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
1161	2026-06-05	S3CNet: self-supervised Siamese cooperative network for accelerating magnetic resonance imaging reconstruction 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70321 PMID:41665542	研究论文	提出一种自监督孪生协作网络S3CNet，利用高度欠采样的k空间数据实现高质量磁共振成像重建	设计统一的两阶段自监督重建框架，兼容不同采样模式和网络架构；通过混合自监督损失函数（测量一致性损失、交叉一致性损失和重建一致性损失）在无全采样标签数据下有效训练孪生网络	文章未提及具体局限性信息	减少对全采样标签数据的依赖，同时保持优秀重建性能的自监督MRI重建方法	用于MRI重建的深度学习方法，特别是自监督学习在欠采样数据中的应用	机器学习, 计算机视觉, 数字病理学（相关于影像重建）	NA	MRI重建，自监督学习	孪生网络（Siamese network）	MRI图像（k空间数据）	T1和T2加权脑部FastMRI数据集（具体样本数未提及）	NA	NA（文章未指定具体架构，但兼容不同网络架构）	NA（未明确列出评估指标，但提及与全监督方法性能相当）	NA
1162	2026-06-05	First deep learning framework for enhanced positron annihilation interaction-transmission imaging system precision 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70320 PMID:41665546	研究论文	提出了首个深度学习框架DeepPAITI，用于提升正电子湮灭相互作用-透射成像系统的精度	首次将深度学习方法应用于PAITI成像技术，采用多分支、多输入、多输出网络架构，显著提高了二次图的提取精度	未提及临床实际数据验证，仅基于数值模拟和GATE蒙特卡洛数据集	提升PAITI成像系统的精度，推动其在离子治疗计划等临床应用中的实现	正电子湮灭相互作用-透射成像系统的二次图（相互作用图、沉积能量图、衰减图、电子密度图）	计算机视觉	NA	正电子湮灭成像	深度学习	模拟图像	数值模拟和GATE蒙特卡洛数据集，未明确样本数量	PyTorch	DeepPAITI（多分支多输入多输出架构）	平均相对误差	NA
1163	2026-06-05	Novel discovery framework: harnessing adaptive learning for breakthroughs in drug development and clinical applications 2026-Jan-16, Integrative biology : quantitative biosciences from nano to macro IF:1.5Q4 DOI:10.1093/intbio/zyaf024 PMID:41665938	综述	本文回顾了深度学习在药物研发和临床应用中的进展，提出自适应学习作为下一代分析框架，以解决传统方法的静态局限性	首次系统性地定义并阐述了自适应学习的概念，该概念通过自组织模型使深度网络能随时间动态适应输入变化，优化学习过程	综述性质，缺乏实证验证；对现有深度学习的局限性讨论不足	探索和讨论深度学习在药物研发和临床应用中的新范式，特别是自适应学习的潜力	药物研发流程、患者分层、治疗匹配、深度学习方法（如液态神经网络、图注意力算法、数字孪生）	机器学习	NA	深度学习	液态神经网络、图注意力算法、数字孪生、自组织模型	动态变化数据	NA	NA	液态神经网络、图注意力算法、数字孪生	NA	NA
1164	2026-06-05	Data-driven discovery of digital twins in biomedical research 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf722 PMID:41668337	综述	综述从生物医学数据中自动推断数字孪生的方法，并评估其应对生物学和方法学挑战的能力	首次系统评估了177种从生物时间序列自动推断数字孪生的方法，并基于八项生物学和方法学挑战进行算法比较，提出结合化学反应网络、贝叶斯不确定度量化与深度学习能力的混合模块化框架	没有单一方法能同时应对所有挑战，深度学习和大语言模型的可靠性与一致性仍需改进	综述并评估从生物医学数据中自动构建数字孪生的数据驱动方法	用于自动推断数字孪生的177种方法（主要涉及符号回归和稀疏回归）	机器学习, 数字孪生, 生物信息学	NA	符号回归, 稀疏回归, 深度学习, 大语言模型	稀疏回归, 符号回归, 深度学习, 大语言模型	生物时间序列	177种方法	NA	NA	噪声/不完整数据整合、多条件整合、先验知识整合、潜在变量处理、高维度处理、未观测变量导数处理、候选库设计、不确定度量化	NA
1165	2026-06-05	Detection of Implant Brands Using Artificial Intelligence and Deep Learning Modeling Based on Orthopantomogram Images: A Review of the Literature 2026, Journal of long-term effects of medical implants DOI:10.1615/JLongTermEffMedImplants.2025056457 PMID:41662648	综述	本研究探讨了利用人工智能和深度学习模型（特别是卷积神经网络）从口腔全景影像中识别牙种植体品牌的应用	通过自动化检测过程提高牙种植体品牌识别的准确性并减少对人类专业知识的依赖	需要大规模、良好标注的数据集以及数据隐私和AI模型可解释性的伦理问题	探索人工智能和深度学习在牙种植体品牌识别中的应用潜力	牙种植体品牌的OPG图像	计算机视觉	NA	OPG影像	卷积神经网络	图像	NA	NA	卷积神经网络	NA	NA
1166	2026-06-05	Objective interpretation of intrapartum cardiotocography images using attention-guided convolutional neural networks 2026, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2026.1717012 PMID:41789305	研究论文	提出一种基于注意力引导卷积神经网络的产时胎心监护图像客观判读方法	结合信号重建预处理流程和带有卷积块注意力模块的EfficientNet-B0架构，能自主聚焦临床显著形态特征，实现产时CTG图像的客观判读	NA	开发一套客观的产时CTG图像判读方法，以降低诊断不一致和漏诊风险	产时胎心监护（CTG）图像	计算机视觉，数字病理学	胎儿健康评估，产科疾病	CTG图像信号重建，计算机视觉	卷积神经网络（CNN）	图像（CTG图像）	内部临床数据集（私有）和外部CTU-UHB数据集（公开）	PyTorch	EfficientNet-B0，卷积块注意力模块（CBAM）	准确率，宏平均F1分数	NA
1167	2026-06-05	Artificial intelligence in oral oncology: Current advances and future potential in diagnosis, prognosis, and therapeutic decision-making 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101193 PMID:41930554	综述	综述人工智能在口腔肿瘤学诊断、预后和治疗决策中的应用进展	系统性总结了AI在口腔鳞状细胞癌（OSCC）诊断、预后和治疗决策中的最新应用，涵盖卷积神经网络图像分析、数字病理、移动筛查、多模态数据整合及放射基因组学等前沿技术	临床推广受限于数据稀缺、模型过拟合、可解释性不足以及关于偏见和隐私的伦理问题	探讨AI在口腔肿瘤学中提升诊断、预后和治疗决策准确性与个性化的潜力	口腔鳞状细胞癌（OSCC）的诊断、预后和治疗决策	数字病理学	口腔癌	机器学习、深度学习、自然语言处理、放射组学、基因组学	卷积神经网络（CNN）	图像（病理、影像）、文本（基因组数据）	NA	NA	卷积神经网络	准确性	NA
1168	2026-06-05	Correction: AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350051 PMID:42189894	修正	对一篇关于短格式视频内容中网络欺凌检测的混合深度学习框架文章进行修正	NA	NA	NA	NA	自然语言处理	NA	NA	混合深度学习框架	视频	NA	NA	NA	NA	NA
1169	2026-06-05	Single-Image Reflection Removal via Iterative Prompt Learning of Reflection Level 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695674 PMID:42208027	研究论文	提出一种通过迭代提示学习反射级别来去除单张图像反射的方法	利用可学习的提示和图像数据协同优化，定义反射级别并设计迭代反射级别减少框架，首次探索负训练样本和描述性提示对反射严重程度的作用	未在摘要中明确说明	提升单张图像反射去除的性能和泛化能力	受反射污染的图像	计算机视觉	NA	NA	CNN	图像	多个公开数据集	PyTorch	NA	PSNR, SSIM	NA
1170	2026-06-05	Towards intelligent railway monitoring: A novel hybrid deep learning architecture for railway obstacle detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349562 PMID:42213657	研究论文	提出一种混合深度学习架构用于铁路障碍物检测，在六类障碍物数据集上达到99.46%的平均平衡准确率	创新性地结合ResNet50与Swin Transformer V2的混合架构，并集成高效注意力模块，充分利用轨道图像视觉特征，在该领域设立新基准	未明确说明局限性	实现铁路障碍物的可靠分类，提升铁路监控智能化水平	铁路轨道上的六类障碍物（铁棒、巨石、行人、树枝、罐子、桶）	计算机视觉	NA	NA	混合深度学习模型（CNN+Transformer）	图像	2003张图像，分为六类	NA	ResNet50, Swin Transformer V2, 高效注意力模块	平衡准确率	NA
1171	2026-06-05	A hybrid BiLSTM-transformer-GCN architecture with API fusion for adaptive transportation resource analytics 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349787 PMID:42213697	研究论文	提出一种结合BiLSTM、Transformer编码器与图卷积网络及API融合的混合深度学习架构，用于自适应交通资源发现与分类	创新性地融合BiLSTM-Transformer-GCN三种架构，并引入基于API的上下文特征融合与多目标学习策略，同时优化监督分类与无监督异常发现	未明确指出局限性，但需进一步验证在不同交通场景下的泛化能力	实时自适应地发现、分类和管理动态交通条件下的异构时空交通资源	交通资源数据，包括联网车辆、道路基础设施与外部上下文服务生成的异构时空数据	机器学习	NA	NA	BiLSTM, Transformer, GCN	时空数据	巴塞罗那事故数据集与Metro州际交通流量数据集的组合，具体样本数未说明	NA	BiLSTM, Transformer, GCN	准确率, F1分数, AUC, AUROC, AUPRC, 重建误差	NA
1172	2026-06-05	TransGrid-CostOpt: A hybrid transformer framework for cost prediction and optimization of distribution network assets 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350026 PMID:42213739	研究论文	提出一种混合变压器框架TransGrid-CostOpt，用于配电网资产成本预测与优化	将深度学习、多目标优化、时间序列预测和优化决策模块集成在一个模型中，结合强化学习决策策略优化配电网负载预测和成本分配	未提及局限性	提升配电网成本预测与优化性能，降低运营成本，提高负载预测精度和决策适应性	配电网资产成本	机器学习	NA	NA	Transformer	时间序列数据	使用BuildingsBench和PJM Hourly Load Data数据集	NA	Transformer	准确性、效率、整体性能提升15%至30%	NA
1173	2026-06-05	Correlation-Guided Recursive Pyramid Network for Deformable Brain MRI Registration 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695369 PMID:42202187	研究论文	提出一种相关性引导的递归金字塔网络，用于脑部 MRI 形变配准	将显式相关性建模直接嵌入递归优化中，通过相关性引导的层内递归策略实现连续细化匹配精度，同时防止跨尺度误差传播	未提及具体局限性	解决形变图像配准中同时处理大尺度形变和精确特征匹配的难题	脑部 MRI 图像	医学图像分析	NA	形变配准	递归金字塔网络	图像	三个脑部影像数据集	PyTorch	递归金字塔网络	最先进性能、鲁棒性	NA
1174	2026-06-05	Self-Expressive High-Order Tensor Unrolling Network for Unsupervised Hyperspectral and Multispectral Image Fusion 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3695389 PMID:42202190	研究论文	提出自表达高阶张量展开网络（SHOTUN）用于无监督高光谱和多光谱图像融合	融合稀疏核心张量分解与自表达学习，引入高阶模式表示保留空间结构，设计可解释的端到端训练流水线，并加入预训练策略以提高跨传感器泛化能力	未提及具体局限性	解决高光谱与多光谱图像融合中的空间结构保持和可解释性问题	低分辨率高光谱图像和高分辨率多光谱图像	计算机视觉	NA	高光谱成像	自表达高阶张量展开网络	图像	模拟和真实数据集	PyTorch	自表达高阶张量展开网络	精度	NA
1175	2026-06-05	A process-guided uncertainty-aware deep learning framework for reliable and interpretable industrial fault diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349385 PMID:42228760	研究论文	提出了一种过程引导的不确定性感知深度学习框架，用于可靠且可解释的工业故障诊断	首次将过程引导和传感器感知注意力机制与CNN-BiLSTM结合，嵌入过程中心性、传感器可靠性和不确定性到注意力学习中，并通过蒙特卡洛dropout提供校准的置信度估计	未提及在非基准数据集或实际工业环境中的验证，可能需更多计算资源	提高工业故障诊断的鲁棒性、可靠性和可解释性，促进过程工程师的实际应用	对Tennessee Eastman Process基准数据的多类故障诊断和检测任务	机器学习	不适用	蒙特卡洛dropout、温度缩放	CNN-BiLSTM	过程数据（多变量时间序列和空间相关性）	Tennessee Eastman Process基准数据集	PyTorch	CNN, BiLSTM	准确率, F1分数, 负对数似然, Brier分数, 期望校准误差	不适用
1176	2026-06-05	Artificial Intelligence as a Diagnostic Tool for Benign Prostatic Hyperplasia (BPH): A Narrative Review 2026, Research and reports in urology IF:2.0Q2 DOI:10.2147/RRU.S590693 PMID:42237984	综述	该综述评估了人工智能作为良性前列腺增生诊断工具的作用	系统总结了AI在BPH诊断中的应用，涵盖影像、组织病理和生物标志物分析多个领域	数据集异质性大、缺乏外部验证、存在算法偏差、缺少标准化评估框架	评估AI作为BPH诊断工具的性能和临床潜力	2011年至2023年间发表的10项关于AI在泌尿外科诊断应用的研究	机器学习	良性前列腺增生	NA	机器学习、深度学习	影像（mpMRI、超声）、组织病理、生物标志物数据	10项研究	NA	NA	诊断准确性	NA
1177	2026-06-05	Systematic review of artificial intelligence use in behavioral analysis of invertebrate and larval model organisms: methods, applications and future recommendations 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1789644 PMID:42238193	综述	系统综述人工智能在无脊椎动物和幼虫模式生物行为分析中的应用，涵盖方法、应用及未来建议	首次全面系统地图绘制了AI在无脊椎动物和幼虫行为分析中的应用，并提出了标准化报告框架	原始研究在报告输入数据规格、预处理步骤和评估指标方面高度不一致，限制了可重复性和跨研究比较	系统梳理和总结AI在无脊椎动物和幼虫行为分析中的应用现状，并提出标准化报告框架以增强透明度和可比较性	无脊椎动物和幼虫模式生物，包括秀丽隐杆线虫、果蝇幼虫、斑马鱼幼虫等	机器学习	NA	行为分析	深度学习模型（卷积神经网络、YOLO等）及监督/无监督机器学习	视频和图像记录	97项符合条件的研究	NA	卷积神经网络、YOLO、DeepLabCut姿态估计框架	因研究而异，包括多种评估指标	NA
1178	2026-06-05	Optimizing Sensor and Data Selection on Lower Limbs via Deep Learning for Real-Time Human Activity Recognition 2026, IEEE transactions on human-machine systems IF:3.5Q1 DOI:10.1109/THMS.2026.3651525 PMID:42238992	研究论文	系统评估用于下肢外骨骼实时活动识别的传感器选择与数据模态，利用深度神经网络和50毫秒超短滑动窗口优化精度、延迟与复杂度	首次系统评估超短滑动窗口（50 ms）下多种传感器组合和数据模态对实时活动识别性能的影响，通过多模型对比揭示了双侧关节角度与多模态融合的优势	仅基于实验室采集数据，未验证在实际外骨骼控制中的实时性能与跨个体泛化能力	为下肢辅助机器人和移动健康中的实时人体活动识别建立实用设计准则	下肢外骨骼中的传感器配置与数据模态优化	机器学习	不适用	不适用	MLP, LSTM, CNN-LSTM	关节角度、角速度、惯性测量数据	21名受试者执行6种步态活动	不适用	MLP, LSTM, CNN-LSTM	准确率、延迟、模型复杂度	不适用
1179	2026-06-05	An initial machine learning model applied to local field potential data from the subthalamic nucleus to detect freezing of gait in Parkinson's disease 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1793291 PMID:42239677	研究论文	开发机器学习模型，利用丘脑底核局部场电位数据检测帕金森病步态冻结	首次使用可穿戴设备收集的行走过程中丘脑底核LFP数据，结合迁移学习组件开发检测算法，并考虑个体化与环境特定因素	样本量仅5名患者，模型F1评分中等（加权0.67，宏观0.62），需进一步验证泛化能力	开发检测帕金森病步态冻结的机器学习模型，为自适应深部脑刺激治疗提供基础	步态冻结事件	机器学习	帕金森病	局部场电位记录	深度学习模型	时间序列（LFP信号数据）	5名帕金森病患者，共8次试验，29次步态冻结事件	NA	NA	加权F1分数, 宏观F1分数, 检测率	NA
1180	2026-06-05	A high-resolution dataset of mouse brain vasculature for deep learning-based reconstruction 2026, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2026.1809341 PMID:42239933	研究论文	引入并发布了一个用于深度学习重建的小鼠脑血管高分辨率数据集	提供了首个包含从大血管到毛细血管的详细标注的小鼠脑血管3D数据集，并标准化了血管标注流程	数据集来源有限（4个小鼠样本），可能无法涵盖所有血管变异	作为基准数据集，支持血管网络分割、重建及相关任务的算法开发、评估与比较	小鼠脑血管网络	计算机视觉	NA	荧光显微光学切片断层扫描	深度学习模型	3D图像	60个3D图像块（512×512×512），来源于4个小鼠大脑样本	NA	NA	重建准确率	NA