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
2081	2026-01-24	Automating prostate biopsy guidance: A robust CNN approach for non-rigid 3D/3D MR-TRUS image registration 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111423 PMID:41520474	研究论文	提出了一种用于3D MR-TRUS前列腺图像自动配准的弱监督深度学习框架，以提升靶向活检的准确性	提出了一种无需分割图像、基于弱监督的端到端深度学习框架，结合了预处理对齐步骤与UNet启发的配准网络，直接预测体素级位移场，消除了传统方法中耗时的手动分割步骤	未明确讨论模型在极端解剖变异或图像质量较差情况下的鲁棒性，也未提及外部验证数据集的性能	开发一种自动、鲁棒且高效的前列腺MR-TRUS图像配准方法，以辅助前列腺癌靶向活检	前列腺的3D磁共振图像和经直肠超声图像	计算机视觉	前列腺癌	磁共振成像，经直肠超声成像	CNN	3D图像	未在摘要中明确说明	未在摘要中明确说明	UNet, RegResUNet	表面配准误差，Dice相似系数	未在摘要中明确说明
2082	2026-01-24	DeeBayes: An interpretable deep Bayesian network for ECG signal restoration 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111424 PMID:41539146	研究论文	提出一种结合噪声估计与信号去噪的统一贝叶斯框架，用于有效恢复心电图信号	开发了一种新颖的变分推理方法，将数据驱动的深度学习与传统模型驱动的生成模型优势相结合，能够显式表达后验概率并处理复杂的非独立同分布噪声	未明确说明模型在不同类型心律失常信号上的泛化能力，也未讨论实时处理性能	开发心电图信号去噪方法以提高临床诊断准确性	受噪声污染的心电图信号	信号处理	心血管疾病	变分推理	深度贝叶斯网络	心电图信号	NA	NA	深度贝叶斯心电图信号恢复网络	定性评估, 定量评估, 信噪比	NA
2083	2026-01-24	FedEMG: Achieving Generalization, Personalization, and Resource Efficiency in EMG-Based Upper-Limb Rehabilitation Through Federated Prototype Learning 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3593485 PMID:40729714	研究论文	本文提出了一种名为FedEMG的联邦原型学习框架，用于解决基于肌电图的实时手势识别在假肢控制中的泛化性、个性化及资源效率问题	FedEMG采用基于原型的联邦学习方法，结合独特的自适应个性化机制，平衡全局知识与用户特定适配，实现了高精度和个性化，同时不牺牲泛化能力	NA	解决基于深度学习的肌电图手势识别在假肢控制中的泛化性、个性化与计算资源限制等关键挑战	基于肌电图的上肢假肢控制手势识别	机器学习	上肢截肢	肌电图	神经网络	肌电图信号	NA	联邦学习	轻量级手势检测器与高效神经网络架构	准确率	资源受限设备
2084	2026-01-24	Predicting outcomes of port-wine stains treated with hematoporphyrin monomethyl ether photodynamic therapy (HMME-PDT): An observational study using multimodal deep learning 2026-Feb, JAAD international DOI:10.1016/j.jdin.2025.11.009 PMID:41561203	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2085	2026-01-24	"RaagaDhvani: A novel augmented multi-feature dataset: Advancing emotion recognition in Carnatic music with multimodal features and hybrid deep learning" 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112364 PMID:41561921	研究论文	本文介绍了一个名为RaagaDhvani的新型增强多特征数据集，旨在通过结合多模态特征和混合深度学习模型，推进卡纳提克音乐中的情感识别研究	创建了首个专注于卡纳提克音乐情感标注的数据集，融合了音频特征与情感注释，并采用数据增强技术（音高移位、时间拉伸、噪声添加）来提升模型的泛化能力	数据集仅包含11种拉格，样本量相对有限；且情感标注可能受文化主观性影响	推进音乐情感识别（MER）、情感计算及音乐治疗应用，支持心理健康和跨文化音乐研究	卡纳提克音乐（南印度古典音乐）中具有情感驱动的人声和长笛演奏	机器学习	NA	数据增强（音高移位、时间拉伸、噪声添加）	混合深度学习模型	音频	初始448个拉格样本，经增强后包含825个音频文件	NA	NA	NA	NA
2086	2026-01-24	A physics-informed long-range polarizable potential based on deep learning 2026-Jan-28, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0292167 PMID:41574796	研究论文	本文提出了一种基于深度学习的物理信息长程可极化势，用于改进原子模拟中的长程静电相互作用建模	结合了两个等变消息传递神经网络，分别处理短程相互作用和环境依赖性原子偶极子，并通过训练Born有效电荷张量来准确预测场诱导性质	NA	开发一种能够准确捕获长程静电相关性的机器学习原子间势，以改进绝缘和极性材料中的集体现象建模	离子固体（NaCl）、液态水和卤化物钙钛矿（MAPbI3）	机器学习	NA	深度学习	等变消息传递神经网络	原子模拟数据	NA	NA	等变消息传递神经网络	能量预测准确性、力预测准确性、红外吸收光谱预测、LO-TO声子分裂预测	NA
2087	2026-01-24	Dental Crowding Categorization Network (DCC-Net): Explainable deep learning system for automatic categorization of dental crowding on intraoral photographs 2026-Jan-25, Korean journal of orthodontics IF:2.6Q1 DOI:10.4041/kjod25.078 PMID:41572857	研究论文	本文提出了一种名为DCC-Net的可解释深度学习系统，用于自动分类口腔内照片中的牙齿拥挤程度	开发了首个无需空间分析即可自动分类牙齿拥挤水平的深度学习系统，并包含可解释性热图以增强模型透明度	模型在颌骨分类的准确率约为72-73%，仍有提升空间，且外部测试集规模较小（100张照片）	开发自动系统以辅助正畸诊断和拔牙决策	口腔内照片中的牙齿拥挤程度	计算机视觉	牙齿拥挤（正畸疾病）	深度学习图像分析	CNN	图像（口腔内照片）	训练集：2,160张照片（上颌1,351，下颌1,253），外部测试集：100张照片	NA	DCC-Net（包含分割、提取和分类模块）	准确率, 精确率, 召回率, F1分数	NA
2088	2026-01-24	Fully Self-Powered Gas Sensor through Fe-Ion Doping Engineering in Ni2P for Ultrasensitive and Visualized NO2 Sensing 2026-Jan-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c03884 PMID:41413943	研究论文	本研究报道了一种基于锌空气电池的自供电NO2气体传感器，通过Fe掺杂的磷化镍作为气敏材料，并引入深度学习算法以提升传感性能	通过Fe离子掺杂工程调控磷化镍的电子结构，增强电荷载流子迁移率和吸附质-基底相互作用，结合InceptionTime模型和小波变换算法实现气体识别与浓度定量，构建了具备远程可视化检测功能的智能传感装置	未明确说明传感器在复杂混合气体环境中的交叉敏感性、长期稳定性测试数据以及实际户外环境中的验证结果	开发高灵敏度、选择性好且无漂移的自供电气体传感器，用于NO2检测	NO2气体	传感器技术	NA	Fe离子掺杂工程、电化学传感、深度学习算法	深度学习	电信号数据（电压响应）	NA	NA	InceptionTime	响应值（0.22 V @ 20 ppm）、检测限（61.8 ppb/36.9 ppb）、响应时间（14 s）、气体识别准确率、浓度定量精度	NA
2089	2026-01-24	Deep tobit model: an integrated framework for high-dimensional censored regression with variable selection 2026-Jan-23, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09690-5 PMID:41571915	研究论文	提出一种集成深度学习框架——Deep Tobit模型，用于处理高维左删失回归问题并实现变量选择	首次将Tobit模型与深度学习框架结合，提出两阶段特征选择算法，并提供了收敛速率和选择一致性的理论保证	主要针对左删失数据，未讨论右删失或区间删失等其他删失类型	解决高维删失回归数据中非线性关系建模和变量选择的问题	左删失响应的高维数据	机器学习	NA	NA	深度学习框架	结构化数据	NA	NA	Deep Tobit模型	变量选择准确性，预测精度	NA
2090	2026-01-24	Sub-Milliscale-Resolution Bimodal Tactile Sensor Array with Human-Skin-Like Graphesthesia Sensation 2026-Jan-23, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202519734 PMID:41572940	研究论文	本研究报道了一种亚毫米级分辨率的双模态触觉传感器阵列，结合压电和摩擦电传感器，实现了类似人类皮肤的图形触觉感知	实现了亚毫米级空间分辨率（700微米）和高传感器密度（226像素/平方厘米）的双模态触觉感知，结合深度学习算法首次实现了软度加密图案的重建	未明确说明传感器阵列的长期稳定性、环境适应性以及大规模制造的成本挑战	开发高分辨率多模态触觉感知系统，用于具身智能和机器人技术	双模态触觉传感器阵列（压电传感器阵列和摩擦电传感器阵列）	机器感知	NA	压电传感、摩擦电传感、深度学习算法	深度学习模型（具体类型未指定）	压力分布数据、接触高度数据、杨氏模量分布数据	NA	NA	NA	空间分辨率（700微米）、传感器密度（226像素/平方厘米）、响应时间（50毫秒）	NA
2091	2026-01-24	Comparative machine learning and deep learning frameworks for robust carcinogenicity prediction and activity cliff analysis 2026-Jan-23, Environmental science. Processes & impacts DOI:10.1039/d5em01001b PMID:41575273	研究论文	本研究开发了基于机器学习和深度学习框架的预测模型，用于大鼠致癌性数据的二元分类，并与人类致癌性紧密关联	结合了特征基方法和化学语言建模，引入了c-RASAR模型和ARKA描述符，能够识别活性悬崖并解释误预测原因	NA	开发稳健的致癌性预测模型并进行活性悬崖分析	工业化学品的致癌性数据	机器学习	癌症	化学语言建模	线性判别分析, 人工神经网络, 逻辑回归, LSTM	化学描述符, SMILES字符串	NA	NA	LSTM	NA	NA
2092	2026-01-24	Deep learning-enhanced QSAR modeling for predicting developmental neurotoxicity based on molecular initiating events from adverse outcome pathways 2026-Jan-23, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11454-6 PMID:41575478	研究论文	本文开发了一种基于深度学习的QSAR建模框架，用于预测与农药污染大麻暴露相关的分子起始事件和关键事件的结合亲和力	结合深度学习与QSAR模型，利用SHAP值增强模型可解释性，并将ECFP4特征映射到已知神经毒性化合物上以可视化识别关键区域	模型基于ChEMBL数据库的化合物数据，可能未涵盖所有潜在神经毒性物质，且测试任务仅限于4个MIE和6个KE	预测发育神经毒性，特别是与农药污染大麻暴露相关的分子起始事件和关键事件的结合亲和力	化学化合物，特别是与发育神经毒性相关的分子起始事件和关键事件	机器学习	发育神经毒性	QSAR建模，深度学习	DNN	化学化合物数据	24,476个化合物	NA	DNN	相关系数，均方根误差	NA
2093	2026-01-24	Explainable Artificial Intelligence for the Mayo Endoscopic Score in Ulcerative Colitis 2026-Jan-22, Digestion IF:3.0Q2 DOI:10.1159/000550610 PMID:41569974	研究论文	本研究开发了一种用于溃疡性结肠炎Mayo内镜评分的可解释人工智能模型，并评估了其与内镜医师的交互效果	首次将可解释人工智能（XAI）框架应用于溃疡性结肠炎Mayo内镜评分，通过Grad-CAM等技术提供模型决策依据，并验证了AI辅助能提升内镜医师的诊断性能	研究为回顾性多中心设计，样本主要来自中国医疗机构，外部验证数据集的多样性可能有限	开发可解释的深度学习模型用于溃疡性结肠炎内镜严重程度评估，并探索人机交互对诊断性能的影响	溃疡性结肠炎患者的白光内镜图像	计算机视觉	溃疡性结肠炎	深度学习	CNN	图像	训练集2600张图像，三个外部测试集共460张图像（来自不同医院）	未明确指定	Xception	准确率, Matthew相关系数, Cohen's kappa	NA
2094	2026-01-24	Decoding Spikes From Multiunit Data 2026-Jan-22, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2025.3647848 PMID:41570095	综述	本文提供了一个关于从多单元数据中解码尖峰的统一方法论视角，将问题形式化为卷积混合模型下的稀疏源分离任务	通过将尖峰解码问题形式化为卷积混合模型下的稀疏源分离任务，提供了一个统一的方法论视角，并跨应用领域和物理记录模态综合比较了不同方法	作为一篇综述，本文未提出新的解码方法，主要侧重于现有方法的比较和综合	旨在为神经科学、临床诊断和神经接口领域中的多单元数据尖峰解码问题提供方法论指导和路线图	多单元数据或信号，即从活跃细胞/源（如神经元和肌肉纤维）发射的波形混合信号	信号处理	NA	电记录（电极）、光学成像、超声波等多种记录技术	NA	多单元数据/信号	NA	NA	NA	NA	NA
2095	2026-01-24	A Conditional GAN-based Framework for Sparse sEMG Data Augmentation with Muscle Synergy Prior Constraints 2026-Jan-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3656514 PMID:41570105	研究论文	本文提出了一种基于肌肉协同先验约束的条件GAN框架，用于稀疏表面肌电信号的数据增强	提出了一种新颖的图卷积网络生成器架构，专门针对稀疏sEMG信号设计，通过基于图的表示学习捕获复杂通道间关系，并整合肌肉协同先验约束作为动态损失函数，确保生成信号在生理学上合理	未明确提及	解决高质量表面肌电信号稀缺问题，提升深度学习模型在sEMG分析中的鲁棒性	多通道表面肌电信号	机器学习	NA	表面肌电信号采集	GAN, GCN	多通道sEMG信号	IRASS数据集及公开数据集（NinaPro DB1和DB2）	NA	图卷积网络, 条件GAN	信号真实性, 运动学预测精度	NA
2096	2026-01-24	Evaluating single-cell ATAC-seq atlasing technologies using sequence-to-function modeling 2026-Jan-22, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68742-4 PMID:41571655	研究论文	本文通过评估单细胞ATAC-seq图谱技术，利用序列到功能建模来解析细胞类型身份的顺式调控逻辑	首次对scATAC-seq平台进行基准测试，重点关注其训练S2F模型的能力和在不同物种中产生TF足迹的能力，并引入改进的HyDrop v2方法	未明确说明训练数据集构建的最优标准，如细胞数量和ATAC片段数量	评估单细胞ATAC-seq图谱技术，以解码增强子逻辑和顺式调控机制	单细胞染色质可及性（scATAC-seq）数据，包括不同物种的细胞类型	机器学习	NA	单细胞ATAC-seq（scATAC-seq），序列到功能（S2F）深度学习建模	深度学习模型	序列数据，染色质可及性数据	未指定具体样本数量，但涉及不同物种的细胞	NA	NA	增强子预测，序列可解释性，转录因子足迹	NA
2097	2026-01-24	Deep learning-based automated contrast enema analysis to improve the assessment of Hirschsprung disease 2026-Jan-22, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12267-9 PMID:41572045	研究论文	本研究开发了一种基于深度学习的自动对比灌肠分析模型，用于改善先天性巨结肠症的评估	首次将预训练的深度神经网络（DenseNet121）应用于对比灌肠图像的自动分析，以辅助先天性巨结肠症的诊断，并与放射科专家的传统评估进行比较	研究为单中心回顾性观察性研究，样本量相对有限（278次对比灌肠），且模型灵敏度（58.5%）较低，可能影响其在临床实践中的广泛应用	比较基于对比灌肠的放射学评估与使用深度神经网络进行自动图像分析在诊断先天性巨结肠症方面的性能	儿科患者（2011年至2023年间接受对比灌肠检查的221名患者）	计算机视觉	先天性巨结肠症	对比灌肠成像	CNN	图像	278次对比灌肠检查，涉及221名患者（64.8%男性，35.2%女性），平均年龄4.14岁，中位年龄2.65岁	NA	DenseNet121	平衡准确率, 灵敏度, 特异性, AUC-ROC, AUC-PR, Cohen's kappa	NA
2098	2026-01-24	The application of artificial intelligence in blind ultrasound sweep diagnostics for prenatal medicine: A systematic literature review 2026-Jan-22, Acta obstetricia et gynecologica Scandinavica IF:3.5Q1 DOI:10.1111/aogs.70147 PMID:41574472	综述	本文系统回顾了人工智能在盲超声扫描诊断于产前医学中的应用，评估了其性能、潜力和局限性	首次系统综述了AI应用于盲超声扫描在产前诊断中的表现，突出了其在资源有限地区提升产前超声可及性的创新潜力	准确性在妊娠晚期有所下降，在早期妊娠或异常检测方面的验证有限，临床采用需要更广泛的验证和可解释性改进	评估人工智能在盲超声扫描中用于产前诊断的性能和潜力，以改善全球产前护理的可及性	应用于盲超声扫描的AI模型及其在产前诊断（如孕龄估计、胎位检测、羊水评估）中的性能	医学影像分析	产前医学	盲超声扫描（标准化的经腹扫描）	深度学习	超声图像	NA	NA	NA	平均绝对误差, AUC, Dice系数, 准确率	NA
2099	2026-01-24	Explainable artificial intelligence for molecular design in pharmaceutical research 2026-Jan-21, Chemical science IF:7.6Q1 DOI:10.1039/d5sc08461j PMID:41531766	综述	本文探讨了可解释人工智能在药物研究中分子设计领域的应用、挑战与机遇	评估了将领域特定知识融入XAI方法以改进模型、实验设计和假设检验的益处，并讨论了化学语言模型在分子设计中的当前局限性	当前化学语言模型在分子设计和药物发现中的结果评估存在局限性	研究可解释人工智能在药物研究分子设计中的应用与挑战	分子设计中的AI/ML模型，特别是黑盒模型和化学语言模型	机器学习	NA	NA	深度学习框架，化学语言模型	分子数据	NA	NA	NA	NA	NA
2100	2026-01-24	Towards robust deep learning-based autosegmentation in MRI-planned gynecological brachytherapy: Importance of scalable development and comprehensive evaluation 2026-Jan-21, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.12.007 PMID:41571559	研究论文	本文提出了一种用于MRI引导的宫颈近距离放疗中盆腔危及器官自动勾画的深度学习模型开发与评估方法	采用可扩展的开发流程和全面的评估方法，包括几何和剂量学指标以及临床医生定性评审，以提升模型在异质数据集上的泛化能力	定量评分与定性结果之间存在差异，且模型在小肠等器官上的表现变异性较大	开发并评估一种适用于MRI引导的妇科近距离放疗中盆腔危及器官自动勾画的深度学习模型	盆腔危及器官（膀胱、直肠、乙状结肠、小肠）的MRI图像及手动勾画轮廓	数字病理学	宫颈癌	MRI成像	CNN	3D MRI图像	200例3D MRI图像（85%训练/验证，15%测试）	PyTorch	nnU-Net	Dice系数, Hausdorff距离95百分位数, 剂量体积直方图, 剂量差异	NA