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
621	2026-09-13	HECLIP: histology-enhanced contrastive learning for imputation of transcriptomics profiles 2025-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf363 PMID:40569046	研究论文	该文提出了HECLIP，一种基于组织学增强对比学习的深度学习框架，用于直接从H&E染色组织学图像推断空间基因表达谱	提出以图像为中心的对比学习策略来捕获与分子表达相关的形态学特征，通过最小化对空间转录组数据的依赖，实现准确且具有生物学意义的基因表达预测	未在摘要中明确说明	弥合组织学成像与转录组学之间的差距，开发可扩展的计算方法从H&E染色图像推断空间基因表达谱	H&E染色组织学图像及空间转录组数据	数字病理学	NA	H&E染色、空间转录组学	对比学习、深度学习	图像	NA	NA	NA	NA	NA
622	2026-09-13	SetBERT: the deep learning platform for contextualized embeddings and explainable predictions from high-throughput sequencing 2025-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf370 PMID:40563247	研究论文	本文提出了一种名为SetBERT的深度学习平台，用于处理高通量测序数据，生成上下文嵌入，并提供可解释的预测	利用序列间的相互作用，采用预训练方法生成上下文嵌入，并在下游任务中实现可解释的预测	摘要中未提及	解决高通量测序数据处理中计算模型忽略微生物间相互作用和引入协议偏差的问题	高通量测序数据中的微生物群落	机器学习	NA	高通量测序	BERT	文本	NA	NA	Transformer	属水平分类准确率	NA
623	2026-09-13	Unsupervised learning reveals landscape of local structural motifs across protein classes 2025-07-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf377 PMID:40569048	研究论文	本文利用自监督深度学习对蛋白质结构数据集进行表示学习，在蛋白质数据库中对超过1500万个局部结构环境进行聚类，构建了局部三维结构基序的“词汇表”，并验证其在蛋白质结构搜索、模型质量评估、药物脱靶预测和致病变异识别等方面的应用价值	首次利用自监督学习表示对蛋白质数据库中超过1500万个局部结构环境进行大规模聚类，构建了局部三维结构基序的“词汇表”，并提出了仅基于局部基序组成的全新蛋白质表示方法，在多项任务上达到最优性能	未明确提及	揭示蛋白质局部结构基序的全景图，并验证局部结构基序在蛋白质分析和功能预测中的价值	蛋白质数据库中的局部三维结构环境、蛋白质链、结合口袋、单个氨基酸、人类蛋白质组中的致病变异	机器学习	NA	自监督深度学习、蛋白质结构聚类分析	自监督深度学习模型	蛋白质三维结构数据（图像/坐标数据）	蛋白质数据库中超过1500万个局部结构环境，以及AlphaFold结构数据库中的预测结构	NA	NA	NA	NA
624	2026-09-13	Real-time integrated modeling of soft tissue deformation and stress based on deep learning 2025-06-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adde0d PMID:40436029	研究论文	本文提出了一种基于神经网络的实时多物理场建模框架，用于加速软组织的形变和应力场计算，以改善手术模拟器	首次解决了手术模拟器中应力渲染缺失的问题，通过紧凑编码边界条件与物理场之间的非线性关系，并使用Z-Score归一化平衡不同物理场的特征尺度，避免大规模特征主导模型训练	仅在三维悬臂梁、肝脏、脾脏和肾脏模型上进行了验证，未在更复杂的生物组织或临床环境中测试，且精度损失约1%	解决手术模拟器中应力渲染缺失问题，开发基于神经网络的实时多物理场建模框架，用于软组织形变和应力分布的实时预测	三维悬臂梁、肝脏、脾脏和肾脏模型	机器学习	NA	深度学习	神经网络	数值模拟数据	四个三维模型（悬臂梁、肝脏、脾脏、肾脏）	NA	NA	效率提升倍数、准确率损失	NA
625	2026-09-13	Deep learning-based applicator selection between Syed and T&O in high-dose-rate brachytherapy for locally advanced cervical cancer: a retrospective study 2025-06-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/addea5 PMID:40444332	研究论文	本研究开发了一种基于深度学习的决策支持工具，用于在局部晚期宫颈癌的高剂量率近距离放疗中选择Syed间质施源器或T&O腔内施源器	首次将深度学习应用于近距离放疗施源器选择，通过3D卷积神经网络结合轮廓掩膜和距离图来预测施源器适用性	回顾性研究设计，样本量相对有限，需要更多数据进行进一步验证，未来需开展前瞻性应用研究	开发深度学习模型辅助医生在局部晚期宫颈癌高剂量率近距离放疗中选择合适的施源器，提高治疗质量和决策一致性	184例局部晚期宫颈癌患者的422次施源器插入案例	医学图像分析	宫颈癌	高剂量率近距离放疗	3D CNN	3D医学图像	184例患者的422次施源器插入（训练集163例372次，测试集17例36次和4例复杂病例14次）	NA	3D CNN	准确率92.1±3.8%（交叉验证），独立测试准确率96.0%，灵敏度90.9%，特异性97.4%	NA
626	2026-09-13	Automated Deep Learning Phenotyping of Tricuspid Regurgitation in Echocardiography 2025-06-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2025.0498 PMID:40238103	研究论文	本研究开发了一种自动化深度学习工作流程，用于识别三尖瓣彩色多普勒超声心动图视频并评估三尖瓣反流的严重程度	开发了端到端的深度学习计算机视觉流程，可自动从超声心动图视频中识别三尖瓣彩色多普勒切面并分级三尖瓣反流严重程度，并在时间上和地理上独立的外部测试集上验证了其优异性能，且代码和权重开源	研究为回顾性设计，缺乏前瞻性验证；训练数据主要来自单一医疗中心，尽管使用了外部测试集进行验证，但仍需进一步的多中心前瞻性评估	设计深度学习计算机视觉工作流程，用于识别彩色多普勒超声心动图视频中三尖瓣反流并对其严重程度进行分级	超声心动图彩色多普勒视频及对应的三尖瓣反流诊断	计算机视觉	心血管疾病	超声心动图	CNN	视频	训练和验证集来自CSMC的47312项检查（2079898个视频），涵盖31708名患者；CSMC 2022年测试集包含2462项检查（108138个视频），涵盖2170名患者；SHC外部测试集包含5549项检查（278377个视频），涵盖5014名患者	NA	NA	AUC, 灵敏度, 特异度	NA
627	2026-09-13	Uncertainty quantification for deep learning-based metastatic lesion segmentation on whole body PET/CT 2025-05-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add9df PMID:40378868	研究论文	本文研究了多种不确定性量化方法在全身体PET/CT转移性病灶分割中的表现，以确定最适合该任务的方法	首次系统性地比较了四种不确定性量化方法在转移性病灶分割任务中的性能，并进行了多维度评估	样本量较小（仅59例患者），仅针对神经内分泌肿瘤转移病灶，未评估其他类型转移瘤	探究常用不确定性量化方法在PET/CT转移性病灶分割任务中的最优选择	接受治疗诊断的转移性神经内分泌肿瘤患者的全身体Ga-DOTATATE PET/CT图像	医学图像分析	转移性神经内分泌肿瘤	PET/CT成像, Ga-DOTATATE	3D U-Net	图像	59例全身体PET/CT图像	NA	3D U-Net	AUC, Spearman相关系数	NA
628	2026-09-13	Whole-body CT-to-PET synthesis using a customized transformer-enhanced GAN 2025-05-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add8dd PMID:40367973	研究论文	该文提出了一种定制化的Transformer增强生成对抗网络（CPGAN），用于全身CT到PET的合成任务，生成具有临床相关性和诊断价值的高质量合成PET图像	提出了Transformer增强的生成对抗网络（CPGAN），结合残差块和全连接Transformer残差块以同时捕获局部特征和全局上下文信息，并设计了融入结构一致性的定制化损失函数来提高合成PET图像的质量	CT图像本身无法直接反映代谢组织的生物学信息，这是该方法的固有局限性	解决18F-FDG PET-CT扫描时间长、成本高和辐射剂量相对较高的问题，通过深度学习从CT图像合成高质量的PET图像以减少对实际PET-CT扫描的依赖	全身CT和PET扫描图像	计算机视觉	肺癌	CT成像, PET成像	GAN, Transformer	图像	102对3D CT和PET扫描，切分为27,240对2D CT和PET图像（训练集：21,855对，验证集：2,810对，测试集：2,575对）	NA	GAN, Transformer, 残差块, 全连接Transformer残差块	NRMSE, PSNR, SSIM, Wilcoxon符号秩检验	NA
629	2026-09-13	Recognizing artery segments on carotid ultrasonography using embedding concatenation of deep image and vision-language models 2025-05-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add8db PMID:40367970	研究论文	该研究提出了一种自动化分类模型，用于识别颈总动脉、颈动脉球部、颈内动脉和颈外动脉，通过结合深度图像和视觉语言模型的嵌入特征，提高颈动脉检查的量化评估	创新性地将预训练的DenseNet201、视觉Transformer和回声对比语言-图像预训练模型的嵌入特征进行拼接，并利用支持向量机分类器进行颈动脉节段分类，显著优于单一特征集	样本量相对有限（288名患者，2943张图像），且仅使用B模式超声图像，未涉及其他模态或更大规模的多中心验证	开发一种自动分类颈动脉节段的模型，以增强颈动脉检查的准确性和一致性，辅助评估大动脉粥样硬化并预防缺血性卒中	颈总动脉、颈动脉球部、颈内动脉和颈外动脉的B模式超声图像	计算机视觉	心血管疾病	B模式超声成像	支持向量机	图像	2943张B模式超声图像（颈总动脉1563张，球部611张，颈内动脉476张，颈外动脉293张），来自288名患者	PyTorch	DenseNet201, Vision Transformer, 回声对比语言-图像预训练模型	准确率	NA
630	2026-09-13	Patient-specific uncertainty calibration of deep learning-based autosegmentation networks for adaptive MRI-guided lung radiotherapy 2025-05-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add640 PMID:40340988	研究论文	该论文评估了基于深度学习的自动分割模型在自适应MRI引导肺癌放疗中的不确定度校准，并提出了一种患者特定的训练后校准方法	提出了一种患者特定的训练后不确定度校准方法，通过重新缩放蒙特卡洛dropout概率来改善深度学习自动分割模型的不确定度校准	对于GTV，PS模型的不确定度校准改善不显著（p=0.45），且BM模型在GTV上表现较差	评估基于人群和患者特定的深度学习自动分割模型的准确性和不确定度校准，并提出患者特定的训练后校准方法	122名接受低场MR-linac治疗的肺癌患者	医学图像分割	肺癌	MRI	3D U-Net	图像	122名患者（80训练/19验证/23测试）	NA	3D U-Net	Dice相似系数, 95百分位Hausdorff距离, 期望校准误差	NA
631	2026-09-13	Exploiting network optimization stability for enhanced PET image denoising using deep image prior 2025-05-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add63f PMID:40341245	研究论文	该文章提出了一种利用网络优化稳定性来增强基于深度图像先验的PET图像去噪的方法	引入了在条件深度图像先验优化过程中利用优化稳定性的思想，通过稳定性图识别不稳定区域，并线性组合DIP输出与原始重建PET图像	未明确提及	提高基于深度学习的PET去噪方法的可靠性，避免过度平滑，同时保持定量准确性	脑部PET图像	计算机视觉	NA	正电子发射断层扫描	深度图像先验	图像	8个高分辨率脑部PET数据集	NA	NA	峰谷比, 背景噪声抑制, 感兴趣区域分析	NA
632	2026-09-13	Lightweight and universal deep learning model for fast proton spot dose calculation at arbitrary energies 2025-05-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/add3b9 PMID:40315885	研究论文	提出轻量级通用质子点剂量计算模型MED-LSTM，适用于任意能量，并在前列腺、鼻咽和肺癌病例上验证其剂量计算精度	提出MED-LSTM模型，基于LSTM网络捕捉质子点剂量沉积的序列特性，实现任意能量下的快速剂量计算，模型参数少且精度高	鼻咽和肺癌病例中部分点样本因组织结构差异出现可见偏差，鼻咽模型在调强质子治疗计划剂量上表现最差	提出适用于任意能量的轻量级通用质子点剂量计算模型，以更好地整合到快速自适应计划和质控流程中	前列腺、鼻咽和肺癌病例	机器学习	前列腺癌、鼻咽癌、肺癌	质子点剂量计算、调强质子治疗	LSTM	点剂量数据	NA	NA	MED-LSTM	gamma通过率	NA
633	2026-09-13	EPIPDLF: a pretrained deep learning framework for predicting enhancer-promoter interactions 2025-05-06, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae716 PMID:40036975	研究论文	提出了一种名为EPIPDLF的预训练深度学习框架，仅基于基因组序列预测增强子-启动子相互作用，并在六个基准数据集上取得了优越性能	利用先进的深度学习技术和预训练策略，仅基于基因组序列以可解释的方式预测增强子-启动子相互作用，并引入可解释性分析机制来阐明学习到的特征	未明确提及	解决传统实验方法检测增强子-启动子相互作用耗时且昂贵的问题，开发高效的计算预测方法	基因组序列中的增强子和启动子区域	机器学习	NA	深度学习	深度学习框架	基因组序列	六个基准数据集	NA	NA	NA	NA
634	2026-09-13	Prognostic value of manual versus automatic methods for assessing extents of resection and residual tumor volume in glioblastoma 2025-05-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2024.8.JNS24415 PMID:39823581	研究论文	本文比较了手动与自动评估胶质母细胞瘤切除范围和残留肿瘤体积的预后价值	使用开源软件Raidionics的预训练深度学习模型进行自动分割，并比较其与手动分割在预后评估中的价值	未明确提及	比较手动与自动评估的 volumetric 测量在胶质母细胞瘤患者中的预后价值	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	深度学习自动分割	CNN	医学影像	来自欧洲和北美12家医院的成人胶质母细胞瘤患者	NA	NA	风险比 (HR), 95% 置信区间, p值, Akaike信息准则, 贝叶斯信息准则	NA
635	2026-09-13	Electrocardiographic-Driven artificial intelligence Model: A new approach to predicting One-Year mortality in heart failure with reduced ejection fraction patients 2025-05, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105843 PMID:39986123	研究论文	本研究利用深度学习人工智能模型，基于心电图数据预测射血分数降低的心力衰竭患者的一年死亡率	使用大规模心电图数据集训练深度学习模型预测HFrEF患者一年死亡率，并证明该模型是独立预测因子	摘要中未明确提及	评估基于心电图数据训练的AI算法在预测HFrEF患者一年死亡率方面的有效性	HFrEF患者	机器学习	心血管疾病	心电图	深度学习	心电图信号（一维信号）	3,894名HFrEF患者（基线心电图），验证集包含16,228份独立心电图	NA	NA	AUROC, 敏感度, 阳性预测值, 阴性预测值, 调整风险比	NA
636	2026-09-13	Explainability and uncertainty: Two sides of the same coin for enhancing the interpretability of deep learning models in healthcare 2025-05, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105846 PMID:39993336	立场论文	本文提出将不确定性量化（UQ）与可解释人工智能（XAI）方法相结合，以提高医疗保健中深度学习模型的可解释性和可靠性	提出将不确定性量化与可解释人工智能相结合的新框架，用于估计可解释人工智能背景下的偶然不确定性和认知不确定性	作为立场论文，未提供实验验证或定量结果，仅提供说明性示例和概念框架	通过整合不确定性量化与可解释人工智能方法，提高医疗保健应用中深度学习模型的可靠性和可信度	医疗保健中的深度学习模型及其可解释性和不确定性	机器学习	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
637	2026-09-13	Representation of high-dimensional cell morphology and morphodynamics in 2D latent space 2025-04-24, Physical biology IF:2.0Q3 DOI:10.1088/1478-3975/adcd37 PMID:40233771	研究论文	开发了一种基于深度学习的算法，将13维细胞形态特征向量投影到2维形态潜在空间，用于表示和理解细胞形态和形态动力学	首次将高维细胞形态特征投影到2D潜在空间，实现信息损失小于5%，并能区分不同迁移表型的转移性乳腺癌细胞，且保持细胞形状波动的扩散幂和Lyapunov指数	未明确说明算法的泛化能力、对其他细胞类型的适用性以及潜在空间的可解释性	将高维细胞形态特征向量降维到2D潜在空间，以便于沟通、解释和可视化细胞状态	转移性乳腺癌细胞的形态和形态动力学	数字病理学	乳腺癌	深度学习	NA	图像	NA	NA	NA	信息损失率, 扩散幂, Lyapunov指数	NA
638	2026-09-13	Vision transformer-based multimodal fusion network for classification of tumor malignancy on breast ultrasound: A retrospective multicenter study 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105793 PMID:39862564	研究论文	该研究构建了一种基于视觉Transformer的多模态融合网络，结合超声图像、深度学习和临床特征，用于乳腺肿瘤良恶性分类	首次同时整合影像组学特征、深度学习特征和临床参数，构建多模态特征融合模型用于乳腺超声肿瘤恶性预测	摘要中未明确提及研究局限性	构建多模态特征融合模型，利用超声图像预测乳腺肿瘤恶性程度，辅助临床决策	乳腺肿瘤患者	计算机视觉	乳腺癌	超声成像	Vision Transformer	图像	1065例患者的临床特征和3315个图像数据集，其中603例患者数据用于训练	NA	Vision Transformer	AUC, F1分数	NA
639	2026-09-13	Identification of an ANCA-associated vasculitis cohort using deep learning and electronic health records 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105797 PMID:39864108	研究论文	该研究利用深度学习模型分析电子健康记录，识别ANCA相关性血管炎病例	使用分层注意力网络进行患者级别的AAV分类，并发现传统规则方法遗漏的病例	未明确提及	利用深度学习分析电子健康记录，更准确地识别ANCA相关性血管炎病例	ANCA相关性血管炎患者及其电子健康记录	数字病理学	ANCA相关性血管炎	电子健康记录分析	分层注意力网络（HAN）	文本	数据集I：6000个注释段，数据集II：3008个注释段，数据集III：7500个注释段，测试队列：2000个病例	未明确提及	分层注意力网络（HAN）	阳性预测值（PPV）、敏感性、F分数、AUROC、AUPRC	未明确提及
640	2026-09-13	Hip prosthesis failure prediction through radiological deep sequence learning 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105802 PMID:39884035	研究论文	本研究开发了结合卷积神经网络和循环网络的深度学习模型，利用多次术后X线平片序列预测髋关节假体失败	首次考虑使用多个纵向X线平片序列而非仅最后一张图像，结合时空信息进行髋关节假体失败预测	外部验证队列仅14名患者，样本量较小	开发人工智能模型，从多次连续X线平片中预测髋关节植入物失败	224名患者的模型开发队列和14名患者的平衡外部验证队列，使用每位患者2-3张前后位X线平片序列	医学影像分析	骨科疾病	X线平片	CNN, GRU, LSTM	图像	224名患者用于模型开发，14名患者用于外部验证	NA	DenseNet, 自编码器, GRU, LSTM	阳性预测值(PPV), F1分数, 准确率	NA