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
1741	2026-03-14	Deep learning enhanced transmembranous electromyography in the diagnosis of sleep apnea 2024-12-31, BMC neuroscience IF:2.4Q3 DOI:10.1186/s12868-024-00913-9 PMID:39741274	研究论文	本文探索了使用基于注意力机制的深度学习模型（Transformer）分析跨膜肌电图（tmEMG）数据，以区分健康对照、神经源性损伤和睡眠呼吸暂停患者的肌电信号	首次将Transformer架构应用于tmEMG信号分析，通过迁移学习、模拟数据增强和正则化策略，在小数据集上训练出具有良好泛化能力的模型，用于睡眠呼吸暂停的诊断和神经肌肉病理分型识别	研究样本量相对较小（仅177条记录），且模型在区分OSA与对照时的特异性较低（64%），可能影响临床应用的可靠性	开发一种基于深度学习的tmEMG分析方法，以无创、便捷地诊断阻塞性睡眠呼吸暂停（OSA）并识别涉及神经肌肉病理的OSA内型	健康对照者、中度至重度OSA患者以及伴有延髓受累证据的肌萎缩侧索硬化症（ALS）患者（代表神经源性损伤）的跨口腔肌电图记录	数字病理学	睡眠呼吸暂停	跨膜肌电图（tmEMG）	Transformer	肌电信号，频谱图	177条跨口腔肌电图记录，来自6名健康对照、5名中度至重度OSA患者和5名伴有延髓受累的ALS患者	未明确指定，但提及使用标准反向传播进行微调	音频频谱Transformer（AST）	灵敏度，特异性	NA
1742	2026-03-14	Prediction of intraoperative hypotension using deep learning models based on non-invasive monitoring devices 2024-12, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01206-6 PMID:39158783	研究论文	本研究开发了一种基于多通道无创监测设备的深度学习模型，用于预测术中低血压	首次将深度学习算法应用于常规无创监测设备（而非有创动脉血压监测）来预测术中低血压，并采用注意力机制量化各监测设备的贡献度	研究为回顾性分析，未来需要前瞻性研究来验证模型在临床实践中预防低血压的实际效果	开发并验证一种基于无创监测设备的深度学习算法，用于预测术中低血压	接受非心脏手术的患者	机器学习	NA	无创血压监测、心电图、光电容积描记、二氧化碳描记、双频指数监测	深度学习	多通道生理监测时间序列数据	算法开发阶段4754例患者，外部验证阶段421例患者	NA	多头注意力全连接模型, 全局注意力局部循环模型	受试者工作特征曲线下面积	NA
1743	2026-03-14	Radiographer Education and Learning in Artificial Intelligence (REAL-AI): A survey of radiographers, radiologists, and students' knowledge of and attitude to education on AI 2024-12, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.10.010 PMID:39481214	研究论文	本研究通过调查放射技师、放射科医生和学生对人工智能（AI）的知识和态度，评估了医疗影像专业人员对AI的当前理解水平	首次在2023年欧洲放射学大会上针对医疗影像专业人员（包括学生）进行跨国家、跨大洲的AI知识和教育需求调查	样本量较小（136人），且调查主要基于自我报告，可能存在偏差	评估医疗影像专业人员和学生对AI的认知水平及教育需求，为AI教育提供依据	放射技师（诊断和治疗）、放射科医生、学生	医疗影像	NA	问卷调查	NA	调查数据	136名参与者，来自25个国家和5大洲	NA	NA	NA	NA
1744	2026-03-14	Multimodal Artificial Intelligence in Medicine 2024-11-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000000000556 PMID:39167446	综述	本文探讨了多模态人工智能在医学中的应用，特别是基于Transformer的模型如何整合文本、图像和结构化数据以提升医疗诊断和治疗的适用性	强调了多模态Transformer模型在医疗领域处理多样化数据形式的潜力，并指出其在标准基准测试（如美国医学执照考试题库）上的出色表现	多模态深度学习模型的集成面临伦理和环境挑战，需要谨慎考虑	研究多模态人工智能在医学诊断和治疗中的适用性和挑战	医疗人工智能模型，特别是多模态Transformer模型	人工智能在医疗	NA	多模态深度学习	Transformer	文本, 图像, 结构化数据	NA	NA	Transformer	NA	NA
1745	2026-03-14	Impact of artificial intelligence assisted compressed sensing technique on scan time and image quality in musculoskeletal MRI - A systematic review 2024-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.012 PMID:39217002	系统综述	本文系统综述了人工智能辅助压缩感知技术在肌肉骨骼MRI中对扫描时间和图像质量的影响	首次系统评估AI-CS技术在肌肉骨骼MRI中结合不同加速因子对扫描时间与图像质量的综合影响	纳入研究数量有限（9篇），部分研究质量中等，高加速因子仍会导致图像评分降低	评估人工智能辅助压缩感知技术对肌肉骨骼MRI扫描时间和图像质量的影响	肌肉骨骼MRI扫描	医学影像分析	肌肉骨骼疾病	MRI, 压缩感知, 人工智能重建	深度学习算法	MRI图像	730名参与者	NA	NA	扫描时间减少百分比, 图像质量评分	NA
1746	2026-03-14	Deep learning-based automated liver contouring using a small sample of radiotherapy planning computed tomography images 2024-08, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.005 PMID:39179459	研究论文	本研究探讨了使用少量放疗计划CT图像进行深度学习自动肝脏轮廓勾画的可行性	首次研究基于深度学习的肝脏轮廓勾画所需的最小数据量，并采用改进的注意力U-Net和残差U-Net网络在有限数据下实现高精度分割	未明确说明具体预处理方法的详细参数或网络修改的具体细节，且外部数据集数量可能有限	研究使用有限数据实现自动肝脏轮廓勾画的可行性，并评估模型的泛化能力	放疗计划CT图像中的肝脏区域	数字病理	NA	CT成像	深度学习	图像	62个训练案例，外加两个未见外部数据集	NA	改进的注意力U-Net, 改进的残差U-Net	Dice相似系数, 平均Hausdorff距离	NA
1747	2026-03-14	DIMOND: DIffusion Model OptimizatioN with Deep Learning 2024-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307965 PMID:38634608	研究论文	提出了一种名为DIMOND的基于物理信息与自监督深度学习的扩散模型优化框架，用于从扩散磁共振成像数据中高效、准确地估计微观结构模型参数	提出了一种结合物理信息与自监督深度学习的全新框架（DIMOND），无需额外训练数据，通过最小化输入数据与网络输出参数生成的合成数据之间的差异来优化网络，实现了跨受试者和数据集的泛化能力，并将复杂模型（如NODDI）的拟合时间从数小时大幅缩短至数分钟甚至数秒	未在摘要中明确说明	解决扩散磁共振成像中模型参数估计计算成本高且受图像噪声影响的问题，提高微观结构和结构连接性映射的实用性与临床采纳度	人脑活体扩散磁共振成像数据	医学影像分析	NA	扩散磁共振成像	深度学习神经网络	图像	NA	NA	NA	NA	NA
1748	2026-03-14	DeepTrayMeal: Automatic dietary assessment for Chinese tray meals based on deep learning 2024-Feb-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2023.137525 PMID:37742550	研究论文	本研究开发了一个基于深度学习的自动饮食评估框架，用于中国托盘餐，包括菜品识别、体积估计和营养映射	建立了首个中国托盘餐数据集ChinaLunchTray-99，并提出了一个结合检测、体积估计和营养映射的完整自动饮食评估框架	未在摘要中明确提及	开发自动饮食评估方法以促进中国托盘餐的公共健康应用	中国托盘餐图像	计算机视觉	NA	深度学习	CNN	图像	1185张托盘餐图像，覆盖99个菜品类别	未在摘要中明确提及	未在摘要中明确提及	平均精度均值	未在摘要中明确提及
1749	2026-03-14	A neural speech decoding framework leveraging deep learning and speech synthesis 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00824-8 PMID:41799923	研究论文	本文提出了一种基于深度学习的神经语音解码框架，用于从大脑皮层信号解码人类语音	开发了一种包含ECoG解码器和可微分语音合成器的新型框架，并引入了语音到语音自编码器以辅助训练	NA	开发脑机接口技术以恢复神经功能缺损患者的语音能力	48名参与者的皮层电信号	自然语言处理	神经功能缺损	皮层电图	深度学习	信号	48名参与者	NA	自编码器	相关性	NA
1750	2026-03-14	High-throughput adjustable deformability cytometry utilizing elasto-inertial focusing and virtual fluidic channel 2023-10-10, Lab on a chip IF:6.1Q2 DOI:10.1039/d3lc00591g PMID:37766593	研究论文	本文提出了一种集成三维弹性惯性聚焦和虚拟流体通道的高通量可调变形性细胞术，用于无标记细胞机械表型分析	通过结合弹性惯性聚焦与虚拟流体通道，实现了对多种尺寸细胞的单设备可调谐、高通量机械表征，并开发了mini-BiSeNet网络进行快速细胞识别与特征提取	NA	开发一种通用、高通量的微流控细胞变形性分析系统，用于基于机械特性的细胞状态与疾病进程表征	多种细胞系（A549、MCF-7、MDA-MB-231）及白细胞（WBCs），并探索了在胸腔积液表征中的应用潜力	数字病理学	肺癌	微流控变形性细胞术，深度学习分类	CNN	图像	NA	NA	mini-BiSeNet	准确率	NA
1751	2026-03-14	A systematic review of automated segmentation of 3D computed-tomography scans for volumetric body composition analysis 2023-Oct, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13310 PMID:37562946	系统综述	本文系统综述了用于体积身体成分分析的3D CT扫描自动分割技术的可行性、准确性及当前局限性	首次系统评估3D CT扫描自动分割在体积身体成分分析中的应用，对比传统方法与深度学习技术，并明确当前研究空白与临床转化挑战	纳入研究数量有限（7篇），算法训练所用金标准分割存在人为主观差异，CT扫描覆盖范围术语不统一，缺乏全身体积验证数据	评估自动化3D CT分割在身体成分分析中的技术可行性与临床应用价值	CT扫描中的骨骼肌、内脏脂肪和皮下脂肪组织	医学影像分析	身体成分相关疾病	计算机断层扫描（CT）	深度学习算法，传统计算机算法	3D CT影像	7项符合条件的研究（共检索92项）	NA	NA	Dice相似系数	NA
1752	2026-03-14	A Neural Speech Decoding Framework Leveraging Deep Learning and Speech Synthesis 2023-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.16.558028 PMID:37745380	研究论文	本文提出了一种基于深度学习的神经语音解码框架，用于从大脑皮层电信号中重建语音	提出了一个包含可微分语音合成器的端到端框架，并开发了音频自编码器来生成参考语音参数以辅助训练，提高了跨被试（48人）的解码可重复性	未明确提及模型在极低信噪比或长期植入场景下的稳定性，也未讨论个体解剖差异对解码性能的具体影响	开发一种能够从神经信号中解码自然语音的脑机接口技术，以帮助神经系统损伤患者恢复言语功能	48名参与者的皮层电图（ECoG）信号及对应的语音数据	脑机接口，语音合成	神经系统损伤导致的言语障碍	皮层电图（ECoG）信号采集	深度学习	神经信号（ECoG），音频，频谱图	48名参与者	未明确提及，但推断可能为PyTorch或TensorFlow	3D ResNet, SWIN Transformer，以及自编码器	皮尔逊相关系数（PCC）	NA
1753	2026-03-14	A deep learning approach reveals unexplored landscape of viral expression in cancer 2023-02-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-36336-z PMID:36774364	研究论文	本文开发了一种名为viRNAtrap的深度学习管道，用于识别癌症中的病毒表达，并应用于TCGA的14种癌症类型	提出了一种基于深度学习的无对齐方法viRNAtrap，能够识别未知和分化的病毒，并揭示与癌症生存率相关的内源性病毒表达	研究仅基于TCGA的14种癌症类型，可能未涵盖所有癌症或病毒类型，且深度学习模型的泛化能力需进一步验证	研究癌症中病毒表达的特征，特别是未知和分化病毒，以探索病毒与癌症的关联	人类癌症组织中的病毒RNA序列数据	机器学习	癌症	RNA测序	深度学习模型	RNA测序数据	来自TCGA的14种癌症类型的数据集	NA	NA	NA	NA
1754	2026-03-14	Automatic Prediction of Paediatric Cardiac Output From Echocardiograms Using Deep Learning Models 2023-Feb, CJC pediatric and congenital heart disease DOI:10.1016/j.cjcpc.2022.11.001 PMID:37970100	研究论文	本研究开发了一种基于深度学习的模型，用于从儿科超声心动图中自动预测心输出量	修改了EchoNet-Dynamic模型以预测左心室流出道直径，并开发了一种新颖的深度学习方法用于速度时间积分估计，从而实现了心输出量的自动预测	数据集规模较小，尽管通过预训练实现了准确估计，但可能限制了模型的泛化能力	开发一种准确、快速的自动心输出量评估方法，以支持临床决策	儿科超声心动图，包括正常心输出量和扩张型心肌病导致心输出量降低的患者	计算机视觉	心血管疾病	超声心动图	深度学习模型	图像	未明确指定具体样本数量，但提及包括正常心输出量和扩张型心肌病患者的数据集	NA	EchoNet-Dynamic	均方根误差, 平均绝对误差, 平均百分比误差, 决定系数, Bland-Altman分析	NA
1755	2026-03-14	Modeling mutational effects on biochemical phenotypes using convolutional neural networks: application to SARS-CoV-2 2022-Jul-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.104500 PMID:35669036	研究论文	本文利用卷积神经网络建模SARS-CoV-2刺突蛋白受体结合域和人类ACE2蛋白的突变对生化表型的影响	首次将卷积神经网络应用于SARS-CoV-2突变体生化表型预测，整合氨基酸理化性质显著提升预测性能，并与分子动力学模拟结果相互验证	模型主要基于深度突变扫描实验数据，可能未覆盖所有潜在突变组合，且计算资源需求较高	预测SARS-CoV-2突变对病毒-宿主相互作用关键生化表型的影响	SARS-CoV-2刺突蛋白受体结合域和人类ACE2蛋白的突变体	机器学习	COVID-19	深度突变扫描	CNN	蛋白质序列突变数据	NA	NA	卷积神经网络	预测准确性	NA
1756	2026-03-13	Detecting cognitive impairment and psychological well-being among older adults 2026-Jun-30, Machine learning. Health DOI:10.1088/3049-477X/ae250c PMID:41573970	研究论文	本研究利用机器学习模型，通过远程视频对话提取面部、声学、语言和心血管特征，以监测老年人的认知衰退和心理社会健康状况	整合多模态特征（面部、声学、语言、心血管）从远程视频对话中量化认知状态和社会心理因素，并进行了特征重要性和偏差分析	样本量较小（39名老年人），模型在年龄、性别、疾病状况和教育水平上存在显著偏差，需要更大规模数据集以提高泛化能力	开发可扩展的方法来监测老年人的认知衰退并识别痴呆风险相关的社会心理因素	39名认知正常或轻度认知障碍的老年人	机器学习	老年疾病	远程视频对话分析	机器学习模型	视频、音频、语言文本、生理信号	39名老年人	NA	NA	AUC	NA
1757	2026-03-13	MDD-thinker: A reasoning-enhanced large language model for diagnosis of major depressive disorder 2026-Jun-15, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121405 PMID:41707724	研究论文	提出了一种基于大语言模型的增强推理诊断系统MDD-Thinker，用于重度抑郁症的诊断	结合监督微调和强化学习来增强大语言模型的推理能力和可解释性，并利用结构化推理样本进行训练	研究在评估设置下进行，临床适用性可能受到可解释性、幻觉问题和依赖合成数据等挑战的限制	开发一个可扩展且可解释的智能精神病学评估系统，用于重度抑郁症的诊断	重度抑郁症患者	自然语言处理	重度抑郁症	NA	大语言模型	文本	来自UK Biobank数据集的40,000个结构化推理样本，以及来自公开心理健康数据集的10,000条记录	NA	NA	准确率, F1分数	NA
1758	2026-03-13	Probabilistic vehicle speed prediction and reliability-based design optimization of mountainous freeway renovation using Transformer and active learning surrogates 2026-Jun, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108453 PMID:41702043	研究论文	本研究提出了一种基于可靠性的设计优化框架，结合概率性车辆速度预测和主动学习代理模型，用于山区高速公路改造的安全导向几何设计优化	开发了基于Transformer的架构来映射高速公路线形与车辆速度分布，并采用主动学习Kriging代理模型解决RBDO问题，提高了计算效率和准确性	研究仅针对典型山区高速公路进行数值实验，未涉及更广泛的道路类型或交通条件，且代理模型可能在某些极端情况下存在精度限制	优化山区高速公路改造的几何设计，以平衡驾驶安全可靠性和改造成本	山区高速公路的车辆速度分布和几何设计参数	机器学习	NA	NA	Transformer	NA	NA	NA	Transformer	NA	NA
1759	2026-03-13	Letter to the editor: Re-examining the role of deep learning in cyber forensics: Practical gaps beyond conceptual frameworks 2026-Jun, Forensic science international. Synergy DOI:10.1016/j.fsisyn.2026.100669 PMID:41815526	评论	本文探讨了深度学习在数字取证中的实际应用限制，强调其作为专家判断辅助工具的角色	重新审视深度学习在数字取证中的作用，指出超越概念框架的实际差距，并呼吁从事件后审查推广到取证准备和实时监控	存在数据质量和偏见问题、缺乏取证级方法验证、模型输出可解释性低以及自动化比较可能损害证据完整性	研究深度学习在数字取证领域的适用性，探讨其实际限制	深度学习技术在数字取证中的应用	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1760	2026-03-13	Precise, fast, and automated gel quantification powered by YOLO11 instance segmentation 2026-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345293 PMID:41813342	研究论文	本研究提出了一种基于YOLO11实例分割的端到端、全自动凝胶条带分割框架，用于精确、快速的凝胶图像定量分析	采用轻量级YOLO11n架构，无需预处理即可处理高分辨率图像，并利用像素级掩码而非边界框进行定量，有效排除背景噪声，解决了分析速度与定量精度之间的长期权衡	模型训练数据量相对有限（总计200张图像），且主要针对特定染色方法（考马斯亮蓝、银染、荧光染色）进行了验证	开发一种自动化、高精度的凝胶电泳图像分析工具，以替代传统依赖人工和主观判断的密度测定法	凝胶电泳图像	计算机视觉	NA	凝胶电泳，荧光成像	实例分割	图像	200张凝胶图像（150张用于训练，50张用于微调）	YOLO	YOLO11n, YOLO11-Seg	mAP50, 线性度(R²), 变异系数(CV), 处理延迟时间	NA