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	2025-12-31	A novel multimodal diagnostic framework integrating hyperspectral imaging and deep learning for predicting RET gene mutations in medullary thyroid carcinoma 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109207 PMID:41411775	研究论文	本研究开发了一种结合高光谱成像与深度学习的多模态诊断框架，用于预测甲状腺髓样癌的RET基因突变	首次将高光谱成像与深度学习结合用于MTC的RET突变预测，并设计了一种跨模态注意力机制来融合光谱和空间特征	样本量相对较小（总样本142例），且仅针对RET基因突变进行预测	开发一种快速、经济高效的非侵入性方法，用于预测甲状腺髓样癌的RET基因突变，以辅助临床决策	甲状腺髓样癌（MTC）患者	数字病理学	甲状腺癌	高光谱成像，H&E染色	CNN, LSTM, Transformer	图像	82例来自齐鲁医院的MTC病例用于训练和验证，60例来自另外两个中心的独立队列用于外部测试	NA	1D-CNN-LSTM, Swin Transformer	准确率, 灵敏度, 特异性	NA
182	2025-12-31	A Deep Learning-Based Human-Robot Collaborative Navigation Framework for Vascular Interventional Surgery 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70125 PMID:41468030	研究论文	本文提出了一种基于深度学习的血管介入手术人机协作导航框架，旨在实现自主手术执行	采用手术生成对抗网络进行实时局部路径规划，并引入基于CNN的动作估计器及人机信任共享控制模型，以应对血管轮廓变化带来的挑战	NA	实现血管介入手术的自主导航，提高手术效果和安全性	血管介入手术中的导管导航	机器视觉	心血管疾病	深度学习	GAN, CNN	图像	NA	NA	生成对抗网络, 卷积神经网络	动作决策准确率	NA
183	2025-12-31	Deep Learning-Based Continuous QT Monitoring to Identify High-Risk Prolongation Events After Class III Antiarrhythmic Initiation 2026-Jan-06, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.125.077494 PMID:41460938	研究论文	本研究开发了一种名为3DRECON-QT的深度学习系统，能够从单导联心电信号重建12导联信息以量化QT/QTc并识别高风险QT延长事件	提出了一种空间感知的深度学习系统，首次实现从单导联信号重建12导联心电图并连续监测QTc，突破了传统插入式心脏监测器的单导联限制	研究主要基于特定抗心律失常药物（多非利特和索他洛尔）的患者队列，外部验证中心数量有限，且模型性能在连续监测场景中仍需进一步优化	开发一种基于深度学习的连续QT监测方法，用于识别III类抗心律失常药物起始治疗后门诊患者的高风险QT延长事件	接受III类抗心律失常药物（多非利特和索他洛尔）治疗的门诊患者，以及使用插入式心脏监测器的患者	数字病理学	心血管疾病	心电图（ECG）分析，连续心电监测	深度学习，多任务编码器-解码器	心电信号（单导联和12导联ECG）	内部测试集和外部验证中心数据，公共多非利特负荷数据集，真实世界门诊患者队列（n=1676），以及配对插入式心脏监测器记录的患者	未明确指定	多任务编码器-解码器	受试者工作特征曲线下面积（AUC），平均绝对误差（MAE），相关系数（r），F1分数，调整后比值比（OR）	未明确指定
184	2025-12-31	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	评论	本文介绍了CASP特别兴趣小组的建立及其在促进社区持续对话和跨学科合作方面的作用	通过设立特别兴趣小组和在线研讨会系列，打破了传统CASP活动仅在预测季节和会议期间交流的限制，实现了社区全年持续互动	NA	促进CASP社区内的持续对话和跨学科合作，降低领域新人的入门门槛	CASP社区成员，包括深度学习专家、NMR专家等科学家	计算生物学	NA	NA	NA	NA	NA	NA	NA	NA	NA
185	2025-12-31	GONet: A Generalizable Deep Learning Model for Glaucoma Detection 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3576688 PMID:40465450	研究论文	本文提出了一种名为GONet的通用深度学习模型，用于从彩色眼底照片中检测青光眼性视神经病变，旨在提高跨种族、疾病组和检查设置的泛化能力	GONet采用基于DINOv2预训练的自监督视觉变换器，并结合多源域策略进行微调，利用七个独立数据集（超过119,000张彩色眼底照片）开发，展示了出色的分布外泛化性能	模型性能可能受数据集多样性和标注质量限制，且未详细讨论在资源有限环境中的部署挑战	开发一个泛化性强、自动化的深度学习模型，用于早期检测青光眼性视神经病变，以减少对专科医生耗时检查的依赖	彩色眼底照片（CFP），来自不同地理背景的患者，包括新贡献的747张带GON标签的开放访问数据集	计算机视觉	青光眼	彩色眼底摄影	视觉变换器（Vision Transformer）	图像	超过119,000张彩色眼底照片，来自七个独立数据集，包括新贡献的747张开放访问图像	PyTorch（基于DINOv2实现）	DINOv2预训练的视觉变换器	AUC	NA
186	2025-12-31	Is EMG Information Necessary for Deep Learning Estimation of Joint and Muscle Level States? 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3577084 PMID:40471740	研究论文	本研究探讨了在深度学习模型中，肌电图（EMG）信息对于估计关节和肌肉水平生理状态的必要性	通过对比使用和不使用EMG信息的深度学习模型，首次系统评估了EMG在关节和肌肉状态估计中的具体作用，并发现仅训练时使用EMG即可显著提升肌肉状态估计性能	需要EMG作为模型输入的方法在实际部署中可能不实用，因为获取EMG数据可能受限	开发准确、非侵入性的方法来估计关节和肌肉的生理状态，以增强可穿戴设备在真实世界行走中的控制	膝关节的生理状态，包括力矩、功率、速度和力量	机器学习	NA	深度学习	深度学习模型	运动学输入数据	28种不同的周期性和非周期性任务	NA	NA	NA	NA
187	2025-12-31	Accurate Biomolecular Structure Prediction in CASP16 With Optimized Inputs to State-Of-The-Art Predictors 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70030 PMID:40762404	研究论文	本文介绍了在CASP16实验中，通过优化输入信息，利用先进深度学习算法在蛋白质结构预测方面取得的成果	通过去除内在无序区域优化蛋白质序列输入，以及优化RNA二级结构输入，提升了结构预测的准确性	蛋白质多聚体的高质量预测比例低于25%，RNA结构预测仍具挑战性	提高生物分子结构预测的准确性	蛋白质结构域、蛋白质多聚体和RNA单体	机器学习	NA	NA	深度学习	序列数据	NA	NA	AlphaFold2, AlphaFold3, trRosettaX2, trRosettaRNA2	NA	NA
188	2025-12-31	Alternative Conformation Prediction Using Deep Learning With Multi-MSA Strategy and Structural Clustering in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70059 PMID:41014267	研究论文	本文报告了CASP16竞赛中结构集合预测的结果，介绍了基于EnsembleFold流程的深度学习方法及其在预测蛋白质、RNA及其复合物替代构象方面的性能	开发了EnsembleFold集成预测流程，结合多MSA生成策略和结构聚类方法，显著提升了替代构象预测的准确性，特别是在蛋白质/核酸复合物目标上表现优异	未明确提及，但讨论了未来质量评估评分方法有待改进以进一步提升集合预测的可靠性和准确性	开发并评估一种用于预测蛋白质、RNA及其复合物结构替代构象的深度学习方法	蛋白质单体、蛋白质复合物、RNA结构以及蛋白质-核酸复合物	计算生物学	NA	多序列比对、深度学习方法、结构聚类、副本交换蒙特卡洛模拟	深度学习	蛋白质序列、RNA序列、结构数据	CASP16竞赛中的19个集合预测目标	NA	D-I-TASSER2, DMFold2, ExFold, DeepProtNA	TM-score	NA
189	2025-12-31	Gait-to-Contact (G2C): A Novel Deep Learning Framework to Predict Total Knee Replacement Wear from Gait Patterns 2026-Jan, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-025-03863-3 PMID:41015655	研究论文	本研究提出了一种名为Gait-to-Contact (G2C)的新型深度学习框架，用于从步态模式预测全膝关节置换术的磨损情况	提出了一种基于Transformer-CNN编码器-解码器架构的深度学习替代模型，显著降低了传统有限元分析的计算成本和时间	当前研究基于模拟数据，尚未应用于临床患者数据	开发一种高效的计算模型来预测全膝关节置换术的磨损分布	全膝关节置换术的聚乙烯衬垫线性磨损分布	机器学习	骨科疾病	有限元分析，深度学习	深度学习模型	时间序列数据（步态模式）	314个ISO14243-3（2014）标准变体的步态时间序列	NA	Transformer-CNN编码器-解码器架构	平均绝对百分比误差，结构相似性指数，归一化互信息	NA
190	2025-12-31	Application of deep learning in evaluating the anatomical relationship between the mandibular third molar and inferior alveolar nerve: A scoping review 2026-Jan-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27584 PMID:41108775	综述	本文是一篇范围综述，旨在识别和比较用于下颌第三磨牙手术放射学评估的深度学习模型	首次对应用于下颌第三磨牙与下牙槽神经解剖关系评估的深度学习模型进行了全面的范围综述，并比较了不同AI模型的性能、成像方式和临床适用性	纳入研究在数据集大小、验证程序和性能指标方面存在显著差异，突显了模型泛化能力的不一致性；大多数研究依赖于二维图像，预测建模和基于三维CBCT的分析相对有限	识别和比较用于下颌第三磨牙手术放射学评估的深度学习模型，重点关注AI模型类型、关键性能指标、成像方式和临床适用性	使用全景X光片和锥形束计算机断层扫描（CBCT）图像进行AI分析的下颌第三磨牙研究	计算机视觉	口腔颌面外科疾病	全景X光片，锥形束计算机断层扫描（CBCT）	CNN	图像	NA	NA	U-Net	准确率，灵敏度，特异性	NA
191	2025-12-31	AI-Based Identification of Head Impact Locations, Speeds, and Force Based on Head Kinematics Simulations 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3581171 PMID:40536866	研究论文	本研究提出了一种基于深度学习的模型，用于从头戴式头盔撞击时的头部运动学数据中准确预测撞击方向、速度和力等关键参数	利用LSTM网络处理头部运动学数据，首次实现了从头戴式头盔撞击模拟中预测撞击方向、速度和力分布，并在现场数据验证中显著优于现有方法	模型主要基于模拟数据集开发，未来需要在更多头盔类型和运动场景的大型体内数据集上进行验证，以确认其准确性	开发一种能够从头戴式头盔撞击的头部运动学数据中准确预测关键撞击参数（如方向、速度和力）的深度学习模型，以改进头盔设计和运动安全	头盔撞击下的头部运动学数据（线性加速度和角速度），用于预测撞击方向、速度和力分布	机器学习	NA	有限元模拟，深度学习建模	LSTM	时间序列数据（头部运动学）	模拟数据集：16,000次头盔撞击模拟；现场数据集：79次可清晰识别撞击位置的头部撞击	NA	LSTM	R², 准确率	NA
192	2025-12-31	From Frequency to Temporal: Three Simple Steps Achieve Lightweight High-Performance Motor Imagery Decoding 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3579528 PMID:40536865	研究论文	本研究提出了一种基于脑电图（EEG）的轻量级高性能运动想象解码方法，通过三个简单步骤显著提升解码精度并降低计算复杂度	从频率域分析出发，结合脑科学先验知识调整模型结构，引入残差网络保留高频细节特征，并使用时序卷积模块深度捕获时间依赖性	未明确说明方法在其他EEG数据集或实际应用场景中的泛化能力	开发轻量级高性能的脑电图运动想象解码模型	基于脑电图（EEG）的运动想象信号	机器学习	NA	脑电图（EEG）	CNN	时间序列数据（脑电信号）	BCI Competition IV 2a数据集（22通道）和2b数据集（3通道）	未明确说明	EEGNet, 残差网络, 时序卷积模块	分类准确率	未明确说明
193	2025-12-31	Enhancing RNA 3D Structure Prediction: A Hybrid Approach Combining Expert Knowledge and Computational Tools in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70034 PMID:40778521	研究论文	本文介绍了一种结合专家知识与计算工具的混合方法，用于在CASP16挑战中增强RNA三维结构预测	采用模块化工作流整合模板建模与从头预测，并融入实验约束和迭代优化，在CASP16中取得第二名	在预测复杂拓扑结构（如假结和共轴堆积）方面仍面临挑战	提高RNA三维结构预测的准确性和适用性	RNA分子及其三维结构	计算生物学	NA	模板建模、从头预测、深度学习	AlphaFold3, DeepFoldRNA	RNA序列、三维结构数据	CASP16挑战中的多个RNA靶标，包括短于200个核苷酸的目标	NA	NA	均方根偏差（RMSD）, Z-score	NA
194	2025-12-31	Machine Learning in Tuberculosis Research: A Global Bibliometric Analysis of Diagnostic, Prognostic, and Drug Discovery Trends 2026-Jan, Therapeutic innovation & regulatory science IF:2.0Q3 DOI:10.1007/s43441-025-00866-z PMID:40841498	综述	本文对机器学习在结核病研究中的全球文献进行了全面的计量分析，重点关注诊断、预后和药物发现趋势	通过系统的文献计量分析，揭示了机器学习在结核病研究领域的快速增长趋势、国际合作网络及主要研究主题聚类，为未来AI驱动的结核病治疗策略提供指导	分析仅基于Scopus数据库的英文文献，可能未涵盖所有相关研究，且文献计量方法本身存在一定局限性	评估机器学习在结核病研究中的应用趋势，以指导未来的治疗策略和监管科学	全球范围内关于机器学习与结核病（MLTB）的数据驱动出版物	机器学习	结核病	文献计量分析	NA	文献数据	通过Scopus数据库检索至2024年5月1日的相关出版物	Biblioshiny, VOSviewer	NA	平均引用次数（21.64），国际合作比例（40.11%），年增长率（22.12%）	NA
195	2025-12-31	Modeling Protein-Protein and Protein-Ligand Interactions by the ClusPro Team in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70066 PMID:41115690	研究论文	本文介绍了在CASP16实验中，通过结合基于物理的采样与基于深度学习的优化策略，预测蛋白质-蛋白质和蛋白质-配体复合物结构的方法	将基于物理的采样（如ClusPro FFT对接和分子动力学）与基于AlphaFold的采样和优化相结合，并引入机器学习置信度模型进行重评分，显著提升了复合物结构预测的准确性	未明确提及方法在特定蛋白质家族或配体类型上的局限性，以及计算资源需求的具体评估	提升蛋白质-蛋白质和蛋白质-配体复合物结构预测的准确性	蛋白质-蛋白质和蛋白质-配体复合物	计算生物学	NA	蛋白质对接、分子动力学、深度学习、扩散模型	AlphaFold, 机器学习置信度模型, 扩散模型	蛋白质结构数据	233个目标蛋白质-配体复合物	NA	AlphaFold	lDDT-PLI	NA
196	2025-12-31	The Role of Artificial Intelligence in Interventional Pulmonology 2026-Jan-01, Journal of bronchology & interventional pulmonology IF:3.3Q2 DOI:10.1097/LBR.0000000000001051 PMID:41468029	综述	本文综述了人工智能在介入肺病学中如何通过提升诊断、手术精度和患者预后，革新该领域	全面总结了AI在介入肺病学多个关键应用中的创新作用，包括肺结节检测、风险分层、机器人辅助支气管镜导航、淋巴结恶性评估以及慢性阻塞性肺疾病表型分析	未提及具体研究数据或模型性能的局限性，主要聚焦于应用潜力和未来挑战	探讨人工智能在介入肺病学领域的应用、影响及未来发展方向	介入肺病学中的诊断工具、手术程序、患者选择及医学教育	医学人工智能	肺癌, 慢性阻塞性肺疾病	机器学习, 深度学习, 影像组学, 机器人辅助支气管镜, 支气管内超声, 细胞病理学	深度学习模型, 机器学习算法	影像数据, CT成像, 肺活量测定数据	NA	NA	NA	NA	NA
197	2025-12-31	Enhanced Informer Network for Stress Recognition and Classification via Spatial and Channel Attention Mechanisms 2025-Dec-31, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500036 PMID:41467573	研究论文	本文提出了一种基于深度学习的增强型Informer网络，通过集成空间和通道注意力机制，用于心理压力的识别与分类	设计了专门的空间注意力机制来优先处理时间敏感的生理信号片段，并利用通道注意力机制动态加权与压力相关的互补特征，从而精确捕捉细微的压力相关模式	仅在单一公开数据集上进行了实验验证，未在更多样化的数据集或真实场景中进行广泛测试	开发一种有效的心理压力自动检测技术	职业环境中的心理压力	机器学习	NA	深度学习	Informer	生理信号	NA	NA	Informer	准确率, 召回率, F1分数	NA
198	2025-12-31	DUDE: deep unsupervised domain adaptation using variable nEighbors for physiological time series analysis 2025-Dec-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2231 PMID:41265030	研究论文	提出了一种名为DUDE的深度无监督域适应框架，用于处理生理时间序列分析中的分布偏移问题	引入了一种基于动态邻居选择策略的新型对比损失，根据潜在空间密度自适应确定每个样本的邻居数量	未明确说明模型在极端分布偏移或小样本目标域下的性能限制	解决生理信号分析中源域和目标域分布不完全重叠时的域适应挑战	连续生理信号，如心电图或血氧饱和度数据	机器学习	NA	深度无监督域适应	深度学习	时间序列数据	多个真实世界数据集，涉及不同人口统计、种族、地理和共病条件	NA	DUDE	与基线比较的性能提升百分比	NA
199	2025-12-31	RSR-MSI: Reference-Based Super-Resolution for Mass Spectrometry Imaging of Tissues and Single Cells 2025-Dec-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05933 PMID:41308162	研究论文	提出一种基于参考图像的超分辨率方法（RSR-MSI），利用光学显微镜图像作为参考帧，结合原始质谱成像的离子强度数据，从单张低分辨率质谱图像重建高分辨率图像	首次将基于参考图像的超分辨率方法应用于单细胞质谱成像领域，仅需单张低分辨率质谱图像和参考光学图像即可实现亚细胞级分辨率重建，无需大规模训练数据集或配对图像	未明确说明方法对特定组织类型或细胞状态的适用性限制，也未讨论参考图像与质谱图像配准误差对重建结果的影响	开发高空间分辨率、高通量的质谱成像方法，减少数据采集时间	生物组织和单细胞	计算成像	NA	质谱成像（MSI），光学显微镜	深度学习超分辨率网络	质谱图像，光学显微镜图像	NA	NA	NA	NA	NA
200	2025-12-31	Lightweight residual graph augmented transformer for cassava leaf disease recognition using spectral directional features 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33748-3 PMID:41461849	研究论文	本文提出了一种轻量级残差图增强的图-Transformer网络（Lite-RGA-GTNet），用于基于光谱方向特征的木薯叶病害识别	引入了轻量级残差图增强的图-Transformer网络，结合光谱方向预处理和渐进式令牌剪枝，以联合捕获精细病变纹理和长距离空间关系	未明确提及模型在更广泛环境条件或不同作物病害上的泛化能力	开发一种轻量级深度学习模型，用于木薯叶病害的实时识别，以支持可持续农业实践	木薯叶图像，包括健康和病害样本	计算机视觉	木薯叶病害	光谱方向预处理（包括方向梯度和植被指数图）	图-Transformer网络	图像	基准木薯叶图像数据集，包含五类样本（健康及病害）	NA	Lite-RGA-GTNet（轻量级残差图增强的图-Transformer网络）	准确率, 精确率, 召回率, F1分数	NA