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
121	2026-10-01	Discovery of Peripheral Airway Beyond Incomplete CT Annotations for Navigational Bronchoscopy 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3672178 PMID:41801779	研究论文	提出ASTRA-Net深度学习框架，用于从CT扫描中分割标注和未标注的周围气道分支，以支持支气管镜导航	整合了辅助解剖输入（肺和血管掩膜）、编码器引导注意力模块（EGA）、中心线和分支感知损失加权方案以及分辨率鲁棒的后优化步骤，能够在CT标注不完整的情况下发现新的气道分支	未在摘要中明确说明	敏感重建周围气道分支，以实现支气管镜导航	CT扫描中的周围气道分支	计算机视觉	肺癌	CT	CNN	图像	多个公共和内部数据集	PyTorch	NA	树检测率（TDR）, 分支检测率（BDR）, 重叠分数	NA
122	2026-10-01	Distillation-SAM: Knowledge Distillation-Based Auto-Prompt Embedding Learning for Surgical Image Segmentation 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3674509 PMID:41843527	研究论文	提出Distillation-SAM方法，通过知识蒸馏实现自动提示嵌入学习，将SAM适配于手术图像分割，无需用户提供提示且支持多类语义分割	引入可训练的适配器分支学习稀疏自动提示嵌入和密集自动提示嵌入；提出直接知识蒸馏约束，以真实掩码嵌入为指导；修改SAM解码器的掩码分数回归分支，加入可训练MLP实现多类语义分割	未明确说明具体局限性	解决SAM在手术图像分割中依赖高质量用户提示且不支持多类语义分割的问题，实现无需用户提示的准确手术图像分割	手术图像中的血管、器械和组织	计算机视觉	NA	知识蒸馏	SAM	图像	IVIS、EndoVis2017和Cholecseg8k多个手术数据集	NA	SAM, MLP	NA	NA
123	2026-10-01	Development of autoencoder-guided attention-LSTM models for predicting nocturnal hypoglycemia risk in Type 1 Diabetes 2026-Jun-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3698300 PMID:42224311	研究论文	本研究开发了一种基于自编码器引导的注意力-LSTM混合模型，用于提前12小时预测1型糖尿病患者的夜间低血糖风险	提出了一种将生理知识（模拟葡萄糖吸收、胰岛素动力学和亚细胞胰岛素信号传导）融入基于注意力的LSTM网络的混合模型，并引入了基于自编码器的注意力权重映射（A2WM）框架，将模型注意力追溯到原始的24小时输入（CGM、进餐、胰岛素）以实现可解释性	摘要中未明确提及研究局限性	开发一种新型、可解释的深度学习方法，用于提前12小时预测夜间低血糖事件，为主动的睡前干预提供足够的提前时间	1型糖尿病（T1DM）患者，使用开环胰岛素泵的用户	机器学习	糖尿病	连续葡萄糖监测（CGM）、深度学习	注意力-LSTM、自编码器	时间序列数据（CGM、进餐、胰岛素）	OhioT1DM数据集和SMARTDIAB数据集（具体样本量未在摘要中说明）	NA	注意力-LSTM、自编码器	AUC、召回率、特异性	NA
124	2026-10-01	ConvShareViT: A Vision Transformer-Like Architecture for Free-Space Optical Accelerators 2026-Jun-01, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3689450 PMID:42224321	研究论文	本文提出了一种名为ConvShareViT的新型深度学习架构，将视觉Transformer适配到4f自由空间光学系统，通过深度可分离卷积与跨输入通道共享权重替代线性层，并在12个实验中系统分析了注意力机制的有效性。	首次提出将ViT架构适配到4f自由空间光学系统，使用深度可分离卷积与共享权重替代MHSA和MLP中的线性层，并系统分析了不同卷积填充方式对注意力学习的影响。	same-padded卷积在注意力学习上表现出局限性，其行为更像普通CNN而非Transformer模型；速度优势仅为理论分析，未进行实际光学系统实验验证。	设计一种适配自由空间光学加速器的ViT类架构，以提升深度学习推理速度并保持注意力机制的有效性。	ConvShareViT架构及其在自由空间光学系统中的注意力学习能力	计算机视觉	NA	自由空间光学计算	Vision Transformer	图像	NA	NA	ConvShareViT, Vision Transformer (ViT), 深度可分离卷积	注意力分数, 推理速度	GPU, 自由空间光学系统（理论分析）
125	2026-10-01	FreeTune4D: Anatomy-Aware 4D-MRI Motion Reconstruction Benchmark and Free Fine-Tuning Framework 2026-Jun-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3698133 PMID:42224310	研究论文	本文建立了两个大规模、多样、解剖标注的数字体模数据集，并提出了一个解剖感知的4D-MRI运动重建框架FreeTune4D，采用自由微调策略训练，在数字体模和真实患者队列上均优于当前最优算法	建立了两个大规模、多样、解剖标注的数字体模数据集Digital4D-1M和Digital4D-900；提出了FreeTune4D，一种解剖感知的4D-MRI运动重建框架，采用自由微调策略，整合了生理运动中的椎体稳定性和器官级解剖先验；是首个在大规模数字体模上训练的运动重建方法	未明确提及	解决4D-MRI运动重建中数据集和基准稀缺、解剖结构感知不足导致泛化能力有限的问题，实现快速采集和低伪影的腹部4D-MRI	腹部4D-MRI运动重建	医学图像处理	NA	4D-MRI	深度学习	图像	数字体模：训练集100万样本，基准测试集900样本；真实患者：133例（机构A 64例，机构B 16例，机构C 53例）	PyTorch	仿射到可变形框架	仿射对齐和可变形运动重建指标、器官级运动精度和结构一致性	NA
126	2026-10-01	Liver Nodule Anomaly Detection Using Ultra-sound Radiofrequency Signals and Variational Autoencoders 2026-Jun-01, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3698728 PMID:42224315	研究论文	该研究利用一维超声射频信号和变分自编码器进行无监督肝脏结节异常检测，并在前瞻性队列中评估其性能	首次将变分自编码器应用于一维超声射频信号进行肝脏结节的无监督异常检测，通过正常肝组织和疑似MASH患者的信号建模来识别结节	样本量相对较小且为单中心前瞻性研究，模型性能受信号质量和训练数据分布影响，需进一步外部验证	评估基于重建的深度学习模型在利用二维图像的一维超声射频信号检测肝脏结节方面的性能	成人对照组、经活检确诊的疑似代谢功能障碍相关脂肪性肝炎患者以及已知肝脏结节患者	医学图像分析	肝癌	超声射频信号分析	变分自编码器	一维射频信号	177名参与者（平均年龄57±12岁，106名男性，100例有结节，77例无结节）	NA	变分自编码器	AUC、准确率、敏感度、特异度	NA
127	2026-10-01	Power-law penalties correct distance bias in single-cell co-accessibility and deep-learning chromatin interaction predictions 2026-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag063 PMID:42359001	研究论文	该文章提出基于距离的惩罚函数来校正单细胞共可及性和深度学习染色质相互作用预测中的距离偏差	使用高斯混合建模和聚合物物理标度推导多制度幂律指数的组织特异性和全局共识惩罚函数，有效减少长程假阳性	研究仅基于玉米、水稻和大豆的Hi-C数据集，可能不适用于其他物种	校正单细胞共可及性和深度学习染色质相互作用预测中的距离偏差	玉米、水稻和大豆的Hi-C数据集以及单细胞ATAC测序共可及性分数	机器学习	NA	Hi-C, 单细胞ATAC测序	NA	基因组数据	NA	NA	NA	长程假阳性减少百分比	NA
128	2026-10-01	DOSTA-Net: Domain-Shuffle Temporal Attention Network for Vessel Extraction in X-Ray Coronary Angiography Using Synthetic Data 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3659754 PMID:41615973	研究论文	提出DOSTA-Net框架，利用合成时序XCA数据训练无需人工标注的深度学习模型进行血管提取	1. 开发了合成大规模时序XCA数据的完整流程，包含解剖变异和真实伪影模拟；2. 提出域混洗时序注意力网络，通过时序通道混洗合成与真实数据增强时序特征学习；3. 利用伪标签和退火损失函数进一步缩小域差距	未明确提及	解决X射线冠状动脉造影图像中血管提取因缺乏高质量标注数据而受限的问题	X射线冠状动脉造影图像中的血管	计算机视觉, 数字病理学	冠状动脉疾病	合成数据生成, 深度学习	CNN, 注意力机制	图像, 时序图像	未明确提及	未明确提及	DOSTA-Net	血管分割性能, 主观图像质量评估	未明确提及
129	2026-10-01	Extrapolating rock physicochemical properties from discrete sample data using computer vision 2026-Jun, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgag204 PMID:42327639	研究论文	利用计算机视觉和深度学习对钻探岩芯进行高分辨率岩性分类，并外推岩石的物理化学性质	使用AI生成的岩性分类半自动外推离散样本的体密度和碳浓度到整个岩芯表面，分辨率达0.25厘米	未明确说明	从离散样本数据中推断岩石的岩性、物理和化学性质	约100米长的原位碳酸盐胶结海洋地壳滑石角砾岩钻探岩芯	计算机视觉	NA	深度学习	NA	图像	约100米长的钻探岩芯	NA	NA	NA	NA
130	2026-10-01	MuSL: Multimodal deep learning for generalizable prediction of synthetic lethality from sequence, transcriptomic, and network data 2026-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3698476 PMID:42213569	研究论文	提出MuSL，一个多模态深度学习框架，整合转录组直方图、统计表达特征和蛋白质-蛋白质相互作用网络信息，用于合成致死性预测	直接从原始表达谱学习分布模式，无需手工特征；整合多种模态数据；在未见基因上具有泛化能力；使用对比学习、交叉注意力和自适应门控进行模态对齐和整合	未明确说明，但可能依赖于PPI网络和ESM2嵌入的质量，以及计算资源需求	提高合成致死性预测的准确性和泛化能力，以识别选择性抗癌靶点	基因对、转录组表达谱、蛋白质-蛋白质相互作用网络	机器学习	癌症	转录组测序（bulk和单细胞）、蛋白质-蛋白质相互作用网络分析	卷积神经网络、图神经网络、对比学习、交叉注意力、自适应门控	转录组表达数据、网络数据、序列数据	NA	PyTorch（由于提供了GitHub代码，但未明确说明）	卷积神经网络、图神经网络（基于PPI网络）、ESM2蛋白质嵌入	未明确列出，但可能包括AUC、准确率等（根据常见SL预测任务推断）	NA
131	2026-10-01	Consistency-based Semi-supervised Evidential Active Learning Framework for Robust Classification of Radiology Images 2026-May-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3696868 PMID:42184193	研究论文	提出了一种基于一致性半监督证据主动学习框架（CSEAL），用于放射学图像的鲁棒分类，并在多个X射线、CT和MRI数据集上验证了其性能。	1. 提出了CSEAL框架，将证据学习与半监督主动学习结合，实现可靠的不确定性估计和一致性强制；2. 开发了多种半监督方法的证据版本（Pseudo-labelling、VAT、Mean Teacher、NoTeacher）；3. 引入了噪声鲁棒证据NoTeacher，通过共识原则和小损失包含机制处理噪声标注；4. 将CSEAL转化为标注平台，辅助真实世界放射学图像标注。	未明确提及	解决半监督主动学习在放射学图像分类中不确定性估计不可靠和一致性强制效果不佳的问题，提高标注效率和模型鲁棒性	X射线、CT和MRI放射学图像	医学图像分析	NA	半监督学习、主动学习、证据学习	NA	图像	NA	NA	NA	NA	NA
132	2026-10-01	A Digital Twin-Inspired Closed-Loop Latent Simulation Framework for Cross-Cohort Breast Cancer Subtype Classification under Modality-Disjoint Learning 2026-May-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3696086 PMID:42172162	研究论文	本文提出了一种受数字孪生启发的闭环潜在模拟（CDLS）框架，用于在模态不相交学习下进行跨队列乳腺癌亚型分类，通过PPO控制的随机策略和Twin-GRU转移模型迭代优化潜在表示	提出了闭环潜在轨迹分类系统，整合了组织病理学（WSI）、转录组学（RNA-seq）、乳腺X线摄影序列和临床协变量，在模态不相交机制下通过共享潜在对齐进行学习，而非传统的单次预测范式；引入了闭环潜在反馈步骤，通过kNN检索将模拟状态与真实患者嵌入对齐	潜在瓶颈维度 d_twin=7 是基于经验指导而非理论最优值；研究使用计算意义上的表示空间术语；多种子评估样本量较小（n=4和n=8）；PPO的选择基于轨迹几何特性而非边际精度增益	解决现有深度学习系统在乳腺癌PAM50亚型分类中缺乏迭代表示优化和不确定性轨迹分析机制的问题，实现跨队列模态不相交学习下的亚型分类	乳腺癌患者，来自三个非重叠队列的组织病理学（WSI）、转录组学（RNA-seq）、乳腺X线摄影序列和临床协变量数据	数字病理学	乳腺癌	组织病理学（WSI）、转录组学（RNA-seq）、乳腺X线摄影序列、临床协变量	强化学习（PPO）、Twin-GRU	图像、文本、基因组数据	三个非重叠队列的患者数据；多种子评估n=4（仅训练稳定性）和扩展8种子分析；五折交叉验证	NA	PPO、Twin-GRU	平衡准确率、MCC、准确率	NA
133	2026-10-01	Deep learning predicts stent implantation in borderline coronary lesions from angiography 2026-May-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02779-z PMID:42174128	研究论文	本研究开发了一种注意力增强的深度学习模型，利用改进的EfficientNet结合卷积块注意力模块，从冠状动脉造影图像中预测临界冠状动脉病变是否需要支架植入	首次将改进的EfficientNet与卷积块注意力模块结合，利用FFR、IVUS和OCT的多模态标签作为参考标准进行训练，直接从造影图像预测支架必要性	回顾性研究设计，外部验证准确率下降至0.807，样本量有限（1298例），可能受选择偏差影响	评估深度学习模型在预测临界冠状动脉病变支架植入决策中的有效性和泛化能力	1298例冠状动脉临界病变（50-70%狭窄）患者的造影图像	医学图像分析	心血管疾病	冠状动脉造影	CNN	图像	1298例患者	NA	EfficientNet, 卷积块注意力模块	准确率, F1分数, AUC	NA
134	2026-10-01	Unsupervised Deep Learning-based Keypoint Localization Estimating Descriptor Matching Performance 2026-May-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3695387 PMID:42166258	研究论文	提出了一种完全无需标注数据的无监督视网膜图像配准流程，通过先学习描述符再基于描述符性能估计定位关键点，实现了与传统方法相反的技术路线	首次完全反转了传统方法中先检测关键点再计算描述符的流程，提出了基于描述符匹配性能估计的无监督关键点检测器，完全消除了对标注数据的需求	未明确提及具体局限性，但方法性能仅达到与领先监督方法相当的水平而非超越	解决彩色眼底图像配准中标注数据稀缺的问题，开发完全无监督的配准方法	彩色眼底图像	计算机视觉	NA	无监督深度学习	NA	图像	四个保留数据集	NA	NA	NA	NA
135	2026-10-01	Explainable Deep Learning Framework for Multimodal Brain Tumor Classification via Neuroimaging Attribute Extraction 2026-May-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3695364 PMID:42160250	研究论文	提出MADEX框架，通过卷积编码器提取可解释的神经影像属性，构建与WHO胶质瘤分类对齐的层次决策树，实现多模态脑肿瘤分类。	结合可解释神经影像属性提取、自适应模态交换机制、逐层Dempster-Shafer证据融合与原型约束，实现透明且与临床推理一致的多模态脑肿瘤分类。	未明确说明	解决多参数MRI脑肿瘤分级中深度学习模型不透明的问题，提升临床可接受性。	多参数MRI脑肿瘤影像数据	医学图像分析	脑肿瘤	多参数MRI	CNN	图像	BT-large-2c和BRaTS 2021数据集（具体样本量未说明）	未说明	卷积编码器、层次决策树	准确率	未说明
136	2026-10-01	A Foundation Model for Wearable Movement Data in Mental Health Research 2026-May-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3694809 PMID:42154714	研究论文	该研究设计了一种基于Transformer的基础模型PAT，通过对分钟级、为期一周的体动记录序列进行自监督掩码自编码器预训练，用于心理健康研究中的可穿戴运动数据分析	开发了首个面向可穿戴运动时间序列的开源基础模型PAT，结合了为期一周的时间建模、精神科结果评估以及基于公开数据的可重复性验证	未明确说明模型的泛化能力、在不同人群和不同设备上的适用性以及潜在的伦理和隐私问题	开发并评估用于可穿戴运动数据的基础模型，以推进心理健康领域的临床洞察	来自美国国家健康与营养调查（NHANES）全国代表性队列的21,538名美国参与者的体动记录数据	机器学习	精神疾病	体动记录（actigraphy）	Transformer	时间序列	21,538名美国参与者的分钟级为期一周的体动记录序列	NA	Transformer	预测准确率	NA
137	2026-10-01	SAND: Spectral-Attention Neural Decoding of Hand Kinematics from Low-Frequency EEG Dynamics 2026-May-19, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3694935 PMID:42154699	研究论文	本文提出了一种融合频谱分解与自适应深度学习的混合框架SAND，用于从低频EEG信号中连续解码手部运动轨迹	提出了双分支连续解码架构，包括用于抗噪声频谱嵌入的频域通路和利用Transformer网络捕捉动态神经调制的时序注意力通路，并系统分析了手部运动信息主要编码于低频EEG频段	未明确提及	实现从非侵入式EEG信号中精确解码手部运动轨迹，提升脑机接口在神经康复中的解码精度与跨被试适应性	WAY EEG Grasp-and-Lift数据集和自采集数据集中的EEG信号及手部运动轨迹	脑机接口	NA	脑电图	Transformer	EEG信号	WAY EEG Grasp-and-Lift数据集及自采集数据集（具体样本量未提及）	NA	Transformer	皮尔逊相关系数，动态时间规整	NA
138	2026-10-01	SPARNet: A Framework for Airway Invasion Tracking from Fluoroscopic Videos of Dysphagia Patients 2026-May-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3695144 PMID:42154713	研究论文	该研究提出了SPARNet框架，从吞咽障碍患者的荧光透视视频中自动追踪气道侵入	引入了新颖的气道侵入追踪器（AIT），将喉气管空气柱划分为象限，追踪食团位置，并计算时间侵入参数（事件持续时间、总暴露时间和侵入次数），提供了一个系统级、可临床解释的AI流水线，结合了吞咽阶段分类、食团和气道描绘以及气道侵入追踪，克服了现有深度学习方法的局限性	样本量较小，仅包含125个视频片段来自75名患者，需要在更大规模的数据集上进行验证	开发一个自动化、可解释的AI框架，用于从VFSS视频中追踪气道侵入，以支持吞咽困难的临床决策	吞咽困难患者的荧光透视吞咽研究（VFSS）视频	医学图像分析	吞咽困难	荧光透视吞咽研究（VFSS）	深度学习	视频	125个视频片段来自75名患者	NA	NA	F1分数, Dice系数, mAP	NA
139	2026-10-01	Accurate Protein Submitochondrial Localization Using Pre-Training and Adaptive Sampling Enhanced Deep Learning Model 2026-May-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3694709 PMID:42154725	研究论文	本文提出了一种端到端深度学习模型iPreDeepSubMito，用于蛋白质亚线粒体定位预测	使用更好的预训练蛋白质模型增强序列嵌入，无缝集成自适应合成采样方法处理不平衡数据集，新建并集成循环残差卷积神经网络和自注意力增强双向门控循环单元以有效捕获蛋白质序列的上下文语义特征	未明确提及	提高蛋白质亚线粒体定位预测性能，为疾病发病机制提供见解并促进药物设计进展	蛋白质亚线粒体定位，特别是膜间隙类别	机器学习	NA	NA	CNN, BiGRU, 自注意力机制	蛋白质序列	在三个基准数据集上进行了实验	NA	循环残差卷积神经网络, 自注意力增强双向门控循环单元	总体广义相关系数, 马修斯相关系数	NA
140	2026-10-01	A Multimodal Learning Framework for Detecting Systemic Hypertension in Sleep Apnea Patients Using ECG and PPG Signals 2026-May-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3694833 PMID:42154719	研究论文	本文提出了一种名为FusionNet的多模态深度学习框架，利用心电图和光电容积脉搏波信号检测阻塞性睡眠呼吸暂停患者的系统性高血压	提出FusionNet架构，采用多实例学习方法捕捉整夜PSG记录的长期时间动态，通过门控融合机制整合ECG和PPG信号，并融合频域心率和脉搏率变异性及临床上下文特征（睡眠阶段和呼吸暂停事件）	样本量较小（仅33名患者），需要在更大的独立队列中验证后才能临床部署	开发可扩展的自动化框架，利用常规收集的多导睡眠图信号筛查阻塞性睡眠呼吸暂停患者的系统性高血压	33名阻塞性睡眠呼吸暂停患者	机器学习	心血管疾病	多导睡眠图（PSG）、心电图（ECG）、光电容积脉搏波（PPG）	深度学习	信号（ECG和PPG时间序列信号）、临床特征	33名患者	NA	FusionNet（多实例学习+门控融合机制）	AUROC、准确率、特异性、MCC	NA