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
141	2026-10-08	ITO-based multi-band metasurface absorber for early detection of hepatic cancer through deep learning 2026-Oct-05, Optics express IF:3.2Q2 DOI:10.1364/OE.603660 PMID:42839429	研究论文	本研究提出了一种基于ITO的多波段超表面吸收器，结合深度学习分析框架，用于肝（肝脏）癌的高灵敏度检测	设计了一种包含石墨烯层的ITO基多波段超表面吸收器，实现了在0.594、0.988、1.196和1.518 THz处的高吸收率（95%、99%、96%、94%），并具有36 GHz/RIU的灵敏度、2045 RIU的品质因数和70的Q因子，同时结合深度学习框架进行肝癌组织分类	摘要中未明确提及研究的局限性	开发一种基于ITO的多波段超表面吸收器，结合深度学习，用于肝（肝脏）癌的早期检测和高精度诊断	肝（肝脏）癌生物标志物及癌变肝组织	生物医学成像、超材料、深度学习	肝癌	多波段超表面吸收器、石墨烯、电场分布分析、等效电路分析、深度学习	深度学习模型	电磁仿真数据、光学数据	NA	NA	NA	吸收率、灵敏度、品质因数 (FOM)、Q因子、训练准确率、验证准确率	NA
142	2026-10-08	TIENO: a neural operator for transport-of-intensity-equation-based quantitative phase imaging 2026-Oct-05, Optics express IF:3.2Q2 DOI:10.1364/OE.612314 PMID:42839448	研究论文	本文提出了一种基于神经算子的TIE定量相位成像方法TIENO，通过学习逆TIE算子实现从聚焦强度和轴向强度导数到相位分布的映射	首次将神经算子学习范式引入TIE定量相位成像领域，通过保持带限函数空间中的连续-离散等价性，结合带限频谱正则化和频域通道注意力机制，解决了现有方法难以直接刻画TIE连续逆算子以及跨分辨率推断中的离散化网格依赖和频谱混叠问题	主要在模拟数据集上进行数值评估，实验验证仅使用生物细胞数据，尚未在更广泛的临床样本或复杂成像条件下验证；未明确讨论计算资源需求和实时性	解决TIE定量相位成像中连续逆算子难以直接刻画的问题，实现高精度且分辨率灵活的相位恢复	模拟数据集和生物细胞数据	计算机视觉	NA	TIE定量相位成像	神经算子	图像	NA	NA	编码器-解码器架构	相位恢复精度，跨分辨率推断稳定性	NA
143	2026-10-08	Spectral-augmented learning for viable bio-speckle reconstruction 2026-Oct-05, Optics express IF:3.2Q2 DOI:10.1364/OE.612049 PMID:42839447	研究论文	该论文构建了活体生物介质散斑数据集，并提出了空间-频率混合重建神经网络（SFHRnet）用于生物散斑重建。	构建并公开了活体生物介质散斑数据集；建模并验证了生物散斑的自相关约束和傅里叶幅度谱特性；提出了具有专用频域输入分支的双路径架构SFHRnet。	真实生物散斑数据量不足，且散斑存在非理想强度噪声，可能影响方法的泛化能力和实际应用。	解决生物散斑成像中真实数据不足和噪声问题，提升散斑相关成像在生物介质中的重建性能。	活体生物介质产生的散斑图像。	计算机视觉	NA	散斑相关成像（SCI）	CNN	图像	NA	NA	SFHRnet（空间-频率混合重建神经网络，双路径架构）	重建精度	NA
144	2026-10-08	Deep-learning-based robust M2 factor estimation for multimode fibers from uncalibrated beam patterns 2026-Oct-05, Optics express IF:3.2Q2 DOI:10.1364/OE.613233 PMID:42839450	研究论文	本文提出了一种基于深度学习的MSCF-CBAM网络，用于从非校准多模光纤光束图案中稳健估计M2因子，并通过仿真和实验验证了其有效性。	提出了多尺度跨层特征融合网络结合卷积块注意力模块（MSCF-CBAM），能够从非校准的单帧光束图案中稳健估计M2因子，克服了现有方法对标准化成像条件的依赖。	未明确提及 limitations。	实现从非校准多模光纤光束图案中快速、稳健地估计M2因子，以用于在线监测和反馈控制。	多模光纤的光束图案。	计算机视觉	NA	深度学习	CNN	图像	仿真中涉及光束尺度和位置变化；实验中使用了6个随机选择的光束图案。	NA	MSCF-CBAM, VGG-16, simple-CNN	平均绝对误差, 平均相对预测误差	NA
145	2026-10-08	Deep learning-assisted recognition of space-time wave packets carrying orbital angular momentum in scattering media 2026-Oct-05, Optics express IF:3.2Q2 DOI:10.1364/OE.610777 PMID:42839474	研究论文	本文研究了携带轨道角动量的时空波包在散射介质中的鲁棒性和分类性能，利用深度学习框架VortexNet对实验干涉图进行OAM态分类。	首次对比了传统LG-OAM光束与ST-OAM光束在散射介质中的鲁棒性，并提出了VortexNet深度学习框架用于OAM态分类，同时定量评估图像质量。	摘要中未明确提及研究局限性。	研究ST-OAM光束在散射介质中的鲁棒性及其对深度学习分类性能的提升，探索其在复杂动态环境中的光通信和成像应用潜力。	携带轨道角动量的LG-OAM光束和ST-OAM光束在散射介质中的干涉图。	计算机视觉, 光学	NA	深度学习辅助的光学图像分析	CNN	图像	NA	NA	VortexNet	准确率, PSNR, SSIM	NA
146	2026-10-08	MIST-Net: A heterogeneous spatiotemporal network for regional ozone forecasting robust to sparse data 2026-Oct-03, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.125839 PMID:42829134	研究论文	本文提出了一种名为MIST-Net的多污染物交互时空网络，用于区域臭氧预测，能够直接从稀疏和不完整数据中学习	将单个环境因素视为独立的异质节点，采用双图架构（站内图捕获跨变量依赖，站间图捕获空间依赖），并集成双通道缺失指示机制，使模型能够直接从缺失数据和不规则数据中鲁棒学习，无需插补	未明确说明模型的可解释性深度，注意力分析仅提供探索性视角；未讨论计算复杂度和大规模部署的可行性	解决区域臭氧预测中多污染物化学相互作用复杂和监测数据稀疏的挑战，提高在传感器故障和新部署未监测站点的预测鲁棒性	洛杉矶和马德里两个城市的环境监测数据，包括多种空气污染物（如臭氧、氮氧化物等）和气象因素	机器学习	NA	NA	图神经网络	时间序列	两个数据集：洛杉矶和马德里，具体样本数量未提供	PyTorch	MIST-Net（包含双图架构和图神经网络层）	RMSE	NA
147	2026-10-08	SASG-DA: Sparse-Aware Semantic-Guided Diffusion Augmentation for Myoelectric Gesture Recognition 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3670388 PMID:41779657	研究论文	提出了一种基于扩散模型的稀疏感知语义引导数据增强方法，用于表面肌电信号手势识别，以提高生成样本的忠实性和多样性，并缓解过拟合问题	引入了语义表示引导机制以增强生成忠实性，提出了高斯建模语义采样策略以灵活生成多样样本，并进一步引入稀疏感知语义采样策略以增强目标多样性，探索未被充分表示的区域	未明确说明局限性	解决表面肌电信号手势识别中训练数据稀缺导致的过拟合和泛化能力差的问题，通过数据增强提高识别性能和泛化能力	表面肌电信号手势识别任务中的训练数据和深度学习模型	机器学习	NA	表面肌电信号采集	扩散模型	表面肌电信号	Ninapro DB2、DB4和DB7基准数据集	NA	扩散模型	识别性能、泛化能力	NA
148	2026-10-08	BWS-Net: An Optimal Deep Learning Architecture for the Anterior Bladder Wall Segmentation Using Ultrasound Imaging 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675965 PMID:41855067	研究论文	本文提出了一种用于超声图像中膀胱前壁精确分割的新型深度学习网络BWS-Net	采用蓝图可分离卷积和基于自适应注意力的跳跃连接，在减少计算量的同时提高分割性能	缺乏临床验证	精确分割膀胱前壁以用于评估膀胱顺应性	膀胱前壁超声图像	计算机视觉	膀胱疾病	超声成像	CNN	图像	来自64名患者的8592张图像	NA	编码器-解码器结构，包含蓝图可分离卷积层和自适应注意力跳跃连接	Dice分数, 灵敏度, 均方根误差	NA
149	2026-10-08	Assessing the Performance and Reliability of Deep Learning Autosegmentation in Videofluoroscopic Swallowing Studies: A Systematic Review and Meta-analysis 2026-Oct, Archives of physical medicine and rehabilitation IF:3.6Q1 DOI:10.1016/j.apmr.2026.03.016 PMID:41905601	系统综述和荟萃分析	该文章通过荟萃分析系统评估了深度学习自动分割方法在视频透视吞咽研究中的准确性和可靠性	首次通过系统综述和荟萃分析对VFSS中深度学习自动分割方法的性能进行全面定量评估，并按解剖目标进行亚组分析	研究间存在显著的异质性（I²=77%），方法学变异性大，缺乏标准化协议和多中心数据集	系统评估深度学习自动分割方法在VFSS中的准确性和可靠性	应用深度学习技术对VFSS中解剖结构（食团、颈椎、舌骨或甲状软骨-声带复合体）进行自动分割的研究	医学图像分割	吞咽障碍	深度学习自动分割	NA	视频透视吞咽研究图像	10项研究	NA	NA	Dice相似系数	NA
150	2026-10-08	Development of a Multimodal Obstructive Sleep Apnea Diagnostic Prediction Model Using Two-Dimensional Facial Images and Clinical Data 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678664 PMID:41911139	研究论文	本研究开发了一种多模态人工智能模型，结合二维面部照片、头影测量X光片和临床数据，用于提高阻塞性睡眠呼吸暂停（OSA）的筛查效果	创新性地整合了面部图像、头影测量X光片和临床数据，构建三模态AI模型，并显著优于单模态和双模态方法	样本量相对有限（710例），且未在独立外部数据集上验证	开发并验证一种基于多模态数据的人工智能模型，用于阻塞性睡眠呼吸暂停的诊断预测和筛查	接受多导睡眠监测的710例患者	医学人工智能	阻塞性睡眠呼吸暂停	深度学习，多模态数据融合	CNN，深度神经网络	图像（面部照片、头影测量X光片），临床数据（数值和问卷）	710例患者	NA	ShuffleNet-V2，深度神经网络	AUC，敏感度，特异度，准确率，F1分数	NA
151	2026-10-08	Automatic Segmentation of Placenta From MR Images Using a Novel BiGC U-Net 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678395 PMID:41911136	研究论文	本文提出了一种名为BiGC U-Net的增强型U-Net架构，用于自动分割胎盘MR图像	提出了双向门控卷积模块（BiGC）以捕获互补的空间依赖关系，引入了层次正则化机制（HRM）以增强跨层语义一致性，并设计了创新的数据增强策略来合成新图像	未明确提及	实现胎盘MR图像的准确自动分割，以支持纹理和形状分析等定量技术，从而提高胎盘植入谱系疾病（PAS）的诊断率	胎盘MR图像	计算机视觉，数字病理学	胎盘植入谱系疾病（PAS）	磁共振成像（MRI）	CNN	图像	三个胎盘MR数据集：公共数据集、谢菲尔德教学医院（STH）数据集及组合（公共+STH+增强）数据集	NA	U-Net， BiGC U-Net， Attention U-Net， ResNet， UNet++， TransUNet， nnUNet， SSM-Mamba	Dice相似系数， 95百分位Hausdorff距离，相对体积差异	NA
152	2026-10-08	Adaptive Feature Selection With Hierarchical Learning for Drug-Target Interaction Prediction 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678266 PMID:41911134	研究论文	提出ASHL-DTI框架，结合分层学习和自适应特征选择来预测药物-靶点相互作用	将分层学习与自适应Top-k特征选择机制相结合，通过捕获分子内多级关联和保留最具预测性的特征来提升特征质量和模型泛化能力	未明确说明	准确预测药物-靶点相互作用以促进药物发现和药物重定位	药物-靶点相互作用	机器学习	NA	深度学习	深度学习	分子数据	多个公开基准数据集	NA	NA	NA	NA
153	2026-10-08	Quantum Convolutional Neural Networks: A Survey on Architectures, Applications, and Future Directions 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3677762 PMID:41926404	综述	本文对量子卷积神经网络（QCNN）进行了系统全面的综述，涵盖了其架构、应用和未来方向	填补了现有研究缺乏统一分类和全面综述的空白，提供了跨关键架构、应用和工具包的比较见解，并指出了开放挑战和潜在研究领域	作为一篇综述文章，它本身不提出新的模型或算法，而是总结现有研究，因此可能受限于已有文献的范围和质量	系统回顾QCNN的架构、应用和工具包，并指出开放挑战和未来研究方向	量子卷积神经网络（QCNN）及其相关架构、应用和软件工具	机器学习	NA	NA	QCNN	NA	NA	Qiskit Machine Learning, Pennylane, TensorFlow Quantum	全量子, 变分, 混合, 基于图	NA	NA
154	2026-10-08	Neural Architecture Search With Spatial--Spectral Attention for Higher-Order Nonlinear Hyperspectral Unmixing 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3678170 PMID:41950143	研究论文	本文提出了一种基于神经架构搜索（NAS）与空谱注意力的高阶非线性高光谱解混（HU）模型，旨在自动设计高效的深度自编码器网络架构以适应不同光谱波段的非线性混合现象	首次将NAS集成到基于扩展多线性混合（EMLM）模型的高光谱解混中，实现端元、丰度和转移概率参数之间复杂关系的自适应建模；设计了空谱注意力引导的大规模搜索空间，包含多种多尺度卷积操作以适应不同波段散射程度的变化，并采用受稀疏编码启发的NAS加速策略减轻搜索时间负担；提出了结合线性重建损失与多线性重建光谱角距离（SAD）的混合损失函数，以平衡解混过程中线性分量的影响，提高收敛速度和端元精度	摘要中未明确提及研究的局限性	解决当前基于EMLM的深度学习高光谱解混方法严重依赖人工设计高效深度自编码器网络架构的问题，该过程耗时费力且需要专业知识和丰富设计经验，尤其难以应对不同光谱波段非线性强度各异的混合现象	高光谱遥感图像中的非线性混合像元	计算机视觉	NA	高光谱解混	神经架构搜索（NAS）	图像	合成数据集和真实数据集	NA	深度自编码器（AE）	光谱角距离（SAD）	NA
155	2026-10-08	Systematic Abductive Reasoning via Diverse Relation Representations in Vector-Symbolic Architecture 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3684958 PMID:42019057	研究论文	本文提出了一种在向量符号架构中具有多样化关系表示的系统性溯因推理模型，用于解决瑞文推理测验	引入了多种类型的原子高维编码以捕捉数值、周期和逻辑语义，提出了结构化高维表示，并提出了新的数值和逻辑关系函数，在统一框架中进行规则溯因和执行	未在摘要中明确说明	解决瑞文推理测验中的系统性溯因推理问题	瑞文推理测验中的矩阵问题	计算机视觉	NA	向量符号架构	NA	图像	NA	NA	NA	NA	NA
156	2026-10-08	External Validation of a Deep Learning-Based Artificial Intelligence System for Ultrasound Diagnosis of Thyroid Nodules: A Two-Center Retrospective Study 2026-Oct, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70275 PMID:42304967	研究论文	本研究旨在评估基于深度学习卷积神经网络的AI诊断系统在甲状腺结节超声诊断中的性能，并进行了两个中心的回顾性验证	构建了基于深度学习的AI诊断系统，并首次在图像模式和视频模式下进行了外部验证，比较了AI与不同经验放射科医生的诊断性能，并分析了超声特征对AI准确性的影响	回顾性研究设计，样本量相对较小，仅涉及两个中心，可能影响结果的普遍性	研究基于深度学习的AI诊断系统在甲状腺结节超声诊断中的性能	485个甲状腺结节	医学图像分析	甲状腺癌	超声成像	卷积神经网络（CNN）	图像、视频	485个甲状腺结节，来自两个三级医院	NA	CNN	敏感性、特异性、准确性、AUC	NA
157	2026-10-08	DiffShape: Decoupling Shape Priors With Conditional Diffusion for Robust Brain Extraction 2026-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3716658 PMID:42497038	研究论文	本文提出DiffShape，一种条件扩散框架，通过解耦形状先验与体素强度预测来提升脑提取的鲁棒性	将脑形状生成与直接的体素强度到标签预测解耦，使用一维极半径向量表示脑几何形状，在学习的低维形状流形上进行扩散建模，并以输入图像为条件学习噪声到形状的去噪轨迹	摘要中未提及	提升颅骨剥离模型在异构成像协议和多样化病理条件下的泛化能力，实现鲁棒的脑提取	包含健康和病理病例的神经影像数据集	计算机视觉	神经系统疾病	NA	扩散模型	图像	包含健康和病理病例的数据集，具体样本量摘要中未提及	NA	条件扩散模型	分割准确率	NA
158	2026-10-08	Deciphering lncRNA-Disease Associations Based on Multi-Representation Fusion and Boosting With Gaussian Process 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3672737 PMID:41805498	研究论文	提出基于多表示融合和高斯过程提升的深度学习框架LDA-RMGPB，用于预测lncRNA-疾病关联	首次将随机化奇异值分解、掩码图自编码器和高斯过程提升算法结合，实现LDP线性和非线性特征的有效融合与分类	未明确说明计算复杂度或可扩展性限制	提高lncRNA-疾病关联预测的准确性和鲁棒性	lncRNA-疾病对（LDPs）	机器学习	乳腺癌、前列腺癌	NA	随机化奇异值分解、掩码图自编码器、高斯过程	NA	两个LDA数据集	NA	随机化奇异值分解、掩码图自编码器、高斯过程	六种评估指标	NA
159	2026-10-08	Leads-Adaptive Fetal Electrocardiogram Extraction Using Attention-Based BiLSTM 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3672909 PMID:41805500	研究论文	本文提出了一种基于注意力机制的双向长短期记忆网络（BiLSTM）方法，用于从多导联腹壁心电图（AECG）中自适应提取胎儿心电图（fECG）	结合注意力机制和深度监督子网络，通过计算通道间注意力权重实现特征融合，有效减轻缺陷通道对提取结果的影响，实现多导联自适应提取	仅在公开数据集上进行了评估，未涉及大规模临床验证；模型计算复杂度可能较高，实时性未讨论；未与其他深度学习方法进行广泛比较	从多导联腹壁心电图信号中自适应提取胎儿心电图，以辅助临床胎儿心律评估	腹壁心电图信号（AECG）和胎儿心电图信号（fECG）	机器学习	心血管疾病	深度学习	BiLSTM	信号	NA	NA	BiLSTM, 注意力机制	NA	NA
160	2026-10-08	Hybrid Multi-View MRI Fusion for csPCa Diagnosis via Intra- and Inter-View Transformers 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3672887 PMID:41805501	研究论文	提出一种混合多视图MRI融合框架，通过视图内和视图间Transformer进行交互，用于临床显著性前列腺癌（csPCa）诊断	将多视图融合分解为多分辨率下的迭代视图内和视图间交互，利用桥接令牌降低内存并保持空间关系，共享位置嵌入增强视图间空间对应性	未明确提及	提高基于多视图MRI的临床显著性前列腺癌诊断准确性	前列腺MRI图像（轴位、矢状位、冠状位）	计算机视觉，医学图像分析	前列腺癌	多参数MRI	Transformer	图像	公共数据集（具体样本量未提及）	未提及	Vision Transformer，Swin Transformer	分类性能（具体指标未提及）	未提及