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
3241	2026-03-01	AI and emerging technologies for diagnosis 2025, Progress in brain research DOI:10.1016/bs.pbr.2025.08.004 PMID:41314747	综述	本章探讨人工智能在医学诊断中的变革作用，包括其应用、优势及临床整合挑战	综述了AI在医学诊断中的最新进展，强调其在提升效率、精度及早期疾病识别方面的创新潜力	未涉及具体实验数据或模型验证，主要基于理论分析和现有应用案例的总结	分析人工智能及新兴技术在医学诊断领域的应用、优势与挑战	医学诊断过程，包括疾病检测、分析与治疗	机器学习	癌症, 心血管疾病, 神经系统疾病	机器学习, 深度学习	NA	医学影像数据（如MRI、CT扫描、X射线）	NA	NA	NA	诊断准确性, 假阳性率, 假阴性率	NA
3242	2026-03-01	Uncovering hidden factors of cognitive resilience in Alzheimer's disease using a conditional-Gaussian mixture variational autoencoder 2025, NPJ dementia DOI:10.1038/s44400-025-00042-y PMID:41756363	研究论文	本研究开发了一种条件高斯混合变分自编码器（C-GMVAE），用于从单细胞转录组数据中揭示阿尔茨海默病认知弹性的潜在分子机制	首次将条件高斯混合变分自编码器应用于整合单细胞转录组数据与行为表型，通过结构化潜在空间捕捉与认知弹性相关的协调转录组模式	研究基于携带5XFAD突变的BXD小鼠模型，结果向人类阿尔茨海默病的直接转化需要进一步验证	揭示阿尔茨海默病中认知弹性的分子机制和遗传调控程序	携带5XFAD突变的遗传多样性BXD小鼠群体的单细胞转录组数据和行为表型	机器学习	阿尔茨海默病	单细胞转录组测序	变分自编码器（VAE）	单细胞转录组数据，行为表型数据	遗传多样性BXD小鼠群体（具体数量未明确说明）	NA	条件高斯混合变分自编码器（C-GMVAE）	遗传性评估，潜在变量生物学意义分析	NA
3243	2026-03-01	Connecting the dots: deep learning-based automated model building methods in cryo-EM 2025, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2025.1613399 PMID:41757224	综述	本文综述了基于深度学习的自动化模型构建方法在冷冻电镜密度图中的应用，旨在加速和简化结构解析过程	利用深度学习技术自动化冷冻电镜密度图的模型构建，根据生物大分子的层次结构（初级、二级、三级、四级）对方法进行分类，并区分了直接预测和混合预测两种策略	训练网络需要足够大且多样化的数据集来建模不同类型的生物分子，且构建能捕捉冷冻电镜图中常见构象异质性的训练集仍是一个开放挑战	探讨深度学习如何自动化冷冻电镜密度图中的模型构建，以加速结构生物学中的结构解析	冷冻电镜密度图中的生物大分子结构	机器学习	NA	冷冻电镜	深度学习	图像	NA	NA	NA	NA	NA
3244	2026-03-01	A general temperature-guided language model to design proteins of enhanced stability and activity 2024-11-29, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr2641 PMID:39602544	研究论文	本文介绍了一种名为PRIME的深度学习模型，用于设计具有更高稳定性和活性的蛋白质突变体，无需特定蛋白质的实验突变数据	PRIME利用温度感知语言建模，在283个蛋白质测定公共数据集上表现出优于现有模型的预测能力，并开发了高效方法获取多站点突变体	NA	蛋白质工程中设计具有高稳定性和活性的突变体	蛋白质突变体	机器学习	NA	温度感知语言建模	深度学习模型	蛋白质序列数据	283个蛋白质测定数据集	NA	语言模型	NA	NA
3245	2026-03-01	CREMP: Conformer-rotamer ensembles of macrocyclic peptides for machine learning 2024-08-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03698-y PMID:39122750	研究论文	本文介绍了CREMP数据集，一个用于机器学习模型开发和评估的宏环肽构象集合资源	首次创建了一个包含大量宏环肽高质量结构集合的数据集，结合了构象采样和半经验DFT计算能量注释	未提及具体机器学习模型的性能评估或比较，数据集可能受限于采样方法和计算精度	开发一个资源以加速宏环肽的机器学习模型研究，支持理性设计和优化	宏环肽的构象集合	机器学习	NA	半经验扩展紧束缚DFT计算	NA	结构数据	36,198个独特宏环肽，包含近31.3百万个独特几何结构，以及3,258个具有被动渗透性数据的宏环肽	NA	NA	NA	NA
3246	2026-03-01	Deep learning approaches for plethysmography signal quality assessment in the presence of atrial fibrillation 2019-12-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab5b84 PMID:31766037	研究论文	本研究比较了传统机器学习和深度学习方法在心房颤动（AF）存在下进行光电容积脉搏波（PPG）信号质量评估的性能，以寻找最稳健的评估方法	首次在AF存在下比较了基于时间序列（1D）和图像（2D）表示的PPG信号质量评估方法，并发现2D表示能提高评估准确性	研究主要基于床边监护仪数据，可能未完全覆盖便携或可穿戴设备中的运动伪影情况，且测试集样本量相对较小（仅13名中风患者）	开发并比较PPG信号质量评估方法，以提高在AF等心律失常事件检测中的信号利用率	PPG信号，特别关注AF存在下的信号质量	机器学习	心血管疾病	光电容积脉搏波（PPG）监测	深度学习, 传统机器学习	时间序列数据, 图像数据	训练集：78,278条30秒PPG记录（来自3,764名患者）；测试集：2,683条30秒PPG信号（来自13名中风患者）	NA	ResNet18, SVM	准确率, 特异性, 敏感性	NA
3247	2026-03-01	Hybrid scattering-LSTM networks for automated detection of sleep arousals 2019-07-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab2664 PMID:31158822	研究论文	本文提出了一种用于多通道多导睡眠图信号中非呼吸暂停性觉醒区域自动检测的新型混合散射-LSTM网络	首次将混合散射变换与双向长短期记忆网络结合用于生物医学信号；能够捕获低于检测采样率的低频信息（0.1 Hz）；无需显式机制处理数据类别不平衡问题	NA	开发自动检测多导睡眠图信号中睡眠觉醒的方法，以监测或诊断睡眠障碍	多通道多导睡眠图信号中的非呼吸暂停性觉醒区域	机器学习	睡眠障碍	多导睡眠图	CNN, LSTM	信号数据	NA	NA	混合散射变换-双向长短期记忆网络	精确率-召回率曲线下面积	NA
3248	2026-03-01	Ventricular ectopic beat detection using a wavelet transform and a convolutional neural network 2019-06-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab17f0 PMID:30970338	研究论文	本研究提出了一种结合小波变换和卷积神经网络的方法，用于自动检测心电图中的室性早搏	创新点在于将三种小波变换应用于单通道心电图信号，生成二维时频图像，并利用卷积神经网络进行优化分类，实现了跨数据库的优异迁移性和泛化能力	NA	开发一种自动识别室性早搏的方法，以解决心电图分析中因室性早搏导致的心率变异性分析不准确问题	心电图信号中的室性早搏	机器学习	心血管疾病	小波变换	CNN	图像	MIT-BIH心律失常数据库和AHA数据库	NA	CNN	F1分数, 准确率	NA
3249	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
3250	2026-02-28	AI-integrated smartphone platform enables POC dual-channel glucose monitoring with an indicator-free nanozyme gel kit 2026-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118510 PMID:41698866	研究论文	开发了一种基于无指示剂纳米酶凝胶试剂盒和AI集成智能手机平台的双通道葡萄糖即时检测系统	采用微波辅助静态生物矿化策略合成葡萄糖氧化酶模板化的MnO纳米片，保留了酶的天然活性和固有荧光，并构建了集成了深度学习算法的智能手机应用（SmartGDS）的“微管实验室”凝胶平台，实现了唾液葡萄糖的快速双模式（荧光和比色）定量检测	未明确说明临床验证的样本量细节或潜在的干扰物质影响	开发一种用于非侵入性、低成本健康管理的即时葡萄糖监测平台	唾液葡萄糖	数字病理	NA	微波辅助静态生物矿化，荧光共振能量转移（FRET）	深度学习算法	图像（颜色和荧光变化）	临床唾液样本（具体数量未明确）	NA	NA	线性范围，检测限（LOD），准确性	智能手机平台
3251	2026-02-28	Artificial Intelligence in Drug Discovery: Integrative Advances From Data to Therapeutic Innovation 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70229 PMID:41630488	综述	本文综述了人工智能在药物发现中的整合进展，从数据到治疗创新	全面整合了机器学习、深度学习和强化学习等AI技术，以加速药物发现的关键流程，包括靶点识别、虚拟筛选、从头药物设计、毒性预测以及临床试验优化	存在数据质量保证、模型可解释性提升、监管接受度以及伦理问题等限制	加速药物发现过程，提高新药研发效率并推动个性化医疗	药物发现流程，包括靶点识别、虚拟筛选、药物设计、毒性预测、临床试验等	机器学习	NA	机器学习（ML）、深度学习（DL）、强化学习（RL）	NA	NA	NA	NA	NA	NA	NA
3252	2026-02-28	Deep Learning-Based Motion-Compensated Reconstruction for Accelerating 4-Dimensional Magnetic Resonance Fingerprinting 2026-Mar-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.10.001 PMID:41138788	研究论文	本文提出并验证了一种名为DeepMocor的深度学习方法，用于运动补偿的四维磁共振指纹成像重建，以加速传统的4D-MRF重建过程	开发了DeepMocor这一深度学习框架，通过运动场初始化、精炼和最终重建三个阶段，实现了24倍于传统方法的加速，并有效处理了自由呼吸下的运动伪影	研究样本量较小（19名肝细胞癌患者），且为单中心前瞻性研究，需要更大规模、多中心的验证	开发并验证一种加速四维磁共振指纹成像重建的深度学习方法，以支持更高效的临床治疗规划	19名肝细胞癌患者（平均年龄62岁，14名男性）在自由呼吸状态下采集的腹部原始k空间数据	医学影像分析	肝细胞癌	四维磁共振指纹成像	深度学习模型	磁共振成像k空间数据	19名患者	NA	DeepMocor（包含运动场初始化、精炼和重建模块）	峰值信噪比, 结构相似性指数, 平均绝对百分比误差, 对比噪声比, 平均运动差异, 皮尔逊相关系数	NA
3253	2026-02-28	Current State-of-the-Art 3D MRI Sequences for Assessing Bone Morphology with Emphasis on Cranial and Spinal Imaging: A Narrative Review 2026-Mar, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2673-4339 PMID:40962128	综述	本文综述了用于评估骨形态（特别是颅骨和脊柱成像）的当前最先进3D MRI序列的技术进展与应用	系统比较了多种短回波时间MRI序列（如ZTE、UTE、VIBE）在骨成像中的应用，并探讨了其与深度学习结合以替代CT的潜力	这是一篇叙述性综述，未进行定量荟萃分析；研究主要聚焦于过去五年的颅骨和脊柱应用，可能未涵盖所有骨成像领域	回顾和总结用于骨形态评估的先进3D MRI序列的技术原理、应用进展及临床价值	颅骨和脊柱的骨结构成像	数字病理	NA	3D MRI序列（包括ZTE、UTE、VIBE、FRACTURE等）	NA	医学影像（MRI）	约250项近五年研究（针对应用综述）和约868项近十年研究（针对技术综述），最终筛选出69项研究	NA	NA	NA	NA
3254	2026-02-28	Topology-aware multiclass segmentation of the Circle of Willis from MRA and CTA images 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111516 PMID:41637822	研究论文	本文提出了一种用于磁共振血管成像和计算机断层扫描血管成像中Willis环多类别分割的深度学习框架，重点关注拓扑正确性和分割精度	提出了一种基于nnUNet的深度学习框架，并结合无需额外训练的后处理模块，专门针对Willis环多类别分割任务进行优化	未明确说明模型在更广泛临床数据上的泛化能力限制	实现Willis环血管的拓扑准确多类别分割，以评估其血管结构作为神经血管病理学生物标志物的重要性	Willis环血管网络（13个可能类别）	数字病理学	心血管疾病	磁共振血管成像, 计算机断层扫描血管成像	CNN	图像	使用TopCoW 2024公开数据集（MRA和CTA）进行训练和验证，并在隐藏测试集及CROWN 2023挑战数据集子集上进行评估	PyTorch	nnUNet	Dice系数, 中心线Dice	NA
3255	2026-02-28	A Deep Learning Algorithm for Liver Metastasis Detection at Contrast-enhanced Abdominal CT in Patients with Colorectal Cancer: A Comparative Study with Radiologists 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250242 PMID:41649392	研究论文	本研究评估了一种深度学习算法在结直肠癌患者腹部增强CT中检测肝转移的性能，并与放射科医生进行了比较	开发了一种深度学习算法，用于在结直肠癌患者的腹部增强CT中检测肝转移，并与不同经验的放射科医生进行了全面的性能比较，特别是在不同病灶大小和位置（如包膜下）的检测表现	这是一项回顾性、双中心研究，可能存在选择偏倚；算法在小于10毫米的小病灶上检测率较低（55%）；假阳性主要源于胆管扩张和膈肌压迹等结构	评估深度学习算法在结直肠癌患者腹部增强CT图像中检测肝转移的准确性，并与放射科医生的诊断性能进行比较	结直肠癌患者的腹部增强CT图像	计算机视觉	结直肠癌	对比增强腹部CT成像	深度学习算法	医学图像	181名结直肠癌患者（95名有肝转移，86名无肝转移），共280个肝转移结节	NA	NA	检测率, 假检测率, 95%置信区间, 组内相关系数	NA
3256	2026-02-28	Emergent Language Symbolic Autoencoder (ELSA) with weak supervision to model hierarchical brain networks 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111533 PMID:41655479	研究论文	提出一种名为ELSA的新型分层符号自编码器架构，用于对静息态fMRI脑网络进行可解释的建模	结合弱监督和涌现语言框架，通过分层感知损失函数（渐进损失、严格损失、包含偏置损失）在无大量人工标注的情况下强制实现从粗到细的层次结构	未明确说明模型在其他类型分层生物医学数据上的泛化能力，也未讨论计算效率或训练时间	开发可解释的深度学习模型来建模具有层次结构的脑功能网络	静息态功能磁共振成像（fMRI）脑网络	机器学习	NA	静息态fMRI，独立成分分析（ICA）	自编码器	脑网络数据	来自1000 Functional Connectomes Project的公开数据	NA	Emergent Language Symbolic Autoencoder (ELSA)	分层一致性	NA
3257	2026-02-28	VSSI2p-Net: Physics-guided deep unfolding with L2p-norm and variation sparsity for EEG source imaging 2026-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121793 PMID:41655611	研究论文	提出一种基于深度展开的神经网络模型VSSI-Net，用于解决脑电图源成像中的欠定问题	将变分稀疏性和ℓp范数正则化引入ESI模型，并通过ADMM迭代求解，再通过深度展开将迭代过程映射为神经网络结构，实现端到端参数优化	未明确说明模型对特定噪声类型或个体差异的鲁棒性	提高脑电图源成像的定位精度、空间范围估计和成像速度	脑电图源成像问题	神经影像	NA	脑电图	深度展开神经网络	脑电图信号	合成数据集和真实数据集	NA	VSSI-Net	源定位精度, 空间范围估计, 成像速度	NA
3258	2026-02-28	Periodontal bone loss analysis via keypoint detection with heuristic post-processing 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111515 PMID:41666656	研究论文	本研究提出了一种用于自动检测牙周骨丧失标志点、相关状况及分期的深度学习框架与标注方法	提出了一种启发式后处理模块，通过辅助实例分割模型将预测的关键点对齐到牙齿边界；并提出了适用于牙科影像领域的评估指标PRCK	根分叉病变和牙周膜间隙增宽任务的检测仍具挑战性，主要由于阳性样本稀缺；后处理模块偶尔会出现灾难性失败	开发自动检测牙周骨丧失标志点及相关临床状况的深度学习系统	牙周骨丧失的放射学标志点、疾病分期及相关临床状况	计算机视觉	牙周病	深度学习	关键点检测模型	根尖周X光片	192张根尖周X光片	NA	NA	PRCK, Dice系数	NA
3259	2026-02-28	Exploring the potential of explainable deep learning for EEG-based cognitive decline prediction 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111538 PMID:41666658	研究论文	本研究开发了两种具有自注意力机制的深度学习算法，用于基于静息态脑电图数据预测轻度认知障碍和认知衰退	首次使用深度学习模型评估基于认知评分对健康受试者进行分类，其中大脑变化极小且难以检测，为早期阿尔茨海默病诊断中生物标志物的发现开辟了新途径	预测健康受试者的临床前认知衰退比预测已诊断的轻度认知障碍更具挑战性，转移学习方法仅达到56.08%的测试准确率	创建一种经济高效且非侵入性的早期认知衰退检测方法	健康对照者和轻度认知障碍患者的静息态脑电图数据	机器学习	阿尔茨海默病	脑电图	深度学习, CNN	脑电图信号	公开可用数据集中的健康对照和轻度认知障碍患者	NA	具有自注意力机制的深度学习算法	准确率	NA
3260	2026-02-28	Identification of high-risk genes and classification of acute myocardial infarction patients utilizing deep learning in a restricted cohort 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111549 PMID:41671720	研究论文	本研究结合深度学习与差异表达分析等基因特征选择方法，在基因表达数据上显著提升了急性心肌梗死患者的分类性能	将深度学习与生物特征选择方法（特别是差异表达分析）相结合，用于基因表达分类，同时实现基因排序和生物标志物识别	研究仅基于两个基因表达数据集（GSE36961和GSE57345），样本量有限，可能影响结果的泛化能力	提高基于基因表达数据的急性心肌梗死患者分类准确性，并识别高风险基因	急性心肌梗死患者的基因表达数据	机器学习	心血管疾病	基因表达分析	深度学习, 机器学习	基因表达数据	两个基因表达数据集（GSE36961和GSE57345），具体样本数未明确	NA	NA	准确率, 精确率, 召回率, F1分数, AUC	NA