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
7661	2026-05-02	Machine learning-based risk predictive models for depression in patients with diabetes: a systematic review and meta-analysis 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1816661 PMID:42064765	系统综述与Meta分析	系统评估基于机器学习的糖尿病合并抑郁症风险预测模型的性能、优势与局限性	首次对基于机器学习的糖尿病合并抑郁症风险预测模型进行系统综述和Meta分析，并采用PROBAST-AI工具评估偏倚风险和临床适用性	纳入研究样本量较小，缺乏外部验证，研究间异质性极高（I² = 97.4%）	评估现有糖尿病合并抑郁症风险预测模型的性能和临床适用性，提供可靠证据以支持临床决策	糖尿病合并抑郁症风险预测模型	机器学习	糖尿病伴抑郁症	NA	逻辑回归、传统回归模型、通用机器学习模型、深度学习模型	NA	14项研究，64个机器学习模型	NA	逻辑回归、传统回归模型、通用机器学习模型、深度学习模型	受试者工作特征曲线下面积及其95%置信区间	NA
7662	2026-05-02	Heartbeat: a multimodal dataset of fetal echocardiography and clinical metadata for early detection of congenital heart disease 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1726484 PMID:42064861	研究论文	介绍Heartbeat多模态数据集，用于胎儿超声心动图和临床元数据早期检测先天性心脏病	首次构建包含胎儿心脏超声图像和临床元数据的大型多模态数据集，并提出Heart-ViT模型，通过自适应层归一化整合成像特征与患者特异性临床元数据，显著提升CHD检测性能	数据集中CHD患病率较低（6.50%和7.25%），存在类别不平衡问题；研究仅限于第二和第三孕期数据	开发AI辅助工具，用于先天性心脏病的早期产前筛查	人类胎儿心脏超声影像和临床元数据	数字病理学	先天性心脏病	超声心动图	卷积神经网络（CNN）、Transformer（Heart-ViT）	图像和元数据	1,475名患者	PyTorch	CNN、Transformer、Heart-ViT	敏感性、特异性、阳性预测值（PPV）、AUROC、F1分数	NA
7663	2026-05-01	Extending Multiscale Characterization of Heart Rate Variability via Deep Learning for Mortality Risk Prediction 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3614714 PMID:41004366	研究论文	利用深度学习方法扩展心率变异性的多尺度特征，用于死亡风险预测	结合去趋势移动平均（DMA）分析与卷积神经网络（CNN），捕捉传统线性分析忽略的HRV非线性标度模式	NA	通过捕捉HRV非线性标度模式，改进基于心率变异信号的死亡风险预测	24小时Holter ECG记录的916名幸存者和70名非幸存者	机器学习	心血管疾病	Holter ECG	CNN	信号	986名患者的2小时窗口24小时Holter ECG记录（916名幸存者，70名非幸存者）	NA	NA	ROC-AUC, 调整风险比	NA
7664	2026-05-01	Multilevel Correlation-Aware and Modal-Aware Graph Convolutional Network for Diagnosing Neurodevelopmental Disorders 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3617348 PMID:41037545	研究论文	提出了一种多层级相关感知和模态感知的图卷积网络（MCM-GCN），用于诊断神经发育障碍	通过设计个体层级的关联驱动特征生成模块捕获图间相关性，并在群体层级通过多模态解耦特征增强模块深度融合多模态和多图谱信息	NA	实现神经发育障碍的可靠诊断，提高诊断准确率并识别关键指标	自闭症谱系障碍（ASD）和注意力缺陷多动障碍（ADHD）患者	机器学习	神经发育障碍	静息态功能磁共振成像	图卷积网络	脑网络数据、表型数据	两个公开数据集	PyTorch	MCM-GCN	准确率	NA
7665	2026-05-01	Game Theory Meets Statistical Physics: A Novel Deep Neural Networks Design 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3649299 PMID:41525603	研究论文	提出一种融合博弈论与统计物理原理的新型深度神经网络设计方法，用于特征提取和模式分类	首次将博弈论中Shapley值与统计物理的玻尔兹曼能量模型结合，通过神经元贡献度评估实现网络正则化，并采用蒙特卡洛采样降低计算复杂度	未提及具体局限性信息	设计一种统一的学习框架，通过博弈论和统计物理的交叉方法提升深度神经网络性能	面部年龄估计和性别分类任务	机器学习	NA	NA	深度神经网络	图像	NA	NA	NA	准确率, 精确率, 召回率, F1分数	NA
7666	2026-05-01	Non-invasive Prediction of CYP11B2-Defined Subtypes in Primary Aldosteronism Using 18F-Pentixafor PET/CT and Machine Learning 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.026 PMID:41530023	研究论文	开发并验证结合临床数据、影像组学和深度学习特征的可解释机器学习模型，用于无创预测原发性醛固酮增多症的病理亚型	首次将18F-Pentixafor PET/CT影像的影像组学和深度学习特征与临床数据整合，通过可解释机器学习模型（SHAP分析）实现原发性醛固酮增多症亚型的无创预测，并揭示与CXCR4和CYP11B2表达的生物学关联	单中心回顾性研究、样本量有限（89例）、方法未在其他中心验证、模型计算资源未详细说明	开发无创预测原发性醛固酮增多症病理亚型（基于CYP11B2免疫组化定义）的可解释机器学习模型，以减少对侵入性肾上腺静脉采样的依赖	89例诊断为原发性醛固酮增多症或无功能性肾上腺腺瘤的患者，接受18F-Pentixafor PET/CT检查	机器学习	原发性醛固酮增多症	PET/CT	支持向量机	临床数据、PET/CT图像	89例患者	NA	支持向量机	AUC、敏感性、F1分数	NA
7667	2026-01-18	Less Noise, More Confidence: Deep Learning Denoising Algorithm for Coronary Stenosis Assessment in pre-TAVI CT Imaging 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.052 PMID:41545257	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7668	2026-01-18	Comment on "Deep Learning Denoising Algorithm for Improved Assessment of Coronary Arteries in Transcatheter Aortic Valve Implantation CT Imaging" 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.053 PMID:41545256	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7669	2026-05-01	Automated Gross Tumor Volume (GTV) Contouring in High-Grade Gliomas Using a Deep Learning Approach 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.046 PMID:41545259	研究论文	提出一种基于深度学习的方法，用于高级别胶质瘤（HGG）中肿瘤大体体积（GTV）的自动勾画	利用修改后的3D U-Net架构，在BraTS 2018-2019挑战赛的469个样本上训练，基于多序列MRI增强特征学习，并遵循ESTRO和EANO指南定义GTV	未提及具体的局限性	开发一种自动勾画HGG中GTV的深度学习框架，以提高放射治疗规划的精度和效率	高级别胶质瘤（HGG）患者	计算机视觉	高级别胶质瘤	MRI（多序列磁共振成像）	3D U-Net	图像	469个样本（来自BraTS 2018-2019挑战赛）	NA	修改后的3D U-Net	Dice相似系数（DSC），95百分位Hausdorff距离（HD95）	NA
7670	2026-05-01	Prediction of Neoadjuvant Chemotherapy Efficacy for Locally Advanced Nasopharyngeal Carcinoma Using MRI-Based Deep Learning Features Combined with Vision Transformer 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.003 PMID:41775615	研究论文	利用MRI深度学习特征结合Vision Transformer预测局部晚期鼻咽癌新辅助化疗疗效	首次将多序列MRI深度学习特征与Vision Transformer结合用于预测局部晚期鼻咽癌新辅助化疗疗效	单中心回顾性研究，样本量有限，未进行外部验证	评估多序列MRI深度学习特征结合Vision Transformer在预测局部晚期鼻咽癌新辅助化疗疗效中的价值	接受标准新辅助化疗的局部晚期鼻咽癌患者	计算机视觉, 数字病理学	鼻咽癌	MRI	深度学习模型	图像	266例局部晚期鼻咽癌患者	PyTorch	ResNet50, DenseNet121, Vision Transformer (ViT)	AUC, 准确率, F1分数	NA
7671	2026-05-01	Physics-Guided Self-Supervised Implicit Neural Representation for Accelerated $\text{T}_{1\rho }$ Mapping 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3618476 PMID:41052172	研究论文	提出一种基于物理引导的自监督隐式神经表示方法，用于加速T1ρ定量成像，实现从高度欠采样k空间数据重建T1ρ加权图像并生成T1ρ图	首次将自监督隐式神经表示与T1ρ映射物理模型相结合，仅利用时空坐标作为输入，无需全采样训练数据集，并引入信号松弛先验和k-t空间数据自一致性两个显式先验	未在文中明确提及局限性	实现高度欠采样k空间数据的T1ρ定量成像加速，提高成像速度同时保持图像质量	T1ρ加权图像和T1ρ参数图	机器学习	NA	磁共振定量成像, T1ρ映射	隐式神经表示	磁共振k空间数据	使用回顾性和前瞻性欠采样k空间数据进行验证	NA	NA	伪影抑制水平, 误差最低	NA
7672	2026-05-01	Self-Supervised Denoising With Noise Propagation Model: Improving Material Decomposition in Photon-Counting CT 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3620135 PMID:41071699	研究论文	结合基于物理的噪声分析与深度学习，控制光子计数CT材料分解过程中的噪声	提出噪声传播模型将泊松分布探测器噪声与材料特定噪声模式连接，结合自监督训练方法，无需高质量数据即可从有限训练数据学习	NA	改善光子计数CT材料分解中的噪声和伪影问题	光子计数CT成像中的材料分解过程	计算机视觉	NA	光子计数CT	神经网络	图像	真实患者扫描数据	PyTorch	神经网络	材料准确性、虚拟单色图像清洁度	NA
7673	2026-05-01	SemSTNet: Medical EEG Semantic Metric Learning With Class Prototypes Generated by Pretrained Language Model 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3620754 PMID:41082414	研究论文	提出了一种名为SemSTNet的新型轻量级框架，用于脑电图分析，通过语义度量学习捕获类别间关系并提升分类性能	首次将预训练语言模型生成的类原型应用于脑电图语义度量学习，设计轻量级解耦时空特征的卷积架构，模型参数仅23K	未提及具体局限性	解决现有脑电图深度学习模型忽视语义关系且模型复杂度过高的问题	脑电图信号	机器学习	癫痫, 睡眠障碍	脑电图	卷积神经网络	信号	NA	NA	SemSTNet	准确率	NA
7674	2026-05-01	Boundary sensitive-net-based lumbar vertebra segmentation and spondylolisthesis measurement 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38522-7 PMID:41839918	研究论文	提出一种基于深度学习的边界敏感网络（BS-Net），用于腰椎椎体分割和滑脱测量	通过集成多任务边缘处理模块和上下文双边融合模块，增强椎体边缘特征提取，并结合边缘损失函数和形态学后处理实现联合分割与量化	未明确说明局限性	实现腰椎滑脱的自动化精确诊断	腰椎CT影像和MRI影像	计算机视觉	腰椎滑脱	CT成像	CNN	图像	379名患者的783张腰椎CT图像及公共SPIDER MRI数据集	深度学习框架（未具体说明）	边界敏感网络（BS-Net）	MIoU, Dice系数, ICC	NA
7675	2026-05-01	ProSeg: multi-scale context fusion for high-precision prostate segmentation in MRI 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43589-3 PMID:41839937	研究论文	提出ProSeg深度学习框架，用于高精度前列腺MRI分割	设计ProSeg块，融合各向异性卷积与跨切片注意力机制，分别处理外周带的薄片不规则边界和中央腺体的均匀纹理	未提及方法的局限性	实现高精度前列腺MRI分割	前列腺MRI图像中的外周带和中央腺体	计算机视觉	前列腺癌	MRI	深度学习框架	图像	Promise12和Promise158数据集	NA	ProSeg块（各向异性卷积、跨切片注意力）	Dice系数	NA
7676	2026-05-01	R3MV: a novel reliable system architecture for skin cancer classification using progressive heterogeneous multiblock model 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40522-6 PMID:41840099	研究论文	提出了R3MV三层次决策融合系统，使用渐进式异构多块模型提高皮肤癌分类的可靠性	创新地提出了R3MV三层次决策融合系统，结合个体CNN预测、特征融合分类架构和元分类器，通过多数投票增强可靠性，并采用渐进式学习策略提升分类准确率	未提及明确局限，但单一模型预测的不可靠性及数据集变异的影响仍需进一步探讨	提高皮肤癌分类的准确性和可靠性，解决单一模型预测不可靠的问题	皮肤病变图像分类	计算机视觉	皮肤癌	深度学习	CNN, GRU	图像	两个数据集：PAD_UFES_20和HAM10000，具体样本数量未提及	NA	PHMBCNN, PHMBCNN-GRU	准确率	NA
7677	2026-03-16	Classification of health product defect reports by deep learning 2026-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43961-3 PMID:41832296	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7678	2026-05-01	Design of miniprotein inhibitors targeting complement C9 to block membrane attack complex assembly 2026-Mar-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70667-x PMID:41813685	研究论文	利用深度学习设计靶向补体C9的微型蛋白抑制剂以阻断膜攻击复合物形成	首次通过深度学习方法从头设计针对补体C9的微型蛋白抑制剂，并用部分扩散优化亲和力至700 pM，在体内溶血抑制中表现优于上市药物依库珠单抗	当前补体C9的膜插入机制研究有限，且其宽平极性界面给理性设计带来挑战	开发新型微型蛋白抑制剂以阻断膜攻击复合物异常形成，为相关免疫疾病提供治疗策略	补体C9蛋白及其膜插入过程	机器学习	免疫疾病	蛋白质从头设计	深度学习模型	蛋白质结构数据	NA	NA	NA	亲和力、结合特异性、体内溶血抑制效果	NA
7679	2026-05-01	Artificial intelligence assisted multi-model pathological diagnosis of breast cancer based on multispectral autofluorescence images 2026-Mar-12, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-026-00915-2 PMID:41820369	研究论文	提出一种基于多光谱自发荧光成像与优化深度学习框架的无标记虚拟染色技术，用于生成乳腺癌病理诊断级图像	通过改进CycleGAN并引入显著性损失和全局特征一致性损失，显著提升多光谱自发荧光成像到H&E虚拟染色的性能，且无需像素级配准；结合临床标本、小鼠模型和类器官共培养的多模态数据库	尚未提及在更大规模临床试验中的验证，以及在不同批次或设备间的泛化能力	实现快速、无损的乳腺癌病理诊断级图像生成，用于临床诊断和机制研究	临床乳腺癌标本、小鼠模型、类器官共培养样本	数字病理学	乳腺癌	多光谱自发荧光成像	生成对抗网络 (GAN)	图像	包含临床标本、小鼠模型、类器官共培养样本的多模态数据集	PyTorch	CycleGAN	准确率、精确率、召回率、F1-score	NA
7680	2026-05-01	Development and validation of a transformer-based deep learning model for predicting distant metastasis in non-small cell lung cancer using 18FDG PET/CT images 2026-Feb, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04014-9 PMID:40779149	研究论文	开发和验证一种结合CNN和ViT的混合深度学习模型，用于预测非小细胞肺癌患者的远处转移	首次将CNN与视觉Transformer（ViT）架构结合应用于18F-FDG PET/CT图像预测非小细胞肺癌远处转移，并证明整合PET和CT特征的模型优于单一模态模型	回顾性研究、样本量有限（167例），需要更大规模的前瞻性研究验证	开发和验证基于深度学习的模型，利用PET/CT图像预测非小细胞肺癌远处转移	167例初诊未治疗的非小细胞肺癌患者的PET/CT图像	计算机视觉	非小细胞肺癌	18F-FDG PET/CT	CNN, ViT	图像	167例患者的PET/CT图像	NA	ResNet 50, ViT	AUC	NA