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	2026-08-08	Refining sequence-to-activity models by increasing model resolution 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.24.634804 PMID:39975126	研究论文	通过增加模型分辨率，即利用ATAC-seq的高分辨率Tn5插入位点分布数据，改进序列到活性模型，以提高对免疫细胞类型间差异染色质可及性的预测能力。	创新地在序列到活性模型中整合了ATAC-seq的高分辨率剖面数据（碱基对分辨率），而不仅仅是区域可及性，从而学习更细致的顺式调控语法，并发现了仅在此分辨率下才显现的新型调控基序。	摘要中未明确提及局限性。	改进序列到活性模型，通过利用高分辨率ATAC-seq剖面数据，更准确地解码免疫细胞分化中的顺式调控语法，并提高跨细胞类型差异染色质可及性的预测性能。	免疫细胞类型中的染色质可及性及其调控基序。	机器学习, 数字病理学	不适用（研究免疫细胞分化，未特指疾病）	ATAC-seq	深度学习模型（具体为序列到活性模型，如AI-TAC和bpAITAC）	DNA序列、染色质可及性数据、ATAC-seq剖面数据	未明确说明样本数量，但涉及多种免疫细胞类型。	未明确说明	AI-TAC, bpAITAC	预测准确性（具体指标未提及，但涉及差异染色质可及性的预测）	未明确说明
2	2026-08-08	Attention-based multimodal deep learning for interpretable and generalizable prediction of pathological complete response in breast cancer 2025-07-10, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06617-w PMID:40640789	研究论文	开发了一种基于注意力的多模态深度学习模型，结合MRI和临床特征预测乳腺癌新辅助化疗后的病理完全缓解，并验证其可解释性和跨机构泛化性	结合3D卷积神经网络和自注意力机制，融合治疗前后MRI影像与临床非影像特征，实现可解释的多模态融合预测	未在文中明确提及，但可能包括样本量有限或外部验证数据集规模较小	提高乳腺癌新辅助化疗后病理完全缓解预测的准确性和可解释性，并验证跨机构泛化能力	乳腺癌患者，接受新辅助化疗	医学影像分析, 深度学习	乳腺癌	MRI成像, 临床数据整合	3D卷积神经网络, 自注意力机制	MRI图像, 临床非影像数据	I-SPY 2试验660例，I-SPY 1试验114例	NA	3D CNN, 自注意力	AUC	NA
3	2026-08-08	Flexible High Temperature Stable Hydrogel Based Triboelectric Nanogenerator for Structural Health Monitoring and Deep Learning Augmented Human Motion Classification 2025-07, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202502739 PMID:40465357	研究论文	本研究制备了一种基于PDMS-水凝胶纳米复合材料的摩擦电纳米发电机，用于高温环境下的结构健康监测和基于深度学习的人体运动分类	开发了含ZnAl层状双氢氧化物纳米颗粒的生物相容性PDMS-水凝胶纳米复合TENG，在高达200°C的温度下保持输出电压稳定性，并结合深度学习模型实现高温环境下的人体运动分类	摘要中未提及局限性	旨在开发适用于高温工业环境的高温稳定TENG，用于振动能量收集、结构健康监测和人体运动监测	PDMS-水凝胶纳米复合TENG设备，包含ZnAl-LDH纳米颗粒	机器学习	NA	NA	深度学习模型（具体类型未指定）	电压波形数据	NA	NA	NA	最大功率密度（110 µW cm⁻²），输出电压稳定性，能量谱变化	NA
4	2026-08-08	RETRACTED ARTICLE: A multi-filter deep transfer learning framework for image-based autism spectrum disorder detection 2025-04-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-97708-7 PMID:40274878	研究论文	提出一种多滤波深度迁移学习框架，用于基于图像的孤独症谱系障碍检测，通过数据增强、多滤波、直方图均衡化和两阶段降维提高预训练模型的分类准确率。	整合数据增强、多滤波、直方图均衡化和两阶段降维到预训练冻结网络中，无需微调，提升图像模式识别性能。	未提及具体限制，可能受限于数据集规模和依赖预训练特征。	自动化检测孤独症谱系障碍，提高早期诊断的准确性和效率。	基于面部图像的孤独症和非孤独症个体样本。	计算机视觉	孤独症谱系障碍	图像处理	CNN, Transformer	图像	使用已建立的面部基准数据集，包含孤独症和非孤独症个体样本，具体数量未说明。	未明确提及	ResNet-50, ViT, Swin	准确率	未明确提及
5	2026-08-08	Detection of brain tumors using a transfer learning-based optimized ResNet152 model in MR images 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109790 PMID:39951980	研究论文	本研究利用基于迁移学习的优化ResNet152模型在MR图像中检测脑肿瘤，并与GoogleNet及多种传统机器学习分类器进行性能比较	结合预处理流程（形态学操作、高斯模糊、阈值裁剪）、PCA降维和数据增强，采用预训练ResNet152与GoogleNet进行特征提取，并利用SVM、KNN、CART和GNB等传统分类器进行分类，最佳组合达到98.53%准确率	未提及具体限制，但可能包括对特定数据集的依赖性、计算资源需求等	探索深度迁移学习技术在脑肿瘤准确诊断中的有效性	脑肿瘤MR图像	计算机视觉	脑肿瘤	磁共振成像	CNN（卷积神经网络）	图像	未明确，但数据集分为训练（80%）和测试（20%）	未明确指定	ResNet152, GoogleNet	准确率、灵敏度、召回率、F1分数	未提供具体信息
6	2026-08-08	Parkinson's disease tremor prediction towards real-time suppression: A self-attention deep temporal convolutional network approach 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109814 PMID:39978094	研究论文	提出一种自注意力深度时间卷积网络（SADTCN）用于实时预测帕金森病震颤信号，并验证其多步预测性能。	首次将自注意力机制与深度时间卷积网络结合，用于捕捉震颤信号的短期和长期依赖关系以及时空动态，实现多步预测，优于现有深度学习模型。	未提及具体限制，可能包括样本量有限或实验条件限制。	开发一种高精度、鲁棒且泛化能力强的模型，用于实时预测帕金森病震颤，以支持辅助技术。	帕金森病患者的肢体震颤信号和关节角度运动。	机器学习和数字信号处理	帕金森病	短时傅里叶变换（STFT）用于频谱分析	深度学习模型（SADTCN）	信号数据（手部和手臂震颤信号）	实验性数据（未提供具体样本数）	NA	自注意力深度时间卷积网络（SADTCN）	准确度、鲁棒性、泛化能力（使用Wilcoxon符号秩检验）	NA
7	2026-08-08	AI-MET: A deep learning-based clinical decision support system for distinguishing multisystem inflammatory syndrome in children from endemic typhus 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109815 PMID:39987695	研究论文	本文介绍了一个基于深度学习的临床决策支持系统AI-MET，用于区分儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒，该系统仅使用急诊科就诊前六小时内可获得的临床和实验室特征。	提出了一种结合评分系统的新型CDSS，能够在早期仅凭常规临床和实验室数据准确区分MIS-C与斑疹伤寒，并进行了与五种经典统计和机器学习模型的对比验证。	未明确说明，但研究样本量较小（87名斑疹伤寒和133名MIS-C患者），且验证集仅包含MIS-C患者，可能限制模型的泛化性。	开发一个临床决策支持系统，以帮助医疗团队在早期快速区分MIS-C和地方性斑疹伤寒，改善患者预后。	儿童多系统炎症综合征（MIS-C）和地方性斑疹伤寒患者。	临床决策支持系统、机器学习	多系统炎症综合征（MIS-C）、地方性斑疹伤寒	临床和实验室特征分析	深度学习模型（具体类型未明确，可能为MLP）	临床和实验室数据（表格数据）	训练和测试数据集包含87名斑疹伤寒患者和133名MIS-C患者，验证数据集包含111名MIS-C患者。	未明确	未明确，可能为多层感知机（MLP）	灵敏度、特异性、准确性、精确率	未明确
8	2026-08-08	EAMAPG: Explainable Adversarial Model Analysis via Projected Gradient Descent 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109788 PMID:39946791	研究论文	提出一种基于投影梯度下降的可解释对抗性模型分析方法，用于医学图像分析中深度学习模型的透明度提升	利用投影梯度下降生成对抗性样本以识别影响模型决策的关键特征，从而增强可解释性，适用于医学图像分析	未提及	通过对抗性生成来提升深度学习模型在医学图像分析中的可解释性，以缩小人工智能与临床实践的差距	脑肿瘤、眼部疾病和COVID-19数据集	数字病理学	脑肿瘤、眼部疾病、COVID-19	投影梯度下降对抗性生成	卷积神经网络	医学图像	六个数据集，具体数量未提及	未提及	DenseNet121、InceptionV3、ResNet101	AUC、t检验p值	未提及
9	2026-08-08	Gabor-modulated depth separable convolution for retinal vessel segmentation in fundus images 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109789 PMID:39946785	研究论文	提出一种基于Gabor调制深度可分离卷积的UNet模型，用于眼底图像中视网膜血管分割	将Gabor滤波器与深度可分离卷积集成到UNet框架中，增强对血管空间频率和方向的捕捉能力，在有限训练数据下表现良好	未提及明确局限性	提高糖尿病视网膜病变中视网膜血管分割的准确性，特别是在血管尺寸多样、分叉和弯曲段存在以及图像质量不一致的情况下	视网膜血管	计算机视觉	糖尿病视网膜病变	Gabor滤波、深度可分离卷积	UNet	眼底图像	DRIVE、STARE和CHASE_DB1数据集	NA	UNet	准确率、精确率、召回率、F1分数	轻量级架构，适用于资源受限环境
10	2026-08-08	X-scPAE: An explainable deep learning model for embryonic lineage allocation prediction based on single-cell transcriptomics revealing key genes in embryonic cell development 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109787 PMID:39946788	研究论文	介绍了一个基于单细胞转录组学的可解释深度学习模型X-scPAE，用于预测胚胎谱系分配并识别关键基因。	提出了结合PCA降维、注意力自编码器和反事实梯度归因算法的可解释模型，能够识别并解释不同谱系间的基因表达差异。	未明确提及局限性，但可能依赖于特定数据集，泛化能力需进一步验证。	准确预测单细胞转录组数据中的细胞谱系分配，并识别关键基因以理解细胞分化过程。	人类和小鼠的单细胞转录组数据。	机器学习	NA	单细胞转录组学	自编码器、注意力机制	单细胞转录组数据	未明确提及样本量	NA	PCA、注意力自编码器	准确率、F1分数、精确率、召回率、AUROC	NA
11	2026-08-08	Multitask learning approach for PPG applications: Case studies on signal quality assessment and physiological parameters estimation 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109798 PMID:39946784	研究论文	本文提出多任务学习方法，利用光电容积脉搏波（PPG）相关任务间的共享特征，提升信号质量评估及生理参数估计的性能	首次在多任务学习框架下，针对PPG信号质量评估和心率/呼吸率估计进行定制化深度模型设计，利用任务间依赖关系提高整体性能	实验仅在46名受试者的数据集上验证，样本量有限，可能影响模型泛化能力	开发多任务深度学习方法，以改善基于PPG的可穿戴健康监测应用中的信号质量评估和生理参数估计准确度	PPG信号质量评估（心率、心率变异性）和生理参数同步估计（心率、呼吸率），数据集来自46名佩戴智能手表的受试者日常活动	信号处理	无特定疾病	PPG（光电容积脉搏波）	多任务深度学习模型	PPG信号数据	46名受试者的日常活动PPG数据	NA	NA	准确率、误差率	NA
12	2026-08-08	Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis 2025-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109791 PMID:39933267	研究论文	提出ResoMergeNet（RMN），一种用于白内障、肺癌和乳腺癌多模态医学图像分类的深度学习模型，结合迁移学习、ResBoost框架和ConvMergeNet技术	通过集成ResBoost框架和ConvMergeNet技术，结合迁移学习，能有效处理不同图像模态（如可见光眼部图像和病理图像），强调全局和局部特征提取并减少无关数据影响	未在摘要中提及具体局限性，可能包括对多样本或更多模态的泛化能力需进一步验证	解决医学图像分类中模态差异带来的性能下降问题，提升白内障、肺癌和乳腺癌的早期诊断准确性	白内障眼部图像、肺癌病理图像和乳腺癌病理图像（BreakHis数据集）	计算机视觉	白内障、肺癌、乳腺癌	NA	CNN（卷积神经网络）	图像	白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类，含100倍和200倍放大倍数）	NA	ResoMergeNet（结合ResBoost和ConvMergeNet）	准确率	NA
13	2026-08-08	Advanced Distance-Resolved Evaluation of the Perienhancing Tumor Areas with FLAIR Hyperintensity Indicates Different ADC Profiles by MGMT Promoter Methylation Status in Glioblastoma 2025-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8493 PMID:39848779	研究论文	本研究利用新型距离分辨的3D评估方法，分析胶质母细胞瘤（GBM）中肿瘤周围增强区域FLAIR高信号的ADC特征，并探讨其与MGMT启动子甲基化状态的关系	首次采用距离分辨的3D体积评估方法分析肿瘤周围浸润区的ADC剖面，揭示了常规MRI上人眼不可见的组织特征，并发现ADC分布与MGMT甲基化状态相关	未提及具体限制，但可能包括回顾性研究设计、单中心数据、样本量相对较小等潜在局限	探究GBM中MGMT启动子甲基化状态是否在MRI标志物中有所体现，特别是肿瘤周围浸润区的ADC特征	101例IDH野生型胶质母细胞瘤患者，其中43例为MGMT启动子甲基化（mMGMT），58例为MGMT启动子未甲基化（uMGMT）	医学影像分析	胶质母细胞瘤	深度学习分割	深度学习模型（具体未指定，可能为分割网络）	MRI图像（包括FLAIR和ADC图像）	101例患者（43例mMGMT，58例uMGMT）	NA	NA	Wilcoxon符号秩检验的P值、ADC值的百分比变化	NA
14	2026-08-08	MASSM: An End-to-End Deep Learning Framework for Multi-Anatomy Statistical Shape Modeling Directly From Images 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_12 PMID:39649703	研究论文	提出MASSM框架，一种端到端深度学习模型，直接从图像中同时定位多个解剖结构、估计群体级统计形状表示并在图像空间描绘形状	首次实现端到端多解剖结构统计形状建模，无需手动分割、预对齐或边界框标注，并能直接在图像空间描绘形状	文献中未提及具体局限性	开发一种无需手动干预的深度学习框架，用于从图像中直接进行多解剖结构的统计形状建模，以提供优于分割网络的形状信息	多种解剖结构（具体未在标题和摘要中明确列出）	计算机视觉	NA	深度学习	多任务网络	图像	NA	NA	NA	形状信息质量（优于分割网络）	NA
15	2026-08-08	FCSSL: fusion enhanced contrastive self-supervised learning method for parallel MRI reconstruction 2024-10-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6d28 PMID:39116910	研究论文	提出了一种融合增强的对比自监督学习（FCSSL）方法，用于并行MRI重建，无需全采样数据或线圈灵敏度图。	在对比学习框架中引入两对重新欠采样掩模策略，并设计了一种自适应融合网络，以自监督方式整合重建结果，提高了重建质量。	性能仍略低于监督方法，且对源域和目标域数据差异较大时需微调。	解决MRI成像中全采样数据获取困难或成本高的问题，实现高质量的并行MRI重建。	膝关节MRI数据，在不同欠采样掩模条件下进行重建。	医学图像重建	NA	MRI	对比学习、自监督学习	MRI图像	膝关节数据集（具体数量未在摘要中提及）	NA	自适应融合网络	重建性能（具体指标未提及）	NA
16	2026-08-08	Predicting prostate cancer grade reclassification on active surveillance using a deep learning-based grading algorithm 2024-10-01, Journal of the National Cancer Institute DOI:10.1093/jnci/djae139 PMID:38889303	研究论文	本研究利用深度学习分级算法AIRAProstate对前列腺癌主动监测患者的初始活检样本进行重新分级，验证其在预测癌症等级升级方面的临床价值	首次通过临床结局比较验证基于深度学习的癌症分级算法在前列腺癌风险分层中的效用	样本来自观察性队列，可能存在选择偏倚，且未明确考虑临床病理因素的综合影响	评估深度学习算法AIRAProstate对前列腺癌主动监测患者初始活检样本重新分级的预后预测价值	两个独立的主动监测队列，包括仅采用系统活检的GG1患者和采用磁共振成像引导活检的患者	数字病理学	前列腺癌	数字病理切片分析	深度学习模型（具体为AIRAProstate算法）	活检病理图像	138例（仅系统活检队列）和169例（磁共振成像引导活检队列）	NA	NA	比值比（odds ratio）、风险比（hazard ratio）、P值	NA
17	2026-08-08	Exploring the potential of structure-based deep learning approaches for T cell receptor design 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012489 PMID:39348412	研究论文	该研究探索了基于结构的深度学习方法（ProteinMPNN和ESM-IF1）在T细胞受体设计中的潜力	首次将两种结构感知的深度学习方法应用于T细胞受体的固定骨架设计，以应对低亲和力和交叉反应性等挑战，并相比传统物理方法进行了评估	缺乏实验验证，发现的方法缺陷需通过改进来克服	评估基于结构的深度学习在T细胞受体设计中的应用潜力，以增强免疫治疗靶向性	T细胞受体及其与抗原肽-MHC复合物的相互作用	机器学习和蛋白质设计	癌症	结构设计深度学习方法（如ProteinMPNN和ESM-IF1）	图神经网络（如ProteinMPNN和ESM-IF1）	蛋白质三维结构序列	未具体说明	PyTorch	ProteinMPNN, ESM-IF1	序列和结构指标	未具体说明
18	2026-08-08	Managing spatio-temporal heterogeneity of susceptibles by embedding it into an homogeneous model: A mechanistic and deep learning study 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012497 PMID:39348420	研究论文	本研究提出了一种将易感人群时空异质性嵌入同质模型的新型建模框架，通过引入连续招募过程，并利用深度学习和MCMC方法进行模型训练与校准，以提高流行病预测准确性	创新性地将易感人群的时空异质性通过连续招募过程整合进同质模型，并借助通用微分方程（UDE）结合神经网络逼近招募率，提供了对比同质模型的改进预测方法	摘要未提及具体限制，但可推断模型依赖特定假设和实际数据校准，可能对大规模或不同场景的适用性有限	旨在改进传染病流行预测，通过整合易感人群的时空异质性，提高预测精度并理解其在疾病传播中的作用	研究对象为急性呼吸道传染病（如COVID-19奥密克戎变异株）的传播动态，具体包括易感人群的异质性及其对流行病冲击的影响	机器学习	传染病	NA（摘要未指定特定测序或实验技术）	神经网络（用于UDE模型）和机械模型	数值和流行病学数据	研究使用了中国上海COVID-19奥密克戎疫情的数据，但未明确样本量	PyTorch、MCMC	通用微分方程（UDE）结构和机械传播模型	准确率、攻击率、感染峰值	未指定，但可能使用GPU进行深度学习和MCMC模拟
19	2026-08-08	Turn-table micro-CT scanner for dynamic perfusion imaging in mice: design, implementation, and evaluation 2024-08-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6edd PMID:39137802	研究论文	本研究介绍了一种新颖的桌面式微型CT扫描仪，用于小鼠动态灌注成像，旨在通过高分辨率和低辐射剂量增强临床前成像能力。	该微型CT系统采用定制旋转台，支持圆形和螺旋扫描，通过小型滑环实现连续旋转，并首次展示了在3.125秒时间分辨率下进行动态灌注成像的潜力。	小样本量限制了结果的确定性结论。	开发一种高分辨率、低剂量的动态灌注成像微型CT系统，以提升临床前成像能力。	小鼠（涉及阿尔茨海默病和心血管疾病的不同遗传风险因素）以及3D生物打印的组织模拟幻影。	医学影像	阿尔茨海默病, 心血管疾病	微型CT成像	NA	图像	未具体说明小鼠数量，但涉及具有不同遗传风险因素的多组小鼠	NA	NA	空间分辨率, 均匀性, 血流测量线性度, 灌注指标（时间到峰值, 平均通过时间, 血流指数）	NA
20	2026-08-08	Self-normalization for a 1 mm3resolution clinical PET system using deep learning 2024-08-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69fb PMID:39084640	研究论文	本文首次提出一种基于条件生成对抗网络（cGANs）的图像端到端自归一化框架，用于临床正电子发射断层扫描（PET）系统，以提高图像质量并避免单独归一化扫描	首次开发了基于图像的自归一化框架，利用条件生成对抗网络，并结合极化自注意力（PSA）的Pix2Pix网络，探索了不同输入数据、张量形状和网络结构以优化性能	研究基于蒙特卡洛模拟的体模数据，而非真实临床数据，可能需要临床试验验证其泛化性和临床适用性	开发并评估一种基于深度学习的图像端到端自归一化方法，以改进PET图像质量和病变可检测性，无需单独的归一化扫描	使用十个体素化体模的蒙特卡洛模拟PET图像，共26000对轴向图像切片，用于训练和测试	深度学习	不适用	PET成像	条件生成对抗网络	图像	26000对轴向图像切片，来自十个模拟体模	PyTorch	Pix2Pix, PSA Pix2Pix	PSNR, SSIM, 归一化对比恢复系数, 对比度-噪声比	不适用