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
1741	2026-09-18	Enhanced Feature Extraction for Detection and Classification of Kidney Abnormalities 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056420229251027104658 PMID:41328653	研究论文	该研究提出了一种基于深度学习的诊断框架，通过名为Kidney Transformer Network (KTNET)的新模型增强特征提取，用于自动检测和分类CT扫描图像中的肾脏囊肿、结石和肿瘤等异常	提出了一种新颖的Kidney Transformer Network (KTNET)模型，该模型利用基于Transformer的架构增强特征提取策略，能够有效提取疾病特异性特征，提高特征表示能力，实现对正常、囊肿、肿瘤和结石病例的高精度区分	未明确说明模型的泛化能力验证、数据集规模和多样性、计算资源需求以及临床实际部署的可行性验证	开发一种智能、可靠且准确的框架，用于早期检测和分类肾脏异常，以提高患者诊断和临床决策水平	CT扫描图像中的肾脏异常，包括正常、囊肿、肿瘤和结石病例	医学图像分析、计算机视觉	肾脏疾病、慢性肾脏病	CT扫描成像	Transformer	图像	NA	NA	Kidney Transformer Network (KTNET)、Transformer	准确率(99.7%)、精确率(99.4%)、召回率(99.3%)、F1分数(99.6%)	NA
1742	2026-09-18	A Deep Learning Radiomics Model based on Superb Microvascular Imaging for Non-Invasive Prediction of the Degree of Arteriolosclerosis in Patients With Chronic Kidney Disease 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056412035251027064309 PMID:41328654	研究论文	该研究基于超微血管成像（SMI）开发并验证了一种深度学习影像组学（DLR）模型，用于无创评估慢性肾脏病（CKD）患者小动脉硬化的严重程度	首次将深度学习特征与影像组学特征相结合，构建基于SMI图像的DLR模型，用于无创预测CKD患者小动脉硬化程度，并在多中心前瞻性队列中验证其优于单独影像组学、深度学习模型及基于CDUS的临床模型	摘要中未明确说明局限性	开发并验证基于SMI的深度学习影像组学模型，实现CKD患者小动脉硬化严重程度的无创评估	326例接受肾活检的慢性肾脏病患者	医学图像分析	慢性肾脏病	超微血管成像（SMI）、肾活检	深度学习影像组学模型	图像	326例CKD患者（训练集与测试集按7:3随机划分，其中小动脉硬化阳性165例、阴性161例）	NA	NA	AUC、ROC分析、决策曲线分析（DCA）	NA
1743	2026-09-18	An interpretable deep learning framework for predictive modeling of postoperative infections in ICU patients 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346896 PMID:41955272	研究论文	本文提出了一种结合排列特征重要性检验（PermFIT）的可解释深度神经网络模型，用于预测ICU患者术后感染风险并识别关键影响因素	将PermFIT统计推断框架与DNN相结合，实现对术后感染风险因素的可解释性分析，并利用筛选出的重要特征提升预测性能	仅使用MIMIC-III单一数据库进行验证，未在其他外部数据集上验证模型的泛化能力	准确预测ICU手术患者的术后感染风险并识别关键贡献因素，以改善术后管理和理解感染机制	ICU手术后患者的电子健康记录数据	机器学习	术后感染	电子健康记录分析	DNN	文本	MIMIC-III大型ICU电子健康记录数据库	NA	DNN	预测准确率	NA
1744	2026-09-18	Comparison of deep learning-based three-dimensional human pose estimation methods with motion capture for gesture research 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347288 PMID:42030231	研究论文	本文比较了基于深度学习的单目和立体三维人体姿态估计方法与运动捕捉在手势研究中的准确性，发现立体方法显著优于单目方法，平均误差约49.4毫米，三维手势空间重叠度达75.4%	首次系统比较了单目和立体深度学习人体姿态估计方法与光学运动捕捉在手势研究常用上肢关键点上的准确性，并可视化三维手势空间，证明了立体HPE作为运动捕捉低成本替代方案的可行性	样本量较小（仅10名参与者），仅评估了上肢13个关键点，未涉及全身姿态估计，且未开发出面向非专家的实用工具箱	评估深度学习人体姿态估计方法替代光学运动捕捉系统进行三维手势测量的准确性和可行性，为开发面向非专家的三维手势测量工具箱奠定基础	10名参与者在进行手势丰富演讲时的上肢关键点（手腕、肘部、肩部、手指和面部共13个关键点）	计算机视觉	NA	深度学习人体姿态估计、光学运动捕捉、三角测量法	深度学习人体姿态估计模型（单目和立体）	视频、图像、三维运动捕捉数据	10名参与者	NA	NA	欧几里得距离（平均误差49.4毫米）、三维手势空间重叠率（75.4%）	NA
1745	2026-09-18	Dual-database Bibliometric Analysis Combined with Gephi-based Network Visualization of Artificial Intelligence Applications in the Identification and Diagnosis of Thyroid Space-occupying Lesions 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056466850260610101215 PMID:42312525	文献计量分析	本研究通过双数据库文献计量分析结合Gephi网络可视化，描绘了人工智能在甲状腺占位性病变识别与诊断中的应用研究图景，识别了主要研究热点并总结了近期进展	采用双数据库（WOSCC和PubMed）检索策略结合CiteSpace、VOSviewer和Gephi多种可视化工具，系统分析了2006至2025年间AI在甲状腺占位性病变中的应用，揭示了从简单分类向整合风险分层和多模态分析转变的趋势	研究仅基于WOSCC和PubMed两个数据库，可能存在文献遗漏；文献计量分析无法评估研究质量；合作网络和主题多样性方面存在不足	描绘AI在甲状腺占位性病变中应用的研究格局，识别主要研究热点，总结近期进展	2006至2025年间发表的关于AI在甲状腺占位性病变识别与诊断中应用的学术文献	医学人工智能	甲状腺癌	文献计量分析	NA	文本	1546篇文献记录	CiteSpace, VOSviewer, Gephi	NA	发文量, 国家贡献占比, 机构贡献, 关键词共现频率	NA
1746	2026-09-06	Editorial Note: Machine and deep learning algorithms for sentiment analysis during COVID-19: A vision to create fake news resistant society 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357518 PMID:42691022	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1747	2026-09-18	Automated analysis of feline posture using deep learning and geometric modeling 2026, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2026.1881772 PMID:42745785	研究论文	该研究开发并评估了一种无创计算机视觉框架，利用深度学习和几何建模从低成本相机拍摄的侧视RGB图像中提取猫的身体姿态描述符，以支持行为评估和福利监测	开发了一个集成目标检测、解剖分割、轻量级卷积神经网络姿态分类、姿态估计和基于规则的几何分析的结构化处理流程，能够从标准RGB视频中自动生成结构化且具有临床可解释性的猫身体语言描述符，且所用轻量级网络的参数量比VGG19基线少约38倍	帧保留率高度依赖录制条件，特别是侧视可见性和遮挡问题；在临床应用前还需要对照已建立的疼痛、应激和福利评估工具进行进一步的前瞻性验证	开发一种基于深度学习和几何建模的自动化猫姿态分析框架，从侧视RGB图像中提取具有临床可解释性的姿态描述符以支持行为医学和动物福利评估	猫的身体姿态和身体语言	计算机视觉	NA	目标检测、解剖分割、姿态估计、基于规则的几何分析	CNN	图像和视频（侧视RGB图像和视频）	NA	NA	轻量级卷积神经网络（与VGG19基线对比）	准确率	NA
1748	2026-09-18	HyperIDS: a hypergraph learning and quantum-inspired transformer ensemble framework for IoT intrusion detection 2026, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2026.1901121 PMID:42745796	研究论文	本文提出HyperIDS框架，结合超图学习、量子启发式特征选择与优化以及Transformer集成分类器，用于物联网入侵检测	创新性地将双适应度增强高斯量子粒子群优化（DFE-GQPSO）、超图神经网络（HGNN）、Transformer编码器与CatBoost/XGBoost堆叠集成相结合，并引入SHAP可解释性模块，实现高阶关系建模与智能攻击检测	摘要中未明确提及研究局限性	解决传统入侵检测机制在识别网络流量特征间细微关联以及异构环境下检测率不一致的难题，提升物联网网络攻击检测的智能性与准确性	物联网（IoT）网络流量与网络攻击	机器学习	NA	超图学习、量子启发式特征选择与优化、Transformer编码器、堆叠集成学习、SHAP可解释性分析	超图神经网络（HGNN）、Transformer、CatBoost、XGBoost	网络流量数据（表格/结构化数据）	两个常用网络安全数据集：TON_IoT和Bot-IoT	NA	HGNN, Transformer, CatBoost, XGBoost	准确率, 精确率, 召回率, F1分数	NA
1749	2026-09-18	VG-RETFound: a hybrid retinal AI framework for early vision impairment screening through vessel-graph learning and cross-modal fusion 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1905129 PMID:42745817	研究论文	提出了一种结合视网膜基础模型和血管图学习的混合框架VG-RETFound，用于早期视力损伤筛查	将视网膜基础模型RETFound与图注意力网络结合，通过血管图学习血管拓扑特征，并采用跨模态多头注意力融合方法实时整合两种模态的特征	未明确提及	开发自动筛查工具，用于早期检测视网膜疾病导致的视力损伤	视网膜图像和血管拓扑结构	数字病理学, 计算机视觉	视网膜疾病, 糖尿病视网膜病变, 病理性近视, 年龄相关性黄斑变性, 高血压性视网膜病变	视网膜基础模型预训练, 图表示学习, 跨模态融合	图注意力网络, 基础模型, 多头注意力	图像, 图	RFMiD和ODIR-5K数据集（具体数量未提及），BRSET数据集用于外部验证（具体数量未提及），涵盖六个视网膜类别	NA	RETFound, 图注意力网络	准确率, F1分数, MCC, Kappa	NA
1750	2026-09-18	Use of artificial intelligence in education and training of radiology 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1899739 PMID:42745894	综述	本文通过范围综述总结了人工智能在放射学教育与培训中的应用现状、教育成果及实施挑战	系统梳理2020至2025年间29项原始研究，并按技能发展、参与度和表现三个领域对AI教育成果进行分类	纳入研究数量有限，且缺乏纵向结局证据与标准化教育模型	综合当前证据，识别放射学AI教育的优先事项，并揭示实施中的挑战与机遇	2020至2025年发表的29项关于AI在放射学教育与培训中应用的原始研究	医学教育	NA	范围综述	NA	文本	29项原始研究	NA	NA	NA	NA
1751	2026-09-18	Towards federated learning for face recognition: a comprehensive review of secure and privacy-preserving techniques and prospective research 2026, Pattern analysis and applications : PAA IF:3.7Q2 DOI:10.1007/s10044-026-01766-0 PMID:42745997	综述	本文对基于联邦学习的人脸识别框架进行了系统综述，重点分析了安全与隐私保护技术	对2020至2026年间50篇相关文献进行PRISMA指导的系统综述，将技术分为六大类，并与12篇现有人脸识别综述进行对比	未涉及具体实验验证，主要基于文献分析	总结和分析基于联邦学习的人脸识别方法，包括其底层技术、结果和目标，并指出未来研究方向	基于联邦学习的人脸识别框架及相关文献	计算机视觉	NA	联邦学习	NA	NA	50篇出版物	NA	NA	NA	NA
1752	2026-09-18	Differential diagnosis model for tuberculous and malignant pleural effusion combining U-Net automatic segmentation and deep learning 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1855938 PMID:42746091	研究论文	构建并验证了一种整合U-Net自动分割与深度学习分类模型的智能鉴别诊断模型，用于区分结核性胸腔积液与恶性胸腔积液	将U-Net自动分割与深度学习分类模型相结合，并融合临床特征构建综合模型，用于鉴别结核性胸腔积液与恶性胸腔积液	样本量相对有限（共281例），需要在更大规模多中心数据中进一步验证	构建并验证整合U-Net自动分割与深度学习分类模型的智能鉴别诊断模型，评估其区分结核性胸腔积液与恶性胸腔积液的诊断性能和临床价值	2018年1月至2025年8月经病原学或病理学证实的胸腔积液患者，包括143例结核性胸腔积液患者和138例恶性胸腔积液患者	医学影像分析，胸部影像组学	胸腔积液，结核性胸腔积液，恶性胸腔积液	胸部CT，U-Net自动分割，影像组学分析，深度学习分类，临床特征建模	U-Net，深度学习分类模型，影像组学模型，综合模型	影像	281例患者（143例结核性胸腔积液，138例恶性胸腔积液）	NA	U-Net，支持向量机，随机森林，极端随机树	AUC，敏感度，特异度，校准曲线，决策曲线分析，IDI，NRI，Dice系数	NA
1753	2026-09-18	AI-enabled D-dimeromics in precision breast oncology: a transformative framework for the identification, stratification, and prognostication of ultra-high-risk disease phenotypes 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1910821 PMID:42746125	综述	本文综述了人工智能驱动的D-二聚体组学作为精准肿瘤学框架在乳腺癌症超高风险表型识别、分层和预后中的应用	提出了D-二聚体组学的综合框架，将D-二聚体与止血、炎症、分子、影像和临床数据相结合，并利用人工智能进行多维数据整合和动态风险评估	作为叙述性综述，缺乏原始数据验证，未提供具体的技术实现细节和临床验证结果	探讨AI驱动的D-二聚体组学作为精准肿瘤学方法在检测超高风险乳腺癌症表型中的生物学依据、技术基础和临床应用	乳腺癌症患者，特别是超高风险表型患者	精准肿瘤学	乳腺癌症	D-二聚体检测，机器学习，深度学习	NA	多模态数据（止血、炎症、分子、影像和临床数据）	NA	NA	NA	NA	NA
1754	2026-09-18	CaliDent-Net: domain-constrained self-supervised pre-training with parallel attention and prototype calibration for dental radiograph analysis 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1881041 PMID:42746241	研究论文	提出CaliDent-Net统一框架，整合对比自监督、并行注意力和原型校准，用于牙科X光分析	集成并领域适应三种技术：对比自监督、双注意力和基于原型的分类，在一个流程中实现数据效率、概率校准、基于案例的可解释性和CPU级推理	未建立临床转化；需要多站点前瞻性验证、盲法多评估者可解释性评估和域偏移鲁棒性评估	解决牙科X光自动解读中专家标注训练图像短缺和标准softmax分类器置信度不反映经验准确性的问题	公开牙科X光基准数据集（1,272张图像，四类病理）	计算机视觉	牙科疾病	对比自监督预训练、双注意力机制、基于原型的分类	CNN	图像	1,272张牙科X光图像	NA	Radiograph-Aware Contrastive Encoder、Parallel Recalibration Attention Block、Similarity-Scored Prototype Classifier	准确率、宏平均AUC、Brier分数、期望校准误差、CPU推理时间、GFLOPs	CPU推理
1755	2026-09-18	MICAFlow: Fast and robust MRI preprocessing bridging research neuroimaging and clinical practice 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1366 PMID:42746345	研究论文	本文介绍了一个全自动MRI预处理流程MICAFlow，旨在弥合研究神经影像与临床实践之间的差距，强调速度、鲁棒性和易用性	提出了标签增强模态无关配准（LAMAReg）技术，由深度学习分割驱动，实现可靠的跨模态对齐；整合了最先进的畸变校正方法；遵循可重复标准（Snakemake工作流、BIDSApp规范）；无需GPU即可在临床可及硬件上在数分钟内完成多模态MRI检查处理	摘要中未明确提及研究的局限性	开发一个快速、鲁棒、易用的全自动MRI预处理流程，支持先进神经影像工作流向临床可行研究和前瞻性临床评估环境转化	结构和扩散MRI数据，包括多模态MRI检查（扩散MRI、FLAIR、T1加权图像），涵盖异质性数据集和病理受试者	医学图像处理	NA	MRI预处理，包括结构MRI和扩散MRI，深度学习分割，跨模态配准，畸变校正	深度学习	MRI图像	NA	Snakemake	NA	配准精度，可识别性，运行时间，鲁棒性	临床可及硬件，无需GPU
1756	2026-09-18	Lightweight Ensemble Learning based on Post-Hoc Probability Fusion with Its Application to Lung CT Image Classification 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056474074260630195403 PMID:42459077	研究论文	本文提出一种基于预测概率事后加权平均的轻量级集成学习模型融合方法，并将其应用于肺部CT图像分类任务，以区分肺炎和肺癌	提出了一种基于事后预测概率加权平均的轻量级集成学习融合方法，通过调整融合权重系数和决策阈值来优化性能指标，并应用于具有类间视觉相似性的医学图像分类任务	仅使用了859张肺部CT图像，样本量相对较小；只集成了ResNet34和ResNeXt50两个模型；仅与VGG和ResNet系列模型进行了比较	研究轻量级集成学习模型融合方法，通过优化融合权重系数和决策阈值来提高分类性能，并验证其在医学图像分析中的有效性	肺部CT图像，用于区分肺炎和肺癌两种疾病	计算机视觉, 医学图像分析	肺癌, 肺炎	CT成像	CNN	图像	859张肺部CT图像（肺炎和肺癌）	NA	VGG11, VGG13, VGG16, VGG19, ResNet34, ResNet50, ResNeXt50, ResNet101, ResNeXt101	准确率, 精确率, 召回率, F1分数	NA
1757	2026-09-18	Exploring Deep Transfer Learning for Medical Image Processing and Analysis: A Comprehensive Analysis across Modalities 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056456208260706064206 PMID:42483911	综述	本文全面综述了深度迁移学习在医学图像处理与分析中的应用，涵盖多种模态、任务、技术和数据集	系统性地从解剖区域、模态、任务等角度对过去七年的深度迁移学习研究进行了分类和总结，并讨论了联邦学习等新兴方向	作为综述文章，未提出新的方法或模型，主要基于现有文献的归纳分析	探讨深度迁移学习在医学图像处理与分析中的应用，总结其定义、概念、模态、任务、技术及数据集，并提供未来研究方向	医学图像（多种模态）	医学图像处理	NA	深度迁移学习、联邦学习	NA	图像	NA	NA	NA	诊断准确率、鲁棒性、泛化能力	NA
1758	2026-09-18	The Patent Landscape of AI-Based Imaging Diagnostics for Osteoporosis: A Scoping Review 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056459449260722064048 PMID:42576563	综述	本文通过范围综述分析了2022年6月至2025年6月间基于人工智能的骨质疏松X射线成像诊断专利，总结了技术目标、方法特征及挑战	首次对AI/ML驱动的骨质疏松X射线成像诊断专利进行系统范围综述，揭示了跨模态图像融合、解剖特征迁移和数据增强等创新方法	专利数量较少（仅19项），多数来自亚洲国家，存在可解释性有限、数据集变异性大和临床验证不足等问题	系统梳理基于人工智能的骨质疏松X射线成像诊断专利，分析其技术目标和方法特征，识别当前挑战与未来方向	2022年6月至2025年6月间在Google Patents申请的、应用人工智能或机器学习于骨质疏松X射线成像检测的专利	数字病理学	骨质疏松	X射线成像	CNN, 生成模型	图像	19项专利	NA	卷积神经网络, 生成模型	NA	NA
1759	2026-09-18	A Bio-Inspired Antigen-Antibody Optimization Approach for MRI-Based Stroke Lesion Segmentation 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056482692260730115330 PMID:42634564	研究论文	本文提出了一种基于仿生抗原-抗体优化策略的MRI缺血性脑卒中病灶分割与分类框架	将抗原-抗体仿生优化机制引入缺血性脑卒中MRI病灶分割框架，结合细胞自动机和超像素分割进行分割细化，并利用ResNet-50进行特征提取与分类	属于探索性方法学概念验证，未经过临床验证，需要临床代表性数据集、外部验证队列和多中心研究进一步验证其稳健性和临床适用性	探索将抗原-抗体仿生优化策略整合到缺血性脑卒中MRI病灶分割框架中的可行性	缺血性脑卒中MRI影像中的病灶区域	计算机视觉, 数字病理学	脑卒中	MRI	CNN	图像	ISLES-2015数据集	NA	ResNet-50	分类准确率, 像素准确率, 精确率, 召回率, F1分数, IoU, Dice系数	NA
1760	2026-09-18	Deep Learning-based Classification of Apical Hypertrophic Cardiomyopathy using Left Ventricular Opacification and Enhanced LV Apex Imaging 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056450679260721035709 PMID:42634565	研究论文	该文章提出了一种基于深度学习的框架，利用左心室造影和增强的心尖成像，对心尖肥厚型心肌病亚型进行分类。	提出了MG-APSO-DnCNN去噪与U-Net水平集分割及GIN分类的集成框架，解决了左心室造影伪影问题，并实现了心尖肥厚型心肌病亚型的精细区分。	数据来源于公开数据集EchoNet-Dynamic，样本量有限，且依赖专家手动标注，可能存在标注偏差；尚未在更大多中心临床数据集中验证。	提高心尖肥厚型心肌病亚型分类的准确性和鲁棒性，辅助早期诊断、风险分层和治疗规划。	心尖肥厚型心肌病患者的心尖四腔心舒张末期超声图像。	医学图像分析	心血管疾病	超声心动图、左心室造影	CNN、图同构网络	图像	3200名患者	NA	深度去噪卷积神经网络、U-Net水平集模型、图同构网络	准确率、精确率、召回率、F1分数	NA