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
41	2026-08-25	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-05-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	本文对生物物理和生物医学数据上常用的四种深度学习分割模型进行了全面比较，并提供了选择最佳模型的实用指南	针对生物物理实验常见的小规模训练数据集，建立了评估四种不同深度学习架构（卷积神经网络、U-Net、视觉变换器和视觉状态空间模型）表现优劣的标准	未提及	为生物物理和生物医学图像分割任务提供选择深度学习模型的指导原则	四种深度学习分割模型（卷积神经网络、U-Net、视觉变换器和视觉状态空间模型）	计算机视觉	不适用	不适用	卷积神经网络, U-Net, 视觉变换器, 视觉状态空间模型	图像数据	未提及	未提及	卷积神经网络, U-Net, 视觉变换器 (ViT), 视觉状态空间模型	未明确提及，但通常包括准确率、Dice系数等	未提及
42	2026-08-23	Deep learning-guided design of dynamic proteins 2025-05-22, Science (New York, N.Y.) DOI:10.1126/science.adr7094 PMID:40403060	研究论文	本文描述了一种基于深度学习的通用方法，用于从头设计蛋白质内结构域几何之间的动态变化，达到原子级精度，并验证了设计构象及通过配体和突变调节构象景观的能力	首次将深度学习应用于从头设计蛋白质的动态构象变化，超越了静态结构设计，实现了原子级精度的可控运动，并用实验验证	摘要未明确提及局限性	开发从头设计具有动态构象变化蛋白质的方法，以模拟自然信号蛋白的开关机制	动态蛋白质设计及其构象变化	蛋白质设计	不适用	深度学习	深度学习模型	蛋白质结构数据	未明确说明，涉及四种设计结构	不适用	不适用	结构验证、模拟与实验一致性	未提及
43	2026-08-22	A Clinical Neuroimaging Platform for Rapid, Automated Lesion Detection and Personalized Post-Stroke Outcome Prediction 2025-May-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.09.25327310 PMID:40385411	研究论文	介绍了一种全自动三阶段神经影像处理与机器学习管道，用于快速、自动病灶检测及个性化卒中后结果预测	提出了一种无需手动处理的端到端自动化管道，结合深度学习分割、统计模型预测和大型语言模型报告生成，且将病灶位置信息整合到结果预测中	局限性未在摘要中明确提及，可能包括样本仅限于特定卒中队列、算法对特定扫描条件依赖等	开发一种临床可部署的自动化工具，利用临床影像预测缺血性卒中患者的长期功能结果	成年缺血性卒中患者，其中训练队列为604名局灶性脑损伤患者，独立验证队列为153名缺血性卒中患者	机器学习, 数字病理学	脑血管疾病	MRI	深度学习模型	DICOM影像数据	604名患者用于训练，153名患者用于验证	NA	NA	一致性率	NA
44	2026-08-20	Hybrid Electromagnetic-Triboelectric Hip Energy Harvester for Wearables and AI-Assisted Motion Monitoring 2025-05, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202500643 PMID:40190045	研究论文	本研究介绍了一种AI辅助的可穿戴髋关节能量采集器（HJEH），用于将髋关节运动的机械能转化为电能供可穿戴设备使用，同时通过深度学习算法实现人体运动监测	结合电磁发电机和独立式摩擦纳米发电机（FS-TENG），利用飞轮和加速齿轮增强输出功率，并通过深度学习实现高精度运动识别，同时集成数字孪生技术用于老年人安全监测	未明确提及	开发一种集能量采集和运动监测于一体的可穿戴髋关节能量采集器，以支持可穿戴设备供电和人体运动监测应用	髋关节运动能量的采集和12种不同运动类型的识别	可穿戴设备，能量采集，运动监测	老年疾病（通过安全监测）	电磁发电、摩擦纳米发电	深度学习模型（具体类型未指定）	运动信号（摩擦电信号）	12种运动类型，具体样本数未提供	NA	NA	峰值功率、重力功率密度、准确率	NA
45	2026-08-19	Dynamics of Spatial Organization of Bacterial Communities in a Tunable Flow Gut Microbiome-on-a-Chip 2025-05, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202410258 PMID:40201941	研究论文	本研究开发了一种可调流肠道微生物芯片（tfGMoC），模拟肠道蠕动机械力，并利用深度学习分析微生物群落的空间组织动态，揭示肠道运动对微生物多样性和稳定性的影响。	首次在可调流肠道芯片上结合深层学习分析，研究周期性肠道运动对3D肠道微生物群落空间行为和组织的影响，发现机械力通过促进不同运动特性微生物的探索行为来维持群落平衡。	摘要未明确提及研究的局限性。	探究周期性肠道蠕动机械力对肠道微生物群落动态和空间组织的影响，以加深对宿主-微生物互作的理解。	肠道微生物群落及3D仿生肠道上皮结构（µGut）。	微流控芯片、深度学习	不适用	肠道芯片技术、深层学习微生物分析	深度学习模型	微生物图像数据	未明确提及	未明确提及	未明确提及	未明确提及	未明确提及
46	2026-08-19	Assessing Algorithmic Fairness With a Multimodal Artificial Intelligence Model in Men of African and Non-African Origin on NRG Oncology Prostate Cancer Phase III Trials 2025-05, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00284 PMID:40344545	研究论文	评估多模态AI模型在非裔和非非裔男性前列腺癌临床试验中的算法公平性	首次在多中心III期临床试验数据中，对多模态AI算法在不同种族亚组中的预后性能进行系统评估，以检测算法偏见	未提供具体局限性信息	评估多模态AI模型在不同种族亚组中的泛化能力和公平性，确保其不会加剧健康不平等	来自NRG肿瘤学前列腺癌III期临床试验的5,708名患者	数字病理学、机器学习	前列腺癌	数字组织病理学	多模态AI（MMAI）深度学习系统	数字病理图像和临床数据	5,708名患者，其中非裔美国患者948名，非非裔患者4,731名，种族未知或缺失29名	NA	未明确指定，但使用多模态AI深度学习系统	亚分布风险比、置信区间、P值	NA
47	2026-08-16	Deep Learning Model of Primary Tumor and Metastatic Cervical Lymph Nodes From CT for Outcome Predictions in Oropharyngeal Cancer 2025-05-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2025.8094 PMID:40310642	研究论文	开发并验证一种基于CT的深度学习分类器，整合原发肿瘤和转移性颈部淋巴结的影像特征，预测p16阳性口咽鳞状细胞癌患者的预后结局。	首次结合原发肿瘤和转移性淋巴结的影像特征用于p16+口咽癌的预后预测，并采用Swin Transformer架构融合多区域特征。	未提及具体局限性。	开发和验证基于CT的深度学习模型，预测p16+口咽癌患者的生存结局，并识别可能从化疗中获益的I期患者。	p16阳性口咽鳞状细胞癌患者，共811例，来自3个独立队列。	医学影像分析	口咽癌	CT影像	Swin Transformer	CT影像数据	811例p16+口咽癌患者	NA	Swin Transformer	C指数、风险比、对数秩检验、净获益	NA
48	2026-08-16	Grading of Foveal Hypoplasia Using Deep Learning on Retinal Fundus Images 2025-May-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.5.18 PMID:40402544	研究论文	本研究旨在开发和评估一个基于视网膜眼底图像进行中心凹发育不良分级的人工智能模型	提出了一种使用深度学习技术对视网膜眼底图像进行中心凹发育不良自动分级的新方法，并证明其性能优于初级和高级临床医生的人工评估	未提及研究的局限性	开发并评估一个利用视网膜眼底图像进行中心凹发育不良分级的深度学习模型	中心凹发育不良患者	医学影像分析，深度学习	中心凹发育不良	眼底成像，光学相干断层扫描	卷积神经网络	视网膜眼底图像	605张视网膜眼底图像（来自303名患者）	PyTorch	EfficientNet_b1	准确率, 敏感性, 特异性, AUC, AUPRC	未提及
49	2026-08-13	Deep learning inference of cell type-specific gene expression from breast tumor histopathology 2025-May-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.04.652089 PMID:41030996	研究论文	开发了一种名为SLide-based Inference of DEconvolved gene EXpression的深度学习工具，从乳腺癌组织病理学全切片图像直接预测细胞类型特异性基因表达和丰度	首次利用深度学习直接从组织病理学全切片图像推断细胞类型特异性基因表达，无需进行RNA测序，降低了成本和计算时间	训练数据仅来自TCGA乳腺癌队列，可能限制泛化性；独立测试样本量较小（160例）	开发一种快速、经济的方法，从常规乳腺癌组织病理学图像中推断细胞类型特异性基因表达，以促进肿瘤微环境表征和精准肿瘤学	乳腺癌组织病理学全切片图像及对应的去卷积bulk RNA-seq数据	数字病理学	乳腺癌	去卷积bulk RNA-seq	深度学习模型	图像	TCGA乳腺癌队列（未给出具体数量）和160例独立队列	NA	NA	预测性能指标（如相关性、准确性等，具体指标未明确）	NA
50	2026-08-12	Predicting Drug-miRNA Associations Combining SDNE with BiGRU 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3525266 PMID:40030943	研究论文	提出一种名为SDNEDMA的新方法，结合SDNE和BiGRU预测药物-miRNA关联，在ncDR数据集上取得高准确率	采用双通道方法融合药物和miRNA的属性特征与拓扑特征，首次将SDNE和BiGRU结合用于药物-miRNA关联预测	未在本文中明确提及限制，但可能依赖已知的关联网络数据，对新关联的预测能力需进一步验证	开发一种基于深度学习的方法，以提高药物-miRNA关联预测的准确性和效率，促进药物开发	药物与miRNA之间的关联	深度学习	不适用	SDNE（结构深度网络嵌入）和BiGRU（双向门控循环单元）	深度学习模型（SDNE和BiGRU）	生物序列数据（miRNA k-mer序列）和药物分子指纹（ECFP）以及已知关联网络数据	ncDR数据集（具体样本数量未在标题和摘要中提及）	未指定	SDNE和BiGRU	AUC（曲线下面积）	未指定
51	2026-08-11	A Multi-Region Brain Model to Elucidate the Role of Hippocampus in Spatially Embedded Decision-Making 2025-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656671 PMID:40502058	研究论文	本文提出一个多区域脑模型，通过反事实比较强化学习代理与不同网格细胞和位置细胞交互架构的脑模型，探讨海马在空间嵌入式决策中的规范性作用。	创新性地提出了网格细胞必须联合编码位置和证据的预测，以最大化学习效率并复现实验观察，为深度学习提供脑启发的结构化架构。	未提及。	阐明海马在空间嵌入式决策中的规范性作用，并为深度强化学习提供脑启发的结构归纳偏置。	强化学习代理，以及模拟网格细胞、位置细胞和皮层循环神经网络的脑模型。	机器学习	NA	NA	强化学习代理，循环神经网络（RNN），网格细胞和位置细胞模型	模拟数据	未提及。	NA	循环神经网络（RNN）	学习效率	NA
52	2026-08-11	Preoperative Prediction of Microvascular Invasion in Hepatocellular Carcinoma From Multi-Sequence Magnetic Resonance Imaging Based on Deep Fusion Representation Learning 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3451331 PMID:39196745	研究论文	提出一种基于多序列MRI的深度融合表示学习算法，用于术前预测肝细胞癌的微血管侵犯，并验证其优越性能	提出了一种新的基于ResNet的多分支深度融合特征算法（DFFResNet），结合不同MRI序列增强信息互补性和集成性，同时采用数据预处理策略提取多视图特征并保留瘤周信息，并在ROI不完整时仍能保持高度竞争力的预测结果	研究仅在一个中心的数据集上进行验证，样本量有限（117例），且未提及外部验证集，可能存在泛化性限制	开发一种端到端的深度学习方法，利用多序列MRI术前预测肝细胞癌的微血管侵犯，以减少人工干预和耗时	肝细胞癌患者的术前多序列MRI图像	计算机视觉	肝细胞癌	MRI	深度学习模型（基于ResNet的DFFResNet）	多序列MRI图像	117例个体，包含7种MRI序列	NA	ResNet（DFFResNet）	鲁棒性指标，如准确率、AUC等（具体未列出），以及图像级和患者级的重复实验结果	NA
53	2026-08-11	A Review on Intelligent Systems for ECG Analysis: From Flexible Sensing Technology to Machine Learning 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3508545 PMID:40030493	综述	本文广泛回顾了用于心电图采集的柔性心脏传感设备及其在心脏健康监测中的应用，并探讨了机器学习在心电图分析中的角色	强调柔性传感技术与机器学习集成的重要性，并概述两者的结合在心电监测中的潜在影响	未明确提及	综述柔性心电传感设备的关键特性、制造方法、材料，以及机器学习在心电分析和心脏健康监测中的应用	柔性心电传感设备及机器学习算法，用于心脏健康监测和心电图分析	机器学习	心血管疾病	NA	深度学习、支持向量机、随机森林、线性判别分析	心电图数据	NA	NA	NA	NA	NA
54	2026-08-11	SWMA-UNet: Multi-Path Attention Network for Improved Medical Image Segmentation 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3523492 PMID:40030824	研究论文	提出了一种并行多路径注意力网络SWMA-UNet，用于改进医学图像分割	采用并行策略整合Transformer和CNN，替代传统的串行组合方式，以同时处理局部和全局信息并提升分割精度	摘要未提及明确局限性	提高医学图像分割的准确性	医学图像分割任务	计算机视觉	不适用	深度学习	混合模型（Transformer和CNN）	图像	Synapse、ACDC、ISIC 2018和MoNuSeg数据集	未提及	并行多路径注意力网络，具体架构未提及	未提及具体指标，如准确率、Dice系数等	未提及
55	2026-08-11	FlexibleSleepNet:A Model for Automatic Sleep Stage Classification Based on Multi-Channel Polysomnography 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3525626 PMID:40030855	研究论文	本文提出了一种名为FlexibleSleepNet的轻量级卷积神经网络模型，用于基于多通道多导睡眠图数据的自动睡眠阶段分类	引入自适应特征提取模块和尺度变化压缩模块，有效平衡时空特征提取与计算复杂度，实现轻量级设计并提升分类性能	未提及具体局限性	提高自动睡眠阶段分类的准确性和计算效率，解决特征提取与计算复杂度之间的平衡问题	多通道多导睡眠图数据	机器学习	睡眠疾病	多导睡眠图	卷积神经网络	多通道多导睡眠图信号	三个数据库：SleepEDF-20、SleepEDF-78和SHHS，具体样本数量未提及	NA	FlexibleSleepNet（包含自适应特征提取模块和尺度变化压缩模块）	分类准确率	NA
56	2026-08-11	Conditional Contrastive Predictive Coding for Assessment of Fetal Health From the Cardiotocogram 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530610 PMID:40030899	研究论文	本文提出了一种基于条件对比预测编码的胎儿健康评估方法，从胎心宫缩图数据中检测异常，以提高评估准确性并减少不必要干预。	将对比预测编码扩展为具有随机、递归和以宫缩活动为条件的未来预测器，并引入一种更适合异常检测任务的新的训练目标。	未明确提及，但由于依赖专家标注和单模态数据，可能限制了泛化能力。	改进基于无监督深度学习模型的胎儿健康异常检测方法，以解决传统视觉解释中的高变异性和不必要干预问题。	胎心宫缩图数据，包括胎儿心率、宫缩活动及其对应的专家标注。	机器学习	胎儿健康问题	对比预测编码	递归神经网络	时间序列数据	未明确提及	未明确提及	对比预测编码	未明确提及，但基于专家标注进行评估	未明确提及
57	2026-08-11	DiffuSeg: Domain-Driven Diffusion for Medical Image Segmentation 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526806 PMID:40030962	研究论文	本文提出DiffuSeg，一种用于医学图像分割的条件扩散模型，利用现有标签和目标域未标注图像合成新图像，从而训练分割网络，避免人工标注。	提出了特征分解变分自编码器为扩散模型提供条件信息，实现仅需标签图和未标注图像即可在目标域生成图像，创新性地将扩散模型用于跨域医学图像分割。	摘要中未提及明显局限，可能包括对目标域数据分布依赖和生成图像质量影响分割性能等。	解决医学图像分割中因数据分布偏移和标注成本高而影响模型效能的问题。	MNIST数据集、视网膜眼底图像（血管分割）和MRI心脏图像（心脏分割）。	计算机视觉	不适用	扩散模型、变分自编码器	扩散模型、特征分解变分自编码器	图像	未提供具体数量，涉及MNIST、视网膜眼底图像和MRI心脏图像数据集	未提供具体框架	扩散模型、特征分解变分自编码器	图像生成和分割准确率	未提供具体信息
58	2026-08-11	Physiological Information Preserving Video Compression for rPPG 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526837 PMID:40030966	研究论文	提出一种专为远程光电容积描记（rPPG）设计的视频压缩方案，以在高度压缩下保持生理信息。	首次提出针对rPPG应用的专用视频压缩方案，通过面部ROI计算资源重分配、rPPG信号保留比特分配和时域上下采样编码，突破传统压缩算法不保留生理信号的局限。	未明确提及局限性。	开发能在视频压缩后保留rPPG生理信息的编码方案，支持远程医疗和大规模数据集生成。	rPPG视频数据，包括UBFC-rPPG、ECG-Fitness数据集及自采数据集。	计算机视觉	不适用	视频压缩	不适用	视频	使用UBFC-rPPG、ECG-Fitness和自采数据集，具体样本量未提及。	不适用	不适用	生理信息保留程度（以rPPG信号质量衡量，可能包括信噪比等，未明确）	未提及具体资源，但涉及视频编码和rPPG处理。
59	2026-08-11	PEARL: Cascaded Self-Supervised Cross-Fusion Learning for Parallel MRI Acceleration 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3347355 PMID:38147421	研究论文	提出了一种名为PEARL的新型自监督加速并行MRI方法，通过级联自监督跨融合学习来重建高分辨率的MRI图像	引入多流联合深层解码器，包含两个跨融合机制和级联跨融合子块网络，实现了无需显式训练的自监督加速MRI重建，并通过双向归一化边缘方向相似性正则化增强细节重建	未明确提及，但可能存在计算复杂度较高或对特定MRI序列适应性有限的问题	开发一种无需监督训练即可加速并行MRI重建的自监督方法，以提高重建精度和速度	并行MRI图像重建问题	计算机视觉, 数字病理学	不适用	并行MRI, 压缩感知	深层解码器	MRI图像	未明确提及	未明确提及	级联跨融合子块网络	SSIM, PSNR, RLNE	未明确提及
60	2026-08-11	Adaptive Cross-Feature Fusion Network With Inconsistency Guidance for Multi-Modal Brain Tumor Segmentation 2025-05, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3347556 PMID:38150339	研究论文	提出了一种名为ACFNet的深度神经网络，用于多模态MRI中的脑肿瘤分割，通过自适应跨特征融合和预测不一致性引导，提高了分割性能。	提出了自适应跨特征融合（ACF）模块和预测不一致性引导（PIG）模块，分别用于编码器端融合不同模态的互补信息和解码器端引导网络关注易错区域，以弥合模态间差距。	实验仅在BraTS 2020数据集上进行，可能缺乏跨数据集或临床应用的泛化验证。	改进多模态MRI脑肿瘤分割的准确性和性能。	多模态MRI中的脑肿瘤。	计算机视觉	脑肿瘤	MRI	深度神经网络	图像	BraTS 2020数据集（具体样本数量未说明）	NA	并行编码器-解码器结构，包含三个流（基于CNN的架构可能），具体如编码器-解码器设计。	性能指标包括但不限于Dice系数等（具体未指定，但常见于分割任务中）	NA