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
721	2026-07-07	Memory-Efficient Intrinsic Gating Adaptation for Enhanced On-Device Epilepsy Diagnosis 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643602 PMID:41396749	研究论文	提出一种内存高效的内在门控适应框架（MEIGA），用于在资源受限的边缘设备上增强癫痫诊断的实时适应能力	首次将直接反馈对齐（DFA）与轻量级适配器网络结合，实现高效内存和计算开销下的癫痫诊断模型自适应，显著提升跨会话分类性能	在论文中没有明确说明局限性	解决边缘设备上基于EEG的癫痫诊断因患者生物标志物随时间变化而导致的性能下降问题	癫痫患者脑电图（EEG）数据及其跨会话的生物标志物变化	机器学习	癫痫	EEG	Vision Transformer (ViT)	EEG信号	CHB-MIT癫痫数据集和AES数据集	PyTorch	Vision Transformer	准确率	边缘设备（具体GPU未提及）
722	2026-07-07	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	提出一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准方法（DTI-RBPDV），以提高配准精度和计算速度	该方法采用双分支卷积神经网络架构并行处理分数各向异性图像和主特征向量，并在解码器层集成通道空间注意力机制以增强关键结构对齐	未提及具体限制	解决传统DTI配准方法迭代速度慢、精度低的问题	扩散张量磁共振图像中的张量数据	计算机视觉	NA	扩散张量磁共振成像	卷积神经网络	图像	NA	NA	VoxelMorph	配准精度、计算速度	NA
723	2026-07-07	Multi-Scale, Multi-Basis Wavelet Voting Network for Automatic Analysis of Fetal Heart Rate Signals 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647057 PMID:41428927	研究论文	提出一种多尺度多基小波投票网络WaveFHR-VNet，用于自动分析胎儿心率信号中的基线、加速和减速事件	首次在U-Net架构的每个编码块中嵌入离散小波变换，实现联合时频域分析；引入交互式系数选择模块学习注意力掩码以抑制噪声并增强诊断性瞬变；并行使用五种互补小波基并通过投票层融合输出，消除手动基选择	未提及对极低质量或缺失信号的鲁棒性，以及计算复杂度或实时应用的可行性	提高胎儿心率信号自动分析的准确性，克服现有深度学习模型忽略时频结构导致的加速/减速事件漏检和噪声敏感问题	胎儿心率记录中的基线、加速和减速事件	数字病理学	产科疾病	NA	CNN	一维时间序列信号	四个胎儿心率数据集（包括LCU-DB等）	PyTorch	U-Net风格的多尺度多基小波投票网络（WaveFHR-VNet）	Dice系数, 交并比, 准确率	NA
724	2026-07-07	Multi-Task Learning for OSA Detection and Sleep Staging via Multi-Scale Modeling 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647317 PMID:41433180	研究论文	提出MT-TASPPNet多任务网络，同时实现OSA事件检测与睡眠分期	首次同时处理OSA检测和睡眠分期两项任务，引入多尺度时序-频率捕捉机制和EOG引导先验机制	未明确提及局限性	开发统一的多模态多任务网络联合进行OSA检测和睡眠分期	阻塞性睡眠呼吸暂停（OSA）患者与睡眠结构分析	机器学习	睡眠呼吸障碍（阻塞性睡眠呼吸暂停）	多模态生理信号分析（EEG、ECG、气流、EOG）	多任务深度学习网络	多模态生理信号（EEG、ECG、气流、EOG）	三个大规模数据集（SHHS1、SHHS2、悉尼睡眠生物库），样本数未具体说明	NA	MT-TASPPNet（多任务三重空洞空间金字塔池化网络）	准确率（Accuracy）、宏F1分数（MF1）、Cohen's Kappa系数（K）	NA
725	2026-07-07	Re-Visible Dual-Domain Self-Supervised Deep Unfolding Network for MRI Reconstruction 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647429 PMID:41433179	研究论文	提出一种新型的重新可见双域自监督深度展开网络，用于仅利用欠采样数据进行磁共振图像重建	引入重新可见双域损失函数，利用所有欠采样k空间数据进行训练以缓解输入分布偏移；并设计基于Chambolle和Pock近邻点算法的深度展开网络，结合空间-频率特征提取块来捕捉全局与局部表示，有效融合成像物理与全面图像先验	NA	解决仅利用欠采样数据时，现有自监督方法由于进一步划分k空间数据导致的输入分布偏移以及未有效整合图像先验导致的重建性能下降问题	磁共振图像重建	计算机视觉	NA	磁共振成像	深度展开网络	k空间数据	单线圈和多线圈数据集	PyTorch	DUN-CP-PPA, SFFE	重建性能, 泛化能力	NA
726	2026-07-07	DePerio: Innovative Deep Learning-Based Framework for Periodontal Disease Diagnosis and Severity Evaluation Using Saliva Samples 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647413 PMID:41433182	研究论文	提出名为DePerio的深度学习框架，利用唾液样本中的口腔多形核中性粒细胞(oPMNs)进行牙周病诊断和严重程度评估	结合新型oPMN分离协议与深度神经网络架构，实现针对口腔特异性oPMNs的准确检测与量化，适用于牙周病的早期诊断和长期监测	研究未明确讨论模型在不同人群或更大样本量下的泛化能力，以及实际临床部署中可能存在的硬件或操作复杂度问题	开发基于深度学习的唾液样本分析方法，实现牙周病的早期检测和严重程度评估	人类唾液样本中的口腔多形核中性粒细胞(oPMNs)	计算机视觉	牙周病	唾液样本分析、oPMN分离协议	深度神经网络(DNN)	图像	111个人类唾液样本，涵盖从健康到重度牙周炎病例	NA	多种DNN架构（未明确指定具体名称）	检测误差率（<5%），分类准确率（五个口腔炎症负荷水平）	NA
727	2026-07-07	Application of Graph Neural Networks on ECG Data: A Systematic Literature Review 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651842 PMID:41525638	综述	系统综述图神经网络在心电图数据上的应用，比较不同方法并识别主要方向和研究空白	首次系统综述基于几何深度学习的心电图分析方法，聚焦图神经网络在多导联心电图中的空间建模应用，并提出未来研究方向	缺乏12导联心电图的多样化应用研究，多导联空间建模是否显著改善心律失常分类尚不明确	系统评述图神经网络在心电图数据分析中的方法优劣，识别研究前沿与空白	心电图数据，特别是多导联心电图的图神经网络分析方法	自然语言处理	心律失常	心电图	图神经网络	时间序列	NA	NA	图神经网络	NA	NA
728	2026-07-07	Deep learning and statistical methods identify novel asthma risk variants in Europeans 2026-Jul, The Journal of allergy and clinical immunology IF:11.4Q1 DOI:10.1016/j.jaci.2026.03.016 PMID:41932550	研究论文	通过深度学习和统计方法识别欧洲人群新的哮喘风险变异	结合Transformer深度学习框架和多性状分析、条件错误发现率等统计方法，发现新的候选位点并改进多基因风险预测	NA	细化欧洲裔人群的哮喘遗传景观并改进多基因风险预测	欧洲裔人群	机器学习	哮喘	全基因组关联研究(GWAS)荟萃分析、多性状分析、条件错误发现率	Transformer	遗传变异数据	121,940名病例和1,254,131名对照（全球生物库荟萃分析倡议）；36,823名病例和398,278名对照（百万退伍军人计划）	NA	Transformer	多基因风险评分（PRS）预测性能	NA
729	2026-07-07	Multi-Task Learning for Gait Phase and Gait Cycle Percentage Prediction With Wearable Sensors in Frail Older Adults 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643724 PMID:41385418	研究论文	提出一种基于可穿戴传感器的多任务学习框架，用于预测虚弱老年人的步态相位和步态周期百分比	首次结合多门混合专家架构与交叉专家注意力机制，实现步态分析中回归与分类任务的软参数共享，并通过轻量化配置大幅降低计算负担	未提及	开发轻量级多任务深度学习模型，实现基于可穿戴传感器的病理步态实时评估	虚弱老年人的步态数据	机器学习	老年疾病	可穿戴传感器	多门混合专家网络	时间序列信号	158名虚弱老年人	PyTorch	Multi-gate Mixture-of-Experts	准确率, 平均绝对误差	未提及
730	2026-07-07	Parkinson's disease classification using optimized attention-based deep learning from EEG signals with interpretable sub-band topography 2026-Jul-01, Brain informatics DOI:10.1186/s40708-026-00317-x PMID:42384288	研究论文	提出一种基于注意力机制的深度学习框架，通过最小预处理和防泄漏评估对静息态脑电图进行帕金森病分类	采用双通道空间注意力增强的ResNet-101骨干网络，结合增强自适应混合协方差矩阵适应进化策略优化超参数，并在子带拓扑分析中提供可解释的神经生理学解释	需要更大规模、异质性队列进一步验证临床泛化能力	开发并验证基于脑电图信号的帕金森病自动分类方法	帕金森病患者和健康对照组的静息态脑电图信号	机器学习	帕金森病	脑电图	CNN	信号	两个独立公共数据集：加州大学圣地亚哥分校和爱荷华大学，采用逐被试嵌套留一被试交叉验证	NA	ResNet-101	准确性	NA
731	2026-07-07	Artificial Intelligence for Discovery in Life Sciences 2026-Jul-01, Bioconjugate chemistry IF:4.0Q1 DOI:10.1021/acs.bioconjchem.6c00230 PMID:42384743	综述	调查人工智能在生命科学领域从成像到分子设计、假设生成和自主实验等广泛领域的应用进展	系统性地将AI应用从传统成像分析扩展到非成像领域，如荧光探针开发、大语言模型整合文献与生成假设、以及多智能体自主实验，强调跨领域融合带来的新发现范式	讨论了验证、可解释性、泛化性和自主性方面的挑战	综述AI在生命科学中从微观成像到宏观实验设计的变革性作用，并预测其加速生物发现的潜力	生命科学领域中的光学显微镜、冷冻电镜、扩展显微镜、蛋白质工程、实验设计、假设生成等应用场景	数字病理学	NA	NA	深度学习模型、大语言模型、多智能体系统	图像（显微图像）、文本（文献）、序列（蛋白质）	NA	NA	NA	NA	NA
732	2026-07-07	Deep Learning-Based Prediction and Regulation for Remaining Shelf Life of Blueberries 2026-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71266 PMID:42402711	研究论文	提出一种结合AHP-PCA-LSTM和GPR的闭环框架，用于蓝莓剩余货架期的预测与调控	首次将AHP-PCA-LSTM架构与高斯过程回归结合，构建动态闭环系统，实现基于温度的蓝莓剩余货架期精准预测与最优存储条件反向推导	主要数据通过插值扩充至600个样本，小样本量和插值处理可能影响模型泛化能力；实验仅在单一相对湿度条件下进行，未考虑其他环境因素	实现蓝莓剩余货架期的精准预测与基于温度的调控，以优化供应链管理并减少食品浪费	蓝莓果实的新鲜度指标（包括过氧化氢酶等品质参数）及温度存储条件	机器学习	不适用	三阶样条插值、自编码器	长短期记忆网络、高斯过程回归	数值数据	72个原始观测（6个温度×12个采样点），经插值扩充至600个样本	不适用	AHP-PCA-LSTM，高斯过程回归	误差率	不适用
733	2026-07-07	Effect of an annotation-free artificial intelligence system for simultaneous detection and diagnosis on breast ultrasonography: a multireader, multicase study across diverse healthcare professionals 2026-Jul, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.26033 PMID:42403203	研究论文	评估无需标注的深度学习AI系统在乳腺超声中辅助不同医疗专业背景读者提升检测与诊断性能的多读者、多病例研究	首次研究无标注AI系统在不同专业背景读者（放射科医师、外科医生、内科医生、放射技师）中对乳腺超声诊断的辅助效果，并全面分析了经验水平对性能变化的影响	AI辅助后内科医生和放射技师的诊断特异性显著下降，部分读者（无专科培训或经验不足的放射科医师）的敏感性和准确性提升伴随特异性降低	评估无需标注的AI系统在乳腺超声检测与诊断中对不同专业背景读者的辅助效果	1000张乳腺超声图像（500例恶性、250例良性、250例阴性）	计算机视觉	乳腺癌	NA	深度学习	图像	1000张乳腺超声图像（500恶性、250良性、250阴性），15名读者（6名放射科医师、3名外科医生、3名内科医生、3名放射技师）	NA	NA	AULROC, 敏感性, 特异性, 准确性	NA
734	2026-07-07	A new single-sagittal-plane deep learning approach for continuous bladder volume monitoring: a feasibility study 2026-Jul, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.25258 PMID:42403208	研究论文	提出一种基于单矢状切面B超图像的深度学习模型用于连续膀胱容量监测	利用单矢状面B超图像结合深度学习实现膀胱容量估计，克服了传统双平面法需同时采集横切面与矢状切面易引入配准误差和形状系数偏差的局限	单中心研究、样本量小（测试集n=53）、仅评估仰卧位、未验证临床连续监测场景的鲁棒性	开发一种基于单矢状切面超声图像的、患者特异性的膀胱容量连续监测方法	膀胱容量估计的可行性和准确性	计算机视觉	泌尿系统疾病	超声成像	卷积神经网络	B超图像	53例患者（测试集）	PyTorch，OpenCV	轻量级CNN结合自注意力机制	R²，平均绝对误差，平均绝对百分比误差，Bland-Altman分析	NA
735	2026-07-06	Full-spectrum EEM end-member unmixing with statistical validation: A deep learning framework for organic pollution source apportionment in complex watersheds 2026-Jul-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130206 PMID:42320213	研究论文	提出一种基于全光谱EEM端元解混与统计验证的深度学习框架，用于复杂流域有机污染源解析	首次将全光谱EEM图像作为源特异性端元，结合统计验证（SSIM/ANOSIM）和CNN解混架构，实现多源重叠情况下污染源的精确区分	野外应用仅验证了初步空间一致性，未充分讨论不同流域特征对框架泛化性的影响	开发一种基于深度学习的有机污染源解析方法，解决传统荧光指标方法在多源混合流域中示踪能力不足的问题	混合土地利用流域中的有机污染源样品及实地河流样品	机器学习	NA	EEM光谱成像	CNN	图像	包含8种端元类型，混合物实验涉及2-5种成分，以及实地流域样本	PyTorch	CNN解混架构	Pearson相关系数, SSIM, ANOSIM R值, PERMANOVA R值, R值, MAE	NA
736	2026-07-06	Fine-scale drivers of plateau pika burrow distribution: Integrating UAV deep learning and GAMM to reveal topography-vegetation interactions 2026-Jul-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130179 PMID:42296825	研究论文	结合无人机深度学习与广义加性混合模型，揭示高原鼠兔洞穴分布的精细尺度驱动因素	首次将无人机影像、深度学习语义分割模型（U-net）与广义加性混合模型结合，在精细尺度上解析植被-地形交互作用对鼠兔洞穴分布的影响，并发现生态阈值	NA	揭示高原鼠兔洞穴分布的精细尺度驱动因素，为高寒草地生态系统的精准监测与管理提供新范式	青藏高原高寒草甸中的高原鼠兔洞穴及其分布	计算机视觉,机器学习	NA	无人机影像，深度学习	U-net语义分割模型	图像	30米飞行高度下的无人机影像数据	NA	U-net	精确率（Precision），相关系数（R）	NA
737	2026-07-06	Beyond complex architectures: a streamlined CNN pipeline for robust Alzheimer's disease classification from brain MRI 2026-Jul-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04088-4 PMID:42400646	研究论文	采用简化卷积神经网络流水线，基于脑部MRI图像实现对阿尔茨海默病的稳健分类	提出一种精简的CNN流水线，避免复杂架构，在ADNI和OASIS数据集上取得超过99%的分类准确率	未提及模型泛化能力验证及临床实际应用中的潜在挑战	利用深度学习技术从脑部MRI图像中早期识别阿尔茨海默病	ADNI和OASIS数据集中的MRI图像	计算机视觉	阿尔茨海默病	MRI成像	卷积神经网络	图像	ADNI数据集21,324张MRI图像（7,572张MCI、5,904张健康对照、7,848张阿尔茨海默病），OASIS数据集6,400张MRI图像	NA	CNN	准确率	NA
738	2026-07-06	Deep learning for contrast-enhanced MRI in pediatric brain imaging 2026-Jul-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04073-x PMID:42400647	研究论文	测试一个基于深度学习的对比增强算法在儿科脑MRI中的跨人群泛化能力	首次验证仅用成人数据训练的深度学习算法在儿科患者（包括0-2岁婴幼儿）中的有效性，展示了跨人群应用的潜力	数据集为单中心回顾性研究且样本量较小（仅22例），可能影响结果的普适性	评估深度学习对比增强算法在儿科脑肿瘤MRI中的跨人群表现	儿科脑肿瘤患者（0-17岁）的MRI图像	机器学习	脑肿瘤	MRI	CNN	图像	22例儿科患者（0-17岁）	NA	深度学习对比增强算法	对比噪声比, 对比增强百分比, 病灶背景比, SSIM, log-Jacobian范围	NA
739	2026-07-06	Decoding seasonal urban heat dynamics at neighborhood-scale using explainable deep learning for climate-resilient, digital twin-ready green planning 2026-Jul-04, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181973 PMID:42401150	研究论文	利用可解释深度学习解码街区尺度城市季节性热动态，为气候适应型和数字孪生就绪的绿色规划提供依据	结合无监督聚类与可解释CNN模型，在街区尺度（200米分辨率）分析城市地表温度的季节性驱动因素，并构建迈向城市气候数字孪生的建模框架	未明确说明数据局限性或模型泛化能力限制	理解城市地表温度的时空动态，为气候适应的绿色规划提供基于可解释深度学习的分析方法	意大利博洛尼亚城市的街区尺度地表温度及其与城市形态、社会经济变量的关系	机器学习	NA	卫星遥感、K均值聚类、可解释深度学习	CNN（卷积神经网络）、支持向量机、随机森林、XGBoost	图像（卫星地表温度）、数值型（城市形态、社会经济变量）	200米网格分辨率下的博洛尼亚城市区域数据	NA	CNN	模型性能通过配对统计检验评估，未明确具体指标	NA
740	2026-07-06	Pupil-DLC: an open-source deep learning pipeline for scalable, marker-less tracking of pupil dynamics across conscious and unconscious states 2026-Jul-04, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110848 PMID:42401399	研究论文	提出了Pupil-DLC，一个基于DeepLabCut的开源深度学习流水线，用于可扩展的无标记瞳孔追踪，主要针对小鼠设计，并能在清醒和药物诱导状态下准确追踪瞳孔动态	采用双模型架构（通用模型和个体模型），在21750张手动标注帧上训练，最大化瞳孔大小变异性以实现模型泛化，且无需重训练即可扩展到人类视频数据	仅针对头固定小鼠设计，未提及在自由活动小鼠中的验证效果；数据集依赖手动标注，可能引入标注偏差	开发一种可扩展、鲁棒性强的瞳孔追踪工具，用于量化清醒和无意识状态下的脑状态动态	小鼠（头固定状态）和人类受试者（多种条件下的视频）	计算机视觉	NA	DeepLabCut深度学习流水线	卷积神经网络（基于DeepLabCut）	视频图像	超过140段视频，包含21750张手动标注帧	DeepLabCut, TensorFlow或PyTorch（基于DeepLabCut依赖）	通用模型和个体模型（基于ResNet的DeepLabCut架构）	准确性、帧保留率、计算效率	NA