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
81	2026-01-29	Confounder-Free Continual Learning via Recursive Feature Normalization 2025-Jul, Proceedings of machine learning research PMID:41574232	研究论文	本文提出了一种用于持续学习的新型递归特征归一化方法，以消除混杂变量对模型预测的影响	提出了递归元数据归一化层，可在持续学习场景中动态适应数据和混杂变量分布的变化，有效减少因混杂效应随时间变化导致的灾难性遗忘	未明确说明方法在极端分布偏移或高维混杂变量情况下的性能表现	开发一种能够在持续学习过程中消除混杂变量影响的深度学习框架	深度学习模型中的特征表示	机器学习	NA	递归最小二乘算法	深度学习架构，视觉变换器	NA	NA	NA	视觉变换器	跨群体公平性预测	NA
82	2026-01-28	Learning Biophysical Dynamics with Protein Language Models 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.11.617911 PMID:39464109	研究论文	本文介绍了SeqDance和ESMDance两种蛋白质语言模型，用于学习蛋白质的生物物理动力学特性	首次将分子动力学模拟和正常模式分析得到的动态生物物理特性整合到蛋白质语言模型中，以捕捉蛋白质的动态本质	模型训练依赖于模拟数据，可能受限于模拟的准确性和覆盖范围	开发能够预测蛋白质动态行为和突变效应的深度学习模型	超过64,000个蛋白质的动态生物物理特性	自然语言处理	NA	分子动力学模拟，正常模式分析	蛋白质语言模型	序列数据，动态生物物理特性数据	超过64,000个蛋白质	NA	SeqDance, ESMDance (基于ESM2)	零样本预测性能	NA
83	2026-01-27	Leveraging artificial intelligence for cardiovascular risk: a primary care perspective 2025 Jul-Sep, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.66.3.13 PMID:41382952	研究论文	本研究探讨了基于人工智能的时间深度学习模型在初级保健中支持心血管风险分层的潜力	利用时间深度学习模型（LSTM和GRU）对心血管风险进行多时间范围预测，并将预测结果转化为临床可解释的建议	基于临床现实的合成患者队列，可能未完全反映真实世界数据的复杂性	支持初级保健中心血管风险的分层和早期干预	心血管疾病风险患者	机器学习	心血管疾病	时间深度学习	LSTM, GRU	序列数据（包括人口统计学和临床变量）	临床现实的合成患者队列	NA	LSTM, GRU	NA	NA
84	2026-01-26	Exploring the social life of urban spaces through AI 2025-Jul-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424662122 PMID:40705424	研究论文	本研究利用计算机视觉和深度学习技术，分析了纽约、波士顿和费城四个城市公共空间在30年间（1979-80年至2008-10年）的行人行为变化	首次将计算机视觉和深度学习技术应用于长期历史视频数据，以量化分析城市公共空间中行人行为的时间演变，扩展了William Whyte的传统观察方法	研究仅涵盖三个美国城市的四个公共空间，样本代表性可能有限；依赖于历史视频质量，可能影响分析准确性	探究城市公共空间中行人行为随时间的变化趋势及其对社会互动的影响	纽约、波士顿和费城四个城市公共空间的行人	计算机视觉	NA	计算机视觉, 深度学习	NA	视频	1979-80年和2008-10年两个时期的视频数据，覆盖四个城市公共空间	NA	NA	NA	NA
85	2026-01-24	Whole tissue imaging of cellular boundaries at sub-micron resolutions for deep learning cell segmentation: Applications in the analysis of epithelial bending of ectoderm 2025-Jul-26, Developmental dynamics : an official publication of the American Association of Anatomists IF:2.0Q3 DOI:10.1002/dvdy.70061 PMID:40716088	研究论文	本文介绍了一种名为MORPHOVIEW的成像与分割方法，用于在亚微米分辨率下保留细胞边界标记并实现三维组织细胞分割，应用于分析上皮弯曲的发育过程	开发了一种保留细胞边界标记并与水折射率匹配的成像技术，结合神经网络分割模型，实现了高分辨率三维细胞形态的量化分析	未明确说明方法在更广泛组织类型或模型中的适用性限制	研究细胞形态在器官形态发生过程中的变化，特别是上皮弯曲的发育事件	转基因小鼠下颌骨细胞膜表达荧光蛋白的组织，以及猫鲨的牙板和真皮小齿等非模型动物外胚层结构	数字病理学	NA	组织透明化协议，高倍长工作距离水浸物镜成像，荧光蛋白标记	神经网络	三维荧光图像	转基因小鼠下颌骨和猫鲨牙板与真皮小齿组织样本	NA	NA	NA	NA
86	2026-01-24	Enhancing breast cancer classification using a deep sparse wavelet autoencoder approach 2025-Jul-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11816-y PMID:40681757	研究论文	本文提出了一种结合深度学习、稀疏编码和小波网络的深度稀疏小波自编码器（DSWAE）新架构，用于增强2D乳腺癌图像的分类性能	提出了一种创新的深度稀疏小波自编码器（DSWAE）架构，通过堆叠小波自编码器构建了一个专门用于2D乳腺癌图像分类的鲁棒模型，该模型在提高分类精度的同时，通过使用参数最少的深度网络优化了计算效率	NA	提高2D乳腺癌图像的分类准确性，以支持早期检测和分期	2D乳腺癌图像数据集	计算机视觉	乳腺癌	数字成像技术	自编码器	图像	NA	NA	深度稀疏小波自编码器（DSWAE）	精确率, 召回率	NA
87	2026-01-24	iACP-DPNet: a dual-pooling causal dilated convolutional network for interpretable anticancer peptide identification 2025-Jul-04, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-025-01641-x PMID:40613943	研究论文	本研究提出了一种名为iACP-DPNet的新型深度学习模型，用于识别抗癌肽，该模型结合了蛋白质语言模型、特征选择和因果扩张卷积网络，并引入了双池化机制以提高特征提取能力和模型可解释性	构建了更大更多样化的数据集；提出了结合因果扩张卷积网络和双池化机制（全局平均池化和注意力池化）的新型模型架构；通过t-SNE、ISM和SHAP分析增强了模型的可解释性	未明确提及	开发一种高性能、可解释且泛化能力强的计算模型，用于抗癌肽的识别	抗癌肽	自然语言处理, 机器学习	癌症	蛋白质语言模型, 特征选择	CNN, 深度学习	蛋白质序列	通过整合现有文献和数据库数据构建的更大更多样化的数据集（具体数量未明确给出）	NA	因果扩张卷积网络, ProtBert	特异性, 灵敏度, 准确率, 马修斯相关系数	NA
88	2026-01-17	GACT: A Two-Stage Age Prediction Model Combining a Global Attention Block 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254886 PMID:41335725	研究论文	本文提出了一种结合全局注意力块的两阶段年龄预测模型GACT，直接利用未分割的fMRI数据作为输入特征，以更好地利用fMRI数据的时空信息	提出了一种新颖的方法，直接使用未分割的fMRI数据作为输入特征，结合CNN和Transformer模型同时捕获空间和时间特征，并通过可解释性方法识别对年龄回归任务有显著影响的脑区	NA	利用神经影像数据估计大脑年龄，以理解正常大脑发育和神经系统疾病的进展	fMRI数据	数字病理学	神经系统疾病	fMRI	CNN, Transformer, MLP	fMRI数据	NA	NA	CNN, Transformer, MLP	NA	NA
89	2026-01-17	Towards Automated EEG-Based Epilepsy Detection Using Deep Convolutional Autoencoders 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254465 PMID:41335790	研究论文	本文提出了一种基于深度卷积自编码器的自动化癫痫检测方法，用于从脑电图信号中提取低维潜在表示	提出了一种结合时域和频域损失的深度卷积自编码器，以同时保留EEG信号的关键特征，解决了现有方法在单一表示下可能丢失相关信息的问题	未明确说明模型在临床环境中的泛化能力或对多样本集的测试结果	开发一种可靠且高效的自动化癫痫检测方法，以辅助脑电图分析	癫痫患者的脑电图信号	机器学习	癫痫	脑电图	自编码器	时间序列信号	NA	NA	深度卷积自编码器	重建误差, 敏感性, 每小时误报率	NA
90	2026-01-14	A Deep Learning Method for Autism Spectrum Disorder Classification Based on Multimodal Neuroimaging Data 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253912 PMID:41337246	研究论文	本文提出了一种基于多模态神经影像数据的深度学习模型，用于自闭症谱系障碍（ASD）的分类诊断	通过融合功能磁共振成像（fMRI）和结构磁共振成像（sMRI）的互补信息，构建更全面的特征空间，捕捉单一模态无法提供的复杂神经病理特征	研究仅使用了ABIDE NYU站点的数据，样本量有限，且未在其他独立数据集上进行验证	提高自闭症谱系障碍（ASD）与典型发育对照组（TC）的早期分类准确性，以支持及时干预和治疗	自闭症谱系障碍（ASD）患者和典型发育对照组（TC）的个体	机器学习	自闭症谱系障碍	功能磁共振成像（fMRI），结构磁共振成像（sMRI）	深度学习模型	神经影像数据	来自ABIDE NYU站点的影像数据	NA	NA	准确率，AUC，灵敏度，特异度	NA
91	2026-01-10	Current Applications and Limitations of Augmented Reality in Urological Surgery: A Practical Primer and 'State of the Field' 2025-Jul-11, Current urology reports IF:2.5Q2 DOI:10.1007/s11934-025-01283-3 PMID:40643724	综述	本文综述了增强现实（AR）在泌尿外科手术中的当前应用、技术基础、最新进展及局限性，并探讨了未来研究方向	系统总结了近五年AR在泌尿外科手术中的进展，特别是从术前规划扩展到术中应用，并探讨了人工智能和深度学习在解决软组织变形自动配准挑战中的作用	重建外科和男科学等亚专业在AR/MR应用中的研究代表性不足，且当前研究多限于描述性，缺乏大样本前瞻性研究	为泌尿外科医生提供AR技术的基础知识，综述其最新应用进展，并讨论限制其广泛采用的问题及解决方向	泌尿外科手术，特别是机器人辅助根治性前列腺切除术、经皮肾镜取石术和肾移植等	数字病理	前列腺癌	增强现实（AR）、混合现实（MR）、人工智能、深度学习	NA	术前影像、术中实时数据	NA	NA	NA	NA	NA
92	2026-01-10	SViT-ECG: Spectrogram Vision Transformer for Detection of Short-Term Atrial Fibrillation from ECG Signals 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252617 PMID:41335921	研究论文	本研究提出了一种基于Transformer的深度学习方法，通过将心电图信号转换为频谱图，利用微调的Vision Transformer模型来检测短期心房颤动	首次将Vision Transformer模型应用于心电图频谱图进行心房颤动检测，提出SViT-ECG新方法	未提及模型在更复杂或噪声更大的真实场景中的泛化能力，以及计算效率是否满足实时应用需求	开发一种准确检测短期心房颤动的心电图自动分析方法	患者的心电图信号	计算机视觉	心血管疾病	心电图信号处理，频谱图转换	Transformer	图像（频谱图）	未明确提及具体样本数量，但使用了5折交叉验证和独立测试集	未明确提及	Vision Transformer	准确率，F分数	未提及
93	2026-01-10	AI-Enhanced Pulmonary Auscultation for Heart Failure Detection 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253377 PMID:41336555	研究论文	本研究探讨了利用人工智能和肺听诊技术在家居环境中早期检测心力衰竭的可行性	提出了一种新颖、紧凑的卷积神经网络模型，并结合预训练的Transformer模型，用于分析肺音信号，实现了非临床听诊的AI听诊器概念	样本量较小（仅15名心力衰竭患者和15名健康受试者），可能影响模型的泛化能力	开发一种基于人工智能的肺听诊方法，用于心力衰竭的早期检测	心力衰竭患者和健康受试者的肺音信号	机器学习	心血管疾病	肺听诊	CNN, Transformer	音频信号	30名受试者（15名心力衰竭患者和15名健康受试者）	NA	紧凑卷积神经网络, 预训练Transformer	特异性, 敏感性	NA
94	2026-01-09	Multimodal Data and Deep Learning-Driven Diagnostic and Therapeutic Assistance Framework for Patellar Dislocation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253687 PMID:41336970	研究论文	本研究结合多模态数据和人工智能算法，构建了一个用于识别解剖风险因素、预测复发风险和评估术后结果的模型	提出了一个整合术前、术中和术后信息的三阶段建模框架，并在复发风险预测模块中首次纳入了脂质代谢谱和临床变量	未来工作需纳入真实世界影像数据以提升影像分析组件的性能	构建一个全面的多模态融合模型，为髌骨脱位的诊断、预后和治疗提供更准确和个体化的临床决策支持	髌骨脱位患者	机器学习	骨科疾病	多模态数据整合	深度学习	多模态数据（包括临床变量、脂质代谢谱等）	NA	NA	NA	AUC, F1-score, 敏感性	NA
95	2026-01-07	Attention GhostUNet++: Enhanced Segmentation of Adipose Tissue and Liver in CT Images 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254588 PMID:41337067	研究论文	本研究提出了一种名为Attention GhostUNet++的新型深度学习模型，用于从CT图像中自动精确分割腹部脂肪组织和肝脏	将通道、空间和深度注意力机制集成到Ghost UNet++的瓶颈结构中，以增强特征细化、上下文理解和计算效率	在边界细节分割方面存在微小局限	开发一种用于身体成分分析的自动化、精确的医学图像分割方法	腹部脂肪组织（包括皮下脂肪和内脏脂肪）以及肝脏	数字病理学	心血管疾病	CT成像	CNN	图像	使用了AATTCT-IDS和LiTS两个公开数据集，具体样本数量未在摘要中说明	NA	Ghost UNet++	Dice系数	NA
96	2026-01-05	Artificial intelligence in hepatopancreatobiliary surgery for clinical outcome prediction: current perspective and future direction 2025-Jul-31, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02617-6 PMID:40742577	综述	本文综述了人工智能在肝胆胰外科临床结局预测中的应用现状与未来方向	探讨了深度学习模型在预测术后并发症和手术复杂性方面相比传统方法更高的准确性，并展望了实时术中引导、联邦学习和可解释AI框架等新兴创新	面临数据质量、模型泛化性和伦理实施等挑战	评估人工智能在肝胆胰外科临床结局预测中的潜力与未来发展方向	肝胆胰外科手术	机器学习	肝胆胰疾病	深度学习模型	深度学习模型	NA	NA	NA	NA	准确性	NA
97	2026-01-05	Artificial intelligence-based action recognition and skill assessment in robotic cardiac surgery simulation: a feasibility study 2025-Jul-13, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02563-3 PMID:40652436	研究论文	本研究开发了一种基于深度神经网络的系统，用于识别机器人心脏手术模拟中的基本手术动作并评估外科医生技能	首次结合CNN和LSTM，仅使用视频数据实现机器人心脏手术的动作识别与技能评估，并通过Grad-CAM可视化算法关注区域	技能评估网络准确率较低（56%），需要更多数据提升性能；样本量有限（19名外科医生）	开发AI系统以自动化评估机器人心脏手术模拟中的手术表现	机器人心脏手术模拟视频数据，涵盖缝合和分离两种手术动作	计算机视觉	心血管疾病	视频分析	CNN, LSTM	视频	19名外科医生，435段录像	NA	CNN与LSTM结合架构	准确率, 召回率, 精确率, F1分数, 预测确定性	NA
98	2026-01-03	A Tunable Forced Alignment System Based on Deep Learning: Applications to Child Speech 2025-Jul-29, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2024_JSLHR-24-00347 PMID:40163771	研究论文	本文开发了一种基于深度学习的可调谐强制对齐系统Wav2TextGrid，专门用于儿童语音分析，通过训练直接适应临床级手动对齐标准	开发了首个可训练、说话者自适应的神经强制对齐器，支持直接基于手动对齐数据进行训练，显著提升了儿童语音中爆破音和塞擦音的对齐准确率	研究仅基于42名3至6岁神经典型儿童的数据集，未涵盖更广泛年龄范围或病理语音样本	开发一个适用于非标准语音（特别是儿童语音）的高精度自动语音对齐工具	儿童语音数据（3-6岁神经典型儿童）和TIMIT语料库	自然语言处理	NA	深度学习语音对齐	神经网络	语音音频	42名神经典型儿童（3-6岁）的语音语料库	NA	NA	对齐准确率	NA
99	2026-01-01	Automated identification of autism spectrum disorder from facial images using explainable deep learning models 2025-Jul-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-11847-5 PMID:40695996	研究论文	本研究提出了一种基于可解释深度学习模型的自动化自闭症谱系障碍面部图像识别框架	整合了多种预训练CNN模型、数据增强技术和可解释AI方法（如LIME），在提升准确率的同时增强了模型的可解释性	未明确说明模型在不同人群和临床环境中的泛化能力，以及数据集的多样性限制	开发自动化、高效且可解释的自闭症谱系障碍早期检测方法	自闭症谱系障碍患者的面部图像	计算机视觉	自闭症谱系障碍	面部图像分析	CNN	图像	NA	TensorFlow, Keras	VGG16, VGG19, InceptionV3, VGGFace, MobileNet	准确率	NA
100	2025-12-25	Complete AI-Enabled Echocardiography Interpretation With Multitask Deep Learning 2025-07-22, JAMA DOI:10.1001/jama.2025.8731 PMID:40549400	研究论文	本研究开发并验证了一个名为PanEcho的多任务深度学习AI系统，用于自动解读经胸超声心动图，涵盖39个标签和测量指标	提出了首个能够全面自动化解读超声心动图（包括诊断分类和参数估计）的多任务深度学习AI系统，并在多个外部队列中验证了其跨地域和时间的稳健性	研究为回顾性设计，需要在各自临床工作流程中进行前瞻性评估以确认其实际应用效果	开发并评估一个AI系统，以自动化超声心动图的解读，提高心血管护理的效率和可及性	经胸超声心动图视频	数字病理	心血管疾病	超声心动图	深度学习	视频	来自24,405名患者的32,265项TTE研究，包含120万段超声心动图视频	NA	NA	AUC, 平均绝对误差, 归一化平均绝对误差	NA