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
2661	2026-01-10	AI-generated artwork detection using self-distilled transformers with global-local feature learning and Grad-CAM interpretability 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29229-2 PMID:41495073	研究论文	本研究提出了一种基于自蒸馏Transformer和全局-局部特征学习的框架，用于检测AI生成的艺术作品，并通过Grad-CAM增强可解释性	采用自蒸馏Transformer模型DINO v2，结合全局结构和细粒度视觉线索提取判别性特征，并引入可解释性方法验证预测的可靠性	未明确说明数据集的具体规模和多样性，可能影响模型在更广泛艺术风格上的泛化能力	开发先进的检测机制，以区分人类创作的艺术作品与AI生成的内容，维护艺术真实性	真实艺术作品图像和AI生成的艺术作品图像	计算机视觉	NA	深度学习，数字成像	Transformer	图像	平衡的真实与AI生成艺术图像数据集（具体数量未明确）	PyTorch（基于DINO v2的典型实现）	DINO v2	准确率，精确率，召回率，F1分数，AUC	NA
2662	2026-01-10	A high resolution urban and rural settlement map of Africa using deep learning and satellite imagery 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34295-7 PMID:41495271	研究论文	本研究开发了一个基于DeepLabV3的深度学习框架，整合多源卫星数据，生成了2016年至2022年非洲大陆10米分辨率的城乡聚落地图	首次利用深度学习语义分割方法，结合Landsat-8、VIIRS夜间灯光等多源数据，在非洲大陆实现了高分辨率（10米）城乡聚落制图，相比现有全球产品具有更高空间精度和适应性	模型在非洲大陆尺度的总体准确率为65%，Kappa系数为0.47，虽然优于现有产品，但仍有提升空间；方法在高度异质性区域的适应性需进一步验证	开发高精度、高分辨率的非洲城乡聚落制图方法，支持可持续发展目标（特别是SDG 11）和空间规划决策	非洲大陆的城乡聚落空间分布	计算机视觉	NA	卫星遥感（Landsat-8、VIIRS夜间灯光）、深度学习语义分割	CNN	卫星影像、夜间灯光数据、土地利用覆盖数据	覆盖整个非洲大陆（2016-2022年）	NA	DeepLabV3	总体准确率、Kappa系数	NA
2663	2026-01-10	Dual deep learning approach for non-invasive renal tumour subtyping with VERDICT-MRI 2026-Jan-06, Npj imaging DOI:10.1038/s44303-025-00135-6 PMID:41495369	研究论文	本研究利用VERDICT-MRI框架和深度学习技术，开发了一种非侵入性肾肿瘤亚型分类方法	采用自监督神经网络拟合三室VERDICT模型，并识别出减少至4个b值的优化扫描协议，显著缩短扫描时间	样本量较小（14名患者，17个肿瘤），且研究为前瞻性单中心试验，需进一步验证	通过扩散MRI和VERDICT-MRI框架表征肾肿瘤微结构，实现非侵入性亚型区分	肾细胞癌（RCC）患者及其肿瘤组织，包括良性和多种RCC亚型	数字病理学	肾癌	扩散MRI（dMRI），VERDICT-MRI框架	自监督神经网络	MRI图像	14名患者，17个肾肿瘤	NA	NA	NA	NA
2664	2026-01-10	Non-contact lung disease classification via orthogonal frequency division multiplexing-based passive 6G integrated sensing and communication 2026-Jan-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01181-2 PMID:41495455	研究论文	本文提出了一种基于正交频分复用技术的非接触式6G集成感知与通信方法，用于分类五种呼吸系统疾病	利用非电离6G/WiFi多载波射频信号，通过分析不同呼吸疾病对信号幅度、频率和相位的调制差异，实现非接触式疾病筛查，并展示了在仅使用部分带宽时仍保持高准确性的能力	研究样本量相对有限（220名个体），且仅在医院环境中收集数据，可能影响模型的泛化能力	开发一种非接触式呼吸系统疾病筛查工具，结合6G/WiFi技术实现集成感知与通信	呼吸系统疾病患者（包括哮喘、慢性阻塞性肺疾病、间质性肺疾病、肺炎和肺结核）及健康对照者	机器学习	呼吸系统疾病	正交频分复用技术，6G/WiFi多载波射频信号	CNN	射频信号记录	220名个体（190名患者，30名健康对照），包含超过26,000秒的射频信号记录，覆盖64个频率	NA	Vanilla CNN	准确率，精确率，召回率，F1分数	NA
2665	2026-01-07	Two-Tier heuristic search for ransomware-as-a-service based cyberattack défense analysis using explainable Bayesian deep learning model 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-96083-7 PMID:41490912	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2666	2026-01-10	A machine learning study highlighting the challenges of fidgety movement recognition using vision and inertial sensors 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28523-3 PMID:41490995	研究论文	本研究探讨了使用深度学习方法从RGB-D视频和惯性测量单元数据中识别婴儿烦躁运动的挑战	采用深度学习学习解耦特征表示，以独立于受试者信息的方式表征运动，并分析了视觉和传感器模态在识别烦躁运动中的具体挑战	研究显示，获得在训练中未见过的受试者上一致泛化的特征表示仍然具有挑战性，且两种模态均有待解决的具体问题	自动化通用运动评估，以识别婴儿烦躁运动，为早期神经发育障碍（如脑瘫）提供及时干预	95名婴儿（平均年龄约数周）的烦躁运动数据	机器学习	脑瘫	RGB-D视频采集，惯性测量单元数据采集	深度学习	视频，传感器数据	95名婴儿	NA	NA	NA	NA
2667	2026-01-10	Transformer-based InsightGWAS improves GERD genetic discovery via pretraining on GWAS for major depressive disorder 2026-Jan-05, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09177-3 PMID:41491019	研究论文	本研究开发了一种基于Transformer的深度学习模型InsightGWAS，通过在大规模抑郁症GWAS数据上进行预训练，并整合多组学功能注释，提高了胃食管反流病（GERD）的遗传位点发现能力	首次将Transformer模型与迁移学习结合应用于GWAS分析，通过预训练策略和多组学数据整合，显著提升了遗传位点发现的准确性和新颖性	模型依赖于GWAS汇总统计数据，可能受限于原始数据的质量和样本量；预训练数据来源于抑郁症GWAS，其与GERD的生物学关联性需进一步验证	提高胃食管反流病（GERD）的遗传位点发现效率，探索其潜在的生物学通路	胃食管反流病（GERD）的遗传关联位点	机器学习	胃食管反流病	GWAS, eQTLs, mQTLs, 表观基因组学数据	Transformer	基因组学汇总统计数据	NA	NA	Transformer	分类准确率, 假阳性率	NA
2668	2026-01-10	A hierarchical deep learning framework with doubly regularized loss for robust malware detection and family categorization 2026-Jan-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31444-w PMID:41491703	研究论文	本文提出了一种用于便携式可执行文件恶意软件检测和家族分类的分层深度学习框架，采用新型双重正则化二元交叉熵损失函数	提出了一种结合加权交叉熵和谱正则化的双重正则化二元交叉熵损失函数，通过概率框架建模阶段间误差传播，并将超参数调优表达为约束优化问题	NA	开发准确、数学基础扎实且可解释的恶意软件检测和家族分类框架	便携式可执行文件恶意软件	机器学习	NA	NA	深度学习	文件数据	大规模数据集（BODMAS、SOMLAP和CLaMP）	KerasTuner	NA	加权准确率	NA
2669	2026-01-10	SCALE: unsupervised multiscale domain identification in spatial omics data 2026-Jan-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf1456 PMID:41495880	研究论文	本文提出了一种名为SCALE的无监督算法，用于识别空间转录组学数据中的多尺度功能域	首次结合基于深度学习的图表示学习与基于熵的搜索算法，以无监督方式识别生物组织中不同空间尺度的功能域层次结构	未明确说明算法在超大规模数据集或超高分辨率数据上的计算效率限制	开发一种计算方法来识别空间转录组数据中多层次的功能域结构	空间转录组学数据（包括模拟数据、小鼠脑组织数据和患者来源的肾组织数据）	空间组学数据分析	NA	空间转录组学（Xenium, MERFISH）	深度学习, 图表示学习	空间转录组数据	模拟数据、小鼠脑组织（Xenium和MERFISH平台）和患者来源的肾组织数据	NA	NA	与最先进的多域识别方法相比的性能提升（最高191.1个百分点）	NA
2670	2026-01-10	Research on liver cancer pathology image recognition based on deep learning image processing 2026-Jan-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24834-7 PMID:41484185	研究论文	本研究提出了一种名为MSAF-Net的新型多空间注意力融合网络，用于基于深度学习图像处理的肝癌病理图像识别	提出了一种新颖的多空间注意力融合网络（MSAF-Net），系统性地整合了五个互补的特征空间（R、B、Y、熵和LBP），并结合SE-block增强融合机制和基于EfficientNet-Lite的特征提取	NA	提高肝癌病理图像分析的准确诊断能力	肝癌病理图像	数字病理学	肝癌	深度学习图像处理	CNN	图像	NA	NA	MSAF-Net, EfficientNet-Lite	准确率, 灵敏度, 特异性	NA
2671	2026-01-10	A Feature-Augmented Transformer Model to Recognize Functional Activities From in-the-Wild Smartwatch Data 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3586074 PMID:40614149	研究论文	本文提出了一种特征增强的Transformer模型，用于从真实世界智能手表数据中识别功能性活动	引入了特征增强的Transformer模型，通过特征标记-Transformer嵌入来增强特征表示，以改善分类性能，并提出了一个大规模功能性活动数据集ArWISE	未在摘要中明确说明	研究功能性人类活动识别方法，以支持认知健康评估、康复、术后恢复和慢性病管理	从智能手表收集的真实世界传感器数据	机器学习	认知健康、慢性病	传感器数据采集	Transformer	传感器数据	503名参与者，超过3200万个标记点	NA	Transformer	分类性能	NA
2672	2026-01-10	A Composable Channel-Adaptive Architecture for Seizure Classification 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587103 PMID:40633043	研究论文	本文提出了一种可组合的通道自适应架构，用于处理任意通道数的多变量时间序列数据，特别是在癫痫发作分类任务中	提出了一种通道自适应架构，能够无缝处理任意通道数的多变量信号，解决了传统模型需要固定通道数的问题	未明确说明模型在其他医疗任务或数据集上的泛化能力	开发一种适应不同通道配置的深度学习模型，用于癫痫发作分类	颅内脑电图数据，来自多个异质受试者	机器学习	癫痫	颅内脑电图	CNN	时间序列	短时数据集约15小时，长时数据集约2600小时	NA	EEGWaveNet, EEGNet	F1分数	NA
2673	2026-01-10	An Efficient FoG-M3 Method for Self-Adaptive Labeling and Predicting Freezing of Gait 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587734 PMID:40638345	研究论文	本文提出了一种名为FoG-M3的深度学习方法，用于预测帕金森病患者的步态冻结现象	采用非固定长度的Pre-FoG标注方法，结合Mixup、MoCo对比学习策略和Mamba模块增强的U-Net模型，以应对数据不平衡和特征表示不足的挑战	NA	预测帕金森病患者的步态冻结现象，以提供足够的姿势调整时间	帕金森病患者的步态数据	机器学习	帕金森病	深度学习	U-Net	步态数据	NA	NA	U-Net, Mamba模块	准确率	NA
2674	2026-01-10	DeepBindi: An End-to-End Fear Detection System Optimized for Extreme-Edge Deployment 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3587961 PMID:40638343	研究论文	本文介绍了一种专为极端边缘部署优化的端到端恐惧检测系统，结合了特征工程和轻量级1D-CNN模型	提出了一种结合手工特征和深度学习卷积技术的优化轻量级1D-CNN架构，专为极端边缘设备设计，并在超低功耗ARM Cortex™-M4架构上成功集成验证	未提及系统在更广泛数据集或多样化真实场景中的泛化能力	开发一种适用于可穿戴系统的端到端恐惧识别系统，优化极端边缘部署	基于生理信号的恐惧检测	机器学习	NA	生理信号分析	1D-CNN	生理信号数据	使用WEMAC数据集进行实验验证	NA	1D-CNN	F1分数, 准确率	超低功耗ARM Cortex™-M4架构
2675	2026-01-10	PDSNet: Patient-Disease Dual Spatial Similarity Neural Networks for Predicting Heart Failure Risk Using Short Electronic Health Records 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3593388 PMID:40720268	研究论文	本文提出了一种名为PDSNet的新型深度神经网络，通过患者-疾病双重空间相似性策略，利用短期电子健康记录改进心力衰竭风险预测	提出了一种新颖的双重患者-疾病空间相似性策略，结合本体图、二分图模型和基于Transformer的架构，整合时空动态以提升心力衰竭风险预测的准确性	研究基于单一数据集（MIMIC-III），可能限制了模型的泛化能力；未详细讨论模型在临床环境中的实际部署挑战	改进心力衰竭风险预测，为临床决策支持和个性化管理提供高效工具	7,346名来自MIMIC-III数据集的患者	机器学习	心血管疾病	电子健康记录分析	深度神经网络	电子健康记录	7,346名患者	NA	Transformer	AUC, F1分数	NA
2676	2026-01-10	Detection of Dens Invaginatus on Panoramic Radiographs Using Deep Learning Algorithms 2026-Jan, International journal of paediatric dentistry IF:2.3Q2 DOI:10.1111/ipd.70027 PMID:40754680	研究论文	本研究评估了YOLOv5和YOLOv8深度学习模型在曲面断层片上检测牙齿内陷的准确性和可靠性	首次在牙齿内陷检测中比较了YOLOv5和YOLOv8模型，并评估了检测和分割两种标注方法的性能	样本仅包含8-18岁患者的前牙区曲面断层片，未涵盖所有年龄组和牙位	评估深度学习模型在曲面断层片上自动检测牙齿内陷的可行性	牙齿内陷（发育性牙体异常）	计算机视觉	牙科疾病	全景X线摄影	YOLOv5, YOLOv8	图像（全景X线片）	656张患者全景X线片（8-18岁）	NA	YOLOv5, YOLOv8	精确率, 灵敏度, F1分数	NA
2677	2026-01-10	Estimation of Segmental Longitudinal Strain in Transesophageal Echocardiography by Deep Learning 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3605793 PMID:40907054	研究论文	本研究开发了首个自动化管道autoStrain，利用深度学习技术从经食管超声心动图(TEE)中估计左心室节段纵向应变(SLS)，以评估区域性左心室功能障碍	首次提出自动化管道autoStrain用于TEE中的SLS估计，并比较了基于RAFT光流模型的TeeFlow和基于CoTracker点轨迹模型的TeeTracker两种深度学习方法	真实超声心动图序列的地面真实运动数据难以获取，因此依赖合成TEE数据集进行训练和评估	开发自动化方法以高效、精确地估计左心室节段纵向应变，用于评估心脏功能	左心室节段纵向应变(SLS)的估计	计算机视觉	心血管疾病	经食管超声心动图(TEE)	深度学习	图像序列	80名患者的合成TEE数据集用于训练和评估，16名患者用于临床验证	NA	RAFT, CoTracker	平均距离误差, 平均差异(95%一致性限)	NA
2678	2026-01-10	Fundus Image Enhancement With Pyramid Conditional Flow 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3600277 PMID:40911458	研究论文	本文提出了一种名为PCFlow的新型归一化流方法，用于增强低质量眼底图像，通过优先保留临床重要信息而非仅改善视觉质量	首次将归一化流方法应用于眼底图像增强，学习高质量眼底图像的复杂分布而非像素到像素映射，并利用视网膜结构作为条件约束优化	未明确说明方法在极端低质量图像或不同眼底疾病类型上的泛化能力	解决眼底图像增强中因一对多关系导致的病态问题，提升临床应用的实用性	低质量眼底图像及其对应的高质量版本	计算机视觉	NA	归一化流	PCFlow（基于归一化流）	图像	未明确指定，但涉及真实和合成的眼底数据集	未明确指定	PCFlow（包含条件模块和可逆耦合层，采用金字塔结构）	未明确指定具体指标，但提及更好性能	未明确指定
2679	2026-01-10	Magnetic Microrobot With Drilling-Sensing Dual Functionality for Targeted Biopsy of Deep-Seated Tracheal Microlesions 2026-Jan, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202514664 PMID:40984789	研究论文	本文报道了一种多功能磁驱动微机器人平台，用于肺部深处微病变的靶向活检，旨在早期肺癌诊断	该微机器人集成了钻孔式组织采样和表面增强拉曼散射生物传感的双重功能，并通过深度学习模型实现快速组织识别	研究主要基于离体猪肺模型和体内兔试验，临床验证尚不充分	开发一种非侵入性、精确的肺部活检技术，用于早期肺癌诊断	肺部深处微病变，包括健康和各种癌变肺组织	数字病理学	肺癌	表面增强拉曼散射光谱，实时气管镜和荧光镜引导	CNN	光谱数据，组织样本	离体猪肺模型和体内兔试验，以及临床患者样本	NA	卷积神经网络	识别准确率	NA
2680	2026-01-10	Low-Count PET Image Reconstruction With Generalized Sparsity Priors via Unrolled Deep Networks 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3615075 PMID:41021951	研究论文	本文提出了一种基于展开深度网络的低计数PET图像重建方法，结合广义稀疏先验，通过自适应学习超参数提升性能	引入了基于泊松分布最大似然估计和广义域变换稀疏学习的展开深度网络（GS-Net），利用ADMM框架和修改的EM方法优化复杂目标，并自适应调整所有超参数	未明确说明方法在极端低计数或不同扫描仪类型下的泛化能力，以及计算复杂度可能较高	提升低计数PET图像重建的质量和效率，结合深度学习和物理先验	模拟患者脑部数据集和真实患者全身临床数据集	医学影像	NA	PET成像	展开深度网络	PET图像	模拟和真实患者数据集，包含多个计数水平	ADMM, EM	GS-Net	定性和定量评估	NA