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
341	2026-06-18	Domain-aware domain-class adaptation network for motor execution to motor imagery EEG classification 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1851006 PMID:42305781	研究论文	提出了领域感知的域类自适应网络用于运动执行到运动想象的脑电信号分类	首次验证了领域自适应在运动执行到运动想象跨任务迁移学习中的可行性，并提出域类自适应网络同时实现域级和类级对齐	未明确提及局限性	解决运动执行到运动想象跨任务迁移学习中未探索的问题，提升运动想象脑电解码性能	运动执行（源域）与运动想象（目标域）脑电信号	机器学习	NA	EEG	DDCA Net	脑电图信号	包含超过100名受试者的公开数据集	PyTorch	DDCA Net	分类准确率	NA
342	2026-06-18	Identification of Antibacterial Hits Associated with Penicillin-Binding Protein 2 in Escherichia coli Using a Comprehensive Property Spectrum and Fivefold Maximum Drug-Likeness Strategy 2026, Drug design, development and therapy DOI:10.2147/DDDT.S595430 PMID:42305821	研究论文	开发并应用五重最大类药策略，优先筛选针对大肠杆菌的抗菌候选化合物	提出基于深度学习的33维属性谱和五重最大类药策略，综合评估抗菌候选物的多重性质	M2的机制、安全性及更广泛适用性需进一步验证	早期抗菌候选物筛选，平衡抗菌活性与可开发性	大肠杆菌中的青霉素结合蛋白2	机器学习	细菌感染	深度学习、分子对接、分子动力学模拟、Bocillin-FL竞争实验	NA	化学分子结构数据	约1600万商业分子筛选，15个候选实验评估	NA	NA	属性谱相似度得分（0.929-0.971）、最低抑菌浓度（MIC）、抑菌圈直径	NA
343	2026-06-18	Advances in AI-based diagnosis of Alzheimer's disease using MRI: a comprehensive survey 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1767090 PMID:42305954	综述	全面评估2000-2025年间利用MRI和人工智能诊断阿尔茨海默症的研究，识别关键限制并展望未来方向	系统总结了限制AI检测阿尔茨海默症临床应用的五大挑战，并提出联邦学习、可解释AI和标准化基准协议等解决方案	研究主要基于现有文献的综合分析，未提出具体的实验验证或新模型	综述基于MRI的AI诊断阿尔茨海默症的研究进展，识别方法论问题并指出未来方向	2000-2025年间的相关研究文献	计算机视觉, 机器学习	阿尔茨海默症	MRI	CNN	图像（MRI）	NA	NA	CNN	准确率	NA
344	2026-06-18	Deep learning and multi-statistical features: an intra-frame forgery detection video method 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1784359 PMID:42305948	研究论文	提出一种利用空间域和压缩域统计特征检测视频拼接伪造的深度学习方法	通过VGG-16模型融合空间域和压缩域的多统计特征，替代传统纹理分析方法，并对JPEG压缩和图像修改引起的视觉失真进行双重分析	NA	检测视频中的拼接伪造操作，提高取证准确性	视频帧的空间域和压缩域特征，用于识别图像区域中的篡改痕迹	计算机视觉	NA	VGG-16深度学习、统计特征提取（MER、MFR、FGM、MOI、MEI）、二维离散余弦变换	CNN	视频帧图像	基于HTVD和GRIP数据集验证	NA	VGG-16	拼接伪造检测准确率	NA
345	2026-06-18	Comparing manual vs. automated machine learning and deep learning models for predicting one-year mortality in elderly hip fracture patients 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1804645 PMID:42305966	研究论文	比较手动优化与自动化机器学习及深度学习模型在预测老年髋部骨折患者一年死亡率中的性能	引入大型语言模型结合树结构管道优化工具的自动化ML流程，并与手动优化模型进行基准比较，为临床风险预测提供更易使用的替代方案	未在外部数据集验证，无法评估模型泛化能力；自动化ML模型解释性可能低于手动优化XGB模型	评估机器学习与深度学习模型在预测老年髋部骨折患者一年全因死亡率中的表现，并探索自动化机器学习方法的临床可行性	2017年1月至2023年11月在以色列Sheba医疗中心接受紧急髋部骨折手术的2,604名老年患者（≥65岁）	机器学习	老年疾病	NA	机器学习模型（如XGBoost）、深度学习模型、自动化ML模型	表格数据（临床、人口学、围手术期及实验室变量）	2,604名老年髋部骨折患者	SMOTE, TPOT	XGBoost, 大语言模型（LLM）	AUC, 准确率, 精确率, 召回率, F1分数, 假阳性率, 真阴性率	NA
346	2026-06-18	Multi-OCT-SelfNet: integrating self-supervised learning with multi-source data fusion for enhanced multi-class retinal disease classification 2026, Frontiers in systems biology DOI:10.3389/fsysb.2026.1717398 PMID:42306243	研究论文	提出一种基于自监督学习与多源数据融合的OCT视网膜疾病分类框架Multi-OCT-SelfNet，提高模型泛化能力	将自监督预训练（掩码自编码器）与多源OCT数据集融合相结合，并采用SwinV2 Transformer骨干网络，有效提升跨数据集和有限数据下的分类性能	未在真实临床多中心数据上验证，且性能依赖于预训练数据源的多样性	解决医学影像数据稀缺和域差异导致的深度学习模型泛化能力不足问题	视网膜疾病多分类任务（源自OCT图像）	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	Transformer（SwinV2）	图像（OCT影像）	三个基准数据集DS1、DS2、DS3（具体样本数未提及）	PyTorch（基于掩码自编码器框架）	SwinV2、ResNet-50（作为基线）	AUC-ROC	NA
347	2026-06-18	Automated deep learning-radiomics pipeline for non-calcified coronary plaque detection using non-contrast calcium score CT 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1794024 PMID:42306590	研究论文	提出一种结合深度学习和影像组学的自动化流程，用于非对比增强钙化积分CT中非钙化冠状动脉斑块的检测	首次将深度学习分割模型与影像组学结合，用于非对比增强钙化积分CT中非钙化斑块的自动化检测，并比较了不同感兴趣区域（冠状动脉、冠状动脉周围脂肪组织及其组合）的模型性能	研究仅针对左前降支和右冠状动脉，未涵盖其他冠状动脉分支；样本量可能有限，模型性能需在更大规模多中心数据中进一步验证	开发并验证一种自动化流程，用于在非对比增强钙化积分CT图像中高效检测左前降支和右冠状动脉的非钙化斑块	非钙化冠状动脉斑块及冠状动脉周围脂肪组织	计算机视觉, 数字病理学	冠状动脉疾病	CT扫描（非对比增强钙化积分）	深度学习分割模型（SegResNet），影像组学模型	CT图像	两个医疗中心的回顾性入组患者，分为病变组和对照组，具体数量未提及	PyTorch	SegResNet	AUC	NA
348	2026-06-18	An explainable deep learning approach for sleep staging in sleep apnea patients across all age subgroups from pulse oximetry signals 2025-Dec-22, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2025.112562 PMID:42306231	研究论文	提出一种基于脉搏血氧信号的可解释深度学习模型POxi-SleepNet，用于对所有年龄亚组阻塞性睡眠呼吸暂停患者进行睡眠分期	首次利用U-Net框架结合可解释人工智能方法对脉搏血氧信号进行四类睡眠分期，并定量解释影响分类的时频特征；在涵盖儿童至老年人的大规模多中心数据集上验证了模型的通用性	仅使用脉搏血氧信号，未结合脑电图等其他生理信号；可解释性分析可能未完全捕捉所有影响睡眠分期的复杂特征	开发并验证一种可解释的深度学习模型，利用脉搏血氧信号对所有年龄亚组的OSA患者进行准确睡眠分期	阻塞性睡眠呼吸暂停患者，包括儿童、青少年、成人和老年人	机器学习	阻塞性睡眠呼吸暂停	脉搏血氧测定	U-Net	信号	17303例睡眠研究数据，涵盖儿童、青少年、成人和老年人	PyTorch	U-Net	准确率, Cohen's kappa	NA
349	2026-06-18	Segmentation of cortical bone, trabecular bone, and medullary pores from micro-CT images using 2D and 3D deep learning models 2025-12, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25633 PMID:39905914	研究论文	利用2D和3D深度学习模型从微型CT图像中分割皮质骨、小梁骨和髓腔孔隙	提出名为BONe（Bone One-shot Network）的卷积神经网络模型，从头训练2D和3D分割模型，比较2D与3D模型在骨显微结构分割中的表现，发现2D模型在细节标注上略优，而3D模型在泛化和平滑内部表面方面表现更好	3D模型计算成本高，限制了其可扩展性和实用性，且模型在不同物种和扫描质量下性能存在差异	开发快速准确的自动骨分割方法，比较2D与3D深度学习模型在显微CT图像中分割皮质骨、小梁骨和髓腔孔隙的效果	水獭长骨的显微CT扫描图像	计算机视觉	NA	显微CT成像	卷积神经网络（CNN）	图像	水獭长骨的显微CT扫描数据，具体样本数量未提及	NA	BONe（定制CNN架构）	分割性能指标（如准确率、Dice系数等）未在摘要中具体说明	NA
350	2026-06-18	Advances in artificial intelligence-based radiogenomics for lung cancer precision medicine 2025-12-01, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae224a PMID:41265027	综述	综述基于人工智能的放射基因组学在肺癌精准医学中的进展	整合医学影像、基因组学和临床数据，实现非侵入性预测关键致癌驱动突变、探索影像特征与基因表达关联、开发预后模型	标准化、全面验证、模型可解释性、种族多样性及多组学数据库构建方面存在挑战	探究放射基因组学在肺癌精准治疗中的临床价值与通用性	肺癌患者的数据（包括医学影像、基因组和临床数据）	机器学习	肺癌	放射基因组学	机器学习、深度学习	医学影像、基因组数据、临床数据	NA	NA	NA	NA	NA
351	2026-06-18	Reinforcement learning-driven deep learning approaches for optimized robot trajectory planning 2025-Oct-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-21664-5 PMID:41162470	研究论文	结合深度强化学习的轨迹规划方法，用于双足行走机器人的最优关节扭矩生成与稳定控制	创新性地将基于深度学习的轨迹规划与深度强化学习控制系统相结合，实现双足机器人在不确定性条件下的自适应稳定行走	未提及实际环境实验验证及算法的泛化能力评估	实现双足机器人稳定行走，同时最大化前进速度、最小化功耗并增强抗扰能力	双足步行机器人的轨迹规划与控制	机器学习	NA	深度强化学习	深度强化学习网络	状态与动作空间数据	NA	NA	NA	稳定性、前进速度、功耗、鲁棒性（质量与长度变化容忍度）	NA
352	2026-06-18	Machine and deep learning applied to medical microwave imaging: a scoping review from reconstruction to classification 2025-10-15, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae0bd3 PMID:40997871	综述	本文综述了机器学习和深度学习在医学微波成像中的应用，重点关注图像重建和分类两个领域	系统梳理了机器学习在微波成像中从重建到分类的全面应用，特别强调了卷积神经网络和支持向量机等算法在图像质量提升和组织分类中的作用，并展望了临床转化潜力	未明确提及具体局限性，但作为范围综述，可能缺乏对算法性能的定量比较或对不同方法的严格验证	评估机器学习和深度学习在医学微波成像中的应用现状，特别是在图像重建和分类中的角色，并探索其临床前景	微波成像技术和机器学习算法在医学图像重建（如增强图像质量）和分类（如区分不同组织类型）中的应用	计算机视觉, 机器学习	乳腺癌, 神经疾病	微波成像(MWI)	卷积神经网络(CNN), 支持向量机(SVM)	医学图像	NA	NA	CNN, SVM	NA	NA
353	2025-09-08	Commentary on: "Diagnosis of lymph node metastasis in oral squamous cell carcinoma by an MRI-based deep learning model" 2025-Oct, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107652 PMID:40914072	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
354	2026-06-18	High-performance identification of insulating materials by using generalized spectrum in laser-induced breakdown spectroscopy 2025-Sep-11, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d5ay01151e PMID:40838327	研究论文	提出了一种基于激光诱导击穿光谱的广义光谱方法，用于高性能识别绝缘材料，显著提升分类准确性	提出广义光谱法（GSM-LIBS），通过整合多个光谱特征（如峰强度、积分强度、强度比、辐射背景和光谱形状）保留全局和局部信息，优于传统PCA方法	未明确说明局限性	实现绝缘材料的高性能识别，减少资源浪费和污染，促进资源回收	七种不同类型的绝缘材料	机器学习	NA	激光诱导击穿光谱（LIBS）	K近邻（KNN）、支持向量机（SVM）、神经网络（NN）	光谱数据	七种绝缘材料的样本，具体数量未在摘要中提供	NA	KNN、SVM、NN	准确率	NA
355	2026-06-18	Advancements in deep learning for image-guided tumor ablation therapies: a comprehensive review 2025-09-04, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/adfeab PMID:40845893	综述	全面回顾深度学习在图像引导肿瘤消融治疗中的应用，涵盖术前、术中和术后各阶段	系统总结了深度学习在IGTA全流程中的创新应用，包括术前图像分割与增强、术中实时导航和术后疗效监测	未提及具体临床验证结果或定量比较不同深度学习方法的效果	探讨深度学习在图像引导肿瘤消融治疗中提升精准性、安全性和患者预后的潜力	图像引导肿瘤消融治疗中的深度学习技术及其在不同治疗阶段的应用	机器学习, 计算机视觉	肿瘤相关疾病	超声、CT、MRI	深度学习模型	医学图像	NA	NA	NA	NA	NA
356	2026-06-18	Predicting Postoperative Prognosis in Pediatric Malignant Tumor With MRI Radiomics and Deep Learning Models: A Retrospective Study 2025-09-01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011466 PMID:40323639	研究论文	开发多模态机器学习模型，整合MRI影像组学、深度学习和临床指标，预测儿童恶性肿瘤患者术后3年无病生存期	首次结合MRI影像组学特征、深度学习特征与临床指标构建多模态融合模型，并采用贝叶斯优化进行参数调整，显著提升预测性能	回顾性研究设计，样本量有限（260例），且仅针对接受R0切除的脑肿瘤患儿，可能限制模型的泛化能力	开发可预测儿童恶性肿瘤术后3年无病生存期的多模态机器学习模型，为个性化治疗提供科学依据	260例接受R0切除的儿童脑肿瘤患者（年龄≤14岁）	数字病理学	儿童恶性脑肿瘤	MRI影像组学, 深度学习	SVM, RF, LightGBM	MRI图像, 临床指标	260例儿童脑肿瘤患者	PyRadiomics, PyTorch	3D ResNet-18	AUC, 敏感性, 特异性	NA
357	2026-06-18	Explainable deep learning algorithm for distinguishing IVIG-Resistant Kawasaki disease in Shandong peninsula, China 2025-08-28, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-025-06082-w PMID:40866882	研究论文	开发可解释的深度学习模型用于区分山东半岛川崎病患者的IVIG抵抗性	首次针对山东半岛川崎病患者建立基于LightGBM的可解释预测模型，用于预测IVIG抵抗性	NA	探索川崎病患者IVIG抵抗性的预测因素，并建立基于深度学习的可解释预测模型	山东半岛的川崎病患者	机器学习	川崎病	NA	LightGBM	表格数据	914名川崎病患者（768名IVIG敏感、146名IVIG抵抗）	LightGBM	LightGBM	AUC	NA
358	2026-06-18	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2025-07, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	使用Fgfr3Y367C/+小鼠模型研究软骨发育不全的胚胎颅软骨缺陷	首次利用深度学习三维分割模型分析Fgfr3突变对胚胎期颅软骨和Meckel软骨的影响，揭示了软骨发育不全的胚胎期颅软骨形态和生长的直接缺陷	仅使用小鼠模型，结果可能不完全代表人类胚胎发育；仅分析两个胚胎时间点（E14.5和E16.5），未涵盖整个发育过程	研究Fgfr3突变对胚胎颅软骨和Meckel软骨发育的影响	Fgfr3Y367C/+小鼠模型及其未受影响的同窝小鼠的胚胎颅软骨和Meckel软骨	计算机视觉	软骨发育不全	磷钨酸增强三维微计算机断层扫描	深度学习三维分割模型	三维图像	E14.5和E16.5胚胎期小鼠样本	NA	三维分割模型（具体架构未提及）	统计显著性差异分析	NA
359	2026-06-18	Entropy-driven deep learning framework for epilepsy detection using electro encephalogram signals 2025-06-21, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.05.003 PMID:40334975	研究论文	提出一种结合高级熵度量与深度学习的癫痫自动检测框架	创新性地将多元变量置换熵和多元变量多尺度模糊熵与残差卷积双向长短期记忆网络相结合，并采用均匀流形逼近与投影进行非线性降维	NA	利用脑电图信号实现癫痫的稳健、准确自动检测	脑电图信号中的癫痫发作模式	机器学习	癫痫	脑电图信号处理	ResNet-Bi-LSTM混合模型	脑电图信号	NA	Python	ResNet, Bi-LSTM	准确率, F1分数, 召回率, 特异性, 精确率	NA
360	2026-06-18	YOLOv11-Based quantification and temporal analysis of repetitive behaviors in deer mice 2025-06-21, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.05.017 PMID:40368233	研究论文	提出基于YOLOv11的自动化系统，用于鹿鼠重复行为的量化与时间动态分析	集成YOLOv11深度学习进行帧级行为分类、回合重建及时间分析套件，绕过传统运动特征工程，实现高通量、客观的长时间行为动态分析	NA	开发并验证基于YOLOv11的自动化行为分析系统，揭示鹿鼠重复行为的时间动态特征	鹿鼠（Peromyscus maniculatus bairdii）的全身行为（如探索、理毛、竖立等）	计算机视觉	运动障碍疾病模型	深度学习	YOLOv11	视频帧	NA	PyTorch	YOLOv11	NA	NA