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
3321	2026-03-01	Optimizing wearable IMU configurations for running gait analysis: a machine learning-based sensor fusion approach 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1762919 PMID:41757318	研究论文	本研究应用机器学习技术优化可穿戴惯性测量单元配置，通过传感器融合方法减少传感器数量而不牺牲跑步步态分析的准确性	首次系统量化运动链中的信息冗余，通过递归特征消除识别关键信号属性，提出基于生物力学优化的最小最优传感器子集配置	单节点配置无法有效检测步态不对称性，且研究仅针对休闲跑者在跑步机上的三种速度协议，未涵盖户外或不同技能水平跑者	优化可穿戴惯性测量单元配置，降低硬件复杂度同时保持跑步步态分析精度	25名休闲跑者在跑步机上进行三种速度（8、10、12 km/h）的跑步协议	机器学习	NA	惯性测量单元传感器融合，时间域和频率域特征提取	Random Forest, Linear Regression, LSTM	加速度计和陀螺仪原始信号	25名休闲跑者，在三种跑步速度下采集数据	Scikit-learn	Random Forest, Linear Regression, LSTM	R², MAPE	NA
3322	2026-03-01	A multi-scale network for thyroid segmentation and dose assessment in hyperthyroid patients with uncertainty quantification 2025-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.70072 PMID:41126017	研究论文	本研究提出了一种多尺度深度学习模型MSRA-UNet++，用于甲状腺分割和剂量评估，并引入了不确定性量化模块以提高可靠性	首次将不确定性量化模块引入甲状腺功能亢进患者的CT图像分割过程，并结合患者特异性甲状腺体素模型与个体化放射性碘动力学数据评估吸收剂量	未明确说明临床数据集的样本量大小，且代码尚未发布，需等待验证	提高甲状腺功能亢进患者基于MIRD方案的吸收剂量计算的准确性和可靠性	甲状腺功能亢进患者的CT和MR图像	数字病理学	甲状腺功能亢进	CT, MR, 蒙特卡洛模拟	深度学习模型	图像	公开数据集HaN-Seg及临床数据集（具体样本量未明确）	PyTorch（基于代码发布链接推断）	UNet++, MSRA-UNet++	Dice相似系数, Hausdorff距离95%, Jaccard指数	NA
3323	2026-03-01	Clinical insights to improve medical deep learning design: A comprehensive review of methods and benefits 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110780 PMID:40782553	综述	本文全面回顾了医学深度学习设计中融入临床洞察的方法及其益处	系统性地调查了临床知识在深度学习设计各阶段的应用，特别是在三维CT图像数据中的整合方法	NA	探讨如何通过临床洞察提升医学深度学习模型的性能与可信度	三维CT图像数据及临床诊断过程	计算机视觉	NA	NA	深度学习模型	三维CT图像	基于400篇研究文章的调查，其中47篇详细分析	NA	NA	准确性、鲁棒性、可解释性	NA
3324	2026-03-01	Safe Breast Cancer Diagnosis Resilient to Mammographic Adversarial Samples 2025-Sep, Artificial Intelligence and Imaging for Diagnostic and Treatment Challenges in Breast Care : first Deep Breast Workshop, Deep-Breath 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, Proceedings. Deep-Bre... DOI:10.1007/978-3-031-77789-9_23 PMID:41756191	研究论文	本研究提出了一种新颖的对抗鲁棒特征学习方法，用于构建对对抗样本具有弹性的乳腺癌诊断模型	提出了一种结合特征相关性度量的对抗鲁棒特征学习方法，以促进对抗训练，鼓励学习鲁棒特征并抑制虚假特征	仅使用了两个独立临床数据集，可能需要在更广泛的数据集上进行验证	开发对对抗样本具有弹性且对标准数据保持准确的深度学习模型，以实现安全的乳腺癌诊断	乳腺X线摄影图像	计算机视觉	乳腺癌	NA	深度学习模型	图像	9,548张乳腺X线摄影图像	NA	NA	NA	NA
3325	2026-03-01	Deep Learning of Suboptimal Spirometry to Predict Respiratory Outcomes and Mortality 2025-Jun-30, Research square DOI:10.21203/rs.3.rs-6296752/v1 PMID:40630516	研究论文	本研究开发了一种基于对比学习的深度学习模型Spiro-CLF，利用次优肺活量测定数据预测呼吸系统结局和死亡率	首次提出利用次优（包括质量控制失败和次最大）肺活量测定努力进行呼吸结局预测，通过对比学习框架整合所有记录数据	需要进一步研究在特定临床场景中的性能和实用性	探索机器学习模型是否能够基于次优肺活量测定数据预测呼吸系统结局和死亡率	英国生物银行（UK Biobank）和COPDGene队列的参与者，年龄40-80岁，有吸烟史	机器学习	呼吸系统疾病	肺活量测定（spirometry）	深度学习，对比学习	原始肺活量图（体积-时间曲线）	352,684名UK Biobank参与者（940,705条曲线）和10,110名COPDGene参与者	NA	Spiro-CLF（基于肺活量图的对比学习框架）	AUROC（曲线下面积），一致性指数（concordance index）	NA
3326	2026-03-01	Safe-by-Design Strategies for Intranasal Drug Delivery Systems: Machine and Deep Learning Solutions to Differentiate Epithelial Tissues via Attenuated Total Reflection Fourier Transform Infrared Spectroscopy 2025-Mar-14, ACS pharmacology & translational science IF:4.9Q1 DOI:10.1021/acsptsci.4c00643 PMID:40109738	研究论文	本研究结合ATR-FTIR光谱与机器学习和深度学习技术，有效区分鼻至脑上皮组织，为鼻内药物递送系统开发安全设计模型	首次将ATR-FTIR光谱与ML/DL结合用于区分鼻上皮组织，并引入SHAP值分析解释模型决策，构建去噪自编码器提升光谱质量	研究基于离体猪组织实验，可能无法完全反映体内复杂生理环境，样本量未明确说明	开发鼻内药物递送系统的安全设计监测策略	嗅觉上皮、呼吸上皮和气管组织	机器学习	NA	衰减全反射傅里叶变换红外光谱	前馈神经网络, 支持向量机, 自编码器	光谱数据	NA	NA	前馈神经网络, 去噪自编码器	准确率, 灵敏度, 特异性, F1分数, 皮尔逊相关系数	NA
3327	2026-03-01	Feature-Based Audiogram Value Estimator (FAVE): Estimating Numerical Thresholds from Scanned Images of Handwritten Audiograms 2025-Feb-27, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02146-7 PMID:40011323	研究论文	本研究开发了一种基于机器学习的模型FAVE，用于从手写听力图的扫描图像中估计数值阈值	首次提出基于滑动窗口和聚合通道特征的单类物体检测器，专门用于手写听力图的数值提取，相比预训练的深度学习方法在特定测试集上表现更优	数值阈值估计的准确性有待提高，仅78.3%的估计无误差，且符号和轴刻度标签检测存在局限性	开发机器学习模型以从手写听力图图像中自动提取数值阈值，促进公共卫生研究中的数据可访问性	手写听力图的扫描图像	计算机视觉	老年疾病	纯音听力测定	物体检测器	图像	556份手写听力图，来自一项年龄相关性听力损失的纵向队列研究	NA	基于聚合通道特征的滑动窗口单类物体检测器	召回率, 精确率, 误差率	NA
3328	2026-03-01	FedPneu: Federated Learning for Pneumonia Detection across Multiclient Cross-Silo Healthcare Datasets 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056333970241212132150 PMID:39757652	研究论文	本文提出了一种基于联邦学习的肺炎检测模型FedPneu，利用多客户端跨机构医疗数据集进行早期肺炎检测	采用联邦学习框架构建隐私保护的肺炎检测模型，解决了传统深度学习模型在集中式系统中面临的数据隐私泄露风险	未明确说明模型在更大规模或更复杂数据集上的泛化能力，且仅基于X射线图像进行验证	开发一种隐私保护的肺炎检测模型，以提高医疗数据安全性并改善预测结果	肺炎的早期检测	计算机视觉	肺炎	X射线成像	深度学习模型	图像	未明确说明具体样本数量，但涉及多客户端跨机构数据集	未明确指定，但可能基于PyTorch或TensorFlow等框架	未明确指定具体架构，但为基于联邦学习的深度学习模型	准确率, 损失, 计算时间	未明确说明具体计算资源
3329	2026-03-01	Attention-aware Deep Learning Models for Dermoscopic Image Classification for Skin Disease Diagnosis 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056332443241129113146 PMID:40259872	研究论文	本研究提出了一种结合注意力机制的深度学习模型，用于皮肤镜图像的多分类，以辅助皮肤疾病的诊断	将通道注意力和空间注意力机制集成到预训练的CNN架构中，以增强模型对皮肤镜图像关键区域的关注，从而提高分类准确性	NA	利用深度学习技术分析皮肤镜图像，实现对皮肤疾病的准确预测和诊断辅助	皮肤镜图像中的皮肤病变	计算机视觉	皮肤疾病	NA	CNN	图像	NA	NA	RegNetX, EfficientNetB3, VGG19, ResNet-152	准确率	NA
3330	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
3331	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
3332	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
3333	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
3334	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
3335	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
3336	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
3337	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
3338	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
3339	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
3340	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