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
2221	2026-09-09	Combining enhanced spectral resolution of EMG and a deep learning approach for knee pathology diagnosis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302707 PMID:38713653	研究论文	本研究开发了一种基于肌电信号（EMG）和深度学习的方法，用于膝关节骨关节炎的诊断，通过高阶谱分析增强信号分辨率，并利用改进的ResNet101模型进行分类。	采用高阶谱分析（HOSA）增强EMG信号的频谱分辨率，结合深度学习的图像识别方法，实现了对膝关节骨关节炎的高精度诊断。	尽管所提方法表现出优越性，但仍存在一些局限，需要在未来研究中进一步解决。	开发一种基于肌电信号的膝关节病理诊断方法，特别是对膝关节骨关节炎的诊断。	正常个体和膝关节骨关节炎患者的EMG信号，涉及股四头肌、腓肠肌内侧、股直肌、半腱肌和股内侧肌等肌肉。	机器学习、数字病理学	膝关节骨关节炎	肌电图（EMG）、高阶谱分析（HOSA）	CNN	EMG信号图像	从公开数据库中提取的EMG信号，具体样本数量未在标题和摘要中指定	NA	ResNet101	准确率、AUC	NA
2222	2026-09-09	A new protocol for multispecies bacterial infections in zebrafish and their monitoring through automated image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304827 PMID:39116043	研究论文	该论文提出了一种在斑马鱼内耳（耳囊）中建立和追踪单种及多种细菌感染的方案，并通过自动化图像分析进行实时监测的流程	首次建立了针对特定器官（耳囊）的多物种细菌感染斑马鱼协议，并开发了结合深度学习和荧光强度测量的自动化图像分析流程，以量化病原体频率	未明确说明局限性	开发一种用于斑马鱼多物种细菌感染研究的新协议，并通过自动化图像分析实现感染的实时追踪和量化，以探究病原体-病原体和病原体-宿主相互作用	斑马鱼（Danio rerio）及其耳囊（otic vesicle）结构；病原体包括铜绿假单胞菌、鲍曼不动杆菌和肺炎克雷伯菌	数字病理学	细菌感染性疾病	荧光成像	深度学习模型（未指定具体类型）	图像	未明确说明	未明确说明	未明确说明	未明确说明	未明确说明
2223	2026-09-09	A hybrid TCN-GRU model for classifying human activities using smartphone inertial signals 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304655 PMID:39137226	研究论文	本文提出一种结合增强时间卷积网络（TCN）与门控循环单元（GRU）的轻量级混合模型，用于基于智能手机惯性信号的人体活动识别	在TCN-GRU模型中引入膨胀卷积以扩展感受野而不增加参数，并采用少量短滤波器减少参数，同时利用残差连接和GRU层进行长期时间依赖建模	目前仅使用智能手机捕获的惯性信号，未来需探索模型在不同传感器类型和更广泛数据集上的泛化能力	开发一种轻量级且高效的深度学习模型，用于智能手机基于的人体活动识别，无需繁琐的手动特征提取	智能手机惯性信号（如加速度计和陀螺仪数据）用于人体活动分类	机器学习	NA	传感器信号处理（智能手机惯性传感器）	混合深度学习模型（TCN和GRU）	时间序列信号	两个基准数据集：UCI HAR和UniMiB SHAR（具体样本数量未提及）	NA	膨胀时间卷积网络（TCN）与门控循环单元（GRU）	准确率	NA
2224	2026-09-09	An end-to-end framework for private DGA detection as a service 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304476 PMID:39196905	研究论文	提出首个端到端框架，用于隐私保护的域名生成算法（DGA）检测服务，结合安全多方计算和差分隐私技术	首次提出端到端的隐私保护DGA检测服务框架，结合安全多方计算（MPC）和差分隐私（DP），并通过模型量化加速推理	未明确提及具体局限性，可能包含对多方计算协议和量化精度的假设，以及性能与隐私权衡	实现隐私保护的DGA检测分类服务，确保DNS域名和模型隐私，同时提供效率	DNS域名分类系统，区分DGA恶意域名和非DGA良性域名	机器学习	NA	NA	深度学习模型（具体类型未指明）	DNS域名文本数据	NA	NA	NA	准确性，推理时间	三方安全计算协议
2225	2026-09-09	DECTNet: Dual Encoder Network combined convolution and Transformer architecture for medical image segmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301019 PMID:38573957	研究论文	提出一种名为DECTNet的双编码器网络，结合卷积和Transformer架构用于医学图像分割，以提高分割准确性	新颖地结合卷积和Swin Transformer双编码器，并设计特征融合解码器与深度监督模块，以处理医学图像边界模糊和结构复杂问题	未明确提及局限性（基于标题和摘要）	解决医学图像分割中结构提取和精确分割的难题，提升分割性能	医学图像分割任务，包括皮肤病变、息肉、Covid-19病变和MRI心脏分割	医学图像分析	皮肤病变、息肉、Covid-19、心脏病	深度学习（卷积神经网络和Transformer）	双编码器网络（DECTNet），结合CNN和Swin Transformer	医学图像（皮肤病变、息肉、Covid-19病变、MRI心脏图像）	未明确提及具体样本数量	NA	DECTNet，包含卷积编码器、Swin Transformer编码器、特征融合解码器和深度监督模块	与七种模型比较，达到最先进结果（具体指标如Dice等未明确）	NA
2226	2026-09-09	Semantic segmentation of urban environments: Leveraging U-Net deep learning model for cityscape image analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0300767 PMID:38578733	研究论文	本研究利用U-Net深度学习模型对城市景观图像进行语义分割，并在Cityscapes数据集上验证其有效性，以实现高精度的城市环境理解	提出一种基于U-Net的改进架构，通过批量归一化和丢弃层增强模型稳定性，并在城市景观分割中实现最新的性能	文中未明确提及方法的局限性	探索U-Net模型在城市景观图像语义分割中的效能，以支持城市规划、交通管理和自动驾驶等应用	城市景观图像及其语义分割结果	计算机视觉	不适用	深度学习（卷积神经网络）	U-Net	图像	未明确说明样本数量，但使用了Cityscapes数据集	未明确	U-Net（编码器-解码器结构）	准确率, 平均IoU, 平均Dice系数	未明确说明
2227	2026-09-09	Unraveling Neuronal Identities Using SIMS: A Deep Learning Label Transfer Tool for Single-Cell RNA Sequencing Analysis 2023-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.28.529615 PMID:36909548	研究论文	提出SIMS，一种用于单细胞RNA测序分析的深度学习标签转移工具，可高精度分类脑组织中的细胞类型	SIMS是一个端到端、数据高效且可解释的机器学习管道，能以最少编码应用于新数据集，并在复杂组织如脑中保持高准确性	摘要中未提及具体限制	开发并验证一种可扩展、可解释的机器学习工具，用于单细胞数据的高精度细胞类型分类	单细胞RNA测序数据，包括成年大脑皮层、海马体、发育中大脑及皮层类器官样本	机器学习	NA	单细胞RNA测序	深度学习模型（具体类型未明确，但属于分类算法）	单细胞转录组数据	涉及多种数据集，但未提供具体数量	NA	NA	准确性	NA
2228	2026-09-08	Evaluation method for driver comfort under multi axis coherent vibration of seats 2026-Oct, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2025.2553136 PMID:40901779	研究论文	该研究利用深度学习方法评估座椅多轴相干振动对驾驶员舒适度的影响，并通过道路试验验证了主观与客观数据的一致性	提出了一种融合多模态相干特征的深度学习模型，用于量化评估座椅多轴振动下的驾驶员舒适度，其性能与人体工程学专家评估相当	未明确提及局限性	开发一种基于深度学习的驾驶员舒适度评估方法，以提升座椅设计与驾驶员健康和舒适性	座椅多轴相干振动对驾驶员舒适度的影响	机器学习	不适用	不适用	深度学习模型	振动信号和主观评价数据	未明确说明样本数量	未明确说明	未明确说明	R²（超过70%），以及指标（0.931、0.096、0.071）	未明确说明
2229	2026-09-08	Integrating molecular generation and fingerprints transferring for single-molecule theranostics targeting endoplasmic reticulum stress 2026-04, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.07.042 PMID:40721023	研究论文	本研究提出了一种结合分子生成和指纹转移的AI驱动策略，用于设计靶向内质网应激的单分子诊疗试剂，实现精准成像和调控	提出了一种新的AI驱动的双靶向策略，结合“被动+主动”机制，通过指纹转移和三维分子生成模型PM-1设计靶向Grp78的多功能诊疗分子，实现了原子级精准靶向	信息不足	设计能精准靶向并调控内质网应激的多功能诊疗分子，解决被动富集与精准调控之间的平衡，用于肿瘤等疾病的成像和治疗	内质网应激和Grp78蛋白作为关键生物标志物，目标分子为荧光探针ABT-CN2	分子生成、机器学习、深度学习	肿瘤	分子指纹转移、三维分子生成	机器学习模型和深度学习模型PM-1	分子结构数据、生物医学数据	信息不足	信息不足	深度学习模型PM-1	皮尔逊相关系数、IC50	信息不足
2230	2026-09-08	Attention-Based Whole-Slide Image Compression Achieves Pathologist-Level Prescreening of Multiorgan Routine Histopathology Biopsies 2025-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100827 PMID:40562215	研究论文	本文提出了一种基于注意力机制的神经图像压缩方法（NIC-A），用于全玻片图像分析，在多种器官的常规病理活检中达到病理学家级别的预筛选性能	首次将基于注意力的神经图像压缩用于全玻片图像的弱监督分类，并引入了切片打包方法，将同一组织块的多张切片合并为一张图像，结合块级标签进行训练	未明确提及，但可能包括对多中心数据泛化性的进一步验证需求以及模型在不同组织类型上的扩展性	开发一种弱监督的深度学习方法来自动化检测和分类全玻片图像中的癌症及癌前病变，以辅助病理学家进行预筛选并减少常规诊断工作负担	结直肠、宫颈和十二指肠活检的组织切片全玻片图像	数字病理学	结直肠癌、宫颈癌、腹腔疾病	全玻片成像	基于注意力的神经网络	图像（全玻片图像）	9,141个组织块的12,580张全玻片图像，以及用于验证的独立队列	未提及	基于注意力机制的神经图像压缩模型（NIC-A）	准确性、灵敏度、特异性，以及与病理学家小组比较的性能	未提及
2231	2026-09-08	End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110396 PMID:40268172	研究论文	该文提出一种端到端深度学习算法，用于加速3D全心联合T1/T2成像，通过联合运动估计和模型驱动的运动校正重建，实现多对比欠采样数据的高质量图像重建与定量分析	创新性地使用端到端非刚性运动校正重建网络，直接从八组多对比欠采样数据中估计高质量运动校正重建图像，无需单独运动估计步骤，并显著提升重建速度超过370倍	因分析基于标题和摘要，具体限制未提及，但可能涉及小样本验证、临床泛化性及与参考方法相比的定量差异（如-6.35毫秒和-1.8毫秒偏差）	加速3D全心联合T1/T2成像，用于心肌组织表征，通过实现快速且准确的运动校正重建	3D全心联合T1/T2成像的多对比欠采样数据，采集自自由呼吸高分辨率运动补偿序列，共八个不同对比度体积	机器学习和医学影像	心血管疾病	磁共振成像（T1/T2 mapping，多对比序列）	深度学习网络（端到端非刚性运动校正重建网络）	多对比欠采样MRI图像	未在标题和摘要中明确提供，标注为“NA”	未明确提及框架，但可能基于特定深度学习框架，标记为“NA”	端到端非刚性运动校正重建网络	视觉一致性、T1和T2图的定量偏差（-6.35毫秒和-1.8毫秒）、重建时间	未在标题和摘要中明确，标注为“NA”
2232	2026-09-08	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本文提出并评估了DEEPOLE，一种基于深度学习的方法，通过将宏观非偶极拉莫尔频移整合到定量磁化率成像中，以提高磁化率图的质量和准确性	DEEPOLE将QUASAR模型整合到深度卷积神经网络中，考虑了常规QSM方法忽略的频率贡献，从而在具有微观结构效应的区域减少了伪影并提高了定量准确性	未明确提及，但可能包括对合成训练数据的依赖以及需要进一步验证其在更广泛临床环境中的适用性	开发并评估一种新的深度学习QSM方法，以改善磁不均匀组织中的磁化率图质量，特别是在神经退行性和脱髓鞘疾病研究中	数字大脑模型（有和无微观结构效应）和活体人脑数据	医学影像分析	神经退行性疾病	磁共振成像（QSM）	深度卷积神经网络	图像	数字大脑模型和活体人脑数据（具体数量未提供）	深度学习框架（具体未指明，如PyTorch或TensorFlow）	卷积神经网络（整合QUASAR模型）	准确率（磁化率估计准确性）、伪影减少、解剖一致性	未明确提及
2233	2026-09-08	Self-supervised learning for MRI reconstruction through mapping resampled k-space data to resampled k-space data 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110404 PMID:40324545	研究论文	提出一种自监督深度学习MRI重建方法，通过将重采样的k-space数据映射到重采样的k-space数据，无需全采样参考数据即可高效重建图像	创新性地采用随机自监督学习与数据欠采样（RSSDU）方法，双重重采样k-space数据以避免对全采样数据的需求	未提供具体限制信息	开发一种无需全采样参考数据即可准确有效的MRI图像重建自监督方法	MRI重建中的k-space数据和图像	计算机视觉	不适用	MRI数据欠采样及自监督学习	深度学习网络（具体模型未指明）	MRI k-space数据	不适用	不适用	不适用	峰值信噪比（PSNR）和结构相似性指数（SSIM）	不适用
2234	2026-09-08	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	本文提出一种基于边缘检测损失的深度学习群组图像配准方法（AiM-ED），用于低信噪比心脏MRI的单次采集图像配准和平均	使用噪声鲁棒的预训练边缘检测器定义训练损失，并联合配准多个含噪源图像到目标图像，以应对低信噪比问题	方法仅在有限样本（24个健康切片、5个患者切片、6个0.55T扫描切片）上验证，泛化能力有待进一步研究	开发一种快速、鲁棒的图像配准方法，用于改善低信噪比单次采集心脏MRI的图像质量	心脏MRI图像，包括合成LGE图像（MRXCAT体模）和自由呼吸单次采集LGE图像（健康受试者和患者）	医学影像分析	心血管疾病（涉及心脏MRI，但非特定疾病）	MRI（心脏MRI，低场强度0.55T）	深度学习（基于卷积网络，类似VoxelMorph的配准网络）	图像（MRI图像）	健康受试者24个切片、患者5个切片（0.55T扫描6个切片）、MRXCAT体模合成图像	NA（未被明确提到）	AiM-ED（基于边缘检测的配准网络），可能类似VoxelMorph架构	恢复信噪比（recovery SNR）和三个感知图像质量指标	NA（未被明确提到）
2235	2026-09-08	Deformable image registration with strategic integration pyramid framework for brain MRI 2025-07, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110386 PMID:40122188	研究论文	提出一种基于策略性整合金字塔框架的脑部MRI可变形图像配准网络，以提升大形变下的配准精度和鲁棒性	提出基于金字塔结构的策略性整合配准网络，包括不同尺度特征融合和不同神经网络结构整合，并引入最低尺度渐进优化迭代以解决金字塔结构的误差累积问题	摘要中未明确说明，可能未详细讨论计算资源或更广泛数据集上的泛化性	提升脑部MRI图像在大形变条件下的配准精度和鲁棒性	脑部MRI图像	计算机视觉、数字病理学	不适用	不适用（基于图像配准技术）	CNN和Transformer混合模型	图像	多个脑部MRI数据集，具体样本量未提及	不适用	CNN编码器、Transformer解码器、金字塔结构	配准精度、鲁棒性	不适用
2236	2026-09-08	DCE-MRI based deep learning analysis of intratumoral subregion for predicting Ki-67 expression level in breast cancer 2025-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110370 PMID:40089082	研究论文	基于动态对比增强MRI的肿瘤内亚区深度学习分析用于预测乳腺癌Ki-67表达水平	利用k-means聚类将肿瘤分为两个亚区，并基于3D ResNet18预训练模型提取深度学习特征，构建结合两个亚区的联合模型以提高预测能力	未在摘要中明确说明局限性	评估基于DCE-MRI的肿瘤内亚区深度学习分析是否能帮助预测乳腺癌Ki-67表达水平	来自两家医院的290例乳腺癌患者	医学影像分析	乳腺癌	DCE-MRI	深度学习模型，逻辑回归	医学影像	290例乳腺癌患者	NA	3D ResNet18	AUC，决策曲线分析	NA
2237	2026-09-08	Deep learning-based free-water correction for single-shell diffusion MRI 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	提出了一种基于深度学习的方法，用于单壳扩散MRI的自由水校正，以改善扩散属性估计和白质纤维追踪的准确性	首次使用深度学习框架处理单壳扩散MRI的自由水校正，通过数据驱动方式推断自由水体积，克服了传统双室模型需要多壳数据的限制	未在文中明确提及，可能需要依赖训练数据的多样性来保证泛化能力	开发一种可泛化的深度学习框架，用于单壳扩散MRI的自由水校正，以提高扩散属性估计的准确性和白质纤维追踪的清晰度	人类连接组计划青年成人（HCP-ya）、人类连接组计划老化数据集（HCP-a）和脑肿瘤连接组学数据（BTC）	机器学习	NA	扩散磁共振成像（dMRI）	深度学习模型	扩散加权图像（DWI）	未明确提及，涉及HCP-ya、HCP-a和BTC数据集	NA	NA	属性估计一致性、神经通路识别准确性、白质纤维可视化清晰度	NA
2238	2026-09-08	An AI-assisted explainable mTMCNN architecture for detection of mandibular third molar presence from panoramic radiography 2025-03, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105724 PMID:39626596	研究论文	本研究设计并系统评估了一种名为可解释下颌第三磨牙卷积神经网络（E-mTMCNN）的架构，用于在全景放射片中检测下颌第三磨牙的存在	提出了一种新的可解释AI架构E-mTMCNN，整合了LIME解释技术，并创建了公开可访问的下颌第三磨牙（m-TM）数据集	未明确提及具体局限性，但可能受限于单一数据集和特定临床环境	提高早期检测准确性，改善临床决策和治疗规划	下颌第三磨牙在全景放射片中的存在情况	计算机视觉、数字病理	牙科疾病	全景放射摄影	卷积神经网络（CNN）	图像	基于UESB数据集的原始全景放射图像，经专家标注构建新数据集（具体样本数量未提供）	未指定，使用了迁移学习（TL）方法	GoogLeNet	准确率、敏感度、特异性、精确率、F1分数、曲线下面积（AUC）	未指定
2239	2026-09-08	Balancing accuracy and Interpretability: An R package assessing complex relationships beyond the Cox model and applications to clinical prediction 2025-02, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105700 PMID:39546831	研究论文	开发了一个R包“survcompare”，旨在评估Cox比例风险模型与基于树和深度学习的生存模型在临床预测中的性能，平衡准确性和可解释性	提出了一个公开可用的R包，通过集成学习和嵌套交叉验证系统地比较传统Cox模型与机器学习生存模型，并整合Cox-PH与SRF或DeepHit的集成方法来量化边际价值	未明确提及具体限制，但可能包括对模拟和临床数据的依赖以及计算复杂度	探索Cox-PH在临床预测建模中相对于树基和深度学习模型的性能极限，帮助研究人员评估准确性-可解释性权衡	Cox-PH、Cox-Lasso、生存随机森林（SRF）、DeepHit模型，以及它们的集成方法	机器学习	NA	生存分析	Cox比例风险模型、Lasso、随机森林、深度生存模型（DeepHit）	临床表格数据、影像和模拟数据	样本量从少到多，包括≥500的模拟数据集和不同复杂度的临床数据集（具体数量未在标题/摘要中提供）	R语言环境	Cox-PH、Cox-Lasso、SRF、DeepHit	一致性指数（C-index），时间依赖性AUC-ROC，校准斜率	未明确提及具体计算资源
2240	2026-09-08	Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor 2025-Jan-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35548 PMID:39238433	研究论文	本研究利用机器学习和深度学习技术预测胃肠道间质瘤（GIST）患者对伊马替尼的服药依从性，并识别相关风险因素。	首次在实际临床环境中应用机器学习技术预测GIST患者伊马替尼不依从的风险因素	摘要未提及局限性	评估GIST患者伊马替尼依从率，并开发基于ML和DL的模型以预测不依从风险	胃肠道间质瘤患者，共397名	机器学习	胃肠道间质瘤	问卷调查	机器学习与深度学习模型，包括梯度提升机、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet和Wide&Deep	问卷数据	397名GIST患者	未提及	XGBoost、LGBM、CatBoost、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet、Wide&Deep	F1分数	未提及