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	2026-08-25	Using Deep Learning to Choose Optimal Smoothing Values for Equating 2026-May, Applied psychological measurement IF:1.0Q3 DOI:10.1177/01466216251363244 PMID:40881830	研究论文	本研究利用深度学习（卷积神经网络）自动选择考试等值中的最优平滑值，以替代人工选择过程	首次将卷积神经网络应用于等值后平滑图的选择，实现自动化决策，并与人工判断一致性高达71%	未提及具体局限性，如数据规模、模型泛化能力或不同等值场景的适用性	探索深度学习在自动化选择考试等值最优平滑值中的可行性	考试等值中的后平滑图及其对应的平滑值	机器学习	NA	NA	卷积神经网络（CNN）	图像（后平滑图）	未明确样本数量，使用实证测试数据	NA	卷积神经网络（具体架构未提及）	一致性率（71%）	NA
2	2026-08-25	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2026-02, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	本文开发了一种基于深度学习框架的数据驱动连续睡眠深度测量方法——序数睡眠深度（OSD），并评估其与觉醒概率的相关性及其与年龄、性别、睡眠呼吸障碍和认知障碍的关联。	提出了一种新的连续睡眠深度测量方法OSD，利用卷积神经网络和序数回归，优于传统离散睡眠分期和现有连续指标ORP。	未提及具体局限性。	开发数据驱动的连续睡眠深度测量方法，并验证其与临床变量的关联。	21,787例多导睡眠图记录，来自18,116名独特患者。	数字病理学	睡眠呼吸障碍，认知障碍	多导睡眠图（PSG）	卷积神经网络（CNN）	脑电图（EEG）信号	21,787例PSG记录，18,116名患者	NA	卷积神经网络（具体架构未指定）	皮尔逊相关系数	NA
3	2026-08-25	Accurate and Rapid Ranking of Protein-Ligand Binding Affinities Using Density Matrix Fragmentation and Physics-Informed Machine Learning Dispersion Potentials 2025-10-06, Chemphyschem : a European journal of chemical physics and physical chemistry IF:2.3Q2 DOI:10.1002/cphc.202500094 PMID:40758915	研究论文	本文介绍了一种基于密度矩阵片段化和物理信息机器学习色散势的方法，用于快速准确地排序蛋白质-配体结合亲和力	结合GMBE-DM量子片段化方法和物理信息机器学习色散势D3-ML，实现高精度快速排名，优于深度学习模型	未提及方法的局限性	开发高效蛋白质-配体结合亲和力排名方法，用于快速药物筛选和先导化合物优先排序	CDK2和JAK1蛋白质配体复合物，共28个配体	计算机辅助药物设计	癌症（涉及细胞周期蛋白依赖性激酶和Janus激酶）	NA	机器学习（D3-ML）和深度学习（Sfcnn）	蛋白质-配体复合物结构数据	28个配体	NA	NA	相关系数R	未提及具体GPU类型，但提到无需大量并行化，每个复合物耗时<5分钟
4	2026-08-25	Cross-institutional validation of a polar map-free 3D deep learning model for obstructive coronary artery disease prediction using myocardial perfusion imaging: insights into generalizability and bias 2025-09, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07243-w PMID:40198356	研究论文	本研究通过两个医疗中心的数据验证了一个无极坐标图的3D深度学习模型在心肌灌注成像中预测阻塞性冠状动脉疾病的表现，并评估其泛化性和潜在偏差。	首次跨机构验证了无极坐标图的3D深度学习模型在MPI预测阻塞性CAD中的泛化性和偏差，并发现其性能优于应力总灌注缺损。	模型在外部队列中表现显著降低，且在不同应激类型和年龄组存在偏差。	评估一个内部开发的基于MPI的深度学习模型在不同医院队列中的泛化能力和潜在偏差。	来自台湾两个医疗中心的患者，接受了应激/再分布铊-201 MPI并在90天内进行侵入性冠状动脉造影。	医学影像分析	阻塞性冠状动脉疾病	心肌灌注成像（MPI）	3D深度学习模型	医学图像（MPI图像）	训练集928个图像，内部验证集933个图像，外部验证集3234个图像	NA	3D卷积神经网络（推测）	AUC	NA
5	2026-08-25	Diagnostic performance of deep learning-assisted [18F]FDG PET imaging for Alzheimer's disease: a systematic review and meta-analysis 2025-08, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07228-9 PMID:40159544	系统综述和荟萃分析	本研究系统评估深度学习辅助的[18F]FDG PET成像在阿尔茨海默病诊断中的性能	首次对深度学习辅助的[18F]FDG PET成像在阿尔茨海默病诊断中的性能进行系统综述和荟萃分析	研究间存在较大异质性，部分归因于深度学习方法和成像模态的差异	计算深度学习辅助的[18F]FDG PET成像在阿尔茨海默病诊断中的诊断性能	阿尔茨海默病、轻度认知障碍和正常对照受试者	医学影像分析	阿尔茨海默病	PET成像	深度学习模型	图像	36项研究	NA	NA	AUC	NA
6	2026-08-25	Hypermetabolic pulmonary lesions detection and diagnosis based on PET/CT imaging and deep learning models 2025-08, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07215-0 PMID:40183951	研究论文	本研究旨在开发和评估基于PET/CT影像和深度学习模型的肺高代谢病变检测与分类方法，将病变分为良性、肺癌、肺淋巴瘤和转移四类。	采用多维度联合网络，结合图像块和二维投影进行病变分类，并与放射组学模型进行比较，同时对外部测试集和新型影像设备数据进行了验证。	未提及。	开发并评估深度学习模型，用于高代谢肺病变的检测、分割和分类，以辅助临床决策和肺病诊断。	高代谢肺病变（包括良性、肺癌、肺淋巴瘤和转移）	医学影像分析	肺癌，肺淋巴瘤，转移性肺病	PET/CT成像	深度学习模型（具体未指明，但涉及定位和分类模型）	PET/CT图像	647例（男性409例，女性238例），来自5个中心，分为内部数据集（426例）、外部测试集I（151例）和外部测试集II（70例）	未指明	未指明（但涉及多维度联合网络）	检测率、准确性、曲线下面积（AUC）	未提及
7	2026-08-25	Interpretable multimodal deep learning model for predicting post-surgical international society of urological pathology grade in primary prostate cancer 2025-08, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07248-5 PMID:40183953	研究论文	开发了一种可解释的多模态深度学习融合模型，整合18F-PSMA-PET/CT影像特征和临床变量，用于预测原发性前列腺癌术后ISUP分级	首次将18F-PSMA-PET/CT影像组学特征与临床变量融合，并引入SHAP可解释性分析，开发了影像组学列线图以提高临床适用性	未提供	准确预测术后ISUP分级（≥4 vs <4），优化手术规划和个性化治疗策略	222名原发性前列腺癌患者（2020-2024年）	医学影像分析	前列腺癌	18F-PSMA-PET/CT成像	深度学习融合模型	影像图像和临床数据	222名患者	未提供	未提供	曲线下面积(AUC)	未提供
8	2026-08-25	Iterative deep learning design of human enhancers exploits condensed sequence grammar to achieve cell-type specificity 2025-07-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101302 PMID:40472848	研究论文	本文应用迭代深度学习设计具有细胞类型特异性的合成人类增强子，并实验验证其活性	首次将迭代深度学习策略用于增强子设计，通过多次实验-模型循环优化提高细胞类型特异性，并揭示了紧凑序列语法在特异性中的关键作用	研究仅针对两种人类细胞系，未在其他细胞类型或体内环境中验证通用性	设计能靶向特定细胞类型表达的合成增强子，解决合成生物学中基因表达精准调控的问题	人类合成增强子及其在两种人类细胞系中的活性	机器学习	NA	深度学习模型训练与迭代优化，增强子活性测量实验	深度学习模型（未具体指定类型，如CNN或DNN）	增强子活性数据和染色质可及性数据（序列数据）	两代合成增强子，数量未明确，包括实验验证的序列	NA	NA	特异性（预测和实验测量的差异活性）	NA
9	2026-08-25	Impact of deep learning denoising on kinetic modelling for low-dose dynamic PET: application to single- and dual-tracer imaging protocols 2025-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07182-6 PMID:40069458	研究论文	本研究探讨深度学习去噪技术对低剂量动态PET成像中动力学建模的影响，并应用于单示踪剂和双示踪剂成像协议。	将基于静态[18F]FDG PET图像训练的深度学习去噪模型应用于动态PET帧，显著降低注射剂量，同时保持动力学参数的准确性，并首次在双示踪剂成像中验证其效果。	研究样本量较小（16例），且训练数据仅限于[18F]FDG，对于其他示踪剂或更大数据集的效果仍需进一步验证。	评估深度学习去噪技术是否能改善低剂量动态PET的量化精度，特别是对动力学参数和参数图像质量的影响。	动态PET图像，包括[18F]FDG和[18F]FGln的单示踪剂及双示踪剂成像协议。	医学影像分析	癌症	PET成像	深度学习模型（未指定具体类型，可能为CNN类）	动态PET图像	16例[18F]FDG PET研究	NA	NA	偏差（bias）、变异性（variability）	NA
10	2026-08-25	CT-free attenuation and Monte-Carlo based scatter correction-guided quantitative 90Y-SPECT imaging for improved dose calculation using deep learning 2025-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07191-5 PMID:40080141	研究论文	本研究开发了基于深度学习的模型，用于无CT衰减校正和蒙特卡洛散射校正的定量90Y SPECT成像，以提高剂量计算准确性。	创新性地使用深度学习模型（基于改进的3D Swin UNETR架构）在无CT图像的情况下进行衰减和散射校正，避免了CT图像不可用或不对准时的问题。	模型训练依赖较大的数据集，且当前研究基于单中心数据，泛化性能有待进一步验证。	开发深度学习模型，实现CT-free的衰减校正和散射校正，以改善90Y SPECT成像中的剂量计算。	190名接受90Y选择性内放射治疗（SIRT）并植入玻璃微球的患者的SPECT和CT影像数据。	医学影像、深度学习	肝脏肿瘤（通过SIRT治疗）	SPECT成像、蒙特卡洛散射校正、CT衰减校正	Transformer	医学影像（SPECT和CT）	190名患者，分为训练集（约80%）和测试集（约20%），采用五折交叉验证。	未指定	Swin UNETR	平均误差（ME）、结构相似性指数（SSIM）、峰值信噪比（PSNR）、平均绝对误差（MAE）、Gamma分析	未指定
11	2026-08-25	Deep Learning Model for Automated Classification of Macular Neovascularization Subtypes in AMD 2025-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.9.55 PMID:40689724	研究论文	开发一种基于深度学习算法，利用结构光学相干断层扫描图像自动分类新生血管性年龄相关性黄斑变性中黄斑新生血管亚型。	首次利用同质化预处理优化OCT图像层信息，提高CNN模型对MNV亚型分类的性能，并通过遮挡敏感性分析揭示亚型间解剖差异。	回顾性研究设计，样本量相对较小（193只眼），且未进行外部验证。	开发并验证一种深度学习算法，能准确分类治疗初治渗出性新生血管性AMD的MNV亚型。	治疗初治的新生血管性AMD患者的193只眼，分类为MNV 1型、2型和3型。	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描成像	卷积神经网络	图像	193只眼（来自治疗初治新生血管性AMD患者）	未在标题和摘要中明确说明，故为不适用	卷积神经网络（具体架构未说明）	敏感性、特异性、曲线下面积	未在标题和摘要中说明，故为不适用
12	2026-08-25	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-06-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	研究论文	本文介绍了一个名为OCTAVE的大型3D OCT数据集，并利用自配置的nnU-Net框架训练深度学习分割模型，在多个独立外部验证集上展示了临床有效的视网膜特征识别性能。	提供了首个包含像素级标注的高质量3D OCT数据集OCTAVE，并附带四个独立公共数据集的标注，同时采用无需手动配置的nnU-Net框架实现跨数据集的稳健分割。	未在摘要中提及明确的局限性。	解决视网膜疾病诊断中标注OCT数据稀缺的问题，开发AI工具以支持精确的疾病检测、监测和治疗指导。	视网膜解剖结构和病理特征，包括OCT图像中的相关结构。	数字病理学	视网膜疾病	OCT成像	CNN（基于U-Net架构）	3D OCT图像	训练集包含198个OCT体积（3762个B扫描），外部验证集包含221个OCT体积（4109个B扫描）	nnU-Net	U-Net	分割性能指标（具体指标未详述，可能包括Dice系数等）	未在标题和摘要中提及
13	2026-08-25	Perspectives: Comparison of deep learning segmentation models on biophysical and biomedical data 2025-05-06, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2025.03.023 PMID:40158204	研究论文	本文对生物物理和生物医学数据上常用的四种深度学习分割模型进行了全面比较，并提供了选择最佳模型的实用指南	针对生物物理实验常见的小规模训练数据集，建立了评估四种不同深度学习架构（卷积神经网络、U-Net、视觉变换器和视觉状态空间模型）表现优劣的标准	未提及	为生物物理和生物医学图像分割任务提供选择深度学习模型的指导原则	四种深度学习分割模型（卷积神经网络、U-Net、视觉变换器和视觉状态空间模型）	计算机视觉	不适用	不适用	卷积神经网络, U-Net, 视觉变换器, 视觉状态空间模型	图像数据	未提及	未提及	卷积神经网络, U-Net, 视觉变换器 (ViT), 视觉状态空间模型	未明确提及，但通常包括准确率、Dice系数等	未提及
14	2026-08-25	Analysis of AI foundation model features decodes the histopathologic landscape of HPV-positive head and neck squamous cell carcinomas 2025-Apr, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2025.107207 PMID:40043423	研究论文	本研究利用AI基础模型分析HPV阳性头颈鳞状细胞癌的组织病理学特征，并通过生成合成图像来解码其组织学景观	首次使用AI基础模型（UNI）和生成对抗网络（HistoXGAN）生成合成病理图像，以客观描述HPV阳性HNSCC的组织学变异模式，并识别出三个亚型	未明确提及限制，但可能包括对合成图像的依赖和样本量有限	利用AI基础模型表征与HPV存在相关的组织病理学特征，并客观描述HPV阳性空间中的变异模式，以实现可解释的HPV检测	HPV阳性与阴性的头颈鳞状细胞癌（HNSCC）患者的H&E染色组织切片	数字病理学、机器学习	头颈鳞状细胞癌	H&E染色、自监督学习（SSL）、生成对抗网络（GAN）	基础模型（UNI）、生成对抗网络（HistoXGAN）	H&E染色病理图像	981名HNSCC患者的H&E图像，来自公共和机构数据集	NA	UNI（Transformer-based）、HistoXGAN（GAN）	敏感性、特异性	NA
15	2026-08-25	Emerging frontiers in protein structure prediction following the AlphaFold revolution 2025-04, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0886 PMID:40233800	综述	本文综述了AlphaFold革命后蛋白质结构预测的新兴前沿，重点讨论其在高级应用中的使用，并建议一套报告AlphaFold预测的指南	提出了针对AlphaFold预测报告的指南，并聚焦于蛋白质与其他生物分子相互作用的结构预测应用	未在摘要中明确提及局限性	综述蛋白质结构预测的最新进展，及其在理解蛋白质相互作用和动态行为中的应用，并提供预测报告指南	蛋白质结构预测工具及其在生物过程理解中的应用	机器学习	NA	AlphaFold	深度学习模型（AlphaFold）	蛋白质序列和结构数据	NA	NA	AlphaFold	NA	NA
16	2026-08-25	Reconstructing illusory camouflage patterns on moth wings using computer vision 2025-04, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0757 PMID:40304197	研究论文	利用计算机视觉算法重建蛾类翅膀上的伪装图案，以探索动物色彩图案如何产生假深度线索。	首次将用于三维场景重建的计算机视觉算法应用于动物伪装图案的感知重建，结合内在图像分解和深度学习两种方法。	未提及具体限制，但可能受限于模拟环境和物种数量。	探究蛾类翅膀图案如何利用单眼深度线索产生视觉错觉，以及如何通过计算机视觉重建潜在感知。	六种蛾类（鳞翅目）的翅膀图案，以及自然三维表面的图像。	计算机视觉	无	单图像单眼深度估计	内在图像分解和深度学习模型	图像	六种蛾类物种的翅膀图案，以及自然三维表面图像	未明确指定，可能涉及PyTorch或TensorFlow等	未明确指定，可能包括基于Retinex理论的分解模型和深度学习深度估计模型	定性评估模型的响应性	未提及
17	2026-08-25	Evaluation of De Vries et al.: Quantifying cellular shapes and how they correlate to cellular responses 2025-Mar-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101242 PMID:40112776	评论	本文对De Vries等人2025年发表的关于三维细胞形状几何深度学习与多实例学习的研究进行了同行评审过程的评估	NA	NA	评估De Vries等人的研究，探讨细胞形状量化及其与细胞反应的关联性	De Vries等人的论文及其同行评审过程	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2026-08-25	Geometric deep learning and multiple-instance learning for 3D cell-shape profiling 2025-03-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101229 PMID:40112779	研究论文	本文介绍MorphoMIL，一个结合几何深度学习和注意力多实例学习的计算流程，用于三维细胞和核形态分析，并在黑色素瘤细胞数据集上验证其预测药物扰动和细胞状态的能力	提出MorphoMIL流程，首次将几何深度学习和注意力多实例学习结合用于3D细胞形态分析，能够处理点云数据，在单细胞和群体水平上捕捉形态特征，并考虑表型异质性	摘要中未明确提及局限，可能涉及对特定数据集和扰动的依赖，或计算资源需求	利用深度学习发现细胞形态表征，理解细胞状态，并实现高通量形态分析以支持药物发现	黑色素瘤细胞，经临床相关和细胞骨架调节的化学和遗传扰动处理，超过95,000个细胞	计算生物学, 深度学习, 几何深度学习, 药物发现	黑色素瘤	3D形态分析（可能基于成像技术，如荧光显微镜）	几何深度学习模型，注意力多实例学习	3D点云数据	超过95,000个黑色素瘤细胞	NA（未指定，可能使用PyTorch或类似框架）	几何深度学习架构（如PointNet或类似），注意力机制	预测准确性（具体指标如AUC或精度未明确）	NA（未提及具体GPU或平台）
19	2026-08-25	Predicting RNA structure and dynamics with deep learning and solution scattering 2025-02-04, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2024.12.024 PMID:39722452	研究论文	介绍了一种名为SCOPER的RNA溶液构象预测器，它结合基于运动学的构象采样与深度学习模型IonNet预测镁离子结合位点，以改善小角X射线散射（SAXS）谱图的拟合质量	首次将深度学习模型IonNet用于预测RNA镁离子结合位点，并整合构象采样以处理RNA的构象可塑性，从而提高对实验SAXS数据的验证能力	需要初始足够准确的RNA结构作为输入，且过度调整可塑性和离子密度可能导致过拟合实验SAXS数据	开发一个高效工具，用于准确验证RNA在溶液中的状态，并提供包含离子的校正原子模型，解决SAXS谱图与RNA结构比较中的两大挑战	RNA分子	深度学习	NA	小角X射线散射（SAXS）、深度学习	深度学习模型IonNet	基因组数据	14个实验数据集	NA	IonNet	SAXS谱图拟合质量	NA
20	2024-09-04	Correction: Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities 2025-Jan, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03539-z PMID:39223254	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA