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
101	2026-02-18	X2Graph for Cancer Subtyping Prediction on Biological Tabular 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/EMBC58623.2025.11253574 PMID:41336217	研究论文	提出一种名为X2Graph的新型深度学习方法，用于在小型生物表格数据上进行癌症亚型预测	利用外部知识（如基因相互作用）将表格数据转换为图结构，从而应用标准消息传递算法进行建模	NA	在数据稀缺的医疗领域，特别是癌症诊断中，提升深度学习在表格数据上的性能	癌症亚型预测	机器学习	癌症	NA	图神经网络	表格数据	NA	NA	NA	NA	NA
102	2026-02-18	Online Sequential EEG Emotion Recognition with Prototypical Alignment Based Transfer Model 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/EMBC58623.2025.11253987 PMID:41336393	研究论文	提出一种基于原型对齐迁移模型的在线序列脑电信号情绪识别方法，用于解决模型在新数据上适应性差和训练数据缺乏主体独立性的问题	在在线学习环境中引入跨主体迁移学习模型，通过选择性修剪和重新初始化模型参数快速适应新主体，并采用增强的领域对抗神经网络策略在迁移学习框架内对齐情感类别的原型特征	未明确说明模型在不同情绪类别间的泛化能力，也未讨论实时在线学习过程中的计算延迟问题	开发一种能够快速适应新主体且保持高准确率的在线序列脑电情绪识别方法	脑电信号（EEG）	机器学习	NA	脑电信号采集	深度学习模型	时间序列数据（脑电信号）	SEED和SEED-IV数据集	PyTorch, TensorFlow	领域对抗神经网络（DANN）	准确率	NA
103	2026-02-17	Raptor: Scalable Train-Free Embeddings for 3D Medical Volumes Leveraging Pretrained 2D Foundation Models 2025-Jul, Proceedings of machine learning research PMID:41684746	研究论文	提出一种无需训练的3D医学体积数据嵌入方法Raptor，利用预训练的2D基础模型生成语义丰富的表示	首次提出通过随机平面张量压缩技术，将预训练的2D自然图像基础模型直接应用于3D医学体积数据，完全避免高成本训练过程	未明确说明方法对特定模态（如CT、超声）的泛化能力，且依赖2D基础模型的自然图像预训练知识	解决3D医学影像基础模型开发中的计算复杂性和数据稀缺问题	磁共振成像（MRI）等医学体积数据	医学影像分析	NA	随机投影压缩	基础模型	3D医学体积数据（MRI）	十个不同的医学体积任务数据集	NA	预训练的2D基础模型	与SuPreM、MISFM、Merlin、VoCo、SLIViT等方法的性能对比	NA
104	2026-02-09	Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density 2025-Jul-29, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.16.24310445 PMID:40766130	研究论文	本研究利用深度学习模型基于治疗前脑电图信号预测双相抑郁患者在接受经颅直流电刺激治疗后的临床缓解情况	首次将混合1DCNN和GRU模型应用于双相抑郁的经颅直流电刺激治疗缓解预测，并采用特定电极的功率谱密度值作为输入特征	样本量较小（仅21名参与者），可能影响模型的泛化能力	预测双相抑郁患者在接受6周家庭经颅直流电刺激治疗后的临床缓解情况	双相抑郁患者	机器学习	双相情感障碍	脑电图	CNN, GRU	脑电图信号	21名双相参与者	NA	1DCNN, GRU	准确率, 灵敏度, 特异度	NA
105	2026-02-06	RETRACTED ARTICLE: Gesture recognition and response system for special education using computer vision and human-computer interaction technology 2025-Jul-08, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2025.2527226 PMID:40625119	研究论文	本研究提出了一种用于特殊教育的综合手势识别与响应系统，利用先进的深度学习架构和机器学习算法，并通过遗传算法进行模型压缩以优化在资源受限设备上的部署	结合多种深度学习模型（AlexNet、VGG19、ResNet、MobileNet）与机器学习算法（SVM、随机森林），并引入遗传算法进行模型压缩，显著减小模型尺寸并提升推理速度	未明确说明数据集的具体规模和多样性细节，未来需扩展手势库并整合多模态输入	开发适用于特殊教育的手势识别与响应系统，作为残疾人士的辅助工具，促进包容性学习体验	手势识别系统及其在特殊教育环境中的应用	计算机视觉	NA	深度学习、机器学习、遗传算法	CNN	图像	多样化的手势数据集（具体数量未说明）	TensorFlow, PyTorch, Scikit-learn	AlexNet, VGG19, ResNet, MobileNet	准确率	移动和嵌入式平台（具体资源未说明）
106	2026-02-02	Fewer medullary pyramids in the living kidney donor are associated with graft failure in the recipient 2025-Jul, American journal of transplantation : official journal of the American Society of Transplantation and the American Society of Transplant Surgeons IF:8.9Q1 DOI:10.1016/j.ajt.2025.01.041 PMID:39892790	研究论文	本研究通过CT和病理学分析，探讨了活体供肾的结构特征与受体移植肾失败之间的关联	首次将CT图像中的肾髓质金字塔数量作为预测移植肾失败的生物标志物，并结合深度学习模型进行量化分析	研究为回顾性分析，可能受限于样本选择和随访时间，且未考虑所有潜在混杂因素	识别与活体供肾受体移植肾失败相关的肾实质结构特征	活体供肾移植的受体及其捐赠的肾脏	数字病理学	肾脏疾病	CT成像，组织形态学分析	深度学习模型	CT图像，组织切片	3098名受体，随访中位数为5年，包含346例移植肾失败事件	NA	NA	移植肾失败发生率（每100人年），估计肾小球滤过率	NA
107	2026-01-29	Knockout: A simple way to handle missing inputs 2025-Jul, Transactions on machine learning research PMID:41552269	研究论文	提出了一种名为Knockout的高效方法，用于处理深度学习模型在推理时可能遇到的输入缺失问题	通过随机替换输入特征为占位符值进行训练，实现了对完整输入条件分布和边际分布的联合学习，并提供了理论解释，可视为一种隐式边际化策略	未明确说明在高维数据（如图像）缺失时的具体性能限制或计算复杂度分析	开发一种能够有效处理多模态模型中输入缺失的通用方法	深度学习模型，特别是多模态输入场景	机器学习	NA	NA	深度学习模型	多模态输入特征	NA	NA	NA	NA	NA
108	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
109	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
110	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
111	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
112	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
113	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
114	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
115	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
116	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
117	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
118	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
119	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
120	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