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
181	2026-05-25	Precise estimation of tissue microstructure with hybrid graph transformer 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103390 PMID:41806520	研究论文	结合混合图Transformer精准估计组织微结构	提出混合图Transformer，同时考虑q-空间和图卷积网络以及x-空间残差密集Transformer块，实现空间域和扩散波矢量域的联合信息利用	未在更多样化的数据集或更低采样率下验证模型泛化能力	通过高度欠采样弥散磁共振成像数据精准估计组织微结构	组织微结构	计算机视觉、自然语言处理、机器学习	帕金森病	弥散磁共振成像	图卷积网络和Transformer	弥散磁共振成像数据	人类连接组项目和帕金森病高质量弥散加权成像数据	PyTorch	混合图Transformer（包括图卷积网络和残差密集Transformer块）	NA	NA
182	2026-05-25	A systematic review of machine and deep learning techniques for acute lymphoblastic leukemia diagnosis 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103393 PMID:41806519	综述	系统综述机器学习和深度学习方法在急性淋巴细胞白血病诊断中的应用	全面分析了传统机器学习和先进深度学习架构在ALL检测和分类中的应用，包括预处理、特征提取和细胞定量等关键阶段	未提及具体的技术局限性	评估并比较机器学习和深度学习技术在ALL诊断中的性能	急性淋巴细胞白血病（ALL）诊断中的淋巴细胞和淋巴母细胞	机器学习	急性淋巴细胞白血病	NA	机器学习模型和深度学习模型	NA	NA	NA	NA	准确性	NA
183	2026-05-24	Zero Echo Time Magnetic Resonance Imaging of the Spine 2026-Jun, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/a-2803-1958 PMID:41839202	综述	综述零回波时间磁共振成像在脊柱成像中的技术基础、临床应用及新兴角色	综合阐述了零回波时间脊柱成像的序列设计、深度学习重建策略、解读陷阱，以及CT样骨可视化在避免电离辐射下的应用优势	空间分辨率有限，存在气体模拟钙化、金属相关伪影等解读陷阱	总结零回波时间脊柱成像的技术原理和临床应用，为减少CT依赖和推动无电离辐射MRI诊断流程提供依据	脊柱（包括创伤、退变、炎症、肿瘤、感染、发育性病变及儿童/胎儿脊柱评估等）	计算机视觉	脊柱疾病	零回波时间磁共振成像	NA	图像	NA	NA	NA	NA	NA
184	2026-05-24	MRI-driven multimodal deep learning approach for predicting pathological complete response after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: A multicenter study 2026-Jun, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111796 PMID:41996781	研究论文	开发一种基于多参数磁共振成像的临床深度学习影像组学模型，用于预测局部进展期直肠癌患者在新辅助放化疗后是否达到病理完全缓解	创新性地将影像组学特征与深度学习特征融合，并结合SHAP分析和Grad-CAM方法实现模型可解释性，且采用多中心外部验证	回顾性设计、样本量相对较小、需进一步前瞻性验证	开发无创性预测模型以识别新辅助放化疗后能达到病理完全缓解的局部进展期直肠癌患者，从而支持器官保留策略	180名接受新辅助放化疗后手术的局部进展期直肠癌患者，来自三个医疗中心	医学影像分析, 数字病理学	直肠癌	MRI	ResNet50, GoogLeNet, ResNet18, VGG16	MRI影像（T2加权和弥散加权成像序列）	180名患者（训练队列92例，外部验证队列88例）	NA	ResNet50, GoogLeNet, ResNet18, VGG16	AUC	NA
185	2026-05-24	Optimising Sleep Stage Detection Using a Minimal Non-EEG Physiological Signal Set and Deep Learning 2026-Jun, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70266 PMID:41391449	研究论文	提出一种基于U-Net架构的深度学习模型，仅使用三种非EEG生理信号（血氧饱和度、心率和腹部呼吸努力）进行睡眠阶段自动分类	首次实现每秒级睡眠阶段预测，突破了传统30秒固定时段的限制；仅用三种易获取的非EEG信号替代EEG，提高可重复性和居家监测适用性	未在多样化临床人群或真实噪声环境中验证；模型性能在五类分类中加权F1分数为68%，仍有提升空间	开发轻量级、可重复的睡眠阶段分类框架，实现非侵入式居家睡眠监测推广	睡眠健康研究访问2（SHHS2）数据集和多民族动脉粥样硬化研究（MESA）外部验证集	机器学习	睡眠障碍	无	卷积神经网络	时间序列生理信号（血氧饱和度、心率、呼吸努力度）	SHHS2数据集用于训练，MESA数据集用于外部验证，具体样本数未明确说明	Keras	U-Net	加权F1分数，Cohen's Kappa	Keras Tuner与Hyperband算法用于超参数优化
186	2026-05-24	Integrating multi-omics data for enhanced prognosis prediction in gastric cancer post-neoadjuvant therapy 2026-Jun, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111837 PMID:42054940	研究论文	整合CT影像深度学习和免疫评分构建多组学模型，提升局部进展期胃癌新辅助治疗后预后预测准确性	首次将基于ResNet18的CT影像深度学习特征与转录组免疫评分整合为多组学列线图，用于新辅助治疗后胃癌预后预测，显著优于传统临床病理模型	样本量相对较小（总样本208例），仅使用单一中心内部验证和有限的外部验证队列，未涵盖免疫治疗联合方案或不同新辅助化疗方案，需更大规模多中心前瞻性验证	开发并验证一种整合CT影像深度学习特征（DeepScore）和免疫评分（ImmuneScore）的多组学预后模型，以改善局部进展期胃癌新辅助治疗后的风险分层	局部进展期胃癌患者，接受新辅助治疗（2019-2022年）的179例训练/内部验证队列，以及29例外部验证队列	数字病理学, 机器学习, 计算机视觉	胃癌	CT成像, RNA-seq转录组测序	CNN（ResNet18）, 回归模型（Cox, LASSO）, 列线图（Nomogram）	CT图像, 转录组表达数据	总共208例（179例内部队列+29例外部队列），其中训练队列125例、内部验证队列54例、外部验证队列29例	PyTorch	ResNet18	AUC, DFS率, OS率	NA
187	2026-05-23	A Hierarchical Multimodal Framework for Sedation Monitoring in ICU Patients 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3626584 PMID:41150235	研究论文	提出一种分层多模态融合动态校正框架，整合脑电图与生理信号用于ICU患者镇静水平监测	提出分层多模态融合与动态校正机制，通过置信加权方法智能融合脑电图时域特征和频谱特征，实现优于单模态和简单融合方法的镇静状态分类性能	未提及	开发一种连续、客观的ICU患者镇静水平监测方法，克服传统行为量表的主观性和延迟性	ICU患者的镇静水平分级（RASS评分从-5到+1的七个等级）	机器学习	重症监护疾病	脑电图（EEG）与生理信号采集	深度学习多模态融合模型（分层多模态融合动态校正框架）	时间序列信号（脑电图、血压、心率、血氧饱和度）	105名ICU患者的2880个标注RASS评估样本	NA	双流路径网络（处理原始时域脑电图数据和频谱图的谱特征）、动态校正模块	分类准确率（83.8%）	NA
188	2026-05-23	An Active Dry-Contact Continuous EEG Monitoring System for Seizure Detection Applications in Clinical Neurophysiology 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3629563 PMID:41196782	research paper	提出一种基于主动干接触电极的低成本可调脑电图头套，结合可解释深度学习模型和多模态伪影去除算法，用于新生儿癫痫检测	结合主动干接触电极、可调头套设计、可解释深度学习模型和多模态伪影去除算法，实现低成本、实时新生儿癫痫检测，在临床环境取得优于基准方法的性能	仅在单个儿科失神癫痫患者上进行临床评估，样本量小，可能限制泛化性	开发低成本、连续脑电图监测系统，用于新生儿癫痫检测	新生儿癫痫患者	machine learning	癫痫	干接触电极EEG	深度学习模型	脑电图信号	1位儿科失神癫痫患者	NA	NA	相关系数、信噪比、准确率、召回率	NA
189	2026-05-23	Direct Quantification of Uncertainty in Deep Learning-Based Automatic Sleep Staging 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3623380 PMID:41115081	研究论文	评估和比较深度学习中自动睡眠分期的不确定性量化方法	提出了一种新的Hypnodensity区间（HI）方法，结合样本均值和标准差进行不确定性评估	仅基于STAGES和DOD数据集验证，方法在更广泛场景中的表现需进一步探索	提高自动睡眠分期系统的透明度并支持临床采用	深度学习模型在睡眠分期中的不确定性量化方法	机器学习	睡眠相关疾病	MC dropout	深度学习模型（具体未指定）	脑电图等生理信号数据（来自STAGES和DOD数据集）	STAGES数据集用于训练，DOD数据集用于独立评估	NA	NA	准确率	NA
190	2026-05-23	A Cost-Efficient Multi-Angle Fusion Deep Learning for Ultrasound Localization Microscopy 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3623140 PMID:41115083	研究论文	提出一种名为AF-UNet的轻量级多角度深度学习框架，用于加速超声定位显微镜中的杂波滤波	AF-UNet通过处理旋转3D同相/正交数据的时空切片并融合，实现组织抑制与微血管重建，在多个解剖器官上表现出强泛化性和高图像保真度	NA	开发计算机高效且适用于实时临床应用的超声定位显微镜杂波滤波方法	微泡定位实现的微血管结构超分辨率成像	计算机视觉	NA	超声定位显微镜	深度学习模型 (AF-UNet)	超声图像数据	包括大脑、眼睛、肾脏在内的多种解剖器官数据	PyTorch	AF-UNet	图像保真度	NA
191	2026-05-23	Cross-Hemispheric Spatial-Temporal Attention Network for Decoding Silent Speech From EEG 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3624878 PMID:41129430	研究论文	提出跨半球时空注意力网络（CHSTAN）用于从脑电图解码无声言语	利用语言功能侧化原则，设计多尺度时间卷积块和半球空间卷积块，并引入交叉注意力机制增强半球间特征交互，特别强化左半球特征表示	研究仅针对10个中文汉字的无声言语任务，样本量和类别数有限，可能限制模型泛化能力	提高基于脑电图的言语解码性能	10个不同中文汉字的无声言语任务中的脑电图信号	机器学习	言语障碍	脑电图（EEG）	CNN（卷积神经网络）	信号	未明确报告样本数量，涉及10个中文汉字的无声言语任务	NA	跨半球时空注意力网络（CHSTAN）	准确率, F1分数	NA
192	2026-05-23	Zero-Shot Unsupervised Motion Estimation for Motion-Corrected Cardiac T1 Mapping 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3624279 PMID:41124069	研究论文	提出一种基于深度学习的零样本无监督运动估计方法，用于心脏T1映射的运动校正	利用物理qMRI信号模型进行零样本运动估计，无需大规模训练数据，对欠采样伪影具有鲁棒性	未提及实际计算资源需求或与其他运动校正方法的全面比较	实现连续采集的心脏qMRI数据的非刚性运动校正，缩短扫描时间	心脏T1映射中的运动估计与校正	数字病理学	弥漫性心肌纤维化	定量磁共振成像	U-Net	图像	数值模拟和体内采集数据	PyTorch	U-Net	T1精度, 清晰度, 时间图像对齐	NA
193	2026-05-20	Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs 2026-Jun, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-025-02005-5 PMID:41160380	研究论文	探索机器学习、深度学习和迁移学习模型，利用量子化学性质预测药物分子的血脑屏障渗透性，并通过PAMPA-BBB实验验证	首次将量子化学性质（QM9扩展的极化率和偶极矩）融入迁移学习，提升了预测血脑屏障渗透性的性能，且量子化学性质提供的预测价值超越了传统分子描述符和P-糖蛋白抑制基线	NA	开发计算模型快速筛选药物分子的血脑屏障渗透性，以促进中枢神经系统药物开发	药物分子的血脑屏障渗透性预测	机器学习	中枢神经系统疾病	PAMPA-BBB体外实验, 机器学习分类模型	SVM, DNN, D-MPNN, 迁移学习模型	分子结构数据 (2D RDKit和Morgan指纹, QM9量子化学性质)	约8000个化合物（B3DB数据库），18个化合物（EEBL库实验验证）	NA	SVM, DNN, D-MPNN	准确率, ROC-AUC	NA
194	2026-05-16	Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05253-8 PMID:41251734	研究论文	验证基于深度学习的模型在全剂量和模拟低剂量CT上对淋巴结检测和分割的性能	在低剂量CT图像质量下降的情况下，通过使用全剂量和低剂量CT训练的模型提高淋巴结分割性能	图像质量下降影响了低剂量CT上的淋巴结勾画	评估全自动深度学习模型在全剂量和低剂量CT上检测和分割淋巴结的性能	淋巴结	计算机视觉	NA	CT	3D nnU-Net	图像	151名患者的15341个淋巴结（内部）和120个CT（外部）	NA	3D nnU-Net	精确率、灵敏度、Dice相似系数、豪斯多夫距离	NA
195	2026-05-16	Physics-aware imaging AI for quantitative MASLD biomarker mapping: a systematic review of deep learning and radiomics across ultrasound, CT, and MRI 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05317-9 PMID:41291295	综述	系统综述了物理感知人工智能在MASLD量化生物标志物成像中的应用，涵盖超声、CT和MRI的深度学习和影像组学方法	首次聚焦物理感知AI在MASLD/MASH多模态成像中的应用，强调物理先验与AI结合的自动化定量映射方法比较	缺少标准化纵向评估流程和多厂商数据统一化验证，MASLD特异性纤维化验证不足	评估物理感知AI在MASLD/MASH医学成像中用于定量生物标志物映射的研究现状和部署准备度	代谢功能障碍相关脂肪性肝病及其进展形式MASH的医学影像数据	数字病理学	肝病	MRI, CT, 超声	深度学习, 影像组学	影像	33项研究纳入分析	NA	领域自适应技术	性能指标	NA
196	2026-05-16	Comparative Performance of YOLO Models in the Automated Segmentation of Dental Traumas on Panoramic Radiographs 2026-Jun, Dental traumatology : official publication of International Association for Dental Traumatology IF:2.3Q2 DOI:10.1111/edt.70034 PMID:41305998	研究论文	比较YOLOv8、YOLOv11和YOLOv12三种深度学习模型在儿童全景X光片上自动分割牙科创伤的性能	首次系统比较YOLOv8、YOLOv11和YOLOv12三种最新YOLO模型在牙科创伤分割任务上的表现，发现YOLOv12在硬组织和软组织损伤检测中均表现最佳	人工智能尚未在牙科创伤学中达到完美性能，仍需与专家牙医合作开发以更好地支持临床决策	比较基于人工智能的深度卷积神经网络（YOLOv8、YOLOv11和YOLOv12）在儿童全景X光片上分割牙科损伤的性能	6-13岁有牙科创伤的儿科患者的全景X光片	计算机视觉	牙科创伤	全景X光成像	YOLOv8, YOLOv11, YOLOv12	图像	来自加济安泰普大学牙科学院儿科患者的全景X光片	CranioCatch	YOLOv8, YOLOv11, YOLOv12	AUC, 多类F1分数	NA
197	2026-05-16	Artificial intelligence for personalized multiple micronutrient supplementation in maternal health 2026-Jun, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70911 PMID:41755349	综述文章	探讨人工智能在孕产妇个性化多种微量营养素补充中的应用框架	提出“营养数字孪生”概念，结合多模态数据（电子健康记录、可穿戴设备、基因组标记等）和深度学习/自然语言处理模型，实现个性化营养补充方案的分层与模拟	当前仍处于概念模型阶段，需解决数据代表性、伦理规范、推荐可信度及公平性等关键问题	设计基于AI的个性化多种微量营养素补充策略，以改善孕产妇及后代健康结局	孕产妇人群，特别是存在营养不良、微量营养素缺乏及不良妊娠结局风险的个体	机器学习, 自然语言处理, 数字病理学	孕产妇营养不良、微量营养素缺乏及相关妊娠并发症	NA	深度学习模型、自然语言处理模型	多模态数据（电子健康记录、可穿戴设备输出、营养与生育应用日志、基因组标记、社会人口学信息）	NA	NA	NA	NA	NA
198	2026-05-16	Proof-of-concept: Differentiating upper trapezius muscle with myofascial trigger point using deep learning model on a small prospective sEMG dataset 2026-Jun, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology IF:2.0Q2 DOI:10.1016/j.jelekin.2026.103132 PMID:41818939	研究论文	本研究验证了使用深度学习模型从表面肌电信号中区分肌筋膜触发点的概念	首次证明表面肌电信号单独包含可用于区分肌筋膜触发点的判别信息，并在小样本数据上使用1D卷积神经网络实现高分类性能	样本量小（9名健康对照和13名患者），且未进行大规模验证	探究表面肌电信号是否包含判别信息以识别肌筋膜触发点	健康对照者和肌筋膜疼痛患者的上斜方肌表面肌电信号	机器学习	肌筋膜疼痛综合征	表面肌电信号（sEMG）	1D卷积神经网络（1D CNN）	生物信号数据（表面肌电信号）	22名受试者（9名健康对照和13名患者），共279个收缩段（140个干预前和139个干预后）	NA	1D卷积神经网络	ROC-AUC, 准确率	NA
199	2026-05-16	Advances in In silico predictive models for DDI prediction: Implications and practical applications in drug discovery 2026-Jun, Drug metabolism and pharmacokinetics IF:2.7Q2 DOI:10.1016/j.dmpk.2026.101532 PMID:41962322	综述	综述了利用机器学习和人工智能预测药物-药物相互作用的最新进展及其在药物发现中的应用	全面总结了基于深度学习的DDI预测算法，并提供了将计算工具整合到现代药物发现工作流中的专家意见	NA	评估和讨论不同DDI类别的计算预测方法及其在药物开发中的实际应用	药物-药物相互作用(DDI)的计算预测模型	机器学习	NA	NA	深度学习	文本, 分子结构数据	NA	NA	NA	NA	NA
200	2026-05-16	Advancement of an (in vitro/ex vivo) hybrid model framework to forecast polyviral lung disease outcomes 2026-Jun, Journal of investigative medicine : the official publication of the American Federation for Clinical Research IF:2.5Q3 DOI:10.1177/10815589251382266 PMID:40947513	研究论文	开发一种（体外/离体）混合模型框架来预测多病毒性肺部疾病的结果	提出了一个结合体外和离体模型的混合框架，用于预测多病毒性肺部感染的结果	未来研究需要通过整合深度学习和人工智能等先进计算技术来改善预测准确性和可扩展性	推进一个（体外/离体）混合模型框架的发展和应用，以预测多病毒性肺部疾病结果	多病毒性肺部感染结果	机器学习	多病毒性肺部疾病	NA	VGG16、CBRACDC、随机生存森林	图像	NA	Python	VGG16、CBRACDC、随机生存森林	最小成本值	NA