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
1	2026-10-14	Deep learning reveals persistent individual signatures in bat echolocation calls of the greater leaf-nosed bat 2026-Nov-18, Zoological research IF:4.0Q1 DOI:10.24272/j.issn.2095-8137.2025.642 PMID:42864600	研究论文	该研究利用深度学习（卷积神经网络）对大黄鼻蝠的17,584个回声定位叫声进行分析，成功实现了个体识别，并揭示了叫声中持久稳定的个体特征	首次证明深度学习可以克服传统方法（判别功能分析）的局限，在蝙蝠快速变化的回声定位叫声中揭示出此前无法检测到的、持续存在的个体身份签名	研究在受控实验室条件下进行，样本量有限（34只个体），未来需要验证在更动态的野外环境中的适用性	探索深度学习是否能够从蝙蝠回声定位叫声中识别出个体身份，即实现声学个体识别（AIID）	大黄鼻蝠（greater leaf-nosed bat）的回声定位叫声	机器学习	NA	声学记录	CNN	音频	17,584个回声定位叫声，来自34只个体（其中19只个体在三个月内被重复记录）	NA	卷积神经网络（CNN）	准确率	NA
2	2026-10-09	MRpro: Open Framework for Model-Based, Learned, and Quantitative MR Imaging-Application to Low-Field MRI 2026-Nov, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70405 PMID:42834473	研究论文	本文介绍了一个名为MRpro的开源框架，用于磁共振图像重建和定量参数估计，特别适用于低场MRI	MRpro是一个基于PyTorch的开源框架，支持现代深度学习重建，并通过ISMRMRD、DICOM和NIfTI实现标准化数据交换，提供统一的数据结构、可组合算子、可近端泛函和优化算法，包括针对低场应用开发的B0校正算子，以及数据一致性层、可微分优化层和先进骨干网络，并支持自动质量控制	未明确提及	为磁共振成像研究提供一个可重复、可维护的基础框架，特别关注低场MRI	磁共振成像数据，包括原始k空间数据、重建图像和参数图，以及低场MRI数据	医学图像处理	NA	磁共振成像，深度学习，迭代重建，定量参数估计	深度学习模型，卷积神经网络	图像，k空间数据	公共数据集和模拟数据集，以及在0.3 T、0.6 T和47 mT下获取的低场数据	PyTorch	NA	相对均方根误差	NA
3	2026-10-08	Patterns of interspecific variation in labial microarchitecture among anthropoid primates and the evolution of the hominin lips 2026-Nov, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.70103 PMID:41334680	研究论文	该研究对15种灵长类动物的唇部微结构进行组织学和形态计量学分析，揭示人类独特的唇部特征及其与言语进化的潜在关联	首次对多种灵长类动物的唇部微结构进行系统性的组织学和形态计量学研究，结合深度学习分割技术，发现人类具有独特的弯曲钩状口轮匝肌、与口轮匝肌分离的皮肤插入型直接唇部牵引系统以及高脂肪低结缔组织的组织特征	未提供直接的功能性证据来支持唇部结构与言语精确性之间的因果关系	探究灵长类动物唇部微结构的种间变异模式，并探讨人类唇部衍生特征在面部表情和言语进化中的作用	15种灵长类动物的唇部组织，包括人类、非人大型猿类、猴科、卷尾猴科和狐猴科	数字病理学	NA	组织学染色（Masson三色染色）、形态计量学分析	深度学习分割模型	图像	15种灵长类动物的矢状面唇部切片	NA	NA	NA	NA
4	2026-10-08	Deep Supervised Adversarial Robust Hashing for Retrieval 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3725315 PMID:42611668	研究论文	本文提出了一种名为DSARH的深度监督对抗鲁棒哈希框架，利用相似性矩阵和可学习的哈希码构建梯度最坏情况扰动，实现高效的对抗训练和鲁棒特征学习，用于跨模态和图像检索任务	提出端到端框架DSARH，利用相似性矩阵和可学习哈希码构建梯度最坏情况扰动，解决了检索任务中缺乏显式标签导致对抗优化困难的问题，实现了大规模检索场景下的高效对抗训练	摘要中未明确提及研究的局限性	增强深度哈希模型在检索任务中的对抗鲁棒性，实现可靠的推理	深度哈希模型、对抗攻击、跨模态检索和图像检索任务	计算机视觉	NA	NA	CNN	图像、文本	NA	NA	NA	NA	NA
5	2026-10-08	DeltaGNN: Graph Neural Network With Information Flow Control 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3725398 PMID:42611664	研究论文	本文提出了一种名为DeltaGNN的图神经网络架构，通过信息流控制机制和线性复杂度的信息流分数来同时处理长程和短程节点交互，缓解过平滑和过挤压问题	提出了信息流控制机制和线性复杂度的信息流分数，构建了首个兼具可扩展性和泛化性的DeltaGNN架构，能够有效处理具有不同同质性、密度和拓扑结构的图	未明确讨论模型在极大规模图上的实际可扩展性，也未提及信息流分数计算中是否存在超参数敏感性问题	解决图神经网络在半监督节点分类中因过平滑和过挤压导致的长程节点交互检测困难的问题	图结构数据，包括10个真实世界数据集中的图，具有不同规模、拓扑、密度和同质性比例	机器学习	NA	NA	GNN	图	10个真实世界图数据集	NA	DeltaGNN	NA	NA
6	2026-10-08	PI-H2T: Enhancing Long-Tailed Visual Recognition With Permutation-Invariant and Head-to-Tail Feature Fusion 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3711911 PMID:42424207	研究论文	提出PI-H2T方法，通过置换不变表示融合和头到尾特征融合解决长尾视觉识别中的表示空间变形和分类器偏置问题	提出置换不变表示融合（PIF）生成更聚集的特征和自动类间隔，以及头到尾融合（H2TF）从头类向尾类转移语义信息；方法即插即用，可无缝集成到现有方法中	摘要未提及	增强长尾视觉识别性能，解决数据不平衡导致的头类偏好和尾类忽略问题	长尾分布数据集上的视觉识别任务	计算机视觉	NA	NA	NA	图像	NA	NA	NA	识别准确率	NA
7	2026-10-08	Multi-Round Meta-Learning for Label Purification Without Trusted Labels 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3718926 PMID:42531113	研究论文	该论文提出了一种无需可信标签的多轮元学习框架，通过交替进行基础模型训练和元净化来迭代精炼标签质量，并引入KL散度停止准则自适应选择净化深度	提出了无干净标签的元学习标签净化框架；设计了多轮净化策略，以解耦方式交替训练和净化以保持稳定性；从随机收缩角度分析净化过程并引入KL散度停止准则；通过跨轮累积标签分布捕获不确定性	未明确讨论计算成本随轮数增加的问题；仅在CIFAR、mini-Clothing-1M及遥感数据集上验证，未涉及其他医学影像等专家标注领域；随机收缩理论分析可能依赖于特定假设	解决无需可信干净标签条件下的标签噪声问题，实现标签净化	带有噪声标签的数据集，包括CIFAR、mini-Clothing-1M以及专家标注的遥感数据集UC Merced和AID	机器学习	NA	NA	NA	图像	NA	NA	NA	标签准确率	NA
8	2026-10-08	Universal Representation for Real-World Misaligned Infrared-Visible Image Fusion 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3720312 PMID:42550754	研究论文	提出了一种通用表示和端到端框架URMIF，用于联合配准和融合未对齐的红外-可见光图像对。	将图像映射为模态不变特征和模态特定特征，提出双向耦合的配准-融合模块，引入主导平面先验作为场景级约束，并发布了大规模未对齐红外/可见光数据集。	未明确提及	解决真实世界中未对齐红外-可见光图像融合中配准误差放大和语义结构丢失的问题。	未对齐的红外-可见光图像对	计算机视觉	NA	NA	CNN	图像	1,300+对未对齐红外/可见光图像对	NA	NA	NA	NA
9	2026-10-08	FedAdOb: Privacy-Preserving Federated Deep Learning With Adaptive Obfuscation 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3715766 PMID:42555323	研究论文	本文提出了一种名为FedAdOb的自适应混淆机制，用于在联邦深度学习中保护隐私，同时保持模型性能	提出了基于护照的自适应混淆机制，能够在横向和纵向联邦学习设置中确保数据隐私，并在理论上证明了隐私保护能力	摘要中未提及	设计一种自适应混淆机制，在不牺牲模型性能的情况下保护联邦学习中的隐私	联邦学习中的隐私保护机制	机器学习	NA	联邦学习，自适应混淆，护照机制	深度学习	NA	NA	NA	NA	NA	NA
10	2026-10-08	EBV status prediction in gastric carcinoma biopsy images using multiple bag instance learning and foundation model in multicenter data 2026-11, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70105 PMID:42557819	研究论文	本文开发了一种基于深度学习的诊断流程，利用多包实例学习和病理基础模型从H&E染色的胃活检切片中预测EBV状态	结合多包实例学习框架（将空间相邻的肿瘤斑块分组以处理活检样本异质性）和病理基础模型（以最小病理学家注释区分肿瘤与正常区域）来预测EBV状态，并在多中心数据上验证	未明确提及	预测胃活检图像中的EBV状态，作为常规胃活检标本中EBER-ISH检测前的预筛查工具	胃活检病例	数字病理学	胃癌	H&E染色全切片成像	多包实例学习	图像	内部训练集744例活检病例（来自三家综合医院），外部测试集157例	NA	DSMIL-MB, TransMIL	AUC	NA
11	2026-10-08	DeepForgeSeal: Latent Space-Driven Semi-Fragile Watermarking for Deepfake Detection Using Adversarial Reinforcement Learning 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3721108 PMID:42560919	研究论文	本文提出了一种基于潜在空间和对抗强化学习的半脆弱水印框架，用于深度伪造检测。	利用高维潜在空间表示和对抗强化学习范式，开发了一种鲁棒且自适应的水印方法，能够在良性失真鲁棒性和恶意篡改敏感性之间取得平衡。	未明确讨论计算复杂度或实际部署中的实时性限制。	开发一种主动的深度伪造检测方法，通过水印技术识别高质量合成媒体。	深度伪造图像（CelebA和CelebA-HQ数据集中的面部图像）。	计算机视觉	NA	深度学习水印技术、对抗强化学习	可学习水印嵌入器、对抗攻击者代理	图像	CelebA和CelebA-HQ基准数据集（具体样本数量未在摘要中说明）	NA	NA	在CelebA上提升超过4.5%，在CelebA-HQ上提升超过5.3%（具体指标未明确，可能是准确率或检测率）	NA
12	2026-10-08	Contextrast++: Robust Multi-Scale Contextual Contrastive Learning for Semantic Segmentation 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3721845 PMID:42566371	研究论文	提出Contextrast++，一种用于语义分割的鲁棒多尺度上下文对比学习方法，通过上下文对比学习和边界感知负采样提升分割性能并缓解类别不平衡问题	1) 提出自适应融合模块动态平衡局部与全局特征整合；2) 设计像素到锚点和锚到锚损失函数，利用记忆库存储类别平衡的代表性锚点来解决长尾分布问题；3) 提出边界感知负采样策略，从误分类的边界区域选择困难负样本以细化细粒度细节	摘要中未明确提及	解决语义分割中有效捕获局部和全局上下文以及长尾分布的问题	语义分割任务中的图像数据	计算机视觉	NA	对比学习	深度学习	图像	NA	NA	NA	NA	NA
13	2026-10-08	Toward Zero-Shot Point Cloud Registration Across Diverse Scales, Scenes, and Sensor Setups 2026-Nov, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3722524 PMID:42579573	研究论文	本文提出了BUFFER-X，一个无需参数调优或目标域重新训练即可实现零样本泛化的点云配准框架，并在12个数据集上进行了全面评估。	通过几何自举自动估计超参数、分布感知最远点采样替代学习型检测器、以及块级坐标归一化确保尺度一致性，实现了跨尺度、场景和传感器设置的零样本泛化。	摘要中未明确提及研究的局限性。	解决深度学习点云配准方法在零样本泛化方面的三个关键限制：固定用户定义参数无法泛化、学习型关键点检测器跨域迁移性差、绝对坐标放大数据集间的尺度不匹配。	点云配准任务，涵盖物体尺度、室内和室外场景的数据集，包括异构LiDAR配置之间的跨传感器配准。	计算机视觉	NA	NA	NA	点云	12个数据集，涵盖物体尺度、室内和室外场景，包括异构LiDAR配置的跨传感器配准。	NA	BUFFER-X, BUFFER-X-Lite	准确率，计算时间	NA
14	2026-10-08	A Deep Learning Pipeline for Cell Segmentation and Viability Quantification in 3D Constructs From Fluorescence Microscopy Images 2026-Nov, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70170 PMID:42581766	研究论文	本文提出了一种结合深度学习和传统图像处理的混合流程，用于从荧光显微镜图像中对3D构建体进行细胞分割和活力定量	将2D细胞培养上训练的U-Net模型扩展到3D构建体的细胞分割和活力评估，通过跟踪细胞密度和活力实现自动化分析，避免了破坏性取样	模型仅在2D细胞培养上训练，扩展到3D时可能受信号衰减和离焦干扰影响，且仅以HUVEC生物打印在GelMA中作为案例研究验证	建立一种自动化工具，用于从荧光显微镜图像中对3D构建体进行细胞分割和活力评估	2D细胞培养和3D构建体中的细胞，具体为生物打印在甲基丙烯酰化明胶中的HUVEC	数字病理学	NA	荧光显微镜成像，生物打印	CNN	图像	不同接种密度的HUVEC生物打印在GelMA中的3D构建体	NA	U-Net	分割准确性，与手动计数和ImageJ结果的一致性	NA
15	2026-10-05	AI-based techniques in sperm detection 2026-Nov-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001430 PMID:42464782	综述	本文综述了人工智能（AI）在精子检测中的最新进展，重点介绍了深度学习系统在睾丸组织和精液样本中提高精子检测速度和灵敏度的应用及其临床潜力	系统总结了AI辅助精子检测的最新进展，包括增强现实平台支持胚胎学家搜索精子、AI集成微流控系统实现精子检测与分离，以及早期临床数据显示可使传统方法判定为无精子的患者实现精子回收	需要进一步验证，目前仍处于早期临床数据阶段，尚未广泛应用于临床	总结AI辅助精子检测的最新进展及其在无精症和隐匿精子症患者中的潜在临床应用	无精症和隐匿精子症男性患者的睾丸组织和精液样本	数字病理学	无精症、隐匿精子症、男性不育	深度学习图像分析、增强现实、微流控技术	深度学习	图像（显微镜图像）	NA	NA	NA	检测速度、检测灵敏度、检测率	NA
16	2026-10-05	Artificial intelligence-guided engineering of precision ocular therapeutics 2026-Nov-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001251 PMID:42687624	综述	本文综述了人工智能引导的小分子发现与基因治疗在眼科治疗领域的最新进展，重点关注生成模型与基础模型及其转化应用	揭示了人工智能从筛选工具向生成设计引擎的范式转变，涵盖强化学习与扩散模型生成新型小分子候选物、AlphaFold与共折叠模型改进靶点识别与虚拟筛选、AI引导的AAV衣壳工程提升视网膜转导效率、基于染色质可及性数据的深度学习从头设计细胞类型特异性调控元件以及AI引导的CRISPR向导RNA优化	AI提名的小分子候选物与基因治疗载体的预测结果必须经过严格的实验验证才能确认其安全性、生物学相关性与治疗有效性	综述人工智能引导的小分子发现与基因治疗在眼科治疗中的最新进展，重点聚焦生成模型与基础模型及其转化应用	眼科治疗药物（小分子候选物与基因治疗载体）	机器学习	眼科疾病	小分子发现, 基因治疗, AAV衣壳工程, CRISPR向导RNA优化, 染色质可及性测序	强化学习, 扩散模型, AlphaFold, 共折叠模型, 深度学习模型	分子结构数据, 染色质可及性数据, 基因组序列数据	NA	NA	AlphaFold, 扩散模型, 强化学习	视网膜转导效率, 临床前疗效	NA
17	2026-10-01	Deep learning for subtype classification of inner ear malformations on temporal bone HRCT: Development and multicenter validation 2026-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113059 PMID:42447770	研究论文	本文开发并外部验证了一种基于改进Transformer的多实例学习弱监督深度学习框架，用于颞骨HRCT上内耳畸形的多类别亚型分类	提出了基于改进Transformer的多实例学习弱监督框架，实现从HRCT中自动提取颞骨感兴趣区域并进行一步式多类别内耳畸形分类，并在大规模多中心队列中进行了外部验证，同时通过注意力切片排序和Grad-CAM提供可解释性输出	摘要中未明确提及研究局限性	开发并外部验证一种深度学习模型，用于颞骨HRCT上内耳畸形的多类别亚型诊断，以辅助术前风险评估和手术规划	颞骨HRCT图像中的内耳畸形，包括9,182只 ear（3,161只内耳畸形耳和6,021只正常耳）	医学图像分析	内耳畸形	颞骨高分辨率计算机断层扫描（HRCT）	Transformer	图像	9,182只耳（3,161只内耳畸形耳和6,021只正常耳），来自多中心队列	NA	基于Transformer的多实例学习架构	准确率, macro-F1分数, 多类别AUC	NA
18	2026-10-01	Multimodal deep learning model based on CT perfusion-defined infarct core for predicting parenchymal hematoma type 2 after endovascular therapy in acute ischemic stroke 2026-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113070 PMID:42468315	研究论文	开发并验证一种基于CT灌注定义梗死核心的多模态深度学习模型，用于预测急性缺血性卒中患者血管内治疗后实质血肿2型的发生	首次将CT灌注定义的梗死核心转移至平扫CT生成三维图像块，并融合影像特征、基线临床变量及双期CTA评分构建多模态融合模型，实现了对PH2的精准预测	回顾性双中心研究设计，样本量有限（487例），外部验证队列虽独立但仅来自单一中心，模型泛化能力仍需多中心大样本前瞻性验证	开发并验证基于CTP定义梗死核心的多模态深度学习模型，以预测AIS患者EVT后PH2的发生风险	前循环大血管闭塞性急性缺血性卒中并接受血管内治疗的患者	医学图像分析、深度学习	急性缺血性卒中、脑出血	CT灌注成像、平扫CT、双期CT血管造影、深度学习	3D DenseNet、逻辑回归、多模态融合模型	三维医学影像、临床变量、CTA评分	共487例患者，训练队列219例，外部验证队列268例	NA	3D DenseNet、逻辑回归	AUC、校准分析、决策曲线分析、DeLong检验、净重分类改善、综合判别改善	NA
19	2026-10-01	Integrating habitat-based radiomics, 3D deep learning, and clinical variables for detection of early-stage esophageal squamous cell carcinoma on noncontrast chest CT: A multicenter study 2026-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113106 PMID:42501614	研究论文	该研究开发并验证了一个结合基于生境亚区域放射组学、3D深度学习特征和临床变量的联合模型，用于在非增强胸部CT上检测早期食管鳞状细胞癌	整合了基于生境的亚区域放射组学、3D深度学习特征和临床变量构建联合模型，并进行了多中心验证和AI辅助读者研究	回顾性病例对照研究设计，需要前瞻性评估	开发并验证联合模型用于早期食管鳞状细胞癌的检测	早期食管鳞状细胞癌患者	医学影像分析	食管鳞状细胞癌	非增强胸部CT	3D ResNet-101	图像	469名受试者	NA	3D ResNet-101	AUC、校准曲线、决策曲线分析（DCA）	NA
20	2026-10-01	Ultrasound Microvascular Imaging Using Deep Knowledge Distillation 2026-Nov, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346261437268 PMID:42076995	研究论文	提出SONIC，一种基于知识蒸馏的实时深度学习框架，从有限的多普勒帧重建高质量血管图像，并可用于手持3D微血管成像	提出教师-学生知识蒸馏框架结合双损失策略（深度监督与知识蒸馏），在稀疏数据下实现优于SVD的微血管成像，并支持实时推理和手持3D成像	未明确讨论在极低帧数或噪声极强条件下的性能下限；3D成像仅通过堆叠2D切片实现，空间分辨率受限；未提及多中心数据集验证	解决超快多普勒成像需要长采集时间和高计算成本滤波的问题，实现从有限多普勒帧实时重建高质量血管图像	体内多普勒超声数据、微血管图像	计算机视觉	心血管疾病	超快多普勒成像	教师-学生知识蒸馏网络	图像	体内数据集，具体样本量未明确	PyTorch	教师网络（基于全长序列预训练）与学生网络（用于快速推理），具体架构未明确	分割准确率、信号保真度、推理速度	GPU硬件，具体型号未明确