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
701	2026-06-05	Morphology-, noise-, and resolution-robust ultrasound elasticity imaging with Fourier neural operator 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109432 PMID:42134076	研究论文	探究傅里叶神经算子用于准静态应变弹性成像中位移场到弹性场映射的鲁棒性	将傅里叶神经算子首次应用于超声弹性成像，并系统评估其对病灶形态、噪声和分辨率变化的鲁棒性，同时展示少样本微调对未见肿瘤形态的泛化能力	未模拟原始超声信号形成过程及从RF/IQ数据估计位移的步骤，且定量对比受限于缺乏像素级模量真值	评估傅里叶神经算子在不同临床场景下映射位移场至弹性场的准确性和鲁棒性	准静态应变弹性成像中模拟和实验的位移场与弹性场数据	计算机视觉	NA	超声弹性成像	Fourier Neural Operator	模拟位移场和实验超声RF数据	有限元仿真生成的多种病灶形态样本及一个公开实验体模数据集	NA	Fourier Neural Operator, U-Net, DeepONet	预测准确性	NA
702	2026-06-05	Glo-MMF: A modular multi-model framework for automated morphometry of glomerular ultrastructural features 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109431 PMID:42139796	research paper	开发了一个名为Glo-MMF的模块化多模型框架，用于自动定量分析肾小球超微结构特征	通过构建三个专用深度学习模型（超微结构分割模型、肾小球滤过屏障区域分类模型和电子致密沉积物检测模型），并结合后处理流程，实现了对肾小球超微结构多种特征的联合定量分析，克服了传统单一模型的局限性	模型训练仅使用了372张肾活检电镜图像，样本量有限；CPU环境下每例样本分析时间约4.23秒，可能存在效率提升空间	开发一个能同时实现结构测量、状态评估和病变定位的自动化肾小球超微结构定量分析框架，辅助肾病理诊断	肾小球超微结构特征，包括肾小球基底膜厚度、足突融合程度和电子致密沉积物位置	digital pathology	renal disease	electron microscopy	CNN	image	372张肾活检电镜训练图像，115例测试样本（涵盖9种肾病理类型）	PyTorch	分割模型、分类模型、检测模型	与病理报告描述的一致性	CPU环境
703	2026-06-05	Zero-shot arbitrary-scale super resolution in susceptibility-weighted imaging for cerebral microbleed analysis 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109433 PMID:42155350	研究论文	提出一种用于磁敏感加权成像的零样本任意尺度超分辨率框架MagNeRF，用于脑微出血分析	提出了三项创新：扩张补丁采样策略改进空间上下文和局部细节恢复、球形采样策略捕捉SWI磁敏感信号径向梯度衰减、自适应损失函数强调感知保真度和结构保留	NA	实现无需配对高分辨率数据训练的零样本任意尺度超分辨率重建，提升SWI图像分辨率以改善脑微出血检测	脑微出血病变的磁敏感加权成像数据	计算机视觉	神经退行性疾病	SWI	MagNeRF	图像	两个针对脑微出血的SWI数据集、一个T1加权数据集、一个真实低分辨率T2*加权数据集	NA	NeRF	视觉保真度、结构保留、下游病变分割性能	NA
704	2026-06-05	Detecting cardiovascular diseases using ECG scans and explainable artificial intelligence 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109428 PMID:42155349	research paper	提出一个可解释人工智能框架，用于量化深度学习模型在心血管疾病检测中的稳定性，并通过心电扫描图扰动分析模型行为	首次引入可解释人工智能框架量化深度学习模型在图像扰动下的稳定性，利用放射组学特征识别模型类别，并评估解释一致性	仅使用合成数据及有限扰动类型，真实临床场景中的复杂图像变化可能未被充分覆盖	开发可解释人工智能框架，评估深度学习模型在心血管疾病检测中的稳健性，并指导数据增强策略	基于PTB-XL基准合成的大规模心电扫描图数据集，包括清洁和污染版本	计算机视觉	心血管疾病	心电扫描图合成	EfficientNet, InceptionNet	图像	使用PTB-XL基准合成的大规模数据集	NA	EfficientNet, InceptionNet	ROC曲线下面积, 交并比, 准确率	NA
705	2026-06-05	The latent shape space of intracranial saccular aneurysms 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109445 PMID:42161036	研究论文	开发一个统一框架，通过自编码器和变分自编码器学习颅内囊状动脉瘤形态的二维潜在空间，实现生成建模和破裂标签分类	提出一个统一流程，结合点对应映射、生成建模和判别分析，学习二维可解释潜在空间，展示形态表型之间的连续过渡，如伸长和多叶性	未在抽象中明确提及，NA	学习动脉瘤形态的紧凑但富有表现力的潜在表示，用于生成建模和破裂标签分类	来自五个公共数据集的958个患者来源的动脉瘤表面（338个破裂）	机器学习, 数字病理学	颅内囊状动脉瘤	NA	自编码器, 变分自编码器	3D表面网格	958个动脉瘤表面	NA	自编码器, 变分自编码器	均方误差, 体积误差, Hausdorff距离, AUC, 准确率	NA
706	2026-06-05	Physics-informed DynUNet for brain metastasis segmentation 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109457 PMID:42172695	研究论文	将物理信息肿瘤生长模型整合至DynUNet架构中，用于脑转移瘤分割，并评估其在多尺寸病灶及临床场景下的性能提升	首次将物理信息肿瘤生长模型（PI）与DynUNet分割架构相结合，通过多种物理正则化权重调控模型对不同组织类型和病灶尺寸的适应性，并在多个临床场景下验证其有效性	未提及明显局限性，但物理模型整合可能增加计算复杂度且最优正则化权重依赖组织类型和病灶尺寸	探究将物理信息肿瘤生长模型整合至分割架构能否克服基于尺寸的限制，提升低体积转移病灶的分割性能	脑转移瘤病灶，包括全肿瘤（WT）、肿瘤核心（TC）、增强肿瘤（ET）和非增强肿瘤核心（NETC）	数字病理学	脑转移瘤	NA	DynUNet	医学图像	BraTS-METS 2023数据集训练，Stanford BrainMetShare队列（N=105）外部验证	NA	DynUNet, U-Net	Dice, IoU, HD95	NA
707	2026-06-05	TAPSeg: An open-source deep learning tool for instance-level tooth and pulp segmentation in CBCT 2026-08, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	research paper	开发了一个基于深度学习的一键式CBCT自动分割工具TAPSeg，用于在3D Slicer软件中对牙齿和牙髓进行集成分割与重建	将V-Net与nnU-Net集成在3D Slicer中，实现一键式牙齿与牙髓的全自动分割，并验证了在包括未成熟恒牙在内的多数据集上的泛化能力	未提及具体局限性	开发开源的一键式CBCT自动分割工具，降低临床使用门槛	牙齿和牙髓在CBCT影像中的实例级分割	digital pathology	NA	CBCT	V-Net, nnU-Net	image	牙齿分割198例，牙髓分割148例	3D Slicer	V-Net, nnU-Net	Dice similarity coefficient, 95% Hausdorff distance, sensitivity, precision	NA
708	2026-06-05	Identification of non-hydroxamate histone deacetylase 8 inhibitors using deep learning-based screening of two-dimensional molecular images 2026-Aug, Bioorganic & medicinal chemistry IF:3.3Q1 DOI:10.1016/j.bmc.2026.118694 PMID:42107269	研究论文	利用基于二维分子图像的深度学习筛选方法识别非羟肟酸组蛋白去乙酰化酶8抑制剂	首次将ResNet架构集成到基于二维分子图像的DEEPScreen平台中，用于识别非羟肟酸HDAC8抑制剂，并通过实验验证和结构优化发现更有效的化合物	原文未明确提及局限性，但可能包括深度学习模型的泛化能力有限、虚拟筛选库的规模限制以及实验验证的化学空间探索尚不全面	开发基于二维分子图像的深度学习方法，识别新型非羟肟酸HDAC8抑制剂	大阪大学化合物库中的虚拟筛选候选化合物，以及经过实验验证的HDAC8抑制剂	机器学习	癌症	NA	卷积神经网络（CNN）和残差网络（ResNet）	二维分子图像	大阪大学化合物库中的大量虚拟筛选化合物，具体数量未提及	TensorFlow, PyTorch（推断）	ResNet	F1分数	NA
709	2026-06-05	A web-based platform for real-time stewed beef freshness monitoring: Integrating anthocyanin colorimetric film with deep learning 2026-Jul-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149643 PMID:42143922	研究论文	通过整合花青素比色膜与深度学习，开发了一套用于实时监测卤牛肉新鲜度的网络平台	首次将基于桑葚花青素提取物的pH响应比色膜与改进的Ordinal-ResNet-50深度学习模型结合，构建从智能传感到在线智能的完整技术框架，实现卤牛肉新鲜度的实时、无损分级监测	未明确提及，可能是模型对特定存储条件（4°C）的依赖性以及膜对不同肉类品种的泛化能力有限	开发一种基于网络的卤牛肉新鲜度在线监测系统	卤牛肉	计算机视觉、深度学习	不适用	比色膜制备、深度学习	改进的Ordinal-ResNet-50	图像	未明确提及样本数量	PyTorch	ResNet-50	准确率	NA
710	2026-06-05	A two-level neurodynamic approach for heterogeneous networked game under event-triggered quantized mechanism 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108671 PMID:41666488	研究论文	提出一种两层级神经动力学方法，用于解决事件触发量化机制下的异构网络化博弈问题	结合一对一梯度事件触发器和对数量化器降低通信成本，引入基于无源性策略补偿信息缺失，设计分段时变函数确保预设时间收敛	数值示例仅限于自主移动机器人连通性控制问题，未在更复杂或大规模系统中验证	降低网络化博弈中的通信成本并提高收敛速度，同时处理异构动态玩家的纳什均衡跟踪问题	异构动态玩家组成的网络化博弈系统	机器学习	NA	NA	两层级神经动力学	NA	NA	NA	NA	收敛时间	NA
711	2026-06-05	Deep Learning for Pretreatment Imaging-Based Tumor and Nodal Classification in Head and Neck Squamous Cell Carcinoma: A Systematic Review and Network Meta-Analysis 2026-Jul, Head & neck DOI:10.1002/hed.70292 PMID:42051065	系统综述与网络荟萃分析	通过系统综述和网络荟萃分析，评估深度学习在头颈部鳞状细胞癌治疗前影像分期中的诊断性能	首次基于网络荟萃分析比较不同深度学习模型和影像模态在头颈部鳞状细胞癌淋巴结和肿瘤侵犯分类中的表现，并量化与人工判读的差异	研究质量受限于单中心设计与非标准化的数据集，多中心和外部验证研究的曲线下面积显著低于单中心研究	系统评估深度学习模型在头颈部鳞状细胞癌治疗前影像分期中的诊断准确度	2019至2025年发表的利用CT、MRI、PET/CT或SPECT/CT影像进行淋巴结或肿瘤侵犯分类的研究	计算机视觉	头颈部鳞状细胞癌	CT, MRI, PET/CT, SPECT/CT	深度学习	医学影像	23项研究	NA	融合模型	AUC	NA
712	2026-06-05	Time Distributed Classification of Alzheimer's Disease on MRI Scans 2026-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70322 PMID:42240570	研究论文	结合体积特征分析和深度学习方法，利用MRI扫描对阿尔茨海默病进行时间分布分类	将基于CAT12工具箱的体积统计分析（如皮质厚度斜率）与混合CNN-LSTM深度学习方法相结合，首次在单一框架中整合空间和时间MRI数据，显著提升MCI患者分类效果	MCI分类错误主要源于年度MRI数据获取受限以及模型仅基于CN和AD队列进行预训练	利用MRI数据的空间和时间特征，实现对认知正常、轻度认知障碍和阿尔茨海默病患者的自动分类，促进早期诊断和疾病进展评估	来自ADNI数据集的MRI扫描数据，包括皮质厚度、白质、灰质、脑脊液和颅内总体积等体积特征	医学影像分析	阿尔茨海默病	结构磁共振成像	混合CNN-LSTM模型	MRI图像	ADNI数据集（具体样本数未在摘要中给出）	NA	3D ResNet-101, LSTM	准确率	NA
713	2026-06-05	Redesign to Mechanism: Interpretable AI Reveals Determinants of Protein Hydrate Binding 2026-Jun-04, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.6c00954 PMID:42175929	研究论文	建立了一个集成深度学习、分子动力学模拟和可解释机器学习的计算框架，用于合理设计天然抗冻蛋白	首次提出Chill+算法并整合XGBoost和SHAP分析，揭示空间结构特征比统计序列特征更准确预测抑制活性，并阐明Asn和Ser-Ile突变对水合物结合的关键机制	未提及模型在大规模多样本下的泛化性验证以及实验验证的具体蛋白产量数据	通过可解释AI框架实现抗冻蛋白的理性设计，平衡结构稳定性、表达效率和功能活性	天然抗冻蛋白及其设计肽段	机器学习	NA	深度学习和分子动力学模拟	XGBoost和深度学习模型	分子结构数据和序列数据	NA	XGBoost	Chill+算法和XGBoost	抑制活性预测准确率	NA
714	2026-06-05	Imaging foundation model for universal enhancement of non-ideal measurement CT 2026-Jun-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73943-y PMID:42236476	研究论文	提出了一种成像基础模型TAMP，用于通用增强非理想测量CT图像	首次将多尺度集成Transformer放大器作为基础模型，并基于1080万张物理模拟图像预训练，实现跨多种非理想测量CT设置、缺陷程度和身体区域的通用增强	未提及具体局限性	开发一种通用的非理想测量CT图像增强方法	非理想测量CT图像	计算机视觉，数字病理学	NA	CT成像	Transformer	图像	1080万张物理模拟非理想测量CT图像	NA	多尺度集成Transformer放大器（TAMP）	图像质量、临床可接受性	NA
715	2026-06-05	Artificial intelligence in forensic science: a systematic review. Part I: personal identification 2026-Jun-04, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03855-5 PMID:42236556	系统综述	对2012至2026年间89项关于人工智能在法医学个人识别中应用的研究进行系统综述，涵盖性别推断、人类识别、祖先推断和亲缘关系分析等任务	首个系统性地总结法医个人识别中AI应用证据的综述，包括方法学特征、模型性能及挑战	研究间方法学异质性大、主要依靠特定人群数据集、缺乏充分的独立外部验证	综合评估AI模型在法医个人识别中的可用证据、方法学特征和性能	89项涉及AI法医个人识别的原始研究	机器学习	不适用	计算断层扫描、X射线影像、深度学习模型	深度学习模型、传统机器学习模型	影像数据（主要是CT和X光图像）	89项研究（2012-2026年发表）	NA	NA	准确率（中位91.4%，四分位距88.9-95.0%）	NA
716	2026-06-05	Physics-informed deep learning enables reliable and scalable organoid quantification for drug screening via OCT 2026-Jun-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02847-4 PMID:42236584	研究论文	提出物理信息引导的深度学习框架DICE-2DSeg，实现基于OCT的类器官高通量药物筛选量化	创新性地将OCT物理原理（层内相干增强）与图结构层间上下文聚合结合，解决高精度与高通量矛盾，实现多尺度一致分割	依赖93个体积数据验证，未说明更大规模外推性；物理先验可能对非OCT数据泛化有限	开发可靠且可扩展的类器官量化方法，用于基于OCT的高通量药物筛选	患者来源类器官（PDOs）的光学相干断层扫描（OCT）图像	计算机视觉, 数字病理学	癌症	OCT	CNN, GNN	图像	93个OCT体积数据，涵盖多种癌症类型和药物处理	PyTorch	nnUNet3D, DICE-2DSeg	准确率, 速度（加速比）, 多尺度一致性	NA
717	2026-06-05	CT-based deep learning radiogenomics for predicting key glioma genotypes (IDH, ATRX, EGFR, TP53) 2026-Jun-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04043-3 PMID:42236611	研究论文	评估基于CT的影像基因组学与机器学习结合预测胶质瘤关键基因型（IDH、ATRX、EGFR、TP53）的性能	首次系统评估非对比CT影像组学与深度学习模型预测多种胶质瘤临床相关基因突变（IDH、ATRX、EGFR、TP53）的有效性，并比较传统机器学习与深度学习方法的表现	EGFR亚组样本量小（n=17），结果可能不具备推广性；缺乏外部验证；回顾性研究设计存在偏差风险	验证CT影像组学结合机器学习能否准确预测胶质瘤的临床相关分子标志物	197例经组织学确诊胶质瘤患者的非对比CT扫描数据及对应的分子标志物突变状态	机器学习, 数字病理	胶质瘤	CT影像组学, 非对比CT扫描	传统机器学习（六种经典分类器）和深度学习（自定义全连接神经网络FCNN和TabNet）	影像数据（非对比CT扫描）	197例成人患者（ATRX：81例突变，EGFR：17例突变，TP53：71例突变，IDH：183例突变）	NA	TabNet, 自定义全连接神经网络（FCNN）	ROC-AUC	NA
718	2026-06-05	Shortening MRI scanning time for acute ischemic stroke: analysis of the effect of 3.0T MRI compressed sensing deep learning reconstruction 2026-Jun-04, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-026-02496-w PMID:42236638	研究论文	评估压缩感知深度学习重建技术能否在保持诊断图像质量的同时缩短急性缺血性中风患者的3.0T MRI扫描时间	首次评估压缩感知深度学习重建在三种加速倍数（R3、R4、R5）下对急性缺血性中风MRI扫描时间和图像质量的影响	单中心回顾性设计，样本量较小（69例），未评估不同病变大小和位置的图像质量差异	评估压缩感知深度学习重建能否减少急性缺血性中风MRI扫描时间并维持诊断图像质量	急性缺血性中风患者	数字病理学	脑血管疾病	MRI	深度学习重建网络	图像	69例急性缺血性中风患者	NA	压缩感知深度学习重建	信噪比、对比噪声比、总体质量评分、噪声评分、清晰度评分	NA
719	2026-06-05	An explainable AI framework for enhanced software defect prediction using transformer-assisted boosting 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44202-3 PMID:42236753	research paper	提出一种结合Transformer自注意力机制与XGBoost的可解释AI框架，用于提升软件缺陷预测的准确性和可解释性	首次将Transformer自注意力机制与XGBoost集成，实现高预测性能与可解释性的统一，并利用SHAP解释关键特征重要性	未讨论框架在不同规模数据集上的泛化能力及计算资源消耗细节	开发一种兼具高准确度和可解释性的软件缺陷预测模型，帮助质量保证从业者优化缺陷管理和资源分配	NASA Metrics Data Program和Code4Code数据集中的软件缺陷数据	machine learning	NA	NA	Transformer、XGBoost	数值型软件度量数据（圈复杂度、Halstead属性、代码行数）	NASA MDP和Code4Code两个数据集，具体样本量未提及	XGBoost	Transformer	AUC, ROC, accuracy	NA
720	2026-06-05	A comparative analysis of deep learning models for disease classification in multi-organ histopathological images 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56045-z PMID:42236837	研究论文	比较了深度学习模型在多器官组织病理学图像疾病分类中的表现	首次系统比较了卷积神经网络和视觉Transformer在多器官疾病分类中的性能，并验证了从单器官扩展到多器官分类时性能不下降	NA	评估并比较CNN和ViT模型在多器官组织病理学图像疾病分类中的性能	人体主要器官（心脏、肺、肝脏、胰腺）的组织病理学全切片图像	数字病理学	NA	组织病理学全切片图像	卷积神经网络、视觉Transformer	图像	NA	NA	Swin-T, DenseNet-161	分类准确率	NA