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
681	2026-05-08	ML-TGNet: A Multi-Level Topology Guidance Network for Motor Imagery Decoding 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624298 PMID:41129446	研究论文	提出一种多层拓扑引导网络ML-TGNet，利用脑同步信息解码运动想象脑电信号	首次将脑拓扑同步信息引入MI解码，通过多级拓扑引导模块提取与MI任务相关的特征，减少冗余信息	未明确提及局限性，但可能依赖公开数据集且未讨论实际BCI应用中的实时性挑战	利用脑动力学信息提高运动想象解码性能	运动想象脑电信号中的脑同步特征	机器学习	NA	脑电图	CNN	脑电信号	三个公开数据集：BCI Competition IV-2a、High Gamma、OpenBMI	NA	ML-TGNet	准确率	NA
682	2026-05-08	DPGOK: A Deep Learning-Based Method for Protein Function Prediction by Fusing GO Knowledge With Protein Features 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3622996 PMID:41129441	研究论文	提出一种名为DPGOK的深度学习方法，通过融合蛋白质感知的GO表示与蛋白质特征来预测蛋白质功能	首次提出为每个蛋白质定制GO嵌入以反映蛋白质特异的功能相关性，并利用知识图谱损失生成稳定的GO语义表示	未在更广泛的蛋白质序列或结构数据上验证，且依赖同源性方法提升性能可能引入偏差	提高蛋白质功能预测的准确性，以协助理解疾病机制和发现药物靶点	蛋白质及其功能预测	机器学习	NA	深度学习	深度学习模型（DPGOK）	蛋白质序列数据	NA	NA	知识图谱嵌入与特征融合架构	准确率（未具体说明）	NA
683	2026-05-08	Confident and Trustworthy Model for Fidgety Movement Classification 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624341 PMID:41129439	研究论文	提出一种深度学习模型，用于婴儿扭动运动分类，能在不确定时选择性放弃分类	引入两种新颖的正则化损失，确保模型在两个运动类别间保持平衡覆盖率，并能评估自身分类置信度	未明确说明局限性，但可能涉及数据多样性或模型泛化性不足	提升自动全身运动评估的可及性，解决现有模型无法判断决策置信度的缺陷	婴儿扭动运动（Fidgety Movements），用于评估神经系统发育和脑瘫风险	计算机视觉	脑瘫	NA	深度学习网络	视频	NA	NA	NA	视频层面覆盖率、置信度	NA
684	2026-05-08	Comparative Performance of IMU and sEMG in Locomotion Mode Prediction Across Transitional and Steady-State Cyclic/Non-Cyclic Gaits 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3623132 PMID:41129445	研究论文	对惯性测量单元和表面肌电图在跨过渡态和稳态周期/非周期步态中的运动模式预测性能进行系统比较分析	揭示了不同模态在特定步态类型中的最优窗口长度和深度学习架构，为多模态融合提供具体指导	未说明	系统比较IMU和sEMG在人类运动模式预测中的性能差异	人类受试者（9名）的17种步态活动	机器学习	NA	IMU, sEMG	CNN, LSTM, TCN	时间序列数据	9名受试者，17种步态活动	NA	CNN, LSTM, TCN	分类准确率	NA
685	2026-05-08	Graph-Aware AURALSTM: An Attentive Unified Representation Architecture with BiLSTM for Enhanced Molecular Property Prediction 2026-Apr, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11197-4 PMID:40279083	研究论文	提出一种名为Graph-Aware AURA-LSTM的混合深度学习模型，通过结合多种图神经网络架构和双向LSTM来增强分子性质预测的准确性	创新性地将图卷积网络、图注意力网络和图同构网络并行融合，并引入双向LSTM处理时序关系，实现多层次分子结构特征的全面捕获	未提及具体局限性	分子性质预测，旨在提高预测准确性以支持药物发现和生物技术等领域的应用	分子及其结构特征	机器学习	NA	NA	图神经网络、双向LSTM	分子图形表示	8个基准数据集	NA	GCN, GAT, GIN, BiLSTM	准确率	NA
686	2026-05-08	Predicting peroxisome proliferator-activated receptor gamma potency of small molecules: a synergistic consensus model and deep learning binding affinity approach powered by Enalos Cloud Platform 2026-Apr, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11230-6 PMID:40515966	研究论文	本研究结合共识模型与深度学习方法，通过Enalos云平台预测小分子对PPARγ的效力	首次整合随机森林、支持向量机和k近邻算法的共识模型与神经网络分类模型，用于预测PPARγ结合亲和力和拮抗活性，并部署于Enalos云平台实现便捷虚拟筛选	未明确说明模型在真实生物活性数据上的验证及与其他方法的对比性能	开发用于预测小分子与PPARγ结合亲和力及拮抗活性的计算机模拟模型，支持抗糖尿病药物发现	靶向PPARγ的小分子化合物，包括34种优先筛选的全氟和多氟烷基物质（PFAS）	机器学习	糖尿病	分子对接	神经网络、随机森林、支持向量机、k近邻	分子对接得分及分子描述符	NA	Scikit-learn, Enalos Cloud Platform	神经网络, 随机森林, 支持向量机, k近邻	准确性、少数类检测效率（基于OECD指南验证）	NA
687	2026-05-08	Application of multi-scale feature extraction and explainable machine learning in chest x-ray position evaluation within an integrated learning framework 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12097-9 PMID:41191081	研究论文	提出一种融合深度学习与机器学习的网络，用于定量和可解释地评估胸部X光片摆位质量	首次提出基于分割的随机森林融合网络，结合SHAP方法实现胸部X光摆位的可解释性分类，并识别关键操作因素	未提及	利用可解释人工智能方法评估胸部X光摄影中患者摆位质量，并提高放射技师操作的准确性	3300张胸部X光片（来自2021年3月至2022年12月中国某医疗机构）	计算机视觉	不适用	X光成像	U-net++, 随机森林融合网络, 阈值分类, 多变量逻辑回归	图像	3300张胸部X光片，分为XJ_chest_21和XJ_chest_22子集	不适用	U-net++, 随机森林融合网络, 阈值分类, 多变量逻辑回归	AUC, 准确率, 敏感度, 特异性, Dice系数	未提及
688	2026-05-08	Deep learning-driven false-lumen volumes predict adverse remodeling better than diameter in patients with residual aortic dissection on CT 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12116-9 PMID:41201600	研究论文	开发深度学习分割模型，自动测量残余主动脉夹层CT血管造影中的直径和假腔体积，并评估其对不良重构的预测价值	首次证明局部假腔体积（最大直径周围3厘米）比传统直径和全局体积能更好地预测残余主动脉夹层的不良重构	文章未提及具体限制	开发深度学习分割模型并评估其测量值对残余主动脉夹层不良重构的预测能力	残余主动脉夹层患者的CT血管造影数据	计算机视觉, 数字病理学	主动脉夹层	NC	深度学习分割模型	CT血管造影图像	322名患者（训练120，内部测试30，外部测试10，临床验证83+79）	NC	NC	Dice相似系数, AUC, 敏感性, 特异性	NC
689	2026-05-08	Attention-based deep learning network for predicting World Health Organization meningioma grade and Ki-67 expression based on magnetic resonance imaging 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11958-7 PMID:40836018	研究论文	基于注意力的深度学习网络用于预测WHO脑膜瘤分级和Ki-67表达	提出了全自动、基于注意力的2.5D深度学习网络，结合nn-Unet分割和注意力机制，实现了对WHO脑膜瘤分级和Ki-67表达的准确预测	NA	开发全自动注意力深度学习网络，用于预测WHO脑膜瘤分级和Ki-67表达	脑膜瘤患者	机器学习	脑膜瘤	磁共振成像	注意力增强的nn-Unet、ResNet50、Swin Transformer	磁共振图像	952名脑膜瘤患者，包括训练集542例、内部验证集96例、外部测试集314例	PyTorch	nn-Unet, ResNet50, Swin Transformer	Dice系数, AUC	NA
690	2026-05-08	VIBESegmentator: full body MRI segmentation for the NAKO and UK Biobank 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12035-9 PMID:41068435	研究论文	提出一个公开可用的基于深度学习的全身MRI分割模型，该模型提供全面的体素级覆盖，包括延伸到解剖隔室边界的 delineation	首次提供全躯干MRI和CT图像的完整分割模型，覆盖71-72个结构，在全身边界划分上优于现有方法	NA	开发全躯干MRI和CT图像的语义分割模型，用于大规模流行病学研究和临床应用	MRI和CT图像中的器官、肌肉、血管、骨骼、椎间盘、脊髓、椎管及身体成分	计算机视觉	NA	MRI, CT	nnUNet	图像	训练集：来自626名受试者的2897个序列（290名女性；平均年龄53±16）；内部测试集：来自12名受试者的36个序列（6名男性；平均年龄60±11）	PyTorch	nnUNet	Dice分数	NA
691	2026-05-08	Diagnostic performance of a coronary CT angiography-based deep learning model for the prediction of vessel-specific ischemia 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12048-4 PMID:41076470	研究论文	基于冠状动脉CT血管造影的深度学习模型用于预测血管特异性心肌缺血	采用深度学习模型CT-FFRAI从CCTA图像非侵入性地预测血管特异性缺血，并与有创FFR和iFR测量进行对比，展示了高诊断性能	冠状动脉钙化显著降低诊断准确性，提示需进一步改进空间分辨率	评估CT-FFRAI深度学习模型预测血管特异性心肌缺血的诊断性能	275名患者的322支血管，这些患者同时接受了CCTA和有创FFR/iFR测量	计算机视觉	心血管疾病	冠状动脉CT血管造影	深度学习模型	图像	275名患者的322支血管（来自两个中心）	NA	NA	敏感性、特异性、阳性预测值、阴性预测值、诊断准确性	NA
692	2026-05-08	Comprehensive deep learning-assisted multi-condition analysis of knee MRI studies improves resident radiologist performance 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12052-8 PMID:41107495	研究论文	开发深度学习模型用于膝关节MRI的多组织、多条件自动分析，并评估其对放射科住院医师诊断性能的提升效果	首次提出基于3D切片变换网络的综合深度学习模型，能同时分析膝关节MRI中软骨、半月板、骨髓、韧带等23种病理条件，并系统性评估模型辅助对不同经验水平住院医师诊断性能的影响	模型对细微或罕见条件的预测精度不足，需进一步优化以实现更精细的预测	开发并验证深度学习模型用于膝关节MRI的自动多条件分析，提升放射科医师的诊断效率和准确性	膝关节MRI影像及对应的23种病理标注（涵盖软骨、半月板、骨髓、韧带等软组织）	计算机视觉, 数字病理学	膝关节疾病	MRI	3D切片变换网络	影像	3121例MRI研究（来自3018名成人），外部测试集448例MRI研究（429名成人）	PyTorch	3D切片变换网络	AUC, 灵敏度, 特异度	NA
693	2026-05-08	The Rise of Intelligent Plastic Surgery: A 10-Year Bibliometric Journey Through AI Applications, Challenges, and Transformative Potential 2026-Mar, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-05068-4 PMID:40660032	综述	通过文献计量分析，梳理2016至2024年间人工智能在整形外科领域的研究趋势、挑战与变革潜力	首次利用CiteSpace和VOSviewer对235篇文献进行共被引、关键词共现和突发检测分析，揭示AI在乳房重建、面部分析和自动分级系统中的创新应用，并指出西方中心审美偏见等伦理问题	仅分析Web of Science核心合集文献，可能遗漏其他数据库或非英文研究；跨机构合作有限且数据集多样性不足，影响结果普适性	系统评估AI与整形外科整合的研究趋势，识别技术难点、伦理挑战及未来方向	Web of Science核心合集2016-2024年发表的235篇AI整形外科相关文献	文献计量学	NA	NA	深度学习	文献数据	235篇文献	CiteSpace, VOSviewer	NA	中心性指标	NA
694	2026-05-08	What are you looking at? Modality contribution in multimodal medical deep learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03523-w PMID:41037211	研究论文	提出了一种基于遮挡的模态贡献度方法，定量评估多模态医学深度学习模型中各模态的重要性	提出一种与模型和性能无关的模态贡献度测量方法，可揭示模型对单一模态的偏好及数据集的内在偏差	论文中未明确提及外部验证或多中心数据验证，可能限制了方法的泛化性能评估	探究多模态医学深度学习模型如何从不同数据源中处理信息并量化各模态的贡献	多模态医学问题中的深度学习模型（如使用图像、文本等多模态数据的诊断模型）	机器学习	NA	NA	深度神经网络	多模态数据（如医学图像、临床文本等）	NA	PyTorch（依据代码仓库推测）	NA	NA	NA
695	2026-05-08	Detailed Delineation of the Fetal Brain in Diffusion MRI via Multi-Task Learning 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3619809 PMID:41066289	研究论文	提出一个统一的计算框架，通过多任务深度学习在扩散MRI中详细描绘胎儿大脑结构	首次实现胎儿大脑在扩散MRI中的组织分割、白质纤维束分割和脑区分区的统一多任务深度学习框架	NA	开发并验证自动化方法以快速、准确、可重复地分析胎儿大脑扩散MRI数据	胎儿大脑	机器学习, 数字病理学	NA	扩散加权MRI	多任务深度学习	扩散MRI图像	97个胎儿大脑	NA	NA	Dice相似系数	NA
696	2026-05-08	A robust sampling technique for realistic distribution simulation in federated learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03504-z PMID:40892192	研究论文	提出一种鲁棒的采样技术，用于在联邦学习中模拟现实分布，以分析临床环境中标签分布偏差对全局模型的影响	结合卡方和基尼不纯度指标，高效优化多组标签分布，实现符合指定均值和标准差的数据子集采样，且对网络架构和目标任务具有无关性	仅通过一个实际应用场景（3D相机体重身高估计）验证，未在多种任务或更复杂非独立同分布条件下测试	研究联邦学习中客户端标签分布偏差对全局模型性能的危害，并提供一个高效的采样算法用于事前分析	联邦学习中的标签分布模拟及临床环境下的体重身高估计数据	机器学习	NA	NA	CNN（3D相机体重身高估计基础模型）	图像（3D相机数据）	临床环境下的体重和身高估计数据集（未具体说明数量）	NA	NA（声明技术对网络架构无关）	体重估计误差（25.3%恶化）、身高估计误差（28.7%恶化）	NA
697	2026-05-08	External evaluation of an open-source deep learning model for prostate cancer detection on bi-parametric MRI 2026-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11865-x PMID:40753327	研究论文	评估一个开源深度学习模型在双参数MRI中检测临床显著前列腺癌的诊断准确性	首次对外部验证开源深度学习模型在前列腺癌检测中的性能，并强调了模型代码和权重共享的重要性	样本量相对较小，仅包含151名生物男性患者；模型特异性较低（0.53），可能导致较多假阳性结果	评估开源深度学习模型在双参数MRI中检测临床显著前列腺癌的诊断准确性，并确定促进模型共享和外部评估的必要组件	151名生物男性患者的双参数MRI检查数据	计算机视觉	前列腺癌	双参数MRI	深度学习模型	图像	151名生物男性患者的双参数MRI检查数据	NA	NA	AUC、敏感性、特异性、Fleiss' kappa	NA
698	2026-05-08	Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned 2026-01-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004758 PMID:40631753	研究论文	评估一个在永久病理学上训练的深度学习模型用于Mohs冰冻切片中鳞状细胞癌分类的性能及局限性	首次对永久病理学训练的模型应用于Mohs冰冻切片进行分类的定性评估，揭示模型在分布外数据上的不足，并提出微调方向	样本量小（仅15个Mohs冰冻切片），且未进行模型重训练或微调，仅进行定性分析	评估永久病理学训练的深度学习模型在Mohs冰冻切片上分类鳞状细胞癌的表现，以识别模型缺陷并指导后续优化	鳞状细胞癌肿瘤分类以及冰冻切片中的正常组织、炎症、肌肉和神经等非肿瘤结构	数字病理学	鳞状细胞癌	H&E染色切片数字化	深度学习模型（未指定具体类型）	组织病理图像	746张皮肤活检切片（训练），15张Mohs手术冰冻切片（测试）	NA	NA	AUC-ROC	NA
699	2026-05-08	A Practical Guide to Transition State Analysis in Biomolecular Simulations with TS-DAR 2025-11-27, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c06097 PMID:41252524	研究论文	本文提供了使用TS-DAR框架识别生物分子模拟中过渡态的实用指南	利用深度学习模型将蛋白质构象映射到超球面潜在空间，通过分布外检测自动识别过渡态，结合VAMP-2和分散损失函数区分亚稳态与过渡态	NA	指导研究人员实施和应用TS-DAR框架识别过渡态，辅助研究药物结合、酶活性和突变效应	蛋白质构象变化及其在高能态下的过渡态	机器学习	NA	分子动力学模拟	深度学习模型	构象数据	NA	NA	TS-DAR	NA	NA
700	2026-05-08	Artificial intelligence for medication-related osteonecrosis of the jaw: a scoping review 2025-10, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.03.004 PMID:40393880	综述	本文通过范围综述，描述了人工智能在药物相关性颌骨坏死预测、诊断和管理中的应用研究现状	首次系统梳理了人工智能在药物相关性颌骨坏死领域的应用，涵盖预测、诊断和患者教育三个方面	数据质量、验证和临床整合方面存在挑战，研究数量有限	描述人工智能在药物相关性颌骨坏死预测、诊断和管理中的应用研究现状	药物相关性颌骨坏死的预测、诊断和患者教育	机器学习	药物相关性颌骨坏死	NA	机器学习模型（支持向量机、随机森林、梯度提升机）和深度学习模型及大型语言模型	放射影像数据	8项符合纳入标准的研究	NA	支持向量机、随机森林、梯度提升机	AUC值、准确率、精确率、召回率	NA