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
1	2026-07-08	Deep learning-based epileptic seizure detection from EEG signals and PPG signals using LSTM and CNN models 2026-May, The International journal of neuroscience DOI:10.1080/00207454.2026.2621855 PMID:41671683	研究论文	提出一种结合CNN和LSTM的混合深度学习框架，利用多模态脑电图（EEG）和光电容积脉搏波（PPG）信号自动检测癫痫发作	引入PPG信号提供互补的生理信息（如自主神经波动、心率变异性和外周血管反应），增强模型在EEG信号表现微弱或模糊时的判别能力，解决了纯EEG方法在实时监测中的局限性	NA	实现基于多模态生理信号的癫痫发作自动检测，为可穿戴设备和临床平台提供可靠高效的实时检测方案	癫痫患者的脑电图和光电容积脉搏波信号	机器学习	癫痫	多模态生理信号采集（EEG和PPG）	CNN, LSTM	信号（生理信号）	NA	NA	CNN-LSTM混合架构	准确率, 精确率, 召回率, F1分数, Cohen's Kappa, Matthews相关系数（MCC）, 关键成功指数（CSI）	NA
2	2026-07-08	Identification of roasting degree and interpretability analysis of Yunnan arabica coffee beans based on multi-dimensional visual features and CNNs-SHAP 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148367 PMID:41672011	研究论文	基于多维视觉特征和CNNs-SHAP方法实现云南阿拉比卡咖啡豆烘焙程度的精准识别与可解释性分析	通过加权融合CIE Lab*颜色直方图、灰度共生矩阵-局部二值模式复合纹理和形态参数提取多维特征，并首次将CNN与SHAP结合打破深度学习黑箱限制，提供咖啡烘焙标准化的精确可解释技术	仅针对云南阿拉比卡咖啡豆，可能不适用于其他品种或产地；样本量未明确说明	实现咖啡豆烘焙程度的精准识别和透明决策，支持烘焙标准化	云南阿拉比卡咖啡豆	计算机视觉	NA	NA	卷积神经网络	图像	未明确说明	NA	CNN	准确率	NA
3	2026-07-08	Intelligent storage year identification of Anhua dark tea via carbon quantum dots-based colorimetric sensor array and computer vision 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148329 PMID:41672020	研究论文	开发了一种结合碳量子点比色传感器阵列与深度学习的安化黑茶储存年份快速识别方法	首次将碳量子点比色传感器阵列与深度学习结合，用于安化黑茶储存年份的快速识别，并设计了用户友好的图形界面便于非专业人员操作	文章未明确提及局限性，但可能涉及碳量子点传感器阵列的稳定性及实际应用中光照条件的影响	开发一种低成本、高可达性的安化黑茶储存年份快速检测平台	安化黑茶的储存年份	计算机视觉	不适用	碳量子点比色传感器阵列	深度学习模型	图像	未明确提及	未明确提及	ResNet18, VGG16, DenseNet121, MobileNetV3-Small, EfficientNet B0	准确率	未明确提及
4	2026-07-08	Identification of high-risk genes and classification of acute myocardial infarction patients utilizing deep learning in a restricted cohort 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111549 PMID:41671720	研究论文	利用深度学习和基因选择方法对急性心肌梗死患者进行高风险基因识别和分类	将深度学习方法与差异表达分析等基因聚焦方法相结合，显著提升基因表达分类性能，并实现基因排名和生物标志物识别	研究基于两个公开基因表达数据集，样本量可能有限，且未提及外部验证或临床样本验证	通过深度学习和基因选择方法提高急性心肌梗死患者基因表达分类的准确性，并识别高风险基因	两个基因表达数据集（GSE36961 和 GSE57345）中的急性心肌梗死患者样本	机器学习	心血管疾病	基因表达分析	深度学习	基因表达数据	两个基因表达数据集（GSE36961, GSE57345），具体样本量未明确	NA	NA	准确率、配对t检验、Mann-Whitney U检验、Wilcoxon符号秩检验	NA
5	2026-07-08	AI for smart wastewater treatment plants: A review of physics-informed water quality modeling, optimization, and advanced control 2026-Mar-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128949 PMID:41671993	综述	总结人工智能在智能污水处理厂中用于出水水质预测、工艺优化和先进控制的研究进展	重点讨论了物理信息及混合建模方法将活性污泥模型和过程约束嵌入神经网络，并结合实时优化与控制框架	当前应用仍面临可解释性有限、跨厂迁移能力弱、以及对运行条件变化的鲁棒性不足等问题	通过AI实现污水处理厂低碳化和智能化，平衡出水水质、能源消耗和碳排放	污水处理厂的出水水质预测、工艺优化和先进控制方法	机器学习	NA	NA	机器学习、深度学习、物理信息神经网络	工艺数据（如水质指标）	NA	NA	神经网络、活性污泥模型	NA	NA
6	2026-07-08	Selective multimodal deep learning for reliable breast cancer subtype classification from histopathology and genomic data 2026-Feb-23, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae449b PMID:41671586	研究论文	提出一种选择性多模态深度学习框架，结合组织病理学和RNA-seq数据，用于可靠地分类乳腺癌亚型	引入不确定性感知的智能路由机制，仅在不确定样本上使用多模态推理，实现3.12倍计算加速并在TCGA-BRCA数据集上达到94.93%准确率	仅基于TCGA-BRCA单一数据集验证，需要更多外部数据集和前瞻性临床验证	提高乳腺癌亚型分类的准确性、可解释性和计算效率	TCGA-BRCA数据集中924例患者的组织病理学全切片图像和RNA-seq转录组数据	数字病理学, 自然语言处理（基因表达分析）	乳腺癌	RNA-seq, 组织病理学成像	CTransPath视觉Transformer, 注意力机制, 路由网络	图像（组织病理学WSI）, 文本（RNA-seq表达谱）	924例TCGA-BRCA患者（PAM50分子亚型）	PyTorch	CTransPath, 门控注意力, 交叉注意力, 拼接融合	准确率, 混淆矩阵, 计算速度（3.12倍加速）	NA
7	2026-07-08	Text-Based Depression Estimation Using Machine Learning With Standard Labels: Systematic Review and Meta-Analysis 2026-Feb-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82686 PMID:41671575	系统综述与meta分析	系统评价和Meta分析基于标准标签的文本抑郁估计机器学习模型的预测性能	首次聚焦使用标准抑郁标签（临床诊断或验证量表）的文本抑郁模型，排除弱标签研究，提高可靠性；发现嵌入特征、深度学习架构和临床诊断标签显著提升模型性能；报告质量与模型性能正相关	纳入研究数量有限（11项研究15个模型），未能全面探索所有异质性来源；部分亚组分析可能受小样本量影响	评估使用标准标签的文本抑郁模型的预测性能，并识别文本资源、文本表示、模型架构、标注来源和报告质量对性能异质性的影响	11项研究中的15个基于参与者生成文本的机器学习模型	自然语言处理	抑郁症	NLP	深度学习、浅层模型	文本	15个模型来自11项研究，原始文章扫描3067篇	NA	嵌入表示模型、深度学习架构、浅层模型	效应量r（含95%置信区间）	NA
8	2026-07-08	[Deep Learning-Based Automated Segmentation Algorithms of Brain and Vertebral Substructures for Radiotherapy in Pediatric Medulloblastoma] 2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250219 PMID:41672616	研究论文	评估nnU-Net和FuseNet在儿童髓母细胞瘤放射治疗中自动分割脑部和椎体亚结构中的应用可行性	首次将FuseNet应用于儿童髓母细胞瘤的放射治疗亚结构自动分割，并引入动态多模态特征融合以提升分割精度	研究样本量较小（共60例），且未探讨模型在不同影像设备或扫描参数下的泛化能力	验证深度学习自动分割算法在儿童髓母细胞瘤放射治疗中的临床应用价值	60例接受放射治疗的儿童髓母细胞瘤患者	数字病理学	儿童髓母细胞瘤	NA	CNN	图像	60例儿童患者（按5岁年龄分组：≤5岁和>5岁）	PyTorch	U-Net, nnU-Net, FuseNet	DSC, HD95, RAVD, 手动校正时间	NA
9	2026-07-07	Spatio-Temporal Attention with Spiking Neural Networks for Seizure Detection from Electroencephalogram Signals 2026-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500449 PMID:42169474	研究论文	提出一种结合注意力机制与脉冲神经网络的新型架构STASNN，用于从脑电图信号中高效检测癫痫发作	首次将空间-时间注意力机制与脉冲神经网络结合，利用二值脉冲编码实现事件驱动的高能效癫痫检测，在保持高精度的同时显著降低理论能耗	未提及	开发低能耗且高精度的自动化癫痫发作检测方法	脑电图信号中的癫痫发作事件	机器学习	癫痫	脑电图信号处理	脉冲神经网络	脑电图信号	CHB-MIT和Siena两个公开数据集	PyTorch	Spatial Attention with SNN, Temporal Attention with SNN	准确率	NA
10	2026-07-07	Isolating Eye-Movement Artifacts from EEG Signals 2026-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500437 PMID:42175605	研究论文	开发结合深度学习与生物物理建模的方法，利用眼动追踪信息分离EEG信号中的眼动伪迹	创新性地结合深度学习模型和真实头部模型模拟，利用眼动追踪信息区分神经性和非神经性眼动成分，并评估伪迹去除技术的敏感性和特异性	未明确说明局限性（可能依赖特定实验范式或数据集）	解决眼动伪迹去除中无意移除神经活动的问题，提供可靠框架用于分离EEG中的眼动相关成分	脑电图信号中的眼动伪迹及其神经相关性	机器学习	NA	EEG、眼动追踪、独立成分分析	深度学习模型	多模态开放访问数据集（EEG和眼动追踪数据）	NA	NA	深度学习模型（未指定具体架构）	敏感性、特异性	NA
11	2026-07-07	Spiking Neural Membrane Systems with Temporal Coding 2026-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500450 PMID:42175604	研究论文	提出一种基于时间编码的脉冲神经膜系统（TC-SNP），通过动态膜电位重置机制提升脉冲神经网络的时序编码能力，在图像分类任务中实现高精度与低延迟的平衡	首次在非线性脉冲神经膜系统框架中引入时间编码机制，设计动态膜电位重置方法替代传统固定重置方式，增强了神经元时序信息处理能力	未明确讨论模型在更大规模数据集或实时应用场景下的计算效率与资源消耗	构建具有时间编码能力的脉冲神经膜计算模型，提升图像分类任务的准确性与时效性	脉冲神经膜系统的动态重置机制与时间编码性能	计算机视觉	NA	时间编码、膜电位动态重置	脉冲神经网络（SNN）	图像	CIFAR-10、CIFAR-100、TinyImageNet三个基准数据集	NA	TC-SNP神经元模型	分类准确率	NA
12	2026-07-07	Automatic Seizure Detection using Hierarchical Spectral-Temporal Feature Learning with an Imbalance-Aware Transformer 2026-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500474 PMID:42318682	研究论文	提出一种基于分层频谱-时间特征学习和不平衡感知Transformer的癫痫发作自动检测方法	同时解决自动癫痫发作检测中特征表示全面性和类别分布不平衡两个基本挑战，通过多分支神经网络结构处理不同频谱和时间分辨率的EEG信号，并利用注意力机制和修正损失函数实现特征优化和类别不平衡处理	文中未明确提及局限性	开发一种新型深度学习架构用于脑电图信号的自动癫痫发作检测	头皮脑电图和颅内脑电图记录	机器学习	癫痫	脑电图	Transformer	脑电图信号	未明确说明样本数量	PyTorch	多分支神经网络、注意力机制	灵敏度、特异度、假阳性率	GPU
13	2026-07-07	Artificial intelligence for sexual, reproductive and maternal health in Latin America and the Caribbean: a scoping review 2026-Dec, Journal of obstetrics and gynaecology : the journal of the Institute of Obstetrics and Gynaecology IF:0.9Q4 DOI:10.1080/01443615.2026.2691044 PMID:42402197	综述	对拉丁美洲和加勒比地区人工智能在性生殖健康与孕产妇健康中的应用进行范围综述	首次系统梳理该地区AI在SRMH的应用现状，识别主题、目标人群与AI工具类型，并指出研究空白与未来需求	纳入文献多发表于2020-2023年，以探索性项目为主，实际应用与评估数据有限，且主题和人群覆盖不均	识别、映射和分析LAC地区AI在SRMH优先服务中的应用，突出研究空白与未来方向	LAC地区的SRMH服务（如产前、产后护理、生殖器官癌症等）及相关AI应用	机器学习	生殖健康与孕产妇健康	NA	机器学习、深度学习	文献数据	143篇符合纳入标准的文献	NA	NA	NA	NA
14	2026-07-07	Early detection of severe fetal growth restriction using multimodal deep learning based on ultrasound and prenatal biomarkers 2026-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2026.2688297 PMID:42403100	研究论文	开发并评估一种多模态深度学习模型，整合早孕和中孕超声图像与母体血清生物标志物，用于严重胎儿生长受限的早期预测	首次将早孕期超声图像、中孕期超声图像及母体血清生物标志物（PAPP-A、游离β-hCG）整合为多模态深度学习模型，并采用多级注意力与动态卷积模块，显著提升了严重FGR的早期预测性能	未明确说明局限性	早期预测严重胎儿生长受限，以实现更早的风险分层和临床干预	严重胎儿生长受限孕妇及其胎儿	计算机视觉, 机器学习	胎儿生长受限	超声成像, 血清标志物检测	卷积神经网络 (CNN)	图像, 数值	598例单胎妊娠（299例严重FGR，299例对照）	PyTorch（推断）	带有注意力及动态卷积模块的CNN	AUC, 准确率, F1分数, 马修斯相关系数 (MCC)	NA
15	2026-07-07	Identifying Venous Insufficiency in Head and Neck Reconstruction Flaps Using Machine Learning and Deep Learning Methods 2026-08, Head & neck DOI:10.1002/hed.70235 PMID:41839653	研究论文	利用机器学习和深度学习方法识别头颈部重建皮瓣中的静脉功能不全	结合SHAP和Grad-CAM可视化技术进行特征分析与验证，对比多种机器学习和深度学习模型在静脉功能不全识别中的性能，发现ResNet深度学习模型具有最优性能	NA	开发基于AI的辅助工具，用于头颈部重建术后皮瓣静脉功能不全的早期检测	头颈部癌症患者的术后皮瓣照片及临床数据	计算机视觉	头颈部肿瘤	NA	随机森林、ResNet、GoogleNet、DenseNet	图像、临床数据	576名患者的2575张皮瓣图像（2010张正常，565张静脉功能不全）	NA	随机森林、ResNet、GoogleNet、DenseNet	准确率、灵敏度、特异度、AUC	NA
16	2026-07-07	Bridging Datasets and Hyperparameters: GCN-Based Link Prediction for Recommendation 2026-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3675022 PMID:41843509	研究论文	提出一种基于图卷积网络的超参数推荐框架，将推荐问题建模为二分图上的链接预测	首次利用图卷积网络同时捕获数据集内、超参数内以及两者间的同质和异质交互关系	未提及具体局限性	提高超参数推荐的准确性，解决现有方法忽略数据集内和超参数内相似关系的问题	超参数配置和数据集	机器学习	适用性广，不限于特定疾病	NA	图卷积网络	元数据（数据集特征和超参数性能观测值）	105个真实分类数据集	PyTorch	GCN	多个评估指标（原文未具体列出）	NA
17	2026-07-07	An Automated Framework for Mandibular Reconstruction: Evaluation and Clinical Application 2026-08, Head & neck DOI:10.1002/hed.70215 PMID:41792566	研究论文	开发一种自动下颌骨重建框架并评估其临床应用效果	结合统计形状建模与3D深度学习，实现全自动下颌骨重建规划，显著提高效率和准确性	未来需整合更复杂的生物力学因素	开发自动下颌骨重建框架以解决现有方法自动化不足和客观性差的问题	下颌骨重建规划	计算机视觉	下颌骨缺损	CT扫描	3D深度学习模型	图像	200例CT扫描用于训练，80例临床病例用于验证，5例用于设计实验	NA	统计形状模型	Dice相似系数, 骨接触面积, 规划时间, 植入物偏差, 患者满意度	NA
18	2026-07-07	MAN++: Scaling Momentum Auxiliary Network for Supervised Local Learning in Vision Tasks 2026-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3679406 PMID:41915507	研究论文	提出MAN++框架，通过轻量级参数空间转移改善监督局部学习，在视觉任务中实现与端到端训练相当的精度，同时显著降低GPU内存使用	通过相邻块间的指数移动平均参数传递和可学习缩放偏置解决特征统计偏移，首次在监督局部学习中实现与端到端训练相当的精度	未明确提及局限性，但可能包括对复杂网络架构的适应性及超参数调优需求	开发可扩展的监督局部学习框架，缩小与端到端训练的精度差距	图像分类、目标检测和语义分割任务中的深度学习模型	计算机视觉	NA	NA	CNN	图像	NA	NA	ResNet, VGG, 及其他主流架构	准确率, GPU内存使用量	NA
19	2026-07-07	Dictionary Multi-Modal Temporal Graph Learning 2026-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3679419 PMID:41915508	研究论文	提出一种字典多模态时序图学习方法，通过引入字典图网络实现多模态融合，解决时序图学习中缺乏多模态架构和数据集的问题	首次在时序图学习中引入字典图网络增强计算效率，并通过嵌入调优实现多模态融合；同时构建了多个多模态时序图数据集	未明确说明局限性	解决时序图学习中多模态信息缺失的问题，提升模型在复杂动态场景下的性能	多模态时序图数据	机器学习	NA	时序图学习	字典图网络	时序图数据	多个多模态时序图数据集	NA	字典图网络	性能提升比例	NA
20	2026-07-07	Textureless Surface Feature Point Detection via Micro-Geometry Reconstruction 2026-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3681931 PMID:41945838	研究论文	提出一种通过微几何重建从单张RGB图像中检测无纹理表面特征点的方法	利用光-表面相互作用分析反射光的相位调制，通过Gabor核频谱分析重建微几何结构，并基于此提出凸凹指数（CCI）几何描述符实现稳定特征检测，无需专用设备或复杂深度学习模型	未明确讨论对极端光照变化或高噪声环境的适应性，且微几何重建可能受限于表面材质多样性	解决无纹理表面因缺乏颜色和亮度梯度导致的特征点检测难题	无纹理表面的微几何结构及特征点检测	计算机视觉	NA	Gabor核频谱分析	NA	图像	TUM、T-LESS、Shape2.5D数据集及自采集图像	NA	NA	特征点稳定分布性、重复率	NA