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
1361	2026-01-05	CUSP: Complex spike sorting from multi-electrode array recordings with U-net sequence-to-sequence prediction 2026-Feb, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110631 PMID:41265572	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞中的复杂峰电位	提出了一种结合U-Net架构与混合自注意力inception模块的序列到序列预测方法，能够整合局部场电位和动作电位信号，并实现对复杂峰电位事件的概率输出，在波形变异性和电极漂移下仍保持鲁棒性	未明确提及模型在非灵长类动物或不同脑区记录中的泛化性能，也未讨论计算资源需求或实时处理能力	开发一个自动化、可扩展的框架，用于准确检测和分类小脑浦肯野细胞中的复杂峰电位，以研究神经信息编码	恒河猴小脑神经像素记录中的浦肯野细胞复杂峰电位和简单峰电位	机器学习	NA	高密度多电极阵列记录	U-Net	神经电生理信号序列	基于恒河猴小脑神经像素记录的训练数据，具体样本数量未明确说明	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
1362	2026-01-03	Deep Learning-Based CAD System for Enhanced Breast Lesion Classification and Grading Using RFTSDP Approach 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70056 PMID:41035163	研究论文	本研究提出了一种基于深度学习的计算机辅助诊断系统，利用射频时间序列动态处理（RFTSDP）方法增强乳腺病变的分类和分级	引入了RFTSDP方法，通过分析受控刺激下组织的动态响应和散射体位移对射频回波的影响，以增强诊断信息，并结合深度学习实现自动化特征提取	研究仅使用了11个离体乳腺组织样本，样本量较小，且为离体数据，可能无法完全代表体内情况	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺病变分类和分级的准确性	离体乳腺组织样本	计算机视觉	乳腺癌	射频时间序列动态处理（RFTSDP），超快超声数据采集	CNN	超快超声数据（射频时间序列）	11个离体乳腺组织样本	NA	CNN	准确率	NA
1363	2026-01-03	A Hybrid Model Combining U-Net and Transformers for Joint Segmentation and Beamforming of Plane-wave Ultrasound Images 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.002 PMID:41173661	研究论文	本文提出了一种结合U-Net和Transformer的混合模型，用于同时进行平面波超声图像的波束形成和分割	首次将U-Net和Transformer结合，在一个统一框架中同时实现超声图像的波束形成和分割任务，减少了传统复合成像的依赖	对于≤7毫米的小目标检测精度降低，偶尔会产生虚假包含物，需要改进小目标检测和伪影抑制能力	开发一种能够同时进行超声图像分割和波束形成的深度学习模型，以提升平面波成像的效率和图像质量	计算机模拟数据、包含低回声包含物的物理体模（半径5-10毫米）、50名健康志愿者的颈动脉超声图像	医学影像分析	心血管疾病	平面波超声成像	CNN, Transformer	超声图像	计算机模拟数据、物理体模数据、50名健康志愿者的颈动脉超声图像	NA	U-Net, Transformer	Dice相似系数, 均方误差, 结构相似性指数, 拉普拉斯方差, 广义对比噪声比, 信噪比	NA
1364	2026-01-03	Deep Learning Segmentation and Quantification of the Left Ventricle from the Parasternal Short-Axis View in Echocardiography 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.005 PMID:41188093	研究论文	本研究开发了一种基于深度学习的自动化管道，用于从超声心动图的胸骨旁短轴视图中分割和量化左心室，以提取临床相关的定量测量指标	利用nnU-Net模型自动分割左心室腔和心肌，并基于分割结果自动计算左心室面积、分数面积变化、平均壁厚度和全局周向应变等测量值，实现了与专家标注相当的性能	未明确提及研究的具体局限性，如数据集规模、模型泛化能力或临床验证的深度	开发一种自动化深度学习管道，以从超声心动图的胸骨旁短轴视图中提取临床相关的定量测量，减少测量变异性和时间消耗	超声心动图中的左心室腔和心肌	计算机视觉	心血管疾病	超声心动图	CNN	图像	未明确提及具体样本数量，但提到主题级可行性为90.4%	NA	nnU-Net	Dice系数, 95th percentile Hausdorff距离	NA
1365	2026-01-01	GeoAI-based 3D spatial distribution modeling of PAHs in industrial contaminated soils 2026-Feb-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127440 PMID:41308730	研究论文	本文提出了一种基于GeoAI的三维深度克里金神经网络模型，用于工业污染土壤中多环芳烃的空间分布建模	结合深度学习与地统计学原理，开发了3D-DKNN模型，以提升异质环境中污染物插值的准确性	未明确说明模型在其他污染物或不同工业场地的泛化能力	提高工业污染土壤中污染物三维分布建模的准确性，以指导针对性修复	工业遗留场地土壤中的多环芳烃污染物	机器学习	NA	地统计学插值，深度学习建模	神经网络	空间污染数据	未明确说明样本数量，但基于典型工业场地数据	未明确指定	三维深度克里金神经网络	RMSE, MAE, 相关系数	未明确说明
1366	2026-01-01	Graph neural networks for fMRI functional brain networks: A survey 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108137 PMID:41066997	综述	本文综述了基于图神经网络的功能性大脑网络分析方法，涵盖不同维度的方法、挑战和数据集	从计算机科学角度全面总结了功能性大脑网络分析的最新研究进展，填补了该领域缺乏系统性综述的空白	NA	总结和评估基于图神经网络的功能性大脑网络分析方法	功能性大脑网络	机器学习	精神障碍	神经影像技术	图神经网络	图数据	NA	NA	NA	NA	NA
1367	2025-12-31	Integrating lesser omentum adipose CT in dual-phase tumor imaging: A multi-label deep learning framework for preoperative microvascular invasion prediction and survival analysis in hepatocellular carcinoma 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109197 PMID:41349434	研究论文	本研究开发了一种多标签深度学习框架，通过整合小网膜脂肪CT与双期肿瘤成像，用于术前预测肝细胞癌的微血管侵犯并进行生存分析	提出了一种新颖的多标签深度学习框架，首次将小网膜脂肪CT特征与双期肿瘤CT图像通道级联，并利用临床风险因素作为辅助标签指导训练，以提升微血管侵犯预测性能	研究为回顾性设计，样本来自两个中心，可能存在选择偏倚；未在更广泛的多中心前瞻性数据中验证模型泛化性	开发一个多标签深度学习框架，用于术前准确预测肝细胞癌的微血管侵犯并进行生存风险分层分析	肝细胞癌患者	计算机视觉	肝细胞癌	计算机断层扫描	CNN	图像, 临床数据	来自两个中心的回顾性数据，具体样本量未明确说明	NA	CGAResNet18	AUC, 假阳性率, 假阴性率	NA
1368	2025-12-31	A comparative study of computer vision models for oral cancer detection from oral photographs 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109198 PMID:41380612	研究论文	本研究比较了多种计算机视觉模型在口腔照片中检测口腔癌病变的性能	通过系统比较现代深度学习目标检测模型，并全面评估影响模型性能的参数，提供了该领域检测方法的新颖且全面的评估	在区分恶性和良性病变的两类检测设置中表现不佳，且小病变检测存在挑战	评估计算机视觉模型作为诊断工具在口腔癌早期检测中的潜力	口腔病变照片，特别是鳞状细胞癌等病变	计算机视觉	口腔癌	NA	深度学习目标检测模型	图像	基于活检证实的口腔病变摄影数据集	NA	NA	精确度, 灵敏度, 特异性	NA
1369	2025-12-31	INTELLI-PVA: Informative sample annotation-based contrastive active learning for cross-domain patient-ventilator asynchrony detection 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109203 PMID:41389675	研究论文	本文提出了INTELLI-PVA框架，用于跨域患者-呼吸机异步检测，通过对比主动学习减少标注负担	结合对比学习和主动学习，开发混合两阶段分类器，实现高效跨域PVA检测	未明确说明模型在极端临床场景或罕见PVA类型上的泛化能力	开发人工智能系统以实时检测患者-呼吸机异步，提升临床监测效率	机械通气患者中的八种PVA类型	机器学习	呼吸系统疾病	对比学习，主动学习	深度学习模型	呼吸周期数据	1190名患者，1.24975亿个呼吸周期	NA	NA	F1-score, Cohen's κ	NA
1370	2025-12-31	FRET-SAM: SAM_Med2D-based automatic FRET two-hybrid analysis 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109208 PMID:41401595	研究论文	本研究开发了一种基于SAM_Med2D的深度学习模型FRET-SAM，用于自动分析FRET双杂交图像，以量化活细胞中的蛋白质相互作用	首次将Segment Anything Model (SAM)及其医学图像变体SAM_Med2D优化并应用于FRET双杂交图像的自动ROI选择和荧光信号提取，实现了分析过程的自动化并提高了准确性	未明确提及模型在更广泛或更复杂生物样本上的泛化能力，以及计算效率的具体提升程度	开发一种自动化、高精度的深度学习方法来分析FRET双杂交图像，以消除主观偏差并提高蛋白质相互作用定量分析的效率和准确性	FRET双杂交图像（来自六种模型质粒和三种功能性FRET对）以及相关的蛋白质相互作用	计算机视觉	肺癌, 肝细胞癌	荧光共振能量转移 (FRET) 双杂交测定, 深度学习	基于SAM的模型	图像	包含六种模型质粒（C4Y, C10Y, C40Y, C80Y, C32V, CVC）和三种功能性FRET对（Bcl-XL-CFP/Bak-YFP, EGFR-CFP/Grb2-YFP, RAF-CFP/RAS-YFP）的综合FRET图像数据集	NA	SAM_Med2D, FRET-SAM	平均像素精度 (MPA), 平均交并比 (MIoU), Dice系数, 相对误差	NA
1371	2025-12-31	A novel multimodal diagnostic framework integrating hyperspectral imaging and deep learning for predicting RET gene mutations in medullary thyroid carcinoma 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109207 PMID:41411775	研究论文	本研究开发了一种结合高光谱成像与深度学习的多模态诊断框架，用于预测甲状腺髓样癌的RET基因突变	首次将高光谱成像与深度学习结合用于MTC的RET突变预测，并设计了一种跨模态注意力机制来融合光谱和空间特征	样本量相对较小（总样本142例），且仅针对RET基因突变进行预测	开发一种快速、经济高效的非侵入性方法，用于预测甲状腺髓样癌的RET基因突变，以辅助临床决策	甲状腺髓样癌（MTC）患者	数字病理学	甲状腺癌	高光谱成像，H&E染色	CNN, LSTM, Transformer	图像	82例来自齐鲁医院的MTC病例用于训练和验证，60例来自另外两个中心的独立队列用于外部测试	NA	1D-CNN-LSTM, Swin Transformer	准确率, 灵敏度, 特异性	NA
1372	2025-12-31	A Deep Learning-Based Human-Robot Collaborative Navigation Framework for Vascular Interventional Surgery 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70125 PMID:41468030	研究论文	本文提出了一种基于深度学习的血管介入手术人机协作导航框架，旨在实现自主手术执行	采用手术生成对抗网络进行实时局部路径规划，并引入基于CNN的动作估计器及人机信任共享控制模型，以应对血管轮廓变化带来的挑战	NA	实现血管介入手术的自主导航，提高手术效果和安全性	血管介入手术中的导管导航	机器视觉	心血管疾病	深度学习	GAN, CNN	图像	NA	NA	生成对抗网络, 卷积神经网络	动作决策准确率	NA
1373	2025-12-30	Rapid and robust quantitative cartilage assessment for the clinical setting: deep learning-enhanced accelerated T2 mapping 2026-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05034-w PMID:40968299	研究论文	本研究开发了一种基于深度学习的加速软骨T2映射序列（DL CartiGram），旨在提高临床环境中软骨定量评估的速度和鲁棒性	结合并行成像和深度学习图像重建技术，显著缩短了扫描时间，同时保持了优异的重复性和再现性	研究中站点间存在的微小偏差可能由温度效应引起，且样本量相对有限	开发并验证一种快速、鲁棒的软骨T2映射方法，以促进其在临床环境中的应用	软骨组织，具体包括43名患者的52个髌骨和股骨软骨分区	医学影像分析	骨关节炎	T2映射，并行成像，深度学习图像重建	深度学习	磁共振图像	43名患者（52个软骨分区）	NA	NA	变异系数，Bland-Altman分析，一致性相关系数，Wilcoxon符号秩检验，配对t检验	NA
1374	2025-12-27	GI-ScreenNet v2: A Modular Framework for Gastrointestinal Disease Detection Based on an Integrated Transfer Learning 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70128 PMID:41449645	研究论文	本文提出GI-ScreenNet v2，一个基于集成和迁移学习的多骨干网络框架，用于胃肠道疾病检测	通过标准化接口支持任意骨干网络，并利用交叉注意力机制动态整合多模型特征，实现灵活且高效的表示学习	现有系统通常不够灵活且技术复杂，限制了临床采用	开发一个统一的框架，用于胃肠道疾病的早期筛查和AI辅助诊断	无线胶囊内窥镜（WCE）图像	计算机视觉	胃肠道疾病	无线胶囊内窥镜（WCE）	集成学习, 迁移学习	图像	基于KvasirV2数据集	NA	多骨干网络框架	准确率	NA
1375	2025-12-17	Multi-view learning meets state-space model: A dynamical system perspective 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108088 PMID:40966932	研究论文	本文提出了一种基于连续时间动态系统视角的多视图状态空间模型（MvSSM），用于多视图表示学习	将多视图表示学习形式化为受控制理论启发的连续时间动态系统，将视图特定特征视为外部输入，共享潜在表示作为内部系统状态演化，统一了特征集成和标签预测，并支持系统稳定性和表示转换的理论分析	未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制	通过动态系统视角改进多视图学习的表示能力和理论可解释性	多模态数据的特征表示与动态演化	机器学习	NA	NA	状态空间模型	多视图数据（多模态）	NA	NA	MvSSM-Lap, MvSSM-iLap	准确率, F1分数	NA
1376	2025-12-17	A unified gradient regularization method for heterogeneous graph neural networks 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108104 PMID:40974991	研究论文	本文提出了一种名为Grug的统一梯度正则化方法，用于解决异构图神经网络中的过平滑和非鲁棒性问题	提出了一种在消息传递过程中迭代应用于节点类型和消息矩阵梯度的正则化方法，并提供了一个统一框架整合现有丢弃和对抗训练方法	NA	解决异构图神经网络中的过平滑和非鲁棒性问题，提高模型性能	异构图神经网络	机器学习	NA	NA	异构图神经网络	图数据	六个公共数据集	NA	NA	NA	NA
1377	2025-12-17	Deceiving question-answering models: A hybrid word-level adversarial approach 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108105 PMID:40987134	研究论文	本文提出了一种名为QA-Attack的单词级对抗策略，用于欺骗问答模型	利用基于注意力的攻击机制和删除排序策略，识别并针对上下文段落中的特定单词，通过同义词替换创建欺骗性输入，在保持语法完整性的同时误导模型产生错误响应	NA	探索问答模型对抗攻击的鲁棒性	问答模型	自然语言处理	NA	NA	NA	文本	NA	NA	NA	成功率, 语义变化, BLEU分数, 流畅度, 语法错误率	NA
1378	2025-12-17	Spiking neural networks for EEG signal analysis: From theory to practice 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108127 PMID:41004906	综述	本文综述了脉冲神经网络在脑电图信号分析中的理论进展与实际应用，旨在弥合理论与实践之间的差距	系统性地将脉冲神经网络应用于脑电图信号分析，强调其相较于传统深度学习方法的时序信息处理优势和计算效率，并提供实践指导与开源代码	综述性质文章，未进行原创性实验验证，且基于现有方法总结，可能未涵盖所有最新进展	探讨脉冲神经网络在脑电图信号分析中的应用潜力，推动脑机接口和神经反馈系统的发展	脑电图信号	机器学习	NA	NA	SNN	脑电图信号	NA	NA	NA	NA	NA
1379	2025-12-17	MSA-LR: Enhancing multi-scale temporal dynamics in multivariate time series forecasting with low-rank self-attention 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108150 PMID:41032938	研究论文	本文提出了一种名为MSA-LR的新型架构，旨在通过可学习的尺度权重矩阵和低秩近似来增强多变量时间序列预测中的多尺度时间动态建模能力	引入了可学习的尺度权重矩阵和低秩近似方法，能够直接建模不同时间粒度（如小时、日、周）的影响，实现对多尺度交互的细粒度控制，同时显著降低了计算复杂度	未明确说明模型在极端事件或非平稳时间序列上的表现，也未讨论模型对超参数选择的敏感性	提升多变量时间序列预测的准确性，特别是长期预测场景下的性能	多变量时间序列数据	机器学习	NA	NA	Transformer	时间序列数据	NA	NA	MSA-LR（多尺度自注意力低秩近似架构）	预测准确率	NA
1380	2025-12-17	Towards out-of-distribution detection using gradient vectors 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108142 PMID:41046618	研究论文	本文提出了一种名为GradVec的新方法，利用梯度向量进行分布外检测，以区分未知样本与已知类别样本	首次将梯度空间作为输入表示用于OOD检测，通过模型梯度更信息性地表达样本属于已知类别的知识，无需改变训练过程或额外数据	未明确讨论计算复杂度或梯度计算可能带来的额外开销	开发一种基于梯度向量的分布外检测方法，以提高模型在真实世界场景中对未知样本的识别能力	深度学习模型在图像分类和文本分类任务中的分布外样本检测	机器学习	NA	NA	深度学习模型	图像, 文本	NA	NA	NA	FPR95	NA