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
5201	2026-02-03	Reduction of motion artifacts from photoplethysmography signals using learned convolutional sparse coding 2026-Feb-02, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35cb PMID:41505906	研究论文	本文提出了一种结合信号分解和深度学习优势的框架，用于减少可穿戴设备中光电容积脉搏波信号的运动伪影	利用算法展开将PPG结构先验知识整合到深度神经网络中，提高了模型的可解释性，并采用学习卷积稀疏编码模型捕获重复形态模式	未明确说明模型在极端运动条件下的泛化能力或临床验证的详细结果	提高可穿戴设备中光电容积脉搏波信号的质量，以支持心血管疾病的监测	光电容积脉搏波信号及其运动伪影	信号处理	心血管疾病	光电容积脉搏波	深度神经网络, 卷积稀疏编码	信号数据	使用PulseDB数据集和PPG-DaLiA数据集，具体样本数量未明确	NA	学习卷积稀疏编码模型	信噪比, 心率平均绝对误差	NA
5202	2026-02-03	EXPRESS: Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra 2026-Feb-02, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261422275 PMID:41622963	研究论文	本文提出了一种卷积自编码器，用于肿瘤细胞和组织拉曼光谱的单步自动化预处理	开发了一种卷积自编码器，能够单步自动化去除拉曼光谱中的基线、噪声和宇宙射线，无需GPU支持，处理速度快	未明确提及模型在更广泛或不同类型肿瘤光谱数据上的泛化能力	开发一种深度学习框架，用于高效自动化预处理肿瘤细胞和组织的拉曼光谱，以支持放疗反应监测研究	临床前单细胞系和异种移植组织光谱，以及临床前列腺肿瘤活检光谱	机器学习	前列腺癌	拉曼光谱	自编码器	光谱数据	约11,000条光谱	未明确提及	卷积自编码器	均方根误差, 百分比均方根差异, 宇宙射线去除率	无需GPU，在2.4秒内处理约11,000条光谱
5203	2026-02-03	Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection 2026-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2426580 PMID:39550608	研究论文	提出一种结合Kruskal-Szekeres生成对抗网络与深度自编码器的方法，用于结直肠癌的早期检测	提出KSGANA-DA模型，首次将Kruskal-Szekeres坐标变换应用于数据增强，并结合基于解剖标志的深度自编码器进行图像分割	未明确说明数据集的具体来源、样本数量及临床验证范围	提高结直肠癌早期检测的准确率和效率	结直肠癌医学图像	数字病理学	结直肠癌	医学图像处理	GAN, Autoencoder	图像	NA	Python	Kruskal-Szekeres GAN Augmented Deep Autoencoder	精确率, 召回率, 训练时间	NA
5204	2026-02-03	ViTBayesianNet: An adaptive deep bayesian network-aided alzheimer disease detection framework with vision transformer-based residual densenet for feature extraction using MRI images 2026-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2435491 PMID:39663578	研究论文	提出了一种结合Vision Transformer残差密集网络和自适应深度贝叶斯网络的阿尔茨海默病检测框架，利用MRI图像进行特征提取和疾病识别	首次将Vision Transformer与残差密集网络结合用于医学图像特征提取，并采用自适应深度贝叶斯网络进行疾病检测，通过增强高尔夫优化算法优化网络参数	未提及模型在不同数据集上的泛化能力测试，也未说明计算复杂度或实时性分析	开发基于深度学习的阿尔茨海默病早期检测方法	阿尔茨海默病患者的MRI图像	计算机视觉	阿尔茨海默病	MRI成像	Vision Transformer, 残差网络, 密集网络, 贝叶斯网络	图像	NA	NA	ViT-ResDenseNet, Ada-DBN	准确率	NA
5205	2026-02-03	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2026-Feb, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	本研究开发了一种基于深度学习的连续睡眠深度测量方法——序数睡眠深度（OSD），并评估了其与觉醒概率及临床变量的相关性	提出了一种数据驱动的连续睡眠深度测量方法，通过卷积神经网络结合序数回归，超越了传统离散睡眠分期的限制	研究基于特定人群的PSG数据，可能无法完全推广到所有人群或睡眠条件	开发并验证一种连续测量睡眠深度的方法，以更精确地评估睡眠质量及其与临床因素的关系	18,116名独特患者的21,787份多导睡眠图记录	机器学习	睡眠障碍	多导睡眠图	CNN	EEG信号	21,787份PSG记录来自18,116名患者	未明确指定，推测为PyTorch或TensorFlow	卷积神经网络	Pearson相关系数	NA
5206	2026-02-03	MRI-based detection of multiple sclerosis using an optimized attention-based deep learning framework 2026-Feb, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2527899 PMID:40616778	研究论文	本文提出了一种名为2DRK-MSCAN的深度学习框架，用于基于MRI数据早期准确检测多发性硬化病灶	开发了结合深度扩散残差核和多尺度蛇形卷积注意力机制的2DRK-MSCAN模型，以提高检测准确性和鲁棒性	临床验证仍在进行中，需要进一步的实际应用测试	开发并评估一种新型深度学习框架，用于早期和准确检测多发性硬化病灶	多发性硬化病灶	计算机视觉	多发性硬化	MRI	CNN	图像	三个公开可用的基于MRI的脑肿瘤数据集	NA	EfficientNetV2L, U-Net	准确率	NA
5207	2026-02-03	Predicting Pharmacological Treatment Response in Migraine Using AI/ML: A Scoping Review of the Evidence and Future Directions 2026-Feb, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70085 PMID:41276479	综述	本文是一篇范围综述，系统评估了人工智能和机器学习模型在预测偏头痛药物治疗反应方面的证据，并指出了当前方法的局限性和未来发展方向	首次系统性地对AI/ML在预测偏头痛药物治疗反应中的应用进行了范围综述，并识别了普遍存在的验证不足和数据瓶颈等关键方法学弱点	现有研究大多仅依赖内部验证，存在高过拟合风险，外部验证极其罕见，且数据集中存在患者队列重叠，完全缺乏生物标志物或遗传数据	评估AI和ML模型在预测偏头痛患者对急性或预防性药物治疗反应方面的证据，并推动精准医疗在偏头痛治疗中的应用	偏头痛患者	机器学习	偏头痛	临床表型分析、神经影像数据	支持向量机、深度学习、概率模型	临床数据、神经影像数据	基于12项符合条件的研究，具体样本量未在摘要中明确说明	NA	NA	预测准确性	NA
5208	2026-02-03	Highly Accelerated T1ρ Imaging in 3 min: Comparison Between Compressed Sensing and Deep Learning Reconstruction 2026-Feb, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70226 PMID:41493163	研究论文	本研究比较了压缩感知和深度学习在膝关节软骨T1ρ成像加速重建中的性能	首次在膝关节软骨T1ρ映射中系统比较压缩感知与深度学习加速重建技术，并评估了前瞻性欠采样数据的重建效果	样本量较小（9名志愿者），且仅针对膝关节软骨进行评估，未涉及其他组织或疾病	比较压缩感知与深度学习在加速磁共振T1ρ成像重建中的性能，以缩短扫描时间	人类膝关节软骨（包括健康志愿者和三名确诊病理患者）	医学影像分析	骨关节疾病	3T MRI扫描，T1ρ映射，DESS成像，3D MAPSS序列，GRAPPA加速采集	深度学习模型（具体架构未明确说明）	磁共振图像	9名志愿者（包括3名确诊病理患者）	NA	NA	中位数归一化绝对差异，一致性相关系数，变异系数	NA
5209	2026-02-03	Deep learning-based lung volume estimation with dynamic chest radiography 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70487 PMID:41611260	研究论文	本研究利用深度学习从动态胸部X光摄影图像中估计肺容积，并与传统线性回归方法进行比较	首次将深度学习模型（VGG19和DenseNet121）应用于动态胸部X光摄影图像进行肺容积估计，相比传统线性回归方法表现出更优性能	深度学习模型估计的用力肺活量误差相对较高，模型架构和呼吸操作指导方面仍有改进空间	研究基于动态胸部X光摄影图像的肺容积估计方法，评估其准确性	257名患者的动态胸部X光摄影图像和对应CT图像	计算机视觉	肺部疾病	动态胸部X光摄影，CT成像	CNN	图像	257名患者	未明确指定	VGG19, DenseNet121	平均绝对误差, 平均绝对百分比误差, 皮尔逊相关系数, 自由度调整决定系数	NA
5210	2026-02-03	Functional and Clinical: An Explainable Deep Learning Model for Multimodal Alzheimer's Disease Classification 2026-Feb, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.71240 PMID:41612899	研究论文	本研究开发了一种结合功能磁共振成像和临床测试的多模态可解释深度学习模型，用于阿尔茨海默病的分类	采用多模态和可解释人工智能方法，通过补充临床数据克服小数据集限制，应用扰动排名解释特征重要性，并采用严格的留一交叉验证防止数据泄露	样本量较小且需要外部验证	提高阿尔茨海默病分类的准确性、可解释性和临床适用性	来自ADNI的52名参与者，包括阿尔茨海默病患者和对照组	数字病理学	阿尔茨海默病	功能磁共振成像	CNN	图像, 临床数据	52名参与者	NA	3D卷积神经网络	准确率	NA
5211	2026-02-03	Assessing the effect of bovine MSTN variants on pre-mRNA splicing 2026-Feb, Animal genetics IF:1.8Q3 DOI:10.1002/age.70073 PMID:41614706	研究论文	本文通过建立全长基因检测系统评估牛MSTN基因变异对前体mRNA剪接的影响，并验证了两种深度学习剪接预测工具的性能	首次建立针对牛MSTN基因的全长基因检测系统，并系统评估了五种错义变异对剪接的影响，同时验证了SpliceAI和Pangolin预测工具在农业遗传学中的应用效果	研究仅针对六种特定MSTN变异进行评估，未涵盖所有已知或潜在变异，且实验验证范围有限	评估牛MSTN基因变异对RNA剪接的功能影响，并验证深度学习剪接预测工具的准确性	牛MSTN基因的剪接变异，包括五种错义变异和一种已知的深度内含子剪接变异	生物信息学	肌肉生长异常	全长基因检测系统，RNA剪接分析	深度学习模型	基因序列数据	六种MSTN基因变异	NA	SpliceAI, Pangolin	预测与实验验证的一致性	NA
5212	2026-02-03	SSDA_AOA: Stacked Sparse Denoising Autoencoder With Archimedes Optimization Algorithm Based Oral Cancer Detection on Histopathological Images 2026-Feb-01, Oral diseases IF:2.9Q1 DOI:10.1111/odi.70210 PMID:41622690	研究论文	本文提出了一种基于堆叠稀疏去噪自编码器和阿基米德优化算法的口腔癌检测框架，用于从组织病理学图像中实现早期诊断	结合NASNet-Large模型提取特征、阿基米德优化算法进行降维和超参数调优，以及堆叠稀疏去噪自编码器进行分类，形成了一种新颖的计算机辅助诊断框架	未提及样本来源的多样性、外部验证集的缺乏以及计算资源的具体需求	开发一种计算机辅助诊断框架，以提升口腔癌的早期检测和分类准确性	口腔癌的组织病理学图像	数字病理学	口腔癌	组织病理学成像	自编码器, 优化算法	图像	NA	NA	NASNet-Large, Stacked Sparse Denoising Autoencoder	准确率, 精确率, 灵敏度, 特异度, F1分数	NA
5213	2026-02-03	Kilometer-scale convection-allowing model emulation using generative diffusion modeling 2026-Jan-30, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adv0423 PMID:41616057	研究论文	本文提出了一种名为StormCast的生成扩散模型，用于模拟公里尺度的对流允许模型（CAM），以预测雷暴和中尺度对流系统的演变	首次成功应用生成扩散模型在公里尺度上模拟高分辨率大气动力学，包括对流集群演变、潮湿上升气流和冷池形态等物理真实过程	模型目前仅使用1小时时间步长进行预测，尚未验证更长时间尺度的预报能力	改进公里尺度区域机器学习天气预测及未来气候灾害动力降尺度	高分辨率快速更新（HRRR）业务对流允许模型（CAM）的模拟	机器学习	NA	生成扩散建模	生成扩散模型	大气状态变量数据	NA	NA	StormCast（基于扩散模型的架构）	1-6小时预报技能评分（针对复合雷达反射率）	NA
5214	2026-02-03	Deep Learning and Noninvasive Sensors for Detecting Physiological Dysregulation: A Scoping Review 2026-Jan-30, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02332-7 PMID:41615529	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5215	2026-02-03	End-to-End Platform for Electrocardiogram Analysis and Model Fine-Tuning: Development and Validation Study 2026-Jan-30, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/81116 PMID:41616241	研究论文	本研究开发并验证了一个名为ExChanGeAI的端到端开源网络平台，旨在简化心电图数据的分析流程和模型微调	提出了一个集成化、用户友好的开源平台，解决了心电图数据格式异构、预训练模型访问受限以及技术流程复杂等主要瓶颈，支持本地计算以确保数据隐私	未明确说明平台在处理极大规模数据集或实时临床部署时的具体性能限制	降低心电图深度学习分析的技术门槛，为临床研究人员和从业者提供易于使用的先进分析工具	心电图数据及其相关的深度学习分析任务	机器学习	心血管疾病	NA	深度学习	心电图信号	使用了3个外部异构验证数据集，包括一个来自常规护理的新整理测试集	NA	多种最先进的心电图深度学习架构	模型泛化能力、资源效率	支持个人计算机部署，并可扩展至高性能计算基础设施，所有计算在本地执行
5216	2026-02-03	A probabilistic deep learning approach for choroid plexus segmentation in autism spectrum disorder 2026-Jan-30, NPP - digital psychiatry and neuroscience DOI:10.1038/s44277-026-00056-1 PMID:41617769	研究论文	本文提出了一种用于自闭症谱系障碍中脉络丛分割的概率深度学习工具ASCHOPLEX，并评估了其在不同年龄组中的泛化能力	开发了一种能够通过患者特定数据进行微调的深度学习工具，并引入了概率方法以量化分割不确定性，从而评估模型置信度	在儿童数据上的准确性下降，表明在没有额外微调的情况下，对不同年龄组的泛化能力有限	开发并评估一种能够准确分割自闭症谱系障碍患者脉络丛的自动化工具，以支持大规模人群分析	自闭症谱系障碍患者和对照参与者的脉络丛	医学影像分析	自闭症谱系障碍	磁共振成像	深度学习模型	图像	本地数据集中的ASD和CON参与者，以及ABIDE数据集中的儿童和成人数据	NA	NA	准确性	NA
5217	2026-02-03	Trustworthy prediction of enzyme commission numbers using a hierarchical interpretable transformer 2026-Jan-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68727-3 PMID:41617688	研究论文	本文提出了一种名为HIT-EC的分层可解释Transformer模型，用于准确且可信地预测酶委员会（EC）编号	采用四层Transformer架构以匹配EC编号的层次结构，结合局部和全局依赖关系进行多标签分类，并提出处理不完整EC编号标注的学习策略，作为证据深度学习模型提供生物学意义的解释方案	未明确提及模型在计算资源需求或特定EC类别泛化能力方面的具体限制	开发一个可信赖的EC编号预测模型，以改善酶功能理解和生物过程分析	酶蛋白序列及其对应的EC编号	自然语言处理	NA	深度学习	Transformer	蛋白质序列（文本数据）	未明确指定具体样本数量，但提及使用大型数据集进行交叉验证和外部数据验证	未明确指定，可能为PyTorch或TensorFlow	分层Transformer（HIT-EC）	未明确列出具体指标，但提及预测性能的统计显著提升	未明确指定
5218	2026-02-03	Performance of Artificial Intelligence Tools in Axial Spondyloarthritis Imaging Assessment: a Systematic Literature Review and Meta-analysis 2026-Jan-30, Joint bone spine IF:3.8Q1 DOI:10.1016/j.jbspin.2026.106036 PMID:41621467	系统综述与荟萃分析	本文通过系统文献综述和荟萃分析，总结了人工智能技术在轴性脊柱关节炎影像评估中的性能表现	首次对AI在轴性脊柱关节炎多种影像模态（MRI、CT、CR）中相对于人类读者的性能进行了全面的系统综述和荟萃分析	研究存在异质性，且AI诊断仍需人类专家以确保临床安全性和准确性	评估人工智能技术在轴性脊柱关节炎影像解读中的性能，并与人类读者进行比较	轴性脊柱关节炎的影像数据，包括磁共振成像、计算机断层扫描和常规X线摄影	医学影像分析	轴性脊柱关节炎	磁共振成像、计算机断层扫描、常规X线摄影	深度学习	图像	33项研究（涉及1033篇参考文献，46篇全文审查）	NA	NA	灵敏度、特异度、准确度、受试者工作特征曲线下面积	NA
5219	2026-02-03	Preoperative Prediction of Prolonged Operative Time in Laparoscopic Ovarian Cystectomy Using Convolutional Neural Network-Extracted Ultrasound Image Features 2026-Jan-30, Journal of minimally invasive gynecology IF:3.5Q1 DOI:10.1016/j.jmig.2026.01.055 PMID:41621701	研究论文	本研究旨在通过结合临床变量和CNN提取的超声图像特征，预测腹腔镜卵巢囊肿切除术中手术时间延长的风险	首次将CNN提取的超声图像特征与传统临床变量结合，用于预测腹腔镜卵巢囊肿切除术的手术时间延长，提高了预测模型的AUC值	研究为单中心回顾性队列研究，样本量有限（247例患者），且CNN特征加入后AUC提升未达到统计学显著性，需要外部验证	预测腹腔镜卵巢囊肿切除术中手术时间延长，以支持术前风险分层和手术资源规划	接受腹腔镜卵巢囊肿切除术的良性卵巢肿瘤患者	计算机视觉	卵巢囊肿	超声成像	CNN	图像	247例患者	NA	NA	AUC	NA
5220	2026-02-03	Deep neural network-based biostatistical analysis for disease marker screening 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34115-y PMID:41611762	研究论文	本文提出了一种基于深度神经网络的新型生物标志物筛选框架，并与传统统计方法进行了比较	设计了一个可扩展的综合模型，用于多组学数据整合并增强模型解释性，结合了注意力机制与SHAP值分析	未明确说明，但可能包括对特定数据集（乳腺癌）的依赖以及模型在其他疾病上的泛化能力有待验证	开发一种更准确、可解释的生物标志物筛选方法，以克服传统统计方法在处理高维小样本数据时的局限性	乳腺癌生物标志物	生物统计学	乳腺癌	单细胞测序	深度神经网络	多组学数据	NA	NA	NA	灵敏度, 准确率, AUC	NA