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
321	2026-09-04	NPSVC++: A Representation Learning Framework for Nonparallel Classifiers 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3661343 PMID:41758861	研究论文	提出NPSVC++框架，通过多目标优化实现非平行支持向量分类器及其特征的联合学习	首次将多目标优化用于非平行支持向量分类器的表示学习，通过Pareto最优性保证特征最优性和类间独立性	未在标题和摘要中明确提及限制	打破非平行支持向量分类器无法通过表示学习（尤其深度学习）提升性能的瓶颈	非平行支持向量分类器及其特征学习问题	机器学习	NA	多目标优化，对偶优化	非平行支持向量分类器	NA	NA	NA	K-NPSVC++和D-NPSVC++	未在摘要中明确提及，但实验对比了现有方法	NA
322	2026-09-04	Applications of artificial intelligence algorithms in ultrasound-based kidney stone detection, classification, prediction, and management: a systematic review 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05419-y PMID:41801379	系统综述	本文系统综述了人工智能和深度学习算法在基于超声的肾结石检测、分类、并发症预测和手术指导中的应用。	系统分层评估AI/DL算法在不同任务（检测、预测、指导）中的性能，并整合QUADAS-2及AI扩展工具进行质量评估	研究存在方法学异质性和证据确定性低（GRADE评级），限制了荟萃分析的可行性	系统回顾并综合AI和深度学习算法在超声肾结石诊断和管理中的应用证据	超声图像中的肾结石，包括检测、分类、并发症预测和手术指导	医学影像分析	肾结石	超声成像	CNN变体、机器学习集成模型	超声图像和临床数据	9项研究	NA	CNN	准确率、AUC	NA
323	2026-09-04	A Deep Learning Approach for Dynamic Modeling of Stimulated Raman Scattering in Chalcogenide Microstructured Optical Fibers 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670396 PMID:41818024	research paper	提出一种基于混合神经网络的深度学习框架，用于快速准确预测硫系微结构光纤中的受激拉曼散射行为，相比传统方法显著提升计算速度。	首次成功在2微米直接泵浦的悬浮芯AsS微结构光纤中产生中红外受激拉曼散射，并利用混合神经网络实现动态建模，大幅加快预测速度。	未提及	开发一种快速且精确的深度学习模型，用于模拟非线性脉冲传播中的受激拉曼散射，替代计算代价高的传统方法。	硫系微结构光纤中的受激拉曼散射过程	机器学习	NA	NA	混合神经网络	模拟数据和实验数据	未明确报告；可能基于特定的光纤配置和多种输入参数	NA	混合神经网络（具体架构未指定）	与SSFM相比在GPU上快了116倍，在CPU上快了44倍；未明确给出精度指标	GPU和CPU环境对比
324	2026-09-04	Toward Robust End-to-End Delay Prediction: A GNN Approach With Routing-Aware Attention and Masked Subgraph Sampling 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3670186 PMID:41886318	研究论文	提出一种基于图神经网络（GNN）的稳健端到端时延预测模型，通过全局路由表示、路由感知注意力和掩码子图采样，克服现有深度学习模型对路由序列编码的依赖，提升泛化能力	引入全局拓扑-路由统一表示、路由感知注意力机制以及掩码子图采样策略，无需路由序列即可推断全局路由相关性，增强对未知路由方案的泛化能力	未来仍需在更复杂和动态的路由场景中进一步验证模型	实现稳健的端到端时延预测，以支持智能网络管理	网络拓扑中的端到端时延预测，涉及多种路由配置	机器学习	NA	NA	图神经网络（GNN）	网络拓扑数据、路由数据	四个公开数据集（TnCwD, NSFNET, GBN, GEANT2）	NA	GNN	预测准确度	NA
325	2026-09-04	Semantic Prompt and Graph-Convolution-Structure Distillation Framework for Semantic Segmentation of Remote Sensing Images 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3675381 PMID:41911145	研究论文	提出一种语义提示与图卷积结构蒸馏框架，用于遥感图像语义分割，通过多模态特征增强和双路径知识蒸馏实现高效性能	设计双路径知识蒸馏方案，包括基于图卷积的结构蒸馏和无需外部文本监督的语义提示蒸馏，并引入两个轻量模块以融合去噪nDSM和RGB特征	本文摘要未明确提及局限性	解决高分辨率遥感语义分割中模态异质性、细粒度物体结构和深度学习高计算成本的问题	Vaihingen和Potsdam遥感数据集	计算机视觉	不适用	数字表面模型（nDSM）	知识蒸馏、图卷积网络、轻量级架构	图像	Vaihingen和Potsdam数据集	PyTorch（推断）	SPGSNet-S*（包含ASFE和RGB表示模块、双蒸馏模块）	竞争性性能（具体指标未在摘要中列出，如准确率和FLOPs）	未明确提及，但参数8.89M，FLOPs 2.29G，推断对资源需求低
326	2026-09-04	Keros-Net: a convolutional block attention module-squeeze-and-excitation-integrated hybrid learning framework for olfactory fossa depth classification 2026-09-01, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2026.263749 PMID:41848096	研究论文	本研究开发了一种结合深度学习和机器学习的新型混合决策框架（Keros-Net），用于根据Keros分类自动分类副鼻窦CT图像上的嗅窝深度	创新性地将CBAM和SE注意力机制与DenseNet架构集成，并结合多种特征选择技术和经典机器学习分类器，构建了比纯深度学习模型更准确的混合分类框架	未在摘要中提及	开发自动分类嗅窝深度的混合决策支持框架，以提高准确性、减少观察者变异性并支持更安全的内窥镜鼻窦手术	481名个体的1,549个裁剪冠状位CT切片，根据Keros分型标记为I-III型	medical image analysis	NA	CT成像	CNN, SVM, 随机森林, XGBoost, 逻辑回归, 朴素贝叶斯	图像	481名个体（1,549个裁剪冠状位CT切片）	NA	DenseNet121, DenseNet169, DenseNet201	准确率, 精确率, 召回率, F1分数	NA
327	2026-09-04	Seeing What Few-Shot Learners See: Contrastive Cross-Class Attribution for Explainability 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3672242 PMID:41860917	研究论文	本文提出对比跨类归因方法（C3A）及其变体C3A-E，以增强小样本学习模型的可解释性，并在多个基准上展示了优于现有方法的性能。	提出分类器无关的C3A方法，利用骨干网络实现跨不同FSL范式的广泛适用性；引入对比局部描述符，结合NBNN和Fisher评分归因以保留细节并增强类别间判别。	文中未明确提及局限性。	提升小样本学习模型的可解释性，使其在数据受限领域（如医疗）中更可信。	小样本学习模型及其在查询样本和情景学习中的预测解释。	机器学习	不适用	对比学习、归因方法	小样本学习模型（卷积网络和视觉Transformer）	图像数据（四个FSL基准数据集隐含）	四个FSL基准数据集，具体样本数量未详述	未在摘要中明确提及，代码在GitHub上公开	Conv64F, ResNet12, ResNet18, ViT	插入区域曲线下面积（iAUC），删除区域曲线上面面积（dAAC）	未在摘要中提及
328	2026-09-04	Hybrid Convolution Reparameterization for Efficient Deep Learning-Based Nonprecipitation Echo Recognition and Removal 2026-Sep, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3675666 PMID:41945840	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
329	2026-08-31	Deep learning-based motion correction: cardiac motion artifact and image quality improvements on chest CT 2026-Sep, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-01986-8 PMID:42156667	研究论文	本文评估了基于深度学习的运动校正算法CLEAR Motion在胸部CT中减少心脏运动伪影和改善图像质量的效果。	首次临床评估CLEAR Motion算法在胸部CT中的应用，该算法通过深度学习显著减少心脏运动伪影并改善图像质量。	研究样本量较小（56例），且仅限于非心电图门控的胸部CT扫描。	确定CLEAR Motion算法在胸部CT肺窗设置中改善图像质量的效用。	56例患有各种胸部疾病的患者，接受非心电图门控的胸部螺旋CT检查。	医学影像	胸部疾病	CT成像	深度学习模型	图像（CT图像）	56例患者	NA	NA	定性指标，包括心肺部边缘距离（CPED）、斜率（CPES）、总体图像质量、心脏运动伪影、区域可见性。	NA
330	2026-08-31	Performance of Deep Learning Reconstruction for Detection of Early Ischemic Changes in NCCT: Comparison with ASIR-V in Acute Stroke 2026-Sep, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-026-01645-5 PMID:41954793	研究论文	本研究评估了深度学习重建（DLIR）与自适应统计迭代重建-Veo（ASIR-V）在非对比CT（NCCT）中检测急性卒中早期缺血性变化的性能，包括图像质量和诊断准确性。	首次比较DLIR与ASIR-V在急性卒中NCCT中检测早期缺血性变化的效果，并探讨其对ASPECT评分的影响。	样本量有限，且为回顾性研究，可能限制统计效能；主观评估可能受读者经验影响。	评估DLIR对急性卒中患者NCCT图像质量和早期缺血性变化检测能力的影响，并与ASIR-V进行比较。	急性卒中疑似患者，症状发作后6小时内接受NCCT检查的图像。	计算机视觉、医学影像	急性卒中	非对比计算机断层扫描（NCCT）	深度学习重建（DLIR）模型	医学图像（NCCT）	未具体说明，但为连续患者，具体数量在摘要中未提供	NA	深度学习重建（DLIR）架构，具体未指定	准确性、敏感性、特异性	未具体说明
331	2026-08-31	Automated Deep Learning-Based Demyelination Load Segmentation in Metachromatic Leukodystrophy 2026-Sep, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-026-01652-6 PMID:42012644	研究论文	本研究开发并验证了一种基于深度学习的自动化分割方法，用于异染性白质营养不良症中脱髓鞘白质的定量分析	首次将自配置卷积神经网络应用于MLD脱髓鞘负荷的自动化分割，并证明其优于传统半自动方法	研究依赖于特定MRI序列，且样本量相对较小	开发并验证用于MLD脱髓鞘白质自动分割的深度学习方法，并评估其与传统半自动方法的性能差异	35名MLD患者的189个3D T1和轴位T2加权扫描，以及49名患者的130个独立测试扫描	机器学习	异染性白质营养不良症	MRI成像	CNN	医学影像	训练集：189个扫描（35名患者）；测试集：130个扫描（49名患者）	NA	nnU-Net	Dice系数，Bland-Altman偏差，Spearman相关系数	NA
332	2026-08-30	A Deep Learning Model for Heart Sound Classification Fusing Time-Frequency Features 2026-Sep, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642718 PMID:41370147	研究论文	提出了一种融合时频特征的双分支深度学习模型，用于心音信号的自动分类，以提高心血管疾病的早期诊断准确性	创新性地设计了双向交叉注意力融合模块，实现时域和频域特征之间的深度交互与相互增强，并采用迁移学习策略提升模型在小规模或挑战性数据集上的鲁棒性	未明确提及	开发一种能有效整合时域和频域特征的端到端双分支深度学习模型，以提升心音分类的准确性和鲁棒性，支持心血管疾病的辅助诊断	心音（PCG）信号	机器学习, 数字信号处理	心血管疾病	NA	CNN, Transformer, ResNet	心音信号（时间序列数据）和梅尔频谱图（图像数据）	多个公共数据集，包括2016年PhysioNet Challenge数据集	NA	一维CNN, Transformer块, ResNet, 双向交叉注意力融合模块	准确率, F1分数	NA
333	2026-08-30	Real-Time Instantaneous Phase Estimation Using a Deep Dual-Branch Complex Neural Network 2026-Sep, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3647598 PMID:41433160	研究论文	本文提出了一种基于双分支复数神经网络的深度学习方法，用于实时估计神经振荡的瞬时相位。	提出了一种类似复数小波变换的双分支网络结构，结合离散余弦变换层提取实部和虚部信号表示，设计目标为在边缘设备上部署，以实时估计瞬时相位，并显著提高精度。	未提及具体限制，但可能需要进一步验证在真实神经信号和硬件部署中的泛化能力。	开发一种适用于便携式边缘设备（如FPGA）的深度学习算法，用于实时瞬时相位估计，以支持脑-机接口和神经调控系统。	神经振荡信号的瞬时相位，用于脑-机接口和神经调控应用。	机器学习	NA	NA	深度神经网络	神经信号（时间序列数据）	NA	NA	双分支复数神经网络	相位估计准确率	便携式边缘设备（如FPGA）
334	2026-08-30	Deep integration of clinical metadata with [18F]FDG PET/CT imaging for histological subtyping in non-small cell lung cancer: a multi-center study 2026-Sep, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-08010-1 PMID:42310216	研究论文	开发并验证了一个多模态深度学习框架，将临床元数据与[18F]FDG PET/CT成像整合，用于非小细胞肺癌的组织学亚型分类	采用3D Transformer进行肿瘤定位，并通过特征级线性调制（FiLM）动态将临床元数据注入视觉主干，实现了早期临床-生物学融合策略，缓解了单一模态成像在重叠代谢表型中的诊断局限性	在外部测试集上，多模态模型与临床仅模型和图像仅模型之间的AUC差异未达到统计学显著性，且内部测试集上的差异也未显著	通过整合临床元数据和[18F]FDG PET/CT成像，提高非小细胞肺癌组织学亚型（腺癌与鳞状细胞癌）分类的准确性，并提供非侵入性决策支持工具	非小细胞肺癌患者，包括来自多中心的780例手术队列（675例开发集和105例外部测试集）	医学影像分析、深度学习	非小细胞肺癌	[18F]FDG PET/CT成像	多任务深度学习网络（包含3D Transformer和FiLM机制）	医学影像（PET/CT）和临床元数据	780例非小细胞肺癌患者（675例开发集，105例外部测试集）	未明确指定，但可能使用PyTorch（基于深度学习开发）	3D Transformer、多任务网络（含FiLM机制）	AUC、F1分数、决策曲线分析（净临床效益）	未在摘要中提及
335	2026-08-30	Automated dairy cattle body condition score using side-view images and deep learning 2026-Sep, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27759 PMID:42217776	研究论文	开发并验证了一种基于侧视图图像和深度学习的全自动奶牛体况评分系统	提出了一种全自动回归式体况评分系统，结合YOLOv11目标检测和ConvNeXt-Tiny回归模型，利用可解释人工智能验证模型关注关键解剖区域	极端体况评分案例在大型养殖场中罕见，未来需扩大数据集并进行跨农场外部验证	实现奶牛体况评分的自动化，以支持精准奶牛养殖和动物福利改善	商业牛群中的211头荷斯坦奶牛	计算机视觉	奶牛代谢疾病（如酮病）	侧视图图像拍摄	YOLOv11（目标检测）和ConvNeXt-Tiny（回归模型）	图像	3208张侧视图图像，来自211头荷斯坦奶牛	PyTorch	YOLOv11, ConvNeXt-Tiny	平均精度均值（mAP）、平均绝对误差（MAE）、皮尔逊相关系数	未提及具体GPU型号，但支持边缘部署
336	2026-08-30	Individual identification of dairy cows with occluded camera views using open-set contrastive learning model 2026-Sep, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-28109 PMID:42264349	研究论文	本研究利用计算机视觉技术，结合YOLOv8检测和对比学习模型，在部分遮挡、光照变化和姿态多样等挑战性条件下，对散栏牛舍中的奶牛进行个体识别。	采用开放集对比学习模型，能够在训练时未见过的奶牛面前识别为“未知”，增强模型在动态牛群组成环境中的泛化能力。	对比学习模型在封闭集场景下的平均性能低于Xception模型，且开放集设置可能牺牲部分精度。	实现奶牛在自由散栏牛舍中的个体识别，以替代传统识别方法，提高效率并减少人工错误。	49头奶牛，每头每天采集500张图像，共4天。	计算机视觉	NA	NA	CNN (Xception), Siamese网络（对比学习）	图像	49头奶牛，每头每天500张图像，共4天	NA	YOLOv8（检测），Xception，Siamese架构（对比学习）	精确率，召回率，F1分数，准确率	NA
337	2026-08-29	Epileptic seizure detection in EEG signals using deep learning: LSTM and bidirectional LSTM 2026-Sep, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2490136 PMID:40255197	研究论文	本文提出了一种基于离散小波变换和深度学习（LSTM与BiLSTM）的自动检测脑电图癫痫发作的方法，并实现了100%的分类准确率	创新性地将LSTM和BiLSTM网络各一层串联组合成混合模型，用于脑电信号癫痫检测，相比其他方法性能更优	未提及具体局限性	开发一种自动检测脑电图癫痫发作的高效方法	脑电图（EEG）信号	深度学习	癫痫	离散小波变换（DWT）	LSTM, BiLSTM	脑电图（EEG）信号	未提及具体样本数量	NA	LSTM, BiLSTM	准确率	NA
338	2026-08-28	Deep learning-based prediction of interfractional anatomic variations in prostate cancer radiotherapy 2026-Sep, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-026-02509-0 PMID:41701313	研究论文	开发了一种基于深度学习的三维U-Net模型，用于预测前列腺癌放疗中的分次间解剖变化，特别是通过膀胱体积和分次号生成合成MVCT图像	首次利用膀胱体积和分次号作为条件输入，结合3D U-Net生成合成MVCT图像，实现患者特异性解剖预测，无需额外影像采集	研究为回顾性设计，样本量有限，且仅基于特定治疗系统（Radixact X9）的数据，泛化性有待验证	利用深度学习预测前列腺癌放疗中每日解剖变化，以提高剂量投递的准确性	前列腺癌患者的分次间解剖变化，特别是膀胱体积和前列腺位移	医学影像分析, 深度学习	前列腺癌	MVCT成像, KVCT成像	3D U-Net	医学影像（MVCT和KVCT扫描）	700个MVCT扫描（训练），84个MVCT用于评估	未明确提及，可能在PyTorch或TensorFlow中实现	3D U-Net	SSIM, NCC, Dice系数, MAE, MSE, MSD	未明确提及GPU类型或云平台
339	2026-08-28	Automated acquisition of explainable knowledge from unannotated colposcopic images for predicting the natural course of CIN2 2026-Sep, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70976 PMID:41884887	研究论文	本研究利用阴道镜图像开发基于深度学习的预后模型，预测CIN2的自然转归（消退、持续和进展），并提供临床风险分层	首次使用未标注的阴道镜图像通过自动特征提取和聚类分析，构建机器学习模型预测CIN2结局，并利用SHAP分析提供可解释的预后特征	样本量较小（212例），且为回顾性研究，可能限制模型的泛化性；未提供外部验证	开发基于阴道镜图像的深度学习预后模型，准确预测CIN2结局（消退、持续和进展），辅助个体化管理并避免过度治疗	212例诊断为CIN2患者的阴道镜图像，包括未染色、醋酸染色和卢戈氏碘染色图像	数字病理学	宫颈上皮内瘤变（CIN2）	阴道镜检查	机器学习模型（逻辑回归、XGBoost、随机森林和极度随机树）	图像	212例患者的阴道镜图像	NA	逻辑回归、XGBoost、随机森林、极度随机树	宏平均AUC、准确率、敏感性、混淆矩阵、ROC曲线、精确率-召回率曲线、决策曲线分析	NA
340	2026-08-28	Development and validation of a deep learning radiomics model for predicting adjacent segment degeneration following anterior cervical discectomy and fusion 2026-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-09939-5 PMID:41984178	研究论文	本研究旨在开发和验证一个基于深度学习影像组学模型，用于预测前路颈椎间盘切除融合术后相邻节段退变	首次将影像组学应用于ACDF术后ASDeg的筛查，结合临床和影像组学特征构建预测模型	需要多中心外部验证，研究为回顾性单中心设计	开发和验证一个整合影像组学特征和临床风险因素的预测模型，以实现对ACDF术后ASDeg的准确筛查	接受ACDF手术的颈椎病患者，包括90名ASDeg患者和104名非ASDeg患者	机器学习, 医学影像	颈椎病, 相邻节段退变	MRI T2加权成像	LASSO回归, 机器学习	MRI图像, 临床数据	194名患者（90名ASDeg，104名非ASDeg）	NA	NA	AUC, 校准曲线	NA