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
2901	2025-12-30	Solution to data imbalance and complex interactions in traffic conflict modeling: a hypergraph and generative AI approach 2026-Mar, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108338 PMID:41365277	研究论文	本研究提出了一种结合超图和生成式AI的方法，以解决交通冲突建模中的数据不平衡和复杂交互问题	采用增强的二维碰撞时间（2D-TTC）指标结合车辆交互关系来预测多种模式的交通冲突，并利用带自注意力层的生成对抗网络（GAN）改进过采样方法，显著提升了模型性能	未明确说明模型在极端或未见过交通场景中的泛化能力，以及计算资源需求可能较高	解决交通冲突建模中数据不平衡和复杂动态交互的挑战，提升模型预测准确性和实用性	交通冲突事件，包括冲突和非冲突样本，涉及车辆速度、车辆数量、交通流特征等	机器学习	NA	二维碰撞时间（2D-TTC）指标，生成对抗网络（GAN），自注意力机制	生成对抗网络（GAN），超图注意力网络（HGAT），机器学习模型（未指定具体类型）	交通数据（包括车辆速度、距离、时间等指标）	NA	NA	超图注意力网络（HGAT），生成对抗网络（GAN）	F1分数，准确率	NA
2902	2025-12-30	Rapid flow-artifact-free high-resolution T2 mapping via multi-shot multiple overlapping-echo detachment imaging 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70119 PMID:41063418	研究论文	本文提出并验证了一种具有亚毫米空间分辨率和高临床实用性的T2映射方法，通过多激发多重叠回波分离成像技术实现快速无流动伪影的高分辨率T2映射	将多激发采集方案集成到多重叠回波分离成像中，以减轻单激发MOLED的缺陷，并利用深度学习校正不连续相位跳跃，无需自校准核、导航器、门控设备或耗时后处理	未明确提及方法在更广泛临床场景或不同疾病类型中的验证情况	开发一种具有亚毫米空间分辨率、约1分钟采集时间、大体积覆盖且无需额外控制台或线圈负担的T2映射方法，并校正由脉动脑脊液引起的激发间相位变化	模型（在3T和7T下）和人类（在3T下）	医学影像	NA	多激发多重叠回波分离成像，深度学习	深度学习	磁共振图像	模型和人类数据（具体数量未明确）	NA	NA	平均绝对误差，线性回归斜率，R²值	NA
2903	2025-12-30	Balancing Bias and Variance in Deep Learning-Based Tumor Microstructural Parameter Mapping 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70154 PMID:41126537	研究论文	本研究提出了一种名为B2V-Net的监督学习方法，通过可调节偏置-方差权重的损失函数，在肿瘤微结构参数映射中平衡偏置与方差，改进了现有非线性最小二乘拟合和均方误差损失网络的性能	在贝叶斯框架下重新表述了NLLS和MSE-Net，揭示了其偏置-方差行为，并提出了B2V-Net，这是一种使用可调节偏置-方差权重损失函数的监督学习方法，能够控制偏置-方差权衡	研究主要基于随机游走障碍模型作为代表性生物物理模型，可能未涵盖所有肿瘤微结构模型；在体评估仅限于头颈癌患者，需要进一步验证于其他癌症类型	研究深度学习在肿瘤微结构参数映射中的偏置-方差特性，并提出一种方法来控制拟合偏置和方差	肿瘤微结构参数映射，特别是通过时间依赖性扩散MRI进行量化	医学影像分析	头颈癌	时间依赖性扩散MRI	深度学习	MRI图像	NA	NA	B2V-Net	偏置, 方差, 标准偏差	NA
2904	2025-12-30	Rapid and robust quantitative cartilage assessment for the clinical setting: deep learning-enhanced accelerated T2 mapping 2026-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-05034-w PMID:40968299	研究论文	本研究开发了一种基于深度学习的加速软骨T2映射序列（DL CartiGram），旨在提高临床环境中软骨定量评估的速度和鲁棒性	结合并行成像和深度学习图像重建技术，显著缩短了扫描时间，同时保持了优异的重复性和再现性	研究中站点间存在的微小偏差可能由温度效应引起，且样本量相对有限	开发并验证一种快速、鲁棒的软骨T2映射方法，以促进其在临床环境中的应用	软骨组织，具体包括43名患者的52个髌骨和股骨软骨分区	医学影像分析	骨关节炎	T2映射，并行成像，深度学习图像重建	深度学习	磁共振图像	43名患者（52个软骨分区）	NA	NA	变异系数，Bland-Altman分析，一致性相关系数，Wilcoxon符号秩检验，配对t检验	NA
2905	2025-12-30	Mathematical and Artificial Intelligence Techniques in Modern Drug Discovery: A Review 2026-Feb, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70212 PMID:41431184	综述	本文综述了数学建模和人工智能技术在现代药物发现各个阶段的应用，旨在加速研发过程并降低临床试验的风险和成本	系统性地整合了线性代数、优化、统计建模、图论和微分方程等数学框架与机器学习、深度学习、强化学习、自然语言处理和迁移学习等人工智能技术，探讨了二者在药物研发中的协同应用	NA	探讨人工智能和数学技术如何加速药物发现过程，降低研发成本和风险	药物发现与开发过程	自然语言处理, 机器学习	NA	NA	机器学习, 深度学习, 强化学习, 自然语言处理, 迁移学习	NA	NA	NA	NA	NA	NA
2906	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
2907	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
2908	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
2909	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
2910	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
2911	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
2912	2025-12-27	Transfer learning with pre-trained language models for protein expression level prediction in Escherichia coli 2026-Jun, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2025.11.012 PMID:41438772	研究论文	本研究提出了一种名为TLCP-EPE的迁移学习框架，首次融合密码子和蛋白质水平的预训练语言模型来联合捕获表达决定因素，以预测大肠杆菌中的重组蛋白表达水平	首次将密码子和蛋白质序列的预训练语言模型进行融合，通过低秩适应（LoRA）微调CaLM和ProtT5，并利用BiGRU-MLP预测器整合其嵌入表示，从而学习表达感知的表征	未明确说明模型在其他生物体系或更广泛数据集上的泛化能力，也未讨论计算效率或实时预测的可行性	提高重组蛋白表达水平的预测准确性和泛化能力，为理性蛋白质设计和生物制造应用提供基础	大肠杆菌中的重组蛋白表达	自然语言处理	NA	迁移学习, 低秩适应（LoRA）	预训练语言模型, BiGRU, MLP	序列数据（密码子序列, 蛋白质序列）	两个独立测试数据集（具体数量未提供）	NA	CaLM, ProtT5, BiGRU-MLP	AUC	NA
2913	2025-12-27	Deep learning model for identifying significant tricuspid regurgitation using standard 12-lead electrocardiogram 2026-Mar, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2025.200557 PMID:41437957	研究论文	本研究开发了一种基于深度学习模型，利用标准12导联心电图信号和临床特征来识别显著三尖瓣反流	首次结合一维卷积神经网络、高效通道注意力块和多头注意力模块，从广泛可用的12导联心电图中检测显著三尖瓣反流，避免了传统经胸超声心动图的额外成本和操作依赖性	深度学习模型的临床实用性仍需进一步验证和探索，且研究依赖于特定时间段内的患者数据	开发深度学习模型以利用12导联心电图信号和临床特征检测显著三尖瓣反流	2017年至2019年间接受12导联心电图和经胸超声心动图检查的5432名患者，其中570名患者被识别为显著三尖瓣反流	机器学习	心血管疾病	12导联心电图，经胸超声心动图	CNN	心电图信号，临床特征	5432名患者（训练集3910名，测试集435名，内部和外部验证队列）	NA	一维卷积神经网络，高效通道注意力块，多头注意力模块	准确率，灵敏度，特异性，曲线下面积	NA
2914	2025-12-27	Attention-Based Multimodal Deep Learning for Uveal Melanoma Classification Using Ultra-Widefield Fundus Images and Ocular Ultrasound 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100985 PMID:41439217	研究论文	本研究开发并评估了一种基于注意力机制的多模态深度学习模型，用于整合超广角眼底摄影和B超图像，以实现葡萄膜黑色素瘤和脉络膜痣的自动分类	首次提出结合超广角眼底摄影和B超图像，并采用注意力机制进行多模态融合，以提升葡萄膜黑色素瘤和脉络膜痣的分类性能	研究样本量较小（仅174名患者），且为单中心回顾性研究，可能影响模型的泛化能力	开发一种自动分类葡萄膜黑色素瘤和脉络膜痣的深度学习模型	葡萄膜黑色素瘤和脉络膜痣患者	数字病理学	葡萄膜黑色素瘤	超广角眼底摄影，B超成像	深度学习模型	图像	174名患者（93例葡萄膜黑色素瘤，81例脉络膜痣），每名患者包含超广角眼底照片和横纵两个方向的B超图像	NA	注意力机制融合模型	准确率，F1分数，AUC	NA
2915	2025-12-27	GI-ScreenNet v2: A Modular Framework for Gastrointestinal Disease Detection Based on an Integrated Transfer Learning 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70128 PMID:41449645	研究论文	本文提出GI-ScreenNet v2，一个基于集成和迁移学习的多骨干网络框架，用于胃肠道疾病检测	通过标准化接口支持任意骨干网络，并利用交叉注意力机制动态整合多模型特征，实现灵活且高效的表示学习	现有系统通常不够灵活且技术复杂，限制了临床采用	开发一个统一的框架，用于胃肠道疾病的早期筛查和AI辅助诊断	无线胶囊内窥镜（WCE）图像	计算机视觉	胃肠道疾病	无线胶囊内窥镜（WCE）	集成学习, 迁移学习	图像	基于KvasirV2数据集	NA	多骨干网络框架	准确率	NA
2916	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
2917	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
2918	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
2919	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
2920	2025-12-27	Assessing the relation between protein phosphorylation, AlphaFold3 models, and conformational variability 2026-Jan, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70376 PMID:41432299	研究论文	本文系统评估了AlphaFold模型（包括AF2、AF3-non phospho和AF3-phospho）在预测磷酸化诱导的蛋白质结构多样性方面的能力	首次系统评估AlphaFold模型（特别是AF3-phospho）在捕捉磷酸化驱动的构象变化方面的表现，揭示了其局限性	所有模型主要与主导结构状态对齐，往往未能捕捉磷酸化特异性构象，AF3-phospho预测仅提供有限改进	评估深度学习模型（特别是AlphaFold）预测磷酸化诱导的蛋白质结构变化的能力	蛋白质及其磷酸化修饰	机器学习	癌症,阿尔茨海默病	深度学习,蛋白质结构预测	AlphaFold (AF2, AF3)	蛋白质结构数据,实验构象集合	NA	NA	AlphaFold2, AlphaFold3	NA	NA