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
1341	2026-09-21	AI-Based Detection of Optical Microscopic Images of Pseudomonas aeruginosa in Planktonic and Biofilm States 2025-Apr, Information (Basel) DOI:10.3390/info16040309 PMID:41550100	研究论文	利用深度学习的AI模型高精度检测铜绿假单胞菌在浮游态和生物膜态下的光学显微图像	使用适配体DNA模板银纳米簇（Ag-NC）抑制生物膜形成并获取浮游态图像，采用U-Net结合ResNet编码器增强对生物膜图像进行分割，并利用ResNet18和ResNet34骨干网络有效检测不同阶段的生物膜结构	未提及模型在更大规模或多样化数据集上的泛化能力，也未讨论计算资源需求及实时检测的可行性	利用基于深度学习的AI模型准确高效地检测铜绿假单胞菌产生的生物膜	铜绿假单胞菌（Pseudomonas aeruginosa）的浮游态和生物膜态光学显微图像	计算机视觉	NA	光学明场显微成像，适配体DNA模板银纳米簇（Ag-NC）	CNN	图像	NA	NA	U-Net, ResNet18, ResNet34	准确率	NA
1342	2026-09-21	A MEMS seismometer respiratory monitor for work of breathing assessment and adventitious lung sounds detection via deep learning 2025-Mar-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-93011-7 PMID:40089574	研究论文	开发了一种基于MEMS地震检波器的可穿戴贴片，用于定量评估呼吸做功并通过深度学习检测异常肺音	首次将宽带多轴MEMS地震检波器集成到微型贴片中，同时捕获高频肌动图和肺源性振动，结合数据融合深度学习模型实现呼吸做功定量评估和异常肺音自动检测	未明确提及	开发一种低剖面设备，实现呼吸健康的准确和定量监测，提供呼吸系统健康的预防性见解	124名医院环境中的患者	机器学习	肺癌, 慢性阻塞性肺疾病, 肺炎	MEMS地震检波器, 高频肌动图, 肺源性振动监测	深度学习	信号, 图像	124名患者	NA	数据融合深度学习模型	准确率, 灵敏度, 特异性, 精确率, F1分数, AUC-PR	NA
1343	2026-09-21	Exploring the impact of myoelectric prosthesis controllers on visuomotor behavior 2025-03-12, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-025-01604-0 PMID:40075405	研究论文	本研究探讨了肌电假肢控制器对视觉运动行为的影响，比较了标准控制策略与位置感知控制策略	首次探索了新型位置感知控制器对视觉运动行为的影响，并证明了眼动指标对假肢控制干预的敏感性	参与者为无肢体差异者，而非实际假肢使用者，可能影响结果的生态效度	探究使用标准控制策略与位置感知控制策略操作模拟肌电假肢时，视觉运动行为如何变化	无肢体差异的参与者	机器学习	NA	眼动追踪，运动捕捉	NA	眼动数据，运动捕捉数据	NA	NA	NA	视觉注视时间，抓取阶段持续时间，假肢运动平滑度	NA
1344	2026-09-21	Advanced prognostic modeling with deep learning: assessing long-term outcomes in liver transplant recipients from deceased and living donors 2025-02-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06183-1 PMID:39956905	研究论文	该研究利用深度学习构建了肝移植受者长期预后预测模型，并分别评估了 deceased donor 和 living donor 移植的生存概率	首次基于 UNOS 大规模数据库，使用 Deeplearning4j 多层感知机分别对 deceased donor 和 living donor 肝移植受者进行长达 23 年的生存预测，并发现供体类型对生存预测无显著影响	仅使用单一 Deeplearning4j MLP 模型，未与其他深度学习或传统机器学习模型进行对比；研究基于 UNOS 数据库，可能存在数据偏倚和外部验证不足的问题	利用深度学习开发先进的预后模型，评估肝移植受者的长期结局，并区分 deceased donor 与 living donor 移植	1998 年至 2023 年 UNOS 数据库中 deceased donor 和 living donor 肝移植受者的临床、人口学和移植相关数据	机器学习	肝移植	NA	MLP	表格数据	353,589 条记录，410 个属性，来自 1998 年至 2023 年 UNOS 数据库，最终选取 23 个属性	Deeplearning4j	Multilayer Perceptron	Sensitivity, Specificity, Accuracy	NA
1345	2026-09-21	A deep learning model for assistive decision-making during robot-aided rehabilitation therapies based on therapists' demonstrations 2025-01-31, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-024-01517-4 PMID:39891159	研究论文	提出一种基于深度学习的辅助决策模型，从治疗师的示范中学习在机器人辅助康复治疗中何时为患者提供辅助	首次提出从治疗师的示范中学习辅助决策的深度学习方法，结合一维卷积层、卷积注意力机制和全局平均池化层进行时间序列分类，并引入微调实现个性化辅助	在测试数据集上微调后准确率仅76.09%，泛化能力有限；样本量较小；仅针对上肢康复机器人点对点游戏场景	开发一种深度学习解决方案，能够从治疗师的标准中学习判断患者在机器人辅助康复治疗中何时需要辅助	患有神经系统疾病并接受上肢康复机器人治疗的患者	机器学习	神经系统疾病	机器人辅助康复治疗	CNN	时间序列轨迹数据	NA	NA	一维卷积层, 卷积注意力机制, 全局平均池化层, Sigmoid输出层	准确率, F1分数	NA
1346	2026-09-21	From CNNs to SAM: A Survey of Deep Learning Techniques for Liver Tumor Segmentation in CT Images 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3631322 PMID:41550585	综述	本文综述了基于深度学习的肝脏肿瘤CT图像分割技术，分析了100多篇相关研究论文，涵盖输入数据、模型架构和评估指标等多个维度	系统性地梳理了从传统CNN到最新SAM模型在肝脏肿瘤分割中的应用，从多个维度（输入数据、模型架构、评估指标）对100多篇研究进行了全面分析，并探讨了先驱性贡献和新兴趋势	文章为综述性质，未提出新的分割方法或模型；肝脏肿瘤形状、纹理、大小和位置的多样性，邻近器官的相似性，模糊的肿瘤边界以及图像采集条件的不一致性仍然是该领域面临的挑战；传统分割方法劳动密集且耗时，不适用于大规模或实时应用	全面综述深度学习在CT图像肝脏肿瘤分割中的应用，分析现有研究方法、趋势和局限性	CT图像中的肝脏肿瘤	计算机视觉, 数字病理学	肝癌	CT	CNN, SAM	图像	100多篇研究论文	NA	CNN, SAM	NA	NA
1347	2026-09-21	Developing a Deep Learning Approach for Automated Body Composition Prediction in Newborns Using Ultrasound Images 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3639889 PMID:41585011	研究论文	本研究开发了一种结合超声扫描协议与深度学习分析流程的方法，用于自动预测新生儿的身体成分（脂肪量和去脂体重）	首次展示利用深度学习从超声图像中自动预测人体身体成分，提出了一种新颖的超声扫描与解读协议	样本量较小（仅65名早产儿），预测误差（MAPE）仍然较高（约25-26%）	研究超声扫描协议与深度学习分析流程相结合来预测身体成分的可行性，并确定最佳数据处理方法、合适的基线深度学习模型以及最具预测性的解剖位置和图像区域	65名早产儿的超声图像（来自肱二头肌、腹部和股四头肌三个解剖位置）以及通过空气置换体积描记法（ADP）测量的脂肪量和去脂体重真实值	计算机视觉	营养不良	超声成像	CNN	图像	65名早产儿，包含三个解剖位置的超声图像及对应的ADP测量值	NA	EfficientNet-B1	平均绝对百分比误差（MAPE）	NA
1348	2026-09-21	Deep learning based optic nerve sheath diameter characterization and structure quantification on transorbital ultrasound images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1705459 PMID:41601796	研究论文	本文提出了一种结合共享和特定特征提取分支以及不确定性感知损失函数的深度神经网络，用于经眶超声图像中的视神经鞘直径表征和结构量化	结合共享和特定特征提取分支，并引入不确定性感知损失函数，使模型能够学习鲁棒的对象结构	未明确提及	实现经眶超声图像中视神经结构的精确分割和视神经鞘直径量化，作为无创评估颅内压升高和其他神经眼科疾病的生物标志物	经眶超声图像中的视神经结构	计算机视觉	颅内压升高、神经眼科疾病	经眶超声成像	CNN	图像	多中心公开数据集（具体样本量未明确）	NA	共享和特定特征提取分支的深度神经网络	Dice分数, AUROC	NA
1349	2026-09-21	A two-stage deep learning prediction system for colon cancer microsatellite instability status using CT images 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1699430 PMID:41602410	研究论文	本文提出了一种两阶段深度学习方法，利用CT图像自动分割结肠癌病灶并预测微卫星不稳定状态，无需手动分割	提出两阶段深度学习系统，结合自动分割模型MSI-SAM和诊断模型，无需手动分割即可基于CT图像预测结肠癌MSI状态	样本量较小（108例），仅包含增强CT扫描，未提及外部验证或多中心数据	构建基于CT扫描的结肠癌微卫星不稳定状态自动预测系统，避免手动分割	结肠癌患者的增强CT扫描图像	数字病理学, 计算机视觉	结肠癌	CT成像	深度学习	图像	108例增强CT扫描（56例MSI-H，52例MSS；升结肠68例，横结肠14例，降结肠18例，乙状结肠8例）	NA	MSI-SAM（分割模型）, 诊断模型	DSC, IoU, AUC, ACC, 敏感性, 特异性	NA
1350	2026-09-21	Deep learning for atrial electrogram estimation: toward non-invasive arrhythmia mapping using variational autoencoders 2025, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2025.1720244 PMID:41602444	研究论文	本文提出了一种基于变分自编码器的双分支深度学习架构，用于从体表电位测量中直接重建心房电图，以支持非侵入性心律失常标测。	提出了一种双分支变分自编码器架构，学习体表电位测量的共享潜在表示，同时优化体表电位自重建和电图预测；使用包含多种心律的计算模型数据集进行训练和评估，并与传统的Tikhonov正则化方法进行了比较。	数据集基于计算模型模拟生成，而非真实患者数据；仅在模拟数据上进行了验证，尚未在临床环境中进行评估。	减少对侵入性标测的依赖，实现更安全、患者特异性的心房心律失常表征。	体表电位测量和心房电图对。	机器学习	心血管疾病	NA	变分自编码器	信号	680对体表电位测量-电图数据	NA	变分自编码器	相关性、峰值检测精度、频谱一致性、空间电压和相位标测	NA
1351	2026-09-21	Improved attention-based PCNN with GhostNet for epilepsy seizure detection using EEG and fMRI modalities: extractive pattern and histogram feature set 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1679218 PMID:41613820	研究论文	该研究提出了一种增强的混合并行卷积-GhostNet框架（HPG-ESD），利用多模态EEG和fMRI数据进行癫痫发作检测	提出了融合改进注意力并行卷积网络（IAPCNet）与GhostNet的混合并行卷积-GhostNet（S-HPCGN）模型，结合增强共空间模式（E-CSP）和深度3D CNN嵌入与平滑金字塔方向梯度直方图（S-PHOG）描述符进行多模态特征融合	未明确说明模型的可解释性改进程度，未讨论计算效率的具体量化指标，未验证在其他数据集上的泛化能力	解决癫痫发作检测中可解释性有限、时空建模不足和泛化能力欠佳的问题，实现稳健的癫痫发作检测	CHB-MIT数据集中24名受试者的儿童头皮EEG记录（22通道10-20系统，256 Hz采样，连续多小时记录）以及UNAM TLE数据集中52名参与者的静息态3T fMRI扫描（26名癫痫患者和26名健康对照）	机器学习	癫痫	EEG、fMRI、高斯中值滤波、自适应权重维纳滤波、共空间模式（CSP）、方向梯度直方图（HOG）	CNN	图像、信号	24名受试者的EEG数据（CHB-MIT数据集）和52名参与者的fMRI数据（UNAM TLE数据集，26名癫痫患者和26名健康对照）	NA	GhostNet、并行卷积网络（PCNN）、3D CNN、改进注意力并行卷积网络（IAPCNet）	准确率、精确率、灵敏度	NA
1352	2026-09-21	Application of artificial intelligence in diagnosis and management of fetal growth disorders: a comprehensive review 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1737391 PMID:41625753	综述	本文综述了人工智能在胎儿生长障碍（包括胎儿生长受限和巨大儿）的诊断和管理中的应用，涵盖自动生物测量、预测模型和深度学习算法等方法	系统总结了人工智能在胎儿生长障碍领域的最新应用进展，包括结合母体、胎儿和影像数据的AI模型、基于生物标志物和多普勒指标的预测模型，以及直接应用于超声扫描的深度学习算法，并指出AI在低资源环境下扩展高质量产前护理的潜力	大多数已发表研究受限于回顾性设计、样本量小以及缺乏外部验证，同时还需解决伦理、技术和监管等方面的问题才能实现临床转化	探讨人工智能在胎儿生长障碍检测和管理中的作用，评估其在提高诊断精度和扩展产前护理可及性方面的潜力	胎儿生长障碍相关文献，包括胎儿生长受限、小于胎龄儿、大于胎龄儿及巨大儿	医学影像分析	胎儿生长障碍	超声检查、深度学习、自动生物测量、多普勒指标分析	深度学习算法、预测模型、CNN	图像、文本	NA	NA	NA	准确率	NA
1353	2026-09-21	Deep learning for predicting rehospitalization in acute heart failure: Model foundation and external validation 2024-12, ESC heart failure IF:3.2Q2 DOI:10.1002/ehf2.14918 PMID:38981003	研究论文	本研究利用真实世界数据开发了一种基于深度学习的预测模型，用于预测急性心力衰竭患者出院后30天、90天和365天内的再入院风险	首次使用深度学习方法结合真实世界数据构建心力衰竭再入院预测模型，并应用Shapley值识别对再入院有贡献的特征，发现随访期间的特征对再入院的贡献相对更高	模型在30天再入院预测中的AUC仅为0.63，区分度一般；研究数据来自单中心三级医院，样本代表性有限；未与其他深度学习或传统机器学习模型进行充分对比	开发和验证基于深度学习的急性心力衰竭患者出院后再入院风险预测模型，以指导适当的干预或护理策略	2014年1月至2019年1月期间在某三级医院因急性心力衰竭入院的患者	机器学习	心血管疾病	NA	GRU	文本（电子健康记录/临床数据）	NA	NA	门控循环单元（GRU），使用双曲正切激活层	AUC，精确率，召回率，特异性，F1值	NA
1354	2026-09-21	High-speed in vivo calcium recording using structured illumination with self-supervised denoising 2024-Nov-15, Optics continuum IF:1.1Q4 DOI:10.1364/optcon.532996 PMID:41550202	研究论文	本文提出了一种结合周期结构照明和自监督去噪的高速活体钙成像方法，用于改善神经元活动记录的信号质量	提出了一种名为pseudo-HiLo（pHiLo）的新型重建方法，将伪宽场重建与单个结构照明帧结合进行HiLo重建，并首次将自监督深度学习去噪方法DeepCAD-RT整合到结构照明成像的预处理流程中	未明确说明	实现高速活体钙成像中背景和散粒噪声的抑制，提高神经活动记录的信号质量	CA1锥体神经元的超快遗传编码钙指示剂GCaMP8f	计算机视觉	NA	周期结构照明、光学切片结构照明显微镜、钙成像	自监督深度学习	图像	NA	NA	DeepCAD-RT	对比度、瞬态峰值信噪比、成对相关系数、相关系数	NA
1355	2026-09-21	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-06, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	该文章介绍了一种名为MRD-EDGE的机器学习引导的全基因组测序平台，用于 ultrasensitive 检测循环肿瘤DNA中的单核苷酸变异和拷贝数变异，以监测肿瘤负荷	MRD-EDGE通过深度学习和ctDNA特异性特征空间，将全基因组测序中的SNV信噪比富集提高约300倍，并将 ultrasensitive CNV检测所需非整倍体程度从1 Gb降低到200 Mb，从而实现仅基于血浆的非肿瘤信息疾病监测	摘要中未明确提及研究的局限性	提高低肿瘤分数设置下循环肿瘤DNA的检测灵敏度，以改善微小残留病监测和治疗反应评估	多种癌症类型（包括肺癌、黑色素瘤、结直肠腺瘤）患者的血浆样本	机器学习	肺癌, 黑色素瘤, 结直肠癌	全基因组测序	深度学习	基因组序列数据	未明确说明	NA	NA	信噪比富集倍数、肿瘤分数监测	NA
1356	2026-09-21	Generalizing Parkinson's disease detection using keystroke dynamics: a self-supervised approach 2024-05-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae050 PMID:38497957	研究论文	该文章提出一种结合Barlow Twins损失和相异性损失的自监督学习方法，用于提升基于键盘动力学的帕金森病检测的泛化能力	提出一种新的自监督损失函数，结合Barlow Twins损失与相异性损失，在无标签非受控数据上预训练编码器，再使用临床验证数据微调，从而减少对标注数据的依赖并提升模型泛化能力	缺乏标准化的数据采集协议，且标注数据集有限，这可能影响模型的泛化性；研究仅在两个独立数据集上验证，样本量可能有限	验证自监督学习方法在减少标签依赖方面的有效性，并评估其在帕金森病检测中的泛化能力	触摸屏交互产生的键盘动力学信号，涉及对照组和帕金森病患者	机器学习	帕金森病	NA	NA	键盘动力学信号	NA	NA	NA	NA	NA
1357	2026-09-21	A Data-Free Approach to Mitigate Catastrophic Forgetting in Federated Class Incremental Learning for Vision Tasks 2023-Dec, Advances in neural information processing systems PMID:41573098	研究论文	本文提出了一种在联邦类增量学习中使用无数据生成模型合成过去分布样本来缓解灾难性遗忘的框架	在服务器端使用无数据方法训练生成模型，无需客户端存储旧数据或模型，并引入 SuperImageNet 数据集	未明确提及	解决联邦类增量学习中的灾难性遗忘问题	联邦学习中的视觉任务	计算机视觉	NA	无数据生成模型	生成模型	图像	未明确提及	NA	NA	NA	NA
1358	2026-09-21	Evaluating Drug Effectiveness for Antihypertensives in Heart Failure Prognosis: Leveraging Composite Clinical Endpoints and Biomarkers from Electronic Health Records 2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3584371.3612977 PMID:41527552	研究论文	本研究利用电子健康记录中的复合临床终点和生物标志物，通过监督深度学习分类器评估抗高血压药物在心力衰竭预后中的有效性	首次利用EHR中的硬临床终点和生物标志物设计选择策略来评估抗高血压药物有效性，并构建了约9500名患者的标注语料库，训练的分类器取得了0.97的最佳F1性能	未明确提及	评估抗高血压药物（ACE抑制剂和β受体阻滞剂）在心力衰竭管理中的有效性，并预测患者最适合的药物	心力衰竭患者、抗高血压药物（ACE抑制剂和β受体阻滞剂）	机器学习	心血管疾病	电子健康记录分析	深度学习分类器	电子健康记录文本数据	约9500名患者的EHR序列	NA	NA	F1分数	NA
1359	2026-09-21	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-Jul, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02839-5 PMID:37027105	研究论文	本文对一种基于深度学习的冠状动脉造影自动分割AI模型进行了多中心验证研究	在多中心数据集上验证了AI模型用于冠状动脉造影分割的性能，证明了其泛化能力	回顾性研究设计，样本量相对较小，仅从四个中心的一个月期间选择患者	验证先前开发的AI模型在自动冠状动脉造影分割中的性能，使用新的多中心数据集	接受冠状动脉造影和经皮冠状动脉介入治疗或侵入性生理评估的患者	医学图像分割	心血管疾病	冠状动脉X射线血管造影	NA	图像	来自90名患者的117张图像中的123个感兴趣区域	NA	NA	重叠准确率, 灵敏度, Dice分数, 全局分割分数	NA
1360	2026-09-21	Contrastive learning in protein language space predicts interactions between drugs and protein targets 2023-06-13, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2220778120 PMID:37289807	研究论文	该文开发了一种名为ConPLex的深度学习模型，利用预训练蛋白质语言模型和蛋白质锚定的对比共嵌入方法来预测药物与蛋白质靶点之间的相互作用	结合了预训练蛋白质语言模型（PLex）和蛋白质锚定的对比共嵌入（Con），基于学习表示之间的距离进行结合预测，可在大规模化合物库和人类蛋白质组规模上进行预测，且嵌入具有可解释性	仅对19个激酶-药物相互作用预测进行了实验验证，验证规模较小，需要更大规模的实验验证来进一步确认模型的泛化能力	加速药物发现，通过互补实验筛选实现基于序列的药物-靶点相互作用预测，使其具有泛化性、可扩展性并能捕捉输入的细微变化	药物-蛋白质靶点相互作用，包括激酶-药物相互作用和人类细胞表面蛋白	机器学习	NA	预训练蛋白质语言模型、对比学习、深度学习	深度学习模型	序列数据（蛋白质序列和药物分子序列）	19个激酶-药物相互作用预测，其中验证了12个相互作用	NA	ConPLex（基于预训练蛋白质语言模型和对比共嵌入的架构）	准确率、结合亲和力	NA