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
1221	2026-05-03	Regional patch-based MRI brain age modeling with an interpretable cognitive reserve proxy 2026-Jan, Pattern recognition letters IF:3.9Q2 DOI:10.1016/j.patrec.2025.11.027 PMID:41908685	研究论文	提出一种基于局部补丁的MRI脑年龄建模方法，并结合可解释的认知储备代理指标	使用双侧补丁的3D CNN集成框架增强解剖特异性，并通过认知评估构建认知储备代理指标（CR-Proxy），量化对年龄相关脑变化的抵抗力	NA	开发可解释、解剖特异的脑年龄预测模型，并提供临床可用的认知储备代理工具	健康对照者、阿尔茨海默病和轻度认知障碍患者	计算机视觉	阿尔茨海默病	MRI	3D卷积神经网络	图像	大型多队列健康对照数据集，独立样本包含阿尔茨海默病和轻度认知障碍患者	NA	3D CNN	NA	NA
1222	2026-05-03	Differences in the impact of leisure consumption spaces on urban residents' life satisfaction: An empirical analysis based on social media big data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347699 PMID:42060636	研究论文	基于社交媒体大数据，利用深度学习方法分析休闲消费空间对城市居民生活满意度的影响	利用多源大数据和深度学习模型（Feature Tokenizer Transformer）系统评估不同休闲消费空间类型对生活满意度的相对重要性	未明确提及局限性	探究不同城市休闲消费空间如何影响居民生活满意度	城市休闲消费空间（餐饮、娱乐、个人护理、零售、体育）	自然语言处理、机器学习	NA	NA	Feature Tokenizer Transformer	文本数据（大众点评和微博签到数据）	NA	NA	Feature Tokenizer Transformer	NA	NA
1223	2026-05-03	PriMAT: Robust multi-animal tracking of primates in the wild 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347669 PMID:42060682	研究论文	提出PriMAT方法，用于野外环境中非人灵长类动物的鲁棒多目标跟踪，基于边界框而非关键点进行检测和追踪	采用边界框代替关键点进行动物跟踪，显著简化数据标注并增强鲁棒性；单阶段模型兼顾检测、跟踪和个体识别	文中未明确提及局限性	开发一种能够在复杂野外条件下（背景变化、光照多变、运动复杂、遮挡）准确跟踪和识别非人灵长类动物的方法	非人灵长类动物（阿萨姆猕猴、红额狐猴、巴巴里猕猴、几内亚狒狒、黑猩猩、大猩猩）	计算机视觉	NA	基于边界框的目标检测与跟踪	单阶段目标检测与跟踪模型	视频和单张图像	数百帧标注的边界框图像	NA	PriMAT	跟踪鲁棒性、个体识别准确率（84%）	NA
1224	2026-05-03	Geometry-Guided Local Alignment for Multi-View Visual Language Pre-Training in Mammography 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-04978-0_29 PMID:42063811	研究论文	提出一种几何引导的局部对齐方法，用于多视图乳腺X光影像视觉语言预训练	首次利用乳腺X光成像的多视图几何先验知识，通过全局与局部、视觉-视觉和视觉-语言的联合对比学习，实现跨视图局部对齐和细粒度特征学习	NA	改进乳腺X光影像视觉语言模型的预训练，提升对多视图几何关系的建模能力	乳腺X光影像及对应的影像报告	计算机视觉	乳腺癌	乳腺X光摄影	视觉语言模型	图像与文本	NA	NA	NA	NA	NA
1225	2026-05-03	DualFusionNet: A fusion-based dual architecture for visual quality control on fabric surfaces 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346708 PMID:42054394	研究论文	提出一种融合CNN与Transformer的双架构模型DualFusionNet，用于拉链表面视觉质检	首次将CNN的局部特征提取与Transformer的全局关系建模结合，通过AFPN和SE模块实现特征融合，提升拉链缺陷检测的准确性	未提及模型的泛化能力验证及在多样化生产环境中的鲁棒性测试	提高拉链缺陷检测精度，通过整合局部与全局特征实现自动化质检	拉链表面缺陷	计算机视觉	NA	深度学习	CNN, Transformer	图像	NA	NA	DualFusionNet	准确率, 平衡准确率	NA
1226	2026-05-03	A hybrid CNN-Transformer network integrating multiscale spatially detailed features for medical image segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345549 PMID:42054482	研究论文	提出一种混合CNN-Transformer网络，融合多尺度空间细节特征用于医学图像分割	提出并行CNN和Swin Transformer编码器，并设计语义与细节融合模块（SDI）来有效整合多尺度特征，在轻量级框架下实现局部和全局特征的互补	未提及具体局限性	提高医学图像分割的准确性和效率，尤其在资源受限环境中的临床部署	医学图像中的复杂解剖结构，如腹部多器官和主动脉血管树	计算机视觉	NA	深度学习	CNN-Transformer混合模型	图像	两个公开数据集：Synapse多器官分割数据集和主动脉血管树数据集	PyTorch	CNN, Swin Transformer, SDI模块	Dice系数, Hausdorff距离	NA
1227	2026-01-08	Commentary on "Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI" 2026-Jan, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.1307 PMID:41494679	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1228	2026-01-08	Response to Commentary on "Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI" 2026-01, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.1444 PMID:41494678	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1229	2026-05-02	A two-stage deep learning framework for lead instrument recognition in polyphonic music featuring Chinese instruments 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327442 PMID:42054289	研究论文	提出一种两阶段深度学习框架，用于在多声部中国乐器音乐中识别主奏乐器	采用“分离-分类”两阶段策略，先提取单个乐器表示再进行多标签分类，显著提升音色相似乐器（如笛子与箫）的识别性能，且框架模型无关、可扩展	未明确提及局限性	解决中国民族音乐多声部主奏乐器识别难题，为智能音频系统提供新方法	多声部中国乐器音乐中的主奏乐器	机器学习	NA	源分离模型、多标签分类网络	深度神经网络	音频	新构建的数据集（未明确数量与种类）	PyTorch	源分离网络、多标签分类网络	准确率、精确率、召回率、F1分数	NA
1230	2026-05-02	A deep learning framework for remaining useful life prediction of turbofan engines with partial sensor failure 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347312 PMID:42054388	研究论文	提出基于长短期记忆生成对抗网络的深度学习框架，用于部分传感器失效下涡扇发动机剩余寿命预测	提出生成式回归模型，通过缺失参数生成器恢复传感器数据完整性，再结合RUL预测器提取时间退化信息，实现传感器故障条件下的鲁棒寿命预测	未明确讨论计算复杂度或真实场景的验证	解决传感器部分失效导致的剩余寿命预测精度下降问题	涡扇发动机在传感器部分故障情况下的剩余使用寿命	机器学习和数字信号处理结合	不适用	生成对抗网络和长短期记忆网络	LSTM和GAN	时间序列传感器数据	NASA C-MAPSS数据集，包含多个涡扇发动机的退化模拟数据	PyTorch	LSTM和GAN	预测精度、鲁棒性、泛化性	不适用
1231	2026-05-02	Optimizing LSTM networks and feature selection algorithms using GEE data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347858 PMID:42054391	研究论文	本研究提出一种结合特征选择策略与元启发式优化深度学习的新框架，用于伊朗胡齐斯坦省洪水易感性制图，利用GEE数据并优化LSTM网络	创新点在于采用九种特征选择方法的集成共识规则确定关键变量，以及五种元启发式算法对LSTM进行超参数优化比较	基于1,000个样本点训练模型，可能限制模型泛化能力；仅应用于单一省份，未在不同气候区验证	实现高精度洪水易感性制图，降低灾害风险	伊朗胡齐斯坦省洪水易感性区域	机器学习	NA	NA	LSTM	地理空间数据	1,000个样本点（500个非洪水点、500个洪水点）	NA	LSTM	F1分数, Cohen's Kappa	NA
1232	2026-05-02	A GNN-based approach for accurate trade balance forecasting and interpretable analysis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346324 PMID:42054384	研究论文	利用图神经网络（GNN）预测229个国家的贸易余额，并与多种深度学习及回归模型进行比较	首次将图神经网络应用于全球贸易余额预测，并证明其相比深度神经网络、Transformer等模型具有更优性能	文中未明确提及研究局限性（例如数据依赖性、模型泛化性等）	提升贸易余额预测的准确性和稳健性，为政策制定者和经济学家提供更精准的工具	229个国家的贸易余额数据	机器学习	NA	NA	图神经网络（GNN）	数值型贸易数据	229个国家的贸易数据	PyTorch, Scikit-learn	GNN, DNN, Transformer, Random Forest, 混合集成模型	MSE, RMSE, MAE, R²	NA
1233	2026-05-02	PRORED: a hybrid transformer framework with progressive refinement decoding for segmenting dynamic speech MRI 2026-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf020 PMID:42063599	研究论文	提出一种名为PRORED的混合Transformer框架，用于动态语音MRI分割	首次利用视觉Transformer和渐进式精化解码器分割动态语音MRI	NA	提高动态语音MRI图像分割的准确性和细节捕捉能力	上声道动态MRI图像中的发音器官	计算机视觉	NA	MRI	Transformer	图像	公开语音MRI数据集和心脏数据集	PyTorch	Vision Transformer, 渐进式精化解码器	Dice系数, Hausdorff距离	NA
1234	2026-05-02	Explaining transformer-based classification of radiology reports 2026-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubag001 PMID:42063605	研究论文	验证并解释基于预训练Transformer的放射学报告分类模型，用于去除混杂数据	结合SHAP解释预训练Transformer模型分类结果，实现放射学报告的可解释分类	未明确提及局限性	验证可解释的深度学习模型在放射学报告分类中的应用，支持临床工作流程中的信任和迭代优化	2038份匿名MRI头部自由文本放射学报告	自然语言处理	小血管疾病	NA	Transformer	文本	2038份放射学报告（80%训练，20%测试）	NA	预训练Transformer	ROC AUC	NA
1235	2026-05-02	Independent validation of the Mosamatic deep learning automated skeletal muscle and adipose tissue segmentation tool in an external Chinese cancer patient cohort 2026-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf021 PMID:42063606	研究论文	在外部中国癌症患者队列中独立验证Mosamatic深度学习自动骨骼肌和脂肪组织分割工具	首次在欧洲训练数据集上验证深度学习工具在欧洲人群上的泛化能力，在中国胃癌患者中独立测试其性能	低BMI和腹水患者自动分割与手动分割的一致性较差	评估基于欧洲人群训练的深度学习工具在中国胃癌患者中的泛化性能	中国胃癌患者的第三腰椎水平CT图像	数字病理学	胃癌	CT成像	深度学习神经网络	图像	203名患者，604张L3水平CT图像	NA	Mosamatic	Dice相似系数, Lin一致性相关系数, Kappa系数	NA
1236	2026-05-02	Spatial AI in cancer: mapping immune evasion topology through multi-modal omics and deep learning 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1762907 PMID:42063727	综述	综述空间人工智能在癌症研究中的应用，结合高分辨率空间多组学与深度学习，揭示免疫逃逸的拓扑机制	将空间拓扑结构与人工智能结合，利用图神经网络解析肿瘤微环境中免疫排斥、功能障碍性炎症区及三级淋巴结构成熟状态等空间表型，提出免疫逃逸的拓扑生物学新视角	数据标准化不足、计算可扩展性有限、模型可解释性差以及监管审批障碍	阐明免疫逃逸的拓扑机制，推动空间生物标志物的临床验证及治疗策略转化	肿瘤微环境中的免疫逃逸拓扑特征，包括物理屏障、局部免疫抑制微环境及免疫细胞聚集结构	机器学习	癌症	空间多组学	图神经网络	空间多模态数据	NA	NA	图神经网络	NA	NA
1237	2026-05-02	Construction and validation of a multimodal MRI-based deep learning model for early differential diagnosis of prostate cancer in the PSA gray zone: a retrospective cohort study 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1763766 PMID:42063732	research paper	开发并验证一种基于多模态MRI的深度学习模型，用于在前列腺特异性抗原(PSA)灰区（4-10 ng/mL）早期鉴别诊断临床显著性前列腺癌	首次将多模态MRI（T2加权成像、弥散加权成像、表观弥散系数图）与临床参数整合到基于改进U-Net和ResNet-50骨干网络的新型多模态卷积神经网络框架中，实现PSA灰区前列腺癌的无创早期诊断，并通过决策曲线分析验证其临床净获益	作为回顾性队列研究，可能引入选择偏倚；样本量相对有限（305例患者）；模型在外部验证集上的泛化能力仍需进一步评估	构建和验证一种整合多模态MRI与临床参数的深度学习模型，提高PSA灰区临床显著性前列腺癌的检测准确性，减少不必要的活检	PSA水平在4-10 ng/mL（PSA灰区）的305例可疑前列腺癌患者	machine learning, computer vision	prostate cancer	多参数磁共振成像(mpMRI)	卷积神经网络(CNN)	MRI影像数据, 临床参数数据	305例患者（来自PSA灰区4-10 ng/mL）	NA	U-Net, ResNet-50	曲线下面积(AUC), 灵敏度, 特异性, 总准确率, 决策曲线分析净获益, 一致性系数(κ)	NA
1238	2026-05-02	Building novel LLM-enabled explainable ensemble transformer models combining endoscopic and CT images for discriminating the different grades of gastrointestinal cancers 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1789769 PMID:42063793	研究论文	提出一种新型可解释的LLM集成Transformer模型，结合内镜和CT图像区分胃肠癌不同分级	首次将LLM与集成Transformer架构结合，实现医疗图像诊断的可解释性和用户交互式诊断说明生成	未提及	开发可解释的深度学习框架，提高胃肠癌严重程度分级的诊断性能并降低误报率	胃肠癌患者的两种医学影像数据（内镜图像和CT扫描图像）	计算机视觉, 自然语言处理	胃肠癌	图像采集与预处理	Transformer, LLM	图像	Kvasir数据集和TCIA CT（TCGA-STAD）数据集	NA	集成Transformer	准确率, 精确率, 召回率, F1分数	NA
1239	2026-05-02	Virtual reality-induced emotion recognition with deep learning-based multimodal physiological feature fusion 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1759471 PMID:42063869	研究论文	研究结合虚拟现实（VR）情绪诱发范式与深度学习的多模态生理信号融合，实现情绪识别	首次将生态效度高的VR情绪诱发与多模态PCA-LSTM融合模型相结合，系统性克服传统方法生态效度低和信息不完整的问题	样本量较小（20名健康参与者），情绪状态仅限于三分类（积极、中性、消极），未考虑个体差异对情绪诱发的影响	提升情绪识别的客观性和准确性，解决传统方法在生态效度和量化精度上的瓶颈	通过VR诱发积极、中性和消极三种情绪状态，并采集生理信号（脑电图、心电、皮电）和主观评估数据	自然语言处理	NA	生理信号采集（脑电图、心电、皮电）、PCA降维、LSTM建模	PCA-LSTM混合网络	生理信号数据（脑电图、心电、皮电）及主观评估数据	20名健康参与者	NA	PCA、LSTM、全连接层	准确率	NA
1240	2026-05-02	Applications of artificial intelligence in postoperative surveillance and management of esophageal squamous cell carcinoma 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1806691 PMID:42064032	综述	综述人工智能在食管鳞状细胞癌术后监测与管理中的应用	系统总结了人工智能多模态模型（整合电子健康记录、影像组学和生物标志物）在术后并发症预警、复发预测及远程随访中的最新进展，并强调可解释性方法（如SHAP）提升临床可理解性	仅纳入英文文献，且部分研究可能受限于样本量或外部验证不足	探讨人工智能在食管鳞状细胞癌围手术期（尤其是术后监测与管理）中的应用潜力	食管鳞状细胞癌患者的术后监测与管理策略	机器学习, 数字病理学, 自然语言处理	食管鳞状细胞癌	影像组学, 自然语言处理, 可穿戴传感器, 电子患者报告结局	机器学习, 深度学习	影像, 文本, 电子健康记录	NA	NA	NA	NA	NA