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
1	2026-06-01	Quantitative comparison of GRAPPA and RAKI simultaneous multi-slice reconstruction algorithms 2026-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110697 PMID:42066870	研究论文	定量比较基于GRAPPA和RAKI的同步多层重建算法，并提供开源工具箱	首次系统比较线性GRAPPA与非线性数据驱动RAKI方法在同步多层MRI重建中的性能，并开源GPU加速重建工具箱	结果基于特定供应商、线圈阵列、脉冲序列和体模数据，需更多实验验证才能推广至体内观察	定量比较不同k空间插值同步多层重建算法性能，提供GPU加速开源重建工具箱	不同加速因子组合下的同步多层MRI重建算法	磁共振成像	不适用	GRAPPA, RAKI, 同步多层成像	线性GRAPPA, 非线性RAKI	MRI k空间数据	单个体模数据，含全采样参考和不同加速因子下的加速数据	开源工具箱（未指明具体框架）	Slice-GRAPPA, split-slice-GRAPPA, readout-SENSE-GRAPPA, 其RAKI对应模型（含超参数调优）	结构相似性指数（SSIM）, 变异系数（CV）	GPU加速（未指定具体GPU型号）
2	2026-06-01	A unified approach for maintaining MRI reconstruction quality and quantifying both aleatoric and epistemic uncertainty 2026-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110680 PMID:41966495	研究论文	提出一种统一方法，在模型驱动深度学习加速MRI重建中同时维持图像质量并量化偶然不确定性和认知不确定性	系统比较了蒙特卡洛丢弃与贝叶斯反向传播在不同随机层放置模式下的表现，并提出两阶段训练策略以提升重建网络性能	未说明	为模型驱动深度学习加速MRI重建提供贝叶斯不确定性量化的实用设计选择指导	加速MRI重建中的不确定性估计方法	计算机视觉	不适用	加速MRI重建	模型驱动深度学习, 贝叶斯神经网络	图像	未说明	NA	NA	峰值信噪比	NA
3	2026-05-19	Technical system of electroencephalography-based brain-computer interface: Advances, applications, and challenges 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00217 PMID:40903968	综述	系统分析基于脑电图的脑机接口技术在信号采集、范式设计、解码算法及应用方面的进展与挑战	全面梳理了脑电-脑机接口系统的四大支柱（信号采集、范式设计、解码算法、应用），并特别强调了非侵入式电极舒适性提升、微创技术实现近侵入式信号保真度、多模态融合（如结合眼动追踪）以及Riemann几何与深度学习的解码算法创新	信号质量长期稳定性不足、运动干扰、伦理数据问题、跨设备兼容性差以及跨个体校准需求高	弥合脑电-脑机接口技术与实际应用之间的差距，指导未来研究方向	基于脑电图的脑机接口系统、信号采集技术（湿/干/半干电极、微针阵列、血管内探针）、范式设计（运动想象、稳态视觉诱发电位、P300拼写器）、解码算法（Riemann几何、深度学习、迁移学习）	机器学习	卒中	脑电图	深度学习	脑电图信号	NA	NA	NA	NA	NA
4	2026-05-19	Artificial intelligence and peripheral neuropathies: Strategies for the development, application, and repair of regenerative biomaterials 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00561 PMID:41017675	review	探讨人工智能在周围神经再生生物材料开发中的应用，涵盖材料设计、性能预测和虚拟实验	系统探讨人工智能通过机器学习和深度学习优化神经再生生物材料的策略	数据整合、算法复杂性及临床转化的挑战	探索人工智能在神经再生生物材料研发中的应用潜力	周围神经再生生物材料	machine learning	周围神经病	NA	machine learning, deep learning	NA	NA	NA	NA	NA	NA
5	2026-05-19	Deep learning-based cognitive impairment brain imaging analysis: New methods, new technologies, and new paradigms 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00332 PMID:42148603	综述	探讨深度学习在由缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍脑磁共振成像分析中的应用，聚焦于病变分割、目标检测和图像分类三大核心任务	系统总结了U-Net、混合CNN-Transformer和3D-CNN等模型在三种疾病中的最新应用进展，并提出了联邦学习、域适应、自动标注和可解释人工智能等新范式以克服临床整合障碍	高质量标注数据集稀缺、站点间差异性大、标注成本高以及模型可解释性有限，阻碍了临床整合	探索深度学习在认知障碍脑磁共振成像分析中的应用，提升病变分割、异常区域定位和疾病分类的准确性、鲁棒性和泛化能力	缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍患者的脑磁共振成像数据	计算机视觉	心血管疾病、阿尔茨海默病、帕金森病	磁共振成像	卷积神经网络、变换器	图像	NA	NA	U-Net、混合卷积神经网络-变换器、三维卷积神经网络、ResNet、Vision Transformer	Dice系数、准确率	NA
6	2026-02-28	Clinical applications of artificial intelligence-driven nitric oxide: a bibliometric and scientific mapping analysis 2026-Sep-01, Medical gas research IF:3.0Q2 DOI:10.4103/mgr.MEDGASRES-D-25-00096 PMID:41496298	综述	本研究通过文献计量和科学图谱分析，系统阐述了人工智能驱动的一氧化氮研究的临床应用、知识框架及转化瓶颈	首次基于知识图谱对人工智能驱动的一氧化氮系统进行系统性分析，揭示了该交叉领域的知识架构、技术演变及转化障碍	研究基于Web of Science数据库，可能遗漏其他来源的文献；分析主要聚焦于心血管和呼吸系统疾病，在神经免疫学和传染病领域的应用研究尚不充分	系统分析人工智能驱动的一氧化氮交叉领域的知识框架、技术演变及临床转化瓶颈	人工智能驱动的一氧化氮系统相关研究文献	机器学习	心血管疾病	文献计量分析、科学图谱分析	NA	文本数据（科学文献）	384篇相关文章（2005-2024年）	CiteSpace, VOSviewer, Bibliometrix R package	NA	NA	NA
7	2026-02-19	De novo biosynthesis of eriocitrin in Saccharomyces cerevisiae through deep learning-guided enzyme screening and systematic metabolic engineering 2026-Sep, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2026.01.019 PMID:41696525	研究论文	本研究利用深度学习引导的酶筛选和系统代谢工程，在酿酒酵母中实现了圣草次苷的从头生物合成	首次在酿酒酵母中构建了圣草次苷的从头生物合成途径，并采用深度学习与生物信息学相结合的方法筛选高效糖基转移酶	最终圣草次苷产量（30.5 mg/L）仍较低，且整个合成途径涉及多步代谢工程改造，过程复杂	开发一种可持续、可扩展的圣草次苷微生物生产方法，以克服传统植物提取法的限制	圣草次苷（一种黄烷酮-7-O-二糖）及其在酿酒酵母中的生物合成途径	合成生物学，代谢工程	NA	深度学习，生物信息学分析，代谢工程，启动子工程，途径整合	深度学习模型（用于酶筛选）	酶序列数据，代谢途径数据	NA	NA	NA	圣草次苷滴度（mg/L），圣草酚滴度（mg/L）	NA