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
1961	2026-08-17	Adaptive spatiotemporal graph learning for multi-horizon probabilistic wind power forecasting 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53844-2 PMID:42236856	研究论文	提出一种自适应时空图神经网络框架用于多时域概率风电功率预测，同时优化确定性精度、分布锐度和时间稳定性	自适应时空图神经网络框架，动态调整边权重以捕捉风气候驱动下的站点间相关变化，结合多目标损失函数同时优化均方误差、CRPS和时间平滑度	未明确提及局限性	实现多时域概率风电功率预测，提高预测准确性、校准性和时间一致性	风电场集群中的多个地理位置分布的风力发电站点	机器学习	NA	SCADA数据、气象数据	图神经网络 (GNN)	SCADA数据、气象数据	两年高分辨率数据，包含12个地理多样性的风电场站点	NA	ST-GNN	RMSE, CRPS, 校准误差, 时间秩序一致性	NA
1962	2026-08-17	Hybrid spatial-field attention network for meteorological data downscaling 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53017-1 PMID:42230883	研究论文	提出一种基于深度学习的混合空间场注意力网络（HSFANet），用于气象数据降尺度，以提高近地表气象变量的空间分辨率。	引入混合空间-场注意力模块，联合建模局部空间依赖、全局空间相关性和不同气象变量间的跨场交互，并采用动态层信息整合模块和地物交叉注意力机制。	未明确提及局限性。	解决现有气象产品空间分辨率粗糙的问题，实现高精度气象数据降尺度。	近地表气象变量（如温度、湿度等）以及CLDAS V2.0再分析数据。	计算机视觉, 深度学习	不适用	深度学习	注意力网络	气象栅格数据	未明确提及样本量。	未明确提及	混合空间场注意力模块，动态层信息整合模块，地物交叉注意力机制	准确率	未明确提及
1963	2026-08-17	Deep learning on genome-wide association studies to predict the patient-specific risk of radiation-induced erectile dysfunction 2026-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111531 PMID:41967608	研究论文	本研究开发了一种名为BioDeepGWAS的生物信息深度学习模型，利用全基因组关联研究数据和临床数据预测前列腺癌放疗患者发生辐射诱导勃起功能障碍的个体化风险	提出了一种结合已知生物学组件的深度学习模型BioDeepGWAS，首次将基因组遗传变异和临床数据整合用于RIED风险预测，并进行了通路分析以解释预测机制	样本量相对较小（N=387），且仅基于单一研究队列，未进行外部验证	利用深度学习方法整合基因组和临床数据，提高前列腺癌放疗患者辐射诱导勃起功能障碍风险的个体化预测准确性	668名接受放疗的前列腺癌患者的种系DNA和临床数据，其中387名可评估患者（221例RIED病例和166例对照）	深度学习, 基因组学	前列腺癌, 勃起功能障碍	全基因组关联研究（GWAS）基因分型	深度学习模型	基因型数据（SNP）、临床数据（年龄、雄激素剥夺治疗使用情况）	387名患者（训练集70%、验证集10%、测试集20%）	NA	NA	AUC、校准分析、比值比	NA
1964	2026-08-17	MRI-driven multimodal deep learning approach for predicting pathological complete response after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: A multicenter study 2026-06, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111796 PMID:41996781	研究论文	本研究开发了一种基于MRI的临床深度学习影像组学模型，用于预测局部晚期直肠癌患者新辅助放化疗后的病理完全缓解，并在多中心队列中进行了验证	结合了影像组学特征与深度学习特征，并采用SHAP分析和Grad-CAM方法增强模型的可解释性，通过多中心外部验证确保泛化能力	信息未提供	在治疗前无创预测局部晚期直肠癌患者新辅助放化疗后的病理完全缓解，以支持器官保留和个体化治疗决策	局部晚期直肠癌患者	机器学习	直肠癌	MRI	图像分类模型	图像	180例局部晚期直肠癌患者，其中训练队列92例，外部验证队列88例	NA	ResNet50, GoogLeNet, ResNet18, VGG16	AUC	NA
1965	2026-08-17	Integrating multi-omics data for enhanced prognosis prediction in gastric cancer post-neoadjuvant therapy 2026-06, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111837 PMID:42054940	研究论文	本研究整合CT图像的深度学习特征和免疫评分，构建并验证了胃腺癌新辅助治疗后的综合预后模型，以提高风险预测准确性。	创新性地将深度学习图像特征与免疫评分结合，构建多组学列线图，整合影像和转录组数据，提高预后预测精度。	未提及明确的局限性。	开发并验证一个整合深度学习特征和免疫评分的综合预后模型，以改善局部晚期胃癌新辅助治疗后的风险评估。	179例接受新辅助治疗的局部晚期胃癌（LAGC）患者，分为开发队列（n=125）、内部验证队列（n=54）和外部验证队列（n=29）。	数字病理学	胃癌	CT成像，转录组测序	CNN, 多因素Cox回归, LASSO回归	CT图像, 转录组数据	179例训练/内部验证，29例外部验证	NA	ResNet18	AUC, 3年无病生存率，总生存率	NA
1966	2026-08-17	Cataract-LMM Large-Scale Multi-Source Multi-Task Benchmark for Deep Learning in Surgical Video Analysis 2026-May-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07464-0 PMID:42173959	研究论文	本文介绍了一个大规模多源多任务白内障手术视频基准数据集，并评估了深度学习模型在手术视频分析中的性能	提供了多源采集、四层标注（手术阶段、实例分割、器械组织交互、技能评分）和配对技能-运动学标签的白内障手术视频数据集，并建立了跨中心的领域适应基线	未提及具体限制，可能包括数据集的规模和多样性仍有限	开发可泛化的多任务模型，用于手术流程分析、场景理解和基于能力的培训研究	白内障超声乳化手术视频	计算机视觉、数字病理学	白内障	视频分析	深度学习模型	视频	3,000个白内障超声乳化手术视频，来自两个手术中心，由不同专业水平的 surgeons 采集	NA	NA	未明确提及，可能包括准确率、召回率、F1分数、Dice系数等	NA
1967	2026-08-17	Simultaneous partial volume correction and denoising of brain PET images, using transformers and transfer learning 2026-May-22, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-026-01448-2 PMID:42171947	研究论文	本研究提出了一种基于Transformer和U-Net架构的深度学习部分体积校正方法，可同时去噪和校正脑PET图像的部分体积效应，适用于低剂量或短时间采集的临床和体模数据。	创新性地结合Transformer和U-Net架构，通过迁移学习策略融合体模和临床数据，实现了同时去噪和部分体积校正，且推理时仅需PET输入，无需MRI。	摘要中未明确提及研究的局限性。	评估深度学习模型能否从低计数或非部分体积校正的脑PET图像生成全计数、部分体积校正的图像，以提高图像质量和定量准确性。	脑PET图像，包括临床和体模数据集，使用18F-FDG和18F-Florbetapir示踪剂。	数字病理学	神经退行性疾病	PET成像	Transformer	图像	未明确说明样本数量	NA	Swin UNETR	结构相似性指数, 峰值信噪比, 相对均方根误差	NA
1968	2026-08-17	Artificial Intelligence as the Ultimate Operative Assistant 2026-May, Clinics in colon and rectal surgery IF:1.2Q3 DOI:10.1055/a-2769-1318 PMID:41948160	综述	本文综述了人工智能在手术领域中的应用，涵盖术前规划、术中辅助和术后管理等方面，并探讨了其发展前景和挑战	全面概述了AI在手术全流程中的应用，包括术前风险分层、解剖分割、术中阶段识别、增强现实叠加和实时决策支持，并展望了全自主手术机器人的可能性	未提供具体实验结果，对挑战的讨论较为宏观，缺乏深入的技术细节或案例研究	概述现代AI技术在手术中的应用现状、潜在影响及面临的挑战	手术流程中的AI应用，包括术前、术中和术后环节	机器学习、计算机视觉、自然语言处理	NA	NA	机器学习、深度学习模型（未指定具体类型）	图像、文本、视频等医学数据	NA	NA	NA	NA	NA
1969	2026-08-17	Mobile-based deep learning approach for the early diagnosis of canine skin and eye diseases using mobileNetV2 2026-May, Open veterinary journal IF:0.9Q3 DOI:10.5455/OVJ.2026.v16.i5.20 PMID:42375429	研究论文	本研究开发了一种基于MobileNetV2的移动端深度学习系统，用于犬类皮肤和眼部疾病的早期诊断。	首次将MobileNetV2架构应用于犬类皮肤和眼部疾病的移动端实时诊断，该模型在准确性和效率上优于InceptionV3和ResNet50，为资源有限地区提供了经济高效的诊断方案。	研究未明确提及局限性。	开发一个移动端深度学习系统，用于犬类皮肤和眼部疾病的早期诊断，特别是在兽医服务有限地区。	犬类皮肤和眼部疾病的图像，涵盖九种疾病类别。	计算机视觉	犬类皮肤病和眼部疾病	图像分类	CNN（卷积神经网络）	图像	包含九种犬类疾病类别的图像数据集（具体数量未提及）	未提及	MobileNetV2	准确率	未提及
1970	2026-08-17	Transformer-based Siamese multimodal imaging model for predicting pathological complete response after neoadjuvant chemoradiotherapy in locally advanced rectal cancer 2026-Apr-30, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16049-4 PMID:42062990	研究论文	本研究提出并验证了一种基于Transformer的Siamese多模态成像框架，用于预测局部晚期直肠癌新辅助放化疗后的病理完全缓解	创新性地将Transformer架构与Siamese多模态特征融合相结合，整合治疗前后的MRI特征，显著提高了pCR预测性能	未在更广泛的外部队列中验证，且依赖回顾性多中心数据，可能受选择偏倚影响	开发可靠的预测模型以支持器官保留策略，避免不必要的手术	接受新辅助放化疗的局部晚期直肠癌患者	医学影像分析	直肠癌	多模态磁共振成像	Transformer	MRI图像	440例患者，1,197个手工提取的影像组学特征	PyRadiomics	ResNet101，Transformer	AUC，决策曲线分析，校准曲线	NA
1971	2026-08-17	Deep learning approaches to map individual differences in macroscopic neural structure with variations in spatial navigation behavior 2026-02-15, Neuropsychologia IF:2.0Q3 DOI:10.1016/j.neuropsychologia.2025.109352 PMID:41443585	研究论文	本研究采用深度学习方法（图卷积神经网络和3D卷积神经网络）分析大脑宏观结构特征与空间导航行为个体差异之间的关联。	采用数据驱动的深度学习方法（GCNN和3DCNN）代替传统简单结构指标，探索复杂脑结构对空间导航能力的预测能力。	样本量小（N=90），仅使用单一行为测量指标，可能导致预测能力弱。	探究复杂大脑结构特征是否能够预测年轻人群的空间导航能力。	年轻成年人的大脑结构（T1 MRI数据）和空间导航行为。	机器学习	NA	NA	图卷积神经网络（GCNN）和3D卷积神经网络（3DCNN）	T1 MRI图像数据和行为测量数据	90名参与者	NA	GCNN, 3DCNN	预测能力（具体指标未提及，可能包括准确率等）	NA
1972	2026-08-17	Host-linked virome assembly and turnover predict bacterial community structure in wastewater treatment systems 2026-01-14, The ISME journal DOI:10.1093/ismejo/wrag120 PMID:42119030	研究论文	本研究通过宏基因组学、宏观生态建模和深度学习，分析了四个工业纺织废水处理厂中活性污泥和厌氧处理反应器的病毒组组成、动态及其与细菌群落的相互作用。	结合宏基因组学、宏观生态模型和深度学习，首次在工程生态系统中系统揭示病毒组的组装机制、时间周转及其与宿主的共进化关系，并开发深度学习模型预测细菌群落动态。	摘要未提及具体局限性。	探讨废水处理系统中病毒组的分布、组装机制和时间周转，并评估病毒组成对细菌群落动态的预测能力。	来自四个工业纺织废水处理厂的活性污泥和厌氧处理反应器中的病毒群落和细菌群落。	宏基因组学	不适用	宏基因组测序	深度学习模型	宏基因组序列数据	共收集了1046和1386个高质量病毒操作分类单元（vOTUs），分别来自活性污泥和厌氧处理系统。	NA	NA	准确度	NA
1973	2026-08-17	Systematic review and meta-analysis of AI-driven MRI motion artifact detection and correction 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105704 PMID:41442850	系统综述与meta分析	对人工智能驱动的MRI运动伪影检测与校正方法进行系统综述和meta分析，评估当前进展、有效性、挑战及未来研究方向	系统性地综述并量化分析了生成模型等深度学习方法在MRI运动伪影检测与校正中的应用效果，指出标准化数据集和报告协议的重要性	局限于现有文献的可用数据，存在样本量有限、报告标准不一等问题	评估AI驱动的MRI运动伪影检测与校正方法的有效性与挑战，并指明未来研究方向	已发表的关于AI（特别是深度学习生成模型）用于MRI运动伪影检测与校正的研究	医学影像分析	不特定于某种疾病（用于一般MRI图像质量改进）	MRI	生成模型（如GAN）及其他深度学习模型	MRI图像	纳入综述和meta分析的研究数量未在摘要中明确	NA	生成模型（如GAN）及其他深度学习架构	表现指标（如图像质量指标）未在摘要中详细列出	NA
1974	2026-08-17	Development of adaptive activation functions with curvature and range modulation for abstract image feature learning in complex CNNs for cross-domain applications 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0355613 PMID:42599944	研究论文	本文提出了一种新型自适应激活函数SMSA，通过动态调整激活空间的斜率、范围和曲率，增强了卷积神经网络在跨领域图像特征学习中的表现	提出三种SMSA实现方式（手动斜率、全局可学习系数、层间自适应系数），能够动态调制激活函数以增强网络表达能力和梯度流	未提及具体的局限性，但未来工作需扩展到图神经网络、transformer模型和自监督范式，并需进一步理论分析梯度流和表示几何	克服传统激活函数（ReLU、Sigmoid、tanh）的非自适应限制，提升CNN在多种数据分布下的学习能力和泛化性能	卷积神经网络中的激活函数，以及其在图像分类任务上的表现	计算机视觉	COVID-19	NA	CNN	图像	MNIST、Fashion-MNIST、HAM10000和COVID-19数据集（具体样本数量未在摘要中说明）	NA	Custom-CNN, SBNet-CNN, ResNet18, VGG16, DenseNet121	测试准确率	NA
1975	2026-08-17	Reservoir computing for network intrusion classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0355211 PMID:42599965	研究论文	本文探讨了在物联网环境中使用储层计算模型（回声状态网络和液态状态机）进行网络入侵检测，与传统深度学习模型相比，在保持性能的同时大幅降低计算复杂度	提出定制的ESN和LSM架构作为时间特征学习和攻击分类引擎，利用固定循环储层高效捕获网络流量动态，同时显著降低计算开销，并验证其在物联网入侵检测中的可行性	未明确提及具体限制，但储层计算模型在NIDS应用中仍相对未被充分探索	探索轻量级替代方案，用于物联网环境中的实时网络入侵检测，解决传统深度学习模型计算需求高的问题	网络流量数据，涵盖多种攻击类别	机器学习	不适用	不适用	回声状态网络（ESN）和液态状态机（LSM）	网络流量数据	1,379,274个网络流（来自NF-ToN-IoT数据集）	不适用	ESN和LSM架构	不适用	不适用
1976	2026-08-17	CT-PestNet: A novel crop pest classification model based on cross-scale feature distillation enhancement and vision transformer with local token interaction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0356061 PMID:42599968	研究论文	提出一种名为CT-PestNet的新型作物害虫分类模型，结合CNN与Transformer，通过跨尺度特征蒸馏增强和局部令牌交互模块提升分类精度	设计CFDE模块采用“蒸馏-增强”策略处理害虫形态多样性和复杂背景，构建LTIR模块增强相邻令牌特征交互，弥补Transformer局部特征捕捉不足	未在摘要中明确提及局限性	提高作物害虫分类的准确性和鲁棒性，解决CNN长距离建模能力弱和Transformer局部特征提取不足的问题	作物害虫图像，具体为IP102和D0数据集中的害虫样本	计算机视觉	农业害虫	深度学习	混合模型（CNN与Transformer）	图像	IP102和D0数据集（具体样本数量未在摘要中提供）	未明确提及	CNN与Transformer结合，包含跨尺度特征蒸馏增强模块（CFDE）和局部令牌交互模块（LTIR）	准确率	未提及
1977	2026-08-17	BrainFusionNet: an attention-augmented deep convolutional framework with hybrid loss optimisation and test-time augmentation for multi-class brain tumour detection in magnetic resonance images 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1834400 PMID:42601923	研究论文	提出了一种名为BrainFusionNet的新型深度学习流水线，用于磁共振图像中的多类脑肿瘤检测，结合了注意力机制、混合损失优化和测试时增强	在ImageNet预训练的EfficientNet-B4主干上集成卷积块注意力模块，设计两阶段微调策略和混合损失函数，并利用五折测试时增强集成提升性能	未明确提及	实现准确及时的脑肿瘤分类，并验证模型对未见多扫描仪临床数据的泛化能力	脑肿瘤MRI扫描中的四种类别（胶质瘤、脑膜瘤、垂体腺瘤、无肿瘤状态）	计算机视觉	脑肿瘤	MRI	CNN	图像	Kaggle脑肿瘤MRI数据集包含7200张标注扫描，BraTS 2020数据集用于跨机构验证（19个机构，3个扫描仪供应商）	未明确提及	EfficientNet-B4, ResNet-50, DenseNet-201, ViT-B/16	准确率, F1分数, AUC, McNemar检验	未明确提及
1978	2026-08-17	Artificial intelligence for opportunistic screening of osteoporosis across multiple imaging modalities: a systematic review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1870486 PMID:42601993	系统综述	本文按照PRISMA 2020指南进行系统综述，评估了基于人工智能的多种医学影像模式机会性骨质疏松筛查研究，并分析了其性能、异质性来源和偏倚风险	首次对多影像模态（CT、DXA等）的AI机会性骨质疏松筛查进行系统综述，并使用PCA分析异质性来源，发现样本量和单中心设计是主要驱动因素	纳入研究多为回顾性单中心，缺乏外部验证，可能高估模型表现，且PROBAST评估显示参与者选择和统计分析领域存在偏倚风险	总结AI在机会性骨质疏松筛查中的现状、性能和局限性，以指导未来研究和临床转化	57项研究（2019-2026年），涵盖CT、DXA等多种影像模态，目标包括骨质疏松、骨量减少和骨折风险预测	医学影像分析	骨质疏松	CT、DXA、深度学习、传统机器学习	深度学习模型（29项）、传统机器学习、基础模型	医学影像（CT、DXA等）	57项研究，具体样本量因研究而异，未在摘要中明确	NA	NA	AUC（范围0.630-1.000）	NA
1979	2026-08-17	Application of a parametric supermatrix multi-task multimodal deep learning model based on electroencephalogram and peripheral physiological signal fusion in emotion recognition 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1894285 PMID:42602082	研究论文	提出一种基于脑电图和外周生理信号融合的参数化超矩阵多任务多模态深度学习模型，用于情感识别，并在DEAP和SEED数据集上验证了其性能和效率	创新性地引入了参数化超矩阵结构、改进的挤压激励注意力机制、基于矩阵分解的轻量级全连接层以及多任务学习框架，以在低计算资源下实现高精度情感识别	论文未明确提及局限性，但可能受限于公开数据集的规模和环境，以及仅使用脑电图和外周生理信号，未涵盖其他模态如面部表情或语音	在有限计算资源下实现准确的情感识别，通过融合脑电图和外周生理信号，并降低模型复杂度以提高效率	生理信号（脑电图和外周生理信号）用于情感识别，具体包括差分熵和功率谱密度特征	机器学习, 深度学习	不适用	脑电图, 外周生理信号采集	卷积神经网络, 多任务学习	生理信号（时间序列）	DEAP数据集（32通道脑电图）和SEED数据集（62通道脑电图）	不适用	卷积神经网络, 挤压激励注意力机制, 全连接层（基于矩阵分解）	准确率, SHAP值	不适用
1980	2026-08-17	From Principles to Practice: Engineering Responsible AI for Geospatial Intelligence 2026, SN computer science DOI:10.1007/s42979-026-05258-0 PMID:42602105	研究论文	提出一种将负责任AI融入地理空间智能模型开发的概念框架和四阶段方法，并通过两项实验验证其有效性	提出将隐私、公平、透明和可解释性四大特性嵌入地理空间AI开发生命周期的概念视图，以及由Pareto-自适应R-AI合规算法驱动的四阶段方法论，实现量化验收标准	未明确提及局限性，但可能依赖特定基准数据集和模型，通用性有待验证	实现地理空间AI的负责任AI实践，证明其与预测准确性相容	地理空间AI应用，包括作物类型分类和城市洪水风险分类	计算机视觉	不适用	深度学习、数据融合	Vision Transformer	图像、地理空间数据	两项实验：PASTIS/EuroCrops基准数据和英国SuDS试点数据（具体样本量未提供）	PyTorch	Temporal-Spatial Vision Transformer (TSViT)	准确性、成员推理攻击准确率、地理性能差距、物理一致性、时间归因一致性、删除/插入/扰动稳定性分析	未明确提供，可能使用GPU