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
8321	2026-05-31	Synchrotron-Based Deep Learning Network of the Inner Ear: Development and Expert Validation 2026-May-29, The Laryngoscope DOI:10.1002/lary.70637 PMID:42212468	研究论文	开发并外部验证了一种基于深度学习的内耳分割网络，能在多种分辨率和协议的临床CT图像中自动分割内耳	首个在性能上超越领域专家手动分割的内耳自动分割算法，建立了新的临床金标准	NA	开发并验证一种内耳自动分割深度学习网络	内耳在术前临床CT扫描中的分割	深度学习、医学图像分割	耳科疾病	同步辐射相衬成像、临床CT扫描	深度学习分割网络	CT图像（锥束CT、螺旋CT）	100具尸体标本，共4784对同步辐射相衬成像和临床三维数据集	NA	NA	Dice相似系数、最大绝对豪斯多夫距离、平均豪斯多夫距离	NA
8322	2026-05-31	Beyond Correlation: Causal Intervention for Multi-Label Medical Image Diagnosis 2026-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3698052 PMID:42213561	研究论文	提出一种结合因果干预的多标签医学影像诊断框架，解决共病检测中虚假关联问题	首次在医学影像多标签诊断中引入因果干预，通过后门调整分离疾病共现导致的虚假关联与真实因果信号	依赖潜在混杂变量的隐式建模，可能无法完全覆盖所有临床混杂因素；实验仅涵盖四种影像模态，泛化性需进一步验证	提升多标签医学影像诊断的准确性和可解释性，消除共病条件下的相关偏误	多标签医学影像诊断中的共病关系建模与因果解耦	计算机视觉, 数字病理学	多种共病（眼病、结肠病变、胸肺疾病）	N/A	因果干预模型	医学影像（彩色眼底照相、眼底荧光血管造影、结肠镜、X光）	ODIR, LID-FFA, Endo, Chestpert四个数据集（具体样本数未说明）	PyTorch	N/A	准确率、AUC、可解释性指标	NA
8323	2026-05-31	PRAD++: Towards Robust Periapical Radiograph Analysis through Dataset and Model Advancements 2026-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3698273 PMID:42213562	研究论文	提出PRAD++大规模根尖周X光片数据集及PRNet++分析网络，提升深度学习在牙科图像分析中的鲁棒性与可解释性	引入多尺度小波卷积网络和通道融合注意力机制，并设计专家先验注入损失函数，将牙科领域知识融入学习过程	未提及模型在外部数据集或真实临床环境中的验证，且对异常投影和伪影的处理能力有待进一步探索	解决根尖周X光片高质量标注数据稀缺问题，开发鲁棒的深度学习分析模型	根尖周X光片图像及对应的像素级分割和图像级分类任务	计算机视觉, 数字病理学	牙科疾病	NA	CNN	图像	10,000张根尖周X光片图像	PyTorch	多尺度小波卷积网络, 通道融合注意力机制	DSC, PR-AUC	NA
8324	2026-05-31	MuSL: Multimodal deep learning for generalizable prediction of synthetic lethality from sequence, transcriptomic, and network data 2026-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3698476 PMID:42213569	研究论文	提出一种名为MuSL的多模态深度学习框架，整合转录组直方图、统计表达特征和蛋白质互作网络信息，用于预测合成致死性	首次将粗粒度表达谱转化为二维直方图并利用卷积神经网络直接学习共表达缺失和互斥性等分布模式，通过对比学习对齐多模态特征并结合交叉注意力和自适应门控机制进行集成	未明确提及	实现可泛化到未知基因的合成致死性预测，克服传统方法依赖手工表达摘要或单一数据模态的局限性	基因对之间的合成致死性关系	机器学习	癌症	RNA-seq, 蛋白质互作网络分析	CNN, 对比学习, 交叉注意力, 自适应门控	转录组直方图, 统计表达特征, 蛋白质互作网络, ESM2蛋白质嵌入	未明确提及	PyTorch	CNN, 图神经网络, 注意力机制	随机、转导和归纳评估设置下的基线性能比较	NA
8325	2026-05-31	Compliance with the CONSORT AI Extension in Orthopaedic Randomized Controlled Trials 2026-May-29, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.01439 PMID:42213819	研究论文	评估骨科随机对照试验中对CONSORT AI扩展指南的遵守情况	首次系统评估骨科领域涉及AI的随机对照试验对CONSORT AI扩展指南的遵守程度	仅纳入11篇文献，样本量有限；可能遗漏未发表或非英文文献	评估骨科随机对照试验中对CONSORT AI扩展指南的遵守情况	骨科领域涉及AI的随机对照试验	机器学习	骨科疾病	NA	NA	文本	11篇文献	NA	NA	遵守率	NA
8326	2026-05-31	The impact of competition mechanisms on primary school students' digital game-based mathematics learning 2026-May-29, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.107175 PMID:42214168	研究论文	研究竞争机制对小学生数字化游戏数学学习的影响	采用增值设计，随机分配135名小学生至基线组、个人竞争组和组间竞争组，揭示竞争能促进深层认知策略和真实知识掌握，而非短期表现提升	未说明明确局限性	探讨数字化游戏学习中的竞争机制对小学生分数概念学习结果、过程和情感态度的影响	小学生，具体为135名参与分数概念学习的学生	机器学习	NA	NA	NA	NA	135名小学生	NA	NA	准确率、自我效能感	NA
8327	2026-05-31	Enhancing brain tumor classification with a simplified CNN through hyperparameter optimization 2026-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae74d5 PMID:42214387	研究论文	该研究通过超参数优化策略（遗传算法、贝叶斯优化和HyperBand）提升一种轻量级卷积神经网络在脑肿瘤MRI图像分类中的性能，并在公开数据集上验证其有效性	首次系统比较三种超参数优化方法对轻量级CNN在脑肿瘤分类中的影响，采用十次独立重复实验保证统计可靠性，并注重计算效率与模型性能的平衡	未提及	探索不同超参数优化策略对简化CNN模型在脑肿瘤MRI分类任务中的性能影响，同时保持计算效率	脑肿瘤MRI图像（包含胶质瘤、脑膜瘤、垂体瘤及健康受试者）	计算机视觉	脑肿瘤	MRI	CNN	图像	公开脑MRI数据集（具体数量未提及）	NA	轻量级CNN	准确率、标准差	未提及
8328	2026-05-31	Interlayer-aware postoperative facial appearance prediction in orthognathic surgery with bio-geometric guidance 2026-May-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae752e PMID:42214412	research paper	提出一种生物几何引导的下颌骨手术后面部外观预测网络，通过层间混合专家机制模拟骨与软组织的非线性耦合变形	首次引入层间混合专家机制将骨骼-表面变形传播解耦为三个生物力学启发的代理表示，并通过门控路由网络自适应加权各层贡献，同时设计生物几何卷积模块捕捉区域骨骼影响	NA	实现正颌手术后面部外观的高精度预测以辅助手术规划	88名正颌手术患者的三维面部与骨骼数据	computer vision	oral and maxillofacial diseases	deep learning	混合专家网络与生物几何卷积模块	三维面部与骨骼图像	88名正颌手术患者	PyTorch	Interlayer Mixture-of-Experts, Bio-Geometric Convolution	mean whole-face error, clinician acceptance rate	NA
8329	2026-05-31	MethyNano: supervised contrastive pretraining enables robust and generalizable methylation detection from nanopore sequencing 2026-May-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag348 PMID:42209437	研究论文	本文提出MethyNano，一种利用对比学习策略从纳米孔测序数据中检测5-甲基胞嘧啶的深度学习框架，并验证了其在跨物种和跨序列背景下的鲁棒泛化能力	首次在甲基化检测中采用监督对比预训练策略，增强对稀有序列背景的敏感性和预测稳定性，实现跨物种、跨序列背景的鲁棒泛化	NA	开发一种鲁棒且可泛化的纳米孔测序甲基化检测方法，解决现有方法在跨物种和跨序列背景下泛化性差、序列与电流信号整合不优的问题	拟南芥、水稻和人的纳米孔测序数据中的5mC甲基化位点	机器学习	NA	纳米孔测序	对比学习深度学习模型	序列信号	来自拟南芥、水稻和人三种物种的纳米孔测序数据集	PyTorch	MethyNano框架	准确率、精确率、召回率、F1分数、AUC	NA
8330	2026-05-31	Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy 2026-May-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73813-7 PMID:42209536	研究论文	开发多模态深度学习模型，用于术前预测肾癌患者根治性肾切除术后肾功能快速下降的风险，辅助临床治疗决策	首次构建多模态深度学习模型整合增强CT影像与临床数据，实现术前预测根治性肾切除术后肾小球滤过率快速下降风险，为复杂肾癌患者选择保留肾单位手术提供决策支持	回顾性研究设计可能存在选择偏倚，模型性能在外部测试集上AUC为0.788-0.873，仍有改进空间	开发能够术前预测根治性肾切除术后肾功能快速下降风险的多模态深度学习模型，辅助复杂肾癌患者的治疗决策	接受根治性肾切除术的复杂肾细胞癌患者	计算机视觉, 机器学习	肾细胞癌	增强CT成像	多模态深度学习模型	图像, 临床数据	1621例患者（多中心回顾性研究）	NA	多模态深度学习架构	AUC（曲线下面积）	NA
8331	2026-05-31	Research on road traffic condition prediction of smart city based on spatio-temporal multi-source information fusion 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18300-7 PMID:42209540	研究论文	提出一种基于时空多源信息融合的深度学习模型，用于智能城市道路交通流量预测，并应对异常事件的影响	结合动态图网络和多头注意力机制，以及多任务学习，提出适用于正常和异常交通状态的城市道路预测方法	未明确讨论模型的泛化能力或对其他城市数据集的适用性	探索适用于公共交通系统交通流预测的方法，并应对异常交通事件对预测的挑战	城市道路交通流量和异常交通事件	机器学习	NA	NA	深度学习模型（动态图网络、多头注意力机制）	交通流数据（PEMS04, PEMS08, Highways England）	三个真实交通数据集	NA	动态图网络、多头注意力机制、多任务学习	MAE, RMSE	NA
8332	2026-05-31	Quantum-inspired optimization of transformer-capsule networks for accurate brain tumor segmentation and classification 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53840-6 PMID:42209605	研究论文	提出量子启发优化的Transformer-胶囊网络框架，用于脑肿瘤分割和分类	首次将量子启发哈里斯鹰优化算法与Swin Transformer U-Net及图注意力胶囊网络结合，同时解决长程空间依赖建模、特征冗余和结构关系缺失问题	未提及在真实临床环境中的部署验证和计算成本分析	开发高精度且可靠的脑肿瘤自动诊断框架	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	Transformer, 胶囊网络, CNN	图像	BraTS 2019和BraTS 2020基准数据集，以及Figshare脑肿瘤数据集	PyTorch（推断）	Swin Transformer U-Net, EfficientNetV2, 图注意力胶囊网络	准确率, F1分数, Dice-WT分数, AUC	NA
8333	2026-05-31	Deep learning based cricket batting shot classification and performance analysis using computer vision 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52617-1 PMID:42209604	研究论文	利用计算机视觉和深度学习技术对板球击球镜头进行分类，并进行球员表现分析	结合光流计算和姿态估计进行预处理，使用3D卷积神经网络对击球镜头进行分类，并与专业球员的击球进行对比分析以提供改进建议	可能缺乏对高等级生物力学评估、实时反馈系统和AI教练支持等功能的整合	分类不同类型的击球镜头并分析球员表现，通过与专业球员的对比提供改进洞察	板球球员的击球视频	计算机视觉	NA	光流计算、姿态估计	3D卷积神经网络	视频	NA	NA	3D卷积神经网络	评估指标（未指定具体名称）	NA
8334	2026-05-31	Dual-attention residual U-Net with Huber loss for robust and efficient porosity prediction from well logs 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55558-x PMID:42209649	研究论文	提出了一种结合双注意力机制的残差U-Net架构，使用Huber损失函数，从测井数据中高效、稳健地预测孔隙度	首次将1D U-Net架构与ResNet块、双注意力机制及Huber损失相结合，实现了对测井噪声的鲁棒处理和多尺度特征的保留，解决了LSTM的顺序瓶颈和CNN-Transformer模型多尺度表示不足的问题	未提及在非碳酸盐岩储层或不同地质条件下的通用性验证，且Huber损失中δ值的校准依赖训练残差的经验分布，可能需针对新数据集重新调整	提高从测井数据预测孔隙度的准确性和效率，解决现有深度学习方法在计算效率和多尺度特征捕获方面的局限性	碳酸盐岩储层的测井数据	机器学习	NA	NA	U-Net	测井数据	NA	PyTorch	ResNet, U-Net	R², RMSE	NA
8335	2026-05-31	Cross-material catalyst discovery via deep learning 2026-May-28, Nature materials IF:37.2Q1 DOI:10.1038/s41563-026-02622-6 PMID:42209792	研究论文	展示一种跨材料催化剂发现的深度学习方法，通过整合不同实验数据集构建统一预测模型	提出跨育种神经网络（CBNN），实现不同催化剂家族间的知识迁移，突破传统单一材料类别的限制	仅基于两种实验数据集（碳基单原子催化剂和钙钛矿氧化物催化剂）进行验证，泛化到其他材料体系需进一步实验支持	开发跨材料催化剂发现方法，加速高性能催化剂设计	碳基单原子催化剂和钙钛矿氧化物催化剂	机器学习	不适用	机器学习、自然语言分析	跨育种神经网络	实验数据集	两个实验数据集：碳基单原子催化剂和钙钛矿氧化物催化剂	不适用	跨育种神经网络	过电位	不适用
8336	2026-05-31	VMAM-NET: A Model Agnostic Meta-Learning Network for Rare De Novo Glioblastoma Diagnosis 2026-May-28, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02027-6 PMID:42209815	研究论文	提出VMAM-NET混合深度元学习模型，用于罕见新发胶质母细胞瘤诊断	结合VGG-16特征提取与模型无关元学习(MAML)框架，在数据稀缺环境下实现快速自适应小样本学习，并通过Grad-CAM提高模型可解释性	未提及模型的泛化能力验证及外部数据集测试，且仅针对胶质母细胞瘤单一病种	解决罕见新发胶质母细胞瘤在数据稀缺和肿瘤异质性下的诊断难题	IV级脑肿瘤（新发胶质母细胞瘤）	机器学习	胶质母细胞瘤	NA	混合深度元学习模型（VGG-16 + MAML）	MRI图像	四个可靠MRI数据集，包含星形细胞瘤和胶质母细胞瘤样本	NA	VGG-16	准确率，F1分数	NA
8337	2026-05-31	Please follow the rules: surgical workflow recognition constrained by linear temporal logic 2026-May-28, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03724-x PMID:42209907	研究论文	利用可微时间逻辑定义手术流程约束，提高手术工作流识别的时间一致性	提出使用可微时间逻辑（DTL）和Allen区间代数（AIA）算子定义手术动作的程序性约束，并在训练中引导网络遵循这些约束，增强时间一致性和可解释性	帧级准确率提升有限，仅在部分条件下存在显著差异	通过引入逻辑规则约束手术工作流识别模型，提升预测的时间一致性和鲁棒性	三种手术数据集：机器人辅助子宫切除术内部数据集、AutoLaparo和Cholec80公开数据集	计算机视觉, 机器学习	NA	NA	双向LSTM, MS-TCN, Transformer	视频	三种数据集：内部子宫切除术数据集、AutoLaparo、Cholec80（具体数量未提供）	PyTorch	Bi-LSTM, MS-TCN, ASFormer	准确率, Edit分数, 分段F1分数	NA
8338	2026-05-31	Rapid Generation of Subject-Specific Human Models With Detailed Tissue Structures for Timely Individualized SAR Assessment 2026-May-28, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70409 PMID:42210642	研究论文	提出一种混合框架，结合超快MRI、深度数据扫描和深度学习，快速生成个体化人体模型，用于MRI中局部比吸收率的实时评估	通过半监督教师-学生学习和部分类别标注策略训练深度学习模型，实现MRI图像中主要组织类型的自动分割，并将MRI解剖分割与摄像头外部几何数据融合，生成无缝的个体化人体模型	NA	实现个体化全身解剖模型的快速生成，用于MRI中患者特异性的躯干局部比吸收率预测	人体模型生成和SAR评估	数字病理学	NA	MRI, 深度数据扫描	深度学习模型	图像	20名志愿者	NA	NA	峰值SAR10g误差, 归一化均方根误差	NA
8339	2026-05-31	Advances in multispectral and hyperspectral inversion for soil heavy metal contamination: Mechanisms, machine learning algorithms, and future perspectives 2026-May-28, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.142542 PMID:42214863	综述	综述了多光谱和高光谱反演土壤重金属污染的机理、机器学习算法及未来展望	结合文献计量分析与方法学进展，系统梳理了从传统线性回归到深度学习的模型演变，并构建了大规模高精度反演的综合框架	空间尺度扩展和卫星观测引入的混合像素、水分干扰及样本稀缺等问题限制了模型鲁棒性和跨区域泛化能力	为大规模、高精度的土壤重金属光谱反演提供技术发展全面框架和未来方向指导	土壤重金属污染物，特别是铜、铅和锌	机器学习	NA	多光谱遥感、高光谱遥感	机器学习、深度学习	光谱数据	NA	NA	CNN, Transformer, XGBoost	NA	NA
8340	2026-05-31	Multimodal GPT-5 for Predicting Poor Functional Outcomes After Intracerebral Hemorrhage in the Emergency Department: Validation Study 2026-May-27, JMIR AI DOI:10.2196/87062 PMID:42202259	研究论文	本研究评估了GPT-4.1和GPT-5模型在急诊科利用多模态数据预测脑出血患者不良功能结局的表现，并与传统机器学习模型进行了比较	首次系统评估多模态GPT-5在急诊科脑出血预后预测中的应用，包括零样本预测和提示增强策略，并与传统机器学习模型进行全面比较	GPT模型校准性差，倾向于低估预测概率，整体预测准确性不如传统机器学习模型，仅在较高阈值概率下展示临床净收益	评估基于GPT的大型语言模型在急诊科利用常规可获取的多模态数据预测脑出血后不良功能结局的性能和临床效用	脑出血患者	自然语言处理	脑出血	多模态数据分析，非对比CT成像	GPT，逻辑回归	临床数据，CT图像	一所三级医院的脑出血患者，具体数量未说明	Azure OpenAI Service	GPT-4.1，GPT-5	AUROC，校准Brier评分，Nagelkerke R²，组内相关系数，决策曲线分析	NA