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
741	2026-06-07	GNN-based deep surrogate modeling of knee contact mechanics: generalizing neuromuscular control patterns across subjects 2026-Jun-05, The Knee DOI:10.1016/j.knee.2026.104523 PMID:42247863	研究论文	本研究利用基于图神经网络的深度代理模型，模拟膝关节接触力学，重点关注跨受试者神经肌肉控制模式的泛化能力	首次在固定解剖条件下，通过消息传递机制模拟应力传播，有效解码神经肌肉控制的异质性，克服了传统代理模型忽视运动策略的缺陷	未明确说明局限性，但可能包括基于固定解剖条件的假设、数据集较小以及未评估临床实际部署的实时性能	研究拓扑感知的MeshGraphNet在跨受试者神经肌肉控制模式下的泛化能力，以实现膝关节接触应力的实时评估	九名受试者的步态数据，通过OpenSim-FEBio协同仿真平台构建数据集	计算机视觉、机器学习	膝关节骨关节炎、半月板撕裂	有限元分析、步态分析	图神经网络	数值模拟数据	9名受试者的步态数据	PyTorch	MeshGraphNet, MLP, Laplacian-MLP	相关性, 峰值应力预测误差, 空间重叠度	未在摘要中明确说明
742	2026-06-07	Artificial intelligence in prostate cancer imaging: A mini-review of current applications and future directions 2026-Jun-05, Urologic oncology DOI:10.1016/j.urolonc.2026.05.013 PMID:42247882	综述	本文综述了人工智能在前列腺癌多参数磁共振成像中的应用现状、方法学挑战及未来方向	系统整合了最新研究证据，全面探讨了AI在前列腺癌mpMRI成像中的自动化病变检测与分割、PI-RADS评分标准化及影像组学风险预测等应用，并提出了可解释AI、联邦学习等未来方向	数据异质性、泛化能力不足、缺乏标准化特征提取、外部验证有限以及深度学习模型的“黑箱”特性影响临床信任和监管审批	总结AI在前列腺癌mpMRI成像中的当前应用、方法学挑战并展望未来发展方向	基于多参数磁共振成像的前列腺癌成像领域	机器学习	前列腺癌	NGS	机器学习, 深度学习	影像	NA	NA	NA	NA	NA
743	2026-06-07	Deep learning-automatic 3D analysis of regional condylar remodeling and skeletal relapse following bimaxillary surgery: a two-year follow-up study 2026-Jun-05, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104627 PMID:42247969	研究论文	利用深度学习对双颌手术后区域髁突重塑及骨骼复发的三维自动分析进行为期两年的随访研究	首次应用基于深度学习的3D区域髁突体积分析，定量评估双颌手术后髁突体积变化与骨骼复发间的关系，并揭示年龄、性别和手术推进幅度是关键预测因素	样本量有限（40例），未探索髁突区域亚体积与手术移动方向的显著相关性，且研究为回顾性设计	量化双颌手术后区域髁突重塑及其在骨骼复发中的作用	接受双颌手术的下颌后缩患者	计算机视觉, 数字病理学	下颌后缩	CBCT扫描	深度学习模型（具体架构未明确）	3D图像（CBCT扫描数据）	40例患者	NA	NA	线性回归分析（预测因子显著性）	NA
744	2026-06-07	Multimodal deep learning integration of clinical, dosiomics, and radiomics features to predict toxicity in breast cancer patients undergoing hypofractionated radiotherapy 2026-Jun-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111799 PMID:42248053	研究论文	开发多模态深度学习模型整合临床、放射组学、剂量组学和深度特征，预测乳腺癌大分割放疗后的急性放射性皮炎	首次将临床、放射组学、剂量组学和深度学习特征整合到单一预测框架中，并引入CLAHE图像增强和SMOTE类别重平衡技术以提高预测性能	样本量较小（160例），纤维化分析仅5个事件（源于罕见事件设置），外部验证尚未进行	开发多模态机器学习模型以早期识别高风险患者，优化治疗计划并改善乳腺癌患者生活质量	2017-2022年间接受调强大分割放疗的早期乳腺癌患者	机器学习	乳腺癌	CT成像, 放射组学, 剂量组学, 深度学习特征提取	随机森林, XGBoost, LightGBM, DS-LightGBM	图像, 临床数据, 剂量分布数据	160例早期乳腺癌患者	PyTorch, Scikit-learn	DenseNet-121, LightGBM	准确率, ROC-AUC	NA
745	2026-06-07	Unsupervised deep learning enables blur-free resolution enhancement in two-photon microscopy 2026-Jun-05, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101476 PMID:42248144	研究论文	提出一种无监督深度学习框架TENET，实现双光子显微镜图像的模糊去除、分辨率增强和语义分割	全无监督框架，无需配对清晰图像或各项同性假设；物理启发的模糊生成模块配合可训练神经隐式点扩散函数，仅需近似PSF初始化	未提及具体限制	提升双光子显微镜的三维成像质量，实现自动化下游分析	双光子显微镜图像数据（含合成图像、荧光珠、体内小胶质细胞数据集）	计算机视觉	神经疾病	双光子显微镜	卷积神经网络	图像	合成图像、荧光珠样本、活体小鼠脑肿瘤周围小胶质细胞时间序列图像	PyTorch	U-Net	图像保真度、分割准确率	NA
746	2026-06-07	Hybrid learning: a combination of self-supervised and supervised learning for joint MRI reconstruction and denoising in low-field MRI 2026-Jun-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae792b PMID:42248205	研究论文	提出一种结合自监督学习和监督学习的混合学习框架，用于低场MRI中的联合重建与去噪	首次将自监督学习和监督学习分阶段结合，利用低信噪比全采样数据生成伪参考再用于监督训练，解决了低场MRI中高质量参考数据难以获取和低信噪比下性能退化的问题	未提及在超高噪声或极端欠采样情况下的表现，且伪参考质量可能受自监督学习性能限制	开发一种能在仅低信噪比训练数据下实现联合MRI重建和去噪的新训练框架	低场MRI中的图像重建和噪声去除问题	机器学习	NA	MRI	深度学习模型	图像	包含乳腺、肺部和脑部的模拟和真实噪声MRI数据，场强从0.3T到3T，采样轨迹包括笛卡尔、螺旋和径向，未明确样本数量	NA	NA	结构相似性指数（SSIM）、归一化均方误差（NMSE）、高频误差范数（HFEN）	NA
747	2026-06-07	Hyperspectral Imaging for Breast-Conserving Surgery Margin Assessment: A Systematic Review 2026-Jun-05, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2025-0627-RA PMID:42248565	系统综述	系统评价高光谱成像在保乳手术切缘评估中的应用	首次系统梳理了高光谱成像在乳腺癌保乳手术切缘评估中的方法学、机器学习模型、诊断性能及与标准技术的对比	硬件庞大、校准要求高、光谱分辨率降低、监管批准困难，尚无设备获批用于术中切缘评估	评估高光谱或多光谱成像用于乳腺癌切缘评估的研究进展	新鲜保乳手术标本或组织切片的乳腺癌样本	机器学习、数字病理学	乳腺癌	高光谱成像、多光谱成像	线性判别分析、支持向量机、卷积神经网络、聚类算法	光谱图像	24项研究	NA	NA	敏感性、特异性、受试者工作特征曲线下面积	NA
748	2026-06-07	Performance Analysis of Machine Learning Techniques for Voice Spoofing Detection 2026-Jun-05, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2026.05.013 PMID:42248755	研究论文	对四种语音欺骗检测模型进行对比实验分析	在标准化设置下对比传统机器学习与深度学习模型，强调根据部署需求而非仅准确率选择模型	仅使用ASVspoof 2019逻辑访问数据集，未覆盖更广泛场景	分析不同机器学习技术在语音欺骗检测中的性能，为模型选择提供指导	语音欺骗检测模型（SVM、GMM、ResNet、Wav2Vec 2.0）	自然语言处理	NA	NA	SVM、GMM、ResNet、Wav2Vec 2.0	语音	ASVspoof 2019逻辑访问数据集	NA	SVM、GMM、ResNet、Wav2Vec 2.0	等错误率、串联检测成本函数、训练时间、推理时间	NA
749	2026-06-07	A week in the life of the human brain reveals stable states punctuated by chaotic-like transitions 2026-Jun-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73347-y PMID:42248858	研究论文	通过连续一周的记录，揭示人脑在日常行为中稳定状态与混沌过渡的动态变化	首次采用联合颅内多电极和视频记录，结合动态深度学习算法，在无约束的自发行为中捕捉大脑状态之间的混沌过渡，并发现稳定中心流形与默认模式网络相关	未提及具体限制	研究人脑在真实世界环境中，从分钟到天的尺度上，神经动力学如何随行为和生理状态变化	20名参与者的脑内多电极记录、视频行为数据、心率及昼夜节律信息	机器学习	NA	颅内多电极记录、视频记录	动态深度学习算法	神经信号、视频、心率、行为标签	20人，一周连续记录	NA	NA	NA	NA
750	2026-06-07	A hybrid feature selection framework for dimensionality-optimized customer churn prediction 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52160-z PMID:42248897	研究论文	提出一种混合特征选择框架，用于维度优化的客户流失预测	提出多阶段混合特征选择（MHFS）技术，结合互信息、递归特征消除、Boruta和并行模拟退火，实现特征维度显著降低并保持预测性能	仅使用两个电信数据集评估，可能缺乏对其他行业或场景的泛化能力验证	优化特征集以提升客户流失预测的效率和性能，降低特征维度	电信行业客户流失预测问题	机器学习	NA	混合特征选择	随机森林、XGBoost、LightGBM、SVM、Extra Trees、逻辑回归、表格神经网络	表格数据	两个电信数据集（Cell2Cell和IBM Telco），具体样本量未明确	Scikit-learn, XGBoost, LightGBM	随机森林、XGBoost、LightGBM、SVM、Extra Trees、逻辑回归、表格神经网络	准确率	NA
751	2026-06-07	Automated fruit maturity grading using deep learning with feature fusion 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54872-8 PMID:42248909	research paper	提出一种多模态深度学习框架，融合RGB图像特征与内部生化属性，实现水果成熟度自动分级	首次结合外部RGB图像特征与内部生化指标（总可溶性固形物、可滴定酸度、BrimA）进行多模态融合，并采用萤火虫群优化算法进行超参数调优	仅针对Nam Dok Mai Si Tong芒果品种进行验证，未评估其他水果或品种的泛化能力	开发一种实用、非破坏性、成本效益高的水果成熟度自动分级方法	Nam Dok Mai Si Tong (NDMST) 芒果	计算机视觉	NA	RGB成像、生化测量	深度学习	图像、数值	未明确说明样本数量，但采用80:20训练测试分割和早停验证	Keras, TensorFlow	DenseNet201, Inception-ResNetV2, EfficientNetV2	准确率	NA
752	2026-06-07	Federated autoencoder-based clinical decision framework with hybrid class balancing 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55715-2 PMID:42248934	研究论文	提出一种基于联邦自动编码器的临床决策框架，结合混合类平衡机制，在保护隐私的同时提升疾病分类性能	结合自动编码器驱动的层次特征提取与混合类平衡机制（生成式增强技术和SMOTE），在联邦学习框架中实现高精度医疗数据分类，同时抵抗对抗攻击	论文未明确说明具体实验数据集规模、疾病类型多样性和联邦客户端的通信成本细节	在保护患者数据隐私、符合GDPR和HIPAA等法规的前提下，实现高准确率的分布式医疗数据疾病分类	分布式医疗数据集中的疾病分类任务，特别关注不平衡数据集的少数类样本	机器学习	NA	联邦学习、自动编码器、SMOTE数据增强	自动编码器	医疗数据（未明确具体类型）	未明确	NA	自动编码器	准确率	未明确
753	2026-06-07	A novel-based Kolmogorov-Arnold Networks for high accuracy mapping of water and vegetation: a study of the global main rivers 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53332-7 PMID:42248949	研究论文	本研究提出基于Kolmogorov-Arnold网络的新型深度学习架构，用于全球主要河流水体与植被的高精度像素级分类	首次将具有可学习激活函数的KANs应用于遥感领域，在混合像素和边界像素分类上优于传统方法，且架构更紧凑，能有效利用有限光谱信息	在所有区域并未一致优于MLP模型	评估KANs在遥感水体与植被分类中的性能及其替代传统模型的潜力	全球九条主要河流（亚马逊河、卡伦河、恒河、密西西比河、尼罗河、莱茵河、塞纳河、阿拉伯河、长江）的水体与植被分布	机器学习	NA	Sentinel-2遥感影像	KAN (Kolmogorov-Arnold网络)和MLP（多层感知机）	图像（Sentinel-2影像）	2023年九条全球主要河流的观测数据集	NA	KAN、MLP	Kappa系数、准确率	NA
754	2026-06-07	An end-to-end deep learning framework with nonstationary weighting strategy for enhancing reservoir landslide displacement prediction 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55915-w PMID:42248995	研究论文	提出一种带有非平稳加权策略的端到端深度学习框架，用于增强水库滑坡位移预测	提出动态权重生成器(DWG)，能学习历史窗口中每个变量和每个时间步的权重，克服传统深度学习模型采用固定滑动窗口且对所有变量和时间步赋予相同权重的局限性	NA	提高水库滑坡位移预测的准确性	水库滑坡位移	机器学习	NA	NA	CNN、LSTM、Transformer、Mamba	时间序列数据	NA	NA	CNN、LSTM、Transformer、Mamba	NA	NA
755	2026-06-07	Deep learning based on multiparametric MRI for differentiating benign from malignant PI-RADS 3 prostate lesions: a dual-center study 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56643-x PMID:42249012	研究论文	开发基于多参数MRI的深度学习模型，用于区分PI-RADS 3前列腺病变的良恶性	针对PI-RADS 3前列腺病变这一诊断难题，首次提出结合深度学习和影像组学的非侵入性模型，并在双中心数据中验证其高效性	研究为回顾性设计，样本量有限，且仅来自两个中心，可能存在选择偏倚	开发一种非侵入性工具，准确区分良恶性PI-RADS 3前列腺病变，减少不必要的活检	PI-RADS 3前列腺病变患者	医学影像,深度学习	前列腺癌	多参数磁共振成像（mpMRI）	ResNet101, 影像组学	医学影像（T2WI, DWI, ADC）	382名患者	PyTorch	ResNet101	AUC	NA
756	2026-06-07	VerbaFake, EchoFake, and PixelFake: lightweight architectures with advanced augmentation for unimodal deepfake detection 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56292-0 PMID:42249019	研究论文	本文提出一种基于多种深度学习模型的单模态深度伪造检测框架，覆盖图像、文本和音频三种模态	提出了三种轻量级自建模型（VerbaFake、EchoFake、PixelFake），并集成先进数据增强策略，实现高精度单模态深度伪造检测	未充分讨论跨模态泛化能力以及模型在真实复杂场景下的鲁棒性	开发一种轻量级、实时可用的深度伪造检测系统，提升对伪造图像、文本、音频的识别能力	深度伪造内容，包括图像、文本和音频三种模态	计算机视觉,自然语言处理,机器学习	NA	NA	CNN, 注意力机制, GRU, BiLSTM, 胶囊网络	图像, 文本, 音频	超过26,000张图像样本、20,000个音频片段和31,429条文本条目	NA	MobileNetV2, EfficientNetV2-S, PixelFake, VerbaFake, Efficient-CapsNet, Attention-based BiLSTM, Xception, DenseNet201, EchoFake	准确率	NA
757	2026-06-07	Enhanced vertebrae localization in CT volumes: a two-stage deep learning framework 2026-Jun-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02455-4 PMID:42249287	研究论文	提出一种两阶段深度学习框架，用于增强CT体积中椎骨定位的精确性	首次结合改进的挤压激励V-Net（ISE-VNet）进行粗分割与3D空间广义微分空间到数值变换（DSNT）模块实现精确定位	未提及具体计算资源或大规模临床验证	解决CT体积中椎骨定位面临的空间跨度大和形态高度相似等挑战	CT扫描中的椎骨	计算机视觉	脊柱疾病	CT	CNN	三维医学图像	未在摘要中明确说明	NA	改进的挤压激励V-Net（ISE-VNet）、三维空间广义微分空间到数值变换（DSNT）模块	识别率、定位误差	未在摘要中提供
758	2026-06-07	A MOOC-based and high-fidelity surgical simulation-integrated clinical internship mode in optometry teaching for ophthalmology graduate students 2026-Jun-05, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-026-09610-z PMID:42249367	研究论文	针对眼科研究生在视光学理论与临床实践结合上的困难，开发并评估了结合大规模开放在线课程（MOOC）与数字孪生支持的高保真手术模拟（HFS）的混合临床实习模式	首次提出并验证了“理论→模拟→实践”三段式混合教学模式，将MOOC的灵活性与HFS的逼真性有效协同，重新定义了教师角色并构建了能力导向的框架	需进一步开展多中心、长期研究以确认泛化性	优化视光学临床教育，提升研究生理论联系实践的能力及教学满意度	54名眼科研究生和16名受过培训的教师	数字化病理	NA	数字孪生、高保真手术模拟（HFS）	NA	问卷数据（包括课程体验问卷、学习过程问卷、教师满意度问卷）、考试成绩	54名研究生（实验组27人，对照组27人），16名教师	NA	NA	t检验、非参数检验	NA
759	2026-06-07	Deep Learning Inverse Design of Phase-Change Reconfigurable Terahertz Metadevices for Multidimensional Secure Communication 2026-Jun-05, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73630 PMID:42249641	研究论文	提出了一种基于深度学习的逆向设计框架，用于创建动态可重构的太赫兹超构器件，实现多维安全通信	利用残差神经网络将目标电磁响应直接映射到器件几何结构，消除传统迭代设计瓶颈，实现快速高精度生成多样化超构架构，并实现八通道加密全息和双密钥安全协议下的通用逻辑操作	NA	设计用于6G网络物理层安全通信的可重构太赫兹超构器件	太赫兹超构器件中的相变材料（GeSbTe，GST）及其电磁响应	机器学习	NA	太赫兹波技术	残差神经网络（ResNet）	电磁响应数据	NA	NA	残差神经网络	串扰水平、近衍射极限保真度	NA
760	2026-06-07	PMB-NN: Physiology-centered hybrid AI for personalized hemodynamic monitoring from photoplethysmography 2026-Jun-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109479 PMID:42248129	研究论文	提出一种基于生理模型与深度学习混合的PMB-NN方法，用于从光电容积描记信号个性化监测血流动力学参数	将深度学习和基于Windkessel的2元件生理模型统一为混合AI框架，以R和C参数作为物理约束，实现血压和血流动力学参数的可解释估计	在自主神经挑战下数值误差增加，且舒张压性能低于纯深度学习模型	开发一种生理可解释的混合AI方法，用于个性化无创血压和血流动力学监测	光电容积描记信号和人口统计信息	机器学习	心血管疾病	光电容积描记法	神经网络	时序数据	10名健康年轻成人（初级队列）和37名年龄18-88岁的多样化队列	NA	生理模型基神经网络	中位数平均绝对误差，生理合理性相关性，参数估计保真度	NA