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
101	2026-05-16	Toroidal indentation for measuring cell and tissue mechanical anisotropy 2025-09-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.07.064 PMID:40749995	研究论文	提出一种环形压痕法结合深度学习模型，用于测量从宏观组织到单细胞的生物材料机械各向异性	首次开发了环形探针与有限元深度学习模型结合的方法，实现跨尺度的各向异性弹性模量测量，摆脱了对成像或专用设备的依赖	仅适用于线性和不可压缩的横观各向同性材料，且训练数据基于模拟，可能无法完全涵盖真实材料的复杂行为	开发一种通用的压痕方法，用于估算跨尺度生物材料（从宏观组织到单细胞）的各向异性弹性模量	各向异性肌肉组织、细胞单层和单个极化细胞	生物力学	NA	压痕测试	深度学习模型	有限元模拟数据	NA	NA	NA	各向异性度	NA
102	2026-05-16	A deep learning model for diagnosing autism using brain time series 2025-Sep-13, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.08.001 PMID:40763894	研究论文	提出一种结合LSTM和注意力机制的混合模型，利用脑时间序列数据诊断自闭症	创新性地引入基于滑动窗口的数据预处理方法及投票策略，并采用主体级5折交叉验证确保泛化能力	NA	提高自闭症诊断的准确性，尤其在早期识别方面	自闭症患者和神经典型个体的脑区感兴趣区（ROI）时间序列数据	机器学习	自闭症	NA	LSTM, 注意力机制	时间序列数据	来自ABIDE数据集的ROI时间序列数据	NA	混合模型（LSTM + 注意力机制）、残差块与通道注意力	准确率	NA
103	2026-05-16	Explainable ResNet-long short-term memory model for the classification of bowel sounds frequency based on multifeature fusion 2025-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605251376915 PMID:41027655	研究论文	提出一种基于多特征融合的可解释ResNet-长短期记忆网络模型，用于肠鸣音频率分类	首次将多特征融合与可解释ResNet-LSTM模型结合，实现肠鸣音三分类（正常、活跃、减弱），并采用局部可解释模型无关解释增强透明度	未提及模型在不同设备或噪声环境下的泛化能力	开发基于肠鸣音频率分类的可解释深度学习模型，用于评估胃肠动力功能	肠鸣音音频信号	机器学习	胃肠动力相关疾病	音频特征提取（色度特征、滤波器组能量、梅尔频率倒谱系数）	ResNet长短期记忆网络	音频	10秒音频片段，来自三个医疗机构的样本	NA	ResNet50 V2, 长短期记忆网络	准确率、马修斯相关系数、加权科恩卡帕系数、敏感性、特异性	NA
104	2026-05-16	spRefine Denoises and Imputes Spatial Transcriptomics with a Reference-Free Framework Powered by Genomic Language Model 2025-Jul-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.22.649977 PMID:40631230	研究论文	spRefine 利用基因组语言模型在无参考框架下对空间转录组数据进行降噪和插补	首次将基因组语言模型应用于空间转录组数据的联合降噪和插补，无需参考数据，并能提升下游分析如空间衰老时钟的准确性	NA	开发一个无参考框架的深度学习模型，用于空间转录组数据的降噪和插补，并改善数据整合与生物学信号发现	空间转录组数据中的基因表达测量值	数字病理学	老年病	空间转录组学	深度学习模型	基因表达数据	NA	NA	基因组语言模型	准确率	NA
105	2026-05-16	Deep Learning-Based Sarcopenia Classification through Gait Video Analysis with a Single Mobile Camera 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254612 PMID:41337071	研究论文	提出一种基于深度学习的步态视频分析方法，利用单台移动相机进行肌少症分类	首次采用视觉方法基于步态视频实现肌少症的检测，无需专业医疗设备和专家干预，为居家肌肉健康管理提供便捷方案	未提及	开发一种基于步态视频的肌少症检测方法，实现早期发现和持续监测	92名老年人，包括60名肌少症患者和32名健康对照	计算机视觉	肌少症	数字摄像机步态捕获	深度学习模型	二维骨架序列	92名老年人（60例肌少症患者，32例健康对照）	未提及	未提及	准确率	未提及
106	2026-05-16	Subclinical tremor differentiation using long short-term memory networks 2025-Jun, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01526-0 PMID:39992543	研究论文	利用长短期记忆网络区分亚临床震颤，包括帕金森病、特发性震颤和正常生理震颤	首次应用LSTM网络基于短时傅里叶变换的特征来区分亚临床震颤，相比现有卷积LSTM模型准确率提升30-50%	数据集较小且多样性有限，未包含动作震颤样本，模型可解释性有待增强	开发深度学习模型以区分帕金森病、特发性震颤和正常生理震颤的亚临床震颤类型	帕金森病、特发性震颤和正常生理震颤患者的亚临床震颤数据	机器学习	帕金森病	惯性传感器	LSTM	时间序列数据	51例帕金森病、15例特发性震颤和58例正常受试者	NA	LSTM	准确率	NA
107	2026-05-16	Accelerated retinal ageing and multimorbidity in middle-aged and older adults 2025-06, GeroScience IF:5.3Q1 DOI:10.1007/s11357-025-01581-1 PMID:40035945	研究论文	研究视网膜年龄差与中老年人多病共患之间的关联	首次探讨基于深度学习模型计算的视网膜年龄差与多病共患发生风险的独立关联	仅基于基线数据和多病共患发生情况，未考虑疾病严重程度和用药情况	探究视网膜年龄差与多病共患的关联及预测价值	45,436名中老年参与者	机器学习	老年疾病	NA	深度学习模型	视网膜图像	45,436名中老年参与者	NA	NA	风险比	NA
108	2026-05-16	Deep learning reveals diverging effects of altitude on aging 2025-06, GeroScience IF:5.3Q1 DOI:10.1007/s11357-024-01502-8 PMID:39815037	研究论文	利用深度学习和多种数据来源，探究海拔对衰老的差异性影响	首次结合大规模流行病学数据、临床试验结果和深度学习面部照片分析，揭示海拔升高分别加速面部衰老但减少DNA损伤诱导的细胞衰老这一看似矛盾的现象	未说明具体的数据质量控制和潜在混杂因素（如遗传差异、饮食或医疗水平）的控制方法	探讨高海拔环境（特别是缺氧和紫外线暴露）对衰老和年龄相关疾病的影响	埃塞俄比亚各次区域人群，以及北部提格雷地区227名高地和202名低地居民	机器学习, 数字病理学	衰老相关疾病	人脸图像分析, 外周血单核细胞核形态分析	深度学习模型（用于面部照片分析）	流行病学数据（风险暴露值、疾病负担数据、死亡率、预期寿命）, 面部照片, 血涂片图像	227名高地和202名低地居民，共429人	NA	NA	NA	NA
109	2026-05-16	Enhancing squat movement classification performance with a gated long-short term memory with transformer network model 2025-Jun, Sports biomechanics IF:2.0Q2 DOI:10.1080/14763141.2024.2315243 PMID:38372217	研究论文	提出一种门控长短期记忆与Transformer网络模型，用于自动分类深蹲动作，提升分类性能	提出门控长短期记忆与Transformer网络（GLTN）模型，结合IMU传感器数据，在深蹲动作分类中达到96.34%准确率，优于现有深度学习方法	模型并非通用解决方案，教练和从业者需根据个人需求和训练目标进行针对性调整	开发一种可穿戴解决方案，用于自动检测异常深蹲动作，辅助运动训练中的表现和损伤风险评估	22名健康年轻男性参与者，执行9种深蹲动作模式（1种标准动作和8种异常动作）	机器学习	运动损伤风险评估	惯性测量单元（IMU）	门控长短期记忆与Transformer网络（GLTN）	传感器时间序列数据	22名年轻男性参与者，每种动作模式多次重复	NA	门控LSTM，Transformer	准确率、精确率、召回率、F1-score	NA
110	2026-05-16	Deep normative modelling reveals insights into early-stage Alzheimer's disease using multi-modal neuroimaging data 2025-05-15, Alzheimer's research & therapy DOI:10.1186/s13195-025-01753-3 PMID:40375339	研究论文	利用深度学习规范模型分析多模态神经影像数据，揭示早期阿尔茨海默病的微妙差异	首次将基于深度学习的规范模型应用于早期阿尔茨海默病研究，通过预训练于英国生物银行的MRI数据，在外部EPAD队列中量化个体偏离健康人群的脑形态学变化，并发现偏差指标与认知能力及遗传风险相关	未明确说明模型对共病或未诊断个体的适用性限制，以及偏差指标在临床实践中的具体阈值和验证	探索深度学习规范模型在检测早期阿尔茨海默病患者脑形态学异常中的能力，并评估偏差指标在监测疾病进展中的潜在效用	非痴呆个体（包括EPAD队列中的高风险个体）	机器学习	阿尔茨海默病	多模态神经影像（MRI）	深度学习规范模型	影像数据	英国生物银行（预训练）和EPAD队列（外部验证），具体样本量未明确	NA	NA	t统计量	NA
111	2026-05-16	HCBiLSTM-WOA: hybrid convolutional bidirectional long short-term memory with water optimization algorithm for autism spectrum disorder 2025-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2399016 PMID:39290085	研究论文	提出基于混合卷积双向长短期记忆网络和水优化算法的自闭症谱系障碍检测机制	首次将混合卷积双向长短期记忆网络与水优化算法结合用于ASD检测，并实现了高精度预测及阶段分类	仅使用实时数据集进行验证，可能缺乏泛化能力；未提及模型在更大规模或多样化数据集上的表现	早期精准检测自闭症谱系障碍，减少疾病影响	幼儿、儿童、青少年和成人中的ASD和非ASD数据	机器学习	自闭症谱系障碍	NA	卷积双向长短期记忆网络	结构化数据（ASD风险因素相关数据）	包含幼儿、儿童、青少年和成人的ASD和非ASD实时数据集，具体样本量未明确	NA	混合卷积双向长短期记忆网络	准确率、Kappa统计量、灵敏度、特异性、对数损失、AUROC	NA
112	2026-05-16	Photoacoustic Imaging with Attention-Guided Deep Learning for Predicting Axillary Lymph Node Status in Breast Cancer 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.020 PMID:39848886	研究论文	探索结合注意力引导深度学习的光声成像在预测乳腺癌腋窝淋巴结状态中的应用	首次将注意力引导的深度学习模型与光声-超声双模态成像结合，用于术前无创预测腋窝淋巴结状态，并构建了整合临床参数的列线图	未在摘要中明确说明，可能为回顾性研究设计、样本量有限或单一中心数据	利用光声成像与注意力引导深度学习准确预测早期乳腺癌患者的腋窝淋巴结状态	2022-2024年经组织学确诊的早期乳腺癌患者	医学影像分析	乳腺癌	光声成像、超声成像	注意力引导深度学习模型	光声-超声双模态图像	324例早期乳腺癌患者（训练集259例，测试集65例）	NA	注意力机制	AUC、95%置信区间、决策曲线分析	NA
113	2026-05-16	Hybrid optimized temporal convolutional networks with long short-term memory for heart disease prediction with deep features 2025-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2310075 PMID:38584483	研究论文	提出一种基于混合优化时间卷积网络与长短期记忆网络的深度特征心脏疾病预测模型	首次融合时间卷积网络与长短期记忆网络，并采用增强型法医调查启发元优化算法优化分类器参数	未提及模型在真实临床环境中的泛化能力及计算资源需求	实现心脏疾病的早期预测以降低死亡率	临床患者的标准医疗数据	机器学习	心血管疾病	NA	1DCNN, TCN, LSTM	表格数据	NA	NA	TCN-LSTM混合架构	准确率, 精确率	NA
114	2026-05-16	Automated pain detection using facial expression in adult patients with a customized spatial temporal attention long short-term memory (STA-LSTM) network 2025-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97885-5 PMID:40251301	研究论文	提出一种基于时空注意力长短期记忆网络的自动化疼痛检测系统，通过分析成人患者面部表情评估疼痛强度	采用定制化时空注意力长短期记忆网络，结合空间和时间域分析面部关键点，实现三分类疼痛水平（无痛、轻度疼痛、显著疼痛）的高精度检测	仅使用正面视角视频数据，未考虑头部偏转或遮挡情况；样本量中等（200例患者），需进一步验证泛化能力	开发基于面部表情的自动化疼痛评估系统，辅助临床疼痛管理	接受手术或介入性疼痛治疗的成人患者	计算机视觉, 机器学习	疼痛相关疾病	视频录制, 面部关键点提取	长短期记忆网络, 空间注意力机制, 时间注意力机制	视频	200例患者，共2008个视频片段（10274个1秒剪辑片段），160例患者用于训练（7599个片段），40例患者用于验证（2675个片段）	未明确说明（可能使用PyTorch或TensorFlow等框架）	时空注意力长短期记忆网络	准确率, 敏感度, 召回率, F1分数	未明确说明
115	2026-05-16	Seeing through multimode fibers using real-valued intensity transmission matrix with deep learning 2025-Apr-07, Optics express IF:3.2Q2 DOI:10.1364/OE.553949 PMID:40219515	研究论文	提出一种结合实值强度传输矩阵与深度学习的混合方法，通过多模光纤实现高质量图像重建	首次将实值强度传输矩阵算法与分层并行多尺度注意力U-Net相结合，实现了更强的泛化能力、更少的训练样本需求和更快的收敛速度	未明确说明，可能涉及对光纤特性的依赖或实验条件的限制	改善多模光纤中因模式色散和耦合导致的图像失真，提高重建质量与泛化能力	多模光纤传输中的图像重建问题	计算机视觉	NA	实值强度传输矩阵、深度学习	U-Net	图像	NA	NA	分层并行多尺度注意力U-Net	结构相似性指数、峰值信噪比	NA
116	2026-05-16	Forecasting motion trajectories of elbow and knee joints during infant crawling based on long-short-term memory (LSTM) networks 2025-Apr-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-025-01360-1 PMID:40176123	研究论文	探索使用长短期记忆网络预测婴儿爬行时肘部和膝部关节运动轨迹的可行性	首次将LSTM网络应用于预测婴儿爬行过程中更复杂多变的关节轨迹，填补了该领域的研究空白	研究仅基于健康婴儿数据，未考虑运动障碍婴儿；预测精度受输出窗口大小影响较大，15步预测误差较高	验证LSTM网络预测婴儿爬行关节轨迹的可行性，为外骨骼辅助康复设备控制提供基础	20名健康婴儿（11男9女，年龄8-15个月）爬行时的双侧肘部和膝部关节角度	机器学习	运动障碍	关节角度传感器	LSTM	时间序列数据	20名健康婴儿，58782个时间步（每个时间步4个关节角度）	NA	LSTM	平均绝对误差，均方误差，相关系数	NA
117	2026-05-16	Integrative network analysis reveals novel moderators of Aβ-Tau interaction in Alzheimer's disease 2025-04-02, Alzheimer's research & therapy DOI:10.1186/s13195-025-01705-x PMID:40176187	研究论文	利用深度学习网络整合方法BIONIC，分析阿尔茨海默病中Aβ与Tau蛋白相互作用的调节因子	首次将深度学习网络整合方法BIONIC应用于阿尔茨海默病研究，揭示GPNMB+小胶质细胞和星形胶质细胞作为Aβ-Tau相互作用的调节因子	NA	揭示阿尔茨海默病中Aβ与Tau蛋白相互作用的调节机制，寻找早期治疗靶点	阿尔茨海默病中Aβ与Tau蛋白相互作用的调节因子	机器学习	阿尔茨海默病	蛋白质组学、蛋白-蛋白相互作用	深度学习	蛋白质组数据、蛋白-蛋白互作数据、组织病理数据、基因表达数据	ROSMAP队列（具体数量未提及）	NA	BIONIC	NA	NA
118	2026-05-16	Deep Learning Algorithm‑Based MRI Radiomics and Pathomics for Predicting Microsatellite Instability Status in Rectal Cancer: A Multicenter Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.008 PMID:39289097	研究论文	开发并验证基于临床变量、多参数MRI和HE染色病理切片的多模态深度学习模型，用于预测直肠癌患者的微卫星不稳定性状态	首次结合临床数据、MRI影像组学和病理组学构建多模态列线图，通过ResNet-101深度学习提取影像和病理特征，整合多模态数据反映肿瘤异质性，实现高精度MSI预测	未提及外部验证集样本量较小且可能存在的选择偏倚；列线图在临床实践中可能面临数据整合和标准化挑战	开发多模态深度学习模型以非侵入性方式预测直肠癌MSI状态，辅助临床决策	直肠癌患者的MSI状态预测，包括临床变量、MRI影像（T2WI、DWI、增强T1WI）和HE染色病理图像	机器学习，数字病理学	直肠癌	MRI（T2WI、DWI、增强T1WI），HE染色，免疫组化染色	ResNet-101	图像（MRI和病理切片）、临床数据	467例直肠癌患者（中心1: 347例，中心2和3: 120例）	NA	ResNet-101	AUC，灵敏度，特异度	NA
119	2026-05-16	Deep Learning Using One-stop-shop CT Scan to Predict Hemorrhagic Transformation in Stroke Patients Undergoing Reperfusion Therapy: A Multicenter Study 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.052 PMID:39462736	研究论文	利用一站式CT扫描中的深層學習預測接受再灌注治療的腦卒中患者出血性轉化	首次使用多相CT血管造影和CT灌注图像进行深度学习模型的全自动出血性转化预测，并在多中心数据中验证	回顾性研究设计，样本量相对较小，且数据来自不同医院的扫描仪，可能影响模型泛化性	开发和验证基于多相CTA和CTP图像的深度学习模型，用于预测急性缺血性脑卒中患者接受再灌注治疗后的出血性转化	229名接受再灌注治疗的急性缺血性脑卒中患者	计算机视觉, 数字病理学	脑卒中	多相CT血管造影, CT灌注成像	CNN	图像	229名患者（训练内部验证集183例，外部测试集46例）	NA	DenseNet	受试者工作特征曲线	NA
120	2026-05-16	Accelerated Spine MRI with Deep Learning Based Image Reconstruction: A Prospective Comparison with Standard MRI 2025-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.004 PMID:39580249	研究论文	前瞻性比较深度学习图像重建加速脊柱MRI与标准MRI的性能	首次前瞻性评估深度学习加速脊柱MRI在扫描时间、图像质量和诊断互换性方面的表现	未提及具体限制	评估深度学习重建MRI在图像采集时间、整体图像质量和诊断互换性方面与标准MRI的性能	脊柱不适患者	机器学习	脊柱疾病	MRI	深度学习模型	图像	200名参与者（107名男性，平均年龄46.56±17.07岁）	NA	深度学习图像重建网络	信噪比(SNR)、对比噪声比(CNR)、相似性度量、主观评分、病变检测频率	NA