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
4821	2026-06-12	Compact neural network algorithm for electrocardiogram classification 2026-Jun-11, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01751-1 PMID:42274990	研究论文	提出一种紧凑型人工神经网络算法用于心电图分类，以解决深度学习对计算资源和大规模标注数据的高需求	采用17个可解释的工程特征提取心电图形态和生理特征，避免使用深度学习，实现高效率和低计算资源消耗	未提及算法对其他心律失常类型（如心肌梗死）的适用性，以及特征工程的可迁移性	开发一种轻量级且高效的心电图分类算法，用于心律失常诊断	心电图信号中的五种心律类别：正常窦性心律、窦性心动过缓、窦性心动过速、心室扑动和心房颤动	机器学习	心律失常	信号处理与特征工程	人工神经网络	心电图信号	未明确说明样本数量，但使用了MIT-BIH和St. Petersburg INCART心律失常数据库	NA	人工神经网络	准确率、Cohen's kappa、Matthews相关系数	标准CPU
4822	2026-06-12	A mechanism-aided transformer may transform in-flight aviation safety 2026-Jun, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgag154 PMID:42273406	研究论文	提出一种结合物理机制与深度学习的TwinTransformer方法，用于提升飞行中多变量预测及风切变危险预警能力	将航空动力学约束与Transformer深度学习模型相结合，通过物理机制辅助的TwinTransformer架构实现飞行参数预测，并针对性增强风切变危险预警	未明确说明	提升飞行中多变量预测准确率，为飞行员提供可靠的风切变危险预警，保障航空安全	飞行中的实时参数（如风切变指标）及航空状态	机器学习	NA	NA	Transformer	时间序列数据	真实飞行数据集（样本量未明确说明）	PyTorch	TwinTransformer	预测准确率、预警可靠性	NA
4823	2026-06-12	Application of Machine Learning in Predicting the Properties of Two-Dimensional Semiconductor Materials 2026-May-22, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano16110650 PMID:42274656	综述	系统总结机器学习在二维半导体材料性能预测中的最新进展，比较传统计算模拟与机器学习算法，并展望未来研究方向	系统比较了经典算法（如随机森林）与深度学习模型（如图神经网络）在带隙预测中的表现，并分析了特征工程策略对磁性预测精度和效率的影响	数据集不足且质量不统一，模型可解释性和跨系统泛化能力有限	为机器学习辅助的二维半导体材料研究提供系统的理论基础和方法指导	二维半导体材料的带隙、磁性及其他物理特性	机器学习	NA	NA	随机森林，图神经网络，深度学习	材料属性数据	NA	NA	随机森林，图神经网络	模型准确率	NA
4824	2026-06-11	Feasibility of Implicit Neural Representation Learned Motion Compensation for 3D Stack-of-Spirals Free-Breathing Cardiac Quantitative Susceptibility Mapping 2026-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70325 PMID:41772752	研究论文	提出了一种利用隐式神经表示（INR）学习运动补偿的自由呼吸心脏定量磁化率成像（QSM）方法	首次将隐式神经表示（INR）用于自由呼吸3D心脏QSM中的心脏和呼吸运动补偿，结合螺旋采样和深度学习实现无前瞻性导航的门控采集	样本量较小（仅10名健康受试者），未评估在患者群体中的性能	实现无创、快速、鲁棒的自由呼吸心脏QSM测量，以评估心脏血氧差异（ΔSO2）	健康受试者的心脏MRI数据，用于评估胸号血氧差异	机器学习	心血管疾病	MRI（定量磁化率成像）	隐式神经表示（INR）	图像（心脏MRI图像）	10名健康受试者	NA	隐式神经表示（INR）	图像质量（p值）、ΔSO2测量一致性（相关系数r、偏差及一致性界限）	NA
4825	2026-06-11	A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109467 PMID:41764935	研究论文	开发基于深度学习模型SMM-YOLOv8n，用于自动检测全景X线片中与阻生第三磨牙相关的第二磨牙病变	在YOLOv8基础上改进，引入Slim-Neck优化和多维注意力机制，有效提升病变检测准确性和效率	NA	开发自动化深度学习系统，检测和分类全景X线片中与阻生第三磨牙相关的第二磨牙病变，提高诊断准确性并支持临床决策	1170张全景X线片，显示与阻生第三磨牙相邻的第二磨牙	计算机视觉	牙科疾病	全景X线成像	卷积神经网络	图像	1170张全景X线片，分为4组：无病变、龋齿、外根吸收、两种病变并存	PyTorch	SMM-YOLOv8n（基于YOLOv8，含Slim-Neck和多维注意力机制）	mAP@50, 精确率, 召回率, F1分数, 敏感性, 诊断时间	NA
4826	2026-06-11	Tomographic Foundation Model-FORCE: Flow-Oriented Reconstruction Conditioning Engine 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3669463 PMID:41770981	研究论文	提出一种新的CT图像重建框架FORCE，结合数据保真度与PFGM++生成模型，在各种CT成像任务中超越现有无监督方法	首次将泊松流生成模型（PFGM++）与数据保真度集成，提出面向流的重建条件引擎（FORCE），无需配对训练数据即可实现高质量CT重建	未明确讨论计算资源需求及模型对大噪声程度的鲁棒性边界	改进低剂量、稀疏扫描和金属植入物等CT场景下的图像重建质量	CT图像重建任务中的噪声和伪影	机器学习	NA	CT成像	泊松流生成模型（PFGM++）	医学图像	NA	PyTorch	PFGM++	NA	NA
4827	2026-06-11	Learning 3-D Ultrasound Segmentation under Extreme Label Deficiency 2026-Jun, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.12.014 PMID:41771726	研究论文	提出一种在极端标签缺失条件下实现三维超声图像自动分割的方法	基于教师-学生跨维度知识蒸馏框架，利用无监督表征学习预训练的二维教师网络提取超声切片信息，指导三维学生分割网络从极稀疏标注中学习有效体特征	NA	在极端标签缺失条件下实现准确且鲁棒的三维超声分割	三维超声图像中的器官和解剖结构	计算机视觉，数字病理学	NA	3D超声成像	CNN	3D超声图像	多个三维超声数据集	PyTorch	2D教师网络, 3D学生分割网络	分割准确率	NA
4828	2026-06-11	EASDnet: Empowering human-centered evidence-based medicine through an evidence and attention-based spatial disparity network for discriminative colorectal cancer histopathological screening and attribution 2026-May, Pathology, research and practice DOI:10.1016/j.prp.2026.156418 PMID:41764810	研究论文	提出一种基于证据和注意力的空间差异网络EASDnet，用于结直肠癌组织病理学图像的鉴别性筛查与归类	将循证医学思想融入深度学习，通过证据与注意力机制学习癌变与微环境之间的细微形态差异，有效捕获组织病理数据中的类间和类内鉴别特征	未提及在真实临床多中心数据上的验证情况，也未讨论模型的可解释性和计算效率	开发一种客观、循证的定量分析工具，辅助临床医生进行结直肠癌的自动化病理筛查	结直肠癌组织病理学图像	数字病理学	结直肠癌	组织病理学成像	深度学习模型（EASDnet）	图像	使用两个公开数据集NCT-100K和LC25000	NA	EASDnet（基于证据和注意力的空间差异网络）	准确率	NA
4829	2026-06-11	Collaborative Coarse-to-Fine Disease Learning With Discharge Summary Awareness for EHR Event Prediction 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3664408 PMID:41774654	研究论文	提出了一种结合出院小结的粗到细疾病学习框架，用于电子健康记录事件预测	创新点包括构建细粒度动态疾病图、整合ICD-9-CM编码层次结构中的粗细粒度信息以及结合出院小结进行协作疾病学习	未明确说明局限性	通过捕获动态和静态疾病特征来改进电子健康记录事件预测	电子健康记录事件预测任务	机器学习	NA	NA	门控循环单元（GRU）	结构化电子健康记录数据和出院小结非结构化文本	使用MIMIC-III和MIMIC-IV两个真实世界数据集	PyTorch	GRU、基于位置的注意力机制、软注意力机制	准确率、精确率、召回率、F1分数、AUC	NA
4830	2026-06-11	METRON: Metabolic Dynamic Perception Kolmogorov-Arnold Network for Biological Age Estimation 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669919 PMID:41774660	研究论文	提出METRON深度学习框架，利用类固醇代谢组学数据预测生物学年龄，并揭示衰老相关的代谢标志物	提出代谢物交互感知模块（MIPM）和群理性Kolmogorov-Arnold网络，用于捕捉代谢网络中的复杂非线性交互和依赖关系	未明确说明局限性	通过类固醇代谢组学预测生物学年龄，并挖掘衰老机制中的代谢标志物	类固醇代谢组学数据	机器学习	衰老相关疾病	类固醇代谢组学	深度学习	代谢组学数据	未明确说明	NA	Kolmogorov-Arnold网络	准确率	NA
4831	2026-06-11	A novel framework for cognitive state identification using resting-state EEG 2026-Mar-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4807 PMID:41769796	研究论文	提出一种基于静息态脑电图的认知状态识别新框架PowerSyncNet	通过频带间功能连接特征和时频表征编码模块（Encoder4Band），实现跨频带信息融合，提升认知状态识别性能	NA	开发用于早期认知衰退检测的脑电信号分析方法	静息态脑电图数据中的认知状态分类	机器学习	老年疾病	EEG	PowerSyncNet	脑电图信号	两个数据集：公开的CAUEEG数据集和自采集的ECED数据集	PyTorch	PowerSyncNet	识别准确率、召回率、F1分数、AUC	NA
4832	2026-06-11	Evaluating resolution requirements for subtle caenorhabditis elegans strain discrimination using classical descriptors and CNN-transformer models 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40784-0 PMID:41771937	研究论文	评估图像分辨率对使用经典描述符与CNN-Transformer模型区分秀丽隐杆线虫细微品系差异的影响	首次系统评估了图像分辨率对CNN-Transformer模型区分秀丽隐杆线虫细微品系表型的影响，并揭示了传统描述符无法捕捉的细微运动差异	仅分析了三种线虫品系，且未探讨其他成像条件或深度学习架构的泛化能力	确定区分秀丽隐杆线虫细微品系所需的最小有效图像分辨率	秀丽隐杆线虫的三个品系：野生型N2、转基因线vltIs66和突变体unc-1(vlt10)	计算机视觉	NA	宏观板级成像与高分辨率显微单虫成像	CNN-Transformer	图像序列	三个线虫品系，未提供具体样本数量	PyTorch	CNN-Transformer	分类准确率	NA
4833	2026-06-11	CSWin-MDKDNet: cross-shaped window network with multi-dimensional fusion and knowledge distillation for medical image segmentation 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40690-5 PMID:41771973	研究论文	提出了一种基于Transformer的CSWin-MDKDNet架构，结合多维融合与知识蒸馏用于医学图像分割	提出多维选择性融合模块（MDSF）和知识蒸馏损失（KD-loss），分别用于精细化多尺度特征融合和减少深层特征冗余	未提及	解决医学图像分割中局部细节保留与全局上下文建模的平衡问题	医学图像分割任务	计算机视觉	NA	深度学习	Transformer	图像	Synapse（多器官CT）、ACDC（心脏MRI）、ISIC2018数据集	NA	CSWin-MDKDNet	DSC	NA
4834	2026-06-11	Multi-reader evaluation of deep learning-based auto-segmentation of eloquent brain arteriovenous malformation on MRA and white matter tractography in stereotactic radiosurgery 2026-Mar-02, Radiation oncology (London, England) DOI:10.1186/s13014-026-02811-2 PMID:41772699	研究论文	开发并评估基于深度学习的自动分割系统，用于脑动静脉畸形立体定向放射外科中的白质束及MRA图像分割	提出两阶段深度学习分割集成模型，整合2D检测和3D分割，显著提升临床手动勾画的准确性和效率，减少医生间差异	未提及具体局限性，但样本量有限（191例），可能需更大规模验证	开发深度学习系统以减少白质束放疗损伤，提高脑动静脉畸形分割的准确性和效率	脑动静脉畸形患者，特别是白质束邻近区域	机器学习, 数字病理学	脑动静脉畸形	MRA（磁共振血管成像）, 白质束成像	CNN（卷积神经网络）	图像（3D TOF-MRA和白质束图像）	191例患者（153例训练，38例测试），另10例用于多读者评估	PyTorch	ResNet, U-Net, 2D检测+3D分割集成模型	Dice相似系数, Hausdorff距离, 勾画时间	NA
4835	2026-06-11	Enhanced Magnetic Resonance Imaging-Based Knee Cartilage Segmentation Using a Swin-UNet Conditional Generative Adversarial Network: Development and Validation Study 2026-Mar-02, JMIR medical informatics IF:3.1Q2 DOI:10.2196/86155 PMID:41771536	研究论文	提出并验证了一种基于Swin-UNet条件生成对抗网络的膝关节软骨磁共振图像分割方法	首次将Swin-UNet与条件生成对抗网络结合用于膝关节软骨分割，在外边界精度上显著优于传统模型	未提及	开发临床适用的深度学习框架实现股骨和胫骨软骨自动分割	股骨和胫骨软骨分割	医学影像分割	膝骨关节炎	磁共振成像	条件生成对抗网络	磁共振图像	232例膝关节MRI扫描	PyTorch	Swin-UNet, UNet, UNet cGAN	Dice相似系数, 平均交并比, 第95百分位Hausdorff距离, 平均对称表面距离	NA
4836	2026-06-11	Domain adaptation for low-dose CT denoising via pretraining and self-supervised fine-tuning 2026-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996261419893 PMID:41769819	研究论文	提出一种基于预训练和自监督微调的低剂量CT去噪域适应方法	提出基于像素混洗图像预处理的自监督损失进行微调，并设计两阶段微调策略以缓解输入错位，同时构建双尺度SwinIR模型作为预训练骨干网络以有效捕获源域先验知识	NA	开发一种无需目标域标签的自监督微调方法，用于低剂量CT去噪域适应	低剂量CT图像去噪模型跨域性能	计算机视觉	NA	CT成像	SwinIR	图像	两个公开数据集	PyTorch	双尺度SwinIR	NA	NA
4837	2026-06-11	Multi-omics signatures of chronic inflammation across immune-related disease states 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1753156 PMID:41766899	研究论文	利用UK Biobank数据，通过整合临床指标、NMR代谢组和Olink蛋白质组的多组学深度学习模型，分析慢性炎症在多种免疫相关疾病状态下的系统性特征	首次在人群规模上整合多组学数据（临床、代谢组、蛋白质组）构建多分类深度学习模型，并结合竞争风险模型揭示慢性炎症与死亡风险的关联	NA	解码慢性炎症在多种免疫相关疾病状态下的免疫代谢信号，并评估其与长期死亡率的关系	UK Biobank参与者（健康对照组、癌症、自身免疫病、感染性疾病、代谢疾病及多重共病状态）	机器学习	慢性炎症相关疾病（癌症、自身免疫病、感染性疾病、代谢疾病）	NMR代谢组学、Olink蛋白质组学	深度学习模型、堆叠集成模型	临床血液学指标、NMR代谢物、Olink蛋白质组数据	UK Biobank参与者分类为六组基线状态	NA	NA（多分类深度学习模型，包括临床/炎症模型、+NMR模型、+Olink模型、三塔多组学模型）	准确率、宏F1分数、多分类AUC	NA
4838	2026-06-11	[A visual analysis of machine learning in periodontal disease research, 2001-2023] 2025-Dec, Shanghai kou qiang yi xue = Shanghai journal of stomatology PMID:41766323	综述	利用文献计量学分析2001-2023年机器学习在牙周病研究中应用及热点的可视化分析	系统梳理了2001-2023年机器学习在牙周病研究中的文献，揭示了其应用趋势和研究热点，特别是近两年基于图像的图像分割和特征提取成为热点	NA（摘要未提及明确局限性）	分析机器学习在牙周病研究中的应用及研究热点	2001-2023年Web of Science核心合集中的机器学习与牙周病相关文献	机器学习	牙周病	NA	机器学习，深度学习	NA	127篇文献	NA	NA	NA	NA
4839	2026-06-10	Open-set deep learning enabled LIBS sensor for label-free and on-site identification of unknown pathogen powders 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129539 PMID:41712987	研究论文	开发了一种基于开放集深度学习的LIBS传感器，用于无标签、现场识别未知病原体粉末	将分类重构开放集识别（CROSR）策略集成到残差网络（ResNet）中，构建改进的开放集深度学习模型，显著提升对未知样本的拒识能力	文中未明确提及局限性	实现现场、无标签的病原体粉末识别，提高生物安全与生物恐怖主义的应对能力	病原体粉末，包括五种已知目标病原体和九种未知样本（生物样本、培养基、非生物干扰物）	机器学习	病原体感染相关疾病	激光诱导击穿光谱（LIBS）	残差网络（ResNet）	光谱数据	包含五种已知目标病原体和九种未知样本的测试集	PyTorch	ResNet, CROSR	识别准确率	未提及
4840	2026-06-10	Mapping knowledge landscapes and emerging trends in AI for coronary artery disease imaging biomarkers: A bibliometric and visualization analysis 2026-May, Current problems in cardiology IF:3.0Q2 DOI:10.1016/j.cpcardiol.2026.103302 PMID:41713756	文献综述	通过文献计量学和可视化分析，系统评估人工智能应用于冠状动脉疾病影像生物标志物的全球研究现状、发展趋势、知识结构和合作网络	首次综合运用VOSviewer、CiteSpace和Bibliometrix等多种工具进行深入分析，揭示2015-2025年间该领域的发展轨迹、研究热点和跨学科互动	研究基于单一数据库（Web of Science），可能存在文献覆盖不全；合作关系分析表明研究合作仍显分散，跨学科整合不足	全面评估人工智能在冠状动脉疾病影像生物标志物领域的全球研究状态和新兴趋势	2015-2025年间Web of Science核心合集中的1,105篇相关出版物	Machine Learning	冠状动脉疾病	NA	NA	文本	1,105篇出版物，涉及5,949位作者、1,903所机构、262种期刊和67个国家	NA	NA	NA	NA