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
1061	2026-03-24	Evaluation of classification performance for six types of fundus diseases in OCT images based on multi-source training strategy 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1775911 PMID:41868207	研究论文	本研究构建了一个包含六种关键眼底病变和正常对照的高质量OCT数据集，并系统评估了多源数据融合训练策略对多类别分类性能的提升效果	通过整合本地临床数据与公开数据集OCTDL，建立了一个覆盖七种类别的OCT数据集，并比较了单一来源与多源联合训练策略，验证了多源数据融合对提升模型鲁棒性的有效性	研究仅基于特定医院数据和单一公开数据集，可能未涵盖所有临床场景；模型性能评估仅在OCTDL测试集上进行，可能缺乏外部验证	评估多源训练策略对OCT图像中六种眼底疾病分类性能的改善效果	OCT图像中的年龄相关性黄斑变性、糖尿病性黄斑水肿、视网膜动脉阻塞、视网膜静脉阻塞、视网膜前膜、玻璃体黄斑界面疾病及正常对照	计算机视觉	眼底疾病	光学相干断层扫描	深度学习	图像	6165张OCT图像，覆盖七种类别	NA	ViT-Base	准确率, 加权F1分数, 类别特异性召回率, AUC, 误诊率	NA
1062	2026-03-24	Deep learning for FDG-PET classification in patients with Alzheimer's disease, dementia with Lewy bodies and their mixed pathology: a solution for diagnostic heterogeneity 2026, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2026.1780858 PMID:41868427	研究论文	本研究开发了一种基于深度学习的集成模型，利用FDG-PET图像对阿尔茨海默病、路易体痴呆、混合病理及健康对照进行分类，以解决诊断异质性问题	首次将深度学习集成模型应用于FDG-PET图像，以区分阿尔茨海默病、路易体痴呆及其混合病理，提高了诊断准确性	样本量相对有限（277名参与者），模型在混合病理分类上的性能（AUROC 0.71）略低于其他组	提高阿尔茨海默病、路易体痴呆及其混合病理的诊断准确性	阿尔茨海默病患者、路易体痴呆患者、混合病理患者及健康对照	数字病理学	老年疾病	FDG-PET成像	深度学习	图像	277名参与者（包括AD、DLB、混合病理及健康对照组）	NA	集成模型	AUROC	NA
1063	2026-03-24	Breast tumor segmentation and morphological feature-based classification in ultrasound using a two-stage U-net and SVM 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1774371 PMID:41868544	研究论文	本研究提出了一种基于两阶段U-Net和SVM的计算机辅助诊断框架，用于乳腺超声图像的自动分割和形态特征分类	结合了深度学习分割与基于手工形态特征的SVM分类，在保持高性能的同时提高了临床可解释性	仅使用了四种手工形态特征，可能未充分利用图像信息；数据集规模和多样性未明确说明	实现乳腺超声图像中肿瘤的自动分割和良恶性分类	乳腺超声图像	数字病理学	乳腺癌	超声成像	CNN, SVM	图像	包含正常、良性和恶性病例的综合数据集（具体数量未提供）	未明确指定	U-Net	Mask IoU, 准确率	NA
1064	2026-03-24	Dose Prediction Deep Learning-Based Model for VMAT of Prostate Cancer Applying Magnetic Resonance Image (MRI) in Versa HD Linear Accelerator 2026, Advanced biomedical research IF:0.7Q4 DOI:10.4103/abr.abr_180_25 PMID:41868994	研究论文	本研究旨在开发一个基于深度学习的剂量预测模型，用于前列腺癌的容积调强弧形治疗（VMAT），利用MRI在Versa HD直线加速器上生成合成CT图像并进行剂量预测	应用CycleGAN和U-net深度学习框架从MRI生成合成CT图像，用于VMAT剂量预测，并比较了两种模型在Versa HD直线加速器上的性能	样本量较小（仅45名患者），且研究仅针对前列腺癌和特定加速器（Versa HD），可能限制结果的普适性	设计一个基于深度学习的剂量预测模型，以改善前列腺癌VMAT治疗中剂量分布的准确性，减少治疗计划系统的不确定性	前列腺癌患者	数字病理学	前列腺癌	MRI	GAN, CNN	图像	45名患者	NA	CycleGAN, U-net	gamma通过率	NA
1065	2026-03-24	Diagnosis of SLAP lesions on shoulder MRI using a 2.5D deep learning and ensemble learning framework 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1730726 PMID:41869384	研究论文	本研究开发了一种结合2.5D深度学习和集成学习的自动化诊断模型，用于在肩部MRI上检测SLAP病变	提出了一种结合2.5D深度学习和集成学习的多切片信息融合框架，显著提高了诊断准确性	研究为回顾性设计，样本量相对较小（185例患者），且模型特异性中等（0.538）	建立SLAP病变的自动化诊断模型以支持临床决策	肩部SLAP病变患者（91例）和对照组（94例）的术前肩部MRI图像	计算机视觉	肩部损伤	肩部磁共振成像（MRI）	CNN, 集成学习	图像	185例患者（91例SLAP病变，94例对照）	PyTorch（推断自Wide_ResNet101_2的预训练）	Wide_ResNet101_2	准确率, AUC, 灵敏度, 特异性, 精确率, F1分数	NA
1066	2026-03-24	AI redefine untargeted metabolomics: estimating chemical amounts for a Human Exposome Project 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1775284 PMID:41869597	综述	本文综述了人工智能在非靶向代谢组学中用于化学物质浓度估计的新兴策略，旨在解决人类暴露组计划中从定性检测到定量数据转化的关键瓶颈	提出了结合AI预测电离响应因子和“基质嵌入”校准方法的“分层半定量”策略，使非靶向代谢组学能够将暴露物分类到生物学相关浓度范围，并直接与毒理学框架整合进行风险优先排序	NA	解决非靶向代谢组学中在没有真实标准品的情况下估计化学物质浓度的关键瓶颈，以支持人类暴露组计划	环境暴露物（特别是外源性物质）的化学浓度估计	机器学习	NA	液相色谱-高分辨质谱（LC-HRMS），非靶向代谢组学	回归模型，深度学习	质谱信号强度，分子点云数据	NA	NA	NA	NA	NA
1067	2026-03-24	Charting the virosphere: computational synergies of AI and bioinformatics in viral discovery and evolution 2025-12-23, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01554-25 PMID:41222234	综述	本文综述了人工智能与生物信息学在病毒发现和进化研究中的协同作用，探讨了从传统方法到AI及混合框架的演变	提出了一种结合AI模式识别与经典生物信息学的集成工作流，以提升可扩展性和可解释性，并统一了加速病毒发现和增强进化洞察的计算策略	AI驱动方法面临计算负担、数据集偏差、有限可解释性以及较高假发现率等挑战	加速病毒发现、增强进化洞察并加强全球对新发传染病的准备	病毒基因组和蛋白质	生物信息学	NA	宏基因组测序	CNN, RNN, Transformer, GNN	序列数据	NA	NA	AlphaFold, ESMFold, Foldseek	NA	NA
1068	2026-03-24	Biologically-informed integration of drug representations for breast cancer treatment using deep learning 2025-12-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66384-6 PMID:41381442	研究论文	本文开发了一种名为GDnet的可解释深度学习模型，通过整合药物表示和肿瘤转录组数据来预测乳腺癌新辅助治疗反应，并辅助选择最佳治疗策略	首次提出将生物学信息驱动的药物表示与肿瘤转录组数据整合的深度学习模型，用于个性化乳腺癌治疗优化，并通过模拟临床试验验证其提升病理完全缓解率的能力	研究基于31个数据集的4371名患者，样本来源和多样性可能存在限制，且模型尚未在真实世界临床环境中进行前瞻性验证	开发深度学习模型以预测乳腺癌新辅助治疗反应并优化个性化治疗策略选择	乳腺癌患者及其对新辅助治疗的反应数据	数字病理学	乳腺癌	转录组测序	深度学习模型	转录组数据, 药物表示数据	4371名符合条件的患者，来自31个数据集	NA	GDnet	病理完全缓解率, 比值比	NA
1069	2026-03-24	Multiplexed detection of febrile infections using CARMEN 2025-12-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66243-4 PMID:41365864	研究论文	本文开发了三种基于CARMEN技术的检测面板，用于同时检测23种病原体，并通过深度学习优化了检测的敏感性和特异性	利用深度学习设计CARMEN检测方法，提高了对多种发热性感染病原体的检测敏感性和特异性，并验证了其在合成目标、加标血清样本及患者样本中的性能	NA	开发并验证用于多重检测发热性感染的CARMEN技术，以提升临床诊断和公共卫生监测的准确性	病毒性出血热、蚊媒病毒和性传播感染相关的23种病原体	数字病理学	发热性感染	CARMEN技术，RT-qPCR	深度学习	合成目标、加标健康正常血清样本、患者样本	涉及美国淋病奈瑟菌样本和尼日利亚拉沙病毒及猴痘病毒样本	NA	NA	敏感性，特异性	NA
1070	2026-03-24	MSC-transformer-based 3D-attention with knowledge distillation for multi-action classification of separate lower limbs 2025-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107806 PMID:40614457	研究论文	提出了一种基于多尺度可分离卷积Transformer的滤波器-空间-时间注意力模型（MSC-T3AM），用于分类多个下肢动作，并利用知识蒸馏提升性能	提出了MSC-T3AM模型，首次在自注意力模块的查询、键和值投影后分别应用多尺度可分离卷积，以提高计算效率和分类性能，并引入在线知识蒸馏来学习合适的概率分布	未明确提及模型的计算复杂度或实时性限制，也未讨论在不同EEG数据集上的泛化能力	解决现有深度学习模型在基于EEG的运动想象分类中未充分利用维度特异性注意力机制和隐含信息的问题，特别是针对下肢分离动作的分类	基于脑电图（EEG）的下肢分离动作，包括运动想象（MI）、真实运动（RM）和运动观察（MO）	机器学习	NA	脑电图（EEG）	Transformer, CNN	脑电图信号	NA	NA	MSC-T3AM（多尺度可分离卷积Transformer注意力模型）	分类准确率	NA
1071	2026-03-24	Docking With Rosetta and Deep Learning Approaches in CAPRI Rounds 47-55 2025-Sep-22, Proteins IF:3.2Q2 DOI:10.1002/prot.70016 PMID:40980933	研究论文	本文介绍了在CAPRI第47至55轮中，结合Rosetta对接方法和深度学习技术预测蛋白质-蛋白质相互作用的策略与挑战	结合多种Rosetta对接方法（RosettaDock、ReplicaDock、SymDock）与深度学习工具（AlphaFold2、IgFold、AlphaRED），并开发了改进构象采样和评分函数的方法	对于更灵活的复合物，预测准确性仍然有限，尤其是在预测CDR H3环和抗体-抗原结合界面方面存在挑战	提高蛋白质-蛋白质相互作用的盲预测准确性，特别是针对结合诱导的构象变化、大型多聚体蛋白质和抗体-抗原相互作用	CAPRI第47至55轮中的49个目标，包括多阶段组装体、抗体-抗原复合物和柔性界面	计算生物学	NA	蛋白质对接，深度学习	AlphaFold2, IgFold, AlphaRED	蛋白质结构数据	49个CAPRI目标	Rosetta, 深度学习框架	AlphaFold2, IgFold, AlphaRED	DockQ分数，CAPRI质量排名	NA
1072	2026-03-24	Deep learning chest X-ray age, epigenetic aging clocks, and associations with age-related subclinical disease in the Project Baseline Health Study 2025-09-19, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/glaf173 PMID:40795299	研究论文	本研究比较了基于深度学习胸片年龄（CXR-Age）与两种表观遗传衰老时钟在预测心肺疾病和衰弱方面的关联性	首次将深度学习胸片年龄与表观遗传衰老时钟进行对比，发现CXR-Age在中年人群中与心肺衰老指标关联更强	研究样本仅来自美国四个中心的2097名参与者，可能存在选择偏倚	比较不同衰老评估方法（CXR-Age与表观遗传时钟）与心肺疾病及衰弱指标的关联强度	Project Baseline Health Study的2097名参与者	医学影像分析	心血管疾病	深度学习，表观遗传时钟（Horvath Age，DNAm PhenoAge）	深度学习模型	胸片图像，表观遗传数据，临床指标	2097名参与者	NA	NA	关联性分析（线性回归）	NA
1073	2026-03-24	A review of hybrid EEG-based multimodal human-computer interfaces using deep learning: applications, advances, and challenges 2025-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00469-5 PMID:40625554	综述	本文系统综述了2016年至2024年间基于EEG的多模态人机交互系统，重点关注结合深度学习技术的应用、进展与挑战	首次系统整合了基于EEG的多模态HCI系统结合深度学习的研究成果，并分析了信号类型、网络架构、融合策略等关键主题	缺乏实时在线系统、信号同步困难、数据可用性有限以及可解释AI方法不足	综述基于EEG的多模态人机交互系统在深度学习中的应用、进展与挑战	124篇从Web of Science数据库中检索的2016年至2024年间发表的研究	人机交互	NA	EEG, fNIRS, NIRS, MEG, fMRI, EOG, EMG, ECG, PPG, GSR	深度学习	生物信号	124项研究	NA	卷积神经网络	NA	NA
1074	2026-03-24	Evaluation of Learning Approaches Among Physiotherapy Students in Haryana: A Cross-Sectional Study 2025-02, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.14253 PMID:39644511	研究论文	本研究通过横断面调查评估了哈里亚纳邦物理治疗学生的学习方法，发现大多数学生采用深度学习方式	首次在哈里亚纳邦物理治疗学生中系统评估学习方法，并比较了临床前与临床阶段学生的差异	样本仅来自同一大学附属院校，可能限制结果的普适性；未追踪学习方法随时间的变化	评估物理治疗学生的学习方法，以改进教学策略和课程设计	物理治疗专业学生（包括临床前和临床阶段）	NA	NA	问卷调查（ASSIST量表）	NA	问卷数据	250名参与者（129名临床前组，121名临床组）	IBM SPSS 27	NA	p值（统计显著性）	NA
1075	2026-03-24	AI-driven innovations in Alzheimer's disease: Integrating early diagnosis, personalized treatment, and prognostic modelling 2024-11, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2024.102497 PMID:39293530	综述	本文综述了人工智能在阿尔茨海默病早期诊断、个性化治疗和预后建模中的创新应用	整合多模态数据（临床、遗传、影像）并利用深度学习技术揭示疾病机制，推动AI在AD管理中的全面应用	存在伦理考量、数据隐私问题以及AI工具与临床工作流无缝整合的需求等挑战	探索人工智能在阿尔茨海默病诊断、治疗和预后建模中的潜在应用，以改善痴呆症护理	阿尔茨海默病患者及其相关的神经影像、遗传、蛋白组学、认知行为数据	机器学习	阿尔茨海默病	神经影像技术（MRI、PET、CT）、遗传和蛋白组学生物标志物检测、认知行为评估	机器学习模型、深度学习技术	图像、遗传数据、蛋白组学数据、临床数据、语音和语言模式数据	NA	NA	NA	NA	NA
1076	2026-03-24	Cycle-consistent Learning for Fetal Cortical Surface Reconstruction 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72104-5_21 PMID:41868474	研究论文	本文提出了一种基于深度学习的多任务先验知识监督的胎儿皮层表面重建方法，采用循环一致策略提升表示能力	引入循环一致策略，利用先验知识和多个静态速度场学习从模板表面网格到内外表面的微分同胚变形，通过内外表面相互引导迭代优化，特别针对模糊和挑战性皮层区域提高准确性	NA	开发一种专门针对胎儿皮层表面重建的方法，以应对胎儿脑部MRI图像中的独特挑战，如低组织对比度、低分辨率和运动伪影	胎儿脑部MRI图像	计算机视觉	NA	MRI	深度学习	图像	83名受试者的胎儿MRI数据集	NA	NA	几何误差, 自相交面百分比	NA
1077	2026-03-24	Disentangled Hybrid Transformer for Identification of Infants with Prenatal Drug Exposure 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72390-2_7 PMID:41869677	研究论文	本文提出了一种名为解耦混合体积-表面Transformer的深度学习模型，用于识别有产前药物暴露的婴儿	提出了一种结合3D体积网络和表面网络的双分支模型，并引入解耦策略分离互补变量和共同变量，以去除冗余信息并提升表达能力	NA	早期识别有产前药物暴露的婴儿及其相关生物标志物，以支持更早、更有效和个性化的干预	婴儿	计算机视觉	NA	MRI扫描	Transformer	图像	210个婴儿MRI扫描	NA	Transformer	NA	NA
1078	2026-03-24	Deep learning-based 2D keypoint detection in alpine ski racing - A performance analysis of state-of-the-art algorithms applied to regular skiing and injury situations 2023, JSAMS plus DOI:10.1016/j.jsampl.2023.100034 PMID:41868559	研究论文	本研究评估了深度学习在滑雪运动中的二维关键点检测性能，特别是在常规滑雪和受伤情况下的应用	首次将深度学习关键点检测算法应用于高山滑雪中的受伤情况分析，并创建了专门的滑雪受伤数据集	在摔倒情况下检测性能显著下降，自遮挡和罕见姿势导致准确率降低	评估深度学习算法在滑雪运动关键点检测中的实用性，为运动损伤分析提供工具	高山滑雪运动员在常规滑雪和受伤情况下的运动姿态	计算机视觉	运动损伤	深度学习关键点检测	CNN	视频图像	NA	NA	OpenPose, Mask-R-CNN, AlphaPose, DCPose	平均关节位置误差, 正确关键点百分比	NA
1079	2026-03-24	Evaluation of different registration methods and dental restorations on the registration duration and accuracy of cone beam computed tomography data and intraoral scans: a retrospective clinical study 2022-Sep, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-022-04533-7 PMID:35538331	研究论文	本研究评估了不同配准方法及牙齿修复体比例对锥形束CT与口内扫描数据配准时长和准确性的影响	首次结合深度学习平台与多种传统配准软件，系统性分析牙齿修复体比例对配准性能的影响	样本量较小（36例患者），且为单操作者回顾性研究，可能存在操作偏倚	比较不同配准方法在虚拟种植规划中的效率与精度差异	锥形束CT数据与口内扫描的三维模型	医学影像分析	牙科疾病	锥形束CT扫描, 口内扫描	深度学习模型	三维医学影像数据	36例患者（每人单颌数据）	未明确说明	未明确说明	配准精度（三维模型间距离测量）, 时间消耗	未明确说明
1080	2026-03-24	A Deep Convolutional Neural Network for Annotation of Magnetic Resonance Imaging Sequence Type 2020-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-019-00282-4 PMID:31654174	研究论文	本文训练了一个深度卷积神经网络，用于自动注释脑肿瘤患者磁共振成像的序列类型	利用深度学习技术解决磁共振图像序列类型非标准化标注的自动化问题，支持大规模医学图像数据集的聚合与管理	研究仅针对脑肿瘤患者的四种常见MR序列类型，未涵盖所有可能的序列或疾病类型，且图像选择未考虑患者人口统计学和肿瘤存在情况	开发一个自动化工具来注释磁共振成像序列类型，以促进临床研究和数据库管理	脑肿瘤患者的磁共振图像	计算机视觉	脑肿瘤	磁共振成像	CNN	图像	14400张二维图像，涵盖不同脑部区域	NA	深度卷积神经网络	准确率	NA