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
1341	2026-01-24	Multi-scale EEG analysis identifies neural circuit signatures of iTBS responsiveness in major depressive disorder 2026-Feb-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121697 PMID:41506306	研究论文	本研究通过整合深度学习和计算建模，利用多尺度脑电图分析识别了重度抑郁症患者对间歇性θ爆发刺激治疗反应的神经回路特征	首次将多尺度卷积循环神经网络与基于生物物理学的动态因果建模相结合，用于预测和解释重度抑郁症患者对经颅磁刺激治疗的反应，并识别出两种具有不同神经生理特征的亚型	研究样本量相对有限（共198名患者），且仅基于两个独立队列，需要更大规模的多中心研究进行验证	开发能够预测重度抑郁症患者对间歇性θ爆发刺激治疗反应的生物标志物，并阐明其潜在的神经机制	重度抑郁症患者	机器学习	重度抑郁症	脑电图，事件相关电位	CNN, RNN	脑电图信号	198名患者（训练队列125人，验证队列73人），共55,476个脑电图时段	NA	多尺度卷积循环神经网络	准确率	NA
1342	2026-01-24	Automating prostate biopsy guidance: A robust CNN approach for non-rigid 3D/3D MR-TRUS image registration 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111423 PMID:41520474	研究论文	提出了一种用于3D MR-TRUS前列腺图像自动配准的弱监督深度学习框架，以提升靶向活检的准确性	提出了一种无需分割图像、基于弱监督的端到端深度学习框架，结合了预处理对齐步骤与UNet启发的配准网络，直接预测体素级位移场，消除了传统方法中耗时的手动分割步骤	未明确讨论模型在极端解剖变异或图像质量较差情况下的鲁棒性，也未提及外部验证数据集的性能	开发一种自动、鲁棒且高效的前列腺MR-TRUS图像配准方法，以辅助前列腺癌靶向活检	前列腺的3D磁共振图像和经直肠超声图像	计算机视觉	前列腺癌	磁共振成像，经直肠超声成像	CNN	3D图像	未在摘要中明确说明	未在摘要中明确说明	UNet, RegResUNet	表面配准误差，Dice相似系数	未在摘要中明确说明
1343	2026-01-24	DeeBayes: An interpretable deep Bayesian network for ECG signal restoration 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111424 PMID:41539146	研究论文	提出一种结合噪声估计与信号去噪的统一贝叶斯框架，用于有效恢复心电图信号	开发了一种新颖的变分推理方法，将数据驱动的深度学习与传统模型驱动的生成模型优势相结合，能够显式表达后验概率并处理复杂的非独立同分布噪声	未明确说明模型在不同类型心律失常信号上的泛化能力，也未讨论实时处理性能	开发心电图信号去噪方法以提高临床诊断准确性	受噪声污染的心电图信号	信号处理	心血管疾病	变分推理	深度贝叶斯网络	心电图信号	NA	NA	深度贝叶斯心电图信号恢复网络	定性评估, 定量评估, 信噪比	NA
1344	2026-01-24	FedEMG: Achieving Generalization, Personalization, and Resource Efficiency in EMG-Based Upper-Limb Rehabilitation Through Federated Prototype Learning 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3593485 PMID:40729714	研究论文	本文提出了一种名为FedEMG的联邦原型学习框架，用于解决基于肌电图的实时手势识别在假肢控制中的泛化性、个性化及资源效率问题	FedEMG采用基于原型的联邦学习方法，结合独特的自适应个性化机制，平衡全局知识与用户特定适配，实现了高精度和个性化，同时不牺牲泛化能力	NA	解决基于深度学习的肌电图手势识别在假肢控制中的泛化性、个性化与计算资源限制等关键挑战	基于肌电图的上肢假肢控制手势识别	机器学习	上肢截肢	肌电图	神经网络	肌电图信号	NA	联邦学习	轻量级手势检测器与高效神经网络架构	准确率	资源受限设备
1345	2026-01-24	Predicting outcomes of port-wine stains treated with hematoporphyrin monomethyl ether photodynamic therapy (HMME-PDT): An observational study using multimodal deep learning 2026-Feb, JAAD international DOI:10.1016/j.jdin.2025.11.009 PMID:41561203	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1346	2026-01-24	"RaagaDhvani: A novel augmented multi-feature dataset: Advancing emotion recognition in Carnatic music with multimodal features and hybrid deep learning" 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112364 PMID:41561921	研究论文	本文介绍了一个名为RaagaDhvani的新型增强多特征数据集，旨在通过结合多模态特征和混合深度学习模型，推进卡纳提克音乐中的情感识别研究	创建了首个专注于卡纳提克音乐情感标注的数据集，融合了音频特征与情感注释，并采用数据增强技术（音高移位、时间拉伸、噪声添加）来提升模型的泛化能力	数据集仅包含11种拉格，样本量相对有限；且情感标注可能受文化主观性影响	推进音乐情感识别（MER）、情感计算及音乐治疗应用，支持心理健康和跨文化音乐研究	卡纳提克音乐（南印度古典音乐）中具有情感驱动的人声和长笛演奏	机器学习	NA	数据增强（音高移位、时间拉伸、噪声添加）	混合深度学习模型	音频	初始448个拉格样本，经增强后包含825个音频文件	NA	NA	NA	NA
1347	2026-01-23	Chemo-prAIdict Breast: A deep learning solution for predicting residual disease on biopsies of breast cancer patients treated with neoadjuvant chemotherapy 2026-Feb-05, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116222 PMID:41518683	研究论文	开发了一种基于深度学习模型Chemo-prAIdict Breast，利用诊断活检的全切片图像预测乳腺癌患者新辅助化疗后的残留疾病	首次提出使用全切片图像的深度学习模型预测乳腺癌新辅助化疗后的残留疾病，并在大型队列中验证了其优于标准临床病理特征的性能	需要基于现代治疗方案的前瞻性研究来确立临床实用性	预测早期乳腺癌患者对新辅助化疗的敏感性，以帮助个体化治疗	接受新辅助化疗的早期乳腺癌患者	数字病理学	乳腺癌	全切片图像分析	深度学习模型	图像	初始纳入1140名患者，经筛选后分析928名（训练队列438名，外部验证队列490名）	NA	NA	AUC, Pearson相关系数	NA
1348	2026-01-23	Peripapillary Choroidal Vascularity Index for Differentiating Papilledema from Pseudopapilledema: A Deep Learning-Based Approach 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101024 PMID:41552652	研究论文	本研究使用深度学习算法比较了特发性颅内高压引起的视盘水肿与视盘玻璃膜疣引起的假性视盘水肿的视盘周围脉络膜血管指数	首次应用深度学习ResUNet模型结合体积平滑算法自动分割脉络膜，并量化视盘周围脉络膜血管指数以区分视盘水肿与假性视盘水肿	样本量较小，且为回顾性研究，可能存在选择偏倚	区分特发性颅内高压引起的视盘水肿与视盘玻璃膜疣引起的假性视盘水肿	特发性颅内高压患者、视盘玻璃膜疣患者及健康对照者的眼睛	数字病理学	眼科疾病	OCT	CNN	图像	138只眼睛（30只视盘水肿眼、30只假性视盘水肿眼、78只健康对照眼）	NA	ResUNet	均值比较、P值	NA
1349	2026-01-23	Comparison of RETFound and a Supervised Convolutional Neural Network for Detection of Referable Glaucoma from Fundus Photographs 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101008 PMID:41552656	研究论文	比较基于视觉Transformer的基础模型RETFound和监督卷积神经网络VGG-19在眼底照片中检测可转诊青光眼的性能	首次将自监督预训练的视觉Transformer基础模型RETFound与监督CNN模型VGG-19在青光眼检测任务中进行系统比较，并探讨了图像裁剪、训练数据规模及人口统计学因素对模型性能的影响	研究主要基于特定筛查项目数据，外部验证集规模较小（N=300），且未涉及其他类型青光眼或更广泛的临床场景	评估不同深度学习架构在青光眼自动筛查中的诊断性能	来自洛杉矶县卫生服务远程视网膜筛查项目的6,116名参与者的眼底照片	计算机视觉	青光眼	眼底摄影	Vision Transformer, CNN	图像	训练集8,996张，验证集3,002张，内部测试集1,000张，外部测试集300张眼底照片	未明确说明	RETFound, VGG-19	AUC-ROC, 敏感性, 特异性, F1分数	NA
1350	2026-01-22	Deep Learning Photo Processing for Periodontitis Screening 2026-Feb, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345251347508 PMID:40650464	研究论文	本研究开发了一种基于深度学习的口腔图像处理模型，用于牙周炎筛查	采用全局激活池化的多实例深度学习模型，无需图像标注地标，仅基于口腔正面视图图像即可准确识别II至IV期牙周炎，且模型关注的兴趣区域与牙周病专家高度一致	需要更多的开发和验证以将该方法推广为全球多人群的筛查工具	测试口腔图像中的诊断信息能否辅助深度学习算法检测牙周炎病例	在上海第九人民医院就诊的连续受试者及其口腔数字孪生图像	计算机视觉	牙周炎	深度学习图像处理	深度学习模型	图像	内部开发与测试387名受试者，外部测试183名受试者	NA	ResNet50	AUROC, 敏感性, 特异性	NA
1351	2026-01-21	Nivolumab plus ipilimumab for potentially resectable hepatocellular carcinoma: Long-term efficacy and biomarker exploration 2026-Feb, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.08.035 PMID:40972843	研究论文	本研究评估了纳武利尤单抗联合伊匹木单抗在潜在可切除肝细胞癌患者中的长期疗效和安全性，并探索了治疗反应的预测性生物标志物	首次在潜在可切除肝细胞癌患者中探索纳武利尤单抗联合伊匹木单抗作为新辅助治疗的长期疗效，并通过基因组、转录组分析和免疫细胞谱分析揭示了三级淋巴结构形成与抗肿瘤免疫增强的关联	研究为单臂临床试验，缺乏对照组，样本量相对较小（43例患者），且患者群体中病毒性肝炎占主导，可能限制结果的普遍性	评估免疫检查点抑制剂联合疗法作为新辅助或围手术期治疗在肝细胞癌中的疗效和安全性，并探索治疗反应的生物标志物	潜在可切除的肝细胞癌患者	NA	肝细胞癌	基因组分析, 转录组分析, 免疫细胞谱分析, 光谱流式细胞术	深度学习算法	肿瘤组织样本, 外周血样本, 小鼠肝癌模型数据	43例患者（男性/女性：37/6；病毒性/非病毒性：41/2；巴塞罗那临床肝癌分期A/B/C：4/13/26），其中24例接受手术	NA	NA	客观缓解率, 4年无进展生存率, 4年总生存率, 主要病理学缓解率（>90%肿瘤坏死）	NA
1352	2026-01-21	Comparing prostate diffusion weighted images reconstructed with a commercial deep-learning product to a deep learning phase corrected model at 1.5 T 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110681 PMID:41297172	研究论文	本研究比较了商业深度学习产品与新型深度学习相位校正模型在1.5T场强下重建前列腺扩散加权图像的质量	提出了一种新型深度学习相位校正重建模型，在1.5T场强下相比商业深度学习产品能显著降低图像噪声并提高信噪比	研究样本量较小（仅30例患者），且为单中心回顾性研究，可能影响结果的普遍性	评估新型深度学习相位校正模型在提升前列腺扩散加权图像质量方面的效果	接受前列腺多参数磁共振成像的30例连续患者	医学影像分析	前列腺癌	扩散加权成像，多参数磁共振成像	深度学习模型	磁共振图像	30例患者	NA	深度学习相位校正模型	信噪比，表观扩散系数值，图像噪声评估，定性图像评分	NA
1353	2026-01-21	Quantification differences between supine and prone CT in interstitial lung disease 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110697 PMID:41418638	研究论文	本研究评估了间质性肺病患者仰卧位与俯卧位CT扫描在定量测量中的变异性和可重复性	首次系统比较了仰卧位与俯卧位CT在间质性肺病定量评估中的测量差异，并识别了影响体位间变异性的关键因素	研究为回顾性设计，样本仅来自单一机构，且未评估体位变化对临床决策的直接影响	评估俯卧位CT定量测量在间质性肺病评估中的可靠性与变异性	间质性肺病患者	数字病理学	间质性肺病	定量计算机断层扫描，深度学习软件分析	深度学习模型	CT图像	277名患者	NA	NA	组内相关系数，Bland-Altman分析，Pearson相关系数，Steiger's Z检验	NA
1354	2026-01-21	Global trends and collaboration networks in radiology: A bibliometric analysis of the 500 most-cited articles in web of science 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110700 PMID:41455150	研究论文	本研究通过文献计量学方法分析了Web of Science核心合集中被引次数最高的500篇放射学、核医学和医学影像学文章，以揭示全球研究趋势和合作网络	首次对放射学领域高被引文献进行大规模文献计量分析，识别了关键机构、国家、作者和新兴研究主题（如深度学习和人工智能）	分析仅基于被引次数最高的500篇文章，可能无法代表整个放射学研究领域的全貌；数据截止到2025年6月，可能无法反映最新动态	分析放射学、核医学和医学影像学领域的全球研究趋势、合作网络和新兴方向	Web of Science核心合集中被引次数最高的500篇放射学相关文章	医学影像学	NA	文献计量分析	NA	文献元数据	500篇高被引文章	Biblioshiny, VOSviewer 1.6.20, Python 3.13.3	NA	被引次数、平均被引影响、关键词出现频率	NA
1355	2026-01-20	Detecting Human Frequency-Following Responses Using an Artificial Neural Network 2026-Feb, Perceptual and motor skills IF:1.4Q4 DOI:10.1177/00315125251347006 PMID:40440687	研究论文	本研究探讨了使用三层人工神经网络检测由英语元音/i/的上升语调引发的人类频率跟随响应的有效性	首次将深度学习模型（人工神经网络）应用于频率跟随响应的检测，探索了其在听觉处理评估中的潜力	研究仅针对特定语调（英语元音/i/的上升语调）的FFR，未涵盖更广泛的声学条件或语言环境	评估人工神经网络在检测人类频率跟随响应方面的效能，为听觉处理评估和临床诊断提供基础	由英语元音/i/的上升语调引发的人类频率跟随响应神经信号	机器学习	NA	频谱域F0估计	ANN	FFR录音信号	NA	NA	三层人工神经网络	预测准确率	NA
1356	2026-01-20	Evaluation of deep learning models for anterior segment OCT image segmentation during scleral lens wear 2026-Feb, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2025.102484 PMID:40764201	研究论文	本研究评估了16种深度学习模型在巩膜镜佩戴期间前段OCT图像分割中的性能	首次系统比较了四种不同架构（U-Net、U-Net++、FPN、MA-Net）与五种编码器（EfficientNet-B4、DenseNet201、VGG19、ResNet34、Xception）组合在巩膜镜佩戴AS-OCT图像分割中的表现，并确定了U-Net++/VGG19为最佳组合	研究仅涉及正常角膜参与者，未包括角膜疾病或组织形态改变的病例，且部分模型在Bowman层与角膜基质界面存在误分类问题	评估深度学习模型在巩膜镜佩戴期间前段OCT图像分割中的准确性和性能	巩膜镜佩戴期间获取的前段光学相干断层扫描图像，包括巩膜镜前/后表面、角膜上皮前表面、基质前界面和内皮	计算机视觉	NA	前段光学相干断层扫描	深度学习模型	图像	15名正常角膜参与者在巩膜镜佩戴0和480分钟后获取的AS-OCT图像	NA	U-Net, U-Net++, FPN, MA-Net, EfficientNet-B4, DenseNet201, VGG19, ResNet34, Xception	Dice系数, 平均绝对边界误差	NA
1357	2026-01-20	Harnessing deep statistical potential for biophysical scoring of protein-peptide interactions 2026-Feb, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01659-8 PMID:41034399	研究论文	本文开发了一种名为DeepPpIScore的新型评分函数，用于评估蛋白质-肽相互作用，该方法结合了无监督几何深度学习和物理启发的统计势能	DeepPpIScore是首个利用无监督几何深度学习和物理统计势能来评分蛋白质-肽相互作用的模型，无需结合亲和力数据或分类标签进行训练，且在多个任务中展现出卓越的泛化能力	模型仅基于精选的实验结构进行训练，可能未覆盖所有蛋白质-肽相互作用的多样性，且未明确讨论其在未知结构或大规模数据集上的表现	开发一个高精度的评分函数，以改进蛋白质-肽相互作用的预测，并促进肽疗法的进展	蛋白质-肽相互作用	机器学习	NA	无监督几何深度学习，物理启发的统计势能	深度学习模型	三维结构数据	NA	NA	NA	结合亲和力预测，结合对识别，肽结合模式预测	NA
1358	2026-01-20	Chromosome Image Classification Using Edge Fusion Attention Network 2026-Feb, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70070 PMID:40884446	研究论文	本文提出了一种用于染色体图像分类的深度学习架构——边缘融合注意力网络（EFANet），通过结合自适应边缘保持融合算法和特征聚焦注意力网络，提高了染色体分类的准确性	提出了一种新的深度学习架构EFANet，结合了自适应边缘保持融合（AEPF）算法和特征聚焦注意力网络（FANet），以增强染色体边界识别和形态差异特征，从而提高分类精度	NA	解决染色体结构变异和边界不精确导致的分类困难，提高染色体图像分类的准确性	染色体图像	计算机视觉	遗传性疾病	NA	CNN	图像	NA	NA	EFANet, AEPF, FANet	准确率, F1分数, 精确率, 召回率	NA
1359	2026-01-20	Physics-informed deep learning sharpens nano diagnostics for elusive pancreatic cancer 2026-Feb, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152427 PMID:41129854	综述	本文探讨了物理信息深度学习在胰腺癌纳米诊断中的应用及其潜力	结合物理信息深度学习与人工智能、纳米医学和影像学，以提升胰腺癌的早期检测和个性化治疗	未提及具体实验数据或模型验证的局限性	改善胰腺癌的早期诊断和患者预后	胰腺癌患者，特别是高风险群体	数字病理学	胰腺癌	物理信息深度学习，人工智能，纳米医学，液体活检	深度学习模型	影像数据，合成数据	NA	NA	NA	NA	NA
1360	2026-01-20	Accelerating 2D Kidney Magnetic Resonance Fingerprinting Using Deep Learning Based Tissue Quantification 2026-Feb, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70150 PMID:41085013	研究论文	本文开发了一种基于深度学习的加速肾脏磁共振指纹成像方法，用于快速量化组织特性	首次将深度学习应用于加速肾脏MRF采集，实现了三倍加速且保持量化准确性	对于T1或T2值与健康组织差异较大的肾脏肿块，需要更多MRF时间帧才能保证准确量化	开发加速肾脏磁共振指纹成像的深度学习方法并评估其性能	健康受试者的肾脏及肾脏肿块患者的病变组织	数字病理学	肾脏疾病	磁共振指纹成像	深度学习	磁共振图像	开发集：36名健康受试者+20名肾脏肿块患者；测试集：4名健康受试者+16名患者	NA	NA	归一化均方根误差	NA