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	2026-06-30	Electrochemically induced CoNiOOH Nanosheets enabling nitrite detection through a catalytic reduction mechanism and machine learning-based concentration prediction 2026-Aug-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149691 PMID:42184523	研究论文	通过电化学诱导的CoNiOOH纳米片实现对亚硝酸盐的检测，并结合机器学习进行浓度预测	首次将CoNiOOH/CC自支撑电极与Inception-Time-Moment深度学习模型结合，实现亚硝酸盐的高选择性检测和智能浓度预测	未明确说明实际水样验证及长期稳定性测试	开发高灵敏、高选择性且智能化的亚硝酸盐检测平台	亚硝酸盐检测	机器学习	NA	电化学氧化	Inception-Time-Moment深度学习模型	原始线性扫描伏安信号	NA	NA	Inception-Time-Moment	R²	NA
2	2026-06-30	Joint-Shrinkage Pattern Matching for Small-Sample and Imbalanced ERP Decoding in Brain-Computer Interfaces 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3632096 PMID:41223103	研究论文	提出一种联合收缩模式匹配算法，解决脑机接口中事件相关电位解码的小样本和类别不平衡问题	首次将收缩正则化与l2,p-范数结合构建联合收缩空间滤波器，并设计加权模板匹配模块以缓解类别不平衡引起的决策边界偏移	未提及实验计算资源消耗或算法在大规模数据集上的扩展性	提高脑机接口中小样本和类别不平衡条件下事件相关电位解码的鲁棒性和准确性	基于事件相关电位的脑机接口系统，特别是错误相关电位信号	机器学习	NA	EEG	联合收缩模式匹配算法	脑电图时间序列信号	一个自采集和两个公开错误相关电位数据集，包含40个不平衡训练样本	NA	联合收缩空间滤波器、加权模板匹配	平衡准确率	NA
3	2026-06-30	Data Augmentation via Digital Twins to Develop Personalized Deep Learning Glucose Prediction Algorithms for Type 1 Diabetes in Poor Data Context 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635264 PMID:41269845	研究论文	提出一种利用数字孪生生成个性化合成数据的数据增强策略，以开发用于1型糖尿病血糖预测的深度学习算法	利用数字孪生技术生成个性化合成数据，解决数据稀缺问题，提升深度学习模型在血糖预测中的性能	仅基于12名患者的数据集进行验证，样本量较小，合成数据的真实性需进一步验证	开发个性化血糖预测算法，改善1型糖尿病管理	1型糖尿病患者的血糖水平预测	机器学习	1型糖尿病	数字孪生模拟	深度学习模型	时间序列数据（血糖、胰岛素等）	12名患者的数据集	NA	NA	模型性能（具体指标未在摘要中说明）	NA
4	2026-06-30	Leveraging Rich Mechanical Features and Long-Range Physical Constraints for Lumbar Spine Stress Analysis 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635426 PMID:41269846	研究论文	提出一种融合丰富力学特征与长程物理约束的深度学习框架，用于腰椎应力分析	首次将3D生成对抗网络与双通道视觉Transformer结合，并引入物理引导机制确保模型符合力学原理	未提及数据依赖性问题和物理一致性挑战的具体解决方案	高效准确地进行腰椎生物力学分析，辅助脊柱疾病诊断和治疗	腰椎五节椎体	计算机视觉, 机器学习	脊柱疾病	NA	生成对抗网络, Transformer	图像	NA	NA	3D生成对抗网络, 双通道视觉Transformer	交并比, 均方误差	NA
5	2026-06-30	Leveraging Swin Transformer for Enhanced Diagnosis of Alzheimer's Disease Using Multi-Shell Diffusion MRI 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3636745 PMID:41284461	研究论文	利用Swin Transformer从多壳扩散MRI中提取微观结构信息，用于阿尔茨海默病的早期诊断和淀粉样蛋白积累检测	首次将Swin Transformer应用于多壳扩散MRI数据进行阿尔茨海默病诊断，并结合低秩适应（LoRA）微调策略，在小样本神经影像数据下实现高效迁移学习	研究仅基于多壳dMRI特征，未与其他成像模态（如结构MRI或PET）融合；淀粉样蛋白检测的准确率相对较低（67.9%~77.2%），可能受限于样本量或特征表示能力	利用多壳扩散MRI中的微观结构信息，通过视觉Transformer深度学习框架支持阿尔茨海默病的早期诊断和淀粉样蛋白积累检测	认知正常、轻度认知障碍、阿尔茨海默病痴呆患者及淀粉样蛋白状态的分类	计算机视觉, 数字病理学	阿尔茨海默病	多壳扩散MRI, DTI, NODDI	Swin Transformer	多壳扩散MRI图像	未明确说明样本量，涉及认知正常、轻度认知障碍和阿尔茨海默病痴呆受试者	PyTorch	Swin Transformer	平衡准确率	未明确说明
6	2026-06-30	EMI Cancellation for Shielding-Free Ultra-Low-Field MRI 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635911 PMID:41284462	研究论文	本文提出了一种基于深度学习的主动电磁干扰抑制方法，用于无屏蔽超低场磁共振成像	提出了EMIC-Net网络，结合U-Net架构与Transformer及混合注意力机制，实现了从感应线圈信号到射频接收线圈干扰的非线性映射学习	未明确说明局限性	开发一种深度学习主动电磁干扰抑制方法，以解决无屏蔽超低场MRI环境中的电磁干扰问题	68 mT超低场MRI系统下的人体脑部成像	计算机视觉, 机器学习	不适用	超低场磁共振成像（ULF MRI）	U-Net, Transformer, 混合注意力机制	图像	人体脑部成像数据，具体样本量未说明	未明确说明	EMIC-Net（基于U-Net架构，集成Transformer与混合注意力机制）	信噪比（SNR），峰值信噪比（PSNR），结构相似性（SSIM）	未明确说明
7	2026-06-30	Computerized Assessment of Motor Imitation for Distinguishing Autism in Video (CAMI-2DNet) 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3637089 PMID:41296941	研究论文	提出一种基于深度学习的视频运动模仿评估方法CAMI-2DNet，用于区分自闭症谱系障碍	无需专门的数据归一化、清理和人工标注，利用合成数据实现运动表征与身体形状和视角等干扰因素解耦	未明确说明局限性	开发一种可扩展且可解释的视频运动模仿评估方法，用于区分自闭症谱系障碍儿童和典型神经发育儿童	自闭症谱系障碍儿童和典型神经发育儿童的运动模仿行为	计算机视觉	自闭症谱系障碍	视频分析	编码器-解码器	视频数据、合成数据	NA	NA	编码器-解码器	与人类评分相关性、区分自闭症与典型发育儿童的性能	NA
8	2026-06-30	Assessing the Robustness of Deep Learning Based Brain Age Prediction Models Across Multiple EEG Datasets 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3639477 PMID:41329579	研究论文	系统评估深度学习模型在多个脑电图数据集上进行年龄预测的鲁棒性，揭示了数据集偏移对模型性能的影响	首次系统性地使用五个EEG数据集、两种实验设置和1805种超参数配置，全面评估深度学习模型在年龄预测任务中的跨数据集泛化能力，并发现1-45 Hz频率范围是最关键的超参数	性能在不同源/目标数据集对之间差异显著，部分数据集组合出现极低的R²值（如-70.98），表明深度学习模型对数据集偏移高度敏感	探究基于EEG数据的深度学习年龄预测模型在不同数据集间的泛化能力与鲁棒性	五个不同特征的EEG数据集中的年龄预测任务	机器学习	不适用	脑电图（EEG）	深度学习模型	脑电图信号	五个EEG数据集	NA	NA	皮尔逊相关系数r, R²	NA
9	2026-06-30	Deep Learning-Based Surrogate Model of Subject-Specific Finite-Element Analysis for Vertebrae 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642160 PMID:41364580	研究论文	提出基于深度学习的替代模型，高效预测椎体应力分布，替代耗时的有限元分析	整合椎体形状编码并采用表面和内部节点分离解码分支，实现高效且准确的应力预测	在前下缘和椎弓根区域存在局部预测偏差	开发快速、个体特异性的椎体生物力学评估方法	椎体（L1椎体）的应力分布	机器学习, 数字病理学	NA	CT扫描	深度学习/机器学习替代模型	图像	从42例真实CT扫描经数据增强生成3,960个合成L1椎体	NA	分离解码分支（表面/内部节点）	平均绝对误差, 决定系数	NA
10	2026-06-30	Future cardiovascular events prediction from invasive coronary angiography: A graph representation learning perspective 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104079 PMID:42061118	研究论文	提出基于图神经网络的框架，从有创冠状动脉造影中预测患者未来心血管事件	首次利用图神经网络从冠状动脉造影中学习几何感知的病变表示，并通过掩码注意力机制融合病变级嵌入实现患者级预测	患者级预测的AUC仅为0.70，且仅在两个小型临床队列中验证，泛化性和临床实用性需进一步评估	开发一种创新方法，利用冠状动脉造影的几何信息预测患者未来心血管事件，改善冠心病风险分层	患有冠状动脉疾病的患者及其冠状动脉病变	机器学习	冠状动脉疾病	有创冠状动脉造影	图神经网络	图像	两个临床队列：FAME2队列563名患者、1551处狭窄；FCL队列83名患者、382处狭窄	NA	图神经网络	AUC	NA
11	2026-06-30	STAGE challenge: Structural-Functional Transition in Glaucoma Assessment 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104128 PMID:42143993	研究论文	STAGE挑战赛利用结构性OCT图像预测青光眼的功能性视野指标，并评估了七支决赛队伍的方法	首次建立将结构性OCT图像与功能性视野结果联系起来的标准化基准，并发布了包含401个OCT体积数据集和标准化评估框架	本研究仅总结了七支决赛队伍的方法，未探索更多潜在模型架构；数据集规模相对有限（401个OCT体积）	探索从结构性OCT图像直接预测功能性视野指标，以简化青光眼诊断流程	青光眼患者的功能性视野指标（平均偏差、灵敏度图和模式偏差概率图）与结构性OCT图像	数字病理学	青光眼	OCT成像	双分支架构	图像，表格数据	401个OCT体积（每个含256个横截面图像）	NA	双分支架构，任务专用OCT模型	NA	NA
12	2026-06-30	Autodidactic dense anatomical models 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104117 PMID:42229212	研究论文	提出了一种自监督学习框架Adam-v2，通过学习医学图像中的部分-整体层次结构，实现了对解剖结构的深入理解	首次在自监督学习框架中明确编码医学图像固有的部分-整体层次结构，通过三大分支（局部性、可组合性、可分解性）实现解剖结构的多层次学习	文中未明确提及局限性	提升深度模型对医学图像中解剖层次结构的编码能力，实现零样本的解剖理解与泛化性能	医学图像中的解剖结构	计算机视觉, 数字病理学	未指定	自监督学习	Adam-v2	图像	未明确提及	NA	NA	少样本学习、全迁移学习、新颖性与异常检测性能	NA
13	2026-06-30	3D craniofacial generative model for surgical planning in mandibular reconstruction 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104136 PMID:42235113	研究论文	提出一种统一的颅面生成框架，将下颌骨缺损补全、腓骨截骨手术规划及术后面部预测整合至单一流水线中	首次将3D潜在扩散模型与补丁编码策略结合，利用无肿瘤受试者的大规模队列预训练鲁棒的解剖形状先验，并通过动态规划几何优化算法自动生成符合重建轮廓的手术方案，实现从缺损补全到术后疗效预测的端到端集成	未明确说明，但可能受限于训练数据的多样性及临床验证样本量较小	开发一种高效、美学感知的计算机辅助手术规划方法，用于口腔肿瘤切除术后的下颌骨重建	下颌骨缺损患者（模拟及临床数据集）的颅面结构及术后面部软组织形态	3D医学影像分析、计算机视觉	口腔肿瘤相关下颌骨缺损	3D位置编码、动态规划几何优化	3D潜在扩散模型（Latent Diffusion Model）	3D医学影像（CT扫描或重建后的颅面点云/网格）	模拟及临床数据集，具体数量未明示	PyTorch	3D潜在扩散模型（基于补丁编码的变体）	Dice系数、Chamfer距离（CD）、体积比、轮廓误差、最大投影	GPU（具体型号未提及）
14	2026-06-30	Simultaneous multi-slice Cardiac Diffusion Tensor Imaging with variable CAIPIRINHA shifts and artefact-aware AI 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104115 PMID:42155271	研究论文	提出ORCAS框架，结合可变CAIPIRINHA采集与伪影感知AI重建，实现心脏扩散张量成像的18倍加速	首次融合可变CAIPIRINHA方案与双域深度学习模型，协同抑制SMS伪影和低SNR问题，并通过患者特异性单频辅助数据保持解剖保真度	可能依赖特定成像参数与训练数据，未提及在活体心脏中的验证情况	缩短心脏扩散张量成像采集时间，推动其临床转化	离体心脏样本（含正常与异常病例）	机器学习和数字病理学	心血管疾病	扩散张量成像	双域深度学习模型	图像	离体心脏样本（正常与异常，具体数量未提及）	NA	双域深度学习模型	分数各向异性误差	NA
15	2026-06-30	Deep learning for early diagnosis of uveal melanoma: a systematic review and meta-analysis 2026-Jul, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04187-3 PMID:41615646	系统综述与荟萃分析	评估深度学习算法在葡萄膜黑色素瘤早期诊断中的准确性	首次系统评估深度学习在葡萄膜黑色素瘤鉴别诊断中的敏感性和特异性，提出通过眼底图像分析实现早期、非侵入性检测的可能性	纳入研究数量有限（仅5项），特异性异质性较高（I2=72.3%），且多模态成像临床应用受限	评估深度学习算法在葡萄膜黑色素瘤鉴别诊断中的准确性（灵敏度、特异性及F1分数）	葡萄膜黑色素瘤患者与健康个体或眼痣患者	机器学习	葡萄膜黑色素瘤	NA	深度学习算法	眼底图像	6388例患者（2981例葡萄膜黑色素瘤，2563例眼痣，844例健康）	NA	NA	敏感性, 特异性, F1分数	NA
16	2026-06-30	Disentangled generative uncertainty-aware multi-modal diffusion segmentation of medical images 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104122 PMID:42096954	研究论文	提出一种解耦生成式不确定性感知多模态扩散分割框架，用于稳健的多模态医学图像分割	首次将生成式人工智能的生成式概率特性直接集成到解耦、自适应和不确定性感知的融合机制中，利用去噪扩散概率模型内在学习数据概率分布，无需事后应用不确定性量化	NA	实现稳健的多模态医学图像分割，提供校准良好且临床可解释的不确定性图	多模态医学图像	数字病理学	NA	去噪扩散概率模型	扩散模型	图像	NA	NA	去噪扩散概率模型	准确性、不确定性量化校准	NA
17	2026-06-30	No modality left behind: Adapting to missing modalities via knowledge distillation for brain tumor segmentation 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104108 PMID:42107353	研究论文	提出了一种针对缺失模态场景的脑肿瘤分割框架AdaMM，通过知识蒸馏和三个协同模块提高分割准确性和鲁棒性	提出图引导的自适应细化模块、双瓶颈蒸馏模块和病变存在引导的可靠性模块，创新性地结合知识蒸馏处理缺失模态问题	未明确说明局限性，但可能依赖于特定数据集和模态组合的假设	解决多模态MRI中缺失模态导致的深度学习模型鲁棒性和泛化性不足问题	脑肿瘤MRI图像中的肿瘤区域分割	计算机视觉	脑肿瘤	多模态MRI	基于知识蒸馏的深度学习框架	图像	使用了Pretreat-MetsToBrain-Masks、BraTS 2018和BraTS 2024三个数据集	PyTorch	NA	分割准确率、鲁棒性	NA
18	2026-06-30	VQ-DoseNet: A vector quantized model for stochastic radiotherapy dose prediction 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104123 PMID:42134284	research paper	提出了一种基于向量量化的随机剂量预测模型VQ-DoseNet，用于放射治疗计划中的剂量分布生成	首次在剂量预测中引入向量量化机制，通过扰动输入特征显式建模剂量分布的概率特性，生成多种合理的剂量分布以反映临床变异性	未提及模型在真实临床工作流中的实际计算开销和部署可行性，且仅针对特定体部（可能指头颈部等）验证了泛化性	解决传统深度学习模型确定性输出无法捕捉剂量分布固有变异性的问题，提升放射治疗计划效率	放射治疗中的剂量分布预测	machine learning	放射治疗相关疾病（未指定具体癌症类型）	放射治疗剂量预测	向量量化模型（VQ-DoseNet）	剂量分布数据	in-house数据集（未指明具体数量）和OpenKBP公共数据集	NA	向量量化模型	平均绝对误差（MAE）、剂量评分、DVH评分	NA
19	2026-06-30	An interpretable PET/CT-based radiomic-clinical model for predicting bone marrow involvement in follicular lymphoma: comparison of pelvic and spine-pelvis VOI frameworks 2026-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07918-y PMID:42142271	research paper	通过PET/CT影像组学与临床特征融合，构建可解释模型预测滤泡性淋巴瘤骨髓浸润，并比较骨盆与脊柱-骨盆感兴趣区框架的性能差异	首次比较两种不同的骨髓感兴趣区框架（骨盆与脊柱-骨盆）对预测滤泡性淋巴瘤骨髓浸润模型性能的影响，并通过SHAP分析增强模型可解释性	回顾性单中心研究，样本量有限（187例），且脊柱-骨盆框架的模型性能优势需要进一步在多中心数据集验证	开发基于基线18F-FDG PET/CT的非侵入性模型预测滤泡性淋巴瘤骨髓浸润，并评估不同骨髓感兴趣区框架的效果	新诊断的滤泡性淋巴瘤患者（187例，其中93例存在骨髓浸润）	machine learning	滤泡性淋巴瘤	18F-FDG PET/CT（正电子发射断层扫描/计算机断层扫描）	机器学习模型（梯度提升机、逻辑回归、支持向量机等七种）	影像数据（PET/CT影像特征）、临床数据	187例患者（93例有骨髓浸润）	NA	GBM, LR, SVM, NN, RF, KNN, AdaBoost	AUC, 准确率, 精确率, 灵敏度, 特异度, F1分数	NA
20	2026-06-30	Artificial intelligence-based anatomical recognition improves surgeon decision-making during robotic gastrectomy 2026-Jul, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-026-01756-5 PMID:42154345	研究论文	开发基于人工智能的解剖识别模型，辅助机器人远端胃切除术中的术者决策	首次将AI解剖识别应用于机器人胃切除术中，并评估其对术者术中决策的临床效用	模型对左胃动脉和左胃静脉的识别IoU较低（0.216、0.232），需进一步优化	评估AI模型在机器人远端胃切除术中辅助术者进行解剖识别和决策的效用	机器人远端胃切除术中胰腺、肝总动脉、左胃动脉和左胃静脉的解剖结构识别	计算机视觉	胃癌	深度学习	深度学习模型	手术视频	67个手术视频（54个训练，13个测试），20名外科医生参与实验	NA	NA	交并比，5点量表评分，识别时间	NA