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
381	2026-06-07	Deep learning for age estimation from panoramic radiographs: A systematic review and meta-analysis 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105560 PMID:39826609	系统性综述与荟萃分析	评估深度学习在基于全景X线片的年龄估计中的性能	首次通过系统综述和荟萃分析全面评估深度学习在全景X线片年龄估计中的表现，并量化其平均绝对误差	多数研究偏倚风险不明确或较高，研究间性能差异大，限制了临床推广	评估深度学习在全景X线片年龄估计中的准确性	基于深度学习进行年龄估计的研究及其性能指标	机器学习, 数字病理学	NA	深度学习	深度学习模型 (如CNN等未具体说明)	影像 (全景X线片)	纳入42项研究，其中9项用于荟萃分析	NA	NA	准确率, 平均绝对误差	NA
382	2026-06-07	PIDGN: An explainable multimodal deep learning framework for early prediction of Parkinson's disease 2025-03, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110363 PMID:39832626	研究论文	提出一种可解释的多模态深度学习框架PIDGN，用于帕金森病早期预测	融合SNP和sMRI数据设计可解释的深度学习模型，结合集成树降维、Transformer编码器与3D ResNet，并利用门控注意力融合技术探索模态间交互，同时采用SHAP值和Grad-CAM解释模型预测的关键因素	未提及具体局限性	实现帕金森病的早期诊断，辅助医生及时治疗	帕金森病（PD）患者数据	机器学习	神经退行性疾病	SNP分型、sMRI成像	深度学习分类模型	基因数据（SNP）和影像数据（sMRI）	未提及具体样本数量	PyTorch	Transformer编码器、3D ResNet、门控注意力融合	准确率（Accuracy）、AUC（AUROC）	NA
383	2026-06-07	Research of orthodontic soft tissue profile prediction based on conditional generative adversarial networks 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105570 PMID:39864612	研究论文	构建一种新的条件生成对抗网络模型来预测正畸治疗后侧貌变化	提出Soft-P-CGAN模型，融合条件向量输入模块、基于U-Net的生成器模块和基于PatchGAN的判别器模块，并设计Soft loss以增强软组织轮廓生成以及多尺度特征金字塔优化图像质量	下颌区域预测相对不准确	预测正畸治疗后侧貌变化，辅助临床医生设定正畸治疗目标	正畸成人患者的侧位头影X线片	计算机视觉	正畸相关口腔疾病	侧位头影X线成像	条件生成对抗网络	图像	成人患者的正畸前（T1）和正畸后（T2）侧位头影X线片，扩充后按8:1:1随机划分为训练、验证和测试集	NA	U-Net, PatchGAN, Pix2Pix, Cycle-GAN, CGAN	平均径向误差（MRE）、2.0/2.5/3.0/4.0 mm范围内的成功检测率（SDR）	NA
384	2026-06-07	Automated diagnosis and classification of temporomandibular joint degenerative disease via artificial intelligence using CBCT imaging 2025-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105592 PMID:39870190	研究论文	使用人工智能技术实现颞下颌关节退行性关节病的CBCT图像自动诊断与分类	首次利用YOLOv10算法在CBCT图像上自动识别颞下颌关节退行性关节病的多种影像学征象，包括侵蚀、骨赘、硬化和软骨下囊肿	模型对于同时包含多个退行性关节病征象的图像分类准确率较低，且研究仅基于单一中心的CBCT图像数据	开发并验证基于深度学习的颞下颌关节退行性关节病自动诊断与分类方法	颞下颌关节退行性关节病的CBCT影像学征象分类	计算机视觉	颞下颌关节退行性关节病	CBCT成像	YOLOv10算法	图像	1018名患者的7357张标注CBCT图像（3010张正常髁突图像和4347张退行性关节病髁突图像）	NA	YOLOv10	准确率、精确率、灵敏度、特异性、F1分数、平均精度均值	NA
385	2026-06-07	LGS-PPIS: A Local-Global Structural Information Aggregation Framework for Predicting Protein-Protein Interaction Sites 2025-03, Proteins IF:3.2Q2 DOI:10.1002/prot.26763 PMID:39520116	研究论文	提出了一种局部-全局结构信息聚合框架LGS-PPIS，用于预测蛋白质-蛋白质相互作用位点	该框架包含边缘感知图卷积网络（EA-GCN）和集成初始残差与恒等映射的自注意力机制（SA-RIM），分别捕获局部和全局特征，并证明局部特征对PPIS预测作用更显著	现有方法仅考虑节点特征而忽略边特征，且无法捕捉远程残基的全局特征	预测蛋白质-蛋白质相互作用位点，克服湿实验高成本并解决现有深度学习方法特征提取不足的问题	蛋白质-蛋白质相互作用位点（PPIS）	机器学习	NA	NA	图卷积网络（GCN），自注意力机制	蛋白质序列与结构数据	三个广泛使用的PPIS预测基准数据集	NA	边缘感知图卷积网络（EA-GCN），集成初始残差与恒等映射的自注意力机制（SA-RIM）	评估指标未明确列出，但提及优于最先进方法	NA
386	2026-06-07	DeepPhoPred: Accurate Deep Learning Model to Predict Microbial Phosphorylation 2025-02, Proteins IF:3.2Q2 DOI:10.1002/prot.26734 PMID:39239684	研究论文	提出名为DeepPhoPred的深度学习工具，用于预测微生物磷酸化位点	采用双头卷积神经网络架构结合压缩与激励模块，从肽段的结构和进化信息中联合学习特征，显著优于现有预测方法	NA	开发低成本、高速度的计算方法，准确预测微生物磷酸化位点以辅助理解发病机制、宿主病原体相互作用及药物设计	微生物中的磷酸化丝氨酸、磷酸化苏氨酸和磷酸化酪氨酸位点	机器学习	NA	NA	卷积神经网络	肽段序列及其结构信息、进化信息	NA	NA	双头卷积神经网络、压缩与激励模块、全连接层	NA	NA
387	2026-06-07	A Review of Deep Learning Techniques for EEG-Based Emotion Recognition: Models, Methods, and Datasets 2025, F1000Research DOI:10.12688/f1000research.171170.2 PMID:41585461	综述	对基于脑电图信号、利用深度学习进行情绪识别的方法、模型和数据集进行系统性综述	通过PRISMA指南进行系统筛选，涵盖2020-2025年文献，评估公开数据集的刺激过程和情感表征，旨在提升可解释性、泛化性和数据效率	未提及具体局限，但可能包括数据标注主观性、跨个体差异及EEG信号噪声等固有挑战	为基于EEG的情绪识别系统提供发展路线图，指导开发更可靠、可扩展和实用的方法	基于EEG信号的情绪识别方法及其使用的深度学习架构和数据集	机器学习	NA	EEG	深度学习（DL）	脑电图信号	最终纳入233篇文章	NA	NA	分类准确率、模型效率	NA
388	2026-06-07	Infectious disease prediction model based on optimized deep learning algorithm 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1703506 PMID:41613087	研究论文	提出一种基于遗传算法优化双向长短期记忆网络与自回归积分滑动平均模型的混合模型，用于传染病预测	通过遗传算法对BiLSTM和ARIMA模型进行混合优化，构建GA-BiLSTM-ARIMA混合模型，在传染病时序预测中表现出更高的预测精度和稳定性	未明确讨论模型在不同传染病或不同地域数据上的泛化能力，以及计算资源的需求	提高传染病时间序列预测的准确性和鲁棒性，为疫情防控提供支持	COVID-19疫情数据和传染病时间序列预测任务	机器学习	COVID-19	NA	BiLSTM, ARIMA	时间序列数据	日本COVID-19病例数据	NA	GA-BiLSTM-ARIMA	RMSE, MAE, MPE, R²	NA
389	2026-06-07	Study on differentiating benign and malignant thyroid nodules based on CT multi-phase artificial intelligence models 2025, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2025.1738342 PMID:41625234	研究论文	基于CT多期相人工智能模型区分甲状腺结节良恶性的研究	首次系统比较了放射组学特征、原始3D DICOM数据和临床因素在CT多期相成像中区分甲状腺结节良恶性的效果，并构建了整合多模态数据的列线图模型	研究为回顾性设计，样本量有限，且未在外部数据集中验证模型的泛化能力	开发并验证基于CT多期相成像的人工智能模型，用于无创区分甲状腺结节的良恶性	604例甲状腺结节患者的CT多期相数据（平扫、动脉期、静脉期）及临床因素（性别、年龄、甲状腺球蛋白、促甲状腺激素水平）	计算机视觉, 机器学习	甲状腺结节	CT多期相成像	CNN, 机器学习模型	3D DICOM图像, 临床数据	604例甲状腺结节患者	PyTorch, Scikit-learn	ResNet, 列线图	AUC	NA
390	2026-06-07	Bidirectional Encoder Representations from Transformers in Radiology: A Systematic Review of Natural Language Processing Applications 2024-06, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.01.012 PMID:38302036	综述	系统评估BERT在放射学领域自然语言处理应用的影响和现状	首次系统综述BERT在放射学中的应用，涵盖分类、信息提取、协议分配和报告生成等新兴方向	仅检索PubMed数据库，可能遗漏部分文献；纳入研究均为回顾性设计	评估BERT在放射学领域的影响和应用	BERT在放射学中的应用研究	自然语言处理	NA	BERT	BERT	文本	30篇文献	NA	BERT	NA	NA
391	2026-06-07	Unsupervised deep learning model for correcting Nyquist ghosts of single-shot spatiotemporal encoding 2024-04, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29925 PMID:38073072	研究论文	提出一种用于校正单次激发时空编码中的奈奎斯特鬼影的无监督深度学习模型	结合残差编码器和受限子空间映射的无监督网络RERSM-net，利用自旋物理前向模型和循环一致性损失训练	NA	校正单次激发时空编码MRI中的奈奎斯特鬼影	单次激发时空编码MRI图像	机器学习	NA	MRI	无监督深度学习模型	MRI图像	NA	NA	残差编码器与受限子空间映射网络	NA	NA
392	2026-06-07	K-t PCA accelerated in-plane balanced steady-state free precession phase-contrast (PC-SSFP) for all-in-one diastolic function evaluation 2024-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29897 PMID:37927206	研究论文	提出一种基于k-t PCA加速的平面内平衡稳态自由进动相位对比（PC-SSFP）MRI方法，用于一站式评估舒张功能	首次实现单次扫描同时测量舒张功能参数E、A和e'，结合平衡稳态自由进动对比和k-t主成分分析加速技术	仅在10名健康受试者中验证，缺乏在患者群体中的评估；未提及对心律失常等临床常见挑战的处理	开发一种基于MRI的一站式舒张功能评估方法	舒张功能相关的血液流速和组织运动参数	计算机视觉	心血管疾病	MRI相位对比成像	深度学习框架	图像	10名健康受试者	NA	NA	相关系数r	NA
393	2026-06-07	CEST and nuclear Overhauser enhancement imaging with deep learning-extrapolated semisolid magnetization transfer reference: Scan-rescan reproducibility and reliability studies 2024-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29937 PMID:38009996	研究论文	提出一种基于深度学习的半固态磁化转移参考框架（DeepEMR），用于快速、可靠地估算磁化转移对比和化学交换饱和转移信号，并评估其可重复性和可靠性	开发了物理驱动的深度学习外推半固态磁化转移参考框架，通过少量高频偏移Z谱特征快速预测水直接饱和与磁化转移主导信号，相比传统拟合方法实现约190倍的计算效率提升	未提及明显局限性，可能需进一步验证在不同场强和病理类型中的泛化能力	提供快速、可靠的磁化转移对比和化学交换饱和转移信号估算方法，评估其扫描-重扫可重复性和可靠性	数值体模、健康志愿者（3T）和脑肿瘤患者	数字病理	脑肿瘤	磁共振成像（MRI）	神经网络	磁共振Z谱数据	健康志愿者和脑肿瘤患者（具体数量未说明）	NA	神经网络（具体架构未指定）	组内相关系数（ICC）、受试者间变异系数、受试者内变异系数、计算效率	NA
394	2026-06-07	Deep learning-assisted preclinical MR fingerprinting for sub-millimeter T1 and T2 mapping of entire macaque brain 2024-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29905 PMID:37929695	研究论文	开发一种深度学习辅助的快速磁共振指纹成像框架，用于在临床前9.4T磁共振系统上对完整猕猴大脑进行亚毫米T1和T2映射	利用自注意力辅助残差U-Net抑制混叠引起的量化误差，并通过模拟图像进行网络训练，避免获取完全采样数据的困难	未明确指出	实现临床前高分辨率定量MRI的器官级快速成像	离体和在体猕猴大脑	机器学习	无特定疾病	磁共振指纹成像(MRF)	残差U-Net与自注意力机制	磁共振图像	未明确说明样本数量	PyTorch	Residual U-Net, Self-attention assisted Residual U-Net	无明确提及	9.4T临床前磁共振系统
395	2026-06-07	Deep-learning based automated quantification of critical optical coherence tomography features in neovascular age-related macular degeneration 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02720-8 PMID:37670143	研究论文	验证深度学习算法在新生血管性年龄相关性黄斑变性（nAMD）中自动分割视网膜内液体（IRF）、视网膜下液体（SRF）和新生血管性色素上皮脱离（nPED）的性能	提出两种基于深度学习的分割模型（A1和A2），并利用掩膜阅读者分级进行验证，实现了与人工分级相当的自动化分析性能	样本量较小（50名患者），且未明确提及跨种族的验证等潜在限制	评估深度学习算法在nAMD中自动量化关键OCT特征的准确性和可靠性	50名患有渗出性nAMD的患者（50只眼）	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	卷积神经网络	图像	50名患者（50只眼）	NA	NA	曲线下面积、Dice系数、相关系数(R2)	NA
396	2026-06-07	Image quality assessment of retinal fundus photographs for diabetic retinopathy in the machine learning era: a review 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02717-3 PMID:37667028	综述	对机器学习时代用于糖尿病视网膜病变的视网膜眼底照片图像质量评估进行综述	强调了图像质量评估在人工智能模型开发中的重要性，并指出需要清晰、易获取的报告方式	仅检索了20个数据集，且仅8个明确了质量评价标准，信息获取存在挑战	评估公开数据集中糖尿病视网膜病变图像质量评估及质量标准的现状	糖尿病视网膜病变相关公开数据集	计算机视觉	糖尿病视网膜病变	NA	深度学习	图像	20个数据集	NA	NA	NA	NA
397	2026-06-07	Prediction of immunotherapy response in idiopathic membranous nephropathy using deep learning-pathological and clinical factors 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1328579 PMID:38524629	研究论文	利用深度学习结合病理和临床特征预测特发性膜性肾病免疫治疗反应	首次将深度学习训练的病理特征与临床因素结合构建模型，用于预测特发性膜性肾病患者对免疫治疗的反应，并发现病理特征整合模型优于临床特征模型	样本量较小（291例），且模型在验证集上AUC较低（0.77），可能影响泛化能力	建立并验证一种结合病理和临床特征的深度学习模型，以评估特发性膜性肾病患者对免疫抑制治疗的反应	291例特发性膜性肾病（IMN）患者	数字病理学	特发性膜性肾病	全切片病理图像分析	卷积神经网络（CNN）	全切片病理图像和临床数据	291例患者（训练集219例，验证集72例）	NA	CNN	AUC	NA
398	2026-06-07	PET/CT-based deep learning grading signature to optimize surgical decisions for clinical stage I invasive lung adenocarcinoma and biologic basis under its prediction: a multicenter study 2024-01, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06434-7 PMID:37725128	研究论文	基于PET/CT的深度学习分级特征用于优化临床I期浸润性肺腺癌的手术决策及其预测的生物学基础	首次开发基于PET/CT的深度学习分级特征（DLGS）用于个性化治疗临床I期浸润性肺腺癌，并探索其预测下的生物学基础	需要更大规模的国际研究验证其在其他地区的适用性	开发一种基于PET/CT的深度学习分级特征，以个性化手术治疗临床I期浸润性肺腺癌，并探索其预测的生物学基础	临床I期浸润性肺腺癌患者	计算机视觉	肺腺癌	PET/CT	深度学习	图像	来自4个医疗中心的2638名临床I期浸润性肺腺癌患者	NA	NA	AUC	NA
399	2026-06-07	Markerless Motion Tracking With Noisy Video and IMU Data 2023-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3275775 PMID:37171931	研究论文	提出深度学习模型，利用含噪视频和惯性测量单元数据估计人体运动，无需精确标定	无需传感器与身体对齐的繁琐标定流程，模型对传感器错位和摄像头遮挡噪声具有鲁棒性	模型训练使用合成数据，真实场景应用仍需验证	简化临床和家庭环境中人体运动分析的流程，降低成本和操作门槛	人体运动姿态估计（包括行走、跑步、深蹲、坐立等动作）	计算机视觉, 机器学习	神经肌肉骨骼疾病	视频运动捕捉, 惯性测量单元	深度学习模型	视频, 惯性传感器数据	使用标记点运动捕捉数据集生成合成训练数据，测试包含真实动作数据	NA	VideoNet, IMUNet, FusionNet	均方根误差	NA
400	2026-06-07	Autonomous Robotic Ultrasound Vascular Imaging System With Decoupled Control Strategy for External-Vision-Free Environments 2023-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3279114 PMID:37227912	研究论文	提出了一种在无外部视觉环境下自主执行机器人超声血管成像的解耦控制策略	将系统分为外环姿态控制和内环方向控制，分别由深度学习智能体和强化学习智能体独立决策，摆脱了对外部视觉信息的依赖	未提及具体局限	实现机器人在无外部视觉的动态环境中自主超声血管成像	人体手臂血管（不同硬度、曲率和尺寸的志愿者的手臂）	机器人学, 医学影像	血管疾病	超声成像	深度学习模型, 强化学习模型	超声图像	多个志愿者	NA	超声血管分割网络（弱监督）	NA	NA