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
1	2026-10-16	MRI In Vivo Detection of Amyloid-β Protein Deposition in Different Brain Regions of Patients with AD and MCI 2026-03-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01184-9 PMID:41779032	研究论文	本研究开发了一种基于人工智能的MRI方法，用于无创检测AD和MCI患者不同脑区的淀粉样蛋白β沉积	结合放射组学特征提取与多种机器学习算法，并改进原始Transformer架构构建轻量级深度学习模型，实现MRI无创定量检测Aβ蛋白沉积，避免脑脊液穿刺和电离辐射暴露	深度学习模型在测试集上表现不佳（MAE 0.41±0.17，PCC -0.01±0.17），远低于随机森林回归模型，且样本量相对有限，未进行外部验证	研究一种非侵入性磁共振成像方法，用于检测MCI和AD患者不同脑区的淀粉样蛋白β沉积	80名MCI患者和62名AD患者（共142名参与者）	数字病理学	阿尔茨海默病	18F-florbetapir PET成像、三维T1加权MRI、放射组学特征提取	机器学习和深度学习	图像	142名参与者（80名MCI患者和62名AD患者），按8:2比例随机分为训练集和测试集	NA	VB-Net、Transformer、随机森林回归、梯度提升回归、支持向量回归、极端梯度提升、K近邻、随机梯度回归	平均绝对误差、均方误差、R分数、皮尔逊相关系数	NA
2	2026-10-08	Evaluation of Deep Learning-Based Event Detection for Parameter Estimation During Complex Walking in Parkinson's Disease 2026-Mar-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3673610 PMID:41818008	研究论文	该研究评估了一种基于惯性传感器和深度学习的处理流程，用于在帕金森病患者的简单和复杂行走任务中进行步态事件检测和参数估计。	提出使用时间卷积网络（TCN）进行步幅分割中的事件检测，并结合已有的轨迹重建和步态参数计算方法，能够准确量化简单和复杂行走任务（包括转身、步态启动和终止）的步态参数。	摘要中未明确提及研究的局限性。	评估基于惯性传感器的处理流程在复杂行走任务中量化步态参数的有效性。	帕金森病患者的步态数据。	数字病理学	帕金森病	惯性传感器（IMU）	时间卷积网络（TCN）	传感器信号（惯性传感器数据）	NA	NA	时间卷积网络（TCN）	平均误差、相关系数（r）	NA
3	2026-10-08	Establishing an Evidence-based Modern Breast MRI Program 2026-03-03, Journal of breast imaging IF:2.0Q3 DOI:10.1093/jbi/wbaf082 PMID:41671073	综述	本文综述了现代乳腺MRI方案的关键要素、优化策略以及新兴技术和未来趋势	系统性地提出了建立基于证据的现代乳腺MRI方案的整体框架，整合了扩散加权成像、超快速动态对比增强MRI和深度学习模型等先进技术，并探讨了方案优化策略以应对日益增长的患者量	作为综述文章，未提供原始实验数据或定量性能评估，且未对不同方案的临床效果进行系统性比较分析	概述现代乳腺MRI方案的关键要素和考虑因素，讨论方案优化策略，并探索塑造下一代乳腺成像的新兴技术和未来趋势	乳腺MRI成像方案及相关技术	医学影像	乳腺癌	动态对比增强MRI、扩散加权MRI、超快速动态对比增强MRI、深度学习	深度学习模型	医学影像	NA	NA	NA	NA	NA
4	2026-10-08	Multi-Architecture deep learning for CBCT segmentation of dental hard tissues and pulp in mixed dentition 2026-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106344 PMID:41519426	研究论文	该论文开发并评估了基于深度学习的3D模型（CNN、Transformer和Mamba架构），用于自动分割儿童混合牙列CBCT扫描中的牙髓、乳牙和恒牙结构	首次系统比较了多种深度学习架构（包括CNN、Transformer和Mamba）在儿童混合牙列CBCT中进行牙髓、乳牙和恒牙多任务分割的性能，并进行了外部验证	外部验证性能低于内部数据集，乳牙分割在年长儿童中准确性较低，样本量相对有限（151例CBCT扫描）	开发和评估基于深度学习的3D模型，用于儿童混合牙列CBCT扫描中牙髓、乳牙和恒牙结构的自动分割	儿童混合牙列的CBCT扫描数据，包括牙髓、乳牙和恒牙硬组织	计算机视觉, 数字病理学, 医学图像分割	NA	CBCT（锥形束计算机断层扫描）	CNN, Transformer, Mamba	3D医学图像（CBCT扫描）	151例CBCT扫描（105例内部数据集，共29,478张图像；46例外部扫描）；内部数据中78例用于训练/验证，27例用于测试	nnU-Net	ResEncM, U-Mamba Bot, U-Mamba Enc, WNet, UNETR, SegResNet	DSC, IoU, HD95, 分割体积, 处理时间	NA
5	2026-10-05	Sex-Based Differences in Imaging-Derived Body Composition and Their Association with Clinical Malnutrition in Abdominal Surgery Patients 2026-Mar-05, Nutrients IF:4.8Q1 DOI:10.3390/nu18050839 PMID:41830009	研究论文	本研究评估了腹部手术患者术前影像衍生的身体成分特征与营养不良之间的性别特异性关联	使用深度学习算法从CT扫描中量化五个肌肉群和两个脂肪库，并分别评估男性和女性中身体成分与临床营养不良的关联	横断面研究设计，样本来自单一机构，无法确定因果关系	评估术前影像衍生的身体成分特征与腹部手术患者营养不良之间的性别特异性关联	接受择期腹部手术的患者	数字病理学	营养不良	深度学习算法	CNN	图像	1143名患者	NA	NA	NA	NA
6	2026-10-04	ETSAM: Effectively Segmenting Cell Membranes in cryo-Electron Tomograms 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.23.689996 PMID:41394697	研究论文	本文提出了一种两阶段微调的SAM2方法ETSAM，用于在冷冻电子断层扫描图像中有效分割细胞膜	提出了一种基于SAM2的两阶段微调方法，结合实验数据和模拟数据训练，在冷冻电子断层扫描图像中实现了细胞膜的高灵敏度和高精度分割	未明确提及	在冷冻电子断层扫描图像中准确分割细胞膜	冷冻电子断层扫描图像中的细胞膜	计算机视觉	NA	冷冻电子断层扫描	SAM2	图像	83个实验断层扫描图像和28个模拟断层扫描图像	NA	SAM2	灵敏度和精确度	NA
7	2026-10-01	X-LAT-Net: An Interpretable Lightweight Axial Transformer Network for Pancreatic CT Segmentation 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679743 PMID:41915536	研究论文	提出了一种轻量级可解释的轴向Transformer网络X-LAT-Net，用于胰腺CT图像分割，在仅1.6M参数下实现82.34%的Dice系数	结合轴向深度可分离卷积与可解释跨尺度Transformer模块，在保持轻量化的同时实现全局上下文建模和注意力热力图可视化，增强临床可解释性	仅在NIH Pancreas-CT数据集上验证，未在多中心或更大规模数据集上评估泛化能力	解决胰腺CT分割中深层解剖位置、形态变化大、低对比度等难点，同时兼顾模型轻量化、分割精度与临床可解释性	胰腺CT图像	计算机视觉, 数字病理学	胰腺癌	CT成像	Transformer, CNN	图像	NIH Pancreas-CT数据集	NA	U-Net, Axial Depthwise Convolution, Interpretable Cross-scale Transformer (X-CATrans), Shift-enhanced MLP	Dice系数, 推理速度	NA
8	2026-10-01	Federated Learning Framework for Privacy-Preserving Explainable AI-Driven Clinical Decision-Making 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679499 PMID:41915531	研究论文	本文提出了一种联邦深度学习框架，结合视觉Transformer和自监督学习，用于隐私保护的可解释AI临床决策支持	将Vision Transformer与DINOv2自监督学习相结合，在联邦学习框架中引入FedSSL和FedProx实现个性化模型更新，采用差分隐私和椭圆曲线密码学保护隐私，并集成Grad-CAM和LIME提供可解释性	仅在三个公开医学影像数据集上进行了评估，未在真实临床环境中验证，未讨论通信开销和计算成本	解决传统集中式学习框架中患者数据隐私、数据异构性和泛化性有限等问题，实现隐私保护的AI驱动临床决策支持	胸部X光片中的结核病检测、眼底图像中的糖尿病视网膜病变、MRI扫描中的脑肿瘤分类	计算机视觉	肺癌, 糖尿病视网膜病变, 脑肿瘤	联邦学习, 自监督学习, 差分隐私, 椭圆曲线密码学	Transformer	图像	NA	NA	Vision Transformer, DINOv2	准确率, F1分数	NA
9	2026-10-01	MuGEP: Multiplex Graph-Based Brain Network Modeling for Epileptic Seizure Prediction Using Intracranial EEG 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679376 PMID:41915533	研究论文	提出基于多重图的脑网络建模框架MuGEP，利用颅内EEG预测癫痫发作	设计多重脑图表示不同频段振幅与相位关系，基于交叉频率耦合构建三个子图，并提出MBG学习网络融合子图内和子图间模式	未明确说明	实现癫痫发作的准确预测	癫痫患者的颅内EEG信号	机器学习	癫痫	颅内EEG	图卷积网络	信号	NA	NA	图卷积网络	NA	NA
10	2026-10-01	A VR-based Automated Strabismus Diagnosis System with Progressive Semi-Supervised Learning 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679532 PMID:41915537	研究论文	提出基于虚拟现实和渐进式半监督学习的自动化斜视诊断系统，并引入新临床数据集TongRenD	1) 在VR环境中集成五种标准化临床检查场景以确保诊断一致性；2) 提出ProgNet，一种不确定性引导的渐进式半监督分割网络，包含基于原型特征的表示模块（PFRM）以增强对视觉噪声和畸变的鲁棒性；3) 专用3D偏差估计算法实现精确的斜视分类和角度测量；4) 发布新临床数据集TongRenD	摘要中未明确提及研究局限性	开发自动化、标准化的斜视诊断系统，解决VR模拟、图像退化及偏差量化等部署挑战	斜视患者（使用TongRenD和TEyeD数据集）	计算机视觉	斜视	虚拟现实（VR）、深度学习	半监督分割网络、原型特征表示	图像	TongRenD数据集（具体样本量未提供）和TEyeD数据集	NA	ProgNet	分割准确度、与专家评估的一致性	NA
11	2026-10-01	Leveraging Deep Learning to Construct a Programmed Cell Death-Driven Prognostic Signature in Acute Myeloid Leukemia 2026-Mar-27, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb48040354 PMID:42042014	研究论文	该研究通过整合多种程序性细胞死亡相关基因的转录组分析，利用深度学习构建了急性髓系白血病的预后风险模型，并鉴定了新的分子亚型	首次系统整合13种程序性细胞死亡形式的1624个相关基因，采用变分自编码器与多层感知机结合的深度学习流程筛选生物标志物，并通过SHAP分析进行可解释性验证，构建了8基因预后特征和列线图	摘要中未明确说明研究的局限性，可能需要进一步的实验验证和前瞻性临床队列验证	构建整合多模态程序性细胞死亡通路的急性髓系白血病预后评估框架，建立新的分子分型系统和临床适用的风险评估工具	急性髓系白血病患者和正常骨髓样本	机器学习	急性髓系白血病	转录组分析，变异自编码器降维，多层感知机分类，SHAP可解释性分析，无监督共识聚类	VAE，MLP	转录组数据，临床数据	涉及1624个程序性细胞死亡相关基因的分析	NA	变分自编码器，多层感知机	生存分析，预后预测准确性	NA
12	2026-10-01	A Multi-Scale Hybrid Efficient Deep Learning Model for COPD Detection Using Respiratory Sounds 2026-Mar-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3677500 PMID:41880256	研究论文	本文提出了一种多尺度混合高效深度学习模型，通过融合CNN、BiLSTM和ViT，结合原始信号与多尺度梅尔频谱图，用于COPD的呼吸音检测	提出多尺度混合深度学习模型，融合CNN、BiLSTM和ViT以捕捉时间、空间和全局上下文特征；设计多尺度动态融合模块整合多源特征，在模型复杂度与性能之间取得平衡	未明确说明模型在不同临床环境下的泛化能力，数据集规模及多样性可能有限，未讨论模型的可解释性	利用呼吸音分析实现COPD的早期无创辅助诊断	COPD患者的呼吸音信号	机器学习	慢性阻塞性肺疾病	呼吸音分析，梅尔频谱图特征提取	CNN, BiLSTM, ViT	音频信号，图像	ICBHI数据库和KAUH/RespiratoryDatabase@TR混合数据库	NA	CNN, BiLSTM, Vision Transformer	准确率	NA
13	2026-10-01	HAAU-Net: Hybrid Adaptive Attention U-Net Integrated with Context-Aware Morphologically Stable Features for Real-Time MRI Brain Tumor Detection and Segmentation 2026-Mar-25, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12040044 PMID:42042932	研究论文	提出混合自适应注意力U-Net（HAAU-Net）框架，结合上下文感知形态稳定特征与空间通道注意力，实现实时MRI脑肿瘤检测与分割。	1. 集成多尺度自适应注意力块（AAB）、上下文感知形态特征模块（CAMFM）和空间-通道混合注意力机制（SCHAM）；2. CAMFM通过分层聚合和动态归一化维持形态特征稳定性；3. SCHAM通过建模通道和空间区域增强特征表示；4. 在保持实时推理（28 FPS）的同时将计算复杂度降低43%。	摘要中未明确提及研究的局限性。	解决MRI脑肿瘤分割中因肿瘤异质性、形态特征不可预测及计算复杂度高而难以实现实时临床应用的问题。	MRI脑肿瘤图像，使用BRaTS 2022/2023数据集，包含T1、T1GD、T2和T2-FLAIR四种模态。	计算机视觉, 医学图像分割	脑肿瘤	MRI	CNN, U-Net, 注意力机制	图像	NA	NA	U-Net, 自适应注意力块, 空间-通道混合注意力机制	分割准确率, Dice系数, C-Index, 推理速度(FPS)	常规GPU
14	2026-10-01	ProCausal-WS: Weakly Supervised Causal Representation Learning Driven Interpretable Prostate Cancer Diagnosis 2026-Mar-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675771 PMID:41855066	研究论文	本文提出了ProCausal-WS，一个弱监督因果表示学习框架，用于可解释的前列腺癌诊断，能够处理多模态非线性依赖并进行反事实推理	提出可逆流因果编码器将高维多模态观测映射到低维可解释因果因子空间，设计外生临床干预模块通过动态门控和结构方程模拟治疗场景并生成可控反事实预测，以及结合对比学习与投影头的弱监督对齐机制仅用少量标注样本约束语义可识别性	未明确讨论模型在更大规模多样化人群中的泛化能力，弱监督标注比例虽低但仍需部分专家标注，反事实预测的生物合理性仍依赖专家主观评估	解决现有前列腺癌诊断方法无法处理影像、基因组和临床变量间非线性依赖以及缺乏反事实推理机制的问题	前列腺癌患者的多模态数据（影像、基因组和临床变量）	数字病理学	前列腺癌	弱监督因果表示学习、可逆流模型、对比学习	可逆流因果编码器、动态门控网络	图像、基因组数据、临床数据	TCGA-PRAD数据集和PANDA数据集，其中仅使用8%和5%的完整标注	NA	可逆流模型、投影头	临床因果概念识别准确率、干预均方误差、AUROC、专家生物合理性评分	NA
15	2026-10-01	GeoCTP: Structure-aware Prediction of Multifunctional Cancer Therapy Peptides via Graph Transformer and Contrastive Learning 2026-Mar-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3674608 PMID:41838499	研究论文	该论文提出了一种整合序列和结构信息的几何深度学习框架GeoCTP，用于多功能癌症治疗肽的预测	首个专门针对多功能癌症治疗肽的预测工具，采用图Transformer提取结构感知表示，结合ESM-2语言模型提取序列语义特征，并引入两级对比学习策略增强跨模态特征对齐和类间判别能力	摘要中未明确提及研究的局限性	解决传统实验筛选方法耗时耗力的问题，实现多功能癌症治疗肽的准确预测	多功能癌症治疗肽	机器学习	癌症	ESMfold, ESM-2	Graph Transformer	序列数据, 结构数据	NA	NA	Graph Transformer, ESM-2	NA	NA
16	2026-10-01	HyperSynergyX: Synergistic Drug Combination Prediction via Hypergraph Modeling and Knowledge Graph-Enhanced Retrieval-Augmented Generation 2026-Mar-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3673550 PMID:41818020	研究论文	本文提出HyperSynergyX框架，通过超图上的双偏置随机游走与知识图谱增强的检索增强生成，实现协同药物组合预测并提供机制解释	首次将双偏置随机游走超图模型与知识图谱增强的检索增强生成模块结合，兼顾协同预测性能与机制可解释性，并针对三药组合进行建模	摘要中未明确说明该框架的局限性	解决复杂疾病中三药协同组合预测的组合爆炸与模型不透明问题，加速多药发现并支持精准肿瘤学的合理方案设计	乳腺癌和肺癌相关药物组合数据	机器学习	乳腺癌, 肺癌	NA	双偏置随机游走超图模型, 知识图谱增强的检索增强生成	图数据	摘要中未明确说明样本量	NA	双偏置随机游走超图, 知识图谱增强的检索增强生成	AUROC, AUPRC	NA
17	2026-10-01	PID-Optimized Deep Learning for Adaptive Time-Frequency Forecasting in Dynamic Systems: Coal Calorific Value Prediction 2026-Mar-11, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3667581 PMID:41811724	研究论文	提出一种PID优化的深度学习框架，用于动态系统自适应时频预测，并在洗精煤热值预测中验证	集成通道独立可分离动态滤波器（CSDF）以适应实时多变量过程变量并最小化跨通道干扰，同时采用闭环PID优化策略提升深度学习模型的收敛性和预测精度	仅在一个工业案例（洗精煤热值预测）中验证，未说明在其他动态系统上的泛化能力	解决非平稳工业数据带来的实时预测挑战，提升动态系统监测与控制能力	动态工业系统，具体为洗精煤热值	机器学习	NA	深度学习，PID优化，时间频率预测	深度学习模型（具体架构未指明）	时间序列（工业过程数据）	NA	NA	NA	预测命中率（FHR）	NA
18	2026-10-01	Deep Learning-Based Vitiligo Activity Evaluation Using Wood's Lamp Imaging: A Clinical Decision Support 2026-Mar-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3670244 PMID:41779660	研究论文	本文设计并验证了一个基于深度学习的端到端系统，利用伍德灯成像进行白癜风皮损定位、纵向追踪和活动性评估，以支持临床决策	首次将Mask R-CNN用于伍德灯成像下的白癜风自动检测和分割，并结合t-SNE和VIDA评分进行疾病活动性评估，以及通过风险、相关性和生存分析刻画疾病进展	摘要中未明确提及研究局限性	解决白癜风缺乏自动化、定量随访工具的问题，实现精准、客观的白癜风监测，支持个性化、分期感知的治疗决策	白癜风患者	数字病理学	白癜风	伍德灯成像	CNN	图像	NA	NA	Mask R-CNN, U-Net, U-Net++, U2-Net, DeepLabV3	Dice系数, 平均交并比(mIoU), AUC	NA
19	2026-10-01	ICP-WAVES: Intracranial Pressure Waveform Analysis and Visualization for Enhanced Signal Processing 2026-Mar-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3669377 PMID:41774667	研究论文	本研究训练了一个基于Transformer的基础模型来分析颅内压波形，并通过SVM分类器区分不同的颅内压波形形态，同时开发了图形用户界面以支持实时交互分析	首次将基于Transformer的基础模型应用于颅内压波形的分析，能够捕捉复杂的时间动态模式并生成嵌入，结合SVM分类器实现颅内压波形形态的自动分类，并开发了支持实时交互分析的图形用户界面	数据集规模相对较小，仅包含190名脑出血患者和23名脑室外引流患者；1峰顺应性波形的分类准确率仅为77.5%，低于其他类别；合成数据集的验证结果与真实数据存在差异	利用深度学习基础模型分析侵入性颅内压波形，提取与脑顺应性相关的临床信息，并实现颅内压波形的实时交互分析和可视化	脑出血患者的颅内压波形数据以及脑室外引流患者的颅内压波形数据	机器学习	脑出血	颅内压波形监测	Transformer, SVM	生理波形信号	190名脑出血患者（其中62名有颅内压波形数据），23名脑室外引流患者（训练集11人，测试集12人），共标注8406个颅内压脉冲（训练集3613个，测试集4793个）	NA	Transformer, SVM	AUC, 混淆矩阵, 准确率	NA
20	2026-10-01	Weak-Mamba-UNet: Visual Mamba Makes CNN and ViT Work Better for Scribble-based Medical Image Segmentation 2026-Mar-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3668882 PMID:41770954	研究论文	提出Weak-Mamba-UNet弱监督学习框架，结合CNN、ViT和VMamba三种架构进行基于涂鸦标注的医学图像分割	首次将Visual Mamba架构引入弱监督医学图像分割领域，提出CNN、Swin Transformer和VMamba三种异构网络的协同交叉监督机制，通过伪标签实现迭代学习和网络间相互优化	仅在两个公开数据集上验证，未在更多临床数据集上测试；涂鸦标注仍需人工参与，标注质量可能影响性能；三种网络并行训练的计算成本较高	解决医学图像分割中标注成本高的问题，利用弱监督学习结合涂鸦标注实现高效分割，探索Visual Mamba在医学图像分割中的潜力	医学图像分割任务，特别是基于涂鸦标注的弱监督分割场景	计算机视觉, 医学图像分割	NA	弱监督学习, 涂鸦标注	CNN, Transformer, Mamba	图像	两个公开数据集，使用处理后的涂鸦标注	NA	U-Net, Swin-UNet, Mamba-UNet	NA	NA