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
981	2026-04-24	Collision-free morgan fingerprints: a principled approach to enhance machine learning performance and interpretability in chemistry 2026-Mar-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01170-0 PMID:41772717	研究论文	提出无冲突摩根指纹（CF-MF），通过自适应数据驱动大小机制消除指纹中的位冲突，提升机器学习性能和可解释性	首次系统量化摩根指纹位冲突对机器学习性能的影响，并提出一个基于信息论的理论框架，将冲突导致的信息熵损失与性能退化直接关联，同时证明消除冲突可恢复化学有效的SHAP归因	未明确讨论在不同数据类型或极端大规模分子数据集上的扩展性，以及计算开销的具体分析	解决摩根指纹中位冲突导致的结构-性质关系错乱和可解释性下降问题，建立更可靠的分子表示方法	超过5万个分子，涵盖25个多样化数据集	机器学习	NA	分子指纹（摩根指纹）	多种机器学习范式（含深度学习）	分子描述数据（SMILES或分子结构图）	超过5万个分子样本	NA	NA	RMSE（回归任务）、准确率（分类任务）、R²（信息论分析）	NA
982	2026-04-24	MRI-based qualitative, quantitative, and radiomics/deep learning methods for assessing treatment response after neoadjuvant chemoradiotherapy in patients with locally advanced rectal cancer 2026-Mar, Precision radiation oncology DOI:10.1002/pro6.70055 PMID:42022355	综述	总结基于MRI的定性、定量、影像组学和深度学习方法在评估局部进展期直肠癌新辅助放化疗疗效中的现状与未来展望	综合阐述了功能MRI技术（如弥散加权成像、灌注加权成像等）以及新兴的影像组学和深度学习方法在评估新辅助放化疗后病理完全缓解中的应用	未明确提及，但综述性质可能导致缺乏实证对比分析	评估新辅助放化疗后病理完全缓解的术前准确评估方法	局部进展期直肠癌患者	医学影像分析, 机器学习	直肠癌	MRI, 功能MRI, 影像组学, 深度学习	深度学习模型（未具体指定）	MRI图像	NA	NA	NA	NA	NA
983	2026-04-24	Early Cancer Detection: What's Going on and What's Next 2026-Mar, MedComm IF:10.7Q1 DOI:10.1002/mco2.70653 PMID:42022539	综述	本文综述了基于血液的多癌种早期检测技术的现状、挑战与未来方向	整合多组学分析与先进分子成像的协同方法，以及风险适应的MCED范式，可能提高检测准确性和肿瘤定位能力	MCED方法在方法学、临床和实施方面仍面临重大障碍，影响了其广泛应用	评估多癌种早期检测技术的发展现状、优势及局限，并探讨人工智能在其中的作用	循环游离DNA和循环肿瘤DNA为基础的检测方法	机器学习	癌症	多组学分析、分子成像、循环游离DNA测序、循环肿瘤DNA测序	深度学习	血液样本中的DNA数据	NA	NA	NA	灵敏度、特异性、预测性能	NA
984	2026-04-24	Explainable Artificial Intelligence in Healthcare: Current Landscape, Challenges, and Future Directions 2026-Mar, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.72172 PMID:42022614	综述	系统综述了可解释人工智能在医疗健康领域的当前状况、挑战与未来方向	首次系统性地将可解释人工智能技术与具体医疗领域（如肿瘤学、心脏病学）进行映射分析，并识别出新兴趋势如混合可解释模型和人本设计	真实世界验证不足、可解释性指标缺乏标准化、伦理监管框架不完善	综合评估可解释人工智能在医疗健康中的应用现状，识别关键挑战并指出未来发展方向	2017-2025年间发表的70篇同行评审研究文献	机器学习	肿瘤学、心脏病学、传染病、神经学	NA	深度学习（CNN、RNN、LSTM、Transformer）、树模型（随机森林、XGBoost、决策树）	文本	70篇研究文献	NA	CNN, RNN, LSTM, Transformer, 随机森林, XGBoost, 决策树	NA	NA
985	2026-04-24	Wearable Hybrid Strain-Myoelectric Sensing System for Machine-Learning-Assisted Sarcopenia Screening 2026-Mar, Small science IF:11.1Q1 DOI:10.1002/smsc.202500582 PMID:42022867	研究论文	提出一种可穿戴混合应变-肌电传感系统，结合CNN-LSTM深度学习框架，用于机器学习辅助的肌肉减少症早期筛查	首次集成表面肌电信号与压电应变传感技术，同时捕捉电生理信号和机械变形信号，结合CNN-LSTM深度学习和特征工程（9种生理相关特征）实现高精度筛查，并利用SHAP可解释性分析揭示神经肌肉退行性变化机制	仅在75名老年参与者中验证，样本量较小，且未明确说明该方法在更广泛人群或临床环境中的泛化能力	开发一种便携、低成本、无辐射的肌肉减少症早期筛查系统	肌肉减少症患者的神经肌肉状态，特别是肌肉收缩时的电生理信号和机械变形信号	机器学习	老年疾病	表面肌电图、压电应变传感	CNN-LSTM	信号	75名老年参与者	PyTorch	CNN, LSTM	准确率, 曲线下面积	NA
986	2026-04-24	Truth-based physics informed estimation of material composition in spectral CT in terms of density and effective atomic number 2026-Feb-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4284 PMID:41643313	研究论文	开发并验证一种物理信息引导的深度学习模型，用于从光谱CT图像中分解出密度和有效原子序数图	首次将物理信息正则化损失引入生成对抗网络（GAN），结合高质量模拟数据训练，实现了无真实标签情况下的高精度材料分解	样本量较小（6例临床病例），限制了结果的泛化能力	开发一种物理信息引导的深度学习模型，用于光谱CT中的材料分解，以提升密度和有效原子序数图的估计精度	光谱CT图像中材料的密度和有效原子序数	计算机视觉	一般性病变（肝病变检测）	光谱CT	生成对抗网络（GAN）	图像	32个人体模型用于训练，16个计算体模和6个临床病例用于验证	PyTorch	GAN	NRMSE, SSIM, PSNR, RMSE, 感知能见度评分	NA
987	2026-04-24	Deep learning for the change-point Cox model with current status data 2026-Feb-09, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09689-y PMID:41661381	研究论文	本研究针对当前状态数据，开发了含变点的深度部分线性Cox比例风险模型的估计方法，旨在处理复杂的变点效应	利用深度神经网络在Cox框架内建模协变量效应，并提出变点检测的最大似然估计程序，建立了估计量的渐近性质，包括一致性、渐近独立性和半参数效率	未明确说明局限性，但可能涉及对深度模型复杂性和数据要求的讨论	开发针对当前状态数据中含变点的深度部分线性Cox模型的估计方法，以准确捕捉复杂变点效应	当前状态数据中的变点效应建模，以及乳腺癌数据集的应用分析	机器学习	乳腺癌	NA	深度神经网络	时间事件数据	乳腺癌数据集（具体样本数量未说明）	NA	深度部分线性Cox比例风险模型	一致性，渐近独立性，半参数效率	NA
988	2026-04-24	A Novel Ensemble Learning Approach for Grouping the State-of-the-Art YOLOV10 and YOLOV11 Models for Kidney Stone Detection in CT and Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01499-2 PMID:40234345	研究论文	提出一种集成YOLOV10和YOLOV11模型的集成学习方法，用于在CT和超声图像中检测肾结石	首次将YOLOV10和YOLOV11模型集成用于肾结石检测，通过减少假阴性和假阳性错误提升个体模型性能	未提及具体计算资源和数据集规模等限制	提高肾结石在医学图像中的检测准确性和精确度	CT和超声图像中的肾结石	计算机视觉	肾结石	深度学习	YOLOV10, YOLOV11	图像	未提及	NA	YOLOV10, YOLOV11	精确率, 召回率, F1分数, Map50	NA
989	2026-04-24	The Lack of Neurofeedback Training Regulation Guidance and Process Evaluation May be a Source of Controversy in Post-Traumatic Stress Disorder-Neurofeedback Research: A Systematic Review and Statistical Analysis 2026-Feb, Brain connectivity IF:2.4Q3 DOI:10.1089/brain.2024.0084 PMID:40371570	系统综述与统计分析	对脑机接口神经反馈训练在创伤后应激障碍干预中的方法学与实验设计进行系统评价	揭示了神经反馈训练中缺乏明确调控指导与过程评估机制是争议来源，并提出机器学习/深度学习方法在小样本场景下的应用方向	仅包含Web of Science数据库文献，未纳入非英语或未发表研究；样本量较小限制了高级分析方法的应用	分析神经反馈技术在PTSD调控中的主要技术路线与结果，探讨有效性争议原因并提出改进方向	已发表的PTSD神经反馈原始研究文献（共31篇）	数字病理学	创伤后应激障碍	脑电图神经反馈、功能性磁共振成像神经反馈	机器学习（基础方法）、深度学习（未应用）	时间序列信号（EEG）、脑功能影像（fMRI）	EEG研究平均样本量17.4（SD 7.13），fMRI研究平均样本量14.6（SD 6.37）	NA	NA	NA	NA
990	2026-04-24	Diffusion Posterior Sampling for Tomographic Reconstruction with Mixed Resolution Priors 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3088076 PMID:42017039	研究论文	提出一种基于扩散后验采样的混合先验模型，用于提高断层重建中区域空间分辨率并保持全局结构一致性	结合全局扩散模型和区域块状扩散模型，通过频域方法融合低频和高频成分，并采用移位块划分机制消除拼接伪影	混合先验模型依赖高质量训练数据，且区域先验的应用需手动定义掩膜	在断层图像重建中通过混合先验模型提升区域分辨率，同时保持全局稳定性和一致性	断层重建中的图像数据	计算机视觉	NA	扩散后验采样	扩散模型	图像	NA	PyTorch	扩散模型（全局+区域块状模型）	重建质量	NA
991	2026-04-24	Evaluation of Fluence Reduction versus Sparsity for Diffusion Posterior Sampling Reconstruction in Low-Dose CT 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3087836 PMID:42017038	研究论文	系统模拟研究低剂量CT中光子通量减少与稀疏采样对扩散后验采样重建性能的影响	首次在同一框架下系统比较低剂量CT协议中两种降剂量策略（稀疏采样与每视角光子通量减少）对扩散后验采样重建的影响，并提出联合优化方案	仅基于模拟研究，未涉及真实临床数据验证	探究低剂量CT协议设计时，如何平衡稀疏采样与光子通量减少以最优维持重建图像质量	基于扩散后验采样算法的低剂量CT重建	计算机视觉, 数字病理学	NA	CT扫描	扩散概率模型	图像	模拟数据集（通过调整视角数和每视角入射光子数生成的不同组合）	PyTorch	扩散后验采样	PSNR, 偏差, 后验样本变异性	NA
992	2026-04-24	Comparative Evaluation of Advanced Deep Learning, Image-to-Text Models, and Radiomics for Predicting Tumor Budding and Tumor-Stroma Ratio from Breast Ultrasound in Invasive Ductal Carcinoma 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.020 PMID:41176437	研究论文	比较深度学习、图像到文本模型和影像组学在预测浸润性导管癌超声图像中肿瘤出芽和肿瘤-基质比率方面的性能	首次系统比较了先进图像分类深度学习模型（YOLOv11x-cls、DINOv2、Vision Transformer）、图像到文本模型（BLIP-2）和基于影像组学的机器学习算法在预测乳腺癌肿瘤微环境关键参数方面的效果	样本量较小（153例患者），且为单中心回顾性研究，模型泛化性可能有限	从术前超声图像中预测浸润性导管癌的肿瘤出芽和肿瘤-基质比率，以助力个性化治疗策略制定	浸润性导管癌患者的术前超声图像	数字病理学, 计算机视觉	乳腺癌	超声成像	卷积神经网络, Transformer, 多模态模型	图像	153例浸润性导管癌患者	PyTorch, Scikit-learn	YOLOv11x-cls, DINOv2, Vision Transformer, BLIP-2, KNN, SVM, XGBoost	AUC, Accuracy	NA
993	2026-04-24	TinyAct: A framework for real-time action recognition in the cloud through distillation learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347245 PMID:42008450	研究论文	提出TinyAct框架，通过蒸馏学习实现云端实时人体动作识别，结合边缘计算与轻量级特征提取	采用3D视频自动编码器提取紧凑时空特征，结合知识蒸馏将ILA-ViT-B/16教师模型的知识迁移至轻量学生模型，实现边云协同计算	在Kinetics-400数据集上最高准确率仅57%，远低于当前最优模型；蒸馏实验表明预训练学生模型在教师监督下性能反而下降，需要进一步优化	设计计算高效的实时人体动作识别框架，适用于资源受限的边缘设备	人体动作识别任务，Kinetics-400数据集中的视频序列	计算机视觉	NA	知识蒸馏，3D视频自动编码器，边缘计算	随机森林，支持向量机，XGBoost，ILA-ViT-B/16 Transformer	视频	Kinetics-400数据集（具体样本量未提及）	NA	3D自动编码器，ILA-ViT-B/16 Transformer	准确率	NA
994	2026-04-24	A cross-dataset harmonized intrusion detection framework with statistically validated multi-model learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346982 PMID:42008467	研究论文	提出一个跨数据集统一的入侵检测框架，整合特征协调、多模型基准测试和统计验证	提出基于SHA-256哈希链的加密日志机制，实现实验结果的防篡改可追溯性和可重复性	基于手动特征对齐，可能在高度异构的数据集上效果不佳	解决机器学习入侵检测系统对单一数据集的依赖、缺乏可重复性和透明性的问题	遗留数据集NSL-KDD和现代数据集CICIDS2017	机器学习	无	NA	随机森林	网络流量数据	NA	NA	随机森林	准确率，F1分数	NA
995	2026-04-24	Predicting student mental health through entropy-based features and interpretable cross-attention transformer networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347294 PMID:42013061	研究论文	本研究提出一种基于熵特征和可解释交叉注意力变换器网络的学生心理健康预测模型	提出集成交叉注意力归因层（CAAL）的FT-Transformer与LSTM混合架构，结合特征注意力和时间注意力实现内在可解释性，并基于熵和不确定性模式进行特征工程以增强模型对细微风险信号的检测能力	标题和摘要中未明确说明研究局限	开发可解释的深度学习模型以预测学生心理健康风险等级	学生心理健康数据，包括心理状态的时间序列特征	机器学习	心理健康问题（焦虑、抑郁、压力）	特征工程（基于熵和不确定性模式）	FT-Transformer, LSTM, 交叉注意力机制	时间序列特征数据	未提及具体样本量	NA	FT-Transformer, LSTM, 交叉注意力归因层（CAAL）	准确率	NA
996	2026-04-24	Dual-temporal inflow-outflow dependency modeling for short-term metro outflow prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347131 PMID:42013086	研究论文	提出一种双时间流入-流出依赖模型，用于短期地铁出站流量预测	将进站对出站的影响分解为短期和长期时间分量，采用非对称特征提取方案和双分支交叉注意力机制隐式学习空间相关性，并引入样本级OD矩阵作为注意力偏置	未提及具体局限性	改进短期地铁乘客流量预测，特别是出站流量对进站流量的依赖性建模	杭州地铁数据集中的出站流量预测	机器学习	NA	NA	双时间流入-流出依赖模型	时间序列流量数据	杭州地铁数据集（样本数量未明确说明）	NA	双分支交叉注意力机制	均方根误差, 平均绝对误差, 加权平均绝对百分比误差	训练时间在70秒内完成（具体GPU型号未提及）
997	2026-04-24	Cognitive load and pedagogical tension in multi-platform online learning: Evidence from Chinese higher education 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347566 PMID:42013118	研究论文	调查中国高等教育中多平台在线学习环境对学生体验的矛盾影响	通过串行中介模型揭示了平台多样性通过增加外在认知负荷进而导致工具疲劳，最终负向影响学习体验的机制，识别出教育技术预期效益与碎片化用户体验之间的核心教学张力	未明确提及局限性	研究多平台在线学习环境对中国高校学生体验的矛盾效应	中国高校学生	机器学习	NA	NA	串行中介模型	定性数据与定量数据	8616名大学生	NA	NA	NA	NA
998	2026-04-24	Toward leveraging intrinsic point cloud features in 3D adversarial attacks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344574 PMID:42013122	研究论文	通过无监督机器生成假新闻，模拟现实世界的虚假信息传播，以增强社会检测能力	提出一种利用内在点云特征生成对抗攻击的方法，摆脱对模型特定梯度的依赖，转向数据驱动的特征决策	该方法生成的对抗攻击成功率略低于传统模型特定攻击，且在Drop100和Drop200设置下平均成功率仅提高约2%和4%	探索三维点云内在特征在对抗攻击中的预测作用，并设计基于特征的攻击方法以提升可迁移性和降低计算成本	三维点云数据中的对抗点以及与之相关的十四种特征（如边缘强度、到质心距离）	计算机视觉	NA	点云特征分析	随机森林回归、多元线性回归	三维点云	未明确说明样本数量，但涉及四种DNN架构（PointNet、PointNet++、DGCNN、PointConv）上的测试	NA	PointNet, PointNet++, DGCNN, PointConv	成功率（Drop100和Drop200设置）	NA
999	2026-04-24	Controlled comparative study of YOLOv8-Pose, YOLOv11-Pose, and Detectron2 for vertebrae detection and keypoint estimation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347290 PMID:42013146	研究论文	对YOLOv8-Pose、YOLOv11-Pose和Detectron2在椎骨检测与关键点估计任务中进行受控比较研究	在统一训练设置下，首次对三种基于姿态的深度学习模型进行任务驱动的受控比较，并针对椎骨检测的临床可用性（如检测完整性和重复检测）进行了详细评估	仅使用单一类别的椎骨数据集，且未探讨模型在真实临床环境中的泛化能力或计算资源需求对部署的影响	评估不同姿态检测模型在椎骨关键点定位中的表现，为脊柱成像选择解剖学感知模型提供依据	四种基于姿态的深度学习模型：YOLOv8n-Pose、YOLOv11n-Pose、Detectron2（结合ResNet-50和ResNet-101骨干网络）	计算机视觉	脊柱疾病	NA	姿态检测模型、YOLO、Detectron2	图像	NA	PyTorch, Detectron2	YOLOv8n-Pose, YOLOv11n-Pose, Keypoint R-CNN (ResNet-50, ResNet-101)	关键点定位精度、检测精度、推理速度、检测完整性、重复检测	NA
1000	2026-04-24	RMETNet: A cross-subject motor imagery EEG signal classification model based on TSLANet and riemannian geometry features 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347671 PMID:42018586	研究论文	提出了一种结合TSLANet、时空卷积模块和多尺度黎曼几何特征模块的跨被试运动想象脑电图信号分类模型RMETNet	创新性地将TSLANet、时空卷积与多尺度黎曼几何特征模块集成，并引入最大均值差异损失进行域适应，以解决跨被试分布偏移问题	NA	提高运动想象脑电图信号分类在跨被试场景下的泛化能力	运动想象脑电图信号	机器学习	NA	脑电图	TSLANet、CNN	脑电图信号	BCI Competition IV 2a数据集（四类）和BCI Competition IV 2b数据集（两类）	PyTorch	TSLANet, CNN	准确率	NA