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
621	2026-10-01	Synergistic Multi-Magnification Fusion Network for Tongue Image-Based Oral Cancer Diagnosis 2026-Apr-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3683419 PMID:41973562	研究论文	本文提出了一种基于KL散度特征约束和无参数最大特征聚合算子的协同多放大融合网络，用于基于舌图像的自动口腔癌筛查	提出了一种新型、计算高效的深度学习框架，协同整合了基于KL散度的特征约束和无参数最大特征聚合算子，有效解决了多放大融合中的特征错位、高计算成本和噪声鲁棒性差的问题	摘要中未明确提及局限性	开发一种用于口腔病变筛查的鲁棒多放大融合深度学习框架，实现自动口腔癌筛查	舌头和嘴唇图像	计算机视觉	口腔癌	深度学习	CNN	图像	三个临床多样化的多设备舌头和嘴唇图像数据集	NA	NA	NA	NA
622	2026-10-01	Benchmarking Multimodal Deep Fusion Strategies for Heterogeneous Neuroimaging and Cognitive Data Using a Controlled Sex Classification Task 2026-Apr-10, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16040405 PMID:42041813	研究论文	本文基于人类连接组计划747名健康参与者的数据，系统基准测试了多模态神经影像与认知数据融合策略及特征缩放方法在受控性别分类任务中的表现	首次在统一深度学习框架中系统且受控地基准测试多种融合策略（早期融合、注意力融合、子空间融合、图融合）与特征缩放技术（Standard、Min-Max、Robust）的交互效应，明确区分融合层级和预处理的影响	仅使用健康参与者的结构/功能神经影像与认知数据，未在临床或疾病人群中验证；性别分类为受控基准任务，可能无法推广到其他更具挑战性的预测任务	系统评估多模态神经影像与认知数据的融合策略和特征缩放技术对深度学习模型性能的影响，为神经科学中多模态模型设计提供方法学指导	人类连接组计划中747名健康参与者的多模态神经影像数据与认知数据	机器学习	NA	神经影像（结构/功能磁共振成像）与认知行为数据融合	深度学习多模态融合模型	影像和文本/表格	747名健康参与者	NA	NA	AUC-ROC	NA
623	2026-10-01	FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep State Classification 2026-Apr-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681572 PMID:41950122	研究论文	提出FetalSleepNet，首个专门用于胎儿脑电图自动睡眠分期的深度学习架构，结合光谱均衡域适应的跨发育和跨物种迁移学习框架	首个专为胎儿脑电图自动睡眠分期设计的深度学习架构；首次实现跨发育（成人到胎儿）和跨物种（人类到绵羊）的迁移学习框架；采用光谱均衡技术对齐成人人类脑电图与胎儿绵羊脑电图的频域特征	胎儿脑电图数据极其稀缺，标注数据不足；直接迁移在原始脑电图上效果极差（仅18.7%准确率）；宏观F1分数相对较低（62.5%）	解决胎儿睡眠状态分类中手动标注主观性强、劳动密集以及胎儿脑电图数据稀缺的问题，实现自动化胎儿睡眠分期	胎儿脑电图信号，成人人类脑电图和胎儿绵羊脑电图数据	机器学习	胎儿神经发育并发症（如缺氧）	脑电图（EEG）	CNN	信号	NA	NA	NA	准确率，宏观F1分数	NA
624	2026-10-01	Head-and-Neck Organs Segmentation in CT Based on Spatial Prior and Shape Description 2026-Apr-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3680787 PMID:41941783	研究论文	本文提出了一种结合空间分布信息和形状先验的深度学习框架，用于头颈部CT图像中的危及器官分割，特别关注小器官的精确分割	提出了空间引导网络（SG-Net）生成空间引导图来约束器官分割；设计了深度形状描述模块（DSDM）提取器官特定形状特征增强小器官特征；引入正则化项减少预测概率图的过度平滑以保留小器官形状细节	摘要中未提及	提高头颈部CT图像中危及器官（尤其是小器官）的分割精度	头颈部CT图像中的危及器官，包括大器官和小器官	医学图像分割	头颈癌	CT	深度学习	图像	摘要中未提及	NA	SG-Net、DSDM	摘要中未提及具体指标，但提到分割精度显著提升	NA
625	2026-10-01	Deep Learning-based Segmentation for Assessment of Kidney Tumour Ablation Therapy in CT Images 2026-Apr-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681192 PMID:41941787	研究论文	本文提出了一种基于深度学习的CT图像中肾脏消融区（KAZ）分割工作流，通过残差连接、多尺度融合和通道感知模块实现消融区的自动分割与治疗评估	提出了Channel-Aware-ResUNet++（CAResUNet++）模型，结合残差连接、多尺度融合和通道感知模块，并采用径向采样的2D切片预测后重建消融体积的创新流程	数据集规模较小，仅来自单一学术健康网络（加拿大伦敦），共76例患者CT图像，需要更多多中心数据验证泛化性	开发基于深度学习的自动化工作流，用于CT图像中肾脏消融区的准确分割，以评估肾脏肿瘤消融治疗的效果	76例患者的肾脏肿瘤消融术后CT图像	医学图像分割	肾细胞癌	CT成像	CNN	图像	76例患者的CT图像	NA	CAResUNet++, ResUNet++	DSC, Hausdorff距离, 平均绝对边界距离（MAD）, 平均符号边界距离（MSBD）	NA
626	2026-10-01	Organ-Aware Cross-Modality Registration Enables Attenuation Correction Without Repeated CT in Multi-Scan Total-Body PET/CT Imaging 2026-Apr-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681068 PMID:41941782	研究论文	提出一种器官感知的跨模态配准模型（OCRM），在多扫描全身PET/CT成像中无需重复CT即可实现衰减校正	引入器官感知机制，强调关键器官区域和全局身体轮廓的对齐，提高配准精度和泛化能力；OCRM可以零样本方式部署于多种多扫描PET/CT成像场景而无需重新训练	未明确提及	解决多扫描全身PET/CT成像中因患者重新定位需要重复CT扫描进行衰减校正而增加辐射暴露的问题	多扫描全身PET/CT成像数据，包括双时间点和双示踪剂协议	医学图像分析	NA	PET/CT成像	器官感知跨模态配准模型（OCRM）	图像	四种不同的多扫描PET/CT场景（包括双时间点和双示踪剂协议）	NA	NA	RMSE, PSNR, SSIM	NA
627	2026-10-01	Deep Learning Driven Evaluation of MR-guided Focused Ultrasound Ablation 2026-Apr-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3681200 PMID:41941814	研究论文	本文提出了一种深度学习框架，利用多参数MRI预测磁共振引导聚焦超声（MRgFUS）治疗乳腺癌的疗效	利用多参数MRI（包括定性T1、T2加权图像、MR温度衍生指标和定量T1、T2参数图）结合深度学习预测MRgFUS治疗疗效，并通过主成分分析增强进一步提高边界准确性	需要减少多参数MRI协议的采集时间	准确预测MRgFUS治疗乳腺癌的疗效	VX2肿瘤模型兔	医学图像分析	乳腺癌	磁共振引导聚焦超声（MRgFUS）消融	深度学习	多参数MRI图像（定性T1、T2加权图像，定量T1、T2参数图，MR温度衍生指标）	12只VX2肿瘤模型兔	NA	NA	Dice相似系数, 平均距离精度（MDA）	NA
628	2026-10-01	Accurate Segmentation of Surgical Instruments via Spectral-Attentive Contextual Interaction Network 2026-Apr-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675645 PMID:41926408	研究论文	提出一种频谱注意力上下文交互网络（SCI-Net）用于手术器械分割，以提高准确性和鲁棒性	提出全局上下文聚合模块（GCAM）、频谱增强特征模块（SFM）和尺度感知扩张模块（SDM）	未明确提及	手术器械分割	手术器械图像	计算机视觉	不适用	深度学习	卷积神经网络	图像	多个公开手术器械分割数据集	不适用	SCI-Net, GCAM, SFM, SDM	分割准确性和鲁棒性指标（如IoU、Dice）	不适用
629	2026-10-01	Clinical Potential of Artificial Bone Scintigraphy from Early-Phase Bone Scintigraphy Using Unpaired Image-to-Image Translation in Patients with Breast Cancer: A Single-Center Prospective Study 2026-Apr-02, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12040050 PMID:42042938	研究论文	该研究利用非配对图像到图像翻译方法从早期骨闪烁扫描生成人工骨闪烁扫描，以模拟延迟期骨闪烁扫描特征，并评估其在乳腺癌患者中的临床潜力	首次在乳腺癌患者中利用对比非配对翻译模型从早期骨闪烁扫描生成人工骨闪烁扫描，以模拟延迟期图像特征	人工骨闪烁扫描在定性和视觉评估方面仍劣于目标延迟期骨闪烁扫描，不支持替代延迟期扫描进行确定性诊断	研究从早期骨闪烁扫描生成人工骨闪烁扫描的临床潜力，以模拟延迟期骨闪烁扫描特征	乳腺癌患者	计算机视觉	乳腺癌	骨闪烁扫描	GAN	图像	245例乳腺癌患者（195例用于训练，50例用于测试）	NA	对比非配对翻译	定性四点评分量表, 定性五点评分量表, 定量指标, 视觉评估	NA
630	2026-10-01	A comprehensive benchmarking study on computational tools for cross-omics label transfer from single-cell RNA to ATAC data 2026-04-01, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag026 PMID:41655240	研究论文	本文对27种从单细胞RNA测序数据向单细胞ATAC测序数据迁移标签的计算工具进行了全面的基准测试	首次系统性地对27种跨组学标签迁移方法进行大规模基准测试，涵盖了多种人类和小鼠组织的数据，并评估了数据不平衡、数据二值化、半监督策略等因素对模型性能的影响	未明确提及，可能受限于所测试数据集的范围和特定组织类型	评估和比较从scRNA-seq到scATAC-seq进行标签迁移的计算工具，为未来方法开发提供建议	来自多种人类和小鼠组织的单细胞RNA和ATAC数据	单细胞组学	NA	scRNA-seq, scATAC-seq	NA	单细胞RNA和ATAC数据	来自多种人类和小鼠组织的单细胞RNA和ATAC数据	NA	NA	预测准确率	NA
631	2026-10-01	X-LAT-Net: An Interpretable Lightweight Axial Transformer Network for Pancreatic CT Segmentation 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679743 PMID:41915536	研究论文	提出了一种轻量级可解释的轴向Transformer网络X-LAT-Net，用于胰腺CT图像分割，在仅1.6M参数下实现82.34%的Dice系数	结合轴向深度可分离卷积与可解释跨尺度Transformer模块，在保持轻量化的同时实现全局上下文建模和注意力热力图可视化，增强临床可解释性	仅在NIH Pancreas-CT数据集上验证，未在多中心或更大规模数据集上评估泛化能力	解决胰腺CT分割中深层解剖位置、形态变化大、低对比度等难点，同时兼顾模型轻量化、分割精度与临床可解释性	胰腺CT图像	计算机视觉, 数字病理学	胰腺癌	CT成像	Transformer, CNN	图像	NIH Pancreas-CT数据集	NA	U-Net, Axial Depthwise Convolution, Interpretable Cross-scale Transformer (X-CATrans), Shift-enhanced MLP	Dice系数, 推理速度	NA
632	2026-10-01	Federated Learning Framework for Privacy-Preserving Explainable AI-Driven Clinical Decision-Making 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679499 PMID:41915531	研究论文	本文提出了一种联邦深度学习框架，结合视觉Transformer和自监督学习，用于隐私保护的可解释AI临床决策支持	将Vision Transformer与DINOv2自监督学习相结合，在联邦学习框架中引入FedSSL和FedProx实现个性化模型更新，采用差分隐私和椭圆曲线密码学保护隐私，并集成Grad-CAM和LIME提供可解释性	仅在三个公开医学影像数据集上进行了评估，未在真实临床环境中验证，未讨论通信开销和计算成本	解决传统集中式学习框架中患者数据隐私、数据异构性和泛化性有限等问题，实现隐私保护的AI驱动临床决策支持	胸部X光片中的结核病检测、眼底图像中的糖尿病视网膜病变、MRI扫描中的脑肿瘤分类	计算机视觉	肺癌, 糖尿病视网膜病变, 脑肿瘤	联邦学习, 自监督学习, 差分隐私, 椭圆曲线密码学	Transformer	图像	NA	NA	Vision Transformer, DINOv2	准确率, F1分数	NA
633	2026-10-01	MuGEP: Multiplex Graph-Based Brain Network Modeling for Epileptic Seizure Prediction Using Intracranial EEG 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679376 PMID:41915533	研究论文	提出基于多重图的脑网络建模框架MuGEP，利用颅内EEG预测癫痫发作	设计多重脑图表示不同频段振幅与相位关系，基于交叉频率耦合构建三个子图，并提出MBG学习网络融合子图内和子图间模式	未明确说明	实现癫痫发作的准确预测	癫痫患者的颅内EEG信号	机器学习	癫痫	颅内EEG	图卷积网络	信号	NA	NA	图卷积网络	NA	NA
634	2026-10-01	A VR-based Automated Strabismus Diagnosis System with Progressive Semi-Supervised Learning 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679532 PMID:41915537	研究论文	提出基于虚拟现实和渐进式半监督学习的自动化斜视诊断系统，并引入新临床数据集TongRenD	1) 在VR环境中集成五种标准化临床检查场景以确保诊断一致性；2) 提出ProgNet，一种不确定性引导的渐进式半监督分割网络，包含基于原型特征的表示模块（PFRM）以增强对视觉噪声和畸变的鲁棒性；3) 专用3D偏差估计算法实现精确的斜视分类和角度测量；4) 发布新临床数据集TongRenD	摘要中未明确提及研究局限性	开发自动化、标准化的斜视诊断系统，解决VR模拟、图像退化及偏差量化等部署挑战	斜视患者（使用TongRenD和TEyeD数据集）	计算机视觉	斜视	虚拟现实（VR）、深度学习	半监督分割网络、原型特征表示	图像	TongRenD数据集（具体样本量未提供）和TEyeD数据集	NA	ProgNet	分割准确度、与专家评估的一致性	NA
635	2026-10-01	Leveraging Deep Learning to Construct a Programmed Cell Death-Driven Prognostic Signature in Acute Myeloid Leukemia 2026-Mar-27, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb48040354 PMID:42042014	研究论文	该研究通过整合多种程序性细胞死亡相关基因的转录组分析，利用深度学习构建了急性髓系白血病的预后风险模型，并鉴定了新的分子亚型	首次系统整合13种程序性细胞死亡形式的1624个相关基因，采用变分自编码器与多层感知机结合的深度学习流程筛选生物标志物，并通过SHAP分析进行可解释性验证，构建了8基因预后特征和列线图	摘要中未明确说明研究的局限性，可能需要进一步的实验验证和前瞻性临床队列验证	构建整合多模态程序性细胞死亡通路的急性髓系白血病预后评估框架，建立新的分子分型系统和临床适用的风险评估工具	急性髓系白血病患者和正常骨髓样本	机器学习	急性髓系白血病	转录组分析，变异自编码器降维，多层感知机分类，SHAP可解释性分析，无监督共识聚类	VAE，MLP	转录组数据，临床数据	涉及1624个程序性细胞死亡相关基因的分析	NA	变分自编码器，多层感知机	生存分析，预后预测准确性	NA
636	2026-10-01	A Multi-Scale Hybrid Efficient Deep Learning Model for COPD Detection Using Respiratory Sounds 2026-Mar-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3677500 PMID:41880256	研究论文	本文提出了一种多尺度混合高效深度学习模型，通过融合CNN、BiLSTM和ViT，结合原始信号与多尺度梅尔频谱图，用于COPD的呼吸音检测	提出多尺度混合深度学习模型，融合CNN、BiLSTM和ViT以捕捉时间、空间和全局上下文特征；设计多尺度动态融合模块整合多源特征，在模型复杂度与性能之间取得平衡	未明确说明模型在不同临床环境下的泛化能力，数据集规模及多样性可能有限，未讨论模型的可解释性	利用呼吸音分析实现COPD的早期无创辅助诊断	COPD患者的呼吸音信号	机器学习	慢性阻塞性肺疾病	呼吸音分析，梅尔频谱图特征提取	CNN, BiLSTM, ViT	音频信号，图像	ICBHI数据库和KAUH/RespiratoryDatabase@TR混合数据库	NA	CNN, BiLSTM, Vision Transformer	准确率	NA
637	2026-10-01	HAAU-Net: Hybrid Adaptive Attention U-Net Integrated with Context-Aware Morphologically Stable Features for Real-Time MRI Brain Tumor Detection and Segmentation 2026-Mar-25, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12040044 PMID:42042932	研究论文	提出混合自适应注意力U-Net（HAAU-Net）框架，结合上下文感知形态稳定特征与空间通道注意力，实现实时MRI脑肿瘤检测与分割。	1. 集成多尺度自适应注意力块（AAB）、上下文感知形态特征模块（CAMFM）和空间-通道混合注意力机制（SCHAM）；2. CAMFM通过分层聚合和动态归一化维持形态特征稳定性；3. SCHAM通过建模通道和空间区域增强特征表示；4. 在保持实时推理（28 FPS）的同时将计算复杂度降低43%。	摘要中未明确提及研究的局限性。	解决MRI脑肿瘤分割中因肿瘤异质性、形态特征不可预测及计算复杂度高而难以实现实时临床应用的问题。	MRI脑肿瘤图像，使用BRaTS 2022/2023数据集，包含T1、T1GD、T2和T2-FLAIR四种模态。	计算机视觉, 医学图像分割	脑肿瘤	MRI	CNN, U-Net, 注意力机制	图像	NA	NA	U-Net, 自适应注意力块, 空间-通道混合注意力机制	分割准确率, Dice系数, C-Index, 推理速度(FPS)	常规GPU
638	2026-10-01	ProCausal-WS: Weakly Supervised Causal Representation Learning Driven Interpretable Prostate Cancer Diagnosis 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675771 PMID:41855066	研究论文	本文提出了ProCausal-WS，一个弱监督因果表示学习框架，用于可解释的前列腺癌诊断，能够处理多模态非线性依赖并进行反事实推理	提出可逆流因果编码器将高维多模态观测映射到低维可解释因果因子空间，设计外生临床干预模块通过动态门控和结构方程模拟治疗场景并生成可控反事实预测，以及结合对比学习与投影头的弱监督对齐机制仅用少量标注样本约束语义可识别性	未明确讨论模型在更大规模多样化人群中的泛化能力，弱监督标注比例虽低但仍需部分专家标注，反事实预测的生物合理性仍依赖专家主观评估	解决现有前列腺癌诊断方法无法处理影像、基因组和临床变量间非线性依赖以及缺乏反事实推理机制的问题	前列腺癌患者的多模态数据（影像、基因组和临床变量）	数字病理学	前列腺癌	弱监督因果表示学习、可逆流模型、对比学习	可逆流因果编码器、动态门控网络	图像、基因组数据、临床数据	TCGA-PRAD数据集和PANDA数据集，其中仅使用8%和5%的完整标注	NA	可逆流模型、投影头	临床因果概念识别准确率、干预均方误差、AUROC、专家生物合理性评分	NA
639	2026-10-01	GeoCTP: Structure-aware Prediction of Multifunctional Cancer Therapy Peptides via Graph Transformer and Contrastive Learning 2026-Mar-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3674608 PMID:41838499	研究论文	该论文提出了一种整合序列和结构信息的几何深度学习框架GeoCTP，用于多功能癌症治疗肽的预测	首个专门针对多功能癌症治疗肽的预测工具，采用图Transformer提取结构感知表示，结合ESM-2语言模型提取序列语义特征，并引入两级对比学习策略增强跨模态特征对齐和类间判别能力	摘要中未明确提及研究的局限性	解决传统实验筛选方法耗时耗力的问题，实现多功能癌症治疗肽的准确预测	多功能癌症治疗肽	机器学习	癌症	ESMfold, ESM-2	Graph Transformer	序列数据, 结构数据	NA	NA	Graph Transformer, ESM-2	NA	NA
640	2026-10-01	HyperSynergyX: Synergistic Drug Combination Prediction via Hypergraph Modeling and Knowledge Graph-Enhanced Retrieval-Augmented Generation 2026-Mar-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3673550 PMID:41818020	研究论文	本文提出HyperSynergyX框架，通过超图上的双偏置随机游走与知识图谱增强的检索增强生成，实现协同药物组合预测并提供机制解释	首次将双偏置随机游走超图模型与知识图谱增强的检索增强生成模块结合，兼顾协同预测性能与机制可解释性，并针对三药组合进行建模	摘要中未明确说明该框架的局限性	解决复杂疾病中三药协同组合预测的组合爆炸与模型不透明问题，加速多药发现并支持精准肿瘤学的合理方案设计	乳腺癌和肺癌相关药物组合数据	机器学习	乳腺癌, 肺癌	NA	双偏置随机游走超图模型, 知识图谱增强的检索增强生成	图数据	摘要中未明确说明样本量	NA	双偏置随机游走超图, 知识图谱增强的检索增强生成	AUROC, AUPRC	NA