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
7321	2026-06-07	A Holistic Eating Monitoring System Enabled by Textile Strain Sensors and Hierarchical Network 2026-Jun-05, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3701048 PMID:42247543	研究论文	提出一种结合石墨烯纺织应变传感器与层级深度学习网络的整体饮食行为监测系统	首次将石墨烯纺织应变传感器与层级深度学习框架相结合，实现饮食行为的连续精细监测，并利用大语言模型模块将生物力学指标转化为个性化自然语言反馈	NA	开发一种整体饮食行为监测系统，支持个性化健康饮食指导	饮食行为中的咽喉和下颚变形信号	机器学习	代谢性疾病	石墨烯纺织应变传感器	层级深度学习网络	应变信号	NA	NA	层级网络	激活图、事件掩码动态	NA
7322	2026-06-07	GNN-based deep surrogate modeling of knee contact mechanics: generalizing neuromuscular control patterns across subjects 2026-Jun-05, The Knee DOI:10.1016/j.knee.2026.104523 PMID:42247863	研究论文	本研究利用基于图神经网络的深度代理模型，模拟膝关节接触力学，重点关注跨受试者神经肌肉控制模式的泛化能力	首次在固定解剖条件下，通过消息传递机制模拟应力传播，有效解码神经肌肉控制的异质性，克服了传统代理模型忽视运动策略的缺陷	未明确说明局限性，但可能包括基于固定解剖条件的假设、数据集较小以及未评估临床实际部署的实时性能	研究拓扑感知的MeshGraphNet在跨受试者神经肌肉控制模式下的泛化能力，以实现膝关节接触应力的实时评估	九名受试者的步态数据，通过OpenSim-FEBio协同仿真平台构建数据集	计算机视觉、机器学习	膝关节骨关节炎、半月板撕裂	有限元分析、步态分析	图神经网络	数值模拟数据	9名受试者的步态数据	PyTorch	MeshGraphNet, MLP, Laplacian-MLP	相关性, 峰值应力预测误差, 空间重叠度	未在摘要中明确说明
7323	2026-06-07	Artificial intelligence in prostate cancer imaging: A mini-review of current applications and future directions 2026-Jun-05, Urologic oncology DOI:10.1016/j.urolonc.2026.05.013 PMID:42247882	综述	本文综述了人工智能在前列腺癌多参数磁共振成像中的应用现状、方法学挑战及未来方向	系统整合了最新研究证据，全面探讨了AI在前列腺癌mpMRI成像中的自动化病变检测与分割、PI-RADS评分标准化及影像组学风险预测等应用，并提出了可解释AI、联邦学习等未来方向	数据异质性、泛化能力不足、缺乏标准化特征提取、外部验证有限以及深度学习模型的“黑箱”特性影响临床信任和监管审批	总结AI在前列腺癌mpMRI成像中的当前应用、方法学挑战并展望未来发展方向	基于多参数磁共振成像的前列腺癌成像领域	机器学习	前列腺癌	NGS	机器学习, 深度学习	影像	NA	NA	NA	NA	NA
7324	2026-06-07	Deep learning-automatic 3D analysis of regional condylar remodeling and skeletal relapse following bimaxillary surgery: a two-year follow-up study 2026-Jun-05, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104627 PMID:42247969	研究论文	利用深度学习对双颌手术后区域髁突重塑及骨骼复发的三维自动分析进行为期两年的随访研究	首次应用基于深度学习的3D区域髁突体积分析，定量评估双颌手术后髁突体积变化与骨骼复发间的关系，并揭示年龄、性别和手术推进幅度是关键预测因素	样本量有限（40例），未探索髁突区域亚体积与手术移动方向的显著相关性，且研究为回顾性设计	量化双颌手术后区域髁突重塑及其在骨骼复发中的作用	接受双颌手术的下颌后缩患者	计算机视觉, 数字病理学	下颌后缩	CBCT扫描	深度学习模型（具体架构未明确）	3D图像（CBCT扫描数据）	40例患者	NA	NA	线性回归分析（预测因子显著性）	NA
7325	2026-06-07	Multimodal deep learning integration of clinical, dosiomics, and radiomics features to predict toxicity in breast cancer patients undergoing hypofractionated radiotherapy 2026-Jun-05, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111799 PMID:42248053	研究论文	开发多模态深度学习模型整合临床、放射组学、剂量组学和深度特征，预测乳腺癌大分割放疗后的急性放射性皮炎	首次将临床、放射组学、剂量组学和深度学习特征整合到单一预测框架中，并引入CLAHE图像增强和SMOTE类别重平衡技术以提高预测性能	样本量较小（160例），纤维化分析仅5个事件（源于罕见事件设置），外部验证尚未进行	开发多模态机器学习模型以早期识别高风险患者，优化治疗计划并改善乳腺癌患者生活质量	2017-2022年间接受调强大分割放疗的早期乳腺癌患者	机器学习	乳腺癌	CT成像, 放射组学, 剂量组学, 深度学习特征提取	随机森林, XGBoost, LightGBM, DS-LightGBM	图像, 临床数据, 剂量分布数据	160例早期乳腺癌患者	PyTorch, Scikit-learn	DenseNet-121, LightGBM	准确率, ROC-AUC	NA
7326	2026-06-07	Hybrid learning: a combination of self-supervised and supervised learning for joint MRI reconstruction and denoising in low-field MRI 2026-Jun-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae792b PMID:42248205	研究论文	提出一种结合自监督学习和监督学习的混合学习框架，用于低场MRI中的联合重建与去噪	首次将自监督学习和监督学习分阶段结合，利用低信噪比全采样数据生成伪参考再用于监督训练，解决了低场MRI中高质量参考数据难以获取和低信噪比下性能退化的问题	未提及在超高噪声或极端欠采样情况下的表现，且伪参考质量可能受自监督学习性能限制	开发一种能在仅低信噪比训练数据下实现联合MRI重建和去噪的新训练框架	低场MRI中的图像重建和噪声去除问题	机器学习	NA	MRI	深度学习模型	图像	包含乳腺、肺部和脑部的模拟和真实噪声MRI数据，场强从0.3T到3T，采样轨迹包括笛卡尔、螺旋和径向，未明确样本数量	NA	NA	结构相似性指数（SSIM）、归一化均方误差（NMSE）、高频误差范数（HFEN）	NA
7327	2026-06-07	Hyperspectral Imaging for Breast-Conserving Surgery Margin Assessment: A Systematic Review 2026-Jun-05, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2025-0627-RA PMID:42248565	系统综述	系统评价高光谱成像在保乳手术切缘评估中的应用	首次系统梳理了高光谱成像在乳腺癌保乳手术切缘评估中的方法学、机器学习模型、诊断性能及与标准技术的对比	硬件庞大、校准要求高、光谱分辨率降低、监管批准困难，尚无设备获批用于术中切缘评估	评估高光谱或多光谱成像用于乳腺癌切缘评估的研究进展	新鲜保乳手术标本或组织切片的乳腺癌样本	机器学习、数字病理学	乳腺癌	高光谱成像、多光谱成像	线性判别分析、支持向量机、卷积神经网络、聚类算法	光谱图像	24项研究	NA	NA	敏感性、特异性、受试者工作特征曲线下面积	NA
7328	2026-06-07	Performance Analysis of Machine Learning Techniques for Voice Spoofing Detection 2026-Jun-05, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2026.05.013 PMID:42248755	研究论文	对四种语音欺骗检测模型进行对比实验分析	在标准化设置下对比传统机器学习与深度学习模型，强调根据部署需求而非仅准确率选择模型	仅使用ASVspoof 2019逻辑访问数据集，未覆盖更广泛场景	分析不同机器学习技术在语音欺骗检测中的性能，为模型选择提供指导	语音欺骗检测模型（SVM、GMM、ResNet、Wav2Vec 2.0）	自然语言处理	NA	NA	SVM、GMM、ResNet、Wav2Vec 2.0	语音	ASVspoof 2019逻辑访问数据集	NA	SVM、GMM、ResNet、Wav2Vec 2.0	等错误率、串联检测成本函数、训练时间、推理时间	NA
7329	2026-06-07	A novel-based Kolmogorov-Arnold Networks for high accuracy mapping of water and vegetation: a study of the global main rivers 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53332-7 PMID:42248949	研究论文	本研究提出基于Kolmogorov-Arnold网络的新型深度学习架构，用于全球主要河流水体与植被的高精度像素级分类	首次将具有可学习激活函数的KANs应用于遥感领域，在混合像素和边界像素分类上优于传统方法，且架构更紧凑，能有效利用有限光谱信息	在所有区域并未一致优于MLP模型	评估KANs在遥感水体与植被分类中的性能及其替代传统模型的潜力	全球九条主要河流（亚马逊河、卡伦河、恒河、密西西比河、尼罗河、莱茵河、塞纳河、阿拉伯河、长江）的水体与植被分布	机器学习	NA	Sentinel-2遥感影像	KAN (Kolmogorov-Arnold网络)和MLP（多层感知机）	图像（Sentinel-2影像）	2023年九条全球主要河流的观测数据集	NA	KAN、MLP	Kappa系数、准确率	NA
7330	2026-06-07	An end-to-end deep learning framework with nonstationary weighting strategy for enhancing reservoir landslide displacement prediction 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55915-w PMID:42248995	研究论文	提出一种带有非平稳加权策略的端到端深度学习框架，用于增强水库滑坡位移预测	提出动态权重生成器(DWG)，能学习历史窗口中每个变量和每个时间步的权重，克服传统深度学习模型采用固定滑动窗口且对所有变量和时间步赋予相同权重的局限性	NA	提高水库滑坡位移预测的准确性	水库滑坡位移	机器学习	NA	NA	CNN、LSTM、Transformer、Mamba	时间序列数据	NA	NA	CNN、LSTM、Transformer、Mamba	NA	NA
7331	2026-06-07	VerbaFake, EchoFake, and PixelFake: lightweight architectures with advanced augmentation for unimodal deepfake detection 2026-Jun-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56292-0 PMID:42249019	研究论文	本文提出一种基于多种深度学习模型的单模态深度伪造检测框架，覆盖图像、文本和音频三种模态	提出了三种轻量级自建模型（VerbaFake、EchoFake、PixelFake），并集成先进数据增强策略，实现高精度单模态深度伪造检测	未充分讨论跨模态泛化能力以及模型在真实复杂场景下的鲁棒性	开发一种轻量级、实时可用的深度伪造检测系统，提升对伪造图像、文本、音频的识别能力	深度伪造内容，包括图像、文本和音频三种模态	计算机视觉,自然语言处理,机器学习	NA	NA	CNN, 注意力机制, GRU, BiLSTM, 胶囊网络	图像, 文本, 音频	超过26,000张图像样本、20,000个音频片段和31,429条文本条目	NA	MobileNetV2, EfficientNetV2-S, PixelFake, VerbaFake, Efficient-CapsNet, Attention-based BiLSTM, Xception, DenseNet201, EchoFake	准确率	NA
7332	2026-06-07	Deep Learning Inverse Design of Phase-Change Reconfigurable Terahertz Metadevices for Multidimensional Secure Communication 2026-Jun-05, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73630 PMID:42249641	研究论文	提出了一种基于深度学习的逆向设计框架，用于创建动态可重构的太赫兹超构器件，实现多维安全通信	利用残差神经网络将目标电磁响应直接映射到器件几何结构，消除传统迭代设计瓶颈，实现快速高精度生成多样化超构架构，并实现八通道加密全息和双密钥安全协议下的通用逻辑操作	NA	设计用于6G网络物理层安全通信的可重构太赫兹超构器件	太赫兹超构器件中的相变材料（GeSbTe，GST）及其电磁响应	机器学习	NA	太赫兹波技术	残差神经网络（ResNet）	电磁响应数据	NA	NA	残差神经网络	串扰水平、近衍射极限保真度	NA
7333	2026-06-07	PMB-NN: Physiology-centered hybrid AI for personalized hemodynamic monitoring from photoplethysmography 2026-Jun-04, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109479 PMID:42248129	研究论文	提出一种基于生理模型与深度学习混合的PMB-NN方法，用于从光电容积描记信号个性化监测血流动力学参数	将深度学习和基于Windkessel的2元件生理模型统一为混合AI框架，以R和C参数作为物理约束，实现血压和血流动力学参数的可解释估计	在自主神经挑战下数值误差增加，且舒张压性能低于纯深度学习模型	开发一种生理可解释的混合AI方法，用于个性化无创血压和血流动力学监测	光电容积描记信号和人口统计信息	机器学习	心血管疾病	光电容积描记法	神经网络	时序数据	10名健康年轻成人（初级队列）和37名年龄18-88岁的多样化队列	NA	生理模型基神经网络	中位数平均绝对误差，生理合理性相关性，参数估计保真度	NA
7334	2026-06-07	Image-based high-throughput phenotyping enables genetic analyses of pod morphological traits in mungbean (Vigna radiata (L.) R. Wilczek) 2026-Jun-03, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag106 PMID:42048549	研究论文	利用基于图像的深度学习表型分析对绿豆荚果形态性状进行遗传剖析	首次将图像分析高通量表型与全基因组关联研究(GWAS)和基因组预测相结合，揭示绿豆荚果性状的遗传基础，并证明基于图像的表型在复杂形状性状上比手动测量有高达22%的精度提升	研究中未提及光照条件、图像分辨率等环境因素对表型提取稳定性的影响，且仅基于两年数据，可能未完全覆盖环境变异	开发并验证基于图像的深度学习表型方法，用于绿豆荚果形态性状的遗传分析和基因组预测	爱荷华绿豆多样性(IMD)群体的372个基因型，共2,418张荚果图像	数字病理学、机器学习	不适用	深度学习图像分析、全基因组关联研究(GWAS)、基因组预测	深度学习模型（具体架构未明确说明）	图像（荚果图像）和基因组数据	372个基因型，2,418张图像	NA	NA（论文未指定具体架构名称）	皮尔逊相关系数(r)、基因组预测准确度	NA
7335	2026-06-07	Multi-omics and artificial intelligence for precision drug discovery and potential clinical applications 2026-Jun-03, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02631-6 PMID:42230553	综述	综述了多组学技术与人工智能在精准药物发现及潜在临床应用中的整合应用	系统阐述了多组学与AI融合在药物研发全流程中的变革性作用，包括靶点识别、药物重定位和从头化合物发现，并强调其在肿瘤、神经退行性疾病和心血管疾病中的应用前景	多组学数据整合、结果可重复性保证及算法偏倚缓解等挑战仍待解决	探讨多组学与AI结合在药物发现和临床转化中的潜力与应用框架	多组学数据（基因组、转录组、蛋白质组、代谢组）与AI方法在药物研发中的应用	机器学习, 数字病理学	肿瘤, 神经退行性疾病, 心血管疾病	全基因组关联分析, 转录组测序, 蛋白质组互作图谱, 代谢组测序	深度学习架构	组学数据	NA	NA	NA	NA	NA
7336	2026-06-07	A Hybrid Deep Learning Framework with Supervised Contrastive Learning for Robust Seizure Detection in Long-Term EEG 2026-Jun-03, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02395-0 PMID:42234066	研究论文	提出一种名为CNN-SwT的混合深度学习框架，结合CNN和Swin Transformer，并采用监督对比学习，用于长程脑电图中的鲁棒性癫痫发作检测	结合CNN和Swin Transformer捕获脑电图时空局部特征与全局依赖关系，用监督对比学习替代传统交叉熵损失以处理极端数据不平衡问题	NA	实现长程脑电图中癫痫发作的自动、准确和鲁棒检测	癫痫发作检测中的脑电图信号	机器学习	癫痫	EEG	CNN, Swin Transformer	脑电图信号	CHB-MIT公开数据库和SH-SDU数据库，具体样本数未提及	PyTorch	CNN, Swin Transformer	事件级灵敏度，假阳性率	NA
7337	2026-06-07	Contrastive adapter training and consensus knowledge distillation for multi-source-free domain adaptation in skin cancer diagnosis 2026-Jun-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103465 PMID:42247734	研究论文	提出对比适配器训练与共识知识蒸馏方法，用于多源无源域自适应的皮肤癌诊断	在冻结的ViT骨干中引入轻量级ConvPass适配器，通过监督对比学习建立共享域不变特征空间，并使用共识知识蒸馏聚合多源模型logits作为监督信号，避免灾难性遗忘和过拟合	未提及在数据集大小极度不平衡或罕见病变类型上的性能，且仅基于公开皮肤病变数据集验证	解决多源无监督域适应中源数据不可访问时的域偏移问题，提升皮肤癌诊断的隐私保护性	皮肤病变图像，包括黑色素瘤和良性痣	数字病理学	皮肤癌	无明确技术（基于图像处理）	ViT	图像	五个公开皮肤病变数据集	PyTorch	ViT, ConvPass适配器	AUROC	NA
7338	2026-06-07	Whitening black boxes: Interpretable and explainable DL-based systems for trustworthy healthcare 2026-Jun-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103458 PMID:42247733	综述	本文对用于医学图像分类的可解释人工智能方法进行了分类综述，分析了不同解释技术的优缺点及其在医疗环境中的影响	提出了基于反向传播、扰动、注意力和概念四种类别的XAI方法分类法，并系统评估了分类器类型对解释技术选择的影响	仅涵盖2020年1月至2025年7月间Scopus和Google Scholar收录的论文，且专注于图像分类领域，未涉及其他医学数据类型或任务	综述可解释人工智能方法在医疗图像分类中的应用，推动透明且临床可靠的深度学习系统发展	2019-2024年间发表的69篇关于可解释人工智能与医学图像分类的论文	数字病理学	NA	NA	深度学习模型	医学图像	69篇相关论文	NA	NA	NA	NA
7339	2026-06-07	Artificial intelligence in predicting anesthetic complications: current techniques, clinical applications, and limitations 2026-Jun-03, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106527 PMID:42248065	综述	本文系统综述了人工智能在预测麻醉并发症中的应用，涵盖技术方法、临床挑战及未来方向	首次系统梳理AI在麻醉各阶段（术前、术中、术后）的应用进展，并提出P4医学框架下的决策支持工具定位	未涉及实际临床部署效果评估，缺乏跨机构验证数据，未解决算法偏见与数据可靠性等关键问题	评估AI在预测麻醉并发症中的技术应用与临床价值，探讨实施障碍及伦理考量	82项相关研究，涵盖机器学习、深度学习、自然语言处理、计算机视觉等AI技术	计算机视觉, 自然语言处理, 机器学习	麻醉并发症（术中低血压、呼吸衰竭、术后恶心呕吐、疼痛控制）	机器学习（随机森林、支持向量机）、深度学习、自然语言处理、计算机视觉、贝叶斯模型、模糊逻辑	随机森林, 支持向量机, 深度学习模型	文本（医学记录）、图像（术中监测影像）、时间序列（生理信号）	82项系统检索的研究	NA	NA	AUC（0.85-0.94 vs 传统方法0.76-0.88），阿片类药物使用减少率（15-35%）	NA
7340	2026-06-07	Prediction of circular RNA-RNA binding protein binding sites based on structural feature and dynamic feature screening 2026-Jun-02, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152870 PMID:42235771	研究论文	提出 circGMST 模型，基于结构特征和动态特征筛选预测环状RNA与RNA结合蛋白的结合位点	首次同时整合全序列和单核苷酸分辨率预测，并设计门控多尺度融合块以解决动态特征选择问题	未在摘要中明确说明局限性	预测环状RNA与RNA结合蛋白的结合位点，阐明调控机制并识别潜在治疗靶点	包含七种RNA结合蛋白的乳腺癌特异性可变长度环状RNA序列	机器学习	乳腺癌	NA	Gated Multiscale Fusion (GMF)	序列数据	由七种RNA结合蛋白的可变长度环状RNA序列构成的乳腺癌特异性数据集	PyTorch	Gated Multiscale Fusion (GMF)	准确性、精确性、召回率、F1分数、AUC	NA