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
101	2026-10-01	Image Restoration Learning via Noisy Supervision in Fourier Domain 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3700926 PMID:42275331	研究论文	该论文提出在傅里叶域中利用噪声监督进行图像复原学习的方法，以解决传统方法在处理长程相关噪声和像素级损失函数局限性方面的问题	利用傅里叶域中空间相关噪声的稀疏性和独立性，证明傅里叶系数收敛于高斯分布并建立统计等价性，开发弱监督图像复原框架和针对条纹噪声的全无监督去噪方法	摘要中未明确提及局限性	解决在噪声监督下进行图像复原时，长程相关噪声和像素级损失函数监督不足的问题	图像复原任务，包括去模糊和超分辨率，涉及低光照成像和遥感等场景	计算机视觉	NA	傅里叶域分析，弱监督学习，无监督学习	NA	图像	NA	NA	NA	定量指标，感知质量	NA
102	2026-10-01	Toward Sensor Fusion Neuromuscular Interface for Continuous Finger Joint Angle Estimation via Deep Transfer Learning 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.2026.3706311 PMID:42329928	研究论文	该论文提出了一种新型高维多模态深度学习框架，融合表面肌电信号和B模式超声图像，通过深度迁移学习连续估计掌指关节和近端指间关节角度。	创新点包括：融合表面肌电信号和超声图像的多模态框架，采用共享的编码器-解码器-回归架构，结合卷积神经网络、转置卷积、动作条件多头交叉注意力模块和长短期记忆网络，以及引入参数冻结的迁移学习策略以提高跨受试者泛化能力并减少新用户数据需求。	局限性包括：实验仅涉及七名健全受试者和一名截肢参与者的初步验证，样本量较小；未详细讨论计算资源需求或实时性能。	研究目的是开发一种准确解码运动意图的生物信号接口，用于直观的上肢假肢控制，通过连续估计手指关节角度。	研究对象包括七名健全受试者和一名截肢参与者，数据涉及表面肌电信号和超声图像。	机器学习	NA	表面肌电信号, B模式超声	CNN, LSTM, 注意力机制	图像, 信号	8名受试者（7名健全，1名截肢）	NA	编码器-解码器-回归, CNN, LSTM, 多头交叉注意力	均方根误差, 皮尔逊相关系数	NA
103	2026-10-01	Multi-Scale Meets Active Learning: A Deep Graph Fusion Paradigm for Hyperspectral Image Classification 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3715847 PMID:42519867	研究论文	本文提出了一种深度图融合范式（DFSG），结合多尺度超像素图和主动学习，用于高光谱图像分类	提出了一种新的多尺度超像素图（DFSG）的深度融合范式，集成了图级和特征级的多尺度图以减少信息损失，同时基于重新分割的图校正模块在主动学习过程中自适应地学习新的图结构，形成共生的统一DFSG-AL框架	未明确提及	解决高光谱图像分类中深度学习方法的过拟合和过平滑问题，特别是在标记样本稀缺的情况下，充分利用大量未标记样本之间的关系和多尺度信息	高光谱图像分类	计算机视觉	NA	深度学习，主动学习，图融合	深度图融合网络	高光谱图像	五个真实高光谱图像数据集	NA	多尺度超像素图（DFSG）框架	NA	NA
104	2026-10-01	Diffusion-Augmented Spatiotemporal Graph Convolution for Clinical Gait and Motor Function Assessment 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.2026.3675512 PMID:41849175	研究论文	该论文提出了一种结合条件骨骼扩散模型与生物力学感知时空图卷积网络的统一生成-诊断框架，用于脑瘫儿童的临床步态与运动功能自动评估	将条件骨骼扩散模型与生物力学感知时空图卷积网络相结合，通过生成临床合理的合成骨骼序列来缓解数据稀缺和类别不平衡问题，并引入对称性损失和多任务学习头实现GMFCS分类与GDI回归的联合优化	未明确讨论模型在不同临床中心或不同摄像头设置下的泛化能力，合成数据的长期临床有效性仍需进一步验证	实现脑瘫儿童粗大运动功能的自动评估，提高GMFCS分类准确性和GDI预测精度，同时解决数据稀缺、严重类别不平衡和患者异质性问题	脑瘫儿童的临床步态数据和骨骼序列	计算机视觉	脑瘫	单目视频骨骼提取、条件骨骼扩散生成、时空图卷积网络	扩散模型、图卷积网络	视频、骨骼序列	儿童临床步态数据集	PyTorch	条件骨骼扩散模型、生物力学感知时空图卷积网络	准确率、精确率、召回率、平均绝对误差	NA
105	2026-10-01	A Comprehensive Pipeline for Electric-Field-Guided Transcranial Magnetic Stimulation Targeting and Optimization 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.2026.3677103 PMID:41874982	研究论文	该文章提出了一套用于经颅磁刺激靶向和优化的综合流程，结合数值方法和深度学习方法，基于局部电场进行估计和线圈放置优化	将组织电导率和线圈初级电场等先验信息嵌入深度学习模型，实现局部图像块提取、组织分割、局部电场估计和线圈放置优化的综合流程，显著提高计算速度和准确性	未明确提及	开发支持数值方法和深度学习方法的综合流程，用于经颅磁刺激靶向和优化，以提高刺激效果并减少数据处理时间	经颅磁刺激中的电场估计和线圈放置优化	机器学习	NA	经颅磁刺激，电场建模	CNN	图像	四个数据集，包含数百万局部图像块	NA	NA	准确性，计算速度	CPU，GPU
106	2026-10-01	E2T: EEG-to-Trajectory Transformer for Motor Imagery-Based Fully-DoF Motion Prediction 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.2026.3683431 PMID:41973558	研究论文	提出一种混合深度学习框架E2T，直接从EEG信号预测连续三维上肢运动轨迹，用于基于运动想象的全自由度运动预测	提出E2T框架，结合频率自适应Sinc卷积滤波器、Transformer时序编码器和集成学习，直接从原始EEG信号预测连续三维轨迹；设计了包含运动执行和运动想象阶段的任务特定实验范式，确保空间覆盖平衡，减少方向偏差	未明确提及	实现基于运动想象的连续自然运动控制，克服传统离散分类BCI的局限性，直接预测连续三维上肢轨迹	运动障碍个体的EEG信号	脑机接口	运动障碍	EEG	Transformer	EEG信号	NA	NA	Sinc卷积滤波器, Transformer时序编码器, 集成学习	相关系数	NA
107	2026-10-01	A frame of wideband wireless signal recognition and parameter extraction based on semantic segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346685 PMID:42044174	研究论文	本文提出了一种基于语义分割和信号频谱图的宽带无线信号识别与参数提取框架，使用RepViT作为骨干网络，实现对宽带信号的检测、识别和关键参数提取。	将语义分割应用于宽带信号处理，采用RepViT骨干网络，通过信号频谱图的精确语义分割实现信号检测、识别和关键参数提取的统一框架。	在多调制场景和不同噪声功率水平下，平均信号识别率（aAcc）为65.16%，中心频率提取的NRMSE为8.7%，表明在复杂环境下识别和参数提取精度仍有提升空间。	解决传统信号处理方法依赖先验知识、难以实现智能频谱监测的问题，以及现有深度学习自动调制识别技术侧重信号识别而忽视检测和关键参数提取的不足。	宽带无线信号，包括多调制场景和不同噪声功率水平下的信号	无线通信信号处理	NA	语义分割，信号频谱图分析	RepViT	频谱图（图像）	大规模合成数据集	NA	RepViT	最大信号识别率（mAcc），平均信号识别率（aAcc），归一化均方根误差（NRMSE）	NA
108	2026-10-01	Deep feature optimization using fusion of multiple self-supervised learning approaches and filter-based feature selection for lung cancer histopathology classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348194 PMID:42044137	研究论文	该文章提出了一种结合多种自监督学习、基于过滤器的特征选择和视觉图卷积网络的深度特征优化方法，用于肺癌组织病理学图像分类	首次将三种互补的自监督学习方法（Deep Cluster、BYOL、SimCLR）与基于过滤器的特征选择方法（mRMR）以及视觉图卷积网络相结合，通过优化特征融合来提升肺癌组织病理学分类性能	未明确说明计算复杂度、模型泛化能力的具体分析以及自监督学习方法选择的理论依据	提高肺癌组织病理学图像的诊断准确性，实现肺癌的早期检测和分类	肺癌组织病理学图像，包括正常组织、肺腺癌和肺鳞状细胞癌	数字病理学	肺癌	组织病理学成像	CNN, 自监督学习, 图卷积网络	图像	691张组织病理学图像（151例正常、280例肺腺癌、260例肺鳞状细胞癌），另使用LC25000和TCGA UT数据集进行验证	NA	自定义CNN, Deep Cluster, BYOL, SimCLR, 视觉图卷积网络	平衡准确率	NA
109	2026-10-01	Diabetic Retinopathy Detection: AI Models and Approaches 2026, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/joph/8857887 PMID:42046731	综述	本文综述了当前用于糖尿病视网膜病变筛查的人工智能模型与方法，涵盖了传统机器学习和深度学习技术的应用与性能	全面总结了2020至2025年间AI在糖尿病视网膜病变检测中的最新进展，包括URNet、ViT、ResNet-50、EfficientNetB0、DenseNet、ResNet-18等多种深度学习模型的性能比较，以及IDx-DR和EyeArt等半自主系统的临床表现	研究主要集中在亚洲地区，缺乏来自非洲和低收入国家的研究数据	综述当前AI模型在糖尿病视网膜病变筛查中的应用方法、性能和临床验证情况	糖尿病视网膜病变筛查相关的AI模型与系统	数字病理学	糖尿病视网膜病变	NA	CNN, 视觉Transformer	图像	NA	NA	URNet, ViT, ResNet-50, EfficientNetB0, DenseNet, ResNet-18	灵敏度, 特异度	NA
110	2026-10-01	HRMamba: A Hybrid Retinex and State-Space Model for Underwater Image Enhancement 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3689407 PMID:42090525	研究论文	该论文提出了一种结合Retinex理论与状态空间模型的水下图像增强框架HRMamba，通过线性复杂度的状态空间操作实现高效全局依赖建模，并设计了光照特征融合模块和光照引导去噪模块，在提升颜色保真度和可见度的同时显著降低计算需求。	1. 首次将Retinex理论与状态空间模型（SSM）结合用于水下图像增强，提出HRMamba框架；2. 通过线性复杂度的状态空间操作替代Transformer的二次复杂度，在保持全局依赖建模能力的同时实现高效计算；3. 提出光照特征融合模块（IFFM），融合SSM的全局建模能力与CNN的局部自适应能力；4. 提出光照引导去噪模块（IGDM），利用方向扫描的视觉状态空间模块（VSSM）实现光照感知的上下文敏感噪声抑制。	未明确讨论在极端水下环境（如极低光照、严重浑浊）下的泛化能力，也未与其他最新方法在资源受限设备上的实际部署效果进行对比。	解决现有基于深度学习的水下图像增强方法计算复杂度高、全局依赖建模不足的问题，实现高效且高质量的水下图像增强。	水下图像	计算机视觉	NA	Retinex理论, 状态空间模型	状态空间模型, 卷积神经网络	图像	NA	NA	HRMamba	NA	NA
111	2026-10-01	Adaptive 3D Convolution for Remote Sensing Image Fusion 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3689418 PMID:42102081	研究论文	本文提出了一种自适应三维卷积（Ada3D）方法，用于遥感图像融合，通过为每个输入体素应用独特的3D卷积核，有效整合空间和光谱信息，并在五个数据集上取得了最先进的性能	提出了自适应三维卷积范式，为每个输入体素应用独特的3D卷积核，通过两步过程生成内容感知的3D卷积核，并引入自适应偏置和组卷积技术，实现了高效的全自适应性，克服了标准3D卷积的不足	未明确提及	解决遥感图像融合中光谱失真和计算资源消耗大的问题，提高融合图像的质量	遥感图像，包括高分辨率图像和低分辨率多/高光谱图像	计算机视觉	NA	深度学习	CNN	图像	五个数据集	NA	自适应三维卷积（Ada3D）	NA	NA
112	2026-10-01	Artificial intelligence in food allergen detection and prediction: advances, methodologies, and challenges 2026, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2026.2684709 PMID:42262265	综述	本文综述了人工智能在食物过敏原计算预测和分析检测中的最新进展、方法论及面临的挑战	系统整合了AI在过敏原计算预测与光谱、成像、生物传感、质谱等分析检测中的应用，并强调了可解释AI、标准化数据集和外部验证的未来方向	数据集偏差、模型可解释性不足以及跨域泛化能力有限	探讨人工智能在食物过敏原检测和预测中的进展、方法及挑战	食物过敏原、AI预测模型、分析检测系统	机器学习	食物过敏	免疫分析、PCR、质谱、光谱、成像、生物传感	机器学习、深度学习	序列、光谱、图像、质谱	NA	NA	NA	预测准确率	NA
113	2026-09-28	Transplatformer: translating toxicogenomic profiles between generations of platforms 2026-Jan-30, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06383-6 PMID:41618140	研究论文	本文提出了TransPlatformer，一个基于注意力机制的深度学习框架，用于在不同毒理基因组学平台之间翻译基因表达谱，以实现跨平台数据的整合与复用	提出了一种新颖的基于注意力机制的架构TransPlatformer，能够将传统微阵列技术的高维倍数变化向量映射到当前平台，并系统研究了混合组织、单组织和跨组织三种训练范式	在低样本量组织中仍需要数据增强策略才能获得更好的性能，单组织模型仅对样本充足的器官有进一步改善	开发计算方法实现准确的跨平台转录组翻译，以最大化利用历史遗留数据资源的价值	DrugMatrix数据库中的基因表达谱数据，涵盖三个技术世代的毒理基因组学平台	机器学习	NA	转录组 profiling、微阵列技术、毒理基因组学	注意力机制	基因表达谱数据（倍数变化向量）	DrugMatrix数据库，涵盖三个技术世代的平台数据	NA	基于注意力机制的架构、多层感知机（MLP）基线、矩阵补全基线	平均绝对误差（MAE）、Pearson相关系数	NA
114	2026-09-28	Lipid Nanoparticle Database towards structure-function modeling and data-driven design for nucleic acid delivery 2026-Jan-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68818-1 PMID:41605942	研究论文	本文开发了脂质纳米颗粒数据库（LNPDB），整合了19,528个LNP的结构与功能数据，以支持结构-功能建模和数据驱动的核酸递送设计	首次构建了统一的脂质纳米颗粒数据库，标准化了LNP的特征表示，并生成了用于分子动力学模拟的CHARMM力场文件	未明确说明数据来源的多样性、数据质量的控制标准以及数据库的更新维护机制	解决LNP结构-功能数据碎片化和非标准化的问题，为LNP建模和数据驱动的理性设计提供数字框架	脂质纳米颗粒（LNPs）及其结构、功能数据	机器学习	NA	NA	深度学习模型	结构化数据，分子动力学模拟数据	19,528个LNP	NA	NA	NA	NA
115	2026-09-28	Morphological Sinus Features and Chronic Rhinosinusitis Risk: A Radiomics Study 2026-Jan-09, World journal of otorhinolaryngology - head and neck surgery DOI:10.1002/wjo2.70081 PMID:42500097	研究论文	本研究通过放射组学方法探讨鼻窦形态学特征与慢性鼻窦炎（CRS）发病风险之间的关联	结合深度学习自动分割鼻窦与放射组学特征提取，构建CRS风险预测模型，并对比嗜酸性CRS与非嗜酸性CRS的形态学差异	嗜酸性CRS与非嗜酸性CRS的亚组预测模型性能较差，未发现显著形态学差异	研究鼻窦形态学特征与CRS发病风险的相关性，为临床管理提供循证支持	716例CRS患者和115例健康对照者	数字病理学	慢性鼻窦炎	放射组学	逻辑回归、随机森林、多层感知机	图像	716例CRS患者和115例健康对照者，共831例	PyRadiomics	nnU-Net v2	AUC	NA
116	2026-09-28	A deep-learning model for one-shot transcranial ultrasound simulation and phase aberration correction 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70259 PMID:41474058	研究论文	该文章提出了一种名为TUSNet的深度学习框架，用于快速准确地计算经颅超声压力场和相位畸变校正	TUSNet是一个端到端神经网络，能够同时预测二维经颅超声压力场和相位校正，计算速度比k-Wave快1200倍以上，同时保持高精度	目前的验证是基于模拟的无噪声超声场，未来需要实验研究来评估在真实临床条件下的性能	解决当前焦点预测方法中计算效率和准确性之间的权衡问题，加速超声治疗计划	经颅超声压力场和相位畸变校正	医学影像分析	神经系统疾病	经颅超声	深度学习	图像	180432个合成颅骨CT片段用于训练，1232个真实颅骨CT片段用于测试	NA	TUSNet	计算速度、焦点定位精度、相位校正精度、压力幅度估计精度；峰值压力幅度估计准确率98.3%，平均焦点定位误差0.18毫米	4块NVIDIA A100 80 GB GPU，训练时间约8小时
117	2026-09-28	From fibers to cells: Fourier-based registration enables virtual Cresyl violet staining from 3D polarized light imaging 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1079 PMID:41523213	研究论文	本文提出了一种基于深度学习的图像到图像翻译方法，利用傅里叶配准技术，从三维偏振光成像（3D-PLI）生成虚拟的甲酚紫染色图像。	创新点包括：利用傅里叶配准解决训练数据中的错位问题；在训练过程中对局部图像块进行高效配准；生成与细胞水平空间对齐的虚拟染色。	局限性包括：染色过程引入的不可避免的变形需要昂贵的非线性跨模态配准；组织学切片后染色的复杂性限制了样本数量。	研究目的是从3D-PLI生成虚拟甲酚紫染色，以建立纤维和细胞结构的直接联系。	研究对象是脑组织切片。	计算机视觉, 数字病理学	NA	3D偏振光成像（3D-PLI）, 甲酚紫染色	深度学习	图像	NA	NA	NA	NA	NA
118	2026-09-28	Enhancing deep learning interpretability for hand-crafted feature-guided histologic image classification via weak-to-strong generalization 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.017502 PMID:41567872	研究论文	本文提出一种弱到强泛化框架，将手工特征整合到深度学习模型训练中，以提升组织学图像分类的可解释性和性能	提出弱到强泛化框架，利用可解释的手工特征弱教师模型监督强深度学习学生模型，设计自适应自举弱到强泛化损失函数，并创新性地分析手工特征与深度学习特征之间的互信息以增强可解释性	摘要中未明确提及研究局限性	利用弱到强泛化框架整合手工特征，增强深度学习模型在组织学图像分类中的可解释性和预测性能	组织学全切片图像中的肿瘤分类任务	数字病理学	NA	全切片图像分析，手工特征提取	深度学习模型，教师-学生模型架构	图像	三个公共数据集	NA	NA	分类性能，显著性图分析，互信息	NA
119	2026-09-28	DeepDiff-SHAP: Interpretable deep learning for subgroup-specific causal hypothesis generation using conditional SHAP 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0052 PMID:41758180	研究论文	本文提出DeepDiff-SHAP框架，结合回归与深度学习差分因果推断和条件SHAP，用于检测患者亚组间因果关系变化，实现可解释的亚组特异性因果假设生成	将回归与深度学习差分因果推断相结合，并整合条件SHAP进行非线性差分因果推断，能够发现线性模型忽略的复杂交互模式，并应用于两个大规模人群数据集	摘要中未明确提及研究局限性	解决复杂生物医学数据中亚组特异性因果关系的识别问题，推进精准医学中个体化因果路径的发现	CDC糖尿病健康指标数据集和UK Biobank脓毒症队列（按高血压状态分层）	机器学习	糖尿病, 脓毒症, 高血压	条件SHAP, 差分因果推断, 深度学习	深度学习模型, 回归模型	表格数据	两个大规模人群数据集（CDC糖尿病健康指标数据集和UK Biobank脓毒症队列）	NA	NA	NA	NA
120	2026-09-28	Toward automated neonatal EEG analysis: multi-center validation of a reliable deep learning pipeline 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1750045 PMID:41835935	研究论文	评估全自动新生儿脑电图分析工具NeoNaid的可靠性和泛化能力，该工具基于功能脑龄估计和睡眠分期	提出集成质量控制程序的多任务深度学习模型，能够检测伪影、分布外输入和不确定预测，并在两个独立数据集上验证可靠性	未提及模型的具体架构细节，样本量相对较小，仅涉及两个医院数据集	评估NeoNaid在新生儿脑电图分析中的可靠性和泛化能力，推动其临床 adoption	新生儿脑电图数据，包括内部数据集（33个EEG，17名婴儿）和外部数据集（38个EEG，24名婴儿）	医学信号处理	新生儿疾病	脑电图分析	多任务深度学习	脑电图信号	内部数据集：33个EEG，17名婴儿；外部数据集：38个EEG，24名婴儿	NA	NA	中位绝对误差，Cohen's Kappa	NA