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
421	2026-04-14	ReHeartNet: Reconstruct Electrocardiogram From Photoplethysmography by Using Dense Connected Deep Learning Model 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3670010 PMID:41970650	研究论文	本研究提出了一种名为ReHeartNet的深度学习模型，用于从光电容积脉搏波信号中重建心电图信号，以实现舒适、非侵入式的心律监测	提出了一种新颖的密集连接双向长短期记忆网络架构，通过多尺度时序和频率关系建模以及层次特征融合，实现了从PPG到ECG的高保真重建	NA	从光电容积脉搏波信号中重建心电图信号，以简化心脏监测过程并提高舒适度	健康个体以及患有循环系统疾病和心律失常的患者	机器学习	心血管疾病	NA	深度学习模型	时序信号数据	使用了四个公开数据集：MIMIC-III, BIDMC, TBME-RR, 和 CBIC-Heart	NA	密集连接双向长短期记忆网络	NA	NA
422	2026-04-14	Leveraging Vision Transformers for High-Precision Classification of Cancer Cell Cultures: A Comparative Study on MDA-MB-231 and PC3 Datasets 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3666980 PMID:41970653	研究论文	本研究利用视觉变换器（ViT）和注意力增强的CNN模型，对MDA-MB-231和PC3癌细胞培养图像进行高精度分类，并比较了不同模型的性能	首次将视觉变换器（ViT）应用于癌细胞培养图像分类，并与注意力增强的CNN模型进行对比，展示了ViT在建模长距离依赖关系方面的优势	研究仅针对MDA-MB-231和PC3两种癌细胞系，未扩展到更多类型的癌症细胞，且未详细讨论模型的计算复杂度	开发自动化深度学习方法来准确分类癌细胞培养图像，以替代传统主观的手动评估	MDA-MB-231（三阴性乳腺癌）和PC3（前列腺癌）细胞培养图像	计算机视觉	乳腺癌, 前列腺癌	Otsu阈值分割, 形态学滤波, 分水岭分割, 类别平衡增强	CNN, ViT	图像	MDA-MB-231和PC3细胞图像数据集，具体样本数量未明确	未明确指定	CNN-SE, CNN-CBAM, ViT	准确率, 泛化能力	未明确指定
423	2026-04-14	Render EEG-Based Brain-Computer Interfaces Calibration-Free: Trade Space for Time in EEG Decoding 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667029 PMID:41970658	研究论文	本文提出了一种基于脑电图（EEG）的脑机接口（BCI）免校准解码策略，通过模型池选择机制替代传统的单一模型校准	提出了“以空间换时间”的免校准EEG解码策略，用包含通用模型和多个专用偏置模型的模型池替代单一模型，通过输入数据特征自动选择最合适的模型，实现即时适应而无需重新训练	在第三个数据集上的性能略低于受试者内解码（0.8804 vs 0.8888），且模型选择机制的泛化能力在不同EEG范式下需进一步验证	解决EEG脑机接口中受试者特异性校准导致的部署效率低下问题，实现免校准的实时EEG解码	基于EEG的脑机接口系统	机器学习	NA	脑电图（EEG）信号采集与解码	深度学习模型	脑电图（EEG）时间序列数据	多个公开EEG数据集（具体数量未说明）	NA	紧凑型深度学习架构（具体架构未说明）	解码性能比较（具体指标未说明，以数值对比呈现）	NA
424	2026-04-14	Gyrosphygmogram-Based Blood Pressure Estimation: A Comparative Study of Pulse Transit Time and CNN-LSTM Methods 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667031 PMID:41970656	研究论文	本研究通过比较传统的脉搏波传导时间（PTT）方法与深度学习框架，评估了新型可穿戴信号——陀螺脉搏图（GSG）在无袖带血压监测中的潜力	首次将新型可穿戴信号陀螺脉搏图（GSG）引入无袖带血压估计，并开发了融合多模态信号（ECG、PPG、GSG）的深度学习网络，显著提升了传统PTT方法的性能	研究样本量较小（仅20名健康成年人），且未在患者群体或不同生理条件下进行验证	评估陀螺脉搏图（GSG）信号在无袖带血压监测中的有效性，并比较传统PTT方法与深度学习方法的性能	健康成年人的心电信号（ECG）、光电容积脉搏波（PPG）和手腕陀螺脉搏图（GSG）信号	机器学习	心血管疾病	多模态信号采集（ECG、PPG、GSG）	CNN-LSTM	时间序列信号	20名健康成年人	未明确说明	多模态深度学习网络（融合CNN和LSTM）	平均绝对误差（MAE）	未明确说明
425	2026-04-14	When Kids Radiate: Low-Resolution Thermography for Total Energy Expenditure Estimation in Pediatric Patients - A Proof of Concept 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667036 PMID:41970657	研究论文	本研究提出了一种基于深度学习的框架，利用低分辨率热成像技术估计儿科患者的总能量消耗	首次将低分辨率热成像与深度学习结合用于儿科患者能量消耗估计，在视觉噪声和遮挡情况下仍能分割解剖相关区域	研究样本量有限（116例），未与其他能量消耗测量方法进行直接比较，在数据受限环境中的普适性需进一步验证	开发非侵入式、可扩展的儿科代谢监测方法	儿科重症监护病房（PICU）的患者	计算机视觉	儿科疾病	热成像技术	深度学习	热成像图像	116名儿科患者	未明确说明	UNet	平均绝对误差（279 kcal/m²/天）	NA
426	2026-04-14	Accurate and Generalizable Protein-Ligand Binding Affinity Prediction With Geometric Deep Learning 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667030 PMID:41970654	研究论文	提出了一种基于几何深度学习的蛋白质-配体结合亲和力预测方法IPBind，通过利用复合物结合与未结合状态间的原子间势能，实现准确且可泛化的预测	利用几何深度学习结合原子间势能，在新型未见蛋白质配体结合场景中保持稳健性能，提供原子级预测洞察	未明确说明方法在极端结构变异或罕见蛋白质家族中的泛化能力限制	开发能够准确预测蛋白质-配体结合亲和力并具有强泛化能力的计算方法	蛋白质-配体结合复合物	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质-配体复合物的三维结构数据	NA	NA	IPBind	结合亲和力预测准确性	NA
427	2026-04-14	Early-warning prediction of visceral leishmaniasis mortality using a multivariate STL-deep learning hybrid approach on 20 years of monthly time series 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1754966 PMID:41971279	研究论文	本研究提出了一种结合季节性趋势分解与多种机器学习模型的混合预测框架，用于预测苏丹Gedaref州气候驱动的内脏利什曼病死亡率	首次将STL分解与GPR、LSTM、TPA-LSTM和LightGBM等模型结合，专注于内脏利什曼病死亡率预测，填补了该领域的研究空白	深度学习模型未能充分捕捉非线性、长期依赖和季节性变化，预测性能有待提升	开发早期预警系统以预测内脏利什曼病死亡率，支持公共卫生干预	苏丹Gedaref州的内脏利什曼病死亡率时间序列数据	机器学习	内脏利什曼病	时间序列分析，季节性趋势分解	GPR, LSTM, TPA-LSTM, LightGBM	时间序列数据	2002年至2022年共20年的月度数据	NA	STL-LightGBM, STL-GPR, STL-LSTM, STL-TPA-LSTM	MAE, RMSE, MAPE, R², Willmott Index, PBIAS	NA
428	2026-04-14	Electroencephalogram-based multimodal attention level classification using deep learning techniques 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1791677 PMID:41971349	研究论文	本研究提出了一种基于多模态脑机接口系统的注意力水平预测方法，整合了脑电图、心电图和眼电图信号以提高预测准确性和鲁棒性	提出了多特征增强注意力网络（MEAN），利用脑电图、心电图和眼电图信号的互补优势，克服了单模态信号易受噪声影响和信息范围有限的局限性	未明确提及具体局限性	开发一种新颖的注意力水平预测方法，通过整合多模态生理信号来增强预测准确性和鲁棒性	注意力水平预测	机器学习	NA	脑电图（EEG）、心电图（ECG）、眼电图（EOG）信号采集	深度学习	生理信号（脑电图、心电图、眼电图）	未明确提及样本数量	NA	多特征增强注意力网络（MEAN）	准确率	NA
429	2026-04-14	Artificial intelligence-driven personalized dietary recommendations for gastric cancer high-risk populations: a narrative review 2026, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2026.1802970 PMID:41971387	综述	本文综述了人工智能在提供个性化饮食建议方面的当前应用，并探讨了其在胃癌高危人群中的潜在适用性	首次系统性地将人工智能驱动的个性化营养干预方法，从代谢性疾病领域拓展并展望应用于胃癌高危人群的预防，并强调了整合多组学数据和考虑胃微生物组相互作用的潜力	目前尚无针对胃癌患者的直接干预试验证据，主要依赖来自糖尿病和肥胖等代谢性疾病的间接证据；且面临技术可解释性、数据隐私、人群差异和临床验证等多重挑战	探索人工智能在胃癌高危人群中提供个性化饮食建议的潜力和应用前景，以弥补传统预防措施的不足	胃癌高危人群	机器学习	胃癌	多组学数据整合	机器学习，深度学习	NA	NA	NA	NA	NA	NA
430	2026-04-14	Multiphasic CT-based multimodal deep learning model for predicting early hepatocellular carcinoma recurrence following liver transplantation 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1767885 PMID:41971433	研究论文	本研究开发了一种整合多期相CT影像与临床实验室参数的多模态深度学习模型，用于预测肝细胞癌肝移植后的早期复发	首次结合多期相CT影像特征与临床参数构建多模态深度学习模型，用于预测HCC肝移植后早期复发，并通过SHAP分析增强模型可解释性	研究为单中心回顾性分析，样本量相对有限（147例患者），需要多中心前瞻性研究进一步验证	预测肝细胞癌（HCC）患者接受肝移植后的早期复发风险	147例在天津第一中心医院接受肝移植的HCC患者，分为复发组（40例）和非复发组（107例）	数字病理学	肝细胞癌	多期相计算机断层扫描（CT）	深度学习模型	医学影像（CT图像）、临床参数、实验室数据	147例HCC肝移植患者	NA	多模态深度学习模型	受试者工作特征曲线下面积（AUC）	NA
431	2026-04-14	Integrated ultrasound-based radiomics and deep learning models in screening breast intraductal high-risk lesions or carcinoma: a multicenter retrospective study 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1705400 PMID:41971435	研究论文	本研究探讨了基于超声的影像组学与深度学习模型在筛查乳腺导管内高风险病变或癌变中的诊断性能	开发了一种融合影像组学与深度学习预测概率的集成模型，用于筛查乳腺导管内高风险或恶性病变，并在多中心数据中验证了其优于单一模型的性能	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	评估超声影像组学与深度学习模型在筛查乳腺导管内高风险或恶性病变中的诊断效能	乳腺导管内病变患者	数字病理学	乳腺癌	超声成像	逻辑回归, CNN	图像	785个病灶（486个良性，299个高风险或恶性），来自中国五家医院	NA	ResNet-50	AUC	NA
432	2026-04-14	Precise leaf damage detection across diverse species and environments via a large-scale vision model 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1788926 PMID:41971547	研究论文	本文提出了一种基于基础模型适应的大规模视觉模型，用于实现跨物种和复杂环境下的作物叶片损伤精确检测	提出了一种新的建模范式，从传统的任务特定训练转向基础模型适应，通过集成DinoV3基础模型与Unet框架，并引入空间先验模块和投影模块，有效弥合通用预训练与领域特定需求之间的差距	研究主要针对咖啡和黑豆数据集进行验证，虽然扩展到AMG数据集，但尚未覆盖更广泛的作物种类和极端环境条件	开发一种能够跨物种和复杂田间环境泛化的叶片损伤检测方法，用于实时植物健康监测和产量估算	作物叶片损伤（病斑）	计算机视觉	植物病害	深度学习，图像分割	CNN，Transformer	图像	咖啡叶片数据集和黑豆数据集，以及更大的AMG数据集	PyTorch	DinoV3, Unet	交并比，像素准确率	未明确指定，但提及实现了极高的计算效率（推理时间减少93.6%）
433	2026-04-14	AI algorithms and IoT platforms for anomaly and failure prediction in industrial machinery-systematic review 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1799522 PMID:41971622	综述	本文对用于工业机械异常和故障预测的人工智能算法、软件及物联网平台进行了系统性文献综述	系统性地分类了预测性维护中的人工智能技术，并识别了九种支持维护操作的软件和物联网技术，同时探讨了知识迁移在数据突变时对算法的改进作用	NA	旨在通过系统性文献综述，探讨人工智能算法和物联网平台在工业机械异常和故障预测中的应用	工业机械的预测性维护	机器学习	NA	NA	机器学习, 神经网络	NA	NA	NA	NA	NA	NA
434	2026-04-14	Tumor lactate metabolism shapes immune suppression and therapeutic resistance revealed by integrative multi-omics and digital pathology 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1797798 PMID:41972178	研究论文	本研究通过整合多组学数据和数字病理学，开发了一种深度学习框架，能够从常规H&E全切片图像推断肿瘤乳酸代谢状态，并揭示了其与免疫抑制和治疗耐药性的关联	首次将多组学分析与数字病理学相结合，利用深度学习从常规H&E切片直接推断肿瘤乳酸代谢状态，开发了一种可扩展且临床实用的数字生物标志物	研究主要基于回顾性数据，需要在更多前瞻性队列中进行验证；模型在部分癌症类型中的性能有待进一步优化	开发一种临床可及且低成本的方法来评估肿瘤内乳酸活性，以指导代谢精准肿瘤学	头颈部鳞状细胞癌（HNSCC）及其他多种癌症类型的肿瘤样本	数字病理学	头颈部鳞状细胞癌	多组学分析（转录组、单细胞RNA-seq）、空间分析、免疫组化、深度学习	深度学习模型	全切片图像（H&E染色）、基因表达数据、单细胞RNA-seq数据、蛋白质表达数据	TCGA、GEO数据库中的多个队列，以及独立的真实世界SAZHU-HNSCC队列	NA	NA	AUC	NA
435	2026-04-12	Deep Learning for analyzing chaotic dynamics in biological time series: Insights from frog heart signals 2026-Jan-07, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2025.131820 PMID:41958751	研究论文	本研究提出了一种结合深度学习和基于数学模型的选择策略的自动算法，用于分析生物时间序列中的混沌动力学，特别是在短而嘈杂的青蛙心脏信号中检测混沌行为	提出了一种针对短而嘈杂实验时间序列的自动算法，结合深度学习和基于数学模型的选择策略，克服了传统混沌检测技术和深度学习在小数据集上的限制	算法主要基于青蛙心脏实验数据验证，可能在其他生物系统或更复杂场景中的泛化能力未充分测试	分析生物时间序列中的混沌动力学，特别是与病理心律失常相关的混沌行为检测	青蛙心脏实验获得的生物时间序列信号	机器学习	心血管疾病	NA	深度学习	时间序列数据	NA	NA	NA	高准确度结果	NA
436	2026-04-12	MVGFormer: Multi-view perspective with graph-guided transformer for cryo-ET segmentation 2026-Jan-03, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2025.114810 PMID:41959693	研究论文	本文提出了一种名为MVGFormer的新型基于Transformer的框架，用于冷冻电子断层扫描（cryo-ET）分割任务	首次将基于Transformer的模型应用于cryo-ET分割，并引入了多视角融合Transformer编码器、并行上下文编码器、两种互补的3D解码器以及视图掩码自监督学习策略	未在摘要中明确说明	改进冷冻电子断层扫描（cryo-ET）的分割性能，以更好地支持粒子对齐、分类等后续任务	冷冻电子断层扫描（cryo-ET）数据中的生物大分子结构	计算机视觉	NA	冷冻电子断层扫描（cryo-ET）	Transformer	3D图像	六个cryo-ET数据集	NA	MVGFormer（包含多视角融合Transformer编码器、并行上下文编码器、多级特征融合解码器、并行空洞卷积解码器）	NA	NA
437	2026-04-12	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	本文开发了一种基于深度学习的声光视觉伺服系统，用于实时三维跟踪导管尖端	首次提出基于深度学习的声光视觉伺服系统，结合点源定位和混合位置-力控制实现实时三维跟踪	推理时间较长（实例分割方法≥516.3毫秒），可能影响实时性能；仅在小规模试验中验证（9次视觉伺服试验）	开发实时三维跟踪导管尖端的声光视觉伺服系统	心脏导管尖端	计算机视觉	心血管疾病	声光成像	深度学习	图像	9次视觉伺服试验（包括体模和活体猪实验）	NA	NA	检测率, 跟踪误差, 推理时间, 接触保持率	NA
438	2026-04-12	Deep learning for adaptive chemotherapy: A DDPG-based approach to optimizing tumor-immune dynamics 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345877 PMID:41950297	研究论文	本文提出了一种基于深度强化学习的化疗调控框架，用于实现个性化、动态优化的癌症治疗	采用深度确定性策略梯度算法在连续动作空间中学习最优给药策略，并引入高斯噪声模拟治疗反应中的生理振荡和不确定性，提高了策略的稳定性和适应性	模型基于简化的非线性动态系统，可能未完全涵盖肿瘤微环境的复杂性；实验为模拟研究，需进一步临床验证	实现个性化、低毒性的自适应化疗优化	肿瘤微环境动态演化模型（包括肿瘤细胞、正常细胞和免疫细胞相互作用）	机器学习	癌症	深度强化学习	DDPG	模拟数据	多种初始场景的模拟实验	NA	深度确定性策略梯度网络	肿瘤生长控制效果、药物浓度累积、灵活性与安全性评估	NA
439	2026-04-12	Development and evaluation of a multimodal feature-based predictive model for radiotherapy-induced oral mucositis in nasopharyngeal carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346251 PMID:41955202	研究论文	本研究开发并评估了一种基于多模态特征的预测模型，用于预测鼻咽癌患者放疗诱导的口腔黏膜炎	在有限样本量的小队列设置下，系统比较了传统机器学习算法与深度学习架构的多分类预测性能，并提出了结合特征降维与轻量级网络（1D-CNN）的优越策略	研究样本量较小（108例患者），且高维多模态3D-CNN模型在有限数据下出现了严重的过拟合和模式崩溃现象	准确预测头颈癌放疗诱导的口腔黏膜炎，以实现个性化治疗	鼻咽癌患者	机器学习	鼻咽癌	CT成像、剂量分布分析	传统机器学习算法, 深度学习模型（1D-CNN, 3D-CNN）	多模态数据（CT影像、剂量分布、临床特征）	108例患者	NA	1D-CNN, 3D-CNN	AUC, 准确率, Matthews相关系数	NA
440	2026-04-12	ATEdrug: A reliable human-in-the-loop annotation scheme for aspect term extraction and polarity detection in drug reviews 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344296 PMID:41955228	研究论文	本文提出了一种名为ATEDrug的人机协同标注方案，用于从药物评论中提取方面术语并检测情感极性，以支持药物警戒研究	提出了一种结合专家驱动规则与最小人工干预的自动化标注方案，并构建了针对抑郁症、关节炎和避孕三种医疗状况的公开标注数据集	标注方案主要依赖规则方法，可能无法覆盖所有语言表达变体；研究仅针对三种特定医疗状况	开发可靠的自动化标注方案以支持药物评论中的方面术语提取和情感极性检测，促进药物安全监测	药物评论文本数据	自然语言处理	抑郁症,关节炎,避孕	方面术语提取,情感极性检测	BERT,BioBERT,ClinicalBERT,Transformer	文本	NA	NA	BERT,BioBERT,ClinicalBERT,Transformer	标注者一致性	NA