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	2026-08-15	VVBPConvNet: a lightweight convolutional network for sparse-view CT reconstruction 2026-Jul-13, Optics express IF:3.2Q2 DOI:10.1364/OE.603003 PMID:42596161	研究论文	提出了一种基于逐视图反投影的轻量级卷积网络VVBPConvNet，用于稀疏视图CT重建，以更好地保留和利用投影信息。	首次在稀疏视图CT重建中采用逐视图反投影张量作为网络输入，而非直接使用图像域表示，从而保留各投影视角的几何信息，并设计了轻量级网络架构以平衡性能和计算成本。	未提及计算资源的具体细节，以及临床数据集的具体样本量和多样性；可能对极稀疏视角或极端噪声条件下的效果存在限制。	开发一种能有效保留投影信息、抑制伪影并保持精细解剖结构的稀疏视图CT重建方法。	模拟和临床CT数据集中的稀疏视图重建图像。	计算机视觉	NA	CT成像	卷积神经网络	图像	模拟和临床数据集（具体数量未提供）	NA	卷积网络（具体架构未明确，但为轻量级设计）	伪影抑制、结构保留、鲁棒性（具体指标如PSNR、SSIM未提及）	NA
122	2026-08-15	Learnable foveated sampling and dual-prior reconstruction for single-pixel imaging 2026-Jul-13, Optics express IF:3.2Q2 DOI:10.1364/OE.601620 PMID:42596178	研究论文	提出一种基于可学习注视采样和双先验重建的深度网络FDP_Net，用于单像素成像，以提升图像中心区域的重建质量	首次将生物视觉系统的高分辨率感知机制引入单像素成像，设计了可学习的注视采样模块，在有限测量数下等效提高中心区域采样率，并构建了双先验融合的深度展开重建网络	文中未提及具体局限性	在单像素成像中，通过学习注视采样和双先验重建来提升图像中心区域的重建精度	单像素成像系统中的图像重建任务	计算机视觉	NA	压缩感知	深度展开网络	图像	NA	NA	双先验融合网络（含稀疏先验模块和去噪先验模块）	重建精度（文中提到重建准确度，但未列出具体指标）	在真实单光子计数SPI显微镜系统上验证，具体硬件未提及
123	2026-08-15	CoReg-Net: contrastive registration for structurally consistent one-shot medical image segmentation 2026-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.4.044002 PMID:42597530	研究论文	提出CoReg-Net，一种通过对比注册增强结构一致性的单次医学图像分割方法	集成跨被试对比学习模块以对齐解剖特征，并引入级联跳跃连接机制弥合编码器-解码器语义鸿沟，联合优化以生成结构一致且拓扑规则的形变场	未在摘要中明确提及局限性，可能包括对特定数据集或解剖结构的依赖	提高可变形注册的结构一致性，实现稳健的单次医学图像分割	脑部（IXI、OASIS数据集）和腹部（BCV数据集）的医学图像	医学图像分割	不适用	深度学习，对比学习	对比注册网络	医学图像（MRI和CT）	未在摘要中明确说明，涉及IXI、OASIS和BCV数据集	未明确指定，可能使用PyTorch	编码器-解码器结构，含级联跳跃连接	结构相似性，分割精度	未在摘要中明确说明
124	2026-08-15	4D reconstruction of airway dynamics using endoscopic optical coherence tomography 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.596962 PMID:42596246	研究论文	提出一种基于内窥镜光学相干断层扫描的呼吸分辨四维气道重建方法，以捕捉呼吸周期中的动态解剖变化	结合深度学习管腔分割、呼吸校正和旋转校正算法，实现从内窥镜OCT数据中自动重建呼吸分辨的四维气道结构	摘要中未提及具体局限性	开发一种利用内窥镜OCT进行四维气道动态成像的方法，以克服传统三维重建忽略呼吸运动的问题	兔气道	医学影像	气道疾病	光学相干断层扫描（OCT）	深度学习模型（用于管腔分割）	内窥镜OCT图像	兔气道（体内成像）	NA	深度学习分割网络（具体架构未提及）	NA	NA
125	2026-08-15	Deep learning-enabled atmospheric turbulence compensation for concentric perfect optical vortex beams 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.591432 PMID:42596264	研究论文	本研究提出了一种基于深度学习的湍流补偿网络（ATDFPNet），用于修复同心完美涡旋光束因大气湍流引起的畸变，提升其在自由空间光通信中的性能	提出了一种新型的湍流分解频率预测网络（ATDFPNet），能够快速精准预测湍流相位屏，并表现出对不同湍流强度和轨道角动量模式的鲁棒泛化能力	摘要未提及研究的局限性	解决同心完美涡旋光束在大气湍流影响下的畸变问题，提高其在自由空间光通信系统中的性能	同心完美涡旋光束及其在自由空间光通信中的应用	计算机视觉	NA	NA	深度学习网络	图像	NA	NA	ResNet18	模式纯度、准确率、结构相似性指数	NA
126	2026-08-15	Double-subdivision vortex beam interferometer enhanced by DenseNet for precision displacement measurement 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.589575 PMID:42596300	研究论文	提出一种结合DenseNet深度学习框架的双细分共轭涡旋光束干涉仪，用于高精度微位移测量	通过双细分光路实现干涉条纹旋转角加倍，并引入DenseNet-169作为解调后端，替代传统几何算法和浅层卷积方法，提高位移解码精度	未提及	实现高精度微位移测量，提供非接触式精密计量和光学传感解决方案	微位移测量系统	计算机视觉	不适用	干涉测量	DenseNet	图像	未提及	未提及	DenseNet-169	平均绝对误差	未提及
127	2026-08-15	Deep learning-enabled optical scatterometry technique for high-precision and non-destructive measurement of grating microstructure parameters 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.596288 PMID:42596349	研究论文	提出一种集成双光束散射仪和自适应自校准物理约束CNN（ASPCNN）的光学散射测量系统，用于光栅微结构参数的非破坏性高精度测量	提出ASPCNN架构，集成自适应感受野融合模块和多尺度特征提取以及自校准残差注意力模块，提高噪声鲁棒性，并通过物理约束损失函数确保预测符合物理可行性，实现亚纳米精度和实时推理能力	摘要未明确提及局限，可能包括对特定光栅类型的适用性或实验条件的依赖	实现光栅微结构参数的非破坏性、高精度测量，以满足先进光学制造中的工业计量需求	光栅微结构参数	机器学习, 光学计量	NA	光学散射测量（双光束散射仪）	卷积神经网络（CNN）	衍射光谱	未提及具体样本数量，可能使用模拟或实验衍射光谱数据	NA	ASPCNN（包含自适应感受野融合模块和自校准残差注意力模块）	决定系数（R²）、推理时间	未提及
128	2026-08-15	Deep reinforcement learning-based lens design 2026-Jun-15, Optics express IF:3.2Q2 DOI:10.1364/OE.599246 PMID:42596353	研究论文	本文提出了一种基于深度强化学习的透镜设计框架，使代理能够仅依靠斯涅尔定律生成折射透镜设计，并展示了其在多样性和适应性方面的表现。	创新点在于使用混合动作空间的深度强化学习框架，无需预先定义光学元件序列或依赖现有设计，可灵活插入玻璃元件或空气间隙，实现数据自由的目标驱动透镜设计。	限制可能包括训练过程受奖励设计影响大，以及在未训练设计要求下的表现仍有待提高，具体细节未在摘要中详细说明。	研究目的是探索仅基于斯涅尔定律的AI模型能否生成合理的透镜设计，并提供数据自由、目标驱动的自动化设计基础。	研究对象是折射透镜设计，包括光学布局中的玻璃元件和空气间隙。	机器学习	NA	NA	深度强化学习（DRL）	NA	NA	NA	NA	光学性能指标（具体未指定）、设计多样性、推理速度、奖励设计	NA
129	2026-08-15	Bibliometric Analysis of Pulmonary Fibrosis Imaging Research: Knowledge Graph Construction Based on the Web of Science Core Database 2026-Jun, Malawi medical journal : the journal of Medical Association of Malawi IF:1.2Q4 DOI:10.4314/mmj.v38i2.9 PMID:42597140	研究论文	本研究通过文献计量学方法，分析2015至2024年间肺纤维化影像学研究的出版趋势、国际合作网络及研究主题演变，并基于Web of Science核心数据库构建知识图谱	首次针对肺纤维化影像学领域进行系统性的文献计量分析，综合运用CiteSpace、VOSviewer和Scimago Graphica多种工具，识别出“深度学习”为该领域最强且持续时间最长的研究爆发点，并划分出三个重叠的研究阶段	地理碎片化及有限的多中心验证仍是人工智能泛化能力的主要障碍，未来需标准化影像协议并建立前瞻性多中心验证队列	量化肺纤维化影像学研究的出版趋势，绘制国际合作网络，并识别该领域主导及新兴的研究主题	2015至2024年间Web of Science核心数据库中1,159篇英文原创研究论文，涉及肺纤维化及影像学相关主题	文档分析	肺纤维化	NA	NA	文本	1,159篇英文原始研究文章，来自64个国家的研究者	NA	NA	R²	NA
130	2026-08-15	[Modern Methods of Molecular Modeling of Aptamers] 2026 May-Jun, Molekuliarnaia biologiia DOI:10.7868/S3034555326030019 PMID:42599228	综述	本文系统综述了适配体分子建模的现代方法，包括SELEX技术及其修饰、计算预测方法以及机器学习和深度学习算法的应用	系统总结了适配体设计技术的演化阶段，并重点介绍了机器学习与深度学习算法在适配体合理设计中的新应用	当前方法存在结构数据有限、非规范配对和假结预测复杂、以及ML模型对新序列家族泛化能力不足等问题，需严格实验验证	总结适配体设计技术发展，并探讨计算方法与AI整合在优化适配体亲和力和降低实验成本方面的潜力	适配体（短单链核酸分子）	分子建模、计算方法、机器学习	不适用	SELEX, CE-SELEX, M-SELEX, Cell-SELEX, HT-SELEX, 二级及三级结构预测, 分子对接, 分子动力学	机器学习、深度学习模型（如AptaDiff, RaptGen, Apta-MCTS, Xelari）	核酸序列数据、结构数据	不适用	不适用	AptaDiff, RaptGen, Apta-MCTS, Xelari	不适用	不适用
131	2026-08-15	AI applications in veterinary digital health: a systematic survey 2026, Frontiers in veterinary science IF:2.6Q1 DOI:10.3389/fvets.2026.1853395 PMID:42597169	综述	本系统综述基于PRISMA 2020框架，梳理了2013至2025年间AI在兽医数字健康领域的应用，涵盖诊断影像、疾病预测、临床决策支持、可穿戴监测和远程医疗等，并分析了现有研究的方法学局限性及未来方向	首次系统分类AI在兽医数字健康中的应用，包括从放射影像的卷积神经网络到临床咨询的大语言模型，并强调了可解释AI和标准化数据集的重要性	纳入研究数量有限（22项），且缺乏外部验证和前瞻性真实世界临床评估，AI算法的不透明性及物种多样性对推广造成限制	系统总结AI在兽医数字健康中的当前应用，评估技术进展，识别方法学限制和实现障碍，为未来研究提供优先方向	兽医数字健康中的AI应用，包括诊断影像、预测分析、可穿戴监测、家畜健康管理、临床决策支持和大语言模型系统	数字病理学	动物疾病	临床决策支持、影像诊断、自然语言处理	卷积神经网络、大语言模型	文本、图像	22项研究（包括18项主要证据研究和4项支持性领域/原型研究）	NA	卷积神经网络、大语言模型	准确性、早期检测效率	NA
132	2026-08-15	AI-enabled precision evaluation of adrenal masses: radiomics, deep learning, and explainable imaging biomarkers 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1900157 PMID:42597265	综述	本文总结了放射组学和深度学习技术在肾上腺肿块评估中的最新进展，包括鉴别诊断、基因型预测和预后评估。	系统性地总结了放射组学和深度学习在肾上腺肿块评估中的应用，特别是CNN在自动分割和端到端诊断框架中的优势，并强调了可解释性影像生物标志物的重要性。	当前面临技术限制、临床转化障碍和未来研究方向等挑战。	为构建智能、精准的肾上腺肿块评估系统提供理论基础。	肾上腺肿块，包括嗜铬细胞瘤/副神经节瘤、肾上腺皮质腺瘤和肾上腺皮质癌。	医学影像分析	肾上腺肿瘤	放射组学、深度学习	卷积神经网络（CNN）	医学影像数据	不适用	不适用	卷积神经网络（CNN）	不适用	不适用
133	2026-08-15	MAML-residual transformer for few-shot prediction of targeted therapy response in NSCLC 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1866438 PMID:42597321	研究论文	提出了一种结合模型无关元学习与残差变换器的MAML_RT框架，用于非小细胞肺癌靶向治疗反应的少样本预测。	整合模型无关元学习与残差变换器，利用多任务元训练学习高泛化参数初始化，并采用多头自注意力机制建模影像组学特征的全局相关性。	摘要中未明确提及局限性，可能受限于少样本场景和特定数据集，但具体未说明。	在有限标注样本条件下，开发准确且可泛化的NSCLC靶向治疗反应预测模型。	非小细胞肺癌（NSCLC）患者的影像组学特征及靶向治疗反应。	机器学习	非小细胞肺癌	NA	模型无关元学习（MAML）与残差变换器集成模型	影像组学特征数据（图像）	300名患者（内部验证），50名患者（极小样本场景），独立外部验证队列（数量未明确）	NA	残差变换器（Residual Transformer）	准确率、AUC	NA
134	2026-08-15	Profile analysis of college students' AI literacy and cognitive flexibility and its correlation with deep learning ability 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1921158 PMID:42597395	研究论文	本研究通过潜在剖面分析将大学生分为不同亚组，并探讨AI素养与认知灵活性与深度学习能力的关系	首次结合AI素养和认知灵活性对大学生进行潜在剖面分析，并探讨其与深度学习能力的关联	采用横断面设计，无法推断因果关系；样本仅来自中国两所大学，代表性有限	将大学生按AI素养和认知灵活性水平分为不同亚组，分析亚组影响因素，并比较不同亚组的深度学习表现	中国内地两所大学的591名大学生	机器学习	NA	问卷调查研究	潜在剖面分析（LPA）、多元逻辑回归、BCH方法	问卷数据	591名大学生	NA	NA	深度学习得分	NA
135	2026-08-15	A comparative analysis of pretrained Wav2Vec XLSR-53 and Whisper-Small models for automatic speech recognition in the Telugu language 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1878977 PMID:42597437	研究论文	本研究开发了针对泰卢固语的自动语音识别系统，比较了预训练的Wav2Vec XLSR-53和Whisper-Small模型在有限数据下的性能。	利用预训练模型在低资源语言场景下进行微调，解决了数据可用性有限的挑战，并在不同数据集上展示了满意结果。	研究仅使用了约20小时的语音数据，可能限制了模型的泛化能力，且未探索更大规模数据或更多模型变体。	评估预训练模型Wav2Vec XLSR-53和Whisper-Small在泰卢固语ASR系统中的有效性，以应对数据稀缺问题。	泰卢固语的语音数据，包含17,421个句子，来自OpenSLR、Common Voice、IndicVoices和IndicTTS四个公共数据集。	语音识别	不适用	预训练模型微调	Wav2Vec XLSR-53, Whisper-Small	音频数据	约20小时语音数据，包含17,421个句子	不适用	Wav2Vec XLSR-53, Whisper-Small	词错误率 (WER), 字符错误率 (CER)	不适用
136	2026-08-15	Machine learning and deep learning for diagnosis of Polyendocrine Metabolic Ovarian Syndrome: systematic review and meta-analysis 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1889375 PMID:42597477	系统评价与荟萃分析	本文通过系统评价和荟萃分析，评估了机器学习和深度学习模型在诊断多内分泌代谢性卵巢综合征（PMOS）中的诊断准确性，并识别了影响性能的因素	首次对ML/DL模型在PMOS诊断中的准确性进行定量综合，并使用HSROC曲线和元回归分析探索异质性来源，发现超声图像模型精度最高	纳入研究存在大量异质性，32项研究未报告诊断标准，仅4项进行外部验证，且存在小研究效应	评估ML/DL模型在PMOS诊断中的准确性，并确定影响模型性能的关键因素	多内分泌代谢性卵巢综合征（PMOS）患者	机器学习	多内分泌代谢性卵巢综合征	NA	机器学习模型、深度学习模型	临床参数、超声图像	56项研究、60个数据集	NA	NA	敏感度、特异度、HSROC曲线下面积、预测区间	NA
137	2026-08-15	Recent advances, comparative performance, and data requirements of artificial intelligence-assisted technologies for the diagnosis of gastric cancer 2026, Frontiers in gastroenterology (Lausanne, Switzerland) DOI:10.3389/fgstr.2026.1878353 PMID:42597474	综述	本文综述了人工智能辅助胃癌诊断技术的最新进展，比较了不同数据模态下代表性模型的性能，并提出了多模态AI-临床决策支持系统框架	提出了结构化多模态AI-临床决策支持系统框架，整合CT影像、内镜图像和视频、全切片病理图像、血清学指标、分子生物标志物和临床报告，并系统比较了模型在不同数据模态下的性能	临床转化仍需前瞻性多中心验证、标准化性能报告、可解释模型输出、隐私保护数据治理和法规合规部署	总结AI辅助胃癌诊断技术的最新进展，比较代表性模型性能，并探讨数据要求对模型性能的影响	胃癌诊断相关的人工智能模型，包括基于内镜图像、病理图像、非增强CT影像和多模态数据的模型	机器学习	胃癌	深度学习	深度学习模型	图像、视频、文本、分子数据	不适用	不适用	不适用	AUC、准确率、灵敏度、特异性、精确率/阳性预测值、F1分数	不适用
138	2026-08-15	Artificial intelligence for early prediction of gestational diabetes mellitus and preeclampsia: a systematic review of machine learning models and clinical decision support systems 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1890320 PMID:42597681	综述	本文系统综述了2020至2026年间基于人工智能的妊娠期糖尿病和子痫前期早期预测模型及临床决策支持系统的研究进展	提出了一个整合多模态数据、机制感知建模、可解释人工智能、标准化验证和临床决策支持的概念框架，以指导未来模型开发	现有模型多独立预测GDM或子痫前期，缺乏多模态数据整合、外部验证不足、可解释性有限，且该框架未被验证为预测系统	综合流行病学、临床、机制和AI证据，提出概念框架以支持未来精准孕产妇医疗	妊娠期糖尿病和子痫前期的预测模型及临床决策支持系统	机器学习	妊娠期糖尿病, 子痫前期	机器学习, 深度学习, 混合人工智能	机器学习模型, 深度学习模型, 集成模型	临床数据, 生化数据, 电子健康记录, 多模态数据	120项研究	NA	NA	AUC	NA
139	2026-08-15	From subjective assessment to data-driven diagnosis: the AI revolution in multimodal early detection of Sjögren's disease 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1792331 PMID:42598047	综述	本文系统综述了人工智能在多模态早期检测干燥综合征中的应用，探讨了从影像到分子组学数据的整合潜力及挑战	提出以因果感知的多模态融合框架为核心，强调超越相关性建模疾病机制，并引入联邦学习以解决数据隐私和利用大规模基因组数据	许多研究基于小规模、回顾性、单中心队列或主要依赖内部验证，限制了临床稳健性和泛化性	探讨人工智能整合多种数据流（从医学影像到分子组学）以克服干燥综合征诊断异质性，并推动早期干预和个性化治疗	干燥综合征患者的多模态数据，包括唾液腺超声、CT影像、病理、代谢组学和基因组学数据	机器学习	干燥综合征	影像分析、代谢组学、基因组学	深度学习模型（如FCN-DenseNet、AlexNet）、免疫聚类模型	图像、组学数据（代谢组学、基因组学）	NA	NA	FCN-DenseNet、AlexNet	AUC	NA
140	2026-08-14	Light-adaptive Janus smart bandages empowered by deep learning for precise wound monitoring 2026-Nov-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.119003 PMID:42425001	研究论文	本研究报道了一种仿生Janus智能绷带，结合光自适应深度学习模型，用于精确伤口监测和加速愈合	创新性地结合了仿生Janus结构和基于LSTM的光自适应深度学习模型，自主校准不同色温下的比色信号，消除环境光干扰，实现高精度伤口监测	文中未明确提及局限性	开发一种能抵抗环境光干扰的智能绷带，实现慢性伤口的精确监测和加速愈合	慢性伤口及其相关参数（pH、温度、葡萄糖浓度）	数字健康、机器学习	慢性伤口	比色传感	LSTM	比色信号数据	未明确提及（涉及体内实验）	NA	LSTM	准确率	NA