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
721	2026-06-07	ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction 2025-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3573581 PMID:40418608	研究论文	开发并评估了一种名为ECG-SMART-NET的深度学习架构，用于精确识别闭塞性心肌梗死	提出了一种临床启发的ResNet-18架构改进，通过时间卷积层学习每个导联内的时序特征，再通过空间卷积层学习导联间的空间一致性或不一致性	未明确说明局限性，但模型基于12导联心电图数据，可能对非典型病例识别存在挑战	提高闭塞性心肌梗死的从心电图检测准确率	闭塞性心肌梗死（OMI）患者	机器学习	心血管疾病	心电图分析	CNN	文本	包含10,393份心电图，来自7,397名独特患者（OMI发生率7.2%）	NA	ResNet-18改进版，包含时间卷积层和空间卷积层	AUC	NA
722	2026-06-07	High-Quality CEST Mapping With Lorentzian-Model Informed Neural Representation 2025-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3574238 PMID:40434851	研究论文	提出一种基于洛伦兹模型神经表示框架，用于高质量化学交换饱和转移磁共振成像映射	通过自监督神经架构嵌入洛伦兹方程，直接重建高灵敏度参数图，无需标注训练数据，且自监督训练策略保证收敛性	NA	克服CEST映射中模型方法灵敏度和鲁棒性不足以及深度学习方法泛化性差的问题	合成体模和活体实验数据（包括肿瘤和阿尔茨海默病模型）	计算机视觉	肿瘤、阿尔茨海默病	CEST MRI	神经表示	磁共振成像数据	合成体模和活体实验数据，具体数量未提及	NA	神经网络架构（自监督，嵌入洛伦兹方程）	NA	NA
723	2026-06-07	Deep Separable Spatiotemporal Learning for Fast Dynamic Cardiac MRI 2025-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3574090 PMID:40434852	研究论文	提出一种基于深度可分时空学习的快速动态心脏MRI重建方法	采用降维的可分离学习方案，在训练数据极度有限的情况下仍能表现出色，并结合时间低秩性和空间稀疏性先验	未明确讨论方法在更复杂病变或更大规模多中心数据上的泛化能力	实现快速动态心脏MRI图像重建，降低对大量训练数据的依赖	心脏动态MRI图像重建及下游分割任务	计算机视觉	心血管疾病	动态磁共振成像	深度可分时空学习网络（DeepSSL）	图像（心脏电影MRI图像）	使用心脏电影数据集，未明确样本数目	NA	DeepSSL	视觉效果与定量指标（具体指标未在摘要中详述），下游分割准确性	NA
724	2026-06-07	Phantom-Based Ultrasound-ECG Deep Learning Framework for Prospective Cardiac Computed Tomography 2025-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3575268 PMID:40445820	研究论文	提出首个结合超声和心电数据的多模态深度学习框架，用于预测心脏静止期以优化CT血管造影门控	首次将超声与心电数据通过多模态深度学习（3D CNN-ANN）融合，实现对心脏静止期的预测，相比单模态方法显著提升准确率（96.87% vs 85.56%），尤其在心律失常条件下	较短静止期（<100 ms）的预测准确率低于较长静止期（100-200 ms）；基于体模验证，尚未在临床患者数据上测试	提高心脏CT血管造影门控中静止期预测的准确性，特别是在心律失常等复杂心率条件下	动态心脏运动体模，模拟多种心脏条件（包括心律失常）	计算机视觉, 机器学习	心血管疾病	超声成像, 心电图	3D卷积神经网络, 人工神经网络	超声视频, 心电信号	基于动态心脏体模的验证，未提及具体样本数量	NA	3D CNN, ANN	准确率	NA
725	2026-06-07	Integrating Motor Unit Activity With Deep Learning for Real-Time, Simultaneous and Proportional Wrist Angle and Grasp Force Estimation 2025-12, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3575252 PMID:40445821	研究论文	提出了一种结合运动单位活动与深度学习的方法，用于实时、同步且按比例地估计手腕角度和抓取力	首次将运动单位活动与基于长短期记忆的深度神经网络集成，实现了神经驱动与深度学习的结合，用于同时解码运动学和动力学信息	NA	实现实时、同步且按比例的手腕角度和抓取力估计，提高肌电假肢的性能	手腕角度和抓取力，涉及前臂旋前/旋后、屈曲/伸展、外展/内收等动作	机器学习	NA	高密度表面肌电图分解	长短期记忆神经网络	肌电信号	10名受试者	NA	模块化长短期记忆神经网络	标准化均方根误差, R²	NA
726	2026-06-07	AI-based smart pretreatment of fresh fruits and vegetables before processing: Research progress and application prospects 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117175 PMID:41606923	综述	探讨人工智能在果蔬预处理中的研究进展与应用前景	系统综述了机器学习、深度学习、人工神经网络等AI技术在果蔬分选、清洗、去皮、切割等预处理环节的应用，并展望了未来多学科融合实现预处理集成自动控制的前景	传统预处理技术依赖人工经验和简单机械操作，效率低且精度难以保证；当前AI技术虽可实现自动分选和缺陷识别，但在预处理全流程自动控制方面仍需进一步研究	综述AI技术在果蔬预处理中的应用现状，为其智能化发展提供理论依据和实践参考	果蔬分选、分级、清洗、去皮、切割、护色、漂烫等预处理环节	计算机视觉、机器学习	无特定疾病	计算机视觉系统、电子鼻	机器学习、深度学习、人工神经网络	图像、传感器数据	不适用（综述类文章）	NA	NA	NA	NA
727	2026-06-07	Deep Learning Model for Breast Shear Wave Elastography to Improve Breast Cancer Diagnosis (INSPiRED 006): An International, Multicenter Analysis 2025-11-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-02681 PMID:40834300	研究论文	开发并验证基于剪切波弹性成像的深度学习模型，用于改善乳腺癌诊断	首次利用深度学习模型分析剪切波弹性成像图像，在国际多中心数据上验证其相比B超能显著降低假阳性率，同时保持与专家相当的灵敏度	未来需探索其与多模态乳腺癌诊断的整合	开发和验证基于SWE图像的深度学习模型（AI-SWE）用于BI-RADS 3和4类乳腺肿块，并与B超的专家诊断进行性能比较	BI-RADS 3或4类乳腺肿块患者	计算机视觉	乳腺癌	剪切波弹性成像 (SWE)	深度学习	超声图像	开发集924例患者（4026张图像）；外部验证集1包含194例患者（562张图像），外部验证集2包含176例患者（188张图像）	NA	EfficientNetB1	灵敏度, 特异度, 假阳性率降低, 受试者工作特征曲线下面积 (AUROC)	NA
728	2026-06-07	Migration of Deep Learning Models Across Ultrasound Scanners 2025-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3564567 PMID:40279236	研究论文	提出一种黑盒无监督域适应方法，将深度学习模型的功能从一台超声机器迁移到另一台机器上，实现跨扫描仪的模型部署	首次将传递函数方法与迭代方案相结合，在无需模型内部信息的情况下实现深度学习模型功能在超声机器间的黑盒迁移	研究仅针对超声机器间的迁移，未验证在其他成像模态或更复杂任务中的适用性	验证深度学习模型功能在超声机器间迁移的可行性，并警示临床部署中的安全风险	SonixOne和Verasonics超声机器上的深度学习分类模型	机器学习	NA	NA	深度学习分类模型	超声图像	使用SonixOne和Verasonics两台机器，未明确样本数量	NA	NA	分类准确率	NA
729	2026-06-07	Deep Learning for EEG-Based Visual Classification and Reconstruction: Panorama, Trends, Challenges and Opportunities 2025-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3568282 PMID:40343828	综述	本文首次对基于脑电图的视觉分类与重建的深度学习方法进行了全面综述，涵盖方法分类、基准数据集、神经科学见解及未来挑战与机遇	首次系统性地从特征编码与解码两个视角总结深度学习在脑电视觉分类与重建中的应用，并提出方法论本质与神经科学见解之间的动态闭环交互促进机制	未对方法进行定量对比实验，未来趋势部分缺乏具体技术实施路径	综述基于脑电图的视觉分类与重建的深度学习方法现状，展望未来研究方向	基于脑电图的视觉分类与重建任务及相应深度学习方法	自然语言处理,机器学习	NA	脑电图	深度学习模型	脑电图信号	未提及具体样本数量	NA	NA	未具体列出性能指标	NA
730	2026-06-07	Cost-Effectiveness of Opportunistic Osteoporosis Screening Using Chest Radiographs With Deep Learning in the United States 2025-11, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.07.028 PMID:40780311	研究论文	评估基于深度学习分析胸部X光片的非骨质疏松筛查策略在美国50岁以上女性中的成本效益	首次经济模型评估利用深度学习对现有胸部X光片进行机会性骨质疏松筛查的成本效益，并纳入真实世界的治疗依从性和起始率	未提及	评估在美国50岁以上女性中，利用深度学习分析胸部X光片进行机会性骨质疏松筛查的成本效益	美国50岁及以上的女性	医学影像分析	骨质疏松症	深度学习模型	NA	胸部X光片	基于模型估计，无具体样本数量	NA	NA	成本效益比（每获得质量调整生命年的成本）	NA
731	2026-06-07	Deep Learning-Augmented Sleep Spindle Detection for Acute Disorders of Consciousness: Integrating CNN and Decision Tree Validation 2025-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3562067 PMID:40279237	研究论文	提出一种结合卷积神经网络和决策树验证的深度学习方法，用于急性意识障碍患者的睡眠纺锤波自动检测	首次将卷积神经网络与决策树验证相结合，并利用小波变换原理增强对急性意识障碍患者中常见慢纺锤波的检测精度和灵敏度	算法仅在有限样本量（MASS SS2数据集19例，自采集数据集24例）上进行评估，且未报告其他性能指标如准确率和召回率	开发并验证一种用于急性意识障碍患者睡眠纺锤波自动检测的深度学习增强算法，以改善诊断精度和治疗指导	睡眠纺锤波检测及其与急性意识障碍患者预后的关系	机器学习	急性意识障碍	NA	卷积神经网络	脑电图信号	MASS SS2数据集19例，自采集急性意识障碍患者数据集24例	NA	卷积神经网络，决策树	F1分数，斯皮尔曼相关系数	NA
732	2026-06-07	A Guided Refinement Network Model With Joint Denoising and Segmentation for Low-Dose Coronary CTA Subtle Structure Enhancement 2025-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3561338 PMID:40293900	研究论文	提出一种基于联合学习的引导细化网络模型，用于低剂量冠状动脉CT血管造影的图像去噪与分割	创新性地将冠状动脉分割与去噪任务联合学习，实现相互引导与协同优化，在抑制噪声的同时增强细微结构	未提及具体局限性	提高低剂量CCTA图像质量，恢复细微冠脉分支，辅助放射科医生诊断	低剂量冠状动脉CT血管造影图像	计算机视觉	冠状动脉疾病	冠状动脉CT血管造影 (CCTA)	引导细化网络 (GRN)	图像	NA	NA	引导细化网络	定量与定性指标（具体未列出）	NA
733	2026-06-07	PCANN Program for Structure-Based Prediction of Protein-Protein Binding Affinity: Comparison With Other Neural-Network Predictors 2025-09, Proteins IF:3.2Q2 DOI:10.1002/prot.26821 PMID:40116085	研究论文	提出一种基于结构的蛋白质-蛋白质结合亲和力预测器PCANN，并与其他神经网络预测器进行比较	使用ESM-2语言模型编码蛋白质结合界面信息，结合图注意力网络（GAT）进行预测，在两个新数据集上优于现有最佳预测器BindPPI	实验数据有限且准确性不高，缺乏内部一致性，需通过AI辅助文献检索和人工筛选解决	开发更准确的蛋白质-蛋白质结合亲和力预测器	蛋白质-蛋白质复合物	机器学习	NA	NA	图注意力网络，ESM-2语言模型	序列	两个文献提取的数据集	NA	图注意力网络	平均绝对误差	NA
734	2026-06-07	Classification of familial and non-familial ADHD using auto-encoding network and binary hypothesis testing 2025-Aug-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.15.25333792 PMID:40894124	研究论文	利用自编码网络和二元假设检验对家族性和非家族性注意缺陷多动障碍进行分类	首次结合多模态MRI和深度学习技术区分家族性ADHD与非家族性ADHD，并采用二元假设检验的半监督深度学习框架	分类准确率较低（AUC最大0.70），且样本量（438例）可能不足，需进一步验证泛化性	探究多模态MRI与深度学习能否区分家族性和非家族性ADHD	438名儿童（129例家族性ADHD、159例非家族性ADHD和150名健康对照）	计算机视觉, 机器学习	注意缺陷多动障碍	多模态MRI（T1加权和弥散加权成像）	自编码网络, 二元假设检验	图像	438名儿童（129例家族性ADHD、159例非家族性ADHD、150名对照）	NA	自编码器	准确率, 灵敏度, 特异度, AUC	NA
735	2026-06-07	Reflections on dynamic prediction of Alzheimer's disease: advancements in modeling longitudinal outcomes and time-to-event data 2025-07-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02618-x PMID:40676602	综述	对阿尔茨海默病动态预测方法的全面调查，涵盖传统统计方法和深度学习技术	系统比较了四种动态预测框架（两阶段模型、联合模型、里程碑模型和深度学习）的原理与应用	未考虑多种数据类型、复杂纵向数据、缺失数据、假设违反、生存结果和模型可解释性等问题	综述阿尔茨海默病动态预测方法，支持临床医学和决策	阿尔茨海默病动态预测的相关研究文章	机器学习	阿尔茨海默病	NA	NA	NA	18项研究	NA	NA	NA	NA
736	2026-06-07	Simpler Protein Domain Identification Using Spectral Clustering 2025-07, Proteins IF:3.2Q2 DOI:10.1002/prot.26808 PMID:39945423	研究论文	提出SPECTRALDOM方法，在SPECTRUS算法基础上增加三个改进：无需简正模式的单结构域识别、多序列比对模式处理同源结构、以及使用α家族匹配算法解决碎片化问题	无需简正模式即可从图拉普拉斯获得高质量域分割；引入多序列比对模式融合序列和几何信息；利用α家族匹配算法建立域对应关系，解决碎片化问题	未明确说明，但可能需要依赖同源结构或结构数据集	改进蛋白质结构域识别方法，提高分割质量和处理复杂构象变化的能力	生物大分子复合物中的蛋白质结构域	计算生物学	NA	NA	谱聚类	结构数据	NA	Structural Bioinformatics Library	NA	NA	NA
737	2026-06-07	Enhancing Functional Protein Design Using Heuristic Optimization and Deep Learning for Anti-Inflammatory and Gene Therapy Applications 2025-07, Proteins IF:3.2Q2 DOI:10.1002/prot.26810 PMID:39985803	研究论文	开发了一种结合启发式优化与深度学习的方法，用于设计具有抗炎和基因治疗功能的功能性蛋白质序列	提出启发式优化方法以增强蛋白质功能（如溶解度、灵活性和稳定性），同时保持结构完整性，并减少了实验室实验需求	NA	提升功能性蛋白质设计的效率与精准度，特别针对抗炎和基因治疗应用	蛋白质序列设计与优化	机器学习	抗炎疾病	蛋白质序列设计	遗传算法、AlphaFold	蛋白质序列数据	NA	AlphaFold, PyTorch	遗传算法	恢复分数、置信度指标	NA
738	2026-06-07	Interpretable machine learning and graph attention network based model for predicting PAMPA permeability 2025-07, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109050 PMID:40245571	研究论文	使用机器学习和图注意力网络模型预测PAMPA渗透性	结合机器学习（RF、EBM、Adaboost）和深度学习（图注意力网络）预测PAMPA渗透性，并验证模型在外部数据集上的泛化能力	深度学习模型（GAT）初始准确率较低（74%），外部数据集上性能提升但仍有差距；数据集大小有限（5447个化合物）	建立预测PAMPA渗透性的计算模型以支持药物早期发现	5447个化合物的PAMPA渗透性评分数据	机器学习	未指定	PAMPA渗透性测定	随机森林、可解释增强机、Adaboost、图注意力网络	分子结构与渗透性数据	5447个化合物	Scikit-learn, PyTorch	随机森林, 可解释增强机, Adaboost, 图注意力网络	准确率	NA
739	2026-06-07	nuTCRacker: Predicting the Recognition of HLA-I-Peptide Complexes by αβTCRs for Unseen Peptides 2025-07, European journal of immunology IF:4.5Q2 DOI:10.1002/eji.202451607 PMID:40629982	研究论文	提出nuTCRacker深度学习方法，预测αβTCR对未见过肽的识别能力	首次实现对未在训练集中出现的抗原肽进行准确预测，基于大规模公共数据构建数据集并达到AUC>0.7	预测仅适用于满足特定条件（相同HLA-I分子、相似肽、相似TCR）的未见过肽，且性能依赖于训练数据组成	预测CD8+ T细胞克隆的αβTCR对抗原肽的识别，推动T细胞库选择机制研究与靶向细胞免疫疗法开发	αβTCR与HLA-I-肽复合物的相互作用	机器学习	癌症	深度学习方法	深度神经网络	肽序列与TCR结合数据	大规模公共数据及小规模细胞验证数据集	NA	NA	AUC	NA
740	2026-06-07	DisDock: A Deep Learning Method for Metal Ion-Protein Redocking 2025-06, Proteins IF:3.2Q2 DOI:10.1002/prot.26791 PMID:39838957	研究论文	提出一种名为DisDock的深度学习方法，用于金属离子与蛋白质的对接预测	结合U-net架构与自注意力模块，利用距离几何信息预测金属离子与蛋白质的结合构象	NA	开发一种高精度的蛋白质-金属对接预测方法	金属蛋白中的金属离子与蛋白质的对接结构	机器学习	NA	深度学习	U-net	距离图	来自MOAD数据库的高质量金属蛋白数据集	NA	U-net, 自注意力模块	预测准确性	NA