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
181	2026-07-03	MI-Mamba: A hybrid motor imagery electroencephalograph classification model with Mamba's global scanning 2025-02, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.15288 PMID:39844431	研究论文	提出一种将卷积神经网络与Mamba混合的脑电图分类模型MI-Mamba，用于运动想象数据解码	首次将Mamba的状态空间模型引入运动想象脑电解码，利用其全局扫描能力克服传统CNN和Transformer在长序列建模中的效率与依赖问题，同时将参数量减少近六倍	未明确提及，但可能需进一步验证在更多样化的数据集和真实场景中的泛化能力	提升运动想象脑电图解码的准确性并降低计算复杂度	运动想象脑电图信号	机器学习	NA	脑电图	CNN与Mamba混合模型	脑电图信号	两个公开运动想象数据集：BCI Competition IV 2a（四类任务）和BCI Competition IV 2b（两类任务）	NA	单卷积层结合Mamba模块	准确率	NA
182	2026-07-03	Deep learning for the classification of atrial fibrillation using wavelet transform-based visual images 2025-01-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02872-5 PMID:39838437	研究论文	利用基于小波变换的视觉图像和深度学习进行心房颤动分类	首次使用Morse连续小波变换将心电图信号转换为图像，并结合深度学习进行房颤分类，获得了优于同类研究的效果	将信号转换为小波形式可能仅带来微小改进，但可能显著提升未来基于信号的诊断结果	探索使用Morse连续小波变换结合深度学习分类房颤的方法	心电图信号中的房颤分类	机器学习	心血管疾病	ECG信号处理	CNN	图像	未明确指定	NA	NA	准确率, F1分数, AUC	NA
183	2026-07-03	Optimizing hip MRI: enhancing image quality and elevating inter-observer consistency using deep learning-powered reconstruction 2025-01-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01554-y PMID:39806303	研究论文	本文探讨利用深度学习重建技术优化髋关节MRI检查，在缩短扫描时间的同时提升图像质量和观察者间一致性	首次将深度学习重建方法应用于髋关节MRI加速成像，在不影响诊断效能的前提下实现约66.5%的扫描时间缩减，同时显著提升图像信噪比和对比噪声比	样本量较小（60例），且为回顾性研究，未对不同深度学习模型架构进行对比分析	评估深度学习重建技术在髋关节MRI中的图像质量改善效果和临床应用价值	接受髋关节MRI检查的60例患者	计算机视觉	髋关节疾病	深度学习重建	深度学习	图像	60例髋关节MRI患者	NA	NA	图像质量5分制评分、相对信噪比、相对对比噪声比、加权kappa统计量、Wilcoxon符号秩检验	NA
184	2026-07-03	From Sequence to System: Enhancing IVT mRNA Vaccine Effectiveness through Cutting-Edge Technologies 2025-01-06, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.4c00863 PMID:39601789	综述	全面概述体外转录mRNA疫苗的最新研究进展和优化策略，包括人工智能在mRNA结构优化和递送系统设计中的应用	系统总结了人工智能和深度学习技术在IVT mRNA结构优化与递送配方设计中的创新应用，并涵盖了脂质纳米颗粒、聚合物和外泌体等前沿递送平台的最新进展	未明确指出具体局限性，但综述性质决定了缺乏实验验证数据	探讨IVT mRNA疫苗面临表达水平有限、非特异性肝靶向、快速降解和非预期免疫激活等挑战的解决方案，推动其临床转化	IVT mRNA分子及其递送系统	机器学习	传染病、癌症、遗传性疾病	体外转录	深度学习模型	文本	NA	NA	NA	NA	NA
185	2026-07-03	Machine Learning Models for Predicting Monoclonal Antibody Biophysical Properties from Molecular Dynamics Simulations and Deep Learning-Based Surface Descriptors 2025-01-06, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.4c00804 PMID:39606945	研究论文	利用分子动力学模拟和深度学习表面描述符构建机器学习模型，预测单克隆抗体的12种生物物理特性	首次结合全长抗体分子动力学模拟与DeepSP深度学习模型预测抗体的生物物理特性，且DeepSP在降低计算时间的同时达到与分子动力学模拟相当的预测效果	NA	开发高效预测单克隆抗体生物物理特性的机器学习模型，以加速抗体药物的研发和可开发性评估	137种抗体的12种生物物理特性（如聚集倾向、溶解度、粘度）	机器学习	NA	分子动力学模拟	深度学习模型	序列和生物物理特性数据	137种抗体的12种生物物理特性	PyTorch	DeepSP	预测性能对比	NA
186	2026-07-03	FormulationBCS: A Machine Learning Platform Based on Diverse Molecular Representations for Biopharmaceutical Classification System (BCS) Class Prediction 2025-01-06, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.4c00946 PMID:39647169	研究论文	基于多种分子表征的机器学习平台用于生物药剂学分类系统类别预测	首次开发基于高性能机器学习模型的BCS分类网络平台，整合了从一维分子指纹到三维空间坐标的多种分子表征，并对比多种算法后选择最优模型部署于在线平台	外部验证数据集规模有限，模型对log D和log P的预测性能存在差异，且未提及平台可扩展性和实际应用中的计算效率	开发用于高通量BCS类别预测的机器学习网络平台，提高药物早期开发中候选药物的可开发性评估效率	药物分子的溶解性和渗透性相关BCS类别	机器学习	NA	分子表征（指纹、描述符、分子图、三维空间坐标）	LightGBM, AttentiveFP, XGBoost	分子结构数据	四个BCS相关分子属性数据集及一个上市药物BCS类别外部验证集	NA	LightGBM, AttentiveFP, XGBoost	R², 准确率	NA
187	2026-07-03	Subject-Based Transfer Learning in Longitudinal Multiple Sclerosis Lesion Segmentation 2025 Jan-Feb, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.70024 PMID:39923192	研究论文	提出两种基于迁移学习的流程，以改善纵向多发性硬化病变分割的性能	针对每个受试者使用首次扫描微调深度学习模型，并提高该受试者后续扫描的分割性能	NA	提高纵向多发性硬化数据集中的病变分割准确性和一致性	多发性硬化患者的纵向MRI扫描	机器学学习	多发性硬化	MRI	深度学习模型（未具体指明）	图像	937名MS患者，3210次扫描	NA	NA	Dice系数, 灵敏度, 平均体积差异	NA
188	2026-07-03	Mitigating catastrophic forgetting in Multiple sclerosis lesion segmentation using elastic weight consolidation 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103795 PMID:40403421	研究论文	首次将弹性权重巩固应用于多发性硬化病变分割的域增量学习，减轻灾难性遗忘	首次在域增量学习背景下将弹性权重巩固用于多发性硬化病变分割，仅需少量目标域图像即可在适应新域的同时保留旧知识	未提及具体局限性	解决多发性硬化病变分割中深度学习方法因域偏移导致的灾难性遗忘问题	3D U-Net模型在多发性硬化病变分割任务中的域适应能力	计算机视觉	多发性硬化	弹性权重巩固	3D U-Net	图像	公共数据集（WMH2017和Shifts）及内部数据集，少量学习场景中仅使用3或5张目标域图像	PyTorch	3D U-Net	F-score	未提及
189	2026-07-03	A robust deep learning framework for cerebral microbleeds recognition in GRE and SWI MRI 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103873 PMID:40886589	研究论文	提出一种用于GRE和SWI MRI中脑微出血识别的稳健深度学习框架	结合3D CNN和YOLO方法，在公共和私有数据集上有效降低假阳性率，提升检测鲁棒性	未提及具体局限性	提高脑微出血自动检测的准确性，减少假阳性，确保临床和正常病例的鲁棒性	脑微出血病灶	计算机视觉, 数字病理学	脑血管疾病, 神经系统疾病	GRE, SWI MRI	3D CNN, YOLO	影像	涉及ADNI、AIBL、OATS和MAS四个数据集	NA	3D CNN, YOLO	平衡准确率, AUC, 精确率, 敏感度, F1分数	NA
190	2026-07-03	Predicting language outcome after stroke using machine learning: in search of the big data benefit 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103858 PMID:40773787	研究论文	利用机器学习预测中风后语言恢复结果，并探索大样本数据效益	通过学习曲线方法系统评估样本量对逻辑回归与深度学习模型性能的影响，发现神经影像数据维度可大幅降低而不显著损失精度，提示分类可能依赖于简单模式如病变大小	当前数据集大小可能限制了进一步精度提升，且未达到绝对分类性能上限	探索样本量对机器学习模型预测中风后语言结局性能的影响及大数据的潜在优势	758名英语中风患者	机器学习	中风	神经影像	逻辑回归，ResNet-18	表格数据、神经影像数据	758名中风患者	NA	逻辑回归，ResNet-18	准确率	NA
191	2026-07-03	Infectious disease prediction model based on optimized deep learning algorithm 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1703506 PMID:41613087	研究论文	提出基于遗传算法优化的GA-BiLSTM-ARIMA混合模型，用于传染病时间序列预测，并在日本COVID-19病例数据上验证其优越性	首次将遗传算法、双向长短期记忆网络与自回归积分滑动平均模型系统融合，通过智能优化策略实现混合模型的自动参数寻优，显著提升传染病预测的准确性和鲁棒性	仅基于日本COVID-19病例数据验证，未检验模型在不同国家或不同类型传染病中的泛化能力	开发一种高精度、鲁棒的传染病预测模型，以支持疫情防控策略的制定和早期预警	日本COVID-19疫情时间序列数据（病例数）	机器学习	COVID-19（传染病）	NA	混合模型（遗传算法+双向LSTM+ARIMA）	时间序列数据	NA（未明确样本量，仅提及日本病例数据）	NA	GA-BiLSTM-ARIMA, BiLSTM, ARIMA	RMSE, MAE, MAPE, R²	NA
192	2026-07-01	Real-time monitoring system for early stroke detection based on fog computing and enhanced deep learning techniques 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28513-5 PMID:41455702	研究论文	提出了一种基于雾计算和增强深度学习技术的实时中风检测与监测系统	结合雾计算与IoMT设备实现实时中风监测，利用YOLOv8进行人脸检测，并采用提出的CNN模型进行分类	未提及具体局限性	开发一种用于早期中风检测的实时监测系统，以促进快速临床干预	患者面部图像	计算机视觉	中风	NA	CNN	图像	未提及具体样本量	NA	YOLOv8, CNN	准确率, 灵敏度, 特异度, 精确率, F1分数	雾节点
193	2026-07-01	Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8001137/v1 PMID:41333439	研究论文	开发并验证了一种基于一维注意力门控U-Net的深度学习模型，用于分割机械通气波形中的吸气与呼气起始点	首次将注意力门控U-Net架构应用于通气波形时间序列分割，在噪声真实数据中优于传统启发式方法，并能通过梯度加权类激活图解释模型决策特征	NA	实现机械通气波形的高精度实时分割，为患者-呼吸机异步事件的可重复量化提供基础	机械通气波形中的吸气与呼气起始点	机器学习	NA	NA	深度学习	时间序列波形	来自33名患者的9,719次呼吸	NA	注意力门控U-Net	F1分数	NA
194	2026-07-01	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-11, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	利用深度学习模型分析MRI数据，发现上气道体积可预测青少年大脑结构及认知能力	首次在大规模青少年队列中应用深度学习技术进行上气道分割，并揭示上气道体积作为认知结局的生物标志物	未提及具体局限性	探讨上气道体积与青少年认知及大脑结构的关系	9-10岁青少年（共11,875名）	深度学习	儿童睡眠呼吸障碍	MRI	深度学习模型	大脑磁共振成像切片	5,552,640张大脑MRI切片	NA	深度学习模型	NA	NA
195	2026-07-01	Transforming sleep medicine: the evolving role of artificial intelligence 2025-11-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001210 PMID:40855966	综述	探讨人工智能在睡眠医学中的演变角色及其对诊断和治疗的影响	系统总结了AI技术在阻塞性睡眠呼吸暂停、失眠和发作性睡病等睡眠障碍检测中的应用，并强调了基于睡眠障碍内分型实现个性化治疗的潜力	临床应用中存在伦理问题，包括患者隐私、数据使用偏见和透明度不足等挑战	解释AI在睡眠医学中的演变角色，为临床医生提供关于其益处和局限性的关键信息	睡眠医学领域，包括阻塞性睡眠呼吸暂停、失眠、发作性睡病等睡眠障碍	机器学习	睡眠障碍	NA	NA	文本	NA	NA	NA	NA	NA
196	2026-07-01	Establishment of normative spleen volume in a Japanese cohort using automated CT segmentation: diagnostic implications for liver fibrosis 2025-Oct-30, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04383-z PMID:41168695	研究论文	利用基于深度学习的自动化CT分割建立日本人群的脾脏体积参考值，并评估其用于肝纤维化分期诊断的意义	首次通过深度学习分割技术为日本人群建立脾脏体积的标准化参考值，并基于预测残差定义脾肿大的Z评分阈值，用于无创性肝纤维化分期	外部队列样本量较小（仅136例肝病患者），且未包含对照组的健康人群数据	建立日本人群的脾脏体积参考值，并验证体积定义的脾肿大在肝纤维化分期中的诊断价值	日本健康成年人（4732例）及经组织学确认的肝病患者（136例）	计算机视觉	肝病	非增强腹部CT	深度学习分割模型	CT图像	4732例健康成人（数据集1）和136例肝病患者（数据集2）	NA	NA	Dice系数，平均绝对误差，曲线下面积（AUC）	NA
197	2026-07-01	Pulmonary Blood Volumes on CT Predict Residual Pulmonary Hypertension Post-Pulmonary Endarterectomy 2025-Oct-22, American journal of respiratory cell and molecular biology IF:5.9Q1 DOI:10.1093/ajrcmb/aanaf026 PMID:42085489	研究论文	基于CT的肺血容量预测肺动脉内膜剥脱术后的残余肺动脉高压	首次利用深度学习模型自动分割CTPA中动静脉并定量测量肺血容量，以预测PEA术后残余肺动脉高压	未提及明显局限性，但可能受限于回顾性设计和样本量	评估基于CTPA的肺血容量在预测PEA术后血流动力学结局中的应用价值	接受肺动脉内膜剥脱术（PEA）的慢性血栓栓塞性肺动脉高压（CTEPH）患者	机器学习和计算机视觉	慢性血栓栓塞性肺动脉高压	CTPA（计算机断层扫描肺血管造影）	深度学习血管分割模型	医学影像（CTPA）	发现队列71例，验证队列102例	NA	深度学习血管分割模型（具体架构未指定）	AUROC	NA
198	2026-07-01	The Seizure Embedding Map: A Spatio-Temporal Transformer for Comparing Patients by Ictal Intracranial EEG Features at Scale 2025-Oct-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.15.25338097 PMID:41282754	研究论文	提出一种基于时空Transformer的癫痫发作嵌入图，用于比较药物难治性癫痫患者基于颅内脑电图特征的发作模式	首次引入灵活处理不同电极数量和植入位置的时空Transformer模型，将临床颅内脑电图数据编码为嵌入向量，实现跨患者的发作特征定量比较	发作聚类未能在治疗或术后结局方面区分患者，且缺乏多模态数据整合，聚类结果与解剖区域和发作分类关联显著但预测能力有限	通过定量化颅内脑电图记录中的时空特征，建立新患者与既往病例之间的可比性，为药物难治性癫痫的手术治疗提供循证决策支持	药物难治性癫痫患者的癫痫发作事件，包括立体定向脑电图和皮层脑电图记录	机器学习	癫痫	颅内脑电图	Transformer	时间序列信号	102名受试者的882次临床癫痫发作记录	PyTorch	卷积层与时空位置编码器结合的Transformer	验证准确率	NA
199	2026-07-01	Inferring Dynamic Information from Protein Structures by Gaussian Integrals and Deep Learning 2025-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.22.677755 PMID:41040270	研究论文	提出一种从静态蛋白质结构推断动态灵活性信息的深度学习框架，无需分子动力学模拟	利用高斯积分向量作为蛋白质骨架的全局形状和拓扑不变量，结合注意力机制的一维卷积神经网络实现灵活性与非灵活性分类，性能优于传统方法	对高度灵活性蛋白质的预测存在系统性低估，且不同二级结构类型（如α螺旋）的预测效果差异较大	开发无需分子动力学模拟即可从蛋白质静态结构预测动态灵活性的计算方法	来自ATLAS数据库的1,374条蛋白质链的标准化全原子分子动力学轨迹数据	机器学习	不适用	分子动力学模拟、高斯积分	一维卷积神经网络、循环神经网络、注意力机制	蛋白质结构坐标、30维高斯积分向量	1,374条蛋白质链，每条链对应标准化全原子分子动力学轨迹	PyTorch	注意力机制的一维卷积神经网络、循环神经网络	AUC、精确率、召回率、F1分数、R	未明确提及
200	2026-07-01	Quantitative Computed Tomography Measures of Lung Fibrosis and Outcomes in the National Lung Screening Trial 2025-09, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202410-1048OC PMID:40208581	研究论文	研究国家肺部筛查试验中定量CT测量的肺纤维化与临床结局的关系	利用深度学习算法和定量成像技术，在大规模高风险人群中评估肺纤维化的意义	仅包括有吸烟史的高危人群，可能无法推广至其他人群	评估定量肺纤维化测量与临床相关结局的关联	国家肺部筛查试验中的参与者	计算机视觉	肺纤维化	低剂量CT扫描，CALIPER算法，深度学习UIP算法	深度学习模型（DL-UIP）	医学影像	11518名参与者	NA	CALIPER, DL-UIP	危险比（HR）	NA