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	2026-10-08	Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions 2026-04-08, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01636-8 PMID:41952176	研究论文	该研究开发了一种基于注意力机制的深度学习框架，结合病理图像和基因表达数据，用于分析肺鳞状癌前病变。	提出了一种基于Transformer的多模态融合模型，能够灵活利用转录组学和病理组织学模式，区分支气管不典型增生或更严重的病变与正常、增生和化生。	未明确提及	开发一种深度学习方法，结合病理图像和基因表达数据，用于肺鳞状癌前病变的分类和风险分层。	肺鳞状癌前病变，包括正常、增生、化生、不典型增生（轻度、中度、重度）、原位癌和浸润性癌。	数字病理学	肺癌	H&E全切片图像（WSI）和批量基因表达数据（GE）	Transformer	图像和文本（基因表达数据）	来自4项研究的数据，包括WSI和GE数据	NA	Transformer	AUROC	NA
2	2026-10-04	Toward Multimodal Conversational AI for Age-Related Macular Degeneration 2026-Apr-28, ArXiv PMID:42389246	研究论文	本研究开发了OcularChat，一个基于Qwen2.5-VL微调的多模态大语言模型，通过模拟医患对话对彩色眼底照片进行视觉问答，实现年龄相关性黄斑变性的诊断和分类	利用705850组模拟医患对话和46167张彩色眼底照片微调多模态大语言模型，首次实现AMD诊断的交互式对话和可解释推理，不仅提供分类预测还能给出临床推理和解释	训练数据主要基于模拟对话而非真实临床对话，可能存在分布偏差；仅在AREDS和AREDS2数据集上验证，需要更多外部数据集验证泛化能力	开发能够进行交互式对话并提供临床可解释推理的AMD诊断多模态AI系统	年龄相关性黄斑变性患者	数字病理学	年龄相关性黄斑变性	多模态大语言模型微调	MLLM	图像, 文本	705850组模拟对话和46167张彩色眼底照片	NA	Qwen2.5-VL	准确率	NA
3	2026-10-04	Accurate prediction of ecDNA in interphase cancer cells using deep neural networks 2026-Apr-11, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09982-4 PMID:41965931	研究论文	本文提出了一种基于深度学习的工具interSeg，用于从间期FISH图像中准确预测癌症细胞中ecDNA的存在状态	开发了interSeg工具，能够从间期FISH图像中准确分类致癌基因扩增状态（EC-amp、HSR-amp或未扩增），克服了传统方法只能在中期细胞中准确检测ecDNA的限制	未明确提及	解决在间期细胞中准确预测致癌基因扩增状态的需求	间期FISH图像中的癌细胞核	数字病理学	癌症（包括神经母细胞瘤）	荧光原位杂交（FISH）	深度神经网络	图像	训练和验证：652张图像（40,446个细胞核）；测试：215张图像（9,733个细胞核）；患者组织保留集：67个样本（1,937个细胞核）	NA	NA	准确率	NA
4	2026-10-01	Attention-based Multimodal Spatiotemporal Enhanced Interaction Network For Major Depressive Disorder Detection 2026-Apr-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3689187 PMID:42060425	研究论文	本文提出了一种基于注意力的多模态时空增强交互网络（AM-SEIN），用于检测重度抑郁症（MDD）	提出了跨模态交互网络（CMIN）和融合层，以增强多模态脑网络间的交互信息聚合；设计了基于注意力的自适应时空特征提取架构，包括基于fMRI的自适应时空融合（fASF）和基于sMRI的区域级内容依赖（sRLCD）模块	未明确提及	解决现有深度学习模型在检测MDD时存在的两个主要限制：未能充分利用多模态脑网络间的交互信息，以及缺乏自适应机制来捕捉脑区间的关键时空依赖	重度抑郁症（MDD）患者	医学图像分析，神经影像学，深度学习	重度抑郁症	结构磁共振成像（sMRI），功能磁共振成像（fMRI）	注意力机制，多模态融合网络	3D结构磁共振图像，功能磁共振时间序列数据	未明确提及（使用Rest-meta-MDD和Rest-meta-MDD-V2数据集）	未明确提及	AM-SEIN（包含CMIN、fASF、sRLCD模块）	未明确提及（但达到state-of-the-art性能）	未明确提及
5	2026-10-01	Subject-Independent Deep Learning Framework for Motor Imagery Electroencephalogram Decoding in Neurorehabilitation 2026-Apr-30, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3689121 PMID:42060426	研究论文	本文提出了一种双分支主体对齐泛化网络（DSGNet），用于运动想象脑电信号解码，实现跨受试者泛化，无需目标受试者的标注数据	提出了双分支卷积结构同时提取时域和频域脑电特征，并引入类别对齐损失强制跨受试者的域不变表征，实现无需受试者特定标注数据的泛化	仅在四个公开运动想象脑电数据集上验证，未在临床神经康复实际场景中测试，三分类数据集上提升幅度较小（0.22%）	解决运动想象脑电解码中高受试者间变异性和新受试者标注数据需求大的问题，构建可靠的受试者独立脑机接口系统	运动想象脑电信号，涉及四个公开数据集：OpenBMI、BCI Competition IV 2a、SHU Version 5和BCI Competition IV 2b	机器学习	神经系统疾病	运动想象脑电解码，脑机接口	CNN	脑电信号	四个公开运动想象脑电数据集（OpenBMI、BCI Competition IV 2a、SHU Version 5、BCI Competition IV 2b），采用留一受试者交叉验证	NA	双分支卷积神经网络（DSGNet）	准确率	NA
6	2026-10-01	Benchmarking ERP Analysis: Manual Features, Deep Learning, and Foundation Models 2026-Apr-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3686229 PMID:42060433	研究论文	本文对ERP分析中的传统手工特征、深度学习模型和预训练EEG基础模型进行了系统性基准测试，涵盖12个公开数据集和两类代表性任务	首次对ERP分析进行全面的基准研究，统一了数据预处理和训练流程，系统比较了手工特征+线性分类器、深度学习模型和预训练EEG基础模型，并探索了Transformer架构中不同token嵌入策略对ERP数据的适用性	摘要中未明确提及研究的局限性	系统比较传统手工特征、深度学习模型和预训练EEG基础模型在ERP分析中的表现，为未来ERP分析的方法选择和模型设计提供指导框架	ERP（事件相关电位）数据，包括ERP刺激分类和基于ERP的脑疾病检测两类任务，覆盖12个公开数据集	机器学习	脑疾病	EEG, ERP	Transformer	EEG信号	12个公开数据集	NA	Transformer	NA	NA
7	2026-10-01	Referenceless Proton Resonance Frequency Thermometry Using Deep Learning with Self-Attention 2026-Apr-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3689263 PMID:42060435	研究论文	本研究开发并评估了一种基于深度学习的无参考质子共振频率（PRF）磁共振温度测量方法，通过重建背景复数磁共振图像来提高加热区域精度并保持稳定的背景估计	提出了一种复数自注意力增强的U-Net架构用于背景复数重建，实现了无参考PRF温度测量，在经颅聚焦超声监测中提高了加热区域精度并抑制了假阳性温度升高	回顾性单中心研究，样本量有限（32名患者），测试集仅包含4名患者（13次超声激发，146张图像），需要在更大规模多中心数据集中进一步验证	开发并评估基于深度学习的无参考PRF温度测量方法，以改善经颅聚焦超声监测中加热区域的温度测量精度和稳定性	接受经颅聚焦超声治疗的特发性震颤患者	医学图像处理	特发性震颤	质子共振频率（PRF）磁共振温度测量、磁共振引导聚焦超声（MRgFUS）	CNN	图像	32名患者（87次超声激发，1416张图像），其中28名患者用于训练和验证，4名患者（13次超声激发，146张图像）作为测试集	NA	U-Net	MAE, Std, RMSE, Dice系数, Bland-Altman分析（一致性界限、偏差、R²）	NA
8	2026-10-01	EEG-VLM: A Hierarchical Vision-Language Model With Multi-Level Feature Alignment and Visually Enhanced Language-Guided Reasoning for EEG Image-Based Sleep Stage Prediction 2026-Apr-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3685511 PMID:42055985	研究论文	提出EEG-VLM分层视觉-语言框架，通过多级特征对齐与视觉增强的语言引导推理，实现基于EEG图像的睡眠分期预测	构建专门的视觉增强模块，从中间层特征生成高层视觉token以提取EEG图像的丰富语义表示；提出多级对齐机制将高层token与低层CLIP特征对齐；引入思维链（CoT）推理策略将复杂医学推理分解为可解释的逻辑步骤	摘要中未明确提及	解决传统机器学习方法依赖先验知识和手工特征，以及现有深度学习模型难以联合捕捉细粒度时频模式并实现临床可解释性的问题，提升VLM在EEG信号等生理波形数据上的视觉理解与推理能力	EEG信号/EEG图像	计算机视觉	睡眠障碍	EEG	视觉-语言模型（VLM）	图像	NA	NA	CLIP	准确率（Accuracy）	NA
9	2026-10-01	DFCNet: A Precise Detection Approach for Obstructive Sleep Apnea-Hypopnea Events Using Airflow and Respiratory Effort Signals 2026-Apr-28, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3688540 PMID:42048212	研究论文	本文提出了一种名为DFCNet的深度学习模型，用于利用气流和呼吸努力信号精确检测阻塞性睡眠呼吸暂停和低通气事件	引入扩张金字塔卷积模块提取多尺度特征，频率增强注意力模块自适应细化特征，以及上下文表示学习模块捕获时间依赖关系，实现了秒级粒度的呼吸事件边界精确检测	未明确说明模型的泛化能力、跨数据集性能差异以及计算复杂度方面的限制	实现阻塞性睡眠呼吸暂停和低通气事件的精确自动检测，以辅助临床诊断和家庭呼吸监测	呼吸相关信号（气流和呼吸努力信号）	机器学习	阻塞性睡眠呼吸暂停低通气综合征	深度学习信号处理	CNN, 注意力机制, 扩张卷积	一维呼吸信号	两个公共数据集和一个本地数据集（具体样本量未提供）	NA	扩张金字塔卷积, 频率增强注意力, 上下文表示学习	准确率, 精确率, 召回率, F1分数	NA
10	2026-10-01	Substructure-guided Deep Graph Learning in Molecular Toxicity Prediction 2026-Apr-23, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3687348 PMID:42024947	研究论文	该文开发了一种基于子结构的深度图学习架构，通过将官能团引入分子图构建并结合深度学习模型，用于分子毒性预测	将多种官能团引入分子图构建，提出子结构引导的深度图学习架构，并采用多种策略处理缺失标签和类别不平衡问题，同时通过基于官能团的特征重要性分析提升模型可解释性	未明确说明具体的计算资源、数据集规模及与现有方法的全面对比	改进分子毒性预测中的数据不平衡、缺失标签和模型可解释性不足等问题，为药物开发中的可靠毒性预测工具提供基础	分子化合物及其毒性数据	机器学习	NA	分子图构建、官能团特征提取	深度图学习模型	图数据、分子结构数据	NA	NA	深度图神经网络	NA	NA
11	2026-10-01	APSevLM: Acute Pancreatitis Severity Language Model 2026-Apr-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3686007 PMID:42013267	研究论文	本文提出了一种基于大语言模型的方法 APSevLM，整合入院时的临床数据、影像报告和专家知识，用于急性胰腺炎严重程度的早期预测	首次将大语言模型应用于急性胰腺炎严重程度的早期预测，整合多模态数据（临床数据、影像报告、专家知识），并通过注意力可视化解释模型机制，系统分析特征重要性识别关键预测因子	样本量相对有限（仅五百余名患者），未提及外部验证或多中心验证	实现急性胰腺炎严重程度的早期预测，以改善患者管理	急性胰腺炎患者	自然语言处理, 机器学习	急性胰腺炎	大语言模型, 多模态数据整合	大语言模型	文本（临床数据、影像报告、专家知识）	超过500名急性胰腺炎患者	NA	大语言模型	AUC	NA
12	2026-10-01	Fall Detection Based on Computer Vision: A Systematic Mapping Study 2026-Apr-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3686310 PMID:42013273	系统映射研究	本文对基于视频的计算机视觉跌倒检测系统进行了系统映射研究，综合分析了截至2025年发表的433项主要研究，提出了三级分类法并评估了算法组件、性能及部署证据	提供了结构化的三级分类法（特征工程、深度学习、混合模型），并对效率与部署证据（FPS、延迟、硬件报告）进行了专门评估	效率指标和硬件规格报告不一致，限制了可重复性和临床转化	系统映射基于计算机视觉的跌倒检测领域的研究趋势、基准和报告实践，识别阻碍可重复性和临床转化的研究空白	基于视频的计算机视觉跌倒检测系统	计算机视觉	老年疾病	视频分析	CNN, Transformer, 注意力机制	视频	433项主要研究	NA	卷积神经网络（CNN）, Transformer, 注意力机制	FPS, 延迟	NA
13	2026-10-01	Ultrafast Infant Brain Quantitative MRI Using Overlapping-Echo Acquisition with Volumetric Physical Simulation of Slice-level Non-Idealities 2026-Apr-20, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3685651 PMID:42009332	研究论文	提出了一种结合MOLED采集和基于体积物理模拟的深度学习重建的婴儿脑定量MRI框架，用于快速、鲁棒的T2、T2*和T2'映射并表征早期脑发育	提出了体积物理模拟方法生成物理信息合成训练数据，结合MOLED采集与合成数据驱动的深度学习重建，克服非理想成像条件和婴儿运动挑战	未明确说明	解决现有定量MRI技术因扫描时间长、非理想成像条件和婴儿严重运动而不适用于评估出生后脑发育的问题	婴儿大脑	医学影像分析	NA	定量MRI, MOLED采集, 体积物理模拟	深度学习	医学图像	30名婴儿（0-1岁），另有数值和体模实验	NA	NA	定量准确性, 鲁棒性	NA
14	2026-10-01	BC-GTM: A Bidirectional Causal Graph Transformer Mapping for Modeling Brain Structural and Functional Connectivity 2026-Apr-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3685002 PMID:41996430	研究论文	提出双向因果图Transformer映射模型（BC-GTM），用于学习大脑结构连接与功能连接之间的双向映射，并揭示其有向依赖关系。	将因果启发的有向无环图学习融入图Transformer以识别有向依赖子图，并利用因果不变性原理增强映射鲁棒性与可解释性，克服了以往GNN黑箱限制。	摘要中未明确提及研究局限性。	理解大脑结构连接与功能连接之间的关系，提升结构-功能连接双向映射的准确性与可解释性。	大脑结构连接与功能连接数据。	机器学习	NA	NA	图神经网络, 图Transformer	图数据（脑连接网络）	NA	NA	双向因果图Transformer, 有向无环图学习	NA	NA
15	2026-10-01	MambaKAN: An Interpretable Framework for Alzheimer's Disease Diagnosis via Selective State Space Modeling of Dynamic Functional Connectivity 2026-Apr-17, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16040421 PMID:42041829	研究论文	提出了一种名为MambaKAN的可解释框架，结合VAE、Mamba和KAN，用于基于动态功能连接的阿尔茨海默病诊断	首次将选择性状态空间模型（Mamba）和Kolmogorov-Arnold网络（KAN）结合，实现端到端可解释的阿尔茨海默病诊断，克服了现有方法无法建模时间依赖、依赖事后解释工具以及特征学习与分类目标不匹配的局限	未明确说明	解决现有深度学习方法在基于rs-fMRI动态功能连接的阿尔茨海默病诊断中的三个根本局限：无法建模动态连接窗口间的时间依赖、依赖事后黑盒解释工具、特征学习与分类目标不匹配	阿尔茨海默病患者、轻度认知障碍患者及正常对照的rs-fMRI动态功能连接数据	医学图像分析	阿尔茨海默病	静息态功能磁共振成像（rs-fMRI）	VAE, Mamba, KAN	图像（rs-fMRI动态功能连接）	ADNI数据集（具体样本量未在摘要中说明）	未明确说明	变分自编码器（VAE）、选择性状态空间模型（Mamba）、Kolmogorov-Arnold网络（KAN）	准确率	未明确说明
16	2026-10-01	BLADE: Breast Lesion Analysis with Domain Expertise for DCE-MRI Diagnosis 2026-Apr-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3684147 PMID:41984614	研究论文	提出BLADE框架，结合深度学习和临床领域知识，用于DCE-MRI乳腺病变诊断	利用预训练的垂直基础模型（通过动量对比在210万张MRI切片上优化）作为编码器，融入多期血流动力学先验知识模拟放射科医生的诊断推理，并在训练中引入基于BI-RADS的约束以使预测符合临床标准	未在摘要中明确提及	克服当前乳腺病变诊断系统在有限数据集和领域知识整合不足方面的局限，提高DCE-MRI诊断的准确性和临床工作流程效率	乳腺病变的DCE-MRI图像	计算机视觉	乳腺癌	动态对比增强磁共振成像 (DCE-MRI)	CNN	图像	210万张MRI切片用于预训练，两个外部测试数据集（具体样本量未提及）	NA	NA	AUC	NA
17	2026-10-01	D-Flow: Multi-modality Flow Matching for D-peptide Design 2026-Apr-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3683934 PMID:41984615	研究论文	提出D-Flow，一个基于全原子流匹配的框架，用于从头设计D型肽，通过镜像图像算法和蛋白质语言模型增强，解决D型肽数据稀缺问题	1. 提出全原子流匹配框架用于D型肽设计；2. 使用镜像图像算法转换L型受体的手性以扩充训练数据；3. 通过轻量级结构适配器将结构表征注入蛋白质语言模型嵌入；4. 采用两阶段训练流程和控制工具箱实现从通用蛋白质设计到靶向结合剂设计的过渡	未明确说明	实现基于受体结合的从头D型肽设计，克服天然D型蛋白数据稀缺的限制	D型肽、受体结合位点、蛋白质结构	机器学习	NA	全原子流匹配、蛋白质语言模型、结构适配器、镜像图像算法	流匹配模型、蛋白质语言模型	蛋白质结构数据（骨架框架、侧链角度、离散氨基酸类型）	PepMerge基准数据集（具体数量未提及）	NA	全原子流匹配框架、蛋白质语言模型、轻量级结构适配器	序列一致性、亲和力分数	NA
18	2026-10-01	Synergistic Multi-Magnification Fusion Network for Tongue Image-Based Oral Cancer Diagnosis 2026-Apr-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3683419 PMID:41973562	研究论文	本文提出了一种基于KL散度特征约束和无参数最大特征聚合算子的协同多放大融合网络，用于基于舌图像的自动口腔癌筛查	提出了一种新型、计算高效的深度学习框架，协同整合了基于KL散度的特征约束和无参数最大特征聚合算子，有效解决了多放大融合中的特征错位、高计算成本和噪声鲁棒性差的问题	摘要中未明确提及局限性	开发一种用于口腔病变筛查的鲁棒多放大融合深度学习框架，实现自动口腔癌筛查	舌头和嘴唇图像	计算机视觉	口腔癌	深度学习	CNN	图像	三个临床多样化的多设备舌头和嘴唇图像数据集	NA	NA	NA	NA
19	2026-10-01	Benchmarking Multimodal Deep Fusion Strategies for Heterogeneous Neuroimaging and Cognitive Data Using a Controlled Sex Classification Task 2026-Apr-10, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16040405 PMID:42041813	研究论文	本文基于人类连接组计划747名健康参与者的数据，系统基准测试了多模态神经影像与认知数据融合策略及特征缩放方法在受控性别分类任务中的表现	首次在统一深度学习框架中系统且受控地基准测试多种融合策略（早期融合、注意力融合、子空间融合、图融合）与特征缩放技术（Standard、Min-Max、Robust）的交互效应，明确区分融合层级和预处理的影响	仅使用健康参与者的结构/功能神经影像与认知数据，未在临床或疾病人群中验证；性别分类为受控基准任务，可能无法推广到其他更具挑战性的预测任务	系统评估多模态神经影像与认知数据的融合策略和特征缩放技术对深度学习模型性能的影响，为神经科学中多模态模型设计提供方法学指导	人类连接组计划中747名健康参与者的多模态神经影像数据与认知数据	机器学习	NA	神经影像（结构/功能磁共振成像）与认知行为数据融合	深度学习多模态融合模型	影像和文本/表格	747名健康参与者	NA	NA	AUC-ROC	NA
20	2026-10-01	FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep State Classification 2026-Apr-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681572 PMID:41950122	研究论文	提出FetalSleepNet，首个专门用于胎儿脑电图自动睡眠分期的深度学习架构，结合光谱均衡域适应的跨发育和跨物种迁移学习框架	首个专为胎儿脑电图自动睡眠分期设计的深度学习架构；首次实现跨发育（成人到胎儿）和跨物种（人类到绵羊）的迁移学习框架；采用光谱均衡技术对齐成人人类脑电图与胎儿绵羊脑电图的频域特征	胎儿脑电图数据极其稀缺，标注数据不足；直接迁移在原始脑电图上效果极差（仅18.7%准确率）；宏观F1分数相对较低（62.5%）	解决胎儿睡眠状态分类中手动标注主观性强、劳动密集以及胎儿脑电图数据稀缺的问题，实现自动化胎儿睡眠分期	胎儿脑电图信号，成人人类脑电图和胎儿绵羊脑电图数据	机器学习	胎儿神经发育并发症（如缺氧）	脑电图（EEG）	CNN	信号	NA	NA	NA	准确率，宏观F1分数	NA