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	2026-04-21	Multi-timescale representation with adaptive routing for deep tabular learning under temporal shift 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108670 PMID:41638097	研究论文	本文提出了一种名为TARS的即插即用方法，用于在时间偏移下实现稳健的表格学习，通过多时间尺度表示和自适应路由机制提升深度模型的性能	首次将时间偏移视为多尺度异质动态过程，并设计了显式时间编码器、隐式漂移编码器、漂移感知路由机制和特征-时间融合层四个互补模块，以自适应地加权相关时间尺度	未明确讨论计算开销或模型在极端时间偏移场景下的泛化能力，实验仅限于TabReD基准中的八个数据集	提升深度表格学习模型在时间偏移下的稳健性和长期性能	随时间演变的表格数据集	机器学习	NA	NA	MLP, DCNv2	表格数据	NA	NA	NA	平均相对改进	NA
2	2026-04-21	A two-level neurodynamic approach for heterogeneous networked game under event-triggered quantized mechanism 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108671 PMID:41666488	研究论文	本文提出了一种基于事件触发量化机制的两级神经动力学方法，用于解决异构网络化博弈问题	在通信信道中引入基于梯度的触发器和对数量化器以降低通信负担，采用基于无源性的策略补偿信息不完全问题，并引入分段时变函数保证规定时间收敛	未明确说明实际应用场景中的具体约束条件和量化误差对性能的详细影响	研究在通信受限和异构动态条件下网络化博弈的纳什均衡跟踪问题	具有异构动态的博弈参与者（如自主移动机器人）	机器学习	NA	事件触发机制、量化通信、Lyapunov稳定性分析	神经动力学模型	动态系统状态数据	NA	NA	两级神经动力学架构	收敛时间、通信频率	NA
3	2026-04-21	AW-EL-PINNs: A multi-task learning physics-informed neural network for Euler-Lagrange systems in optimal control problems 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108694 PMID:41687236	研究论文	本文提出了一种结合自适应加权欧拉-拉格朗日定理的物理信息神经网络（AW-EL-PINNs），用于解决最优控制问题中的欧拉-拉格朗日系统	通过创新性地将欧拉-拉格朗日定理与深度学习架构结合，建立了多任务学习范式，并引入自适应损失加权机制动态平衡训练中的损失函数组件	NA	解决最优控制问题中的欧拉-拉格朗日系统	欧拉-拉格朗日系统在最优控制问题中的应用	机器学习	NA	NA	物理信息神经网络（PINNs）	数值模拟数据	基于五个数值示例	NA	物理信息神经网络（PINNs）	解决方案准确性、稳定性	NA
4	2026-04-21	MS-STFNN: A multi-scale spatio-temporal fusion neural network for fMRI-based depression diagnosis 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108685 PMID:41689977	研究论文	本研究提出了一种用于fMRI抑郁症诊断的多尺度时空融合神经网络，通过融合多粒度空间特征和多分辨率时间表征，实现了对不同抑郁症亚型的有效分类	提出了一种新颖的多尺度时空融合神经网络，首次同时整合了从局部到全局的多粒度空间特征、动态功能连接和原始fMRI序列的多分辨率时间表征，并通过多尺度特征融合实现分类	未明确说明模型在更大规模或更多样化数据集上的泛化能力，以及计算复杂度可能较高	开发一种基于fMRI的客观神经影像诊断方法，用于抑郁症的亚型分类	重度抑郁症患者的功能磁共振成像数据	数字病理学	抑郁症	功能磁共振成像	神经网络	功能磁共振成像序列	NA	NA	多尺度时空融合神经网络	分类准确率	NA
5	2026-04-21	L2G-Net: Local-to-global feature enhancement via cluster tokens for 3D place recognition 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108700 PMID:41691827	研究论文	提出了一种名为L2G-Net的新型网络，通过聚类令牌实现从局部到全局的特征增强，用于3D点云地点识别	设计了三个新模块：点特征增强模块补偿体素特征丢失的细粒度信息；聚类令牌Mamba模块通过状态空间模型高效捕获点云上下文信息；聚类令牌交叉注意力模块通过聚类令牌将局部特征一致性信息传递至全局描述符	NA	提升GPS拒止环境下基于3D点云的地点识别性能，以支持长期SLAM和自主定位	3D点云数据	计算机视觉	NA	深度学习	神经网络	3D点云	多个公开3D点云地点识别数据集	NA	L2G-Net（包含PFE、CTM、CTCA模块）	地点识别性能	NA
6	2026-04-21	Transforming tabular data into images for deep learning models 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108715 PMID:41691829	研究论文	本研究提出了一种将数值表格数据转换为灰度图像表示的新方法，以利用卷积神经网络等深度学习架构处理传统数值数据集	提出了一种创新的表格数据图像化转换方法，使缺乏空间结构的数值数据能够适用于基于图像处理的深度学习模型	未明确讨论转换方法对高维稀疏表格数据的适用性，且实验数据集规模相对有限	探索将数值表格数据有效整合到深度学习工作流中的方法	公开可用的数值表格数据集（RMSCD、Optdigits、TUNADROMD、Spambase）	机器学习	NA	数据转换技术	CNN, DAG-Net	表格数据、图像数据	四个公开数据集	NA	ResNet-18, DAG-Net	准确率	NA
7	2026-04-21	InfoCAM: An information-weighted class activation mapping for explaining visual neural networks 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108757 PMID:41747326	研究论文	本文提出了一种名为InfoCAM的信息加权类激活映射方法，用于解释视觉神经网络的决策过程	提出了一种新的信息加权类激活映射框架，通过构建双流信息瓶颈模块，将中间特征激活显式分解为判别性特征流和任务无关噪声流，从而生成可靠的视觉解释	NA	增强视觉神经网络决策过程的透明度，提供可靠的视觉解释	视觉神经网络	计算机视觉	NA	NA	CNN	图像	NA	NA	NA	平均下降, 平均增加	NA
8	2026-04-21	Enhancing progressive ensemble learning via normalized extra-Gradient initialization 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108733 PMID:41747330	研究论文	本文提出了一种名为归一化额外梯度初始化的新方法，用于提升渐进集成学习的效率和稳定性	将渐进集成学习形式化为函数优化问题，并基于此理论框架提出归一化额外梯度初始化方法，提供了收敛保证和稳定性边缘分析的理论见解	未明确说明方法在超大规模模型或不同领域数据集上的泛化能力	提升渐进集成学习的训练效率和稳定性	深度学习模型，特别是渐进集成学习中的模型集合	机器学习	NA	渐进训练，集成学习	集成模型，Vision Transformer	合成数据，图像数据	使用ImageNet-200和ImageNet-1K数据集	NA	Vision Transformer	NA	NA
9	2026-04-21	MCDNet: Morphological-conditional dual-view fusion for 3D tubular structure segmentation 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108614 PMID:41616702	研究论文	提出了一种用于医学图像中3D管状结构分割的形态条件双视图融合网络MCDNet	提出目标自适应的形态条件卷积（MCConv）来整合上下文和形态信息，并设计了包含形态特征提取、上下文特征学习和残差自注意力融合三个顺序模块的网络架构，以增强模型对不同管状几何结构的泛化能力	未明确说明模型在计算效率或实时性方面的表现，也未讨论在更广泛或更具挑战性的临床数据集上的泛化能力	提高医学图像中3D管状结构分割的准确性和泛化能力	医学图像中的3D管状结构（如结肠直肠道、血管系统、动脉等）	数字病理学	NA	深度学习	CNN, 注意力机制	3D医学图像	四个基准数据集	PyTorch	MCDNet（形态条件双视图网络）	Dice系数, Hausdorff距离	NA
10	2026-04-21	Edge-updating graph neural networks for modeling feature interactions in tabular data 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108724 PMID:41722299	研究论文	本文提出了一种基于图同构网络的消息传递图神经网络，用于在表格数据中建模特征交互	提出了一种基于GIN的GNN架构，通过神经网络学习边属性，并利用节点和边的残差连接来缓解GNN中常见的过平滑问题	NA	开发一种图神经网络模型，以有效建模表格数据中的特征交互并提升分类性能	表格数据	机器学习	NA	NA	图神经网络	表格数据	12个公开可用数据集	NA	图同构网络	NA	NA
11	2026-04-21	Artificial intelligence in knee osteoarthritis imaging and total knee arthroplasty: advances, challenges, and segmentation methods - A review 2026-Jun, The Knee DOI:10.1016/j.knee.2026.104327 PMID:41564627	综述	本文综述了膝关节骨关节炎影像学及全膝关节置换术中的人工智能应用，重点探讨了自动分割和分析方法	系统比较了经典分割方法与基于AI（特别是深度学习）的方法在TKA规划与评估中的能力、局限性和临床相关性	基于AI的方法依赖于大规模标注数据集，且成像协议的变异性仍是重大挑战	综述膝关节成像的自动分割和分析方法，评估其在全膝关节置换术规划与评估中的应用	膝关节骨关节炎的影像数据（如X光、CT、MRI、超声）及相关的分割技术	数字病理学	骨关节炎	影像学技术（X光、CT、MRI、超声）	深度学习模型	图像	NA	NA	NA	NA	NA
12	2026-04-21	Examining the development, effectiveness, and limitations of computer-aided diagnosis systems for retained surgical items detection: a systematic review 2026-May, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2025.2487558 PMID:40208001	系统综述	本文系统综述了用于检测手术遗留物的计算机辅助诊断系统的开发、有效性和局限性	首次系统性地总结和评估了用于手术遗留物检测的CAD系统的特征、发展、有效性及局限性，并提出了改进机会	大多数研究使用合成的RSI放射影像开发CAD系统，存在泛化性问题；基于深度学习的CAD系统未结合可解释人工智能技术以确保决策透明度	总结用于检测手术遗留物的计算机辅助诊断系统的特征，评估其开发、有效性和局限性，并提出改进机会	用于检测手术遗留物的计算机辅助诊断系统	计算机视觉	NA	放射影像	深度学习	图像	11项符合条件的研究	NA	NA	灵敏度, 特异度	NA
13	2026-04-21	Artificial intelligence to automatically identify reverse shoulder arthroplasty implant brands on postoperative radiographs including uncertainty quantification 2026-May, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.10.011 PMID:41177294	研究论文	本研究开发了一种基于深度学习的计算机视觉算法，用于自动识别反向肩关节置换术后X光片中的植入物品牌，并量化不确定性	首次将深度学习与保形预测结合，用于反向肩关节置换植入物品牌的自动识别，并提供了不确定性量化	研究仅针对8种常见植入物品牌，可能未涵盖所有市场型号，且依赖特定数据集的标注质量	开发一种能准确高效识别反向肩关节置换植入物品牌的AI算法，以辅助临床决策	反向肩关节置换术后患者的肩部X光片	计算机视觉	骨科疾病	深度学习图像分类	CNN	X光图像	5,256张肩部X光片（对应1,368例肩关节）	NA	EfficientNet	准确率, F1分数, 效率, 覆盖率	NA
14	2026-04-21	Clinically oriented deep learning framework for automated vessel wall segmentation in black-blood MRI: a multi-center study 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12161-4 PMID:41273425	研究论文	本研究开发并验证了一个用于黑血磁共振血管壁成像中颅内和颈动脉血管壁自动分割的临床适用深度学习框架	提出了一个包含三个关键创新的深度学习分割框架：极坐标映射、特征共享填充策略和极坐标Dice损失函数	研究为回顾性多中心设计，样本量相对有限（193名患者）	开发一个临床适用的深度学习框架，用于黑血磁共振血管壁成像中的血管壁自动分割	颅内和颈动脉血管壁	数字病理学	心血管疾病	黑血磁共振血管壁成像	深度学习分割框架	磁共振图像	来自五家医院的193名患者（平均年龄60.2±4.3岁），以及MICCAI 2021血管壁分割挑战赛的公开数据集	未明确指定	未明确指定具体架构，但比较了四个基准网络	Dice相似系数, Hausdorff距离, 面积差异	NA
15	2026-04-21	A deep learning model to reduce agent dose for contrast-enhanced MRI of the cerebellopontine angle cistern 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12187-8 PMID:41329327	研究论文	本研究评估了一种深度学习模型，用于减少桥小脑角池对比增强T1加权MRI的造影剂剂量	首次在桥小脑角池MRI中广泛评估深度学习模型以减少造影剂剂量，并证明在10-30%标准剂量下即可实现病变检测和诊断表征	研究为回顾性多中心设计，样本量相对有限（203个MRI研究，72名患者），且仅针对前庭神经鞘瘤患者	评估深度学习模型在减少桥小脑角池对比增强MRI造影剂剂量方面的效果	前庭神经鞘瘤患者的MRI图像	数字病理学	前庭神经鞘瘤	对比增强T1加权MRI	深度学习模型	MRI图像	203个MRI研究，来自72名前庭神经鞘瘤患者（平均年龄58.51±14.73岁，39名男性）	NA	NA	结构相似性指数测量，峰值信噪比，Dice系数，95% Hausdorff距离，平均表面距离	NA
16	2026-04-21	Establishment of CT diagnostic reference levels (DRLs) in Tokyo 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12194-9 PMID:41359161	研究论文	本研究旨在调查东京地区医疗机构的特征和CT扫描仪性能如何影响诊断参考水平，以优化CT检查中的辐射剂量	首次在东京地区基于大规模调查（100家医疗机构、176台CT扫描仪）建立诊断参考水平，并系统评估了包括放射科医师、认证CT技师、医院规模、扫描仪规格和图像重建方法在内的多种影响因素	双能CT的数据有限，仅针对对比增强肺动脉扫描建立了诊断参考水平；研究范围局限于东京地区，可能无法完全代表其他地区的实际情况	优化CT检查中的辐射剂量，通过建立诊断参考水平并识别影响因素来提升患者安全	东京地区的医疗机构、CT扫描仪及接受常见CT检查方案的成年患者（体重50-70公斤）	医学影像学	NA	CT扫描、剂量调查、统计分析	NA	剂量数据（CTDIvol、DLP）、设施特征数据	100家医疗机构、176台CT扫描仪	NA	NA	75百分位数（用于定义诊断参考水平）	NA
17	2026-04-21	Deep learning-based assessment of paraspinal muscle degeneration and its relationships to muscle function and disability outcomes in chronic low back pain: a prospective study 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12171-2 PMID:41405693	研究论文	本研究利用深度学习模型评估慢性腰痛患者椎旁肌脂肪分数，并探讨其与肌肉功能和功能障碍结局的关系	开发了一种基于深度学习和Otsu阈值分割的模型，用于从3D T2加权图像中量化肌肉脂肪分数和功能肌肉体积，并与Dixon MRI金标准进行对比验证	样本量相对有限（共182名参与者），且为单中心前瞻性研究，可能影响结果的普适性	评估深度学习模型在量化椎旁肌脂肪分数方面的准确性，并探索肌肉功能在肌肉退变与功能障碍结局关系中的间接作用	慢性腰痛患者（96名）和健康参与者（86名）	数字病理学	慢性腰痛	3T MRI, Dixon MRI, 3D T2加权成像	深度学习模型	医学图像	182名参与者（96名慢性腰痛患者，86名健康对照）	NA	深度学习结合Otsu阈值分割模型	Lin's一致性相关系数, Bland-Altman分析, Passing-Bablok分析	NA
18	2026-04-21	Conjugate gradient and deep learning reconstructions: reduced time without affecting image quality and nodule detection 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12153-4 PMID:41444395	研究论文	本研究评估了共轭梯度重建和深度学习重建在肺部超短回波时间MRI中减少扫描时间的同时保持图像质量和结节检测能力的效用	结合共轭梯度重建和深度学习重建，在减少扫描时间的同时保持图像质量和结节检测能力，为肺部MRI提供了一种高效的重建方法	研究样本量较小（35名患者），且仅针对肺部结节进行评估，可能限制了结果的普适性	评估共轭梯度重建和深度学习重建在肺部超短回波时间MRI中减少扫描时间的效果	NEMA体模和35名肺部结节患者	医学影像	肺癌	超短回波时间MRI	深度学习重建	MRI图像	35名患者和NEMA体模	NA	NA	信噪比, 图像质量评分, 曲线下面积	NA
19	2026-04-21	Computed Tomography-Pathology Deep Learning Model for the Precise Prediction of Recurrence in Pathological Stage IA Lung Adenocarcinoma 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18946-7 PMID:41449240	研究论文	本研究开发了一种结合CT影像和病理分级的深度学习模型，用于精确预测IA期肺腺癌术后的复发风险	提出了一种新型的ResNet 3D-Pathology Fusion模型，首次将三维ResNet骨干网络与影像-病理融合模块结合，用于肺腺癌复发预测	研究为单中心回顾性分析，样本量相对有限，且仅针对IA期肺腺癌患者	开发精确的深度学习模型以改善IA期肺腺癌术后复发风险的预测和分层	IA期肺腺癌患者	数字病理学	肺癌	计算机断层扫描, 国际肺癌研究协会分级	CNN	图像	551名患者（训练集368人，验证集183人）	NA	ResNet	AUC, 风险比, 5年无复发生存率	NA
20	2026-04-21	Test-Time Adaptation for Detecting Image Inpainting Forgeries 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3647640 PMID:41468337	研究论文	提出一种用于检测图像修复伪造的测试时自适应检测框架，以应对深度学习图像修复技术带来的真实性挑战	提出基于图像梯度的模型不确定性度量指标来协调自适应过程，并结合样本特定的批量归一化统计量增强预训练模型推理能力；引入跨注意力模块作为侧调谐模块，使模型能动态适应可靠测试样本而不改变主干网络	NA	提升图像修复伪造检测模型在动态环境中的适应性和检测性能	深度学习生成的图像修复伪造样本	计算机视觉	NA	图像修复伪造检测	深度学习模型	图像	包含多种修复方法合成的图像数据集	NA	跨注意力模块	检测性能	NA