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13010104 PMID:41596035	研究论文	本文介绍了MedSegNet10，一个用于医学图像分割的公开可访问网络仓库，基于分割联邦学习框架	提出了一个公开的医学图像分割仓库，集成了十种分割架构的SplitFed版本，支持协作训练且无需集中原始数据和标签，降低了客户端计算负载	NA	推进医学图像分割技术，同时保护患者数据隐私	医学图像，包括人类囊胚显微图像、皮肤病变皮肤镜图像以及病变、息肉和溃疡的内窥镜图像	数字病理学	NA	NA	CNN	图像	NA	NA	NA	NA	NA
1696	2026-01-30	Reliability of Handheld Ultrasound Assessment of Brachial Artery Flow-Mediated Dilation Using AI-Assisted Automated Analysis in Postmenopausal Women 2026-Jan-15, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010181 PMID:41597467	研究论文	本研究评估了基于YOLO深度学习模型的AI辅助手持超声图像分析工作流程在绝经后女性中测量肱动脉血流介导扩张的日间重测可靠性	首次将YOLO深度学习模型与手持超声设备结合，实现肱动脉图像的自动分析，以评估血流介导扩张的可靠性	功能反应存在较高的个体间变异性，且样本量较小，仅针对绝经后女性群体	评估AI辅助手持超声图像分析工作流程在测量血流介导扩张时的日间重测可靠性	绝经后女性	计算机视觉	心血管疾病	手持超声成像	YOLO	图像	17名绝经后女性（年龄55-70岁）	NA	YOLO	组内相关系数, 变异系数, Bland-Altman分析	NA
1697	2026-01-30	Renal-AI: A Deep Learning Platform for Multi-Scale Detection of Renal Ultrastructural Features in Electron Microscopy Images 2026-Jan-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020264 PMID:41594240	研究论文	本研究开发并评估了一个基于YOLOv8-OBB的深度学习平台（Renal-AI），用于在肾脏活检透射电子显微镜图像中自动检测六种超微结构特征	提出了一种改进的YOLOv8-OBB架构，包含灰度输入通道、高分辨率P2特征金字塔与细化块（FPRbl），以及一个四分支定向检测头，用于在多个图像尺度上检测从小到大的结构	未明确提及研究的局限性	开发一个深度学习平台，以提高肾脏疾病诊断中透射电子显微镜图像分析的效率和一致性	肾脏活检透射电子显微镜图像	计算机视觉	肾脏疾病	透射电子显微镜	YOLOv8-OBB	图像	NA	NA	YOLOv8-OBB	F1分数, mAP@0.5	NA
1698	2026-01-30	Clinical Validation of a Deep Learning-Based 2D Ultrasound Steatosis Algorithm: Cutoff Transferability, Scanner Generalizability, and Comparison with FibroScan 2026-Jan-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020267 PMID:41594243	研究论文	本研究验证了一种基于深度学习的2D超声脂肪变性算法，通过建立组织学截断值、评估其在不同成像视图间的可转移性，并在新扫描仪上验证性能，展示了该算法在客观、可重复量化肝脏脂肪变性方面的优势	首次将深度学习算法应用于2D超声脂肪变性评估，实现了跨视图截断值转移和扫描仪泛化性验证，并在性能上显著优于FibroScan的受控衰减参数	研究为回顾性和前瞻性混合设计，样本量相对有限，且仅验证了一种新扫描仪，未来需更多外部验证	验证深度学习算法在肝脏脂肪变性定量评估中的准确性、视图独立性和扫描仪泛化性	肝脏脂肪变性患者的2D超声图像	数字病理学	肝脏疾病	2D超声成像	深度学习算法	图像	588项超声研究（来自457例组织学证实病例）及前瞻性收集的新扫描仪配对扫描	NA	NA	AUROC, 准确率	NA
1699	2026-01-30	Translating Molecular Subtypes into Cost-Effective Radiogenomic Biomarkers for Prognosis of Colorectal Cancer 2026-Jan-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020273 PMID:41594248	研究论文	本研究通过监督深度学习框架，将结直肠癌的分子亚型转化为成本效益高的放射基因组生物标志物，用于预后预测和风险分层	利用深度学习提取分子亚型的定量特征表示，并建立与分子亚型相关的基因特征和非侵入性放射基因组特征，实现从分子亚型到临床可应用生物标志物的转化	研究为回顾性设计，可能受限于数据选择和潜在偏差，且需要在更多前瞻性队列中验证	进行放射基因组分析，建立结直肠癌生存预测的预后特征	结直肠癌患者	数字病理学	结直肠癌	基因表达分析，放射组学	深度学习	基因表达数据，影像数据	2948名结直肠癌患者，来自8个队列	NA	NA	NA	NA
1700	2026-01-30	Lightweight Fine-Tuning for Pig Cough Detection 2026-Jan-14, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16020253 PMID:41594444	研究论文	本研究提出了一种基于预训练模型的轻量级猪咳嗽识别方法，用于在标记样本稀缺和农场环境复杂的声学条件下实现早期呼吸道疾病预警	通过冻结预训练音频神经网络的主干并仅微调分类器，实现了小样本条件下的有效知识迁移和领域自适应；引入时频双流模块增强模型对咳嗽时频谱特征的捕捉能力	数据集规模有限（107个咳嗽事件和590个环境噪声片段），可能影响模型在更广泛场景下的泛化能力	开发一种适用于农业环境的小样本音频识别方法，用于猪呼吸道疾病的早期预警	猪的咳嗽声	机器学习	呼吸道疾病	音频分析	预训练音频神经网络	音频	107个咳嗽事件和590个环境噪声片段	NA	时频双流模块	准确率, F1分数	NA