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	2026-01-06	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
2	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
3	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
4	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
5	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
6	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
7	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
8	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
9	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
10	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
11	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
12	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
13	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%）
14	2025-12-20	CAM-QUS guided self-tuning modular CNNs with multi-loss functions for fully automated breast lesion classification in ultrasound images 2023-12-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1319 PMID:38056017	研究论文	本文提出了一种基于模块化卷积神经网络和新型损失函数的全自动乳腺超声图像病灶分类系统	引入了基于类激活映射和定量超声特征的新型损失函数，结合动态通道输入增强网络和注意力引导的InceptionV3特征提取网络，无需显式分割即可实现可解释的病灶分类	未明确说明模型在不同超声设备间的泛化性能细节，且未讨论计算复杂度对实时诊断的潜在影响	开发全自动乳腺超声计算机辅助诊断系统以实现乳腺癌早期检测	乳腺超声图像中的良恶性病灶	计算机视觉	乳腺癌	超声成像	CNN	图像	1494张来自四个公共数据集、一个私有数据集及多中心合并数据集的乳腺超声图像	未明确说明	InceptionV3	准确率, 灵敏度, F1分数	未明确说明
15	2025-12-20	ETU-Net: edge enhancement-guided U-Net with transformer for skin lesion segmentation 2023-12-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad13d2 PMID:38131313	研究论文	提出了一种结合边缘增强、CNN和Transformer的新型多尺度U-Net模型ETU-Net，用于皮肤病变分割任务	引入了边缘检测算子到差分卷积中，设计了边缘增强卷积块和局部Transformer块以强调边缘特征，并提出了多尺度局部注意力块和全局Transformer块以解决边界模糊和补丁划分带来的不确定性	未明确提及	提高皮肤病变分割的准确性，特别是在处理复杂病变形状和模糊边界时	皮肤病变图像	计算机视觉	皮肤癌	NA	CNN, Transformer	图像	三个公开皮肤数据集（PH2, ISIC-2017, ISIC-2018）以及无锡市第二人民医院提供的皮肤镜图像	NA	U-Net, Transformer	分割性能指标（未具体说明，如准确率、Dice系数等）	NA
16	2025-12-20	AI approach to biventricular function assessment in cine-MRI: an ultra-small training dataset and multivendor study 2023-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0903 PMID:37918023	研究论文	本文提出了一种基于超小训练数据集的3D深度学习模型，用于多厂商心脏电影磁共振成像中的双心室结构分割与功能评估	在超小数据集（仅150例）上结合Transformer与U-Net的3D深度学习模型，实现了多厂商、多序列心脏MRI的自动化分析	训练数据规模极小，且未在更广泛的外部数据集中验证模型的泛化能力	开发一种基于超小训练数据集的自动化方法，用于心脏MRI中双心室结构分割与功能评估	心脏电影磁共振成像图像	计算机视觉	心血管疾病	心脏电影磁共振成像	深度学习	3D医学图像	150例心脏数据集（90例训练，60例测试），来自三个不同MRI厂商，每例包含两个心脏周期相位和三个电影序列	NA	Transformer, U-Net	Dice系数, Hausdorff距离, Pearson相关系数, 组内相关系数, Bland-Altman分析	NA
17	2025-12-20	Deep learning for fast super-resolution ultrasound microvessel imaging 2023-12-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0a5a PMID:37934040	研究论文	本文提出了一种名为自适应匹配网络（AM-Net）的新型深度学习架构及多映射（MMP）数据集生成方法，用于快速超分辨率超声微血管成像	引入了AM-Net架构和MMP数据集生成方法，显著提高了超声定位显微镜（ULM）的定位精度和计算效率，相比传统基于深度学习的ULM方法，在高微泡密度下实现了更高的定位准确性，并大幅减少了处理时间	深度学习性能高度依赖于训练数据集，而真实模拟这些数据集较为困难	克服传统超声定位显微镜（ULM）在数据处理时间长、成像精度受微泡密度影响以及传统基于深度学习的ULM方法不精确且计算复杂的问题	超声微血管成像，特别是通过定位微泡（MBs）进行微血管重建	计算机视觉	NA	超声定位显微镜（ULM），深度学习（DL）	深度学习模型	图像	NA	NA	自适应匹配网络（AM-Net）	定位精度（横向/轴向方向），处理时间	NA
18	2025-12-20	Mitigating misalignment in MRI-to-CT synthesis for improved synthetic CT generation: an iterative refinement and knowledge distillation approach 2023-12-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0ddc PMID:37976548	研究论文	提出一种新颖的迭代精炼和知识蒸馏方法，用于减轻MRI到CT合成中的错位问题，以改进合成CT生成	首次通过迭代精炼和知识蒸馏相结合的方式，系统性地解决MRI与CT之间的错位问题，减少GAN幻觉现象	仅针对头颈癌患者进行了验证，未在其他癌症类型或更大样本中测试	提高MRI到CT合成的准确性和对齐度，以支持仅基于MRI的放射治疗计划	头颈癌患者的MRI和CT图像数据	医学影像合成	头颈癌	深度学习，生成对抗网络	GAN	MRI图像，CT图像	48名头颈癌患者	NA	条件GAN	Dice系数，平均绝对误差，相对剂量差异	NA
19	2025-12-20	Uncertainty-guided cross learning via CNN and transformer for semi-supervised honeycomb lung lesion segmentation 2023-12-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0eb2 PMID:37988756	研究论文	提出一种基于不确定性引导的交叉学习半监督方法，用于蜂窝肺病灶分割	结合CNN和Transformer进行交叉学习，利用认知不确定性指导模型学习高置信度区域的像素信息，并最小化错误伪标签的影响	未明确说明方法在其他类型医学图像或数据集上的泛化能力	提高有限标注条件下医学图像分割的性能	蜂窝肺CT图像	数字病理学	肺病	CT成像	CNN, Transformer	图像	NA	NA	NA	Dice系数	NA
20	2025-12-20	Semi-supervised contrast learning-based segmentation of choroidal vessel in optical coherence tomography images 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0d42 PMID:37972415	研究论文	提出了一种基于学生-教师模型的半监督对比学习框架SSCR，用于从光学相干断层扫描图像中分割脉络膜血管	结合不确定性感知自集成和变换一致性技术增强分割结果，设计了非对称编码器-解码器网络APP-SFR，融合局部与全局注意力信息，并引入边界修复模块优化分割边界	未明确说明数据标注的具体挑战或模型在更广泛数据集上的泛化能力	开发一种半监督学习方法，以更少标注数据实现脉络膜血管的精确分割，支持眼科疾病的定量分析和治疗计划制定	光学相干断层扫描图像中的脉络膜血管	计算机视觉	眼科疾病	光学相干断层扫描	CNN, Transformer	图像	三个数据集：ChorVessel数据集（400张OCT图像）、Meibomian Glands数据集（400张图像）、U2OS细胞核数据集（200张图像）	NA	U-Net, Pyramid Pooling SegFormer	Dice系数	NA