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
1501	2026-02-05	Deep learning-based morphological analysis of human sperm 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03418-7 PMID:40897949	研究论文	本文提出了一种基于深度学习的联合学习模型，用于精子头部分割和形态分类预测，以动态获取多帧多角度图像来准确分析精子形态	通过深度学习跟踪检测系统动态获取多帧多角度精子图像，结合分割和分类任务进行端到端形态分析，优于传统3D重建和计算机辅助评估系统	未明确提及样本量、计算资源细节或模型架构的具体名称	开发一种基于深度学习的精子形态分析方法，以预测男性精液质量	人类精子	计算机视觉	NA	深度学习	多任务模型	图像	NA	NA	NA	NA	最小计算能力，利用大多数胚胎学实验室已有设备
1502	2026-02-05	A dual-branch encoder network based on squeeze-and-excitation UNet and transformer for 3D PET-CT image tumor segmentation 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03427-6 PMID:40911253	研究论文	本文提出了一种基于SE-UNet和Transformer的双分支编码器网络TASE-UNet，用于3D PET-CT图像的肿瘤自动分割	设计了结合SE-UNet和Transformer的双分支编码器，在跳跃连接中引入3D CBAM注意力模块，并采用BCE损失函数提升分割精度	仅在HECKTOR2022数据集上进行测试，未在其他多中心数据集验证泛化能力	实现PET-CT图像中肿瘤的自动精确分割	3D PET-CT医学图像中的肿瘤区域	数字病理学	肿瘤（未特指具体类型）	PET-CT影像技术	深度学习模型	3D医学图像（PET-CT融合影像）	HECKTOR2022数据集（具体样本数未说明）	未明确说明	SE-UNet, Transformer, 3D CBAM	DSC（戴斯系数）, HD95（豪斯多夫距离95百分位）	未明确说明
1503	2026-02-05	Integrating CT image reconstruction, segmentation, and large language models for enhanced diagnostic insight 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03446-3 PMID:40993406	研究论文	本研究开发了一个整合CT图像重建、分割和大语言模型的四步医学图像分析框架，旨在提升图像质量并生成自动化文本描述以辅助诊断	提出一个将CT图像重建、预处理、分割和图像描述生成集成的端到端框架，并引入FuseCap模型为分割后的图像生成自动化文本描述，以辅助放射科医生	未明确说明框架在临床环境中的实际验证情况，以及自动化描述生成的准确性和临床实用性有待进一步评估	开发一个医学图像分析框架，以提升CT图像质量、减少重建时间，并通过自动化描述为医疗专家提供决策支持工具	骨盆CT图像	医学影像分析	癌症	CT成像	CNN	CT图像	NA	NA	NA	峰值信噪比, 归一化均方误差, 结构相似性指数	NA
1504	2026-02-05	Emerging trends and clinical challenges in AI-enhanced emotion diagnosis using physiological data 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03435-6 PMID:41026457	综述	本文综述了生理参数与情绪之间的关系，以及机器学习在情绪识别中的潜在价值、应用及挑战	将心率变异性（HRV）识别为情绪识别和生理参数分析的关键指标，并探讨了将其纳入模型以提升情绪管理精度的潜力	面临生理数据收集、隐私安全以及个体差异导致的个性化调整需求等多重挑战	探索生理参数与情绪之间的关联，并评估机器学习在情绪识别领域的应用价值与前景	心率、呼吸、血压、皮肤电反应、脑电图和心率变异性等生理参数，以及抑郁、焦虑、双相情感障碍和边缘型人格障碍等情绪障碍	机器学习	情绪障碍	机器学习，深度学习	NA	生理数据	NA	NA	NA	NA	NA
1505	2026-02-05	Deep learning-based high precision 3D ultrasound imaging for large size organ 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03453-4 PMID:41075113	研究论文	本研究提出了一种基于深度学习的高精度三维超声成像方法，用于大型器官成像，通过改进标签策略和扫描轨迹规划来减少累积误差	提出了基于超声图像坐标系的标签策略以提高网络预测精度，并通过预规划扫描轨迹指导网络预测，显著降低了累积误差	未明确说明方法在其他组织或网络架构中的泛化能力验证细节	开发一种高精度的三维超声成像方法，以改善大型器官成像中的累积误差问题	健康志愿者和脊柱侧弯患者的脊柱	计算机视觉	脊柱侧弯	三维超声成像	深度学习网络	图像	健康志愿者和脊柱侧弯患者（具体数量未明确）	NA	NA	预测精度，累积误差	NA
1506	2026-02-04	Artificial Intelligence in Drug Discovery: Integrative Advances From Data to Therapeutic Innovation 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70229 PMID:41630488	综述	本文综述了人工智能在药物发现中的整合进展，从数据到治疗创新，加速了新药的识别、优化和开发	整合了机器学习、深度学习和强化学习等AI技术，革新了传统药物发现方法，提高了靶点识别、虚拟筛选、从头药物设计等关键过程的效率	存在数据质量、模型可解释性、监管接受度和伦理问题等局限性	加速药物发现过程，提高新药开发效率，推动个性化医疗	药物发现过程中的靶点、化合物、药物-靶点相互作用、化学合成路径及临床试验设计	机器学习	NA	机器学习、深度学习、强化学习	NA	NA	NA	NA	NA	NA	NA
1507	2026-02-04	Performance Evaluation of a Commercial Deep Learning Software for Detecting Intracranial Hemorrhage in a Pediatric Population 2026-Feb-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01857-8 PMID:41629667	研究论文	本研究评估了一款基于成人数据训练的商业AI工具（Aidoc）在儿童颅内出血检测中的性能	首次在儿科人群中系统评估基于成人数据训练的商用深度学习软件对颅内出血的检测性能，揭示了儿科特异性特征对AI性能的影响	单中心回顾性研究，仅纳入6-17岁儿童，未包含婴幼儿群体，参考标准依赖放射科医师多数投票	评估商用AI工具在儿科颅内出血检测中的诊断性能	儿科患者（6-17岁）的头部CT影像	数字病理学	颅内出血	CT影像分析，自然语言处理	深度学习	医学影像（CT），文本报告	2502名儿科患者	Aidoc（商用软件）	NA	灵敏度，特异度，准确度	NA
1508	2026-02-04	Artificial Intelligence-Driven Laser Capture Microdissection 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-5154-4_14 PMID:41629719	研究论文	本文介绍了一种针对FFPE样本H&E染色切片优化的AI驱动激光捕获显微切割协议，旨在提升空间蛋白质组学的可扩展性和灵活性	开发了AI驱动的激光捕获显微切割协议，专门针对FFPE样本的H&E染色切片进行优化，提高了工作流程的可扩展性和临床适应性	当前工作流程缺乏可扩展性和灵活性，限制了在临床和转化环境中的广泛应用	优化激光捕获显微切割与质谱蛋白质组学结合的工作流程，以推进空间蛋白质组学的大规模应用	福尔马林固定石蜡包埋（FFPE）患者样本的H&E染色切片	数字病理学	NA	激光捕获显微切割, 质谱蛋白质组学, H&E染色	深度学习	图像	NA	NA	NA	NA	NA
1509	2026-02-03	A dense recurrent unrolling network leveraging spatio-temporal priors for highly-accelerated dynamic MRI 2026-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110595 PMID:41397563	研究论文	本文提出了一种密集循环展开网络，利用时空先验知识来高度加速动态MRI重建	在稀疏先验更新模块中引入了双向循环卷积单元，通过循环聚合过去和未来帧的上下文信息来增强时间依赖性建模，并采用了中间特征传输而非仅单阶段输出的设计，以改善多阶段协作	未明确说明在极高加速因子（如24倍以上）下的性能极限或计算成本	提高动态MRI在高度欠采样条件下的重建准确性和时间保真度	动态MRI数据	计算机视觉	NA	动态磁共振成像	深度学习	图像	NA	NA	密集循环展开网络	重建准确性, 时间保真度	NA
1510	2026-02-03	Dysmorphic neurons express markers of inhibitory glycinergic signaling in focal cortical dysplasia IIb 2026-Mar, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70043 PMID:40957662	研究论文	本研究利用深度学习技术对局灶性皮质发育不良IIb型进行解剖学映射，并结合空间转录组学分析，揭示了畸形神经元中非经典信号通路和神经递质通路的标记物	首次结合深度学习和空间转录组学，对FCD IIb型进行客观解剖学映射和分子特征分析，发现了畸形神经元中新的信号通路标记物	NA	研究局灶性皮质发育不良IIb型中畸形神经元的分子特征，以寻找新的治疗靶点	局灶性皮质发育不良IIb型中的巨细胞畸形神经元	数字病理学	癫痫	空间转录组学	深度学习	图像, 转录组数据	NA	NA	NA	NA	NA
1511	2026-02-03	Deep learning-enhanced 3D imaging unveils semaglutide impact on cardiac fibrosis 2026-Mar, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.70217 PMID:41121520	研究论文	本研究开发了一种结合三维光片荧光显微镜和深度学习的心脏纤维化量化方法，并用于评估GLP-1R激动剂司美格鲁肽在HFpEF小鼠模型中的抗纤维化疗效	开发了首个结合荧光胶原标记、组织透明化、三维光片荧光显微镜和深度学习的高通量全心脏成像平台，实现了微米分辨率的心脏纤维化区域异质性量化	研究仅在小鼠模型中进行，未在人类样本中验证；司美格鲁肽对替代性纤维化无显著影响	开发心脏纤维化的三维成像与深度学习量化方法，并评估GLP-1R激动剂的抗纤维化疗效	db/db UNx-ReninAAV小鼠模型（表现为糖尿病、肾衰竭、肥胖和高血压）	数字病理学	心血管疾病	荧光胶原标记、组织透明化、三维光片荧光显微镜	深度学习	三维图像	未明确样本数量，但分析了17个左心室节段	NA	NA	NA	NA
1512	2026-02-03	Research on a spatiotemporal prediction method for two-dimensional temperature fields based on TDLAS array sensors and the SwinLSTM model 2026-Feb-02, The Analyst DOI:10.1039/d5an01304f PMID:41504477	研究论文	本文提出了一种基于TDLAS阵列传感器和SwinLSTM模型的二维温度场时空预测方法，用于火焰温度场的准确重构和短期预测	结合二维阵列TDLAS直接成像与深度学习，采用64像素阵列探测器替代传统单点传感器，并构建SwinLSTM模型以同时学习温度场的空间全局依赖性和时间动态特性	NA	开发一种能够准确重构和预测火焰二维温度场的时空预测诊断方法	火焰的二维温度场	计算机视觉	NA	可调谐二极管激光吸收光谱技术	LSTM	图像	NA	NA	SwinLSTM	SSIM, PSNR	NA
1513	2026-02-03	Reduction of motion artifacts from photoplethysmography signals using learned convolutional sparse coding 2026-Feb-02, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35cb PMID:41505906	研究论文	本文提出了一种结合信号分解和深度学习优势的框架，用于减少可穿戴设备中光电容积脉搏波信号的运动伪影	利用算法展开将PPG结构先验知识整合到深度神经网络中，提高了模型的可解释性，并采用学习卷积稀疏编码模型捕获重复形态模式	未明确说明模型在极端运动条件下的泛化能力或临床验证的详细结果	提高可穿戴设备中光电容积脉搏波信号的质量，以支持心血管疾病的监测	光电容积脉搏波信号及其运动伪影	信号处理	心血管疾病	光电容积脉搏波	深度神经网络, 卷积稀疏编码	信号数据	使用PulseDB数据集和PPG-DaLiA数据集，具体样本数量未明确	NA	学习卷积稀疏编码模型	信噪比, 心率平均绝对误差	NA
1514	2026-02-03	Decoding Protein-Membrane Binding Interfaces from Surface-Fingerprint-Based Geometric Deep Learning and Molecular Dynamics Simulations 2026-Feb-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02566 PMID:41622943	研究论文	本研究提出了一种名为MaSIF-PMP的几何深度学习模型，用于预测外周膜蛋白的膜结合界面位点	该模型结合分子表面指纹和几何化学特征，实现了空间分辨的界面结合位点预测，并通过分子动力学模拟验证和优化预测结果	实验解析的膜结合蛋白构象稀缺，可能影响模型训练和泛化能力	预测蛋白质-膜相互作用界面，以理解膜结合机制	外周膜蛋白及其与膜的相互作用	机器学习	NA	分子动力学模拟	几何深度学习模型	分子表面特征数据	NA	NA	MaSIF-PMP	分类性能	NA
1515	2026-02-03	EXPRESS: Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra 2026-Feb-02, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261422275 PMID:41622963	研究论文	本文提出了一种卷积自编码器，用于肿瘤细胞和组织拉曼光谱的单步自动化预处理	开发了一种卷积自编码器，能够单步自动化去除拉曼光谱中的基线、噪声和宇宙射线，无需GPU支持，处理速度快	未明确提及模型在更广泛或不同类型肿瘤光谱数据上的泛化能力	开发一种深度学习框架，用于高效自动化预处理肿瘤细胞和组织的拉曼光谱，以支持放疗反应监测研究	临床前单细胞系和异种移植组织光谱，以及临床前列腺肿瘤活检光谱	机器学习	前列腺癌	拉曼光谱	自编码器	光谱数据	约11,000条光谱	未明确提及	卷积自编码器	均方根误差, 百分比均方根差异, 宇宙射线去除率	无需GPU，在2.4秒内处理约11,000条光谱
1516	2026-02-03	Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection 2026-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2426580 PMID:39550608	研究论文	提出一种结合Kruskal-Szekeres生成对抗网络与深度自编码器的方法，用于结直肠癌的早期检测	提出KSGANA-DA模型，首次将Kruskal-Szekeres坐标变换应用于数据增强，并结合基于解剖标志的深度自编码器进行图像分割	未明确说明数据集的具体来源、样本数量及临床验证范围	提高结直肠癌早期检测的准确率和效率	结直肠癌医学图像	数字病理学	结直肠癌	医学图像处理	GAN, Autoencoder	图像	NA	Python	Kruskal-Szekeres GAN Augmented Deep Autoencoder	精确率, 召回率, 训练时间	NA
1517	2026-02-03	ViTBayesianNet: An adaptive deep bayesian network-aided alzheimer disease detection framework with vision transformer-based residual densenet for feature extraction using MRI images 2026-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2435491 PMID:39663578	研究论文	提出了一种结合Vision Transformer残差密集网络和自适应深度贝叶斯网络的阿尔茨海默病检测框架，利用MRI图像进行特征提取和疾病识别	首次将Vision Transformer与残差密集网络结合用于医学图像特征提取，并采用自适应深度贝叶斯网络进行疾病检测，通过增强高尔夫优化算法优化网络参数	未提及模型在不同数据集上的泛化能力测试，也未说明计算复杂度或实时性分析	开发基于深度学习的阿尔茨海默病早期检测方法	阿尔茨海默病患者的MRI图像	计算机视觉	阿尔茨海默病	MRI成像	Vision Transformer, 残差网络, 密集网络, 贝叶斯网络	图像	NA	NA	ViT-ResDenseNet, Ada-DBN	准确率	NA
1518	2026-02-03	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2026-Feb, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	本研究开发了一种基于深度学习的连续睡眠深度测量方法——序数睡眠深度（OSD），并评估了其与觉醒概率及临床变量的相关性	提出了一种数据驱动的连续睡眠深度测量方法，通过卷积神经网络结合序数回归，超越了传统离散睡眠分期的限制	研究基于特定人群的PSG数据，可能无法完全推广到所有人群或睡眠条件	开发并验证一种连续测量睡眠深度的方法，以更精确地评估睡眠质量及其与临床因素的关系	18,116名独特患者的21,787份多导睡眠图记录	机器学习	睡眠障碍	多导睡眠图	CNN	EEG信号	21,787份PSG记录来自18,116名患者	未明确指定，推测为PyTorch或TensorFlow	卷积神经网络	Pearson相关系数	NA
1519	2026-02-03	MRI-based detection of multiple sclerosis using an optimized attention-based deep learning framework 2026-Feb, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2527899 PMID:40616778	研究论文	本文提出了一种名为2DRK-MSCAN的深度学习框架，用于基于MRI数据早期准确检测多发性硬化病灶	开发了结合深度扩散残差核和多尺度蛇形卷积注意力机制的2DRK-MSCAN模型，以提高检测准确性和鲁棒性	临床验证仍在进行中，需要进一步的实际应用测试	开发并评估一种新型深度学习框架，用于早期和准确检测多发性硬化病灶	多发性硬化病灶	计算机视觉	多发性硬化	MRI	CNN	图像	三个公开可用的基于MRI的脑肿瘤数据集	NA	EfficientNetV2L, U-Net	准确率	NA
1520	2026-02-03	Predicting Pharmacological Treatment Response in Migraine Using AI/ML: A Scoping Review of the Evidence and Future Directions 2026-Feb, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70085 PMID:41276479	综述	本文是一篇范围综述，系统评估了人工智能和机器学习模型在预测偏头痛药物治疗反应方面的证据，并指出了当前方法的局限性和未来发展方向	首次系统性地对AI/ML在预测偏头痛药物治疗反应中的应用进行了范围综述，并识别了普遍存在的验证不足和数据瓶颈等关键方法学弱点	现有研究大多仅依赖内部验证，存在高过拟合风险，外部验证极其罕见，且数据集中存在患者队列重叠，完全缺乏生物标志物或遗传数据	评估AI和ML模型在预测偏头痛患者对急性或预防性药物治疗反应方面的证据，并推动精准医疗在偏头痛治疗中的应用	偏头痛患者	机器学习	偏头痛	临床表型分析、神经影像数据	支持向量机、深度学习、概率模型	临床数据、神经影像数据	基于12项符合条件的研究，具体样本量未在摘要中明确说明	NA	NA	预测准确性	NA