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
81	2026-10-01	VISTA uncovers missing gene expression and spatial-induced information for spatial transcriptomic data analysis 2026-Jan-08, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09479-6 PMID:41507434	研究论文	本文提出了VISTA模型，通过整合单细胞RNA测序和亚细胞空间转录组数据，利用变分推断和几何深度学习预测未测量的基因表达，并量化不确定性	VISTA创新性地结合变分推断与几何深度学习，并引入不确定性量化，实现了对空间转录组数据中缺失基因表达的高精度预测，支持多种下游分析	摘要中未提及该研究的局限性	解决亚细胞空间转录组数据中基因测量数量有限的问题，通过整合单细胞RNA测序数据预测未测量的基因表达，从而增强空间转录组数据的分子覆盖度和解释能力	亚细胞空间转录组数据和单细胞RNA测序数据	空间转录组学	NA	单细胞RNA测序, 亚细胞空间转录组学	变分推断, 几何深度学习	基因表达数据, 空间信息数据	四个数据集	NA	NA	插补准确性, 可扩展性, 效率	NA
82	2026-10-01	Artificial Intelligence Model for Imaging-Based Extranodal Extension Detection and Outcome Prediction in Human Papillomavirus-Positive Oropharyngeal Cancer 2026-01-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3225 PMID:41026592	研究论文	该研究开发了一个人工智能驱动的流程，用于在HPV阳性口咽癌患者的预处理CT扫描中自动进行淋巴结分割和影像学结外侵犯（iENE）分类，并评估其与肿瘤学结局的关联	开发了基于nnU-Net的淋巴结分割模型，并比较了放射组学和深度学习特征提取方法用于iENE分类，发现放射组学方法达到AUC 0.81，且AI预测的iENE与不良生存结局独立相关，其一致性指数显著高于放射科医生评估的iENE	单中心回顾性研究，样本量有限（397例），需要外部验证以评估模型的泛化能力及在缺乏专业影像学知识的机构中的实施潜力	开发AI驱动的淋巴结分割和iENE分类流程，并评估其与HPV阳性口咽癌患者肿瘤学结局的关联	2009年1月至2020年1月在加拿大蒙特利尔某三级肿瘤中心接受初始（放）化疗的HPV阳性cN+口咽癌成年患者	数字病理学	头颈癌	CT成像	CNN	图像	397例患者的预处理CT扫描和淋巴结大体肿瘤体积分割	NA	nnU-Net	AUC, 一致性指数, 风险比	NA
83	2026-10-01	A Mixed Dual-Branch Network for Detecting Cervical Spondylotic Myelopathy and Parkinsonian Syndromes via Gait Analysis 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3654804 PMID:41543967	研究论文	该研究提出了一种混合双分支网络DCDM-Net，利用步态分析中的运动学数据对颈椎病性脊髓病、帕金森综合征和健康个体进行分类	提出了一种混合双分支网络DCDM-Net，结合了ResNet-CBAM-EDL分支和MLP分支，通过协同决策方法进行分类，并采用证据深度学习进行不确定性估计	跨数据集OOD验证显示AUROC仅为0.4022±0.2481，AUPR为0.9699±0.0162，表明仅使用关节角度特征会导致显著的分布重叠	开发一种混合双分支网络，利用步态数据对颈椎病性脊髓病患者、帕金森综合征患者和健康个体进行分类，以减少误诊	51名颈椎病性脊髓病患者、49名帕金森综合征患者和33名健康对照者的步态运动学数据	机器学习	颈椎病性脊髓病、帕金森综合征	步态分析、运动学数据采集	ResNet、MLP、CBAM、EDL	时间序列	133名受试者（51名CSM患者、49名PS患者、33名健康对照）	PyTorch	ResNet, MLP	准确率, AUC, 期望校准误差, Brier分数, AUROC, AUPR	NA
84	2026-10-01	Large Language Models Improve Scene-Invariant Detection of Behavior of Risk in Dementia Residential Care Across Multiple Surveillance Camera Views 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3656747 PMID:41564063	研究论文	该研究提出一种基于无监督场景不变融合的深度学习网络，结合大语言模型字幕评分与视频异常检测评分，用于在养老院多摄像头场景下检测痴呆症患者的风险行为	首次将大语言模型字幕评分与基于深度加权时空自编码器的视频异常检测评分进行无监督融合，以实现跨摄像头场景不变的风险行为检测，显著提升了在未见摄像头场景下的泛化性能	研究仅涉及九名痴呆症患者和三个摄像头视角，样本量较小；未提及在其他类型护理环境或更多摄像头配置下的验证	解决视频行为检测模型在训练时未见过的摄像头场景下性能显著下降的问题，提升痴呆症养老护理中风险行为检测的跨场景泛化能力	九名痴呆症患者的视频数据，由养老院痴呆症单元的三个不同走廊摄像头采集	计算机视觉	痴呆症	视频异常检测、大语言模型字幕生成与评分	自编码器、大语言模型	视频	9名痴呆症患者，3个走廊摄像头采集的视频数据	NA	深度加权时空自编码器、大语言模型	AUC（ROC曲线下面积）	NA
85	2026-10-01	Decoding Spikes From Multiunit Data 2026, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3647848 PMID:41570095	综述	本文综述了从多单元数据中解码尖峰信号的方法，将其形式化为卷积混合模型下的稀疏源分离任务，并比较了不同原理的方法	提供了统一的方法学视角，将尖峰解码形式化为卷积混合模型下的稀疏源分离任务，并按底层原理而非应用领域对方法进行分类和批判性比较	作为综述，未提出新的算法或进行实验验证，主要基于现有文献的归纳和比较	为跨不同多单元记录模态的尖峰解码方法提供选择、适应和推进的路线图，促进不同应用领域之间的思想交流	多单元记录数据中的尖峰信号	机器学习	NA	电记录、光学成像、超声	NA	信号	NA	NA	NA	NA	NA
86	2026-10-01	DVG-Diffusion: Dual-View-Guided Diffusion Model for CT Reconstruction From X-Rays 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3655171 PMID:41576110	研究论文	该论文提出了一种双视角引导扩散模型（DVG-Diffusion），用于从少视角2D X射线图像重建3D CT体积。	通过引入新视角合成和视角引导特征对齐，降低了学习难度；提出双视角引导扩散模型，联合真实输入X射线视角和合成新X射线视角来引导CT重建。	摘要中未明确提及局限性。	从少视角2D X射线图像直接重建3D CT体积。	2D X射线图像和3D CT体积。	计算机视觉	NA	X射线成像、CT重建	扩散模型	图像	NA	NA	扩散模型	NA	NA
87	2026-10-01	Technology-Enhanced Dual-Task Testing for Alzheimer's Disease and Related Dementias: A Review of Trends, Tools, and Emerging Directions 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3658013 PMID:41587242	综述	本文综述了2010年1月至2025年10月间基于双任务范式的阿尔茨海默病及相关痴呆症评估研究，涵盖了范式、传感技术和分析方法。	整合工程与临床神经科学视角，系统梳理了双任务测试在ADRD早期检测中的技术进展，并强调了眼动追踪和AI视频姿态估计等新兴工具的应用。	文章未涉及具体的实验数据或模型验证，主要基于现有文献的归纳总结。	综述双任务测试在阿尔茨海默病及相关痴呆症早期检测中的技术趋势、工具及新兴方向。	阿尔茨海默病及相关痴呆症患者。	数字病理学	老年疾病	可穿戴传感器、电子步道、红外/深度相机、视频、平板电脑、脑成像工具（fMRI、fNIRS）、眼动追踪、AI视频姿态估计	深度学习	图像、视频、运动信号、脑成像数据	NA	NA	NA	NA	NA
88	2026-10-01	HoloQA: Full Reference Video Quality Assessor of Rendered Human Avatars in Virtual Reality 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3663930 PMID:41706772	研究论文	本文提出了HoloQA，一种基于视觉神经科学、信息论和自监督深度学习设计的全参考视频质量评估模型，用于准确预测虚拟现实和增强现实系统中渲染数字人替身的质量	采用多层次专家混合方法，结合失真感知的感知特征和捕捉人体替身语义属性的高层内容感知深度特征；使用自监督预训练深度学习网络计算高层特征；首次针对渲染人体替身在VR中的质量评估进行专门设计	摘要中未明确提及 limitations	设计一种能够准确评估VR/AR系统中渲染数字人替身视频质量的全参考视频质量评估模型，解决标准VQA模型无法捕捉人体替身渲染、传输和压缩特有失真的问题	VR/AR系统中渲染的数字人替身视频、云游戏视频	计算机视觉	NA	自监督深度学习、专家混合方法、全参考视频质量评估	专家混合模型、自监督预训练深度学习网络	视频	LIVE-Meta Rendered Human Avatar VQA数据库及其他数字人替身数据库（具体样本量未在摘要中说明）	NA	Mixture-of-Experts	NA	NA
89	2026-10-01	Lower Back Muscle Fatigue Recognition Based on the Fusion-Information of Multi-Channel sEMG and NIRS Simultaneous Recordings 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3672775 PMID:41811718	研究论文	本文提出了一种基于60通道混合生理传感器阵列（融合表面肌电和近红外光谱）与双流卷积混合注意力网络（DCHANet）的下背部肌肉疲劳识别框架，并在三级和十五级疲劳识别任务上验证了其优越性能	1. 提出了60通道sEMG与NIRS共位同步记录的混合生理传感器阵列，可同时捕捉神经肌肉和血流动力学活动；2. 开发了双流卷积混合注意力网络（DCHANet），包含两个模态特异性特征提取流和一个分层注意力融合模块，有效融合多模态信息；3. 在多模态输入下实现了高精度的细粒度肌肉疲劳识别，并优于单模态输入及传统机器学习方法	摘要中未明确提及研究的局限性，但可能包括：样本量未说明、跨被试条件下性能略有下降、传感器阵列穿戴舒适性和实际应用场景的泛化能力有待验证	实现下背部肌肉疲劳的精确和细粒度识别，以预防下背痛和降低职业损伤风险，为肌肉骨骼疾病的临床监测和早期干预提供解决方案	下背部肌肉疲劳，通过60通道混合生理传感器阵列采集的sEMG和NIRS信号	机器学习，数字病理学，生物医学信号处理	下背痛，肌肉骨骼疾病	表面肌电（sEMG），近红外光谱（NIRS），多模态生理信号同步记录	CNN，注意力机制	生理信号（sEMG和NIRS信号）	NA	NA	双流卷积混合注意力网络（DCHANet）	准确率	NA
90	2026-10-01	Less Is More: Infrared and Visible Images Fusion via Semantic-Guided Mixture of Multi-Feature Experts 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3675500 PMID:41886321	研究论文	本文提出了一种基于语义引导的多特征专家混合方法，用于红外和可见光图像融合，通过多特征专家网络和动态路由机制消除模态冗余，并引入分割头以语义引导特征选择，在五个基准数据集上验证了图像融合和语义分割的有效性	提出了语义引导的多特征专家混合机制，通过专家路由动态选择特征，使最重要的特征被路由到特定专家处理，并引入分割头来语义引导互补特征的选择，将融合任务与后续语义分割任务对齐	未明确提及	解决红外和可见光图像融合中整合互补信息同时消除冗余的挑战，提高融合图像质量并促进后续场景理解和目标检测	红外和可见光图像对及其语义分割任务	计算机视觉	NA	NA	专家混合模型	图像	NA	NA	多特征专家混合网络, 分割头	NA	NA
91	2026-10-01	HFP-SAM: Hierarchical Frequency Prompted SAM for Efficient Marine Animal Segmentation 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3674678 PMID:41874991	研究论文	该文提出了一种新颖的学习框架HFP-SAM，用于高效的海洋动物分割	设计了频率引导适配器（FGA）通过频域先验掩码将海洋场景信息高效注入冻结的SAM骨干网络，引入了频率感知点选择（FPS）通过频率分析生成突出区域以生成点提示并整合到SAM解码器进行精细预测，并引入了全视Mamba（FVM）以线性计算复杂度高效提取空间和通道上下文信息	摘要中未明确提及局限性，但现有方法在长距离建模问题上存在困难，且SAM缺乏对细粒度细节和频率信息的感知	旨在从复杂的海洋环境中识别和分割海洋动物	海洋动物	计算机视觉	NA	NA	SAM, Mamba	图像	四个公开数据集	NA	SAM, Mamba	NA	NA
92	2026-10-01	Joint Quality Assessment and Example-Guided Tone Mapping by Disentangling Picture Appearance From Content 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3684812 PMID:42019066	研究论文	提出一种自监督解耦表示学习方法，将图像分解为内容和外观特征，用于图像质量评估（DisQUE）和示例引导的色调映射	利用解耦表示学习同时处理质量评估和色调映射任务，实现最先进的质量预测精度，并支持通过示例对进行色调映射调整	未在摘要中明确说明	开发解耦表示学习方法，用于图像质量评估和示例引导的色调映射	输入图像的内容和外观特征	计算机视觉	NA	自监督解耦表示学习	解耦表示学习模型	图像	NA	NA	NA	准确率	NA
93	2026-10-01	A Dynamic Time Warping-Aware Series-Temporal Transformer for Automated Thresholding of Auditory Brainstem Responses 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3689105 PMID:42060419	研究论文	提出一种基于动态时间规整的系列-时序Transformer框架，用于从一系列听觉脑干反应波形中自动估计阈值	采用DTW相似度感知的系列Transformer捕获波形间依赖，并结合刺激强度信息的位置编码；使用分层多尺度时序Transformer提取时序表示	使用预录波形进行事后分析，未集成主动学习规则以动态选择刺激强度	实现听觉脑干反应阈值的自动化、客观估计，辅助临床诊断	人类和小鼠的听觉脑干反应波形	机器学习	听力损失	听觉脑干反应测试	Transformer	波形信号	人类数据集I：8350名受试者；人类数据集II：136名受试者；小鼠数据集：8259只小鼠	NA	DTWA-STformer（包含DTW相似度感知系列Transformer和分层多尺度时序Transformer）	精确匹配准确率、±10 dB准确率	NA
94	2026-10-01	Robust Decomposition of Surface EMG Signals via Lightweight Deep Learning-Based Adaptation 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3691346 PMID:42102086	研究论文	本文提出一种基于轻量级深度学习自适应方法，用于表面肌电信号分解，以应对噪声增加、新运动单元募集和运动单元属性变化等非平稳因素	提出了在线自适应策略动态更新深度学习分解模型；通过基于树结构Parzen估计器的搜索轻量化深度学习架构以支持在线自适应；设计了多因素数据增强以增强泛化能力	未明确提及	实现非平稳场景下表面肌电信号的鲁棒实时分解，为基于运动单元的神经接口铺平道路	表面肌电信号中的运动单元	机器学习	NA	表面肌电信号分解	轻量级深度学习	表面肌电信号（模拟和实验数据）	模拟数据（共50个新募集运动单元）和实验数据	NA	NA	F1分数、运动单元数量、放电率	边缘设备
95	2026-10-01	Minimum Foot Clearance Prediction in Stroke Survivors: A Transformer-Based Approach 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3694895 PMID:42154708	研究论文	本文提出了一种基于Transformer的模型，用于预测中风幸存者在跑步机上行走时患侧下肢的多步最小足部间隙（MFC）值，以评估绊倒相关跌倒风险	提出了一种新的Transformer模型，采用双头自注意力机制预测多步MFC值；引入数据驱动的条件后归一化投影方法增强多步预测性能；引入统计矩匹配损失函数以应对显著的数据变异性	研究仅在中风幸存者跑步机行走场景下进行，样本量有限，未提及外部验证或实时应用可行性	准确预测即将到来的MFC值，理解其潜在范围并评估未来值是否在实际MFC值变异性内，以实现早期跌倒风险评估	中风幸存者	机器学习	中风	NA	Transformer	时间序列	NA	NA	Transformer, 自注意力LSTM	平均绝对误差（MAE）, 最大绝对误差（MaxAE）, 均方根误差（RMSE）, 预测在上界内的最高比例（PWUB）	NA
96	2026-10-01	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可变形脑部MRI配准，通过嵌入显式相关性建模到递归优化中，同时处理大尺度形变和准确特征匹配	提出相关性引导的层内递归策略（CGIRS），将显式相关性建模嵌入递归优化中，防止跨尺度误差传播；设计空间相关性模块（SPCM）用于准确的空间对应和语义相关性模块（SECM）用于高层语义对齐；统一框架同时解决大尺度形变和准确特征匹配问题	未明确说明	解决可变形脑部MRI配准中同时处理大尺度形变和准确特征匹配的挑战	脑部MRI图像	医学图像配准	NA	深度学习	CNN	图像	三个脑部影像数据集，具体数量未明确说明	NA	相关性引导的递归金字塔网络（CRPNet）	NA	NA
97	2026-10-01	FSAPF: A De-Scattering Framework With Stepwise Adjustment of Polarization Features 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3690316 PMID:42113664	研究论文	提出了一种用于穿过散射介质成像的去散射框架FSAPF，通过对偏振特征进行逐步调整来实现高性能成像	提出了物理引导的分层学习策略，监督过程从全局结构逐步细化到局部偏振细节；引入了偏振学习模块（PLM），通过强制物理一致性约束来调节特征交互；将偏振先验直接嵌入动态损失机制中，增强训练过程中的偏振特征	未明确说明	解决深度学习在偏振成像穿过散射介质时，训练过程中对偏振图像中丰富信息的有效分析与控制不足的问题	穿过散射介质的偏振图像	计算机视觉	NA	偏振成像	深度学习	图像	NA	NA	NA	NA	NA
98	2026-10-01	Deep Learning-Based Estimation of Ground Reaction Forces in Parkinsonian Gait Using an Optimized Set of IMU Data 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3697513 PMID:42202182	研究论文	该研究提出了一种深度学习框架，使用优化的可穿戴IMU集来估计帕金森病步态中的双侧垂直地面反作用力	首次应用深度学习方法，利用优化的IMU集估计帕金森病患者的双侧垂直地面反作用力；发现传感器配置显著影响估计精度，且帕金森病患者与健康对照的最优传感器放置不同	对于帕金森病患者，减少到单个IMU时估计精度显著下降；最优配置需要四个IMU，虽然最小两个IMU仍能实现稳健估计，但可能仍有限制	开发基于可穿戴IMU的垂直地面反作用力估计系统，用于帕金森病步态分析，支持临床评估、远程监测和个性化康复	61名帕金森病患者和65名健康对照	数字病理学, 机器学习	帕金森病	IMU	CNN, BiLSTM	时间序列数据	126名参与者（61名帕金森病患者，65名健康对照）	NA	CNN-BiLSTM	R²	NA
99	2026-10-01	Learning to Super-Resolve Face Images via Dual-Domain Multi-Scale Feature Interaction 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3702358 PMID:42301839	研究论文	该论文提出了一种双域多尺度特征交互方法SMLNet，用于人脸图像超分辨率重建	提出了双分支架构，频率分支捕获全局结构和细节，空间分支保留局部纹理，并引入多尺度空间-频率特征交互模块进行特征交互和聚合	未明确提及	提高低分辨率人脸图像的质量，解决现有方法破坏面部结构或无法捕获多尺度纹理的问题	低分辨率人脸图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	多个数据集，未指定具体数量	NA	SMLNet	NA	NA
100	2026-10-01	CSVSUF: A Deep Unfolding Framework for Compressive Spectral Video Sensing 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3700920 PMID:42275332	研究论文	提出了一种用于压缩光谱视频感知的深度展开框架，结合时空谱先验学习Transformer以提高重建精度和视觉质量	1) 提出了基于CASSI系统的压缩光谱视频感知深度展开框架（CSVSUF）；2) 开发了新颖的时空谱先验学习Transformer（STS-PLT）来捕捉展开阶段中的多维相关性；3) 将STS-PLT视为高斯去噪器用于先验项，建立了物理引导建模与深度先验学习相结合的方法	摘要中未明确提及研究的局限性	解决当前基于CASSI的重建方法的两个主要局限：1) 传统模型驱动算法依赖迭代优化，表示能力有限且重建速度慢；2) 现有深度学习方法忽视空间、时间和光谱相关性的联合建模	动态场景的光谱视频	计算机视觉	NA	压缩光谱视频感知，编码孔径快照光谱成像仪	Transformer	图像	NA	NA	时空谱先验学习Transformer（STS-PLT）	重建精度，视觉质量	NA