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
101	2026-10-08	Artificial intelligence in clinical neurophysiology: IFCN handbook chapter 2026-Dec, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2026.2112407 PMID:42785050	综述	本章概述了人工智能在临床神经生理学中的当前和新兴应用，涵盖EEG、EMG、NCS和超声等模态，并讨论了临床实施的挑战	系统性地总结了AI在临床神经生理学各模态中的应用，并强调了多模态整合和大型国际数据集的使用	数据异质性、标签噪声、泛化性有限、深度学习黑箱缺乏可解释性，以及监管、法律和伦理挑战	概述AI在临床神经生理学中的当前和新兴临床应用，并讨论临床实施的障碍	临床神经生理学中的EEG、EMG、NCS和超声数据	机器学习	神经系统疾病	EEG, EMG, NCS, 超声	机器学习, 深度学习	时间序列信号, 图像	NA	NA	NA	NA	NA
102	2026-10-08	Magnetic nanorobots in oncology: From targeted drug delivery to smart theranostic systems 2026-Dec, Materials today. Bio DOI:10.1016/j.mtbio.2026.103709 PMID:42834993	综述	本综述系统总结了磁性纳米机器人（MNRs）在肿瘤治疗中的应用，涵盖靶向药物递送、刺激响应释放、光热治疗（PTT）、化学动力学治疗（CDT）以及多模态协同治疗，并探讨了人工智能在导航与疗效优化中的作用	系统整合了磁性纳米机器人在材料设计、新型评估体系、多模态协同治疗方面的最新代表性研究，并首次讨论了深度学习与人工智能在优化MNRs导航和治疗效果中的应用	MNRs的临床转化仍受限于生物相容性、可规模化制造、实时成像及体内追踪等挑战	全面梳理磁性纳米机器人在肿瘤精准治疗中的临床应用路径，总结当前瓶颈并提出潜在解决方案	磁性纳米机器人（MNRs）及其在肿瘤治疗中的应用	机器学习	肺癌	NA	NA	文本	NA	NA	NA	NA	NA
103	2026-10-08	Clinical evaluation of three deep learning contouring models for head and neck organs at risk and lymph node levels 2026-Dec, Technical innovations & patient support in radiation oncology DOI:10.1016/j.tipsro.2026.100437 PMID:42835896	研究论文	该论文比较了三种商用深度学习轮廓勾画模型（Mirada DLCExpert、Limbus AI、MVision AI Contour+）在头颈部危及器官和淋巴结水平上的准确性与临床可接受性	首次对三种商用深度学习轮廓勾画模型进行头颈部危及器官和淋巴结水平的系统比较，并采用独立于所有模型的参考轮廓进行敏感性分析	样本量较小（20例患者），且仅针对下咽/喉肿瘤患者，可能限制结论的普适性	比较三种深度学习轮廓勾画模型在头颈部危及器官和淋巴结水平上的准确性和临床可接受性	20例回顾性选取的下咽/喉肿瘤患者（2020至2023年）	数字病理学	头颈部癌症	深度学习轮廓勾画	CNN	图像	20例患者的CT图像	NA	NA	Dice相似系数, 95% Hausdorff距离, 中位表面距离, Jaccard指数	NA
104	2026-10-08	Patterns of interspecific variation in labial microarchitecture among anthropoid primates and the evolution of the hominin lips 2026-Nov, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.70103 PMID:41334680	研究论文	该研究对15种灵长类动物的唇部微结构进行组织学和形态计量学分析，揭示人类独特的唇部特征及其与言语进化的潜在关联	首次对多种灵长类动物的唇部微结构进行系统性的组织学和形态计量学研究，结合深度学习分割技术，发现人类具有独特的弯曲钩状口轮匝肌、与口轮匝肌分离的皮肤插入型直接唇部牵引系统以及高脂肪低结缔组织的组织特征	未提供直接的功能性证据来支持唇部结构与言语精确性之间的因果关系	探究灵长类动物唇部微结构的种间变异模式，并探讨人类唇部衍生特征在面部表情和言语进化中的作用	15种灵长类动物的唇部组织，包括人类、非人大型猿类、猴科、卷尾猴科和狐猴科	数字病理学	NA	组织学染色（Masson三色染色）、形态计量学分析	深度学习分割模型	图像	15种灵长类动物的矢状面唇部切片	NA	NA	NA	NA
105	2026-10-08	Deep Supervised Adversarial Robust Hashing for Retrieval 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3725315 PMID:42611668	研究论文	本文提出了一种名为DSARH的深度监督对抗鲁棒哈希框架，利用相似性矩阵和可学习的哈希码构建梯度最坏情况扰动，实现高效的对抗训练和鲁棒特征学习，用于跨模态和图像检索任务	提出端到端框架DSARH，利用相似性矩阵和可学习哈希码构建梯度最坏情况扰动，解决了检索任务中缺乏显式标签导致对抗优化困难的问题，实现了大规模检索场景下的高效对抗训练	摘要中未明确提及研究的局限性	增强深度哈希模型在检索任务中的对抗鲁棒性，实现可靠的推理	深度哈希模型、对抗攻击、跨模态检索和图像检索任务	计算机视觉	NA	NA	CNN	图像、文本	NA	NA	NA	NA	NA
106	2026-10-08	DeltaGNN: Graph Neural Network With Information Flow Control 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3725398 PMID:42611664	研究论文	本文提出了一种名为DeltaGNN的图神经网络架构，通过信息流控制机制和线性复杂度的信息流分数来同时处理长程和短程节点交互，缓解过平滑和过挤压问题	提出了信息流控制机制和线性复杂度的信息流分数，构建了首个兼具可扩展性和泛化性的DeltaGNN架构，能够有效处理具有不同同质性、密度和拓扑结构的图	未明确讨论模型在极大规模图上的实际可扩展性，也未提及信息流分数计算中是否存在超参数敏感性问题	解决图神经网络在半监督节点分类中因过平滑和过挤压导致的长程节点交互检测困难的问题	图结构数据，包括10个真实世界数据集中的图，具有不同规模、拓扑、密度和同质性比例	机器学习	NA	NA	GNN	图	10个真实世界图数据集	NA	DeltaGNN	NA	NA
107	2026-10-08	PI-H2T: Enhancing Long-Tailed Visual Recognition With Permutation-Invariant and Head-to-Tail Feature Fusion 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3711911 PMID:42424207	研究论文	提出PI-H2T方法，通过置换不变表示融合和头到尾特征融合解决长尾视觉识别中的表示空间变形和分类器偏置问题	提出置换不变表示融合（PIF）生成更聚集的特征和自动类间隔，以及头到尾融合（H2TF）从头类向尾类转移语义信息；方法即插即用，可无缝集成到现有方法中	摘要未提及	增强长尾视觉识别性能，解决数据不平衡导致的头类偏好和尾类忽略问题	长尾分布数据集上的视觉识别任务	计算机视觉	NA	NA	NA	图像	NA	NA	NA	识别准确率	NA
108	2026-10-08	Multi-Round Meta-Learning for Label Purification Without Trusted Labels 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3718926 PMID:42531113	研究论文	该论文提出了一种无需可信标签的多轮元学习框架，通过交替进行基础模型训练和元净化来迭代精炼标签质量，并引入KL散度停止准则自适应选择净化深度	提出了无干净标签的元学习标签净化框架；设计了多轮净化策略，以解耦方式交替训练和净化以保持稳定性；从随机收缩角度分析净化过程并引入KL散度停止准则；通过跨轮累积标签分布捕获不确定性	未明确讨论计算成本随轮数增加的问题；仅在CIFAR、mini-Clothing-1M及遥感数据集上验证，未涉及其他医学影像等专家标注领域；随机收缩理论分析可能依赖于特定假设	解决无需可信干净标签条件下的标签噪声问题，实现标签净化	带有噪声标签的数据集，包括CIFAR、mini-Clothing-1M以及专家标注的遥感数据集UC Merced和AID	机器学习	NA	NA	NA	图像	NA	NA	NA	标签准确率	NA
109	2026-10-08	Universal Representation for Real-World Misaligned Infrared-Visible Image Fusion 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3720312 PMID:42550754	研究论文	提出了一种通用表示和端到端框架URMIF，用于联合配准和融合未对齐的红外-可见光图像对。	将图像映射为模态不变特征和模态特定特征，提出双向耦合的配准-融合模块，引入主导平面先验作为场景级约束，并发布了大规模未对齐红外/可见光数据集。	未明确提及	解决真实世界中未对齐红外-可见光图像融合中配准误差放大和语义结构丢失的问题。	未对齐的红外-可见光图像对	计算机视觉	NA	NA	CNN	图像	1,300+对未对齐红外/可见光图像对	NA	NA	NA	NA
110	2026-10-08	FedAdOb: Privacy-Preserving Federated Deep Learning With Adaptive Obfuscation 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3715766 PMID:42555323	研究论文	本文提出了一种名为FedAdOb的自适应混淆机制，用于在联邦深度学习中保护隐私，同时保持模型性能	提出了基于护照的自适应混淆机制，能够在横向和纵向联邦学习设置中确保数据隐私，并在理论上证明了隐私保护能力	摘要中未提及	设计一种自适应混淆机制，在不牺牲模型性能的情况下保护联邦学习中的隐私	联邦学习中的隐私保护机制	机器学习	NA	联邦学习，自适应混淆，护照机制	深度学习	NA	NA	NA	NA	NA	NA
111	2026-10-08	EBV status prediction in gastric carcinoma biopsy images using multiple bag instance learning and foundation model in multicenter data 2026-11, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70105 PMID:42557819	研究论文	本文开发了一种基于深度学习的诊断流程，利用多包实例学习和病理基础模型从H&E染色的胃活检切片中预测EBV状态	结合多包实例学习框架（将空间相邻的肿瘤斑块分组以处理活检样本异质性）和病理基础模型（以最小病理学家注释区分肿瘤与正常区域）来预测EBV状态，并在多中心数据上验证	未明确提及	预测胃活检图像中的EBV状态，作为常规胃活检标本中EBER-ISH检测前的预筛查工具	胃活检病例	数字病理学	胃癌	H&E染色全切片成像	多包实例学习	图像	内部训练集744例活检病例（来自三家综合医院），外部测试集157例	NA	DSMIL-MB, TransMIL	AUC	NA
112	2026-10-08	DeepForgeSeal: Latent Space-Driven Semi-Fragile Watermarking for Deepfake Detection Using Adversarial Reinforcement Learning 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3721108 PMID:42560919	研究论文	本文提出了一种基于潜在空间和对抗强化学习的半脆弱水印框架，用于深度伪造检测。	利用高维潜在空间表示和对抗强化学习范式，开发了一种鲁棒且自适应的水印方法，能够在良性失真鲁棒性和恶意篡改敏感性之间取得平衡。	未明确讨论计算复杂度或实际部署中的实时性限制。	开发一种主动的深度伪造检测方法，通过水印技术识别高质量合成媒体。	深度伪造图像（CelebA和CelebA-HQ数据集中的面部图像）。	计算机视觉	NA	深度学习水印技术、对抗强化学习	可学习水印嵌入器、对抗攻击者代理	图像	CelebA和CelebA-HQ基准数据集（具体样本数量未在摘要中说明）	NA	NA	在CelebA上提升超过4.5%，在CelebA-HQ上提升超过5.3%（具体指标未明确，可能是准确率或检测率）	NA
113	2026-10-08	Contextrast++: Robust Multi-Scale Contextual Contrastive Learning for Semantic Segmentation 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3721845 PMID:42566371	研究论文	提出Contextrast++，一种用于语义分割的鲁棒多尺度上下文对比学习方法，通过上下文对比学习和边界感知负采样提升分割性能并缓解类别不平衡问题	1) 提出自适应融合模块动态平衡局部与全局特征整合；2) 设计像素到锚点和锚到锚损失函数，利用记忆库存储类别平衡的代表性锚点来解决长尾分布问题；3) 提出边界感知负采样策略，从误分类的边界区域选择困难负样本以细化细粒度细节	摘要中未明确提及	解决语义分割中有效捕获局部和全局上下文以及长尾分布的问题	语义分割任务中的图像数据	计算机视觉	NA	对比学习	深度学习	图像	NA	NA	NA	NA	NA
114	2026-10-08	Toward Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3722524 PMID:42579573	研究论文	本文提出了BUFFER-X，一个无需参数调优或目标域重新训练即可实现零样本泛化的点云配准框架，并在12个数据集上进行了全面评估。	通过几何自举自动估计超参数、分布感知最远点采样替代学习型检测器、以及块级坐标归一化确保尺度一致性，实现了跨尺度、场景和传感器设置的零样本泛化。	摘要中未明确提及研究的局限性。	解决深度学习点云配准方法在零样本泛化方面的三个关键限制：固定用户定义参数无法泛化、学习型关键点检测器跨域迁移性差、绝对坐标放大数据集间的尺度不匹配。	点云配准任务，涵盖物体尺度、室内和室外场景的数据集，包括异构LiDAR配置之间的跨传感器配准。	计算机视觉	NA	NA	NA	点云	12个数据集，涵盖物体尺度、室内和室外场景，包括异构LiDAR配置的跨传感器配准。	NA	BUFFER-X, BUFFER-X-Lite	准确率，计算时间	NA
115	2026-10-08	A Deep Learning Pipeline for Cell Segmentation and Viability Quantification in 3D Constructs From Fluorescence Microscopy Images 2026-Nov, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70170 PMID:42581766	研究论文	本文提出了一种结合深度学习和传统图像处理的混合流程，用于从荧光显微镜图像中对3D构建体进行细胞分割和活力定量	将2D细胞培养上训练的U-Net模型扩展到3D构建体的细胞分割和活力评估，通过跟踪细胞密度和活力实现自动化分析，避免了破坏性取样	模型仅在2D细胞培养上训练，扩展到3D时可能受信号衰减和离焦干扰影响，且仅以HUVEC生物打印在GelMA中作为案例研究验证	建立一种自动化工具，用于从荧光显微镜图像中对3D构建体进行细胞分割和活力评估	2D细胞培养和3D构建体中的细胞，具体为生物打印在甲基丙烯酰化明胶中的HUVEC	数字病理学	NA	荧光显微镜成像，生物打印	CNN	图像	不同接种密度的HUVEC生物打印在GelMA中的3D构建体	NA	U-Net	分割准确性，与手动计数和ImageJ结果的一致性	NA
116	2026-10-08	Divergent regional brain ageing in essential tremor 2026-Oct-15, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.112080 PMID:42603652	研究论文	该研究利用3T结构和弥散MRI及深度学习模型估计脑年龄，探讨特发性震颤患者是否存在加速的整体脑老化或区域特异性的脑老化模式改变	首次揭示特发性震颤并非全局加速脑老化，而是表现出疾病特异性的区域脑老化模式，主要影响小脑皮层、丘脑和皮层震颤网络，并提出一个复合指标来刻画这种疾病特异性效应	样本量较小（38例患者和37例对照），仅使用3T MRI，未进行纵向随访，深度学习脑年龄模型的泛化性和可解释性可能受限	探究特发性震颤是否与加速的整体脑老化或区域脑老化模式改变相关	38例特发性震颤患者和37例年龄性别匹配的健康对照	医学影像分析	特发性震颤	3T结构MRI、弥散MRI、深度学习脑年龄估计	深度学习模型	MRI图像（结构像和弥散像）及临床评估数据	75名参与者（38例ET患者，37例对照）	NA	NA	NA	NA
117	2026-10-08	Structured multimodal deep learning improves genomic prediction in future environments 2026-Oct-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyag204 PMID:42579860	研究论文	本文提出了一种结构化交互神经网络（SINN），将遗传、环境和交互效应的统计分解与深度神经网络相结合，以提高未来环境下的基因组预测准确性	将统计遗传学中的遗传、环境和交互效应分解与深度神经网络相结合，解决了深度学习中贪婪学习的问题，实现了模块化和可扩展的基因组预测	摘要中未明确提及研究的局限性	从遗传和环境信息中预测表型，特别是在新的环境下进行基因组预测	玉米多环境试验数据集，包括美国Genomes to Fields数据集和中国国家玉米品种试验数据集（MaizeGEP）	机器学习	NA	NA	深度神经网络	基因组和环境数据	两个玉米多环境试验数据集，具体样本量未提供	NA	结构化交互神经网络（SINN）	准确率，RMSE	NA
118	2026-10-08	NL-TINR: implicit neural representation based nonlocal functional tensor decomposition for zero-shot 3D multi-contrast MRI reconstruction 2026-Oct-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aeabed PMID:42777775	研究论文	提出了一种基于隐式神经表示的非局部函数张量分解框架，用于零样本3D多对比度MRI重建	将基于块的非局部自相似性与隐式神经表示的功能张量分解相结合，实现零样本自监督重建，无需全采样训练数据，同时利用非局部结构冗余和高维空间-对比度相关性	未明确提及	解决3D定量MRI多对比度成像采集时间长的问题，实现加速重建	3D多回波MRI数据集	计算机视觉, 医学图像处理	NA	3D多回波MRI, 定量磁共振成像	隐式神经表示, 张量分解	3D医学图像	NA	NA	隐式神经表示	伪影抑制, 解剖细节保留, 加速因子	NA
119	2026-10-08	Revolutionizing Pancreatic Cancer Detection: The Role of AI-Integrated Biosensors in Early Diagnostics 2026-Oct-07, Advances in biochemical engineering/biotechnology DOI:10.1007/10_2026_346 PMID:42839080	综述	本文综述了人工智能集成生物传感器在胰腺癌早期诊断中的应用，涵盖酶基、免疫传感器、核酸、电化学和光学平台，以及机器学习和深度学习算法在生物标志物检测中的作用	系统性地将人工智能与多种生物传感器技术相结合，用于检测循环肿瘤DNA和microRNA等肿瘤相关生物标志物，实现实时数据处理和个性化医疗	数据标准化、临床验证、法规合规性和伦理问题等方面仍存在挑战	评估人工智能驱动的生物传感器在胰腺癌早期检测中的潜力，分析当前趋势和未来前景	胰腺癌，特别是胰腺导管腺癌（PDAC），以及相关的肿瘤生物标志物	数字病理学	胰腺癌	生物传感器技术，包括酶基、免疫传感器、核酸、电化学和光学平台	机器学习，深度学习	生物传感器数据，包括生物标志物信号	不适用	不适用	不适用	分析灵敏度、特异性、诊断准确性	不适用
120	2026-10-08	From traditional histopathology to virtual staining: deep learning approaches for assessing tissue lesions in farmed fish 2026-Oct-07, Veterinary research communications IF:1.8Q2 DOI:10.1007/s11259-026-11567-9 PMID:42839101	综述	该综述探讨了数字病理学（包括全切片成像、深度学习自动病变定量和生成式AI虚拟染色）如何弥补传统组织病理学在水产养殖农药毒性评估中的分析缺口	系统整合了全切片成像、深度学习自动病变定量和生成式AI虚拟染色三种技术，提出AI驱动的数字病理学作为水产养殖农药毒性高通量客观评估的可信路径	标准化验证框架和可靠的ground-truth数据集仍然缺乏，染色方案间的域偏移、物种泛化能力和数据集标注负担等实施挑战尚未解决	评估数字病理学技术如何克服传统组织病理学在农药毒性评估中的瓶颈，推动水产养殖中有毒物质评估的客观化和高通量化	养殖鱼类（如鳃、肝脏、肾脏等关键器官）的组织病变	数字病理学	NA	全切片成像、深度学习、生成式AI虚拟染色	NA	图像	NA	NA	NA	NA	NA