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
21	2025-12-31	AI-Based Identification of Head Impact Locations, Speeds, and Force Based on Head Kinematics Simulations 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3581171 PMID:40536866	研究论文	本研究提出了一种基于深度学习的模型，用于从头戴式头盔撞击时的头部运动学数据中准确预测撞击方向、速度和力等关键参数	利用LSTM网络处理头部运动学数据，首次实现了从头戴式头盔撞击模拟中预测撞击方向、速度和力分布，并在现场数据验证中显著优于现有方法	模型主要基于模拟数据集开发，未来需要在更多头盔类型和运动场景的大型体内数据集上进行验证，以确认其准确性	开发一种能够从头戴式头盔撞击的头部运动学数据中准确预测关键撞击参数（如方向、速度和力）的深度学习模型，以改进头盔设计和运动安全	头盔撞击下的头部运动学数据（线性加速度和角速度），用于预测撞击方向、速度和力分布	机器学习	NA	有限元模拟，深度学习建模	LSTM	时间序列数据（头部运动学）	模拟数据集：16,000次头盔撞击模拟；现场数据集：79次可清晰识别撞击位置的头部撞击	NA	LSTM	R², 准确率	NA
22	2025-12-31	From Frequency to Temporal: Three Simple Steps Achieve Lightweight High-Performance Motor Imagery Decoding 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3579528 PMID:40536865	研究论文	本研究提出了一种基于脑电图（EEG）的轻量级高性能运动想象解码方法，通过三个简单步骤显著提升解码精度并降低计算复杂度	从频率域分析出发，结合脑科学先验知识调整模型结构，引入残差网络保留高频细节特征，并使用时序卷积模块深度捕获时间依赖性	未明确说明方法在其他EEG数据集或实际应用场景中的泛化能力	开发轻量级高性能的脑电图运动想象解码模型	基于脑电图（EEG）的运动想象信号	机器学习	NA	脑电图（EEG）	CNN	时间序列数据（脑电信号）	BCI Competition IV 2a数据集（22通道）和2b数据集（3通道）	未明确说明	EEGNet, 残差网络, 时序卷积模块	分类准确率	未明确说明
23	2025-12-31	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	本文开发并演示了首个基于深度学习的声光视觉伺服系统，用于实时三维跟踪导管尖端	首次将基于深度学习的点源定位与混合位置-力控制相结合，构建了新型声光视觉伺服系统	推理时间较长（实例分割方法≥516.3毫秒），可能影响实时性；仅在小样本（9次试验）中进行了验证	开发实时三维跟踪手术工具尖端的视觉伺服系统	心脏导管尖端	计算机视觉	心血管疾病	声光成像	深度学习	图像	9次视觉伺服试验（包括体模和活体猪实验）	NA	NA	检测率, 跟踪误差, 推理时间, 接触保持率	NA
24	2025-12-31	Enhancing RNA 3D Structure Prediction: A Hybrid Approach Combining Expert Knowledge and Computational Tools in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70034 PMID:40778521	研究论文	本文介绍了一种结合专家知识与计算工具的混合方法，用于在CASP16挑战中增强RNA三维结构预测	采用模块化工作流整合模板建模与从头预测，并融入实验约束和迭代优化，在CASP16中取得第二名	在预测复杂拓扑结构（如假结和共轴堆积）方面仍面临挑战	提高RNA三维结构预测的准确性和适用性	RNA分子及其三维结构	计算生物学	NA	模板建模、从头预测、深度学习	AlphaFold3, DeepFoldRNA	RNA序列、三维结构数据	CASP16挑战中的多个RNA靶标，包括短于200个核苷酸的目标	NA	NA	均方根偏差（RMSD）, Z-score	NA
25	2025-12-31	Machine Learning in Tuberculosis Research: A Global Bibliometric Analysis of Diagnostic, Prognostic, and Drug Discovery Trends 2026-Jan, Therapeutic innovation & regulatory science IF:2.0Q3 DOI:10.1007/s43441-025-00866-z PMID:40841498	综述	本文对机器学习在结核病研究中的全球文献进行了全面的计量分析，重点关注诊断、预后和药物发现趋势	通过系统的文献计量分析，揭示了机器学习在结核病研究领域的快速增长趋势、国际合作网络及主要研究主题聚类，为未来AI驱动的结核病治疗策略提供指导	分析仅基于Scopus数据库的英文文献，可能未涵盖所有相关研究，且文献计量方法本身存在一定局限性	评估机器学习在结核病研究中的应用趋势，以指导未来的治疗策略和监管科学	全球范围内关于机器学习与结核病（MLTB）的数据驱动出版物	机器学习	结核病	文献计量分析	NA	文献数据	通过Scopus数据库检索至2024年5月1日的相关出版物	Biblioshiny, VOSviewer	NA	平均引用次数（21.64），国际合作比例（40.11%），年增长率（22.12%）	NA
26	2025-12-31	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，通过结合基于物理的采样与基于深度学习的优化策略，预测蛋白质-蛋白质和蛋白质-配体复合物结构的方法	将基于物理的采样（如ClusPro FFT对接和分子动力学）与基于AlphaFold的采样和优化相结合，并引入机器学习置信度模型进行重评分，显著提升了复合物结构预测的准确性	未明确提及方法在特定蛋白质家族或配体类型上的局限性，以及计算资源需求的具体评估	提升蛋白质-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、扩散模型	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	lDDT-PLI	NA
27	2025-12-31	The Role of Artificial Intelligence in Interventional Pulmonology 2026-Jan-01, Journal of bronchology & interventional pulmonology IF:3.3Q2 DOI:10.1097/LBR.0000000000001051 PMID:41468029	综述	本文综述了人工智能在介入肺病学中如何通过提升诊断、手术精度和患者预后，革新该领域	全面总结了AI在介入肺病学多个关键应用中的创新作用，包括肺结节检测、风险分层、机器人辅助支气管镜导航、淋巴结恶性评估以及慢性阻塞性肺疾病表型分析	未提及具体研究数据或模型性能的局限性，主要聚焦于应用潜力和未来挑战	探讨人工智能在介入肺病学领域的应用、影响及未来发展方向	介入肺病学中的诊断工具、手术程序、患者选择及医学教育	医学人工智能	肺癌, 慢性阻塞性肺疾病	机器学习, 深度学习, 影像组学, 机器人辅助支气管镜, 支气管内超声, 细胞病理学	深度学习模型, 机器学习算法	影像数据, CT成像, 肺活量测定数据	NA	NA	NA	NA	NA
28	2025-12-31	Enhanced Informer Network for Stress Recognition and Classification via Spatial and Channel Attention Mechanisms 2025-Dec-31, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500036 PMID:41467573	研究论文	本文提出了一种基于深度学习的增强型Informer网络，通过集成空间和通道注意力机制，用于心理压力的识别与分类	设计了专门的空间注意力机制来优先处理时间敏感的生理信号片段，并利用通道注意力机制动态加权与压力相关的互补特征，从而精确捕捉细微的压力相关模式	仅在单一公开数据集上进行了实验验证，未在更多样化的数据集或真实场景中进行广泛测试	开发一种有效的心理压力自动检测技术	职业环境中的心理压力	机器学习	NA	深度学习	Informer	生理信号	NA	NA	Informer	准确率, 召回率, F1分数	NA
29	2025-12-31	DUDE: deep unsupervised domain adaptation using variable nEighbors for physiological time series analysis 2025-Dec-30, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2231 PMID:41265030	研究论文	提出了一种名为DUDE的深度无监督域适应框架，用于处理生理时间序列分析中的分布偏移问题	引入了一种基于动态邻居选择策略的新型对比损失，根据潜在空间密度自适应确定每个样本的邻居数量	未明确说明模型在极端分布偏移或小样本目标域下的性能限制	解决生理信号分析中源域和目标域分布不完全重叠时的域适应挑战	连续生理信号，如心电图或血氧饱和度数据	机器学习	NA	深度无监督域适应	深度学习	时间序列数据	多个真实世界数据集，涉及不同人口统计、种族、地理和共病条件	NA	DUDE	与基线比较的性能提升百分比	NA
30	2025-12-31	RSR-MSI: Reference-Based Super-Resolution for Mass Spectrometry Imaging of Tissues and Single Cells 2025-Dec-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05933 PMID:41308162	研究论文	提出一种基于参考图像的超分辨率方法（RSR-MSI），利用光学显微镜图像作为参考帧，结合原始质谱成像的离子强度数据，从单张低分辨率质谱图像重建高分辨率图像	首次将基于参考图像的超分辨率方法应用于单细胞质谱成像领域，仅需单张低分辨率质谱图像和参考光学图像即可实现亚细胞级分辨率重建，无需大规模训练数据集或配对图像	未明确说明方法对特定组织类型或细胞状态的适用性限制，也未讨论参考图像与质谱图像配准误差对重建结果的影响	开发高空间分辨率、高通量的质谱成像方法，减少数据采集时间	生物组织和单细胞	计算成像	NA	质谱成像（MSI），光学显微镜	深度学习超分辨率网络	质谱图像，光学显微镜图像	NA	NA	NA	NA	NA
31	2025-12-31	Lightweight residual graph augmented transformer for cassava leaf disease recognition using spectral directional features 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33748-3 PMID:41461849	研究论文	本文提出了一种轻量级残差图增强的图-Transformer网络（Lite-RGA-GTNet），用于基于光谱方向特征的木薯叶病害识别	引入了轻量级残差图增强的图-Transformer网络，结合光谱方向预处理和渐进式令牌剪枝，以联合捕获精细病变纹理和长距离空间关系	未明确提及模型在更广泛环境条件或不同作物病害上的泛化能力	开发一种轻量级深度学习模型，用于木薯叶病害的实时识别，以支持可持续农业实践	木薯叶图像，包括健康和病害样本	计算机视觉	木薯叶病害	光谱方向预处理（包括方向梯度和植被指数图）	图-Transformer网络	图像	基准木薯叶图像数据集，包含五类样本（健康及病害）	NA	Lite-RGA-GTNet（轻量级残差图增强的图-Transformer网络）	准确率, 精确率, 召回率, F1分数	NA
32	2025-12-31	Deep learning in detecting bucket-handle meniscal tears on knee radiographs: Comparison with surgeon interpretations 2025-Dec-30, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001333 PMID:41462401	研究论文	本研究评估了深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的可行性及诊断准确性，并与骨科医生的解读进行了比较	开发了基于复合图像输入的深度学习模型，在检测桶柄状半月板撕裂方面表现优于骨科医生	研究样本主要来自单一机构，外部验证集规模较小，可能影响模型的泛化能力	评估深度学习模型在膝关节X光片上检测桶柄状半月板撕裂的诊断性能	膝关节X光片（包括前后位和侧位视图）	计算机视觉	骨科疾病	X光成像	CNN	图像	来自406名本院患者和90名外部医院患者的膝关节X光片	NA	NA	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值, 精确率, F1分数	NA
33	2025-12-31	Diagnostic accuracy of artificial intelligence-based deep learning models in detecting furcation involvement: A systematic review and meta-analysis 2025-Dec-30, Journal of periodontology IF:4.2Q1 DOI:10.1002/jper.70055 PMID:41466554	系统综述与荟萃分析	本文系统综述并荟萃分析了基于人工智能的深度学习模型在检测牙根分叉病变方面的诊断准确性	首次对深度学习模型在牙科影像中检测牙根分叉病变的诊断性能进行了系统性的定量评估和荟萃分析	纳入研究数量有限（8项），需要更大、更多样化的数据集来减少假阳性并实现安全的临床整合	系统评估深度学习模型在牙科影像中检测牙根分叉病变的诊断潜力	牙科影像（根尖片、全景片、锥形束CT）中的磨牙及其牙根分叉病变	数字病理学	牙周病	牙科影像学（根尖片、全景片、锥形束CT）	深度学习模型	影像	7814张影像，涉及12373颗磨牙	NA	NA	灵敏度，特异度，F1分数，曲线下面积，诊断比值比	NA
34	2025-12-31	A hybrid model for structured illumination microscopy reconstruction using attention mechanism and deep Laplacian pyramid network with Fourier loss 2025-Dec-30, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70057 PMID:41467734	研究论文	提出一种结合注意力机制和深度拉普拉斯金字塔网络的混合模型，用于结构光照明显微镜图像的超分辨率重建	提出Att-SIM-LapSRN混合深度学习框架，首次将注意力U-Net与拉普拉斯金字塔超分辨率网络结合，并引入基于FFT的损失函数，以解决SIM重建中的伪影、噪声和高频细节丢失问题	未提及模型在极低信噪比或极端光照条件下的鲁棒性，也未讨论计算复杂度和实时处理能力	提升结构光照明显微镜在低光条件下的超分辨率成像质量，减少重建伪影并增强高频细节	生物样本的超分辨率显微图像	计算机视觉	NA	结构光照明显微镜	深度学习, 混合模型	图像	使用BioSR数据集（具体样本数量未说明）	未明确说明（可能为PyTorch或TensorFlow）	Attention U-Net, Laplacian pyramid super-resolution network	PSNR, SSIM, 感知质量指标	NA
35	2025-12-31	Explainable deep learning for predicting HER-2 expression in breast cancer: a multicenter study 2025-Dec-30, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851251392501 PMID:41468007	研究论文	本研究开发了一个可解释的深度学习成像框架，用于术前无创预测乳腺癌HER-2表达	结合了基于ResNet的深度学习模型与临床预测因子，构建了一个可解释的、用于无创预测HER-2表达的联合预测框架	回顾性研究，样本量有限（450例），且依赖于多中心数据的一致性	开发一个可解释的深度学习框架，用于术前无创预测乳腺癌HER-2表达，以指导治疗决策	450例经病理证实HER-2状态的乳腺癌患者的磁共振成像数据和临床记录	数字病理	乳腺癌	磁共振成像	深度学习, 机器学习	图像, 临床记录	450例患者（来自四个医疗中心）	NA	ResNet	AUC	NA
36	2025-12-31	AI-driven molecular modeling and design: from property prediction to drug generation 2025-Dec-29, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00745-7 PMID:41460590	研究论文	本文提出了一种名为ME&PP-MG&RC的深度学习框架，用于分子建模与设计，包括属性预测和药物生成	整合了分子编码与属性预测（ME&PP）以及分子生成与真实性分类（MG&RC）组件，提供统一的分子设计管道，实现了精确属性预测、新分子生成和真实性验证	未明确提及模型在更大规模或更复杂数据集上的泛化能力，也未讨论计算成本或实际应用中的潜在挑战	通过深度学习技术推进计算分子设计和药物发现，实现自动化药物候选物识别	分子化合物，特别是针对QM9和ZINC数据集中的分子	机器学习	NA	深度学习，图神经网络	图神经网络	分子结构数据	涉及QM9和ZINC数据集，但未指定具体样本数量	未明确指定，可能为PyTorch或TensorFlow	未指定具体架构，但基于图神经网络模型	平均绝对误差	NA
37	2025-12-31	Interpretable machine learning algorithms for diagnostic prediction of diabetic retinopathy 2025-Dec-29, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329251410736 PMID:41460717	研究论文	本研究提出了一种新颖、标准化且可解释的机器学习框架，旨在提高糖尿病视网膜病变风险预测的诊断效率和准确性	采用动态加权投票集成方法，并结合SHAP进行可解释性分析，以增强模型的临床可信度	未明确提及研究的局限性	开发一种高精度且可解释的机器学习框架，用于糖尿病视网膜病变的诊断预测	糖尿病患者的临床数据	机器学习	糖尿病视网膜病变	机器学习算法	LightGBM, CatBoost, Extreme Random Tree, 集成模型	临床特征数据	未明确提及具体样本数量	未明确提及具体框架	动态加权投票集成	准确率, 灵敏度, AUC	未明确提及计算资源
38	2025-12-31	A High-Efficiency and High-Accuracy Cellular Segmentation Scheme for Imperfect Cytoarchitecture Images 2025-Dec-29, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70110 PMID:41460794	研究论文	本文提出了一种针对不完美细胞结构图像的高效高精度细胞分割方案	针对不完美细胞结构图像，结合图像增强与无需额外训练的Cellpose预训练模型，显著提升了分割精度	NA	开发一种高效且高精度的细胞分割方法，以支持细胞形态学分析和疾病诊断	不完美的细胞结构图像	数字病理学	NA	细胞图像增强，深度学习分割	CNN	图像	NA	NA	Cellpose	IoU, ACC, MCC, Dice	NA
39	2025-12-31	A Fully Automated Multistage Deep Learning System for Lenke Classification: Enhanced Diagnostic Precision in Adolescent Idiopathic Scoliosis 2025-Dec-29, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.01015 PMID:41460944	研究论文	本研究开发并验证了一个用于青少年特发性脊柱侧凸Lenke分型的全自动多阶段深度学习系统	首次提出一个集成了椎骨分割、腰椎椎弓根定位和特征融合模块的全自动端到端Lenke分型系统，实现了高精度的客观分类	研究为回顾性设计，样本主要来自汉族人群，外部验证的普适性有待进一步研究	开发一个自动化系统以减少青少年特发性脊柱侧凸Lenke分型的主观性和观察者间差异	青少年特发性脊柱侧凸患者和健康对照者的全脊柱X光片	数字病理学	青少年特发性脊柱侧凸	X光成像	深度学习	医学影像	650名个体（467名AIS患者，183名健康对照）	NA	Swin-Unet, DeepLabv3+	准确率, F1分数, Dice系数, 组内相关系数	NA
40	2025-12-31	Fuzzy granulation-based wind speed prediction with multi-objective optimization 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28328-4 PMID:41461667	研究论文	本文提出了一种基于模糊粒化和多目标优化的风速预测框架，旨在提高风电预测的准确性和鲁棒性	结合模糊信息粒化技术和多目标优化策略，有效捕捉风速数据的固有特征并降低数据复杂性，通过多种神经网络的自适应集成提升预测性能	未明确说明模型在其他风电场数据集上的泛化能力，且可能依赖于特定数据预处理步骤	提高风速预测的准确性和鲁棒性，以支持可再生能源集成和电网稳定运行	风速数据，特别是来自蓬莱风电场的实际观测数据	机器学习	NA	模糊信息粒化，多目标优化，深度学习	多种神经网络模型	风速时间序列数据	蓬莱风电场数据集	NA	NA	预测准确性，计算效率	NA