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
381	2026-06-29	ACRNet: high-resolution whole slide images classification network based on adaptive core regions 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03544-w PMID:41838279	研究论文	提出一种基于自适应核心区域的高分辨率全切片图像分类网络ACRNet，通过动态图卷积网络提高分类效率	利用病理特征数据库和余弦相似度提取高概率信息块，并构建自适应区域动态图卷积网络来学习上下文信息，减少计算资源浪费	标题和摘要未明确提及，推测可能包括泛化性验证不足或依赖特定数据库	解决传统深度学习方法处理全切片图像时资源利用低效的问题	全切片图像中的病理组织区域	数字病理学	肺鳞状细胞癌、结直肠腺癌	全切片成像	图卷积网络	图像	使用TCGA-LUSC数据集和合作医院SHFPH-COAD数据集	PyTorch	动态图卷积网络、自适应区域GCN	准确率、AUC	NA
382	2026-06-29	Comparison of deep and conventional machine learning methods in predicting joint moments in patients with cerebral palsy 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03548-6 PMID:41843263	研究论文	比较深度学习和传统机器学习方法在预测脑瘫患者关节力矩中的表现	首次系统比较四种传统机器学习算法和两种深度学习算法在预测脑瘫患者关节力矩中的预测准确性，并优化了超参数	未明确讨论数据集中可能的潜在偏差或外部验证的缺失	基于步态运动学数据预测脑瘫患者的关节力矩，以规避直接测量地面反作用力的困难	622名脑瘫患者的步态回顾性数据	机器学习	脑瘫	NA	岭回归、k近邻、随机森林、多层神经网络、一维卷积神经网络、长短期记忆网络	时间序列步态运动数据	622名脑瘫患者	NA	一维卷积神经网络、长短期记忆网络	归一化均方根误差、皮尔逊相关系数	NA
383	2026-06-29	Accurate segmentation of pulmonary arteries and veins via a human-in-the-loop framework with application in COPD 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03556-6 PMID:41866420	研究论文	提出一种人机交互框架用于肺动脉和静脉的精确分割，并应用于慢性阻塞性肺疾病（COPD）分析	创新性地采用人机交互框架，通过三次迭代循环构建标注数据集并训练深度学习模型，提升了动脉-静脉分割的效率和准确性	未明确提及局限性	开发自动化的肺动脉和静脉分割模型，并应用于COPD患者血管变化分析	肺动脉和静脉的分割及其在COPD进展中的结构变化	医学图像分析	慢性阻塞性肺疾病	CT成像	深度学习模型	图像（CT扫描）	30个金标准标注数据集，来自COPD患者的CT扫描	NA	NA	Dice系数，IoU，敏感性，精确率	NA
384	2026-06-29	EEG-RCPNet: a cross-subject cognitive impairment detection model based on limited-channel eeg signals 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03561-9 PMID:41880056	研究论文	提出一种基于两通道静息态EEG信号的深度学习框架EEG-RCPNet，用于跨被试认知障碍检测	集成位置注意力机制与并行残差卷积神经网络，利用有限通道EEG信号提取跨频带判别特征，提升分类准确率	基于两项数据集验证，但样本量有限（212名参与者），且对非EEG数据类型的适用性未探讨	实现低成本的认知障碍早期筛查与监测	认知正常与认知障碍受试者的两通道静息态EEG信号	机器学习	认知障碍	EEG信号采集	卷积神经网络	EEG信号	212名参与者（CIRS数据集）及公开ADFTD数据集	PyTorch	PAD-CNN, PRCA-CNN, DS-CNN	准确率, 灵敏度, 特异度, F1分数, Macro-F1, MCC	NA
385	2026-06-29	A multi-paradigm evaluation spanning pixels to voxels for deep learning-based kidney tumor segmentation 2026-May, Journal of medical engineering & technology DOI:10.1080/03091902.2026.2651078 PMID:41984454	研究论文	系统评估多种深度学习架构在肾脏肿瘤CT分割中的表现，聚焦临床适用性与高分割精度之间的差距	超越传统定量指标，首次系统分析假阳性、边界勾画精度和计算可行性对临床适用性的影响	计算资源限制导致UNETR模型未能完整训练，部分模型依赖高端GPU	探究高分割精度与临床适用性之间的关键差距，为肾脏肿瘤分割工具的临床部署提供见解	六种深度学习架构（U-Net、MedSAM、nnU-Net、UNETR、Total Segmentator、MIScnn）在KiTS19数据集上的分割性能	数字病理学	肾癌	CT扫描	卷积神经网络、Transformer、混合模型	医学图像	KiTS19数据集（具体样本数未提及）	MONAI, PyTorch	U-Net, MedSAM, nnU-Net, UNETR, Total Segmentator, MIScnn	Dice系数、假阳性分析、边界勾画精度	高端GPU（如需16GB VRAM的nnU-Net、MedSAM依赖的高端GPU），具体型号未提及
386	2026-06-28	Cross-Center Vision-Language Transformer for Robust Mammography-Based Breast Cancer Diagnosis 2026-May-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060653 PMID:42351898	研究论文	提出一种跨中心视觉语言变换器框架，用于基于乳腺X光摄影的鲁棒乳腺癌诊断	集成视觉和语言信息，设计双向跨模态注意力和跨中心特征正则化方法，提升不同临床中心间的诊断鲁棒性	未在真实多中心大规模数据上验证，且文本描述依赖人工标注的临床特征	开发能够跨不同临床中心、成像协议和患者分布的鲁棒乳腺癌诊断模型	乳腺X光图像和对应的临床文本描述	计算机视觉, 自然语言处理	乳腺癌	NA	变换器（Transformer）	图像, 文本	使用CBIS-DDSM、INbreast和VinDr-Mammo三个公共数据集	PyTorch	Vision Transformer, Text Transformer	准确率, ROC-AUC, 期望校准误差, Brier分数	NA
387	2026-06-28	Adversarial Noise Isolation in Multimodal Perception: A Computational Framework Inspired by Inhibitory Control 2026-May-30, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16060591 PMID:42352600	研究论文	提出一种受抑制控制启发的多模态信息解缠计算框架，通过对抗噪声隔离机制提升多模态感知的鲁棒性	首次将认知抑制控制概念算法化，设计对抗噪声隔离模块以分离模态不变与模态特异性特征，实现净化后融合策略	未提供直接的神经生物学验证，且仅基于预提取的高层特征运算	验证算法噪声隔离可促进鲁棒的多感官整合假说，降低后续融合计算复杂度	多模态感知中的异构信号（面部表情、声音韵律、语言）与未信息性变异	机器学习	NA	NA	对抗噪声隔离框架	多模态数据（表情、语音、文本）	NA	NA	多模态信息解缠网络	竞争性能、稳定性指标	NA
388	2026-06-28	Global Spatiotemporal Dynamics of African Swine Fever: An Integrated Multi-Scale Spatial and Time-Series Analysis 2026-May-28, Viruses DOI:10.3390/v18060618 PMID:42357628	研究论文	结合多尺度空间分析和时间序列预测，全面刻画了1996年至2025年非洲猪瘟的全球时空动态	首次整合多距离空间分析与高级时间序列预测框架，揭示了野猪和家猪在不同地区的传播模式差异以及2017-2020年间非洲猪瘟从南北轴向东西向的流行病学转变	未明确说明局限性	全面表征非洲猪瘟的全球时空动态，支持改进早期预警系统和防控策略	非洲猪瘟（ASF）的爆发记录数据集（57,253条记录）	机器学习	非洲猪瘟	时间序列分析	随机森林（RF）、SARIMA、Prophet、XGBoost、GRU	爆发记录（空间和时间数据）	57,253条非洲猪瘟爆发记录	NA	随机森林（RF）、SARIMA、Prophet、XGBoost、GRU	预测准确率	NA
389	2026-06-28	Cross-Lingual Alzheimer's Disease Speech Detection: Polarity Inversion and Few-Shot Calibration Strategies 2026-May-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060629 PMID:42351874	研究论文	提出一种跨语言阿尔茨海默病语音检测方法，通过极性翻转校准实现低资源语言的性能恢复	发现跨语言病理语音中疾病相关特征偏移方向系统性反转的极性翻转现象，并基于此提出仅需5个标记样本的蒙特卡洛极性翻转校准框架	研究仅基于单一盲测集和有限样本量，可能未涵盖所有语言对和临床场景的变异性	解决低资源语言中标注数据稀缺导致的跨语言迁移性能下降问题	跨语言阿尔茨海默病患者的语音数据	自然语言处理	阿尔茨海默病	语音信号处理	自监督HuBERT模型	语音数据	目标域每类5个标记支持样本	PyTorch	HuBERT	AUC	NA
390	2026-06-28	Learning Periodic Patterns in ECG Signals Using TimesNet for Automated Cardiac Classification 2026-May-26, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14061198 PMID:42351626	研究论文	提出基于TimesNet的框架，利用周期性时间建模对多导联心电图信号进行多标签自动分类	首次在TimesNet框架中明确建模心电图信号的周期性和多尺度时间动态，利用FFT引导的时域分解提取周期性特征	未提及在更大规模或不同来源数据集上的泛化能力验证，且对周期性模式极端变异的鲁棒性待评估	开发一种具有周期性感知能力的心电图表征学习方法，提升心脏疾病自动分类性能	多导联心电图记录，来自PTB-XL数据集	机器学习	心脏疾病（房颤、心肌梗死、室性早搏、ST-T改变）	心电图信号处理	TimesNet	时间序列信号	PTB-XL数据集，包含3类和5类分类任务（具体样本数未提及）	PyTorch	TimesNet、TimesBlocks	AUC	GPU，推理延迟5.230 ms/记录，吞吐量191记录/秒
391	2026-06-28	MaxI-Net: A 3D AI Framework for CBCT-Based Maxillofacial Defect Reconstruction and Patient-Specific Implant Generation with Biomechanical Validation 2026-May-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060619 PMID:42351864	研究论文	提出MaxI-Net，一个用于CBCT颌面缺损重建和患者特异性植入体生成的三维深度学习框架，并进行生物力学验证	提出端到端的3D深度学习框架，集成混合空洞卷积、残差连接、SE块和3D CBAM注意力机制进行多尺度特征融合，实现颌面缺损重建和个性化植入体生成的一体化流程	生成的植入体内部空腔填充依赖手动后处理步骤（Autodesk Fusion 360），且主要针对上颌骨缺损，下颌骨调整需进一步研究	开发快速、资源高效的三维深度学习框架，实现颌面缺损的自动重建和患者特异性植入体生成	颌面部缺损患者（创伤、肿瘤切除或先天性畸形所致）的CBCT扫描数据	计算机视觉，数字病理	颌面缺损	CBCT	3D深度学习模型	CBCT影像	921个CBCT扫描图像，增广至11,973对上颌骨缺损样本	PyTorch	MaxI-Net, UNet, UNETR, SegResNet, SwinUNETR	Dice相似系数, 95% Hausdorff距离, Dice标准差, 95%置信区间, Wilcoxon符号秩检验, 秩-双列效应量	自动混合精度训练（Automatic Mixed Precision），测试时单个体积处理时间0.06秒，每个epoch训练时间9.6分钟
392	2026-06-28	Rate-Distortion Limits for Task-Oriented Compression with Side Information 2026-May-26, Entropy (Basel, Switzerland) DOI:10.3390/e28060593 PMID:42352103	研究论文	分析了在编码器不可直接获取任务语义信息情况下，结合侧信息的任务导向压缩的率失真极限	通过同时考虑编码器和解码器端的侧信息及两个语义段的观测，首次完全刻画了率失真函数，并推导了特定马尔可夫条件下的解析解	NA	建立任务导向有损压缩的率失真理论极限，并验证深度学习分类场景下的适用性	具有侧信息的任务导向数据压缩系统，包括二分类和加性高斯相关任务场景	机器学习	NA	率失真理论	深度学习分类网络	图像	NA	PyTorch	有损图像压缩网络	失真度、分类准确率	GPU
393	2026-06-28	Wearable-Compatible Detection of Mild Cognitive Impairment Using Novel Features Based on Sleep Stage Dynamics 2026-May-26, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16060562 PMID:42352571	研究论文	提出一种基于睡眠阶段动力学的新型特征，用于轻度认知障碍的轻量级、可穿戴兼容检测方法	首次利用睡眠阶段动力学特征进行轻度认知障碍分类，提出轻量级且生理可解释的框架，具备可穿戴设备集成潜力	概念验证研究，数据集规模有限（53名受试者），需在更大样本和多样化人群中验证	开发一种基于睡眠阶段动力学的可穿戴兼容方法，用于早期轻度认知障碍检测	轻度认知障碍患者与健康对照者的睡眠脑电图数据	机器学习	轻度认知障碍，痴呆	睡眠脑电图（EEG）采集，自动睡眠分期	支持向量机（线性与RBF核），随机森林，XGBoost，逻辑回归	睡眠周期图（hypnogram）衍生特征	53名受试者（36名健康，17名轻度认知障碍）	Scikit-learn	NA	准确率，平衡准确率，灵敏度，特异度，ROC AUC	NA
394	2026-06-28	Acoustic Signatures of Hive: Detecting Queen Bee Absence Through Machine Learning of Short Audio Segments 2026-May-25, Insects IF:2.7Q1 DOI:10.3390/insects17060547 PMID:42355281	研究论文	利用机器学习与深度学习模型，基于短时蜂箱音频记录检测蜂王是否存在，以实现精准养蜂的实时监控	证明短短几秒的音频片段即可可靠分类蜂王存在状态，并展示了在真实城市记录环境下的良好表现	未提及具体限制	开发一种可扩展、低成本的蜂箱声学监测方法，用于自动检测蜂王缺失	蜜蜂蜂箱中的蜂王存在状态	机器学习	NA	NA	卷积神经网络（CNN）、梯度提升模型	音频	来自多个来源的蜂箱音频记录	NA	卷积神经网络（CNN）、梯度提升模型	准确率、稳定性	NA
395	2026-06-28	Unified Temporal-Spectral-Spatial Modeling for Robust and Generalizable Motor Imagery Brain-Computer Interfaces 2026-May-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060612 PMID:42351857	研究论文	提出NeuroCrossNet，一种统一的三模态深度学习模型，用于稳健且无需校准的运动想象脑机接口解码，联合学习时间、频谱和空间EEG特征	首次提出统一三模态深度学习模型NeuroCrossNet，联合学习时间、频谱和空间EEG特征；引入时间超混合器块、小波变换器、图注意力网络及动态残差注意力门和主体感知归一化方法，无需目标域校准数据即可实现跨主体泛化	该方法在更大规模、更多变的真实世界数据集上的泛化性尚未验证；计算资源要求未明确报告	开发一种稳健、通用且无需校准的运动想象脑机接口解码模型	运动想象脑电图信号	机器学习	NA	EEG	深度学习模型（CNN、Transformer、图注意力网络混合）	EEG信号	BCI Competition IV-2a和High-Gamma数据集（具体样本数未说明）	PyTorch	NeuroCrossNet（包括时间超混合器块、小波变换器、图注意力网络、动态残差注意力门、主体感知归一化）	分类准确率	NA
396	2026-06-28	Cascade Semantic Segmentation by a Convolutional Neural Network in Combination with Image Super-Euclidean Pixels Processing for SARS-CoV-2 Microscopy Images 2026-May-24, Viruses DOI:10.3390/v18060592 PMID:42357603	研究论文	提出了一种结合卷积神经网络和超欧几里德像素处理的级联语义分割方法，用于SARS-CoV-2显微图像	首次将超欧几里德像素方法作为CNN的中间层用于SARS-CoV-2电子显微镜图像的语义分割，并对比了梯度向量流和泊松逆梯度分割器的性能	未提及具体局限性	开发自动化的深度学习语义分割工具，用于准确识别SARS-CoV-2颗粒	SARS-CoV-2电子显微镜图像中的病毒颗粒	计算机视觉	新型冠状病毒肺炎	电子显微镜成像	卷积神经网络	图像	未明确提及样本数量	NA	NA	Dice相似系数、交并比、灵敏度、特异性、准确率、ROC曲线下面积、Cohen's Kappa	NA
397	2026-06-28	Evaluation of the Use of Artificial Intelligence in Dental Imaging Interpretation: A Systematic Review 2026-May, Cureus DOI:10.7759/cureus.109628 PMID:42359172	综述	系统评估人工智能在牙科影像解读中的应用、诊断性能及局限性	首次系统综述AI在牙科影像多种任务（如龋齿检测、牙周骨丧失评估、阻生第三磨牙评估等）中的支持性诊断表现和效率提升	仅纳入7项异质性研究，证据基础有限，需要更多高质量研究和外部验证	评估AI在牙科影像解读中的应用效果和局限性	AI在牙科影像解读中的各种应用（如龋齿检测、牙周骨丧失评估、阻生第三磨牙评估、牙根骨折检测、工作长度确定、图像配准）	机器学习	NA	数字放射摄影	机器学习、深度学习	影像	7项研究	NA	NA	诊断性能、效率	NA
398	2026-06-26	Automatic radiation-free evaluation of Cobb angle for spinal curvature based on fringe projection profilometry and deep learning technology 2026-May, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-025-01270-1 PMID:41537944	研究论文	提出一种结合条纹投影轮廓测量术和深度学习技术的自动化无辐射Cobb角评估方法，用于脊柱侧弯筛查	首次实现全自动、无辐射的Cobb角评估，结合三维表面成像与卷积神经网络预测脊柱弯曲度，无需X光照射	样本量较小（仅48名参与者），且研究对象限于已临床确诊的脊柱侧弯患者，未涵盖正常人群或其他脊柱疾病	开发无辐射的自动化Cobb角评估方法，以替代传统X光检查用于大规模脊柱侧弯筛查	48名经放射影像确诊的脊柱侧弯患者（来自医院）	计算机视觉	脊柱侧弯	条纹投影轮廓测量术、相位偏移算法	卷积神经网络	三维表面影像	48名脊柱侧弯患者	NA	卷积神经网络	相关系数、决定系数	NA
399	2026-06-25	[Deep Learning-Based Automatic Segmentation Model for Radiotherapy Target Delineation of Brain Metastases and Its Clinical Applications] 2026-May-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250339 PMID:42338363	研究论文	开发基于U-Net的自动分割模型用于伽玛刀放射治疗脑转移瘤的靶区勾画，并评估其与初级临床医师手动勾画的准确性和效率	提出U-Net+GTV模型在脑转移瘤伽玛刀放疗靶区勾画中，准确性和效率均优于初级临床医师，具有临床应用的潜力	NA	开发自动分割模型并评估其在脑转移瘤伽玛刀放疗靶区勾画中的临床适用性	100例接受伽玛刀治疗的脑转移瘤患者	计算机视觉	脑转移瘤	NA	卷积神经网络（CNN）	图像	100例脑转移瘤患者	NA	U-Net	Dice相似系数, Hausdorff距离, 平均对称表面距离, 最大对称表面距离, 总时间消耗, 单样本处理时间	NA
400	2026-06-25	[Research on the Automatic Detection Method of Spatial Resolution for CT Systems Based on the Catphan500 Phantom] 2026-May-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250842 PMID:42338365	研究论文	基于Catphan500模体，利用YOLOv8深度学习模型自动检测CT系统空间分辨率，实现快速、客观的质控方法	首次将YOLOv8深度学习模型应用于CT系统空间分辨率的自动检测，显著提高检测速度和客观性，减少人工干预和测量误差	在极高分辨率下与传统手动测量存在细微差异	探索一种基于Catphan500模体的CT设备空间分辨率自动检测方法	不同医院、不同型号CT设备的质控图像	计算机视觉	不适用	不适用	YOLOv8	图像	未明确说明，但包含多家医院多种型号CT设备的质控图像	PyTorch	YOLOv8	召回率, 精确率, mAP@0.5, 平均检测时间	不适用