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
61	2026-10-01	Cross-Modal Feature Adapter for Few-Shot Human Activity Recognition 2026-Jul-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3710728 PMID:42412658	研究论文	本文提出了一种跨模态特征适配器，利用活动标签文本搜索相关图像构建增强数据集，并微调预训练CLIP图像编码器以对齐图像-传感器配对，用于小样本人体活动识别	引入跨模态数据增强策略，利用活动标签文本作为关键词搜索活动相关图像构建增强数据集；设计了新的跨模态特征适配器，通过可学习的残差比例自适应地混合来自原始零样本CLIP的旧知识和来自小样本训练样本的新知识	未明确提及	解决基于传感器的人体活动识别中传感器数据标注稀缺的问题，特别是在小样本场景下提升识别性能	基于传感器的人体活动识别数据，以及通过文本搜索获取的活动相关图像	机器学习	NA	跨模态数据增强，CLIP预训练模型微调	CLIP	传感器时间序列数据，图像，文本	三个公开HAR基准数据集	NA	CLIP图像编码器，时间序列传感器编码器	NA	NA
62	2026-10-01	LANet: A Lightweight and Accurate Balanced Network Based on State Space Models for Real-Time Semantic Segmentation 2026-Jul-07, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3708426 PMID:42412668	研究论文	本文提出了一种基于状态空间模型的轻量级实时语义分割网络 LANet，通过结合标准卷积与深度可分离卷积、多跳连接瓶颈模块（MSC-B）、金字塔双注意力特征增强模块（FEPDA）以及基于多尺度状态空间模型的特征融合模块（FFMSSM），在保持高精度的同时显著提升推理速度并减少模型参数	提出了一种新颖的轻量级语义分割模型 LANet，融合标准卷积与深度可分离卷积，设计多跳连接瓶颈模块 MSC-B，并引入金字塔双注意力特征增强模块 FEPDA 以及基于多尺度状态空间模型（SSM）的特征融合模块 FFMSSM，以协同平衡模型精度与推理速度	未明确讨论模型在极端资源受限设备上的部署效果，也未与其他最新实时分割方法在更多数据集上进行广泛对比，且需在 RTX 3090 GPU 上验证，可能未涵盖其他硬件平台的适应性	在实时语义分割任务中，解决现有高精度网络参数量大、轻量级网络精度不足的问题，实现精度与速度的平衡	实时语义分割任务，具体如自动驾驶等实际应用场景中的图像	计算机视觉	NA	状态空间模型、深度可分离卷积、注意力机制	CNN、状态空间模型	图像	NA	NA	LANet（包含标准卷积、深度可分离卷积、MSC-B、FEPDA、FFMSSM）	平均交并比（mIoU）、帧率（FPS）、参数量（Parameters）	NVIDIA RTX 3090 GPU
63	2026-10-01	Quantum Rényi α-Entropies for Graph Characterization 2026-Jul-07, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3707970 PMID:42412669	研究论文	本文提出了基于量子Rényi α-熵的新型图核，用于图的结构相似性比较和图特征表征。	首次利用不同阶数的量子Rényi α-熵（从未归一化和归一化拉普拉斯矩阵计算）定义图核，并证明这些熵由不同子结构的频率和度统计决定，兼具高效性、理论基础和可解释性。	未明确讨论熵阶数选择对性能的影响，对超参数调优的敏感性分析不足。	解决图结构相似性比较问题，提出高效、可解释且具有理论基础的图核方法，能够表征未标记图的结构。	未标记图（如基准数据集中的图结构）	机器学习	NA	量子Rényi α-熵、拉普拉斯矩阵谱分析、图核方法	NA	图数据	NA	NA	NA	NA	NA
64	2026-10-01	Cross Domain Self-Prompting SAM2 for Intraoperative OCT Video Segmentation 2026-Jul-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3710782 PMID:42412657	研究论文	本文提出了一种跨域自提示SAM2框架，用于实时术中OCT视频分割，无需手动提示即可自动分割视网膜手术中的器械和组织	首次提出基于SAM2的框架，实现真实玻璃体视网膜iCOT视频的全自动分割，无需手动提示；引入跨域伪掩码生成器，将大规模临床OCT数据集的知识迁移到标注稀缺的iCOT域	未明确提及局限性，但可能依赖于跨域知识迁移的效果，且仅在两个数据集上进行了验证	实现术中OCT视频的实时自动分割，以估计手术器械与视网膜表面的距离，提高手术安全性	玻璃体视网膜手术中的iCOT视频	计算机视觉, 医学图像分割	视网膜疾病, 眼科疾病	术中光学相干断层扫描 (iCOT), 深度学习	SAM2	视频	两个来自真实玻璃体视网膜手术的iCOT数据集，具体样本数量未提及	NA	SAM2	平均Dice分数, 工具到视网膜距离的平均误差	NA
65	2026-10-01	scVAEAT: An Integrative Attention-Augmented Variational Autoencoder for Predicting Single-Cell Perturbation Responses 2026-Jul-07, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3710792 PMID:42412677	研究论文	本文提出了 scVAEAT，一种整合变分自编码器与注意力增强最优传输的深度学习框架，用于从单细胞RNA测序数据预测单细胞扰动响应	引入两个关键创新：1）注意力增强编码模块，通过结合全局和局部注意力机制捕捉多尺度特征表示；2）基于注意力的最优传输策略，无需配对数据即可对齐未扰动和扰动细胞状态	未明确提及	从标准单细胞RNA测序数据预测单细胞扰动响应，以理解细胞对遗传或环境扰动的响应机制，推动疾病机制解析和精准医学发展	人类外周血单核细胞（PBMC）和肠道上皮细胞	机器学习	NA	单细胞RNA测序（scRNA-seq）	变分自编码器（VAE）	单细胞RNA测序数据	未明确提及	NA	变分自编码器（VAE）, 注意力机制, 最优传输（OT）	平均R分数	NA
66	2026-10-01	Capturing omega sign in the clinical assessment of depression by deep learning 2026-Jul-07, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-04245-6 PMID:42414259	研究论文	该研究利用深度学习技术，通过中性照片和访谈视频对抑郁症患者的静态和动态omega征进行数字评估。	首次将深度学习应用于捕捉抑郁症临床评估中的omega征，包括静态和动态特征，并开发了自动预测模型。	静态omega征与MDD的关联仅为边缘显著（P=0.06），样本量有限，未提及模型性能细节如准确率等。	研究利用深度学习进行数字评估，以捕捉抑郁症的静态和动态omega征，辅助临床评估。	重性抑郁障碍患者和年龄性别匹配的对照组受试者。	数字病理学	抑郁症	深度学习	深度残差学习模型	图像和视频	252名MDD受试者和192名对照受试者，总计444名参与者	NA	ResNet	NA	NA
67	2026-10-01	Stomatalia: a deep learning-based platform for quantitative stomata and pavement cell analysis 2026-Jul-07, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01568-9 PMID:42415050	研究论文	该研究开发了Stomatalia，一个基于深度学习的平台，用于自动化定量分析植物叶片表皮的气孔和铺面细胞特征	开发了一个用户友好的深度学习平台Stomatalia，结合快速微损叶片印迹协议（40-100秒内生成叶片表面负印迹），通过实例分割算法自动检测、计数和计算气孔与铺面细胞的多种形态学和整合性表皮参数，实现高通量表型分析	平台在双子叶植物高质量叶片印迹图像上表现最佳，在单子叶植物中气孔检测性能更具可变性；铺面细胞分割仍依赖于物种和结构；对单子叶植物或高度分化物种的稳健铺面细胞分割需要进一步注释和模型重新训练	自动化并标准化气孔和铺面细胞特征的定量分析，以支持大规模表型分析，促进将表皮形态学整合到作物改良流程中，开发具有优化气孔模式的气候适应性品种	栽培和野生马铃薯及番茄基因型的表皮图像（在最优和非生物胁迫条件下生长），以及春季洋葱、鹰嘴豆、香脂杨和小麦的跨物种可行性测试	计算机视觉	NA	深度学习实例分割，明场显微镜成像，叶片印迹法	实例分割深度学习算法	图像	独立数据集评估（具体样本量未在摘要中说明），马铃薯植物概念验证试验（最优灌溉和长期渐进干旱条件）	NA	实例分割模型	F1分数（0.86-0.94，取决于图像尺度、物种和分辨率），分割重叠度	NA
68	2026-10-01	Hierarchical multi-instance learning for targeted triage and classification of common left-to-right shunt lesions from echocardiography videos 2026-Jul-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02544-4 PMID:42410361	研究论文	该研究开发了基于视频的深度学习网络EchoHMIL，用于超声心动图视频中常见左向右分流病变的检查级靶向分诊和亚型分类	提出了超声心动图分层多实例学习网络（EchoHMIL），采用时空骨干网络编码视频片段，并通过基于注意力的多实例学习聚合可变数量的片段形成检查级表示；设计了分层双头结构配合门控多任务目标，同时实现正常与靶向分流病变的判别以及VSD/ASD/PDA亚型分类	仅在闭集目标病变设置下验证，未涵盖复杂先心病、混合型、术后及分布外异常；需要前瞻性多中心验证才能推广至一般先心病筛查或常规临床部署	开发自动化方法，从常规超声心动图视频中实现常见左向右分流病变的检查级靶向分诊和亚型分类	2373例超声心动图检查（800例正常、493例VSD、751例ASD、329例PDA），来自新疆医科大学第一附属医院	计算机视觉, 医学影像分析	先天性心脏病, 室间隔缺损, 房间隔缺损, 动脉导管未闭	经胸超声心动图	深度学习, 多实例学习, 注意力机制	视频	2373例超声心动图检查（800例正常、493例VSD、751例ASD、329例PDA），测试集475例	NA	EchoHMIL（时空骨干网络+注意力多实例学习+分层双头结构）	AUC, 灵敏度, 特异度, 准确率, macro-F1	NA
69	2026-10-01	Multisequence MRI and clinical data-based deep learning radiomics model for predicting adjacent segment degeneration post-lumbar fusion: a retrospective multicenter study 2026-Jul-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02468-z PMID:42410387	研究论文	该研究开发了一种整合临床数据、深度学习和多序列MRI影像组学特征的模型，用于预测腰椎融合术后邻近节段退变（ASDeg）的高风险患者	首次将Vision Transformer 3D模型架构应用于多序列MRI影像组学分析，并结合临床数据构建联合模型预测腰椎融合术后ASDeg，性能优于脊柱外科医生的联合预测	外部测试队列样本量较小（n=30），且为回顾性研究设计，可能存在选择偏倚	开发并验证一个基于多序列MRI和临床数据的深度学习影像组学模型，用于术前预测腰椎融合术后邻近节段退变的高风险患者	接受腰椎融合术并在术前进行腰椎MRI检查的患者	数字病理学	腰椎退行性疾病	多序列磁共振成像（MRI）	Vision Transformer, 逻辑回归, 支持向量机, AdaBoost, 梯度提升机	图像, 文本	305例患者（训练集192例，内部验证集83例，外部测试集30例）	NA	Vision Transformer 3D	AUC, 校准曲线, 决策曲线分析	NA
70	2026-10-01	Physics-guided framework for climate dependent disease prediction: coupling compartment model with deep learning 2026-Jul-06, BMC public health IF:3.5Q1 DOI:10.1186/s12889-026-28326-9 PMID:42410396	研究论文	该研究提出了一种物理引导框架，将房室模型与深度学习耦合，用于气候依赖性疾病（如流感样疾病）的预测	利用物理信息神经网络学习微分方程约束下的动力学知识，并通过物理引导表示对齐机制嵌入LSTM，实现领域知识与多源数据联合驱动的预测，同时通过符号回归导出传播率与气候因素的显式函数关系	未明确提及研究的局限性	开发一种物理引导框架，结合房室模型的动力学知识和深度学习的多源数据学习与表示能力，以提高气候依赖性疾病的预测准确性	中国甘肃省兰州市和中国陕西省西安市的流感样疾病病例及气候数据	机器学习	流感样疾病	物理信息神经网络（PINN）、长短期记忆网络（LSTM）、符号回归	PINN、LSTM	时间序列数据（病例和气候数据）	NA	NA	PINN、LSTM	NRMSE、SMAPE、ND、MAPE、PCC	NA
71	2026-10-01	A self-attention-based deep learning model for identifying key genes in insect pupal metamorphosis 2026-Jul-06, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-13128-5 PMID:42410516	研究论文	本文构建了基于Word2vec的昆虫蛋白质序列词嵌入库，并设计了一种基于深度学习和自注意力机制的基因网络分类模型（GNCM），用于识别昆虫蛹变态发育过程中的关键基因	首次将深度学习和自注意力机制相结合构建基因网络分类模型（GNCM），通过计算基因在昆虫蛹变态发育中的重要性权重来识别关键基因，性能显著优于ANN、SVM、XGBoost、BiGRU和BiLSTM等算法	摘要中未明确提及该研究的局限性	识别昆虫蛹变态发育过程中的关键基因	来自14个目的293条昆虫蛋白质序列	机器学习	NA	Word2vec, 深度学习, 自注意力机制, 差异表达分析, KEGG注释	自注意力机制, BiGRU, BiLSTM	蛋白质序列, 基因表达数据	293条昆虫蛋白质序列（来自14个目）	NA	基因网络分类模型（GNCM）, 自注意力机制, BiGRU, BiLSTM, ANN, SVM, XGBoost	分类准确率, 可解释性	NA
72	2026-10-01	Enhancing Volumetric Imaging in Linear-Array Photoacoustic Tomography: multiview fusion with deep learning 2026-Jul-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3709999 PMID:42397995	研究论文	本文提出了一种基于模型的深度学习框架MV-FISTA-Net，通过展开FISTA算法并融合多视角扫描信息，以提升线性阵列光声断层扫描的三维成像分辨率	提出3D MV-FISTA-Net，将FISTA算法展开为可学习的3D架构，并整合多视角升降扫描信息；设计两阶段训练策略，先在合成数据上预训练，再在合成与实验数据混合上微调，以弥合合成数据与真实数据之间的差距	未明确提及	解决线性阵列光声断层扫描中三维成像各向异性空间分辨率问题，特别是升降分辨率远差于轴向和横向分辨率的问题	线性阵列光声断层扫描（PACT）的三维体积成像	计算机视觉	NA	光声断层扫描（PACT）、多视角融合	基于模型的深度学习（展开FISTA）	图像（仿真、体模、在体人类数据集）	NA	NA	MV-FISTA-Net（3D展开FISTA网络）	分辨率提升倍数、推理时间	NA
73	2026-10-01	Improving pancreatic adenocarcinoma prognosis models through ligand receptor interactions and histopathological integration 2026-Jul-03, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08572-6 PMID:42399741	研究论文	该研究通过整合配体-受体相互作用、多组学数据和基于深度学习的病理图像，构建了胰腺腺癌的可解释多模态预后模型，并揭示了癌症相关成纤维细胞微环境的机制。	建立了首个整合配体-受体相互作用和组织病理学特征的多模态预后框架，揭示了CAF介导的配体-受体信号在重塑PAAD微环境中的核心作用。	摘要中未明确提及研究的局限性。	整合配体-受体相互作用、多组学数据和深度学习病理图像，构建可解释的多模态预后模型，并阐明癌症相关成纤维细胞微环境的机制。	胰腺腺癌患者样本，包括39对临床标本和公共多组学数据。	数字病理学	胰腺癌	BulkSignalR、单细胞转录组学、空间转录组学、免疫荧光、苏木精-伊红染色全切片图像、深度学习	Cox比例风险模型、LASSO-Cox、随机生存森林、深度学习	图像、文本	39对临床标本	NA	NA	NA	NA
74	2026-10-01	SpaHNR: a spatial domain identification method via sparse attention-based hierarchical node representation and multi-view contrastive learning 2026-Jul-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06545-6 PMID:42399758	研究论文	该论文提出了一种名为SpaHNR的方法，通过稀疏注意力分层节点表示和多视角对比学习来识别空间转录组数据中的空间域	利用稀疏注意力分层节点表示和多视角对比学习，充分考虑了生物组织中固有的分层结构，通过整合组织图像、基因表达、空间坐标和推断的细胞通讯来识别空间域	摘要中未明确提及研究的局限性	利用深度学习方法在空间转录组数据上识别组织内不同的空间域，从而阐明细胞的空间组织及其基因表达	空间转录组数据，包括人类背外侧前额叶皮层数据集、人类乳腺癌数据集和小鼠胚胎数据集	空间转录组学、计算生物学	乳腺癌	空间转录组测序、组织学图像分析	GCN、稀疏注意力机制、对比学习	空间转录组数据、组织学图像、基因表达矩阵、空间坐标	人类背外侧前额叶皮层数据集、人类乳腺癌数据集和小鼠胚胎数据集	NA	GCN、稀疏注意力分层节点融合模块	空间域识别性能（与现有方法比较）	NA
75	2026-10-01	A Driving Regime-Embedded Deep Learning Framework for Modeling Intradriver Heterogeneity in Multiscale Car-Following Dynamics 2026-Jul, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3660643 PMID:41671114	研究论文	提出了一种新颖的数据驱动跟驰框架，将离散驾驶状态嵌入车辆运动预测中，以建模多尺度跟驰动力学中的驾驶员内异质性	将离散驾驶状态（如稳态跟随、加速、巡航）系统性地嵌入车辆运动预测中，并采用混合深度学习架构结合GRU和LSTM，统一离散决策过程与连续车辆动力学，以全面表征驾驶员间和驾驶员内异质性	未明确提及	准确表征跟驰建模中驾驶行为的多尺度复杂性，特别是单一驾驶员在不同条件下动态波动的驾驶员内异质性	跟驰动力学、驾驶行为、车辆轨迹数据	机器学习	NA	高分辨率交通轨迹数据集、自底向上分割算法、动态时间规整	GRU, LSTM	车辆轨迹数据	NA	NA	GRU, LSTM	预测误差（多种指标）	NA
76	2026-10-01	DREAM: A Benchmark Study for Deepfake PhotoRealism AssessMent 2026-07, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663547 PMID:41671124	研究论文	该论文提出了DREAM基准，用于深度伪造视频的逼真度评估，包含大规模数据集、人工标注和18种评估方法的综合评测	首次系统性地提出深度伪造逼真度评估这一新研究方向，构建了包含140000个逼真度评分和3500名标注者文本描述的大规模基准，并提出了一种新的描述对齐CLIP方法	论文未明确说明局限性	实现深度伪造逼真度的自动化评估，使其接近人类对深度伪造的感知，用于评估深度伪造的质量和欺骗性	深度伪造视频及其逼真度感知	计算机视觉	NA	NA	CLIP	视频、文本	包含140000个逼真度评分，来自3500名人工标注者	NA	CLIP	NA	NA
77	2026-10-01	50 Years of Automated Face Recognition 2026-07, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3664269 PMID:41686677	综述	回顾了自动人脸识别50年的历史与技术演进，从早期手工方法到现代深度学习系统	系统梳理了人脸识别50年发展脉络，重点分析了数据集构建、损失函数、网络架构和特征融合等关键创新，并探讨了数据规模与模型泛化能力的关系	大规模部署下误报率随库规模增大而升高，可扩展训练、多模态融合、合成数据和可解释性框架等开放问题尚未解决	梳理自动人脸识别的历史和技术演进，分析关键创新和未来方向	自动人脸识别技术	计算机视觉	NA	深度学习	CNN	图像	NIST FRTE 1:N基准测试中超过1000万个身份	NA	NA	FNIR, FPIR	NA
78	2026-10-01	UCGR: Closing the Discretization Gap in Light Field Depth Estimation via Unified Continuous Geometry Representation 2026-Jul, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2026.3667981 PMID:41740115	研究论文	本文提出了统一连续几何表示（UCGR）框架和连续几何网络（CGNet），用于解决光场深度估计中的空间与深度离散化问题	将空间和深度离散化视为同一问题的两个方面，设计自适应平面采样算子和上下文深度校正算子，实现连续几何表示与深度估计的协同优化	未明确提及	通过统一连续几何表示弥合离散化鸿沟，提升光场深度估计的精度与鲁棒性	光场图像及其深度信息	计算机视觉	不适用	光场成像	CNN	图像	不适用	不适用	连续几何网络（CGNet）包含自适应平面采样算子和上下文深度校正算子，具体主干网络未明确	精度、鲁棒性（未指定具体指标）	不适用
79	2026-10-01	Average Calibration Losses for Reliable Uncertainty in Medical Image Segmentation 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3673118 PMID:41811722	研究论文	该论文提出了可微分的边际L1平均校准误差（mL1-ACE）作为辅助损失函数，用于改善医学图像分割中的像素级校准，并在四个数据集上验证了其效果	提出了可微分的mL1-ACE损失函数，可直接在每张图像上计算，并比较了硬分箱和软分箱两种方法；引入了数据集可靠性直方图来聚合每张图像的可靠性图，以分析校准性能及其变异性	软分箱变体虽然在校准方面改进最大，但往往会损害分割性能；硬分箱mL1-ACE虽然保持了分割性能，但校准改进较弱	解决医学图像分割中深度神经网络过度自信的问题，提高模型的可靠性和临床实用性，通过辅助损失函数直接改善像素级校准	医学图像分割模型	计算机视觉	心血管疾病, 肺癌, 前列腺癌, 脑肿瘤	深度学习	CNN	图像	四个数据集（ACDC, AMOS, KiTS, BraTS），具体样本数量未提供	PyTorch	NA	平均校准误差（ACE）, 最大校准误差（MCE）, Dice相似系数（DSC）	NA
80	2026-10-01	Bilevel Optimized Implicit Neural Representation for Scan-Specific Accelerated MRI Reconstruction 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3686724 PMID:42019070	研究论文	本文提出了一种基于双层优化的隐式神经表示（INR）方法，用于扫描特定的加速MRI重建，无需大规模训练数据集即可实现高质量重建	首次将双层优化与隐式神经表示结合用于MRI重建，通过高斯过程回归自动优化超参数，实现无需训练数据的扫描特定重建，且重建速度快	未明确讨论方法在高维3D采集或极端加速因子下的表现，可能依赖于高斯过程回归的优化效率	解决深度学习MRI重建中对大规模训练数据的依赖和泛化能力差的问题，实现扫描特定的高效加速重建	加速MRI扫描数据，具体为欠采样的k空间数据	计算机视觉	NA	磁共振成像（MRI），双层优化，隐式神经表示，高斯过程回归	隐式神经表示（INR），多层感知机（MLP）	图像（MRI k空间数据）	NA	NA	隐式神经表示（包含可训练位置编码器和小型多层感知机）	图像质量（未指定具体指标，但提到与先前方法相当或更好）	扫描仪硬件，典型2D笛卡尔扫描需几分钟优化，重建在数秒内完成