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	2026-05-19	Technical system of electroencephalography-based brain-computer interface: Advances, applications, and challenges 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00217 PMID:40903968	综述	系统分析基于脑电图的脑机接口技术在信号采集、范式设计、解码算法及应用方面的进展与挑战	全面梳理了脑电-脑机接口系统的四大支柱（信号采集、范式设计、解码算法、应用），并特别强调了非侵入式电极舒适性提升、微创技术实现近侵入式信号保真度、多模态融合（如结合眼动追踪）以及Riemann几何与深度学习的解码算法创新	信号质量长期稳定性不足、运动干扰、伦理数据问题、跨设备兼容性差以及跨个体校准需求高	弥合脑电-脑机接口技术与实际应用之间的差距，指导未来研究方向	基于脑电图的脑机接口系统、信号采集技术（湿/干/半干电极、微针阵列、血管内探针）、范式设计（运动想象、稳态视觉诱发电位、P300拼写器）、解码算法（Riemann几何、深度学习、迁移学习）	机器学习	卒中	脑电图	深度学习	脑电图信号	NA	NA	NA	NA	NA
2	2026-05-19	Artificial intelligence and peripheral neuropathies: Strategies for the development, application, and repair of regenerative biomaterials 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00561 PMID:41017675	review	探讨人工智能在周围神经再生生物材料开发中的应用，涵盖材料设计、性能预测和虚拟实验	系统探讨人工智能通过机器学习和深度学习优化神经再生生物材料的策略	数据整合、算法复杂性及临床转化的挑战	探索人工智能在神经再生生物材料研发中的应用潜力	周围神经再生生物材料	machine learning	周围神经病	NA	machine learning, deep learning	NA	NA	NA	NA	NA	NA
3	2026-05-19	Deep learning-based cognitive impairment brain imaging analysis: New methods, new technologies, and new paradigms 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00332 PMID:42148603	综述	探讨深度学习在由缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍脑磁共振成像分析中的应用，聚焦于病变分割、目标检测和图像分类三大核心任务	系统总结了U-Net、混合CNN-Transformer和3D-CNN等模型在三种疾病中的最新应用进展，并提出了联邦学习、域适应、自动标注和可解释人工智能等新范式以克服临床整合障碍	高质量标注数据集稀缺、站点间差异性大、标注成本高以及模型可解释性有限，阻碍了临床整合	探索深度学习在认知障碍脑磁共振成像分析中的应用，提升病变分割、异常区域定位和疾病分类的准确性、鲁棒性和泛化能力	缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍患者的脑磁共振成像数据	计算机视觉	心血管疾病、阿尔茨海默病、帕金森病	磁共振成像	卷积神经网络、变换器	图像	NA	NA	U-Net、混合卷积神经网络-变换器、三维卷积神经网络、ResNet、Vision Transformer	Dice系数、准确率	NA
4	2026-05-19	An integrated wearable microfluidic electrochemical/colorimetric intelligent sensing platform for comprehensive sweat analysis 2026-Aug-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118746 PMID:42061345	研究论文	提出了一种集成微流控电化学/比色传感的智能可穿戴平台，用于全面汗液分析	首次将高性能CuS/PDA@MXene纳米复合材料电化学传感层与水凝胶微流控/比色传感层结合，实现汗液成分与皮肤微环境的多模态监测，并采用CNN-LSTM深度学习架构处理比色信号	未提及	开发智能可穿戴平台用于动态监测汗液成分和皮肤微环境，推动个性化健康监测和数字医疗	汗液中的葡萄糖、乳酸、钾离子、钠离子，以及汗液皮肤微环境的pH值、温度和紫外线强度	机器学习, 数字化病理学	未指定	电化学传感, 微流控比色传感	CNN-LSTM	图像信号（比色信号）	未提及	NA	CNN-LSTM	未提及	NA
5	2026-05-19	Self-supervised Deep Learning for Denoising in Ultrasound Microvascular Imaging 2026-Aug-15, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2026.110368 PMID:42147495	研究论文	提出一种自监督深度学习框架HA2HA，用于超声微血管成像中的去噪，提升图像质量	创新性地使用互补角度子集的超声射频血流数据构建自监督训练对，无需标记数据即可实现去噪，并适用于无对比剂和增强对比剂的场景	未提及	解决超声微血管成像中低信噪比问题，提高血管可视化和下游分析质量	猪肾脏、人类肾脏和人类肝脏的超声微血管成像数据	计算机视觉, 数字病理学	未提及	超声成像	深度学习	图像（超声射频血流数据）	训练数据：无对比剂猪肾脏数据；测试数据：未见过个体的无对比剂和增强对比剂猪肾脏、人类肾脏和人类肝脏数据	NA	NA	对比噪声比	NA
6	2026-05-19	Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs 2026-Jun, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-025-02005-5 PMID:41160380	研究论文	利用量子化学性质进行迁移学习预测药物的血脑屏障渗透性	首次将量子化学性质（如极化率、偶极矩）作为预训练特征应用于迁移学习，提升血脑屏障渗透性预测的准确性，并验证其超越传统分子描述符（如LogP、分子量）和P-糖蛋白抑制基线的价值	实验验证仅用18种化合物，样本量较小；模型依赖PAMPA-BBB体外实验数据，可能无法完全代表体内血脑屏障渗透性	开发计算模型快速筛选药物的血脑屏障渗透性，节省中枢神经系统药物研发时间和资源	药物分子的血脑屏障渗透性预测，使用B3DB数据库约8000种化合物和18种EEBL化合物进行实验验证	机器学习	中枢神经系统疾病	NA	支持向量机, 深度神经网络, 直接消息传递神经网络, 迁移学习	分子结构数据（2D RDKit、Morgan指纹、量子化学性质）	B3DB数据库约8000种化合物，Emory Enriched Bioactive Library中18种FDA批准化合物	NA	SVM, DNN, D-MPNN	准确率, ROC-AUC	NA
7	2026-05-19	Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis 2026-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73094-0 PMID:42144397	研究论文	提出一种端到端自动化流程，结合深度学习与信号处理，用于血吸虫病现场即时检测的读取与质量控制	首次将深度学习与信号处理结合，实现血吸虫病侧流层析检测的自动定量分类，解决视觉判读不确定性，并在大规模现场队列中验证	NA	为被忽视热带疾病的即时检测开发自动化诊断分类流程	血吸虫病现场循环阴极抗原检测的侧流层析测试	计算机视觉，信号处理	血吸虫病	侧流层析检测	深度学习模型（CNN）	图像	乌干达农村SchistoTrack队列中3188名个体	NA	NA	灵敏度、特异度	NA
8	2026-05-19	Construction of a multi-dimensional predictive model for college students' academic performance based on deep learning 2026-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51012-0 PMID:42144405	研究论文	构建基于深度学习的大学生学业成绩多维预测模型，融合时间序列、行为与人口学特征	提出一种新型GatedLSTMU-Dove模型，通过优化算法提升收敛速度与预测精度，并实现可解释的时间模式可视化	未说明模型在更大规模或多样化数据集上的泛化能力，以及实际教学干预中的效果验证	开发一个鲁棒的预测模型，利用多维数据（时间、行为和人口学特征）预测大学生学业表现	2000名大学生的学业数据，包括成绩、出勤率、学习管理系统交互、心理测量和人口统计记录	机器学习	NA	NA	门控长短期记忆单元（Gated LSTM）	表格数据（数值型与分类型特征）	2000名学生样本	Python 3.10（未明确指定具体框架）	GatedLSTMU-Dove	分类准确率（98.85%）、低误差指标、可解释的时间模式可视化	NA
9	2026-05-19	Comparative evaluation of deep learning architectures for microbial colony classification in microbiological imaging 2026-May-18, BMC microbiology IF:4.0Q2 DOI:10.1186/s12866-026-05028-1 PMID:42144581	研究论文	对六种深度学习架构在微生物菌落分类中的性能进行头对头比较	在统一数据集和训练协议下，首次系统比较六种主流CNN架构在微生物菌落分类中的表现	仅使用单一数据集AGAR，且图像经过标准化裁剪和预处理，可能与实际临床环境存在差异	评估不同CNN架构在微生物菌落自动分类中的性能，为自动化微生物图像分析提供依据	五种微生物菌落（枯草芽孢杆菌、大肠杆菌、铜绿假单胞菌、金黄色葡萄球菌、白色念珠菌）	计算机视觉	NA	NA	CNN	图像	5,269张琼脂板图像，提取86,045个菌落裁剪图像，涵盖4,424个可计数板	PyTorch	AlexNet, SqueezeNet 1.1, ResNet18, ShuffleNetV2, EfficientNetB0, MobileNetV2	准确率、精确率、召回率、F1分数	NA
10	2026-05-19	Automated periapical lesion segmentation and area-based PAI indexing: a comparative deep learning study on periapical radiographs 2026-May-18, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08645-4 PMID:42144602	研究论文	本研究系统比较了四种深度学习架构在根尖周X线片上自动分割根尖周病变并基于面积计算根尖周指数（PAI）的性能	首次在统一协议下将像素级分割映射到临床可解释的根尖周指数（PAI）类别，并提出基于面积的PAI评分（aPAI）	未纳入定性影像特征（如边界定义、小梁变化），且仅使用单一数据集，缺乏外部验证	评估不同深度学习架构在根尖周病变分割及基于面积的PAI指数计算中的性能，并比较其优劣	900张匿名根尖周X线片及其专家标注的病变掩膜	计算机视觉	根尖周病变	X线成像	CNN	图像	900张根尖周X线片（训练集594张，验证集145张，测试集161张）	NA	U-Net, ResUNet34, DeepLabV3, HRNet	准确率, 敏感度, 特异度, 精确率, F1分数, AUC	NA
11	2026-05-19	P4NSU: Projection-Based Pretraining for Nonlinear Sparse Unmixing in Spectral Imaging 2026-May-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00440 PMID:42145112	研究论文	提出基于投影预训练的非线性稀疏解混框架P4NSU，用于光谱成像中各组分的精确量化	通过层次化预训练将大型光谱库蒸馏为紧凑任务子集，并引入可学习投影将光谱映射至特征空间，使解混简化为线性问题	未明确提及，但实验仅基于三种非线性模型合成数据集，可能对更复杂的真实场景适应性有限	解决光谱成像中非线性混合效应导致的组分量化挑战	光谱成像（高光谱和拉曼成像）中的混合光谱数据	计算机视觉	白血病	高光谱成像、拉曼成像	深度学习模型	光谱图像	三个合成数据集及真实数据集（颜料高光谱和白血病细胞拉曼成像）	PyTorch	自定义投影网络	均方根误差, 准确性	NA
12	2026-05-19	Improved delineation of the cystic artery using super-resolution deep learning reconstruction in contrast-enhanced abdominal computed tomography 2026-May-18, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01066-6 PMID:42149432	研究论文	本研究评估了超分辨率深度学习重建在对比增强腹部CT中改善胆囊动脉及其毗邻血管的显示效果	首次将超分辨率深度学习重建技术应用于对比增强CT中胆囊动脉的清晰显示，并与标准深度学习重建进行比较	在胆囊动脉检出率方面未见显著改善，且为回顾性研究	评估SR-DLR在对比增强腹部CT中改善胆囊动脉和相关腹部血管显示及图像质量的效果	60名接受对比增强腹部CT动脉期扫描的患者	计算机视觉	NA	对比增强CT	深度学习重建	图像	60名患者	NA	SR-DLR, DLR	CT衰减值, 图像噪声, 对比噪声比, 半峰全宽, 边缘上升距离, 边缘上升斜率	NA
13	2026-05-19	Graph attention network-based prediction of oral multi-drug resistance efflux protein sequence 2026-May-18, Minerva dental and oral science IF:1.1Q3 DOI:10.23736/S2724-6329.25.04946-0 PMID:42149558	研究论文	利用图注意力网络预测口腔多药耐药外排蛋白序列	首次将图注意力网络与超注意力机制应用于口腔耐药组蛋白序列预测	模型敏感度较低（0.51），可能遗漏部分阳性病例；样本量小，仅涵盖少数细菌蛋白序列	预测口腔多药耐药外排蛋白序列，为药物发现和耐药管理提供支持	口腔多药耐药外排蛋白序列（来自MprA、MarA、CpxA和MdtC蛋白的FASTA序列）	机器学习	NA	NA	图注意力网络 (GAT)	序列数据	7条蛋白质FASTA序列	Deepbio	图注意力网络, 超注意力机制	敏感度, 特异性, 真阴性率 (TNR)	NA
14	2026-05-19	Artificial intelligence (AI)-assisted ultrasound in clinical trials: Endpoint automation, decentralized monitoring, and regulatory readiness 2026-May-17, Drug discoveries & therapeutics DOI:10.5582/ddt.2026.01020 PMID:42002939	综述	综述了人工智能辅助超声在临床试验中的端点自动化、分散监测和监管准备方面的当前证据与监管发展	系统整合了AI在超声自动测量、实时采集引导及监管框架三方面的最新进展，揭示了AI提升超声可重复性与分散试验可行性的互补路径	尚未解决跨厂商领域泛化、亚组公平性及持续试验中的算法变更管理等挑战	评估AI辅助超声在临床试验中实现端点自动化、分散监测及满足监管要求的潜力	临床试验中的超声成像技术与AI辅助算法	计算机视觉	心血管疾病	超声成像	深度学习	图像	NA	NA	NA	可重复性、诊断可接受率、非劣效性	NA
15	2026-05-19	Customer churn prediction in privacy-preserving HashCode-based security abstractions 2026-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53357-y PMID:42144427	研究论文	提出一种基于哈希码的安全抽象方法，在保护隐私的前提下实现客户流失预测	将隐私设计理念融入客户流失统计，使用哈希码安全抽象在保持分析完整性的同时保护身份信息，无需依赖丰富标识符或大量基础设施假设	仅使用行为、交易和时间等结构化数据，未涉及非结构化数据或外部数据源	在严格隐私标准下评估和平衡多种机器学习与深度学习模型在客户流失预测中的性能	客户行为、交易及时间相关特征	机器学习	NA	匿名化哈希编码	逻辑回归、随机森林、XGBoost、多层感知机	结构化数据（行为、交易、时间）	未指定样本数量	Keras, Scikit-learn	Logistic Regression, Random Forest, XGBoost, Multilayer Perceptron	准确率、精确率、召回率、F1分数、AUC	未指定
16	2026-05-19	IL-HS: a deep inception-LSTM architecture for enhanced lithological mapping using EnMAP hyperspectral remote sensing data 2026-May-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52520-9 PMID:42144467	研究论文	提出IL-HS深度学习框架，用于利用EnMAP高光谱遥感数据进行增强岩性制图	首次将InceptionV2与双向长短期记忆网络结合用于高光谱岩性分类，实现多尺度空间特征与序列光谱信息融合	NA	实现半干旱和地质复杂区域的高精度岩性制图，以支持地质科学和矿产勘探	摩洛哥Anti-Atlas地区Kerdous内围层的26个岩性单元	计算机视觉	NA	高光谱遥感、EnMAP数据	Inception-LSTM	高光谱图像	NA	PyTorch	InceptionV2,双向长短期记忆网络	总体精度	NA
17	2026-05-19	MedNext-Insight Model for Automated Metabolic Tumor Volume Delineation on Computed Tomography and Prognostic Value in Nasopharyngeal Carcinoma 2026-May-16, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2026.05.005 PMID:42144163	研究论文	开发一种深度学习模型，用于在常规CT上自动描绘代谢肿瘤体积（MTV），无需PET，并验证其在鼻咽癌中的预后价值	首次在无需PET的情况下，仅基于常规CT实现准确的代谢肿瘤体积自动描绘，并验证了其预后价值	NA	开发基于深度学习的CT-only MTV自动描绘模型，并评估其在鼻咽癌中的预后区分能力	鼻咽癌患者的初始治疗前18F-FDG PET/CT扫描数据	计算机视觉	鼻咽癌	CT成像	深度学习分割模型	医学影像	392例训练与测试患者，135例内部时间验证患者	PyTorch	MedNext-Insight	Dice相似系数, 敏感性, 一致性指数	NA
18	2026-05-19	LaED: a novel lightweight, edge-aware and explainable deep learning model for privacy-preserving facial attendance tracking in resource-constrained educational environments 2026-May-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42051-8 PMID:42141001	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19	2026-05-19	A web-based platform for real-time stewed beef freshness monitoring: Integrating anthocyanin colorimetric film with deep learning 2026-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149643 PMID:42143922	研究论文	开发了一种集成花青素比色膜与深度学习的网络平台，用于实时监测炖牛肉的新鲜度	将pH响应比色膜与改进的Ordinal-ResNet-50模型相结合，实现了炖牛肉新鲜度的实时、非破坏性在线监测，并设计了自定义序数损失函数以优化分类性能	NA	构建从智能传感到在线智能的完整技术框架，用于数字化食品安全管理中炖牛肉新鲜度的实时监测	炖牛肉在4°C储存条件下的新鲜度变化	计算机视觉	NA	比色膜传感技术	卷积神经网络	图像	NA	PyTorch	Ordinal-ResNet-50	准确率	NA
20	2026-05-19	STAGE challenge: Structural-Functional Transition in Glaucoma Assessment 2026-May-15, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104128 PMID:42143993	研究论文	STAGE挑战赛探索从结构OCT图像直接预测功能VF指标，建立了青光眼结构-功能转换评估的首个标准化基准	首次建立大规模结构化数据集和标准化评估框架，将深度学习从结构分析拓展到结构-功能转换预测	数据规模有限（401个OCT体积），可能限制模型泛化性；仅关注OCT图像与VF指标关联，未涉及其他影像模态	开发从结构OCT图像预测功能性VF指标的方法，推动青光眼结构-功能关联分析	青光眼患者的结构OCT图像和对应功能性VF指标（平均偏差、敏感度图、模式偏差概率图）	计算机视觉, 数字病理学	青光眼	OCT成像	深度学习	图像, 表格数据	401个OCT体积（每个包含256张横截面图像），附带VF标签和人口统计学数据	NA	双分支架构（结合OCT与表格数据），任务特定OCT模型	NA	NA