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
601	2026-05-03	Deep Learning-Based Prediction System for Surgical Difficulty in Rectal Cancer Patients Using MRI Pelvimetry 2026-May, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2024.0293 PMID:42044985	研究论文	提出一种基于深度学习与MRI骨盆测量预测直肠癌患者手术难度的系统	首次将深度学习分割模型与统计分析结合，自动从MRI图像中完成骨盆参数测量并构建列线图，实现手术难度预测的自动化	未提及多中心验证及外部数据集测试，且完全自动化流程需后续开发用户界面	利用磁共振骨盆测量数据和临床特征，通过深度学习技术自动预测腹腔镜全直肠系膜切除术的难度	直肠癌患者的结直肠MRI数据和术前临床资料	计算机视觉	直肠癌	MRI骨盆测量	深度学习分割模型	图像（MRI）	未明确说明样本数量	NA	NA	Dice相似系数（DSC）、C指数	NA
602	2026-05-03	Sex Prediction From the Clavicle Using Computerized Tomography Images via Traditional and Hybrid Deep Learning Models 2026-May-01, Clinical anatomy (New York, N.Y.) DOI:10.1002/ca.70130 PMID:42066111	research paper	利用传统和混合深度学习模型从锁骨CT图像进行性别预测，并评估模型性能	提出MobileNetV2+MLP和MobileNetV2+MLP+t-SNE混合深度学习模型，无需度量测量即可从锁骨CT图像直接进行性别预测，并实现特征收集、分类、可视化和误差观察	未提及模型的泛化能力验证及与其他骨骼区域或方法学的比较	实现高精度锁骨CT图像性别预测	807名女性和805名男性的锁骨CT图像	machine learning, computer vision	NA	CT成像	CNN, MLP, t-SNE	image	1612个锁骨CT图像样本（807名女性，805名男性）	NA	MobileNetV2, DenseNet201, ResNet101, 多层感知器	accuracy	NA
603	2026-05-03	Robust denoising of low-fluence single-shot PAM using spatial attention-enhanced deep learning 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.591331 PMID:42066133	研究论文	提出一种基于空间注意力增强的3D U-Net深度学习框架，用于低剂量单次激发光声显微镜图像的鲁棒去噪	将空间注意力机制融入3D补丁学习，利用体积空间相关性区分血管特征与背景噪声；采用迁移学习策略，先以叶脉模型预训练再微调至小鼠耳部血管	NA	实现低激光剂量或快速采集场景下的高保真光声显微镜成像	小鼠耳部血管和叶脉模型	计算机视觉	NA	光声显微镜	3D U-Net	图像	NA	PyTorch	3D U-Net	峰值信噪比, 结构相似性指数, 信噪比	NA
604	2026-05-03	Real-time Fabry-Pérot cavity length demodulation via deep learning-based compressed sensing 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.591519 PMID:42066143	研究论文	利用深度学习结合压缩感知算法，实现基于Vernier调谐分布反馈激光器的法布里-珀罗腔长度实时解调	提出了一种深度学习网络结合压缩感知算法的方法，实现了测量采样率高达10 MHz的实时腔长解调，比现有技术提升两个数量级	未提及具体限制	实现高速、高精度的法布里-珀罗腔长度实时解调技术	光纤法布里-珀罗传感器中的腔长解调	机器学习	NA	白光干涉测量	深度学习网络	光谱数据	NA	NA	NA	测量采样率	NA
605	2026-05-03	Physics-driven self-supervised learning for non-modulated pyramid wavefront sensing 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.598879 PMID:42066150	研究论文	提出一种物理驱动自监督学习方法用于非调制金字塔波前传感，通过嵌入可微正向光学模型到U-Net中实现波前重建	首次将物理信息神经网络（PINN）与U-Net架构结合用于非调制金字塔波前传感器的自监督波前重建，无需配对训练数据，扩展线性动态范围	NA	解决非调制金字塔波前传感器强非线性和缺乏物理可解释性问题，提升极端自适应光学系统的波前重建性能	非调制金字塔波前传感器的波前重建和线性动态范围扩展	机器学习	NA	NA	U-Net	光强图像	NA	PyTorch	U-Net	残差均方根误差, 斯特列尔比稳定性	NA
606	2026-05-03	Megahertz-rate down-sampled optical coherence tomography based on high-speed k-linear swept laser and deep learning 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.589042 PMID:42066200	研究论文	本文提出一种基于高速k线性扫频激光器和深度学习的下采样方法，在低带宽和采样率的采集传输系统上实现兆赫兹速率光学相干断层成像	利用声光偏转器实现窄带光谱扫描与线性波数特性，结合深度学习恢复高分辨率图像，硬件下采样方法大幅降低MHz-OCT系统成本	仅通过下采样信号恢复高分辨率图像，可能对系统噪声或非线性校正有潜在依赖，未提及临床验证或鲁棒性分析	降低MHz-OCT系统的采集和传输硬件成本，推动其在临床的广泛应用	兆赫兹速率光学相干断层成像系统	计算机视觉	不适用	光学相干断层成像	深度学习模型	图像	不适用	不适用	不适用	不适用	不适用
607	2026-05-03	Deep Learning-Based Comparison of Knee Minimum Joint Space Width in Patients with Rheumatoid Arthritis and Osteoarthritis Before Total Knee Arthroplasty 2026-May-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0951 PMID:42067217	研究论文	利用深度学习比较类风湿关节炎和骨关节炎患者在全膝关节置换术前的最小关节间隙宽度	首次使用深度学习自动量化方法比较类风湿关节炎与骨关节炎患者在全膝关节置换术前的最小关节间隙宽度模式	NA	比较类风湿关节炎与骨关节炎患者在全膝关节置换术前的关节间隙狭窄模式，并评估最小关节间隙宽度与疾病活动度的关联	接受全膝关节置换术的类风湿关节炎和骨关节炎患者	深度学习、医学影像分析	类风湿关节炎、骨关节炎	X射线成像	深度学习模型	膝关节前后位X射线图像	409例类风湿关节炎患者及其年龄性别匹配的骨关节炎患者	NA	NA	P值	NA
608	2026-05-03	Physics-Informed Machine Learning in Biomedical Science and Engineering 2026-May, Annual review of biomedical engineering IF:12.8Q1 DOI:10.1146/annurev-bioeng-110824-124907 PMID:42067517	综述	综述物理信息机器学习在生物医学科学与工程中的应用，重点介绍三类主要框架及其在复杂生物系统建模中的作用	系统梳理了物理信息机器学习三大框架（PINNs、NODEs、NOs）在生物医学领域的应用，强调了物理可解释性、数据稀缺性和系统复杂性下的优势，并展望了与大语言模型整合的未来方向	未详细讨论各方法在不同生物医学场景中的具体局限性，且对计算成本、模型泛化能力等挑战仅做概括性说明	总结物理信息机器学习在生物医学科学与工程中的研究进展，识别开放挑战并指引未来方向	生物医学系统中的复杂建模问题，涉及生物固体力学、生物流体力学、机械生物学、医学影像、动态生理系统、药代动力学及细胞信号传导等	机器学习	NA	物理信息机器学习	PINNs, NODEs, 神经算子	NA	NA	NA	物理信息神经网络, 神经常微分方程, 神经算子	NA	NA
609	2026-05-03	The impact of AI technology for ideological and political education teaching based on deep learning 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51233-3 PMID:42067547	研究论文	研究基于深度学习的AI技术对职业院校思想政治教育教学的影响，提出动态资源优化模型	结合图神经网络、多模态元学习框架和Transformer-XL，构建动态资源优化模型，实现跨特征交互与课程知识图谱映射，显著提升教学效果	未提及跨文化迁移测试的样本多样性、模型计算资源消耗及长期教学效果跟踪评估	解决传统思想政治教育中资源适应性不足和学生参与度低的问题	职业院校思想政治教育中的学习资源分配与学习者表现	机器学习	NA	深度学习	图神经网络、多模态元学习框架、Transformer-XL	异构数据（资源分配、学习者表现、环境因素）	42个特征涵盖三个维度，具体样本量未明确	PyTorch， TensorFlow	GNN， MMLF， Transformer-XL	预测准确率、知识获取提升率、行为转化率、课程完成率、资源冗余减少率、管理效率提升率	NA
610	2026-05-03	A hybrid flower pollination algorithm-deep learning approach for strength prediction of sustainable recycled fine aggregate concrete with GUI-based implementation 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51308-1 PMID:42067580	研究论文	提出一种混合花授粉算法优化的深度神经网络（FPA-DNN）方法，用于预测含50%洗涤再生细骨料的可持续刚性路面混凝土抗压强度	开发了混合花授粉算法优化的深度神经网络（FPA-DNN），结合SHAP可解释性分析提升预测精度、噪声鲁棒性和可解释性，并构建了图形用户界面决策支持工具	固定50%洗涤再生细骨料替代率，且仅关注抗压强度建模，未涉及长期耐久性指标	评估和预测含再生骨料与辅助胶凝材料的可持续刚性路面混凝土抗压强度	含50%洗涤再生细骨料、氧化锆硅灰和钢渣的混凝土配合比	机器学习	NA	NA	深度神经网络（FPA优化DNN）	实验数据与文献数据（表格数据）	264个样本（103个实验室生成，161个来自文献筛选）	NA	DNN（深度神经网络）	R², RMSE, MAPE	NA
611	2026-05-03	A biomechanical-constrained temporal learning framework for lightweight skeleton-based exercise recognition 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50771-0 PMID:42067632	研究论文	提出一种生物力学约束的时间学习框架，用于基于轻量级骨架的运动识别	首次将生物力学约束（关节角度一致性、速度平滑性、骨骼长度稳定性）整合到深度时间模型中，并引入无监督阶段发现模块自动识别动作的时间划分	仅在少数运动类型（深蹲、俯卧撑等）上验证，样本量有限，未在更广泛的运动类别或真实场景中测试	提升骨架序列运动识别的准确性和效率，通过生物力学知识增强模型性能	人体骨架运动序列，包括深蹲、俯卧撑、二头肌弯举和肩部推举等动作	计算机视觉	NA	OpenPose姿态估计	深度时间模型（含生物力学约束和无监督阶段发现模块）	视频	146个视频样本（共157个不同样本，含146个深蹲、126个俯卧撑、146个二头肌弯举、146个肩部推举）	PyTorch	定制化的生物力学感知时间学习架构	准确率（平均93.33% ± 0.94%，5折交叉验证）	3.57M参数，13.6 MB内存，推理时间5.2 ms/30帧序列（端到端依赖OpenPose约1.574秒）
612	2026-05-03	TxPert: using multiple knowledge graphs for prediction of transcriptomic perturbation effects 2026-May-01, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-026-03113-4 PMID:42067667	研究论文	提出TxPert，一种基于潜在迁移的深度学习方法，利用多种知识图谱预测转录组扰动效应	首次利用多个知识图谱（基因-基因关系图）的互补信息进行转录组扰动效应预测，并展示生物数据库与高通量扰动筛选结合的最佳性能	对于未见过的双基因扰动及跨细胞系扰动，预测性能仍有限	通过模型泛化预测未见过的遗传扰动引起的细胞转录组变化，以降低实验成本	遗传扰动（包括单基因和双基因扰动）对基因表达的影响	机器学习	NA	深度学习	潜在迁移模型	转录组数据	NA	NA	潜在迁移网络	Pearson Δ	NA
613	2026-05-03	Vision Transformer-Based Segmentation of Abdominal Subcutaneous and Visceral Fat on MRI 2026-May-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01970-8 PMID:42067725	研究论文	基于Vision Transformer的腹部皮下脂肪和内脏脂肪MRI分割方法验证	首次将Vision Transformer (SwinUNETR48) 应用于腹部MRI中皮下和内脏脂肪的自动分割与量化，并展示了高骻索曼误差性能	样本量较小（107名参与者），局限于T1加权MRI，未涉及多中心或不同扫描参数验证	验证基于深度学习的Vision Transformer在T1加权MRI上自动分割和量化腹部脂肪组织的可行性	腹部皮下脂肪组织 (SAT) 和内脏脂肪组织 (VAT)	计算机视觉	NA	MRI	Vision Transformer	图像	107名中年参与者（平均年龄49.9岁；35名男性，72名女性；BMI范围18.2-49.6）	NA	SwinUNETR48	Dice相似系数	NA
614	2026-05-03	Feasibility of No-Code Deep Learning for Diagnosing Bone Metastasis in Bone Scans: A Comparative Study of Teachable Machine and ResNet 2026-May-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01981-5 PMID:42067726	研究论文	评估谷歌无代码人工智能平台Teachable Machine在骨扫描图像中诊断骨转移的可行性，并与传统ResNet50模型进行对比	首次探讨无编程技能和GPU环境下使用Teachable Machine进行骨转移诊断的可行性，并与传统深度学习方法进行系统比较	Teachable Machine的诊断性能（AUC=0.812）显著低于传统ResNet50模型（AUC=0.869），且对正类样本的敏感性较低（57.1%），可能受类别不平衡影响	验证无代码深度学习平台在医学图像分类中的可用性，为缺乏编程资源的研究者提供替代方案	4626张癌症患者骨扫描图像（平均年龄65.1±11.3岁，50.5%女性）	数字病理学	骨转移	Teachable Machine	ResNet50	图像	4626张骨扫描图像（阳性400张，阴性4226张）	Teachable Machine	ResNet50	敏感性、特异性、阳性预测值、阴性预测值、曲线下面积	无GPU环境
615	2026-05-03	Psychological resilience as a selective perceptual amplifier in post-crisis learning: a dual-pathway model of academic motivation, perceived school support, and cognitive engagement - a multi-country study based on PISA 2022 2026-May-01, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04665-5 PMID:42067959	研究论文	基于PISA 2022数据，探讨后疫情时代心理韧性作为选择性知觉放大器在学业动机、感知学校支持与认知投入之间的调节与中介作用	提出心理韧性作为“选择性知觉放大器”的双路径模型，首次在跨国大样本中验证心理韧性对动机-支持路径的特异性调节作用	NA	揭示后疫情时代学业动机与感知学校支持转化为认知投入的机制，以及心理韧性对这一转化过程的放大作用	来自80个国家/地区的574,514名学生的学业动机、感知学校支持、认知投入和心理韧性	机器学习	NA	NA	结构方程模型、调节效应模型、中介效应模型	调查数据	574,514名学生（来自80个国家/地区）	NA	结构方程模型	回归系数β、p值、Bootstrap置信区间	NA
616	2026-05-03	Predicting Prognosis for Gastric Cancer Patients Receiving Neoadjuvant Treatment With Body Composition-Based Deep Learning 2026-May, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71886 PMID:42068095	研究论文	开发基于身体成分的深度学习模型预测接受新辅助治疗的胃癌患者预后	首次将身体成分分析与深度学习结合，整合临床、影像组学和深度学习特征构建混合模型，用于胃癌新辅助治疗患者生存预测	该研究未提及具体局限性	开发精确评估接受新辅助治疗的胃癌患者生存情况的方法	接受新辅助治疗的胃癌患者	计算机视觉、机器学习	胃癌	CT成像、影像组学	CNN、Transformer	图像	356名患者（平均年龄59岁；男性264人）	PyTorch、PyRadiomics、TotalSegmentator	ResNet18、Transformer、Naive Bayes、ExtraTree、Cox回归	AUC、C-index	NA
617	2026-05-02	Systematic evaluation of machine learning models for clinical risk prediction on real-world hospital datasets 2026-May-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115654 PMID:42063551	研究论文	系统评估了10种机器学习模型在8个真实世界临床风险预测数据集上的表现	首次对经典机器学习、表格深度学习和自动机器学习三大范式进行临床风险预测领域的系统性基准测试，并识别出CatBoost和TabPFN为最优模型	未说明局限性	为临床风险预测提供模型选择的实证指导	10种机器学习模型（包括CatBoost、TabPFN、AutoGluon等）	机器学习	NA	NA	梯度提升决策树、表格深度学习、自动机器学习	表格数据	8个真实世界临床风险预测数据集	NA	CatBoost、TabPFN、AutoGluon	区分度、校准度、临床效用	NA
618	2026-05-02	Plantar Thermogram Analysis Using Deep Learning for Diabetic Foot Risk Classification 2026-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968251316563 PMID:39980256	研究论文	利用热成像和深度学习对糖尿病患者进行足部溃疡风险分层	首次将热成像与深度学习结合用于糖尿病足风险分类，并优先提高筛查灵敏度以识别高风险足部	样本量较小（仅153张热图像），且数据集存在类别不平衡（正常图像远多于异常图像）	开发一种基于热成像和深度学习的非侵入性筛查方法，用于糖尿病足溃疡风险分层	成年糖尿病患者	计算机视觉，机器学习	糖尿病足	热成像	卷积神经网络（CNN）	图像	153张足底热图像（98张用于训练，55张用于测试）	NA	NA	准确率，灵敏度，特异性，马修斯相关系数	NA
619	2026-05-02	A Tutorial on MRI Reconstruction: From Modern Methods to Clinical Implications 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3617575 PMID:41042661	教程	概述磁共振成像重建的基本原理并介绍先进方法，从传统的手工先验方法到结合学习与手工先验的深度学习方法，同时探讨这些方法的转化方面和临床意义	系统性地介绍了MRI重建从经典方法到深度学习方法的演进，并提供了配套的Python工具箱以演示所选方法	未明确提及局限性，但教程性质可能意味着缺乏对新方法的广泛验证和比较	介绍MRI重建的基本原理和最新进展，并探讨其临床转化前景	MRI图像重建方法，包括传统方法和深度学习方法	机器学习和图像重建	NA	MRI	深度学习方法（如CNN等）	MRI图像	NA	Python	NA	NA	NA
620	2026-05-02	Deep learning-guided attenuation and scatter correction of 99mTc-MAA SPECT images: towards quantitative analysis in 90Y-SIRT 2026-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02152-2 PMID:41489766	研究论文	开发深度学习模型，用于99mTc-MAA SPECT成像的无CT衰减校正和基于蒙特卡罗的散射校正，以提升90Y-SIRT治疗规划与剂量定量分析的准确性	首次将改进的3D Swin UNETR架构应用于SPECT图像的衰减与散射联合校正，实现CT-free方式且无需蒙特卡罗模拟，具有临床转化潜力	基于回顾性数据，未在真实临床环境中验证；模型性能可能受限于训练数据分布和患者异质性	通过深度学习模型实现SPECT图像的衰减与散射校正，支持90Y-SIRT的精准剂量学分析	222名接受90Y-SIRT前99mTc-MAA SPECT成像的患者	计算机视觉, 数字病理	NA	SPECT成像	深度学习	图像	222名患者	NA	Swin UNETR（改进型3D移位窗口UNet Transformer）	平均误差, 相对误差, 平均绝对误差, Gamma分析（距离一致性与剂量差异）	NA