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
1081	2026-06-09	Zero-shot arbitrary-scale super resolution in susceptibility-weighted imaging for cerebral microbleed analysis 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109433 PMID:42155350	研究论文	提出MagNeRF框架，实现零样本任意尺度超分辨率，用于磁敏感加权成像中的脑微出血分析	在无外部配对训练数据的情况下，从单张低分辨率体积学习隐式先验，并引入扩张补丁采样、球面采样和自适应损失函数三项创新	未知	提高磁敏感加权成像中脑微出血的诊断准确性，降低患者负担并扩大临床适用性	脑微出血	计算机视觉	脑血管疾病，神经退行性疾病	磁敏感加权成像	隐式神经表示	图像	两个磁敏感加权成像数据集，一个T1加权数据集，一个真实低分辨率T2*加权数据集	PyTorch	NeRF（神经辐射场）变体	视觉保真度、结构相似性、病变分割性能	NA
1082	2026-06-09	Detecting cardiovascular diseases using ECG scans and explainable artificial intelligence 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109428 PMID:42155349	研究论文	本研究提出一种可解释人工智能框架，用于量化深度学习模型在心电图图像扰动下的稳定性，并识别模型弱点	首次结合可解释性分析与放射组学特征，系统评估深度学习模型在不同图像扰动下的稳定性，并准确识别底层模型	合成数据与实际临床数据可能存在差异，且仅评估了有限类型的图像扰动	开发一种可解释人工智能框架，以增强深度学习模型在心血管疾病检测中的透明度和鲁棒性	心电图打印图像及其扰动版本（如变色、手写、纸张褶皱）	计算机视觉, 机器学习	心血管疾病	心电图扫描	卷积神经网络	图像	基于PTB-XL基准数据集合成的大规模心电图打印图像数据集，包含干净和污染版本	PyTorch	EfficientNet, InceptionNet	AUC, 交并比, 准确率	NA
1083	2026-06-09	The latent shape space of intracranial saccular aneurysms 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109445 PMID:42161036	研究论文	开发了一个统一框架，学习颅内囊状动脉瘤形态的紧凑且表达力强的潜在表征，用于生成建模和破裂标签分类	将对应映射、生成建模和判别分析统一在一个工作流中，学习二维潜在空间，可解释地捕获临床相关几何信息，优于现有手工特征及降维基线	未提及外部验证或前瞻性临床数据测试；潜在空间可能受限于数据集中已有的形状变异	开发可扩展且可解释的定量动脉瘤形态测量框架，统一形状生成与破裂风险分类	958个来自五个公共数据集的颅内囊状动脉瘤表面（338个破裂）	计算机视觉	颅内动脉瘤	三维表面网格对应映射	自编码器、变分自编码器	三维表面网格	958个动脉瘤表面（338个破裂）	PyTorch	自编码器、变分自编码器	均方误差、体积误差、豪斯多夫距离、AUC、准确率	NA
1084	2026-06-09	Physics-informed DynUNet for brain metastasis segmentation 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109457 PMID:42172695	研究论文	将物理信息肿瘤生长模型整合到分割架构中，构建PI-DynUNet用于脑转移瘤分割，并在BraTS-METS 2023数据集上评估其性能	首次将物理信息肿瘤生长模型与DynUNet分割架构集成，通过物理正则化权重优化小体积转移病灶的分割性能	研究仅基于单一数据集且未采用数据增强，外部验证仅在一个机构队列（斯坦福BrainMetShare）上进行，物理正则化权重的选择依赖于病变类型和大小	探究将物理信息肿瘤生长模型整合到分割架构中是否能克服现有深度学习算法在小体积脑转移病灶检测与分割上的局限性	脑转移瘤病灶，特别是小体积转移病灶	计算机视觉	脑转移瘤	NA	DynUNet	图像（MRI）	BraTS-METS 2023数据集和斯坦福BrainMetShare队列（105例样本）	PyTorch	DynUNet	Dice系数, IoU, HD95, 场景加权Dice系数	NA
1085	2026-06-09	Astragalin alleviates ulcerative colitis via FPR1 inhibition and restores Microbiota-Metabolite Homeostasis: A mechanism revealed by deep learning 2026-Aug, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2026.118022 PMID:42066856	研究论文	利用深度学习平台预测并验证山奈酚通过抑制FPR1及恢复肠道菌群-代谢物稳态缓解溃疡性结肠炎的机制	首次通过整合多种神经架构的深度学习平台预测山奈酚的高置信度靶点FPR1，并揭示其通过蛋白酶体依赖途径降解FPR1、抑制NF-κB激活，同时恢复肠道微生物生态和代谢平衡的多靶点治疗机制	研究基于小鼠模型，结果向临床转化尚需验证；深度学习预测的泛化性依赖于训练数据质量	阐明山奈酚缓解溃疡性结肠炎的多靶点作用机制	山奈酚（一种天然黄酮类化合物）及其对溃疡性结肠炎的治疗作用	机器学习	溃疡性结肠炎	16S rRNA测序、非靶向代谢组学、药理学实验	多种神经架构组合的深度学习模型	基因组序列数据、代谢组学数据、图像（如组织切片）	使用DSS诱导的鼠结肠炎模型进行验证，具体样本数量未提及	NA	多种神经架构（具体类型未明确）	NA（未在标题和摘要中明确性能指标）	NA
1086	2026-06-09	TIMEL: Deep learning-statistical integration reveals spatial stromal and immune signatures of aggressive colon cancer 2026-Aug, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100672 PMID:42255201	研究论文	提出TIMEL框架，用深度学习分割组织结构并通过统计描述符从全切片图像中提取微环境特征，用于结肠癌预后生物标志物发现	首次将深度学习组织分割与空间统计描述符结合，从全切片图像中量化肿瘤微环境异质性，发现可预测生存和转移的微观结构空间特征	未明确提及	开发计算框架表征结肠癌肿瘤免疫微环境，发现预后生物标志物	结肠癌全切片病理图像中的肿瘤、基质和免疫区域	数字病理学	结肠癌	全切片成像	CNN, Vision Transformer	图像	发现队列TCGA-COAD 411例，验证队列Dartmouth 108例	PyTorch， TensorFlow（因Inception V3属于TensorFlow/Keras生态）	Inception V3, DenseNet-121, ViT-base, UNI, Prov-GigaPath, Virchow	AUC， Spearman相关系数R，风险比HR，比值比OR	GPU
1087	2026-06-09	Deep learning analysis of reflectance confocal microscopy for basal cell carcinoma diagnosis 2026-Aug, JAAD international DOI:10.1016/j.jdin.2026.04.010 PMID:42256604	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1088	2026-06-09	Automated Triage for New Keratoconus Referrals Using Multimodal Deep Learning 2026-Jul, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101208 PMID:42256004	研究论文	利用多模态深度学习模型，基于多模态成像和临床数据预测圆锥角膜进展风险，实现风险分层的患者监测	首次开发多模态融合架构（整合前段OCT、Placido地形图和表格数据）预测圆锥角膜两年进展风险，并通过长短期记忆网络纳入时序就诊数据，显著提升预测性能	NA	开发并验证用于预测圆锥角膜进展风险的深度学习模型，实现风险分层的患者监测路径	圆锥角膜患者	机器学习	圆锥角膜	前段光学相干断层扫描、Placido角膜地形图	深度学习模型（多模态融合架构、循环神经网络、长短期记忆网络）	图像、表格数据	内部数据集：3893名患者的7396只眼睛；外部验证数据集：519名患者的963只眼睛	NA	多模态融合架构、长短期记忆网络	AUROC、灵敏度、特异度、预测值	NA
1089	2026-06-09	Hemispheric Asymmetry of Outer Retinal Structure and Function in Retinitis Pigmentosa 2026-Jul, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101205 PMID:42256003	研究论文	利用深度学习管道自动化分割OCT图像中的椭圆体区，研究视网膜色素变性患者外层视网膜结构和功能的垂直半球不对称性	首次揭示RP患者存在一致的外部视网膜结构垂直半球不对称性，即上结构主导且下视野主导的保留模式，并证实此模式与基因型和年龄相关	NA	评估RP患者外层视网膜的垂直半球不对称性及其与基因型和年龄的关系	患有晚期视网膜色素变性的患者	计算机视觉	视网膜色素变性	谱域OCT, Goldmann视野计	深度学习	图像	496名患者的928只眼睛	NA	NA	椭圆体区面积(mm²), Goldmann视野角(°), 上/下比率, 年损失率(%)	NA
1090	2026-06-09	Conditional Diffusion Model-Based Method for Annotation of Antibiotic Resistance Gene Properties 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00042 PMID:42149807	研究论文	提出一种基于条件扩散模型的抗生素抗性基因特性注释方法	首次将条件扩散模型应用于抗生素抗性基因序列数据，通过领域知识注入引导生成高质量潜在表示，并设计交叉注意力机制以缓解信息冗余问题	未明确说明，可能涉及模型对大规模数据的泛化能力和计算开销	提高抗生素抗性基因序列数据中潜在表示的质量，实现对抗性基因特性的精准注释	抗生素抗性基因的序列数据和其关键特性	机器学习	细菌抗生素耐药性相关疾病	基因序列分析	条件扩散模型	序列数据	公开数据集（具体规模未说明）	PyTorch	扩散模型与交叉注意力机制	预测性能指标（如准确率、F1分数等，具体未提及）	未说明
1091	2026-06-09	Scan-wise generalized PET denoising with contrastive adversarial learning 2026-Jun-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae7231 PMID:42173146	研究论文	提出了一种基于对比对抗学习的逐扫描泛化PET图像去噪方法	首次从域泛化角度解决跨扫描去噪性能下降问题，并提出有序对比对抗学习框架，利用纵向扫描作为伪正样本	未提及具体局限性	实现低计数PET图像的无偏去噪，应对扫描间分布变化	低计数PET图像去噪任务中的扫描间域泛化	计算机视觉	阿尔茨海默病	PET成像	生成对抗网络 (GAN)	图像（PET扫描）	80名受试者的192次纵向扫描，1920组噪声实现	PyTorch	对比对抗网络（CADG）	峰值信噪比（PSNR）、结构相似性指数（SSIM）、偏差、标准差	NA
1092	2026-06-09	Quantitative RNA spatial profiling using single-molecule RNA FISH on plant tissue cryosections 2026-Jun-08, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2026.101943 PMID:42252663	研究论文	提出了一种优化的单分子RNA荧光原位杂交（cryo-smFISH）方案，用于植物组织冷冻切片中单mRNA分子的可视化和定量分析	开发了适应植物组织冷冻切片的简化且稳健的smFISH方法，并整合了基于深度学习的图像分析算法，实现了核质区室中的RNA丰度精确定量，以及与免疫荧光的稳健联合应用	NA	建立一种简单、稳健的植物组织切片smFISH方法，实现细胞和亚细胞分辨率下的定量转录分析	植物组织冷冻切片中的单mRNA分子	数字病理	NA	smFISH, 冷冻切片, 免疫荧光, scRNA-seq	深度学习模型	图像	NA	NA	NA	灵敏度	NA
1093	2026-06-09	Developing an Advanced Deep Learning-based MR Image Framework for Brain Stroke Segmentation and Classification with Novel Activation Function 2026-Jun-08, The International journal of neuroscience DOI:10.1080/00207454.2026.2685181 PMID:42252862	研究论文	提出了一种基于深度学习的MRI图像框架，用于脑卒中分割和分类，并引入新型激活函数	提出区域掩码注意力多扩张Inception Unet++（RMA-MIUnet++）用于精确分割卒中区域，以及采用新型激活函数的高效InceptionV3（EIV3-NAF）进行分类	未提及与传统模型相比的具体局限性，但传统模型存在手动特征工程和泛化能力不足的问题	开发基于深度学习的卒中预测框架，利用MRI提供专业且灵活的诊断指导	脑卒中患者	计算机视觉	脑卒中	MRI	CNN	图像	NA	NA	RMA-MIUnet++, Efficient InceptionV3	分类性能指标	NA
1094	2026-06-09	Beyond 0.29±0.02 mm intrinsic spatial resolution based on monolithic crystals using convolutional neural network: a simulation study 2026-Jun-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae796a PMID:42257692	研究论文	通过卷积神经网络提升单晶探测器在正电子发射断层扫描中的固有空间分辨率至0.29±0.02毫米	提出基于深度学习的定位算法以更精确地确定湮没事件位置，结合晶体尺寸优化策略减轻边缘效应，并建立定量评估机制优化晶体-传感器耦合结构	基于模拟研究验证，尚未在实验系统中实施，实际性能可能受噪声和校准差异影响	实现单晶探测器亚毫米级固有空间分辨率，支持单细胞追踪和啮齿类大脑动态成像等应用	正电子发射断层扫描系统中的单晶探测器	计算机视觉	不适用	不适用	CNN	模拟数据	不适用	不适用	卷积神经网络	空间分辨率	不适用
1095	2026-06-09	Deep learning-based biliary stent classification and transfer learning adaptation to an additional stent type 2026-Jun-08, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00749-4 PMID:42257782	研究论文	开发深度学习模型用于胆道支架分类，并通过迁移学习适应新型支架	首次将ResNet-50深度学习模型应用于胆道支架分类，并验证迁移学习策略可高效适应新型支架类型，无需完整重新训练	单中心研究，样本量有限（185例患者），仅评估了五种支架类型，可能影响模型泛化能力	开发并评估深度学习模型在放射影像和透视图像上对胆道支架进行分类的可靠性，以及迁移学习适应新型支架的效果	185名接受胆道支架置入患者的X射线和透视图像，包含Epic™、EGIS、Niti-S、Bonastent® uncovered和Bonastent® partially covered五种支架	计算机视觉, 数字病理学	胆道疾病	X射线成像, 透视成像	CNN	图像	185名患者，共488张图像（主数据集412张来自151例患者，增强数据集488张来自185例患者）	PyTorch	ResNet-50	准确率, 精确率, 召回率, F1分数	NA
1096	2026-06-09	Deep learning based depth of anaesthesia monitoring using EEG: a 4-layer CNN model with PSD and BSR correlation features 2026-Jun-08, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01753-z PMID:42258106	研究论文	基于深度学习的脑电图麻醉深度监测方法：采用4层CNN模型结合PSD和BSR相关性特征	将功率谱密度（PSD）与爆发抑制比（BSR）的关联特征融入CNN架构，提升对麻醉深度的区分能力	对过渡状态（充足/轻度麻醉）区分敏感度不足，因光谱特征重叠导致分类性能受限	通过脑电图分析实现麻醉深度监测，支持手术中的患者安全与麻醉优化	三种临床相关麻醉状态：深度麻醉、充足麻醉和清醒状态	机器学习	NA	脑电图频谱图转换	卷积神经网络	脑电图信号	3个代表性患者案例	NA	4层CNN	准确率, 精确率, 召回率, F1分数	NA
1097	2026-06-09	SBEM-UNet: A Semantic Boundary and Contour-Enhanced Framework for Semisupervised Medical Image Segmentation 2026-Jun-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02033-8 PMID:42258115	研究论文	提出SBEM-UNet框架，通过语义边界增强和轮廓增强解码器，在半监督学习中解决医学图像分割中的模糊边界问题	首次在半监督框架中联合使用语义边界增强模块（SBEM）和轮廓增强解码器（CED），显著提升模糊和不连续边界的定位精度	依赖伪标签一致性正则化，在极端低标注场景下可能引入噪声，且未探讨跨数据集泛化能力	提升医学图像分割中模糊或不连续边界的精确解剖描绘能力，尤其是标注稀缺条件下	医学图像中的模糊或非连续边界区域	医学图像分析	NA	深度学习半监督分割	U-Net增强框架	医学图像	多个公开基准数据集	PyTorch	SBEM-UNet（包含语义边界增强模块、轮廓增强解码器）	区域准确率, 边界分割质量	NA
1098	2026-06-09	Correction: ThyroFusion: A Multi-modal Deep Learning Framework Integrating Vision and Language for Thyroid Nodule Malignancy Risk Assessment 2026-Jun-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02054-3 PMID:42258118	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1099	2026-06-09	Artificial Intelligence in Burn and Wound Care: Image Analysis, Prediction, and Clinical Integration 2026-Jun-07, Journal of burn care & research : official publication of the American Burn Association IF:1.5Q3 DOI:10.1093/jbcr/irag090 PMID:42251750	综述	综述2015至2025年间人工智能在烧伤与创面护理中的图像分析、预测模型及临床整合研究	系统总结了深度学习在创面识别分割、愈合/感染/截肢预测以及远程监测平台集成三方面的最新进展	存在肤色偏差导致的算法偏见、数据集多样性不足、模型行为不透明、工作流整合困难及监管框架不完善等挑战	评估人工智能在烧伤与慢性创面客观评估、预后预测及临床部署中的潜力和障碍	烧伤创面和糖尿病/血管疾病/活动受限相关的慢性创面	计算机视觉	烧伤、糖尿病足溃疡、血管性疾病创面	深度学习	卷积神经网络	创面影像数据	NA	NA	卷积神经网络	Dice系数、灵敏度、准确率、受试者工作特征曲线下面积	NA
1100	2026-06-09	A fractal-enhanced deep learning framework for forecasting agricultural production in India 2026-Jun-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55859-1 PMID:42252319	研究论文	提出一种结合分形插值函数与LSTM/Bi-LSTM的深度学习框架，用于预测印度四种主要农作物的年产量	首次将具有可变缩放因子的分形插值函数作为数据增强技术集成到LSTM和Bi-LSTM中，有效捕获农业时间序列的非光滑特征和局部波动性，显著提升了预测精度	仅针对印度四种农作物（小米、玉米、小麦、水稻）进行验证，未涵盖其他作物或地理区域；模型对降雨依赖性和气候敏感性作物的适用性可能有限	评估分形插值函数作为数据增强方法在提高印度农作物产量预测准确性方面的有效性	印度四种主要作物（小米、玉米、小麦、水稻）的年度产量数据（1961-2023年）	机器学习	NA	分形插值函数	LSTM, 双向LSTM	时间序列数据	四种农作物1961至2023年的年产量数据	NA	LSTM, Bi-LSTM	MAPE, R²	NA