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
161	2026-10-08	A Knowledge-Guided Bi-Modal Network for the Classification of Anterior Chamber Angle Images 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3677046 PMID:41874984	研究论文	提出了一种知识引导的双模态网络（KGNet），用于前房角图像分类，结合文本领域知识和图像进行青光眼评估	设计了一种新策略将基于类别的知识细化为文本描述，增加了模型学习特征的多样性；采用知识引导学习，利用双模态相关性突出前房角图像中的关键临床结构；通过显式对齐视觉表示与结构化临床知识提高了可解释性	摘要中未明确提及研究局限性	自动化前房角分类以辅助青光眼诊断和治疗	前房角图像	计算机视觉	青光眼	NA	深度学习	图像, 文本	NA	NA	KGNet	NA	NA
162	2026-10-08	Waveformer: Dual-Branch Adaptive Network With Wavelet-Guided Cross-Context Decoding for Colorectal Polyp Segmentation 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678353 PMID:41894215	研究论文	提出Waveformer，一种结合CNN-Transformer双分支编码器和小波引导解码器的结直肠息肉分割网络	采用并行CNN-Transformer双分支编码器协同提取局部细节和全局特征；解码器集成基于小波的频率分解单元（WFDU）和伪装识别模块（CIM）以增强边界建模和病变辨别能力	未明确说明	提高内窥镜图像中结直肠息肉的分割精度，解决形态多变、边界模糊、低对比度以及低光照、管腔扭曲等复杂条件导致的误检和漏检问题	结直肠息肉内窥镜图像	计算机视觉	结直肠癌	NA	CNN, Transformer	图像	CVC-ClinicDB和Kvasir-SEG数据集（具体样本量未提供）	NA	CNN-Transformer双分支编码器, U-Net风格解码器	Dice相似系数	NA
163	2026-10-08	Explainable Convolutional Channel Ranking (ECCR) for EEG-Based Detection of Idiopathic Absence Seizures 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678222 PMID:41894213	研究论文	本文提出可解释卷积通道排序（ECCR）方法，通过分析CNN学习到的通道特异性特征贡献，识别与特发性失神癫痫检测相关的EEG通道	ECCR保留了通道特异性贡献模式，发现中等贡献水平的通道提供最具判别力和生理一致性的信息，而非仅关注高激活区域或跨癫痫类型和空间位置汇总贡献	摘要中未明确提及研究局限性	识别与特发性失神癫痫检测相关的诊断性EEG通道，指导紧凑可解释EEG系统的设计	特发性失神癫痫患者的EEG信号	机器学习	特发性失神癫痫	EEG	CNN, 随机森林	EEG信号	摘要中未提供具体样本数量	NA	卷积神经网络, 随机森林	准确率, 灵敏度	NA
164	2026-10-08	Monte Carlo Marginalization: A Differentiable Method to Learn High-Dimensional Distributions 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3682991 PMID:42024939	研究论文	提出了一种基于高斯混合模型和蒙特卡洛边缘化的可微分方法，用于学习高维复杂分布，无需深度神经网络即可进行图像生成。	首次提出蒙特卡洛边缘化方法解决高维KL散度计算复杂性问题，利用核密度估计保证优化过程的可微性，实现了从依赖网络近似到直接无网络分布学习的范式转变，首次在不使用深度学习网络的情况下进行图像生成。	摘要中未明确提及局限性。	学习高维空间中的难处理分布，避免传统深度学习方法对先验假设的依赖。	高维复杂分布（如MNIST和CIFAR-10图像数据的分布）。	机器学习	NA	高斯混合模型、蒙特卡洛边缘化、核密度估计、KL散度最小化	高斯混合模型	图像	MNIST和CIFAR-10数据集（具体样本量未在摘要中说明）	NA	NA	FID分数	NA
165	2026-10-08	End-to-End Image Compression With Segmentation Guided Dual Coding for Wind Turbines 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3685207 PMID:42055998	研究论文	提出了一种端到端深度学习框架，联合进行分割和双模式（有损和无损）压缩，用于风力涡轮机图像的高效编码与缺陷检测	首次将分割、有损压缩和无损压缩完全集成到一个基于学习的ROI编解码器中；通过复用背景编码比特消除了bits-back编码中的顺序依赖，实现了并行化高效双模式压缩；提出了BU-Netv2+P分割网络结合CRF正则化损失实现精确叶片定位	未明确讨论计算复杂度在实际部署中的可行性，未提及在不同风机类型或不同拍摄条件下的泛化能力	解决风力涡轮机检测中高分辨率图像传输瓶颈问题，在保持叶片区域高保真度的同时积极压缩背景，确保后续缺陷检测不受影响	风力涡轮机检测图像（叶片区域和背景区域）	计算机视觉	NA	端到端深度学习图像压缩、图像分割	CNN、自编码器	图像	大规模风力涡轮机数据集（具体数量未提及）	NA	BU-Netv2+P、基于超先验的自编码器、扩展bits-back编码器	压缩性能、压缩效率	NA
166	2026-10-08	Generative Learning Imaging Framework for Millimeter Wave Synthetic Aperture Radar 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3686777 PMID:42102073	研究论文	本文提出了一种生成学习成像框架（GLIm）用于毫米波合成孔径雷达（SAR）成像，通过在线学习从稀疏采样回波测量中重建SAR图像	提出了生成学习成像框架（GLIm），通过将低维随机噪声映射到散射域来生成目标图像，并使用复合损失函数进行训练，其中不完整的回波测量作为监督信号，避免了传统迭代优化过程的理论推导	未明确说明	解决合成孔径雷达（SAR）系统简化和降低传感成本中的关键问题，即从稀疏采样回波测量中准确重建SAR图像	毫米波合成孔径雷达（mmWave SAR）图像	计算机视觉	不适用	生成学习成像、合成孔径雷达成像	生成学习模型	图像	未明确说明	未明确说明	SAR图像生成器	未明确说明	未明确说明
167	2026-10-08	Dual-Domain Multipath Self-Supervised Diffusion Model for Accelerated MRI Reconstruction 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3688183 PMID:42113659	研究论文	提出一种双域多路径自监督扩散模型（DMSM），用于加速MRI重建，无需全采样训练数据，并生成不确定性图	集成了自监督双域扩散模型训练方案、轻量级混合注意力网络（LHAN）和多路径推理策略，消除对全采样数据训练的依赖，并提供不确定性估计	未明确提及	提高加速MRI重建的准确性、效率和可解释性，并解决现有扩散模型依赖全采样数据、计算成本高和缺乏不确定性估计的问题	人类MRI数据集（两个数据集）	计算机视觉	未明确提及	MRI重建, 扩散模型	扩散模型	图像	两个人类MRI数据集（具体样本数未提供）	未明确提及	轻量级混合注意力网络（LHAN）	未明确提及具体指标	未明确提及
168	2026-10-08	SALMON: Self-Adaptive Learning Model on Neuromorphic Hardware 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3687785 PMID:42118650	研究论文	提出了一种名为SALMON的自适应学习模型，用于在神经形态硬件上进行高效的片上训练，通过结合模拟骨干网络与数字注意力模块来克服硬件非理想性	首次提出将模拟骨干网络与可附加的数字注意力块相结合的自适应网络（SAnet），间接应对硬件非理想性，并设计了最小化数字组件使用的应用策略以降低功耗	未明确说明在更大规模数据集上的泛化能力，且研究仅基于CIFAR-10和ResNet架构	实现大规模神经形态计算系统上有效的片上训练，解决模拟内存计算中的硬件非理想性问题	神经形态硬件上的深度学习训练，具体为CIFAR-10图像分类任务	机器学习	NA	模拟内存计算	CNN	图像	CIFAR-10数据集，包含60000张32x32彩色图像	NA	ResNet	测试准确率	神经形态硬件，具体硬件条件未详述
169	2026-10-08	Diffusion-Based Quality Control of Medical Image Segmentations Across Organs 2026-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3714697 PMID:42467579	研究论文	提出了一种基于扩散生成范式的自动质量控制框架nnQC，用于评估医学图像分割的质量，可自适应于不同器官、数据集和成像模态	提出了一种新颖的专家团队（ToE）架构，包含两个独立专家分别编码3D空间感知（轴向切片的相对空间位置）和解剖信息（来自原始图像的视觉特征），并通过加权条件模块动态组合两个独立嵌入来条件化扩散过程中的采样机制，从而生成空间感知的伪真实标签以预测质量控制分数，同时集成了指纹自适应机制以确保跨器官、数据集和成像模态的适应性	未明确提及	克服现有质量控制方法器官特异性的局限性，开发一种能够自适应于任何输入器官数据集的稳健质量控制框架	七个器官的医学图像分割结果，来自十五个公开可用数据集	医学图像分割	NA	扩散生成模型	扩散模型	3D医学图像	七个器官，十五个公开数据集	NA	专家团队（ToE）架构，基于扩散模型	质量控制分数预测性能（具体指标未明确）	NA
170	2026-10-08	Diagnostic performance of artificial intelligence in periapical radiography: a systematic review 2026-Oct, Odontology IF:1.9Q2 DOI:10.1007/s10266-026-01401-8 PMID:42126492	系统综述	系统评估人工智能模型在根尖片诊断中的准确性，并与人类专家进行比较	全面评估AI在根尖片中的诊断性能，并批判性评估方法学质量和偏倚风险	高偏倚风险、缺乏外部验证、依赖裁剪数据集和使用人类共识作为替代参考标准	系统评估AI模型在根尖片中进行检测、分类和分割任务的诊断准确性，并与人类专家比较，同时批判性评估方法学质量和偏倚风险	使用人工智能模型在根尖片上进行诊断任务并与人类参考标准（专家共识）验证性能的研究	数字病理学	口腔疾病	NA	NA	图像	47项研究	NA	NA	准确性	NA
171	2026-10-08	End-to-End PET/CT Interpretation and Quantification with an LLM-Orchestrated AI Agent: A Real-World Pilot Study 2026-Oct-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.126.272362 PMID:42315314	研究论文	该研究开发了一个由大型语言模型编排的多工具AI智能体，实现了从原始DICOM数据到PET/CT结构化报告的全流程自动化，并在170例肺癌分期患者中进行了回顾性评估	首次提出并验证了基于LLM编排的多工具智能体实现端到端PET/CT解读与量化的工作流级自动化，无需人工干预即可完成从原始DICOM选择到结构化报告生成的全流程	淋巴结转移和远处转移检测的特异性和敏感性有限，存在系统性假阳性（反应性或生理性摄取）和假阴性（小体积或不典型解剖位置转移），仍需专家监督	探索LLM编排的多工具智能体在真实世界条件下实现PET/CT端到端自动化解读和结构化报告生成的可行性	170例接受基线[F]FDG PET/CT检查的肺癌分期患者	数字病理学, 计算机视觉, 自然语言处理	肺癌	PET/CT成像, SUV定量分析	LLM, 视觉语言模型	图像, 文本	170例患者的PET/CT检查数据	NA	LLM编排的多工具智能体（包含基于推理的文本LLM和视觉LLM）	灵敏度, 特异性	NA
172	2026-10-08	Evaluation of Baseline and Interim-Therapy PET Features for Prognostication in High-Risk Pediatric Hodgkin Lymphoma: A Retrospective Analysis of the AHOD1331 Trial 2026-Oct-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.125.270791 PMID:42315307	研究论文	该研究基于COG AHOD1331试验数据，评估基线和中期治疗PET特征对高危儿童霍奇金淋巴瘤预后的预测价值	首次在大型多机构儿童HL队列中系统比较常规PET指标、影像组学特征及DL自动分割与传统医生标注的预后性能	回顾性分析，未发现影像组学或中期PET特征带来额外预后增益	评估基线和中期治疗PET特征对高危儿童霍奇金淋巴瘤无进展生存的预测价值	高危儿童霍奇金淋巴瘤患者	数字病理学, 医学影像分析	淋巴瘤	PET影像, 影像组学	CoxNet, 深度学习分割模型	图像, 临床数据	558例患者（来自150家机构）	NA	CoxNet, 深度学习分割网络	一致性指数（C-index）	NA
173	2026-10-08	Predicting Malignant Transformation in Oral Epithelial Dysplasia: A Systematic Comparison of Artificial Intelligence-Based Risk Models and Pathologist-Based Microscopy 2026-Oct, Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology IF:2.7Q2 DOI:10.1111/jop.70168 PMID:42493423	系统综述与meta分析	本文系统比较了基于人工智能的风险预测模型与病理学家显微镜评估在预测口腔上皮异常增生恶性转化中的表现	首次系统性地对基于AI的口腔上皮异常增生恶性转化风险预测模型与人类病理学家显微镜评估进行直接比较，并通过meta分析量化了两者的判别性能差异	纳入研究间存在显著异质性（人类评估I2=85%，AI模型I2=57%）；AI模型缺乏标准化；缺少外部验证；缺乏大型多中心数据集；临床实施仍需进一步验证	评估基于人工智能的风险预测模型与传统人类显微镜评估在预测口腔上皮异常增生恶性转化方面的性能差异，为口腔潜在恶性疾患患者的风险分层和个性化管理提供循证依据	1998年至2026年间发表的32项研究（9项基于AI，23项基于人类评估），聚焦于口腔白斑、红白斑和红斑中的口腔上皮异常增生	数字病理学	口腔癌	NA	多层感知机，随机森林，机器学习，深度学习，混合方法	组织病理学图像	32项研究（9项AI研究和23项人类评估研究）	NA	多层感知机，随机森林	合并比值比，95%置信区间，异质性I2，特异性，灵敏度	NA
174	2026-10-08	Artificial intelligence in the evaluation and treatment of osteoporotic and fragility fractures: A systematic review 2026-Oct, Injury IF:2.2Q2 DOI:10.1016/j.injury.2026.113521 PMID:42551086	系统综述	本文系统综述了人工智能在骨质疏松性和脆性骨折评估与治疗中的应用，包括骨折风险预测、基于影像的诊断、临床决策支持和术后结果监测	系统总结了AI在骨质疏松性和脆性骨折三大领域（骨折风险预测、骨密度估计与骨质疏松筛查、预后/术后结局）的应用现状，并指出了现有研究的局限性、证据缺口及未来临床转化的方向	纳入研究存在方法学异质性、偏倚风险，且缺乏前瞻性/多中心验证，阻碍了临床转化	系统综述AI在骨质疏松性和脆性骨折评估与治疗中的应用，总结其性能、局限性、证据缺口及未来临床转化方向	骨质疏松性和脆性骨折患者，以及相关原始研究	机器学习	骨质疏松症和脆性骨折	机器学习，深度学习	NA	临床数据，生化数据，影像数据	共纳入21项研究，分为三个领域：骨折风险预测（n=10）、骨密度估计与骨质疏松筛查（n=6）、预后/术后结局（n=5）	NA	NA	NA	NA
175	2026-10-08	EffiSegNet: Advances in Automated Segmentation of Actinic Cheilitis and Lip Squamous Cell Carcinoma in Clinical Photographs 2026-Oct, Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology IF:2.7Q2 DOI:10.1111/jop.70176 PMID:42634274	研究论文	本研究开发并外部验证了一种深度学习分割模型EffiSegNet-B0，用于自动分割临床照片中的光化性唇炎和唇鳞状细胞癌病变	首次将EffiSegNet-B0模型应用于光化性唇炎和唇鳞状细胞癌的自动分割，结合EfficientNet-B0编码器和Ghost Modules进行特征聚合，并在多机构外部验证中表现出色	样本量相对较小（共571张图像），仅来自三个机构，需要更大规模的多中心验证	开发和外部验证一种深度学习分割模型，用于临床照片中唇部病变的自动分割	光化性唇炎（AC）和唇鳞状细胞癌（LSCC）的临床照片	计算机视觉、数字病理学	唇鳞状细胞癌、光化性唇炎	深度学习图像分割	CNN	图像	489张内部临床照片用于训练和内部测试，82张来自两个独立机构的外部图像用于外部验证，共571张图像	NA	EffiSegNet-B0（基于EfficientNet-B0编码器和Ghost Modules）	准确率、灵敏度（召回率）、精确率、Dice相似系数（DSC）、交并比（IoU）	NA
176	2026-10-08	Detecting Incisional Surgical Site Infections on Wound Images Through Deep Learning 2026-Oct-01, JAMA surgery IF:15.7Q1 DOI:10.1001/jamasurg.2026.3738 PMID:42647036	研究论文	该研究开发并外部验证了一种基于InceptionV3的深度学习模型，用于从伤口照片中检测提示手术部位感染（SSI）的伤口	利用迁移学习构建基于InceptionV3的卷积神经网络，从伤口图像中自动检测手术部位感染，并进行了外部验证，同时使用Grad-CAM热图可视化模型对伤口区域的关注	模型在外部验证集上的AUC（0.82）低于内部验证集（0.91），泛化性能有所下降；未提及模型在不同肤色、不同光照条件或不同设备拍摄图像上的表现	开发和外部验证一种深度学习模型，从伤口照片中检测提示手术部位感染的伤口，以支持远程医疗中的自动化分诊	多专科手术患者的伤口图像，包括回顾性数据库中的图像和前瞻性收集的图像	计算机视觉	手术部位感染	深度学习图像分类	CNN	图像	训练集4978张伤口图像，外部验证集407张图像来自95名患者	TensorFlow	InceptionV3	AUC, 校准曲线, 决策曲线分析	NA
177	2026-10-08	Association of CT-derived adipose measurements with prolonged intensive care unit stay in moderate and severe trauma patients 2026-Oct, Injury IF:2.2Q2 DOI:10.1016/j.injury.2026.113625 PMID:42648018	研究论文	本研究探讨了CT衍生的脂肪测量指标与中重度创伤患者延长ICU住院时间之间的关联	使用深度学习分割模型从常规CT扫描中量化腹部脂肪组织，发现CT衍生的脂肪指标比BMI更能一致地预测ICU住院时间和通气持续时间	回顾性单中心研究，样本量有限（142例），排除了死亡患者，可能引入选择偏倚	评估CT衍生的身体成分测量指标与中重度创伤患者ICU住院时间和通气持续时间的关系	中重度创伤患者（损伤严重度评分≥9）	数字病理学	创伤	CT成像	CNN	图像	142例ICU幸存者（中位年龄56岁，16%女性，52%肥胖）	NA	NA	Spearman相关系数（ρ）、p值、百分比变化（95% CI）	NA
178	2026-10-08	A Habitat Imaging-Based Radiomics and Deep Learning Fusion for Preoperative Prediction of Lymphovascular Invasion in Invasive Breast Cancer: A Multicenter Study 2026-10-01, Balkan medical journal IF:1.9Q2 DOI:10.4274/balkanmedj.galenos.2026.2026-7-3 PMID:42671326	研究论文	本研究开发并验证了一种基于超声的栖息地影像组学与深度学习融合模型，用于术前预测浸润性乳腺癌的淋巴血管侵犯，并在多中心数据中评估其性能和临床价值	首次将栖息地影像组学特征与深度学习特征在特征层面融合，结合LightGBM分类器进行浸润性乳腺癌淋巴血管侵犯的术前预测，并通过CD31染色微血管密度验证了模型的生物学可解释性	回顾性研究设计可能存在选择偏倚，仅基于超声影像，未与其他影像模态（如MRI）进行比较，栖息地划分依赖于k-means聚类算法，可能受初始参数影响	开发并验证一种无创的超声栖息地影像组学与深度学习融合模型，用于浸润性乳腺癌淋巴血管侵犯的术前预测，并评估其能否提升放射科医师的诊断性能	来自三家机构的1096例浸润性乳腺癌患者的常规B型超声肿瘤图像	数字病理学	乳腺癌	超声成像、栖息地影像组学、深度学习、CD31免疫组化染色	CNN、LightGBM	图像	1096例患者的超声图像	NA	ResNet50、LightGBM	AUC	NA
179	2026-10-08	Machine Learning for Autism Spectrum Disorder Prediction: A Review of Data Augmentation and Feature Selection Techniques 2026-Oct, Health care science DOI:10.1002/hcs2.70098 PMID:42707916	综述	本文综述了2021至2024年间使用机器学习和深度学习进行自闭症谱系障碍预测的研究，重点评估了数据增强和特征选择技术的作用	聚焦于数据增强和特征选择这两个相对未被充分探索的方法学组件，并系统评估了其方法论质量和偏倚风险	纳入研究普遍缺乏外部验证、消融分析和充分的评估框架，数据增强和特征选择方法常缺乏充分的实证依据或生物学解释，降低了性能提升的可信度和模型泛化能力	评估机器学习和深度学习方法在改善自闭症谱系障碍预测中的作用，特别关注数据增强和特征选择技术	2021至2024年间发表的26项经同行评审的机器学习和深度学习自闭症谱系障碍预测研究	机器学习	自闭症谱系障碍	NA	NA	NA	26项同行评审研究	NA	NA	NA	NA
180	2026-10-08	Flexible use of conserved motifs constrains genome access in cell type evolution 2026-Oct, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-026-03164-5 PMID:42711533	研究论文	结合单核多组学测序与深度学习，分析扁形动物和脊椎动物两种高度分化动物的可及基因组，发现数百个决定可及性的序列基序划分为不同的保守词汇集，每个与特定细胞类型家族相关	发现细胞类型家族由保守的基序词汇集定义，但单个细胞类型偏好的基序组合关系 largely 是物种特异性的；基于一个物种训练的深度学习模型能准确预测远缘相关物种的家族水平染色质可及性，但常依赖共享词汇中不同的基序来实现收敛预测；提出'集体维持'模型，即定义细胞类型家族的基序词汇在进化上稳定，而这些基序的重组产生细胞类型特异性调控程序	模型在家族内单个细胞类型上训练时失去跨物种预测能力，表明细胞类型水平身份的调控语法快速进化	探究在深度进化时间中定义和维持细胞类型家族的调控机制	扁形动物和脊椎动物两种高度分化动物的可及基因组	机器学习	NA	单核多组学测序	深度学习	基因组序列数据	NA	NA	NA	NA	NA