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	2026-08-29	Epileptic seizure detection in EEG signals using deep learning: LSTM and bidirectional LSTM 2026-Sep, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2490136 PMID:40255197	研究论文	本文提出了一种基于离散小波变换和深度学习（LSTM与BiLSTM）的自动检测脑电图癫痫发作的方法，并实现了100%的分类准确率	创新性地将LSTM和BiLSTM网络各一层串联组合成混合模型，用于脑电信号癫痫检测，相比其他方法性能更优	未提及具体局限性	开发一种自动检测脑电图癫痫发作的高效方法	脑电图（EEG）信号	深度学习	癫痫	离散小波变换（DWT）	LSTM, BiLSTM	脑电图（EEG）信号	未提及具体样本数量	NA	LSTM, BiLSTM	准确率	NA
2	2026-08-29	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-11-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本研究提出了一种基于自监督学习训练的病理学基础模型，用于预测胃肠道癌症患者的预后及辅助化疗获益	采用超过1.3亿个图像块和10万多张全切片图像训练病理学基础模型，并首次在多国队列中验证其对胃癌和结直肠癌预后预测及辅助化疗获益预测的能力	尚需前瞻性验证以确认其临床应用价值	开发并验证基于H&E染色病理切片的AI模型，用于预测胃肠道癌症患者预后和辅助化疗获益，以改善风险分层并辅助个体化治疗决策	胃肠道癌症（包括胃癌、食管癌和结直肠癌）患者的病理图像及生存数据	数字病理学、机器学习	胃肠道癌症（含胃癌、食管癌、结直肠癌）	全切片成像（WSI）	基础模型、深度学习模型（自监督学习微调）	病理图像（H&E染色全切片图像）	训练集：104,876张全切片图像（超过1.3亿个图像块）；验证集：1,619例胃/食管癌患者和2,594例结直肠癌患者，共7个队列	NA	自监督学习基础模型（具体架构未在摘要中提及）、微调的深度学习模型（未指定具体架构）	一致性指数（C-index），5年生存率，多变量分析中的独立预后因素，治疗-模型交互作用P值	NA
3	2026-08-29	GRU4ACE: Enhancing ACE inhibitory peptide prediction by integrating gated recurrent unit with multi-source feature embeddings 2025-06, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70026 PMID:40371738	研究论文	本研究提出了GRU4ACE，一种基于门控循环单元和多源特征嵌入的深度学习框架，用于预测ACE抑制肽，并在独立测试中表现出优于现有方法的性能。	首次将多源特征编码方法（包括序列、图形、语义和上下文信息）与门控循环单元结合，利用弹性网进行特征优化，以增强ACE抑制肽预测的准确性。	未提供明确局限性信息。	开发一种计算方法来准确识别ACE抑制肽，以支持高通量表征，并加速潜在抗高血压药物的发现。	ACE抑制肽。	机器学习	高血压	蛋白质语言模型嵌入，自然语言处理嵌入，特征描述符	门控循环单元（GRU）	蛋白质序列数据	未提供具体样本数量。	未明确指定	GRU	平衡准确率、灵敏度、Matthews相关系数	未提供具体计算资源信息。
4	2026-08-29	PackPPI: An integrated framework for protein-protein complex side-chain packing and ΔΔG prediction based on diffusion model 2025-05, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70110 PMID:40260988	研究论文	提出了一种基于扩散模型和近端优化算法的集成框架PackPPI，用于蛋白质复合物侧链打包和ΔΔG预测	将蛋白质复合物侧链打包和突变效应预测两个密切相关但通常分开处理的任务集成到一个统一框架中，并引入近端优化算法作为后处理步骤以减少空间冲突	未明确提及局限性	改进蛋白质复合物的侧链预测并同时预测突变引起的结合亲和力变化，为蛋白质设计和工程提供计算工具	蛋白质复合物	机器学习	NA	NA	扩散模型	蛋白质结构数据	CASP15数据集和SKEMPI v2.0数据集	NA	扩散模型	原子RMSD	NA
5	2026-08-29	Quaternary stabilization of a GH2 β-galactosidase from the psychrophile A. ikkensis, a flexible and unstable dimeric enzyme 2025-05, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70141 PMID:40277444	研究论文	本文研究了来自嗜冷菌Alkalilactibacillus ikkensis的GH2 β-半乳糖苷酶（AiLac）的冷适应机制及其四级结构稳定性，并通过深度学习模型成功设计了稳定化寡聚体变体	利用AlphaFold结构预测与SAXS结合解析冷适应酶的二聚体动态，并通过生成式深度学习模型定向进化出稳定的二聚体和四聚体变体，展示了一种探索序列适应度景观以调节寡聚化平衡的新方法	未提及	探究冷活性酶的低温活性基础及其在节能工艺中的应用潜力，并揭示寡聚化与进化之间的关系	A. ikkensis的GH2 β-半乳糖苷酶（AiLac）及其工程化变体	结构生物学、蛋白质工程	不适用	AlphaFold结构预测、小角X射线散射（SAXS）、流诱导分散分析（FIDA）、圆二色光谱、内源荧光光谱	生成式深度学习模型	蛋白质序列和结构数据	未明确	未明确	生成式深度学习模型（未指定具体架构）	酶活性、热稳定性、化学稳定性、寡聚化状态	未提及
6	2026-08-29	Deep Learning-Enhanced Chemiluminescence Vertical Flow Assay for High-Sensitivity Cardiac Troponin I Testing 2025-03, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202411585 PMID:39910838	研究论文	本文介绍了一种基于化学发光垂直流检测和深度学习分析的高灵敏度心肌肌钙蛋白I检测方法。	创新点在于结合化学发光垂直流检测、便携式高灵敏成像设备和神经网络算法，实现了对心肌肌钙蛋白I的现场快速高精度定量检测，灵敏度超过传统台式分析仪一个数量级。	摘要未提及明确的局限性。	实现高灵敏度、低成本的心肌肌钙蛋白I检测，以满足不同医疗环境（如急诊和资源匮乏地区）的即时检测需求。	心肌肌钙蛋白I（cTnI），一种用于评估心肌损伤和心肌梗死的关键心脏蛋白。	生物医学工程、深度学习	心血管疾病（心肌梗死）	化学发光检测、垂直流检测、酶联免疫吸附、深度学习	神经网络	图像（成像数据）	患者样本（具体数量未在摘要中提供）	NA	神经网络	检测限、变异系数、相关系数	NA
7	2026-08-29	Unmet Needs in Spondyloarthritis: Imaging in Axial Spondyloarthritis 2024-12-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2024-0937 PMID:39448248	综述	本文综述了中轴型脊柱关节炎（axSpA）影像学生物标志物的现状与前沿技术，涵盖放射摄影、低剂量及双能CT、MRI等成像方式，并讨论其在诊断、治疗反应评估和疾病进展监测中的优势与局限	介绍了MRI新兴序列（如容积内插呼吸屏气检查、超短回波时间、零回波时间）及基于深度学习的合成CT技术，无需电离辐射即可生成类似CT的影像，强化了MRI检测和量化结构性病变的能力	未明确列出研究的局限性	概述脊柱关节炎影像学在临床实践中的应用谱，讨论不同成像技术的优缺点及实用性	中轴型脊柱关节炎患者及相关的影像学检查方法	医学影像	脊柱关节炎	放射摄影、低剂量CT、双能CT、MRI（含容积内插呼吸屏气检查、超短回波时间、零回波时间）、深度学习合成CT,NA	深度学习	影像数据	NA	NA	NA	NA	NA
8	2024-08-07	Deeper insights from deep learning: Enhanced myocardial perfusion assessments using multimodal artificial intelligence 2024-08, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102014 PMID:39089361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9	2026-08-29	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍EPInformer，一个可扩展的深度学习框架，通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达。	创新性地结合启动子-增强子相互作用及其序列、表观遗传信号和染色质接触，以捕捉远端调控元件的影响，提高基因表达预测的准确性，并在跨染色体验证中优于现有模型。	尽管模型性能优越，但仍可能受限于训练资源需求和对新数据的适应性，且未在摘要中详细说明具体局限性。	开发一个可扩展的深度学习框架，以整合启动子-增强子序列和多模态表观基因组数据，提高基因表达预测的准确性。	基因表达预测，启动子-增强子相互作用，转录因子基序。	深度学习	NA	深度学习	深度学习模型（具体类型未提及）	DNA序列、表观遗传信号、染色质接触数据	NA	NA	NA	准确性（优于现有模型）	NA
10	2026-08-29	Sharing massive biomedical data at magnitudes lower bandwidth using implicit neural function 2024-07-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2320870121 PMID:38959033	研究论文	提出一种基于隐式神经函数的生物医学数据压缩方法BRIEF，实现大规模数据的低带宽共享，压缩率提升2-3个数量级且保持高保真度	使用数据特定的紧凑神经网络表示生物医学数据，避免了传统深度学习方法的泛化问题，并支持自定义空间变化保真度	摘要中未明确提及局限性，可能需要进一步评估在不同数据类型上的计算开销和实际部署效率	实现大规模生物医学数据的低带宽存储与共享，促进跨机构合作	多种生物医学数据，包括图像、视频等	机器学习	NA	隐式神经函数	隐式神经函数	生物医学图像和视频	多种生物医学数据集，具体数量未在摘要中说明	NA	紧凑神经网络	压缩比、保真度	未在摘要中说明
11	2026-08-29	Interpretation of SPECT wall motion with deep learning 2024-07, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.101881 PMID:38723886	研究论文	本研究开发了一种基于深度学习的工作流程，用于解释SPECT心肌壁运动，并评估其性能优于人类专家和定量参数	创新地使用深度学习模型预测异常壁运动的概率，并实现了区域壁运动的评估，同时提供了GUI界面以便在30秒内产生初步解释	未明确说明，但可能受限于单中心数据、回顾性设计以及需要外部验证	开发一种深度学习工作流程，以提高SPECT壁运动解释的准确性	静息ECG门控SPECT图像和超声心动图数据	医学影像分析	心血管疾病	SPECT成像	深度学习模型（未指定具体类型）	医学影像（SPECT）	1038名患者，其中317名用于训练DL-model 2	NA	NA	AUC, 准确率, 净重分类指数	NA
12	2026-08-29	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	本文介绍了MRD-EDGE，一种基于机器学习引导的WGS ctDNA检测平台，通过深度学习和特征空间增强信号富集，显著提高微小残留病灶监测和肿瘤负荷评估的灵敏度	通过深度学习与ctDNA特异性特征空间结合，实现WGS中SNV信噪比约300倍的富集，并将CNV检测所需测序深度从1Gb降至200Mb，支持血浆单独（非肿瘤知情）监测	摘要未提及明显局限性，但可能涉及验证队列规模、不同癌症类型适用性及临床转化中的技术标准问题	开发一种超灵敏的基于血浆的肿瘤负荷监测方法，提高ctDNA检测在微小残留病灶和免疫治疗反应监测中的性能	多种实体瘤类型，包括肺癌、黑色素瘤，以及癌前结直肠腺瘤	机器学习, 数字病理学	肺癌, 黑色素瘤, 结直肠癌	全基因组测序（WGS）	深度学习模型	基因组测序数据	未在摘要中明确说明	NA	NA	信噪比富集倍数、灵敏度、特异度	未在摘要中提及
13	2026-08-29	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2024-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.28.596078 PMID:38853998	研究论文	利用迁移学习训练深度模型，从DNA序列预测转录因子剂量对染色质可及性的定量影响，并揭示序列决定因素	首次将迁移学习应用于预测转录因子扰动下染色质状态的定量响应，结合报告基因实验和生物物理模型验证预测特征	未明确提及，但可能受限于特定细胞类型和转录因子，以及模型的可解释性	揭示顺式调控编码中转录因子剂量响应的序列决定因素，提高对染色质状态预测的理解	面部祖细胞中的调控元件，以及两个剂量敏感转录因子TWIST1和SOX9	深度学习，基因组学	非特定疾病，但涉及面部发育相关	深度学习（转移学习），报告基因分析，生物物理建模	深度神经网络	DNA序列数据和染色质可及性数据	特定细胞类型（面部祖细胞）中的调控元件，具体数量未在摘要中提及	未明确，可能使用TensorFlow或PyTorch	未明确，可能为卷积神经网络或Transformer	准确率，与实验可重复性相比	未明确提及
14	2026-08-29	Inverse radon transform with deep learning: an application in cardiac motion correction 2024-01-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0eb5 PMID:37988757	研究论文	本文提出了一种结合深度学习的逆Radon变换方法，用于心脏运动校正，直接从运动损坏的sinogram重建运动校正后的图像。	提出了一个适合心脏图像重建的ANN架构，能够同时执行逆Radon变换和心脏运动校正，消除了对硬件门控的需求。	未提及具体的局限性。	实现基于深度学习的逆Radon变换，并在心脏图像重建中同时进行运动校正，以消除硬件门控。	心脏图像重建，包括心形模拟对象和人类心脏门控数据。	机器学习	心血管疾病	NA	人工神经网络（ANN）	图像（sinogram）	两种数据集：心形模拟对象和人类心脏门控数据集	NA	NA	NA	NA
15	2026-08-29	A 3D transfer learning approach for identifying multiple simultaneous errors during radiotherapy 2024-01-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1547 PMID:38091615	研究论文	本研究评估基于三维卷积神经网络（3D CNN）的迁移学习方法在放疗过程中识别多种同时发生的治疗误差的能力。	采用三维迁移学习策略训练多标签分类的3D CNN，以处理临床上复杂的多误差同时发生场景，并引入集成模型以提高性能。	Level 2分类性能较低，过拟合现象较明显，需要进一步优化模型和数据处理方法。	评估基于CNN的误差识别方法在复杂多误差同时发生场景下的能力，以实现更准确的放疗质量控制。	40例肺癌患者的治疗计划和CT图像，以及模拟的多种组合治疗误差。	计算机视觉	肺癌	剂量比较成像	3D CNN (卷积神经网络)	图像（三维剂量分布比较图）	40例肺癌患者，2580个三维剂量分布	NA	CNN，集成模型（由三个CNN组成）	F1得分	NA
16	2026-08-29	A denoising method based on deep learning for proton radiograph using energy resolved dose function 2024-01-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad15c4 PMID:38096569	研究论文	提出一种基于能量分辨剂量函数的深度学习方法，用于质子放射图像去噪，以提高水等效路径长度测量的准确性。	通过建立WEPL特征曲线畸变与散射质子能量及比例的关系，并采用深度学习去除散射质子和校正偏移的WEPL值，与端到端图像去噪相比具有更大优势。	未提及具体局限性。	开发一种有效的质子放射图像去噪方法，提高WEPL测量精度，为精确质子放疗奠定基础。	校准模体和拟人头模体的质子放射图像。	医学影像处理	肿瘤（针对质子放疗）	质子放射成像	深度学习模型（未指定具体类型）	图像	校准模体和拟人头模体的质子放射图像（样本量未明确）	NA	NA	平均绝对误差、平均百分比差异、相对WEPL校正率	NA
17	2026-08-29	Deep learning-based synthetic dose-weighted LET map generation for intensity modulated proton therapy 2024-01-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad154b PMID:38091613	研究论文	提出了一种基于深度学习的框架，用于从剂量分布图预测质子治疗中的剂量加权LET分布图，以简化临床环境中LET图的生成过程并提高速度	首次采用CycleGAN模型从剂量图生成合成的剂量加权LET图，避免了复杂的物理模型和蒙特卡洛模拟，显著提高了生成速度	未提及具体局限性，但可能受限于训练数据的质量和泛化能力	开发一种深度学习框架，快速准确地生成质子治疗的LET分布图，以优化治疗计划并更好地考虑可变RBE	质子治疗中的剂量分布图和LET分布图	深度学习, 医学影像	肿瘤（质子治疗相关，未指定具体癌症类型）	深度学习（CycleGAN），蒙特卡洛模拟（用于生成训练数据）	CycleGAN	图像（剂量分布图和LET分布图）	未明确给出具体样本数量	未明确说明，可能为PyTorch	CycleGAN	平均绝对误差（MAE）、峰值信噪比（PSNR）、归一化互相关（NCC）	未明确说明，可能包括GPU
18	2026-08-29	Non-coplanar lung SABR treatments delivered with a gantry-mounted x-ray tube 2024-01-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad111a PMID:38035372	研究论文	本文提出一种使用机架上安装的X射线管的非共面肺SABR治疗方案，并验证其符合RTOG 0813标准且成本低廉。	提出了一种基于320 kVp X射线管和GPU反投影的SITKA系统，结合深度学习CBCT到sCT转换和新型逆向治疗规划，实现低成本的放疗方案。	研究仅基于两个患者病例，且未提供真实临床测试数据。	开发一种适用于低收入国家的低成本、有效的非共面肺SABR治疗系统。	两个肺癌患者病例，使用SITKA系统进行放疗规划。	医学影像和放射治疗	肺癌	蒙特卡洛模拟（MC）、深度学习CBCT到sCT转换	深度学习模型（具体类型未指定）	CT影像、治疗计划数据	2个肺癌患者病例	NA	未指定具体架构	RTOG 0813剂量学标准、最大剂量、平均剂量	GPU（用于反投影和深度学习）
19	2026-08-29	M3S-Net: multi-modality multi-branch multi-self-attention network with structure-promoting loss for low-dose PET/CT enhancement 2024-01-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad14c5 PMID:38086073	研究论文	提出了一种名为M3S-Net的多模态多分支多自注意力网络，结合结构促进损失函数，用于从低剂量PET/CT图像生成标准剂量PET图像，以提高图像质量	设计了多分支卷积神经网络与多自注意力机制，并在损失函数中引入多模态结构促进项以学习CT图像的解剖信息	未提及	提高低剂量PET图像质量，以减少辐射暴露和扫描时间，同时保持图像质量与标准剂量相当	低剂量PET/CT图像及对应的标准剂量PET图像	计算机视觉	不适用	PET/CT成像	卷积神经网络	图像	未提及	未提及	多分支卷积神经网络，多自注意力机制	客观指标、肿瘤生成质量、边缘保持、噪声抑制、伪影抑制	未提及
20	2026-08-29	Automated recognition of emotional states of horses from facial expressions 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302893 PMID:39008504	研究论文	本研究首次使用受控实验收集的数据，开发了基于面部表情自动识别马匹情绪状态的AI模型。	首次将AI应用于马匹情绪状态（而非仅疼痛）的自动识别，并比较了深度学习和机器学习两种方法。	预期和沮丧情绪区分困难，准确率仅为61%。	开发AI模型以自动识别马匹的情绪状态（基线、积极预期、失望和沮丧）。	马匹的面部表情视频和EquiFACS标注。	计算机视觉	NA	视频数据收集和EquiFACS行为编码	深度学习模型和机器学习模型	视频和注释数据	未在摘要中指定	NA	NA（但可能涉及CNN等）	准确率	NA