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
11681	2025-12-31	Integrating lesser omentum adipose CT in dual-phase tumor imaging: A multi-label deep learning framework for preoperative microvascular invasion prediction and survival analysis in hepatocellular carcinoma 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109197 PMID:41349434	研究论文	本研究开发了一种多标签深度学习框架，通过整合小网膜脂肪CT与双期肿瘤成像，用于术前预测肝细胞癌的微血管侵犯并进行生存分析	提出了一种新颖的多标签深度学习框架，首次将小网膜脂肪CT特征与双期肿瘤CT图像通道级联，并利用临床风险因素作为辅助标签指导训练，以提升微血管侵犯预测性能	研究为回顾性设计，样本来自两个中心，可能存在选择偏倚；未在更广泛的多中心前瞻性数据中验证模型泛化性	开发一个多标签深度学习框架，用于术前准确预测肝细胞癌的微血管侵犯并进行生存风险分层分析	肝细胞癌患者	计算机视觉	肝细胞癌	计算机断层扫描	CNN	图像, 临床数据	来自两个中心的回顾性数据，具体样本量未明确说明	NA	CGAResNet18	AUC, 假阳性率, 假阴性率	NA
11682	2025-12-31	A comparative study of computer vision models for oral cancer detection from oral photographs 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109198 PMID:41380612	研究论文	本研究比较了多种计算机视觉模型在口腔照片中检测口腔癌病变的性能	通过系统比较现代深度学习目标检测模型，并全面评估影响模型性能的参数，提供了该领域检测方法的新颖且全面的评估	在区分恶性和良性病变的两类检测设置中表现不佳，且小病变检测存在挑战	评估计算机视觉模型作为诊断工具在口腔癌早期检测中的潜力	口腔病变照片，特别是鳞状细胞癌等病变	计算机视觉	口腔癌	NA	深度学习目标检测模型	图像	基于活检证实的口腔病变摄影数据集	NA	NA	精确度, 灵敏度, 特异性	NA
11683	2025-12-31	INTELLI-PVA: Informative sample annotation-based contrastive active learning for cross-domain patient-ventilator asynchrony detection 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109203 PMID:41389675	研究论文	本文提出了INTELLI-PVA框架，用于跨域患者-呼吸机异步检测，通过对比主动学习减少标注负担	结合对比学习和主动学习，开发混合两阶段分类器，实现高效跨域PVA检测	未明确说明模型在极端临床场景或罕见PVA类型上的泛化能力	开发人工智能系统以实时检测患者-呼吸机异步，提升临床监测效率	机械通气患者中的八种PVA类型	机器学习	呼吸系统疾病	对比学习，主动学习	深度学习模型	呼吸周期数据	1190名患者，1.24975亿个呼吸周期	NA	NA	F1-score, Cohen's κ	NA
11684	2025-12-31	FRET-SAM: SAM_Med2D-based automatic FRET two-hybrid analysis 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109208 PMID:41401595	研究论文	本研究开发了一种基于SAM_Med2D的深度学习模型FRET-SAM，用于自动分析FRET双杂交图像，以量化活细胞中的蛋白质相互作用	首次将Segment Anything Model (SAM)及其医学图像变体SAM_Med2D优化并应用于FRET双杂交图像的自动ROI选择和荧光信号提取，实现了分析过程的自动化并提高了准确性	未明确提及模型在更广泛或更复杂生物样本上的泛化能力，以及计算效率的具体提升程度	开发一种自动化、高精度的深度学习方法来分析FRET双杂交图像，以消除主观偏差并提高蛋白质相互作用定量分析的效率和准确性	FRET双杂交图像（来自六种模型质粒和三种功能性FRET对）以及相关的蛋白质相互作用	计算机视觉	肺癌, 肝细胞癌	荧光共振能量转移 (FRET) 双杂交测定, 深度学习	基于SAM的模型	图像	包含六种模型质粒（C4Y, C10Y, C40Y, C80Y, C32V, CVC）和三种功能性FRET对（Bcl-XL-CFP/Bak-YFP, EGFR-CFP/Grb2-YFP, RAF-CFP/RAS-YFP）的综合FRET图像数据集	NA	SAM_Med2D, FRET-SAM	平均像素精度 (MPA), 平均交并比 (MIoU), Dice系数, 相对误差	NA
11685	2025-12-31	A novel multimodal diagnostic framework integrating hyperspectral imaging and deep learning for predicting RET gene mutations in medullary thyroid carcinoma 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109207 PMID:41411775	研究论文	本研究开发了一种结合高光谱成像与深度学习的多模态诊断框架，用于预测甲状腺髓样癌的RET基因突变	首次将高光谱成像与深度学习结合用于MTC的RET突变预测，并设计了一种跨模态注意力机制来融合光谱和空间特征	样本量相对较小（总样本142例），且仅针对RET基因突变进行预测	开发一种快速、经济高效的非侵入性方法，用于预测甲状腺髓样癌的RET基因突变，以辅助临床决策	甲状腺髓样癌（MTC）患者	数字病理学	甲状腺癌	高光谱成像，H&E染色	CNN, LSTM, Transformer	图像	82例来自齐鲁医院的MTC病例用于训练和验证，60例来自另外两个中心的独立队列用于外部测试	NA	1D-CNN-LSTM, Swin Transformer	准确率, 灵敏度, 特异性	NA
11686	2025-12-31	A Deep Learning-Based Human-Robot Collaborative Navigation Framework for Vascular Interventional Surgery 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70125 PMID:41468030	研究论文	本文提出了一种基于深度学习的血管介入手术人机协作导航框架，旨在实现自主手术执行	采用手术生成对抗网络进行实时局部路径规划，并引入基于CNN的动作估计器及人机信任共享控制模型，以应对血管轮廓变化带来的挑战	NA	实现血管介入手术的自主导航，提高手术效果和安全性	血管介入手术中的导管导航	机器视觉	心血管疾病	深度学习	GAN, CNN	图像	NA	NA	生成对抗网络, 卷积神经网络	动作决策准确率	NA
11687	2025-12-31	GONet: A Generalizable Deep Learning Model for Glaucoma Detection 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3576688 PMID:40465450	研究论文	本文提出了一种名为GONet的通用深度学习模型，用于从彩色眼底照片中检测青光眼性视神经病变，旨在提高跨种族、疾病组和检查设置的泛化能力	GONet采用基于DINOv2预训练的自监督视觉变换器，并结合多源域策略进行微调，利用七个独立数据集（超过119,000张彩色眼底照片）开发，展示了出色的分布外泛化性能	模型性能可能受数据集多样性和标注质量限制，且未详细讨论在资源有限环境中的部署挑战	开发一个泛化性强、自动化的深度学习模型，用于早期检测青光眼性视神经病变，以减少对专科医生耗时检查的依赖	彩色眼底照片（CFP），来自不同地理背景的患者，包括新贡献的747张带GON标签的开放访问数据集	计算机视觉	青光眼	彩色眼底摄影	视觉变换器（Vision Transformer）	图像	超过119,000张彩色眼底照片，来自七个独立数据集，包括新贡献的747张开放访问图像	PyTorch（基于DINOv2实现）	DINOv2预训练的视觉变换器	AUC	NA
11688	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
11689	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
11690	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
11691	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
11692	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
11693	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
11694	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
11695	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
11696	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
11697	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
11698	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
11699	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
11700	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