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
9281	2025-12-31	Accurate Biomolecular Structure Prediction in CASP16 With Optimized Inputs to State-Of-The-Art Predictors 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70030 PMID:40762404	研究论文	本文介绍了在CASP16实验中，通过优化输入信息，利用先进深度学习算法在蛋白质结构预测方面取得的成果	通过去除内在无序区域优化蛋白质序列输入，以及优化RNA二级结构输入，提升了结构预测的准确性	蛋白质多聚体的高质量预测比例低于25%，RNA结构预测仍具挑战性	提高生物分子结构预测的准确性	蛋白质结构域、蛋白质多聚体和RNA单体	机器学习	NA	NA	深度学习	序列数据	NA	NA	AlphaFold2, AlphaFold3, trRosettaX2, trRosettaRNA2	NA	NA
9282	2025-12-31	Alternative Conformation Prediction Using Deep Learning With Multi-MSA Strategy and Structural Clustering in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70059 PMID:41014267	研究论文	本文报告了CASP16竞赛中结构集合预测的结果，介绍了基于EnsembleFold流程的深度学习方法及其在预测蛋白质、RNA及其复合物替代构象方面的性能	开发了EnsembleFold集成预测流程，结合多MSA生成策略和结构聚类方法，显著提升了替代构象预测的准确性，特别是在蛋白质/核酸复合物目标上表现优异	未明确提及，但讨论了未来质量评估评分方法有待改进以进一步提升集合预测的可靠性和准确性	开发并评估一种用于预测蛋白质、RNA及其复合物结构替代构象的深度学习方法	蛋白质单体、蛋白质复合物、RNA结构以及蛋白质-核酸复合物	计算生物学	NA	多序列比对、深度学习方法、结构聚类、副本交换蒙特卡洛模拟	深度学习	蛋白质序列、RNA序列、结构数据	CASP16竞赛中的19个集合预测目标	NA	D-I-TASSER2, DMFold2, ExFold, DeepProtNA	TM-score	NA
9283	2025-12-31	Gait-to-Contact (G2C): A Novel Deep Learning Framework to Predict Total Knee Replacement Wear from Gait Patterns 2026-Jan, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-025-03863-3 PMID:41015655	研究论文	本研究提出了一种名为Gait-to-Contact (G2C)的新型深度学习框架，用于从步态模式预测全膝关节置换术的磨损情况	提出了一种基于Transformer-CNN编码器-解码器架构的深度学习替代模型，显著降低了传统有限元分析的计算成本和时间	当前研究基于模拟数据，尚未应用于临床患者数据	开发一种高效的计算模型来预测全膝关节置换术的磨损分布	全膝关节置换术的聚乙烯衬垫线性磨损分布	机器学习	骨科疾病	有限元分析，深度学习	深度学习模型	时间序列数据（步态模式）	314个ISO14243-3（2014）标准变体的步态时间序列	NA	Transformer-CNN编码器-解码器架构	平均绝对百分比误差，结构相似性指数，归一化互信息	NA
9284	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
9285	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
9286	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
9287	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
9288	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
9289	2025-12-30	C2DGCN: cross-connected distributive learning-enabled graph convolutional network for human emotion recognition using electroencephalography signal 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10399-8 PMID:41458473	研究论文	提出了一种基于交叉连接分布式学习的图卷积网络（C2DGCN），用于从脑电图信号中有效识别人类情绪	引入了交叉连接分布式学习机制，实现了广泛的特征共享与整合，降低了计算复杂度并提高了准确性；应用统计时频信号描述符提取复杂特征，缓解了过拟合问题	NA	开发一种高效的人类情绪识别方法	人类情绪状态	机器学习	NA	脑电图信号分析	图卷积网络	脑电图信号	使用了SEED-IV和DEAP两个数据集，具体样本数量未在摘要中说明	NA	C2DGCN	准确率, 灵敏度, 特异性, 精确率	NA
9290	2025-12-30	Real-Time Phase-Contrast Cardiovascular MRI Using a Deep Learning Reconstruction Network With Combined Dictionary Learning and CNN 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70142 PMID:41108209	研究论文	本研究开发了一种结合字典学习和CNN的深度学习重建网络DLCNet，用于实现低延迟的实时相位对比心血管MRI成像	提出了一种名为DLCNet的新型深度学习重建网络，该网络结合了字典学习和CNN，能够同时捕获空间和时间特征，用于实时相位对比心血管MRI成像	研究仅使用了15名正常受试者的数据集进行训练和测试，样本量较小，且未在患者群体中进行验证	开发低延迟的实时相位对比心血管MRI成像技术	心血管系统，特别是升主动脉的血流测量	医学影像分析	心血管疾病	相位对比心血管MRI，金角径向序列	CNN	MRI图像	15名正常受试者	NA	DLCNet（结合字典学习和CNN的深度学习重建网络）	图像重建质量，血流测量准确性，成像速度（14.6帧/秒），图像显示延迟（<60毫秒）	Gadgetron平台，扫描仪
9291	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
9292	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
9293	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
9294	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
9295	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
9296	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
9297	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
9298	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
9299	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
9300	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