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	2026-10-17	Benchmarking deep learning-based reconstruction methods for photoacoustic computed tomography with clinically relevant synthetic datasets 2027-Jan, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.32.S1.S14903 PMID:42876942	研究论文	本文提出了一个用于光声计算断层成像（PACT）中深度学习声学反演方法的基准测试框架，提供了开源、解剖学合理的合成数据集和评估策略，并通过初步基准研究比较了基于深度学习和基于物理的重建方法	提出了首个面向PACT的标准化基准测试框架，包含超过10,000个具有临床相关病变的二维随机乳腺对象合成数据集，结合传统图像质量指标和基于任务的评估指标，揭示了传统指标在评估深度学习重建方法时的不足	数据集仅限于二维合成乳腺模型，可能无法完全反映真实临床三维成像的复杂性；初步基准研究仅比较了有限的方法	建立标准化的基准测试框架，为PACT中基于深度学习的声学反演方法提供公平比较和可重复评估的平台	光声计算断层成像（PACT）中基于深度学习的声学反演重建方法	医学图像重建	乳腺癌	光声计算断层成像	NA	图像	超过10,000个二维随机乳腺对象合成数据	NA	NA	传统图像质量指标、基于任务的评估指标	NA
2	2026-10-17	A novel multimodal model integrating CT-based deep learning and clinical information for predicting 1-year OS of first-line immunotherapy in ES-SCLC patients 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1901931 PMID:42876499	研究论文	该研究开发了一种整合基于CT的深度学习、临床信息和实验室标志物的多模态模型，用于预测广泛期小细胞肺癌患者一线免疫治疗的1年总生存期	开发了一种新型多模态MWGB-Cox模型，将纵隔窗CT深度学习模型与log(ProGRP + 1)和骨转移相结合，实现了最高的预测AUC（0.902）并克服了敏感性不足的局限性	样本量相对较小（训练队列99例，验证队列25例），仅进行了内部验证，缺乏外部验证	开发一个模型以准确预测广泛期小细胞肺癌患者一线免疫治疗的预后和治疗反应，优化治疗策略	接受一线免疫治疗的广泛期小细胞肺癌患者	数字病理学	肺癌	CT影像组学、深度学习	CNN	图像、文本	124例广泛期小细胞肺癌患者（训练队列99例，独立内部验证队列25例）	NA	MWDL、MWGB-Cox	AUC	NA
3	2026-10-17	A novel morphological assessment approach for abdominal aortic aneurysms: automated segmentation and measurement using a semi-supervised deep learning algorithm 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1956738 PMID:42876521	研究论文	本研究开发了一种基于半监督深度学习的新框架，用于腹主动脉瘤（AAA）的自动分割和测量，使用Swin-UNETR算法实现了高精度的分割和测量	提出了一种新颖的半监督深度学习框架，利用一致性正则化结合少量标记数据和大量未标记数据进行训练，并首次将Swin-UNETR应用于AAA的自动分割和测量	样本量相对较小，仅来自88名患者，且未提及外部验证队列，可能影响模型的泛化能力	开发一种自动、准确的AAA分割和测量方法，以辅助术前策略制定	88名腹主动脉瘤患者的CT血管造影扫描数据	医学图像分割	腹主动脉瘤	计算机断层扫描血管造影（CTA）	Swin-UNETR	图像	88例AAA患者的CTA扫描，其中16例标记，47例未标记	NA	Swin-UNETR	Dice相似系数（DSC）、95%豪斯多夫距离（HD95）、组内相关系数（ICC）、准确率、时间、鼠标移动距离、点击次数	NA
4	2026-10-17	Explainability-informed patient-disjoint evaluation of deep learning for plus disease in retinopathy of prematurity with an ophthalmologist reader study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1960317 PMID:42876591	研究论文	该研究采用患者不相交设计、婴儿内变异分析和眼科医生读者研究，评估深度学习在早产儿视网膜病变附加病变分类中的表现	采用患者不相交评估设计，结合婴儿内变异分析和眼科医生读者研究，揭示图像级性能的不确定性和同一婴儿图像间的变异性	因缺乏检查标识符，婴儿内分析仅为描述性，不能作为婴儿或检查级诊断性能；留出队列较小且存在聚类效应；需要外部前瞻性多中心验证	评估深度学习在早产儿视网膜病变附加病变分类中的性能，并探索患者不相交设计、婴儿内变异和眼科医生读者研究的影响	732张Phoenix ICON眼底图像，来自38名婴儿	数字病理学	早产儿视网膜病变	眼底图像分析	CNN	图像	732张眼底图像，来自38名婴儿；其中634张开发集，98张留出集来自8名未见婴儿；读者研究使用30张独特图像，10张重复呈现共40次	NA	DenseNet121	ROC-AUC，敏感度，特异度，观察者间一致性，观察者内重复性	NA
5	2026-10-17	Association between patent foramen ovale and anxiety: a prospective study with deep learning-assisted analysis of contrast echocardiography 2026, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2026.1877855 PMID:42876634	研究论文	该前瞻性研究探讨了卵圆孔未闭（PFO）与焦虑之间的关联，并利用深度学习模型分析对比超声心动图来预测焦虑风险	首次采用深度学习辅助的激动生理盐水对比超声心动图（ASCE）分析，前瞻性研究PFO与焦虑的关联，并开发了基于影像的深度学习模型预测焦虑评分	样本量有限（161名参与者），深度学习模型仅基于ASCE阳性视频，且需要外部验证才能应用于临床	前瞻性研究PFO（通过ASCE检测）与焦虑之间的关联，并探索深度学习模型预测焦虑的可行性	161名参与者，分为ASCE阴性组（58人）和ASCE阳性组（103人）	数字病理学, 机器学习	心血管疾病, 精神疾病	激动生理盐水对比超声心动图（ASCE）	CNN	图像, 临床数据	161名参与者（103个ASCE阳性视频用于深度学习模型）	NA	NA	平均绝对误差（MAE）, R²	NA
6	2026-10-17	Machine learning classification techniques for smart agriculture: a review of disease detection and crop recommendation 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1878006 PMID:42876632	综述	本文综述了基于IoT和机器学习的智能农业中作物病害检测与作物推荐的研究进展，通过系统检索2023年至2026年的30篇实证文章，分析了传统机器学习、深度学习及IoT系统在农业中的应用效果与挑战	对2023年至2026年间发表的30篇相关实证文章进行了系统综述，综合分析了传统机器学习（如随机森林、SVM、决策树）与深度学习（如CNN、ResNet、LSTM、GRU）在作物病害检测、作物推荐和产量预测中的性能，并量化了IoT精准农业在水资源节约（60-96%）、产量提升（25%）和除草剂减少（36-38%）方面的效益	广泛的应用仍受到实施成本高、农民缺乏技术技能、数据隐私问题、在不同农业环境中的可扩展性问题以及农村地区稳定互联网连接缺乏等因素的制约	评估IoT和机器学习在农业中的应用，特别是作物病害检测和作物推荐领域的最新进展，揭示这些技术对农业活动的巨大益处	2023年1月至2026年1月间发表的关于IoT和机器学习在农业中应用的实证研究文章，共30篇	机器学习, 精准农业	植物病害	IoT传感器, 机器学习, 深度学习	随机森林, 支持向量机, 决策树, 卷积神经网络, ResNet, 长短期记忆网络, 门控循环单元, 集成学习	传感器数据, 图像, 时间序列数据	30篇研究文章	NA	ResNet, CNN, LSTM, GRU	准确率	NA
7	2026-10-17	Robust multi-class DDoS and fraud detection using a Context-Adaptive Deep Evolutionary Game Framework with CNN-BiGRU 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1928178 PMID:42876640	研究论文	本文提出了一种结合CNN-BiGRU混合深度学习、神经进化重采样算法（NERA）和上下文自适应深度进化博弈框架（CADEGF）的入侵检测方法，用于多类DDoS和欺诈检测。	提出神经进化重采样算法（NERA）利用神经密度估计和进化优化生成平衡且去噪的训练样本以解决类别不平衡问题；设计上下文自适应深度进化博弈框架（CADEGF）通过模拟攻防交互并利用博弈论思想调整检测阈值以提升对抗鲁棒性。	少数类检测与对抗鲁棒性之间存在权衡，NERA在某些情境下可能有益也可能损害模型的对抗弹性。	解决现有深度学习入侵检测方法易受对抗攻击以及类别不平衡问题，实现多类DDoS和欺诈的鲁棒检测。	现代计算机网络中的多类DDoS攻击和欺诈流量数据。	机器学习	NA	深度学习、神经密度估计、进化优化、博弈论	CNN, BiGRU	网络流量数据	NA	NA	CNN, BiGRU	分类准确率	NA
8	2026-10-17	SkinNet-X: a task coupled feature interaction framework for joint skin lesion segmentation and classification 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1886221 PMID:42876752	研究论文	本文提出了SkinNet-X，一个任务耦合的特征交互框架，用于联合进行皮肤病变分割和分类	提出了一个统一的多任务框架，通过共享分层特征表示和跨任务一致性学习策略，联合优化分割和分类任务，并引入双阶段多标签特征优化模块和自适应PolyLoss优化策略	未明确提及	提高皮肤病变分割和分类的准确性和鲁棒性，实现自动化皮肤病变分析和计算机辅助皮肤科诊断	皮肤病变的皮肤镜图像	计算机视觉	皮肤癌	深度学习	CNN	图像	ISIC 2018、ISIC 2019和HAM10000基准数据集	NA	NA	分割和分类的准确性	NA
9	2026-10-17	A biopsy-validated study of combined DL-upscaled MRSI and (18F)-FACBC PET for presurgical glioma diagnosis 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1968798 PMID:42876807	研究论文	本研究评估了深度学习增强的MRSI与[18F]-FACBC PET联合用于术前胶质瘤诊断的准确性，并与活检结果进行验证	首次将深度学习超分辨率MRSI与氨基酸PET结合，用于胶质瘤的术前诊断和活检验证，提高了诊断准确性	样本量小（10例患者），需要更大规模的前瞻性研究验证	评估深度学习超分辨率MRSI能否提高胶质瘤诊断准确性，并作为PET的补充或替代	胶质瘤患者	数字病理学	胶质瘤	MRSI, PET	深度学习	医学影像	10例胶质瘤患者，32个活检样本	NA	NA	AUC, 95% CI	NA
10	2026-10-17	Lung cancer classification and severity estimation using vision transformer-IPCNN with enhanced U-Net segmentation 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1942753 PMID:42876915	研究论文	该文章提出了一种结合改进并行卷积神经网络与视觉Transformer的LCCSE-IPCNN-ViT模型，用于肺癌分类和严重程度估计，并采用改进的TransUNet进行分割	提出了LCCSE-IPCNN-ViT模型，将改进并行卷积神经网络（IPCNN）与视觉Transformer（ViT）相结合用于肺癌分类和严重程度估计；同时采用改进维纳滤波（IWF）进行预处理，并使用改进TransUNet（MTransUNet）进行分割	摘要中未明确说明该研究的局限性	解决现有肺癌诊断方法中假阳性率高、灵敏度低和耗时长等问题，实现肺癌的早期准确诊断	肺癌医学影像数据	计算机视觉	肺癌	改进维纳滤波（IWF）、MTransUNet分割	CNN、Transformer	图像	NA	NA	IPCNN, Vision Transformer (ViT), MTransUNet	准确率, 灵敏度, 特异度, 精确率, F-measure, ROC-AUC	NA
11	2026-10-17	Evolution of deep learning for structural magnetic resonance imaging analysis in Alzheimer's disease: from slice-level classification to brain structure modeling 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1958462 PMID:42876986	综述	本文是一篇结构化叙述性迷你综述，系统回顾了深度学习在阿尔茨海默病结构磁共振成像分析中的应用进展，涵盖从二维切片级分类到三维及混合体积架构、Transformer和基础模型，以及纵向、多模态和图扩展方法	系统梳理了sMRI在AD深度学习研究中从二维切片分类到脑结构建模的演进脉络，并对Transformer和基础模型在AD特异性研究中是否优于卷积或混合方法提出了审慎评估	本文为叙述性综述而非系统性综述，文献筛选具有目的性，可能引入选择偏倚；且未进行定量meta分析	综述深度学习在阿尔茨海默病结构磁共振成像分析中的演变，从切片级分类到脑结构建模，并探讨模型设计、评估方法和临床有效性的关键问题	阿尔茨海默病相关的结构磁共振成像研究文献	医学影像分析, 计算机视觉	阿尔茨海默病	结构磁共振成像 (sMRI)	CNN, Transformer, 基础模型, 图神经网络	图像	NA	NA	二维卷积神经网络, 三维卷积神经网络, 混合体积架构, Transformer, 基础模型	NA	NA
12	2026-10-17	Feature-aware attention convolutional neural network for efficient pulmonary fibrosis classification from chest CT images with FPGA deployment 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1964909 PMID:42876995	研究论文	提出一种轻量级特征感知注意力卷积神经网络（FAA-CNN），用于胸部CT图像中肺纤维化与正常图像的二分类，并在PYNQ-Z2 FPGA上部署实现	融合多级特征融合与特征级注意力门控以增强判别性特征表示，同时保持紧凑计算结构，并将训练模型通过MATLAB HDL Coder转换为可综合VHDL，在PYNQ-Z2 FPGA上实现硬件部署	仅在二分类任务上验证，样本量为5120张CT图像，未涉及多类别肺纤维化亚型分类或与其他硬件平台的对比	实现肺纤维化与正常胸部CT图像的自动分类，并探索在资源受限嵌入式硬件上的FPGA部署可行性	胸部CT图像（肺纤维化与正常）	计算机视觉	肺纤维化	CT成像	CNN	图像	5120张CT图像	MATLAB HDL Coder, Xilinx Vivado	FAA-CNN	准确率, 灵敏度, 特异性	PYNQ-Z2 FPGA（Zynq-7020器件），Xilinx Vivado，47 MHz时序收敛，5236个LUT，4931个触发器，106.5个BRAM块，10个DSP48E1切片，片上总功耗0.139 W（动态0.028 W，静态0.112 W）
13	2026-10-17	Soy-RepViT: a lightweight deep learning framework for fine-grained recognition of soybean growth habits 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1954156 PMID:42877003	研究论文	本研究开发了一种基于RepViT-M1的轻量级深度学习框架，用于从标准化植株图像中对大豆生长习性进行细粒度识别	以RepViT-M1为高效特征提取骨干，集成了多尺度高效通道注意力模块（MS-ECA）以增强判别性通道特征，设计了细粒度消歧适配器（FDA）利用类原型重新校准非有限型特征以减少无限型与半有限型之间的混淆，并采用分层分类头融入有限型与非有限型之间的农艺层级关系	数据集规模相对有限，仅包含944张原始大豆植株图像，通过离线增强扩展至4709张，可能影响模型的泛化能力	实现大豆生长习性的轻量级细粒度识别，解决无限型与半有限型之间区分困难的问题，并满足实际部署对轻量高效模型的需求	大豆植株图像中的生长习性类型（有限型、无限型和半有限型）	计算机视觉	NA	深度学习图像分类	CNN	图像	944张原始大豆植株图像，经离线增强扩展至4709张图像	NA	RepViT-M1	准确率, 参数量, GFLOPs, FPS	NA
14	2026-10-16	MRI In Vivo Detection of Amyloid-β Protein Deposition in Different Brain Regions of Patients with AD and MCI 2026-03-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01184-9 PMID:41779032	研究论文	本研究开发了一种基于人工智能的MRI方法，用于无创检测AD和MCI患者不同脑区的淀粉样蛋白β沉积	结合放射组学特征提取与多种机器学习算法，并改进原始Transformer架构构建轻量级深度学习模型，实现MRI无创定量检测Aβ蛋白沉积，避免脑脊液穿刺和电离辐射暴露	深度学习模型在测试集上表现不佳（MAE 0.41±0.17，PCC -0.01±0.17），远低于随机森林回归模型，且样本量相对有限，未进行外部验证	研究一种非侵入性磁共振成像方法，用于检测MCI和AD患者不同脑区的淀粉样蛋白β沉积	80名MCI患者和62名AD患者（共142名参与者）	数字病理学	阿尔茨海默病	18F-florbetapir PET成像、三维T1加权MRI、放射组学特征提取	机器学习和深度学习	图像	142名参与者（80名MCI患者和62名AD患者），按8:2比例随机分为训练集和测试集	NA	VB-Net、Transformer、随机森林回归、梯度提升回归、支持向量回归、极端梯度提升、K近邻、随机梯度回归	平均绝对误差、均方误差、R分数、皮尔逊相关系数	NA
15	2026-10-16	Dual Ontology-enhanced Clinical Decision Learning for First-admission Mortality Prediction 2026-Jan-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3621475 PMID:41564069	研究论文	提出双本体增强临床决策学习方法，用于首次入院患者的死亡率预测	通过诊断和操作分类体系提取层次化表示，结合先验引导注意力机制和概率正则化建模决策过程，并融合人口统计学数据、生命体征和知识增强的医疗编码	未明确说明模型在不同医疗系统和人群中的泛化能力，以及对缺失数据的鲁棒性	解决首次入院患者因缺乏历史就诊序列而难以进行死亡率预测的问题	首次入院的电子健康记录患者，特别是直接进入ICU的单次就诊患者	机器学习	NA	电子健康记录分析	深度学习	时间序列数据、图像（可视化）、文本（医疗编码）	MIMIC-III和MIMIC-IV数据库，其中MIMIC-IV中55.17%、MIMIC-III中83.80%为单次就诊记录	NA	双本体增强学习、先验引导注意力机制、信息融合模块	AUROC、AUPRC	NA
16	2026-10-16	High density EEG and deep learning outcome prediction on the first day of coma after cardiac arrest 2026-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121658 PMID:41412410	研究论文	本研究利用深度学习分析心脏骤停后昏迷患者第一天和第二天的高密度静息态EEG，预测昏迷结局，并评估其与临床预后的互补性	首次在心脏骤停后昏迷第一天应用高密度（62通道）EEG结合深度学习进行结局预测，并在外部19通道数据集上验证了其泛化能力	第二天预测性能较低，外部数据集样本量较小，且未与所有临床指标进行系统比较	评估深度学习分析静息态EEG对心脏骤停后昏迷结局的预测价值，并探讨其与临床预后指标的互补性	心脏骤停后昏迷患者	机器学习	心血管疾病	EEG	CNN	EEG信号	内部数据集：165例患者（第一天），100例患者（第二天），62通道EEG；外部数据集：60例患者，19通道EEG	NA	NA	敏感度，特异度	NA
17	2026-10-16	Lifespan trajectory of claustrum volume in humans - effect of age, hemisphere, and sex, and association with cognitive performance 2026-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121665 PMID:41421500	研究论文	本研究利用3474名1至80岁健康参与者的T1加权3T MRI扫描，采用深度学习自动分割屏状核，并通过规范建模描绘其体积在生命周期中的轨迹，同时分析年龄、半球和性别的影响及其与认知表现的关系	首次在大规模健康人群中系统描绘屏状核体积的生命周期轨迹，并揭示年龄、半球和性别对屏状核体积的显著影响及其与认知功能的关联	研究采用横截面设计，无法直接反映个体纵向变化；仅基于T1加权MRI，可能受分割精度限制；样本以健康人群为主，结论向病理人群推广需谨慎	探究屏状核体积的生命周期轨迹，包括年龄、半球和性别的影响，以及与认知表现的关联	3474名1至80岁健康参与者的屏状核	神经影像学	NA	T1加权3T MRI	深度学习分割模型, 规范模型	图像	3474名健康参与者的T1加权3T MRI扫描	NA	NA	NA	NA
18	2026-10-16	A combined model of convolutional neural networks and graph attention networks for improved classification of mild cognitive impairment 2026-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121674 PMID:41448509	研究论文	该文提出了一种结合卷积神经网络和改良图注意力网络的新模型，用于改善轻度认知障碍的分类	结合CNN和改良GAT模型，利用MRI体积数据和皮层厚度数据的互补优势，通过多层感知机整合特征向量进行分类	未来工作将聚焦于通过额外的数据优化来提升性能	提高轻度认知障碍的分类准确性，以促进早期诊断和治疗	轻度认知障碍患者	医学图像分析	轻度认知障碍	磁共振成像	CNN, GAT	图像	NA	NA	CNN, GAT, 多层感知机	AUC, F1-score, 敏感度, 特异度	NA
19	2026-10-16	Multiscale Pancancer Analysis Uncovers Intrinsic Imaging and Molecular Characteristics Prominent in Breast Cancer and Glioblastoma 2026-Jan, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03235-7 PMID:41094188	研究论文	该研究通过多参数MRI放射组学和深度学习模型，在乳腺癌和胶质母细胞瘤中提取癌症类型共有和特异性的影像特征，并分析其与预后的关联及生物学意义	首次跨癌种分析影像特征，识别出乳腺癌和胶质母细胞瘤共有的放射组学特征，并揭示其与生存预后和生物学通路的关联	回顾性研究设计，样本量有限，需进一步前瞻性验证	探索跨癌种共有的影像表型及其与预后的关系，并提供生物学见解	乳腺癌和胶质母细胞瘤患者	数字病理学, 医学影像分析	乳腺癌, 胶质母细胞瘤	多参数MRI放射组学, 深度学习	深度学习模型, 放射组学模型	医学影像, 基因组数据	总样本793例（I-SPY1乳腺癌队列145例，Duke-UPenn胶质母细胞瘤队列452例，外部验证队列196例）	NA	NA	AUC, p值	NA
20	2026-10-16	Deep learning-derived arterial input function for dynamic brain PET 2025-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121609 PMID:41314271	研究论文	本文提出了一种深度学习框架（DLIF），能够直接从动态PET图像序列中估计代谢校正的动脉输入函数（AIF），无需任何血液采样，并在患者数据上验证了其准确性和鲁棒性。	首次提出完全无创的深度学习-derived AIF估计方法，无需任何血液采样，通过结合深度学习捕捉复杂时间动态和基函数嵌入典型AIF形状的先验知识，实现了快速、准确且完全非侵入性的AIF测量替代方案。	摘要中未明确提及局限性，但可能包括：验证仅基于现有患者数据，样本量有限；模型泛化能力需进一步验证；对PET图像质量和扫描协议的依赖性未充分讨论。	开发一种无需动脉血采样的深度学习框架，直接从动态脑PET图像序列中估计代谢校正的动脉输入函数，以替代传统侵入性AIF测量方法。	动态脑PET图像序列及对应的患者数据（包括AIF金标准测量和参数图）	医学图像分析	阿尔茨海默病, 帕金森病	动态PET成像, 放射示踪剂动力学建模	深度学习	图像	现有动态PET患者数据（具体数量未提及）	NA	NA	AIF估计的准确性, 鲁棒性, 参数图与金标准的一致性	NA