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	2026-05-23	A Hierarchical Multimodal Framework for Sedation Monitoring in ICU Patients 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3626584 PMID:41150235	研究论文	提出一种分层多模态融合动态校正框架，整合脑电图与生理信号用于ICU患者镇静水平监测	提出分层多模态融合与动态校正机制，通过置信加权方法智能融合脑电图时域特征和频谱特征，实现优于单模态和简单融合方法的镇静状态分类性能	未提及	开发一种连续、客观的ICU患者镇静水平监测方法，克服传统行为量表的主观性和延迟性	ICU患者的镇静水平分级（RASS评分从-5到+1的七个等级）	机器学习	重症监护疾病	脑电图（EEG）与生理信号采集	深度学习多模态融合模型（分层多模态融合动态校正框架）	时间序列信号（脑电图、血压、心率、血氧饱和度）	105名ICU患者的2880个标注RASS评估样本	NA	双流路径网络（处理原始时域脑电图数据和频谱图的谱特征）、动态校正模块	分类准确率（83.8%）	NA
2	2026-05-23	An Active Dry-Contact Continuous EEG Monitoring System for Seizure Detection Applications in Clinical Neurophysiology 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3629563 PMID:41196782	research paper	提出一种基于主动干接触电极的低成本可调脑电图头套，结合可解释深度学习模型和多模态伪影去除算法，用于新生儿癫痫检测	结合主动干接触电极、可调头套设计、可解释深度学习模型和多模态伪影去除算法，实现低成本、实时新生儿癫痫检测，在临床环境取得优于基准方法的性能	仅在单个儿科失神癫痫患者上进行临床评估，样本量小，可能限制泛化性	开发低成本、连续脑电图监测系统，用于新生儿癫痫检测	新生儿癫痫患者	machine learning	癫痫	干接触电极EEG	深度学习模型	脑电图信号	1位儿科失神癫痫患者	NA	NA	相关系数、信噪比、准确率、召回率	NA
3	2026-05-23	Direct Quantification of Uncertainty in Deep Learning-Based Automatic Sleep Staging 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3623380 PMID:41115081	研究论文	评估和比较深度学习中自动睡眠分期的不确定性量化方法	提出了一种新的Hypnodensity区间（HI）方法，结合样本均值和标准差进行不确定性评估	仅基于STAGES和DOD数据集验证，方法在更广泛场景中的表现需进一步探索	提高自动睡眠分期系统的透明度并支持临床采用	深度学习模型在睡眠分期中的不确定性量化方法	机器学习	睡眠相关疾病	MC dropout	深度学习模型（具体未指定）	脑电图等生理信号数据（来自STAGES和DOD数据集）	STAGES数据集用于训练，DOD数据集用于独立评估	NA	NA	准确率	NA
4	2026-05-23	A Cost-Efficient Multi-Angle Fusion Deep Learning for Ultrasound Localization Microscopy 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3623140 PMID:41115083	研究论文	提出一种名为AF-UNet的轻量级多角度深度学习框架，用于加速超声定位显微镜中的杂波滤波	AF-UNet通过处理旋转3D同相/正交数据的时空切片并融合，实现组织抑制与微血管重建，在多个解剖器官上表现出强泛化性和高图像保真度	NA	开发计算机高效且适用于实时临床应用的超声定位显微镜杂波滤波方法	微泡定位实现的微血管结构超分辨率成像	计算机视觉	NA	超声定位显微镜	深度学习模型 (AF-UNet)	超声图像数据	包括大脑、眼睛、肾脏在内的多种解剖器官数据	PyTorch	AF-UNet	图像保真度	NA
5	2026-05-23	Cross-Hemispheric Spatial-Temporal Attention Network for Decoding Silent Speech From EEG 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3624878 PMID:41129430	研究论文	提出跨半球时空注意力网络（CHSTAN）用于从脑电图解码无声言语	利用语言功能侧化原则，设计多尺度时间卷积块和半球空间卷积块，并引入交叉注意力机制增强半球间特征交互，特别强化左半球特征表示	研究仅针对10个中文汉字的无声言语任务，样本量和类别数有限，可能限制模型泛化能力	提高基于脑电图的言语解码性能	10个不同中文汉字的无声言语任务中的脑电图信号	机器学习	言语障碍	脑电图（EEG）	CNN（卷积神经网络）	信号	未明确报告样本数量，涉及10个中文汉字的无声言语任务	NA	跨半球时空注意力网络（CHSTAN）	准确率, F1分数	NA
6	2026-05-23	Zero-Shot Unsupervised Motion Estimation for Motion-Corrected Cardiac T1 Mapping 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3624279 PMID:41124069	研究论文	提出一种基于深度学习的零样本无监督运动估计方法，用于心脏T1映射的运动校正	利用物理qMRI信号模型进行零样本运动估计，无需大规模训练数据，对欠采样伪影具有鲁棒性	未提及实际计算资源需求或与其他运动校正方法的全面比较	实现连续采集的心脏qMRI数据的非刚性运动校正，缩短扫描时间	心脏T1映射中的运动估计与校正	数字病理学	弥漫性心肌纤维化	定量磁共振成像	U-Net	图像	数值模拟和体内采集数据	PyTorch	U-Net	T1精度, 清晰度, 时间图像对齐	NA
7	2026-05-23	In Silico Digital Breast Tomosynthesis Dataset for the Comparative Analysis of Deep Learning Models in Tumor Segmentation 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01626-z PMID:40760265	研究论文	评估计算机生成的数字乳腺断层合成（DBT）数据作为肿瘤分割深度学习模型训练来源的可行性	首次系统评估计算机生成的DBT数据在深度学习肿瘤分割中的可用性，并比较了13种模型架构在合成数据上的表现	样本量有限（230个感兴趣区域），合成数据与真实数据之间存在域偏移	探索计算机生成的DBT数据作为深度学习模型用于乳腺肿瘤分割训练的可行性	乳腺肿瘤分割任务及13种深度学习模型（U-Net、FCN、DeepLabv3、DeepLabv3+等）	计算机视觉	乳腺癌	数字乳腺断层合成成像	U-Net, FCN, DeepLabv3, DeepLabv3+	图像	230个二维感兴趣区域	PyTorch	U-Net, FCN, DeepLabv3, DeepLabv3+, ResNet50, ResNet101	F1分数, 交并比, 精确率, 召回率	NA
8	2026-05-23	Development and validation of deep learning for predicting the growth of ovarian cancer organoids 2026-Jan-05, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003575 PMID:40709801	研究论文	开发并验证基于深度学习的模型，用于预测卵巢癌类器官的生长	提出了一种可解释的深度学习模型，能够提前预测卵巢癌类器官的培养结果，并采用了同质迁移学习优化方法提升预测性能	研究可能受限于样本量及特定癌症类型，模型在临床实用性和过程自动化方面仍有待进一步发展	开发可解释的深度学习模型，提前预测卵巢癌类器官的培养结果	卵巢癌类器官及其纵向显微镜图像	数字病理学	卵巢癌	显微镜成像	卷积神经网络和Transformer	图像	517个卵巢癌类器官液滴（训练集325、验证集88、测试集104），外加179个多中心样本用于前瞻性验证	PyTorch	ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2	AUC, Brier评分	NA
9	2026-05-23	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	基于深度学习与外周血蛋白质组学预测流感病毒感染的研究	结合机器学习和蛋白质组学筛选出SAA1、SAA2和SERPINA3作为流感感染的关键分子标志物，并通过ELISA实验验证SAA2作为辅助诊断指标的潜力	样本来源单一，且仅验证了SAA2蛋白的辅助诊断价值，其他标志物如SERPINA3和SAA1的临床实用性需进一步研究	通过机器学习和外周血蛋白质组学预测流感病毒感染，并筛选出特异性分子标志物用于诊断和鉴别诊断	流感患者、COVID-19患者、混合感染患者及健康个体的外周血样本	机器学习、蛋白质组学	流感病毒感染	蛋白质组测序、ELISA	随机森林模型、LASSO回归模型	蛋白质组学数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体	NA	随机森林、LASSO回归	ROC曲线	NA
10	2026-05-23	Deep Learning-Based Prediction of PET Amyloid Status Using MRI 2025-Dec-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8899 PMID:40579043	研究论文	利用多对比度磁共振成像结合深度学习模型预测PET淀粉样蛋白状态	首次通过结合T1加权和T2 FLAIR图像的多对比度MRI，显著提高了基于深度学习的PET淀粉样蛋白状态预测性能	研究为回顾性设计，且模型在认知亚组中表现差异较大，外部验证AUC仅为0.65，说明预测能力有限	开发并验证基于MRI的深度学习模型，用于无创预测PET确定的β淀粉样蛋白阳性状态	阿尔茨海默病患者和认知正常人群的脑部多对比度MRI和PET数据	计算机视觉	阿尔茨海默病	PET, MRI	EfficientNet	图像	训练集4056例（平均年龄71.6岁，55%女性，55%淀粉样蛋白阳性），外部测试集149例（平均年龄72.1岁，57%女性，56%淀粉样蛋白阳性）	NA	EfficientNet	AUC, 准确率, 灵敏度, 特异度	NA
11	2026-05-23	Comprehensive non-small cell lung cancer targets: From computational prediction to clinical breakthroughs in overcoming drug resistance 2025-12, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2025.117333 PMID:40946977	综述	全面概述非小细胞肺癌靶向治疗的研究进展，涵盖计算预测方法、临床突破及克服耐药性的策略	整合了基于配体、基于结构和多特征深度学习模型的靶点预测方法，并讨论了第四代EGFR抑制剂amivantamab及合成致死等新兴耐药应对策略	未提供具体的实验验证数据，且多靶点药物设计仍处于理论阶段	系统梳理非小细胞肺癌靶向治疗中的预测方法、临床进展和耐药克服策略，为未来治疗开发提供指导	非小细胞肺癌中的经典致癌驱动基因（如EGFR）及药物耐药机制（T790M、C797S突变）	机器学习，自然语言处理	非小细胞肺癌	基于配体、基于结构和多特征深度学习的靶点预测方法	深度学习模型（多特征融合模型）	文本，分子结构数据	不适用	不适用	不适用	不适用	不适用
12	2026-05-23	Deep learning reveals how cells pull, buckle, and navigate fibrous environments 2025-Nov-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424047122 PMID:41269797	研究论文	结合相衬显微镜与深度学习实时映射细胞在纤维环境中的力学，揭示张力各向异性如何调控细胞行为	首次发现纤维环境中力学方向性超越刚度成为收缩性的主要调控因子，并开发了深度学习驱动的活细胞纤维力显微镜（DLFM）技术	NA	探究细胞在纤维基质中的力学感知机制及其对迁移、分裂和分化的影响	迁移细胞、干细胞	计算机视觉	NA	相衬显微镜、深度学习	深度学习模型（具体未指定）	图像、力学数据	NA	NA	NA	NA	NA
13	2026-05-23	Preoperative risk prediction of major cardiovascular events in noncardiac surgery using the 12-lead electrocardiogram: an explainable deep learning approach 2025-Nov, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2025.07.085 PMID:40967934	研究论文	利用可解释深度学习方法分析术前12导联心电图，预测非心脏手术中主要心血管事件的风险	首次使用深度学习结合术前12导联心电图与常规临床变量，构建多模态融合模型，显著提高非心脏手术后主要不良心血管事件的预测性能；采用生成式反事实框架提供波形级别的解释	回顾性研究设计，数据源自单中心（MIMIC-IV数据库），可能存在选择偏倚；模型仅在单一数据库验证，外部泛化性未评估	探究术前12导联心电图经深度学习分析能否改善非心脏手术后主要不良心血管事件的风险预测	37,081名接受大型非心脏手术的成年患者（2008-2019年，MIMIC-IV数据库）	机器学习	心血管疾病	12导联心电图	卷积神经网络	心电图波形、临床变量	37,081名成年患者	NA	卷积神经网络	AUROC（受试者工作特征曲线下面积）	NA
14	2026-05-23	Multidirectional interstitial flow promotes microvascular network formation: insights from a square chip-based platform 2025-11-01, Angiogenesis IF:9.2Q1 DOI:10.1007/s10456-025-10010-y PMID:41176522	研究论文	基于方形芯片平台探究多方向间质流对微血管网络形成的促进作用	首次证明多方向间质流促进微血管网络形成，并开发了方形芯片和深度学习分析工具VoCAT	未明确说明局限性	研究多方向间质流对微血管网络形成的影响及其在肿瘤微环境建模中的应用	微血管网络和肿瘤细胞迁移	机器学习	NA	方形芯片平台、深度学习	深度学习模型	图像	NA	NA	VoCAT	NA	NA
15	2026-05-23	Early diagnosis model of mycosis fungoides and five inflammatory skin diseases based on a multimodal data-based convolutional neural network 2025-10-17, The British journal of dermatology DOI:10.1093/bjd/ljaf212 PMID:40465821	研究论文	基于多模态数据卷积神经网络开发早期诊断蕈样肉芽肿和五种炎症性皮肤病的AI模型	首次利用多模态信息（临床信息、临床图像和皮肤镜图像）基于卷积神经网络构建蕈样肉芽肿与炎症性皮肤病的早期诊断模型，并验证其辅助皮肤科医生诊断的实用性	单中心回顾性研究，可能缺乏外部验证的泛化性	开发基于多模态信息的AI深度学习模型，验证其分类效率，并构建辅助皮肤科医生早期诊断蕈样肉芽肿和炎症性皮肤病的模型	1157例蕈样肉芽肿和炎症性皮肤病病例，包括2452张临床图像、6550张皮肤镜图像及对应临床数据	计算机视觉	皮肤癌	NA	卷积神经网络	图像	1157例病例，包括2452张临床图像和6550张皮肤镜图像	PyTorch	RegNetY400MF	准确率、精确率、灵敏度、特异度	NA
16	2026-05-23	Assessing the performance of artificial intelligence models in evaluating inflammatory skin disease severity: a systematic review and meta-analysis 2025-10-17, The British journal of dermatology DOI:10.1093/bjd/ljaf250 PMID:40570030	meta分析	系统评价和荟萃分析评估人工智能模型在评估炎症性皮肤病严重程度方面的表现	首次对多种皮肤病（特应性皮炎、痤疮、银屑病等）的基于图像的AI模型严重程度评估性能进行量化和比较，揭示了不同疾病和评分系统间的显著差异	纳入研究的数据报告透明度不足，缺乏高质量前瞻性研究，部分研究未使用客观参考标准	定性定量评估基于图像的AI模型在不同皮肤病严重程度评估中的性能	2017年1月至2023年4月发表的深度学习AI模型评估皮肤病严重程度的研究	计算机视觉	皮肤病	NA	深度学习模型	图像	45项研究纳入系统评价，19项纳入荟萃分析	NA	NA	敏感度、特异度	NA
17	2026-05-23	Uncertainty-aware quantitative CT evaluation of emphysema and mortality risk from variable radiation dose images 2025-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11525-0 PMID:40185924	研究论文	开发一种自动方法，用于联合评估肺气肿和死亡风险，并量化数据和模型不确定性	提出多任务贝叶斯神经网络，同时评估肺气肿和死亡风险，并量化数据和模型不确定性，提高不同辐射剂量CT协议间的评估一致性	未明确提及局限性，但可能包括样本量相对较小，以及模型在其他人群中的泛化性待验证	开发一种不确定性感知的自动方法，以一致地评估肺气肿和死亡风险	肺气肿患者的CT图像和死亡风险	计算机视觉, 机器学习	肺气肿, 慢性阻塞性肺疾病（COPD）	CT	贝叶斯神经网络（BNN）	图像	1350名参与者（平均年龄64.4岁；659名女性）	NA	多任务贝叶斯神经网络	均值差异, 皮尔逊相关系数, p值	NA
18	2026-05-23	A robust ensemble-based deep learning framework for automated retinal disease detection 2025 Oct-Dec, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251396416 PMID:41192815	研究论文	提出了一种鲁棒的基于集成学习的深度框架，用于自动检测视网膜疾病	将EfficientNetB3和ResNet50集成形成ResEfficientNetB3模型，同时利用了EfficientNetB3的缩放优势和ResNet50的残差学习能力，提高了多类视网膜疾病检测的准确性、鲁棒性和泛化能力	未提及具体限制	开发一个支持临床决策的自动多类视网膜疾病检测深度框架，解决现有模型在泛化性和准确性方面的限制	视网膜疾病检测	机器学习	视网膜疾病	图像增强	集成深度学习模型	图像	两个Kaggle数据集：数据集1包含4217张图像（四类），数据集2包含8230张图像（八类）	NA	ResEfficientNetB3（EfficientNetB3和ResNet50集成）	准确率、五折交叉验证、跨数据集验证	NA
19	2026-05-23	Integrating clinical guidelines with large language models for improved sepsis mortality prediction 2025 Oct-Dec, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251387649 PMID:41195684	研究论文	开发并验证了一种融合临床指南的大语言模型，用于改进脓毒症死亡率预测	首次将临床指南显式嵌入到LLM微调过程中，通过低秩适配方法显著提升了预测性能	未明确提及局限性	提升重症监护病房脓毒症患者死亡率预测的准确性	24,237名ICU脓毒症患者的临床数据（MIMIC-IV）	机器学习	脓毒症	NA	大语言模型（LLM）	文本数据	24,237名ICU脓毒症患者	NA	低秩适配（LoRA）微调的大语言模型	准确率, F1分数, 灵敏度, 特异度, AUC	NA
20	2026-05-23	Molecular dynamics simulations of proteins: an in-depth review of computational strategies, structural insights, and their role in medicinal chemistry and drug development 2025-09-26, Biological cybernetics IF:1.7Q4 DOI:10.1007/s00422-025-01026-0 PMID:41003729	综述	本文深入回顾了分子动力学模拟在蛋白质研究中的计算策略、结构见解及其在药物化学与药物开发中的作用	系统性地归纳了分子动力学模拟在蛋白质行为及其与抑制剂相互作用中的应用，并指出机器学习与深度学习技术有望推动该领域发展	现有挑战包括缩小计算模型与实际细胞条件之间的差距	综述分子动力学模拟在药物化学与药物开发中的角色及其计算策略和结构见解	蛋白质及其与抑制剂的相互作用	机器学习	NA	分子动力学模拟	机器学习	NA	NA	GROMACS, DESMOND, AMBER	NA	NA	NA