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
121	2026-06-30	Deep learning based automated assessment of end-inspiratory pause maneuver reliability in invasive mechanical ventilation 2026-05-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae5e16 PMID:41962572	研究论文	该研究开发了一个基于深度学习的自动化框架，用于评估有创机械通气中吸气末暂停操作（EIPM）的可靠性	首次提出利用一维卷积神经网络（1DCNN）从压力、流量和容积波形中自动区分可靠EIPM、不可靠EIPM和非EIPM事件，并进一步基于保持时间进行精细分类	NA	开发自动化工具对机械通气中手动吸气末暂停操作的可靠性进行客观评估和质量控制	机械通气患者的压力、流量和容积波形数据	机器学习	NA	NA	一维卷积神经网络（1DCNN）	时间序列波形数据（压力、流量、容积）	NA	NA	1DCNN	F1分数	NA
122	2026-06-30	A teacher-student deep learning framework for enhanced clinical screening of heart failure from 12-lead electrocardiograms 2026-05-13, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae6750 PMID:42061969	研究论文	提出一种基于教师-学生深度学习框架CTTSnet，用于从12导联心电图自动筛查心力衰竭	创新性地提出教师（Transformer）-学生（CNN）协同框架，融合全局上下文感知与局部特征提取	未提及模型在真实临床部署中的计算效率及对不同心电采集设备的鲁棒性限制	开发基于深度学习的临床决策支持系统，实现心力衰竭的自动化准确筛查	12导联心电图记录	深度学习	心力衰竭	心电图	教师-学生网络	图像	27,018份心电图（临床数据集）及两个外部公共验证集	NA	Transformer, CNN	AUROC, 准确率, 召回率, 特异性	NA
123	2026-06-30	A multimodal fusion network for heart sound abnormality detection and classification 2026-05-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae6415 PMID:42025197	研究论文	本研究提出了一种端到端的多模态深度学习框架HS-MMNet，用于直接从原始心音录音中进行心脏异常检测与分类	创新点包括：端到端架构无需心脏周期分割和多通道要求；多假设交叉注意力模块实现跨模态有效融合；在PhysioNet/CinC Challenge 2016和Yaseen数据集上达到新的最优性能	NA	开发无需心脏周期分割的端到端深度学习框架，用于心音异常检测与分类	心音录音数据	机器学习	心血管疾病	心音信号处理	多模态深度学习	音频信号	PhysioNet/CinC Challenge 2016数据集和Yaseen五分类数据集（1000条录音）	PyTorch	卷积神经网络（含多空洞空间金字塔和通道-空间注意力）、Transformer	准确率、灵敏度、特异性、精确率、F1分数	NA
124	2026-06-30	Transformers for single-cell RNA sequencing: a survey 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag332 PMID:42366620	综述	系统综述Transformer在单细胞RNA测序中的应用，分析其在特定任务和多下游任务中的模型构建与能力	首次全面综述Transformer在scRNA-seq中的应用，涵盖特定任务模型和基础模型两个领域，并从性能、计算效率、可解释性和可扩展性多角度分析	未提及具体限制，但综述性质可能缺乏对特定模型或方法的深入实验验证	总结Transformer在单细胞RNA测序中的研究现状，提供实用资源并推动该领域发展	Transformer模型在scRNA-seq数据上的应用	自然语言处理, 机器学习	NA	scRNA-seq	Transformer	基因表达数据	NA	NA	Transformer	性能, 计算效率, 可解释性, 可扩展性	NA
125	2026-06-30	Hybrid Vi+ECNN framework for advanced ADHD diagnostic accuracy in medical imaging 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50791-w PMID:42069836	研究论文	开发了一个结合视觉Transformer和增强卷积神经网络的混合深度学习框架，用于提高儿童脑部MRI中ADHD的诊断准确性	首次将视觉Transformer与增强卷积神经网络集成到多流预处理策略中，结合原始MRI、相位谱变换和分位数直方图均衡化去噪表示，捕获互补的全局和局部神经解剖特征	NA	开发客观、自动化的ADHD诊断工具，提高基于脑部MRI的分类准确性	儿童脑部MRI图像中的ADHD相关神经解剖特征	计算机视觉, 数字病理学	注意缺陷多动障碍	MRI	视觉Transformer, 增强卷积神经网络	图像	分层儿童MRI数据集	PyTorch	视觉Transformer, 增强卷积神经网络	准确率, 精确率, 召回率, F1分数	NA
126	2026-06-30	Leakage-Safe ITS1 Identification of Fasciola hepatica and Fasciola gigantica with Reverse-Complement-Invariant CNN Inference 2026-May-02, Acta parasitologica IF:1.2Q2 DOI:10.1007/s11686-026-01295-0 PMID:42068429	研究论文	开发了一种防泄漏的ITS1种类识别流程，用于准确区分肝片吸虫和巨大片吸虫	提出了ITSformer-RC，一种紧凑的反向互补不变的一维卷积神经网络，并结合轻量级集成方法，同时引入了簇感知的数据分割策略以防止相似性泄漏	仅在小型公共数据集上进行内部验证，需要跨地理区域、时间段和实验室的外部验证才能用于现场部署	开发可靠、防泄漏且面向决策的ITS1种类识别流程，用于区分肝片吸虫和巨大片吸虫	肝片吸虫和巨大片吸虫的ITS1序列	机器学习	片吸虫病	ITS1测序	一维卷积神经网络	DNA序列	527条GenBank ITS1序列，其中78条用于测试集	PyTorch	ITSformer-RC	准确率, ROC-AUC, 平均精度, 校准误差, 负对数似然, AURC	NA
127	2026-06-30	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	research paper	本研究基于PISA 2022数据，探讨后疫情时代学生心理韧性作为选择性知觉放大器在学术动机、感知学校支持与认知投入关系中的作用	提出心理韧性作为“选择性知觉放大器”的双路径模型，揭示其仅强化动机-感知支持路径而非其他路径的独特机制	未报告具体限制信息，可能包括横截面设计无法推断因果关系、自我报告数据偏差等	阐明学术动机和感知学校支持如何转化为认知投入策略，并识别调节此转化过程的因素	来自80个国家/地区的574,514名PISA 2022参与者	machine learning	NA	NA	结构方程模型	调查问卷数据	574,514名学生	R, Mplus	结构方程模型	β系数、p值、95%置信区间	NA
128	2026-06-30	Noisy probing dose facilitated dose prediction for pencil beam scanning proton therapy: Physics enhances generalizability 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70509 PMID:42192246	研究论文	提出一种含噪探测剂量方法，用于质子笔束扫描治疗中的剂量预测，通过融入物理信息提升泛化能力	将物理信息嵌入深度学习模型，通过快速生成低统计量探测剂量图，提高对罕见临床病例的泛化能力	未见明确局限性描述	设计一种物理感知且泛化能力强的人工智能质子笔束扫描剂量预测方法，以有效处理前瞻性临床病例	前列腺癌和肺癌患者的质子治疗计划	医学影像分析	前列腺癌, 肺癌	质子治疗剂量计算, 深度学习方法	卷积神经网络	CT图像, 结构集, 剂量分布	103例前列腺癌患者（93训练，10测试）和78例肺癌患者（68训练，10测试），另加12例异常病例测试	未指定	未指定	剂量体积直方图指标, 3D Gamma通过率, Dice系数	GPU支持，所有测试病例剂量预测时间在0.3秒内
129	2026-06-30	Replication of the Association between Retinal Aging Clock Susceptibility Genes and Retinal Age Gap in an Asian Population: The Nagahama Study 2026-May, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101131 PMID:41958711	研究论文	在亚洲人群中验证视网膜衰老时钟易感基因与视网膜年龄差的相关性	首次在东亚人群中验证视网膜衰老时钟遗传关联的跨种族一致性	仅测试了13个候选变异中的7个，样本量有限，需更大规模的跨种族荟萃分析与功能后续研究	验证视网膜衰老时钟相关遗传变异在东亚人群中的关联性	日本长滨研究参与者的彩色眼底照片与全基因组基因型数据	计算机视觉	视网膜衰老	眼底照相	深度学习	图像	长滨研究中参加两次访问且具有可分级眼底照片和全基因组基因型数据的个体	NA	预训练深度学习模型微调	平均绝对误差	NA
130	2026-06-29	IoT-powered wearable assist device for visually impaired 2026-May, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2582033 PMID:41182323	研究论文	开发了一种基于物联网的穿戴式辅助设备，用于帮助视觉障碍者感知障碍物、提升移动能力和与环境的交互	将实时目标检测、面部识别和障碍物感知整合到一个框架中，并混合使用SVM、ResNet-50和YOLOv4算法实现低延迟和高精度	未来工作需要大规模用户验证以提升可用性、可访问性和舒适度	开发和评估一种可穿戴辅助设备，改善视觉障碍者的障碍物感知、移动能力和环境交互	视觉障碍者	计算机视觉，物联网	视觉障碍	物联网，深度学习，机器学习	SVM，ResNet-50 CNN，YOLOv4	图像	未提供	未提供	SVM，ResNet-50，YOLOv4	准确率，精确率，召回率，F1分数	未提供
131	2026-06-29	A novel hybrid segmentation method coupled with deep learning for coronary artery extraction from coronary CT angiography 2026-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03643-7 PMID:41746482	研究论文	提出一种结合深度学习与图像处理滤波器的混合方法，用于从冠状动脉CT血管成像中自动提取冠状动脉	创新性地将深度学习与独特的数学图像处理滤波器集成，并利用强度梯度开发轮廓检测算法，显著提升了分割性能	未明确提及局限性	实现从CCTA图像中准确、稳健且自动的冠状动脉分割，以辅助冠状动脉疾病的临床诊断	84名患者的内部验证集和40名患者的外部公开数据集中的CCTA扫描图像	计算机视觉	冠状动脉疾病	CCTA	深度学习与图像处理混合模型	医学图像	84名患者（内部验证集）和40名患者（外部公开数据集）	NA	轮廓检测算法	Dice系数（Dice score）	NA
132	2026-06-29	DTCR-U-Net: a dual-task consistency and multi-scale adaptive attention framework for pneumonia lesion segmentation 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03537-9 PMID:41803602	研究论文	提出一种名为DTCR-U-Net的双任务一致性和多尺度自适应注意力框架，用于肺炎病灶分割	创新点包括双任务一致性正则化架构、多尺度自适应注意力机制、通道上下文增强模块和多尺度全局空间模块、多尺度跳跃连接方案以及半监督学习范式	未明确提及，但可能包括对特定数据集的依赖性及计算资源需求	解决深度学习在肺炎CT病灶分割中长程依赖建模、多尺度特征整合和有限标注数据的问题	肺炎病灶	计算机视觉, 数字病理学	肺炎	CT成像	卷积神经网络（CNN）	CT图像	使用MosMedData + LIDC-IDRI、COVID-19-CT-Seg和CC-CCII数据集	NA	U-Net	Dice系数, F1分数, 灵敏度, 特异性, 准确率, Hausdorff距离	NA
133	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
134	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
135	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
136	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
137	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
138	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
139	2026-06-28	Machine Learning-Aided Drug Repurposing for Screening COX-2 Inhibitors from Traditional Chinese Medicines 2026-May-31, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19060878 PMID:42356495	研究论文	利用机器学习辅助药物重定位技术，从传统中药中筛选COX-2抑制剂	系统比较了随机森林分类器、深度学习及图神经网络模型在COX-2抑制剂分类任务中的性能，并在小数据集条件下确定了最优模型RFC，用于传统中药来源的化合物筛选，并进行了实验验证	未提及明显局限性	利用机器学习方法从传统中药中筛选潜在的COX-2抑制剂，以治疗结直肠癌	COX-2抑制剂数据集和传统中药来源的化合物库	机器学习	结直肠癌	NA	随机森林分类器、深度学习、图神经网络（GAT、GCN、MPNN）	分子结构数据	自定义COX-2抑制剂数据集和传统中药化合物库	NA	随机森林分类器、图注意力网络、图卷积网络、消息传递神经网络	预测性能（具体指标未明确）	NA
140	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