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
401	2026-06-16	Ethnicity-Stratified Normative Retinal Vascular Features from the UK Biobank Using Deep Learning 2026-Jul, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101221 PMID:42293342	研究论文	利用深度学习从UK Biobank中提取按种族分层的视网膜血管特征正常值数据集	首次使用深度学习方法建立了按种族分层的视网膜血管特征正常值数据集，为多族群眼组学生物标志物提供了参考框架	NA	建立UK Biobank健康参与者中按种族分层的视网膜血管形态特征正常范围，并评估与年龄、性别和种族的关联	6843名UK Biobank参与者（无疾病或医疗状况）的视网膜图像	数字病理学	系统性血管健康	深度学习视网膜图像分析	AutoMorph深度学习管道	视网膜图像	6843名UK Biobank参与者（平均年龄53.5±7.9岁，50.1%男性，91.1%白人）	AutoMorph	NA	NA	NA
402	2026-06-15	Non-invasive differentiation of light chain amyloidosis and multiple myeloma based on Raman spectroscopy analysis using one-dimensional convolutional neural networks 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127591 PMID:41793999	研究论文	利用拉曼光谱和一维卷积神经网络对轻链淀粉样变性和多发性骨髓瘤进行非侵入性区分	首次将拉曼光谱分析与一维卷积神经网络结合，实现对轻链淀粉样变性和多发性骨髓瘤的非侵入性快速鉴别诊断，表现出优于传统机器学习方法的性能	样本量可能有限，且需要进一步验证模型的泛化能力；拉曼光谱技术仍需标准化才能应用于临床	开发一种基于血清拉曼光谱和深度学习的新型非侵入性辅助诊断方法，以区分轻链淀粉样变性和多发性骨髓瘤	轻链淀粉样变性患者和多发性骨髓瘤患者的血清样本	机器学习	浆细胞疾病	拉曼光谱	一维卷积神经网络	光谱数据	来自临床确诊患者的血清样本	PyTorch	1D-CNN	AUC, 准确率, 灵敏度, 特异度	NA
403	2026-06-15	Transforming tabular data into images for deep learning models 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108715 PMID:41691829	研究论文	提出一种将表格数值数据转化为灰度图像表示的方法，使卷积神经网络等深度学习模型能有效处理传统数值数据集	首次提出将无空间结构的表格数值数据通过归一化和矩阵重构转化为灰度图像，并利用ResNet-18和DAG-Net等深度学习架构进行高效分类	仅评估了四个公开数据集，未涉及大规模或真实场景下的复杂表格数据；转化过程可能丢失部分特征间关系信息	拓展深度学习对表格数值数据的处理能力，验证图像化转化方法的有效性和通用性	四个公开表格数据集：Rice MSC Dataset（RMSCD）、Optdigits、TUNADROMD、Spambase	机器学习	不适用	不适用	卷积神经网络（ResNet-18, DAG-Net）	表格数据（转化为灰度图像）	四个公开数据集，具体样本量未明确给出	PyTorch	ResNet-18, DAG-Net	准确率	未明确说明
404	2026-06-14	Investigating cognitive fatigue recovery through mechanical massage and binaural beats: An AI-driven fNIRS study 2026-Jul, Journal of bodywork and movement therapies IF:1.2Q3 DOI:10.1016/j.jbmt.2026.04.004 PMID:42264810	研究论文	通过AI驱动的功能性近红外光谱技术，研究机械按摩和双耳节拍对认知疲劳恢复的影响	首次使用功能性近红外光谱技术分类机械按摩和双耳节拍脑按摩下的认知疲劳，并进行深度学习与传统机器学习模型的全面比较	样本量较小（10名受试者），治疗类型有限	探索机械按摩和双耳节拍脑按摩对认知疲劳恢复的影响，并比较深度学习与传统机器学习模型的效能	认知疲劳及其恢复效果	机器学习	NA	功能性近红外光谱	时间卷积网络, 支持向量机	脑血流信号	10名受试者	NA	时间卷积网络, 支持向量机（径向基函数）	准确率	NA
405	2026-06-13	Online detection of apple moldy core using near-infrared spectroscopy with flexible transmission tray and deep learning 2026-Jul-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127682 PMID:41797157	研究论文	提出了一种结合柔性传输托盘、近红外光谱和深度学习的方法，用于在线检测苹果霉心病	设计柔性传输托盘以稳定苹果位置、减少环境光干扰并引导近红外光穿透果芯，从而获取可重复的透射光谱；结合SCARS-SPA波长选择与CNN-LSTM混合架构实现高精度的二分类和三分类	未提及在更大规模或不同品种苹果上的验证，也未讨论实时分拣系统的实际部署挑战	实现苹果霉心病早期感染的精确、高通量在线检测	苹果霉心病（健康/患病，包括轻度/重度）	机器学习, 计算机视觉	苹果霉心病	近红外光谱（NIR），透射光谱	CNN, LSTM, 混合CNN-LSTM	光谱数据	未提供具体样本数量	NA	CNN-LSTM	分类准确率（98.82%二分类，97.65%三分类）	NA
406	2026-06-13	A hybrid adaptive preconditioned gradient method with momentum for deep learning 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108758 PMID:41764807	研究论文	提出了一种用于深度学习的新型二阶自适应优化器，结合动量与混合策略	首次将自适应预条件梯度方法与动量结合，提出混合自适应预条件梯度法以在AdapGradm与随机梯度下降之间平滑过渡，保持计算效率的同时捕捉二阶曲率信息	文中未明确提及局限性，但可能面临大规模模型或复杂任务的泛化挑战	设计一种高效的二阶自适应优化器以提升深度学习训练性能	深度神经网络训练中的优化算法	机器学习	NA	NA	自适应预条件梯度法	图像与文本数据	NA	NA	三种常见神经网络架构（未具体命名）	训练误差	NA
407	2026-06-11	Feasibility of Implicit Neural Representation Learned Motion Compensation for 3D Stack-of-Spirals Free-Breathing Cardiac Quantitative Susceptibility Mapping 2026-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70325 PMID:41772752	研究论文	提出了一种利用隐式神经表示（INR）学习运动补偿的自由呼吸心脏定量磁化率成像（QSM）方法	首次将隐式神经表示（INR）用于自由呼吸3D心脏QSM中的心脏和呼吸运动补偿，结合螺旋采样和深度学习实现无前瞻性导航的门控采集	样本量较小（仅10名健康受试者），未评估在患者群体中的性能	实现无创、快速、鲁棒的自由呼吸心脏QSM测量，以评估心脏血氧差异（ΔSO2）	健康受试者的心脏MRI数据，用于评估胸号血氧差异	机器学习	心血管疾病	MRI（定量磁化率成像）	隐式神经表示（INR）	图像（心脏MRI图像）	10名健康受试者	NA	隐式神经表示（INR）	图像质量（p值）、ΔSO2测量一致性（相关系数r、偏差及一致性界限）	NA
408	2026-06-10	Open-set deep learning enabled LIBS sensor for label-free and on-site identification of unknown pathogen powders 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129539 PMID:41712987	研究论文	开发了一种基于开放集深度学习的LIBS传感器，用于无标签、现场识别未知病原体粉末	将分类重构开放集识别（CROSR）策略集成到残差网络（ResNet）中，构建改进的开放集深度学习模型，显著提升对未知样本的拒识能力	文中未明确提及局限性	实现现场、无标签的病原体粉末识别，提高生物安全与生物恐怖主义的应对能力	病原体粉末，包括五种已知目标病原体和九种未知样本（生物样本、培养基、非生物干扰物）	机器学习	病原体感染相关疾病	激光诱导击穿光谱（LIBS）	残差网络（ResNet）	光谱数据	包含五种已知目标病原体和九种未知样本的测试集	PyTorch	ResNet, CROSR	识别准确率	未提及
409	2026-06-09	Automated Triage for New Keratoconus Referrals Using Multimodal Deep Learning 2026-Jul, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101208 PMID:42256004	研究论文	利用多模态深度学习模型，基于多模态成像和临床数据预测圆锥角膜进展风险，实现风险分层的患者监测	首次开发多模态融合架构（整合前段OCT、Placido地形图和表格数据）预测圆锥角膜两年进展风险，并通过长短期记忆网络纳入时序就诊数据，显著提升预测性能	NA	开发并验证用于预测圆锥角膜进展风险的深度学习模型，实现风险分层的患者监测路径	圆锥角膜患者	机器学习	圆锥角膜	前段光学相干断层扫描、Placido角膜地形图	深度学习模型（多模态融合架构、循环神经网络、长短期记忆网络）	图像、表格数据	内部数据集：3893名患者的7396只眼睛；外部验证数据集：519名患者的963只眼睛	NA	多模态融合架构、长短期记忆网络	AUROC、灵敏度、特异度、预测值	NA
410	2026-06-09	Hemispheric Asymmetry of Outer Retinal Structure and Function in Retinitis Pigmentosa 2026-Jul, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101205 PMID:42256003	研究论文	利用深度学习管道自动化分割OCT图像中的椭圆体区，研究视网膜色素变性患者外层视网膜结构和功能的垂直半球不对称性	首次揭示RP患者存在一致的外部视网膜结构垂直半球不对称性，即上结构主导且下视野主导的保留模式，并证实此模式与基因型和年龄相关	NA	评估RP患者外层视网膜的垂直半球不对称性及其与基因型和年龄的关系	患有晚期视网膜色素变性的患者	计算机视觉	视网膜色素变性	谱域OCT, Goldmann视野计	深度学习	图像	496名患者的928只眼睛	NA	NA	椭圆体区面积(mm²), Goldmann视野角(°), 上/下比率, 年损失率(%)	NA
411	2026-06-08	Automated Detection of Pediatric Slipped Capital Femoral Epiphysis: A Deep Learning Approach Using Anatomically Informed Attention Guidance 2026-Jul-01, Journal of pediatric orthopedics DOI:10.1097/BPO.0000000000003279 PMID:41946451	研究论文	开发并验证一种基于注意力引导的深度学习模型，用于在儿科骨盆X光片上自动识别股骨头骨骺滑脱	引入解剖学信息引导的注意力机制，使模型聚焦于股骨头的解剖学感兴趣区域，提高可解释性	样本量较小（仅174张骨盆X光片），且为回顾性单中心研究，可能限制模型的泛化能力	开发并验证一种自动检测儿科股骨头骨骺滑脱的深度学习模型	儿科骨盆X光片中的股骨头骨骺滑脱病变	计算机视觉	股骨头骨骺滑脱	X光成像	U-Net++, EfficientNet B1	图像	174张骨盆X光片（139张训练，35张测试）	NA	U-Net++, EfficientNet B1	AUC, 准确率, 灵敏度, 特异度	NA
412	2026-06-08	A Bibliometric Examination of EEGLAB Publications in Scopus and WoS Indexed Sources: A 20-Year Study of Asia-Pacific and Arabian Countries 2026-Jul, Clinical EEG and neuroscience IF:1.6Q3 DOI:10.1177/15500594261428714 PMID:42029425	研究论文	对EEGLAB在亚太和阿拉伯地区出版物的文献计量分析，覆盖20年的全球使用情况	首次对亚太和阿拉伯地区EEGLAB出版物进行全面的文献计量分析，结合联合国ESCAP和ESCWA区域划分，分析区域贡献和合作趋势	仅涵盖Scopus和WoS索引来源，数据截至2024年3月，可能遗漏最新研究或非索引出版物	了解亚太和阿拉伯地区EEGLAB出版物的区域贡献、趋势和国际合作模式	亚太和阿拉伯地区80个国家和地区的EEGLAB相关出版物	文献计量学，脑电图分析	NA	EEGLAB软件用于脑电图数据分析	NA	文献计量数据（引用、作者、出版物）	58个亚太国家和22个阿拉伯国家的出版物数据	R（Bibliometrix包）	NA	引用次数、洛特卡定律、布拉德福定律、共引网络	NA
413	2026-06-07	Predicting transcranial ultrasound insertion loss using skull CT: A deep learning approach 2026-Jul, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107976 PMID:41637984	研究论文	使用深度学习基于颅骨CT预测经颅超声插入损失	提出了一种改进的双路径Inception神经网络（mDPI-Net），基于颅骨CT扫描实现快速准确的插入损失预测，相比传统数值方法大幅提升了计算效率	NA	利用深度学习方法从颅骨CT中预测经颅超声插入损失，以优化超声传输	20个人类颅骨样本	深度学习	NA	CT扫描，经颅超声	神经网络	图像	20个人类颅骨样本	PyTorch（推测）	mDPI-Net（改进双路径Inception网络）	峰值压力误差，插入损失偏差	NA
414	2026-06-07	Calibrating Biased Distribution in VFM-Derived Latent Space via Cross-Domain Geometric Consistency 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3662389 PMID:41662554	研究论文	提出一种利用跨域几何一致性校准视觉基础模型派生潜在空间中偏态分布的方法	首次揭示视觉基础模型（如CLIP、DINOv2）提取的特征分布的几何形状具有跨域可迁移性，并基于此设计分布校准框架	未在标题和摘要中明确提及研究局限性	解决由数据异质性和样本不平衡引起的信息缺失问题	跨域几何形状的可迁移性及其在分布校准中的应用	机器学习	NA	特征提取	视觉基础模型（VFM）	图像	NA	NA	CLIP, DINOv2	NA	NA
415	2026-06-07	DREAM: A Benchmark Study for Deepfake PhotoRealism AssessMent 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663547 PMID:41671124	研究论文	提出名为DREAM的基准测试，用于评估深度伪造视频的逼真度	首次系统研究深度伪造的逼真度评估，包含大规模人工标注和多种评估方法的综合分析，并提出了描述对齐的CLIP方法	未提及具体局限性	推动深度伪造逼真度自动评估的研究方向	深度伪造视频的逼真度评估方法	计算机视觉	NA	深度伪造生成	CLIP	视频	来自3500名标注者的140,000个逼真度评分及文本描述	NA	CLIP	NA	NA
416	2026-06-07	Evaluation of a markerless motion capture to measure 3D joint kinematics during occupational lifting tasks using mobile devices 2026-Jul, Applied ergonomics IF:3.1Q2 DOI:10.1016/j.apergo.2026.104743 PMID:41628493	研究论文	评估基于智能手机的无标记运动捕捉系统在职业搬运任务中测量三维关节运动学的表现，并提出任务特定模型以提高准确性	针对OpenCap平台在职业搬运任务中性能不足，提出并训练了任务特定的标记增强模型，显著降低了运动学误差及其变异性	任务特定模型仅针对职业搬运任务，对其他活动可能性能下降，未提及在真实作业环境中光照、遮挡等条件下的鲁棒性评估	评估并改进无标记运动捕捉技术在职业搬运任务中测量三维关节运动学的准确性，以用于人机工程学应用	职业搬运任务中的三维关节运动学数据	计算机视觉, 数字人体建模	NA	无标记运动捕捉（markerless MoCap）	深度学习模型（标记增强器）	视频关键点数据	大量多样的手动搬运任务数据集，未提供具体样本数量	PyTorch	标记增强模型（基于OpenCap的标记增强器，具体架构未明确）	均方根误差（RMSE）, 标准差（SD）	使用智能手机作为采集设备，未说明训练时GPU类型或云计算平台
417	2026-06-07	50 Years of Automated Face Recognition 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3664269 PMID:41686677	综述	回顾人脸识别技术从早期手工特征到现代深度学习架构50年的发展历程	系统梳理了人脸识别在数据集构建、损失函数设计、网络架构和特征融合方面的关键创新，并分析了数据规模与模型泛化的关系	更大规模的图库会导致假阳性率上升，部署规模越大错误率越高	梳理人脸识别技术的历史演进和未来发展方向	人脸识别算法和系统	计算机视觉	NA	NA	深度学习架构	图像	超过1000万身份的大型图库	NA	NA	错误识别率、假阳性识别率	NA
418	2026-06-07	Alignment-Invertibility Regularization for Explainable Neural Networks 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3665728 PMID:41701606	研究论文	提出可解释性神经网络的对齐可逆正则化方法	首次形式化定义可解释性的两个基本属性——对齐性和可逆性，并基于此提出即插即用的优化器Bort，无需复杂模型修改即可提升可解释性	未提及实际应用中的计算开销或大规模部署限制	提升深度神经网络的可解释性，使其适用于高可靠性行业	深度神经网络的内部变量和模型表示	机器学习	NA	NA	神经网络	图像	NA	NA	ResNet, DeiT	分类准确率	NA
419	2026-06-07	Microscopic detection of nematodes in entomopathogenic nematode-enriched samples using a lightweight deep learning model 2026-Jul, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2026.108594 PMID:41796953	研究论文	提出超轻量无锚框目标检测框架LightDetectorMS，用于实验室分离的Steinernema feltiae感染期幼虫的显微图像自动检测	设计超轻量（0.46 MB，62991参数）且计算高效（152.5 FPS）的anchor-free目标检测框架，在保持高检测可靠性（mAP@0.5达0.9119）的同时实现比人工计数快数千倍的处理速度	研究仅针对实验室培养的单一物种Steinernema feltiae，尚未验证对野外复杂环境或多种昆虫病原线虫的适用性	开发高效自动化的昆虫病原线虫显微检测方法，替代传统人工计数方法	实验室分离的Steinernema feltiae感染期幼虫的显微图像	计算机视觉	NA	显微成像	目标检测网络	显微图像	50个样本用于人工计数对比验证	NA	LightDetectorMS	mAP@0.5, mAP@0.5:0.95, 精确率, 召回率, FPS	NA
420	2026-06-07	On Demographic Group Fairness Guarantees in Deep Learning 2026-Jul, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3674484 PMID:41838507	研究论文	提出一个理论框架分析数据分布与深度学习公平性保证之间的关系，并引入一种实用的训练目标以减少群体间差距	首次建立明确考虑不同人口群体间数据分布异质性的公平性界，提出形式化分析框架最小化预期损失差异，并导出公平误差和收敛率的界，刻画分布差异对公平性与准确性权衡的影响	未提及具体局限性	分析和理解深度学习模型中不同人口群体间的数据分布差异如何影响模型公平性，并为开发更公平的算法提供理论基础	深度学习模型在不同人口群体上的公平性表现	机器学习	眼病, 胸腔积液, 皮肤病变	深度学习	神经网络	图像, 表格数据, 文本	多个数据集：FairVision（眼病检测）、CheXpert（胸腔积液检测）、HAM10000（皮肤病变分类）、FairFace（面部属性识别）、ACS Income（收入预测）、CivilComments-WILDS（有毒评论检测）	NA	NA	AUC, ES-AUC	NA