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
81	2026-05-04	Towards automated fetal brain biometry reporting for 3-dimensional T2-weighted 0.55-3T magnetic resonance imaging at 20-40 weeks gestational age range 2026-02, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06403-2 PMID:41238791	研究论文	针对 20-40 孕周胎儿脑部三维 T2 加权 MRI，开发并验证全自动生物测量报告流程	首次提出全自动胎儿脑部生物测量报告流程，集成深度学习测量、百分位和 Z 分数计算，并生成标准化生长图表	未提供	实现并验证基于深度学习的全自动胎儿脑部 MRI 生物测量报告流程，以提升临床实用性并支持实时工作流整合	胎儿脑部三维 T2 加权 MRI 图像	计算机视觉	胎儿发育异常	MRI	3D UNet	图像	回顾性 90 例，前瞻性 111 例，正常对照 406 例	NA	3D UNet	绝对差值，可接受率	NA
82	2026-05-03	Deep learning for the joint analysis of item-level longitudinal and survival data 2026-Feb-09, Journal of applied statistics IF:1.2Q2 DOI:10.1080/02664763.2026.2625122 PMID:42064375	研究论文	提出一种卷积神经网络，用于同时分析纵向项目级数据和生存数据，以预测神经退行性疾病患者的生存轨迹	首次将卷积神经网络应用于纵向项目级序数数据的联合分析，直接处理项目级序数数据而非总分，减少了信息损失并提高了预测性能	未明确提及局限性，但可能包括对项目级数据的高维性和序数性质的复杂建模挑战	开发一种深度学习方法，利用纵向项目级序数数据预测患者的生存轨迹，克服传统总分方法的局限性	神经退行性疾病患者，特别是帕金森病患者	机器学习	神经退行性疾病, 帕金森病	NA	卷积神经网络（CNN）	序数数据（纵向项目级评分）	模拟研究和真实帕金森病研究数据	NA	卷积神经网络（CNN）	预测性能（与传统联合模型比较）	NA
83	2026-05-03	Sequential pattern transformer (SPT): a generative and interpretable framework for predicting disease trajectories 2026-Feb, Neural computing & applications IF:4.5Q2 DOI:10.1007/s00521-025-11695-4 PMID:41907562	研究论文	提出序贯模式变换器（SPT），一种结合序列模式挖掘与生成式变换器建模的统一框架，用于预测疾病轨迹	将前缀跨度算法与仅解码器变换器协同，从嘈杂的电子健康记录中提取经过统计验证的疾病进展模式，从而将建模范式从分类转变为概率轨迹生成	NA	构建可解释、可操作的疾病轨迹预测框架，弥合高性能AI与临床可解释性之间的差距	258,460名2型糖尿病住院患者的诊断历史数据	机器学习	2型糖尿病	电子健康记录数据分析	变换器	文本（诊断代码序列）	258,460名2型糖尿病住院患者，数据跨越四年	PyTorch	仅解码器变换器	Top-5准确率	NA
84	2026-05-02	GAN-based novel feature selection approach with hybrid deep learning for heartbeat classification from ECG signal 2026-Feb, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2025.108704 PMID:41046784	研究论文	提出一种基于生成对抗网络的新颖特征选择方法，结合混合深度学习对心电图信号进行心跳分类	结合生成对抗网络进行特征融合，并采用序列指数饥饿游戏搜索算法训练混合深度信念网络与VGG模型	未提及	开发一种最优深度学习技术对心跳进行分类	心电图心跳信号	机器学习	心血管疾病	NA	DBN-VGG	ECG信号	NA	NA	DBN-VGG	准确性, 敏感性, 特异性	NA
85	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
86	2026-04-29	Threat discrimination of real-world social interactions in schizotypal traits 2026-Feb-17, Psychonomic bulletin & review IF:3.2Q1 DOI:10.3758/s13423-025-02821-3 PMID:41703359	研究论文	研究精神分裂型特质个体在真实世界社交互动中的威胁辨别能力	利用深度学习模型重新渲染自然视频，操纵社交环境信息量，探索社交环境对威胁检测的影响	研究基于非临床样本，结果可能不直接适用于临床精神分裂症患者	探讨社交环境对精神分裂型特质个体威胁检测能力的影响	161名非临床样本，具有不同精神分裂型和自闭型特质水平	机器学习	精神分裂症谱系障碍	深度学习模型	深度学习模型	自然视频	161名非临床样本	NA	NA	NA	NA
87	2026-04-29	Vector-Based Comparison and Average Slope Can Refine Bioequivalence Claims: A Machine and Deep Learning Approach 2026-Feb, Biopharmaceutics & drug disposition IF:1.7Q3 DOI:10.1002/bdd.70023 PMID:41684335	研究论文	本研究探索了两种创新概念AS和VBC在生物等效性研究中的优势，结合机器学习和深度学习方法提高研究准确性及效率	创新性地将AS（平均斜率）与VBC（基于向量的比较）相结合，测量吸收率同时减少变异性，并首次应用机器学习和人工神经网络于生物等效性分析	未提及具体局限性	改善生物等效性研究的准确性和效率，简化研究流程并降低成本	生物等效性研究中的吸收率测量和临床终点分析	机器学习	无特定疾病	NA	人工神经网络	临床数据集	14个实际数据集	NA	NA	统计效力、变异性减少	NA
88	2026-04-27	A Channel-Independent Anchor Graph-Regularized Broad Learning System for Industrial Soft Sensors 2026-Feb-28, Entropy (Basel, Switzerland) DOI:10.3390/e28030274 PMID:41899926	研究论文	提出一种通道无关锚图正则化宽度学习系统(CI-GBLS)，用于工业软传感器中的非线性动力学和多元耦合建模	引入通道独立(CI)策略，通过构建物理隔离的特征通道实现多元输入的正交分解，并利用RBF聚类中心作为图锚点设计高效流形正则化算法，嵌入数据几何结构到学习目标	未提及具体限制	解决复杂工业数据的非线性动力学和强多元耦合问题，同时克服深度学习的高计算成本和部署挑战	IndPenSim过程数据	机器学习	不适用	不适用	宽度学习系统	时间序列数据	不适用	不适用	CI-GBLS	预测精度和效率	不适用
89	2026-04-27	Deep learning-integrated multilayer thermal gradient sensing platform for real-time blood flow monitoring 2026-Feb-06, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea8902 PMID:41650267	研究论文	提出一种集成深度学习与多层热梯度传感的软电子平台，用于实时监测血流速度和血管深度	首次将多层热传感与深度学习算法结合，解决传统热传感中血管深度变异导致的测量限制，能够同时测量血流速率和血管深度	未提及具体局限性信息	开发一种无需笨重设备和专业知识的可穿戴血流监测技术，提升心血管健康评估和血管并发症检测的便捷性	血流速率和血管深度	机器学习	心血管疾病	多层热传感、深度学习、光电容积脉搏波	深度学习模型	热梯度数据	NA	NA	NA	NA	NA
90	2026-04-27	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	开发一种基于深度学习框架的数据驱动连续睡眠深度测量方法——序贯睡眠深度（OSD），并评估其与觉醒概率、年龄、性别、睡眠呼吸障碍及认知障碍的关联	首次利用深度学习序贯回归方法，基于3秒脑电片段连续估计睡眠深度，提供了比传统分期更精细的睡眠深度量化手段	NA	开发连续睡眠深度测量方法并验证其临床相关性	多导睡眠图记录中的脑电信号	机器学习	睡眠呼吸障碍、认知障碍	多导睡眠图	卷积神经网络	脑电图信号	21787份多导睡眠图记录，来自18116名患者	NA	卷积神经网络	皮尔逊相关系数	NA
91	2026-04-24	Deep learning for the change-point Cox model with current status data 2026-Feb-09, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09689-y PMID:41661381	研究论文	本研究针对当前状态数据，开发了含变点的深度部分线性Cox比例风险模型的估计方法，旨在处理复杂的变点效应	利用深度神经网络在Cox框架内建模协变量效应，并提出变点检测的最大似然估计程序，建立了估计量的渐近性质，包括一致性、渐近独立性和半参数效率	未明确说明局限性，但可能涉及对深度模型复杂性和数据要求的讨论	开发针对当前状态数据中含变点的深度部分线性Cox模型的估计方法，以准确捕捉复杂变点效应	当前状态数据中的变点效应建模，以及乳腺癌数据集的应用分析	机器学习	乳腺癌	NA	深度神经网络	时间事件数据	乳腺癌数据集（具体样本数量未说明）	NA	深度部分线性Cox比例风险模型	一致性，渐近独立性，半参数效率	NA
92	2026-04-24	A Novel Ensemble Learning Approach for Grouping the State-of-the-Art YOLOV10 and YOLOV11 Models for Kidney Stone Detection in CT and Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01499-2 PMID:40234345	研究论文	提出一种集成YOLOV10和YOLOV11模型的集成学习方法，用于在CT和超声图像中检测肾结石	首次将YOLOV10和YOLOV11模型集成用于肾结石检测，通过减少假阴性和假阳性错误提升个体模型性能	未提及具体计算资源和数据集规模等限制	提高肾结石在医学图像中的检测准确性和精确度	CT和超声图像中的肾结石	计算机视觉	肾结石	深度学习	YOLOV10, YOLOV11	图像	未提及	NA	YOLOV10, YOLOV11	精确率, 召回率, F1分数, Map50	NA
93	2026-04-24	The Lack of Neurofeedback Training Regulation Guidance and Process Evaluation May be a Source of Controversy in Post-Traumatic Stress Disorder-Neurofeedback Research: A Systematic Review and Statistical Analysis 2026-Feb, Brain connectivity IF:2.4Q3 DOI:10.1089/brain.2024.0084 PMID:40371570	系统综述与统计分析	对脑机接口神经反馈训练在创伤后应激障碍干预中的方法学与实验设计进行系统评价	揭示了神经反馈训练中缺乏明确调控指导与过程评估机制是争议来源，并提出机器学习/深度学习方法在小样本场景下的应用方向	仅包含Web of Science数据库文献，未纳入非英语或未发表研究；样本量较小限制了高级分析方法的应用	分析神经反馈技术在PTSD调控中的主要技术路线与结果，探讨有效性争议原因并提出改进方向	已发表的PTSD神经反馈原始研究文献（共31篇）	数字病理学	创伤后应激障碍	脑电图神经反馈、功能性磁共振成像神经反馈	机器学习（基础方法）、深度学习（未应用）	时间序列信号（EEG）、脑功能影像（fMRI）	EEG研究平均样本量17.4（SD 7.13），fMRI研究平均样本量14.6（SD 6.37）	NA	NA	NA	NA
94	2026-04-24	Diffusion Posterior Sampling for Tomographic Reconstruction with Mixed Resolution Priors 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3088076 PMID:42017039	研究论文	提出一种基于扩散后验采样的混合先验模型，用于提高断层重建中区域空间分辨率并保持全局结构一致性	结合全局扩散模型和区域块状扩散模型，通过频域方法融合低频和高频成分，并采用移位块划分机制消除拼接伪影	混合先验模型依赖高质量训练数据，且区域先验的应用需手动定义掩膜	在断层图像重建中通过混合先验模型提升区域分辨率，同时保持全局稳定性和一致性	断层重建中的图像数据	计算机视觉	NA	扩散后验采样	扩散模型	图像	NA	PyTorch	扩散模型（全局+区域块状模型）	重建质量	NA
95	2026-04-24	Evaluation of Fluence Reduction versus Sparsity for Diffusion Posterior Sampling Reconstruction in Low-Dose CT 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3087836 PMID:42017038	研究论文	系统模拟研究低剂量CT中光子通量减少与稀疏采样对扩散后验采样重建性能的影响	首次在同一框架下系统比较低剂量CT协议中两种降剂量策略（稀疏采样与每视角光子通量减少）对扩散后验采样重建的影响，并提出联合优化方案	仅基于模拟研究，未涉及真实临床数据验证	探究低剂量CT协议设计时，如何平衡稀疏采样与光子通量减少以最优维持重建图像质量	基于扩散后验采样算法的低剂量CT重建	计算机视觉, 数字病理学	NA	CT扫描	扩散概率模型	图像	模拟数据集（通过调整视角数和每视角入射光子数生成的不同组合）	PyTorch	扩散后验采样	PSNR, 偏差, 后验样本变异性	NA
96	2026-04-22	Automated multiclass bone segmentation using deep learning: implications for templating in radial head replacement 2026-Feb-18, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2026.02.005 PMID:41720251	研究论文	本研究训练并验证了一个基于nnU-Net的深度学习模型，用于自动化桡骨头置换术术前三维模板中的多类别骨骼分割	首次将nnU-Net模型应用于桡骨头置换术的自动化多类别骨骼分割，显著提高了分割效率并保持了高精度	模型无法捕捉软骨组织	开发一种快速可靠的自动化骨骼分割方法，以支持桡骨头置换术的术前三维模板规划	上肢骨骼（包括肱骨、尺骨、桡骨皮质和非皮质区域）	数字病理	骨科疾病	计算机断层扫描	深度学习	医学影像	93例上肢CT扫描	nnU-Net	U-Net	Dice相似系数, Hausdorff距离, 平均表面距离, 均方根误差	NA
97	2026-04-22	Dual-Modal Deep Learning with In-Domain Training and Attention for Infant Brain Myelination Prediction 2026-Feb-18, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09750-5 PMID:41706372	研究论文	提出一种新颖的双模态深度学习框架，利用T1和T2加权MRI自动评估婴儿脑髓鞘成熟度	采用领域内训练的DenseNet121特征提取器，结合通道和多头注意力块增强特征优先级和空间上下文，并通过交叉注意力实现模态间有效信息交换	研究仅基于公开数据集，样本量相对有限，未在更广泛临床环境中验证	开发自动评估婴儿脑髓鞘成熟度的深度学习模型，以支持儿科神经影像诊断	婴儿脑髓鞘成熟过程	数字病理学	NA	MRI	CNN	图像	833个样本（训练集710个，测试集123个）	PyTorch, TensorFlow	DenseNet121	平均绝对误差, 皮尔逊相关系数, 决定系数, 一致性相关系数	NA
98	2026-04-22	Sharper than human eyes? A systematic review and meta-analysis of machine learning for retinal detachment detection 2026-Feb-10, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721261419673 PMID:41666118	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估机器学习在视网膜脱离检测中的诊断准确性	首次对机器学习在视网膜脱离检测中的诊断性能进行全面的荟萃分析，比较了不同机器学习技术、成像模态和验证方法的性能差异	研究存在显著的异质性（I>90%），患者选择和数据质量存在偏倚，外部验证的普适性面临挑战	评估机器学习在视网膜脱离检测中的诊断准确性，并探讨其临床应用的潜力与挑战	视网膜脱离（RD）的检测	机器学习	视网膜脱离	机器学习（ML）、深度学习（DL）	深度学习模型、机器学习模型	图像（包括眼底成像等多种成像模态）	来自20项研究的69个模型	NA	NA	灵敏度、特异性、曲线下面积（AUC）	NA
99	2026-04-22	Small data, big challenges: Machine- and deep-learning strategies for data-limited drug discovery 2026-Feb, Advanced drug delivery reviews IF:15.2Q1 DOI:10.1016/j.addr.2025.115762 PMID:41421504	综述	本文综述了在数据有限的药物发现中，机器学习和深度学习面临的挑战及应对策略	聚焦于药物发现流程中的小数据问题，系统整合了传统ML方法和针对小数据优化的先进DL策略，填补了现有综述的空白	作为一篇综述文章，主要基于现有文献进行综合，未提出新的原创算法或实验验证	探讨在数据稀缺的药物发现与开发（DDD）流程中，如何应用和调整ML与DL方法以提高其实用性和可信度	药物发现与开发（DDD）流程中的关键任务及相关数据	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
100	2026-04-20	FISH-Dist: An Automated Pipeline for 3D Genomic Spatial Distance Quantification in FISH Imaging 2026-Feb-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030268 PMID:41899799	研究论文	本文介绍了一种名为FISH-Dist的自动化计算流程，用于在标准共聚焦显微镜获取的3D荧光原位杂交实验中量化荧光信号间的空间距离	FISH-Dist专门针对标准共聚焦成像在短基因组距离下的技术挑战，结合了基于深度学习的点分割、亚像素定位的3D高斯拟合以及两种互补的色差校正方法，显著减少了通道间距离测量误差	该流程主要针对标准共聚焦显微镜成像，可能不适用于超分辨率显微镜或长程染色体相互作用分析	开发一个自动化计算流程，以准确量化3D FISH成像中的基因组空间距离，解决色差引起的测量偏差	荧光原位杂交实验中的多通道3D显微镜图像，特别是DNA折纸纳米尺和FISH探针设计参数	计算机视觉	NA	荧光原位杂交，共聚焦显微镜成像，DNA折纸纳米尺	深度学习	3D显微镜图像	NA	NA	NA	亚像素精度，距离测量误差	NA