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
3421	2026-04-06	Breaking through safety performance stagnation in autonomous vehicles with dense learning 2026-Feb-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69761-x PMID:41741461	研究论文	本文提出一种创新的密集学习方法，通过同时关注信息性失败与成功样本，解决自动驾驶车辆安全性能停滞问题	提出基于策略梯度贡献和暴露频率的样本选择方法，显著降低学习方差且无偏差，突破现有方法无法处理的任务限制	未明确说明方法在极端罕见事件中的泛化能力，实验验证限于特定城市测试场景	突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能	高度自动化车辆的安全关键驾驶智能体	机器学习	NA	混合现实技术	深度学习	驾驶场景数据	NA	NA	NA	安全性能提升幅度（数量级）	NA
3422	2026-04-06	Development of a Novel Deep Learning-Based Gaze Estimation Method for Detecting Strabismus 2026-Feb, Cureus DOI:10.7759/cureus.104035 PMID:41883914	研究论文	本研究开发并初步验证了一种基于深度学习的视线估计算法，用于通过视频输入定量估计眼球对齐（方向和角度），以检测和量化斜视	提出了一种基于深度学习的视线估计新方法，用于非侵入性地定量评估斜视角度，并利用计算机生成的合成眼图像进行模型训练	需要进一步针对已建立的临床标准进行验证，且当前数据集有限，未来需纳入多设备数据以提高准确性	评估基于深度学习的视线估计算法作为一种检测和量化斜视的新方法	眼球位置视频输入，包括无眼科病史个体、已知外斜视诊断患者以及无眼科异常的正常受试者	计算机视觉	斜视	视线估计	深度学习模型	视频	12名受试者（2名病例，10名无眼科异常对照）	NA	NA	斯皮尔曼相关系数	NA
3423	2026-04-06	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	本文提出了一种弱到强泛化框架，通过整合手工特征来增强深度学习模型在组织学图像分类中的可解释性和性能	提出弱到强泛化框架，利用可解释的手工特征教师模型监督深度学习学生模型，并通过互信息分析手工特征与深度学习特征之间的相关性	未明确说明框架在更大或更复杂数据集上的泛化能力，以及计算资源需求的具体细节	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	数字病理学	肿瘤分类	NA	深度学习模型	图像	三个公共数据集	NA	NA	分类性能，互信息	NA
3424	2026-04-06	Development and evaluation of an artificial intelligence-based electrocardiogram prediction model for emergency chest pain patients 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1746364 PMID:41884147	研究论文	本研究开发并评估了一种基于人工智能的心电图预测模型，用于急诊胸痛患者的快速分诊和病因鉴别	提出了一种结合通道注意力机制的卷积神经网络模型，用于自动、实时分析12导联心电图，显著缩短了诊断时间并提高了对STEMI和NSTEMI的识别准确性	模型对不稳定型心绞痛和主动脉夹层的检测性能欠佳，表现为高敏感性但精确度相对较低，这主要归因于这些疾病非特异性或一过性的电生理特征	开发一种人工智能辅助工具，以提升急诊科急性胸痛患者的诊断准确性和临床决策效率	急诊科就诊的急性胸痛患者	数字病理学	心血管疾病	12导联心电图	CNN	图像	1188名患者	NA	结合通道注意力机制的卷积神经网络	准确率, 精确率, 召回率, F1分数, AUC, 混淆矩阵	NA
3425	2026-04-06	YOLOBT: a novel ERP bad trial detection network dynamically adjusting based on global signal quality 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1714086 PMID:41884779	研究论文	本文提出了一种基于YOLO的深度学习框架YOLOBT，用于动态调整事件相关电位（ERP）研究中坏试次的检测	提出了一种能模拟专家自适应策略的坏试次检测框架，通过全局信号质量评估实现动态阈值调整，并引入了跨层注意力瓶颈、分层特征引导模块和全局信息分类模块等创新结构	未在论文摘要中明确说明	开发一种能模拟专家自适应判断的自动化ERP坏试次检测方法	脑电图（EEG）信号中的事件相关电位（ERP）试次	机器学习	NA	脑电图（EEG），事件相关电位（ERP）	YOLO	图像（将EEG信号可视化为波形图像）	未在摘要中明确说明具体样本数量，仅提及使用手动标注的数据集	NA	YOLO	精确率，召回率，平均精度均值，F1分数	NA
3426	2026-04-06	The Predictive Value of the Pan-Immune-Inflammation Value for Atrial Fibrillation Risk in Patients with Coronary Artery Disease: A Multicenter Machine Learning Study 2026, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S579135 PMID:41883473	研究论文	本研究通过多中心机器学习方法，探讨了泛免疫炎症值（PIV）对冠心病患者心房颤动风险的预测价值	首次将新型复合炎症标志物PIV应用于冠心病患者心房颤动的风险预测，并比较了XGBoost与多层感知机模型的性能	研究为回顾性设计，可能存在选择偏倚；样本仅来自两家三级医院，外部验证有待加强	评估PIV对冠心病患者发生心房颤动的预测能力，并构建机器学习模型进行个体化风险评估	经冠状动脉造影确诊的冠心病患者，分为心房颤动组与非心房颤动组	机器学习	心血管疾病	冠状动脉造影，实验室检测	XGBoost, MLP	临床特征与实验室数据	来自两家三级医院的多中心冠心病患者队列	XGBoost, 未指定深度学习框架	XGBoost, 多层感知机	AUC, 校准分析	NA
3427	2026-04-06	Advances and challenges from pathological mechanisms to intelligent quantified diagnosis in diabetic optic neuropathy 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261435864 PMID:41883518	综述	本文全面综述了糖尿病性视神经病变的病理生理机制、当前诊断挑战以及人工智能在早期检测和个性化管理中的新兴作用	系统探讨了人工智能在糖尿病性视神经病变中的转化应用，包括视神经头分割、疾病分类、鉴别诊断、预测分析和影像组学新生物标志物发现，并强调了从糖尿病视网膜病变模型向神经退行性变化检测的转变	NA	综述糖尿病性视神经病变的病理机制、诊断挑战及人工智能在量化诊断中的应用前景	糖尿病性视神经病变	数字病理学	糖尿病性视神经病变	NA	机器学习, 深度学习	影像数据	NA	NA	NA	NA	NA
3428	2026-04-06	Improving stain normalization for digital histological image analysis based on the cycle generative adversarial network identity loss model 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261438012 PMID:41883528	研究论文	本研究提出了一种基于循环生成对抗网络身份损失模型的染色归一化框架，旨在改善数字组织病理学图像分析中的染色颜色变化问题	提出了一种结合StainGAN和Stain-to-Stain Translation的I-GAN框架，通过引入身份损失和RGB-灰度训练策略，在测试阶段使用RGB图像以保留原始染色信息，实现了结构信息的保持和跨异质染色域的稳定颜色域转换	NA	开发一个鲁棒的染色归一化框架，以解决染色环境和扫描设备差异导致的颜色变化问题，促进基于深度学习的数字组织病理学图像分析	数字组织病理学图像，特别是苏木精和伊红染色的图像	数字病理学	NA	苏木精和伊红染色	GAN	图像	使用了MITOS-ATYPIA 14、Camelyon17和ICIAR2018 BACH Challenge数据集	NA	StainGAN, Stain-to-Stain Translation	SSIM, PSNR, DeltaE-ITP, 平均精度, 准确率, 精确率, 召回率	NA
3429	2026-04-06	A unified VQ-VAE framework for few-shot retinal vessel segmentation and multidisease classification 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261433086 PMID:41883526	研究论文	本研究提出了一种基于向量量化变分自编码器的少样本学习框架，用于视网膜血管分割和多疾病分类	利用VQ-VAE在未标注眼底照片上进行预训练，学习可迁移的离散表示，以初始化多个下游模型，有效减少标注数据需求并提升性能	未明确说明模型在更广泛或更复杂临床场景中的泛化能力，以及计算资源的具体需求	解决任务特异性深度学习模型对大型标注数据集的依赖问题，开发资源高效的少样本学习解决方案	视网膜血管分割和眼部疾病分类	计算机视觉	眼部疾病	深度学习，少样本学习	VQ-VAE, CNN, GAN	图像	多个公共数据集（DRIVE, STARE, CHASE, Retina, ODIR），其中分类任务仅使用70张标注图像	NA	U-Net, SegNet, ERFNet, FR-UNet, Swin-Res-Net, RV-GAN, VGG-16, ResNet-50, EfficientNet-B0	Dice系数, 召回率, 准确率, 交并比, 平均交并比, 平均偏移距离, 精确率, F1分数, AUC	NA
3430	2026-04-06	Integrating deep learning and thermal estimation for enhanced MRI-based brain tumor diagnosis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261431902 PMID:41883532	研究论文	本研究开发了一个集成AI驱动的MATLAB框架，通过结合MRI特征与热和纹理生物标志物，提升脑肿瘤诊断的准确性	首次将深度学习分割、形态分析、热估计和纹理量化整合到一个MATLAB管道中，用于脑肿瘤诊断，并提出了基于面积的温度估计公式	硬件限制导致训练仅进行了计划的30个周期中的8个，影响了模型优化；对垂体瘤的召回率较低（29%），对脑膜瘤的精确度较低（48.6%）	开发一个集成AI框架，通过结合MRI特征与热和纹理生物标志物，提高脑肿瘤诊断的准确性	脑肿瘤（包括胶质瘤、脑膜瘤、垂体瘤）和健康脑组织	数字病理学	脑肿瘤	磁共振成像（MRI）	CNN	图像	来自Kaggle和Figshare的数据集（具体样本数量未明确说明）	MATLAB	紧凑型三层卷积神经网络	准确率, F1分数, 召回率, 精确度	硬件限制导致训练周期减少，建议转向GPU加速训练（具体GPU类型未明确说明）
3431	2026-04-05	Combined caLculation of Ultra-high field Biases (CLUB) With Sandwich: Fast, Simultaneous Estimation of 3D B0 and Multi-Channel B1 + Maps at 7 T 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70289 PMID:41639931	研究论文	开发并验证了一种在超高场下同时映射静态场和发射场不均匀性的方法，结合深度学习加速实现快速在线应用	提出CLUB-Sandwich序列，通过在多回波读出中集成B1+映射，实现B0和B1+的同时快速估计，并首次结合深度学习进行加速重建	研究仅基于11名健康志愿者的数据，未在患者群体或不同疾病状态下验证，且未评估长期稳定性	开发一种快速、准确的超高场MRI中B0和B1+场不均匀性同时映射方法	11名健康志愿者的MRI数据	医学影像处理	NA	超高场MRI（7T）、多回波序列、低秩张量补全、深度学习重建	深度学习模型	3D MRI图像数据	11名健康志愿者	NA	NA	相关系数、均方根误差	NA
3432	2026-04-05	A computationally efficient hybrid Kolmogorov-Arnold network for hyperspectral classification of signatory pen inks 2026-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112897 PMID:41775118	研究论文	本文提出了一种用于签名笔油墨高光谱分类的计算高效的混合CNN-KAN网络架构	首次将卷积神经网络（CNN）与Kolmogorov-Arnold网络（KAN）结合，形成混合CNN-KAN架构，以CNN前端提取特征并降维，KAN后端增强非线性拟合能力，有效区分高度相似的油墨类别	研究仅针对40个品牌和型号的签名笔油墨，未在其他更广泛或更复杂的数据集上进行验证	为法医文件检验领域提供一种基于高光谱成像技术的、高精度且计算高效的深度学习解决方案，用于无损、精确地区分签名笔油墨	签名笔油墨	计算机视觉	NA	高光谱成像（HSI）	CNN, KAN	高光谱图像	涉及40个品牌和型号的签名笔油墨	NA	CNN-KAN, VGG, AUNet	准确率	NA
3433	2026-04-05	Analysis of passive bloodstain morphology across surface textures and drop heights using deep learning 2026-Jun, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112890 PMID:41707408	研究论文	本研究利用深度学习分析被动血迹形态在不同表面纹理和滴落高度下的变化，验证了冲击角确定的一致性	首次将深度学习（特别是MobileNet模型）应用于血迹模式分析，以区分不同滴落高度产生的血迹，并强调了迁移学习在小型法医数据集中的价值	研究仅考虑垂直90°角滴落，未涵盖多角度冲击、运动相关效应或温度控制条件，未来需扩展以更真实模拟犯罪现场	探究基底类型和滴落高度对被动血迹形态的影响，以增强法医血迹模式分析（BPA）的准确性和适用性	被动血迹，在五种不同表面（弯曲杯、压碎图表纸、黄麻布、果冻石、混凝土）上从三个不同高度垂直滴落的血液样本	计算机视觉	NA	深度学习	CNN	图像	大型图像数据集，具体数量未明确说明	TensorFlow, PyTorch, Keras（基于MobileNet常用框架推断，但原文未明确指定）	MobileNet	准确率	NA
3434	2026-04-05	Learning Deep Tree-Based Retriever for Efficient Recommendation: Theory and Method 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3648453 PMID:41452694	研究论文	本文提出了一种基于深度树的高效推荐检索器（DTR），通过软最大多类分类和损失函数修正方法，提升推荐效率并满足最大堆假设	提出DTR模型，将训练任务构建为同层树节点上的软最大多类分类，实现显式横向竞争和更优的top-k选择，同时引入损失函数修正和基于树的采样方法以提升泛化能力	未明确说明模型在大规模候选集下的计算成本或实际部署中的具体限制	提高深度推荐模型的推荐效率，同时保持推荐准确性	基于树结构的深度推荐模型	机器学习	NA	NA	深度树模型	推荐数据	四个真实世界数据集	NA	Deep Tree-based Retriever (DTR)	推荐准确性, 推荐效率	NA
3435	2026-04-05	Revisiting Out-of-Distribution Detection in Real-Time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3650695 PMID:41489965	研究论文	本文针对实时目标检测中的分布外检测问题，揭示了现有评估基准的缺陷并提出了一种新的训练时缓解范式	揭示了广泛使用的OoD评估基准存在根本性缺陷（高达13%的标注错误），并提出了一种不依赖外部OoD检测器的新型训练时缓解范式，通过语义相似的合成OoD数据集微调检测器	未明确说明合成OoD数据集的构建细节和规模，且方法在极端分布偏移场景下的有效性有待验证	有效减少目标检测器中由分布外输入引发的幻觉错误	实时目标检测模型	计算机视觉	NA	深度学习	CNN, Transformer	图像	BDD-100K数据集	PyTorch	YOLO, Faster R-CNN, RT-DETR	幻觉错误减少率	NA
3436	2026-04-05	Learn to Enhance Sparse Spike Streams 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653768 PMID:41528913	研究论文	本文提出了首个深度学习框架SS2DS，用于将稀疏的脉冲流增强为密集的脉冲流，以解决脉冲相机在低光照高速场景下的性能下降问题	提出了首个深度学习框架SS2DS，能够调整稀疏脉冲流的时间分布，并首次构建了合成和真实的稀疏脉冲流数据集进行评估	未明确说明模型在极端低光照条件下的鲁棒性，以及计算复杂度和实时性方面的具体表现	解决脉冲相机在低光照高速视觉任务中脉冲信号稀疏导致的性能下降问题	脉冲相机产生的稀疏脉冲流	计算机视觉	NA	脉冲相机成像	神经网络	脉冲流数据	合成和真实稀疏脉冲流数据集（具体数量未明确）	NA	SS2DS	MA, BRISQUE, NIQE, PSNR, SSIM, LPIPS	NA
3437	2026-04-05	Consistency-Aware Spot-Guided Transformer for Accurate and Versatile Point Cloud Registration 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653989 PMID:41533614	研究论文	本文提出了一种用于点云配准的一致性感知点引导Transformer模型，旨在通过改进粗匹配过程提升配准的准确性和效率	设计了两种稀疏注意力机制：一致性感知自注意力通过选择具有全局一致对应关系的点子集来传播全局一致性；点引导交叉注意力将注意力限制在动态定义的“点”区域，以消除相似但不相关区域的干扰	未明确说明模型在极端噪声或严重遮挡场景下的性能，也未讨论计算资源消耗的具体量化数据	提升点云配准的准确性、效率和鲁棒性，并增强模型在未见领域的泛化能力	室外LiDAR数据集和室内RGB-D相机数据集中的点云	计算机视觉	NA	NA	Transformer	点云	NA	NA	一致性感知点引导Transformer (CAST)	准确性, 效率, 鲁棒性	NA
3438	2026-04-05	Single-Photon Imaging in Complex Scenarios via Physics-Informed Deep Neural Networks 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654264 PMID:41538339	研究论文	提出一种物理信息深度神经网络框架，用于复杂场景下的单光子成像，通过嵌入成像物理实现无监督学习	将成像物理嵌入深度神经网络，引入多尺度时空先验和体积渲染，并设计双分支结构以应对多深度和雾遮挡	未明确说明计算资源需求或模型在极端低信噪比下的性能边界	解决复杂场景下单光子成像的低信噪比和泛化问题	单光子成像系统捕获的3D结构数据	计算机视觉	NA	单光子成像	深度神经网络	图像	NA	NA	U-Net	均方根误差	NA
3439	2026-04-05	Rapid assessment of pesticide toxicity in aquatic ecosystems using deep learning-based automatic duckweed counting method 2026-May, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2026.107791 PMID:41887020	研究论文	本研究利用基于深度学习的自动浮萍计数方法快速评估农药对水生生态系统的毒性	应用基于StarDist技术的优化自动浮萍计数工具，实现高通量、自动化的农药毒性评估	仅测试了28种常用农药，且毒性评估基于实验室条件，可能无法完全反映自然环境中的复杂效应	评估农药对水生植物的毒性，为农药环境风险评估提供快速有效的方法	浮萍（Wolffia globosa）	计算机视觉	NA	StarDist技术	深度学习	图像	28种常用农药（包括除草剂、杀菌剂和杀虫剂）对浮萍生长的测试	NA	StarDist	IC值（抑制浓度）	NA
3440	2026-04-05	Neuroimaging-Based Deep Learning Applications for Lesion Detection and Predicting the Outcome Following Epilepsy Surgery 2026-May, Neuroimaging clinics of North America IF:1.3Q3 DOI:10.1016/j.nic.2025.10.002 PMID:41932780	综述	本文综述了基于神经影像的深度学习在癫痫手术病灶检测和术后结果预测中的应用	总结了深度学习在癫痫手术病灶检测中的进展，并探讨了其在术后结果预测方面的探索性应用	基于神经影像的手术结果预测模型仍处于探索阶段，缺乏透明、可解释和前瞻性验证	评估深度学习在癫痫手术病灶检测和术后结果预测中的应用潜力	药物难治性局灶性癫痫患者	医学影像分析	癫痫	神经影像（如MRI）	深度学习模型	神经影像数据	多中心大型研究	NA	NA	NA	NA