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
61	2026-02-02	Autonomous Closed-Loop Control for Robotic Soft Tissue Electrosurgery Using RGB-D Image Guidance 2025-Aug, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2025.3583169 PMID:41613948	研究论文	本文提出了一种利用RGB-D图像引导的自主闭环机器人软组织电外科手术系统，旨在通过三维组织跟踪和基于图像的反馈控制来提高手术精度	开发了一种结合基于深度学习的无标记跟踪模型（CoTracker）和工具遮挡算法的三维组织跟踪器，无需先验组织模型知识即可实现组织变形跟踪，并采用模糊逻辑控制器动态调整切割速度以最小化切割误差	研究仅在离体猪舌组织上进行验证，尚未在活体或临床环境中测试；样本量较小（闭环N=6，开环N=3）	提高口腔癌电外科手术中肿瘤切除的精度和一致性，以减少癌症复发的可能性	口腔癌的肿瘤切除手术，具体使用离体猪舌组织作为实验对象	计算机视觉	口腔癌	RGB-D（红绿蓝-深度）传感，电外科手术	深度学习模型	RGB-D图像	离体猪舌组织，闭环操作6次，开环操作3次	NA	CoTracker	平均切割误差	NA
62	2026-01-30	Sparse Learning Enabled by Constraints on Connectivity and Function 2025-Aug-22, Physical review letters IF:8.1Q1 DOI:10.1103/918k-x6np PMID:40929306	研究论文	本文通过可解模型研究稀疏连接对网络性能的影响，并探索了实现稀疏性的优化方法	利用可解关联学习模型评估多种稀疏诱导约束，发现消除弱连接可达到与ℓ0范数约束相近的稀疏效率，并实现在线稀疏化方法	基于理论模型研究，未在真实生物神经网络或复杂深度学习任务中验证	探索在不损害网络性能的前提下实现稀疏连接的方法	人工神经网络与生物神经网络的稀疏连接特性	机器学习	NA	关联学习模型	人工神经网络	理论模型数据	NA	NA	可解关联学习模型	稀疏效率，网络性能	NA
63	2026-01-30	Automated Deep Learning Pipeline for Callosal Angle Quantification 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.18.25333901 PMID:40894175	研究论文	本文开发了一个全自动深度学习框架，用于从原始T1 MPRAGE和非MPRAGE MRI扫描中量化胼胝体角，以辅助正常压力脑积水的诊断	提出了一种结合BrainSignsNET模型进行关键解剖标志点检测和基于UNet的分割网络进行侧脑室分割的全自动框架，实现了胼胝体角的鲁棒量化，性能优于报告的人工观察者间变异性	外部验证仅使用了来自单一医院的216个临床MRI扫描，样本来源可能有限；未明确讨论模型在不同MRI扫描仪或协议下的泛化能力	开发一个全自动、可靠的深度学习框架，用于从MRI扫描中量化胼胝体角，以改善正常压力脑积水的诊断	正常压力脑积水患者的MRI扫描图像	数字病理学	正常压力脑积水	T1 MPRAGE MRI, 非MPRAGE MRI	深度学习	3D MRI图像	使用巴尔的摩纵向衰老研究和BIOCARD数据集进行训练和内部验证，外部验证使用约翰霍普金斯湾景医院的216个临床MRI扫描	NA	BrainSignsNET, UNet with EfficientNetB0 encoder	相关系数(r), p值, 平均绝对误差(MAE), 标准差(SD)	NA
64	2026-01-30	StructVPR++: Distill Structural and Semantic Knowledge With Weighting Samples for Visual Place Recognition 2025-Aug, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3556859 PMID:40168193	研究论文	本文提出了一种名为StructVPR++的视觉地点识别框架，通过分割引导的蒸馏方法将结构和语义知识嵌入到RGB全局表示中，以在准确性和效率之间取得良好平衡	主要创新点在于从全局描述符中解耦标签特定特征，实现图像对之间的显式语义对齐，而无需在部署时进行分割；并引入了样本加权蒸馏策略，优先处理可靠训练对并抑制噪声对	未在摘要中明确说明	解决自动驾驶和机器人技术中的视觉地点识别挑战，旨在缩小全局检索与重排序之间的差距	视觉地点识别任务	计算机视觉	NA	分割引导的蒸馏方法	深度学习模型	RGB图像	在四个基准数据集上进行实验	NA	StructVPR++	Recall@1	NA
65	2026-01-29	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug, Proceedings of machine learning research PMID:41394314	研究论文	提出了一种基于原型推理的可解释深度学习模型ProtoECGNet，用于多标签心电图分类	结合了1D CNN与全局原型、2D CNN与时间局部原型、2D CNN与全局原型的多分支架构，并设计了适用于多标签学习的原型损失函数，包含聚类、分离、多样性和新颖的对比损失	NA	开发可解释的深度学习模型用于临床心电图分类	心电图信号	机器学习	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集	NA	1D CNN, 2D CNN	NA	NA
66	2026-01-27	Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach 2025-Aug-13, JMIR formative research IF:2.0Q4 DOI:10.2196/72115 PMID:40802390	研究论文	本研究开发了一种基于深度学习的诊断系统，结合面部情绪识别和验证问卷，用于检测自闭症谱系障碍（ASD）患者或非ASD个体的恐笑症	创新点在于整合面部情绪识别（使用DeepFace库）与验证问卷（GELOPH<15>），通过混合方法提升恐笑症检测的准确性和可靠性，特别是在面部线索模糊时	局限性包括在面部表情模糊时，仅依赖DeepFace模型可能不足，需结合问卷以提高诊断一致性；样本主要来自Kaggle和ASD相关网站，可能缺乏多样性	研究目标是开发一个自动化诊断系统，用于早期检测恐笑症，以改善ASD患者的生活质量和干预效果	研究对象包括自闭症谱系障碍（ASD）患者和神经典型个体，特别是青少年高功能ASD患者	计算机视觉	自闭症谱系障碍	面部情绪识别，问卷调查	多层感知机	图像	2932张面部图像（1466张来自ASD个体，1466张来自神经典型个体）	PyTorch, scikit-learn, NumPy, Pandas, DeepFace	多层感知机	准确率	使用CUDA加速的兼容GPU
67	2026-01-27	BOLD-GPCRs: A Transformer-Powered App for Predicting Ligand Bioactivity and Mutational Effects Across Class A GPCRs 2025-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.04.668547 PMID:40799593	研究论文	本研究介绍了一个名为BOLD-GPCRs的深度学习框架，旨在提升A类GPCRs配体生物活性的预测能力	结合了迁移学习和基于Transformer的蛋白质语言模型，以捕获受体序列/功能与配体活性之间的复杂关系	主要针对A类GPCRs，可能不适用于其他GPCR类别；依赖于现有配体和序列数据集，对于数据稀缺的受体预测能力可能受限	开发一个深度学习框架，用于准确预测A类GPCRs的配体生物活性和突变效应	A类G蛋白偶联受体及其配体	自然语言处理	NA	深度学习，迁移学习	Transformer, 密集神经网络	序列数据	NA	NA	BERT, Transformer	NA	NA
68	2026-01-24	A deep learning method for predicting interactions for intrinsically disordered regions of proteins 2025-Aug-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.19.629373 PMID:39763873	研究论文	本文开发了一种名为Disobind的深度学习方法，用于预测蛋白质内在无序区域（IDRs）与结合伙伴之间的相互作用位点	Disobind方法结合了ProtT5蛋白质语言模型的序列嵌入，能够考虑结合伙伴的上下文信息，且不依赖于结构或多序列比对，在预测IDR界面方面优于现有方法	未在摘要中明确说明	开发一种深度学习方法以准确预测蛋白质内在无序区域（IDRs）与结合伙伴之间的相互作用	蛋白质内在无序区域（IDRs）及其结合伙伴	机器学习	NA	深度学习	基于ProtT5的模型	蛋白质序列	NA	NA	ProtT5	NA	NA
69	2026-01-24	Spatio-temporal learning from molecular dynamics simulations for protein-ligand binding affinity prediction 2025-Aug-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf429 PMID:40828893	研究论文	本文开发了MDbind数据集和新型神经网络，利用分子动力学模拟增强蛋白质-配体结合亲和力预测	通过分子动力学模拟作为数据增强，结合时空学习神经网络，提升了模型在偏置测试集上的泛化能力	训练数据有限，模型对蛋白质-配体相互作用的有效学习仍面临挑战	预测蛋白质-配体结合亲和力，解决现有深度学习模型泛化能力不足的问题	蛋白质-配体复合物	机器学习	NA	分子动力学模拟	神经网络	分子动力学模拟轨迹	63000个蛋白质-配体相互作用的模拟	NA	NA	NA	NA
70	2026-01-12	Optimized deep learning for brain tumor detection: a hybrid approach with attention mechanisms and clinical explainability 2025-Aug-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-04591-3 PMID:40858650	研究论文	本研究提出了一种结合VGG16、注意力机制和优化超参数的混合深度学习模型，用于从MRI图像中分类脑肿瘤，包括胶质瘤、脑膜瘤、垂体瘤和无肿瘤类别	整合了注意力机制和Grad-CAM可视化，实现了自动特征提取和临床可解释性，提升了分类准确性和透明度	未明确提及模型在外部验证数据集上的泛化能力或计算资源需求的具体限制	开发一种高性能且可解释的深度学习模型，用于脑肿瘤的自动检测和分类，以辅助临床诊断和治疗规划	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和无肿瘤的样本	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	7023张MRI图像	未明确提及，但可能基于TensorFlow或PyTorch（基于常见深度学习实践）	VGG16	准确率、精确率、召回率	未明确提及
71	2026-01-11	A lightweight neural attention-based model for service chatbots 2025-Aug-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14215-5 PMID:40804277	研究论文	本文提出了一种轻量级神经注意力机制，用于提升服务聊天机器人的上下文相关性和可扩展性	在现有注意力得分计算中引入标量函数，针对seq2seq架构优化对齐序列，从而改善上下文相关性并降低资源需求	未与基于Transformer的架构结合，未来可扩展至更广泛的序列预测任务	开发一种轻量级神经注意力机制，以增强服务聊天机器人的响应准确性和上下文相关性	服务聊天机器人	自然语言处理	NA	NA	seq2seq	文本	真实世界的Customer Support Twitter数据集	NA	seq2seq	BLEU-4, 训练时间, 验证损失	NA
72	2026-01-09	Development and in silico imaging trial evaluation of a deep-learning-based transmission-less attenuation compensation method for DaT SPECT 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17976 PMID:40781836	研究论文	本文开发了一种基于深度学习的无传输衰减补偿方法（DaT-CTLESS），用于DaT SPECT成像，并通过计算机模拟成像试验验证了其性能	提出了一种结合物理原理和深度学习的无传输衰减补偿方法，无需额外CT扫描，解决了临床SPECT系统中CT组件缺失的问题	研究基于计算机模拟成像试验，尚未进行真实临床环境的大规模验证，且方法性能可能受训练数据质量和数量的影响	开发并验证一种无传输衰减补偿方法，以克服DaT SPECT成像中依赖CT扫描进行衰减补偿的挑战	多巴胺转运体（DaT）SPECT图像，用于帕金森病等运动障碍疾病的诊断和进展跟踪	医学影像分析	帕金森病	单光子发射计算机断层扫描（SPECT），深度学习	深度学习	医学影像（SPECT、CT、MR图像）	197名虚拟患者（150名用于训练，47名用于评估）	NA	U-net	组内相关系数（ICC），准确性，重复性，泛化性，保真度指标	NA
73	2026-01-08	Estimating ascending aortic diameter from the electrocardiogram 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.19.25333786 PMID:40894145	研究论文	本研究开发了一种基于一维卷积神经网络的深度学习模型（ECGAI-TAA），用于从12导联心电图信号中估计升主动脉直径	首次将12导联心电图信号与MRI测量的升主动脉直径配对，利用深度学习模型从心电图信号中估计主动脉直径，并发现模型检测到的电生理变化可能与侧上轴偏移有关	研究结果仅代表生理学观察，尚未经过外部验证的风险评分验证	探索从心电图信号中无创估计升主动脉直径的可能性	英国生物银行（UK Biobank）的69,173名参与者	机器学习	心血管疾病	MRI测量，心电图信号分析	CNN，变分自编码器	心电图信号（12导联，10秒，500Hz），MRI图像	69,173名参与者（训练集），5,191名参与者（内部测试集）	NA	一维卷积神经网络，变分自编码器	方差解释率（31%），比值比（16倍）	NA
74	2026-01-05	StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement 2025-Aug-10, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02644-3 PMID:40783657	研究论文	本文提出了一种名为StarVasc的轻量级无监督血管对比度增强框架，专为机器人手术视觉系统设计	StarVasc采用基于紧凑生成对抗网络的非配对学习策略，引入星形操作模块实现超维特征扩展，并设计了光谱特征增强模块（SFEM）以隐式学习光谱线索，无需高光谱输入	未在摘要中明确说明	开发一种无需专用硬件的自适应血管对比度增强方法，以提高机器人手术成像中的视觉感知和手术安全性	机器人手术成像中的血管结构	计算机视觉	NA	非配对学习策略，光谱特征增强	GAN	图像	NA	NA	编码器-解码器架构	无参考质量指标，视觉评估	NA
75	2026-01-05	Artificial intelligence and digital health in vascular surgery: a 2-decade bibliometric analysis of research landscapes and evolving frontiers 2025-Aug-06, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02583-z PMID:40767924	研究论文	本文通过文献计量分析，回顾了过去20年人工智能和数字健康在血管外科领域的应用演变，识别了研究热点和新兴前沿	首次使用CiteSpace和HistCite工具对血管外科中AI和数字健康研究进行全面的结构性和时间性演化分析，揭示了七个新兴研究子领域和范式转变	研究基于WoSCC数据库，可能未涵盖所有相关文献；文献计量分析方法主要反映趋势而非深度内容评估	分析人工智能和数字健康在血管外科应用的结构与时间演化，识别历史发展轨迹、研究焦点和新兴前沿	血管外科领域的人工智能和数字健康应用相关出版物	数字病理学	心血管疾病	文献计量分析	NA	文本	675篇爆发性引用论文，涉及123个相关学科和505个关键词	NA	NA	NA	NA
76	2026-01-01	Fusing Tool Segmentation Predictions from Pose-Informed Morphological Polar Transform of Endoscopic Images 2025-Aug, IEEE International Conference on Automation Science and Engineering (CASE) : [proceedings]. IEEE Conference on Automation Science and Engineering DOI:10.1109/case58245.2025.11164078 PMID:41458100	研究论文	本文提出并评估了融合语义图像分割预测的方法，重点介绍了一种结合空间频率和边缘特征的新型混合方法	提出了一种基于低层特征融合灰度分割预测的混合方法，包括梯度估计、拉普拉斯金字塔和改进的空间频率方法，并探索了通过无监督聚类和ResNet-18模型进行可解释性分析	未提及具体的数据集规模限制或计算资源需求，可能缺乏大规模验证	通过融合两种基于形态学极坐标变换的分割预测，生成更优的手术工具分割结果，以支持机器人辅助微创手术中的视觉力估计	鼻窦手术中的内窥镜图像，特别是手术工具的分割	计算机视觉	NA	形态学极坐标变换，深度学习分割	CNN	图像	NA	NA	U-Net, ResNet-18	NA	NA
77	2025-12-28	Evaluating the Performance and Potential Bias of Predictive Models for Detection of Transthyretin Cardiac Amyloidosis 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.101901 PMID:40616933	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性的性能，并评估了模型偏见的潜在危害风险	首次直接比较了基于索赔的随机森林模型、回归评分和两种深度学习超声心动图模型在检测ATTR-CM中的性能，并应用了标准公平性指标进行偏见评估	研究样本中79.2%为白人，9.0%为黑人，种族多样性有限，可能影响结果的普遍性	比较不同算法在检测转甲状腺素蛋白心脏淀粉样变性中的性能，并评估模型偏见风险	心力衰竭患者，包括176例确诊的ATTR-CM病例和3,192例对照患者	机器学习	心血管疾病	深度学习，超声心动图分析	随机森林，回归模型，深度学习模型	医疗索赔数据，超声心动图图像	176例ATTR-CM病例和3,192例对照患者，总计3,368例样本	NA	EchoNet-LVH, EchoGo Amyloidosis	AUC	NA
78	2025-12-28	Fully Automated Diagnosis of Acute Myocardial Infarction Using Electrocardiograms and Multimodal Deep Learning 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.102011 PMID:40675022	研究论文	本研究开发并验证了一种基于心电图、人口统计学和症状的多模态深度学习模型，用于急性心肌梗死的全自动诊断	结合心电图特征、年龄、性别和症状数据，利用残差卷积神经网络进行多模态融合，实现急性心肌梗死的自动化检测，并在大规模真实世界数据中进行了内部和外部验证	研究为回顾性队列设计，缺乏与急诊医生诊断性能的前瞻性随机对照试验比较	开发并验证一种深度学习模型，用于快速检测急性心肌梗死，以降低发病率和死亡率	因胸痛或呼吸困难接受院前或院内心电图检查的患者	机器学习	心血管疾病	心电图	CNN	心电图信号, 人口统计学数据, 症状文本	104,507名个体（共208,366份心电图）	NA	残差卷积神经网络	受试者工作特征曲线下面积, 敏感性, 特异性	NA
79	2025-12-28	Artificial Intelligence Empowers Novice Users to Acquire Diagnostic-Quality Echocardiography 2025-Aug, JACC. Advances DOI:10.1016/j.jacadv.2025.102005 PMID:40700992	研究论文	本研究评估了基于人工智能的软件如何帮助无超声经验的护士获取诊断质量的心脏超声图像	首次证明AI引导系统能使新手在短时间内获取与专家相当的诊断质量心脏超声图像	研究仅在两个医疗中心进行，样本量相对有限，且未随机分配	评估AI软件是否能让无经验的新手获取诊断质量的心脏超声图像	成年患者（计划进行临床指示超声心动图检查）	医学影像分析	心血管疾病	心脏超声（超声心动图）	深度学习算法	超声图像	240名患者（平均年龄62.6岁，117名女性，平均BMI 26.6 kg/m²）	NA	NA	图像质量评估（视觉分析左心室大小和功能、右心室大小、心包积液存在性），参数相关性	NA
80	2025-12-27	Multimodal deep learning model for prognostic prediction in cervical cancer receiving definitive radiotherapy: a multi-center study 2025-Aug-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01903-9 PMID:40760164	研究论文	本研究开发并验证了名为CerviPro的多模态深度学习模型，用于预测接受根治性放疗的局部晚期宫颈癌患者的无病生存期	通过融合治疗前后CT影像、手工放射组学特征和临床变量，构建了首个针对局部晚期宫颈癌的多模态预后预测模型，并证明了多模态特征融合优于单一数据源模型	研究样本量相对有限（1018例），且外部验证队列的C-index（0.70和0.66）低于内部验证队列（0.81），表明模型泛化能力有待进一步提升	开发精准的生存预测模型以指导局部晚期宫颈癌的个性化治疗	接受根治性放疗的局部晚期宫颈癌患者	数字病理学	宫颈癌	CT成像	深度学习模型	CT影像、放射组学特征、临床变量	1018例局部晚期宫颈癌患者	NA	CerviPro	C-index	NA