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
1281	2026-06-03	Glossography - a computer vision technique for assessing involuntary tongue movements in dyskinesias 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1758570 PMID:41940289	研究论文	提出一种基于DeepLabCut的计算机视觉方法，用于客观量化帕金森病的口面部运动障碍	首次利用全无标记深度学习管道通过标准视频记录追踪舌头、下巴、鼻子和前额标志点来评估运动障碍	计算资源需求高，但具有在医疗资源匮乏地区进行远程监测的潜力	开发一种客观量化帕金森病口面部运动障碍的计算机视觉技术	帕金森病患者的舌头、下巴、鼻子和前额等面部标志点的运动	计算机视觉	帕金森病	计算机视觉	深度学习（DeepLabCut）	视频	一名住院患者，监测4天	DeepLabCut	DeepLabCut	位移、变异性和峰值运动	NA
1282	2026-06-03	LANTERN: TCR-peptide binding prediction via large language model representations 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.20980 PMID:41940380	研究论文	提出LANTERN框架，利用大型语言模型表示预测TCR-肽结合	结合预训练的蛋白质和分子语言模型（ESM和MolFormer）以及跨模态融合机制，提升零样本和小样本场景下的泛化能力	未明确指出，可能包括对标记数据依赖以及在新型表位上的泛化挑战	预测T细胞受体与肽主要组织相容性复合体相互作用，推动靶向免疫治疗和个性化医学	TCR序列和肽SMILES字符串	自然语言处理, 机器学习	NA	语言模型表示, 跨模态融合	大型语言模型, 多头交叉注意力	序列数据	NA	PyTorch	ESM, MolFormer, 多头交叉注意力	竞争性指标（具体未列明，如在TCHard基准上的表现）	NA
1283	2026-06-03	Longitudinal MRI Temporal Transformer Fusion Model for Predicting Induction Chemotherapy Efficacy in Locally Advanced Nasopharyngeal Carcinoma 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261457511 PMID:42224133	研究论文	开发并评估一种基于时间Transformer的融合模型，整合治疗前后MRI预测局部晚期鼻咽癌诱导化疗疗效	提出双分支独立网络结合注意力时间Transformer融合模块，建模治疗前后肿瘤表征的非线性纵向交互与动态演化模式	未明确提及	实现早期风险分层并指导局部晚期鼻咽癌的个体化治疗管理	488例经病理确诊的局部晚期鼻咽癌患者	医学图像分析	鼻咽癌	MRI	Transformer	影像	488例患者（来自两个机构）	PyTorch	Twins-SVT, 时间Transformer融合模块	AUC, 95%置信区间	NA
1284	2026-06-03	C2FAU-Net: A Deep Learning Approach with Multi-scale Strategy for Automated Delineation of Organs-at-risk in Cervical Cancer High-dose Rate Brachytherapy 2025 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_65_25 PMID:41939154	研究论文	提出一种基于多尺度策略的深度学习模型C2FAU-Net，用于宫颈癌高剂量率近距离治疗中盆腔高危器官的自动勾画	采用粗到细的注释策略与变形数据增强，结合三维注意力U-Net架构，显著降低了手动勾画时间，同时保持与手动勾画相当的剂量学参数	未提及具体限制	提高宫颈癌高剂量率近距离治疗中盆腔高危器官的自动勾画效率与临床适用性	宫颈癌患者盆腔高危器官（膀胱、直肠、乙状结肠）	计算机视觉	宫颈癌	高剂量率近距离治疗	三维注意力U-Net	医学图像	100例宫颈癌患者（80例训练，10例验证，10例测试）	NA	C2FAU-Net（基于三维注意力U-Net）	体积Dice相似系数（DSC）、第95百分位数豪斯多夫距离（HD95）、平均对称表面距离（ASSD）、精确率、召回率	NA
1285	2026-06-03	Overview of Deep Learning Algorithms and Optimizers for Brain Tumor Segmentation 2025 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_12_25 PMID:41939149	综述	分析用于脑肿瘤分割的不同深度学习架构及优化器的性能	全面比较不同深度学习架构与优化器的组合效果，并总结各方法在脑肿瘤分割中的表现	计算复杂度高、数据集不平衡、跨临床场景泛化能力不足	综述深度学习算法及优化器在脑肿瘤分割中的应用现状与挑战	脑肿瘤分割任务中的深度学习模型与优化方法	计算机视觉	脑肿瘤	NA	卷积神经网络	医学图像	NA	NA	卷积神经网络	Dice系数, 精确率, 准确率, 平均交并比	NA
1286	2026-06-03	Advancing neuro-ophthalmic diagnostics: a multimodal imaging approach integrating OCT angiography and AI-enhanced MRI for improved visual pathway analysis 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1690082 PMID:41939693	研究论文	提出一种多模态成像框架，整合OCT血管成像与AI增强MRI，用于改善视觉通路分析	提出NeuroGraphPath模型，将视觉通路表示为有向图，包含解剖定义的节点和参数化变换，并引入交叉流逆推策略实现双向推理，实现生物可解释的诊断	常规诊断工具（如MRI和OCT）受限于空间分辨率、跨模态整合和可解释性，尤其在压迫性神经病变、脱髓鞘疾病或不明原因视野缺损中导致诊断不确定性	开发一种整合OCT血管成像与AI增强MRI的多模态框架，提升神经眼科诊断的精确性和可解释性	视觉通路病变（包括压迫性神经病变、脱髓鞘疾病、不明原因视野缺损）	计算机视觉，自然语言处理	神经眼科疾病	OCT血管成像，MRI	NeuroGraphPath	图像	NA	NA	NeuroGraphPath	病变定位性能、不确定性感知推理、可解释性	NA
1287	2026-06-03	Network anomaly detection using Deep Autoencoder and parallel Artificial Bee Colony algorithm-trained neural network 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2333 PMID:41937808	研究论文	提出基于深度自编码器与并行化人工蜂群算法的神经网络进行网络异常检测	将深度自编码器与向量化、并行化的人工蜂群算法结合，用于训练前馈神经网络，以解决传统训练算法易陷入局部最优和检测率低的问题	未明确说明局限性，但可能包括算法复杂度高、对特定数据集依赖性强等	提高网络入侵检测的性能，特别是检测率和降低误报率	网络流量数据中的异常或入侵行为	机器学习	NA	深度自编码器，人工蜂群算法	前馈神经网络	数值型网络流量特征数据	使用了UNSW-NB15和NF-UNSW-NB15-v2两个数据集	NA	深度自编码器	检测率，误报率	NA
1288	2026-06-02	CDP-KDNet: Curriculum-Guided Dynamic Pruning and Knowledge Distillation for Resource-Efficient Ultrasound Elastography 2026-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251399875 PMID:41466179	研究论文	提出一种结合动态剪枝、知识蒸馏和课程学习的模型压缩方法CDP-KDNet，用于资源高效的超声弹性成像运动估计	首次将动态剪枝、知识蒸馏与课程学习相结合应用于超声弹性成像模型压缩，在保持性能的同时大幅降低参数量和计算成本	未提及在极端资源受限设备上的实际部署验证，以及对不同超声成像系统的泛化性需进一步研究	实现高效、轻量化的超声弹性成像运动估计模型，便于部署于资源受限设备	超声弹性成像中的射频（RF）和B模式（BM）数据运动估计	计算机视觉	NA	超声弹性成像	卷积神经网络（CNN）	超声图像数据	模拟、仿体及体内超声数据（具体数量未提及）	NA	UMEN-Net, DP-Net, CDP-KDNet	信噪比（SNR）、对比度噪声比（CNR）	NA
1289	2026-06-02	RFDNet: Robust Frequency-Based Denoising Network for 3D Ultrasound Vascular Imaging Using a Row-Column Addressed Array 2026-Jul, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251398442 PMID:41466464	研究论文	提出一种鲁棒频率去噪网络（RFDNet），用于行-列寻址阵列的3D超声血管成像，通过深度融合频率过滤模块抑制坡道噪声并改善图像一致性	将深度频率滤波模块集成到标准去噪模型中，自适应编码器中的频率分量，动态平衡频谱内容以减少域偏移和切片间强度不一致的影响，同时保留血管细节	未来工作需探索3D训练和架构优化以提高计算效率，当前方法仍基于2D切片训练	提升3D超声血管成像中行-列寻址阵列的图像质量，解决点扩散函数各向异性导致的坡道噪声问题	多普勒体模、颈动脉和腹部数据集中的3D超声血管图像	计算机视觉	心血管疾病	超声成像	CNN	图像	包含多普勒体模、颈动脉和腹部数据集样本	PyTorch	深度频率滤波模块集成于标准去噪编码器架构（具体基础架构未指定）	PSNR, SSIM, RMSE	NA
1290	2026-06-02	Cloud EEG Privacy Using Red-Billed Blue Magpie Optimized Physics-Penalized Dual-Branch Spectral-Spatial Neural Network for Epileptic Seizure Prediction 2026-07, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70031 PMID:42063259	研究论文	提出一种红嘴蓝鹊优化的物理惩罚双分支谱空间神经网络，用于基于云脑电图的癫痫发作预测，实现高精度、安全且有效的预测	首次将红嘴蓝鹊优化算法与物理惩罚双分支谱空间神经网络结合，并集成基于物联网的实时脑电监测、形状感知网格归一化滤波、二次相位四元数域傅里叶变换特征提取和无密钥托管属性基加密，同时提升预测精度和数据隐私安全	未提及在更大规模或多样化真实临床数据集上的验证，以及优化算法和加密方法的计算开销评估	实现基于云脑电图的癫痫发作精确、安全且实时预测，以支持及时干预和预防严重神经系统并发症	癫痫患者及其脑电图数据	机器学习	癫痫	脑电图（EEG）监测	神经网络	脑电图信号	使用Bonn脑电图数据集和CHB-MIT数据集	NA	物理惩罚双分支谱空间神经网络（PP-DBSSNN）	准确率、精确率、特异度	NA
1291	2026-06-02	Machine learning accelerated nonadiabatic molecular dynamics of defect-mediated recombination in alkali metal passivated Cu2ZnSnS4 2026-Jun-07, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0336824 PMID:42223102	研究论文	开发机器学习加速框架，模拟碱金属钝化Cu2ZnSnS4中缺陷介导的非辐射电子-空穴复合的非绝热分子动力学	将非绝热耦合演化构建为时间序列预测问题，基准测试37种深度学习架构，并采用扩展长短期记忆模型实现高精度预测，计算成本降低超过五个数量级	NA	提出机器学习加速非绝热分子动力学框架，高效模拟缺陷介导的非辐射复合过程并揭示其机制	含CuZn反位缺陷和CuZn+ZnCu反位对的Cu2ZnSnS4材料，以及碱金属（Li, Na, K）钝化效应	机器学习	NA	第一性原理非绝热分子动力学模拟，时间序列预测	递归神经网络，卷积神经网络，Transformer，混合模型，扩展长短期记忆模型	非绝热耦合时间序列数据	NA	NA	扩展长短期记忆模型，递归神经网络，卷积神经网络，Transformer	R方	NA
1292	2026-06-02	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-06-04, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	research paper	提出一个结合预训练RNA语言模型和Transformer的序列驱动框架，仅从3'UTR序列预测mRNA半衰期	首次将预训练RNA语言模型（RNA-FM）与Transformer结合，仅从3'UTR序列实现mRNA半衰期预测，并整合了生物可解释性分析	模型在已知基因的新异构体上进行评估，可能对全新基因预测效果有限；单个基序效应量中等	开发一种仅基于3'UTR序列预测mRNA半衰期的计算框架，兼具预测准确性和生物学可解释性	酿酒酵母（Saccharomyces cerevisiae）转录本的3'UTR序列与mRNA半衰期	自然语言处理, 机器学习	NA	RNA-seq	Transformer, RNA-FM	序列数据	酿酒酵母转录本的3'UTR序列（具体样本数未明确提及）	PyTorch	RNA-FM, Transformer	RMSE, MAE, R	NA
1293	2026-06-02	Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model 2026-Jun, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04404-3 PMID:40993360	研究论文	提出一种基于深度学习模型的自动化方法，使用标准超声心动图视频检测新生儿肺动脉高压	首次利用时空卷积神经网络结合偏心指数对新生儿超声心动图进行自动化PH检测，并通过显著图增强可解释性	仅基于单一中心的回顾性数据，未在外部多中心数据集中验证，且样本年龄范围有限（3-90天）	开发并验证一种深度学习模型，用于从标准超声心动图中自动检测新生儿肺动脉高压	新生儿（3-90天）的超声心动图视频，包括五个标准视图	计算机视觉	肺动脉高压	超声心动图	卷积神经网络（CNN）	图像（超声心动图视频帧）	训练与验证集975个视频，保留测试集378个视频，共13530帧	NA	空间卷积神经网络、时空卷积神经网络	AUROC	NA
1294	2026-06-02	Deep learning for automatic segmentation of the inferior alveolar nerve using a hybrid CNN-transformer framework 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55949-0 PMID:42219396	研究论文	提出一种基于混合CNN-Transformer框架的深度学习模型，用于锥形束CT中下牙槽神经的自动分割	引入任务特定的CNN-注意力混合架构，包括阶段限制的排列自适应实例归一化和解码器阶段上下文细化模块，以提高薄管状神经分割的鲁棒性和解剖连续性	与nnU-Net相比改进幅度有限，且需在更大数据集上验证泛化能力	开发一种改进的自动分割框架，准确识别CBCT中的下牙槽神经，预防口腔颌面手术中的神经损伤	下牙槽神经与锥形束CT影像	计算机视觉	口腔颌面神经损伤	锥形束CT	混合CNN-Transformer	医学影像	来自两个机构的130个CBCT扫描	nnU-Net	CNN-注意力混合架构（含排列自适应实例归一化与解码器注意力模块）	Dice相似系数, HD95, 平均对称表面距离	未指定
1295	2026-06-02	[Automatic micro-CT pulp cavity image segmentation based on few-shot transfer learning] 2026-Jun-01, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20260226-00134 PMID:42219731	研究论文	开发基于少样本迁移学习的微CT牙髓腔图像分割模型PulpSAM实现高效准确分割	通过跨域适应策略将自然图像分割基础模型SAM迁移至牙髓腔图像分割任务并提出PulpSAM模型	未在临床多中心数据验证，样本仅来自单一医院且为病理原因拔除的牙齿	开发微CT牙髓腔图像自动分割模型以支持三维解剖研究和数字化根管治疗	因病理原因拔除的牙齿微CT扫描图像	计算机视觉	牙科疾病	微CT	SAM（Segment Anything Model）	图像	110颗牙齿，分为训练集（10颗）、测试集（90颗）和独立测试集（10颗）	NA	PulpSAM（基于SAM）	交并比、Dice系数、精确率、准确率、95%豪斯多夫距离、平均对称表面距离	NA
1296	2026-06-02	Diagnosis and classification of thalassemia disease using machine learning: Comparative analysis of traditional models and a novel hybrid approach 2026-Jun-01, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261448689 PMID:42220235	研究论文	利用机器学习方法对地中海贫血及其亚型进行分类诊断，比较传统模型与新型混合模型ThalP的性能	提出一种混合堆叠模型ThalP，将支持向量机、逻辑回归和XGBoost的概率输出通过神经网络元分类器集成，基于常规血液学参数实现地中海贫血亚型的高效分类	合成训练数据集基于真实数据的统计特性生成，可能无法完全模拟真实世界数据的异质性；模型在外部真实数据集上的准确率为83.1%，仍有提升空间	评估机器学习算法用于地中海贫血及其亚型的分类，探索混合模型作为临床决策支持工具的潜力	地中海贫血患者，包括α地中海贫血和β地中海贫血（轻型、中间型和重型）	机器学习	地中海贫血	常规血液学参数分析	支持向量机、逻辑回归、XGBoost、人工神经网络、混合堆叠模型	表格数据	合成训练数据集1534个样本，外部真实数据集349名患者	NA	支持向量机、逻辑回归、XGBoost、人工神经网络、ThalP混合堆叠模型	准确率、宏F1分数	NA
1297	2026-06-02	Deep blueprint: A literature review and guide to automated image classification for ecologists 2026-Jun-01, The Journal of animal ecology IF:3.5Q1 DOI:10.1111/1365-2656.70271 PMID:42220300	综述论文	为生态学家提供基于深度学习的自动化图像分类实用指南与综述，涵盖从数据获取到模型部署的完整流程	整合常用软件工具并构建模块化工作流，同时提供Python和R代码及图形用户界面，以YOLOv8和YOLOv11模型对比分析为案例，揭示复杂模型并非总是最优	仅聚焦于图像分类任务，未涉及目标检测或图像分割等其他自动化图像分析任务；案例数据集可能具有特定性	降低深度学习在生态学研究中的应用门槛，促进计算机视觉技术的广泛采用，支持可重复、标准化和可持续的生态监测	生态学家及其自动化图像分类研究项目	计算机视觉	NA	深度学习、计算机视觉	CNN	图像	挪威海的深海生物群落ROV数据集	Ultralytics ML平台	YOLOv8系列、YOLOv11系列	准确率、宏平均性能指标	NA
1298	2026-06-02	Estimating mechanical impedance from hydrophone measurements 2026-Jun-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043957 PMID:42223265	研究论文	提出一种利用稀疏水听器测量估算薄球壳机械阻抗的方法	无需训练阶段即可高效计算机械阻抗，适用于实时和低能耗场景	性能受频率升高引起的指向性限制	开发无需额外训练步骤的低能耗实时阻抗估算方法	薄球壳散射体的机械阻抗	机器学习	NA	水听器测量	NA	水听器测量数据	10个水听器	NA	NA	绝对百分比误差	NA
1299	2026-06-02	The role of machine learning, deep learning, and MRI findings in the classification of pediatric posterior fossa tumors 2026-Jun-01, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-026-07316-7 PMID:42223485	研究论文	评估机器学习和深度学习模型利用MRI影像组学特征对儿童后颅窝肿瘤进行分类	比较多种机器学习模型（GBM、DT、RF及其集成）与深度学习模型ResNet101V2在儿童后颅窝肿瘤MRI分类中的性能，并指出EP和DMG区分困难的挑战	样本量较小（63例），对EP和DMG的准确区分仍具挑战，深度学习模型在扩散序列上表现较低	评估机器学习和深度学习模型利用MRI特征对儿童后颅窝肿瘤进行分类的效果	儿童后颅窝肿瘤，包括髓母细胞瘤、毛细胞星形细胞瘤、室管膜瘤和弥漫性中线胶质瘤	机器学习, 计算机视觉, 数字病理学	儿童后颅窝肿瘤	MRI	CNN, 梯度提升机, 决策树, 随机森林	影像数据（MRI：T2加权成像、弥散加权成像、表观弥散系数序列、T1加权成像、对比增强T1加权成像）	63例儿科患者，包括21例MB、20例PA、11例EP、11例DMG	TensorFlow	ResNet101V2, 梯度提升机, 决策树, 随机森林	准确率	NA
1300	2026-06-02	Predicting Metastatic Potential from Histopathological Whole Slide Images of Primary Tumors in Head and Neck Squamous Cell Carcinoma Using Attention-Based Deep Learning and Signaling Pathway Alterations 2026-Jun-01, Head and neck pathology DOI:10.1007/s12105-026-01920-4 PMID:42223560	研究论文	提出一种基于注意力机制和残差网络的深度学习框架，从头颈部鳞状细胞癌的原发性全切片图像中预测远处转移风险	结合自注意力机制与残差网络（ResNet），解决病理切片预处理中patch级别变异性带来的挑战，提升预测性能	未报告模型的可解释性细节，未来需整合多模态数据并推广至其他癌症类型	开发深度学习模型以预测HNSCC患者远处转移的可能性，支持早期干预和临床决策	头颈部鳞状细胞癌（HNSCC）患者的全切片病理图像	数字病理学	头颈部鳞状细胞癌	NA	CNN, 自注意力机制, 残差网络（ResNet）	图像（全切片病理图像）	TCGA-HNSCC数据集（未明确样本数量）及外部验证集TCGA-ESCA	PyTorch	自注意力机制 + ResNet	准确率, AUC, F1分数	NA