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
461	2026-05-31	HANeRV: Hierarchically Adaptive Neural Representation for Video Compression 2026-May-29, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3696103 PMID:42213559	研究论文	提出分层自适应神经表示方法HANeRV用于高效视频压缩	首次在隐式神经表示视频压缩中引入分层自适应结构优化，包括动态架构级调整、动态帧级调整和层次结构自适应	未提及具体计算复杂度或实时性能限制	提升隐式神经表示视频压缩对动态变化的适应性以优化压缩效果	不同视频序列中的帧间和帧内动态信息及空间结构	计算机视觉	NA	隐式神经表示	隐式神经网络	视频	NA	NA	HANeRV（含DAA、DFA、HSA模块）	率失真性能（超越H.266/VVC标准）	NA
462	2026-05-31	Local Semantics Refinement of Adaptive Representations for Robust Noisy Label Learning 2026-May-29, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3696107 PMID:42213558	研究论文	提出一种名为LFDA的框架，通过局部语义精炼和自适应表示，解决带噪标签学习中的确认偏差和硬样本信息价值被忽视的问题	首次将局部一致性评分与置信邻域构建相结合，并引入可靠性感知表示对齐模块，通过软监督隐式修正低置信度样本	仅依赖局部特征一致性，在极端噪声比例下可能失效，且对邻域构建的密度参数敏感	提升深度学习模型在带噪标签数据集上的鲁棒性和泛化能力	带噪声标签的合成和真实世界数据集	机器学习	NA	NA	NA	图像	NA	PyTorch	ResNet, PreActResNet	准确率	NA
463	2026-05-31	Beyond Correlation: Causal Intervention for Multi-Label Medical Image Diagnosis 2026-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3698052 PMID:42213561	研究论文	提出一种结合因果干预的多标签医学影像诊断框架，解决共病检测中虚假关联问题	首次在医学影像多标签诊断中引入因果干预，通过后门调整分离疾病共现导致的虚假关联与真实因果信号	依赖潜在混杂变量的隐式建模，可能无法完全覆盖所有临床混杂因素；实验仅涵盖四种影像模态，泛化性需进一步验证	提升多标签医学影像诊断的准确性和可解释性，消除共病条件下的相关偏误	多标签医学影像诊断中的共病关系建模与因果解耦	计算机视觉, 数字病理学	多种共病（眼病、结肠病变、胸肺疾病）	N/A	因果干预模型	医学影像（彩色眼底照相、眼底荧光血管造影、结肠镜、X光）	ODIR, LID-FFA, Endo, Chestpert四个数据集（具体样本数未说明）	PyTorch	N/A	准确率、AUC、可解释性指标	NA
464	2026-05-31	PRAD++: Towards Robust Periapical Radiograph Analysis through Dataset and Model Advancements 2026-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3698273 PMID:42213562	研究论文	提出PRAD++大规模根尖周X光片数据集及PRNet++分析网络，提升深度学习在牙科图像分析中的鲁棒性与可解释性	引入多尺度小波卷积网络和通道融合注意力机制，并设计专家先验注入损失函数，将牙科领域知识融入学习过程	未提及模型在外部数据集或真实临床环境中的验证，且对异常投影和伪影的处理能力有待进一步探索	解决根尖周X光片高质量标注数据稀缺问题，开发鲁棒的深度学习分析模型	根尖周X光片图像及对应的像素级分割和图像级分类任务	计算机视觉, 数字病理学	牙科疾病	NA	CNN	图像	10,000张根尖周X光片图像	PyTorch	多尺度小波卷积网络, 通道融合注意力机制	DSC, PR-AUC	NA
465	2026-05-31	MuSL: Multimodal deep learning for generalizable prediction of synthetic lethality from sequence, transcriptomic, and network data 2026-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3698476 PMID:42213569	研究论文	提出一种名为MuSL的多模态深度学习框架，整合转录组直方图、统计表达特征和蛋白质互作网络信息，用于预测合成致死性	首次将粗粒度表达谱转化为二维直方图并利用卷积神经网络直接学习共表达缺失和互斥性等分布模式，通过对比学习对齐多模态特征并结合交叉注意力和自适应门控机制进行集成	未明确提及	实现可泛化到未知基因的合成致死性预测，克服传统方法依赖手工表达摘要或单一数据模态的局限性	基因对之间的合成致死性关系	机器学习	癌症	RNA-seq, 蛋白质互作网络分析	CNN, 对比学习, 交叉注意力, 自适应门控	转录组直方图, 统计表达特征, 蛋白质互作网络, ESM2蛋白质嵌入	未明确提及	PyTorch	CNN, 图神经网络, 注意力机制	随机、转导和归纳评估设置下的基线性能比较	NA
466	2026-05-31	Compliance with the CONSORT AI Extension in Orthopaedic Randomized Controlled Trials 2026-May-29, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.01439 PMID:42213819	研究论文	评估骨科随机对照试验中对CONSORT AI扩展指南的遵守情况	首次系统评估骨科领域涉及AI的随机对照试验对CONSORT AI扩展指南的遵守程度	仅纳入11篇文献，样本量有限；可能遗漏未发表或非英文文献	评估骨科随机对照试验中对CONSORT AI扩展指南的遵守情况	骨科领域涉及AI的随机对照试验	机器学习	骨科疾病	NA	NA	文本	11篇文献	NA	NA	遵守率	NA
467	2026-05-31	Unifying pKa and Protonation Prediction with Sequence-Based Deep Learning 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00556 PMID:42214058	research paper	提出一个基于序列的深度学习模型 T5pKa，用于分子 pKa 和质子化状态预测	将序列到序列模型应用于pKa预测的统一多任务框架，同时实现微观状态枚举和pKa预测	仅依赖实验数据，可能对新颖化学空间泛化能力有限	开发用于分子pKa和质子化状态预测的文本基深度学习模型	小分子的质子化/去质子化微观状态及其pKa值	machine learning	NA	NA	transformer	text	9000个实验测量微观pKa数据条目	PyTorch	Transformer	accuracy, precision, recall	NA
468	2026-05-31	SSPSPredictor: A Sequence- and Structure-Based Deep Learning Model for Predicting Phase-Separating Proteins 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00363 PMID:42214054	研究论文	提出一个结合序列与结构信息的多模态深度学习模型SSPSPredictor，用于预测相分离蛋白	首次将蛋白质语言模型ESM-2提取的序列信息与图神经网络GVP提取的结构信息融合，实现平衡的PSP识别性能，并在无监督条件下识别驱动相分离的关键区域，展现良好的可解释性	NA	开发一种高效且可解释的相分离蛋白预测方法，以弥补实验鉴定的耗时费力，并揭示相分离与疾病之间的关联	相分离蛋白（PSPs），包括具有折叠结构或内在无序结构的蛋白质	机器学习	NA	深度学习	多模态模型（ESM-2、GVP）	序列数据、结构图数据	人类蛋白质组规模分析	NA	ESM-2、GVP	NA	NA
469	2026-05-31	The impact of competition mechanisms on primary school students' digital game-based mathematics learning 2026-May-29, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.107175 PMID:42214168	研究论文	研究竞争机制对小学生数字化游戏数学学习的影响	采用增值设计，随机分配135名小学生至基线组、个人竞争组和组间竞争组，揭示竞争能促进深层认知策略和真实知识掌握，而非短期表现提升	未说明明确局限性	探讨数字化游戏学习中的竞争机制对小学生分数概念学习结果、过程和情感态度的影响	小学生，具体为135名参与分数概念学习的学生	机器学习	NA	NA	NA	NA	135名小学生	NA	NA	准确率、自我效能感	NA
470	2026-05-31	EEG-based dataset explicitly targets the transitions between sitting and standing for exploring neural activation patterns in Motor Imagery and execution 2026-May-29, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag065 PMID:42214321	研究论文	该研究提出了首个公开可用的脑电图数据集，专门针对坐立和立坐转换过程中的运动执行和运动想象任务，并探索了相关神经激活模式	首次公开提供明确针对坐立转换任务的脑电图数据集，涵盖运动执行和运动想象两种条件，并同步记录了眼电图和肌电图信号	未明确提及限制	探索下肢运动相关的神经激活模式，支持基于脑电图的脑机接口算法开发，用于移动辅助和康复	22名健康参与者，进行了坐立和立坐转换实验	脑电图分析	不适用	脑电图、眼电图、肌电图	深度学习（CTNet、EEGNet、TCANet）	信号	22名健康参与者	NA	CTNet、EEGNet、TCANet	平均准确率（运动执行约81%，运动想象约73%）	NA
471	2026-05-31	A comprehensive review of deep learning applications in the segmentation and classification of skin cancer 2026-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae74d6 PMID:42214390	综述	系统回顾2014至2024年间深度学习技术在皮肤癌分割与分类中的应用	对77项实验研究进行了规范化的偏倚风险分析，揭示了类别不平衡和数据泄露等关键问题，并指出了从独立CNN向混合框架和多源特征融合策略的范式转变	类别不平衡、数据集多样性有限以及临床验证不足等挑战依然存在	探索深度学习技术在皮肤病变分割与分类中的应用现状及其发展趋势	皮肤癌（包括黑色素瘤和非黑色素瘤类型）的分割与分类任务	计算机视觉	皮肤癌	深度学习	卷积神经网络、U-Net及其变体、混合框架、集成框架	图像	77项实验研究（来自540篇筛选文献）	NA	CNN, U-Net, 混合框架, 集成框架	准确率	NA
472	2026-05-31	Enhancing brain tumor classification with a simplified CNN through hyperparameter optimization 2026-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae74d5 PMID:42214387	研究论文	该研究通过超参数优化策略（遗传算法、贝叶斯优化和HyperBand）提升一种轻量级卷积神经网络在脑肿瘤MRI图像分类中的性能，并在公开数据集上验证其有效性	首次系统比较三种超参数优化方法对轻量级CNN在脑肿瘤分类中的影响，采用十次独立重复实验保证统计可靠性，并注重计算效率与模型性能的平衡	未提及	探索不同超参数优化策略对简化CNN模型在脑肿瘤MRI分类任务中的性能影响，同时保持计算效率	脑肿瘤MRI图像（包含胶质瘤、脑膜瘤、垂体瘤及健康受试者）	计算机视觉	脑肿瘤	MRI	CNN	图像	公开脑MRI数据集（具体数量未提及）	NA	轻量级CNN	准确率、标准差	未提及
473	2026-05-31	Interlayer-aware postoperative facial appearance prediction in orthognathic surgery with bio-geometric guidance 2026-May-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae752e PMID:42214412	research paper	提出一种生物几何引导的下颌骨手术后面部外观预测网络，通过层间混合专家机制模拟骨与软组织的非线性耦合变形	首次引入层间混合专家机制将骨骼-表面变形传播解耦为三个生物力学启发的代理表示，并通过门控路由网络自适应加权各层贡献，同时设计生物几何卷积模块捕捉区域骨骼影响	NA	实现正颌手术后面部外观的高精度预测以辅助手术规划	88名正颌手术患者的三维面部与骨骼数据	computer vision	oral and maxillofacial diseases	deep learning	混合专家网络与生物几何卷积模块	三维面部与骨骼图像	88名正颌手术患者	PyTorch	Interlayer Mixture-of-Experts, Bio-Geometric Convolution	mean whole-face error, clinician acceptance rate	NA
474	2026-05-31	Deep learning-based prediction of trace silver concentrations in marine sediments from mid-infrared spectroscopy 2026-May-29, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119930 PMID:42214983	研究论文	利用中红外光谱和深度学习模型预测海洋沉积物中痕量银浓度	首次将深度学习模型（RS-SE-ResNet-1D）应用于中红外光谱预测低银沉积物中的银浓度，并识别出与碳酸根离子相关的特征波数带	未明确提及	开发基于中红外光谱的机器学习模型实现海洋沉积物中银浓度的快速预测	南海低银沉积物中的中红外光谱与银浓度关系	机器学习	NA	中红外光谱	残差网络（ResNet）	光谱数据	南海低银沉积物样本（具体数量未提及）	NA	KS-CARS-PLSR, KS-RF, RS-SE-ResNet-1D	R, RMSE, RPD	NA
475	2026-05-31	A unified deep learning application framework for forensic shoeprint analysis under data-limited conditions 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52505-8 PMID:42215506	研究论文	提出一个在数据有限条件下应用于法医足迹分析的统一深度学习框架	不提出新架构，而是系统研究如何调整现有深度学习组件（预训练表征选择、数据增强策略、领域自适应）以提升数据稀缺和领域偏移条件下的可靠性	不同增强机制的组合探索仍是一个开放问题，且实验仅在两个互补的足迹数据集上进行	为法医实践中数据有限和领域偏移条件下应用深度学习提供实用、基于证据的指导	法医足迹匹配中的深度学习应用	计算机视觉	NA	NA	卷积自动编码器	图像	两个互补的足迹数据集，具体数量未提及	NA	卷积自动编码器	性能（未明确指定指标）	NA
476	2026-05-31	MSML-DenseXmer: harnessing vision transformers through integration with novel dense networks for medical image fusion 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52181-8 PMID:42215519	研究论文	提出一种结合改进DenseNet和Swin Transformer的深度学习框架，用于多模态医学图像融合	通过融合DenseNet的局部细粒度特征与Swin Transformer的全局结构信息，并采用基于L1、L2和无穷范数的混合注意力机制，实现更全面的特征表示	未明确讨论	提升多模态医学图像融合的质量，更好地保留结构、纹理和全局依赖信息	多模态医学图像（MRI-SPECT、MRI-PET、MRI-CT、肺PET-CT）	计算机视觉	多种疾病（未指定具体病种）	NA	深度学习	图像	Whole Brain Atlas数据集和Lung-PET-CT-Dx数据集（具体样本数未提及）	PyTorch	DenseNet, Swin Transformer	图像清晰度、结构完整性、特征保持、对比度改善、整体视觉精度	NA
477	2026-05-31	Leveraging large language models for gastrointestinal injury detection in athletes: a medical image analysis approach 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42779-3 PMID:42215522	研究论文	提出一种基于大语言模型和深度学习技术的AI驱动框架，整合多模态运动医学数据，用于运动员胃肠道损伤检测与管理	首次将大语言模型与深度学习方法结合应用于运动员胃肠道损伤检测，提出BANNet和ARPOS两个创新组件，实现多模态数据融合和个性化康复优化	未在真实临床环境中验证，可能缺乏大规模多中心数据集的支持，且康复策略的长期效果和再损伤风险降低程度有待进一步研究	利用AI框架提升运动员胃肠道损伤检测准确性和康复效率	运动员的胃肠道损伤及其多模态数据（生物力学信号、医学影像、生理指标、运动表现指标）	自然语言处理, 医学影像分析	胃肠道损伤	NA	大语言模型, 深度学习, 强化学习	图像, 文本, 信号	NA	NA	BANNet（层次化深度学习架构）, ARPOS（强化学习、实时传感器反馈）	损伤分类准确率, 康复效率, 临床决策支持	NA
478	2026-05-31	An explainable spatio-temporal deep learning framework for crop yield prediction and recommendation 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54439-7 PMID:42215534	研究论文	提出一种可解释的时空深度学习框架，用于作物产量预测与推荐，综合集成数据预处理、混合特征选择、深度学习和注意力机制	创新性地结合了混合特征选择、注意力增强型混合核极限学习机、时空可解释组增强型Transformer网络以及黑豹眼镜蛇元启发式优化算法，并利用Grad-CAM和集成梯度实现模型可解释性	未明确提及局限性	实现精准作物产量预测和数据驱动的作物选择，以支持可持续高效的农业管理	农业数据集，包括土壤属性、地形、气候变量和历史产量记录	机器学习	NA	混合特征选择、深度学习	注意力增强型混合核极限学习机、时空可解释组增强型Transformer网络	表格数据（土壤、地形、气候、产量记录）	NA	NA	注意力增强型混合核极限学习机、时空可解释组增强型Transformer网络	均方根误差RMSE, 决定系数R², 准确率Accuracy, ROC-AUC	NA
479	2026-05-31	A deep learning-based model for automatic syntactic complexity assessment in L2 English writing: development and pedagogical application 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53282-0 PMID:42215569	研究论文	提出一种基于深度学习的模型，用于自动评估二语英语写作中的句法复杂度，并验证其在教学中的应用效果	整合预训练BERT表示与图注意力网络捕捉层次化句法结构，采用多任务学习框架同时预测多个粗粒度和细粒度的复杂度维度	需要进一步研究以区分自动化模型与其他教学因素的具体贡献	开发自动句法复杂度评估模型以支持二语写作教学	中国大学生的二语英语写作文本	自然语言处理	NA	NA	深度学习模型（BERT、图注意力网络）	文本	学习者语料库（通过五折交叉验证），以及涉及186名中国大学生的学期准实验研究	PyTorch	BERT, 图注意力网络	皮尔逊相关系数（0.923）, 效应量（0.71-0.89）	NA
480	2026-05-31	VeNet: a lightweight neural network for efficient brain vessel segmentation in endovascular robotic surgery 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54176-x PMID:42215575	研究论文	提出了一种名为VeNet的轻量级神经网络，用于高效地从磁共振血管造影图像中分割脑血管，并整合到机器人血管内手术平台中	使用基于矩阵的算子，仅约6000个可训练参数，实现标准CPU上的高效训练和推理，且在低数据场景下仍保持稳健分割性能	未明确提及，但可能受限于单中心IXI数据集和专家审核的依赖，以及未与更复杂架构进行全面对比	开发适用于资源受限或实时场景的轻量级脑血管分割模型，支持远程手术辅助和患者特定血管重建	脑血管及类似管状结构	计算机视觉	脑血管疾病	磁共振血管造影	神经网络	图像	IXI队列的磁共振血管造影数据集，具体数量未提及	NA	VeNet	分割性能（具体指标未提及）	标准CPU硬件