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
141	2026-06-01	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	针对质子笔形束扫描治疗，提出一种噪声探针剂量法，通过嵌入质子物理知识增强剂量预测的泛化能力	首次将质子物理知识显式嵌入深度学习模型，通过快速生成低统计量噪声探针剂量来替代传统输入，显著提升模型在罕见临床病例中的泛化性能	仅对前列腺癌和肺癌两种癌症类型进行了验证，未在其他肿瘤部位或更多样化的治疗方案中评估方法的一般性	设计一种物理感知且泛化能力强的人工智能剂量预测方法，提高在线自适应质子治疗的安全性和有效性	前列腺癌和肺癌患者的笔形束扫描质子治疗计划	机器学习, 数字病理学	前列腺癌, 肺癌	蒙特卡洛剂量引擎	深度学习	图像（CT图像）	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），以及12例异常临床病例	NA	NA	剂量体积直方图指标, 3D伽马通过率（3%/2mm/10%）, 剂量一致性 Dice系数	NA
142	2026-05-31	A century of coffee and tea research in cognitive health and Alzheimer's disease: Structural, thematic, and translational insights (1911-2025) 2026-May-30, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877261450996 PMID:42216624	综述	该研究通过文献计量分析，绘制了咖啡与茶在认知健康及阿尔茨海默病研究领域的百年发展图谱，涵盖结构、主题及转化视角	首次在统一的一级证据框架下，对咖啡与茶在认知衰老领域的研究进行了横跨1911至2025年的百年尺度联合分析，并整合了主题演化、合作网络及最新趋势的可视化	作为文献计量分析，可能受限于数据库收录范围（仅Scopus索引的英文文章），且未深入评估个别研究的方法学质量或因果证据	绘制咖啡与茶研究在认知衰老领域的结构、主题及时间演化图谱，识别核心文献、合作模式及新兴方向	咖啡与茶在认知健康及阿尔茨海默病相关研究中的文献数据	自然语言处理	阿尔茨海默病, 认知衰老	文献计量分析	NA	文本	2873篇文献，来自1285个来源	NA	NA	年增长率（4.96%）, 平均引用次数（40.17次/篇）	NA
143	2026-05-31	RADIANT: A fully configurable radiotherapy dose prediction framework 2026-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7090 PMID:42161288	研究论文	介绍了一个完全可配置的放射治疗剂量预测开源框架RADIANT，基于医学影像分割工具包，支持多种网络架构、损失函数和训练策略	提出一个完全可配置、开源且可复现的放射治疗剂量预测框架，支持多种网络架构和灵活配置，并在多个癌种上进行了基准测试	未明确指出局限性	开发一个可扩展、可配置的开源框架，用于深度学习驱动的放射治疗剂量预测，并实现可复现的实验	宫颈癌、前列腺癌和头颈癌患者的放射治疗剂量分布	数字病理学	宫颈癌, 前列腺癌, 头颈癌	放射治疗剂量预测	深度学习模型	3D医学影像	使用RPA生成的宫颈癌和前列腺治疗计划，以及AAPM OpenKBP挑战赛的头颈癌数据	Medical Imaging Segmentation Toolkit, RADIANT	nnU-Net, FMG-Net, W-Net, ddU-Net, Swin UNETR	剂量分数，均匀性指数，D95、D98、D99误差百分比，剂量体积直方图分数	NA
144	2026-05-31	Synchrotron-Based Deep Learning Network of the Inner Ear: Development and Expert Validation 2026-May-29, The Laryngoscope DOI:10.1002/lary.70637 PMID:42212468	研究论文	开发并外部验证了一种基于深度学习的内耳分割网络，能在多种分辨率和协议的临床CT图像中自动分割内耳	首个在性能上超越领域专家手动分割的内耳自动分割算法，建立了新的临床金标准	NA	开发并验证一种内耳自动分割深度学习网络	内耳在术前临床CT扫描中的分割	深度学习、医学图像分割	耳科疾病	同步辐射相衬成像、临床CT扫描	深度学习分割网络	CT图像（锥束CT、螺旋CT）	100具尸体标本，共4784对同步辐射相衬成像和临床三维数据集	NA	NA	Dice相似系数、最大绝对豪斯多夫距离、平均豪斯多夫距离	NA
145	2026-05-31	Bioinspired Ultrastretchable Aramid Triboelectric Aerogels for Intelligent Vehicle Seat 2026-May-29, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73549 PMID:42212808	研究论文	受肌肉纤维取向启发，开发出超可拉伸芳纶摩擦电气凝胶，用于智能车辆座椅传感器	通过编程冰晶生长实现98%纤维取向拟合度，是传统冻铸法的2.6倍；首次在单一传感器界面结合深度学习实现驾驶行为实时监测和振动反馈报警	未提及长期稳定性测试或实际车辆环境中的耐久性评估	开发可拉伸气凝胶传感器用于智能驾驶系统中不安全驾驶行为的识别和缓解	芳纶摩擦电气凝胶材料及其传感阵列	机器学习	NA	编程冰晶生长法	深度学习模型	传感器信号	NA	NA	NA	应变值 (539%)	NA
146	2026-05-31	HANeRV: Hierarchically Adaptive Neural Representation for Video Compression 2026-May-29, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3696103 PMID:42213559	研究论文	提出分层自适应神经表示方法HANeRV用于高效视频压缩	首次在隐式神经表示视频压缩中引入分层自适应结构优化，包括动态架构级调整、动态帧级调整和层次结构自适应	未提及具体计算复杂度或实时性能限制	提升隐式神经表示视频压缩对动态变化的适应性以优化压缩效果	不同视频序列中的帧间和帧内动态信息及空间结构	计算机视觉	NA	隐式神经表示	隐式神经网络	视频	NA	NA	HANeRV（含DAA、DFA、HSA模块）	率失真性能（超越H.266/VVC标准）	NA
147	2026-05-31	Local Semantics Refinement of Adaptive Representations for Robust Noisy Label Learning 2026-May-29, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3696107 PMID:42213558	研究论文	提出一种名为LFDA的框架，通过局部语义精炼和自适应表示，解决带噪标签学习中的确认偏差和硬样本信息价值被忽视的问题	首次将局部一致性评分与置信邻域构建相结合，并引入可靠性感知表示对齐模块，通过软监督隐式修正低置信度样本	仅依赖局部特征一致性，在极端噪声比例下可能失效，且对邻域构建的密度参数敏感	提升深度学习模型在带噪标签数据集上的鲁棒性和泛化能力	带噪声标签的合成和真实世界数据集	机器学习	NA	NA	NA	图像	NA	PyTorch	ResNet, PreActResNet	准确率	NA
148	2026-05-31	Beyond Correlation: Causal Intervention for Multi-Label Medical Image Diagnosis 2026-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3698052 PMID:42213561	研究论文	提出一种结合因果干预的多标签医学影像诊断框架，解决共病检测中虚假关联问题	首次在医学影像多标签诊断中引入因果干预，通过后门调整分离疾病共现导致的虚假关联与真实因果信号	依赖潜在混杂变量的隐式建模，可能无法完全覆盖所有临床混杂因素；实验仅涵盖四种影像模态，泛化性需进一步验证	提升多标签医学影像诊断的准确性和可解释性，消除共病条件下的相关偏误	多标签医学影像诊断中的共病关系建模与因果解耦	计算机视觉, 数字病理学	多种共病（眼病、结肠病变、胸肺疾病）	N/A	因果干预模型	医学影像（彩色眼底照相、眼底荧光血管造影、结肠镜、X光）	ODIR, LID-FFA, Endo, Chestpert四个数据集（具体样本数未说明）	PyTorch	N/A	准确率、AUC、可解释性指标	NA
149	2026-05-31	PRAD++: Towards Robust Periapical Radiograph Analysis through Dataset and Model Advancements 2026-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3698273 PMID:42213562	研究论文	提出PRAD++大规模根尖周X光片数据集及PRNet++分析网络，提升深度学习在牙科图像分析中的鲁棒性与可解释性	引入多尺度小波卷积网络和通道融合注意力机制，并设计专家先验注入损失函数，将牙科领域知识融入学习过程	未提及模型在外部数据集或真实临床环境中的验证，且对异常投影和伪影的处理能力有待进一步探索	解决根尖周X光片高质量标注数据稀缺问题，开发鲁棒的深度学习分析模型	根尖周X光片图像及对应的像素级分割和图像级分类任务	计算机视觉, 数字病理学	牙科疾病	NA	CNN	图像	10,000张根尖周X光片图像	PyTorch	多尺度小波卷积网络, 通道融合注意力机制	DSC, PR-AUC	NA
150	2026-05-31	MuSL: Multimodal deep learning for generalizable prediction of synthetic lethality from sequence, transcriptomic, and network data 2026-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3698476 PMID:42213569	研究论文	提出一种名为MuSL的多模态深度学习框架，整合转录组直方图、统计表达特征和蛋白质互作网络信息，用于预测合成致死性	首次将粗粒度表达谱转化为二维直方图并利用卷积神经网络直接学习共表达缺失和互斥性等分布模式，通过对比学习对齐多模态特征并结合交叉注意力和自适应门控机制进行集成	未明确提及	实现可泛化到未知基因的合成致死性预测，克服传统方法依赖手工表达摘要或单一数据模态的局限性	基因对之间的合成致死性关系	机器学习	癌症	RNA-seq, 蛋白质互作网络分析	CNN, 对比学习, 交叉注意力, 自适应门控	转录组直方图, 统计表达特征, 蛋白质互作网络, ESM2蛋白质嵌入	未明确提及	PyTorch	CNN, 图神经网络, 注意力机制	随机、转导和归纳评估设置下的基线性能比较	NA
151	2026-05-31	Compliance with the CONSORT AI Extension in Orthopaedic Randomized Controlled Trials 2026-May-29, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.01439 PMID:42213819	研究论文	评估骨科随机对照试验中对CONSORT AI扩展指南的遵守情况	首次系统评估骨科领域涉及AI的随机对照试验对CONSORT AI扩展指南的遵守程度	仅纳入11篇文献，样本量有限；可能遗漏未发表或非英文文献	评估骨科随机对照试验中对CONSORT AI扩展指南的遵守情况	骨科领域涉及AI的随机对照试验	机器学习	骨科疾病	NA	NA	文本	11篇文献	NA	NA	遵守率	NA
152	2026-05-31	Unifying pKa and Protonation Prediction with Sequence-Based Deep Learning 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00556 PMID:42214058	research paper	提出一个基于序列的深度学习模型 T5pKa，用于分子 pKa 和质子化状态预测	将序列到序列模型应用于pKa预测的统一多任务框架，同时实现微观状态枚举和pKa预测	仅依赖实验数据，可能对新颖化学空间泛化能力有限	开发用于分子pKa和质子化状态预测的文本基深度学习模型	小分子的质子化/去质子化微观状态及其pKa值	machine learning	NA	NA	transformer	text	9000个实验测量微观pKa数据条目	PyTorch	Transformer	accuracy, precision, recall	NA
153	2026-05-31	SSPSPredictor: A Sequence- and Structure-Based Deep Learning Model for Predicting Phase-Separating Proteins 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00363 PMID:42214054	研究论文	提出一个结合序列与结构信息的多模态深度学习模型SSPSPredictor，用于预测相分离蛋白	首次将蛋白质语言模型ESM-2提取的序列信息与图神经网络GVP提取的结构信息融合，实现平衡的PSP识别性能，并在无监督条件下识别驱动相分离的关键区域，展现良好的可解释性	NA	开发一种高效且可解释的相分离蛋白预测方法，以弥补实验鉴定的耗时费力，并揭示相分离与疾病之间的关联	相分离蛋白（PSPs），包括具有折叠结构或内在无序结构的蛋白质	机器学习	NA	深度学习	多模态模型（ESM-2、GVP）	序列数据、结构图数据	人类蛋白质组规模分析	NA	ESM-2、GVP	NA	NA
154	2026-05-31	The impact of competition mechanisms on primary school students' digital game-based mathematics learning 2026-May-29, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.107175 PMID:42214168	研究论文	研究竞争机制对小学生数字化游戏数学学习的影响	采用增值设计，随机分配135名小学生至基线组、个人竞争组和组间竞争组，揭示竞争能促进深层认知策略和真实知识掌握，而非短期表现提升	未说明明确局限性	探讨数字化游戏学习中的竞争机制对小学生分数概念学习结果、过程和情感态度的影响	小学生，具体为135名参与分数概念学习的学生	机器学习	NA	NA	NA	NA	135名小学生	NA	NA	准确率、自我效能感	NA
155	2026-05-31	EEG-based dataset explicitly targets the transitions between sitting and standing for exploring neural activation patterns in Motor Imagery and execution 2026-May-29, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag065 PMID:42214321	研究论文	该研究提出了首个公开可用的脑电图数据集，专门针对坐立和立坐转换过程中的运动执行和运动想象任务，并探索了相关神经激活模式	首次公开提供明确针对坐立转换任务的脑电图数据集，涵盖运动执行和运动想象两种条件，并同步记录了眼电图和肌电图信号	未明确提及限制	探索下肢运动相关的神经激活模式，支持基于脑电图的脑机接口算法开发，用于移动辅助和康复	22名健康参与者，进行了坐立和立坐转换实验	脑电图分析	不适用	脑电图、眼电图、肌电图	深度学习（CTNet、EEGNet、TCANet）	信号	22名健康参与者	NA	CTNet、EEGNet、TCANet	平均准确率（运动执行约81%，运动想象约73%）	NA
156	2026-05-31	A comprehensive review of deep learning applications in the segmentation and classification of skin cancer 2026-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae74d6 PMID:42214390	综述	系统回顾2014至2024年间深度学习技术在皮肤癌分割与分类中的应用	对77项实验研究进行了规范化的偏倚风险分析，揭示了类别不平衡和数据泄露等关键问题，并指出了从独立CNN向混合框架和多源特征融合策略的范式转变	类别不平衡、数据集多样性有限以及临床验证不足等挑战依然存在	探索深度学习技术在皮肤病变分割与分类中的应用现状及其发展趋势	皮肤癌（包括黑色素瘤和非黑色素瘤类型）的分割与分类任务	计算机视觉	皮肤癌	深度学习	卷积神经网络、U-Net及其变体、混合框架、集成框架	图像	77项实验研究（来自540篇筛选文献）	NA	CNN, U-Net, 混合框架, 集成框架	准确率	NA
157	2026-05-31	Enhancing brain tumor classification with a simplified CNN through hyperparameter optimization 2026-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae74d5 PMID:42214387	研究论文	该研究通过超参数优化策略（遗传算法、贝叶斯优化和HyperBand）提升一种轻量级卷积神经网络在脑肿瘤MRI图像分类中的性能，并在公开数据集上验证其有效性	首次系统比较三种超参数优化方法对轻量级CNN在脑肿瘤分类中的影响，采用十次独立重复实验保证统计可靠性，并注重计算效率与模型性能的平衡	未提及	探索不同超参数优化策略对简化CNN模型在脑肿瘤MRI分类任务中的性能影响，同时保持计算效率	脑肿瘤MRI图像（包含胶质瘤、脑膜瘤、垂体瘤及健康受试者）	计算机视觉	脑肿瘤	MRI	CNN	图像	公开脑MRI数据集（具体数量未提及）	NA	轻量级CNN	准确率、标准差	未提及
158	2026-05-31	Interlayer-aware postoperative facial appearance prediction in orthognathic surgery with bio-geometric guidance 2026-May-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae752e PMID:42214412	research paper	提出一种生物几何引导的下颌骨手术后面部外观预测网络，通过层间混合专家机制模拟骨与软组织的非线性耦合变形	首次引入层间混合专家机制将骨骼-表面变形传播解耦为三个生物力学启发的代理表示，并通过门控路由网络自适应加权各层贡献，同时设计生物几何卷积模块捕捉区域骨骼影响	NA	实现正颌手术后面部外观的高精度预测以辅助手术规划	88名正颌手术患者的三维面部与骨骼数据	computer vision	oral and maxillofacial diseases	deep learning	混合专家网络与生物几何卷积模块	三维面部与骨骼图像	88名正颌手术患者	PyTorch	Interlayer Mixture-of-Experts, Bio-Geometric Convolution	mean whole-face error, clinician acceptance rate	NA
159	2026-05-31	Deep learning-based prediction of trace silver concentrations in marine sediments from mid-infrared spectroscopy 2026-May-29, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119930 PMID:42214983	研究论文	利用中红外光谱和深度学习模型预测海洋沉积物中痕量银浓度	首次将深度学习模型（RS-SE-ResNet-1D）应用于中红外光谱预测低银沉积物中的银浓度，并识别出与碳酸根离子相关的特征波数带	未明确提及	开发基于中红外光谱的机器学习模型实现海洋沉积物中银浓度的快速预测	南海低银沉积物中的中红外光谱与银浓度关系	机器学习	NA	中红外光谱	残差网络（ResNet）	光谱数据	南海低银沉积物样本（具体数量未提及）	NA	KS-CARS-PLSR, KS-RF, RS-SE-ResNet-1D	R, RMSE, RPD	NA
160	2026-05-31	A unified deep learning application framework for forensic shoeprint analysis under data-limited conditions 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52505-8 PMID:42215506	研究论文	提出一个在数据有限条件下应用于法医足迹分析的统一深度学习框架	不提出新架构，而是系统研究如何调整现有深度学习组件（预训练表征选择、数据增强策略、领域自适应）以提升数据稀缺和领域偏移条件下的可靠性	不同增强机制的组合探索仍是一个开放问题，且实验仅在两个互补的足迹数据集上进行	为法医实践中数据有限和领域偏移条件下应用深度学习提供实用、基于证据的指导	法医足迹匹配中的深度学习应用	计算机视觉	NA	NA	卷积自动编码器	图像	两个互补的足迹数据集，具体数量未提及	NA	卷积自动编码器	性能（未明确指定指标）	NA