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
1	2025-12-31	A deep learning-based radiomics model for noninvasive diagnosis of melanoma 2026-Feb-01, Melanoma research IF:1.5Q4 DOI:10.1097/CMR.0000000000001071 PMID:41201865	研究论文	本文开发了一种结合深度学习和影像组学的非侵入性诊断模型，用于提高早期黑色素瘤诊断的准确性和临床实用性	整合了深度学习（ResNet50）和影像组学特征来构建诊断模型，并识别出关键预测指标如熵、长游程强调和小波对比度	研究为单中心回顾性设计，样本量相对有限（350例），可能影响模型的泛化能力	提高早期黑色素瘤的非侵入性诊断准确性	皮肤色素性病变患者	计算机视觉	黑色素瘤	影像组学分析	随机森林, 支持向量机, K近邻	医学影像数据	350例患者（训练集245例，验证集105例）	Python 3.8.5, Scikit-learn	ResNet50	AUC	NA
2	2025-12-31	Integrating lesser omentum adipose CT in dual-phase tumor imaging: A multi-label deep learning framework for preoperative microvascular invasion prediction and survival analysis in hepatocellular carcinoma 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109197 PMID:41349434	研究论文	本研究开发了一种多标签深度学习框架，通过整合小网膜脂肪CT与双期肿瘤成像，用于术前预测肝细胞癌的微血管侵犯并进行生存分析	提出了一种新颖的多标签深度学习框架，首次将小网膜脂肪CT特征与双期肿瘤CT图像通道级联，并利用临床风险因素作为辅助标签指导训练，以提升微血管侵犯预测性能	研究为回顾性设计，样本来自两个中心，可能存在选择偏倚；未在更广泛的多中心前瞻性数据中验证模型泛化性	开发一个多标签深度学习框架，用于术前准确预测肝细胞癌的微血管侵犯并进行生存风险分层分析	肝细胞癌患者	计算机视觉	肝细胞癌	计算机断层扫描	CNN	图像, 临床数据	来自两个中心的回顾性数据，具体样本量未明确说明	NA	CGAResNet18	AUC, 假阳性率, 假阴性率	NA
3	2025-12-31	A comparative study of computer vision models for oral cancer detection from oral photographs 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109198 PMID:41380612	研究论文	本研究比较了多种计算机视觉模型在口腔照片中检测口腔癌病变的性能	通过系统比较现代深度学习目标检测模型，并全面评估影响模型性能的参数，提供了该领域检测方法的新颖且全面的评估	在区分恶性和良性病变的两类检测设置中表现不佳，且小病变检测存在挑战	评估计算机视觉模型作为诊断工具在口腔癌早期检测中的潜力	口腔病变照片，特别是鳞状细胞癌等病变	计算机视觉	口腔癌	NA	深度学习目标检测模型	图像	基于活检证实的口腔病变摄影数据集	NA	NA	精确度, 灵敏度, 特异性	NA
4	2025-12-31	INTELLI-PVA: Informative sample annotation-based contrastive active learning for cross-domain patient-ventilator asynchrony detection 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109203 PMID:41389675	研究论文	本文提出了INTELLI-PVA框架，用于跨域患者-呼吸机异步检测，通过对比主动学习减少标注负担	结合对比学习和主动学习，开发混合两阶段分类器，实现高效跨域PVA检测	未明确说明模型在极端临床场景或罕见PVA类型上的泛化能力	开发人工智能系统以实时检测患者-呼吸机异步，提升临床监测效率	机械通气患者中的八种PVA类型	机器学习	呼吸系统疾病	对比学习，主动学习	深度学习模型	呼吸周期数据	1190名患者，1.24975亿个呼吸周期	NA	NA	F1-score, Cohen's κ	NA
5	2025-12-31	FRET-SAM: SAM_Med2D-based automatic FRET two-hybrid analysis 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109208 PMID:41401595	研究论文	本研究开发了一种基于SAM_Med2D的深度学习模型FRET-SAM，用于自动分析FRET双杂交图像，以量化活细胞中的蛋白质相互作用	首次将Segment Anything Model (SAM)及其医学图像变体SAM_Med2D优化并应用于FRET双杂交图像的自动ROI选择和荧光信号提取，实现了分析过程的自动化并提高了准确性	未明确提及模型在更广泛或更复杂生物样本上的泛化能力，以及计算效率的具体提升程度	开发一种自动化、高精度的深度学习方法来分析FRET双杂交图像，以消除主观偏差并提高蛋白质相互作用定量分析的效率和准确性	FRET双杂交图像（来自六种模型质粒和三种功能性FRET对）以及相关的蛋白质相互作用	计算机视觉	肺癌, 肝细胞癌	荧光共振能量转移 (FRET) 双杂交测定, 深度学习	基于SAM的模型	图像	包含六种模型质粒（C4Y, C10Y, C40Y, C80Y, C32V, CVC）和三种功能性FRET对（Bcl-XL-CFP/Bak-YFP, EGFR-CFP/Grb2-YFP, RAF-CFP/RAS-YFP）的综合FRET图像数据集	NA	SAM_Med2D, FRET-SAM	平均像素精度 (MPA), 平均交并比 (MIoU), Dice系数, 相对误差	NA
6	2025-12-31	A novel multimodal diagnostic framework integrating hyperspectral imaging and deep learning for predicting RET gene mutations in medullary thyroid carcinoma 2026-Feb, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109207 PMID:41411775	研究论文	本研究开发了一种结合高光谱成像与深度学习的多模态诊断框架，用于预测甲状腺髓样癌的RET基因突变	首次将高光谱成像与深度学习结合用于MTC的RET突变预测，并设计了一种跨模态注意力机制来融合光谱和空间特征	样本量相对较小（总样本142例），且仅针对RET基因突变进行预测	开发一种快速、经济高效的非侵入性方法，用于预测甲状腺髓样癌的RET基因突变，以辅助临床决策	甲状腺髓样癌（MTC）患者	数字病理学	甲状腺癌	高光谱成像，H&E染色	CNN, LSTM, Transformer	图像	82例来自齐鲁医院的MTC病例用于训练和验证，60例来自另外两个中心的独立队列用于外部测试	NA	1D-CNN-LSTM, Swin Transformer	准确率, 灵敏度, 特异性	NA
7	2025-12-31	A Deep Learning-Based Human-Robot Collaborative Navigation Framework for Vascular Interventional Surgery 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70125 PMID:41468030	研究论文	本文提出了一种基于深度学习的血管介入手术人机协作导航框架，旨在实现自主手术执行	采用手术生成对抗网络进行实时局部路径规划，并引入基于CNN的动作估计器及人机信任共享控制模型，以应对血管轮廓变化带来的挑战	NA	实现血管介入手术的自主导航，提高手术效果和安全性	血管介入手术中的导管导航	机器视觉	心血管疾病	深度学习	GAN, CNN	图像	NA	NA	生成对抗网络, 卷积神经网络	动作决策准确率	NA
8	2025-12-31	Deep Learning-Based Continuous QT Monitoring to Identify High-Risk Prolongation Events After Class III Antiarrhythmic Initiation 2026-Jan-06, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.125.077494 PMID:41460938	研究论文	本研究开发了一种名为3DRECON-QT的深度学习系统，能够从单导联心电信号重建12导联信息以量化QT/QTc并识别高风险QT延长事件	提出了一种空间感知的深度学习系统，首次实现从单导联信号重建12导联心电图并连续监测QTc，突破了传统插入式心脏监测器的单导联限制	研究主要基于特定抗心律失常药物（多非利特和索他洛尔）的患者队列，外部验证中心数量有限，且模型性能在连续监测场景中仍需进一步优化	开发一种基于深度学习的连续QT监测方法，用于识别III类抗心律失常药物起始治疗后门诊患者的高风险QT延长事件	接受III类抗心律失常药物（多非利特和索他洛尔）治疗的门诊患者，以及使用插入式心脏监测器的患者	数字病理学	心血管疾病	心电图（ECG）分析，连续心电监测	深度学习，多任务编码器-解码器	心电信号（单导联和12导联ECG）	内部测试集和外部验证中心数据，公共多非利特负荷数据集，真实世界门诊患者队列（n=1676），以及配对插入式心脏监测器记录的患者	未明确指定	多任务编码器-解码器	受试者工作特征曲线下面积（AUC），平均绝对误差（MAE），相关系数（r），F1分数，调整后比值比（OR）	未明确指定
9	2025-12-31	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	本文介绍了MULTICOM_ligand，一种基于深度学习的蛋白质-配体结构和结合亲和力预测集成方法，在CASP16中表现优异	提出了一种结合结构共识排序的无监督姿态排序方法，以及一种新的深度生成流匹配模型，用于联合预测结构和结合亲和力	未明确提及具体局限性	预测蛋白质与配体的结合结构和结合亲和力，以支持药物发现	蛋白质-配体复合物	机器学习	NA	几何深度学习，流匹配	深度学习集成，生成模型	蛋白质和配体的结构数据	NA	NA	流匹配模型	在CASP16中的排名（前5名）	NA
10	2025-12-31	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	评论	本文介绍了CASP特别兴趣小组的建立及其在促进社区持续对话和跨学科合作方面的作用	通过设立特别兴趣小组和在线研讨会系列，打破了传统CASP活动仅在预测季节和会议期间交流的限制，实现了社区全年持续互动	NA	促进CASP社区内的持续对话和跨学科合作，降低领域新人的入门门槛	CASP社区成员，包括深度学习专家、NMR专家等科学家	计算生物学	NA	NA	NA	NA	NA	NA	NA	NA	NA
11	2025-12-31	Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26850 PMID:40452318	研究论文	本文介绍了MULTICOM4系统，该系统通过整合AlphaFold2、AlphaFold3及多种内部技术，提升了蛋白质复合物结构预测的准确性，并在CASP16评估中取得了优异表现	首次将基于Transformer的AlphaFold2和基于扩散模型的AlphaFold3与内部技术（如蛋白质复合物化学计量比预测、多样化的多序列比对生成、异常处理及深度学习模型质量评估）进行系统性整合，以提升多链蛋白质复合物的结构预测精度	未明确说明系统在特定类型蛋白质复合物或极端条件下的预测局限性，也未讨论计算资源需求或可扩展性方面的潜在问题	提升多链蛋白质复合物（多聚体）的结构预测准确性，解决单体蛋白质高精度预测后的主要挑战	蛋白质复合物（多聚体）的结构	计算生物学	NA	多序列比对生成、蛋白质模型质量评估、化学计量比预测	Transformer, 扩散模型	蛋白质序列与结构数据	CASP16评估中涉及的蛋白质复合物靶标（具体数量未说明）	AlphaFold2, AlphaFold3	AlphaFold2, AlphaFold3	TM-score, DockQ score	NA
12	2025-12-31	GONet: A Generalizable Deep Learning Model for Glaucoma Detection 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3576688 PMID:40465450	研究论文	本文提出了一种名为GONet的通用深度学习模型，用于从彩色眼底照片中检测青光眼性视神经病变，旨在提高跨种族、疾病组和检查设置的泛化能力	GONet采用基于DINOv2预训练的自监督视觉变换器，并结合多源域策略进行微调，利用七个独立数据集（超过119,000张彩色眼底照片）开发，展示了出色的分布外泛化性能	模型性能可能受数据集多样性和标注质量限制，且未详细讨论在资源有限环境中的部署挑战	开发一个泛化性强、自动化的深度学习模型，用于早期检测青光眼性视神经病变，以减少对专科医生耗时检查的依赖	彩色眼底照片（CFP），来自不同地理背景的患者，包括新贡献的747张带GON标签的开放访问数据集	计算机视觉	青光眼	彩色眼底摄影	视觉变换器（Vision Transformer）	图像	超过119,000张彩色眼底照片，来自七个独立数据集，包括新贡献的747张开放访问图像	PyTorch（基于DINOv2实现）	DINOv2预训练的视觉变换器	AUC	NA
13	2025-12-31	Is EMG Information Necessary for Deep Learning Estimation of Joint and Muscle Level States? 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3577084 PMID:40471740	研究论文	本研究探讨了在深度学习模型中，肌电图（EMG）信息对于估计关节和肌肉水平生理状态的必要性	通过对比使用和不使用EMG信息的深度学习模型，首次系统评估了EMG在关节和肌肉状态估计中的具体作用，并发现仅训练时使用EMG即可显著提升肌肉状态估计性能	需要EMG作为模型输入的方法在实际部署中可能不实用，因为获取EMG数据可能受限	开发准确、非侵入性的方法来估计关节和肌肉的生理状态，以增强可穿戴设备在真实世界行走中的控制	膝关节的生理状态，包括力矩、功率、速度和力量	机器学习	NA	深度学习	深度学习模型	运动学输入数据	28种不同的周期性和非周期性任务	NA	NA	NA	NA
14	2025-12-31	Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3582275 PMID:40553666	研究论文	本文评估了四种超声位移跟踪技术在量化中风后肌筋膜剪切应变中的可靠性，以验证临床假设	提出了一种新的临床假设，即中风后肌筋膜疼痛患者的患侧肩部肌肉间剪切应变低于非患侧，并比较了四种位移估计算法在该假设下的可靠性	L1-SOUL-Search方法运行时间较慢，可能影响实时应用	评估超声位移跟踪技术在中风后肌筋膜剪切应变量化中的可靠性，以支持肌筋膜疼痛和功能障碍的诊断	十名患有中风后肩部肌筋膜疼痛的研究参与者	医学影像分析	中风后肌筋膜疼痛	超声位移跟踪，T1ρ磁共振成像	NA	超声图像，磁共振图像	十名研究参与者	NA	NA	位移导数均值和方差，视觉检查	NA
15	2025-12-31	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了在CASP16竞赛中，我们团队在蛋白质复合物和RNA结构预测方面的方法与结果	整合了多种最先进的深度学习模型，并采用基于共识的评分方法；通过大型宏基因组序列数据库增强多序列比对深度；在共识排名方法中增加了更多评分项；对于RNA结构预测，采用了以NuFold框架为中心的集成方法	存在需要进一步改进的领域，特别是在与其它团队预测结果显著不同的目标上	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA的结构	计算生物学	NA	多序列比对，深度学习	深度学习模型	序列数据，结构数据	NA	NA	NuFold	排名（第一在蛋白质复合物预测，第三在RNA结构预测）	NA
16	2025-12-31	Accurate Biomolecular Structure Prediction in CASP16 With Optimized Inputs to State-Of-The-Art Predictors 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70030 PMID:40762404	研究论文	本文介绍了在CASP16实验中，通过优化输入信息，利用先进深度学习算法在蛋白质结构预测方面取得的成果	通过去除内在无序区域优化蛋白质序列输入，以及优化RNA二级结构输入，提升了结构预测的准确性	蛋白质多聚体的高质量预测比例低于25%，RNA结构预测仍具挑战性	提高生物分子结构预测的准确性	蛋白质结构域、蛋白质多聚体和RNA单体	机器学习	NA	NA	深度学习	序列数据	NA	NA	AlphaFold2, AlphaFold3, trRosettaX2, trRosettaRNA2	NA	NA
17	2025-12-31	Alternative Conformation Prediction Using Deep Learning With Multi-MSA Strategy and Structural Clustering in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70059 PMID:41014267	研究论文	本文报告了CASP16竞赛中结构集合预测的结果，介绍了基于EnsembleFold流程的深度学习方法及其在预测蛋白质、RNA及其复合物替代构象方面的性能	开发了EnsembleFold集成预测流程，结合多MSA生成策略和结构聚类方法，显著提升了替代构象预测的准确性，特别是在蛋白质/核酸复合物目标上表现优异	未明确提及，但讨论了未来质量评估评分方法有待改进以进一步提升集合预测的可靠性和准确性	开发并评估一种用于预测蛋白质、RNA及其复合物结构替代构象的深度学习方法	蛋白质单体、蛋白质复合物、RNA结构以及蛋白质-核酸复合物	计算生物学	NA	多序列比对、深度学习方法、结构聚类、副本交换蒙特卡洛模拟	深度学习	蛋白质序列、RNA序列、结构数据	CASP16竞赛中的19个集合预测目标	NA	D-I-TASSER2, DMFold2, ExFold, DeepProtNA	TM-score	NA
18	2025-12-31	Gait-to-Contact (G2C): A Novel Deep Learning Framework to Predict Total Knee Replacement Wear from Gait Patterns 2026-Jan, Annals of biomedical engineering IF:3.0Q3 DOI:10.1007/s10439-025-03863-3 PMID:41015655	研究论文	本研究提出了一种名为Gait-to-Contact (G2C)的新型深度学习框架，用于从步态模式预测全膝关节置换术的磨损情况	提出了一种基于Transformer-CNN编码器-解码器架构的深度学习替代模型，显著降低了传统有限元分析的计算成本和时间	当前研究基于模拟数据，尚未应用于临床患者数据	开发一种高效的计算模型来预测全膝关节置换术的磨损分布	全膝关节置换术的聚乙烯衬垫线性磨损分布	机器学习	骨科疾病	有限元分析，深度学习	深度学习模型	时间序列数据（步态模式）	314个ISO14243-3（2014）标准变体的步态时间序列	NA	Transformer-CNN编码器-解码器架构	平均绝对百分比误差，结构相似性指数，归一化互信息	NA
19	2025-12-31	Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70076 PMID:41178755	综述	本文回顾了CASP16社区实验在计算结构生物学领域的进展，特别关注深度学习方法的现状、成就与瓶颈	通过CASP16实验系统评估了深度学习（尤其是AlphaFold变体）在蛋白质单体、复合物、RNA结构、大分子集合及配体-蛋白质亲和力预测中的表现，并指出结合传统物理方法与增加训练数据是未来突破的关键趋势	RNA结构预测中深度学习方法目前不优于传统方法，且缺乏结构同源性时结果普遍较差；大分子集合和配体-蛋白质亲和力预测的准确性仍低于实验水平，部分结论受限于小规模目标集	评估计算结构生物学领域的最新进展，特别是深度学习方法的性能与局限性	蛋白质单体结构、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质结构及亲和力	计算结构生物学	NA	深度学习，传统物理启发方法	AlphaFold变体	蛋白质结构数据，RNA结构数据，配体-蛋白质复合物数据	CASP16目标集（具体数量未明确，但提及目标集规模有限）	NA	AlphaFold	结构一致性，界面准确性，亲和力预测准确性	NA
20	2025-12-31	Application of deep learning in evaluating the anatomical relationship between the mandibular third molar and inferior alveolar nerve: A scoping review 2026-Jan-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27584 PMID:41108775	综述	本文是一篇范围综述，旨在识别和比较用于下颌第三磨牙手术放射学评估的深度学习模型	首次对应用于下颌第三磨牙与下牙槽神经解剖关系评估的深度学习模型进行了全面的范围综述，并比较了不同AI模型的性能、成像方式和临床适用性	纳入研究在数据集大小、验证程序和性能指标方面存在显著差异，突显了模型泛化能力的不一致性；大多数研究依赖于二维图像，预测建模和基于三维CBCT的分析相对有限	识别和比较用于下颌第三磨牙手术放射学评估的深度学习模型，重点关注AI模型类型、关键性能指标、成像方式和临床适用性	使用全景X光片和锥形束计算机断层扫描（CBCT）图像进行AI分析的下颌第三磨牙研究	计算机视觉	口腔颌面外科疾病	全景X光片，锥形束计算机断层扫描（CBCT）	CNN	图像	NA	NA	U-Net	准确率，灵敏度，特异性	NA