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
181	2026-10-01	BC-GTM: A Bidirectional Causal Graph Transformer Mapping for Modeling Brain Structural and Functional Connectivity 2026-Apr-17, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3685002 PMID:41996430	研究论文	提出双向因果图Transformer映射模型（BC-GTM），用于学习大脑结构连接与功能连接之间的双向映射，并揭示其有向依赖关系。	将因果启发的有向无环图学习融入图Transformer以识别有向依赖子图，并利用因果不变性原理增强映射鲁棒性与可解释性，克服了以往GNN黑箱限制。	摘要中未明确提及研究局限性。	理解大脑结构连接与功能连接之间的关系，提升结构-功能连接双向映射的准确性与可解释性。	大脑结构连接与功能连接数据。	机器学习	NA	NA	图神经网络, 图Transformer	图数据（脑连接网络）	NA	NA	双向因果图Transformer, 有向无环图学习	NA	NA
182	2026-10-01	MambaKAN: An Interpretable Framework for Alzheimer's Disease Diagnosis via Selective State Space Modeling of Dynamic Functional Connectivity 2026-Apr-17, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16040421 PMID:42041829	研究论文	提出了一种名为MambaKAN的可解释框架，结合VAE、Mamba和KAN，用于基于动态功能连接的阿尔茨海默病诊断	首次将选择性状态空间模型（Mamba）和Kolmogorov-Arnold网络（KAN）结合，实现端到端可解释的阿尔茨海默病诊断，克服了现有方法无法建模时间依赖、依赖事后解释工具以及特征学习与分类目标不匹配的局限	未明确说明	解决现有深度学习方法在基于rs-fMRI动态功能连接的阿尔茨海默病诊断中的三个根本局限：无法建模动态连接窗口间的时间依赖、依赖事后黑盒解释工具、特征学习与分类目标不匹配	阿尔茨海默病患者、轻度认知障碍患者及正常对照的rs-fMRI动态功能连接数据	医学图像分析	阿尔茨海默病	静息态功能磁共振成像（rs-fMRI）	VAE, Mamba, KAN	图像（rs-fMRI动态功能连接）	ADNI数据集（具体样本量未在摘要中说明）	未明确说明	变分自编码器（VAE）、选择性状态空间模型（Mamba）、Kolmogorov-Arnold网络（KAN）	准确率	未明确说明
183	2026-10-01	BLADE: Breast Lesion Analysis with Domain Expertise for DCE-MRI Diagnosis 2026-Apr-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3684147 PMID:41984614	研究论文	提出BLADE框架，结合深度学习和临床领域知识，用于DCE-MRI乳腺病变诊断	利用预训练的垂直基础模型（通过动量对比在210万张MRI切片上优化）作为编码器，融入多期血流动力学先验知识模拟放射科医生的诊断推理，并在训练中引入基于BI-RADS的约束以使预测符合临床标准	未在摘要中明确提及	克服当前乳腺病变诊断系统在有限数据集和领域知识整合不足方面的局限，提高DCE-MRI诊断的准确性和临床工作流程效率	乳腺病变的DCE-MRI图像	计算机视觉	乳腺癌	动态对比增强磁共振成像 (DCE-MRI)	CNN	图像	210万张MRI切片用于预训练，两个外部测试数据集（具体样本量未提及）	NA	NA	AUC	NA
184	2026-10-01	D-Flow: Multi-modality Flow Matching for D-peptide Design 2026-Apr-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3683934 PMID:41984615	研究论文	提出D-Flow，一个基于全原子流匹配的框架，用于从头设计D型肽，通过镜像图像算法和蛋白质语言模型增强，解决D型肽数据稀缺问题	1. 提出全原子流匹配框架用于D型肽设计；2. 使用镜像图像算法转换L型受体的手性以扩充训练数据；3. 通过轻量级结构适配器将结构表征注入蛋白质语言模型嵌入；4. 采用两阶段训练流程和控制工具箱实现从通用蛋白质设计到靶向结合剂设计的过渡	未明确说明	实现基于受体结合的从头D型肽设计，克服天然D型蛋白数据稀缺的限制	D型肽、受体结合位点、蛋白质结构	机器学习	NA	全原子流匹配、蛋白质语言模型、结构适配器、镜像图像算法	流匹配模型、蛋白质语言模型	蛋白质结构数据（骨架框架、侧链角度、离散氨基酸类型）	PepMerge基准数据集（具体数量未提及）	NA	全原子流匹配框架、蛋白质语言模型、轻量级结构适配器	序列一致性、亲和力分数	NA
185	2026-10-01	Synergistic Multi-Magnification Fusion Network for Tongue Image-Based Oral Cancer Diagnosis 2026-Apr-13, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3683419 PMID:41973562	研究论文	本文提出了一种基于KL散度特征约束和无参数最大特征聚合算子的协同多放大融合网络，用于基于舌图像的自动口腔癌筛查	提出了一种新型、计算高效的深度学习框架，协同整合了基于KL散度的特征约束和无参数最大特征聚合算子，有效解决了多放大融合中的特征错位、高计算成本和噪声鲁棒性差的问题	摘要中未明确提及局限性	开发一种用于口腔病变筛查的鲁棒多放大融合深度学习框架，实现自动口腔癌筛查	舌头和嘴唇图像	计算机视觉	口腔癌	深度学习	CNN	图像	三个临床多样化的多设备舌头和嘴唇图像数据集	NA	NA	NA	NA
186	2026-10-01	Benchmarking Multimodal Deep Fusion Strategies for Heterogeneous Neuroimaging and Cognitive Data Using a Controlled Sex Classification Task 2026-Apr-10, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16040405 PMID:42041813	研究论文	本文基于人类连接组计划747名健康参与者的数据，系统基准测试了多模态神经影像与认知数据融合策略及特征缩放方法在受控性别分类任务中的表现	首次在统一深度学习框架中系统且受控地基准测试多种融合策略（早期融合、注意力融合、子空间融合、图融合）与特征缩放技术（Standard、Min-Max、Robust）的交互效应，明确区分融合层级和预处理的影响	仅使用健康参与者的结构/功能神经影像与认知数据，未在临床或疾病人群中验证；性别分类为受控基准任务，可能无法推广到其他更具挑战性的预测任务	系统评估多模态神经影像与认知数据的融合策略和特征缩放技术对深度学习模型性能的影响，为神经科学中多模态模型设计提供方法学指导	人类连接组计划中747名健康参与者的多模态神经影像数据与认知数据	机器学习	NA	神经影像（结构/功能磁共振成像）与认知行为数据融合	深度学习多模态融合模型	影像和文本/表格	747名健康参与者	NA	NA	AUC-ROC	NA
187	2026-10-01	FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep State Classification 2026-Apr-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681572 PMID:41950122	研究论文	提出FetalSleepNet，首个专门用于胎儿脑电图自动睡眠分期的深度学习架构，结合光谱均衡域适应的跨发育和跨物种迁移学习框架	首个专为胎儿脑电图自动睡眠分期设计的深度学习架构；首次实现跨发育（成人到胎儿）和跨物种（人类到绵羊）的迁移学习框架；采用光谱均衡技术对齐成人人类脑电图与胎儿绵羊脑电图的频域特征	胎儿脑电图数据极其稀缺，标注数据不足；直接迁移在原始脑电图上效果极差（仅18.7%准确率）；宏观F1分数相对较低（62.5%）	解决胎儿睡眠状态分类中手动标注主观性强、劳动密集以及胎儿脑电图数据稀缺的问题，实现自动化胎儿睡眠分期	胎儿脑电图信号，成人人类脑电图和胎儿绵羊脑电图数据	机器学习	胎儿神经发育并发症（如缺氧）	脑电图（EEG）	CNN	信号	NA	NA	NA	准确率，宏观F1分数	NA
188	2026-10-01	Neural Architecture Search With Spatial-Spectral Attention for Higher-Order Nonlinear Hyperspectral Unmixing 2026-Apr-08, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3678170 PMID:41950143	研究论文	该文章提出了一种基于神经架构搜索和空间-光谱注意力的高阶非线性高光谱解混方法	首次将神经架构搜索集成到基于扩展多线性混合模型的高光谱解混中，实现了端元、丰度和转移概率参数之间复杂关系的自适应建模；设计了光谱-空间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；受稀疏编码启发，采用NAS加速策略缓解搜索时间负担；提出了结合线性重建损失和多线性重建光谱角距离的混合损失函数，以平衡线性分量的影响，提高收敛速度和端元精度	未明确提及	解决当前基于扩展多线性混合模型的深度学习高光谱解混方法依赖人工设计高效深度自编码器网络架构的问题，该过程耗时耗力且需要专业知识和设计经验，尤其当不同光谱波段表现出不同非线性强度的混合现象时，手动设计网络架构以适应所有波段极为困难	高光谱遥感图像	计算机视觉	NA	神经架构搜索，空间-光谱注意力，高光谱解混	自编码器，神经架构搜索	图像	合成数据集和真实数据集	NA	神经架构搜索	光谱角距离	NA
189	2026-10-01	Head-and-Neck Organs Segmentation in CT Based on Spatial Prior and Shape Description 2026-Apr-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3680787 PMID:41941783	研究论文	本文提出了一种结合空间分布信息和形状先验的深度学习框架，用于头颈部CT图像中的危及器官分割，特别关注小器官的精确分割	提出了空间引导网络（SG-Net）生成空间引导图来约束器官分割；设计了深度形状描述模块（DSDM）提取器官特定形状特征增强小器官特征；引入正则化项减少预测概率图的过度平滑以保留小器官形状细节	摘要中未提及	提高头颈部CT图像中危及器官（尤其是小器官）的分割精度	头颈部CT图像中的危及器官，包括大器官和小器官	医学图像分割	头颈癌	CT	深度学习	图像	摘要中未提及	NA	SG-Net、DSDM	摘要中未提及具体指标，但提到分割精度显著提升	NA
190	2026-10-01	Deep Learning-based Segmentation for Assessment of Kidney Tumour Ablation Therapy in CT Images 2026-Apr-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681192 PMID:41941787	研究论文	本文提出了一种基于深度学习的CT图像中肾脏消融区（KAZ）分割工作流，通过残差连接、多尺度融合和通道感知模块实现消融区的自动分割与治疗评估	提出了Channel-Aware-ResUNet++（CAResUNet++）模型，结合残差连接、多尺度融合和通道感知模块，并采用径向采样的2D切片预测后重建消融体积的创新流程	数据集规模较小，仅来自单一学术健康网络（加拿大伦敦），共76例患者CT图像，需要更多多中心数据验证泛化性	开发基于深度学习的自动化工作流，用于CT图像中肾脏消融区的准确分割，以评估肾脏肿瘤消融治疗的效果	76例患者的肾脏肿瘤消融术后CT图像	医学图像分割	肾细胞癌	CT成像	CNN	图像	76例患者的CT图像	NA	CAResUNet++, ResUNet++	DSC, Hausdorff距离, 平均绝对边界距离（MAD）, 平均符号边界距离（MSBD）	NA
191	2026-10-01	Organ-Aware Cross-Modality Registration Enables Attenuation Correction Without Repeated CT in Multi-Scan Total-Body PET/CT Imaging 2026-Apr-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681068 PMID:41941782	研究论文	提出一种器官感知的跨模态配准模型（OCRM），在多扫描全身PET/CT成像中无需重复CT即可实现衰减校正	引入器官感知机制，强调关键器官区域和全局身体轮廓的对齐，提高配准精度和泛化能力；OCRM可以零样本方式部署于多种多扫描PET/CT成像场景而无需重新训练	未明确提及	解决多扫描全身PET/CT成像中因患者重新定位需要重复CT扫描进行衰减校正而增加辐射暴露的问题	多扫描全身PET/CT成像数据，包括双时间点和双示踪剂协议	医学图像分析	NA	PET/CT成像	器官感知跨模态配准模型（OCRM）	图像	四种不同的多扫描PET/CT场景（包括双时间点和双示踪剂协议）	NA	NA	RMSE, PSNR, SSIM	NA
192	2026-10-01	Deep Learning Driven Evaluation of MR-guided Focused Ultrasound Ablation 2026-Apr-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3681200 PMID:41941814	研究论文	本文提出了一种深度学习框架，利用多参数MRI预测磁共振引导聚焦超声（MRgFUS）治疗乳腺癌的疗效	利用多参数MRI（包括定性T1、T2加权图像、MR温度衍生指标和定量T1、T2参数图）结合深度学习预测MRgFUS治疗疗效，并通过主成分分析增强进一步提高边界准确性	需要减少多参数MRI协议的采集时间	准确预测MRgFUS治疗乳腺癌的疗效	VX2肿瘤模型兔	医学图像分析	乳腺癌	磁共振引导聚焦超声（MRgFUS）消融	深度学习	多参数MRI图像（定性T1、T2加权图像，定量T1、T2参数图，MR温度衍生指标）	12只VX2肿瘤模型兔	NA	NA	Dice相似系数, 平均距离精度（MDA）	NA
193	2026-10-01	Accurate Segmentation of Surgical Instruments via Spectral-Attentive Contextual Interaction Network 2026-Apr-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675645 PMID:41926408	研究论文	提出一种频谱注意力上下文交互网络（SCI-Net）用于手术器械分割，以提高准确性和鲁棒性	提出全局上下文聚合模块（GCAM）、频谱增强特征模块（SFM）和尺度感知扩张模块（SDM）	未明确提及	手术器械分割	手术器械图像	计算机视觉	不适用	深度学习	卷积神经网络	图像	多个公开手术器械分割数据集	不适用	SCI-Net, GCAM, SFM, SDM	分割准确性和鲁棒性指标（如IoU、Dice）	不适用
194	2026-10-01	Quantum Convolutional Neural Networks: A Survey on Architectures, Applications, and Future Directions 2026-Apr-02, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3677762 PMID:41926404	综述	本文系统综述了量子卷积神经网络（QCNN）的架构、应用和未来方向	提供了QCNN的系统性分类和全面综述，比较了关键架构、应用和工具，并指出了开放挑战和潜在研究方向	作为综述文章，可能缺乏原创实验验证，且可能受限于当前QCNN研究的发展阶段	填补QCNN领域缺乏统一分类和全面综述的空白，为未来研究提供参考	量子卷积神经网络（QCNN）的架构、应用和工具	机器学习	NA	量子计算、深度学习	量子卷积神经网络（QCNN）	高维数据集	NA	Qiskit Machine Learning, Pennylane, TensorFlow Quantum	全量子、变分、混合、基于图的QCNN变体	NA	NA
195	2026-10-01	Clinical Potential of Artificial Bone Scintigraphy from Early-Phase Bone Scintigraphy Using Unpaired Image-to-Image Translation in Patients with Breast Cancer: A Single-Center Prospective Study 2026-Apr-02, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12040050 PMID:42042938	研究论文	该研究利用非配对图像到图像翻译方法从早期骨闪烁扫描生成人工骨闪烁扫描，以模拟延迟期骨闪烁扫描特征，并评估其在乳腺癌患者中的临床潜力	首次在乳腺癌患者中利用对比非配对翻译模型从早期骨闪烁扫描生成人工骨闪烁扫描，以模拟延迟期图像特征	人工骨闪烁扫描在定性和视觉评估方面仍劣于目标延迟期骨闪烁扫描，不支持替代延迟期扫描进行确定性诊断	研究从早期骨闪烁扫描生成人工骨闪烁扫描的临床潜力，以模拟延迟期骨闪烁扫描特征	乳腺癌患者	计算机视觉	乳腺癌	骨闪烁扫描	GAN	图像	245例乳腺癌患者（195例用于训练，50例用于测试）	NA	对比非配对翻译	定性四点评分量表, 定性五点评分量表, 定量指标, 视觉评估	NA
196	2026-10-01	A comprehensive benchmarking study on computational tools for cross-omics label transfer from single-cell RNA to ATAC data 2026-04-01, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag026 PMID:41655240	研究论文	本文对27种从单细胞RNA测序数据向单细胞ATAC测序数据迁移标签的计算工具进行了全面的基准测试	首次系统性地对27种跨组学标签迁移方法进行大规模基准测试，涵盖了多种人类和小鼠组织的数据，并评估了数据不平衡、数据二值化、半监督策略等因素对模型性能的影响	未明确提及，可能受限于所测试数据集的范围和特定组织类型	评估和比较从scRNA-seq到scATAC-seq进行标签迁移的计算工具，为未来方法开发提供建议	来自多种人类和小鼠组织的单细胞RNA和ATAC数据	单细胞组学	NA	scRNA-seq, scATAC-seq	NA	单细胞RNA和ATAC数据	来自多种人类和小鼠组织的单细胞RNA和ATAC数据	NA	NA	预测准确率	NA
197	2026-10-01	X-LAT-Net: An Interpretable Lightweight Axial Transformer Network for Pancreatic CT Segmentation 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679743 PMID:41915536	研究论文	提出了一种轻量级可解释的轴向Transformer网络X-LAT-Net，用于胰腺CT图像分割，在仅1.6M参数下实现82.34%的Dice系数	结合轴向深度可分离卷积与可解释跨尺度Transformer模块，在保持轻量化的同时实现全局上下文建模和注意力热力图可视化，增强临床可解释性	仅在NIH Pancreas-CT数据集上验证，未在多中心或更大规模数据集上评估泛化能力	解决胰腺CT分割中深层解剖位置、形态变化大、低对比度等难点，同时兼顾模型轻量化、分割精度与临床可解释性	胰腺CT图像	计算机视觉, 数字病理学	胰腺癌	CT成像	Transformer, CNN	图像	NIH Pancreas-CT数据集	NA	U-Net, Axial Depthwise Convolution, Interpretable Cross-scale Transformer (X-CATrans), Shift-enhanced MLP	Dice系数, 推理速度	NA
198	2026-10-01	Federated Learning Framework for Privacy-Preserving Explainable AI-Driven Clinical Decision-Making 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679499 PMID:41915531	研究论文	本文提出了一种联邦深度学习框架，结合视觉Transformer和自监督学习，用于隐私保护的可解释AI临床决策支持	将Vision Transformer与DINOv2自监督学习相结合，在联邦学习框架中引入FedSSL和FedProx实现个性化模型更新，采用差分隐私和椭圆曲线密码学保护隐私，并集成Grad-CAM和LIME提供可解释性	仅在三个公开医学影像数据集上进行了评估，未在真实临床环境中验证，未讨论通信开销和计算成本	解决传统集中式学习框架中患者数据隐私、数据异构性和泛化性有限等问题，实现隐私保护的AI驱动临床决策支持	胸部X光片中的结核病检测、眼底图像中的糖尿病视网膜病变、MRI扫描中的脑肿瘤分类	计算机视觉	肺癌, 糖尿病视网膜病变, 脑肿瘤	联邦学习, 自监督学习, 差分隐私, 椭圆曲线密码学	Transformer	图像	NA	NA	Vision Transformer, DINOv2	准确率, F1分数	NA
199	2026-10-01	MuGEP: Multiplex Graph-Based Brain Network Modeling for Epileptic Seizure Prediction Using Intracranial EEG 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679376 PMID:41915533	研究论文	提出基于多重图的脑网络建模框架MuGEP，利用颅内EEG预测癫痫发作	设计多重脑图表示不同频段振幅与相位关系，基于交叉频率耦合构建三个子图，并提出MBG学习网络融合子图内和子图间模式	未明确说明	实现癫痫发作的准确预测	癫痫患者的颅内EEG信号	机器学习	癫痫	颅内EEG	图卷积网络	信号	NA	NA	图卷积网络	NA	NA
200	2026-10-01	A VR-based Automated Strabismus Diagnosis System with Progressive Semi-Supervised Learning 2026-Mar-31, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3679532 PMID:41915537	研究论文	提出基于虚拟现实和渐进式半监督学习的自动化斜视诊断系统，并引入新临床数据集TongRenD	1) 在VR环境中集成五种标准化临床检查场景以确保诊断一致性；2) 提出ProgNet，一种不确定性引导的渐进式半监督分割网络，包含基于原型特征的表示模块（PFRM）以增强对视觉噪声和畸变的鲁棒性；3) 专用3D偏差估计算法实现精确的斜视分类和角度测量；4) 发布新临床数据集TongRenD	摘要中未明确提及研究局限性	开发自动化、标准化的斜视诊断系统，解决VR模拟、图像退化及偏差量化等部署挑战	斜视患者（使用TongRenD和TEyeD数据集）	计算机视觉	斜视	虚拟现实（VR）、深度学习	半监督分割网络、原型特征表示	图像	TongRenD数据集（具体样本量未提供）和TEyeD数据集	NA	ProgNet	分割准确度、与专家评估的一致性	NA