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
241	2026-10-01	Robust Distance Estimation with Out-of-distribution Detection in Ophthalmic Surgery 2026-Feb-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3661297 PMID:41637700	研究论文	提出一个深度学习框架，通过分布外检测和时间序列分析来检测并修正眼科手术中光学相干断层扫描M扫描的分割错误，从而更准确地估计器械到视网膜的距离	结合自适应远程运动中心信息视网膜建模和时间序列分析来检测与修正分割错误，并估计视网膜距离及其置信度	仅在离体人眼上验证，未在活体或临床环境中测试	提高眼科手术中器械到视网膜距离估计的准确性，以增强患者安全	眼科手术中的器械集成光学传感器和光学相干断层扫描M扫描	医学图像分析	眼科疾病	光学相干断层扫描	深度学习	图像	离体人眼	NA	NA	准确率, 平均绝对误差	NA
242	2026-10-01	Integrating 2D Dermatological Photography with 3D Anatomical Surfaces 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3085708 PMID:42039876	研究论文	该研究探索使用DensePose将2D皮肤病学摄影图像与3D人体表面模型整合，以恢复解剖空间背景并量化身体表面覆盖范围	首次将DensePose深度学习方法应用于皮肤病学2D摄影与3D解剖表面的整合，实现了网格级别的分析和空间背景恢复，并量化了不同视角组合对身体表面的覆盖程度	数据集仅来自慢性移植物抗宿主病患者，样本疾病类型单一；标注图像数量有限（80张图像，20名患者）；地标标注仅由人工完成，可能存在标注偏差	探索将2D皮肤病学图像与3D表面模型整合，创建具有解剖学基础的表示，以支持网格级分析并恢复每张图像的空间背景	147名慢性移植物抗宿主病患者的588张全身照片（每名患者4张：正面、背面及两侧）	计算机视觉	慢性移植物抗宿主病	DensePose密集对应框架	CNN	图像	147名受试者的588张全身照片（每名受试者4张），以及20名患者80张图像上的最多10个解剖地标标注	NA	DensePose	身体表面覆盖率（单视图28%、双视图50%、三视图72%、四视图80%）、中位成对测地距离（4.6厘米）	NA
243	2026-10-01	Data Augmentation for Subject-Independent SSVEP-BCIs via Simultaneous Spatial-Energy Representation 2026-Jan-30, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3659606 PMID:41615974	研究论文	本文提出了一种名为同时空间-能量表示（SSER）的数据增强方法，通过奇异值分解提取脑电信号的空间和能量表示并跨源域独立混合，以增强SSVEP-BCI中跨被试分类的鲁棒性	提出SSER数据增强方法，利用SVD同时提取空间和能量表示以捕捉个体风格特征，并在信号重建过程中跨源域独立混合这些表示，生成覆盖更广风格范围的新域	未明确提及	解决当前数据增强技术未能充分利用个体特定风格特征的问题，提升跨被试SSVEP-BCI分类的鲁棒性	SSVEP-BCI脑电信号，涉及30名被试的离线与在线实验数据	脑机接口	NA	SSVEP-BCI, EEG, 奇异值分解	深度学习模型	EEG信号	30名被试的自采集离线与在线实验数据，以及公开数据集	NA	NA	分类性能（具体指标未明确）	NA
244	2026-10-01	PAM-CDR: Property-Aware Multi-Modal Drug Representation Learning for Accurate Cancer Drug Response Prediction 2026-Jan-27, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3658090 PMID:41591856	研究论文	本文提出了一种融合药物理化性质与多组学数据的多模态表示学习框架PAM-CDR，用于精准预测癌症药物反应	首次将药物分子图、指纹与理化描述符同细胞系转录组和基因组数据相结合，并采用三阶段层次化融合策略，包括性质引导注意力和双向跨模态交互，提升了预测性能和生物学可解释性	摘要中未明确提及	提高癌症药物反应预测的准确性，推动精准肿瘤学发展	癌症药物与细胞系	机器学习	癌症	多模态表示学习	多模态深度学习模型	分子图、分子指纹、理化描述符、转录组数据、基因组数据	摘要中未提及	NA	NA	AUC, AUPR	NA
245	2026-10-01	Semi-Supervised Domain Adaptation with Latent Diffusion for Pathology Image Classification 2026-Jan-23, ArXiv PMID:41647212	研究论文	提出一种半监督域适应框架，利用在源域和目标域无标签数据上训练的潜在扩散模型生成保留形态且具有目标域特征的合成图像，用于病理图像分类	利用潜在扩散模型，通过基础模型特征、队列身份和组织制备方法进行条件控制，生成既保留源域组织形态又具有目标域外观特征的合成图像，避免了传统图像到图像翻译对组织结构的扭曲	仅在肺腺癌预后预测任务上进行了验证，未在其他病理分类任务或更大规模多中心数据集上评估	解决计算病理学中深度学习模型因域偏移导致跨队列和跨机构泛化能力差的问题	病理图像（肺腺癌组织切片）	数字病理学	肺癌	NA	扩散模型	图像	NA	NA	潜在扩散模型	加权F1分数, 宏F1分数	NA
246	2026-10-01	STF: A Unified Framework for Joint Pixel-Level Segmentation and Tracking of Tissues in Endoscopic Surgery 2026-Jan-21, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3656751 PMID:41564043	研究论文	提出了一种统一框架STF，用于内窥镜手术中组织的联合像素级分割和跟踪，通过分割引导的跟踪管道和自适应重检测机制提高长期鲁棒性。	集成协同分割引导的跟踪管道与自适应重检测机制，采用霍夫投票网络进行跟踪和贝叶斯细化模块提高兼容性。	未明确说明，可能依赖于特定手术类型或数据集，未提及泛化性等。	解决内窥镜手术视频分割中由于目标丢失和挑战性条件（如遮挡、运动模糊）导致的长期鲁棒性问题。	内窥镜手术中的组织视频。	计算机视觉	NA	深度学习、霍夫投票网络、贝叶斯细化	CNN	视频	NA	NA	NA	准确性和时间一致性	NA
247	2026-10-01	Dual Ontology-enhanced Clinical Decision Learning for First-admission Mortality Prediction 2026-Jan-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3621475 PMID:41564069	研究论文	提出双本体增强临床决策学习（DOCD）模型，用于首次入院患者的死亡率预测。	利用诊断和手术分类体系构建双本体增强学习，并通过先验引导的注意力机制和基于概率的正则化融合临床知识	未明确说明模型在跨机构数据上的泛化能力，且仅基于MIMIC-III和MIMIC-IV数据集进行验证	解决首次入院患者因缺乏历史就诊记录而导致的死亡率预测难题	首次入院的患者，特别是直接进入ICU的患者	机器学习	NA	电子健康记录分析	NA	表格数据、时间序列数据	MIMIC-III和MIMIC-IV数据集，其中55.17%的MIMIC-IV和83.80%的MIMIC-III记录为单次就诊	NA	NA	AUROC, AUPRC	NA
248	2026-10-01	Order-Aware Deep Learning for Drug Combination Benefit Prediction in Cancer Cell Lines 2026-Jan-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3650933 PMID:41543946	研究论文	提出一种顺序感知深度学习模型 OrderCombo，用于预测癌症细胞系中的药物组合获益等级	将药物组合获益建模为有序多分类任务，设计混合编码器融合药物与细胞系表示，并引入顺序对比损失以保持类别有序性	未明确说明模型的可解释性、计算成本或对新型药物的冷启动能力	加速发现治疗性药物组合，区分不同水平的组合获益	癌症细胞系中的药物组合	机器学习	癌症	预训练化学语言模型、组学导向线性网络	深度学习	药物化学结构、细胞系组学数据	大规模药物组合获益数据集	NA	混合编码器（拼接依赖与注意力交互）	预测准确率	NA
249	2026-10-01	VISTA uncovers missing gene expression and spatial-induced information for spatial transcriptomic data analysis 2026-Jan-08, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09479-6 PMID:41507434	研究论文	本文提出了VISTA模型，通过整合单细胞RNA测序和亚细胞空间转录组数据，利用变分推断和几何深度学习预测未测量的基因表达，并量化不确定性	VISTA创新性地结合变分推断与几何深度学习，并引入不确定性量化，实现了对空间转录组数据中缺失基因表达的高精度预测，支持多种下游分析	摘要中未提及该研究的局限性	解决亚细胞空间转录组数据中基因测量数量有限的问题，通过整合单细胞RNA测序数据预测未测量的基因表达，从而增强空间转录组数据的分子覆盖度和解释能力	亚细胞空间转录组数据和单细胞RNA测序数据	空间转录组学	NA	单细胞RNA测序, 亚细胞空间转录组学	变分推断, 几何深度学习	基因表达数据, 空间信息数据	四个数据集	NA	NA	插补准确性, 可扩展性, 效率	NA
250	2026-10-01	Artificial Intelligence Model for Imaging-Based Extranodal Extension Detection and Outcome Prediction in Human Papillomavirus-Positive Oropharyngeal Cancer 2026-01-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3225 PMID:41026592	研究论文	该研究开发了一个人工智能驱动的流程，用于在HPV阳性口咽癌患者的预处理CT扫描中自动进行淋巴结分割和影像学结外侵犯（iENE）分类，并评估其与肿瘤学结局的关联	开发了基于nnU-Net的淋巴结分割模型，并比较了放射组学和深度学习特征提取方法用于iENE分类，发现放射组学方法达到AUC 0.81，且AI预测的iENE与不良生存结局独立相关，其一致性指数显著高于放射科医生评估的iENE	单中心回顾性研究，样本量有限（397例），需要外部验证以评估模型的泛化能力及在缺乏专业影像学知识的机构中的实施潜力	开发AI驱动的淋巴结分割和iENE分类流程，并评估其与HPV阳性口咽癌患者肿瘤学结局的关联	2009年1月至2020年1月在加拿大蒙特利尔某三级肿瘤中心接受初始（放）化疗的HPV阳性cN+口咽癌成年患者	数字病理学	头颈癌	CT成像	CNN	图像	397例患者的预处理CT扫描和淋巴结大体肿瘤体积分割	NA	nnU-Net	AUC, 一致性指数, 风险比	NA
251	2026-10-01	A Mixed Dual-Branch Network for Detecting Cervical Spondylotic Myelopathy and Parkinsonian Syndromes via Gait Analysis 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3654804 PMID:41543967	研究论文	该研究提出了一种混合双分支网络DCDM-Net，利用步态分析中的运动学数据对颈椎病性脊髓病、帕金森综合征和健康个体进行分类	提出了一种混合双分支网络DCDM-Net，结合了ResNet-CBAM-EDL分支和MLP分支，通过协同决策方法进行分类，并采用证据深度学习进行不确定性估计	跨数据集OOD验证显示AUROC仅为0.4022±0.2481，AUPR为0.9699±0.0162，表明仅使用关节角度特征会导致显著的分布重叠	开发一种混合双分支网络，利用步态数据对颈椎病性脊髓病患者、帕金森综合征患者和健康个体进行分类，以减少误诊	51名颈椎病性脊髓病患者、49名帕金森综合征患者和33名健康对照者的步态运动学数据	机器学习	颈椎病性脊髓病、帕金森综合征	步态分析、运动学数据采集	ResNet、MLP、CBAM、EDL	时间序列	133名受试者（51名CSM患者、49名PS患者、33名健康对照）	PyTorch	ResNet, MLP	准确率, AUC, 期望校准误差, Brier分数, AUROC, AUPR	NA
252	2026-10-01	Large Language Models Improve Scene-Invariant Detection of Behavior of Risk in Dementia Residential Care Across Multiple Surveillance Camera Views 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3656747 PMID:41564063	研究论文	该研究提出一种基于无监督场景不变融合的深度学习网络，结合大语言模型字幕评分与视频异常检测评分，用于在养老院多摄像头场景下检测痴呆症患者的风险行为	首次将大语言模型字幕评分与基于深度加权时空自编码器的视频异常检测评分进行无监督融合，以实现跨摄像头场景不变的风险行为检测，显著提升了在未见摄像头场景下的泛化性能	研究仅涉及九名痴呆症患者和三个摄像头视角，样本量较小；未提及在其他类型护理环境或更多摄像头配置下的验证	解决视频行为检测模型在训练时未见过的摄像头场景下性能显著下降的问题，提升痴呆症养老护理中风险行为检测的跨场景泛化能力	九名痴呆症患者的视频数据，由养老院痴呆症单元的三个不同走廊摄像头采集	计算机视觉	痴呆症	视频异常检测、大语言模型字幕生成与评分	自编码器、大语言模型	视频	9名痴呆症患者，3个走廊摄像头采集的视频数据	NA	深度加权时空自编码器、大语言模型	AUC（ROC曲线下面积）	NA
253	2026-10-01	Decoding Spikes From Multiunit Data 2026, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3647848 PMID:41570095	综述	本文综述了从多单元数据中解码尖峰信号的方法，将其形式化为卷积混合模型下的稀疏源分离任务，并比较了不同原理的方法	提供了统一的方法学视角，将尖峰解码形式化为卷积混合模型下的稀疏源分离任务，并按底层原理而非应用领域对方法进行分类和批判性比较	作为综述，未提出新的算法或进行实验验证，主要基于现有文献的归纳和比较	为跨不同多单元记录模态的尖峰解码方法提供选择、适应和推进的路线图，促进不同应用领域之间的思想交流	多单元记录数据中的尖峰信号	机器学习	NA	电记录、光学成像、超声	NA	信号	NA	NA	NA	NA	NA
254	2026-10-01	DVG-Diffusion: Dual-View-Guided Diffusion Model for CT Reconstruction From X-Rays 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3655171 PMID:41576110	研究论文	该论文提出了一种双视角引导扩散模型（DVG-Diffusion），用于从少视角2D X射线图像重建3D CT体积。	通过引入新视角合成和视角引导特征对齐，降低了学习难度；提出双视角引导扩散模型，联合真实输入X射线视角和合成新X射线视角来引导CT重建。	摘要中未明确提及局限性。	从少视角2D X射线图像直接重建3D CT体积。	2D X射线图像和3D CT体积。	计算机视觉	NA	X射线成像、CT重建	扩散模型	图像	NA	NA	扩散模型	NA	NA
255	2026-10-01	Technology-Enhanced Dual-Task Testing for Alzheimer's Disease and Related Dementias: A Review of Trends, Tools, and Emerging Directions 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3658013 PMID:41587242	综述	本文综述了2010年1月至2025年10月间基于双任务范式的阿尔茨海默病及相关痴呆症评估研究，涵盖了范式、传感技术和分析方法。	整合工程与临床神经科学视角，系统梳理了双任务测试在ADRD早期检测中的技术进展，并强调了眼动追踪和AI视频姿态估计等新兴工具的应用。	文章未涉及具体的实验数据或模型验证，主要基于现有文献的归纳总结。	综述双任务测试在阿尔茨海默病及相关痴呆症早期检测中的技术趋势、工具及新兴方向。	阿尔茨海默病及相关痴呆症患者。	数字病理学	老年疾病	可穿戴传感器、电子步道、红外/深度相机、视频、平板电脑、脑成像工具（fMRI、fNIRS）、眼动追踪、AI视频姿态估计	深度学习	图像、视频、运动信号、脑成像数据	NA	NA	NA	NA	NA
256	2026-10-01	HoloQA: Full Reference Video Quality Assessor of Rendered Human Avatars in Virtual Reality 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3663930 PMID:41706772	研究论文	本文提出了HoloQA，一种基于视觉神经科学、信息论和自监督深度学习设计的全参考视频质量评估模型，用于准确预测虚拟现实和增强现实系统中渲染数字人替身的质量	采用多层次专家混合方法，结合失真感知的感知特征和捕捉人体替身语义属性的高层内容感知深度特征；使用自监督预训练深度学习网络计算高层特征；首次针对渲染人体替身在VR中的质量评估进行专门设计	摘要中未明确提及 limitations	设计一种能够准确评估VR/AR系统中渲染数字人替身视频质量的全参考视频质量评估模型，解决标准VQA模型无法捕捉人体替身渲染、传输和压缩特有失真的问题	VR/AR系统中渲染的数字人替身视频、云游戏视频	计算机视觉	NA	自监督深度学习、专家混合方法、全参考视频质量评估	专家混合模型、自监督预训练深度学习网络	视频	LIVE-Meta Rendered Human Avatar VQA数据库及其他数字人替身数据库（具体样本量未在摘要中说明）	NA	Mixture-of-Experts	NA	NA
257	2026-10-01	Lower Back Muscle Fatigue Recognition Based on the Fusion-Information of Multi-Channel sEMG and NIRS Simultaneous Recordings 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3672775 PMID:41811718	研究论文	本文提出了一种基于60通道混合生理传感器阵列（融合表面肌电和近红外光谱）与双流卷积混合注意力网络（DCHANet）的下背部肌肉疲劳识别框架，并在三级和十五级疲劳识别任务上验证了其优越性能	1. 提出了60通道sEMG与NIRS共位同步记录的混合生理传感器阵列，可同时捕捉神经肌肉和血流动力学活动；2. 开发了双流卷积混合注意力网络（DCHANet），包含两个模态特异性特征提取流和一个分层注意力融合模块，有效融合多模态信息；3. 在多模态输入下实现了高精度的细粒度肌肉疲劳识别，并优于单模态输入及传统机器学习方法	摘要中未明确提及研究的局限性，但可能包括：样本量未说明、跨被试条件下性能略有下降、传感器阵列穿戴舒适性和实际应用场景的泛化能力有待验证	实现下背部肌肉疲劳的精确和细粒度识别，以预防下背痛和降低职业损伤风险，为肌肉骨骼疾病的临床监测和早期干预提供解决方案	下背部肌肉疲劳，通过60通道混合生理传感器阵列采集的sEMG和NIRS信号	机器学习，数字病理学，生物医学信号处理	下背痛，肌肉骨骼疾病	表面肌电（sEMG），近红外光谱（NIRS），多模态生理信号同步记录	CNN，注意力机制	生理信号（sEMG和NIRS信号）	NA	NA	双流卷积混合注意力网络（DCHANet）	准确率	NA
258	2026-10-01	Less Is More: Infrared and Visible Images Fusion via Semantic-Guided Mixture of Multi-Feature Experts 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3675500 PMID:41886321	研究论文	本文提出了一种基于语义引导的多特征专家混合方法，用于红外和可见光图像融合，通过多特征专家网络和动态路由机制消除模态冗余，并引入分割头以语义引导特征选择，在五个基准数据集上验证了图像融合和语义分割的有效性	提出了语义引导的多特征专家混合机制，通过专家路由动态选择特征，使最重要的特征被路由到特定专家处理，并引入分割头来语义引导互补特征的选择，将融合任务与后续语义分割任务对齐	未明确提及	解决红外和可见光图像融合中整合互补信息同时消除冗余的挑战，提高融合图像质量并促进后续场景理解和目标检测	红外和可见光图像对及其语义分割任务	计算机视觉	NA	NA	专家混合模型	图像	NA	NA	多特征专家混合网络, 分割头	NA	NA
259	2026-10-01	HFP-SAM: Hierarchical Frequency Prompted SAM for Efficient Marine Animal Segmentation 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3674678 PMID:41874991	研究论文	该文提出了一种新颖的学习框架HFP-SAM，用于高效的海洋动物分割	设计了频率引导适配器（FGA）通过频域先验掩码将海洋场景信息高效注入冻结的SAM骨干网络，引入了频率感知点选择（FPS）通过频率分析生成突出区域以生成点提示并整合到SAM解码器进行精细预测，并引入了全视Mamba（FVM）以线性计算复杂度高效提取空间和通道上下文信息	摘要中未明确提及局限性，但现有方法在长距离建模问题上存在困难，且SAM缺乏对细粒度细节和频率信息的感知	旨在从复杂的海洋环境中识别和分割海洋动物	海洋动物	计算机视觉	NA	NA	SAM, Mamba	图像	四个公开数据集	NA	SAM, Mamba	NA	NA
260	2026-10-01	Joint Quality Assessment and Example-Guided Tone Mapping by Disentangling Picture Appearance From Content 2026, 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	提出一种自监督解耦表示学习方法，将图像分解为内容和外观特征，用于图像质量评估（DisQUE）和示例引导的色调映射	利用解耦表示学习同时处理质量评估和色调映射任务，实现最先进的质量预测精度，并支持通过示例对进行色调映射调整	未在摘要中明确说明	开发解耦表示学习方法，用于图像质量评估和示例引导的色调映射	输入图像的内容和外观特征	计算机视觉	NA	自监督解耦表示学习	解耦表示学习模型	图像	NA	NA	NA	准确率	NA