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
341	2025-12-31	AI-Based Identification of Head Impact Locations, Speeds, and Force Based on Head Kinematics Simulations 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3581171 PMID:40536866	研究论文	本研究提出了一种基于深度学习的模型，用于从头戴式头盔撞击时的头部运动学数据中准确预测撞击方向、速度和力等关键参数	利用LSTM网络处理头部运动学数据，首次实现了从头戴式头盔撞击模拟中预测撞击方向、速度和力分布，并在现场数据验证中显著优于现有方法	模型主要基于模拟数据集开发，未来需要在更多头盔类型和运动场景的大型体内数据集上进行验证，以确认其准确性	开发一种能够从头戴式头盔撞击的头部运动学数据中准确预测关键撞击参数（如方向、速度和力）的深度学习模型，以改进头盔设计和运动安全	头盔撞击下的头部运动学数据（线性加速度和角速度），用于预测撞击方向、速度和力分布	机器学习	NA	有限元模拟，深度学习建模	LSTM	时间序列数据（头部运动学）	模拟数据集：16,000次头盔撞击模拟；现场数据集：79次可清晰识别撞击位置的头部撞击	NA	LSTM	R², 准确率	NA
342	2025-12-31	From Frequency to Temporal: Three Simple Steps Achieve Lightweight High-Performance Motor Imagery Decoding 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3579528 PMID:40536865	研究论文	本研究提出了一种基于脑电图（EEG）的轻量级高性能运动想象解码方法，通过三个简单步骤显著提升解码精度并降低计算复杂度	从频率域分析出发，结合脑科学先验知识调整模型结构，引入残差网络保留高频细节特征，并使用时序卷积模块深度捕获时间依赖性	未明确说明方法在其他EEG数据集或实际应用场景中的泛化能力	开发轻量级高性能的脑电图运动想象解码模型	基于脑电图（EEG）的运动想象信号	机器学习	NA	脑电图（EEG）	CNN	时间序列数据（脑电信号）	BCI Competition IV 2a数据集（22通道）和2b数据集（3通道）	未明确说明	EEGNet, 残差网络, 时序卷积模块	分类准确率	未明确说明
343	2025-12-31	Enhancing RNA 3D Structure Prediction: A Hybrid Approach Combining Expert Knowledge and Computational Tools in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70034 PMID:40778521	研究论文	本文介绍了一种结合专家知识与计算工具的混合方法，用于在CASP16挑战中增强RNA三维结构预测	采用模块化工作流整合模板建模与从头预测，并融入实验约束和迭代优化，在CASP16中取得第二名	在预测复杂拓扑结构（如假结和共轴堆积）方面仍面临挑战	提高RNA三维结构预测的准确性和适用性	RNA分子及其三维结构	计算生物学	NA	模板建模、从头预测、深度学习	AlphaFold3, DeepFoldRNA	RNA序列、三维结构数据	CASP16挑战中的多个RNA靶标，包括短于200个核苷酸的目标	NA	NA	均方根偏差（RMSD）, Z-score	NA
344	2025-12-31	Machine Learning in Tuberculosis Research: A Global Bibliometric Analysis of Diagnostic, Prognostic, and Drug Discovery Trends 2026-Jan, Therapeutic innovation & regulatory science IF:2.0Q3 DOI:10.1007/s43441-025-00866-z PMID:40841498	综述	本文对机器学习在结核病研究中的全球文献进行了全面的计量分析，重点关注诊断、预后和药物发现趋势	通过系统的文献计量分析，揭示了机器学习在结核病研究领域的快速增长趋势、国际合作网络及主要研究主题聚类，为未来AI驱动的结核病治疗策略提供指导	分析仅基于Scopus数据库的英文文献，可能未涵盖所有相关研究，且文献计量方法本身存在一定局限性	评估机器学习在结核病研究中的应用趋势，以指导未来的治疗策略和监管科学	全球范围内关于机器学习与结核病（MLTB）的数据驱动出版物	机器学习	结核病	文献计量分析	NA	文献数据	通过Scopus数据库检索至2024年5月1日的相关出版物	Biblioshiny, VOSviewer	NA	平均引用次数（21.64），国际合作比例（40.11%），年增长率（22.12%）	NA
345	2025-12-31	The Role of Artificial Intelligence in Interventional Pulmonology 2026-Jan-01, Journal of bronchology & interventional pulmonology IF:3.3Q2 DOI:10.1097/LBR.0000000000001051 PMID:41468029	综述	本文综述了人工智能在介入肺病学中如何通过提升诊断、手术精度和患者预后，革新该领域	全面总结了AI在介入肺病学多个关键应用中的创新作用，包括肺结节检测、风险分层、机器人辅助支气管镜导航、淋巴结恶性评估以及慢性阻塞性肺疾病表型分析	未提及具体研究数据或模型性能的局限性，主要聚焦于应用潜力和未来挑战	探讨人工智能在介入肺病学领域的应用、影响及未来发展方向	介入肺病学中的诊断工具、手术程序、患者选择及医学教育	医学人工智能	肺癌, 慢性阻塞性肺疾病	机器学习, 深度学习, 影像组学, 机器人辅助支气管镜, 支气管内超声, 细胞病理学	深度学习模型, 机器学习算法	影像数据, CT成像, 肺活量测定数据	NA	NA	NA	NA	NA
346	2025-12-30	Deep Learning Predicts Cardiac Output from Seismocardiographic Signals in Heart Failure 2026-Jan-15, The American journal of cardiology DOI:10.1016/j.amjcard.2025.09.037 PMID:41038524	研究论文	本研究开发了一种深度学习模型，利用心震图、心电图和身体质量指数数据，非侵入性地预测心力衰竭患者的心输出量	首次将深度学习与可穿戴心震图传感器结合，用于非侵入性心输出量估计，尤其在低输出状态下表现优异	需要前瞻性多中心验证以确认模型的普适性和临床影响	探索利用非侵入性心震图技术替代标准右心导管插入术，用于心力衰竭患者的心输出量测定	心力衰竭患者	机器学习	心血管疾病	心震图, 心电图	CNN	信号数据	73名心力衰竭患者（训练集），64名患者用于评估	NA	深度卷积神经网络	平均偏差, 一致性界限	NA
347	2025-12-30	Automated detection of the epileptogenic zone in stereoelectroencephalography for drug-resistant epilepsy using multi-epileptogenic biomarker machine learning 2026-Jan, Epilepsy research IF:2.0Q3 DOI:10.1016/j.eplepsyres.2025.107710 PMID:41289960	研究论文	本研究开发了一种可解释的机器学习框架，整合多种癫痫源性生物标志物，用于自动检测耐药性癫痫患者的癫痫发生区	首次将多种癫痫源性生物标志物（如癫痫源性指数、棘波率、波纹率、快速波纹率）整合到可解释的机器学习框架中，用于增强癫痫发生区的定位	研究为回顾性设计，样本量相对较小（38名患者），可能影响模型的泛化能力	开发一个可解释的机器学习框架，以提高耐药性癫痫患者癫痫发生区的定位准确性	耐药性癫痫患者	机器学习	癫痫	立体脑电图	深度学习模型	电生理数据	38名患者，1671个SEEG通道	NA	NA	AUC	NA
348	2025-12-30	Artificial intelligence classification of pediatric middle ear effusion using consumer-grade otoscopes 2026-Jan, International journal of pediatric otorhinolaryngology IF:1.2Q3 DOI:10.1016/j.ijporl.2025.112655 PMID:41338131	研究论文	本研究利用消费级耳镜采集的鼓膜图像，训练深度学习神经网络，以准确预测儿童中耳积液的存在与否	首次使用消费级耳镜图像结合深度学习算法，实现中耳积液的自动分类，其性能与或优于传统诊断工具如气动耳镜和鼓室图	样本仅来自接受鼓膜切开术的特定年龄组儿童，可能限制了模型的泛化能力	开发一种基于人工智能的辅助诊断工具，用于初级保健环境中儿童中耳积液的早期准确诊断	6个月至6岁儿童的鼓膜图像	计算机视觉	中耳积液	数字耳镜成像	深度学习神经网络	图像	来自219名患者的537张鼓膜图像	NA	NA	准确率, 灵敏度, 特异性	NA
349	2025-12-30	A dual-interactive fusion network for low-dose CT image denoising 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70253 PMID:41457826	研究论文	本文提出了一种用于低剂量CT图像去噪的双交互融合网络框架	提出了集成双阶段去噪架构、上下文感知训练策略和组合双阶段损失函数的DIFNet框架，在平衡性能、鲁棒性和计算效率方面取得进展	未明确说明模型在不同厂商扫描仪和协议间的泛化能力的具体量化结果	提高低剂量CT图像质量以提升诊断准确性	低剂量CT图像	计算机视觉	NA	低剂量计算机断层扫描	深度学习网络	医学图像	两个内部LDCT数据集（使用不同飞利浦扫描仪采集）和公开Mayo-2016基准数据集（使用西门子扫描仪采集）	NA	Dual-Interactive Fusion Network, Dual-Phase Denoising Architecture	定性评估，定量指标	NA
350	2025-12-30	Foundation Models for Neural Signal Decoding: EEG-Centered Perspectives Toward Unified Representations 2026-Jan, The European journal of neuroscience DOI:10.1111/ejn.70376 PMID:41459740	综述	本文综述了用于神经信号解码的基础模型，重点分析了以脑电图为中心的方法，旨在构建统一的神经表征	提出了将基础模型范式应用于神经信号解码的框架，强调了生理感知表征学习、结构感知架构和可解释性机制三大设计原则，并指出该框架可推广至其他神经记录类型以实现跨时空尺度的统一表征	许多现有模型仍沿用非神经领域的训练目标，且未能充分利用电极拓扑或功能连接等空间先验信息	探讨基础模型在神经信号解码中的应用，构建鲁棒、可迁移且具有生理学基础的统一神经表征	脑电图、皮层脑电图和皮层内记录等神经信号	机器学习	NA	NA	Transformer, GAN	神经信号（时间序列数据）	NA	NA	Patched Brain Transformer, CBraMod, BrainGPT	NA	NA
351	2025-12-29	Effective transfer of tumor annotations from hematoxylin and eosin to fluorescence images of breast and lung tissues 2026-Jan, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.1.016501 PMID:41451238	研究论文	本文提出了一种半自动方法，将病理学家标注的H&E图像中的肿瘤注释有效转移到荧光图像中，以支持深度学习模型开发	开发了一种结合非刚性图像配准、轮廓提取与细化的半自动注释转移方法，用于从H&E到荧光图像的准确标注迁移	该方法不适用于术中实时使用，仅用于辅助创建标注数据集；样本量相对较小（35个组织样本）	开发一种半自动方法，实现从H&E图像到荧光图像的肿瘤注释准确转移，以促进深度学习模型的训练数据生成	乳腺癌和肺癌组织样本的H&E图像与MUSE荧光图像对	数字病理学	乳腺癌,肺癌	显微镜紫外表面激发成像	CNN	图像	35个乳腺癌和肺癌组织样本	NA	NA	Dice系数,基于CNN的特征相似度,归一化Hausdorff距离	NA
352	2025-12-29	Continuous sPatial-temporal deformable image registration and 4D frame interpolation 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70248 PMID:41452345	研究论文	本文提出了一种基于隐式神经表示的连续时空可变形图像配准方法，用于提高放疗中解剖运动建模的准确性和效率	利用隐式神经表示连续建模患者解剖运动，统一欧拉和拉格朗日规范，实现自然连续运动建模和帧插值	未明确说明模型在极端解剖变化或噪声数据下的鲁棒性，以及临床大规模验证的缺乏	开发一种保持时空连续性的可变形图像配准模型，以改善放疗中解剖变化分析和运动模式处理	DIR-Lab数据集和Abdominal-DIR-QA数据集中的医学图像	计算机视觉	NA	可变形图像配准，隐式神经表示，帧插值	多层感知机网络	医学图像	DIR-Lab数据集和Abdominal-DIR-QA数据集	NA	隐式神经表示	目标配准误差，Dice系数，平均绝对误差，峰值信噪比	NA
353	2025-12-29	Global and local information-based prostate image registration of prostate-specific membrane antigen PET/CT and enhanced MRI 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70232 PMID:41454834	研究论文	本研究提出了一种基于全局和局部信息的深度学习网络GLNet，用于融合PSMA PET/CT和增强MRI图像，以提高前列腺癌的诊断准确性	提出了GLNet网络，该网络结合了语义门控卷积模块和基于U形通道的卷积长短期记忆网络，以整合PSMA PET/CT的功能语义特征和MRI的高分辨率软组织细节，从而同时利用全局腺体信息和局部肿瘤区域信息进行图像配准	研究样本量相对较小（77例临床病例），且依赖于临床活检验证，可能限制了模型的泛化能力	提高前列腺癌病灶的诊断准确性，通过精确融合PSMA PET/CT和增强MRI这两种互补的影像数据	前列腺癌患者的PSMA PET/CT和对比增强MRI图像	数字病理	前列腺癌	PSMA PET/CT，对比增强MRI	深度学习网络	医学影像（PET/CT，MRI）	77例临床病例（经两位经验丰富的医师通过临床活检验证），数据增强后用于训练和验证244例，测试64例	NA	U-CLSTM，包含语义门控卷积模块	Dice相似系数，HD95，平均对称表面距离，负雅可比比例，精确率，召回率，F1分数	NA
354	2025-12-28	Machine learning (ML) and deep learning (DL) in vaccine target selection, design, development and characterization 2026-Jan-25, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2025.128051 PMID:41371096	综述	本文综述了机器学习和深度学习在疫苗靶点选择、设计、开发和表征中的应用	系统性地阐述了AI技术，特别是ML和DL，在理性疫苗设计中的关键作用，包括从靶点选择到临床前试验的全流程应用	数据可用性存在限制	描述ML和DL如何辅助理性疫苗设计，以应对传染病挑战	疫苗开发过程，包括靶点选择、设计、开发和表征	机器学习	传染病	NA	机器学习,深度学习	NA	NA	NA	NA	NA	NA
355	2025-12-28	SpatialFusion: A Unified Model for Integrating Spatial Transcriptomics to Unveil Cell-type Distribution, Interaction, and Functional Heterogeneity in Tissue Microenvironments 2026-Jan-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2025.169535 PMID:41237948	研究论文	本文介绍了一种名为SpatialFusion的创新深度学习模型，旨在通过整合基因表达和空间坐标来改进空间域识别和细胞类型反卷积	SpatialFusion模型的核心创新在于利用图神经网络和注意力机制，通过空间数据的多维嵌入捕获复杂的空间关系，并采用双编码策略和自监督对比学习，显著提高了准确性和鲁棒性	NA	解决现有空间域识别和细胞类型反卷积方法在准确性、鲁棒性和计算效率方面面临的挑战	空间转录组学数据，特别是人类DLPFC数据集和乳腺癌肿瘤微环境	空间转录组学	乳腺癌	空间转录组学	GNN, 注意力机制	基因表达数据, 空间坐标	NA	NA	图神经网络, 注意力机制	准确性, 分辨率	NA
356	2025-12-28	Diffuse optical imaging with channel attention fusion network 2026-Jan, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.1.016001 PMID:41445764	研究论文	本文提出了一种用于漫射光学成像的端到端深度学习框架CAFNet，旨在克服传统重建技术中的伪影、噪声放大和深度敏感性限制	首次将通道注意力机制与AUTOMAP结合，通过多尺度特征学习和特征优先级处理，显著提升了光学属性重建的精度和鲁棒性	研究主要基于模拟和实验体模数据，未在真实临床患者数据上进行验证，可能限制了其直接医学应用的普适性	开发一种能够有效重建漫射光学图像中光学属性的深度学习模型，以改善肿瘤等深层异常检测的准确性	模拟数据集和实验体模中的光学属性图像	医学影像	肿瘤	漫射光学成像	深度学习	图像	模拟和实验数据集，具体样本数量未明确说明	未明确指定，但涉及深度学习框架	CAFNet, AUTOMAP	均方误差, 峰值信噪比, 结构相似性指数	NA
357	2025-12-27	Towards precision medicine for otology and neurotology: Machine learning applications and challenges 2026-Jan, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109473 PMID:41274259	综述	本文批判性地综述了2013年至2025年间机器学习和深度学习在耳科及神经耳科领域的研究应用、挑战及未来方向	重点强调了新兴技术（如Whisper语音识别模型、大语言模型）及其在多模态数据集（影像、听力数据、患者报告结果）整合中的应用，以改进诊断和治疗策略	模型缺乏标准化、泛化能力有限、多模态数据整合框架不完善，阻碍了严谨且可重复的实施	探索人工智能（机器学习、深度学习、大语言模型）在耳科及神经耳科精准医疗中的应用潜力，以促进基于个体数据的诊断、预后和治疗决策	耳鸣、人工耳蜗植入及其他耳科或神经耳科疾病	机器学习	耳科及神经耳科疾病	NA	机器学习, 深度学习, 大语言模型	多模态数据（影像、听力数据、患者报告结果）	NA	NA	Whisper	NA	NA
358	2025-12-27	3D Otoscope: toward an extra diagnostic dimension for middle-ear related issues 2026-Jan, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109485 PMID:41308561	研究论文	本文介绍了一种可工业制造的数字耳镜，旨在测量鼓膜的三维形状，同时兼容标准检查程序	通过集成单次表面重建策略（从经典傅里叶轮廓术到现代深度学习方法），消除了多模式投影需求，并在深度学习方法中避免了相位解缠，从而简化硬件设置	NA	开发一种用于鼓膜三维形状测量的数字耳镜，以评估其早期病理指标	鼓膜的三维形状和活动性	计算机视觉	中耳相关疾病	光学轮廓术	深度学习	图像	NA	NA	NA	NA	NA
359	2025-12-27	Automated high-fidelity 3D reconstruction of middle-ear ossicles from low-resolution clinical CT using a deep learning pipeline 2026-Jan, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109492 PMID:41344151	研究论文	本研究验证了一种从低分辨率临床CT图像自动生成高保真中耳听小骨3D模型的深度学习框架	提出了一种结合YOLOv5x、深度反向投影网络和带“提示通道”的2.5D U-Net的三阶段自动化流水线，能够从稀疏数据中鲁棒地重建完整解剖结构	未明确说明训练数据的具体来源和多样性，外部验证集的规模可能有限	开发一种快速、准确且鲁棒的自动化工具，从标准临床CT生成患者特异性的中耳听小骨3D模型	中耳听小骨（ossicles）	医学影像分析	耳科疾病	临床CT成像	深度学习	CT图像	未明确说明具体样本数量，但提及使用了外部推理集进行验证	未明确说明，但提及YOLOv5x、DBPN、U-Net等架构	YOLOv5x, Deep Back-Projection Network (DBPN), 2.5D U-Net	mAP50, Dice系数, 平均表面距离	未明确说明具体计算资源
360	2025-12-27	Lower Limb Joints Torques Continuous Estimate Model Based on Muscle Synergy for Patients With Motor Dysfunction 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3645234 PMID:41411354	研究论文	本研究为下肢运动功能障碍患者开发了一种基于肌肉协同作用的关节扭矩连续估计模型，用于康复外骨骼机器人的辅助控制	结合肌肉协同理论和深度学习，在神经控制层面建立了肌电信号与关节扭矩的关系模型，并采用对抗迁移学习优化模型以适应长期使用	仅涉及八名患者，样本量较小，且仅针对髋关节和膝关节进行评估	为康复外骨骼机器人提供准确可靠的下肢关节扭矩估计，以实现按需辅助控制	下肢运动功能障碍患者	机器学习	运动功能障碍	表面肌电图	深度学习	肌电信号	八名下肢运动功能障碍患者	NA	自注意力机制	决策系数	NA