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
1	2026-02-14	Development of a deep neural network model for simultaneous analysis of extracellular analyte gradients for a population of cells 2026-Jun, Artificial intelligence in the life sciences DOI:10.1016/j.ailsci.2026.100156 PMID:41669397	研究论文	本研究开发了一种结合单壁碳纳米管荧光传感平台与深度学习模型的方法，用于快速分析细胞群体释放的细胞外一氧化氮空间梯度	首次将YOLOv8分割模型与单壁碳纳米管荧光传感平台结合，实现了对多种形态和聚集细胞群体的自动识别及细胞外分析物空间梯度的同步分析	未明确说明模型在不同细胞类型或实验条件下的泛化能力，也未讨论荧光信号可能受到的环境干扰	开发一种能够快速分析细胞外分析物空间分布的自动化方法，以研究细胞通讯动态	细胞群体释放的细胞外一氧化氮	计算机视觉	NA	荧光传感、单壁碳纳米管传感	CNN	图像	100对图像	NA	YOLOv8	召回率, 精确率	NA
2	2026-02-14	Redefining obstructive sleep apnea diagnosis: An attention augmented CNN-BiLSTM hybrid alternative to traditional PSG testing 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103808 PMID:41684745	研究论文	本研究提出了一种结合注意力机制的CNN-BiLSTM混合模型，用于自动检测阻塞性睡眠呼吸暂停，以替代传统的多导睡眠图诊断方法	提出了一种集成注意力机制的CNN-BiLSTM混合架构，并采用ANOVA选择的生理信号子集，以提高特征表示能力和分类性能	NA	开发一种替代传统多导睡眠图检测方法的自动化阻塞性睡眠呼吸暂停诊断方案	阻塞性睡眠呼吸暂停患者	机器学习	阻塞性睡眠呼吸暂停	NA	CNN, BiLSTM	生理信号数据	基于两个公开数据库	NA	CNN-BiLSTM混合架构	准确率, F1分数	NA
3	2026-02-14	Gaborformer: A method for depression detection through hybrid acoustic feature extraction and fusion 2026-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121172 PMID:41513150	研究论文	提出了一种名为Gaborformer的新型抑郁症检测框架，通过混合声学特征提取与融合来提升检测性能	提出了结合可学习Gabor滤波器与CNN的GaborNet模块，并引入分类迭代邻域成分分析（CINCA）进行特征选择，同时采用Conformer模型捕捉高维信号中的抑郁相关特征	未在摘要中明确说明研究的局限性	开发一种基于语音的抑郁症检测（SDD）先进方法	抑郁症患者的语音数据	自然语言处理	抑郁症	混合声学特征提取与融合	CNN, Conformer	语音数据	DAIC-WOZ和MODMA两个数据集	NA	GaborNet, Conformer	NA	NA
4	2026-02-14	Deep learning for depression prediction in older adults: A retrospective cohort study from CHARLS (2011-2020) with independent cohort validation in CLHLS (2008-2018) 2026-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121206 PMID:41554486	研究论文	本研究开发并验证了一种名为双注意力残差网络（DARNet）的深度学习模型，用于预测中国老年人群的抑郁风险	首次系统地将深度学习应用于中国老年抑郁预测，并提出了结合注意力机制的DARNet模型，通过独立队列验证了其有效性，并利用SHAP方法进行多维可解释性分析	研究数据主要来源于中国纵向调查，未来需要整合多中心临床数据以增强模型的普适性和现实应用价值	开发个体化的早期预测工具，以识别老年抑郁高风险个体并指导分层干预	中国老年人群（年龄>60岁）	机器学习	老年疾病	LASSO回归, SHAP方法	深度学习	纵向调查数据	CHARLS队列2781名老年人（2011-2020年五波数据），CLHLS独立队列（2008-2018年）	NA	双注意力残差网络（DARNet）	准确率, F1分数, AUROC, AUPRC	NA
5	2026-02-14	Peptide-responsive photonic hydrogels integrated with deep learning assistance for early MMP-9 detection 2026-May-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118444 PMID:41619461	研究论文	本文开发了一种基于肽响应光子水凝胶与深度学习辅助的早期MMP-9检测平台	结合MMP-9响应性光子水凝胶和深度学习智能手机应用，实现快速、便携、高灵敏度的视觉与定量检测	未明确提及长期稳定性、大规模临床验证或与其他生物标志物的交叉反应性	开发一种用于早期检测MMP-9的快速、便携、低成本检测方法	基质金属蛋白酶-9（MMP-9）	生物传感器与深度学习	炎症性疾病与癌症	酶联免疫吸附试验（ELISA）、迈克尔型加成反应、智能手机成像	深度学习模型	图像数据（水凝胶颜色变化）	复杂生物流体样本（具体数量未提及）	未明确指定	未明确指定	灵敏度（10.60 nm mL/ng）、检测限（0.62 ng/mL）、与ELISA的一致性	智能手机平台（具体型号未指定）
6	2026-02-14	Diagnostic value of a second-generation super-resolution deep learning-based reconstruction combined with a metal artifact reduction algorithm for pelvic CT 2026-Apr, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05080-4 PMID:41240086	研究论文	本研究评估了第二代超分辨率深度学习重建算法与金属伪影减少算法结合在骨盆CT图像中的诊断价值	首次将第二代超分辨率深度学习重建与金属伪影减少算法结合应用于金属髋关节植入患者的CT图像评估	回顾性研究设计，样本量较小（40例患者），仅评估了骨盆区域	评估深度学习重建算法与金属伪影减少算法结合对CT图像质量的改善效果	金属髋关节植入患者的骨盆CT图像	医学影像分析	骨科植入物相关	CT成像	深度学习重建算法	医学影像	40例患者（30例女性，年龄54-93岁）	NA	第二代超分辨率深度学习重建	标准差, 伪影指数, 5点评分	NA
7	2026-02-14	Ultrasound-guided sound speed correction for photoacoustic computed tomography 2026-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2026.100804 PMID:41685117	研究论文	本文提出了一种基于双模态深度学习的框架，通过联合处理共配准的光声和超声图像来校正组织中的异质性声速，以提高光声计算机断层扫描的图像质量	利用共配准超声图像中的丰富斑纹和高信噪比来估计空间变化的声速图，并将其与光声图像融合，以计算减少像差的光声图像，从而克服了传统方法在深层区域因光衰减导致信号衰减而限制声速准确性的问题	方法在数值和组织模拟体模上进行了测试，展示了跨域泛化能力，但可能未在更广泛的真实生物组织或临床场景中全面验证其鲁棒性和适用性	校正光声计算机断层扫描中组织空间异质性声速，以提高图像重建质量	光声和超声图像，以及数值和组织模拟体模	计算机视觉	NA	光声计算机断层扫描，超声成像	深度学习框架	图像	NA	NA	NA	NA	NA
8	2026-02-14	DASNet: A Convolutional Neural Network with SE Attention Mechanism for ccRCC Tumor Grading 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00693-8 PMID:40126867	研究论文	本文提出了一种名为DASNet的卷积神经网络，结合SE注意力机制，用于通过CT图像对透明细胞肾细胞癌（ccRCC）进行肿瘤分级	引入了Domain Adaptive Squeeze-and-Excitation Network（DASNet），结合了SE注意力机制和域对抗神经网络（DANNs），以增强模型在ccRCC分级中的识别准确性和泛化能力	未明确说明模型在外部验证集上的性能或临床实际应用中的潜在限制	开发一种非侵入性且高效的分类方法，用于早期检测和分级透明细胞肾细胞癌（ccRCC）	透明细胞肾细胞癌（ccRCC）的CT图像，包括不同分级和肾血管平滑肌脂肪瘤（AML）样本	计算机视觉	肾癌	CT成像	CNN	图像	未明确指定具体样本数量，但使用了增强和平衡的数据集，并包含AML样本	未明确指定，但可能涉及深度学习框架如TensorFlow或PyTorch	EfficientNet, RegNet	准确率	未明确指定
9	2026-02-14	SPCF-YOLO: An Efficient Feature Optimization Model for Real-Time Lung Nodule Detection 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00720-8 PMID:40455403	研究论文	本文提出了一种名为SPCF-YOLO的实时检测框架，用于CT图像中的肺结节检测，通过层次特征融合与解剖上下文建模提升检测性能	结合了空间到深度卷积模块、共享特征金字塔卷积模块、改进的金字塔挤压注意力模块和改进的上下文Transformer模块，以优化特征融合并增强对小目标的敏感性	未明确提及模型在更广泛数据集或临床环境中的局限性，如数据偏差或计算资源需求	开发一个高效的实时肺结节检测模型，以提高CT图像中肺结节检测的准确性和速度	CT图像中的肺结节	计算机视觉	肺癌	CT成像	YOLO	图像	NA	NA	SPCF-YOLO, SPDConv, SFPConv, PSA, CoTB	平均精度均值, F1分数, 帧率	NA
10	2025-06-07	A Multi-Task Deep Learning Approach for Simultaneous Sleep Staging and Apnea Detection for Elderly People 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00721-7 PMID:40474036	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11	2026-02-14	CPE-Pro: A Structure-Sensitive Deep Learning Method for Protein Representation and Origin Evaluation 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00732-4 PMID:40483648	研究论文	本文提出了一种名为CPE-Pro的结构敏感深度学习模型，用于蛋白质结构的表示和来源评估	整合了预训练的蛋白质结构序列语言模型和几何向量感知器-图神经网络，以学习结构感知的蛋白质表示并捕获结构差异，从而实现对四种结构数据来源的准确分类	未明确提及具体局限性，但未来研究方向包括扩展架构至更多蛋白质结构范式及开发低pLDDT预测结构的评估方法	评估蛋白质结构的来源，以评估实验解析和计算预测方法的可靠性，并指导下游生物学研究	蛋白质结构	机器学习	NA	深度学习	SSLM, GVP-GNN	蛋白质结构数据	NA	NA	SSLM, GVP-GNN	NA	NA
12	2026-02-14	Automated Multi-grade Brain Tumor Classification Using Adaptive Hierarchical Optimized Horse Herd BiLSTM Fusion Network in MRI Images 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00708-4 PMID:40533703	研究论文	本文提出了一种用于MRI图像中脑肿瘤多级分层分类的MGHCN模型，通过改进的预处理和特征提取方法，结合自适应优化的BiLSTM融合网络，以提高分类精度	提出了自适应分层优化马群BiLSTM融合网络（AHOHH-BiLSTM），用于多级脑肿瘤分层分类，并采用改进的自适应强度归一化（IAIN）和增强三角特征的DTCWT进行特征提取	未明确提及模型的计算复杂度、泛化能力到其他数据集或临床环境中的实际应用限制	提高MRI图像中不同级别脑肿瘤分类的精确度	MRI图像中的脑肿瘤	医学影像	脑肿瘤	MRI	BiLSTM	图像	使用了BraTS Challenge 2021、Br35H和BraTS Challenge 2023数据集，具体样本数量未明确	NA	自适应分层优化马群BiLSTM融合网络（AHOHH-BiLSTM）	精确度、召回率、F1分数	NA
13	2026-02-14	Criteria for Keratoconus Progression: A Systematic Review of Diagnostic Test Accuracy 2026-Mar-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004020 PMID:41247279	系统综述	本文对用于定义圆锥角膜进展的诊断标准进行了诊断测试准确性的系统综述	首次系统性地评估和比较了多种圆锥角膜进展诊断标准的准确性，并识别出综合指数和全局测量作为更理想的进展定义标准	纳入的研究数量有限（15项），且主要为回顾性研究，可能存在偏倚风险	评估用于定义圆锥角膜进展的各种诊断标准的准确性	圆锥角膜患者的眼睛	医学诊断	圆锥角膜	Belin/Ambrósio Enhanced Ectasia Display (BAD-D), ABCD 1 criteria, 前表面最佳拟合球面半径, 最大角膜曲率 (Kmax), 深度学习彩色编码图, 前段光学相干断层扫描	深度学习	医学影像数据（如角膜地形图）	3547只眼睛（来自2654名患者）	NA	NA	灵敏度, 特异性, 诊断比值比	NA
14	2026-02-14	Developmental Brain Age Estimation From MRI Data: A Systematic Review of Deep Learning Approaches and Open Datasets 2026-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70180 PMID:41414873	综述	本文系统综述了基于MRI数据和深度学习方法用于发育期大脑年龄估计的研究现状、开放数据集及临床意义	首次对胎儿期至2岁发育阶段的大脑年龄估计深度学习方法进行全面综述，整合了临床与技术视角、开放数据集及模型性能比较	证据等级为3级，技术效能处于第2阶段，表明研究仍处于发展阶段，可能存在方法学异质性和数据局限性	系统回顾和评估深度学习方法在发育期大脑年龄估计中的应用，推动该领域理论理解与临床实践	发育期（胎儿阶段至2岁）的大脑MRI数据	医学影像分析	神经发育障碍	MRI	深度学习	MRI图像	NA	NA	NA	NA	NA
15	2026-02-14	AlphaMissense pathogenicity scores predict response to immunotherapy and enhances the predictive capability of tumor mutation burden 2026-Mar, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2026.102697 PMID:41637811	研究论文	本文介绍了一种名为AlphaTMB的复合生物标志物，它结合了肿瘤突变负荷（TMB）和AlphaMissense深度学习模型预测的错义变异致病性评分，以增强对免疫检查点抑制剂治疗反应的预测能力	首次将AlphaMissense深度学习模型预测的错义变异致病性评分与TMB结合，形成AlphaTMB复合生物标志物，从而在量化突变数量的基础上增加了对突变功能影响的定性评估	研究基于回顾性队列（MSK-IMPACT研究），需要在前瞻性研究中进一步验证	提高对癌症患者免疫检查点抑制剂治疗反应的预测准确性	接受免疫检查点抑制剂治疗的癌症患者	机器学习	癌症	深度学习模型预测错义变异致病性	深度学习模型	基因组测序数据	1662名来自MSK-IMPACT研究的泛癌患者	NA	AlphaMissense	Spearman相关系数, Kaplan-Meier生存分析, Cox比例风险模型, 风险比（HR）	NA
16	2026-02-14	The AENEAS Project: Intraoperative Anatomical Guidance Through Real-Time Landmark Detection Using Machine Vision 2026-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100308 PMID:41669377	研究论文	本研究开发了一种基于深度学习的机器视觉模型，用于在复杂的显微手术（如翼点经侧裂入路）中实时检测解剖标志	首次将YOLOv7x深度学习目标检测模型应用于复杂神经外科手术中的解剖标志实时识别，验证了机器视觉在术中解剖引导的可行性	浅表结构（如硬脑膜和皮质脑回）的检测精度较低，可能由于形态相似性和光学变异性，且存在数据限制	开发一种机器视觉模型，用于术中解剖引导，以提高手术定位准确性并减少外科医生间的变异性	接受翼点经侧裂入路手术的76名患者的78个手术视频	计算机视觉	神经外科疾病	深度学习目标检测	YOLO	视频	78个手术视频（来自76名患者），包含5307个标注帧	NA	YOLOv7x	平均精度（AP50）	NA
17	2026-02-14	A Spatiotemporal Causal Model for Revealing Developmental Changes in Infants' Brain Effective Connectivity Networks During the First Year of Life 2026-Mar, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3596893 PMID:40773400	研究论文	本研究提出了一种新颖的时空格兰杰因果模型，用于揭示婴儿第一年大脑有效连接网络的发展变化	首次采用因果发现方法揭示婴儿第一年大脑有效连接网络的变化，模型通过从时间序列中学习时空特征并施加稀疏性惩罚来提取格兰杰因果关系，不同于现有基于深度学习的模型从神经网络第一层权重推断因果关系	NA	揭示婴儿第一年大脑有效连接网络的发展变化	健康婴儿的静息态脑电图数据	机器学习	NA	静息态脑电图	格兰杰因果模型	时间序列	NA	NA	时空格兰杰因果模型	AUROC, AUPRC	NA
18	2026-02-14	Representation Learning for Cerebrovascular Autoregulation: A Model Study With Experimental Data Classification 2026-Mar, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3598592 PMID:40802622	研究论文	本研究开发了一种新颖的深度表示学习模型，用于动态监测脑血管自动调节状态，并通过实验数据分类验证其性能	提出了一种基于深度表示学习的新模型，用于动态监测脑血管自动调节状态，并通过特征提取和分类模型显著提升了分类性能	研究基于模型研究和实验数据，可能未涵盖所有临床场景或患者群体	理解模型在脑血管自动调节状态下的行为，并开发基于特征提取的分类模型以优于现有压力反应性指数	脑血管自动调节状态，特别是创伤性脑损伤后的动态变化	机器学习	创伤性脑损伤	深度表示学习，交叉谱分析	深度学习模型	时间序列数据	NA	NA	深度表示学习模型	精确度，召回率	NA
19	2026-02-14	DINOMotion: Advanced Robust Tissue Motion Tracking With DINOv2 in 2D-Cine MRI-Guided Radiotherapy 2026-Mar, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3599457 PMID:40811295	研究论文	本文提出了一种基于DINOv2与LoRA层的新型深度学习框架DINOMotion，用于2D-Cine MRI引导放疗中的鲁棒、高效且可解释的组织运动追踪	结合DINOv2的强大特征表示与LoRA层减少可训练参数，实现直接计算图像配准，提供显式视觉对应以增强可解释性，并有效处理大错位	NA	开发一种鲁棒、高效且可解释的运动追踪方法，以提升2D-Cine MRI引导放疗的治疗效果和安全性	志愿者和患者数据集中的肾脏、肝脏和肺部组织	计算机视觉	NA	2D-Cine MRI	深度学习框架	图像	NA	NA	DINOv2, LoRA	Dice系数, Hausdorff距离	NA
20	2026-02-14	DeepArousal-Net: A Multi-Block Recurrent Deep Learning Model for Proactive Forecasting of Non-Apneic Arousals From Multichannel PSG 2026-Mar, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3596900 PMID:40824988	研究论文	本研究开发了一种名为DeepArousal-Net的深度学习模型，用于从多通道PSG记录中准确预测非呼吸暂停性睡眠觉醒	提出了一种新颖的多块循环深度学习模型，能够提前30秒预测非呼吸暂停性睡眠觉醒，相比传统时间序列预测方法具有优越性能	NA	开发一个深度学习模型，用于准确预测非呼吸暂停性睡眠觉醒，以改善睡眠质量和整体健康	多通道PSG记录，包括EEG、ECG、EOG、EMG、血氧饱和度和气流信号	机器学习	睡眠障碍	多通道PSG	CNN, Bi-LSTM	多通道生理信号	NA	NA	DeepArousal-Net	准确率, 灵敏度, 特异性	NA