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
61	2026-10-08	MIST-Net: A heterogeneous spatiotemporal network for regional ozone forecasting robust to sparse data 2026-Oct-03, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.125839 PMID:42829134	研究论文	本文提出了一种名为MIST-Net的多污染物交互时空网络，用于区域臭氧预测，能够直接从稀疏和不完整数据中学习	将单个环境因素视为独立的异质节点，采用双图架构（站内图捕获跨变量依赖，站间图捕获空间依赖），并集成双通道缺失指示机制，使模型能够直接从缺失数据和不规则数据中鲁棒学习，无需插补	未明确说明模型的可解释性深度，注意力分析仅提供探索性视角；未讨论计算复杂度和大规模部署的可行性	解决区域臭氧预测中多污染物化学相互作用复杂和监测数据稀疏的挑战，提高在传感器故障和新部署未监测站点的预测鲁棒性	洛杉矶和马德里两个城市的环境监测数据，包括多种空气污染物（如臭氧、氮氧化物等）和气象因素	机器学习	NA	NA	图神经网络	时间序列	两个数据集：洛杉矶和马德里，具体样本数量未提供	PyTorch	MIST-Net（包含双图架构和图神经网络层）	RMSE	NA
62	2026-10-08	SASG-DA: Sparse-Aware Semantic-Guided Diffusion Augmentation for Myoelectric Gesture Recognition 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3670388 PMID:41779657	研究论文	提出了一种基于扩散模型的稀疏感知语义引导数据增强方法，用于表面肌电信号手势识别，以提高生成样本的忠实性和多样性，并缓解过拟合问题	引入了语义表示引导机制以增强生成忠实性，提出了高斯建模语义采样策略以灵活生成多样样本，并进一步引入稀疏感知语义采样策略以增强目标多样性，探索未被充分表示的区域	未明确说明局限性	解决表面肌电信号手势识别中训练数据稀缺导致的过拟合和泛化能力差的问题，通过数据增强提高识别性能和泛化能力	表面肌电信号手势识别任务中的训练数据和深度学习模型	机器学习	NA	表面肌电信号采集	扩散模型	表面肌电信号	Ninapro DB2、DB4和DB7基准数据集	NA	扩散模型	识别性能、泛化能力	NA
63	2026-10-08	BWS-Net: An Optimal Deep Learning Architecture for the Anterior Bladder Wall Segmentation Using Ultrasound Imaging 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675965 PMID:41855067	研究论文	本文提出了一种用于超声图像中膀胱前壁精确分割的新型深度学习网络BWS-Net	采用蓝图可分离卷积和基于自适应注意力的跳跃连接，在减少计算量的同时提高分割性能	缺乏临床验证	精确分割膀胱前壁以用于评估膀胱顺应性	膀胱前壁超声图像	计算机视觉	膀胱疾病	超声成像	CNN	图像	来自64名患者的8592张图像	NA	编码器-解码器结构，包含蓝图可分离卷积层和自适应注意力跳跃连接	Dice分数, 灵敏度, 均方根误差	NA
64	2026-10-08	Assessing the Performance and Reliability of Deep Learning Autosegmentation in Videofluoroscopic Swallowing Studies: A Systematic Review and Meta-analysis 2026-Oct, Archives of physical medicine and rehabilitation IF:3.6Q1 DOI:10.1016/j.apmr.2026.03.016 PMID:41905601	系统综述和荟萃分析	该文章通过荟萃分析系统评估了深度学习自动分割方法在视频透视吞咽研究中的准确性和可靠性	首次通过系统综述和荟萃分析对VFSS中深度学习自动分割方法的性能进行全面定量评估，并按解剖目标进行亚组分析	研究间存在显著的异质性（I²=77%），方法学变异性大，缺乏标准化协议和多中心数据集	系统评估深度学习自动分割方法在VFSS中的准确性和可靠性	应用深度学习技术对VFSS中解剖结构（食团、颈椎、舌骨或甲状软骨-声带复合体）进行自动分割的研究	医学图像分割	吞咽障碍	深度学习自动分割	NA	视频透视吞咽研究图像	10项研究	NA	NA	Dice相似系数	NA
65	2026-10-08	Development of a Multimodal Obstructive Sleep Apnea Diagnostic Prediction Model Using Two-Dimensional Facial Images and Clinical Data 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678664 PMID:41911139	研究论文	本研究开发了一种多模态人工智能模型，结合二维面部照片、头影测量X光片和临床数据，用于提高阻塞性睡眠呼吸暂停（OSA）的筛查效果	创新性地整合了面部图像、头影测量X光片和临床数据，构建三模态AI模型，并显著优于单模态和双模态方法	样本量相对有限（710例），且未在独立外部数据集上验证	开发并验证一种基于多模态数据的人工智能模型，用于阻塞性睡眠呼吸暂停的诊断预测和筛查	接受多导睡眠监测的710例患者	医学人工智能	阻塞性睡眠呼吸暂停	深度学习，多模态数据融合	CNN，深度神经网络	图像（面部照片、头影测量X光片），临床数据（数值和问卷）	710例患者	NA	ShuffleNet-V2，深度神经网络	AUC，敏感度，特异度，准确率，F1分数	NA
66	2026-10-08	Automatic Segmentation of Placenta From MR Images Using a Novel BiGC U-Net 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678395 PMID:41911136	研究论文	本文提出了一种名为BiGC U-Net的增强型U-Net架构，用于自动分割胎盘MR图像	提出了双向门控卷积模块（BiGC）以捕获互补的空间依赖关系，引入了层次正则化机制（HRM）以增强跨层语义一致性，并设计了创新的数据增强策略来合成新图像	未明确提及	实现胎盘MR图像的准确自动分割，以支持纹理和形状分析等定量技术，从而提高胎盘植入谱系疾病（PAS）的诊断率	胎盘MR图像	计算机视觉，数字病理学	胎盘植入谱系疾病（PAS）	磁共振成像（MRI）	CNN	图像	三个胎盘MR数据集：公共数据集、谢菲尔德教学医院（STH）数据集及组合（公共+STH+增强）数据集	NA	U-Net， BiGC U-Net， Attention U-Net， ResNet， UNet++， TransUNet， nnUNet， SSM-Mamba	Dice相似系数， 95百分位Hausdorff距离，相对体积差异	NA
67	2026-10-08	Adaptive Feature Selection With Hierarchical Learning for Drug-Target Interaction Prediction 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678266 PMID:41911134	研究论文	提出ASHL-DTI框架，结合分层学习和自适应特征选择来预测药物-靶点相互作用	将分层学习与自适应Top-k特征选择机制相结合，通过捕获分子内多级关联和保留最具预测性的特征来提升特征质量和模型泛化能力	未明确说明	准确预测药物-靶点相互作用以促进药物发现和药物重定位	药物-靶点相互作用	机器学习	NA	深度学习	深度学习	分子数据	多个公开基准数据集	NA	NA	NA	NA
68	2026-10-08	Quantum Convolutional Neural Networks: A Survey on Architectures, Applications, and Future Directions 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3677762 PMID:41926404	综述	本文对量子卷积神经网络（QCNN）进行了系统全面的综述，涵盖了其架构、应用和未来方向	填补了现有研究缺乏统一分类和全面综述的空白，提供了跨关键架构、应用和工具包的比较见解，并指出了开放挑战和潜在研究领域	作为一篇综述文章，它本身不提出新的模型或算法，而是总结现有研究，因此可能受限于已有文献的范围和质量	系统回顾QCNN的架构、应用和工具包，并指出开放挑战和未来研究方向	量子卷积神经网络（QCNN）及其相关架构、应用和软件工具	机器学习	NA	NA	QCNN	NA	NA	Qiskit Machine Learning, Pennylane, TensorFlow Quantum	全量子, 变分, 混合, 基于图	NA	NA
69	2026-10-08	Neural Architecture Search With Spatial--Spectral Attention for Higher-Order Nonlinear Hyperspectral Unmixing 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3678170 PMID:41950143	研究论文	本文提出了一种基于神经架构搜索（NAS）与空谱注意力的高阶非线性高光谱解混（HU）模型，旨在自动设计高效的深度自编码器网络架构以适应不同光谱波段的非线性混合现象	首次将NAS集成到基于扩展多线性混合（EMLM）模型的高光谱解混中，实现端元、丰度和转移概率参数之间复杂关系的自适应建模；设计了空谱注意力引导的大规模搜索空间，包含多种多尺度卷积操作以适应不同波段散射程度的变化，并采用受稀疏编码启发的NAS加速策略减轻搜索时间负担；提出了结合线性重建损失与多线性重建光谱角距离（SAD）的混合损失函数，以平衡解混过程中线性分量的影响，提高收敛速度和端元精度	摘要中未明确提及研究的局限性	解决当前基于EMLM的深度学习高光谱解混方法严重依赖人工设计高效深度自编码器网络架构的问题，该过程耗时费力且需要专业知识和丰富设计经验，尤其难以应对不同光谱波段非线性强度各异的混合现象	高光谱遥感图像中的非线性混合像元	计算机视觉	NA	高光谱解混	神经架构搜索（NAS）	图像	合成数据集和真实数据集	NA	深度自编码器（AE）	光谱角距离（SAD）	NA
70	2026-10-08	Systematic Abductive Reasoning via Diverse Relation Representations in Vector-Symbolic Architecture 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3684958 PMID:42019057	研究论文	本文提出了一种在向量符号架构中具有多样化关系表示的系统性溯因推理模型，用于解决瑞文推理测验	引入了多种类型的原子高维编码以捕捉数值、周期和逻辑语义，提出了结构化高维表示，并提出了新的数值和逻辑关系函数，在统一框架中进行规则溯因和执行	未在摘要中明确说明	解决瑞文推理测验中的系统性溯因推理问题	瑞文推理测验中的矩阵问题	计算机视觉	NA	向量符号架构	NA	图像	NA	NA	NA	NA	NA
71	2026-10-08	External Validation of a Deep Learning-Based Artificial Intelligence System for Ultrasound Diagnosis of Thyroid Nodules: A Two-Center Retrospective Study 2026-Oct, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70275 PMID:42304967	研究论文	本研究旨在评估基于深度学习卷积神经网络的AI诊断系统在甲状腺结节超声诊断中的性能，并进行了两个中心的回顾性验证	构建了基于深度学习的AI诊断系统，并首次在图像模式和视频模式下进行了外部验证，比较了AI与不同经验放射科医生的诊断性能，并分析了超声特征对AI准确性的影响	回顾性研究设计，样本量相对较小，仅涉及两个中心，可能影响结果的普遍性	研究基于深度学习的AI诊断系统在甲状腺结节超声诊断中的性能	485个甲状腺结节	医学图像分析	甲状腺癌	超声成像	卷积神经网络（CNN）	图像、视频	485个甲状腺结节，来自两个三级医院	NA	CNN	敏感性、特异性、准确性、AUC	NA
72	2026-10-08	DiffShape: Decoupling Shape Priors With Conditional Diffusion for Robust Brain Extraction 2026-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3716658 PMID:42497038	研究论文	本文提出DiffShape，一种条件扩散框架，通过解耦形状先验与体素强度预测来提升脑提取的鲁棒性	将脑形状生成与直接的体素强度到标签预测解耦，使用一维极半径向量表示脑几何形状，在学习的低维形状流形上进行扩散建模，并以输入图像为条件学习噪声到形状的去噪轨迹	摘要中未提及	提升颅骨剥离模型在异构成像协议和多样化病理条件下的泛化能力，实现鲁棒的脑提取	包含健康和病理病例的神经影像数据集	计算机视觉	神经系统疾病	NA	扩散模型	图像	包含健康和病理病例的数据集，具体样本量摘要中未提及	NA	条件扩散模型	分割准确率	NA
73	2026-10-08	Deciphering lncRNA-Disease Associations Based on Multi-Representation Fusion and Boosting With Gaussian Process 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3672737 PMID:41805498	研究论文	提出基于多表示融合和高斯过程提升的深度学习框架LDA-RMGPB，用于预测lncRNA-疾病关联	首次将随机化奇异值分解、掩码图自编码器和高斯过程提升算法结合，实现LDP线性和非线性特征的有效融合与分类	未明确说明计算复杂度或可扩展性限制	提高lncRNA-疾病关联预测的准确性和鲁棒性	lncRNA-疾病对（LDPs）	机器学习	乳腺癌、前列腺癌	NA	随机化奇异值分解、掩码图自编码器、高斯过程	NA	两个LDA数据集	NA	随机化奇异值分解、掩码图自编码器、高斯过程	六种评估指标	NA
74	2026-10-08	Leads-Adaptive Fetal Electrocardiogram Extraction Using Attention-Based BiLSTM 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3672909 PMID:41805500	研究论文	本文提出了一种基于注意力机制的双向长短期记忆网络（BiLSTM）方法，用于从多导联腹壁心电图（AECG）中自适应提取胎儿心电图（fECG）	结合注意力机制和深度监督子网络，通过计算通道间注意力权重实现特征融合，有效减轻缺陷通道对提取结果的影响，实现多导联自适应提取	仅在公开数据集上进行了评估，未涉及大规模临床验证；模型计算复杂度可能较高，实时性未讨论；未与其他深度学习方法进行广泛比较	从多导联腹壁心电图信号中自适应提取胎儿心电图，以辅助临床胎儿心律评估	腹壁心电图信号（AECG）和胎儿心电图信号（fECG）	机器学习	心血管疾病	深度学习	BiLSTM	信号	NA	NA	BiLSTM, 注意力机制	NA	NA
75	2026-10-08	Hybrid Multi-View MRI Fusion for csPCa Diagnosis via Intra- and Inter-View Transformers 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3672887 PMID:41805501	研究论文	提出一种混合多视图MRI融合框架，通过视图内和视图间Transformer进行交互，用于临床显著性前列腺癌（csPCa）诊断	将多视图融合分解为多分辨率下的迭代视图内和视图间交互，利用桥接令牌降低内存并保持空间关系，共享位置嵌入增强视图间空间对应性	未明确提及	提高基于多视图MRI的临床显著性前列腺癌诊断准确性	前列腺MRI图像（轴位、矢状位、冠状位）	计算机视觉，医学图像分析	前列腺癌	多参数MRI	Transformer	图像	公共数据集（具体样本量未提及）	未提及	Vision Transformer，Swin Transformer	分类性能（具体指标未提及）	未提及
76	2026-10-08	A Knowledge-Guided Bi-Modal Network for the Classification of Anterior Chamber Angle Images 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3677046 PMID:41874984	研究论文	提出了一种知识引导的双模态网络（KGNet），用于前房角图像分类，结合文本领域知识和图像进行青光眼评估	设计了一种新策略将基于类别的知识细化为文本描述，增加了模型学习特征的多样性；采用知识引导学习，利用双模态相关性突出前房角图像中的关键临床结构；通过显式对齐视觉表示与结构化临床知识提高了可解释性	摘要中未明确提及研究局限性	自动化前房角分类以辅助青光眼诊断和治疗	前房角图像	计算机视觉	青光眼	NA	深度学习	图像, 文本	NA	NA	KGNet	NA	NA
77	2026-10-08	Waveformer: Dual-Branch Adaptive Network With Wavelet-Guided Cross-Context Decoding for Colorectal Polyp Segmentation 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678353 PMID:41894215	研究论文	提出Waveformer，一种结合CNN-Transformer双分支编码器和小波引导解码器的结直肠息肉分割网络	采用并行CNN-Transformer双分支编码器协同提取局部细节和全局特征；解码器集成基于小波的频率分解单元（WFDU）和伪装识别模块（CIM）以增强边界建模和病变辨别能力	未明确说明	提高内窥镜图像中结直肠息肉的分割精度，解决形态多变、边界模糊、低对比度以及低光照、管腔扭曲等复杂条件导致的误检和漏检问题	结直肠息肉内窥镜图像	计算机视觉	结直肠癌	NA	CNN, Transformer	图像	CVC-ClinicDB和Kvasir-SEG数据集（具体样本量未提供）	NA	CNN-Transformer双分支编码器, U-Net风格解码器	Dice相似系数	NA
78	2026-10-08	Explainable Convolutional Channel Ranking (ECCR) for EEG-Based Detection of Idiopathic Absence Seizures 2026-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3678222 PMID:41894213	研究论文	本文提出可解释卷积通道排序（ECCR）方法，通过分析CNN学习到的通道特异性特征贡献，识别与特发性失神癫痫检测相关的EEG通道	ECCR保留了通道特异性贡献模式，发现中等贡献水平的通道提供最具判别力和生理一致性的信息，而非仅关注高激活区域或跨癫痫类型和空间位置汇总贡献	摘要中未明确提及研究局限性	识别与特发性失神癫痫检测相关的诊断性EEG通道，指导紧凑可解释EEG系统的设计	特发性失神癫痫患者的EEG信号	机器学习	特发性失神癫痫	EEG	CNN, 随机森林	EEG信号	摘要中未提供具体样本数量	NA	卷积神经网络, 随机森林	准确率, 灵敏度	NA
79	2026-10-08	Monte Carlo Marginalization: A Differentiable Method to Learn High-Dimensional Distributions 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3682991 PMID:42024939	研究论文	提出了一种基于高斯混合模型和蒙特卡洛边缘化的可微分方法，用于学习高维复杂分布，无需深度神经网络即可进行图像生成。	首次提出蒙特卡洛边缘化方法解决高维KL散度计算复杂性问题，利用核密度估计保证优化过程的可微性，实现了从依赖网络近似到直接无网络分布学习的范式转变，首次在不使用深度学习网络的情况下进行图像生成。	摘要中未明确提及局限性。	学习高维空间中的难处理分布，避免传统深度学习方法对先验假设的依赖。	高维复杂分布（如MNIST和CIFAR-10图像数据的分布）。	机器学习	NA	高斯混合模型、蒙特卡洛边缘化、核密度估计、KL散度最小化	高斯混合模型	图像	MNIST和CIFAR-10数据集（具体样本量未在摘要中说明）	NA	NA	FID分数	NA
80	2026-10-08	End-to-End Image Compression With Segmentation Guided Dual Coding for Wind Turbines 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3685207 PMID:42055998	研究论文	提出了一种端到端深度学习框架，联合进行分割和双模式（有损和无损）压缩，用于风力涡轮机图像的高效编码与缺陷检测	首次将分割、有损压缩和无损压缩完全集成到一个基于学习的ROI编解码器中；通过复用背景编码比特消除了bits-back编码中的顺序依赖，实现了并行化高效双模式压缩；提出了BU-Netv2+P分割网络结合CRF正则化损失实现精确叶片定位	未明确讨论计算复杂度在实际部署中的可行性，未提及在不同风机类型或不同拍摄条件下的泛化能力	解决风力涡轮机检测中高分辨率图像传输瓶颈问题，在保持叶片区域高保真度的同时积极压缩背景，确保后续缺陷检测不受影响	风力涡轮机检测图像（叶片区域和背景区域）	计算机视觉	NA	端到端深度学习图像压缩、图像分割	CNN、自编码器	图像	大规模风力涡轮机数据集（具体数量未提及）	NA	BU-Netv2+P、基于超先验的自编码器、扩展bits-back编码器	压缩性能、压缩效率	NA