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
3341	2026-07-30	Deep Learning-Based Eddy Segmentation With Vector Data for Biochemical Analysis in Ocean Simulations 2026 Jul-Aug, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3630582 PMID:41201923	研究论文	研究基于深度学习和矢量数据的大洋环流涡旋分割方法，用于海洋模拟中的生化分析	提出双分支注意力U-Net架构，分别编码矢量幅度和方向，以处理海洋速度场矢量输入的复杂性	仅聚焦于输入编码策略，未探讨模型泛化性到其他海洋数据或实时应用场景	改进海洋模拟数据中涡旋分割的深度学习模型性能	海洋环流模拟数据中的涡旋结构	计算机视觉	不适用	不适用	注意力U-Net	矢量场（海洋速度场）	四个大规模三维海洋模拟数据集	NA	双分支注意力U-Net	四种分割指标（具体名称未列出）	NA
3342	2026-07-29	Plain Radiographs, Smarter Triage: Deep Learning and Clinical Context in Bone Tumor Assessment 2026-Jul, Radiology IF:12.1Q1 DOI:10.1148/radiol.261857 PMID:42517759	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3343	2026-07-30	Radiograph-based Deep Learning Algorithm for Assisting Bone Tumor Risk Assessment: A Multicenter Study 2026-Jul, Radiology IF:12.1Q1 DOI:10.1148/radiol.252921 PMID:42517768	研究论文	开发并评估一种基于X线影像的深度学习模型（DL-Clinic-RADS）用于骨肿瘤的二分类风险分层（良性 vs 潜在恶性），并与放射科医生和骨报告及数据系统（Bone-RADS）的评估进行比较	提出了一种融合图像、临床/语义特征与专家共识的双视图交叉注意视觉Transformer模型（DL-Clinic-RADS），并在多中心数据上验证了其优于Bone-RADS和放射科医生的性能	未提及具体的局限性，但可能包括回顾性设计的偏倚或样本分布不均等	评估基于X线影像的深度学习模型在骨肿瘤风险分层中的多中心性能，以及与Bone-RADS和放射科医生评估的比较	经组织病理学证实的骨肿瘤患者	机器学习	骨肿瘤	NA	视觉Transformer	X线影像	回顾性数据集1777名患者，前瞻性测试集152名参与者	PyTorch	双视图交叉注意视觉Transformer	AUC, 精确率-召回曲线, 校准曲线, 决策曲线分析, Fleiss κ, 阅读时间, 置信度	NA
3344	2026-07-30	What every dentist needs to know about the use of artificial intelligence in orthodontic treatment planning 2026 Jul-Aug, General dentistry PMID:42329610	研究论文	探讨人工智能如何通过自动化功能简化正畸工作流程，包括头影测量分析、矫治器设计、预测模拟和实时患者监测	系统性阐述人工智能在正畸治疗规划中的多种自动化应用及其对诊断准确性、个性化治疗和临床效率的提升作用	未讨论AI系统的实际临床验证、数据隐私问题或实施成本等潜在限制	为牙科医生提供人工智能在正畸治疗规划中应用的全面知识	正畸治疗规划中的人工智能应用	机器学习	口腔疾病	NA	深度学习，监督学习，无监督学习	NA	NA	NA	NA	NA	NA
3345	2026-07-30	Advancing battery failure diagnosis by knowledge-augmented large language models 2026-Jul, National science review IF:16.3Q1 DOI:10.1093/nsr/nwag348 PMID:42519668	研究论文	提出一种知识增强的大语言模型框架，用于电池故障诊断	首次构建案例级电池故障知识图谱，并开发知识增强生成方法，结合故障特征感知检索与优化算法，提升大语言模型在电池故障诊断中的推理能力	仅基于故障知识图谱进行实验，未涉及不同电池类型及复杂场景下的性能评估	解决传统电池故障诊断方法对大量训练数据的依赖、泛化能力差和可解释性不足等问题	电池故障诊断系统	机器学习	NA	知识图谱构建、知识增强生成	大语言模型	文本（故障知识数据）	未明确说明	NA	BattFailScholar	诊断性能提升率（19.7%）、潜在故障机制识别准确率（86.2%）	NA
3346	2026-07-30	An Introduction to 3-D Sparse CNNs 2026 Jul-Aug, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2026.3696340 PMID:42519872	研究论文	本文介绍了基于体素的稀疏3D卷积神经网络（CNN），重点探讨如何高效处理三维几何数据并应对存储与计算挑战	系统阐述了稀疏3D卷积的实现原理及八叉树、哈希表等关键数据结构的实践应用，弥补了3D深度学习在稀疏处理方面的入门指南空白	未提供具体实验验证或性能对比分析，可能缺乏对复杂场景下稀疏网络局限性的深入探讨	为3D稀疏CNN提供易于理解的入门介绍，涵盖体素卷积、稀疏计算及实现所需的数据结构	三维几何数据，包括表面体素、点云占用单元等不规则且大部分为空的空间结构	计算机视觉	不适用	稀疏卷积	稀疏CNN	三维数据（体素、点云）	不适用	不适用	稀疏CNN	不适用	不适用
3347	2026-07-30	Coarse-to-Fine Curriculum Transfer Learning Using RF-Derived Ultrasound Representations for Small-Data Breast Tumor Detection 2026-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070769 PMID:42510435	研究论文	提出一种基于课程迁移学习的乳腺肿瘤检测方法，利用RF信号派生表示优化小数据集下的检测性能	首次将RF信号派生的相位、包络和B模式图像按序列顺序作为训练课程，在单一检测模型架构中实现多模态信息利用，无需复杂融合计算	结果仅为固定患者级划分和100次随机种子重复评估的验证性证据，缺乏外部临床泛化性，且局限于小数据设定	开发一种轻量级、计算高效的乳腺肿瘤检测方法，应对小数据集和散斑噪声挑战	乳腺超声图像中的肿瘤检测	计算机视觉	乳腺癌	超声波成像（RF信号）、迁移学习	YOLO系列（YOLOv5, YOLOv8, YOLO11, YOLO26）	图像（相位、包络和B模式超声图像）	基于100次随机种子重复评估的小数据集	NA	YOLOv5, YOLOv8, YOLO11, YOLO26	mAP@50	NA
3348	2026-07-30	Benign Share Benefit to Malignant: Balanced Mixing on Feature Space for Imbalanced Breast Cancer Classification 2026-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070765 PMID:42510431	研究论文	提出B2M框架，用于不平衡乳腺X线图像的BI-RADS分类	B2M模型通过两阶段训练策略，结合双重采样和特征空间混合，在C-View乳腺X线图像上实现针对不平衡多类BI-RADS分类的类平衡处理	基于EMBED队列，需要外部和前瞻性验证才能用于临床	解决乳腺X线数据集中类别不平衡导致的模型识别偏差问题	C-View乳腺X线图像中的BI-RADS类别	数字病理学	乳腺癌	C-View乳腺X线成像	CNN	图像	EMBED数据集的C-View队列（未明确样本数）	NA	ResNeXt-50	平衡准确率, Macro-F1分数	训练时间开销约2.81倍，未增加推理成本
3349	2026-07-30	VQ-SToRM: Vector-Quantized Smoothness Regularization on Manifolds for Free-Breathing, Ungated Real-Time Cardiac MRI Reconstruction 2026-Jun-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070764 PMID:42510430	研究论文	提出一种基于向量量化变分自编码器的无监督实时心脏MRI重建方法，用于自由呼吸、无门控采集场景	用学习到的离散码本替代传统连续潜在流形，增强模型对心-呼吸运动分离表示能力，避免后验坍塌问题	未提及在真实临床患者数据（如心律失常、儿科人群）上的验证，仅基于健康志愿者数据评估	实现自由呼吸、无门控实时心脏MRI的高质量图像重建	健康志愿者的自由呼吸、无门控螺旋采集心脏MRI数据	计算机视觉	心血管疾病	磁共振成像	向量量化变分自编码器	图像	健康志愿者数据（未提供具体人数）	PyTorch	VQ-VAE	信噪比、对比噪声比	NA
3350	2026-07-30	ETDACVO: Structural-Fidelity-Aware Evolutionary Co-Optimization for Robust and Explainable Brain Tumor MRI Classification 2026-Jun-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14071475 PMID:42511950	研究论文	提出ETDACVO混合进化优化系统，联合优化数据增强和优化器动态，提升脑肿瘤MRI分类的鲁棒性与可解释性	首次将塔斯马尼亚恶魔优化、反保守变量优化和指数加权移动平均平滑结合，在单一进化循环中同时演化数据增强策略和优化器动态，并引入收敛感知的可解释性机制CA-EA-GradCAM	未提及具体局限性	开发鲁棒且高效的可解释优化框架，解决异构成像条件下脑肿瘤MRI分类的域漂移和收敛稳定性问题	脑肿瘤MRI图像	计算机视觉, 机器学习	脑肿瘤	MRI	CNN, Transformer	图像	28151张MRI图像（来自Nickparvar、Mendeley、BRISC和Figshare四个数据集）	NA	GradCAM	准确率, 收敛速度, 域迁移性能保持率	NA
3351	2026-07-30	CosFNet: A Lightweight Epileptic EEG Detection Model Based on Cosine Convolution and FNet 2026-Jun-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070754 PMID:42510421	研究论文	提出一种基于余弦卷积和FNet的轻量级癫痫脑电检测模型CosFNet	创新性地将余弦卷积前端与基于傅里叶变换的FNet编码器结合，实现轻量高效的癫痫脑电检测，模型仅含19,458个可学习参数	未提及模型的实时处理延迟或具体功耗数据，且仅在两个数据集上验证，泛化能力需进一步评估	设计轻量级深度学习模型，实现资源受限环境下癫痫脑电信号的自动检测	癫痫患者的脑电图（EEG）信号	机器学习	癫痫	脑电图（EEG）, 离散傅里叶变换	CosFNet（余弦卷积+FNet编码器混合架构）	脑电图信号	CHB-MIT公开数据集（含多例患者脑电记录）；SH-SDU自建数据集（样本量未明确）	PyTorch	余弦卷积, FNet编码器	敏感度, 特异度, AUC, 假阳性率	NA
3352	2026-07-30	Targeting the Undruggable: Deep Learning-Driven Design of Peptide Therapeutics in Cancer 2026-Jun-27, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19070998 PMID:42515682	综述	探讨深度学习驱动的肽类药物设计，用于靶向传统上难以成药的蛋白质	提出将深度学习（特别是扩散生成模型）整合到肽类发现中，实现从经验过程到理性设计范式的转变	主要基于观点和文献综述，缺乏实际实验验证和临床数据支持	探索深度学习方法在解决不可成药蛋白质靶点问题中的应用潜力，并构建实验-计算集成框架	不可成药蛋白（如KRAS、p53、c-MYC）及其蛋白-蛋白相互作用	机器学习	癌症	NA	扩散生成模型、深度学习	NA	NA	NA	NA	NA	NA
3353	2026-07-30	Three-Dimensional Deep Learning with Routine Brain Magnetic Resonance Imaging and Clinical Data for Identification of Secondary Progressive Multiple Sclerosis 2026-Jun-26, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16070670 PMID:42512445	研究论文	利用三维深度学习结合常规脑部MRI及临床数据识别继发性进展型多发性硬化	首次使用3D VGG19、ResNet152和DenseNet-121深度学习框架在常规临床数据集上区分SPMS和RRMS，并应用3D梯度加权类激活映射解释模型，识别关键脑区	样本量有限（140人），且未外部验证，可能限制泛化性	探索三维深度学习框架是否有助于基于常规临床数据集区分SPMS和RRMS，并确定对该区分起主要作用的脑区	70名RRMS患者和70名SPMS患者的前瞻性收集临床及影像数据	数字病理学	多发性硬化	NA	CNN	图像	140人（RRMS和SPMS各70人），训练集120人，测试集20人	PyTorch	VGG19, ResNet152, DenseNet-121	受试者工作特征曲线下面积（AUC）	NA
3354	2026-07-30	A Deep Learning Framework for Gastric Cancer Cell Segmentation with Multi-Scale Attention Mechanisms 2026-Jun-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070740 PMID:42510408	研究论文	提出一种基于多尺度注意力机制的深度学习框架用于胃癌细胞分割	在U-Net编码器中引入多尺度空洞池化融合块增强特征多样性和边界敏感性，在解码器中使用双通道注意力模块替代传统卷积块以恢复细节和重构模糊边界，并引入对角马氏一致性损失函数促进类内紧凑性	未提及	解决胃癌细胞分割中标注成本高、病灶边界模糊和特征表达弱的问题	胃癌细胞图像	数字病理学	胃癌	NA	U-Net	图像	SEED-Gastric Carcinoma Stage 1数据集	NA	MSAF-Net (基于U-Net)	Dice系数, 准确率	NA
3355	2026-07-30	A Multi-Task Deep Learning Framework for Characterizing Beating Behavior and Synchrony in Cardiomyocyte Clusters 2026-Jun-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070742 PMID:42510409	研究论文	提出一种多任务深度学习框架CardioSegNet，从显微成像数据中表征心肌细胞簇的跳动行为与同步性	结合注意力机制与三个预测头（语义分割、轮廓检测、距离变换），并引入Pixel-Difference方法和PeriodAwareNAPTD来提取跳动信号并量化簇间同步性	未明确说明局限性	开发无标记分析流程，用于心肌功能评估和体外心脏毒性筛选	心肌细胞簇	计算机视觉, 深度学习	心血管疾病	显微成像	多任务深度学习模型	图像	独立测试集，具体数量未提及	PyTorch（推测）	CardioSegNet	Dice系数, HD95	NA
3356	2026-07-30	Automated Craniofacial Artery Segmentation with Vessel Enhancement-Guided Deep Learning 2026-Jun-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070728 PMID:42510395	研究论文	提出一种基于血管增强引导的深度学习框架，用于自动分割颅面动脉	通过构建融合血管映射图（FVM）并将其作为空间先验融入损失函数，而非作为额外输入通道，有效引导网络关注血管边界和远端分支，显著提升小口径、弯曲血管的分割精度	NA	开发高精度的自动化颅面血管分割方法，以支持神经外科和重建外科的术前规划	颅面浅表颞动脉和面部血管	深度学习	NA	CTA成像	3D nnU-Net v2	CTA体积图像	72例临床病例	nnU-Net v2	3D nnU-Net	平均对称表面距离	NA
3357	2026-07-30	Evidence That Cardiac Pulse Strains Retinal Vessels in and near the Optic Disc During Ocular Ductions 2026-Jun-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070725 PMID:42510393	研究论文	利用共焦扫描激光检眼镜（cSLO）测量眼动过程中视盘及视盘周围视网膜血管因心脏脉搏产生的机械应变	首次量化了心脏脉搏对视网膜血管的应变影响，并评估了注视方向对脉搏应变的调节作用	样本量较小（25只眼，13名受试者），且未考虑脉搏应变与眼动相关应变研究中的潜在干扰因素	研究心脏脉搏对视盘及视盘周围视网膜血管的应变影响，并分析注视方向对脉搏应变的调节作用	成年人的视网膜血管、视盘及黄斑	数字病理学	NA	共焦扫描激光检眼镜（cSLO）、深度学习模型、光流分析	深度学习模型	图像	25只眼，13名受试者，平均年龄39±18岁（范围：25-81岁）	NA	定制训练的深度学习模型	等效应变（等效应变阈值）	NA
3358	2026-07-30	WAVE: Wall-Aligned Vector Embedding for Self-Supervised Learning of Electrocardiograms 2026-Jun-24, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070733 PMID:42510400	研究论文	提出一种用于心电图自监督学习的壁对齐向量嵌入框架，减少对标注数据的依赖	通过显式结合心电图导联与心脏壁的对应关系，利用多导联心电图的多样性、协同性和导联相关性，设计了双对齐任务和共享投影机制	未提及具体局限性	实现低成本和标签高效的心电图分析，用于心血管诊断	心电图数据	机器学习	心血管疾病	自监督学习	多分支神经网络	心电图信号	未明确提及	NA	多分支网络	准确性等（未具体列出所有指标）	NA
3359	2026-07-30	Information-Theoretic Channel Selection and Spatiotemporal Deep Learning for Early Fault Detection in Microsatellite Thermal Control Systems 2026-Jun-24, Entropy (Basel, Switzerland) DOI:10.3390/e28070725 PMID:42511335	研究论文	提出一种融合信息论特征选择与时空深度学习的方法，用于微卫星热控系统的早期故障检测	首次将广义最大信息系数与双层次季节性趋势分解结合，从高维遥测数据中提取关键温度通道并解耦多尺度周期，实现单日数据内的高精度早期故障检测	依赖遥测数据中温度通道的完整性，未考虑非温度传感器（如电流、电压）的协同作用；自适应阈值机制可能对缓慢演变的早期故障不敏感	解决微卫星热控系统早期故障检测中数据高维冗余、多尺度周期干扰及下行数据量少的三大挑战	微卫星热控系统的温度遥测数据	机器学习	NA	NA	CNN-LSTM	时间序列数据	真实卫星遥测数据集，包含多种故障类型的温度通道历史数据	NA	CNN-LSTM	预测精度、检测可靠性	NA
3360	2026-07-30	Unsupervised Deep Representation Learning and Probabilistic Clustering for the Systems-Level Discovery of Germline Mutation Signatures in Pediatric Cancers 2026-Jun-24, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14071438 PMID:42511913	研究论文	利用无监督深度学习框架发现儿童癌症中的种系突变特征	首次将无监督深度学习与概率聚类结合，在系统层面发现跨肿瘤类型的种系突变特征，超越传统组织来源分类	治疗映射网络尚处于探索阶段，需前瞻性临床验证	识别并表征儿童恶性肿瘤中的种系突变特征(GMS)，揭示共享致癌机制	420名儿童癌症患者和匹配非癌症对照者的种系全外显子和全基因组测序数据	机器学习	儿童癌症	全外显子测序, 全基因组测序	自编码器	基因组数据	420名儿童癌症患者和匹配非癌症对照者	PyTorch	深度自编码器, 高斯混合模型	Davies-Bouldin指数	NA