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
581	2026-07-07	Automated whale shark recognition and tracking using drones and deep learning 2026-Jul-05, Journal of fish biology IF:1.7Q2 DOI:10.1111/jfb.70525 PMID:42402333	研究论文	探索利用无人机遥感与深度学习技术实现鲸鲨的自动识别与跟踪	将无人机遥感与深度学习相结合，利用姿态估计（DeepLabCut）和多尺度补丁（MSP）两种方法实现鲸鲨自动识别与跟踪，并评估环境因素对模型性能的影响	未明确提及局限性	开发基于无人机和深度学习的非侵入性鲸鲨自动识别与跟踪方法，支持生态研究与保护工作	鲸鲨（Rhincodon typus）	计算机视觉	NA	深度学习	卷积神经网络	图像	2023年10月共进行59次无人机飞行，记录23次鲸鲨目击	DeepLabCut, PyTorch（隐含）	卷积神经网络（具体架构未指明）	宏观F1分数，覆盖面积指标	NA
582	2026-07-07	Automatic prediction of cotton leaf's diseases using deep learning techniques 2026-Jul-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60523-9 PMID:42402658	研究论文	提出了一种基于深度学习的棉花叶病害自动预测模型CLDP-CNN，使用迁移学习在两个数据集上实现了高准确率检测	优化了迁移学习模型CLDP-CNN，通过预训练深度神经网络增强特征提取和分类效率，并开发了实时更新的网络应用以辅助棉农决策	模型在真实田间条件下的泛化能力仍有限，且依赖高质量的预处理和数据集	开发并优化基于迁移学习的卷积神经网络自动预测棉花叶病害	棉花叶片病害，包括细菌性枯萎病、镰刀菌枯萎病和卷叶病毒病	计算机视觉	棉花叶病害	迁移动学习	卷积神经网络	图像	两个数据集：来自棉田的实地图像数据集和Kaggle来源的数据集	NA	CLDP-CNN, VGG16	准确率	NA
583	2026-07-07	Deep Learning for Quality Control and Multimodal Integration of Shear Wave Elastography in Breast Lesion Characterization 2026-Jul-05, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70351 PMID:42403003	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
584	2026-07-07	Multi-View Fused Nonnegative Matrix Completion Methods for Drug-Target Interaction Prediction 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3589662 PMID:40668724	研究论文	提出两种多视图融合非负矩阵补全方法，用于药物-靶标相互作用预测，整合多生物视图的异质性相似性信息以提高预测的准确性、可解释性和可扩展性	首次将非负矩阵补全与多视图融合机制结合，通过线性约束二次规划联合学习多个药物和靶标相似性矩阵的权重，并引入多图拉普拉斯正则化保持各视图结构属性	未明确讨论方法的局限性	提高药物-靶标相互作用预测的准确性、可解释性和可扩展性	药物-靶标相互作用（DTI）	机器学习	NA	NA	非负矩阵补全	药物和靶标的相似性矩阵数据	四个黄金标准数据集和一个更大规模的真实世界数据集	NA	非负矩阵补全、多视图融合、多图拉普拉斯正则化	准确性、可解释性、可扩展性	NA
585	2026-07-07	Geometric Deep Learning for Protein-Ligand Affinity Prediction With Hybrid Message Passing Strategies 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3594210 PMID:40748800	研究论文	提出一种名为HybridGeo的几何深度学习方法，利用混合消息传递策略进行蛋白质-配体亲和力预测	采用双视图图学习建模分子内和分子间原子相互作用，并提出混合策略聚合空间信息；在蛋白质口袋残基尺度图上使用几何图变换器建模残基间依赖关系	未明确说明局限性	提高蛋白质-配体亲和力预测的准确性，解决低维方法忽略三维几何特征的问题	蛋白质和配体的三维几何结构及其结合亲和力	机器学习	NA	NA	图神经网络、几何图变换器	三维几何结构数据	PDBbind数据集，三个外部测试集	NA	HybridGeo、几何图变换器	均方根误差	NA
586	2026-07-07	Leveraging Swin Transformer for Enhanced Diagnosis of Alzheimer's Disease Using Multi-Shell Diffusion MRI 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3636745 PMID:41284461	研究论文	利用Swin Transformer在多壳扩散MRI数据上增强阿尔茨海默病的诊断	首次将Swin Transformer应用于多壳扩散MRI数据，并结合低秩适应（LoRA）技术以高效适应有限的标记神经影像数据	依赖多壳扩散MRI特征，且样本量可能有限，未提及跨数据集验证	支持阿尔茨海默病的早期诊断和淀粉样蛋白积累检测	阿尔茨海默病、轻度认知障碍、淀粉样蛋白状态	计算机视觉, 数字病理学	阿尔茨海默病	扩散MRI, DTI, NODDI	Swin Transformer	图像（2D投影）	未明确说明	PyTorch	Swin Transformer	平衡准确率	NA
587	2026-07-07	Cross-Modality Image Registration via Generating Aligned Image Using Reference-Augmented Framework 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642431 PMID:41370158	研究论文	提出一种基于参考增强框架的跨模态图像配准方法，通过生成对齐图像实现	首次提出“通过生成进行配准”框架，结合半全局参考增强合成网络与变形感知交叉注意力机制，实现无需预对齐数据的自监督训练	论文未明确指出本方法的局限性，可能包括对高度非线性形变的处理能力有限或计算资源需求较高	解决跨模态图像（如MR-CT、CBCT-CT）配准中结构对齐与纹理保留的难题	跨模态医学图像对，涉及MR-CT、CBCT-CT等模态组合	计算机视觉，数字病理学	不适用	不适用	深度学习	图像	使用多个未对齐数据集及一个已对齐数据集进行模拟测试，具体样本数量未提及	PyTorch	Patch Adaptive Instance Normalization (PAdaIN), Deformation-Aware Cross-Attention (DACA) block	结构对齐指标，分布一致性指标	不适用
588	2026-07-07	Clinically Generalizable Low-Dose CT Denoising for Pediatric Imaging via Enhanced Diffusion Posterior Sampling 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3642922 PMID:41379899	研究论文	提出增强扩散后验采样框架，用于儿科低剂量CT图像去噪，提升泛化能力与结构保真度	结合单步去噪U-Net和无条件扩散模型，通过可调权重整合结构约束与先验分布，并引入中间阶段初始化策略减少采样步数	未提及在更大规模临床数据或多中心验证中的表现，以及计算资源需求的具体评估	实现临床可泛化的低剂量CT去噪方法，特别面向儿科影像以减少辐射剂量	儿科患者全身PET/CT影像中的低剂量CT图像	计算机视觉	儿科疾病	CT成像	U-Net和无条件扩散模型	图像	NA	NA	U-Net, 扩散模型	PSNR	NA
589	2026-07-07	Graph Attention Fusion With Kolmogorov-Arnold Network for Drug-Gene Interaction Prediction 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625672 PMID:41379905	研究论文	提出基于图注意力融合与KAN网络的药物-基因相互作用预测方法（dgKAN），通过解析异构注意力机制提升预测性能	首次将KAN网络应用于药物-基因相互作用预测，通过可解释的样条函数建模跨域信息流，并联合动态注意力采样与Transformer-GNN混合架构实现全局与局部注意力融合	NA	预测药物-基因新型相互作用，支持疾病治疗的药物开发	药物与基因之间的相互作用关系	机器学习	NA	NA	图注意力网络、Transformer、KAN	图结构数据	NA	PyTorch	TransGNN、KAN	NA	NA
590	2026-07-07	Toward Robust Assessment of Pathological Voices via Combined Low-Level Descriptors and Foundation Model Representations 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644692 PMID:41396745	研究论文	本文提出VOQANet和VOQANet+深度学习框架，通过结合语音基础模型嵌入和低层声学描述符实现鲁棒的病理语音质量评估	首次将自监督语音基础模型嵌入与低层声学描述符（jitter、shimmer、HNR）结合，并引入注意力机制，同时在元音级和句子级语音上评估模型泛化能力	未提及具体局限性信息	实现客观、鲁棒的病理语音质量自动评估，克服传统专家评分的主观性和变异性	病态语音信号（包括元音级和句子级语音）	自然语言处理, 机器学习	嗓音障碍	深度学习, 自监督学习, 声学分析	VOQANet, VOQANet+	语音	未明确提及样本数量，包含元音级和句子级语音数据	PyTorch	注意力机制, 语音基础模型嵌入	均方根误差, 皮尔逊相关系数	NA
591	2026-07-07	Memory-Efficient Intrinsic Gating Adaptation for Enhanced On-Device Epilepsy Diagnosis 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643602 PMID:41396749	研究论文	提出一种内存高效的内在门控适应框架（MEIGA），用于在资源受限的边缘设备上增强癫痫诊断的实时适应能力	首次将直接反馈对齐（DFA）与轻量级适配器网络结合，实现高效内存和计算开销下的癫痫诊断模型自适应，显著提升跨会话分类性能	在论文中没有明确说明局限性	解决边缘设备上基于EEG的癫痫诊断因患者生物标志物随时间变化而导致的性能下降问题	癫痫患者脑电图（EEG）数据及其跨会话的生物标志物变化	机器学习	癫痫	EEG	Vision Transformer (ViT)	EEG信号	CHB-MIT癫痫数据集和AES数据集	PyTorch	Vision Transformer	准确率	边缘设备（具体GPU未提及）
592	2026-07-07	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	提出一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准方法（DTI-RBPDV），以提高配准精度和计算速度	该方法采用双分支卷积神经网络架构并行处理分数各向异性图像和主特征向量，并在解码器层集成通道空间注意力机制以增强关键结构对齐	未提及具体限制	解决传统DTI配准方法迭代速度慢、精度低的问题	扩散张量磁共振图像中的张量数据	计算机视觉	NA	扩散张量磁共振成像	卷积神经网络	图像	NA	NA	VoxelMorph	配准精度、计算速度	NA
593	2026-07-07	Multi-Scale, Multi-Basis Wavelet Voting Network for Automatic Analysis of Fetal Heart Rate Signals 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647057 PMID:41428927	研究论文	提出一种多尺度多基小波投票网络WaveFHR-VNet，用于自动分析胎儿心率信号中的基线、加速和减速事件	首次在U-Net架构的每个编码块中嵌入离散小波变换，实现联合时频域分析；引入交互式系数选择模块学习注意力掩码以抑制噪声并增强诊断性瞬变；并行使用五种互补小波基并通过投票层融合输出，消除手动基选择	未提及对极低质量或缺失信号的鲁棒性，以及计算复杂度或实时应用的可行性	提高胎儿心率信号自动分析的准确性，克服现有深度学习模型忽略时频结构导致的加速/减速事件漏检和噪声敏感问题	胎儿心率记录中的基线、加速和减速事件	数字病理学	产科疾病	NA	CNN	一维时间序列信号	四个胎儿心率数据集（包括LCU-DB等）	PyTorch	U-Net风格的多尺度多基小波投票网络（WaveFHR-VNet）	Dice系数, 交并比, 准确率	NA
594	2026-07-07	Multi-Task Learning for OSA Detection and Sleep Staging via Multi-Scale Modeling 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647317 PMID:41433180	研究论文	提出MT-TASPPNet多任务网络，同时实现OSA事件检测与睡眠分期	首次同时处理OSA检测和睡眠分期两项任务，引入多尺度时序-频率捕捉机制和EOG引导先验机制	未明确提及局限性	开发统一的多模态多任务网络联合进行OSA检测和睡眠分期	阻塞性睡眠呼吸暂停（OSA）患者与睡眠结构分析	机器学习	睡眠呼吸障碍（阻塞性睡眠呼吸暂停）	多模态生理信号分析（EEG、ECG、气流、EOG）	多任务深度学习网络	多模态生理信号（EEG、ECG、气流、EOG）	三个大规模数据集（SHHS1、SHHS2、悉尼睡眠生物库），样本数未具体说明	NA	MT-TASPPNet（多任务三重空洞空间金字塔池化网络）	准确率（Accuracy）、宏F1分数（MF1）、Cohen's Kappa系数（K）	NA
595	2026-07-07	Re-Visible Dual-Domain Self-Supervised Deep Unfolding Network for MRI Reconstruction 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647429 PMID:41433179	研究论文	提出一种新型的重新可见双域自监督深度展开网络，用于仅利用欠采样数据进行磁共振图像重建	引入重新可见双域损失函数，利用所有欠采样k空间数据进行训练以缓解输入分布偏移；并设计基于Chambolle和Pock近邻点算法的深度展开网络，结合空间-频率特征提取块来捕捉全局与局部表示，有效融合成像物理与全面图像先验	NA	解决仅利用欠采样数据时，现有自监督方法由于进一步划分k空间数据导致的输入分布偏移以及未有效整合图像先验导致的重建性能下降问题	磁共振图像重建	计算机视觉	NA	磁共振成像	深度展开网络	k空间数据	单线圈和多线圈数据集	PyTorch	DUN-CP-PPA, SFFE	重建性能, 泛化能力	NA
596	2026-07-07	DePerio: Innovative Deep Learning-Based Framework for Periodontal Disease Diagnosis and Severity Evaluation Using Saliva Samples 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647413 PMID:41433182	研究论文	提出名为DePerio的深度学习框架，利用唾液样本中的口腔多形核中性粒细胞(oPMNs)进行牙周病诊断和严重程度评估	结合新型oPMN分离协议与深度神经网络架构，实现针对口腔特异性oPMNs的准确检测与量化，适用于牙周病的早期诊断和长期监测	研究未明确讨论模型在不同人群或更大样本量下的泛化能力，以及实际临床部署中可能存在的硬件或操作复杂度问题	开发基于深度学习的唾液样本分析方法，实现牙周病的早期检测和严重程度评估	人类唾液样本中的口腔多形核中性粒细胞(oPMNs)	计算机视觉	牙周病	唾液样本分析、oPMN分离协议	深度神经网络(DNN)	图像	111个人类唾液样本，涵盖从健康到重度牙周炎病例	NA	多种DNN架构（未明确指定具体名称）	检测误差率（<5%），分类准确率（五个口腔炎症负荷水平）	NA
597	2026-07-07	Application of Graph Neural Networks on ECG Data: A Systematic Literature Review 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651842 PMID:41525638	综述	系统综述图神经网络在心电图数据上的应用，比较不同方法并识别主要方向和研究空白	首次系统综述基于几何深度学习的心电图分析方法，聚焦图神经网络在多导联心电图中的空间建模应用，并提出未来研究方向	缺乏12导联心电图的多样化应用研究，多导联空间建模是否显著改善心律失常分类尚不明确	系统评述图神经网络在心电图数据分析中的方法优劣，识别研究前沿与空白	心电图数据，特别是多导联心电图的图神经网络分析方法	自然语言处理	心律失常	心电图	图神经网络	时间序列	NA	NA	图神经网络	NA	NA
598	2026-07-07	Deep learning and statistical methods identify novel asthma risk variants in Europeans 2026-Jul, The Journal of allergy and clinical immunology IF:11.4Q1 DOI:10.1016/j.jaci.2026.03.016 PMID:41932550	研究论文	通过深度学习和统计方法识别欧洲人群新的哮喘风险变异	结合Transformer深度学习框架和多性状分析、条件错误发现率等统计方法，发现新的候选位点并改进多基因风险预测	NA	细化欧洲裔人群的哮喘遗传景观并改进多基因风险预测	欧洲裔人群	机器学习	哮喘	全基因组关联研究(GWAS)荟萃分析、多性状分析、条件错误发现率	Transformer	遗传变异数据	121,940名病例和1,254,131名对照（全球生物库荟萃分析倡议）；36,823名病例和398,278名对照（百万退伍军人计划）	NA	Transformer	多基因风险评分（PRS）预测性能	NA
599	2026-07-07	Multi-Task Learning for Gait Phase and Gait Cycle Percentage Prediction With Wearable Sensors in Frail Older Adults 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643724 PMID:41385418	研究论文	提出一种基于可穿戴传感器的多任务学习框架，用于预测虚弱老年人的步态相位和步态周期百分比	首次结合多门混合专家架构与交叉专家注意力机制，实现步态分析中回归与分类任务的软参数共享，并通过轻量化配置大幅降低计算负担	未提及	开发轻量级多任务深度学习模型，实现基于可穿戴传感器的病理步态实时评估	虚弱老年人的步态数据	机器学习	老年疾病	可穿戴传感器	多门混合专家网络	时间序列信号	158名虚弱老年人	PyTorch	Multi-gate Mixture-of-Experts	准确率, 平均绝对误差	未提及
600	2026-07-07	Comparison of marker-based and markerless motion capture systems to assess gait kinematics and kinetics in children with cerebral palsy 2026-07, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110213 PMID:42107175	研究论文	比较基于标记和无标记运动捕捉系统评估脑瘫儿童步态运动学和动力学的差异	首次在脑瘫儿童中系统比较无标记与标记运动捕捉系统在步态分析中的一致性，特别是针对矢状面运动学的高可比性	无标记系统在非矢状面（如横向面）和关节动力学的准确性仍有不足，需要进一步改进以适应临床环境	评估无标记运动捕捉系统是否能在脑瘫儿童步态分析中提供与标记系统可比的结果	15名脑瘫儿童（11男4女，平均年龄13.66岁）的步态运动学和动力学数据	计算机视觉	脑瘫	无标记运动捕捉（基于计算机视觉和深度学习）、标记运动捕捉	NA	视频（步态运动学与动力学数据）	15名脑瘫儿童（11男4女，年龄13.66±1.72岁）	NA	NA	均方根差异 (RMSD)，双尾配对t检验	NA