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
2021	2026-08-16	Automatic annotation to train ROI detection algorithm for premature infant respiration monitoring in NICU 2026-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03596-y PMID:42340562	研究论文	提出一种基于运动周期性的自动标注方法，用于生成新生儿呼吸监测中的感兴趣区域掩膜，并验证其可用于训练深度学习分割模型	提出无需人工标注的自动数据集生成方法，利用运动周期性自动生成新生儿腹部或胸部区域的呼吸相关掩膜，并证明其可直接用于训练常见分割架构	未提及具体限制，但自动生成掩膜与临床真实标注的重叠度（平均IoU=0.580，Dice=0.735）仍有提升空间	实现新生儿呼吸监测中感兴趣区域检测算法的自动标注，避免耗时费力的人工数据收集和标注	新生儿腹部或胸部区域的呼吸相关区域掩膜	计算机视觉	新生儿疾病	NA	深度学习分割模型（如常见分割架构，具体类型未提及）	图像（视频帧）	未明确提及样本数量，但涉及新生儿呼吸监测数据	NA	常见分割架构（如U-Net等，具体未指明）	定位一致性（[公式]）、平均IoU、Dice系数	NA
2022	2026-08-16	Effect of Signal-Strength Filtering on 3D Convolutional Neural Network-Based Visual Field Estimation From Macular OCT 2026-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.7.17 PMID:42439429	研究论文	本研究旨在确定在训练深度学习模型时，排除低信号强度的光学相干断层扫描（OCT）图像是否有助于提高从黄斑OCT体积中估计视野（VF）的准确性。	首次系统评估了在不同信号强度指数（SSI）下训练数据筛选对基于三维卷积神经网络（3DCNN）的视野估计性能的影响，并发现包含全范围SSI的训练策略能提高低SSI测试样本的估计准确性。	未明确提及局限性，但可能包括数据来源特定（NIDEK OCT）、回顾性设计以及仅在特定框架（EfficientNet 3D）下验证。	确定信号强度过滤对基于三维卷积神经网络从黄斑OCT估计视野的影响，以优化训练数据选择策略。	从五家机构收集的79,803对OCT和视野检查数据，来自8,511名患者。	计算机视觉	眼科疾病	OCT成像	三维卷积神经网络（3DCNN）	图像	79,803对OCT和视野检查数据，来自8,511名患者	NA	EfficientNet 3D	平均绝对误差（MAE）、绝对MD误差	NA
2023	2026-08-16	Precision medicine's inevitable trajectory toward rare-disease-sized cohorts: implications for machine learning and deep learning 2026-Jul, The Lancet. Digital health DOI:10.1016/j.landig.2026.101000 PMID:42297703	观点文章	本文探讨了精准医疗向罕见病规模队列发展的趋势及其对机器学习和深度学习带来的挑战，并提出了应对策略。	首次从罕见病研究视角系统分析精准医疗中罕见病规模队列对现有算法和基础设施的冲击，并提出综合路线图。	作为观点文章，未提供实证数据或具体算法解决方案，主要基于理论分析和经验总结。	分析精准医疗中罕见病规模队列带来的挑战，并提出应对这些挑战的方法和系统变革建议。	精准医疗中的罕见病规模队列，以及相关的机器学习和深度学习模型。	机器学习	罕见病	NA	NA	文本	NA	NA	NA	NA	NA
2024	2026-08-16	Tri-MCA fusion: cross-modal attention and dynamic gating for multimodal sentiment analysis 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56224-y PMID:42230901	研究论文	本文提出一种用于多模态情感分析的三模态交叉注意力与自适应门控融合架构，在多个基准数据集上提升了情感预测性能	提出三模态交叉注意力模块和自适应门控机制，以更好地捕捉文本、音频和视觉模态间的复杂交互，并处理模态不平衡和噪声信号	摘要中未提及局限性	改进多模态情感分析中异质模态交互建模，提升情感预测性能	文本、音频和视觉三种模态数据	自然语言处理、多模态学习	NA	交叉注意力机制、门控机制	交叉注意力网络	文本、音频、视觉信号	三个基准数据集：CMU-MOSI、CMU-MOSEI 和 SIMS	NA	三模态交叉注意力模块、自适应门控机制	准确率、F1分数	NA
2025	2026-08-16	Semi-automated detection of cleaning interactions using supervised machine learning 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56200-6 PMID:42230992	研究论文	本研究开发了一种半自动化系统，利用基于深度学习的DeepLabCut进行无标记姿态估计，以跟踪并分类清洁鱼与客户鱼之间的清洁互动行为，从而减少人工视频分析的工作量。	首次将DeepLabCut应用于海洋互利共生行为（清洁互动）的自动化检测，并结合定制分类算法实现高准确率的互动识别，显著减少人工标注需求。	算法将约15%的非互动误判为互动，且实验在受控的三维实验室环境中进行，可能限制在自然条件下的适用性。	开发并评估一种用于自动检测清洁鱼类互动行为的半自动化系统，以减少人工视频分析的时间和误差。	清洁鱼（Labroides dimidiatus）和粉蓝刺尾鱼（Acanthurus leucosternon）在受控实验室环境中的互动行为。	计算机视觉	NA	DeepLabCut（基于深度学习的无标记姿态估计）	卷积神经网络（CNN）	视频数据	NA（具体样本数量未在摘要中提供）	DeepLabCut	ResNet	准确率（90%）、误报率（15%）	NA（摘要中未提及具体计算资源）
2026	2026-08-16	Smart meter health state prediction based on residual-connected self-attention ConvLSTM network 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54371-w PMID:42236786	研究论文	提出一种基于残差连接自注意力ConvLSTM网络的智能电表健康状态预测框架，实现准确的状态分类与维护决策支持	在堆叠的ConvLSTM层间引入残差捷径连接以缓解梯度消失和网络退化问题，并集成自注意力机制动态调整时空特征表示，从而同时捕获复杂时空退化模式与长程依赖	跨区域验证仍待开展，计算可扩展性和可解释性需进一步提升	实现智能电表健康状态的准确预测，支撑计量可靠性与状态维护	智能电表	机器学习	不适用	不适用	卷积长短期记忆网络（ConvLSTM）	时间序列数据	12,860只智能电表，跨越36个月	不适用	残差连接自注意力ConvLSTM	准确率、宏F1分数	不适用
2027	2026-08-16	Deep learning-based cross-modal MR-CT registration for brain metastases radiotherapy with multi-scale feature refinement and brainstem guidance 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55496-8 PMID:42236931	研究论文	提出基于深度学习的MSFRTransMorph框架，用于脑转移瘤放疗中MR-CT图像的跨模态可变形配准	引入多尺度特征细化模块增强Transformer架构的层级特征交互和细粒度形变建模，并利用脑干分割作为解剖引导且不依赖肿瘤标注	配准精度提升伴随局部形变折叠比例增加，拓扑规律性降低，需在精度与形变稳定性间权衡	提高脑转移瘤放疗中MR-CT跨模态配准的准确性	脑转移瘤患者的MR和CT图像对	医学图像配准	脑转移瘤	MR成像、CT成像	Transformer	图像	141对MR-CT图像	NA	TransMorph、MSFR模块	Dice相似系数、95% Hausdorff距离、雅可比行列式指标	NA
2028	2026-08-16	Design of an AI-based security anomaly detection system for IoT terminals based on the ViT-transformer fusion model 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55476-y PMID:42230914	研究论文	提出一种基于ViT-Transformer融合模型的物联网终端AI安全异常检测系统，采用端边云协同架构和多模态数据融合，实现高效且安全的异常检测	首次将ViT-Transformer融合模型与端边云协同架构结合，通过tokenization实现跨模态特征融合，集成剪枝、蒸馏和量化优化策略将模型压缩率提升至70%，并引入CL-PKE加密和BLS批量认证保障数据安全，同时采用联邦学习聚合边缘模型更新	实验主要在公开数据集和自建测试台上进行，未在真实大规模物联网环境中验证；模型在低算力设备上仍有延迟和内存占用，可能影响更复杂场景的适用性	解决物联网终端在资源受限和隐私保护条件下的安全异常检测问题，提供高效可靠的AI安全检测技术方案	物联网终端（包括水系统、医疗、交通等应用场景），涉及低算力设备如RPi4B和Arduino	机器学习	NA	网络流量分析、传感器时序分析、侧信道分析	Transformer	多模态数据（网络流量、传感器时序、侧信道信号）	使用了公开数据集IoT-23和UCI（含多种样本），以及自制测试台数据，具体样本量未在摘要中说明	NA	ViT-Transformer融合模型	准确率、F1分数、推理延迟、内存占用、防御成功率、批量认证时间	适用于低算力设备如RPi4B和Arduino，未提供具体GPU信息
2029	2026-08-16	Clinical determinants of retinal age gap estimated from fundus photographs in glaucoma patients 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55984-x PMID:42230934	研究论文	本研究探讨了青光眼患者眼底照片中视网膜年龄差距的临床决定因素，发现晶状体状态等因素显著影响视网膜年龄估计。	首次评估眼部因素，特别是晶状体状态，对视网膜年龄差距的影响，并提出在解释视网膜年龄时应考虑眼部状况。	研究为单中心回顾性观察，样本量有限，可能影响结果的普适性。	确定青光眼患者中视网膜年龄差距的临床决定因素，并评估其作为生物学年龄生物标志物的可靠性。	283只眼，来自山梨大学医院2010年2月至2025年4月接受45度彩色眼底摄影的成人患者。	计算机视觉	青光眼	眼底摄影	深度学习算法	眼底图像	283只眼	NA	NA	NA	NA
2030	2026-08-16	Artificial Intelligence in Periodontology: A Systematic Review 2026-Jun, Journal of periodontal research IF:3.4Q1 DOI:10.1111/jre.70107 PMID:41907011	系统综述	对人工智能在牙周病学中的应用进行系统综述，涵盖基于深度学习的影像诊断和非影像类AI应用	首次全面综述AI在牙周病学中影像和非影像应用，采用PRISMA指南和PICO框架进行结构化分析	非影像部分因异质性高未进行正式偏倚风险评估，且多数研究为单中心数据，泛化性受限	提供AI在牙周病学中应用的全面综述，分两部分评估深度学习影像诊断和基于非影像数据的AI应用	牙周病诊断、分类、风险分层、进展和治疗结果建模及相关AI应用	机器学习	牙周病	NA	深度学习模型	影像数据（如全景X光片、CBCT、口内X光片、照片）和非影像数据（如文本、临床数据）	PICO 1包含29项研究，PICO 2包含65项研究	NA	NA	准确率、AUROC	NA
2031	2026-08-16	Enhancing esophageal cancer detection using a deep learning framework and a novel spectrum-aided vision enhancer for virtual narrow band imaging 2026-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52501-y PMID:42162031	研究论文	提出一种名为频谱辅助视觉增强器（SAVE）的图像处理算法，将白光内镜图像转换为类似窄带成像的图像，结合深度学习模型提升食管癌检测性能。	创新性地利用高光谱数据原理提出SAVE算法，无需额外硬件即可增强黏膜对比度，提高病变可见性，并集成多种深度学习模型用于分类和检测。	未提及	开发一种经济高效、软件驱动的计算机辅助诊断系统，以提高食管癌早期检测的准确性。	食管鳞状细胞癌和异型增生病变的内镜图像。	计算机视觉、数字病理、医学图像分析	食管癌	高光谱图像处理、内镜图像增强	YOLOv8、InceptionV3、Inception-ResNet-V2、ConvNeXt-V2、MobileNetV2	内镜图像	未提及具体样本数量	未提及	YOLOv8、InceptionV3、Inception-ResNet-V2、ConvNeXt-V2、MobileNetV2	分类准确率、检测性能（具体指标未提及）	未提及
2032	2026-08-16	Transformer based breast cancer classification from histopathological images using sequential residual recurrent multiscale attention network 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51422-0 PMID:42086722	研究论文	提出了一种基于Transformer的乳腺癌组织病理图像分类框架BrCTransNet，集成了自适应高斯双边滤波、多尺度注意力特征提取和优化Transformer分类器	首次将自适应高斯双边滤波、顺序残差循环多尺度注意力网络和极化自注意力Transformer结合，并使用切比雪夫海星优化算法进行超参数调优	未提及外部数据集验证及计算资源需求	提高乳腺癌组织病理图像分类的准确性和鲁棒性	乳腺癌组织病理图像	数字病理学	乳腺癌	NA	Transformer	图像	乳腺癌组织病理图像数据集（具体数量未提及）	NA	S2RMANet, OPATransNet	准确率, 召回率, F1分数, 特异性, 均方误差	NA
2033	2026-08-16	Quantum computing applications in drug discovery 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag274 PMID:42218713	综述	本文探讨了量子计算在药物发现早期阶段，包括基于深度学习的虚拟筛选、基于分子对接的虚拟筛选以及分子动力学三个计算策略中的应用，并强调了在嘈杂中等尺度量子（NISQ）约束下的模块化协同处理角色	提出量子计算在药物发现中的实际作用不是完全替代经典流程，而是作为决策敏感子程序的模块化协同处理器，并给出了各场景下量子模块插入的具体位置，以及评估进展的关键标准	未提供具体的实验数据或性能比较，仅作理论探讨	分析量子计算在药物发现早期阶段的应用可能性和挑战，并给出近期评估标准	量子计算在药物发现中的应用场景，包括深度学习虚拟筛选、分子对接筛选和分子动力学	量子计算、药物发现	不适用	量子计算	深度生成模型、预测模型	不适用	不适用	不适用	不适用	可重复性、与决策相关的增益、运行时间、资源消耗	嘈杂中等尺度量子（NISQ）设备
2034	2026-08-16	A hypergraph-based model for tumor prognosis using local and global information fusion on H&E-stained histology images 2026-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103991 PMID:41702177	研究论文	提出了一种基于超图的肿瘤预后模型，通过融合H&E染色组织学图像的局部和全局信息来提高预后预测性能	提出了HeMiCoRe模型，首次将超图神经网络应用于多癌种预后预测，并整合了聚类受限的局部特征和跨聚类的全局表示	未明确提及局限性，但可能包括对多中心数据集的泛化能力仍需进一步验证	利用组织学图像有效建模幻灯片级上下文信息，提高肿瘤预后预测的准确性和泛化性	来自10种癌症类型的5196张H&E染色幻灯片	数字病理学	多种癌症（未具体列出，但涉及10种癌症类型）	H&E染色组织学成像	超图神经网络	组织学图像	5196张H&E染色幻灯片，覆盖10种癌症类型	PyTorch	超图神经网络（HeMiCoRe）	C-index	NA
2035	2026-08-16	External validation of an explainable electrocardiogram-only deep learning algorithm for the prediction of response after cardiac resynchronization therapy 2026-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.01.014 PMID:41525968	研究论文	本文旨在外部验证一个基于心电图的深度学习算法，用于预测心脏再同步化治疗后的反应	该算法仅使用心电图数据，通过可解释的生成因素预测CRT反应，并首次在外部验证中评估其对不同医院低风险人群的泛化能力	外部验证仅针对容积性无反应，未评估临床结局，且样本量较小	验证可解释的深度学习算法（FactorECG）在不同医院患者中预测心脏再同步化治疗无反应的有效性	接受心脏再同步化治疗的患者	深度学习	心脏疾病	心电图（ECG）	深度学习算法	心电图数据	训练集：1306名患者；外部验证集：161名患者	NA	FactorECG	C-statistic	NA
2036	2026-08-16	Pediatric Personalized Deep Learning Models for Segmentation of Hepatoblastoma at CT and MRI 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250041 PMID:41718532	研究论文	本研究评估成人训练的模型在儿童肝母细胞瘤分割中的通用性，并开发了两个专门针对儿童增强CT和T2加权MRI的深度学习模型	首次专门针对儿童肝母细胞瘤开发个性化深度学习分割模型，并与成人训练模型及多位标注者的手动分割进行系统比较	未在摘要中明确说明局限性	评估成人训练模型在儿童肝母细胞瘤分割中的表现，并开发针对儿童影像的深度学习模型以提高分割准确性	儿童肝母细胞瘤患者的增强CT和T2加权MRI影像数据	医学影像分析	肝母细胞瘤	对比增强CT和T2加权MRI成像	三维U-Net	图像	CT数据集104例（平均年龄28.2±30.5月，64男性；内部56例，外部48例）；MRI数据集123例（平均年龄31.5±38.4月，87男性；内部50例，外部73例）	NA	三维U-Net	Dice相似系数、体积百分比误差	NA
2037	2026-08-16	Hazard-free outdoor path navigator for visually challenged people 2025-11, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2530674 PMID:40705835	研究论文	提出一种多技术融合的户外无危险路径导航系统，帮助视觉障碍人士选择安全优化的路径	结合在线和离线导航系统，使用TPU生成路径图，并采用模糊可信无危险路由路径算法（FTHRP）进行动态重路由以规避意外危险	未提供明确的实验验证或性能评估数据	为视觉障碍人士开发一种能在户外选择无危险或最小危险最优路径的导航系统	视觉障碍人士及其户外导航路径	机器学习	视觉障碍	NA	模糊逻辑	路径数据	NA	NA	NA	NA	张量处理单元（TPU）
2038	2026-08-16	Pancancer outcome prediction via a unified weakly supervised deep learning model 2025-09-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-025-02374-w PMID:40897689	研究论文	本文介绍了一个名为PROGPATH的统一弱监督深度学习模型，用于整合组织病理图像特征和常规临床变量，实现泛癌预后预测	通过结合基础模型图像编码、注意力引导的多实例学习、交叉注意力变换器和路由器分类策略，实现跨癌种的统一预后预测模型，并进行了大规模外部验证	尽管在多个外部队列中表现良好，但未提及模型的局限性，如对特定癌症类型的适用性或计算资源的详细说明	开发一个能够整合组织病理图像和临床变量进行泛癌预后预测的统一模型，以改善癌症治疗决策	来自15种癌症类型的6,670名患者的7,999张全切片图像，以及17个外部队列中12种癌症类型的4,441名患者的7,374张全切片图像	数字病理学	多种癌症（包括肺癌、前列腺癌等，具体未指定）	组织病理图像分析	弱监督深度学习模型	全切片图像	训练集：6,670名患者的7,999张WSI；外部验证：4,441名患者的7,374张WSI	未明确指定	基础模型、注意力引导多实例学习、交叉注意力变换器、路由器分类策略	一致性指数（C-index）等，具体未明确列出	未明确说明
2039	2026-08-16	A deep learning derived prostate zonal volume-based biomarker from T2-weighted MRI to distinguish between prostate cancer and benign prostatic hyperplasia 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.18053 PMID:40804780	研究论文	开发并验证了一种基于深度学习的MRI生物标记物（前列腺分区体积比），用于区分良性前列腺增生和前列腺癌	提出了一种基于3D条件生成对抗网络（cGAN）的前列腺分区体积分割模型（ProZonaNet），并利用其计算的体积比作为非侵入性生物标记物，显著提高了区分BPH-Only与BPH-PCa的诊断性能	未提供明确的局限性信息	开发并验证基于T2加权MRI的前列腺分区体积比（pZVR）作为区分良性前列腺增生和前列腺癌的影像生物标记物	199例患者，包括106例良性前列腺增生（BPH-Only）和93例同时具有良性前列腺增生和前列腺癌（BPH-PCa）的患者	医学影像分析	前列腺癌, 良性前列腺增生	磁共振成像（MRI）	3D条件生成对抗网络（cGAN）	T2加权MRI图像	199例患者，其中139例用于训练（经7倍数据增强后得到973个训练体积），60例用于独立测试	NA	ProZonaNet（3D条件生成对抗网络）	Dice相似系数（DSC），一致性相关系数（CCC），AUC	NA
2040	2026-08-16	Network Occlusion Sensitivity Analysis Identifies Regional Contributions to Brain Age Prediction 2025-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70239 PMID:40470724	研究论文	本文提出一种结合网络遮挡敏感性与精细人脑图谱的可解释性框架，用于分析脑龄预测模型中各脑区对预测结果的贡献。	创新性地将网络遮挡敏感性分析与精细人脑图谱相结合，以揭示脑龄预测模型中的区域贡献，并发现不同脑区在不同年龄阶段的贡献模式差异。	未明确提及局限性，但可能受限于样本年龄范围（8-80岁）和轻量级CNN模型的选择。	提高脑龄预测深度学习模型的可解释性，识别对预测有显著贡献的脑区。	基于CNN的脑龄预测模型及人脑区域。	深度学习、医学影像分析	不适用	脑磁共振成像（MRI）	卷积神经网络（CNN）	脑影像数据（MRI图像）	训练集3054例，测试集555例，年龄范围均为8-80岁	未明确指定，但可能使用TensorFlow或PyTorch	轻量级全卷积网络	未明确提及，可能包括平均绝对误差、相关系数等	未明确提及