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
2141	2026-09-10	Approval of AI-Based Medical Devices in China From 2020 to 2025: Retrospective Analysis 2026-03-18, JMIR medical informatics IF:3.1Q2 DOI:10.2196/85538 PMID:41849560	研究论文	该研究回顾性分析了2020年至2025年6月中国批准的基于人工智能的医疗器械的批准趋势和特征	提供了截至2025年6月中国批准的基于AI的医疗器械的最新全面概述，包括风险等级、临床评价途径等多个维度的统计分析	仅使用Drugdataexpy数据库，可能遗漏其他来源的批准信息	评估中国批准的基于AI的医疗器械的趋势和特征	中国批准的基于AI的医疗器械共154种	数字医学	NA	NA	深度学习	文本数据和元数据	154种基于AI的医疗器械	NA	NA	使用Fisher精确检验和Pearson卡方检验评估风险等级与分类变量之间的关联	NA
2142	2026-09-10	Rectal Cancer Radiotherapy Response Prediction: Retrospective Study of Development of a Deep Learning-Based Radiomics Model 2026-03-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/77313 PMID:41843889	研究论文	本研究开发并比较了多种基于深度学习的放射组学模型，用于预测直肠癌放疗反应，其中Transformer架构表现最佳	首次在大规模直肠癌放疗前影像队列中系统比较Transformer、卷积神经网络和图卷积网络的预测性能，强调Transformer架构的临床效用	单中心回顾性研究，需多中心外部验证	开发并评估深度学习放射组学模型以预测直肠癌放疗反应，支持个性化治疗决策	直肠癌患者放疗前的计算机断层扫描和动态对比增强磁共振图像及临床变量	医学影像分析	直肠癌	放射组学	卷积神经网络、图卷积网络、Transformer	医学影像（CT和MRI）	2000例病理确诊的直肠癌患者	未明确指定	Transformer, U-Net, CNN, 图卷积网络	AUROC, 准确率, 灵敏度, 特异性, Dice系数, 交并比	未明确指定
2143	2026-09-10	Bridging Population Patterns and Individual Prediction: Framework for Prospective Multimorbidity Study 2026-03-10, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84261 PMID:41806366	研究论文	提出一个整合群体水平多发病模式识别与个体水平预测建模的新框架，推动多发病研究从描述性分析向预测性发展	首次将潜在转变分析（LTA）扩展到预测领域，并引入双向时间定向交叉注意力机制的CLA-Net模型，以桥接群体模式与个体预测	文中未明确提及研究局限性	提出一个将群体水平多发病模式识别与个体预测建模相结合的新型框架，以实现前瞻性的多发病模式预测	纵向健康随访数据中的个体未来多发病模式归属	机器学习	多发病（多病共存）	纵向健康随访数据分析	CLA-Net（结合GRU和Transformer）	纵向健康随访数据	未在标题和摘要中明确说明样本数量	未在标题和摘要中明确说明	CLA-Net（包括GRU和Transformer，以及双向定向交叉注意力机制）	准确率、精确率、召回率、F1分数、AUC	未在标题和摘要中明确说明
2144	2026-09-10	Leveraging Naturalistic Driving Digital Biomarkers for Early Mild Cognitive Impairment Detection: Deep Learning Strategies 2026-03-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83622 PMID:41791118	研究论文	本研究开发了利用自然驾驶数据的深度学习策略，用于早期轻度认知障碍检测	首次使用自然驾驶条件下收集的传感器数据进行深度学习建模，结合多视角和三层次融合策略，并提出频率相关的风险评分	样本量小，且部分参与者退出，可能限制结果的普适性	利用自然驾驶数据作为数字生物标志物，实现早期轻度认知障碍的稳健检测	轻度认知障碍患者和认知正常老年人	机器学习、数字生物标志物	轻度认知障碍、阿尔茨海默病	GPS、加速度计、陀螺仪传感器	深度学习模型	传感器数据	22名参与者，其中14名认知正常、8名轻度认知障碍；3名参与者退出	NA	NA	准确率、AUC	NA
2145	2026-09-10	Enhanced Magnetic Resonance Imaging-Based Knee Cartilage Segmentation Using a Swin-UNet Conditional Generative Adversarial Network: Development and Validation Study 2026-03-02, JMIR medical informatics IF:3.1Q2 DOI:10.2196/86155 PMID:41771536	研究论文	本研究开发并验证了一种基于Swin-UNet条件生成对抗网络（cGAN）的深度学习框架，用于膝关节MRI中股骨和胫骨软骨的自动分割，并对比了其与UNet、UNet cGAN和Swin-UNet基线模型的性能	首次将Swin-UNet与条件生成对抗网络结合用于膝关节MRI软骨分割，提高了边界分割精度，并解决了传统CT手术系统无法可视化软骨的问题	未在摘要中明确提及局限性	开发临床适用的深度学习框架，实现膝关节MRI中股骨和胫骨软骨的自动分割，以提高手术规划和全膝关节置换术的精度	膝关节MRI图像中的股骨和胫骨软骨	计算机视觉	膝骨关节炎	MRI	生成对抗网络（GAN）	图像（MRI）	232份膝关节MRI扫描，另设有外部验证数据集	NA	Swin-UNet, UNet	Dice相似系数，平均交并比，95百分位Hausdorff距离，平均对称表面距离	NA
2146	2026-09-10	Bone Cancer Cell Prediction Using an Enhanced Deep Learning Algorithm with an Optimization Technique 2026-Mar-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.3.839 PMID:41793662	研究论文	本文提出一种结合Cuckoo Search优化和ResNet的深度学习算法，用于骨癌细胞的自动检测与分类，以提高诊断准确性。	将Cuckoo Search Modified Hill Climbing (CS-MHC)优化与ResNet集成，以改进特征选择和加快收敛，提升骨癌图像分类性能。	研究基于有限数据集，未来需更大规模多中心数据以增强鲁棒性。	开发一种基于深度学习和优化技术的自动化骨癌检测工具，以实现早期诊断。	骨癌图像分类，区分恶性肿瘤和健康骨组织。	计算机视觉	骨癌	NA	CNN	图像	NA	NA	ResNet, VGG-16, Inception, Xception	准确率, 敏感性, 精确率, F-measure	NA
2147	2026-09-10	scDBic: a novel deep learning-based biclustering algorithm for analyzing scRNA-seq data 2026-02-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag095 PMID:41746287	研究论文	提出了一种基于深度学习的新型双聚类算法scDBic，用于分析单细胞RNA测序数据，以发现细胞群并识别其关键基因。	该算法结合深度自编码器和反向策略，能够同时进行细胞聚类和基因聚类，识别关键基因簇，从而提升聚类性能，超于传统聚类和双聚类算法。	摘要中未明确提及局限性。	开发一种能捕获局部一致性、适应高维数据且避免迭代选择问题的双聚类算法，用于改善scRNA-seq数据的细胞聚类和关键基因识别。	单细胞RNA测序数据中的细胞群和关键基因。	机器学习	NA	scRNA-seq	深度自编码器	单细胞RNA测序表达数据	NA	NA	自编码器	聚类性能，如可比性（未具体提及指标，推断可能含ARI等）	NA
2148	2026-09-10	Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5 2026-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500384 PMID:41016832	研究论文	提出一种基于多光谱成像和YOLOv5的血液细胞识别方法，通过融合五个波长的图像显著提升细胞识别性能	利用多光谱成像技术替代传统显微镜图像，融合五个波长的信息以改善细胞边界和结构的分辨，提高血细胞识别精度，尤其对稀有白细胞有显著提升	未提及具体限制，如计算成本、数据集规模或对不同血液样本的泛化性	开发一种高精度的血细胞自动识别方法，以提高医疗诊断中血细胞计数的准确性	血液细胞图像，包括红细胞、白细胞和血小板	计算机视觉	NA	多光谱成像	YOLOv5（基于卷积神经网络的目标检测模型）	多光谱图像	未提及具体样本数量，但涉及五个波长的血细胞图像数据集	NA	YOLOv5	精确度	NA
2149	2026-09-10	stRGAT: identifying spatial domains in spatial transcriptomics via a relational graph attention network 2026-01-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07676-9 PMID:41535938	研究论文	开发了stRGAT，一种基于关系图注意力网络的深度学习框架，用于整合空间信息和基因表达以识别空间转录组中的空间域	通过自适应建模相邻和跨区域点之间的相似性，实现连贯的空间分割，并能扩展到检测空间可变基因	未在摘要中明确提及局限性	准确识别具有连贯转录组和形态模式的空间域，并提高空间转录组分析的性能	空间转录组数据中的空间域和空间可变基因	机器学习和空间转录组学	NA	空间转录组学	图注意力网络	基因表达数据、空间坐标、组织图像	跨物种数据集、连续组织切片、精细小鼠脑干数据集	NA	图注意力网络	聚类一致性指标和域边界清晰度	NA
2150	2026-09-10	inMOTIFin: a lightweight end-to-end simulation software for regulatory sequences 2026-01-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag026 PMID:41557841	研究论文	提出一个轻量级端到端的Python软件inMOTIFin，用于调控序列的模拟与修改，评估基于基序的方法和深度学习模型的可解释性	提供模块化、用户友好的模拟工具，支持对基序位置、共现和间距的精确控制，并能直接修改真实序列，填补了现有模拟器在端到端灵活性和易集成性方面的空白	文中未提及具体限制	开发多功能工具以支持转录调控语法的模拟和评估	DNA调控序列、基序实例	生物信息学	NA	模拟软件	NA	DNA序列数据	NA	Python	NA	NA	Docker
2151	2026-09-10	RP3Net: a deep learning model for predicting recombinant protein production in Escherichia coli 2026-01-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag003 PMID:41520295	研究论文	介绍RP3Net，一种基于深度学习的大肠杆菌重组蛋白生产效率预测模型	利用最新的蛋白质和基因组基础模型，并整合内部实验数据与公共数据，显著提高了预测准确性	未提及具体局限性	预测大肠杆菌中小规模异源可溶性蛋白的表达效率，以优化重组蛋白生产	重组蛋白表达	深度学习	不适用	蛋白质和基因组基础模型	深度学习模型	蛋白质序列和基因组数据	包含来自AstraZeneca和结构基因组学联盟的多种数据，以及独立验证的97个构建体	不明确（依赖基础模型）	未明确指定具体架构（可能涉及Transformer等）	AUROC，以及准确率和成功识别率	未提及（但模型开源可在GitHub获取）
2152	2026-09-10	RoBep: a region-oriented deep learning model for B-cell epitope prediction 2026-01-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag006 PMID:41527265	研究论文	本文提出了一种区域导向的深度学习模型RoBep，用于B细胞表位预测，通过显式建模表位残基的空间聚类来提高预测的生物学合理性	引入新颖的区域约束机制，结合高级蛋白质语言模型ESM-Cambrian和等变图神经网络，确保预测的表位残基空间紧凑，增强生物学合理性	摘要中未提及明确的局限性	提高B细胞表位残基预测的准确性，并为抗体设计和疫苗开发提供生物学合理的预测结果	B细胞表位残基和抗体-抗原结合区域	深度学习、蛋白质预测	NA	蛋白质语言模型和等变图神经网络	深度学习模型（结合蛋白质语言模型和等变图神经网络）	蛋白质序列和结构数据	基准数据集（具体数量未在摘要中提及）	PyTorch	等变图神经网络	F1分数、马修斯相关系数、精确率-召回率曲线下面积、AUROC0.1	未在摘要中提及
2153	2026-09-10	Real-time corneal image segmentation for cataract surgery based on detection framework 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03506-x PMID:40911268	研究论文	提出一种基于椭圆建模的无锚框框架EllipseNet，用于白内障手术中角膜的实时分割	引入椭圆建模，仅需简单的矩形边界框标注，即可自动推断角膜椭圆的长短轴，生成更贴合角膜形状的椭圆边界框，同时实现快速分割并显著减少标注工作量	未在摘要中明确提及局限性	实现白内障手术中角膜和手术器械的实时、准确分割，降低对像素级标注的依赖，便于临床应用	白内障手术中的角膜和手术器械图像	计算机视觉	白内障	NA	Hourglass网络	图像	未在摘要中提供具体样本量	NA	Hourglass网络	Dice系数, 分割速度（每帧毫秒数）	NA
2154	2026-09-10	Deep learning for suppressing EMG and motion artifacts in armband ECG R-peak detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00507-2 PMID:41584807	研究论文	本文提出一种基于卷积神经网络增强编码器-解码器架构的深度学习框架，用于抑制臂带心电图信号中的肌电伪影和运动伪影，实现鲁棒的R波检测。	引入CNNAED架构，通过幅度增强选择性突出R波并抑制干扰信号成分，应用于臂带心电图信号处理。	未明确提及局限性。	提高可穿戴心电图设备在日常生活活动中受肌电和运动伪影影响下的R波检测准确性。	10名健康参与者的臂带心电图和临床级Holter监测数据。	信号处理	不适用	心电图信号处理，时频分析	卷积神经网络	心电图信号	10名健康参与者的24小时监测，包含11,598个验证段	未指定	CNNAED（卷积神经网络增强编码器-解码器）	平均绝对误差，均方根逐次差异	未提及
2155	2026-09-10	Toward zero-calibration MEG brain-computer interfaces based on event-related fields 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00503-6 PMID:41584816	研究论文	本文提出了一种基于事件相关场的零校准脑磁图脑机接口系统，结合空间滤波与深度学习技术，实现跨受试者泛化	首次实现无需用户特定校准的MEG-BCI系统，通过xDAWN空间滤波和DeepConvNet深度学习实现跨受试者零校准分类	零校准下的准确率（80.32%）和ITR（12.75 bits/min）相比在线校准（94.29%准确率，20.47 bits/min）有所降低，可能影响实际应用效率	开发一种零校准的MEG-BCI系统，避免用户特定校准需求，提高实用性和跨受试者泛化能力	MEG信号中的事件相关场响应，用于视觉oddball范式下的目标与非目标分类	脑机接口、深度学习、脑电图/脑磁图	不适用	MEG（脑磁图）	卷积神经网络（CNN）	MEG信号数据	多受试者数据集（具体未提供）	未提及	DeepConvNet	准确率，信息传输率（ITR）	未提及
2156	2026-09-10	Predictive design of tissue-specific mammalian enhancers that function in vivo in the mouse embryo 2025-Dec-24, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.22.695948 PMID:41497587	研究论文	本文提出了一种利用深度学习设计小鼠胚胎中组织特异性增强子的通用策略，并通过实验验证了其在心脏、肢体和中枢神经系统中的功能。	首次在哺乳动物体内验证了基于深度学习的增强子设计方法，采用了紧凑CNN和迁移学习相结合的策略。	未明确提及具体限制，但可能包括增强子设计仅针对少数组织类型，以及体内验证的样本量有限。	建立可编程控制哺乳动物基因表达的框架，以支持功能基因组学、合成生物学和基因治疗。	小鼠胚胎中的心脏、肢体和中枢神经系统增强子。	深度学习与基因组学	不适用	染色质可及性测序（如ATAC-seq）和深度学习模型。	卷积神经网络（CNN）	染色质可及性数据和已验证的增强子序列数据。	15个合成的增强子在小鼠胚胎中进行体内验证。	PyTorch（可能），深度学习框架未指定，但一般使用TensorFlow或PyTorch。	紧凑卷积神经网络（CNN）	增强子活性验证（通过体内实验报告基因表达）	未明确提及，但可能涉及GPU训练。
2157	2026-09-10	Forging Online Community Among People in Recovery From Substance Use: Natural Language Processing and Deep-Learning Analysis of The Phoenix App User-Generated Data 2025-12-19, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/68438 PMID:41418282	研究论文	本研究利用Phoenix康复应用程序的用户生成数据，通过自然语言处理和深度学习分析，识别该应用的核心用途及情感倾向，发现其作为物质使用康复者社交连接和社区支持工具具有积极作用。	首次利用移动健康应用的用户数字足迹，结合BERT主题建模和VADER情感分析，评估康复背景下的应用使用体验，揭示其与其他社交媒体平台（如X、Reddit、Facebook）相比情感倾向显著更为积极的特点。	样本仅来自单一应用，未与其他康复论坛进行对比，且样本量有限，需进一步研究以确认结果的普适性。	理解Phoenix应用在物质使用康复者中的使用主题和情感表达，评估其作为社交支持工具的效用，为数字健康干预提供洞见。	Phoenix应用的用户生成帖子，涉及物质使用（包括酒精使用障碍）康复者或寻求康复者。	自然语言处理	物质使用障碍（包括酒精使用障碍）	自然语言处理（NLP）	BERT（Transformer）	文本数据（用户帖子）	初始随机抽取19,685条帖子，去除重复和无意义后保留17,617条帖子。	PyTorch	BERT	主题连贯性分数，情感分数（均值0.44，标准差0.42）	NA
2158	2026-09-10	AI-Driven Real-Time Monitoring of Cardiovascular Conditions With Wearable Devices: Scoping Review 2025-11-11, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/73846 PMID:41218203	综述	本文旨在系统梳理基于可穿戴设备的心血管疾病实时监测中人工智能技术面临的挑战与潜在解决方案。	本文提供了对可穿戴设备人工智能驱动的实时心血管监测研究的全面综述，重点关注其挑战和解决方案，并评估了现有研究在实际部署中的不足。	符合条件的纳入研究数量有限（仅19项），且大多数研究基于公开数据集而非真实世界验证，可能存在偏差。	识别人工智能驱动的可穿戴设备实时心血管监测的主要挑战，并探讨相应解决方案，同时考察算法开发和部署优化情况。	纳入的19项研究，涉及利用可穿戴设备收集数据并应用人工智能算法进行心血管事件预测和检测的研究。	机器学习	心血管疾病	NA	传统机器学习模型及轻量级深度学习模型	可穿戴设备收集的心电信号及生命体征数据	共19项研究纳入分析	NA	NA	NA	NA
2159	2026-09-10	SamRobNODDI:q-space sampling-augmented continuous representation learning for robust and generalized NODDI 2025-08-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adf9b8 PMID:40780245	研究论文	提出一种基于q-space采样增强的连续表示学习框架SamRobNODDI，用于在扩散梯度方向变化下实现稳健且泛化的神经突方向分散与密度成像（NODDI）参数估计	首次引入q-space采样增强的连续表示学习方法，充分挖掘q空间不同梯度方向间的信息，并设计采样一致性损失以约束不同采样方案的输出一致性，增强模型对可变采样方案的鲁棒性和泛化能力	摘要未明确提及局限性	开发能在不同扩散梯度方向下稳健工作的NODDI参数估计方法，克服现有方法对训练和测试时梯度方向数量和坐标需严格一致的限制	扩散磁共振成像（dMRI）中的神经突方向分散与密度成像（NODDI）微观结构估计	机器学习	神经系统疾病	扩散磁共振成像（dMRI）	连续表示学习框架	图像	19种不同的q-space采样方案	NA	NA	NA	NA
2160	2026-09-10	Foundation models in ophthalmology: a preliminary study on AI-assisted diagnosis of myopic maculopathy and posterior staphyloma using ultra-widefield fundus images 2025-08-28, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-002073 PMID:40876931	研究论文	本研究利用眼底基础模型和超广角眼底图像，开发并验证了用于病理性近视中黄斑病变和后巩膜葡萄肿的人工智能辅助诊断模型，表现出良好的性能与跨队列泛化能力	首次将眼科基础模型（如RETFound）应用于超广角眼底图像，用于检测病理性近视相关的黄斑病变和后巩膜葡萄肿	未在摘要中明确说明局限性	利用深度学习技术分析超广角眼底图像，实现病理性近视特征性眼底变化的自动检测，以支持基层医疗中的可及性筛查	高度近视患者的超广角眼底图像，涵盖黄斑病变和后巩膜葡萄肿的检测	计算机视觉	病理性近视（高度近视相关眼底病变）	深度学习	基础模型（如RETFound），可能涉及卷积神经网络或Transformer架构	图像	训练集：1105张超广角眼底图像（来自543名高度近视患者）；外部测试集：293张图像（来自150名高度近视患者）	NA	RETFound（眼科基础模型）	准确率、F1分数、AUROC	NA