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
4021	2026-02-20	Regional attention-enhanced vision transformer for accurate Alzheimer's disease classification using sMRI data 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111065 PMID:40945221	研究论文	本研究提出了一种名为区域注意力增强视觉变换器（RAE-ViT）的新型框架，用于利用结构磁共振成像（sMRI）数据对阿尔茨海默病进行分类	引入了区域注意力机制来优先处理疾病关键脑区（如海马体和脑室），并整合了分层自注意力和多尺度特征提取，以同时建模局部和全局结构模式	未来工作将侧重于为边缘设备优化模型、整合多模态数据以及探索自监督和联邦学习，暗示当前模型在部署、数据融合和泛化性方面仍有提升空间	实现阿尔茨海默病的早期和准确诊断	阿尔茨海默病（AD）	计算机视觉	阿尔茨海默病	结构磁共振成像（sMRI）	Vision Transformer（ViT）	图像	1152份sMRI扫描（255例AD，521例MCI，376例NC），来自阿尔茨海默病神经影像学倡议（ADNI）数据集	NA	区域注意力增强视觉变换器（RAE-ViT），标准ViT，ResNet-50	准确率，灵敏度，特异度，AUC，Dice系数	NA
4022	2026-02-20	Automated Remote Detection of Falls Using Direct Reconstruction of Optical Flow Principal Motion Parameters 2025-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s25185678 PMID:41012917	研究论文	本文提出了一种基于光学流主运动参数直接重构的全自动跌倒检测方法，旨在提高检测精度并降低计算成本	通过直接重构主运动参数，避免了计算密集型的光学流全重建，同时提供了有效的描述符以实现精确检测	未明确提及具体样本量或数据集细节，且未来需在资源受限环境中进行优化和深度学习增强	开发一种高效、自动化的跌倒检测技术，适用于医疗保健和辅助技术领域	跌倒检测系统，重点关注视频监控中的运动分析	计算机视觉	老年疾病	光学流分析	NA	视频	NA	NA	NA	检测准确率, 计算效率	NA
4023	2026-02-20	Deep Learning MRI Models for the Differential Diagnosis of Tumefactive Demyelination versus IDH Wild-Type Glioblastoma 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8645 PMID:39788628	研究论文	本文开发了一种基于深度学习的MRI模型，用于区分肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤	首次应用3D DenseNet121架构结合T1C和T2加权MRI图像，通过深度学习模型实现这两种脑部病变的非侵入性鉴别诊断	模型需要进一步验证以评估其在跨机构、患者群体和技术中的泛化能力，且未纳入其他肿瘤病因如中枢神经系统淋巴瘤和脑转移瘤	开发非侵入性方法，准确诊断脑部病变，以指导个体化治疗并降低医源性发病率和死亡率	肿瘤性脱髓鞘患者（144例）和IDH野生型胶质母细胞瘤患者（455例）	医学影像分析	脑部疾病	MRI（磁共振成像）	深度学习	图像	599例患者（144例肿瘤性脱髓鞘，455例IDH野生型胶质母细胞瘤）	NA	3D DenseNet121	AUROC（受试者工作特征曲线下面积），敏感性，特异性	NA
4024	2026-02-20	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	研究论文	本文提出了一种基于卷积神经网络的深度学习框架，用于自动校正18F-flurpiridaz PET心肌灌注成像中的逐帧运动，以提高心肌血流和血流储备定量的准确性	首次将3D ResNet架构应用于18F-flurpiridaz PET的自动运动校正，通过模拟向量进行数据增强以提升训练鲁棒性，并实现了与经验操作者手动校正相当的诊断性能	研究基于单一临床试验（NCT01347710）的数据，样本量相对有限（32个站点），且依赖两名经验操作者的手动校正作为金标准，可能存在主观偏差	开发一种自动、快速且准确的深度学习运动校正方法，以减少18F-flurpiridaz PET心肌灌注成像中手动校正的观察者间变异性和时间消耗	18F-flurpiridaz PET心肌灌注成像数据，来自32个站点的临床试验受试者	医学影像分析	心血管疾病	PET成像	CNN	3D PET图像	来自32个站点的临床试验数据（具体样本数未明确，但使用5折交叉验证）	未明确指定，但基于深度学习框架	3D ResNet	AUC, 95%置信限, 平均差异	NA
4025	2026-02-20	Effective 12-Lead ECG Reconstruction from Minimal Lead Sets Using Deep Learning for Advanced Wearable Systems 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254119 PMID:41336307	研究论文	本研究利用深度学习模型，从仅含三个导联的心电信号中重建标准的12导联心电图，以提升可穿戴设备的心电监测能力	采用通用模型在所有受试者上训练，无需个体化训练，提高了计算效率和泛化能力；探索了多种三导联输入配置与两种网络架构（纯卷积模型和卷积-时序模型）的组合	研究未在病理人群中进行验证，未来需扩展至病理人群	探索从少量导联重建完整12导联心电图的可行性，以增强可穿戴心电设备的诊断能力	从35电极体表电位图中提取的三导联心电信号	机器学习	心血管疾病	体表电位图	CNN	心电信号	未明确说明样本数量，但使用了多受试者的体表电位图数据	NA	纯卷积模型, 卷积-时序模型	中位数R值	NA
4026	2026-02-20	Deep Neural Encoder-Decoder Model to Relate fMRI Brain Activity with Naturalistic Stimuli 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254034 PMID:41336410	研究论文	本文提出了一种端到端的深度神经网络编码器-解码器模型，用于编码和解码自然刺激下的fMRI脑活动	利用时间卷积层处理连续电影帧输入，有效弥合自然电影刺激与fMRI采集之间的时间分辨率差距	NA	探索自然刺激下fMRI脑活动与视觉输入之间的编码-解码关系	视觉皮层及周围体素的脑活动	机器学习和神经科学	NA	功能磁共振成像	编码器-解码器模型	fMRI数据和自然电影刺激	NA	NA	时间卷积层	NA	NA
4027	2026-02-20	Image-based Mandibular and Maxillary Parcellation and Annotation using Computer Tomography (IMPACT): A Deep Learning-based Clinical Tool for Orodental Dose Estimation and Osteoradionecrosis Assessment 2025-Mar-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.18.25324199 PMID:40166584	研究论文	提出一种基于深度学习的自动分割框架，用于在放疗CT图像上精确分割下颌骨、上颌骨子区域及单个牙齿，以支持剂量评估和骨放射性坏死评估	开发了一种新颖的深度学习自动分割框架，结合Swin UNETR和ResUNet模型，首次实现了与ClinRad ORN分期系统对齐的下颌骨/上颌骨子区域及单个牙齿的精确分割，并用于剂量空间定位分析	分割性能在不同子区域间存在差异（如上前磨牙Dice值仅0.69），且对数据中常缺失的牙齿和子区域分割适用性有限	开发一种临床工具，用于口腔颌面结构的自动分割，以支持放疗剂量估计和骨放射性坏死评估	放疗CT图像中的下颌骨、上颌骨子区域（牙槽区与基骨区）及单个牙齿	数字病理学	头颈癌	计算机断层扫描（CT）	深度学习	CT图像	NA	NA	Swin UNETR, ResUNet	Dice系数, 几何精度, 剂量学比较, 统计显著性检验（Bonferroni校正p值）	NA
4028	2026-02-20	Classification of Major Depressive Disorder Using Vertex-Wise Brain Sulcal Depth, Curvature, and Thickness with a Deep and a Shallow Learning Model 2025-Jan-24, ArXiv PMID:39975425	研究论文	本研究使用大脑皮层顶点水平的沟深、曲率和厚度特征，结合深度学习和浅层学习模型，对重度抑郁症患者与健康对照组进行分类	首次在大规模、多中心的ENIGMA-MDD数据集上，系统评估了顶点水平皮层形态特征的整合对MDD分类的效能，并比较了DenseNet与SVM两种非线性与线性模型的性能	仅使用结构MRI的皮层形态特征，分类性能接近随机水平，未能有效区分MDD与健康对照；结果可能受多中心数据异质性影响	探索基于大脑皮层形态特征的机器学习模型对重度抑郁症的诊断分类能力	重度抑郁症患者与健康对照者	神经影像分析	重度抑郁症	结构磁共振成像	DenseNet, SVM	神经影像特征数据	7,012名参与者（2,772名MDD患者，4,240名健康对照），来自30个研究中心	NA	DenseNet	平衡准确率	NA
4029	2026-02-20	AI driven interpretable deep learning based fetal health classification 2024-12, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100206 PMID:39396731	研究论文	本研究提出了一种基于深度学习的胎儿健康分类模型，将胎儿健康分为正常、可疑和病理三类，旨在提高诊断过程的效率和效果	结合可解释性深度学习技术，通过特征重要性和特征显著性分析增强分类器决策的透明度，促进临床信任和采用	NA	利用深度学习改进胎儿健康评估，为早期风险检测提供可靠工具	通过Cardiotocography (CTG)获取的胎儿健康数据	机器学习	NA	Cardiotocography (CTG)	DNN	表格数据	NA	NA	深度神经网络（包含多个隐藏层，并采用批量归一化和Dropout层）	准确率, 灵敏度, 特异性, AUC, 精确率, F1分数	NA
4030	2026-02-20	Automatic sleep staging based on 24/7 EEG SubQ (UNEEG medical) data displays strong agreement with polysomnography in healthy adults 2024-12, Sleep health IF:3.4Q2 DOI:10.1016/j.sleh.2024.08.007 PMID:39406630	研究论文	本文评估了基于双通道皮下脑电图（SubQ）的自动睡眠分期模型U-SleepSQ在健康成人中的性能，并与多导睡眠图（PSG）手动评分进行对比	开发了U-SleepSQ模型，首次在24/7皮下脑电图数据上实现自动睡眠分期，并展示了与PSG金标准的高度一致性	研究样本仅包括22名健康成人，未涉及睡眠障碍患者，且样本量相对较小	评估自动睡眠分期技术在双通道皮下脑电图数据上的性能	健康成年人的睡眠脑电图数据	数字病理学	NA	皮下脑电图（SubQ），多导睡眠图（PSG）	深度学习模型	脑电图（EEG）数据	22名健康成人，每人1-6次记录	NA	U-SleepSQ（基于U-Sleep的微调版本）	Bland-Altman分析，阶段特异性准确率，特异性，敏感性，kappa系数，F1分数，Cohen's κ系数，宏观F1分数	NA
4031	2026-02-20	Prosthesis repair of oral implants based on artificial intelligenc`e finite element analysis 2024-12, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100226 PMID:39638253	研究论文	本文提出了一种基于人工智能有限元分析的口腔种植体修复新框架AI-FEA，用于自动化修复规划	结合AI与FEA，开发了患者特定的3D模型构建、仿真求解和决策支持系统，实现口腔种植体修复的自动化和个性化	未提及具体验证数据或临床实验规模，可能依赖有限的数据集进行训练	自动化并简化口腔种植体修复过程，提高修复效率和个性化治疗水平	口腔种植体系统及其修复策略	数字病理	NA	有限元分析，深度学习，机器学习	深度学习模型，机器学习算法	医学影像数据，如CT或锥形束CT	NA	NA	NA	NA	NA
4032	2026-02-20	CardioGuard: AI-driven ECG authentication hybrid neural network for predictive health monitoring in telehealth systems 2024-10, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100193 PMID:39307457	研究论文	本文提出了一种基于深度学习的ECG身份验证系统CardioGuard，用于远程医疗系统中的预测性健康监测	结合卷积神经网络和长短时记忆网络的混合模型，利用ECG信号进行身份验证，并兼具心血管异常早期迹象的预测功能	未明确提及系统在多样化人群或噪声环境下的鲁棒性评估	开发一种安全且具有预测性的ECG身份验证系统，用于远程医疗	心电图（ECG）信号	机器学习	心血管疾病	ECG信号分析	CNN, LSTM	ECG信号	NA	NA	混合卷积和长短时记忆网络	NA	NA
4033	2026-02-20	Application of Artificial Intelligence in rehabilitation science: A scientometric investigation Utilizing Citespace 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100162 PMID:38971228	研究论文	本研究利用Citespace工具对2002年至2022年间康复科学与人工智能交叉领域的研究进行了科学计量分析	首次运用Citespace对康复科学与人工智能交叉领域进行长达二十年的科学计量分析，识别了九个热点主题、研究前沿及知识基础的演变	分析仅基于Web of Science数据库，可能未涵盖所有相关文献；研究为回顾性分析，未涉及具体技术应用验证	探究人工智能在康复科学领域的应用趋势、研究热点及知识结构演变	Web of Science数据库中2002-2022年康复科学与人工智能交叉领域的学术文献	机器学习	NA	科学计量分析，文献挖掘	NA	文献元数据，文本	2002年至2022年Web of Science数据库中的相关出版物	Citespace	NA	NA	NA
4034	2026-02-20	Bio-inspired deep learning-personalized ensemble Alzheimer's diagnosis model for mental well-being 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100161 PMID:38901762	研究论文	本文提出了一种个性化动态集成卷积神经网络（PDECNN），用于阿尔茨海默病的诊断，该模型能够根据输入样本的独特性构建特定的集成策略	模型能够根据样本脑区退化的差异动态调整感兴趣区域，并基于注意力机制评估特定脑区的退化程度，从而选择并集成脑区特征，实现了针对个体样本的个性化诊断	NA	开发一种能够考虑样本间个性化差异的阿尔茨海默病诊断模型	阿尔茨海默病患者	数字病理学	阿尔茨海默病	NA	CNN	图像	NA	NA	个性化动态集成卷积神经网络（PDECNN）	分类准确率	NA
4035	2026-02-20	Systematic training of table tennis players' physical performance based on artificial intelligence technology and data fusion of sensing devices 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100151 PMID:38796032	研究论文	本研究结合人工智能技术和传感设备数据融合，系统训练乒乓球运动员的身体表现，提升技术动作识别准确率至98.88%	将人工智能物理训练模型与深度学习、卷积神经网络结合，实现智能摄像、多角度播放和3D场景再现功能，增强比赛信息呈现	未明确说明样本规模、数据具体来源或模型泛化能力，可能局限于特定训练环境	通过人工智能技术优化乒乓球运动员的身体训练，提高技术动作识别准确性和观赛体验	乒乓球运动员的身体表现和技术动作	计算机视觉	NA	深度学习, 卷积神经网络	CNN	视频	NA	NA	NA	准确率	NA
4036	2026-02-20	Assessment and classification of COVID-19 DNA sequence using pairwise features concatenation from multi-transformer and deep features with machine learning models 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100147 PMID:38796034	研究论文	本文提出了一种基于多Transformer和深度特征融合的机器学习模型，用于COVID-19 DNA序列的分类与评估	提出了一种新颖的多Transformer深度学习模型和成对特征融合技术，用于DNA序列分类，并结合k-mer和one-hot编码方法	未明确说明模型在跨数据集或实际临床环境中的泛化能力，以及计算资源需求的具体细节	通过深度学习与机器学习方法对COVID-19病毒DNA序列进行分类，以支持病毒基因组分析、疾病检测和药物设计	COVID-19（SARS-CoV-2）病毒的DNA序列	生物信息学	COVID-19	DNA序列转换技术（k-mer编码、one-hot编码）	Transformer, 深度学习模型, 机器学习模型	DNA序列数据	NA	NA	多Transformer模型	NA	NA
4037	2026-02-20	Assessing robustness to adversarial attacks in attention-based networks: Case of EEG-based motor imagery classification 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100142 PMID:38723895	研究论文	本文研究了注意力网络在脑电信号分类中对对抗攻击的鲁棒性	首次系统评估注意力网络在脑电信号分类任务中对对抗攻击的脆弱性	仅使用单一数据集进行评估，未探索更广泛的对抗防御策略	评估注意力网络在对抗攻击下的鲁棒性，以提升脑机接口系统的安全性	基于脑电信号的运动想象分类任务	机器学习	NA	脑电图	注意力网络	脑电信号	使用BCI Competition 2a数据集	NA	注意力网络	准确率, kappa分数	NA
4038	2026-02-20	Slideflow: deep learning for digital histopathology with real-time whole-slide visualization 2024-Mar-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05758-x PMID:38539070	研究论文	本文介绍了Slideflow，一个用于数字病理学的灵活深度学习库，支持多种深度学习方法，并包含实时全玻片可视化界面	Slideflow提供了独特的工具，包括全玻片图像处理、高效染色归一化和增强、弱监督全玻片分类、不确定性量化、特征生成、特征空间分析和可解释性，且框架无关的数据处理管道支持TensorFlow和PyTorch	未在摘要中明确提及具体限制	开发一个支持广泛深度学习方法的数字病理学库，以促进实验和模型部署	数字病理学中的全玻片图像	数字病理学	NA	深度学习	NA	图像	NA	TensorFlow, PyTorch	NA	NA	ARM-based设备（如Raspberry Pi）
4039	2026-02-20	Towards Automatic Cartilage Quantification in Clinical Trials - Continuing from the 2019 IWOAI Knee Segmentation Challenge 2023-Mar, Osteoarthritis imaging DOI:10.1016/j.ostima.2023.100087 PMID:39036792	研究论文	评估深度学习分割方法在骨关节炎临床试验中自动量化软骨损失的适用性	利用IWOAI 2019挑战赛的深度学习分割方法，首次在纵向临床试验中系统评估其量化软骨损失的敏感性	股骨亚区分割的后处理提取方法简单，可能导致敏感性降低	评估深度学习分割方法在标准化纵向单扫描仪临床试验中量化软骨损失的适用性	骨关节炎患者的膝关节MRI图像	数字病理学	骨关节炎	MRI	深度学习分割模型	图像	556名受试者，共1130个膝关节MRI扫描	NA	NA	标准化响应均值	NA
4040	2026-02-20	Exercise-induced calf muscle hyperemia: Rapid mapping of magnetic resonance imaging using deep learning approach 2020-08, Physiological reports IF:2.2Q3 DOI:10.14814/phy2.14563 PMID:32812401	研究论文	本研究提出了一种基于人工神经网络的深度学习方法，用于加速小腿肌肉运动诱导性充血的高分辨率磁共振成像灌注图生成	首次将人工神经网络应用于加速肌肉灌注图的磁共振成像数据处理，相比传统示踪动力学模型拟合显著提高了处理速度	研究样本量相对较小（48次MRI扫描，21名受试者），且主要针对小腿肌肉，可能限制了结果的普适性	加速运动诱导性小腿肌肉充血的磁共振成像灌注图生成过程	健康受试者和外周动脉疾病（PAD）患者的小腿肌肉	医学影像分析	外周动脉疾病	高分辨率磁共振成像（MRI）	人工神经网络（NN）	磁共振图像	48次MRI扫描，来自21名受试者（包括健康者和PAD患者）	NA	人工神经网络	平均绝对误差（MAE），相关系数（R）	NA