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
681	2026-10-01	HFP-SAM: Hierarchical Frequency Prompted SAM for Efficient Marine Animal Segmentation 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3674678 PMID:41874991	研究论文	该文提出了一种新颖的学习框架HFP-SAM，用于高效的海洋动物分割	设计了频率引导适配器（FGA）通过频域先验掩码将海洋场景信息高效注入冻结的SAM骨干网络，引入了频率感知点选择（FPS）通过频率分析生成突出区域以生成点提示并整合到SAM解码器进行精细预测，并引入了全视Mamba（FVM）以线性计算复杂度高效提取空间和通道上下文信息	摘要中未明确提及局限性，但现有方法在长距离建模问题上存在困难，且SAM缺乏对细粒度细节和频率信息的感知	旨在从复杂的海洋环境中识别和分割海洋动物	海洋动物	计算机视觉	NA	NA	SAM, Mamba	图像	四个公开数据集	NA	SAM, Mamba	NA	NA
682	2026-10-01	Joint Quality Assessment and Example-Guided Tone Mapping by Disentangling Picture Appearance From Content 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3684812 PMID:42019066	研究论文	提出一种自监督解耦表示学习方法，将图像分解为内容和外观特征，用于图像质量评估（DisQUE）和示例引导的色调映射	利用解耦表示学习同时处理质量评估和色调映射任务，实现最先进的质量预测精度，并支持通过示例对进行色调映射调整	未在摘要中明确说明	开发解耦表示学习方法，用于图像质量评估和示例引导的色调映射	输入图像的内容和外观特征	计算机视觉	NA	自监督解耦表示学习	解耦表示学习模型	图像	NA	NA	NA	准确率	NA
683	2026-10-01	A Dynamic Time Warping-Aware Series-Temporal Transformer for Automated Thresholding of Auditory Brainstem Responses 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3689105 PMID:42060419	研究论文	提出一种基于动态时间规整的系列-时序Transformer框架，用于从一系列听觉脑干反应波形中自动估计阈值	采用DTW相似度感知的系列Transformer捕获波形间依赖，并结合刺激强度信息的位置编码；使用分层多尺度时序Transformer提取时序表示	使用预录波形进行事后分析，未集成主动学习规则以动态选择刺激强度	实现听觉脑干反应阈值的自动化、客观估计，辅助临床诊断	人类和小鼠的听觉脑干反应波形	机器学习	听力损失	听觉脑干反应测试	Transformer	波形信号	人类数据集I：8350名受试者；人类数据集II：136名受试者；小鼠数据集：8259只小鼠	NA	DTWA-STformer（包含DTW相似度感知系列Transformer和分层多尺度时序Transformer）	精确匹配准确率、±10 dB准确率	NA
684	2026-10-01	Robust Decomposition of Surface EMG Signals via Lightweight Deep Learning-Based Adaptation 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3691346 PMID:42102086	研究论文	本文提出一种基于轻量级深度学习自适应方法，用于表面肌电信号分解，以应对噪声增加、新运动单元募集和运动单元属性变化等非平稳因素	提出了在线自适应策略动态更新深度学习分解模型；通过基于树结构Parzen估计器的搜索轻量化深度学习架构以支持在线自适应；设计了多因素数据增强以增强泛化能力	未明确提及	实现非平稳场景下表面肌电信号的鲁棒实时分解，为基于运动单元的神经接口铺平道路	表面肌电信号中的运动单元	机器学习	NA	表面肌电信号分解	轻量级深度学习	表面肌电信号（模拟和实验数据）	模拟数据（共50个新募集运动单元）和实验数据	NA	NA	F1分数、运动单元数量、放电率	边缘设备
685	2026-10-01	Minimum Foot Clearance Prediction in Stroke Survivors: A Transformer-Based Approach 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3694895 PMID:42154708	研究论文	本文提出了一种基于Transformer的模型，用于预测中风幸存者在跑步机上行走时患侧下肢的多步最小足部间隙（MFC）值，以评估绊倒相关跌倒风险	提出了一种新的Transformer模型，采用双头自注意力机制预测多步MFC值；引入数据驱动的条件后归一化投影方法增强多步预测性能；引入统计矩匹配损失函数以应对显著的数据变异性	研究仅在中风幸存者跑步机行走场景下进行，样本量有限，未提及外部验证或实时应用可行性	准确预测即将到来的MFC值，理解其潜在范围并评估未来值是否在实际MFC值变异性内，以实现早期跌倒风险评估	中风幸存者	机器学习	中风	NA	Transformer	时间序列	NA	NA	Transformer, 自注意力LSTM	平均绝对误差（MAE）, 最大绝对误差（MaxAE）, 均方根误差（RMSE）, 预测在上界内的最高比例（PWUB）	NA
686	2026-10-01	Correlation-Guided Recursive Pyramid Network for Deformable Brain MRI Registration 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695369 PMID:42202187	研究论文	提出一种相关性引导的递归金字塔网络用于可变形脑部MRI配准，通过嵌入显式相关性建模到递归优化中，同时处理大尺度形变和准确特征匹配	提出相关性引导的层内递归策略（CGIRS），将显式相关性建模嵌入递归优化中，防止跨尺度误差传播；设计空间相关性模块（SPCM）用于准确的空间对应和语义相关性模块（SECM）用于高层语义对齐；统一框架同时解决大尺度形变和准确特征匹配问题	未明确说明	解决可变形脑部MRI配准中同时处理大尺度形变和准确特征匹配的挑战	脑部MRI图像	医学图像配准	NA	深度学习	CNN	图像	三个脑部影像数据集，具体数量未明确说明	NA	相关性引导的递归金字塔网络（CRPNet）	NA	NA
687	2026-10-01	FSAPF: A De-Scattering Framework With Stepwise Adjustment of Polarization Features 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3690316 PMID:42113664	研究论文	提出了一种用于穿过散射介质成像的去散射框架FSAPF，通过对偏振特征进行逐步调整来实现高性能成像	提出了物理引导的分层学习策略，监督过程从全局结构逐步细化到局部偏振细节；引入了偏振学习模块（PLM），通过强制物理一致性约束来调节特征交互；将偏振先验直接嵌入动态损失机制中，增强训练过程中的偏振特征	未明确说明	解决深度学习在偏振成像穿过散射介质时，训练过程中对偏振图像中丰富信息的有效分析与控制不足的问题	穿过散射介质的偏振图像	计算机视觉	NA	偏振成像	深度学习	图像	NA	NA	NA	NA	NA
688	2026-10-01	Deep Learning-Based Estimation of Ground Reaction Forces in Parkinsonian Gait Using an Optimized Set of IMU Data 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3697513 PMID:42202182	研究论文	该研究提出了一种深度学习框架，使用优化的可穿戴IMU集来估计帕金森病步态中的双侧垂直地面反作用力	首次应用深度学习方法，利用优化的IMU集估计帕金森病患者的双侧垂直地面反作用力；发现传感器配置显著影响估计精度，且帕金森病患者与健康对照的最优传感器放置不同	对于帕金森病患者，减少到单个IMU时估计精度显著下降；最优配置需要四个IMU，虽然最小两个IMU仍能实现稳健估计，但可能仍有限制	开发基于可穿戴IMU的垂直地面反作用力估计系统，用于帕金森病步态分析，支持临床评估、远程监测和个性化康复	61名帕金森病患者和65名健康对照	数字病理学, 机器学习	帕金森病	IMU	CNN, BiLSTM	时间序列数据	126名参与者（61名帕金森病患者，65名健康对照）	NA	CNN-BiLSTM	R²	NA
689	2026-10-01	Learning to Super-Resolve Face Images via Dual-Domain Multi-Scale Feature Interaction 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3702358 PMID:42301839	研究论文	该论文提出了一种双域多尺度特征交互方法SMLNet，用于人脸图像超分辨率重建	提出了双分支架构，频率分支捕获全局结构和细节，空间分支保留局部纹理，并引入多尺度空间-频率特征交互模块进行特征交互和聚合	未明确提及	提高低分辨率人脸图像的质量，解决现有方法破坏面部结构或无法捕获多尺度纹理的问题	低分辨率人脸图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	多个数据集，未指定具体数量	NA	SMLNet	NA	NA
690	2026-10-01	CSVSUF: A Deep Unfolding Framework for Compressive Spectral Video Sensing 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3700920 PMID:42275332	研究论文	提出了一种用于压缩光谱视频感知的深度展开框架，结合时空谱先验学习Transformer以提高重建精度和视觉质量	1) 提出了基于CASSI系统的压缩光谱视频感知深度展开框架（CSVSUF）；2) 开发了新颖的时空谱先验学习Transformer（STS-PLT）来捕捉展开阶段中的多维相关性；3) 将STS-PLT视为高斯去噪器用于先验项，建立了物理引导建模与深度先验学习相结合的方法	摘要中未明确提及研究的局限性	解决当前基于CASSI的重建方法的两个主要局限：1) 传统模型驱动算法依赖迭代优化，表示能力有限且重建速度慢；2) 现有深度学习方法忽视空间、时间和光谱相关性的联合建模	动态场景的光谱视频	计算机视觉	NA	压缩光谱视频感知，编码孔径快照光谱成像仪	Transformer	图像	NA	NA	时空谱先验学习Transformer（STS-PLT）	重建精度，视觉质量	NA
691	2026-10-01	Image Restoration Learning via Noisy Supervision in Fourier Domain 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3700926 PMID:42275331	研究论文	该论文提出在傅里叶域中利用噪声监督进行图像复原学习的方法，以解决传统方法在处理长程相关噪声和像素级损失函数局限性方面的问题	利用傅里叶域中空间相关噪声的稀疏性和独立性，证明傅里叶系数收敛于高斯分布并建立统计等价性，开发弱监督图像复原框架和针对条纹噪声的全无监督去噪方法	摘要中未明确提及局限性	解决在噪声监督下进行图像复原时，长程相关噪声和像素级损失函数监督不足的问题	图像复原任务，包括去模糊和超分辨率，涉及低光照成像和遥感等场景	计算机视觉	NA	傅里叶域分析，弱监督学习，无监督学习	NA	图像	NA	NA	NA	定量指标，感知质量	NA
692	2026-10-01	Toward Sensor Fusion Neuromuscular Interface for Continuous Finger Joint Angle Estimation via Deep Transfer Learning 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3706311 PMID:42329928	研究论文	该论文提出了一种新型高维多模态深度学习框架，融合表面肌电信号和B模式超声图像，通过深度迁移学习连续估计掌指关节和近端指间关节角度。	创新点包括：融合表面肌电信号和超声图像的多模态框架，采用共享的编码器-解码器-回归架构，结合卷积神经网络、转置卷积、动作条件多头交叉注意力模块和长短期记忆网络，以及引入参数冻结的迁移学习策略以提高跨受试者泛化能力并减少新用户数据需求。	局限性包括：实验仅涉及七名健全受试者和一名截肢参与者的初步验证，样本量较小；未详细讨论计算资源需求或实时性能。	研究目的是开发一种准确解码运动意图的生物信号接口，用于直观的上肢假肢控制，通过连续估计手指关节角度。	研究对象包括七名健全受试者和一名截肢参与者，数据涉及表面肌电信号和超声图像。	机器学习	NA	表面肌电信号, B模式超声	CNN, LSTM, 注意力机制	图像, 信号	8名受试者（7名健全，1名截肢）	NA	编码器-解码器-回归, CNN, LSTM, 多头交叉注意力	均方根误差, 皮尔逊相关系数	NA
693	2026-10-01	Multi-Scale Meets Active Learning: A Deep Graph Fusion Paradigm for Hyperspectral Image Classification 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3715847 PMID:42519867	研究论文	本文提出了一种深度图融合范式（DFSG），结合多尺度超像素图和主动学习，用于高光谱图像分类	提出了一种新的多尺度超像素图（DFSG）的深度融合范式，集成了图级和特征级的多尺度图以减少信息损失，同时基于重新分割的图校正模块在主动学习过程中自适应地学习新的图结构，形成共生的统一DFSG-AL框架	未明确提及	解决高光谱图像分类中深度学习方法的过拟合和过平滑问题，特别是在标记样本稀缺的情况下，充分利用大量未标记样本之间的关系和多尺度信息	高光谱图像分类	计算机视觉	NA	深度学习，主动学习，图融合	深度图融合网络	高光谱图像	五个真实高光谱图像数据集	NA	多尺度超像素图（DFSG）框架	NA	NA
694	2026-10-01	Diffusion-Augmented Spatiotemporal Graph Convolution for Clinical Gait and Motor Function Assessment 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3675512 PMID:41849175	研究论文	该论文提出了一种结合条件骨骼扩散模型与生物力学感知时空图卷积网络的统一生成-诊断框架，用于脑瘫儿童的临床步态与运动功能自动评估	将条件骨骼扩散模型与生物力学感知时空图卷积网络相结合，通过生成临床合理的合成骨骼序列来缓解数据稀缺和类别不平衡问题，并引入对称性损失和多任务学习头实现GMFCS分类与GDI回归的联合优化	未明确讨论模型在不同临床中心或不同摄像头设置下的泛化能力，合成数据的长期临床有效性仍需进一步验证	实现脑瘫儿童粗大运动功能的自动评估，提高GMFCS分类准确性和GDI预测精度，同时解决数据稀缺、严重类别不平衡和患者异质性问题	脑瘫儿童的临床步态数据和骨骼序列	计算机视觉	脑瘫	单目视频骨骼提取、条件骨骼扩散生成、时空图卷积网络	扩散模型、图卷积网络	视频、骨骼序列	儿童临床步态数据集	PyTorch	条件骨骼扩散模型、生物力学感知时空图卷积网络	准确率、精确率、召回率、平均绝对误差	NA
695	2026-10-01	A Comprehensive Pipeline for Electric-Field-Guided Transcranial Magnetic Stimulation Targeting and Optimization 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3677103 PMID:41874982	研究论文	该文章提出了一套用于经颅磁刺激靶向和优化的综合流程，结合数值方法和深度学习方法，基于局部电场进行估计和线圈放置优化	将组织电导率和线圈初级电场等先验信息嵌入深度学习模型，实现局部图像块提取、组织分割、局部电场估计和线圈放置优化的综合流程，显著提高计算速度和准确性	未明确提及	开发支持数值方法和深度学习方法的综合流程，用于经颅磁刺激靶向和优化，以提高刺激效果并减少数据处理时间	经颅磁刺激中的电场估计和线圈放置优化	机器学习	NA	经颅磁刺激，电场建模	CNN	图像	四个数据集，包含数百万局部图像块	NA	NA	准确性，计算速度	CPU，GPU
696	2026-10-01	E2T: EEG-to-Trajectory Transformer for Motor Imagery-Based Fully-DoF Motion Prediction 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3683431 PMID:41973558	研究论文	提出一种混合深度学习框架E2T，直接从EEG信号预测连续三维上肢运动轨迹，用于基于运动想象的全自由度运动预测	提出E2T框架，结合频率自适应Sinc卷积滤波器、Transformer时序编码器和集成学习，直接从原始EEG信号预测连续三维轨迹；设计了包含运动执行和运动想象阶段的任务特定实验范式，确保空间覆盖平衡，减少方向偏差	未明确提及	实现基于运动想象的连续自然运动控制，克服传统离散分类BCI的局限性，直接预测连续三维上肢轨迹	运动障碍个体的EEG信号	脑机接口	运动障碍	EEG	Transformer	EEG信号	NA	NA	Sinc卷积滤波器, Transformer时序编码器, 集成学习	相关系数	NA
697	2026-10-01	A frame of wideband wireless signal recognition and parameter extraction based on semantic segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346685 PMID:42044174	研究论文	本文提出了一种基于语义分割和信号频谱图的宽带无线信号识别与参数提取框架，使用RepViT作为骨干网络，实现对宽带信号的检测、识别和关键参数提取。	将语义分割应用于宽带信号处理，采用RepViT骨干网络，通过信号频谱图的精确语义分割实现信号检测、识别和关键参数提取的统一框架。	在多调制场景和不同噪声功率水平下，平均信号识别率（aAcc）为65.16%，中心频率提取的NRMSE为8.7%，表明在复杂环境下识别和参数提取精度仍有提升空间。	解决传统信号处理方法依赖先验知识、难以实现智能频谱监测的问题，以及现有深度学习自动调制识别技术侧重信号识别而忽视检测和关键参数提取的不足。	宽带无线信号，包括多调制场景和不同噪声功率水平下的信号	无线通信信号处理	NA	语义分割，信号频谱图分析	RepViT	频谱图（图像）	大规模合成数据集	NA	RepViT	最大信号识别率（mAcc），平均信号识别率（aAcc），归一化均方根误差（NRMSE）	NA
698	2026-10-01	Deep feature optimization using fusion of multiple self-supervised learning approaches and filter-based feature selection for lung cancer histopathology classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348194 PMID:42044137	研究论文	该文章提出了一种结合多种自监督学习、基于过滤器的特征选择和视觉图卷积网络的深度特征优化方法，用于肺癌组织病理学图像分类	首次将三种互补的自监督学习方法（Deep Cluster、BYOL、SimCLR）与基于过滤器的特征选择方法（mRMR）以及视觉图卷积网络相结合，通过优化特征融合来提升肺癌组织病理学分类性能	未明确说明计算复杂度、模型泛化能力的具体分析以及自监督学习方法选择的理论依据	提高肺癌组织病理学图像的诊断准确性，实现肺癌的早期检测和分类	肺癌组织病理学图像，包括正常组织、肺腺癌和肺鳞状细胞癌	数字病理学	肺癌	组织病理学成像	CNN, 自监督学习, 图卷积网络	图像	691张组织病理学图像（151例正常、280例肺腺癌、260例肺鳞状细胞癌），另使用LC25000和TCGA UT数据集进行验证	NA	自定义CNN, Deep Cluster, BYOL, SimCLR, 视觉图卷积网络	平衡准确率	NA
699	2026-10-01	Diabetic Retinopathy Detection: AI Models and Approaches 2026, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/joph/8857887 PMID:42046731	综述	本文综述了当前用于糖尿病视网膜病变筛查的人工智能模型与方法，涵盖了传统机器学习和深度学习技术的应用与性能	全面总结了2020至2025年间AI在糖尿病视网膜病变检测中的最新进展，包括URNet、ViT、ResNet-50、EfficientNetB0、DenseNet、ResNet-18等多种深度学习模型的性能比较，以及IDx-DR和EyeArt等半自主系统的临床表现	研究主要集中在亚洲地区，缺乏来自非洲和低收入国家的研究数据	综述当前AI模型在糖尿病视网膜病变筛查中的应用方法、性能和临床验证情况	糖尿病视网膜病变筛查相关的AI模型与系统	数字病理学	糖尿病视网膜病变	NA	CNN, 视觉Transformer	图像	NA	NA	URNet, ViT, ResNet-50, EfficientNetB0, DenseNet, ResNet-18	灵敏度, 特异度	NA
700	2026-10-01	HRMamba: A Hybrid Retinex and State-Space Model for Underwater Image Enhancement 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3689407 PMID:42090525	研究论文	该论文提出了一种结合Retinex理论与状态空间模型的水下图像增强框架HRMamba，通过线性复杂度的状态空间操作实现高效全局依赖建模，并设计了光照特征融合模块和光照引导去噪模块，在提升颜色保真度和可见度的同时显著降低计算需求。	1. 首次将Retinex理论与状态空间模型（SSM）结合用于水下图像增强，提出HRMamba框架；2. 通过线性复杂度的状态空间操作替代Transformer的二次复杂度，在保持全局依赖建模能力的同时实现高效计算；3. 提出光照特征融合模块（IFFM），融合SSM的全局建模能力与CNN的局部自适应能力；4. 提出光照引导去噪模块（IGDM），利用方向扫描的视觉状态空间模块（VSSM）实现光照感知的上下文敏感噪声抑制。	未明确讨论在极端水下环境（如极低光照、严重浑浊）下的泛化能力，也未与其他最新方法在资源受限设备上的实际部署效果进行对比。	解决现有基于深度学习的水下图像增强方法计算复杂度高、全局依赖建模不足的问题，实现高效且高质量的水下图像增强。	水下图像	计算机视觉	NA	Retinex理论, 状态空间模型	状态空间模型, 卷积神经网络	图像	NA	NA	HRMamba	NA	NA