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	2026-07-15	Interpretable feature-transformer framework for cross-subject MCI detection using nonlinear dynamical and graph-theoretic EEG features 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10458-8 PMID:42428048	研究论文	提出一种可解释的特征变换框架，利用非线性动力学和图论脑电图特征进行跨被试轻度认知障碍检测	将手工设计的熵与图论特征与Transformer网络结合，并利用SHAP分析实现模型可解释性	未明确提及局限性	探索基于熵和图论的脑电图特征在区分轻度认知障碍与正常对照中的有效性	轻度认知障碍患者与健康对照者的静息态闭眼脑电图数据	机器学习	轻度认知障碍	脑电图	Transformer	信号	183名参与者（127名健康对照，56名轻度认知障碍），每人20通道脑电图数据，分割为3秒片段	NA	Transformer	准确率	NA
2	2026-07-10	Prediction of nutritional quality characteristics of faba bean based on deep learning method 2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128164 PMID:42235452	研究论文	本研究建立了一种基于近红外光谱与深度学习相结合的蚕豆营养成分快速无损检测方法	首次系统比较了多种光谱预处理与特征波长选择算法的组合策略，并验证了多层感知器在预测蚕豆多种营养成分方面优于传统机器学习方法	根据摘要未明确提及具体局限性	实现蚕豆中淀粉、蛋白质、水分和膳食纤维四种主要营养成分的快速、无损、定量检测	蚕豆样本的营养成分	机器学习	NA	近红外光谱	多层感知器	光谱数据	未明确提及样本数量	NA	多层感知器	相关系数	NA
3	2026-07-10	Infrared spectroscopy and machine learning for post-consumer plastics recycling 2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128139 PMID:42259048	研究论文	将红外光谱与机器学习结合用于消费后塑料回收分类	首次将红外光谱与先进机器学习算法（包括传统算法与卷积神经网络）集成，实现对四种常见消费后塑料的高精度自动分类，准确率达1.000	仅针对四种塑料类型（HDPE-B、HDPE-P、LDPE和PP），未涵盖更广泛的塑料种类，且依赖专用红外光谱数据库	提高消费后塑料回收中聚合物识别的准确性和可靠性，支持高质量再生聚合物的工业转型	四种消费后塑料：高密度聚乙烯（HDPE-B和HDPE-P）、低密度聚乙烯（LDPE）和聚丙烯（PP）	机器学习	NA	红外光谱	卷积神经网络（CNN）、随机森林（RF）等传统机器学习算法	光谱数据	基于原始实验测量生成的红外光谱数据库，具体样本数量未提及	Quasar平台	卷积神经网络（CNN）、随机森林（RF）	准确率	Quasar平台，具体计算资源未提及
4	2026-07-10	Deep learning of SHERLOC Raman spectra for facilitating Mars Astromaterial identification 2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128181 PMID:42263572	研究论文	首次利用深度学习模型对SHERLOC拉曼光谱进行六种矿物类别的自动识别，最佳准确率达89.3%	首次对三种机器学习和两种深度学习模型在SHERLOC拉曼光谱矿物识别任务中进行基准测试，并证明深度学习在非诊断和未标记数据上的有效性	仍依赖专家标注的光谱数据，且仅在两类矿物数据上验证，未涉及更复杂的地质材料或非平衡类别问题	探索深度学习在拉曼光谱自动识别火星天体材料中的应用潜力，辅助行星探测中的光谱解释	六种矿物类别的SHERLOC拉曼光谱数据	机器学习	NA	拉曼光谱	CNN, LSTM	光谱数据	两个探测战役（Crater Floor和Upper Fan）的专家标注光谱数据	PyTorch, TensorFlow	卷积神经网络（CNN）、长短期记忆网络（LSTM）	准确率（accuracy）、类别加权性能（类不平衡条件下）	NA
5	2026-07-10	Quantitative detection of cadmium pollution in lettuce leaves under selenium influence via fluorescence hyperspectral imaging 2026-Dec-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128214 PMID:42269347	研究论文	利用荧光高光谱成像技术，在硒影响下定量检测生菜叶片中的镉污染	提出多模态差分融合选择器（MDFS）以提取与镉相关的敏感特征，结合1D-CNN构建预测模型，有效应对硒镉交互作用下的复杂光谱关系	未提及具体限制，但可能涉及样本规模、实际田间环境验证等	探索荧光高光谱成像在硒影响下检测生菜叶片镉污染的可行性，并建立定量预测模型	生菜叶片	计算机视觉, 数字病理学	重金属污染（镉污染）	荧光高光谱成像	1D-CNN	光谱图像	NA	PyTorch, scikit-learn	VGG	相关系数（R）、均方根误差（RMSEP）、相对分析偏差（RPD）	NA
6	2026-07-07	Spatio-Temporal Attention with Spiking Neural Networks for Seizure Detection from Electroencephalogram Signals 2026-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500449 PMID:42169474	研究论文	提出一种结合注意力机制与脉冲神经网络的新型架构STASNN，用于从脑电图信号中高效检测癫痫发作	首次将空间-时间注意力机制与脉冲神经网络结合，利用二值脉冲编码实现事件驱动的高能效癫痫检测，在保持高精度的同时显著降低理论能耗	未提及	开发低能耗且高精度的自动化癫痫发作检测方法	脑电图信号中的癫痫发作事件	机器学习	癫痫	脑电图信号处理	脉冲神经网络	脑电图信号	CHB-MIT和Siena两个公开数据集	PyTorch	Spatial Attention with SNN, Temporal Attention with SNN	准确率	NA
7	2026-07-07	Isolating Eye-Movement Artifacts from EEG Signals 2026-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500437 PMID:42175605	研究论文	开发结合深度学习与生物物理建模的方法，利用眼动追踪信息分离EEG信号中的眼动伪迹	创新性地结合深度学习模型和真实头部模型模拟，利用眼动追踪信息区分神经性和非神经性眼动成分，并评估伪迹去除技术的敏感性和特异性	未明确说明局限性（可能依赖特定实验范式或数据集）	解决眼动伪迹去除中无意移除神经活动的问题，提供可靠框架用于分离EEG中的眼动相关成分	脑电图信号中的眼动伪迹及其神经相关性	机器学习	NA	EEG、眼动追踪、独立成分分析	深度学习模型	多模态开放访问数据集（EEG和眼动追踪数据）	NA	NA	深度学习模型（未指定具体架构）	敏感性、特异性	NA
8	2026-07-07	Spiking Neural Membrane Systems with Temporal Coding 2026-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500450 PMID:42175604	研究论文	提出一种基于时间编码的脉冲神经膜系统（TC-SNP），通过动态膜电位重置机制提升脉冲神经网络的时序编码能力，在图像分类任务中实现高精度与低延迟的平衡	首次在非线性脉冲神经膜系统框架中引入时间编码机制，设计动态膜电位重置方法替代传统固定重置方式，增强了神经元时序信息处理能力	未明确讨论模型在更大规模数据集或实时应用场景下的计算效率与资源消耗	构建具有时间编码能力的脉冲神经膜计算模型，提升图像分类任务的准确性与时效性	脉冲神经膜系统的动态重置机制与时间编码性能	计算机视觉	NA	时间编码、膜电位动态重置	脉冲神经网络（SNN）	图像	CIFAR-10、CIFAR-100、TinyImageNet三个基准数据集	NA	TC-SNP神经元模型	分类准确率	NA
9	2026-07-07	Automatic Seizure Detection using Hierarchical Spectral-Temporal Feature Learning with an Imbalance-Aware Transformer 2026-Dec-15, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500474 PMID:42318682	研究论文	提出一种基于分层频谱-时间特征学习和不平衡感知Transformer的癫痫发作自动检测方法	同时解决自动癫痫发作检测中特征表示全面性和类别分布不平衡两个基本挑战，通过多分支神经网络结构处理不同频谱和时间分辨率的EEG信号，并利用注意力机制和修正损失函数实现特征优化和类别不平衡处理	文中未明确提及局限性	开发一种新型深度学习架构用于脑电图信号的自动癫痫发作检测	头皮脑电图和颅内脑电图记录	机器学习	癫痫	脑电图	Transformer	脑电图信号	未明确说明样本数量	PyTorch	多分支神经网络、注意力机制	灵敏度、特异度、假阳性率	GPU
10	2026-07-07	Artificial intelligence for sexual, reproductive and maternal health in Latin America and the Caribbean: a scoping review 2026-Dec, Journal of obstetrics and gynaecology : the journal of the Institute of Obstetrics and Gynaecology IF:0.9Q4 DOI:10.1080/01443615.2026.2691044 PMID:42402197	综述	对拉丁美洲和加勒比地区人工智能在性生殖健康与孕产妇健康中的应用进行范围综述	首次系统梳理该地区AI在SRMH的应用现状，识别主题、目标人群与AI工具类型，并指出研究空白与未来需求	纳入文献多发表于2020-2023年，以探索性项目为主，实际应用与评估数据有限，且主题和人群覆盖不均	识别、映射和分析LAC地区AI在SRMH优先服务中的应用，突出研究空白与未来方向	LAC地区的SRMH服务（如产前、产后护理、生殖器官癌症等）及相关AI应用	机器学习	生殖健康与孕产妇健康	NA	机器学习、深度学习	文献数据	143篇符合纳入标准的文献	NA	NA	NA	NA
11	2026-07-07	Early detection of severe fetal growth restriction using multimodal deep learning based on ultrasound and prenatal biomarkers 2026-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2026.2688297 PMID:42403100	研究论文	开发并评估一种多模态深度学习模型，整合早孕和中孕超声图像与母体血清生物标志物，用于严重胎儿生长受限的早期预测	首次将早孕期超声图像、中孕期超声图像及母体血清生物标志物（PAPP-A、游离β-hCG）整合为多模态深度学习模型，并采用多级注意力与动态卷积模块，显著提升了严重FGR的早期预测性能	未明确说明局限性	早期预测严重胎儿生长受限，以实现更早的风险分层和临床干预	严重胎儿生长受限孕妇及其胎儿	计算机视觉, 机器学习	胎儿生长受限	超声成像, 血清标志物检测	卷积神经网络 (CNN)	图像, 数值	598例单胎妊娠（299例严重FGR，299例对照）	PyTorch（推断）	带有注意力及动态卷积模块的CNN	AUC, 准确率, F1分数, 马修斯相关系数 (MCC)	NA
12	2026-06-28	Automated Diagnosis of Breast Cancer Using Deep Learning Techniques Applied to Digital Mammography and Magnetic Resonance Images 2026-Dec-01, Topics in magnetic resonance imaging : TMRI DOI:10.1097/RMR.0000000000000323 PMID:42360310	研究论文	使用深度学习技术对数字乳房X线摄影和磁共振图像进行乳腺癌自动诊断	综合评估多种AI方法对乳腺图像进行分类（正常、良性、恶性），并应用于数字乳房X线摄影和磁共振成像两种模态	NA	评估不同人工智能方法对乳腺图像进行分类，以区分正常、良性和恶性病例	数字乳房X线摄影和磁共振成像中的乳腺图像	数字病理学	乳腺癌	数字乳房X线摄影、磁共振成像	深度学习模型	图像	NA	NA	NA	NA	NA
13	2026-06-25	Interpol review of forensic image and video analysis, 2022-2025 2026-Dec, Forensic science international. Synergy DOI:10.1016/j.fsisyn.2026.100697 PMID:42339396	综述	分析了2022年至2025年期间法医图像与视频分析领域的最新进展与挑战，涵盖核心实践、内容分析、生物特征与场景分析及标准化工作	系统梳理了深度学习范式下法医实践的变革，包括计算摄影时代PRNU源相机识别的重新评估、伪造检测与隐写术的持续对抗，以及人脸比较向概率似然比框架的转变	未提及其自身的局限性，但文中强调了技术进步与标准化之间的紧张关系	综述法医图像与视频分析领域2022年至今的关键进展与挑战，并展望未来方向	法医图像与视频分析技术，包括源相机识别、图像增强/认证、数字伪造检测、生物特征分析及场景分析	计算机视觉	NA	深度学习	NA	图像、视频	NA	NA	NA	NA	NA
14	2026-06-25	SPSGL: uncovering psychiatric network mechanisms via structural-prior guided synaptic graph learning 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00467-6 PMID:42339397	研究论文	提出了一种基于结构先验的突触图学习框架SPSGL，用于从fMRI信号中构建大脑功能连接网络，以揭示精神疾病的神经机制	提出了生物启发的门控边更新机制来捕捉连接强度的动态变化，并通过结构先验引导多头注意力关注神经生物学有意义的连接，实现了自适应多尺度脑图表示学习	NA	开发一种能够捕捉大脑动态可塑性并构建有神经生物学意义连接模式的深度学习框架，用于精神疾病的脑连接分析	fMRI信号中提取的脑功能连接网络，包括核心功能网络和全脑模式	机器学习	精神疾病	功能性磁共振成像	深度学习	fMRI信号时间序列	NA	PyTorch	多头注意力机制、门控边更新机制、正交聚类读出	精确度、AUC	NA
15	2026-06-24	Deep learning based on CD3 histological slides for prediction of colon cancer outcome: analysis of three international stage III colon cancer cohorts 2026-Dec-31, Oncoimmunology IF:6.5Q1 DOI:10.1080/2162402X.2026.2668797 PMID:42100890	研究论文	开发基于CD3组织切片的深度学习模型，用于自动分析并预测III期结肠癌患者的预后	首次利用深度学习从CD3免疫组化切片自动提取肿瘤核心和浸润边缘区域特征，实现稳健的预后分层，且不受染色和扫描变异影响	外部验证集中肿瘤核心区域的差异无统计学意义；传统CD3计数方法在不同队列中表现不一致	提高III期结肠癌预后分层的准确性和可重复性	来自三个国际队列（PETACC08、PRODIGE-13、HARMONY）的1737名III期结肠癌患者	数字病理学	结肠癌	NGS	CNN	图像	1737名III期结肠癌患者	NA	VGG19, UNI	无病生存期	NA
16	2026-06-19	Automated subcutaneous fat segmentation with a convolutional neural network in magnetic resonance guided high-intensity focused ultrasound treatment for uterine fibroids 2026-12, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group IF:3.0Q2 DOI:10.1080/02656736.2026.2634734 PMID:41755457	研究论文	开发了一种基于注意力门控U-Net卷积神经网络的自动分割算法，用于MR引导高强度聚焦超声治疗子宫肌瘤时对皮下腹部脂肪层的分割，以提升治疗安全性和效率	首次将注意力门控U-Net应用于MR-HIFU治疗中的皮下脂肪自动分割，实现了从3分钟的手动分割缩短到3秒的自动化处理	NA	实现MR引导高强度聚焦超声治疗子宫肌瘤过程中皮下脂肪层的自动分割，增强治疗安全性和效率	子宫肌瘤患者的腹部MR图像中的皮下脂肪层	计算机视觉, 数字病理学	子宫肌瘤	MR引导高强度聚焦超声	卷积神经网络	图像	62名接受MR-HIFU治疗的患者的MR图像	NA	注意力门控U-Net	Dice系数, 第95百分位数Hausdorff距离, 平均脂肪层厚度误差	NA
17	2026-06-16	A noval 4D graph temporal brain network model for EEG-based depression detection 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00463-w PMID:42294079	研究论文	提出一种新型4D图时空脑网络模型用于基于脑电图的抑郁症检测	创新点包括：构建包含线性与非线性特征的4D特征立方体、使用基于最近邻的方法识别功能相关的脑电通道空间关系、集成图卷积与门控循环单元以捕获时空特征、引入通道级最大池化模块（GTMP）保留关键通道信息	未在更大规模或临床多样化数据集上验证，准确率为83.67%可能仍有提升空间	提高基于脑电图的抑郁症检测准确率	重度抑郁症（MDD）患者和健康对照（HC）受试者的脑电图数据	机器学习	抑郁症	脑电图（EEG）	4D图时空网络（4D-GTNet）	脑电图信号数据	490个切片（232个MDD样本，248个健康对照样本）	PyTorch, TensorFlow	图卷积网络（GCN）、门控循环单元（GRU）	准确率（Accuracy）	NA
18	2026-06-14	Hypnodensity sleep metrics from fingertip photoplethysmography are better associated with daytime sleepiness and fatigue than traditional metrics from polysomnography 2026-Dec, Pulmonology IF:10.4Q1 DOI:10.1080/25310429.2026.2683326 PMID:42283077	研究论文	该研究探讨了源自指尖光电容积描记法的高频睡眠密度度量与传统多导睡眠图睡眠指标在日间嗜睡和疲劳关联性上的优劣	首次证明指尖光电容积描记法衍生的睡眠密度度量比传统人工评分的多导睡眠图指标能更好地与阻塞性睡眠呼吸暂停患者的日间嗜睡和疲劳相关	NA	评估高频睡眠密度度量在阻塞性睡眠呼吸暂停患者中与患者报告结局的相关性是否优于传统睡眠指标	阻塞性睡眠呼吸暂停患者的日间嗜睡和疲劳状态	机器学习	睡眠呼吸障碍	光电容积描记法	深度学习模型	生理信号数据	2280名患者（65%为男性，平均年龄62岁，平均呼吸暂停低通气指数23.5次/小时）	NA	NA	皮尔逊相关系数、逻辑回归显著性水平	NA
19	2026-06-14	DMRNet: a dynamic multi-scale residual network for Shamrock view and lumbar plexus segmentation 2026-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2026.2677269 PMID:42284483	研究论文	提出一种名为DMRNet的动态多尺度残差网络，用于超声图像中三叶草视图和腰丛的分割	集成了自适应多尺度扩张模块、密集注意力残差模块、注意力增强混合模块以及边界感知空间注意力机制和增强残差多头注意力机制，有效提升多尺度特征捕获和复杂上下文模式识别能力	未提及在多样化数据集或临床应用中的验证情况，可能受限于特定超声成像条件	准确分割三叶草视图超声图像中的肌肉、神经和骨骼结构，辅助腰丛神经阻滞操作	三叶草视图超声图像中的腰丛、肌肉和骨骼结构	计算机视觉, 医学图像分析	无特定疾病，应用于区域麻醉技术	超声成像	卷积神经网络	图像	NA	NA	Adaptive Multi-Scale Dilated Module, Dense Attention Residual Module, Attention-Enhanced Hybrid Module, Boundary-Aware Spatial Attention Mechanism, Enhanced Residual Multi-Head Attention Mechanism	平均交并比, 平均Dice系数	NA
20	2026-06-12	Side-level versus patient-level evaluation in four-view mammography classification: a comprehensive benchmark on the CMMD dataset 2026-Dec, Future science OA IF:2.4Q3 DOI:10.1080/20565623.2026.2681575 PMID:42274080	研究论文	在CMMD数据集上对四视图乳腺X线摄影分类进行系统评估，比较不同评估粒度和模型架构对性能的影响	首次系统量化评估粒度（侧级vs患者级）对乳腺X线摄影分类性能的影响，发现侧级AUC平均比患者级高17.5个百分点，并提出三种替代聚合方法解决标准概率平均规则导致的退化问题	研究基于单一数据集（CMMD），该队列恶性患者占比极高（96.2%），限制了模型在低患病率筛查场景的适用性，且未考虑临床实际数据分布差异	量化在统一训练条件下，评估粒度（侧级vs患者级）而非模型架构对乳腺X线摄影分类性能的实际影响	来自中国乳腺X线摄影数据库（CMMD）的706名患者，每名患者提供四个视图的乳腺X线影像	计算机视觉	乳腺癌	乳腺X线摄影	CNN, Vision Transformer	图像	706名患者，每人4个视图，共2824张乳腺X线影像	NA	ResNet-18, ResNet-50, EfficientNet-B0, DenseNet-121, ConvNeXt-Tiny, ViT-B/16	AUC, 准确率, 精确率, 召回率, F1分数, Dice系数	NA