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
901	2026-05-08	ML-TGNet: A Multi-Level Topology Guidance Network for Motor Imagery Decoding 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624298 PMID:41129446	研究论文	提出一种多层拓扑引导网络ML-TGNet，利用脑同步信息解码运动想象脑电信号	首次将脑拓扑同步信息引入MI解码，通过多级拓扑引导模块提取与MI任务相关的特征，减少冗余信息	未明确提及局限性，但可能依赖公开数据集且未讨论实际BCI应用中的实时性挑战	利用脑动力学信息提高运动想象解码性能	运动想象脑电信号中的脑同步特征	机器学习	NA	脑电图	CNN	脑电信号	三个公开数据集：BCI Competition IV-2a、High Gamma、OpenBMI	NA	ML-TGNet	准确率	NA
902	2026-05-08	DPGOK: A Deep Learning-Based Method for Protein Function Prediction by Fusing GO Knowledge With Protein Features 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3622996 PMID:41129441	研究论文	提出一种名为DPGOK的深度学习方法，通过融合蛋白质感知的GO表示与蛋白质特征来预测蛋白质功能	首次提出为每个蛋白质定制GO嵌入以反映蛋白质特异的功能相关性，并利用知识图谱损失生成稳定的GO语义表示	未在更广泛的蛋白质序列或结构数据上验证，且依赖同源性方法提升性能可能引入偏差	提高蛋白质功能预测的准确性，以协助理解疾病机制和发现药物靶点	蛋白质及其功能预测	机器学习	NA	深度学习	深度学习模型（DPGOK）	蛋白质序列数据	NA	NA	知识图谱嵌入与特征融合架构	准确率（未具体说明）	NA
903	2026-05-08	Confident and Trustworthy Model for Fidgety Movement Classification 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624341 PMID:41129439	研究论文	提出一种深度学习模型，用于婴儿扭动运动分类，能在不确定时选择性放弃分类	引入两种新颖的正则化损失，确保模型在两个运动类别间保持平衡覆盖率，并能评估自身分类置信度	未明确说明局限性，但可能涉及数据多样性或模型泛化性不足	提升自动全身运动评估的可及性，解决现有模型无法判断决策置信度的缺陷	婴儿扭动运动（Fidgety Movements），用于评估神经系统发育和脑瘫风险	计算机视觉	脑瘫	NA	深度学习网络	视频	NA	NA	NA	视频层面覆盖率、置信度	NA
904	2026-05-08	Comparative Performance of IMU and sEMG in Locomotion Mode Prediction Across Transitional and Steady-State Cyclic/Non-Cyclic Gaits 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3623132 PMID:41129445	研究论文	对惯性测量单元和表面肌电图在跨过渡态和稳态周期/非周期步态中的运动模式预测性能进行系统比较分析	揭示了不同模态在特定步态类型中的最优窗口长度和深度学习架构，为多模态融合提供具体指导	未说明	系统比较IMU和sEMG在人类运动模式预测中的性能差异	人类受试者（9名）的17种步态活动	机器学习	NA	IMU, sEMG	CNN, LSTM, TCN	时间序列数据	9名受试者，17种步态活动	NA	CNN, LSTM, TCN	分类准确率	NA
905	2026-05-06	Deep Learning-Aided SERS Detection of Microplastics in Water Samples with a Hierarchically Porous Gold Sponge Substrate 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06552 PMID:42010957	研究论文	提出一种结合多孔金海绵基底与深度学习框架的无预处理微塑料SERS检测方法	创新性地将静电功能化SERS基底与可解释深度学习框架结合，实现无预处理的复杂水样中微塑料分类检测	未提及对更广泛环境水样（如海水、废水）的验证以及不同尺寸微塑料的定量分析能力	开发一种无预处理的微塑料SERS检测方法，结合深度学习实现准确分类与化学可解释性	五种代表性微塑料：聚四氟乙烯、聚丙烯、聚苯乙烯、聚氯乙烯、聚对苯二甲酸乙二醇酯	机器学习	NA	表面增强拉曼散射（SERS）	卷积神经网络（CNN）	光谱数据	在拉曼数据集上评估，具体样本量未提及	NA	二值卷积神经网络（模块化一对其余架构）	精确率	NA
906	2026-05-06	Brain tumors classification using electrical bioimpedance spectroscopy based on a multi-scale feature extraction network with frequency band attention mechanism 2026-May-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5f9e PMID:41985487	研究论文	提出一种结合多尺度阻抗特征提取和频段注意力机制的深度学习框架，用于脑肿瘤分类	首次将多尺度特征提取与频段注意力机制集成于生物电阻抗谱分析，实现自动肿瘤分类	样本量为52个，较小，可能影响模型泛化能力	开发基于电阻抗谱的脑肿瘤快速自动分类方法	脑肿瘤组织样本（包括胶质瘤、脑膜瘤、转移瘤等）	机器学习	脑肿瘤	生物电阻抗谱测量	CNN	电阻抗谱数据	52个脑肿瘤样本	NA	并行卷积核（尺寸1, 3, 5, 7, 9）	精确率, 灵敏度, 特异度, F1分数	NA
907	2026-05-06	SAM2HIPT: a hybrid deep learning framework integrating SAM2 and HIPT with joint loss optimization for immunohistochemical cell nucleus segmentation 2026-May-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae63d6 PMID:42025178	研究论文	提出了一种结合SAM2和HIPT的混合深度学习框架SAM2HIPT，采用联合损失优化，用于免疫组织化学图像细胞核分割	首次将SAM2与HIPT结合，构建两阶段分割框架，并设计联合损失函数实现两个阶段的协同优化	NA	提高免疫组织化学图像中细胞核分割的准确性和边界描绘能力	免疫组织化学图像中的细胞核	数字病理学	NA	NA	混合深度学习模型（SAM2和HIPT）	图像	两个公开数据集：BCData和DeepLIIF	NA	SAM2, HIPT	Dice系数, HD95边界误差	NA
908	2026-05-06	Predicting Intracranial Aneurysm Rupture Risk and Intervention Outcomes Using Denoising-Enhanced CTA 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9093 PMID:41213812	研究论文	开发一个综合多模态框架，利用去噪增强CTA图像，预测颅内动脉瘤破裂风险及干预结果	提出一种新颖的去噪算法提升CTA图像质量，并整合临床变量、影像组学特征和深度学习衍生的形态学数据，构建三模态融合框架	未说明	评估颅内动脉瘤破裂风险并预测干预结局	352名接受CTA检查的颅内动脉瘤患者	计算机视觉	颅内动脉瘤	CTA	CNN	图像、文本	352名患者	NA	NA	AUC	NA
909	2026-05-06	Deep-Learning Accelerated Vessel Wall Imaging Using T1-SPACE at Ultra-High-Field Strength MRI 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9097 PMID:41213815	研究论文	评估在7T超高场强MRI下，使用基于深度学习的图像重建（DLBIR）加速T1-SPACE序列进行颅内血管壁成像（IC-VWI）的可行性和技术性能	首次在7T超高场强MRI下评估基于深度学习的图像重建加速T1-SPACE序列在颅内血管壁成像中的应用，并显示相比标准方案在图像质量和采集时间上的显著优势	单中心回顾性研究，样本量有限（36名患者），且未评估深度学习重建对诊断准确性的影响	评估7T MRI下基于深度学习的T1-SPACE序列在颅内血管壁成像中的可行性和表现	36名接受7T颅内血管壁成像的患者	计算机视觉	NA	7T MRI, T1-SPACE序列, 深度学习图像重建（DLBIR）	深度学习	MRI图像	36名患者（21名女性，平均年龄53.3岁）	NA	NA	图像质量（噪声、伪影、清晰度、整体质量），血管壁和管腔可视化评分（4点Likert量表），比值比（OR），置信区间（CI），假发现率（FDR）校正的P值，Wilcoxon检验，Bland-Altman图，一致性百分比	NA
910	2026-05-06	Comparative Evaluation of Deep Learning Models for 3D Segmentation and Volumetry of Vestibular Schwannomas Using Large Heterogeneous Data Sets with External Validation 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9112 PMID:41260669	研究论文	评估五种深度学习模型在三维分割与体积测量听神经鞘瘤上的表现，使用大型异质性数据集并进行外部验证	首次系统比较nnUNet、U-Mamba、UNETR和MedSAM等深度学习模型在听神经鞘瘤三维分割中的性能，并评估采集异质性对模型鲁棒性的影响	研究未探讨模型在非对比增强MRI或其他序列上的泛化能力，且外部验证数据集来源有限	比较深度学习模型在听神经鞘瘤三维分割与体积测量中的准确性及鲁棒性	听神经鞘瘤患者在T1对比增强MRI上的扫描影像	计算机视觉，数字病理学	听神经鞘瘤	MRI扫描	卷积神经网络(CNN)，Transformer，基础模型	医学图像（3D MRI）	内部训练集2692次扫描（383名患者），内部测试集277次扫描（97名患者），外部测试集241次扫描	NA	nnUNet (Base, ResEncL), U-Mamba, UNETR, MedSAM	Dice相似系数，Hausdorff距离，表面到表面距离，相对体积误差	NA
911	2026-05-06	Vessel Wall Imaging at 7T: State of the Art 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9065 PMID:41136333	综述	本文综述了7T磁共振血管壁成像的技术发展、临床应用及未来方向	系统总结了7T-VWI从早期尝试到关键技术突破的演进过程，包括脉冲序列开发和脑脊液抑制技术的整合	存在B1场不均匀性、缺乏标准化协议等挑战	总结7T磁共振血管壁成像的技术现状和临床潜力	颅内血管壁	数字病理学	脑血管疾病	7T-MRI	NA	图像	NA	NA	NA	NA	NA
912	2026-05-06	Incorporating valuable prior knowledge to improve deep learning prediction of genetic perturbation responses 2026-May-04, Genome research IF:6.2Q1 DOI:10.1101/gr.281523.125 PMID:41887798	研究论文	提出一种基于先验知识的遗传扰动响应预测模型（PRIM），利用对照细胞基因表达的先验知识提升深度学习的预测性能	引入对照细胞基因表达的先验知识，设计轻量化模型，提高组合扰动响应预测精度并捕捉非加性遗传相互作用	未明确提及局限性	改进深度学习模型对遗传扰动后细胞响应的预测能力	遗传扰动后的基因表达变化	机器学习	NA	NA	PRIM（先验引导响应推断模型）	基因表达数据	NA	NA	PRIM	NA	NA
913	2026-05-06	Deep Learning-Based Identification of Surgical Candidacy for Cervical Spinal Cord Decompression 2026-May-04, International journal of spine surgery IF:1.7Q2 DOI:10.14444/8877 PMID:42061991	研究论文	利用深度学习基于颈椎磁共振成像识别适合手术减压的患者，为转诊提供客观指标	首次构建基于最小横截面积差生物标志物的深度学习模型，用于区分颈椎管狭窄患者的手术与非手术分组，为临床转诊提供客观量化支持	作为概念验证模型，样本量较小（训练100例、测试147例），且仅基于单中心数据，未考虑患者功能状态等非影像因素	评估深度学习从颈椎影像中区分手术与非手术患者的可行性，为转诊决策提供辅助指标	颈椎管狭窄患者的颈椎磁共振影像	机器视觉	颈椎疾病	磁共振成像	卷积神经网络	影像	训练集100例轴向颈椎磁共振图像，测试集147例连续患者数据	NA	分割模型	曲线下面积	NA
914	2026-05-06	EyeKey: Self-Supervised Keypoint Detection and Description Network Based on Local Feature Saliency for Retinal Image Global Registration 2026-May-04, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3688165 PMID:42081396	研究论文	提出一个基于局部特征显著性的自监督关键点检测与描述网络EyeKey，用于视网膜图像全局配准	采用“描述的同时检测(DWD)”设计，通过UDPAM++模块增强特征描述能力并检测显著关键点，结合随机局部最困难样本挖掘策略和累积显著关键点扩展策略实现自监督和无监督训练	NA	实现高分辨率、精细纹理视网膜图像的全局配准，提升关键点检测和描述的鲁棒性	视网膜图像	计算机视觉	视网膜疾病	NA	卷积神经网络	图像	NA	PyTorch	UDPAM++模块、映射模块	NA	NA
915	2026-05-06	Breaking the Black Box: Interpretable AI Achieves Superior Hemorrhage Detection with the Compensatory Reserve Measurement 2026-May-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3690009 PMID:42081408	研究论文	提出首个可解释的Vision Transformer模型进行补偿储备测量(CRM)估计，实现出血检测中的高性能与可解释性统一	首次将Vision Transformer应用于CRM估计，在保持比CNN和手工特征模型更高精度的同时，通过注意力机制实现生理学可解释性	模型在R²指标上的提升经10折交叉验证的折级p值(0.052)未达显著性阈值，仅在受试者级p值(0.008)显著	开发可解释的深度学习模型用于早期出血检测与CRM估计	208名接受渐进式下半身负压模拟出血的人类受试者	机器学习	出血	动脉血压(ABP)波形分析	Vision Transformer (ViT)	生理时序波形数据	208名人类受试者，每名提供20秒波形片段作为令牌序列	Optuna, PyTorch	单层Vision Transformer	R², 配对t检验p值	NA
916	2026-05-06	From intelligent models to clinical tools: the evolving landscape of AI in medical imaging 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49861-w PMID:42069740	综述	探讨人工智能，特别是深度学习在医学影像领域的应用进展及其从智能模型向临床工具转化的现状与挑战	强调从描述性分析向预测性和处方性分析的转变，并展示了算法开发、可解释人工智能和转化应用的创新	医学图像数据的异质性、智能模型的“黑箱”性质、临床整合和验证的关键障碍	探讨AI驱动工具在肿瘤学、心脏病学、眼科学等领域中提高诊断准确性、工作流程效率和个性化治疗计划的潜力	医学影像中的人工智能驱动工具	计算机视觉	肿瘤学、心脏病学、眼科学等多种疾病	深度学习	NA	图像	NA	NA	NA	诊断准确性	NA
917	2026-05-06	Metaheuristic-enhanced deep learning for monthly pan evaporation prediction under limited climatic data 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51071-3 PMID:42069807	研究论文	将两种新元启发式算法引入LSTM网络，用于有限气候数据下的月蒸发能力预测	首次将人工原生动物优化器（APO，2024）和粪甲虫优化器（DBO，2023）应用于水文建模，通过优化LSTM超参数提升预测精度和泛化能力	未评估模型在实时应用中的可行性和跨不同气候区域的迁移性，需未来研究验证	利用元启发式算法优化LSTM，提高有限气候数据下月蒸发能力预测的准确性和稳健性	中国东南部两个气象站40年的月度蒸发数据	机器学习	不适用	NA	LSTM	时间序列	两个气象站40年的月度数据	NA	LSTM-APO, LSTM-DBO, LSTM-GWO, LSTM-HHO	RMSE, MAE, R², NSE	NA
918	2026-05-06	State-of-the-art 32 cm field-of-view digital PET/CT system: preliminary study for protocols optimization and DRLs update 2026-May-02, Radiation protection dosimetry IF:0.8Q4 DOI:10.1093/rpd/ncag003 PMID:41626940	研究论文	评估32厘米轴向视野数字PET/CT系统对给药活度和图像质量的影响，并更新诊断参考水平	首次评估新型32厘米轴向视野PET/CT系统（GE Omni Legend）结合深度学习重建对给药活度和图像质量的影响，并基于实际临床数据更新DRLs，相比前代系统展示了高达60%的注射活度降低能力	仅回顾分析了标准体型成人的检查，未涵盖特殊体型或儿科患者，且未评估系统在非标准成像协议下的表现	评估新型数字PET/CT系统的性能优化潜力以及更新诊断参考水平	GE Omni Legend PET/CT系统及其与前代GE Discovery IQ系统的比较	计算机视觉	NA	PET/CT	深度学习重建	图像	标准体型成人回顾性分析	NA	NA	灵敏度，噪声等效计数率，图像质量	NA
919	2026-05-06	EXPEDITION: an Exploratory deep learning method to quantitatively predict hematoma progression after intracerebral hemorrhage 2026-May, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2536668 PMID:40707006	研究论文	开发一种名为EXPEDITION的探索性深度学习方法，用于定量预测脑出血后血肿进展	首次利用探索性深度学习模型从CT灌注图像中提取脑静脉血流动力学特征，实现血肿进展的定量预测	样本量较小（73例患者），且仅纳入基底节或丘脑的原发性脑出血患者，模型泛化性有限	开发一种能够定量预测脑出血后血肿进展的深度学习模型	基底节或丘脑原发性脑出血患者的非增强CT图像、CT灌注图像及后续复查的非增强CT图像	机器学习	脑出血	CT灌注成像	深度学习模型（未指定具体模型类型）	图像	73例患者（训练集58例93次扫描，测试集15例50次扫描）	NA	NA	Bland-Altman分析（平均差异及一致性界限）	NA
920	2026-05-06	Alzheimer's Disease Risk Prediction and Pathogeny Extraction Using Fuzzy Graph Evolutionary Generative Adversarial Network 2026-May, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3627582 PMID:41223111	研究论文	本文提出了一种基于模糊图演化的生成对抗网络，用于阿尔茨海默病的风险预测与致病因素提取	首次将模糊图建模与深度学习结合，通过模糊图卷积层捕捉AD的阶段性演化模式，实现了可解释的风险预测与多组学致病因素提取	未明确指出局限性	实现阿尔茨海默病的风险预测与致病因素提取，增强对疾病病理发生机制的理解	多组学脑疾病数据集	机器学习	阿尔茨海默病	NA	生成对抗网络	多组学数据	NA	PyTorch	模糊图卷积层	准确率	NA