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
461	2026-06-06	Predicting VNN resistance in European sea bass using machine learning on high dimensional low sample size data 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1718386 PMID:42245288	研究论文	利用机器学习从高维小样本数据中预测欧洲海鲈鱼对VNN的抗性	在高维小样本的遗传数据背景下，系统比较了多种机器学习方法，包括基于混沌游戏表示的图像分类变体，并采用最大化基因距离的划分策略来模拟育种中的泛化挑战	实验表明该关联任务具有难度，结果局限于特定测试场景，且所有动物属于同一群体，可能影响对更广泛种群的推广性	探索机器学习方法在非模式物种的遗传预测中的应用，以克服高维小样本数据的挑战	欧洲海鲈鱼群体及其对病毒性神经坏死症的抗性	机器学习	病毒性神经坏死症	SNP分析	支持向量机、梯度提升、深度学习、基于混沌游戏表示的图像分类	遗传数据（SNP）	NA	NA	NA	NA	NA
462	2026-06-06	A transformer based deep learning framework for accurate single nucleotide variant correction in heterogeneous samples 2026, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2026.1838029 PMID:42245499	研究论文	提出一种基于Transformer的深度学习框架，用于在异质性宿主-微生物混合物中准确校正单核苷酸变异	首次采用Transformer架构与组编码机制，整合多元特征（VAF分布、纯度估计、测序深度、局部基因组上下文），以有效消除低纯度样本中由纯度引起的系统性偏差	仅基于模拟测序数据评估，尚未在真实生物学样本中验证；纯度梯度范围（0.2-1.0）可能不足以覆盖极端低纯度场景	开发计算框架以提高异质性宿主-微生物混合物中宿主单核苷酸变异的量化准确性	宿主-微生物混合物中的宿主单核苷酸变异	机器学习	不适用	测序（模拟数据）	Transformer	序列数据	模拟数据；纯度梯度0.2-1.0	PyTorch	Transformer	量化误差、SNV计数一致性	不适用
463	2026-06-06	Ultrasound deep learning features for predicting cervical lymph node metastasis in papillary thyroid carcinoma 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1721234 PMID:42245688	研究论文	开发并验证一种基于超声深度学习特征的临床深度学习影像组学模型，用于预测甲状腺乳头状癌患者的颈部淋巴结转移状态	结合深度学习特征与临床参数构建Cli-DLR模型，在验证队列中AUC达到0.80，表现优于经验丰富的放射科医生	回顾性单中心研究，样本量有限（205例），缺乏前瞻性多中心验证	建立一种无创方法，在术前准确评估甲状腺乳头状癌患者的颈部淋巴结转移情况，以优化临床管理并避免过度治疗	甲状腺乳头状癌患者的术前甲状腺超声图像和临床参数	计算机视觉	甲状腺乳头状癌	超声	深度学习模型	图像	205例甲状腺乳头状癌患者（训练集143例，验证集62例）	NA	NA	AUC	NA
464	2026-06-06	DeepRespNet: a hybrid attention-recurrent framework for non-contact respiratory rate estimation 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1792689 PMID:42245836	研究论文	提出一种名为DeepRespNet的混合深度学习框架，用于非接触式呼吸频率估计，并兼顾不同肤色个体的估计准确性	提出RespFormer特征编码器，融合时空卷积与多头自注意力机制，结合BiLSTM网络建模时间连贯性，并联合分析rPPG和运动信号实现多通道呼吸表征	需要在更大人群中进一步验证	开发一种鲁棒的深度学习框架，确保跨不同肤色的可靠呼吸频率估计	RGB视频中提取的rPPG和运动信号	计算机视觉	无特定疾病	光学流量分析、rPPG信号提取	BiLSTM、多头自注意力机制	RGB视频序列	多受试者数据集，含同步参考呼吸信号	PyTorch	RespFormer、BiLSTM	平均绝对误差、Bland-Altman分析	NA
465	2026-06-06	FHP-ClsNet: a model for fetal head position classification based on intrapartum ultrasound 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1830543 PMID:42245941	研究论文	提出基于产时超声的胎头位置分类深度学习模型FHP-ClsNet	将CBAM、ECA和PSA注意力机制与AIFI特征交互模块集成到YOLOv8架构中，提升分类精度	视频序列处理能力仍需改进	开发高精度胎头位置分类模型以辅助产程管理和分娩结局预测	产时超声图像中的胎头位置（枕前、枕后、枕横位）	计算机视觉	产科相关疾病	超声成像	YOLOv8	图像	69个标注的产时超声视频	PyTorch	YOLOv8, CBAM, ECA, PSA, AIFI	ACC, PR-AUC, ROC-AUC, Kappa系数	NA
466	2026-06-06	Structural connectome analysis using a graph-based deep model for prediction of non-imaging variables 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1786355 PMID:42246028	研究论文	基于扩散磁共振成像的脑结构连接组，使用图卷积网络预测年龄和MMSE评分等非影像变量	模型架构创新，特别是提出连接注意力块，学习脑图的嵌入表示并提供图级注意力	NA	基于结构性脑连接组预测非影像变量，以理解健康和疾病中的连接组变化	年龄和简易精神状态检查评分	机器学习	NA	扩散磁共振成像	图卷积网络	脑连接图	来自PREVENT-AD和OASIS3公开数据集	NA	图卷积网络，连接注意力块	预测性能比较	NA
467	2026-06-05	Novel discovery framework: harnessing adaptive learning for breakthroughs in drug development and clinical applications 2026-Jan-16, Integrative biology : quantitative biosciences from nano to macro IF:1.5Q4 DOI:10.1093/intbio/zyaf024 PMID:41665938	综述	本文回顾了深度学习在药物研发和临床应用中的进展，提出自适应学习作为下一代分析框架，以解决传统方法的静态局限性	首次系统性地定义并阐述了自适应学习的概念，该概念通过自组织模型使深度网络能随时间动态适应输入变化，优化学习过程	综述性质，缺乏实证验证；对现有深度学习的局限性讨论不足	探索和讨论深度学习在药物研发和临床应用中的新范式，特别是自适应学习的潜力	药物研发流程、患者分层、治疗匹配、深度学习方法（如液态神经网络、图注意力算法、数字孪生）	机器学习	NA	深度学习	液态神经网络、图注意力算法、数字孪生、自组织模型	动态变化数据	NA	NA	液态神经网络、图注意力算法、数字孪生	NA	NA
468	2026-06-05	Data-driven discovery of digital twins in biomedical research 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf722 PMID:41668337	综述	综述从生物医学数据中自动推断数字孪生的方法，并评估其应对生物学和方法学挑战的能力	首次系统评估了177种从生物时间序列自动推断数字孪生的方法，并基于八项生物学和方法学挑战进行算法比较，提出结合化学反应网络、贝叶斯不确定度量化与深度学习能力的混合模块化框架	没有单一方法能同时应对所有挑战，深度学习和大语言模型的可靠性与一致性仍需改进	综述并评估从生物医学数据中自动构建数字孪生的数据驱动方法	用于自动推断数字孪生的177种方法（主要涉及符号回归和稀疏回归）	机器学习, 数字孪生, 生物信息学	NA	符号回归, 稀疏回归, 深度学习, 大语言模型	稀疏回归, 符号回归, 深度学习, 大语言模型	生物时间序列	177种方法	NA	NA	噪声/不完整数据整合、多条件整合、先验知识整合、潜在变量处理、高维度处理、未观测变量导数处理、候选库设计、不确定度量化	NA
469	2026-06-05	Detection of Implant Brands Using Artificial Intelligence and Deep Learning Modeling Based on Orthopantomogram Images: A Review of the Literature 2026, Journal of long-term effects of medical implants DOI:10.1615/JLongTermEffMedImplants.2025056457 PMID:41662648	综述	本研究探讨了利用人工智能和深度学习模型（特别是卷积神经网络）从口腔全景影像中识别牙种植体品牌的应用	通过自动化检测过程提高牙种植体品牌识别的准确性并减少对人类专业知识的依赖	需要大规模、良好标注的数据集以及数据隐私和AI模型可解释性的伦理问题	探索人工智能和深度学习在牙种植体品牌识别中的应用潜力	牙种植体品牌的OPG图像	计算机视觉	NA	OPG影像	卷积神经网络	图像	NA	NA	卷积神经网络	NA	NA
470	2026-06-05	Objective interpretation of intrapartum cardiotocography images using attention-guided convolutional neural networks 2026, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2026.1717012 PMID:41789305	研究论文	提出一种基于注意力引导卷积神经网络的产时胎心监护图像客观判读方法	结合信号重建预处理流程和带有卷积块注意力模块的EfficientNet-B0架构，能自主聚焦临床显著形态特征，实现产时CTG图像的客观判读	NA	开发一套客观的产时CTG图像判读方法，以降低诊断不一致和漏诊风险	产时胎心监护（CTG）图像	计算机视觉，数字病理学	胎儿健康评估，产科疾病	CTG图像信号重建，计算机视觉	卷积神经网络（CNN）	图像（CTG图像）	内部临床数据集（私有）和外部CTU-UHB数据集（公开）	PyTorch	EfficientNet-B0，卷积块注意力模块（CBAM）	准确率，宏平均F1分数	NA
471	2026-06-05	Correction: AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350051 PMID:42189894	修正	对一篇关于短格式视频内容中网络欺凌检测的混合深度学习框架文章进行修正	NA	NA	NA	NA	自然语言处理	NA	NA	混合深度学习框架	视频	NA	NA	NA	NA	NA
472	2026-06-05	Single-Image Reflection Removal via Iterative Prompt Learning of Reflection Level 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695674 PMID:42208027	研究论文	提出一种通过迭代提示学习反射级别来去除单张图像反射的方法	利用可学习的提示和图像数据协同优化，定义反射级别并设计迭代反射级别减少框架，首次探索负训练样本和描述性提示对反射严重程度的作用	未在摘要中明确说明	提升单张图像反射去除的性能和泛化能力	受反射污染的图像	计算机视觉	NA	NA	CNN	图像	多个公开数据集	PyTorch	NA	PSNR, SSIM	NA
473	2026-06-05	Correlation-Guided Recursive Pyramid Network for Deformable Brain MRI Registration 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695369 PMID:42202187	研究论文	提出一种相关性引导的递归金字塔网络，用于脑部 MRI 形变配准	将显式相关性建模直接嵌入递归优化中，通过相关性引导的层内递归策略实现连续细化匹配精度，同时防止跨尺度误差传播	未提及具体局限性	解决形变图像配准中同时处理大尺度形变和精确特征匹配的难题	脑部 MRI 图像	医学图像分析	NA	形变配准	递归金字塔网络	图像	三个脑部影像数据集	PyTorch	递归金字塔网络	最先进性能、鲁棒性	NA
474	2026-06-05	Self-Expressive High-Order Tensor Unrolling Network for Unsupervised Hyperspectral and Multispectral Image Fusion 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695389 PMID:42202190	研究论文	提出自表达高阶张量展开网络（SHOTUN）用于无监督高光谱和多光谱图像融合	融合稀疏核心张量分解与自表达学习，引入高阶模式表示保留空间结构，设计可解释的端到端训练流水线，并加入预训练策略以提高跨传感器泛化能力	未提及具体局限性	解决高光谱与多光谱图像融合中的空间结构保持和可解释性问题	低分辨率高光谱图像和高分辨率多光谱图像	计算机视觉	NA	高光谱成像	自表达高阶张量展开网络	图像	模拟和真实数据集	PyTorch	自表达高阶张量展开网络	精度	NA
475	2026-06-05	A process-guided uncertainty-aware deep learning framework for reliable and interpretable industrial fault diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349385 PMID:42228760	研究论文	提出了一种过程引导的不确定性感知深度学习框架，用于可靠且可解释的工业故障诊断	首次将过程引导和传感器感知注意力机制与CNN-BiLSTM结合，嵌入过程中心性、传感器可靠性和不确定性到注意力学习中，并通过蒙特卡洛dropout提供校准的置信度估计	未提及在非基准数据集或实际工业环境中的验证，可能需更多计算资源	提高工业故障诊断的鲁棒性、可靠性和可解释性，促进过程工程师的实际应用	对Tennessee Eastman Process基准数据的多类故障诊断和检测任务	机器学习	不适用	蒙特卡洛dropout、温度缩放	CNN-BiLSTM	过程数据（多变量时间序列和空间相关性）	Tennessee Eastman Process基准数据集	PyTorch	CNN, BiLSTM	准确率, F1分数, 负对数似然, Brier分数, 期望校准误差	不适用
476	2026-06-05	Artificial Intelligence as a Diagnostic Tool for Benign Prostatic Hyperplasia (BPH): A Narrative Review 2026, Research and reports in urology IF:2.0Q2 DOI:10.2147/RRU.S590693 PMID:42237984	综述	该综述评估了人工智能作为良性前列腺增生诊断工具的作用	系统总结了AI在BPH诊断中的应用，涵盖影像、组织病理和生物标志物分析多个领域	数据集异质性大、缺乏外部验证、存在算法偏差、缺少标准化评估框架	评估AI作为BPH诊断工具的性能和临床潜力	2011年至2023年间发表的10项关于AI在泌尿外科诊断应用的研究	机器学习	良性前列腺增生	NA	机器学习、深度学习	影像（mpMRI、超声）、组织病理、生物标志物数据	10项研究	NA	NA	诊断准确性	NA
477	2026-06-05	Systematic review of artificial intelligence use in behavioral analysis of invertebrate and larval model organisms: methods, applications and future recommendations 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1789644 PMID:42238193	综述	系统综述人工智能在无脊椎动物和幼虫模式生物行为分析中的应用，涵盖方法、应用及未来建议	首次全面系统地图绘制了AI在无脊椎动物和幼虫行为分析中的应用，并提出了标准化报告框架	原始研究在报告输入数据规格、预处理步骤和评估指标方面高度不一致，限制了可重复性和跨研究比较	系统梳理和总结AI在无脊椎动物和幼虫行为分析中的应用现状，并提出标准化报告框架以增强透明度和可比较性	无脊椎动物和幼虫模式生物，包括秀丽隐杆线虫、果蝇幼虫、斑马鱼幼虫等	机器学习	NA	行为分析	深度学习模型（卷积神经网络、YOLO等）及监督/无监督机器学习	视频和图像记录	97项符合条件的研究	NA	卷积神经网络、YOLO、DeepLabCut姿态估计框架	因研究而异，包括多种评估指标	NA
478	2026-06-05	Optimizing Sensor and Data Selection on Lower Limbs via Deep Learning for Real-Time Human Activity Recognition 2026, IEEE transactions on human-machine systems IF:3.5Q1 DOI:10.1109/THMS.2026.3651525 PMID:42238992	研究论文	系统评估用于下肢外骨骼实时活动识别的传感器选择与数据模态，利用深度神经网络和50毫秒超短滑动窗口优化精度、延迟与复杂度	首次系统评估超短滑动窗口（50 ms）下多种传感器组合和数据模态对实时活动识别性能的影响，通过多模型对比揭示了双侧关节角度与多模态融合的优势	仅基于实验室采集数据，未验证在实际外骨骼控制中的实时性能与跨个体泛化能力	为下肢辅助机器人和移动健康中的实时人体活动识别建立实用设计准则	下肢外骨骼中的传感器配置与数据模态优化	机器学习	不适用	不适用	MLP, LSTM, CNN-LSTM	关节角度、角速度、惯性测量数据	21名受试者执行6种步态活动	不适用	MLP, LSTM, CNN-LSTM	准确率、延迟、模型复杂度	不适用
479	2026-06-05	An initial machine learning model applied to local field potential data from the subthalamic nucleus to detect freezing of gait in Parkinson's disease 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1793291 PMID:42239677	研究论文	开发机器学习模型，利用丘脑底核局部场电位数据检测帕金森病步态冻结	首次使用可穿戴设备收集的行走过程中丘脑底核LFP数据，结合迁移学习组件开发检测算法，并考虑个体化与环境特定因素	样本量仅5名患者，模型F1评分中等（加权0.67，宏观0.62），需进一步验证泛化能力	开发检测帕金森病步态冻结的机器学习模型，为自适应深部脑刺激治疗提供基础	步态冻结事件	机器学习	帕金森病	局部场电位记录	深度学习模型	时间序列（LFP信号数据）	5名帕金森病患者，共8次试验，29次步态冻结事件	NA	NA	加权F1分数, 宏观F1分数, 检测率	NA
480	2026-06-05	A high-resolution dataset of mouse brain vasculature for deep learning-based reconstruction 2026, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2026.1809341 PMID:42239933	研究论文	引入并发布了一个用于深度学习重建的小鼠脑血管高分辨率数据集	提供了首个包含从大血管到毛细血管的详细标注的小鼠脑血管3D数据集，并标准化了血管标注流程	数据集来源有限（4个小鼠样本），可能无法涵盖所有血管变异	作为基准数据集，支持血管网络分割、重建及相关任务的算法开发、评估与比较	小鼠脑血管网络	计算机视觉	NA	荧光显微光学切片断层扫描	深度学习模型	3D图像	60个3D图像块（512×512×512），来源于4个小鼠大脑样本	NA	NA	重建准确率	NA