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
101	2026-10-01	Magnetic Resonance Spectroscopy Deep Learning with Magnetic Resonance Background Generator Enables In Vivo Metabolite Quantification of Hepatic Encephalopathy 2026-Jun-29, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3707534 PMID:42371892	研究论文	本文提出了一种新的深度学习定量方法，通过结合背景信号生成器来处理短TE质子磁共振波谱中的背景干扰，并用于肝性脑病的体内代谢物定量和分类	首次将大分子、脂质和基线等背景信号显式纳入深度学习定量框架中，通过构建背景信号生成器来合成包含背景效应的训练数据	摘要中未提及具体局限性	解决现有短TE质子磁共振波谱深度学习方法忽略背景干扰的问题，实现肝性脑病的体内代谢物定量和临床诊断	健康人脑磁共振波谱数据（BigGABA数据集）和自采集数据（216个波谱），以及轻微肝性脑病患者数据（176个波谱）	医学图像分析	肝性脑病	短TE质子磁共振波谱	深度学习	磁共振波谱信号	200个体内背景信号用于训练生成器，216个健康人脑波谱数据用于验证，176个轻微肝性脑病波谱数据用于分类	NA	QNet	NA	NA
102	2026-10-01	Deep learning analysis of ECGs detects Cardiovascular-Kidney-Metabolic syndrome burden in people with diabetes: a report from the Silesia Diabetes-Heart Project 2026-06-29, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-026-03246-5 PMID:42374510	研究论文	该研究开发并评估了基于深度学习的模型，利用糖尿病患者扫描的心电图图像预测心血管-肾脏-代谢综合征	首次探索深度学习分析心电图图像自动检测心血管-肾脏-代谢综合征的效用，使用ResNet-50卷积神经网络处理扫描的肢体导联和增强肢体导联心电图图像	未明确提及	开发和评估深度学习模型，利用糖尿病患者扫描的肢体导联和增强肢体导联心电图图像预测心血管-肾脏-代谢综合征	参与Silesia Diabetes-Heart Project的1型或2型糖尿病成人患者	医学人工智能、数字病理学、机器学习	心血管-肾脏-代谢综合征、糖尿病、心血管疾病、慢性肾脏病	心电图、深度学习、卷积神经网络	CNN	图像	2779名参与者，其中492人（17.7%）符合心血管-肾脏-代谢综合征标准	NA	ResNet-50	AUROC、F1-score、准确率、精确率、召回率	NA
103	2026-10-01	Decoding Gene-Disease Associations with Computational Methods: A Survey 2026-Jun-25, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3707525 PMID:42348386	综述	本文综述了基于人工智能的基因-疾病关联（GDA）预测方法，涵盖数据资源、从传统网络方法到机器学习、深度学习以及图神经网络（GNN）和大语言模型（LLM）的方法学进展，并讨论了在基因优先级排序、药物重定位和临床研究中的应用	首次在GDA预测综述中系统整合了图神经网络（GNN）和大语言模型（LLM）的最新进展，提供了统一且最新的AI驱动GDA预测全景，并公开了所有整理资源和文献的GitHub仓库	作为综述文章，未进行原创性实验验证；LLM在GDA预测中的整合仍处于早期阶段，相关文献有限	提供AI驱动基因-疾病关联预测的统一且最新的综述，整合数据资源、方法学进展和转化应用，以支持开发更稳健、可解释且具有临床实用性的计算工具	基因-疾病关联（GDA）预测的计算方法及相关公共数据资源	机器学习	NA	NA	图神经网络（GNN）, 大语言模型（LLM）	文本	NA	NA	图神经网络（GNN）, 大语言模型（LLM）	NA	NA
104	2026-10-01	RoCA: Robust Contrastive One-Class Time Series Anomaly Detection With Contaminated Data 2026-Jun-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3702237 PMID:42335058	研究论文	提出RoCA框架，一种基于多正态性假设的鲁棒对比单类时间序列异常检测方法，可在数据被污染的情况下有效检测异常	首次将对比学习与单类分类统一结合，利用多正态性假设的不完备性来动态发现并推开潜在异常样本，无需高纯度标注训练数据	未明确说明在极端污染率或复杂多模态时间序列场景下的表现，理论分析的具体边界条件有待进一步验证	解决现有基于正态性假设的时间序列异常检测方法中假设不完备和数据污染导致模型鲁棒性不足的问题	单变量和多变量时间序列数据	机器学习	NA	NA	对比学习, 单类分类	时间序列	NA	NA	NA	NA	NA
105	2026-10-01	Hierarchical Semantic Concept Modeling for Generalizable Myocardial Pathology Segmentation on Multisequence CMR Images 2026-Jun-23, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3699380 PMID:42335063	研究论文	该文提出了一种分层语义概念分割框架HSCM-Net，用于多序列心脏磁共振图像中的心肌病理分割，以提升跨域泛化能力	将多序列CMR图像分解为三个独立的概念变量（序列无关的形状概念、病理语义概念、域特异的表观概念），并分别为其分配分层先验，同时将解剖分割和病理分割建模为分别与形状和病理相关的全局和局部概念，并采用变分推断框架近似这些概念变量的后验分布	摘要中未明确说明	提升心肌病理分割（MyoPS）在跨域场景下的泛化能力，实现对心肌瘢痕和水肿的准确定量	多序列心脏磁共振（CMR）图像及其标签	计算机视觉	心血管疾病	多序列心脏磁共振成像	变分推断深度神经网络	图像	三个域的多序列CMR数据集（具体数量未说明）	PyTorch	HSCM-Net	Dice分数	NA
106	2026-10-01	DrivenMorph: Bridging Attention Mechanism and Variational Image Registration via Difference Modeling 2026-Jun-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3704987 PMID:42329948	研究论文	提出DrivenMorph框架，通过差分建模将注意力机制与变分图像配准结合，用于医学图像配准	将注意力机制与变分图像配准通过差分建模桥接，引入物理启发的归纳偏置，使用神经Demons层模拟力-位移交互生成平滑且解剖一致的变形，分离差分建模与变形以提高模块化和可解释性	未明确提及	提高基于深度学习的医学图像配准的物理可解释性和细粒度变形控制	3D脑部MRI数据集	医学图像配准	脑部疾病	深度学习，变分图像配准	神经Demons层，注意力机制	3D MRI图像	多个3D脑部MRI数据集（具体数量未提及）	未明确提及	未明确提及	未明确提及	未明确提及
107	2026-10-01	GENIE: A Two-Stage Interpretable Deep Learning Framework for Revealing the High-Order Genetic Interaction Network of Alzheimer's Disease 2026-Jun-18, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3705398 PMID:42313600	研究论文	提出了一种两阶段可解释深度学习框架GENIE，用于揭示阿尔茨海默病的高阶遗传相互作用网络	首次提出两阶段可解释深度学习框架，能够准确高效地计算SNP与基因之间的高阶关联，并优先排序潜在相互作用网络	摘要中未明确提及	揭示阿尔茨海默病发病机制中复杂的高阶SNP/基因关联	阿尔茨海默病相关的SNP和基因	机器学习	阿尔茨海默病	NA	深度神经网络	基因型数据	NA	NA	NA	NA	NA
108	2026-10-01	Toward Cost-efficient Adaptive Clinical Trials in Knee Osteoarthritis with Reinforcement Learning 2026-Jun-18, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3703536 PMID:42313597	研究论文	本文提出了一种基于强化学习的主动感知方法，用于动态监测膝骨关节炎患者的疾病进展，以优化临床试验中的数据收集并降低成本	首次将强化学习驱动的主动感知方法应用于膝骨关节炎的动态监测，通过直接优化下游任务来训练智能体，在最大化信息数据收集的同时最小化总体成本，并采用多模态深度学习处理多身体部位数据	未明确说明样本量大小、具体计算资源以及模型的可解释性，可能受限于数据集的多样性和泛化能力	开发一种成本高效的自适应临床试验方法，通过动态监测膝骨关节炎患者来优化数据收集，提高预测性能并降低试验成本	膝骨关节炎患者及其多个身体部位的疾病进展数据	机器学习	膝骨关节炎	强化学习，主动感知，多模态深度学习	强化学习智能体，多模态深度学习模型	图像，临床数据	NA	NA	NA	NA	NA
109	2026-10-01	Task-Preserving EEG Anonymization Using Latent Feature Masking 2026-Jun-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3704845 PMID:42308059	研究论文	提出一种基于潜在特征掩码的EEG匿名化方法SAFE，在去除身份特征的同时保留任务相关特征	首次提出选择性移除EEG身份特征同时保留任务效用的匿名化方法，并针对三种威胁模型在四个数据集上验证	未明确说明方法的具体局限性	解决EEG数据深度学习应用中的隐私保护问题，实现数据共享同时保护受试者隐私	EEG数据	机器学习	NA	脑电图（EEG）	NA	EEG信号	四个流行的EEG分类数据集	NA	NA	NA	NA
110	2026-10-01	MedQM: Medical Blind Image Quality Assessment for MLLM Vision 2026-Jun-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3704387 PMID:42301846	研究论文	本文提出了MedQM，首个面向医学多模态大语言模型（MLLM）视觉的盲图像质量评估（BIQA）框架，包含MedQM-I评估模型和MedQM-D自动标注方法	1. 首次提出面向医学MLLM的BIQA框架；2. MedQM-I利用医学文本先验和隐式特征查询引导注意力至诊断重要区域，并采用门控混合专家实现自适应评分；3. 提出MedQM-D自动评分标注方法，通过计算图像诊断损失并利用sigmoid质量映射转换为质量分数	未在摘要中明确说明	解决传统BIQA方法基于人类视觉感知与MLLM视觉感知差异大，导致图像效用评估次优和误诊风险增加的问题	医学图像及其面向MLLM的诊断质量	计算机视觉, 医学图像分析	NA	多模态大语言模型, 盲图像质量评估	多模态大语言模型（MLLM）, 混合专家（MoE）	图像, 文本	NA	NA	MedQM-I（含门控混合专家）, MedQM-D	NA	NA
111	2026-10-01	Spatial-temporal recurrence patterns of grade 4 glioma using deep learning integrated multiparametric MRI and molecular pathology 2026-Jun-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01557-0 PMID:42286261	研究论文	该研究利用深度学习和多参数MRI，结合分子病理学，分析4级胶质瘤的时空复发模式，以预测复发并指导个性化放疗	假设诊断时存在的分子和表型特征可以预测时空复发，并整合深度学习分割和多参数MRI来量化肿瘤组成和 anatomical 轨迹	未在摘要中明确说明	预测4级胶质瘤的时空复发模式，并支持分子-人口学-解剖学风险分层，以指导个性化放疗计划中的边缘确定	4级胶质瘤患者	数字病理学	肺癌	多参数MRI，分子病理学	CNN	图像	390对MRI	NA	NA	风险比、置信区间、p值	NA
112	2026-10-01	Deep learning analysis of trajectories and spatial variations in HPV vaccine discussions on Chinese Weibo 2026-Jun-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01720-5 PMID:42288636	研究论文	该研究利用深度学习分析中国微博上关于HPV疫苗的讨论，评估公众认知、障碍和促进因素，并进行时空分析	利用深度学习驱动的社交媒体倾听实时评估HPV疫苗接种的公众认知，结合行为改变理论进行标注，并进行大规模时空分析	未明确提及	评估公众对HPV疫苗接种的认知、感知障碍和促进因素	2018年至2023年中国微博上关于HPV疫苗的讨论帖子	自然语言处理	宫颈癌	深度学习	深度学习模型	文本	1,972,495条相关帖子，其中6,600条随机抽样手动标注	NA	NA	准确率	NA
113	2026-10-01	LIAUNet: Rethinking the Application of Loss Information in Medical Image Segmentation 2026-Jun-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3703176 PMID:42284169	研究论文	本文提出了一种新型网络LIAUNet，通过提取和聚合编码器下采样过程中的损失信息，并引入频谱门控卷积块，以提高医学图像分割的准确性	设计了多尺度混合池化损失提取模块（MHPLE）来提取四个尺度的损失信息并进行补充和自适应调整；设计了信息保持多尺度注意力聚合器（IMAA）来聚合提取的损失信息；添加了频谱门控卷积块（SGCB）以增强网络联合建模频域和空域特征的能力	未明确提及	合理利用编码器下采样过程中丢失的信息，提高医学图像分割的准确性，为医学影像和临床诊断提供支持	医学图像数据集	计算机视觉	NA	深度学习	CNN	图像	多个医学图像数据集（具体数量未明确提及）	NA	编码器-解码器架构, LIAUNet	分割准确性	NA
114	2026-10-01	Explaining deep learning for ECG using time-localized clusters 2026-Jun-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3702945 PMID:42284164	研究论文	提出一种基于时间局部聚类的后验可解释性方法，用于解释一维ResNet在心电图上的卷积神经网络特征激活	将一维ResNet最后三个残差块的特征激活聚类，将心电图分割为聚类序列，并量化分配熵作为逐时间戳不确定性	方法仅针对卷积神经网络，未在其他架构上验证；仅评估了PTB-XL和CODE-15%数据集	解决深度学习心电图分析难以解释的问题，提供后验可解释性工具以审计模型并发现标签质量问题	心电图数据，包括PTB-XL超类分类和CODE-15%年龄回归任务	机器学习	心血管疾病	NA	CNN	心电图信号	PTB-XL数据集（约21837条记录）和CODE-15%数据集（约345779条记录），具体使用量未明确	NA	1D-ResNet	准确率, AUROC, 分配熵	NA
115	2026-10-01	Vertexformer: the interpretable predictive research on thermocapillary convection of large Prandtl number liquid bridges 2026-Jun-12, NPJ microgravity IF:4.4Q1 DOI:10.1038/s41526-026-00616-x PMID:42285978	研究论文	本研究开发了可解释的深度学习框架Vortexformer-SHAP，用于预测大Prandtl数液桥在微重力下的热毛细对流，并揭示其中的物理机制	提出了轻量级的Vortexformer模型（0.02亿参数），采用时空注意力机制，并结合SHAP进行可解释性分析，重新发现了几何效应并揭示了冷端桥温度的分岔效应以及10-15个时间步（约5-7秒）的本征振荡周期律	未提及	准确预测流动动力学并从实验数据中揭示潜在的物理机制，为空间复杂热流体系统的实时预测和智能控制提供技术基础和理论见解	大Prandtl数液桥在微重力下的热毛细对流	机器学习	NA	NA	Transformer	实验数据	NA	NA	Vortexformer	R², RMSE	NA
116	2026-10-01	Domain Adaptation for IMU Data to Enhance Objective Assessment of Friedreich Ataxia 2026-Jun-10, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3702417 PMID:42268757	研究论文	该研究提出了一种结合域适应技术的深度学习框架，利用惯性测量单元（IMU）数据对弗里德赖希共济失调（FRDA）进行客观评估	提出了一种两阶段训练策略，结合域对抗学习，实现了两种不同IMU评估工具（AIM-C和AIM-S）之间的知识迁移，从而提升模型性能	数据集规模较小，这是罕见病研究中固有的挑战	通过整合异构IMU数据源，提高弗里德赖希共济失调客观评估模型的性能	弗里德赖希共济失调（FRDA）患者	机器学习	弗里德赖希共济失调	惯性测量单元（IMU）	CNN	IMU信号（时间序列数据）	未明确说明	NA	卷积神经网络（CNN）	决定系数（R²）	NA
117	2026-10-01	A Holistic Eating Monitoring System Enabled by Textile Strain Sensors and Hierarchical Network 2026-Jun-05, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3701048 PMID:42247543	研究论文	本文提出了一种结合石墨烯基纺织应变传感器与分层深度学习框架的整体进食行为监测系统，可连续、细粒度地测量进食过程中的生理和生物力学信号	首次将石墨烯基纺织应变传感器与分层深度学习框架相结合，实现对进食相关活动和生物力学属性的联合建模；引入模型可视化分析（激活图和事件掩码动态）提升框架可解释性；集成大语言模型教练模块，将生物力学指标转化为个性化自然语言反馈	摘要中未明确说明系统的实际测试规模、传感器长期佩戴的舒适性与稳定性、以及在大规模人群中的泛化能力	构建一个整体进食行为监测系统，实现进食过程中咽喉和下颌变形信号的连续舒适采集，为个性化健康饮食指导、消化健康动态监测、代谢调节和营养管理奠定基础	进食行为过程中的人体咽喉和下颌变形信号	机器学习	NA	石墨烯基纺织应变传感器	分层深度学习网络、大语言模型	传感器信号（应变数据）	NA	NA	分层网络	NA	NA
118	2026-10-01	Few-Shot Pulmonary Vessel Segmentation Based on Tubular-Aware Prompt-Tuning 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3662001 PMID:41650434	研究论文	本文提出了PV25数据集和TPNet框架，用于在少样本训练下进行肺血管分割。	首次提出具有肺血管和气道精细配对标注的PV25数据集；提出了新型的管状感知提示调优框架TPNet，包括可调编码解码网络、形态驱动区域生长模块和互相关引导模块。	未明确提及。	解决肺血管分割中高质量标注数据缺乏的问题，实现少样本训练下的高精度分割。	CT图像中的肺血管和气道。	计算机视觉, 医学图像分割	肺癌, 肺部疾病	CT成像, 深度学习	CNN, 编码器-解码器	图像	未明确提及。	未明确提及。	编码器-解码器, 分割骨干网络	未明确提及。	未明确提及。
119	2026-10-01	Masked Image Modeling for Generalizable Organelle Segmentation in Volume EM 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3667612 PMID:41734129	研究论文	本文提出了一种双分支掩码图像建模框架OrgMIM，用于电子显微镜体积中细胞器的通用分割，并构建了首个细胞器中心的大规模3D EM数据集IsoOrg-1K	提出了双分支掩码图像建模框架，结合静态结构先验和动态重建反馈的互补掩码策略，并引入跨分支一致性正则化；构建了首个细胞器中心的3D EM数据集IsoOrg-1K	未明确说明	提升电子显微镜体积中细胞器分割的泛化能力和准确性	电子显微镜体积中的细胞器	计算机视觉	NA	掩码图像建模、电子显微镜成像	Transformer	3D图像	928个信息丰富的体积，超过1200亿体素	NA	Transformer	mIoU	NA
120	2026-10-01	M2PL-GAN: Multi-View Multi-Level Pathology Semantic Perception Learning for H&E-to-IHC Virtual Staining 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3668248 PMID:41747115	研究论文	本文提出了一种多视角多层级病理语义感知学习方法（M2PL-GAN），用于将H&E染色图像虚拟转换为IHC染色图像，通过三个机制提升语义对齐和生成质量	引入从结构上下文关系、特征分布和拓扑感知细粒度语义三个视角的综合语义学习范式，分别对应上下文感知关联机制（CACM）、局部感知分布对齐机制（LDAM）和图感知双向对比学习机制（GBCLM），其中GBCLM利用图神经网络捕获拓扑感知语义表示	未明确提及	解决当前虚拟染色过程中病理语义特征对齐困难的问题，提升H&E到IHC虚拟染色的质量	H&E染色图像和IHC染色图像	数字病理学	癌症（通用）	H&E染色、IHC染色、深度学习虚拟染色	GAN	图像	公开和私有数据集（未提及具体样本数量）	NA	GAN，图神经网络	定量指标（未具体说明），定性评估	NA