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
2081	2026-04-24	Deep learning for stenotic nares classification in brachycephalic dogs 2026-Apr-23, Veterinary research communications IF:1.8Q2 DOI:10.1007/s11259-026-11220-5 PMID:42024293	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2082	2026-04-24	Artificial intelligence construction: a review of the bridge between CT imaging features of lung ground-glass nodules adenocarcinoma and carcinogenic driver genes 2026-Apr-22, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-026-06465-1 PMID:42017975	综述	综述人工智能在肺磨玻璃结节腺癌CT影像特征与致癌驱动基因关联研究中的进展	系统总结了AI技术（尤其是深度学习和机器学习）在放射组学与基因组学整合分析中的潜力，构建了影像表型与基因变异之间的桥梁	数据异质性、标注数据集有限、模型可解释性不足等挑战	推动早期肺癌诊断和精准肿瘤学的发展	肺磨玻璃结节腺癌的CT影像特征与致癌驱动基因	计算机视觉, 机器学习	肺癌	CT成像, 放射组学, 基因组学	深度学习, 机器学习	影像数据, 基因组数据	NA	NA	NA	NA	NA
2083	2026-04-24	Deep-learning computer-aided detection and classification of prostate lesions on biparametric MRI: comparison with expert readers 2026-Apr-22, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02261-0 PMID:42018265	研究论文	评估基于深度学习的计算机辅助检测（DL-CAD）算法在双参数MRI上前列腺病变检测和分类中的表现，并与专家阅片者进行比较	在真实临床单中心回顾性队列中验证预训练DL-CAD对双参数MRI上PI-RADS≥3、4和5病变的检测和分类性能，并分析与放射学报告不一致相关的临床和影像因素	单中心回顾性设计，放射学报告而非组织病理学作为参考标准，可能引入偏差	评估DL-CAD算法在前列腺病变检测和分类中的性能，以支持其在临床中的应用	442名接受3-T MRI检查的疑似前列腺癌男性患者	计算机视觉	前列腺癌	NA	深度学习	MRI图像	442名成年男性，平均年龄65±9岁	NA	预训练深度学习模型	敏感性、特异性、阳性预测值、阴性预测值、AUC、Kappa统计量	NA
2084	2026-04-24	FOSL2 regulates endothelial cell state and chromatin accessibility in systemic sclerosis pulmonary vascular remodeling 2026-Apr-22, JCI insight IF:6.3Q1 DOI:10.1172/jci.insight.189107 PMID:42018656	研究论文	研究FOSL2在系统性硬化症肺动脉血管重塑中调控内皮细胞状态和染色质可及性的作用	首次揭示FOSL2通过调控内皮细胞染色质可及性和转录因子结合，驱动系统性硬化症相关肺动脉高压的病理变化	NA	探究FOSL2在系统性硬化症相关肺动脉高压血管重塑中的分子机制	系统性硬化症患者的肺血管内皮细胞及Fosl2转基因小鼠模型	机器学习和分子生物学	系统性硬化症和肺动脉高压	单细胞RNA测序、多组学分析、深度学习模型	ChromBPNet	单细胞序列数据	NA	NA	ChromBPNet	NA	NA
2085	2026-04-24	A comparative evaluation of EEG-based deep learning models for schizophrenia detection with cross-dataset validation and explainable AI 2026-Apr-22, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2026.2661743 PMID:42018932	研究论文	对基于EEG的深度学习模型进行对比评估，用于精神分裂症检测，包括跨数据集验证和可解释人工智能	结合了时频分析与深度学习方法，对多种深度学习架构进行系统比较，并采用跨数据集验证和可解释人工智能提高临床可信度	不同模型间的数值表现虽有差异，但统计分析表明这些差异不显著	自动化精神分裂症的检测，提高诊断可靠性	精神分裂症患者和健康对照组的EEG信号	机器学习	精神分裂症	脑电图（EEG），独立成分分析（ICA），连续小波变换（CWT），快速傅里叶变换（FFT）	CNN变体，CNN-FFT，CNN-ELM，CNN-LSTM，ResNet迁移学习，Transformer	EEG信号	934个EEG样本，来自237名受试者（121名精神分裂症患者和116名对照组）	NA	CNN，FFT-CNN，ELM-CNN，LSTM-CNN，ResNet，Transformer	准确率，精确率，召回率，F1分数，AUC	NA
2086	2026-04-24	Integrating Confidence, Difficulty, and Language Model Calibration for Better Explainability in Clinical Documents Coding: Applications of AI 2026-Apr-22, JMIR AI DOI:10.2196/78764 PMID:42018992	研究论文	本研究通过整合置信度、难度和语言模型校准，提升基于深度学习的临床文档编码的可解释性	首次将实例难度（Variance of Gradients）方法应用于文本化临床编码表示，结合温度缩放校准和显著性图，提升Transformer模型在死亡证明ICD编码中的可解释性和透明性	最大校准误差在温度缩放后显著增加（30.91升至42.17），且对罕见或复杂病例的性能仍需改进	提升Transformer模型在临床文档编码中的可解释性，并评估基于深度学习的死亡证明编码注解的可解释性	美国国家卫生统计中心2014-2017年共12,919,268份死亡证明的反向编码表示	自然语言处理, 机器学习	NA	温度缩放校准, 显著性图, 实例难度分析（Variance of Gradients）	Transformer（BERT）	文本	训练集400,000份，测试集100,000份，验证集10,000份死亡证明	NA	Biomedical BERT（领域特定BERT）	准确率, 期望校准误差, 最大校准误差	NA
2087	2026-04-24	Systematic Abductive Reasoning via Diverse Relation Representations in Vector-Symbolic Architecture 2026-Apr-22, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3684958 PMID:42019057	研究论文	提出了一种基于向量符号架构的系统性溯因推理模型，用于解决Raven渐进矩阵中的抽象视觉推理问题	引入了多种原子高维编码和结构化高维表示；提出了新颖的数值和逻辑关系函数，并在统一框架中执行规则溯因和执行	NA	提升抽象视觉推理的可解释性和泛化能力	Raven渐进矩阵（RPM）任务	计算机视觉, 机器学习	NA	NA	神经符号模型（向量符号架构）	图像（RPM任务中的矩阵图像）	NA	NA	Rel-SAR	准确率	NA
2088	2026-04-24	Joint Quality Assessment and Example-Guided Tone Mapping by Disentangling Picture Appearance from Content 2026-Apr-22, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3684812 PMID:42019066	研究论文	提出一种新的解耦表示学习方法DisQUE，将图像分解为内容和外观特征，用于联合质量评估和示例引导的色调映射	首次通过自监督学习实现图像内容和外观特征的解耦，并利用学习到的特征同时实现高质量评估和色调映射任务	NA	开发一种统一的解耦表示学习方法，用于图像质量评估和色调映射等底层图像处理任务	图像质量和色调映射任务中的图像数据	计算机视觉	NA	NA	深度解耦表示学习模型	图像	NA	PyTorch	DisQUE	准确率	NA
2089	2026-04-24	Bilevel Optimized Implicit Neural Representation for Scan-Specific Accelerated MRI Reconstruction 2026-Apr-22, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3686724 PMID:42019070	研究论文	提出了一种双层优化的隐式神经表示方法，用于扫描特定的加速磁共振成像重建	将欠采样MRI重建问题明确建模为双层优化问题，并自动优化超参数，无需训练数据即可实现定制化重建	该方法目前仅针对典型2D笛卡尔扫描进行优化，处理高维数据或非笛卡尔采集时可能需要进一步扩展	开发一种无需训练数据、可自动优化超参数的扫描特定MRI重建方法，以改善图像质量和泛化能力	加速磁共振成像（MRI）重建问题	计算机视觉，机器学习	不适用（通用医学影像重建）	磁共振成像（MRI）	隐式神经表示（INR），多层感知机（MLP）	MRI图像	未具体提及样本数量，但针对典型2D笛卡尔扫描进行了评估	不适用（未明确指定）	隐式神经表示（INR），可训练位置编码器，小型多层感知机（MLP）	图像质量（与基于模型和自监督学习方法比较的指标，如峰值信噪比、结构相似性等，但未明确列出具体指标）	离线超参数优化仅需几分钟（典型2D笛卡尔扫描），在线重建在数秒内完成；未具体指定GPU类型
2090	2026-04-24	Enhancing CNN regressors with contour encoding and self-supervision for improved 3D/2D X-ray to CT registration in spinal surgery navigation 2026-Apr-22, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae6345 PMID:42019515	研究论文	提出一种结合轮廓编码与自监督学习的CNN回归器，用于脊柱手术导航中低剂量X光与CT的3D/2D配准	首次直接从术中X光二值轮廓掩膜提取高判别性特征，不受轮廓长度、形状或形态限制；采用双分支架构显式解耦旋转与平移参数以降低相互干扰；引入自监督微调策略和定制多分量损失函数以适应低剂量模糊条件	NA	提升低剂量X光条件下3D/2D医学图像配准的精度和实时性能，满足术中导航的临床要求	脊柱手术中的低剂量X光图像与CT图像之间的配准	计算机视觉	脊柱疾病	X光成像，CT成像	卷积神经网络（CNN）	医学图像（X光与CT）	NA	PyTorch	双分支CNN，轮廓特征编码模块	平均目标配准误差（mTRE），每帧处理时间	临床可用的GPU，每帧0.03-0.06秒
2091	2026-04-24	A Kernel Space-based Multidimensional Sparse Model for Dynamic PET Image Denoising 2026-Apr-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae639e PMID:42019558	研究论文	提出一种基于核空间的多维稀疏模型用于动态PET图像去噪	利用动态PET的帧间空间相关性和帧内结构一致性，将参数估计的固有形式替换为神经网络以实现自适应参数优化，形成端到端神经KMDS-Net	未明确指出局限性	提高动态PET图像的时间帧质量，实现高时间分辨率和空间分辨率	动态PET图像	数字病理学	NA	PET成像	神经网络	图像	模拟数据和真实数据	PyTorch	KMDS-Net	PSNR, SSIM	NA
2092	2026-04-24	The University of Texas Southwestern Glioma Dataset - MRI, Molecular Markers and Segmentations 2026-Apr-22, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07274-4 PMID:42020453	研究论文	提供德克萨斯大学西南医学中心收集的胶质瘤数据集，包含MRI影像、分子标记和肿瘤分割信息	数据集包含多对比度MRI、人口统计学信息、分子标记和625名患者的多标签肿瘤分割，为研究MRI特征与肿瘤遗传学关系提供丰富资源	未提及	为基于MRI的深度学习预测分子标记提供高质量、标注完善的数据集，作为开发验证下游任务的基准	胶质瘤患者的MRI影像、分子标记和肿瘤分割数据	数字病理学	胶质瘤	NA	深度学习	影像（MRI）	625名患者（2006年至2023年治疗）	NA	NA	NA	NA
2093	2026-04-24	Multimodal deep learning for anomaly detection in urban infrastructure networks: improving the resilience of public management systems 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50189-8 PMID:42020538	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2094	2026-04-24	DeepFAN, a transformer-based model for human-artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multireader, multicase trial 2026-Apr-22, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-026-01147-w PMID:42020549	研究论文	提出一种基于Transformer的深度学习模型DeepFAN，用于CT扫描中偶发性肺结节的良恶性分类，并通过多读者、多病例临床试验验证其辅助初级放射科医生诊断的效果	首次提出全局与局部特征融合的Transformer模型；基于超过10,000个病理确认结节的大规模训练；通过多读者、多病例临床试验验证临床效能	未提及对高度恶性或特殊类型结节的表现；模型仅辅助初级医生，未评估对资深医师的影响	开发并验证一种能辅助初级放射科医生提高肺结节诊断准确性和一致性的深度学习模型	CT扫描中偶发性肺结节的良恶性分类	计算机视觉	肺癌	CT扫描	Transformer	图像	训练集超过10,000个病理确认结节；临床试验包含400例来自3家独立医疗机构	PyTorch	Transformer	AUC, 准确率, 敏感度, 特异度	NA
2095	2026-04-24	3D foundation model for generalizable disease detection in head computed tomography 2026-Apr-22, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-026-01668-w PMID:42020556	研究论文	提出一种用于头部CT的3D基础模型FM-HCT，通过自监督学习实现可泛化的疾病检测	首次在大规模未标注头部CT数据上采用自监督学习训练3D基础模型，克服了标注数据稀缺的挑战	未提及具体局限性	开发一种可泛化的疾病检测基础模型，提升头部CT影像中各类疾病的检测性能	头部CT影像中的多种疾病，包括脑部、颅骨和脑血管系统病变	计算机视觉	脑血管疾病	CT成像	自监督学习基础模型	3D医学图像	361,663个非增强3D头部CT扫描	NA	NA	NA	NA
2096	2026-04-24	Edge-enabled IoT framework for real-time tobacco quality monitoring 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47038-z PMID:42020563	研究论文	提出了一种基于物联网和边缘计算的烟草质量实时监测框架，利用深度学习模型进行在线检测	将异构传感数据采集、边缘计算与CNN-LSTM混合模型结合，设计了轻量级传输协议和优化调度算法，实现了低延迟和高精度的烟草质量分类	未提及在更大规模或不同环境下的泛化性验证，也未讨论模型对噪声数据和设备故障的鲁棒性	实现烟草质量的实时、可扩展监测，提升工业自动化水平并减少经济损失	烟草叶片的水分、颜色和质地特征，以及加工过程中的时间依赖性变化	计算机视觉, 机器学习	不适用	多源传感数据采集（水分、颜色、质地）	CNN, LSTM	图像, 时序数据	未明确说明样本数量	NA	CNN, LSTM	准确率, 延迟, 参数数量, 计算量, 峰值内存占用	Jetson Xavier NX平台
2097	2026-04-24	LSTM-GRU hybrid model for multi-layer microclimate prediction in solar greenhouse 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49691-w PMID:42020720	研究论文	提出一种LSTM-GRU混合深度学习模型，用于预测日光温室垂直冠层多层的微气候条件	首次将LSTM与GRU混合架构应用于温室多层微气候预测，并整合设备运行状态参数以提升精度	未说明模型在不同气候区或作物类型中的泛化能力，以及长期部署的稳定性	实现日光温室垂直冠层温湿度时空异质性的精准预测，支持环境优化控制	中国日光温室中不同冠层高度（0.2-2.0米）的微气候条件	机器学习	不适用	不适用	LSTM-GRU混合模型	环境参数与设备运行状态数据	未明确样本量，但涉及多个冠层高度的监测数据	TensorFlow, PyTorch	LSTM, GRU	均方误差, 相关系数(R²), 预测误差百分比	未明确说明
2098	2026-04-24	Multimodal clinical-imaging deep learning model for predicting refractory hypersplenism after liver transplantation 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48940-2 PMID:42020717	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2099	2026-04-24	ThyroFusion: A Multi-modal Deep Learning Framework Integrating Vision and Language for Thyroid Nodule Malignancy Risk Assessment 2026-Apr-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01964-6 PMID:42020852	研究论文	提出了一种多模态深度学习框架ThyroFusion，通过整合超声图像、分割掩膜和临床文本报告来评估甲状腺结节的恶性风险	创新性地设计了双向跨模态注意力机制，融合视觉特征和文本特征，并采用部分共享参数的双流ResNet-50编码器和Set Transformer模块处理可变数量的图像特征	未提及具体局限性，但常见局限可能包括依赖高质量的多模态数据、需要大量计算资源等	开发并验证ThyroFusion多模态框架，提高甲状腺结节恶性风险评估的准确性	甲状腺结节患者的超声图像、分割掩膜和临床文本报告	计算机视觉, 自然语言处理, 深度学习	甲状腺癌	超声成像	多模态深度学习模型（ResNet-50, Set Transformer, BioBERT, 注意力机制）	图像, 文本	测试集共4530例（来自两个临床中心和两个公开数据集DDTI、TN3K），训练集1472例	PyTorch	ResNet-50, Set Transformer, BioBERT	AUC	NA
2100	2026-04-24	Using Radiomic Features to Detect Anatomical Errors and Assess Deep Learning-Based Left Ventricle Segmentation in Cardiac MRI 2026-Apr-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01940-0 PMID:42020853	研究论文	探索使用影像组学特征检测心脏MRI中深度学习左心室分割的解剖学错误	首次利用影像组学特征评估深度学习分割的解剖学质量，能检测出传统指标如Dice系数无法发现的错误	未明确说明局限性，但可能依赖于特定数据集和分割算法	开发一种自动检测深度学习左心室分割中解剖学错误的方法	来自五个公开数据集和一个私有数据集的心脏MRI左心室分割结果	医学图像分析	心血管疾病	磁共振成像	机器学习分类器	影像组学特征	多个数据集，具体数量未明确	NA	NA	准确性、召回率、特异性、F1分数	NA