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
321	2026-09-06	Adversarial and Correlation-Aware Data Augmentation Framework for Multi-Label Chest X-Ray Image Classification 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3667990 PMID:41740106	研究论文	本文提出了一种对抗性和相关性感知的数据增强框架（ACAA），用于在有限标注条件下进行多标签胸部X射线图像分类	创新性地结合了图像级和特征级对抗增强、基于Mamba的批次级相关正则化，以及用于半监督学习的伪标签生成	未提及具体限制	在仅有有限标注数据的情况下，提高多标签胸部X射线图像分类的性能	胸部X射线图像（CXR）及其对应的多标签分类任务	计算机视觉	胸部疾病	对抗性数据增强、一致性正则化	NA	图像	两个大型CXR数据集（CheXpert和MIMIC-CXR）	NA	Mamba模块	AUC	NA
322	2026-09-06	CapsFormer: A Dual-Stream Causal-Aware Capsule-Transformer Network for EMG Signal Representation Learning 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668131 PMID:41747118	研究论文	提出了一种名为CapsFormer的双流因果胶囊-Transformer网络，用于肌电信号表示学习，以提高手势识别性能	在Transformer流中采用因果注意力机制显式阻止未来信息，在胶囊流中利用动态路由捕捉局部整体姿态向量，以增强对电极移位和肌肉变形的鲁棒性	未提供具体限制信息	开发一种能够平衡长期时间建模与局部姿态不变性，且具有因果一致的可解释性的肌电信号手势识别方法	肌电信号	机器学习	不适用	肌电信号处理	神经网络（含Transformer和胶囊网络）	肌电信号数据	多受试者数据集	不适用	Transformer、胶囊网络	识别准确率、跨受试者鲁棒性、可解释性	不适用
323	2026-09-06	WGB-GLFI: A Novel Graph-Based Global-Local Feature Interaction Framework for Automated Seizure Detection 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668888 PMID:41774635	研究论文	提出一种基于加权图构建的全局-局部特征交互框架WGB-GLFI，用于自动癫痫发作检测，以提高检测准确性和鲁棒性	首次将加权图构建（WGB）模块与全局-局部特征交互（GLFI）模块结合，统一建模空间连接和动态模式，实现无缝的全局-局部特征整合	摘要未提及模型的局限性	解决现有癫痫检测方法在空间建模统一性和局部细节特征处理上的不足，提升发作检测性能	癫痫患者的脑电图（EEG）数据	机器学习	癫痫	脑电图（EEG）	图神经网络（GNN）结合深度学习	脑电图信号	多个数据集（CHB-MIT、Siena Scalp和私有数据集），具体样本数量未提及	NA	WGB-GLFI框架（包括加权图构建模块和全局-局部特征交互模块）	准确率	NA
324	2026-09-06	BioFPT: Biosignal Feature Pyramid Transformer for Self-Supervised Representation Learning From ECG Signals 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3669166 PMID:41770962	研究论文	提出了一种用于心电图信号自监督表示学习的生物信号特征金字塔变换器框架	引入Split-Mask-Join预训练策略、重叠嵌入机制消除位置编码需求，以及空间减少注意力变换器降低计算复杂度	未提及	提高ECG信号分析的效率和性能，尤其在有限标注数据场景下	心电图信号	机器学习	不适用	ECG信号处理	Transformer	心电信号	超过94,000名受试者的七个公共ECG数据集	未提及	特征金字塔变换器	准确率、参数数量	未提及
325	2026-09-06	Ultrastructural Evidence of Altered Dendritic Morphology in the Prefrontal Cortex of Alzheimer's Model Rats 2026-Sep, Neuroscience bulletin IF:5.9Q1 DOI:10.1007/s12264-026-01606-5 PMID:41882455	研究论文	本研究提出了一种整合体积电子显微镜与深度学习的自动化流程，用于分析大鼠前额叶皮层中的突触和亚细胞结构，并发现阿尔茨海默病模型大鼠的树突棘形态发生改变。	创新性地将体积电子显微镜与深度学习相结合，自动化分析突触和亚细胞结构，实现对约13万立方微米大鼠前额叶皮层的3D重建，克服了传统方法无法解析纳米级结构的限制。	初步结果基于少量动物样本，样本量有限，可能影响结论的普遍性。	利用vEM与深度学习整合的自动化流程，量化阿尔茨海默病模型大鼠前额叶皮层中的突触和亚细胞超微结构变化，以揭示树突形态的异常。	阿尔茨海默病模型大鼠及对照大鼠的前额叶皮层组织。	计算病理学, 深度学习	阿尔茨海默病	体积电子显微镜	深度学习模型（未指定具体类型）	电子显微镜图像	少量大鼠样本（具体数量未说明）	NA	NA	NA	NA
326	2026-09-06	ClearDepthIAS enables automated high-throughput quantification of roots in soil-grown taproot crops 2026-Sep-01, Plant physiology IF:6.5Q1 DOI:10.1093/plphys/kiag447 PMID:42361307	研究论文	ClearDepthIAS是一个高通量成像与分析平台，能够非破坏性地自动量化土壤栽培主根作物（如大豆和油菜）的根系结构特征	通过360度图像拼接和基于深度学习的ClearDepth-WRT分割技术，实现了墙根浅度（WRS）的高精度测量，并能用于预测成熟期根系结构和田间根生物量分布	环境交互作用可能影响根系结构与环境关系，导致相关性减弱或消失	实现土壤中主根作物根系结构的高通量自动表型分析，以支持遗传研究和育种	大豆和油菜的根尖、根面积、分布指数、生长角度及墙根浅度等特征	计算机视觉	NA	高通量成像	深度学习分割模型	360度根图像	大豆和油菜植株	NA	ClearDepth-WRT	精度	NA
327	2026-09-06	Comparative analysis of quantitative fundus results of the left and right eyes and screening for coronary atherosclerotic disease: a binocular study 2026-Sep, Eye (London, England) DOI:10.1038/s41433-026-04565-3 PMID:42373976	研究论文	本研究利用AI定量分析比较冠心病患者左右眼视网膜微血管参数的对称性，以评估单眼成像在心血管风险评估中的可行性。	首次通过AI深度学习模型在冠心病患者中系统评估双眼视网膜参数的对称性，并考虑Gensini评分和病变位置等分层因素，为简化筛查方案提供依据。	研究未详细说明混杂因素控制及模型训练细节，且为单中心研究，可能限制结果的普适性。	评估冠心病患者眼底微血管参数的双眼一致性，以支持单眼成像用于心血管风险筛查。	431名患者的862张彩色眼底照片，包括CAD和非CAD个体，按Gensini评分和病变位置分层。	计算机视觉	冠状动脉粥样硬化疾病	眼底图像分析	深度学习模型（ResNet 101-UNet）	图像（彩色眼底照片）	431名患者，862张彩色眼底照片	NA	ResNet 101-UNet	Pearson相关系数, 组内相关系数, 线性回归, 广义线性混合模型	NA
328	2026-09-06	Correction: Establishing discard criteria for lead aprons using deep learning-based quantification of defect area on X-ray fluoroscopic video 2026-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01116-z PMID:42570187	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
329	2026-09-06	DNAmBERT: a transformer-based model for non-invasive cancer diagnosis using DNA sequence and methylation data 2026-Sep-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag455 PMID:42685313	研究论文	本文介绍了DNAmBERT，一个基于Transformer的深度学习框架，用于通过DNA序列和甲基化数据进行非侵入性癌症诊断。	首次联合建模DNA序列上下文和读段水平甲基化单倍型结构，利用k-mer编码和甲基化单倍型令牌的统一表示及掩码语言建模目标，实现序列-表观遗传依赖的上下文感知学习。	摘要中未提及具体局限性。	开发一种准确且可扩展的cfDNA多癌种检测方法，通过联合序列和甲基化单倍型表示学习提高非侵入性癌症诊断的性能。	循环游离DNA（cfDNA）甲基化测序数据，涵盖结直肠癌、肺腺癌和肝细胞癌等癌症类型。	机器学习	结直肠癌, 肺腺癌, 肝细胞癌	甲基化测序（RRBS, cfRRBS, cfMethyl-seq）	Transformer	序列数据（DNA序列和甲基化数据）	未提供具体样本数量，但提及多个平台和癌症类型。	未明确提及，可能使用PyTorch或TensorFlow。	Transformer	AUC	未提及具体计算资源。
330	2026-09-06	Explainable deep learning improves human mental models of self-driving cars 2026-Sep, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10950-5 PMID:42687026	研究论文	本文介绍了一种名为概念包装网络（CW-Net）的可解释深度学习方法，用于忠实解释自动驾驶汽车中基于机器学习的规划器行为，并在真实自动驾驶汽车上验证其能提高人类驾驶员对车辆行为的预测能力。	创新点在于提出了CW-Net方法，该方法将规划器的推理因果地建立在人类可解释的概念上，而不牺牲性能，并在真实自动驾驶汽车上进行了部署验证，填补了可解释性研究在实际部署中的空白。	文中未提及明显的局限性，但可能隐含对概念选择依赖性和跨系统泛化性的挑战。	研究目标是开发并验证一种可解释的深度学习方法，以提高人类对自动驾驶汽车行为的理解和预测，特别是在意外情况下，从而增强系统的透明度和安全性。	研究对象是自动驾驶汽车中的机器学习规划器及其行为解释。	机器学习，自动驾驶	NA	深度学习，可解释性分析	概念包装网络（CW-Net）	驾驶场景数据（未指明具体数据类型）	未指明具体样本量，涉及真实自动驾驶汽车的部署实验。	NA	CW-Net（基于概念的神经网络架构）	预测准确率（未指明具体指标，但提到改进预测能力）	未指明具体计算资源。
331	2026-09-06	Deep learning for blood glucose prediction: Reproducibility challenges and factors affecting differential performance 2026-Sep, PLOS digital health DOI:10.1371/journal.pdig.0001633 PMID:42691024	研究论文	本研究评估了八种深度学习血糖预测方法的可重复性，并分析了影响其性能差异的因素	首次系统性地评估深度学习血糖预测方法的可重复性，采用涵盖技术、统计和概念层面的标准化框架，并识别了影响因素	研究仅聚焦于1型糖尿病患者，可能无法推广至其他类型的糖尿病或健康人群，且可重复性评估受限于现有数据集的多样性和公开性	评估深度学习血糖预测方法的可重复性，并分析影响模型性能差异的因素	八种代表性深度学习血糖预测方法，以及来自128名1型糖尿病个体的超过136万个连续血糖监测样本	机器学习	1型糖尿病	连续血糖监测	深度学习模型（文中未明确指定具体类型，提到八种代表性方法，通常包括LSTM等）	时间序列数据	128名1型糖尿病个体，共5061天的连续血糖监测样本，超过136万个样本	NA	NA	预测误差（文中提到较高的预测误差与较低的血糖目标范围内时间相关，具体指标可能包括均方根误差等）	NA
332	2026-09-06	Deceptive bias measurement in deep learning: Assessing shortcut reliance in TCGA cancer models 2026-Sep, PLOS digital health DOI:10.1371/journal.pdig.0001165 PMID:42691130	研究论文	提出一种名为Deceptive Signal的新度量，用于评估深度学习模型在学习过程中对隐藏捷径（如数据来源）的依赖程度，并在TCGA组织病理学数据集上验证了其对中心特异性伪影依赖的量化能力。	提出了全新的Deceptive Signal度量指标，通过对比完全排除和部分排除敏感子组的训练情境，量化模型对任务无关捷径的依赖。	未提及，本文主要聚焦于度量提出和初步验证，可能缺乏对临床实用性或广泛适用性的深入探讨。	开发一种量化方法，以衡量深度学习模型对隐藏捷径（如数据来源或采集地点）的依赖，从而提高模型公平性和泛化能力。	TCGA组织病理学数据集中的癌症分类模型。	机器学习	癌症（未指定具体类型）	NA	deep learning模型（具体类型未提及）	组织病理学图像	NA	NA	NA	NA	NA
333	2026-09-06	Deep Learning-Based Evaluation of Impacted Third Molars with Open and Closed Apices on CBCT 2026-Sep, Journal of the College of Physicians and Surgeons--Pakistan : JCPSP DOI:10.29271/jcpsp.2026.09.1114 PMID:42698239	研究论文	开发并评估一种基于深度学习的自动化方法，用于CBCT图像上阻生第三磨牙的分割及根尖开放或闭合状态的分类	首次利用3D nnU-Net卷积神经网络对CBCT图像中的阻生第三磨牙进行分割，并同时判断根尖发育状态（开放或闭合）	开放根尖磨牙的性能显著较低，主要由于训练数据集中严重的类别不平衡	评估深度学习模型对CBCT图像中阻生第三磨牙自动分割和根尖成熟度分类的可行性	阻生第三磨牙	数字病理学	阻生牙	CBCT成像	3D nnU-Net卷积神经网络	图像	300份CBCT扫描影像，其中270份用于训练，30份用于测试	nnU-Net v2	nnU-Net	Dice相似系数, Jaccard指数, 准确率, 灵敏度, 精确率, AUC	未提供
334	2026-09-06	A novel convolution-transformer model for differentiating hypertrophic cardiomyopathy from Phenocopies using cardiac MRI 2026-Aug-31, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110780 PMID:42674227	研究论文	本研究开发了一种基于卷积-Transformer混合架构的深度学习模型，利用心脏MRI图像准确区分肥厚型心肌病（HCM）、正常对照及HCM拟表型疾病。	首次基于心血管磁共振基础模型CineMA，结合双头多任务学习、边界先验注意力模块（BPAM）及三阶段渐进式迁移学习策略，用于HCM的鉴别诊断。	未明确提及，但摘要提示研究依赖多中心数据，可能存在外部验证不足或样本类别不均衡等潜在局限性。	利用心脏MRI实现HCM与HCM拟表型（如高血压性心脏病和心肌淀粉样变性）及正常心脏的自动化、准确鉴别诊断，以支持临床决策。	心脏MRI图像，来自多中心数据集（ACDC和M&Ms2）及临床队列，共463例，包括207例HCM、166例正常对照和90例HCM拟表型病例。	医学影像分析	肥厚型心肌病、高血压性心脏病、心肌淀粉样变性	心血管磁共振成像（cardiac MRI）	卷积-Transformer混合模型	心脏MRI图像	463例心脏MRI图像，包括207例HCM、166例正常对照和90例HCM拟表型病例	未明确提及	CineMA基础模型，卷积-Transformer混合骨干，双头多任务学习架构，边界先验注意力模块（BPAM）	准确率、宏平均F1分数、ROC AUC、召回率	未明确提及
335	2026-09-06	The Technologies, Applicability, and Trade-Offs of AI in Palliative Care for Older Adults: Scoping Review 2026-Aug-31, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/100216 PMID:42684272	综述	这篇综述旨在描述人工智能在老年人姑息治疗中的适用性，并综合其潜在益处和局限性	系统性地评估了AI在老年复杂护理环境中的适用性，并识别了潜在的成本节约和特定于情境的限制	大多数研究缺乏外部验证、泛化性有限，且很少探讨以人为中心的限制如情感识别困难，临床有效性和实施效果尚不确定	描述AI在老年人姑息治疗中的适用性并综合其潜在益处和局限性	患有多种疾病、功能衰退和复杂护理需求的老年人	机器学习, 自然语言处理	老年疾病	NA	传统机器学习, 深度学习, 自然语言处理	电子健康记录、临床数据库、行政索赔和健康保险数据库、基于人群的纵向调查数据	11项研究	NA	NA	NA	NA
336	2026-09-06	Transcranial ultrasound viscoelasticity and fluidity imaging of brain tissue based on multi-scale spatiotemporal deep learning 2026-Aug-30, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108273 PMID:42697166	研究论文	提出了一种基于多尺度时空深度学习的经颅超声脑组织黏弹性和流动性成像方法	集成多尺度金字塔卷积和混合损失，通过双分支处理同时捕获高频细节（300 Hz）和低频模式（100 Hz），克服低信噪比和小剪切位移的局限	未在摘要中提及明显的局限性	实现脑组织的非侵入性经颅超声黏弹性和流动性成像，以表征神经疾病中的组织力学	脑组织及其力学特性	深度学习、医学成像	神经疾病	经颅超声	深度神经网络	模拟数据、体模数据、离体动物数据	未具体说明样本数量	未指定	多尺度金字塔卷积网络（对比 PWC-Net）	SNR、CNR、低频重建误差、高频信号保真度	未指定
337	2026-09-06	Machine Learning, Large Language Models, and Multimodal AI for Diagnosing Pediatric Rare Diseases: Scoping Review 2026-Aug-28, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/96169 PMID:42684307	综述	本文按照系统综述方法，全面梳理了人工智能（包括机器学习、深度学习、大语言模型和多模态AI）在儿科罕见病诊断中的应用现状、数据模态、验证策略和证据成熟度	首次系统性地对AI辅助诊断儿科罕见病的研究进行范围综述，并采用互斥的主要技术分类方法，区分经典机器学习、面部AI、深度学习、大语言模型和多模态AI	研究证据主要为回顾性和内部验证，外部验证和前瞻性研究较少，大语言模型和多模态AI的证据有限	系统性地整理和评估AI方法在儿科罕见病诊断中的应用现状、数据模态、验证策略和证据成熟度	针对儿科罕见病的诊断性AI应用研究，涵盖各种AI技术、数据类型和临床或研究环境	自然语言处理, 机器学习, 计算机视觉	儿科罕见病	NA	经典机器学习, 深度学习, 大语言模型, 多模态AI	电子健康记录, 临床文本, 结构化临床病例, 面部图像, 医学影像, 索赔数据	81项研究	NA	NA	NA	NA
338	2026-09-06	Detection of oral potentially malignant disorders and oral cancer with white light through deep learning: a systematic review and meta-analysis 2026-Aug-26, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-026-07058-5 PMID:42645587	系统综述与荟萃分析	系统评估基于白光下数字照片的深度学习模型在识别口腔潜在恶性疾患和口腔癌中的诊断准确度	首次对白光下利用数字图像和深度学习识别口腔潜在恶性疾患与口腔癌进行系统综述和荟萃分析，并采用双变量随机效应模型整合敏感度和特异度	所评估的深度学习算法间存在显著异质性，可能影响结果的普遍性和可比性	评估人工智能在白光数字图像下诊断口腔潜在恶性疾患和口腔癌的准确性	口腔潜在恶性疾患或口腔鳞状细胞癌患者	计算机视觉	口腔癌	数字摄影	深度学习	图像	不适用（汇总分析），但涉及多项原始研究（未在摘要中提供具体数量）	不适用	不适用	敏感度、特异度	不适用
339	2026-09-06	Artificial Intelligence-Driven Diagnosis, Prediction, and Management of Polycystic Ovarian Disease (PCOD): A Comprehensive Systematic Review of Machine Learning, Deep Learning, and Emerging Technologies 2026-Aug-25, Current pharmaceutical design IF:2.6Q2 DOI:10.2174/0113816128453237260817113317 PMID:42695316	系统综述	基于PRISMA指南的系统文献综述，评估人工智能技术在多囊卵巢疾病（PCOD）诊断、预测和管理中的作用，涵盖2021至2025年间超过140篇同行评审出版物	全面涵盖多种AI技术（如机器学习、深度学习、混合AI、可解释AI、联邦学习、量子机器学习、边缘AI和生成对抗网络）在PCOD多领域（临床、生化、影像和多组学）的应用，并讨论了数据增强和隐私保护等前沿问题	数据异质性和不平衡、外部验证有限以及缺乏标准化数据集，阻碍了AI在临床常规实施中的应用	评估人工智能技术在增强PCOD诊断、预测和管理中的作用	2021至2025年间发表的关于AI在PCOD应用的相关研究	机器学习	多囊卵巢疾病	多组学、影像、临床及生化数据分析	卷积神经网络、深度学习、混合AI模型、生成对抗网络	临床、生化、影像和多组学数据	超过140篇同行评审出版物	未指定	未指定	准确性、预测性能	NA
340	2026-09-06	Adaptive auxiliary task learning for medical image segmentation under scarce training data 2026-Aug-25, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102814 PMID:42696831	研究论文	本研究提出一种自适应辅助任务学习方法，通过可学习的知识迁移机制和任务选择策略，提高稀缺训练数据下的医学图像分割性能	引入自适应知识迁移机制，聚合多步模型更新和组件，并使用可学习的权重实现更具表现力的知识迁移；提出动态任务选择策略，仅选择少量有益任务以提升训练效率，并通过重用中间计算降低评估开销	未明确提及局限性，但可能包括对辅助任务设计依赖性强，以及实验仅基于公共数据集进行验证	在训练数据稀缺条件下改进医学图像分割性能	医学图像分割模型	医学图像分析	NA	NA	深度学习模型	医学图像	五个公共数据集	NA	NA	Dice分数	NA