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
5301	2026-07-03	Analyzing fibrous tissue pattern in fibrous dysplasia bone images using deep R-CNN networks for segmentation 2022, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06519-1 PMID:34867079	研究论文	利用深度R-CNN网络分割纤维异常增生骨图像中的纤维组织模式	提出了结合区域卷积神经网络与线性回归模型的方法，用于纤维异常增生骨图像中纤维组织分割及骨异常程度预测	未说明数据样本量、计算资源及与其他方法的对比，仅报告了自身性能指标	实现纤维异常增生骨图像中纤维组织的自动分割，并预测骨异常水平	纤维异常增生（FD）患者的骨图像	计算机视觉, 数字病理学	骨骼疾病	医学影像分析	区域卷积神经网络（R-CNN）	图像	未提及	NA	R-CNN	准确率, 损失值	未提及
5302	2026-07-03	RE: A Prognostic Predictive System Based on Deep Learning for Locoregionally Advanced Nasopharyngeal Carcinoma 2021-11-29, Journal of the National Cancer Institute DOI:10.1093/jnci/djab098 PMID:34021355	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5303	2026-07-03	A Prognostic Predictive System Based on Deep Learning for Locoregionally Advanced Nasopharyngeal Carcinoma 2021-05-04, Journal of the National Cancer Institute DOI:10.1093/jnci/djaa149 PMID:32970812	研究论文	基于深度学习构建局部晚期鼻咽癌预后预测系统，利用MRI影像和临床数据区分低危患者	首次将3D卷积神经网络与XGBoost结合，基于MRI影像和临床数据构建多中心验证的预后系统，显著优于传统TNM分期系统	未提及具体限制，可能包括样本量有限、数据来源地域局限或模型可解释性不足	开发并验证基于MRI特征的预后系统，以区分局部晚期鼻咽癌低危患者，优化治疗方案	局部晚期鼻咽癌（LA-NPC）患者	机器学习	鼻咽癌	MRI	3D卷积神经网络, XGBoost	图像	3444例局部晚期鼻咽癌患者	NA	3D卷积神经网络, XGBoost	一致性指数（C-index）	NA
5304	2026-07-03	Region of interest-based predictive algorithm for subretinal hemorrhage detection using faster R-CNN 2021, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06098-1 PMID:34421341	研究论文	本文提出一种基于深度学习的预测算法，利用Faster R-CNN检测视网膜下出血，并通过OCT图像实现分类	结合区域卷积神经网络和语义分割技术，提出基于感兴趣区域的预测算法以提升分类准确率，并在测试时间上优于传统CNN、R-CNN和Fast R-CNN	仅使用特定医疗机构的OCT图像和Kaggle数据集进行验证，泛化性可能受限；且样本数量未明确说明，可能影响模型鲁棒性	开发一种能够自动检测并分类视网膜下出血为响应型或非响应型的预测算法	视网膜下出血患者的光学相干断层扫描（OCT）图像	计算机视觉	年龄相关性黄斑变性、糖尿病性黄斑水肿	OCT	Faster R-CNN	图像	未明确说明	NA	Faster R-CNN	灵敏度、特异度、准确率、测试时间	NA
5305	2026-07-03	Ontology: Footstone for Strong Artificial Intelligence 2019-Nov-12, Chinese medical sciences journal = Chung-kuo i hsueh k'o hsueh tsa chih DOI:10.24920/003701 PMID:36578862	会议综述	该文章论述了本体论在推动强人工智能发展中的关键作用，特别是在生物医学领域的应用，并介绍了2019年中国生物医学本体与术语会议	提出本体论可作为实现强人工智能的基石，通过标准化数据、支持语义集成和逻辑表达，解决复杂医学问题的路径	未具体说明本体的实际应用案例或性能评估，仅从理论层面讨论了其重要性	探讨本体论如何助力机器理解数据，从而推动强人工智能在生物医学领域的发展	生物医学本体与术语，以及其在人工智能中的应用	机器学习	NA	本体论	NA	生物医学数据	NA	NA	NA	NA	NA
5306	2026-07-02	Axial length prediction Model based on screening fundus photography data in school-age children 2026-Apr, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110893 PMID:41611113	研究论文	本研究基于学龄儿童筛查眼底照片开发深度学习模型预测眼轴长度	首次利用近乎正常的彩色眼底照片预测儿童眼轴长度，并系统评估年龄、等效球镜和性别等临床变量对模型性能的影响	未明确提及局限性，但可能包括样本仅来自6-10岁儿童、未考虑其他眼部参数以及性别加入导致性能下降的机制不明确	开发基于筛查眼底照片的深度学习模型预测学龄儿童眼轴长度	6-10岁学龄儿童的彩色眼底照片及相关临床数据（年龄、等效球镜、性别）	计算机视觉	近视相关眼病	眼底照相	卷积神经网络	图像	2779名儿童的3840张彩色眼底照片	NA	ResNet101	相关系数R	NA
5307	2026-07-02	Hit identification in ultra large virtual screening: an integrative review and future challenges 2026-Mar, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104616 PMID:41611169	综述	综述超大规模虚拟筛选在靶点发现中的最新策略、平台及未来挑战	系统总结了多种工作流（基于结构、配体、药效团、片段及混合方法）及其在机器学习增强下的进展，并指出评分准确性、资源效率和泛化性等关键挑战	未提供具体实验验证细节和定量比较现有方法的性能	综述超大规模虚拟筛选在命中化合物发现中的现状、平台技术及未来发展方向	超大规模虚拟筛选中的策略、工作流及平台（如VirtualFlow、RosettaVS、Deep Docking、V-SYNTHES）	机器学习	不适用	虚拟筛选	机器学习、深度学习	化学分子数据	涉及数亿至数十亿化合物	不适用	不适用	准确性、资源效率、泛化性	不适用
5308	2026-07-02	Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation 2026-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150581 PMID:41611152	研究论文	本文报道了一种结合深度生成模型和虚拟筛选的整合框架，用于发现靶向IL23/IL23R蛋白-蛋白相互作用的小分子抑制剂，并通过实验验证其机制	利用基于序列附着的片段嵌入（SAFE）深度生成模型设计新型p19靶向骨架，结合虚拟筛选和分子动力学模拟，首次发现了一种通过诱导受体刚性化和变构稳定来锁定IL23/IL23R复合物于非信号传导状态的抑制剂Inh-31	仅对31个候选化合物进行了细胞筛选，样本量较小；未提及长期毒性或体内药效验证；分子动力学模拟时间限于300纳秒，可能不足以完全捕获动态行为	开发一种新的计算方法结合实验验证，以发现靶向IL23/IL23R相互作用的小分子抑制剂，为慢性炎症疾病（如银屑病）提供治疗候选分子	IL23/IL23R蛋白-蛋白相互作用及其小分子抑制剂	机器学习	炎症性疾病（银屑病）	分子动力学模拟	SAFE深度生成模型	分子结构数据	31个候选化合物	NA	SAFE（序列附着片段嵌入）	NA	NA
5309	2026-07-01	Methodological challenges in machine learning and deep learning applied to food analysis: A critical review 2026-Aug-30, Journal of chromatography. A DOI:10.1016/j.chroma.2026.467176 PMID:42314502	综述	对机器学习和深度学习在食品分析中面临的方法论挑战进行批判性评估	系统审查了165项研究并采用色谱案例实验验证，揭示了高折交叉验证及复制样本误用对模型性能的高估问题	仅基于咖啡色谱数据集进行案例验证，可能无法完全代表其他食品分析场景	评估机器学习/深度学习在食品分析中的方法论可靠性及工业可迁移性	食品色谱指纹图谱及色谱联用技术生成的高维数据集	机器学习	NA	色谱指纹图谱, 色谱联用技术	机器学习模型, 深度学习模型	高维色谱数据	165项已发表研究，1个咖啡起源色谱数据集	NA	NA	准确率	NA
5310	2026-07-01	1D domino-like phase transformation enables material programming in 2D MoTe2 2026-Jul-07, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2528037123 PMID:42372145	研究论文	通过深度学习势加速的分子动力学模拟，揭示了单层MoTe2中一维多米诺骨牌式的相变机制，并展示了其在非线性光学响应和电学开关调控中的潜力	首次发现二维材料中一维多米诺骨牌式相变机制，兼具马氏体和重构相变特征，并通过深度学习势分子动力学模拟验证，提供了可调的相变过程控制能力	研究主要基于模拟结果，未提供实验验证相变机制的细节，且可能未探讨其他组分的MoTe2或不同二维材料中的通用性	探索单层MoTe2的相变微观机制并实现材料性能调控	单层MoTe2材料	机器学习	NA	分子动力学模拟, 深度学习势	深度学习势	分子动力学轨迹数据, 模拟数据	NA	NA	深度学习势	NA	NA
5311	2026-07-01	Joint-Shrinkage Pattern Matching for Small-Sample and Imbalanced ERP Decoding in Brain-Computer Interfaces 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3632096 PMID:41223103	研究论文	提出了一种联合收缩模式匹配算法，用于解决脑机接口中小样本和不平衡事件相关电位解码问题	通过联合收缩空间滤波器结合基于收缩的正则化与l_{2,p}范数，在复杂结构化正则化与实现简单性之间架起桥梁，并利用加权模板匹配缓解类不平衡导致的决策边界偏移	未明确说明	解决事件相关电位解码中的数据稀缺和类不平衡挑战，推动从实验室研究向实际应用过渡	基于事件相关电位的脑机接口系统的解码算法	机器学习	NA	事件相关电位解码	联合收缩模式匹配 (JSPM)	脑电图信号	40个不平衡训练样本	NA	联合收缩空间滤波器, 加权模板匹配	平衡准确率 (bAcc)	NA
5312	2026-07-01	Data Augmentation via Digital Twins to Develop Personalized Deep Learning Glucose Prediction Algorithms for Type 1 Diabetes in Poor Data Context 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635264 PMID:41269845	研究论文	提出一种利用数字孪生体进行数据增强的策略，以在数据匮乏的情况下开发1型糖尿病个性化深度学习血糖预测算法	首次将数字孪生体（DT-T1D）用于生成个性化合成数据，以增强深度学习模型在血糖预测中的训练效果，特别是在数据有限的情况下	研究基于12名患者的开源数据集，样本量较小，可能限制模型的泛化能力；此外，数字孪生体的生成和模拟过程可能引入偏差	解决1型糖尿病管理中因数据稀缺而难以训练深度学习血糖预测模型的问题	1型糖尿病患者及其血糖-胰岛素动态数据	机器学习	1型糖尿病	NA	深度学习（未指定具体模型类型）	时序数据（血糖-胰岛素动态数据）	12名患者的数据	NA	NA	NA（摘要中提及性能提升但未给出具体指标）	NA
5313	2026-07-01	Leveraging Rich Mechanical Features and Long-Range Physical Constraints for Lumbar Spine Stress Analysis 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635426 PMID:41269846	研究论文	提出一种结合3D生成对抗网络与双通道视觉Transformer的框架，用于腰椎应力分析，兼具高精度与高效计算	将物理约束机制引入深度学习训练，确保模型与力学原理的一致性；通过生成对抗网络进行数据增强，克服了医学数据依赖性	未提及	提高腰椎生物力学分析的效率与准确性，实现实时分析以辅助诊断、手术规划和个体化治疗	腰椎的生物力学特性，包括椎体、椎间盘等结构	计算机视觉，数字病理学	脊柱疾病	有限元分析	生成对抗网络，视觉Transformer	图像	未提及	PyTorch	3D生成对抗网络，双通道视觉Transformer	交并比，均方误差	NA
5314	2026-07-01	EMI Cancellation for Shielding-Free Ultra-Low-Field MRI 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635911 PMID:41284462	研究论文	针对无屏蔽超低场MRI中的电磁干扰问题，提出一种基于深度学习的主动EMI抑制方法	首次将Transformer与混合注意力机制结合到U-Net架构中实现数据驱动的EMI预测与抑制	未提及具体局限性	开发深度学习主动EMI抑制方法，实现无屏蔽环境下ULF MRI的高质量成像	人体大脑成像数据中的电磁干扰信号	机器学习	NA	超低场磁共振成像	U-Net	磁共振信号	NA	PyTorch	U-Net, Transformer, 混合注意力机制	信噪比, 峰值信噪比, 结构相似性指数	NA
5315	2026-07-01	Computerized Assessment of Motor Imitation for Distinguishing Autism in Video (CAMI-2DNet) 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3637089 PMID:41296941	研究论文	提出了一种基于深度学习的视频运动模仿评估方法，用于区分自闭症谱系障碍个体	提出CAMI-2DNet，一种无需临时数据归一化、清理和人工标注的可解释深度学习方法，利用编码器-解码器结构从视频中分离运动表示与身体形状和视角等干扰因素，并采用合成数据与真实数据训练	未明确说明局限性，可能依赖于合成数据的质量和真实数据的代表性	开发一种可扩展且可解释的计算机化运动模仿评估方法，用于区分自闭症谱系障碍与神经典型个体	自闭症谱系障碍儿童和神经典型儿童的运动模仿视频数据	计算机视觉	自闭症谱系障碍	视频数据	深度学习	视频	未明确说明样本数量，包括真实参与者和合成数据	PyTorch	编码器-解码器架构	与人类评分相关性，区分自闭症与神经典型个体的能力（如AUC、准确率等未明确指定）	NA
5316	2026-07-01	Assessing the Robustness of Deep Learning Based Brain Age Prediction Models Across Multiple EEG Datasets 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3639477 PMID:41329579	研究论文	系统评估基于深度学习的脑年龄预测模型在多个EEG数据集上的鲁棒性	首次在不同脑电图数据集上系统评估深度学习模型的泛化能力，并探索超参数配置对模型性能的影响	未详细说明模型在特定疾病或人群中的适用性，以及潜在的偏倚来源	研究深度学习模型在不同脑电图数据集上的泛化能力，以年龄为预测目标	脑电图数据（EEG）	机器学习, 数字病理学	老年疾病	脑电图（EEG）	深度学习（DL）	时间序列数据（EEG信号）	5个数据集，1805个超参数配置	NA	多种深度学习架构（未具体列出）	皮尔逊相关系数（r）, R²	NA
5317	2026-07-01	Deep Learning-Based Surrogate Model of Subject-Specific Finite-Element Analysis for Vertebrae 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642160 PMID:41364580	研究论文	提出一种基于深度学习的替代模型，用于高效预测椎体应力分布，替代耗时的主体特定有限元分析	整合椎体形状编码并采用分离解码分支处理表面和内部节点，实现高效预测并与FEA结果高度一致	在前下缘和椎弓根区域存在局部预测偏差	开发快速、主体特定的椎体生物力学评估方法，应用于临床工作流	腰椎L1椎体	机器学习	NA	CT扫描	深度学习替代模型（基于CNN）	CT图像	42例真实CT扫描数据经增强生成3960个合成L1椎体	NA	多分支解码网络（表面节点分支+内部节点分支）	平均绝对误差, R平方, 可视化对比	NA
5318	2026-07-01	A century of coffee and tea research in cognitive health and Alzheimer's disease: Structural, thematic, and translational insights (1911-2025) 2026-Jul, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877261450996 PMID:42216624	综述	系统绘制咖啡和茶在认知衰老与阿尔茨海默病研究中的结构、主题和演化全景（1911-2025）	首次以百年时间尺度、统一初级证据框架联合分析咖啡与茶两种饮品，结合文献计量学与可视化工具揭示主题演化及新兴领域（如肠道微生物、深度学习方法）	仅纳入Scopus索引的英文原创文章，可能遗漏非英文文献及灰色文献；检索策略受布尔逻辑限制，部分灰色文献未覆盖	绘制咖啡和茶在认知老化与阿尔茨海默病研究中的结构、主题与时间演化图谱	咖啡和茶对认知健康与阿尔茨海默病影响的原始英文文献	文献计量分析	阿尔茨海默病	NA	NA	文献元数据	2873篇文章（来自1285个来源）	Bibliometrix, VOSviewer	NA	文献产出量、每篇平均引用数（40.17次）、合作网络密度、核心期刊分布等	NA
5319	2026-07-01	Pediatric post-acute sequelae of SARS-CoV-2 infection in Taiwan: Insights from the DISCOVER cohort 2026-Jul, Pediatrics and neonatology IF:2.3Q2 DOI:10.1016/j.pedneo.2026.03.007 PMID:42285845	研究论文	基于DISCOVER队列的台湾儿童SARS-CoV-2感染后遗症研究	通过多模态方法（验证筛查工具、AI诊断、肺功能评估）系统描述台湾儿童PASC的临床特征，并初步探索维生素D干预效果	结果基于单个队列和单中心随机对照试验，需更大规模验证	阐明台湾儿童PASC的临床特征、免疫机制及干预措施效果	台湾儿童SARS-CoV-2感染后遗症患者	机器学习	儿科COVID-19后遗症	脉冲振荡肺功能、深度学习超声心动图	深度学习模型	影像、免疫生物标志物、临床数据	DISCOVER队列儿童患者（具体数量未提及）	NA	深度学习辅助超声心动图模型	NA	NA
5320	2026-07-01	Early diagnosis of Alzheimer's disease through handwriting analysis and deep learning: A review 2026-Jul, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877261446573 PMID:42104715	综述	通过笔迹分析与深度学习实现阿尔茨海默病早期诊断的综述研究	系统整合了笔迹作为神经认知标志物与深度学习方法的交叉应用，提出多模态融合（语音、步态、面部信号）提升检测灵敏度	多数研究样本量小且为单中心设计，缺乏多中心验证和临床转化实践	评估基于笔迹的深度学习模型在阿尔茨海默病和轻度认知障碍早期诊断中的准确性及方法论挑战	阿尔茨海默病和轻度认知障碍患者的笔迹数据（离线图像和在线运动学特征）	机器学习	阿尔茨海默病	数字笔迹采集	卷积神经网络、多模态Transformer融合	图像、时间序列数据	NA	NA	CNN、Transformer	准确率	NA