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
981	2026-05-04	Bioprospecting of culturable marine biofilm bacteria for novel antimicrobial peptides 2024-Dec, iMeta IF:23.7Q1 DOI:10.1002/imt2.244 PMID:39742298	研究论文	本研究利用可培养海洋生物膜细菌构建菌库并通过核糖体分析和深度学习预测新型抗菌肽	结合核糖体分析和深度学习提高小开放阅读框的鉴定和验证，发现与已知抗菌肽序列相似度低于40%的新型肽，且来自先前未知产抗菌肽的细菌类群	NA	加速新型抗菌肽的发现，扩展抗菌肽化合物的范围	可培养海洋生物膜细菌及其基因组和表达的抗菌肽	机器学习	NA	核糖体分析	深度学习	序列数据	713株细菌菌株及80,430个表达的小开放阅读框，其中341个为候选抗菌肽，化学合成60个序列	PyTorch	深度学习模型	抗菌活性	NA
982	2026-05-04	Gray matters: ViT-GAN framework for identifying schizophrenia biomarkers linking structural MRI and functional network connectivity 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120674 PMID:38851549	研究论文	提出一种基于条件高效视觉变换器生成对抗网络（cEViT-GAN）的框架，通过从结构MRI中分割灰质体积来生成功能网络连接矩阵，以识别精神分裂症的影像学生物标志物	首次使用生成对抗网络将结构MRI灰质信息转化为功能网络连接矩阵，并开发了轻量级自注意力机制以优化注意力图，从而识别与精神分裂症相关的结构生物标志物	NA	探索脑结构（灰质）与功能（功能网络连接）之间的关系，并为精神分裂症识别新的影像学生物标志物	精神分裂症患者的脑结构MRI和功能MRI数据	计算机视觉	精神分裂症	结构MRI、功能MRI、ICA算法	条件高效视觉变换器生成对抗网络（cEViT-GAN）	3D结构MRI图像、功能网络连接矩阵	NA	PyTorch	ViT（视觉变换器）、GAN（生成对抗网络）	Pearson相关系数	NA
983	2026-05-04	Exploring the potential of representation and transfer learning for anatomical neuroimaging: Application to psychiatry 2024-08-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120665 PMID:38848981	research paper	比较深度学习与标准机器学习在精神疾病的解剖神经影像预测中的性能，并探索迁移学习的潜力	首次在多站点、多临床任务上系统比较深度学习与标准机器学习性能，并通过大规模健康人群的自我监督预训练证明深度学习可学习鲁棒且可迁移的表示，在多数临床任务中显著优于标准机器学习	研究仅关注结构神经影像，未涉及功能影像或其他模态；临床数据集样本量相对较小（N≤1k），可能影响泛化性	评估深度学习与标准机器学习在基于解剖神经影像的精神疾病预测中的性能差异，并探索迁移学习（特别是自我监督预训练）的潜在优势	精神分裂症、双相障碍和自闭症谱系障碍的诊断预测，以及性别预测	machine learning	精神分裂症, 双相障碍, 自闭症谱系障碍	NA	深度学习（Deep Ensemble）、标准机器学习（SML）	解剖神经影像（sMRI）	大规模健康人群约10,000例，临床数据集各约1,000例以下	NA	Deep Ensemble	准确率	NA
984	2026-05-04	Automated segmentation of epilepsy surgical resection cavities: Comparison of four methods to manual segmentation 2024-08-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120682 PMID:38866195	研究论文	比较四种自动分割方法与手动分割在癫痫手术切除腔MRI上的准确性	首次在混合的颞叶和颞外癫痫手术队列中比较多种自动分割管道，包括基于SPM和深度学习的方法	算法未能识别所有切除腔，且自动分割仍需人工质量控制	评估自动分割管道在癫痫手术切除腔分割中的准确性和适用性	50名接受癫痫手术的患者（30名颞叶手术，20名颞外手术）的切除腔MRI图像	计算机视觉	癫痫	MRI	3D U-net卷积神经网络	图像	50名受试者（30名颞叶，20名颞外）	MATLAB, SPM-12	3D U-net	Dice相似系数	NA
985	2026-05-04	nBEST: Deep-learning-based non-human primates Brain Extraction and Segmentation Toolbox across ages, sites and species 2024-07-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120652 PMID:38797384	研究论文	提出一个基于深度学习的非人灵长类大脑MRI提取与分割工具箱nBEST，可跨年龄、站点和物种处理脑图像	采用终身学习方法灵活整合多样非人灵长类群体数据，创新性构建3D U-NeXt架构，实现多物种、多站点、多发育阶段通用处理	未明确讨论在极端低质量或罕见物种图像上的表现，可能依赖现有数据集多样性的持续更新	开发专为非人灵长类大脑MRI设计的通用自动化处理工具，提升跨物种、跨站点、跨年龄的脑图像分析能力	非人灵长类大脑MRI数据，涉及11个物种（如恒河猴、食蟹猴、黑猩猩、狨猴、松鼠猴等）共1469个扫描样本	数字病理学	不适用	MRI	3D U-NeXt	图像	1469个扫描样本，来自23个独立数据集，涵盖11个物种	PyTorch	3D U-NeXt	精确度, 适用性, 鲁棒性, 全面性, 泛化能力	不适用
986	2026-05-04	The effect of head motion on brain age prediction using deep convolutional neural networks 2024-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120646 PMID:38750907	研究论文	研究头部运动对深度卷积神经网络预测大脑年龄的影响	首次系统评估头部运动引起的MRI图像伪影对脑年龄预测的影响，并发现即使临床可用图像也存在显著偏差	仅基于T1加权MRI图像，未考虑其他模态图像；仅使用两种3D CNN架构，未探索其他模型	探究头部运动引起的MRI图像伪影对脑年龄预测作为脑健康生物标志物的适用性的影响	参与者的T1加权MRI扫描图像（包括无运动和运动伪影的图像）	计算机视觉	神经系统疾病	MRI	3D卷积神经网络	图像	同一参与者的无运动和运动伪影的T1加权MRI扫描图像，由神经放射科医生从临床诊断角度评级	NA	两种不同的3D卷积神经网络架构	脑预测年龄差（brain-PAD）、图像质量指标	NA
987	2026-05-04	Unpaired deep learning for pharmacokinetic parameter estimation from dynamic contrast-enhanced MRI without AIF measurements 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120571 PMID:38518829	研究论文	提出一种无需配对数据和动脉输入函数测量的无监督深度学习方法，通过物理驱动的CycleGAN从动态对比增强MRI中估算药代动力学参数	首次将CycleGAN应用于无配对深度学习中的DCE-MRI药代动力学参数估计，设计基于物理模型的简化生成器-判别器架构，无需单独测量动脉输入函数	未明确讨论方法在临床异质性数据集上的泛化能力及计算效率	开发一种不依赖配对标签数据和动脉输入函数测量的药代动力学参数估计方法，提升可靠性与实用性	动态对比增强MRI中的药代动力学参数和动脉输入函数	医学图像分析	NA	DCE-MRI	CycleGAN（生成对抗网络）	医学图像（动态对比增强MRI）	NA	PyTorch	CycleGAN（单生成器-判别器对）	药代动力学参数估计可靠性（对比其他技术）	NA
988	2026-05-04	Supervised contrastive learning enhances graph convolutional networks for predicting neurodevelopmental deficits in very preterm infants using brain structural connectome 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120579 PMID:38537766	研究论文	应用监督对比学习增强图卷积网络，通过脑结构连接组预测极早产儿神经发育缺陷	首次将图卷积网络与监督对比学习结合用于脑结构连接组分析，以解决数据稀缺问题并提高早期预测准确性	样本量相对较小（约280名婴儿），可能限制模型普适性；研究基于单一队列，需外部验证	开发深度学习模型，利用足月等效年龄的脑结构连接组早期预测极早产儿2岁矫正年龄时的神经发育缺陷	极早产儿（胎龄小于32周）的脑结构连接组及其神经发育结果	机器学习	神经发育缺陷	MRI扫描	图卷积网络（GCN）	脑结构连接组数据	约280名极早产儿	PyTorch	图卷积网络（GCN）	AUC	NA
989	2026-05-04	Quantitative susceptibility mapping through model-based deep image prior (MoDIP) 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120583 PMID:38554781	研究论文	提出一种基于模型的无监督深度图像先验方法（MoDIP），用于解决定量磁化率成像中的偶极子反演问题	首次将模型驱动的深度图像先验与无监督学习结合，无需训练即可处理不同扫描参数下的QSM偶极子反演	NA	提高定量磁化率成像方法在不同扫描参数下的泛化能力	病理脑部QSM数据	机器学习, 计算机视觉	脑部疾病	QSM	深度图像先验	图像	NA	NA	小型未训练网络	准确度, 计算效率, 运行时间	NA
990	2026-05-04	Precise detection of awareness in disorders of consciousness using deep learning framework 2024-04-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120580 PMID:38508294	研究论文	利用深度学习框架精准检测意识障碍患者的意识状态	开发了基于3D EfficientNet-B3的级联深度学习框架DeepDOC，用于区分最小意识状态和无反应觉醒综合征患者，并首次应用于认知运动分离患者的识别	样本量有限，主要依赖静息态功能磁共振数据，未涉及其他模态数据验证	探索深度学习技术与静息态功能磁共振结合以精准检测意识障碍患者的意识状态	意识障碍患者，包括无反应觉醒综合征、最小意识状态患者和认知运动分离患者	深度学习	意识障碍	静息态功能磁共振成像	3D EfficientNet-B3	图像	140名参与者（76名无反应觉醒综合征、25名最小意识状态、39名对照组），独立数据集包含11名意识障碍患者	NA	EfficientNet-B3, 3D CNN	AUC, 准确率	NA
991	2026-05-04	One Clinician Is All You Need-Cardiac Magnetic Resonance Imaging Measurement Extraction: Deep Learning Algorithm Development 2022-Sep-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/38178 PMID:35960155	研究论文	本研究开发了一种基于预训练Transformer语言模型的深度学习算法，通过少量专家标注从心脏磁共振成像临床报告中提取21项测量指标	使用预训练Transformer模型实现标签高效的数字提取，无需大量专家标注或人工规则，探索临床预训练和数字表示方法对性能的影响	未明确提及限制，但论文指出模型性能因测量类型而异（如左心房前后径F1=0.92），且工作流程需在实际应用中进一步验证	开发标签高效的方法从非结构化临床文本中自动提取CMR测量值，支持临床研究	多机构医疗系统中的心脏磁共振成像临床报告	自然语言处理	心血管疾病	N/A	Transformer	文本	99,252名患者（12,720份CMR报告，其中370份经临床医生标注）	PyTorch	Transformer	宏平均F1分数	N/A
992	2026-05-03	Explainable deep learning combined with SERS for simultaneous detection of nicotine and etomidate isomers in E-cigarettes 2026-Jul-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345514 PMID:42067301	research paper	本研究将深度学习与表面增强拉曼光谱结合，开发了一种用于检测电子烟中尼古丁和四种依托咪酯异构体的高灵敏度方法	首次将可解释深度学习与SERS结合，实现电子烟中非法药物添加剂的同步检测，并利用Grad-CAM揭示关键SERS峰以增强模型透明性	NA	开发准确快速的检测方法，用于电子烟中非法药物添加剂的筛查	尼古丁和四种依托咪酯异构体	machine learning	NA	表面增强拉曼光谱，密度泛函理论计算	深度学习网络	光谱数据	五种药物标准品	NA	NA	准确率	NA
993	2026-05-03	Improving consciousness assessment through neuroadaptive artificial intelligence and quantum-enhanced brain-computer interfaces 2026-Jul, Clinical neurology and neurosurgery IF:1.8Q2 DOI:10.1016/j.clineuro.2026.109396 PMID:41850148	研究论文	探讨神经自适应人工智能和量子增强脑机接口在意识障碍患者意识评估中的改进应用	提出神经自适应AI和量子计算融合的方法，以提升脑机接口在意识评估中的灵敏度和可靠性	量子AI研究仍处于探索阶段，需要严格的临床验证和治理框架确保安全部署	改善意识障碍患者的意识评估准确性和临床实用性	意识障碍患者	机器学习, 计算机视觉	意识障碍	神经自适应人工智能, 量子增强机器学习	生成式自适应AI模型	神经生理信号	NA	NA	NA	NA	NA
994	2026-05-03	Automated dual-stream deep network design for activity recognition 2026-Jun, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113290 PMID:41980401	研究论文	提出一种面向生物力学领域多变量时间序列传感器数据的自动化深度学习框架，用于活动识别任务	首次将自定义遗传算法优化的双流卷积神经网络与自动化深度学习框架相结合，自动提取时域和频域特征并处理类别不平衡问题	仅使用四个公开数据集进行验证，未涉及真实临床环境；频域特征移除在部分数据集上效果不显著	验证自动化深度学习框架在活动识别中的有效性和优势	四种不同惯性测量单元传感器放置位置和类别不平衡比例的公开活动识别数据集	机器学习	NA	惯性测量单元传感器数据	卷积神经网络	时间序列数据	四个公开活动识别数据集	TensorFlow, Keras	双流卷积神经网络	F1分数	Raspberry Pi 3
995	2026-05-03	Three-Dimensional human motion analysis using LiDAR technology: A systematic review 2026-Jun, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113292 PMID:42001760	综述	系统回顾了基于LiDAR技术进行三维人体运动分析的数据处理方法	首次系统综述了LiDAR技术在三维人体运动分析中的数据处理方法，并比较了不同深度学习算法的性能	主要挑战在于提高三维LiDAR系统的可用性，特别是在多人场景的处理和LiDAR遮挡下的鲁棒性分析	系统回顾用于人体运动分析的三维LiDAR数据处理方法	38项关于使用LiDAR数据进行三维人体运动检测的研究	计算机视觉	不适用	LiDAR	CNN, PointNet, YOLOv3	点云	38项研究	NA	CNN, PointNet, YOLOv3	人体检测精度, 平均关节位置误差, 活动识别准确率	NA
996	2026-05-03	From Big to Small: Emerging Methods for Enhancing Precision Psychiatry Through Transfer Learning 2026-May-15, Biological psychiatry IF:9.6Q1 DOI:10.1016/j.biopsych.2025.10.022 PMID:41173199	综述	综述迁移学习在精准精神病学中的应用，重点探讨如何通过大规模神经影像数据集预训练模型提升小样本临床数据的预测性能	系统梳理迁移学习在脑-行为建模中的概念与实践，并提供从大规模人群数据集到小样本临床数据集的跨领域应用框架	未涉及不同类型迁移学习方法的定量比较，且对模型可解释性在临床应用中的挑战讨论有限	探索迁移学习提升精准精神病学中临床预测模型泛化性与可解释性的潜力	神经影像数据与临床特征之间的脑-行为预测模型	机器学习	精神病学疾病	NA	迁移学习	神经影像数据	NA	NA	NA	NA	NA
997	2026-05-03	Long-term alterations of cerebellar structure after premature birth 2026-05-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121918 PMID:41966235	研究论文	本研究通过MRI和体素形态测量法分析早产对成年早期小脑结构和体积的长期影响	首次使用SUIT工具箱对早产年轻成人进行小脑和脑干灰白质体积的优化体素分析，并结合深度学习方法进行区域划分	研究仅限于横断面设计，未评估随时间的纵向变化；颅内体积校正策略影响结果	探究早产对小脑形态的长期影响，特别是亚区域体积差异及其与围产期变量的关联	极早产（<32周）和/或极低出生体重（<1500g）的年轻成年人（平均26.7岁）与足月对照组（平均26.8岁）	机器学习	早产相关神经系统疾病	磁共振成像（T1/T2加权MRI），体素形态测量	深度学习分割模型（CerebNet）	医学影像（MRI）	101名早产个体与109名足月对照个体	SUIT工具箱，CerebNet	基于深度学习的CerebNet	体积差异（体素和区域兴趣区分析），与早产变量的相关性（如孕周）	NA
998	2026-05-03	Speech-based system for detecting alcohol intoxication using optimized deep learning 2026-May-02, Psychopharmacology IF:3.5Q2 DOI:10.1007/s00213-026-07065-0 PMID:42067688	研究论文	提出一种基于语音的酒精中毒检测系统，利用优化的深度学习算法（D2R_Net）进行语音醉态分类	结合密集残差块与门控循环单元构建D2R_Net架构，并引入迭代鹦鹉优化算法进行超参数调优，实现了高精度酒精中毒检测	未在多样化真实场景（如背景噪音、不同语言）下进行充分验证	开发高效、非侵入性且成本低廉的语音式酒精中毒检测系统	酒精中毒患者的语音数据（醉态与清醒状态）	机器学习	酒精中毒	深度学习，超参数优化	Dense Residual Recurrent Network (D2R_Net)	语音（log-Mel声谱图）	未明确提供样本量	PyTorch	D2R_Net（密集残差块 + GRU）	平衡准确率，特异度	最小化计算资源要求
999	2026-05-03	Illuminating Research Dynamics: Medical Ultrasound and Deep Learning 2026-May, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70131 PMID:41215539	综述	该研究首次对医学超声与深度学习领域的文献进行了文献计量学分析	首次为深度学习在医学超声领域的研究提供了文献计量学概述，揭示了研究动态和新兴趋势	NA	对医学超声和深度学习研究进行文献计量学概述	医学超声与深度学习相关出版物	计算机视觉, 机器学习	NA	超声成像, 深度学习	CNN, U-Net, Transformer	文本, 图像	3386篇出版物	NA	U-Net, 注意力网络, 视觉Transformer	NA	NA
1000	2026-05-03	Deep Learning Radiomics Model Based on Ultrasound Images Predicts Myometrial Infiltration of Endometrial Cancer 2026-May, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70134 PMID:41235803	研究论文	基于超声图像的深度学习影像组学模型用于预测子宫内膜癌肌层浸润	首次将深度学习特征与影像组学特征结合构建DLR模型，用于无创区分子宫内膜癌患者的肌层浸润深度，优于传统影像组学模型、深度学习模型及高级超声医师的诊断性能	未提及模型在不同超声设备或人群中的泛化能力验证，可能存在数据偏差	开发和验证基于超声图像的深度学习影像组学模型，用于无创区分子宫内膜癌患者的肌层浸润	子宫内膜癌患者	机器学习	子宫内膜癌	超声影像	深度学习影像组学模型	图像	390例子宫内膜癌患者（中心1 310例，中心2 80例）	NA	NA	AUC	NA