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	2026-08-17	Systematic review and meta-analysis of AI-driven MRI motion artifact detection and correction 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105704 PMID:41442850	系统综述与meta分析	对人工智能驱动的MRI运动伪影检测与校正方法进行系统综述和meta分析，评估当前进展、有效性、挑战及未来研究方向	系统性地综述并量化分析了生成模型等深度学习方法在MRI运动伪影检测与校正中的应用效果，指出标准化数据集和报告协议的重要性	局限于现有文献的可用数据，存在样本量有限、报告标准不一等问题	评估AI驱动的MRI运动伪影检测与校正方法的有效性与挑战，并指明未来研究方向	已发表的关于AI（特别是深度学习生成模型）用于MRI运动伪影检测与校正的研究	医学影像分析	不特定于某种疾病（用于一般MRI图像质量改进）	MRI	生成模型（如GAN）及其他深度学习模型	MRI图像	纳入综述和meta分析的研究数量未在摘要中明确	NA	生成模型（如GAN）及其他深度学习架构	表现指标（如图像质量指标）未在摘要中详细列出	NA
62	2026-08-17	Development of adaptive activation functions with curvature and range modulation for abstract image feature learning in complex CNNs for cross-domain applications 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0355613 PMID:42599944	研究论文	本文提出了一种新型自适应激活函数SMSA，通过动态调整激活空间的斜率、范围和曲率，增强了卷积神经网络在跨领域图像特征学习中的表现	提出三种SMSA实现方式（手动斜率、全局可学习系数、层间自适应系数），能够动态调制激活函数以增强网络表达能力和梯度流	未提及具体的局限性，但未来工作需扩展到图神经网络、transformer模型和自监督范式，并需进一步理论分析梯度流和表示几何	克服传统激活函数（ReLU、Sigmoid、tanh）的非自适应限制，提升CNN在多种数据分布下的学习能力和泛化性能	卷积神经网络中的激活函数，以及其在图像分类任务上的表现	计算机视觉	COVID-19	NA	CNN	图像	MNIST、Fashion-MNIST、HAM10000和COVID-19数据集（具体样本数量未在摘要中说明）	NA	Custom-CNN, SBNet-CNN, ResNet18, VGG16, DenseNet121	测试准确率	NA
63	2026-08-17	Reservoir computing for network intrusion classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0355211 PMID:42599965	研究论文	本文探讨了在物联网环境中使用储层计算模型（回声状态网络和液态状态机）进行网络入侵检测，与传统深度学习模型相比，在保持性能的同时大幅降低计算复杂度	提出定制的ESN和LSM架构作为时间特征学习和攻击分类引擎，利用固定循环储层高效捕获网络流量动态，同时显著降低计算开销，并验证其在物联网入侵检测中的可行性	未明确提及具体限制，但储层计算模型在NIDS应用中仍相对未被充分探索	探索轻量级替代方案，用于物联网环境中的实时网络入侵检测，解决传统深度学习模型计算需求高的问题	网络流量数据，涵盖多种攻击类别	机器学习	不适用	不适用	回声状态网络（ESN）和液态状态机（LSM）	网络流量数据	1,379,274个网络流（来自NF-ToN-IoT数据集）	不适用	ESN和LSM架构	不适用	不适用
64	2026-08-17	CT-PestNet: A novel crop pest classification model based on cross-scale feature distillation enhancement and vision transformer with local token interaction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0356061 PMID:42599968	研究论文	提出一种名为CT-PestNet的新型作物害虫分类模型，结合CNN与Transformer，通过跨尺度特征蒸馏增强和局部令牌交互模块提升分类精度	设计CFDE模块采用“蒸馏-增强”策略处理害虫形态多样性和复杂背景，构建LTIR模块增强相邻令牌特征交互，弥补Transformer局部特征捕捉不足	未在摘要中明确提及局限性	提高作物害虫分类的准确性和鲁棒性，解决CNN长距离建模能力弱和Transformer局部特征提取不足的问题	作物害虫图像，具体为IP102和D0数据集中的害虫样本	计算机视觉	农业害虫	深度学习	混合模型（CNN与Transformer）	图像	IP102和D0数据集（具体样本数量未在摘要中提供）	未明确提及	CNN与Transformer结合，包含跨尺度特征蒸馏增强模块（CFDE）和局部令牌交互模块（LTIR）	准确率	未提及
65	2026-08-17	BrainFusionNet: an attention-augmented deep convolutional framework with hybrid loss optimisation and test-time augmentation for multi-class brain tumour detection in magnetic resonance images 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1834400 PMID:42601923	研究论文	提出了一种名为BrainFusionNet的新型深度学习流水线，用于磁共振图像中的多类脑肿瘤检测，结合了注意力机制、混合损失优化和测试时增强	在ImageNet预训练的EfficientNet-B4主干上集成卷积块注意力模块，设计两阶段微调策略和混合损失函数，并利用五折测试时增强集成提升性能	未明确提及	实现准确及时的脑肿瘤分类，并验证模型对未见多扫描仪临床数据的泛化能力	脑肿瘤MRI扫描中的四种类别（胶质瘤、脑膜瘤、垂体腺瘤、无肿瘤状态）	计算机视觉	脑肿瘤	MRI	CNN	图像	Kaggle脑肿瘤MRI数据集包含7200张标注扫描，BraTS 2020数据集用于跨机构验证（19个机构，3个扫描仪供应商）	未明确提及	EfficientNet-B4, ResNet-50, DenseNet-201, ViT-B/16	准确率, F1分数, AUC, McNemar检验	未明确提及
66	2026-08-17	Artificial intelligence for opportunistic screening of osteoporosis across multiple imaging modalities: a systematic review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1870486 PMID:42601993	系统综述	本文按照PRISMA 2020指南进行系统综述，评估了基于人工智能的多种医学影像模式机会性骨质疏松筛查研究，并分析了其性能、异质性来源和偏倚风险	首次对多影像模态（CT、DXA等）的AI机会性骨质疏松筛查进行系统综述，并使用PCA分析异质性来源，发现样本量和单中心设计是主要驱动因素	纳入研究多为回顾性单中心，缺乏外部验证，可能高估模型表现，且PROBAST评估显示参与者选择和统计分析领域存在偏倚风险	总结AI在机会性骨质疏松筛查中的现状、性能和局限性，以指导未来研究和临床转化	57项研究（2019-2026年），涵盖CT、DXA等多种影像模态，目标包括骨质疏松、骨量减少和骨折风险预测	医学影像分析	骨质疏松	CT、DXA、深度学习、传统机器学习	深度学习模型（29项）、传统机器学习、基础模型	医学影像（CT、DXA等）	57项研究，具体样本量因研究而异，未在摘要中明确	NA	NA	AUC（范围0.630-1.000）	NA
67	2026-08-17	Application of a parametric supermatrix multi-task multimodal deep learning model based on electroencephalogram and peripheral physiological signal fusion in emotion recognition 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1894285 PMID:42602082	研究论文	提出一种基于脑电图和外周生理信号融合的参数化超矩阵多任务多模态深度学习模型，用于情感识别，并在DEAP和SEED数据集上验证了其性能和效率	创新性地引入了参数化超矩阵结构、改进的挤压激励注意力机制、基于矩阵分解的轻量级全连接层以及多任务学习框架，以在低计算资源下实现高精度情感识别	论文未明确提及局限性，但可能受限于公开数据集的规模和环境，以及仅使用脑电图和外周生理信号，未涵盖其他模态如面部表情或语音	在有限计算资源下实现准确的情感识别，通过融合脑电图和外周生理信号，并降低模型复杂度以提高效率	生理信号（脑电图和外周生理信号）用于情感识别，具体包括差分熵和功率谱密度特征	机器学习, 深度学习	不适用	脑电图, 外周生理信号采集	卷积神经网络, 多任务学习	生理信号（时间序列）	DEAP数据集（32通道脑电图）和SEED数据集（62通道脑电图）	不适用	卷积神经网络, 挤压激励注意力机制, 全连接层（基于矩阵分解）	准确率, SHAP值	不适用
68	2026-08-17	From Principles to Practice: Engineering Responsible AI for Geospatial Intelligence 2026, SN computer science DOI:10.1007/s42979-026-05258-0 PMID:42602105	研究论文	提出一种将负责任AI融入地理空间智能模型开发的概念框架和四阶段方法，并通过两项实验验证其有效性	提出将隐私、公平、透明和可解释性四大特性嵌入地理空间AI开发生命周期的概念视图，以及由Pareto-自适应R-AI合规算法驱动的四阶段方法论，实现量化验收标准	未明确提及局限性，但可能依赖特定基准数据集和模型，通用性有待验证	实现地理空间AI的负责任AI实践，证明其与预测准确性相容	地理空间AI应用，包括作物类型分类和城市洪水风险分类	计算机视觉	不适用	深度学习、数据融合	Vision Transformer	图像、地理空间数据	两项实验：PASTIS/EuroCrops基准数据和英国SuDS试点数据（具体样本量未提供）	PyTorch	Temporal-Spatial Vision Transformer (TSViT)	准确性、成员推理攻击准确率、地理性能差距、物理一致性、时间归因一致性、删除/插入/扰动稳定性分析	未明确提供，可能使用GPU
69	2026-08-17	Toward accurate prediction of apple firmness and brix across countries, seasons and cultivars with hyperspectral imaging 2026, Discover food DOI:10.1007/s44187-026-01072-y PMID:42602185	研究论文	本研究利用多品种、多季节、多国家的高光谱苹果数据集，结合深度学习模型（特别是Vision Transformer）实现苹果可溶性固形物含量（Brix）和硬度的非破坏性预测。	首次构建包含多品种、多季节、多国家的大型高光谱苹果数据集，并采用迭代建模框架系统评估不同深度学习架构、图像分辨率、品种编码和季节影响，同时进行波长和空间区域重要性分析，实现跨生产条件的鲁棒预测。	Brix预测精度相对较低，可能受数据集内增加的生物和环境变异影响；模型预测性能受季节特异性限制；空间区域对Brix预测不重要，但仅对硬度有相关性。	开发一种基于高光谱成像和深度学习的方法，实现苹果Brix和硬度的准确、非破坏性预测，并验证其跨国家、季节和品种的泛化能力。	苹果样品，涵盖多个品种、季节和国家。	计算机视觉	NA	高光谱成像	Vision Transformer (ViT)	高光谱图像	多品种、多季节、多国家的大型高光谱苹果数据集，具体样本数量未在摘要中提供。	PyTorch	Vision Transformer (ViT)	RMSE, R²	未在摘要中明确指定
70	2026-08-17	Q-TriLSTM-Vision: a quantum-interference- augmented tri-stream LSTM for multi-label plant stress recognition on the OLID-I benchmark 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1903924 PMID:42602219	研究论文	提出了一种名为Q-TriLSTM-Vision的新型混合深度学习框架，用于多标签植物胁迫识别，在OLID-I等基准数据集上取得了优异性能	创新性地将量子启发的干涉门机制与三流LSTM和EfficientNet-B0结合，干涉机制完全使用经典神经操作实现，无需量子硬件；引入纠缠启发的注意力融合模块和多种类别不平衡处理策略	文中未明确提及局限性	解决现有深度学习模型在植物胁迫识别中难以捕捉复杂空间依赖、区分视觉相似症状和应对类别不平衡的问题，提供高效可靠的智能识别方案	植物胁迫识别，包括疾病、虫害和营养缺乏症状，涉及OLID-I、PlantVillage和PlantDoc数据集中的植物图像	计算机视觉	植物病害	图像分类	LSTM、EfficientNet	图像	OLID-I、PlantVillage和PlantDoc三个基准数据集，具体样本数量未明确	NA	EfficientNet-B0、三流LSTM、量子启发干涉门、纠缠启发注意力融合模块	Macro-F1分数、汉明损失、召回率	NA
71	2026-08-17	Application of a deep learning-based system for eyelid margin signs identification training and testing in dry eye disease education 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1896446 PMID:42602288	研究论文	本研究开发了一个基于深度学习的眼睑缘体征识别交互式教学平台，并评估其在干眼病教育中的有效性，结果显示平台学习组在识别异常眼睑缘体征方面表现优于传统学习组	首次将深度学习模型整合到眼睑缘体征的教学平台中，提供实时反馈，弥补传统教学方法反馈不足的问题	样本量较小（仅40名医学生），研究周期短，未评估长期学习效果，且平台适用范围可能有限	开发并评估基于深度学习的交互式教学平台对医学生识别眼睑缘体征（特别是睑板腺开口堵塞）能力的影响	40名北京健康科学中心的医学生，包括本科生和研究生	医学教育	干眼病	深度学习	深度学习模型	图像	40名医学生（平台组21人，常规组19人）	NA	NA	准确率、总分	NA
72	2026-08-17	UNKAI: A Protein Functional Identity Prediction Model Based on ESM-C Latent Representations and the Attention Mechanism 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0206 PMID:42602309	研究论文	本文开发了一种基于ESM-C潜在表示和注意力机制的深度学习模型UNKAI，用于预测两种蛋白质是否催化相同的酶促反应	利用ESM-C蛋白质语言模型的潜在表示，并结合注意力机制，无需手动特征工程，且能自主识别催化残基等生物关键位点，提高了预测准确性和可解释性	摘要中未提及，输出NA	预测两种蛋白质是否催化相同的酶促反应，以改进蛋白质功能预测的准确性和可解释性	蛋白质序列及其功能特性	机器学习	NA	蛋白质语言建模	注意力机制增强的神经网络	蛋白质序列	摘要中未提供具体样本数量，输出NA	NA	ESM-C与注意力机制结合	准确率，以及超越现有方法的性能比较	NA
73	2026-08-17	Artificial intelligence in pediatric arrhythmias: current landscape, unique challenges, and translational perspectives 2026, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2026.1932796 PMID:42602689	综述	本文综述了人工智能在儿科心律失常检测、风险分层和管理中的当前应用、方法学严谨性、临床准备度及转化挑战	系统评估了AI在儿科心律失常中的独特挑战，包括数据稀缺、缺乏前瞻性外部验证、可解释性不足以及成人训练算法在儿童中的不适用性	大多数已发表工具仍是未经前瞻性验证的回顾性概念验证，且算法仅分析孤立的ECG波形，无法替代包含病史、家族筛查、遗传学和多模态诊断的整体临床评估	批判性评估AI在儿科心律失常检测、风险分层和管理中的当前证据、方法学严谨性、临床准备度及转化挑战	儿科心律失常患者，包括WPW综合征、长QT综合征和新生儿心动过缓等特定电表型	机器学习，深度学习，自然语言处理，数字病理学	儿科心律失常，沃尔夫-帕金森-怀特综合征，长QT综合征，新生儿心动过缓	心电图，机器学习，深度学习，大语言模型，可穿戴传感器	机器学习，深度学习，大语言模型	心电图波形，临床数据，多模态诊断数据	不适用	不适用	不适用	诊断性能，错误率，可重复性，假警报	不适用
74	2026-08-17	Assessing CT-based volumetric analysis via deep learning for idiopathic normal pressure hydrocephalus 2026, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcag300 PMID:42603074	研究论文	本研究开发并评估了一种基于深度学习的CT图像自动体积分析方法，用于特发性正常压力脑积水的诊断和评估	利用MRI到CT的迁移学习增强侧脑室脑脊液分割，并通过两阶段训练策略结合健康对照和iNPH患者数据，实现CT体积测量与金标准评估相当的性能	未明确提及	增强脑CT中侧脑室脑脊液的分割，并评估自动CT体积测量在特发性正常压力脑积水患者诊断中的性能	健康对照和特发性正常压力脑积水患者	医学影像分析	特发性正常压力脑积水	CT成像、MRI成像	U-Net	CT图像和MRI图像	734例健康对照CT数据集（配对T1加权MRI）、62例iNPH患者CT扫描、11例iNPH患者（德国罗斯托克大学医学中心）、30例iNPH患者（美国阿拉巴马大学伯明翰分校）	未提及	2D U-Net	体积相关性（r=0.91）、AUC	未提及
75	2026-08-17	Pixel super-resolved fluorescence lifetime imaging using deep neural networks 2026, PhotoniX IF:15.7Q1 DOI:10.1186/s43074-026-00277-9 PMID:42603887	研究论文	本文介绍了一种基于深度学习的多通道像素超分辨率框架，用于从五倍增大像素尺寸获取的数据中重建高分辨率荧光寿命成像图像，以提高成像速度并改善信噪比限制	首次将条件生成对抗网络应用于荧光寿命成像的像素超分辨率重建，相比扩散模型提供更鲁棒的重建和更短的推理时间，且能缓解SNR限制并兼容低数值孔径和微型化平台	未在摘要中明确说明局限性	提高荧光寿命成像的有效空间分辨率，实现更快、更高分辨率的成像，并推动其在临床诊断中的应用	基于小鼠的肿瘤组织样本（患者来源）	计算机视觉	肿瘤	荧光寿命成像显微镜（FLIM）	条件生成对抗网络（cGAN）	图像	未在摘要中明确说明样本数量	未在摘要中明确说明	未在摘要中明确说明	多种图像质量指标	未在摘要中明确说明
76	2026-08-17	Deep Learning-Based Super Resolution Applied to Finite Element Analysis of Fused Deposition Modeling 3D Printing 2025-Aug, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0191 PMID:40933586	研究论文	提出了一种基于深度学习的超分辨率方法，用于改善熔融沉积建模3D打印中有限元分析的网格精度并减少计算时间	创新性地将有限元分析中的元素视为图像中的物理像素，利用超分辨率残差网络将粗网格模型的结果提升至细网格模型的准确度水平	未明确提及局限性，但可能依赖于训练数据的代表性及泛化能力	通过超分辨率技术提高粗网格有限元分析的预测精度（温度和位移），同时减少计算时间	熔融沉积建模3D打印过程中的有限元分析（温度和位移预测）	深度学习	NA	有限元分析	超分辨率残差网络	图像（温度场和位移场数据）	未明确说明样本数量	未明确说明，可能使用PyTorch或TensorFlow	超分辨率残差网络	峰值信噪比(PSNR), 结构相似性指数(SSIM)	未明确说明
77	2026-08-17	Determinants of ascending aortic morphology: cross-sectional deep learning-based analysis on 25 073 non-contrast-enhanced NAKO MRI studies 2025-04-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf081 PMID:40052574	研究论文	基于25,073例非对比增强NAKO MRI研究，通过深度学习自动表征升主动脉形态，并探讨其中段直径的决定因素。	首次在大规模流行病学队列中应用深度学习结合因果分析（Peter-Clark算法）来分离升主动脉直径的相关性和潜在因果关系，超越了传统统计方法。	NA, 未在摘要中明确说明局限性。	自动表征升主动脉形态，并确定升主动脉中段直径的可能决定因素。	来自德国国家队列的25,073例非对比增强磁共振血管成像（NC-MRA）数据。	计算机视觉、机器学习、数字病理学（注：数字病理学不相关，应改为心血管影像学）	心血管疾病	磁共振成像（MRI），非对比增强磁共振血管成像（NC-MRA）	深度学习分割模型（具体类型未指定，可能为U-Net等）	3D医学影像（MRI）	25,073例非对比增强MRI研究	NA	NA（可能为U-Net，但未指定）	r²值、P值、均值±标准差	NA
78	2026-08-17	Improved diagnosis of arrhythmogenic right ventricular cardiomyopathy using electrocardiographic deep learning 2025-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.08.030 PMID:39168295	研究论文	开发并验证了一种基于心电图深度学习的工具，用于改善致心律失常性右心室心肌病的诊断	首次利用深度学习模型从心电图中自动诊断ARVC，性能达到专家水平，并能区分真正的ARVC与表型模拟者及风险家庭成员	研究可能受限于单中心开发、回顾性设计，以及外部验证队列中ARVC患病率较低	开发和验证一种心电图深度学习工具用于ARVC诊断，以提高诊断准确性和可及性	ARVC患者和疑似患者的心电图数据，包括基因变异携带者	机器学习	致心律失常性右心室心肌病	心电图	深度学习模型	心电图数据	开发队列551例，测试队列137例，外部验证队列167例	NA	NA	c-statistic	NA
79	2026-08-17	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	提出TACIT，一种基于预定义特征的无监督算法，用于多组学空间数据的细胞类型和状态注释，无需训练数据	使用无偏阈值区分阳性细胞与背景，针对多组学测定中的模棱两可细胞，无需训练数据，实现高准确性和可扩展性	未明确提及局限性	开发一种可扩展的无监督算法，利用预定义特征自动注释空间生物学中的细胞类型和状态，以克服泛化难题	来自大脑、肠道和腺体三个生态位的五种数据集，共500万个细胞和51种细胞类型	数字病理学	炎症性腺体疾病	空间转录组学和蛋白质组学	无监督算法	空间转录组和蛋白质组数据	五个数据集，共500万个细胞，51种细胞类型	NA	NA	准确性、可扩展性	NA
80	2026-08-17	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	开发了一种名为TACIT的无监督算法，用于空间生物学中细胞类型和状态的去卷积注释，无需训练数据，并验证其在多组学数据中的准确性和可扩展性。	TACIT算法创新性地采用无监督学习，利用预定义特征签名和基于无偏阈值的方法区分阳性细胞与背景，无需训练数据即可在多组学检测中识别模糊细胞。	摘要未明确提及局限性。	解决空间生物学中细胞类型和状态识别的耗时和易错问题，提高注释的准确性和可扩展性。	来自脑、肠道和腺体三种微环境的五个数据集，包含约5百万个细胞和51种细胞类型。	数字病理学	炎症性腺体疾病	空间转录组学和蛋白质组学	无监督学习算法	空间多组学数据（包括转录组和蛋白质组）	五个数据集，约5百万个细胞，51种细胞类型。	未指定	未指定	准确性、可扩展性	未指定