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	2026-02-15	Advanced deep learning methods for molecular property prediction 2023-Dec, Quantitative biology (Beijing, China) DOI:10.1002/qub2.23 PMID:41675536	综述	本文综述了分子性质预测中的分子表示、常用数据集以及先进的深度学习方法	总结了分子性质预测领域的最新深度学习网络（如图神经网络和基于Transformer的模型）和策略（如3D预训练、对比学习、多任务学习、迁移学习和元学习）	指出了数据集缺乏、信息利用率低以及针对疾病特异性不足等关键问题	加速药物发现过程并降低其成本	分子性质预测	机器学习	NA	NA	图神经网络, Transformer	分子数据	NA	NA	NA	NA	NA
2	2026-02-09	Deep learning-powered generation of artificial endoscopic images of GI tract ulcers 2023-Dec, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.08.002 PMID:41646054	研究论文	本研究提出了一种结合生成对抗网络和变分自编码器的VAE-GAN架构，用于生成人工内窥镜图像，以解决胃肠道溃疡诊断中数据不足的问题	开发了VAE-GAN架构来生成人工内窥镜图像，该架构能抵抗模式崩溃、梯度消失、不稳定性和不收敛问题，并通过高精度和召回率验证了生成图像的质量和多样性	专家对人工与真实溃疡图像的分类准确率仅为57.1%，表明生成图像与真实图像仍存在一定差异；数据偏见仅得到部分缓解	通过生成人工内窥镜图像来解决深度学习模型在胃肠道溃疡诊断中数据不足的问题，以提高模型泛化性能	胃肠道溃疡的内窥镜图像	计算机视觉	胃肠道溃疡	内窥镜成像	GAN, VAE, CNN	图像	未明确指定样本数量	未明确指定	VAE-GAN, DenseNet121, 5层CNN	精度, 召回率, 分类准确率	未明确指定
3	2026-02-07	Deep learning models to map osteocyte networks can successfully distinguish between young and aged bone 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.20.572567 PMID:38187546	研究论文	本研究探索应用深度学习和计算机视觉技术，自动分割和测量骨细胞连接组学，以区分年轻和衰老小鼠的骨骼	首次将深度学习模型（特别是Attention U-Net）应用于骨细胞网络（LCN）的自动化分割与测量，实现了比传统手动方法更高效、客观的分析	模型对骨细胞树突状突起的分割准确率（42.1%）仍有待提高，需要进一步开发以提升性能	开发自动化工具以研究骨细胞网络的形态变化，并区分年轻与衰老骨骼的差异	小鼠骨骼中的骨细胞及其在骨陷窝-小管网络（LCN）中的连接结构	计算机视觉	老年性疾病	高分辨率显微镜成像	CNN, Transformer	图像	年轻（2月龄）和衰老（36月龄）小鼠的骨骼样本	NA	U-Net, Vision Transformer, Attention U-Net	分割准确率（骨细胞81.8%，树突状突起42.1%）	NA
4	2026-01-29	A Data-Free Approach to Mitigate Catastrophic Forgetting in Federated Class Incremental Learning for Vision Tasks 2023-Dec, Advances in neural information processing systems PMID:41573098	研究论文	本文提出了一种在联邦学习环境中缓解灾难性遗忘的无数据方法，通过生成模型合成历史数据样本	提出了一种无数据方法，在联邦增量学习中使用生成模型合成历史数据，无需客户端存储旧数据或模型，同时保护隐私	未明确说明生成模型的具体性能限制或在不同数据分布下的泛化能力	解决联邦增量学习中的灾难性遗忘问题	深度学习模型在视觉任务中的联邦增量学习	计算机视觉	NA	生成模型	NA	图像	NA	NA	NA	NA	NA
5	2026-01-17	The text-package: An R-package for analyzing and visualizing human language using natural language processing and transformers 2023-Dec, Psychological methods IF:7.6Q1 DOI:10.1037/met0000542 PMID:37126041	研究论文	本文介绍了一个名为text的R软件包，该软件包利用自然语言处理和Transformer技术来分析和可视化人类语言	开发了一个专门为心理学和社会科学研究人员设计的、用户友好的R软件包，将最先进的NLP和深度学习技术（特别是Transformer）模块化并整合到端到端的人类层面分析流程中	未明确说明该软件包在处理特定语言或文化背景文本时的局限性，也未提及计算资源要求或大规模部署的性能基准	为心理学和社会科学研究者提供易于使用的工具，以利用先进的自然语言处理技术分析人类语言中的心理信息	人类语言文本数据	自然语言处理	NA	自然语言处理, 深度学习, Transformer	Transformer	文本	NA	R	Transformer	NA	NA
6	2026-01-16	Quality assessment of colour fundus and fluorescein angiography images using deep learning 2023-12-18, The British journal of ophthalmology DOI:10.1136/bjo-2022-321963 PMID:36418144	研究论文	本文开发了一种基于深度学习的神经网络，用于对彩色眼底和荧光素血管造影图像进行自动实时图像质量评估	首次针对彩色眼底和荧光素血管造影图像开发了自动实时图像质量评估的神经网络，并在多类别质量预测中展示了接近人类水平的性能	未明确说明模型在更广泛或多样化数据集上的泛化能力，以及在实际临床环境中的长期稳定性	开发自动实时图像质量评估方法，以支持临床研究和常规实践中的图像质量控制	彩色眼底和荧光素血管造影图像	计算机视觉	NA	NA	神经网络	图像	2272张彩色眼底图像和2492张荧光素血管造影图像	NA	NA	F1分数, 接收者操作特征曲线下面积, 精确率-召回率曲线下面积, 准确率	NA
7	2026-01-10	Genomic prediction with machine learning in sugarcane, a complex highly polyploid clonally propagated crop with substantial non-additive variation for key traits 2023-12, The plant genome DOI:10.1002/tpg2.20390 PMID:37728221	研究论文	本研究探讨了在甘蔗这种复杂、高度多倍体、无性繁殖的作物中，使用机器学习方法进行基因组预测的潜力，以捕获关键性状的非加性变异	首次在甘蔗中系统比较了深度学习神经网络（包括多层感知机和卷积神经网络）和随机森林等机器学习方法，与扩展的基因组最佳线性无偏预测（GBLUP）模型在基因组预测中的表现	机器学习模型（包括随机森林和深度学习神经网络）的预测准确性未超过扩展的GBLUP模型，表明在捕获基因间互作方面可能仍有局限	评估机器学习方法在甘蔗复杂基因组背景下对关键农艺性状进行基因组预测的准确性和适用性	甘蔗克隆及其关键性状（总甘蔗收获量、商业蔗糖含量和纤维含量）	机器学习	NA	全基因组单核苷酸多态性标记分析	CNN, MLP, RF	基因组数据	2912个甘蔗克隆，使用26,086个全基因组SNP标记	NA	多层感知机, 卷积神经网络	预测准确性	NA
8	2026-01-06	In silico evolution of autoinhibitory domains for a PD-L1 antagonist using deep learning models 2023-12-05, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2307371120 PMID:38032933	研究论文	本研究利用基于深度学习的蛋白质结构预测与序列优化流程，设计了针对PD-L1拮抗剂的自抑制结构域，以开发可在肿瘤微环境中被激活的抗癌药物	首次将AlphaFold2与ProteinMPNN结合，通过迭代循环设计自抑制结构域，无需实验亲和力成熟即可获得纳摩尔级高亲和力结合剂	研究仅针对PD-L1拮抗剂进行设计验证，未在体内模型中测试其治疗效果与安全性	开发一种可通过肿瘤富集蛋白酶激活的条件性PD-L1拮抗剂，用于癌症治疗	PD-L1蛋白及其拮抗剂	计算生物学	癌症	深度学习蛋白质设计	深度学习模型	蛋白质序列与结构数据	设计了23种不同长度与拓扑结构的自抑制结构域	AlphaFold2, ProteinMPNN	AlphaFold2, ProteinMPNN	平衡解离常数（Kd）	NA
9	2025-12-31	Machine learning identification of Pseudomonas aeruginosa strains from colony image data 2023-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011699 PMID:38091365	研究论文	本研究利用机器学习和图像处理技术，基于菌落图像数据对铜绿假单胞菌菌株进行分类识别	在种内尺度上应用深度卷积神经网络结合数据增强和迁移学习，克服生物深度学习中的数据匮乏问题，实现菌株的视觉指纹分类	样本量相对较小（69个菌株），且仅针对铜绿假单胞菌，未广泛验证其他细菌物种	探索菌落形态作为细菌菌株分类的基础，并开发基于图像的病原菌分类方法	69个环境和临床来源的铜绿假单胞菌菌株	计算机视觉	NA	菌落图像采集	CNN	图像	69个铜绿假单胞菌菌株	NA	深度卷积神经网络	准确率	NA
10	2025-12-30	Deep Learning to Optimize Magnetic Resonance Imaging Prediction of Motor Outcomes After Hypoxic-Ischemic Encephalopathy 2023-12, Pediatric neurology IF:3.2Q1 DOI:10.1016/j.pediatrneurol.2023.09.001 PMID:37774643	研究论文	本研究利用深度学习优化磁共振成像预测缺氧缺血性脑病后的运动结局	采用梯度提升深度学习模型，通过特征选择将预测模型从48个特征简化为仅3个关键特征，提高了预测准确性	样本量相对较小（117名婴儿），且研究仅针对足月或近足月婴儿，可能限制了结果的普适性	优化磁共振成像对缺氧缺血性脑病后运动不良结局的预测	孕周≥36周、接受治疗性低温治疗的中重度缺氧缺血性脑病婴儿	医学影像分析	缺氧缺血性脑病	磁共振成像（T1/T2/扩散加权成像）	梯度提升深度学习	图像, 临床数据	117名婴儿	NA	NA	准确率, 受试者工作特征曲线下面积	NA
11	2025-12-24	SPIN-CGNN: Improved fixed backbone protein design with contact map-based graph construction and contact graph neural network 2023-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011330 PMID:38060617	研究论文	本文提出了一种基于蛋白质接触图的图神经网络SPIN-CGNN，用于改进固定骨架蛋白质设计	引入了基于蛋白质接触图的最近邻图构建方法，结合辅助边更新和选择性核，提高了序列恢复率、困惑度等性能指标	深度学习设计的序列中的低复杂度区域，特别是针对生成结构，与天然序列相比仍有待改进	改进固定骨架蛋白质设计方法，提高序列推断的准确性和生物相关性	蛋白质结构和序列	机器学习	NA	蛋白质接触图	图神经网络	蛋白质结构数据	NA	NA	GNN	序列恢复率, 困惑度, 氨基酸组成偏差, 疏水位点保守性, 低复杂度区域	NA
12	2025-12-21	SEResUTer: a deep learning approach for accurate ECG signal delineation and atrial fibrillation detection 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad02da PMID:37827168	研究论文	本研究提出了一种名为SEResUTer的深度学习模型，用于心电信号波形精确描绘和心房颤动检测	在U-Net架构基础上，结合ResNet模块和Transformer编码器替代传统卷积块，并提出新的掩码策略处理不完整的专家标注	NA	实现心电信号波形精确描绘和心房颤动自动检测	心电信号波形（P波、QRS波、T波）和心房颤动	数字病理	心血管疾病	心电信号分析	深度学习模型	心电信号数据	QT数据库（QTDB）、卢巴切夫斯基大学心电图数据库（LUDB）、中国生理信号挑战赛2021（CPSC2021）和2018（CPSC2018）数据集	NA	U-Net, ResNet, Transformer	F1分数, 灵敏度（SE）, 阳性预测率	NA
13	2025-12-21	Photoplethysmography-based cuffless blood pressure estimation: an image encoding and fusion approach 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0426 PMID:38099538	研究论文	本文提出了一种基于图像编码与融合（BP-IEF）的无袖带血压估计方法，通过将光电容积脉搏波（PPG）转换为二维图像编码，利用深度学习模型进行血压预测	首次从二维图像角度对PPG信号进行编码，并设计了一个端到端的图像编码与融合框架，突破了传统一维PPG方法的局限	方法仅在UCI数据库上进行了评估，未在更广泛或临床环境中验证，且未详细讨论模型对不同人群的泛化能力	开发一种基于PPG的无袖带血压估计方法，以提升移动医疗中的血压监测技术	光电容积脉搏波（PPG）信号	机器学习	心血管疾病	光电容积脉搏波（PPG）技术	CNN, 全连接网络	图像编码（由PPG信号转换而来）	UCI数据库中的样本（具体数量未在摘要中说明）	NA	混合架构（编码器部分基于三种知名神经网络，解码器包含卷积层和全连接层）	均方根误差, 平均绝对误差	NA
14	2025-12-21	Physiological sensor data cleaning with autoencoders 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad10c7 PMID:38029439	研究论文	提出一种基于深度学习的生理传感器数据清洗框架，利用扩张卷积和自编码器提升信号质量	首次将扩张卷积与自编码器结合用于生理信号清洗，通过半监督学习利用大量未标注数据，并增强模型可解释性	模型调优仍有改进空间，未具体说明数据采集设备和环境条件	开发高精度生理传感器数据清洗方法，支持远程患者监测和临床试验决策	光电容积脉搏波等生理传感器信号	机器学习	NA	传感器信号采集	自编码器, CNN	时序信号数据	NA	NA	扩张卷积网络	准确率, 假阳性率, 假阴性率	NA
15	2025-12-21	Deep learning based uncertainty prediction of deformable image registration for contour propagation and dose accumulation in online adaptive radiotherapy 2023-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0282 PMID:37820691	研究论文	本文开发了基于深度学习的可变形图像配准不确定性预测方法，以促进其在在线自适应放疗中的临床应用	首次提出深度学习方法来预测可变形图像配准过程的不确定性，并能够将不确定性传播到临床可用的指标中	方法在肺癌患者数据上进行了验证，但未在其他癌症类型或更大样本量中进行广泛测试	开发可变形图像配准的不确定性预测方法，以支持在线自适应放疗中的轮廓传播和剂量累积	肺癌患者的医学图像数据，包括可变形向量场和手动标注的解剖标志点	数字病理	肺癌	可变形图像配准	神经网络	医学图像	5名肺癌患者的数据，以及DIRLAB数据集中的手动标注标志点	NA	监督和无监督神经网络	轮廓不确定性小于3%，剂量体积直方图	NA
16	2025-12-21	Learnable PM diffusion coefficients and reformative coordinate attention network for low dose CT denoising 2023-12-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aced33 PMID:37536336	研究论文	本文提出了一种基于编码器-解码器结构的低剂量CT去噪网络，结合可学习的PM扩散系数和坐标注意力机制，以平衡噪声抑制与边缘结构保留	提出了一种新颖的边缘特征提取方法，将Perona-Malik模型的各向异性图像处理思想融入神经网络，并设计了多尺度改进坐标注意力模块，增强了网络的可解释性和临床应用价值	未明确提及具体的数据集规模或计算资源限制，可能在实际应用中存在泛化性挑战	解决低剂量CT图像去噪任务中噪声抑制与边缘结构保留之间的平衡问题	低剂量CT图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	编码器-解码器结构	定量和定性评估	NA
17	2025-12-21	Volumetric feature points integration with bio-structure-informed guidance for deformable multi-modal CT image registration 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad03d2 PMID:37844603	研究论文	本文提出了一种基于体积特征点集成与生物结构引导的可变形多模态CT图像配准方法	通过结合体素特征点和生物结构特征点共同指导训练过程，提高了配准精度，相比其他深度学习方法精度提升了6%	未明确说明方法在处理其他模态或低对比度器官时的泛化能力	解决医学图像配准中的挑战，特别是在图像引导放射治疗（IGRT）中的CT-CBCT配准问题	配对的CT-CBCT数据集	医学图像处理	NA	深度学习	NA	CT图像, CBCT图像	NA	NA	NA	精度	NA
18	2025-12-21	MB-DECTNet: a model-based unrolling network for accurate 3D dual-energy CT reconstruction from clinically acquired helical scans 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad00fb PMID:37802071	研究论文	本研究提出了一种基于模型展开的深度学习网络MB-DECTNet，用于从临床螺旋扫描中实现精确的三维双能CT重建，显著加速了传统统计迭代重建过程	将双能CT统计迭代重建整合到端到端可训练的深度学习模型展开网络中，在保持模型算法无偏估计特性的同时，学习迭代算法的捷径，实现计算加速	未明确说明模型在不同扫描参数或患者群体中的泛化能力，以及临床验证的广泛性	加速三维双能CT统计迭代重建，同时保持亚百分比或接近亚百分比的精度，使其更符合临床时间要求	临床获取的螺旋扫描双能CT数据	医学影像重建	NA	双能CT成像	深度学习模型展开网络	三维CT图像数据	NA	NA	MB-DECTNet（包含多个堆叠的更新块，每个块有数据一致性层和空间混合层）	偏差，平均绝对误差	NA
19	2025-12-20	Super-resolution dual-layer CBCT imaging with model-guided deep learning 2023-12-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1211 PMID:38048627	研究论文	本研究提出了一种基于双层面板探测器的超分辨率CBCT成像方法，通过深度学习模型从低分辨率投影中恢复高分辨率双能信息	提出了一种新的超分辨率CBCT成像方法，利用双层面板探测器获取过采样空间信息，并开发了基于成像模型的专用循环神经网络suRi-Net	NA	研究一种新型的超分辨率CBCT成像方法，以提高图像空间分辨率	双层面板探测器获取的低能和高能投影数据	计算机视觉	NA	双层面板探测器成像	循环神经网络	图像	NA	NA	suRi-Net	空间分辨率提升百分比	NA
20	2025-12-20	ABUS tumor segmentation via decouple contrastive knowledge distillation 2023-12-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1274 PMID:38052091	研究论文	本文提出了一种用于自动乳腺超声（ABUS）肿瘤分割的新型知识蒸馏方法，通过解耦对比学习来减少计算需求并提升性能	提出了一种解耦对比知识蒸馏方法，将特征解耦为阳性（肿瘤）和阴性（非肿瘤）对，并设计了基于距离度量的排序损失函数来解决医学图像分割中的难负样本挖掘问题	方法在私有ABUS数据集和公共海马体数据集上进行了评估，但可能在其他医学图像分割任务中的泛化能力未充分验证	开发一种高效的知识蒸馏方法，用于ABUS肿瘤分割，以减少计算和参数需求，同时保持高分割精度	自动乳腺超声（ABUS）图像中的肿瘤区域	计算机视觉	乳腺癌	深度学习，知识蒸馏，对比学习	CNN	3D医学图像	私有ABUS数据集和公共海马体数据集，具体样本数量未明确说明	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	3D U-Net, 3D HR-Net	Dice相似系数（DSC）	未明确指定，但提及了参数减少（学生网络参数仅为教师网络的6.8%和12.1%）