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
4701	2026-07-06	Feature-indistinguishable machine unlearning via negative-hot label encoding and class weight masking 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40379-9 PMID:41775809	研究论文	提出一种通过负热标签编码和类别权重掩码实现特征不可区分的机器遗忘方法	引入负热标签编码（NHLE）抑制目标类别在特征空间中的可区分性，结合类别权重掩码实现高效选择性遗忘，仅需少量遗忘类别样本进行迭代微调	未明确说明在复杂数据集或大规模遗忘任务中的扩展性及对保留数据性能的潜在影响	开发高效且选择性的机器遗忘框架，解决数据隐私合规需求并减少计算开销与性能下降	深度学习模型中的类别级遗忘	机器学习	NA	NA	神经网络	视觉图像数据	多个视觉数据集，未明确具体数量	NA	NA	分类准确率，保留数据准确率下降值	NA
4702	2026-07-06	Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02364-4 PMID:41775890	研究论文	评估不同深度学习策略在分布偏移下预测ICU脓毒症的性能，提出根据目标数据规模选择最佳部署策略	系统比较了五种部署策略（泛化、微调/重训练、目标训练、监督域适应和融合训练）在多个深度学习架构和四种目标数据规模下的表现，发现微调并非最优方法，而重训练、融合训练和域适应在不同数据规模下表现更佳	未说明具体局限	研究分布偏移下深度学习脓毒症预测模型在ICU中的最佳部署策略	脓毒症预测模型的部署策略	机器学习	脓毒症	NA	深度学习	时序数据（ICU住院记录）	216,536次住院记录（来自HiRID、MIMIC-IV、eICU三个队列）	NA	多种深度学习架构	AUROC, 归一化AUPRC	NA
4703	2026-07-06	Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42147-1 PMID:41776224	研究论文	利用基于注意力机制的多模态数据深度学习框架预测篮球运动员的睡眠质量	首次将特征级注意力的多模态表格学习框架应用于大学篮球运动员的睡眠质量筛查，并比较了多种预测模型，发现基于注意力的多层感知机（Attention-MLP）在复杂特征交互建模上具有优势	对中等睡眠质量类别的区分能力较差（AUC=0.40），当前模型更适合筛查导向的分层而非明确分类	开发一种用于大学篮球运动员睡眠质量筛查的注意力机制多模态表格学习框架	大学篮球运动员	机器学习	睡眠障碍	NA	逻辑回归、随机森林、XGBoost、基于注意力的多层感知机（Attention-MLP）	表格数据（身体指标、心理特征、社会人口学变量）	大学篮球运动员样本	Scikit-learn, XGBoost	逻辑回归、随机森林、XGBoost、注意力多层感知机（Attention-MLP）	准确率（0.732）、F1值（0.630）、AUC	NA
4704	2026-07-06	Deep learning-based labor relations prediction system with multi-source data fusion and early warning mechanisms 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40369-x PMID:41772036	研究论文	提出基于深度学习的劳资关系预测系统，通过多源数据融合与预警机制实现冲突提前识别	采用注意力机制多模态融合，自适应加权不同数据源贡献，而非固定融合方案	12.7% 的误报率及高压运营期间的系统性预测错误	解决传统统计方法和专家系统在复杂多因素劳资关系预测中的不足	企业内部人力资源管理数据、沟通日志、绩效轨迹、满意度调查及外部经济指标	机器学习	不适用	不适用	MLP与LSTM	表格数据、时间序列数据	12家企业部署，跨4个行业	PyTorch	MLP, LSTM, 注意力机制	准确率、早期预警成功率、误报率	未提及
4705	2026-07-06	Reliable ECG classification using parallel hybrid models with limited resources 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41370-0 PMID:41771987	研究论文	提出一种并行混合模型(PHM)，结合三个轻量级分类器，在资源受限环境下提高心电图分类的可靠性和准确性	创新性地采用加权软投票方法整合预测结果，并结合可靠性区域提供可解释的置信度框架	研究未提及模型在更大规模或多样化数据集上的验证，以及实际部署时的实时性能表现	为资源受限环境提供计算高效且可靠的心电图分类系统	心电图(ECG)信号，用于心律失常等心血管疾病的诊断	机器学习	心血管疾病	NGS	CNN	时间序列信号	MIT-BIH心律失常数据库(未具体说明样本数量)	TensorFlow	EfficientNet, SequentialNet, LeNet-5	准确率, 错误率, 正确概率, 错误概率, 错误决策概率	NA
4706	2026-07-06	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	开发并演示了首个基于深度学习的光声视觉伺服系统，用于实时三维追踪导管尖端	首次将点源定位与混合位置-力控制结合，实现基于深度学习的光声视觉伺服，并在体内外实验中验证	实例分割推理时间较长（≥516.3 ms），尚需优化以满足实时应用需求	开发光声视觉伺服系统，实现手术器械尖端的实时三维追踪	心脏导管尖端（在塑胶假体和活体猪中进行实验）	计算机视觉，机器学习	NA	光声成像	目标检测，实例分割	光声图像	9次视觉伺服实验（塑胶假体距离40 mm，活体猪距离25-64 mm）	NA	目标检测模型，实例分割模型	检测率（88.0-91.7%假体，66.7-70.4%体内），追踪误差（0.5 mm假体，0.8 mm体内），推理时间（≥145.3 ms目标检测，≥516.3 ms实例分割），接触时间（≥99.43%）	NA
4707	2026-07-06	AI-Driven Protein Research: From Prediction to Design 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-5249-7_13 PMID:42400844	综述	综述了从人工智能驱动的蛋白质序列预测到蛋白质设计的进展	系统梳理了从早期共进化信息残基接触预测到蛋白质语言模型和生成式设计的关键概念突破	作为迷你综述，可能未涵盖所有前沿细节	追踪人工智能方法在蛋白质研究中的演变及其对生物医学和生物技术的转化意义	蛋白质结构预测、注释和设计方法	自然语言处理	NA	深度学习	蛋白质语言模型	文本（序列数据）	NA	NA	NA	NA	NA
4708	2026-07-06	A-Eval: A benchmark for cross-dataset and cross-modality evaluation of abdominal multi-organ segmentation 2025-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103499 PMID:39970528	研究论文	提出了A-Eval基准，用于评估腹部多器官分割在跨数据集和跨模态场景下的泛化能力	首次集成了七个CT和MRI数据集，系统评估深度学习模型在不同数据集和成像模态间的泛化性能	标注不一致性对跨数据集训练提出了挑战，且模型在未见数据上的表现仍不稳定	探讨大规模数据集训练的模型在跨数据集和跨模态情况下的泛化能力，并提出改进方向	腹部多器官分割模型	数字病理学	腹部疾病	深度学习	CNN	图像	七个数据集，涵盖CT和MRI模态	PyTorch	U-Net	Dice系数	NA
4709	2026-07-06	SegmentAnyBone: A universal model that segments any bone at any location on MRI 2025-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103469 PMID:39978015	研究论文	提出一个通用的深度学习模型SegmentAnyBone，用于在任何MRI位置的骨分割	提出首个通用的骨分割基础模型SegmentAnyBone，扩展了SAM模型，支持全自动和基于提示两种分割模式，并基于多MRI协议的新数据集进行训练	未提及明显局限性	开发一个公开可用的通用深度学习模型，用于MRI中多位置的骨分割，以改善肌肉骨骼疾病的定量评估	MRI图像中的骨骼分割	计算机视觉	肌肉骨骼疾病	MRI	CNN（卷积神经网络）	MRI图像	320个带标注的MRI体积和超过10k张带标注切片，覆盖不同解剖区域	PyTorch	SegmentAnyBone（基于SAM）	Dice系数等（文中未明确列出所有指标）	未提及
4710	2026-07-06	Meeting Global Health Needs via Infectious Disease Forecasting: Development of a Reliable Data-Driven Framework 2025-03-21, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/59971 PMID:40116728	研究论文	构建了一个标准化、可靠且可推广的传染病预测框架及可视化仪表盘	提出了一个集成多种建模技术、适用于不同疾病和全球地点的标准化预测流水线，并开发了考虑预测准确性、计算效率、时空泛化能力、不确定性量化和可解释性等关键运营指标的可视化仪表盘	未明确提及，但可能包括不同疾病和地区组合下无单一最佳模型，以及模型对新发疾病的适应性依赖于相似地区的历史数据	满足真实世界运营决策需求，建立可靠且可推广的传染病预测框架	6种人畜共患传染病（布鲁氏菌病、弯曲菌病、中东呼吸综合征、Q热、蜱传脑炎和土拉菌病）在4大洲8个国家的预测	机器学习	传染病	NA	统计模型、机器学习模型、深度学习模型	人口、景观、气候和社会经济因素等特征数据	包含9种模型，平均2326个特征，覆盖6种疾病、8个国家	NA	NA	预测准确性、计算效率、时空泛化能力、不确定性量化、可解释性	NA
4711	2026-07-06	Feasibility of estimating tidal volume from electrocardiograph-derived respiration signal and respiration waveform 2025-02, Journal of critical care IF:3.2Q2 DOI:10.1016/j.jcrc.2024.154920 PMID:39316976	研究论文	验证从心电图衍生的呼吸信号和呼吸波形估计潮气量的可行性	利用真实临床数据验证基于心电图衍生呼吸信号的潮气量估计方法	当前方法受限于ICU中噪声较大的心电图信号	评估从心电图中估计潮气量的可行性并比较不同估计方法	重症监护患者	机器学习	NA	心电图衍生呼吸信号	线性回归和深度学习模型	临床数据（心电图和呼吸波形）	90名重症患者（总体分析），2名重症患者（约束分析）	NA	NA	平均绝对误差, 皮尔逊相关系数, R²	NA
4712	2026-07-06	DDKG: A Dual Domain Knowledge Guidance strategy for localization and diagnosis of non-displaced femoral neck fractures 2025-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103393 PMID:39581120	研究论文	提出了一种双域知识引导策略，用于非移位性股骨颈骨折的定位和诊断	结合空间域和语义域知识，利用有限位置监督和放射学报告先验知识引导模型在全X光图像上学习鲁棒表征，无需裁剪图像或额外信息即可进行准确诊断	未提及	实现非移位性股骨颈骨折的自动化定位和诊断，降低标注成本并提高诊断准确性	非移位性股骨颈骨折的X光图像	计算机视觉	股骨颈骨折	X光影像	深度学习模型	图像	来自四个不同中心的数据集	PyTorch	空间感知模块（SAM）和语义协调模块（SCM）	准确性、鲁棒性	NA
4713	2026-07-06	A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond 2025-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103385 PMID:39612808	综述	全面概述深度学习在医学图像配准中的最新进展，包括新技术、不确定性估计、评估指标及应用	首次系统整合深度学习配准中的创新网络架构、损失函数、不确定性估计方法及评估指标，并探讨从基础技术到多任务应用的完整链条	未涉及具体实验对比或定量性能分析，对实际部署中的计算资源与数据依赖性问题讨论不足	综述深度学习在医学图像配准领域的最新发展、评估方法及未来方向	深度学习医学图像配准技术及其在脑图谱构建、多图谱分割、运动估计、2D-3D配准等任务中的应用	医学图像分析	NA	NA	U-Net, 回归网络, 相似性度量网络, 不确定性估计网络	医学影像	NA	NA	U-Net, 回归网络, 图像变换网络	配准精确度, 不确定性指标, 相似性度量, 评估指标	NA
4714	2026-07-06	CLMS: Bridging domain gaps in medical imaging segmentation with source-free continual learning for robust knowledge transfer and adaptation 2025-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103404 PMID:39616943	研究论文	提出CLMS框架，通过持续学习与多尺度域适应，在无源数据情况下提升医学图像分割性能	结合持续学习、多尺度重建和风格对齐，在无源数据域适应中同时保留源知识并防止灾难性遗忘	未明确提及局限性，但可能依赖于公开数据或目标域数据质量	解决医学图像分割中跨域迁移问题，实现无需原始源数据的域适应	医学图像分割任务，包括前列腺MRI、结肠镜息肉分割和视网膜图像分类	计算机视觉	前列腺癌, 结肠息肉, 视网膜病变	深度学习	CNN	医学图像	NA	PyTorch	多尺度重建网络	Dice系数, AUC	NA
4715	2026-07-06	The Developing Human Connectome Project: A fast deep learning-based pipeline for neonatal cortical surface reconstruction 2025-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103394 PMID:39631250	研究论文	提出一种基于深度学习的高速新生儿皮层表面重建流程，用于人类连接组项目	引入多尺度变形网络实现端到端的微分同胚皮层表面重建，并集成了快速无监督球形映射方法，使处理速度相比原始流程提升近1000倍	未提及对非新生儿或不同MRI采集协议的数据适应性，以及潜在的重建误差对下游分析的影响	开发快速高效的皮层表面重建流程，以支持大规模神经影像研究	新生儿脑部T2加权MRI扫描样本	机器学学习	NA	结构磁共振成像	CNN	图像	测试样本中82.5%用于定性评估	PyTorch	多尺度变形网络	表面质量	现代GPU
4716	2026-07-06	Multi-scale region selection network in deep features for full-field mammogram classification 2025-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103399 PMID:39615148	研究论文	提出一种深度特征中的多尺度区域选择网络，用于全视野乳腺X线图像分类，无需ROI或分割标注	提出多尺度区域选择网络（MRSN），实现端到端训练，摆脱对ROI标注的依赖，通过多示例学习和补丁分类器思想筛选特征信息，保留肿瘤区域特征，提升全视野图像分类性能	NA	开发一种无需ROI或分割标注的全视野乳腺X线图像分类方法，降低训练成本并充分利用CNN特征提取能力	全视野乳腺X线图像分类	计算机视觉	乳腺癌	NA	CNN	图像	两个公共数据集和一个私有数据集	NA	多尺度区域选择网络（MRSN）	NA	NA
4717	2026-07-06	Cross-view discrepancy-dependency network for volumetric medical image segmentation 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103329 PMID:39236632	研究论文	提出跨视角差异-依赖网络（CvDd-Net）用于体素医学图像分割，通过利用多视角切片先验增强体素表征学习	提出跨视角差异-依赖网络，通过差异感知形态强化模块和依赖感知信息聚合模块，分别挖掘视角特异性形态信息和跨视角依赖关系	未提及明显限制	利用多视角信息提升体素医学图像分割性能	体素医学图像分割任务	数字病理学, 机器学习	甲状腺癌, 宫颈癌, 胰腺癌, 胶质瘤	医学图像分割	CvDd-Net	体素医学图像	四个医学图像数据集（甲状腺、宫颈、胰腺、胶质瘤）	PyTorch	CvDd-Net (差异感知形态强化模块, 依赖感知信息聚合模块)	准确率, 精确率, 召回率, F1分数, Dice系数	NA
4718	2026-07-06	Deep unfolding network with spatial alignment for multi-modal MRI reconstruction 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103331 PMID:39243598	研究论文	提出一种带有空间对齐的深度展开网络用于多模态磁共振成像重建	将空间对齐任务自适应地嵌入到重建过程中，增强了两者互补性，并提升了框架的可解释性	现有方法未能将空间对齐与重建过程自适应集成，且框架可解释性弱	加速多模态磁共振成像采集过程，利用完全采样的参考模态从高度欠采的k空间数据中重建目标模态	多模态磁共振成像数据中的空间对齐与重建问题	计算机视觉	不适用	磁共振成像	深度展开网络	医学图像（MRI）	四个真实数据集	PyTorch	DUN-SA	重建性能（具体指标未提及）	未提及
4719	2026-07-06	Mammography classification with multi-view deep learning techniques: Investigating graph and transformer-based architectures 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103320 PMID:39244796	研究论文	评估基于图与Transformer的多视图深度学习架构在乳腺钼靶分类中的表现	首次在中等规模数据集上系统比较Transformer和图网络与传统多视图卷积神经网络在弱监督条件下的性能和可解释性，揭示不同归纳偏置导致的互补优势	未使用像素级监督，对微小病灶检测仍具挑战；数据集中等规模可能限制泛化性	探索多视图深度学习架构在乳腺钼靶筛查中的自动分类与可解释性优化	乳腺钼靶四视图（头尾位和内外斜位）的影像数据	计算机视觉	乳腺癌	乳腺钼靶成像	视觉Transformer、图神经网络、卷积神经网络	影像	CSAW数据集（中等规模，具体样本数未提及）	PyTorch	ViT、图神经网络、多视图CNN	准确性、可解释性指标	NA
4720	2026-07-06	ATEC23 Challenge: Automated prediction of treatment effectiveness in ovarian cancer using histopathological images 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103342 PMID:39260034	meta-analysis	总结ATEC23挑战赛中利用组织病理学图像预测卵巢癌治疗效果的方法评估	提出结合Cox比例风险分析和Kaplan-Meier生存分析评估预测模型作为患者选择指标的有效性，并强调多分辨率卷积模块在病理预测任务中的关键作用	当前MIL方法在预后分类任务中的局限性	开发基于组织病理学图像的自动化系统，预测卵巢癌患者对贝伐珠单抗治疗的疗效	卵巢癌患者组织病理学全切片图像（284张用于训练，180张核心组织图像用于测试）	digital pathology	ovarian cancer	NA	深度学习模型（如DCNN、MIL、Inception）	histopathological images	284张全切片图像（训练），180张核心组织图像（测试）	NA	DCNN, Inception	Cox比例风险分析, Kaplan-Meier生存分析	NA