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
6541	2026-01-14	SW-VEI-Net: A Physics-Informed Deep Neural Network for Shear Wave Viscoelasticity Imaging 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652121 PMID:41525619	研究论文	本文提出了一种名为SW-VEI-Net的物理信息深度神经网络，用于通过剪切波弹性成像同时重建剪切弹性模量和粘性模量	SW-VEI-Net通过将粘弹性波动方程集成到双网络架构中，实现了剪切弹性模量和粘性模量的同时重建，并采用双损失函数平衡数据保真度和基于物理的正则化，减少了对经验数据的依赖并提高了可解释性	未明确提及具体限制	解决剪切波弹性成像中定量粘弹性成像的挑战，提高重建精度和鲁棒性	组织模拟体模、大鼠肝纤维化模型和临床病例	医学影像分析	肝纤维化	剪切波弹性成像	物理信息神经网络	剪切波成像数据	包括组织模拟体模、大鼠肝纤维化模型、临床病例和健康志愿者	NA	双网络架构	AUC	NA
6542	2026-01-14	Fusing Tabular Features and Deep Learning for Fetal Heart Rate Analysis: A Clinically Interpretable Model for Fetal Compromise Detection 2026-Jan-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652309 PMID:41525620	研究论文	本研究开发了一种可解释的深度学习模型，融合胎儿心率时间序列和表格临床特征，以改进胎儿窘迫的预测	提出了一种新颖的Fusion ResNet架构，结合残差卷积网络处理FHR信号和并行神经网络处理表格特征，并利用SHAP和Grad-CAM提供临床可解释性	模型在私有数据集上训练和内部验证，外部验证仅使用了公开的CTU-UHB数据集，样本量相对有限	开发一种可解释的深度学习模型，通过融合多模态数据提高胎儿窘迫的预测准确性	胎儿心率记录和相关的临床特征数据	机器学习	胎儿窘迫	胎儿心率监测	CNN	时间序列数据, 表格数据	私有数据集包含9,887个FHR记录，外部验证数据集包含552个记录	NA	ResNet	AUC	NA
6543	2026-01-14	Enhancing Fairness in Skin Lesion Classification for Medical Diagnosis Using Prune Learning 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3652910 PMID:41525640	研究论文	本文提出了一种用于皮肤病变分类的公平性算法，通过减少与肤色相关的通道来提升模型在不同肤色间的诊断公平性	提出了一种无需肤色标签的公平性算法，通过计算特征图的偏度来修剪与肤色相关的通道，从而在保持准确性的同时提升公平性指标	未明确说明算法在其他模型架构或更大数据集上的泛化能力，且公平性结论可能依赖于所选度量标准	提升皮肤病变分类模型在不同肤色间的公平性，减少诊断偏差	皮肤病变图像	计算机视觉	皮肤癌	深度学习	CNN, Transformer	图像	NA	NA	VGG11, ViT-B16	准确性, F1分数, 公平性指标	NA
6544	2026-01-14	Application of Graph Neural Networks on ECG data: A Systematic Literature Review 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651842 PMID:41525638	系统文献综述	本文对基于几何深度学习的ECG数据处理方法进行了系统文献综述，特别关注图神经网络的应用	首次系统综述了图神经网络在ECG数据上的应用，并识别了研究空白和未来方向	应用多样性不足，主要集中在心律失常识别，且缺乏拓扑、特征集或网络架构的共识	比较ECG数据中几何深度学习方法，特别是图神经网络的应用，并识别领先方向和未来研究方向	心电图数据，特别是多导联ECG	机器学习	心血管疾病	NA	图神经网络	时间序列数据	NA	NA	NA	NA	NA
6545	2026-01-14	SAFusion: Scenario-Adaptive Network for Multimodal Medical Image Fusion 2026-Jan-12, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651957 PMID:41525647	研究论文	提出一种用于多模态医学图像融合的场景自适应网络SAFusion，通过两阶段训练和混合专家模型优化不同场景的融合策略	首次提出场景自适应融合网络，通过场景特定融合模块（混合专家模型）和场景通用融合模块（双路径结构）动态适应不同融合需求	未在真实临床环境中验证，未讨论计算效率与实时性限制	开发能适应不同场景需求的多模态医学图像融合方法	多模态医学图像（如CT、MRI、PET等）	计算机视觉	NA	多模态医学图像融合	自编码器, 混合专家模型	医学图像	NA	NA	自编码器, 双路径融合结构（标准卷积与可变形卷积门控机制）	信息整合度, 视觉一致性	NA
6546	2026-01-14	Home monitoring for the detection of atrial fibrillation in hypertensive patients. BP/AF MODE study 2026-Jan-12, Archivos de cardiologia de Mexico IF:0.7Q4 DOI:10.24875/ACM.25000149 PMID:41525689	研究论文	本研究旨在通过深度学习构建预测风险评分，评估家庭血压和心律监测策略在检测高血压患者亚临床心房颤动中的有效性	结合家庭血压监测和单导联心电图记录，利用深度学习优化心律失常风险评分的预测能力	研究仅针对拉丁美洲六个国家的中高风险人群，样本可能缺乏广泛代表性	开发一种简单易用的家庭监测系统，用于早期检测亚临床心房颤动	具有中高心房颤动风险的高血压患者	机器学习	心血管疾病	单导联心电图记录，家庭血压监测	深度学习	心电图信号，血压数据	涉及来自六个拉丁美洲国家的25名研究人员，具体患者数量未明确说明	NA	NA	NA	NA
6547	2026-01-14	Semi-supervised learning for dose prediction in targeted radionuclide therapy: a synthetic data study 2026-Jan-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae36df PMID:41525718	研究论文	本研究提出了一种用于靶向放射性核素治疗剂量预测的半监督学习框架，利用合成数据进行验证	将传统基于分类的半监督学习方法适应并扩展至回归任务，专门用于剂量预测，并开发了合成数据集进行测试	研究基于合成数据，临床实际数据可用性不足时性能可能受限	探索半监督学习在靶向放射性核素治疗中剂量预测的应用，以减少对大规模标记数据的依赖	靶向放射性核素治疗中的辐射剂量预测	机器学习	NA	蒙特卡洛模拟	深度学习	图像	NA	NA	NA	平均绝对百分比误差	NA
6548	2026-01-14	Echocardiographic Evaluation in Children with Post-Acute Sequelae of SARS-CoV-2 Infection Using Deep Learning 2026-Jan-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01739-5 PMID:41526555	研究论文	本研究应用基于ResNet-50的深度学习模型分析儿童SARS-CoV-2感染后急性后遗症（PASC）的超声心动图数据，以增强心脏异常的检测	首次将深度学习模型（ResNet-50）应用于儿童PASC的超声心动图分析，以识别标准参数未揭示的细微心脏变化	基于图像的细微差异的临床意义尚不确定，需要大规模长期随访研究进一步评估	增强儿童SARS-CoV-2感染后急性后遗症（PASC）相关心脏异常的检测和理解	儿童（18岁以下）SARS-CoV-2感染后急性后遗症（PASC）患者及年龄匹配的对照组儿童	数字病理学	心血管疾病	超声心动图	CNN	图像	270名PASC儿童和400名年龄匹配的对照组儿童	NA	ResNet-50	准确率, 灵敏度, 特异性, 平衡准确率	NA
6549	2026-01-14	2D, 2.5D, or 3D? Comparing Dimensional Approaches in Deep Neural Networks for 3D Medical Image Analysis 2026-Jan-12, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01827-6 PMID:41526556	综述	本文比较了2D、2.5D和3D深度神经网络在3D医学影像分析任务中的性能表现	首次系统性地综述并比较了三种维度方法在3D医学影像分析中的优劣，明确了2.5D模型在平衡空间信息与计算效率方面的优势	结论基于对现有文献的综述，未进行原始实验验证；研究范围限定于分类和分割任务	探讨在3D医学影像分析中，深度神经网络最有效的维度处理方法	CT、MRI和PET/CT等3D医学影像数据	医学影像分析	NA	NA	深度神经网络	3D医学影像	基于31项比较研究（过去十年发表）	NA	NA	NA	高计算需求（针对3D模型）
6550	2026-01-14	Benchmarking co-folding methods to predict the structures of covalent protein-ligand complexes 2026-Jan-12, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01721-5 PMID:41526649	研究论文	本文介绍了CoFD-Bench基准数据集，用于系统评估经典对接方法和深度学习共折叠模型在预测共价蛋白质-配体复合物结构方面的性能	首次引入包含218个新解析共价复合物的综合基准数据集，系统比较了经典对接与深度学习共折叠方法，并发现AF3可通过非共价共折叠识别天然共价残基	共折叠方法对新口袋-配体对的性能显著下降，且计算效率较低，不适合大规模预测；经典对接方法受限于目标构象，性能有限	评估共折叠方法预测共价蛋白质-配体复合物结构的性能，为靶向共价抑制剂设计提供基准	共价蛋白质-配体复合物	计算生物学	NA	共价对接，共折叠建模	深度学习模型	蛋白质结构数据	218个新解析的共价复合物	NA	AlphaFold3, Chai-1, Boltz-1x	配体RMSD, 蛋白质-配体相互作用恢复率	NA
6551	2026-01-14	Integrating deep learning-based surrogate modeling into urban forest allocation optimization for maximizing carbon sequestration 2026-Jan-11, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128535 PMID:41525754	研究论文	本研究提出了一个集成深度学习代理模型和遗传算法的优化框架，用于优化城市造林策略以最大化碳封存	将基于深度学习的代理模型（ANN）与遗传算法（GA）集成到一个优化框架中，用于考虑空间异质性和生态连通性来优化城市造林分配	研究基于特定城市（韩国水原）的数据，其结论可能受当地地形、气候和土地利用特征的影响，普适性有待验证；优化框架的复杂性可能限制其在资源有限地区的实际应用	优化城市造林的空间分配，以最大化净初级生产力（NPP），从而增强碳封存能力以应对气候变化	城市区域（以韩国水原为例）的造林地块	机器学习	NA	深度学习代理建模，空间优化	ANN, GA	地形、气候、土地利用和景观变量数据	NA	NA	人工神经网络	R（决定系数）	NA
6552	2026-01-14	Targeting mitochondrial complexes for cancer therapy 2026-Jan-10, Biochemical pharmacology IF:5.3Q1 DOI:10.1016/j.bcp.2026.117695 PMID:41525932	综述	本文综述了靶向线粒体电子传递链复合物I-IV作为癌症治疗策略的研究进展，涵盖计算模拟、体外和体内研究发现，并探讨了人工智能和深度学习在加速药物发现中的应用	系统整合了靶向ETC复合物的传统抑制策略与新兴的AI驱动药物发现方法，并提出了在精准医学框架下的实施路径	作为综述文章，未报告原始实验数据，主要依赖现有文献的归纳总结	为开发靶向线粒体电子传递链复合物的新型抗癌药物和治疗策略提供指导	线粒体电子传递链复合物I-IV及其在癌细胞中的功能	计算生物学与药物发现	癌症	光动力疗法（PDT）、深度学习、人工智能纳米技术	深度学习模型	计算模拟数据、体外实验数据、体内实验数据	NA	NA	NA	NA	NA
6553	2026-01-14	Robust mitochondria segmentation and morphological profiling using soft X-ray tomography 2026-Jan-08, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108291 PMID:41519210	研究论文	本文提出了一种名为MitoXRNet的数据和参数高效的3D深度学习模型，用于软X射线断层扫描图像中的线粒体和细胞核分割，并应用于量化分析线粒体形态变化	开发了MitoXRNet模型，结合多轴3D切片、基于Sobel滤波器的边界增强以及二元交叉熵与鲁棒Dice损失函数，在参数较少的情况下实现了高效的线粒体分割，并成功应用于代谢刺激下线粒体重塑的定量分析	未明确提及具体局限性，但可能包括模型在更广泛细胞类型或成像条件下的泛化能力需进一步验证	开发高效工具以大规模量化线粒体形态，支持细胞功能研究	INS-1E细胞中的线粒体和细胞核	计算机视觉	NA	软X射线断层扫描	深度学习模型	3D图像	未明确指定样本数量，但基于INS-1E细胞数据	未明确指定，可能为PyTorch或TensorFlow	MitoXRNet	Dice分数	未明确指定
6554	2026-01-14	Real-Time Fluorescence-Based COVID-19 Diagnosis Using a Lightweight Deep Learning System 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010339 PMID:41516773	研究论文	本研究提出了一种基于荧光图像的轻量级深度学习模型，用于实时COVID-19诊断，并在嵌入式环境中验证了其可行性	采用基于印记的方法计算层重要性并进行剪枝，实现了模型轻量化，在低功耗边缘设备上达到实时诊断性能	未提及模型在更广泛数据集或临床环境中的泛化能力验证	开发适用于嵌入式环境的实时COVID-19诊断系统	荧光图像	计算机视觉	COVID-19	荧光成像	CNN	图像	NA	NA	VGG, ResNet, DenseNet, EfficientNet, VGG13, ResNet152	准确率	NPU(Furiosa AI Warboy)
6555	2026-01-14	Recent Advances in Raman Spectral Classification with Machine Learning 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010341 PMID:41516775	综述	本文综述了机器学习在拉曼光谱分类中的最新进展、应用领域及未来研究方向	系统总结了数据驱动的机器学习和深度学习方法在拉曼光谱分析中的应用，实现了从原始数据自动学习复杂特征并进行高精度分类	训练数据有限、跨数据集泛化能力弱、可重复性差以及深度模型的可解释性有限	回顾机器学习辅助拉曼光谱分类的研究进展、当前趋势和未来方向	拉曼光谱数据	机器学习	NA	拉曼光谱	NA	光谱数据	NA	NA	NA	NA	NA
6556	2026-01-14	Deep Learning 1D-CNN-Based Ground Contact Detection in Sprint Acceleration Using Inertial Measurement Units 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010342 PMID:41516776	研究论文	本研究提出了一种基于一维卷积神经网络的深度学习方法，用于在短跑加速阶段使用惯性测量单元检测地面接触事件和时间	引入了一种优化的1D-CNN模型，在短跑加速阶段实现了近乎完美的地面接触检测，超越了传统的启发式和机器学习方法	研究样本仅包括12名训练有素的短跑运动员，可能限制了模型的泛化能力	提高短跑加速阶段地面接触事件和时间检测的准确性和可靠性	短跑运动员在加速阶段的地面接触事件	机器学习	NA	惯性测量单元数据采集，高速视频同步	CNN	时间序列数据（加速度和角速度）	12名训练有素的短跑运动员，进行了60米短跑测试	NA	1D-CNN，包含18个Inception块	Hausdorff距离，精度，召回率，Rand指数，偏差，一致性界限，相关系数	NA
6557	2026-01-14	Concurrent Incipient Fault Diagnosis in Three-Phase Induction Motors Using Discriminative Band Energy Analysis of AM-Demodulated Vibration Envelopes 2026-Jan-05, Sensors (Basel, Switzerland) DOI:10.3390/s26010349 PMID:41516783	研究论文	本文提出了一种基于振动信号的低复杂度滤波算法，用于三相感应电动机中并发初期故障的可靠检测	提出了一种新的判别性频带能量分析算法，该算法无需依赖神经网络或深度学习技术，通过AM解调振动包络增强故障类别间的区分能力，特别适用于处理并发故障产生的重叠特征	未明确提及算法在极端工况或长期运行下的稳定性验证，也未讨论与其他先进方法的直接性能对比	开发一种降低对复杂技术依赖的算法，实现使用低成本传感器可靠检测三相感应电动机中的现实故障	三相感应电动机的轴承和转子部件	机器学习	NA	振动信号分析，AM解调	NA	振动信号	NA	NA	NA	NA	NA
6558	2026-01-14	Role of Imaging Techniques in Ovarian Cancer Diagnosis: Current Approaches and Future Directions 2026-Jan-04, Cancers IF:4.5Q1 DOI:10.3390/cancers18010173 PMID:41514680	综述	本文综述了卵巢癌诊断中当前使用的影像学策略，重点介绍了先进成像技术和新兴人工智能方法的应用与未来方向	总结了对比增强MRI、O-RADS MRI评分系统以及人工智能在卵巢癌影像诊断中的最新进展和潜在应用	大多数人工智能技术尚需进一步的临床验证才能广泛采用	探讨卵巢癌诊断中影像学技术的角色、当前方法及未来发展方向	卵巢肿块，特别是经初步评估后仍不确定的卵巢肿块	数字病理	卵巢癌	经阴道超声、对比增强MRI	机器学习、深度学习	影像数据	NA	NA	NA	诊断准确率（83-93%）、敏感性（93%）、特异性（91%）	NA
6559	2026-01-14	Challenges in the Classification of Cardiac Arrhythmias and Ischemia Using End-to-End Deep Learning and the Electrocardiogram: A Systematic Review 2026-Jan-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16010161 PMID:41515656	系统综述	本文基于PRISMA 2020声明，对2019年至2025年间使用端到端深度学习和心电图进行心律失常与缺血分类的研究进行了系统性综述，识别了相关挑战	识别并系统整理了53个挑战，并新发现了18个问题，特别是在可解释性评估指标和模型决策置信度方面的局限性	作为一篇综述文章，其局限性在于总结现有研究的不足，而非提出新的技术解决方案	系统回顾并分析使用端到端深度学习和心电图进行心脏心律失常与缺血分类时面临的挑战	2019年至2025年间发表的121项相关研究	机器学习	心血管疾病	心电图	深度学习	心电图信号	NA	NA	NA	NA	NA
6560	2026-01-14	Current-Aware Temporal Fusion with Input-Adaptive Heterogeneous Mixture-of-Experts for Video Deblurring 2026-Jan-04, Sensors (Basel, Switzerland) DOI:10.3390/s26010321 PMID:41516756	研究论文	本文提出了一种用于视频去模糊的当前感知时间融合框架，结合输入自适应的异构专家混合模块，以在去模糊质量、推理速度和适用性之间取得平衡	提出了当前感知时间融合框架，专注于当前帧以减少相邻帧无关特征的干扰；设计了基于NAFBlocks的输入自适应专家混合模块，根据输入特征动态选择专家结构以降低推理时间；支持顺序和时序并行推理的训练策略	未明确说明模型在极端运动模糊或复杂场景下的泛化能力限制	开发一种能够平衡高质量去模糊、快速推理和广泛适用性的视频去模糊方法	模糊视频序列	计算机视觉	NA	NA	深度学习模型	视频序列，图像	在DVD、GoPro和BSD数据集上进行实验	NA	基于NAFBlocks的专家混合模块	PSNR, SSIM	NA