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
5781	2026-01-24	The Second Skin: A Wearable Sensor Suite That Enables Real-Time Human Biomechanics Tracking Through Deep Learning 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3589996 PMID:40668712	研究论文	本研究开发了一种名为'第二皮肤'的可穿戴传感器套装，结合深度学习模型，实现了对人体下肢关节运动学和动力学的实时精确估计	提出了一种任务无关、用户无关的通用传感方法，利用IMU和压力鞋垫套装收集数据，并通过深度学习模型实现对新用户和新任务的泛化能力	研究样本量较小（N=10），且任务范围主要限于建筑和危险废物清理场景，可能限制了模型的广泛适用性	研究一种能够实时精确估计人体下肢关节状态的方法，以推动生物力学研究并应用于生物反馈和可穿戴机器人控制	人体下肢关节（下背部、髋关节、膝关节、踝关节）的运动学和动力学参数	机器学习	NA	惯性测量单元（IMU）、压力鞋垫传感	深度学习模型	传感器数据（IMU和压力数据）	10名参与者，涵盖33种常见任务	NA	NA	均方根误差（RMSE）	NA
5782	2026-01-24	BDEC: Brain Deep Embedded Clustering Model for Resting State fMRI Group-Level Parcellation of the Human Cerebral Cortex 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3590258 PMID:40674200	研究论文	本文提出了一种基于深度学习的静息态功能磁共振成像（rs-fMRI）的群体水平大脑分区方法，旨在减少先前方法的模型假设	开发了Brain Deep Embedded Clustering（BDEC）模型，采用专门设计的损失函数以最大化类间分离和增强类内相似性，从而促进功能一致的大脑区域形成	NA	开发一种稳健的群体水平大脑分区方法，用于大脑网络分析和rs-fMRI数据的降维	人类大脑皮层	机器学习	NA	静息态功能磁共振成像（rs-fMRI）	深度聚类模型	图像（rs-fMRI数据）	NA	NA	Brain Deep Embedded Clustering（BDEC）	功能同质性指标、分区有效性、下游任务表现、任务异质性、泛化能力	NA
5783	2025-09-15	A novel deep learning framework for the diagnosis of erythematosquamous lesions using whole slide histopathologic images 2026-Feb, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2025.09.010 PMID:40945744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5784	2026-01-24	Deep Learning Denoising Algorithm for Improved Assessment of Coronary Arteries in Transcatheter Aortic Valve Implantation CT Imaging 2026-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.030 PMID:41206269	研究论文	本研究评估了一种基于深度学习的降噪算法在经导管主动脉瓣植入术前CT成像中，对冠状动脉图像质量和诊断准确性的影响	应用深度学习降噪技术于TAVI术前CT成像，显著提升了冠状动脉评估的图像质量，同时保持了诊断准确性	研究为回顾性设计，且未明确说明深度学习算法的具体架构或训练细节	评估深度学习降噪技术对TAVI术前CT冠状动脉图像质量及诊断准确性的影响	200名患有严重主动脉瓣狭窄并接受TAVI术前CT扫描的患者	医学影像分析	心血管疾病	CT成像	深度学习降噪算法	CT图像	200名患者，共分析800条血管和1787个节段	NA	NA	信噪比, 对比噪声比, 噪声水平, AUC, 准确率, 灵敏度, 特异性	NA
5785	2026-01-24	Deep Learning in Vertebral Fracture Detection: Systematic Review and Meta-analysis of Subject- vs. Vertebra-Level Approaches 2026-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.023 PMID:41353070	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习在椎体骨折检测中主体层面与椎骨层面方法的性能差异	首次在椎体骨折检测领域区分主体层面与椎骨层面深度学习方法的性能，并量化关键技术和数据因素对模型表现的影响	纳入研究的方法学质量存在差异，61%的研究存在患者选择偏倚的高风险，且外部验证会降低敏感性	评估深度学习算法在椎体骨折检测中的性能，为临床任务选择提供证据指导	椎体骨折检测的深度学习算法	医学影像分析	椎体骨折	深度学习	深度学习模型	图像	36项研究，涉及96,956名患者和171,552张图像	NA	NA	敏感性, 特异性, AUC	NA
5786	2026-01-24	Deep Laplacian Coordinates: End-to-end deeply guided anisotropic diffusion for COVID-19 pulmonary lesion segmentation 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111431 PMID:41483693	研究论文	本文提出了一种名为Deep Laplacian Coordinates Neural Network (DLCNN)的新框架，用于COVID-19肺部病变分割，通过结合深度边界检测、各向异性扩散和种子驱动标注来解决数据稀缺和病变外观多样性的挑战	整合深度边界学习与种子驱动各向异性扩散模型，利用拉普拉斯坐标扩散器实现全局最优、鲁棒边界描绘和方向自适应扩散，在边界模糊情况下仍能准确捕获病变	未明确提及具体的数据集规模或计算资源限制，可能依赖于标注数据的可用性	开发一种灵活且准确的肺部病变分割方法，以应对COVID-19相关病变的多样性和低对比度挑战	COVID-19引起的肺部病变在计算机断层扫描(CT)图像中的分割	计算机视觉	COVID-19	深度边界检测、各向异性扩散、种子驱动标注	深度神经网络	图像	NA	NA	Deep Laplacian Coordinates Neural Network (DLCNN)	定量和定性分析	NA
5787	2026-01-24	Coronary artery segmentation in non-contrast calcium scoring CT images using deep learning 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111421 PMID:41483696	研究论文	本文提出了一种基于深度学习的算法，用于在多厂商ECG门控非对比心脏CT图像中分割冠状动脉	提出了一种用于非对比钙化评分CT图像中冠状动脉分割的深度学习算法，并引入了一种通过图像配准进行半自动生成Ground Truth的新框架	研究主要基于多厂商ECG门控非对比心脏CT图像，可能在其他类型的非对比CT图像上泛化能力有限	解决非对比CT图像中冠状动脉精确分割的研究空白，提高钙化评分和心脏病理评估的准确性	冠状动脉	数字病理学	心血管疾病	CT成像	深度学习模型	医学图像（CT扫描）	NA	AutoML	NA	Dice系数, clDice	NA
5788	2026-01-24	Reliable leukemia detection via transfer-enhanced Bayesian CNNs 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111419 PMID:41485393	研究论文	本研究提出了一种结合迁移学习、数据增强和不确定性量化的贝叶斯深度学习框架，用于从外周血涂片图像中稳健分类白血病和健康淋巴细胞	将迁移学习、数据增强与蒙特卡洛丢弃法结合的贝叶斯深度学习框架，用于白血病检测，并引入不确定性分析以识别需专家复核的病例	仅使用ALL-IDB2数据集，数据量有限；InceptionV3模型对数据增强的敏感性较低，鲁棒性相对较差	开发可靠的白血病检测深度学习模型，提高临床环境中的预测可信度	急性淋巴细胞白血病（ALL）和健康淋巴细胞的外周血涂片图像	数字病理学	白血病	图像分析	CNN	图像	ALL-IDB2数据集（具体样本数未明确说明）	TensorFlow, PyTorch, Keras（未明确指定，但基于常用框架推断）	InceptionV3, VGG16, ResNet50	准确率, 灵敏度, 特异度, Youden指数, Brier分数	NA
5789	2026-01-24	Deep generative models for vessel segmentation in CT angiography of the brain 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111432 PMID:41494368	研究论文	本文提出了一种用于脑部CT血管造影中血管分割的无监督生成深度学习半监督方法	提出了一种基于条件生成对抗网络的半监督方法，通过生成对比图实现血管分割，并引入基于3D Frangi滤波器的损失函数以增强管状结构	半监督方法的Dice相似系数比监督方法低4%，假阳性率较高	开发一种无需大量手动标注的脑部CT血管造影血管自动分割方法	脑部CT血管造影图像中的颅内血管	计算机视觉	NA	CT血管造影，非对比增强CT	GAN	3D医学图像	908个未标记的脑部CT血管造影和非对比增强CT图像，外加9个带手动标注的测试集	NA	条件生成对抗网络	Dice相似系数，真阳性率，假阳性率	NA
5790	2026-01-24	3D tibial HU reconstruction from biplanar X-rays utilizing a hybrid PCA-CNN framework 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111434 PMID:41506030	研究论文	本研究提出了一种结合主成分分析和卷积神经网络的混合框架，用于从双平面X射线图像重建包含内部密度分布的3D胫骨CT体积	首次提出结合统计强度建模与深度学习的混合框架，从低剂量的双平面X射线重建3D胫骨CT体积及内部密度分布，实现了可解释的输出	实际辐射剂量减少取决于临床成像协议，需要在真实X光片上通过协议匹配的剂量测定进行验证，且方法有待在真实世界放射影像数据上进一步验证	开发一种从低辐射剂量的双平面X射线重建3D胫骨CT体积的方法，以减少患者辐射暴露并提高可及性	胫骨	医学影像分析	骨骼疾病	计算机断层扫描，双平面X射线成像	CNN	X射线图像，CT图像	60名来自韩国科学技术信息研究院公开数据库的受试者	NA	PCA-CNN混合框架	平均绝对误差，结构相似性指数，峰值信噪比	NA
5791	2026-01-24	Multi-scale EEG analysis identifies neural circuit signatures of iTBS responsiveness in major depressive disorder 2026-Feb-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121697 PMID:41506306	研究论文	本研究通过整合深度学习和计算建模，利用多尺度脑电图分析识别了重度抑郁症患者对间歇性θ爆发刺激治疗反应的神经回路特征	首次将多尺度卷积循环神经网络与基于生物物理学的动态因果建模相结合，用于预测和解释重度抑郁症患者对经颅磁刺激治疗的反应，并识别出两种具有不同神经生理特征的亚型	研究样本量相对有限（共198名患者），且仅基于两个独立队列，需要更大规模的多中心研究进行验证	开发能够预测重度抑郁症患者对间歇性θ爆发刺激治疗反应的生物标志物，并阐明其潜在的神经机制	重度抑郁症患者	机器学习	重度抑郁症	脑电图，事件相关电位	CNN, RNN	脑电图信号	198名患者（训练队列125人，验证队列73人），共55,476个脑电图时段	NA	多尺度卷积循环神经网络	准确率	NA
5792	2026-01-24	Automating prostate biopsy guidance: A robust CNN approach for non-rigid 3D/3D MR-TRUS image registration 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111423 PMID:41520474	研究论文	提出了一种用于3D MR-TRUS前列腺图像自动配准的弱监督深度学习框架，以提升靶向活检的准确性	提出了一种无需分割图像、基于弱监督的端到端深度学习框架，结合了预处理对齐步骤与UNet启发的配准网络，直接预测体素级位移场，消除了传统方法中耗时的手动分割步骤	未明确讨论模型在极端解剖变异或图像质量较差情况下的鲁棒性，也未提及外部验证数据集的性能	开发一种自动、鲁棒且高效的前列腺MR-TRUS图像配准方法，以辅助前列腺癌靶向活检	前列腺的3D磁共振图像和经直肠超声图像	计算机视觉	前列腺癌	磁共振成像，经直肠超声成像	CNN	3D图像	未在摘要中明确说明	未在摘要中明确说明	UNet, RegResUNet	表面配准误差，Dice相似系数	未在摘要中明确说明
5793	2026-01-24	DeeBayes: An interpretable deep Bayesian network for ECG signal restoration 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111424 PMID:41539146	研究论文	提出一种结合噪声估计与信号去噪的统一贝叶斯框架，用于有效恢复心电图信号	开发了一种新颖的变分推理方法，将数据驱动的深度学习与传统模型驱动的生成模型优势相结合，能够显式表达后验概率并处理复杂的非独立同分布噪声	未明确说明模型在不同类型心律失常信号上的泛化能力，也未讨论实时处理性能	开发心电图信号去噪方法以提高临床诊断准确性	受噪声污染的心电图信号	信号处理	心血管疾病	变分推理	深度贝叶斯网络	心电图信号	NA	NA	深度贝叶斯心电图信号恢复网络	定性评估, 定量评估, 信噪比	NA
5794	2026-01-24	FedEMG: Achieving Generalization, Personalization, and Resource Efficiency in EMG-Based Upper-Limb Rehabilitation Through Federated Prototype Learning 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3593485 PMID:40729714	研究论文	本文提出了一种名为FedEMG的联邦原型学习框架，用于解决基于肌电图的实时手势识别在假肢控制中的泛化性、个性化及资源效率问题	FedEMG采用基于原型的联邦学习方法，结合独特的自适应个性化机制，平衡全局知识与用户特定适配，实现了高精度和个性化，同时不牺牲泛化能力	NA	解决基于深度学习的肌电图手势识别在假肢控制中的泛化性、个性化与计算资源限制等关键挑战	基于肌电图的上肢假肢控制手势识别	机器学习	上肢截肢	肌电图	神经网络	肌电图信号	NA	联邦学习	轻量级手势检测器与高效神经网络架构	准确率	资源受限设备
5795	2026-01-24	Predicting outcomes of port-wine stains treated with hematoporphyrin monomethyl ether photodynamic therapy (HMME-PDT): An observational study using multimodal deep learning 2026-Feb, JAAD international DOI:10.1016/j.jdin.2025.11.009 PMID:41561203	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5796	2026-01-24	"RaagaDhvani: A novel augmented multi-feature dataset: Advancing emotion recognition in Carnatic music with multimodal features and hybrid deep learning" 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112364 PMID:41561921	研究论文	本文介绍了一个名为RaagaDhvani的新型增强多特征数据集，旨在通过结合多模态特征和混合深度学习模型，推进卡纳提克音乐中的情感识别研究	创建了首个专注于卡纳提克音乐情感标注的数据集，融合了音频特征与情感注释，并采用数据增强技术（音高移位、时间拉伸、噪声添加）来提升模型的泛化能力	数据集仅包含11种拉格，样本量相对有限；且情感标注可能受文化主观性影响	推进音乐情感识别（MER）、情感计算及音乐治疗应用，支持心理健康和跨文化音乐研究	卡纳提克音乐（南印度古典音乐）中具有情感驱动的人声和长笛演奏	机器学习	NA	数据增强（音高移位、时间拉伸、噪声添加）	混合深度学习模型	音频	初始448个拉格样本，经增强后包含825个音频文件	NA	NA	NA	NA
5797	2026-01-24	A physics-informed long-range polarizable potential based on deep learning 2026-Jan-28, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0292167 PMID:41574796	研究论文	本文提出了一种基于深度学习的物理信息长程可极化势，用于改进原子模拟中的长程静电相互作用建模	结合了两个等变消息传递神经网络，分别处理短程相互作用和环境依赖性原子偶极子，并通过训练Born有效电荷张量来准确预测场诱导性质	NA	开发一种能够准确捕获长程静电相关性的机器学习原子间势，以改进绝缘和极性材料中的集体现象建模	离子固体（NaCl）、液态水和卤化物钙钛矿（MAPbI3）	机器学习	NA	深度学习	等变消息传递神经网络	原子模拟数据	NA	NA	等变消息传递神经网络	能量预测准确性、力预测准确性、红外吸收光谱预测、LO-TO声子分裂预测	NA
5798	2026-01-24	Dental Crowding Categorization Network (DCC-Net): Explainable deep learning system for automatic categorization of dental crowding on intraoral photographs 2026-Jan-25, Korean journal of orthodontics IF:2.6Q1 DOI:10.4041/kjod25.078 PMID:41572857	研究论文	本文提出了一种名为DCC-Net的可解释深度学习系统，用于自动分类口腔内照片中的牙齿拥挤程度	开发了首个无需空间分析即可自动分类牙齿拥挤水平的深度学习系统，并包含可解释性热图以增强模型透明度	模型在颌骨分类的准确率约为72-73%，仍有提升空间，且外部测试集规模较小（100张照片）	开发自动系统以辅助正畸诊断和拔牙决策	口腔内照片中的牙齿拥挤程度	计算机视觉	牙齿拥挤（正畸疾病）	深度学习图像分析	CNN	图像（口腔内照片）	训练集：2,160张照片（上颌1,351，下颌1,253），外部测试集：100张照片	NA	DCC-Net（包含分割、提取和分类模块）	准确率, 精确率, 召回率, F1分数	NA
5799	2026-01-24	Fully Self-Powered Gas Sensor through Fe-Ion Doping Engineering in Ni2P for Ultrasensitive and Visualized NO2 Sensing 2026-Jan-23, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c03884 PMID:41413943	研究论文	本研究报道了一种基于锌空气电池的自供电NO2气体传感器，通过Fe掺杂的磷化镍作为气敏材料，并引入深度学习算法以提升传感性能	通过Fe离子掺杂工程调控磷化镍的电子结构，增强电荷载流子迁移率和吸附质-基底相互作用，结合InceptionTime模型和小波变换算法实现气体识别与浓度定量，构建了具备远程可视化检测功能的智能传感装置	未明确说明传感器在复杂混合气体环境中的交叉敏感性、长期稳定性测试数据以及实际户外环境中的验证结果	开发高灵敏度、选择性好且无漂移的自供电气体传感器，用于NO2检测	NO2气体	传感器技术	NA	Fe离子掺杂工程、电化学传感、深度学习算法	深度学习	电信号数据（电压响应）	NA	NA	InceptionTime	响应值（0.22 V @ 20 ppm）、检测限（61.8 ppb/36.9 ppb）、响应时间（14 s）、气体识别准确率、浓度定量精度	NA
5800	2026-01-24	Comparative machine learning and deep learning frameworks for robust carcinogenicity prediction and activity cliff analysis 2026-Jan-23, Environmental science. Processes & impacts DOI:10.1039/d5em01001b PMID:41575273	研究论文	本研究开发了基于机器学习和深度学习框架的预测模型，用于大鼠致癌性数据的二元分类，并与人类致癌性紧密关联	结合了特征基方法和化学语言建模，引入了c-RASAR模型和ARKA描述符，能够识别活性悬崖并解释误预测原因	NA	开发稳健的致癌性预测模型并进行活性悬崖分析	工业化学品的致癌性数据	机器学习	癌症	化学语言建模	线性判别分析, 人工神经网络, 逻辑回归, LSTM	化学描述符, SMILES字符串	NA	NA	LSTM	NA	NA