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
1921	2026-03-11	Neural network assessment of aortic, iliac, renal, and mesenteric artery calcification in CTA: Normalized scoring framework and comparison to threshold-based method 2026-Mar, Acta radiologica open IF:0.9Q4 DOI:10.1177/20584601261431608 PMID:41800183	研究论文	本文开发并评估了一种基于深度学习的腹部动脉钙化量化方法，使用CTA数据进行自动、客观的钙化评分	提出了一种基于nnU-Net的深度学习框架，用于腹部动脉钙化的自动量化，并引入了标准化的钙化评分框架，与基于阈值的方法进行了比较	研究为回顾性设计，样本量相对有限（223个CTA体积），且依赖于手动标注的ground truth，可能引入标注偏差	开发并评估一种深度学习方法来量化对比增强CT血管造影中的腹部动脉钙化，以提高临床实践中的可重复性和减少观察者依赖性	腹部动脉（主动脉、髂动脉、肾动脉和肠系膜动脉）的钙化	数字病理学	心血管疾病	对比增强CT血管造影（CTA）	CNN	图像（CTA体积）	223个CTA体积（147个训练，76个测试）	nnU-Net	nnU-Net	Dice分数, 体积相似性, 敏感性, 精确度, Jaccard指数	NA
1922	2026-03-11	All-Optical Diffractive Operators for Rapid, Computer-Free Morphological Transformations 2026-Feb, Nanophotonics (Berlin, Germany) DOI:10.1002/nap2.70031 PMID:41800288	研究论文	本文提出了一种基于衍射计算的全光学处理器，用于快速、高度并行地执行形态学变换，无需计算机处理	利用深度学习优化的衍射表面实现全光学形态学变换，直接处理光波前，无需数字计算，具有高度并行性和可扩展性	实验中使用相位空间光调制器实现，可能受限于硬件分辨率和光学设置，未提及具体处理速度或能耗数据	开发一种快速、低功耗的形态学变换方法，以应对大规模图像数据集的计算挑战	光学衍射处理器及其在形态学变换（如膨胀和腐蚀）中的应用	计算机视觉	NA	衍射计算，深度学习优化	衍射网络	图像（振幅和相位编码）	NA	深度学习（具体框架未指定）	级联衍射架构	NA	相位空间光调制器（SLM），反射配置
1923	2026-03-11	Validation and feasibility of a deep learning-based reconstruction technology in 5.0 tesla knee joint MR imaging 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1776035 PMID:41797980	研究论文	本研究评估了基于深度学习的重建技术在5.0特斯拉膝关节磁共振成像中优化常规协议的可行性	首次在5.0特斯拉膝关节磁共振成像中应用深度学习重建技术，并证明其能在不增加扫描时间的情况下提升图像质量和诊断效能	样本量相对较小（69例），且为单中心研究，需要更大规模的多中心研究进一步验证	评估深度学习重建技术在优化5.0特斯拉膝关节磁共振成像协议中的可行性和临床价值	接受膝关节镜检查和5.0特斯拉膝关节磁共振检查的患者	医学影像分析	膝关节疾病	磁共振成像，深度学习重建	深度学习模型	磁共振图像	69名患者	NA	NA	信噪比，图像质量评分（5点李克特量表），诊断一致性（Cohen's kappa）	NA
1924	2026-03-11	Can artificial intelligence in orthopantomography advance dental diagnostics through automated image analysis? 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1701356 PMID:41797982	综述	本文综述了人工智能在口腔全景X线片自动图像分析中的前沿进展，并探讨了其诊断突破与监管伦理挑战	独特地将AI驱动的牙科影像诊断技术突破与快速演变的监管和伦理框架相结合，为教育者、从业者和学习者提供前瞻性路线图	将AI引入常规牙科护理仍面临标注数据集需求大、人群变异性应对以及医疗法律和信任问题等障碍	探讨人工智能如何通过自动图像分析推动牙科诊断进步	口腔全景X线片（OPGs）	计算机视觉	牙科疾病	深度学习	卷积神经网络（CNN）	图像	NA	NA	NA	准确率	NA
1925	2026-03-11	Variable deep learning training horizons reveal the temporal complexity of biological systems 2026, microPublication biology DOI:10.17912/micropub.biology.001926 PMID:41798261	研究论文	提出一种具有可变输入序列长度的深度学习框架，用于预测细胞和菌落形态，并应用于显微镜数据集以评估时间数据对性能的影响	引入可变输入序列长度的深度学习框架，通过时间动态识别生物过渡点，为数据驱动建模提供了新方法	NA	探索时间序列图像在提取生物学见解中的应用，评估时间数据对深度学习模型性能的影响	细胞和菌落形态	计算机视觉	NA	显微镜成像	深度学习	时间序列图像	NA	NA	NA	NA	NA
1926	2026-03-11	Deep learning and high-resolution magnetic resonance vascular wall imaging: current challenges and future perspectives 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1731783 PMID:41798803	综述	本文全面回顾了深度学习在高分辨率磁共振血管壁成像（HR-VWI）中的基础与应用，特别关注其在评估颅内血管病变中的临床应用	探讨深度学习作为辅助工具，以克服HR-VWI对操作者经验的依赖，并提升其在脑血管疾病诊断中的可靠性和效率	NA	综述深度学习在HR-VWI中的应用，旨在推动其成为脑血管疾病的重要辅助诊断工具	颅内血管病变，包括颅内动脉瘤、动静脉畸形、动脉硬化和烟雾病	医学影像分析	脑血管疾病	高分辨率磁共振血管壁成像（HR-VWI）	深度学习模型	磁共振图像	NA	NA	NA	NA	NA
1927	2026-03-11	Deep learning enables fully automated cineCT-based assessment of regional right ventricular function 2026-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyag022 PMID:41798873	研究论文	本研究开发了一种基于深度学习、用于从增强心电图门控电影CT图像中自动评估右心室区域功能的完整流程	首次提出了一种完全自动化的3D电影CT管道，结合了用于心内膜分割的nnU-Net变体和基于点云深度学习的室壁标记方法，以自动化右心室的体积和区域应变分析	研究在主动脉狭窄患者队列中进行测试，可能未涵盖所有右心室表型；自动化流程的泛化能力需在更多样化人群中进一步验证	开发并评估一种完全自动化的深度学习流程，用于从电影CT图像中评估右心室的区域功能，以提高评估效率和可重复性	右心室（RV）	计算机视觉	心血管疾病	对比增强心电图门控电影CT成像	深度学习	3D图像	使用具有不同右心室表型的多样化患者队列进行训练，并在接受TAVR的主动脉狭窄患者的独立队列中进行测试	nnU-Net	nnU-Net（3D高分辨率配置），基于点云的深度学习模型	Dice分数，体积测量指标，余弦相似度，准确率	NA
1928	2026-03-11	Deep learning model and omics screening highlight angiotensinogen as a 5-methylcytosine (m5C) regulated mediator of tumor-microenvironment communication in liver cancer 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1752802 PMID:41798911	研究论文	本研究通过深度学习模型和组学筛选，揭示了血管紧张素原（AGT）作为5-甲基胞嘧啶（m5C）调控的介质，在肝癌肿瘤微环境通讯中的关键作用	开发了基于图注意力神经网络的算法GAT-MeRIP，用于从MeRIP-seq数据中识别功能性的m5C修饰靶基因，并首次发现m5C修饰的AGT在调控肝癌肿瘤微环境中的新功能	研究主要基于体外实验和公共队列数据，缺乏体内动物模型的验证，且机制探索可能不够全面	探究m5C修饰在肝癌肿瘤微环境通讯中的分子机制及其对预后的影响	肝癌细胞、自然杀伤（NK）细胞、公共肝癌队列数据	机器学习	肝癌	MeRIP-seq, 单细胞转录组学, qRT-PCR, MeRIP-qPCR, ELISA, 流式细胞术	图注意力神经网络	测序数据, 转录组数据, 临床数据	NA	NA	GAT-MeRIP	NA	NA
1929	2026-03-11	Enhancing Alzheimer's Diagnosis: Leveraging Anatomical Landmarks in Graph Convolutional Neural Networks on Tetrahedral Meshes 2026, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-96625-5_5 PMID:41799028	研究论文	本文提出了一种基于Transformer的几何深度学习模型，用于通过脑结构磁共振成像（sMRI）增强阿尔茨海默病的诊断，并预测脑淀粉样蛋白阳性	引入了一种新颖的四面体网格标记化方案，结合了预训练高斯过程模型生成的解剖标志点，使模型能够处理不同体积网格尺寸的输入，并在AD分类和脑淀粉样蛋白阳性预测任务中表现出优越性能	模型在中等风险个体中的脑淀粉样蛋白阳性预测能力仍需进一步验证，且依赖于预训练的解剖标志点生成模型	利用几何深度学习技术，通过sMRI数据提高阿尔茨海默病的诊断准确性，并扩展至脑淀粉样蛋白阳性预测	阿尔茨海默病患者及脑淀粉样蛋白阳性个体的脑结构磁共振成像数据	几何深度学习	阿尔茨海默病	脑结构磁共振成像（sMRI），正电子发射断层扫描（PET）	Transformer, 图卷积神经网络（GCN）	四面体网格表示的脑结构磁共振成像数据	未明确说明具体样本数量	NA	基于Transformer的几何深度学习模型	分类性能（具体指标未明确说明）	NA
1930	2026-03-11	Deep Learning Framework for Automated MRI Planimetry in Multiple Sclerosis 2026, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/4456355 PMID:41799369	研究论文	本文提出了一种用于多发性硬化症MRI平面测量自动化的深度学习框架	开发了首个全自动深度学习框架，结合自动中矢状面检测算法与卷积神经网络，用于MRI平面测量，提高了测量效率并减少了人为偏差	未明确提及样本量外的具体局限性，但依赖MRI数据质量，可能受图像采集协议差异影响	自动化多发性硬化症的MRI平面测量，以客观评估疾病进展和治疗反应	多发性硬化症患者的脑部MRI图像	医学影像分析	多发性硬化症	MRI	CNN	图像	未明确提及具体样本数量	未明确提及	未明确指定具体架构	未明确提及具体指标，但强调与手动测量的一致性	未明确提及
1931	2026-03-11	Deep Learning Super-Resolution Spectrometer Based on Fiber Random Laser With Ultrahigh Spectral Purity 2026-Jan, Nanophotonics (Berlin, Germany) DOI:10.1002/nap2.70007 PMID:41799648	研究论文	本文提出了一种基于光纤随机激光器和深度学习技术的超分辨率光谱仪，通过减少重建时间和稀疏帧数量，实现高光谱纯度的超分辨率光谱成像	结合嵌套光纤微腔随机激光器作为微纳光源，显著提高光谱纯度和方向性，并利用卷积神经网络从减少80%的原始帧中恢复超分辨率光谱，大幅缩短采集时间	未明确讨论模型在不同光谱条件或噪声环境下的泛化能力，以及实际应用中可能存在的硬件集成挑战	开发一种集成化、低成本、小尺寸的高分辨率光谱仪，以突破传统光谱仪的频率分辨率限制	光纤随机激光器产生的光谱信号	机器学习	NA	超分辨率光谱技术，随机激光器	CNN	图像（光谱帧）	NA	NA	卷积神经网络	NA	NA
1932	2026-03-11	Metasurface Vision Transformer: A Generic AI Model for Metasurface Inverse Design 2026-Jan, Nanophotonics (Berlin, Germany) DOI:10.1002/nap2.70001 PMID:41799652	研究论文	提出了一种用于超表面逆设计的通用AI模型——MetasurfaceViT，通过预训练和微调实现任意波长、偏振和应用场景下的结构设计	首次将Vision Transformer架构引入超表面逆设计领域，通过物理信息数据增强和掩码预训练策略，实现了跨波长、跨偏振的通用设计能力	未明确说明模型在极端波长或复杂多物理场耦合场景下的泛化能力，数据增强方法可能受限于基础物理模型的准确性	开发通用的超表面逆设计AI模型，突破现有模型固定工作条件的限制	超表面（用于控制光振幅、相位和偏振的人工结构）	计算机视觉	NA	物理信息数据增强、掩码预训练	Transformer	琼斯矩阵数据（光学传输特性表征）	通过数据增强显著扩展的大型琼斯矩阵数据集（具体数量未说明）	NA	Vision Transformer (ViT)	预测准确率	NA
1933	2026-03-11	Two-stage deep learning framework for laterally spreading tumors detection using self-supervised learning and few-shot classification 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261425362 PMID:41800156	研究论文	本文提出了一种结合自监督学习和少样本分类的两阶段深度学习框架，用于在结肠镜图像中检测侧向扩散肿瘤	通过结合DINO自监督预训练和原型网络进行少样本分类，减少了大规模标注数据的需求，在标注数据稀缺的情况下实现了可靠的侧向扩散肿瘤识别	研究为回顾性单中心研究，模型性能可能受限于特定医院的设备和操作流程，且未在外部数据集上进行验证	解决侧向扩散肿瘤在结肠镜检查中因形态细微和低患病率而容易被漏检的问题，实现基于有限专家标注的可靠AI辅助检测	结肠镜图像中的侧向扩散肿瘤与非侧向扩散肿瘤病变	计算机视觉	结直肠癌	结肠镜检查	深度学习	图像	从12,376名患者中回顾性收集的150,168张结肠镜图像，其中2,799张用于少样本分类训练，601张用于测试	PyTorch	DINO, Prototypical Networks	ROC-AUC, 敏感性, 特异性, 准确率, F1分数, 精确率-召回率AUC	NA
1934	2026-03-11	Automated Diagnosis of Rheumatoid Arthritis From Hand Radiographs Using Artificial Intelligence: A Retrospective Study 2026, Clinical medicine insights. Arthritis and musculoskeletal disorders DOI:10.1177/11795441261429110 PMID:41800190	研究论文	本研究开发了一种基于注意力的深度学习模型，用于从手部和腕部X光片中自动诊断类风湿关节炎	结合了DenseNet架构与注意力机制来突出RA特异性结构变化，并在有限数据集上实现了高诊断性能	回顾性研究，样本量相对较小（共570例），且排除了其他导致手部畸形的疾病患者	开发用于类风湿关节炎自动诊断的AI模型，并验证其在有限数据下的高性能潜力	类风湿关节炎患者和健康对照者的手部和腕部X光片	计算机视觉	类风湿关节炎	X光成像	CNN	图像	311名RA患者和259名健康对照，总计570例，分为训练集（325例）、验证集（142例）和测试集（50例）	NA	DenseNet121, DenseNet169	准确率, 精确率, 召回率	NA
1935	2026-03-11	Maritime traffic congestion identification and ship trajectory prediction using temporal graph convolutional networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342781 PMID:41801924	研究论文	本研究提出了一种基于AIS数据的船舶轨迹预测与海上交通拥堵识别的综合框架	结合图卷积网络与门控循环单元构建了时空图卷积网络模型，并引入了基于速度性能指数的拥堵测量指标	NA	提升海上交通管理效率与安全性	海上船舶轨迹与交通流量	机器学习	NA	自动识别系统数据采集	GCN, GRU, T-GCN	时空序列数据	NA	NA	时空图卷积网络	NA	NA
1936	2026-03-11	Perceptions of Group Work on Student Learning in Entry-Level Physical Therapist Education: A Qualitative Study 2026, Journal of allied health DOI:10.21091/jah.2026.01002 PMID:41802948	研究论文	本研究通过定性内容分析方法，探讨了物理治疗专业学生对小组工作如何影响其学习的看法	采用半结构化焦点小组访谈，深入分析学生对小组工作教育价值的感知，揭示了设计、个人成长和知识范围三个主要主题	样本量较小（n=7），且为定性研究，结果可能无法推广到更广泛的物理治疗教育背景	探索小组工作对学生学习的影响，以优化物理治疗教育中的教学策略	物理治疗专业的学生	NA	NA	NA	NA	定性访谈数据	7名学生	NA	NA	NA	NA
1937	2026-03-11	ARTIFICIAL INTELLIGENCE IN CLINICAL DIAGNOSTICS FOR EARLY DETECTION OF CHRONIC DISEASES: A SYSTEMATIC REVIEW 2026-Jan, Georgian medical news PMID:41804133	系统综述	本文系统综述了人工智能在慢性疾病早期临床诊断中的应用，总结了相关证据	系统性地综合了2020年至2025年间关于AI在多种慢性疾病早期诊断中的最新研究，并特别关注了混合AI模型的应用	研究存在数据集异质性、回顾性研究设计、外部验证有限以及报告不一致等问题，限制了结果的普适性	评估人工智能在慢性疾病早期检测中的诊断准确性、风险预测和临床决策支持能力	涵盖代谢/心脏代谢疾病、肌肉骨骼疾病、肺部疾病、癌症/血液疾病、神经退行性疾病以及眼科/牙科疾病等多种慢性疾病	机器学习	慢性疾病	NA	混合AI模型, 机器学习, 深度学习	实验室数据, 临床数据, 影像数据	32项研究	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
1938	2026-03-11	Random Neural Networks for Rough Volatility 2026, Applied mathematics and optimization IF:1.6Q2 DOI:10.1007/s00245-026-10392-5 PMID:41804376	研究论文	本文构建了一种基于深度学习的数值算法，用于求解粗糙波动率背景下产生的路径依赖偏微分方程	将PDE解释为BSDE的解，并采用储层类型的神经网络构建优化问题，证明了理论收敛性	NA	解决粗糙波动率模型中的路径依赖偏微分方程数值求解问题	路径依赖偏微分方程	机器学习	NA	深度学习	储层神经网络	NA	NA	NA	储层神经网络	NA	NA
1939	2026-03-11	Renal Cell Type and State Estimation in Brightfield Histology Images: A Pilot Study on Diabetic Nephropathy 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047996 PMID:41799653	研究论文	本研究提出了一种基于深度学习的两阶段流程，用于从亮视野组织学图像预测细胞类型/状态，旨在提升糖尿病肾病的诊断和预后评估	结合图像到文本检索网络和视觉语言模型，利用CONCH模型从亮视野图像生成组织病理学文本提示，并通过回归头预测细胞类型/状态比例，相比仅使用图像输入的模型有显著性能提升	研究为试点性质，样本来源单一（印第安纳大学收集的糖尿病肾病样本），且仅针对四种组织结构类型进行分类，可能缺乏泛化性	开发机器学习流程，从亮视野组织学图像预测细胞类型/状态，以弥补多组学数据在临床中的昂贵和不可及性	糖尿病肾病患者的10X Visium空间转录组学福尔马林固定石蜡包埋全切片图像	数字病理学	糖尿病肾病	空间转录组学（10X Visium），亮视野显微镜	深度学习模型	图像，文本	未明确指定样本数量，但来自印第安纳大学收集的糖尿病肾病样本集	未明确指定，但提及CONCH、ViT、ResNet等模型架构	CONCH, ViT, ResNet	均方误差	NA
1940	2026-03-11	Deep Learning for Brain Tumor Classification 2017-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2254195 PMID:41799012	研究论文	本研究应用深度学习方法来分类脑部图像中的不同肿瘤类型：脑膜瘤、胶质瘤和垂体瘤	采用更通用的深度学习方法，无需图像扩张和肿瘤环状子区域处理，即可超越需要这些专门步骤的方法	研究仅使用轴向平面的图像，以避免不同平面图像对神经网络的混淆，这可能限制了模型对多平面信息的利用	应用深度学习方法对脑部肿瘤图像进行分类	脑部MRI图像中的脑膜瘤、胶质瘤和垂体瘤	计算机视觉	脑肿瘤	T1加权对比增强MRI	CNN, 全连接神经网络	图像	来自191名患者的989张轴向MRI图像	NA	NA	五折交叉验证准确率	NA