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
3421	2026-01-03	A Hybrid Model Combining U-Net and Transformers for Joint Segmentation and Beamforming of Plane-wave Ultrasound Images 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.002 PMID:41173661	研究论文	本文提出了一种结合U-Net和Transformer的混合模型，用于同时进行平面波超声图像的波束形成和分割	首次将U-Net和Transformer结合，在一个统一框架中同时实现超声图像的波束形成和分割任务，减少了传统复合成像的依赖	对于≤7毫米的小目标检测精度降低，偶尔会产生虚假包含物，需要改进小目标检测和伪影抑制能力	开发一种能够同时进行超声图像分割和波束形成的深度学习模型，以提升平面波成像的效率和图像质量	计算机模拟数据、包含低回声包含物的物理体模（半径5-10毫米）、50名健康志愿者的颈动脉超声图像	医学影像分析	心血管疾病	平面波超声成像	CNN, Transformer	超声图像	计算机模拟数据、物理体模数据、50名健康志愿者的颈动脉超声图像	NA	U-Net, Transformer	Dice相似系数, 均方误差, 结构相似性指数, 拉普拉斯方差, 广义对比噪声比, 信噪比	NA
3422	2026-01-03	Deep Learning Segmentation and Quantification of the Left Ventricle from the Parasternal Short-Axis View in Echocardiography 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.005 PMID:41188093	研究论文	本研究开发了一种基于深度学习的自动化管道，用于从超声心动图的胸骨旁短轴视图中分割和量化左心室，以提取临床相关的定量测量指标	利用nnU-Net模型自动分割左心室腔和心肌，并基于分割结果自动计算左心室面积、分数面积变化、平均壁厚度和全局周向应变等测量值，实现了与专家标注相当的性能	未明确提及研究的具体局限性，如数据集规模、模型泛化能力或临床验证的深度	开发一种自动化深度学习管道，以从超声心动图的胸骨旁短轴视图中提取临床相关的定量测量，减少测量变异性和时间消耗	超声心动图中的左心室腔和心肌	计算机视觉	心血管疾病	超声心动图	CNN	图像	未明确提及具体样本数量，但提到主题级可行性为90.4%	NA	nnU-Net	Dice系数, 95th percentile Hausdorff距离	NA
3423	2026-01-03	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究提出了一种基于BioBERT的可解释机器学习方法，通过分析非结构化临床文本来检测自闭症谱系障碍，并与黑盒方法进行了比较	引入了一种透明且可解释的机器学习方法，利用BioBERT分析临床文本，并将行为描述映射到诊断标准，同时系统评估了迁移学习中不同训练策略（顺序训练与混合训练）对模型性能的影响	研究仅使用了两个真实世界数据集，模型的泛化能力仍需在更多样化的数据集上进一步验证	开发可解释的AI工具以自动化自闭症谱系障碍的诊断过程	自闭症谱系障碍患者的非结构化临床文本记录	自然语言处理	自闭症谱系障碍	自然语言处理	Transformer	文本	两个不同的真实世界临床文本数据集	NA	BioBERT	灵敏度, 特异性	NA
3424	2026-01-03	Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103323 PMID:41330258	研究论文	本文提出一种基于SE(3)对称变换器模型的方法，用于在腹主动脉瘤表面直接预测局部生长，以改进个性化监测策略	首次使用SE(3)对称变换器模型在血管模型表面直接预测AAA生长，保留了血管表面的解剖结构和几何保真度，避免了参数化形状的局限性	训练数据仅基于24名患者的113次CTA扫描，样本量较小，且外部验证集仅包含7名患者，可能影响模型的泛化能力	开发个性化腹主动脉瘤生长预测方法，以优化临床监测策略	腹主动脉瘤患者及其CTA扫描图像	计算机视觉	心血管疾病	计算机断层扫描血管造影	Transformer	图像	113次CTA扫描，来自24名AAA患者（训练集），以及25次CTA扫描，来自7名AAA患者（外部验证集）	NA	SE(3)-symmetric transformer	中位直径误差，准确率	NA
3425	2026-01-03	QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103322 PMID:41344072	研究论文	提出了一种量子增强神经网络架构（QENNA），用于通过磁共振成像（MRI）进行早期阿尔茨海默病检测	将量子卷积层与经典深度学习结合，并引入量子数据增强策略（如量子生成对抗网络和量子随机游走）来生成高保真合成MRI扫描，以解决训练数据稀缺问题	未明确提及模型在更大规模或更多样化数据集上的泛化能力，以及量子计算资源在实际临床环境中的可及性	提高早期阿尔茨海默病检测的诊断准确性	阿尔茨海默病患者的脑部磁共振成像（MRI）数据	机器学习	阿尔茨海默病	磁共振成像（MRI）	量子增强神经网络	图像	两个公共MRI数据集（具体样本数量未明确）	NA	QENNA（量子卷积层与经典深度学习结合）	准确率, AUC	NA
3426	2026-01-03	Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103334 PMID:41421129	研究论文	本研究开发了一个针对约旦阿拉伯方言患者反馈的语料库JADKHCC，并利用深度学习模型进行情感分析，以评估医疗服务质量	首次创建了专门用于约旦阿拉伯方言患者反馈情感分析的语料库JADKHCC，并比较了多种深度学习模型在阿拉伯语方言数据上的性能	研究主要针对特定医疗中心（KHCC）的约旦阿拉伯方言数据，可能无法直接推广到其他阿拉伯方言或医疗环境	通过情感分析自动化患者反馈，以检测不满、识别未满足需求并推动医疗服务改进	来自侯赛因国王癌症中心（KHCC）的约旦阿拉伯方言患者反馈文本	自然语言处理	癌症	情感分析	CNN, BiLSTM, LSTM, RNN, RNNLSTM	文本	15,812条约旦阿拉伯方言评论	NA	BERT-base-Arabic, Word2Vec, FastText	F1-score	NA
3427	2026-01-03	Deep learning-based prediction of dynamic blood dose estimates for head-and-neck cancer 2026-Jan-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3047 PMID:41429110	研究论文	本研究开发了一种基于深度学习的模型，用于准即时预测头颈癌放疗中动态血液剂量模拟结果	首次提出结合全连接层和Transformer编码器的深度神经网络，实现动态血液剂量模拟的快速预测，克服了传统模拟在治疗计划迭代中时间不可行的限制	研究仅基于157名头颈癌患者的数据，样本量相对较小，且模型尚未在其他癌症类型或更大规模数据集中验证	开发一种准即时预测动态血液剂量模拟结果的方法，以促进放疗治疗计划中纳入血液剂量考虑	157名头颈癌患者的治疗计划CT图像和剂量体积直方图	数字病理学	头颈癌	动态血液剂量模拟（HEDOS）	深度神经网络	图像（CT）、剂量体积直方图	157名患者（126名用于训练和内部验证，31名用于测试）	NA	全连接层, Transformer编码器	Kullback-Leibler散度, 平均绝对百分比误差	NA
3428	2026-01-03	MI-CSBO: a hybrid system for myocardial infarction classification using deep learning and Bayesian optimization 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2382817 PMID:39049553	研究论文	本文提出了一种名为MI-CSBO的混合系统，用于通过深度学习与贝叶斯优化对心肌梗死进行分类	结合了深度残差CNN、贝叶斯优化和NCA特征选择，构建了一个新的混合分类系统，并在ECG数据上实现了100%的诊断准确率	NA	实现对心肌梗死的早期检测和分类	心电图（ECG）信号	机器学习	心血管疾病	谱图方法	CNN	图像（由ECG信号转换的谱图）	来自PTB数据库（PTBDB）的ECG信号数据集	NA	深度残差CNN	正确诊断率	NA
3429	2026-01-03	Arrhythmia detection in inter-patient ECG signals using entropy rate features and RR intervals with CNN architecture 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378105 PMID:39021157	研究论文	本文提出了一种结合熵率特征、RR间期和1D CNN架构的心律失常检测方法，用于处理患者间ECG信号分类	创新性地将熵率特征提取技术应用于ECG信号分类，并融合形态学特征（通过1D CNN自动捕获）与时间特征（RR间期），提升了患者间ECG分类性能	未明确说明模型在更广泛或更复杂临床数据集上的泛化能力限制，以及计算资源需求的具体分析	开发一种高性能的心律失常自动检测方法，以解决患者间ECG信号分类的挑战	心电图（ECG）信号，特别是MIT-BIH心律失常数据集和INCART数据集中的信号	机器学习	心血管疾病	ECG信号分析，特征提取（包括熵率计算和RR间期测量）	CNN	信号数据（ECG波形）	使用MIT-BIH心律失常数据集（具体样本数未明确，但涉及患者内和患者间范式）和INCART数据集进行验证	未明确指定，可能为TensorFlow或PyTorch等深度学习框架	1D CNN	准确率	NA
3430	2026-01-03	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	本文介绍了MULTICOM_ligand，一种基于深度学习的蛋白质-配体结构与结合亲和力预测集成方法，在CASP16中表现优异	提出了结合结构共识排序的无监督姿态排序方法，以及用于联合结构与结合亲和力预测的新型深度生成流匹配模型	未在摘要中明确说明	解决蛋白质-配体结构预测与结合亲和力准确估计的基础性问题	蛋白质-配体复合物	机器学习	NA	几何深度学习，流匹配	深度学习集成模型，生成模型	蛋白质-配体结构数据	NA	NA	流匹配模型	CASP16排名（前5名）	NA
3431	2026-01-03	Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26850 PMID:40452318	研究论文	本文介绍了MULTICOM4系统，通过整合AlphaFold2、AlphaFold3及内部技术，提升了蛋白质复合物结构预测的准确性，并在CASP16中进行了盲测评估	整合了基于Transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合了蛋白质复合物化学计量比预测、多样化的多序列比对生成、建模异常处理以及基于深度学习的蛋白质模型质量评估等内部技术	未明确提及具体局限性	提高蛋白质复合物结构预测的准确性	多链蛋白质复合物（多聚体）	机器学习	NA	多序列比对（MSA）、蛋白质模型质量评估	Transformer, 扩散模型	蛋白质序列和结构数据	NA	NA	AlphaFold2, AlphaFold3	TM-score, DockQ score	NA
3432	2026-01-03	Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3582275 PMID:40553666	研究论文	本文评估了四种超声位移跟踪技术在量化中风后肌筋膜剪切应变中的可靠性，以验证临床假设	提出了一种新的临床假设，即中风后肌筋膜疼痛患者的患侧肩部肌肉间剪切应变低于健侧，并系统比较了四种位移估计算法（包括基于L1和L2范数正则化的优化方法）的可靠性	L1-SOUL-Search方法运行时间较慢，可能影响实时应用	评估超声位移跟踪技术在中风后肌筋膜剪切应变量化中的可靠性，以支持肌筋膜功能障碍的诊断和治疗	十名患有中风后肩部肌筋膜疼痛的研究参与者	医学影像分析	中风后肌筋膜疼痛	超声位移跟踪、T1ρ磁共振成像	NA	超声图像、磁共振图像	10名研究参与者	NA	NA	位移导数均值和方差、视觉检查、定量T1ρ磁共振成像验证	NA
3433	2026-01-03	Contrastive virtual staining enhances deep learning-based PDAC subtyping from H&E-stained tissue cores 2026-Jan, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6491 PMID:41188199	研究论文	本研究提出了一种基于对比学习启发的CycleGAN框架，用于从H&E染色组织切片生成虚拟IHC图像，以增强胰腺导管腺癌（PDAC）亚型分型的准确性	引入了一种新颖的、利用对比学习启发的cycleGAN框架，并在源自连续组织切片的半配对数据集上进行训练，显著提升了基于合成IHC图像的PDAC亚型分型性能	未明确提及具体的研究局限性	开发一种虚拟染色方法，以替代传统劳动密集型的IHC染色，用于PDAC亚型分型，旨在简化诊断流程并提高其稳健性	胰腺导管腺癌（PDAC）组织	数字病理学	胰腺癌	虚拟染色，免疫组织化学（IHC）染色，苏木精和伊红（H&E）染色	GAN	图像	NA	CycleGAN	CycleGAN	F1分数	NA
3434	2026-01-03	Deep learning identifies TP-41 for methylglyoxal scavenging in Alzheimer's treatment 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.111550 PMID:41355970	研究论文	本研究开发了一种名为DeepMGO的深度学习模型，用于预测化合物的甲基乙二醛清除活性，并成功鉴定出候选化合物TP-41，在小鼠模型中验证了其对阿尔茨海默病相关症状的改善作用	首次利用深度学习技术针对甲基乙二醛清除剂进行阿尔茨海默病治疗药物的开发	研究仅在小鼠模型中进行验证，尚未进行人体临床试验	开发深度学习模型以识别具有甲基乙二醛清除活性的化合物，用于阿尔茨海默病治疗	甲基乙二醛清除活性化合物	机器学习	阿尔茨海默病	深度学习	深度学习模型	化学活性数据	660个化合物的2,262个甲基乙二醛清除活性测定数据	NA	DeepMGO	预测性能	NA
3435	2026-01-03	DeepLuAd: Semantic-guided virtual histopathology of lung adenocarcinoma via stimulated Raman scattering 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.125443 PMID:41424851	研究论文	本文开发了一个名为DeepLuAd的AI平台，结合无标记刺激拉曼散射显微镜和语义引导深度学习，用于肺腺癌的自动分级、分割、细胞水平形态化学量化及无监督虚拟H&E染色	通过整合无标记刺激拉曼散射显微镜与语义引导深度学习，实现了肺腺癌组织亚型的形态与生化信息统一分析，无需染色即可进行虚拟H&E染色和定量生化映射	与病理学家诊断的一致性率为76.2%（16/21例），样本量较小，可能限制统计普适性	开发一个AI平台以改进肺腺癌的组织学分级和分析，统一形态和生化信息	肺腺癌组织样本	数字病理学	肺腺癌	刺激拉曼散射显微镜	深度学习	显微镜图像	21例肺腺癌病例	NA	NA	平均交并比, 分级一致性率	NA
3436	2026-01-03	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，团队采用混合计算策略预测蛋白质-蛋白质和蛋白质-配体复合物结构的方法	结合基于物理的采样（如ClusPro FFT对接和分子动力学）与基于AlphaFold的采样和精修，以及将模板方法与机器学习置信度模型集成用于蛋白质-配体对接	NA	提高蛋白质-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	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, ClusPro FFT	lDDT-PLI	NA
3437	2026-01-03	DL-QC-fNIRS: a deep learning tool for automated quality control in functional near-infrared spectroscopy signals 2026-Jan, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.13.1.015001 PMID:41472700	研究论文	本文提出了一种基于深度学习的自动化工具DL-QC-fNIRS，用于功能近红外光谱信号的通道级质量控制	利用连续小波变换时频谱图和受试者特异性心搏频率提取来提高生理特异性，并首次在fNIRS领域应用CNN进行自动化信号质量评估	研究依赖于特定数据集，且工具基于MATLAB平台，可能限制其在其他编程环境中的集成	开发一个自动化、标准化的工具来提升功能近红外光谱信号的质量控制流程	功能近红外光谱信号	机器学习	NA	功能近红外光谱	CNN	图像	两个独立数据集和一个组合异质数据集	NA	GoogLeNet, ResNet-50, SqueezeNet, EfficientNet-B0	准确率, F1分数, 灵敏度, 特异性	NA
3438	2026-01-03	AutoGlom: software tool for segmentation and analysis of magnetic resonance images of the kidney 2026-Jan-01, American journal of physiology. Renal physiology DOI:10.1152/ajprenal.00325.2025 PMID:41264403	研究论文	本文介绍了一款名为AutoGlom的开源软件工具，用于肾脏三维磁共振图像的自动分割、分析和可视化	开发了首个集成了深度学习分割、参数调优和可视化功能的用户友好型开源软件，并引入了新的图像质量指标——肾小球对比度，以提高分析的可靠性	当前版本主要专注于形态学分割和量化，尚未扩展到体内研究或其他成像模态	开发标准化、可重复的定量肾脏MRI分析工具，以加速肾脏成像生物标志物的识别	小鼠肾脏（离体）	数字病理	肾脏疾病	阳离子铁蛋白增强磁共振成像	深度学习	三维磁共振图像	最多可同时成像16个小鼠肾脏	NA	NA	肾小球对比度	NA
3439	2026-01-03	ToothSeg: Robust Tooth Instance Segmentation and Numbering in CBCT using Deep Learning and Self-Correction 2026-Jan-01, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3650444 PMID:41477803	研究论文	本文提出了一种名为ToothSeg的、结合深度学习和自校正技术的全自动方法，用于CBCT图像中的牙齿实例分割与编号	将语义分割与实例分割结合为统一方法，并引入自校正机制以解决牙齿合并或分裂问题，优化牙弓编号序列	未明确说明方法在极端成像伪影或罕见解剖变异上的泛化能力限制	开发一种鲁棒的、全自动的CBCT牙齿实例分割与编号方法，以提升口腔诊断与治疗规划的自动化水平	锥束计算机断层扫描（CBCT）图像中的牙齿	计算机视觉	口腔疾病	锥束计算机断层扫描（CBCT）	深度学习模型	医学影像（CBCT图像）	内部数据集（n=1282，来自25+台设备）和公开数据集ToothFairy2（n=480，来自1台设备）	未明确指定	未明确指定具体架构，但涉及语义分割与实例分割的集成	真阳性Dice系数, 多类实例F1分数	未明确指定
3440	2026-01-03	DeepTESite: The Prediction of Protein Arginine Methylation Sites using Amino Acids Sequence Symmetric Position Encodings Based on Transformer Encoder 2026-Jan-01, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3650228 PMID:41477806	研究论文	本文提出了一种基于Transformer编码器的DeepTESite模型，用于预测蛋白质精氨酸甲基化位点，通过引入氨基酸序列对称位置编码和双向多头注意力机制来提升预测性能	首次提出基于甲基化对称假设的氨基酸序列对称位置编码，以减少位置编码计算量，并应用双向多头注意力机制来提取序列和空间信息特征	未明确说明模型在更广泛蛋白质序列或不同甲基化类型中的泛化能力，以及对称位置编码假设的普适性验证	预测蛋白质精氨酸甲基化位点，以揭示甲基化分子机制	蛋白质氨基酸序列	自然语言处理	NA	深度学习	Transformer	序列数据	NA	NA	Transformer Encoder	准确率	NA