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
701	2026-09-09	TinyHLAnet: A Light-Weight 3D Structure-Aware Architecture for Rapid and Explainable Identification of CD8+ T-Cell Antigens 2025-10, HLA IF:5.9Q1 DOI:10.1111/tan.70410 PMID:41044839	研究论文	开发了一种名为TinyHLAnet的轻量级3D结构感知深度学习架构，用于快速且可解释地预测CD8+ T细胞抗原与HLA I类分子的结合。	基于肽-HLA I类复合物接触形成的领域知识，将结合亲合力预测分解为多个子问题，并进一步分解为三部分，从而大幅减少参数数量，在保持预测精度的同时提高吞吐量。	摘要未明确提及局限性，但可能包括对特定HLA等位基因或肽序列的泛化能力有限。	开发一种快速、可解释且个性化的CD8+ T细胞表位预测方法，解决现有计算方法在速度和可解释性上的不足。	CD8+ T细胞表位，即肽-HLA I类复合物。	深度学习	不适用	深度学习	深度学习架构（TinyHLAnet）	肽序列和HLA I类分子结构数据	未提供具体样本数量	未明确说明	TinyHLAnet（包含TinyHLAnet-SCAN和TinyHLAnet-ESCAPE变体）	预测准确性和吞吐量	未明确说明
702	2026-09-09	Study on predicting breast cancer Ki-67 expression using a combination of radiomics and deep learning based on multiparametric MRI 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110401 PMID:40360135	研究论文	本研究开发了一种结合多参数乳腺MRI影像组学与深度学习的多模态模型，用于预测乳腺癌术前Ki-67表达状态	首次融合多参数MRI（T1WI、DWI、T2WI和DCE-MRI）的影像组学特征与深度学习，构建多模态模型预测Ki-67表达，显著提高了预测性能	样本量有限（176例），且未在外部数据集验证模型的泛化能力	开发并验证基于多参数MRI的影像组学与深度学习多模态模型，用于无创预测乳腺癌Ki-67表达状态，以支持个体化治疗与精准医学	176例浸润性乳腺癌患者的术前多参数MRI图像及对应的Ki-67表达结果	医学影像分析，深度学习	乳腺癌	多参数MRI，影像组学	深度学习模型（具体未见明确，但结合影像组学和深度学习）	医学影像（MRI）	176例（浸润性乳腺癌患者，训练集占70%，测试集占30%）	NA	NA	AUC、准确度、敏感性、特异性、阳性预测值、阴性预测值、F1分数	NA
703	2026-09-09	Accelerating prostate rs-EPI DWI with deep learning: Halving scan time, enhancing image quality, and validating in vivo 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110418 PMID:40368253	研究论文	本研究评估了基于深度学习超分辨率技术（特别是MSSNet）在减少前列腺rs-EPI DWI扫描时间的同时保持图像质量的可行性和有效性	首次应用多尺度自相似网络（MSSNet）于前列腺rs-EPI DWI成像，实现扫描时间减半并提升图像质量	未明确提及，可能包括样本量有限或需要进一步多中心验证	评估深度学习超分辨率技术在减少高分辨率前列腺扩散加权成像扫描时间同时保持图像质量的可行性	前列腺rs-EPI DWI数据（回顾性和前瞻性）	医学影像	前列腺癌	MRI	深度学习超分辨率模型（MSSNet）	图像	未明确说明样本数量，但涉及回顾性和前瞻性前列腺rs-EPI DWI数据	NA	MSSNet（多尺度自相似网络）	SSIM, PSNR, NRMSE, ADC, SNR	NA
704	2026-09-09	Colorectal Liver Metastasis Pathomics Model: Integrating Single-Cell and Spatial Transcriptome Analysis With Pathomics for Predicting Liver Metastasis in Colorectal Cancer 2025-09, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100805 PMID:40473111	研究论文	本研究通过整合单细胞RNA测序和空间转录组分析，识别出触发肝转移的恶性细胞类型，并基于此开发了一个深度学习模型（结直肠癌肝转移病理组学模型）来预测结直肠癌患者的肝转移风险	首次将单细胞与空间转录组分析结合病理组学，利用弱监督学习在无需人工标注的情况下构建预测结直肠癌肝转移的深度学习模型，并识别出特定的细胞通讯轴（COL1A1-CD44/SDC4 和 LAMA4-CD44）促进肝转移	仅基于标题和摘要，未提及明确局限性，可能包括外部验证队列规模有限、模型泛化性需进一步验证等	开发一种基于病理组学的深度学习模型，以预测结直肠癌患者的肝转移风险，并识别肝转移触发细胞及其通讯机制	结直肠癌患者，包括肝转移和非肝转移患者，以及其病理切片和转录组数据	数字病理学	结直肠癌	单细胞RNA测序、空间转录组分析、批量RNA测序	深度学习模型（ResNet18）	病理全切片图像、单细胞转录组数据、空间转录组数据、批量RNA测序数据	内部测试集为TCGA-CRC组织学图像，外部验证集包括西南医科大学附属医院和西南医科大学附属中医医院的两个队列（具体样本数未在摘要中给出）	PyTorch（推断，未明确）	ResNet18	AUC	未提及（推断使用GPU，但摘要未提供具体型号）
705	2026-09-09	Multimodal CustOmics: A unified and interpretable multi-task deep learning framework for multimodal integrative data analysis in oncology 2025-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013012 PMID:40526743	研究论文	提出了一种统一且可解释的多任务深度学习框架Multimodal CustOmics，用于肿瘤学中全切片图像和多组学数据的整合分析	提出了一个可解释的多模态融合框架，能够在通路和基因水平上提取各模态活性及其交互评分，并扩展富集分析到空间数据	文中未明确提及局限性，但可能涉及数据缺失处理的鲁棒性有待进一步验证	开发一种可解释的深度学习框架，用于精准医学中多组学和组织病理学数据的整合分析	多种TCGA数据集和验证队列中的癌症数据，包括组织学图像和分子谱	数字病理学、机器学习	肿瘤	多组学测序、组织病理成像	多任务深度学习模型	组织学图像和多组学数据	涉及多个TCGA数据集和验证队列，具体数量未在摘要中提供	NA	NA	NA（提到优于state-of-the-art方法，但未指定具体指标）	NA
706	2026-09-09	The role of learned song in the evolution and speciation of Eastern and Spotted towhees 2025-06, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013135 PMID:40526780	研究论文	本研究通过分析东部和斑驳鹀的歌声特征，利用机器学习模型评估歌曲在物种识别中的作用，并探讨其在生殖隔离中的贡献。	首次利用大规模公民科学录音和多种机器学习模型量化分析两个姊妹种的歌曲分化，并评估其在物种形成中的潜在作用。	遗传数据样本有限，且无法完全排除环境因素对歌曲特征的影响。	探究学习性歌曲在东部和斑驳鹀进化及物种形成中的作用，特别是其在生殖隔离中的功能。	东部鹀和斑驳鹀的歌曲录音及其公开遗传数据。	数字病理学、机器学习	不适用	声学分析、机器学习分类	卷积神经网络、随机森林、梯度提升机、深度学习模型	音频录音、遗传数据	未明确说明样本量，但使用了大规模公民科学录音。	未明确说明，可能包括Scikit-learn、TensorFlow或PyTorch。	卷积神经网络（CNN）	准确性	未提及，使用NA。
707	2026-09-09	RETINA: Reconstruction-based pre-trained enhanced TransUNet for electron microscopy segmentation on the CEM500K dataset 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013115 PMID:40435368	研究论文	提出RETINA方法，结合在CEM500K数据集上的预训练与混合神经网络架构，实现电子显微镜图像中细胞结构的自动分割	结合大规模无标记EM图像预训练与融合局部卷积和全局Transformer的混合架构，提升跨数据集分割泛化性能	未在摘要中明确说明	开发一种在多样电子显微镜数据集上具有良好泛化性能的自动化细胞结构分割方法	CEM500K数据集中的电子显微镜图像及细胞结构	计算机视觉	不适用	深度学习方法用于图像分割	TransUNet	图像	CEM500K数据集，未指定具体数量	NA	TransUNet, Transformer, 卷积层	未明确列出，但提及分割性能优于现有模型	NA
708	2026-09-09	Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82639-6 PMID:39952935	研究论文	本研究验证了Cellpose深度学习网络在自发荧光显微图像中用于单细胞分割的可靠性，并开发了针对NAD(P)H图像的自动荧光训练模型。	首次将Cellpose应用于自发荧光显微图像的单细胞分割，并针对低信噪比图像训练了专用模型，提高了分割的重复性和准确性。	未明确提及，但可能依赖于手动分割掩膜进行训练，且测试范围仅限于特定细胞类型和治疗条件。	验证Cellpose在自发荧光显微图像中单细胞分割的可靠性，并评估其在2D和3D细胞培养中的功能变化捕捉能力。	PANC-1细胞和来自9名患者的癌症类器官，均在化疗或代谢抑制剂处理下观察。	计算机视觉	癌症	自发荧光显微镜，多光子成像，荧光寿命成像显微镜（FLIM）	深度学习网络（Cellpose）	图像（自发荧光显微图像，包括NAD(P)H强度图像和FLIM图像）	PANC-1细胞和来自9名患者的癌症类器官样本	未明确提及，但Cellpose通常基于PyTorch	Cellpose（可能基于U-Net架构）	Dice得分，相关性（R值），均值、方差和效应大小比较	未在标题和摘要中提及，因此为不适用（NA）
709	2026-09-09	Early detection of Parkinson's disease using a multi area graph convolutional network 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82027-0 PMID:39952991	研究论文	本研究提出了一种多区域注意力时空有向图卷积网络（Ma-ST-DGN），用于早期检测帕金森病，通过分析步态视频数据实现高精度诊断	引入了多区域自注意力机制和有向图重构人体骨骼特征，能够自适应关注不同区域的关键信息并有效融合全局与局部特征，提高了对帕金森病细微运动异常的敏感性	文中未提及明确的局限性	提高早期帕金森病检测的准确性，并增强运动识别模型的鲁棒性	帕金森病患者和健康个体的步态视频数据	计算机视觉	帕金森病	视频分析	图卷积网络	视频	95名帕金森病患者和96名健康个体的行走视频	NA	Ma-ST-DGN	准确率	NA
710	2026-09-08	Attention-Based Whole-Slide Image Compression Achieves Pathologist-Level Prescreening of Multiorgan Routine Histopathology Biopsies 2025-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100827 PMID:40562215	研究论文	本文提出了一种基于注意力机制的神经图像压缩方法（NIC-A），用于全玻片图像分析，在多种器官的常规病理活检中达到病理学家级别的预筛选性能	首次将基于注意力的神经图像压缩用于全玻片图像的弱监督分类，并引入了切片打包方法，将同一组织块的多张切片合并为一张图像，结合块级标签进行训练	未明确提及，但可能包括对多中心数据泛化性的进一步验证需求以及模型在不同组织类型上的扩展性	开发一种弱监督的深度学习方法来自动化检测和分类全玻片图像中的癌症及癌前病变，以辅助病理学家进行预筛选并减少常规诊断工作负担	结直肠、宫颈和十二指肠活检的组织切片全玻片图像	数字病理学	结直肠癌、宫颈癌、腹腔疾病	全玻片成像	基于注意力的神经网络	图像（全玻片图像）	9,141个组织块的12,580张全玻片图像，以及用于验证的独立队列	未提及	基于注意力机制的神经图像压缩模型（NIC-A）	准确性、灵敏度、特异性，以及与病理学家小组比较的性能	未提及
711	2026-09-08	End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110396 PMID:40268172	研究论文	该文提出一种端到端深度学习算法，用于加速3D全心联合T1/T2成像，通过联合运动估计和模型驱动的运动校正重建，实现多对比欠采样数据的高质量图像重建与定量分析	创新性地使用端到端非刚性运动校正重建网络，直接从八组多对比欠采样数据中估计高质量运动校正重建图像，无需单独运动估计步骤，并显著提升重建速度超过370倍	因分析基于标题和摘要，具体限制未提及，但可能涉及小样本验证、临床泛化性及与参考方法相比的定量差异（如-6.35毫秒和-1.8毫秒偏差）	加速3D全心联合T1/T2成像，用于心肌组织表征，通过实现快速且准确的运动校正重建	3D全心联合T1/T2成像的多对比欠采样数据，采集自自由呼吸高分辨率运动补偿序列，共八个不同对比度体积	机器学习和医学影像	心血管疾病	磁共振成像（T1/T2 mapping，多对比序列）	深度学习网络（端到端非刚性运动校正重建网络）	多对比欠采样MRI图像	未在标题和摘要中明确提供，标注为“NA”	未明确提及框架，但可能基于特定深度学习框架，标记为“NA”	端到端非刚性运动校正重建网络	视觉一致性、T1和T2图的定量偏差（-6.35毫秒和-1.8毫秒）、重建时间	未在标题和摘要中明确，标注为“NA”
712	2026-09-08	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本文提出并评估了DEEPOLE，一种基于深度学习的方法，通过将宏观非偶极拉莫尔频移整合到定量磁化率成像中，以提高磁化率图的质量和准确性	DEEPOLE将QUASAR模型整合到深度卷积神经网络中，考虑了常规QSM方法忽略的频率贡献，从而在具有微观结构效应的区域减少了伪影并提高了定量准确性	未明确提及，但可能包括对合成训练数据的依赖以及需要进一步验证其在更广泛临床环境中的适用性	开发并评估一种新的深度学习QSM方法，以改善磁不均匀组织中的磁化率图质量，特别是在神经退行性和脱髓鞘疾病研究中	数字大脑模型（有和无微观结构效应）和活体人脑数据	医学影像分析	神经退行性疾病	磁共振成像（QSM）	深度卷积神经网络	图像	数字大脑模型和活体人脑数据（具体数量未提供）	深度学习框架（具体未指明，如PyTorch或TensorFlow）	卷积神经网络（整合QUASAR模型）	准确率（磁化率估计准确性）、伪影减少、解剖一致性	未明确提及
713	2026-09-08	Self-supervised learning for MRI reconstruction through mapping resampled k-space data to resampled k-space data 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110404 PMID:40324545	研究论文	提出一种自监督深度学习MRI重建方法，通过将重采样的k-space数据映射到重采样的k-space数据，无需全采样参考数据即可高效重建图像	创新性地采用随机自监督学习与数据欠采样（RSSDU）方法，双重重采样k-space数据以避免对全采样数据的需求	未提供具体限制信息	开发一种无需全采样参考数据即可准确有效的MRI图像重建自监督方法	MRI重建中的k-space数据和图像	计算机视觉	不适用	MRI数据欠采样及自监督学习	深度学习网络（具体模型未指明）	MRI k-space数据	不适用	不适用	不适用	峰值信噪比（PSNR）和结构相似性指数（SSIM）	不适用
714	2026-09-08	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	本文提出一种基于边缘检测损失的深度学习群组图像配准方法（AiM-ED），用于低信噪比心脏MRI的单次采集图像配准和平均	使用噪声鲁棒的预训练边缘检测器定义训练损失，并联合配准多个含噪源图像到目标图像，以应对低信噪比问题	方法仅在有限样本（24个健康切片、5个患者切片、6个0.55T扫描切片）上验证，泛化能力有待进一步研究	开发一种快速、鲁棒的图像配准方法，用于改善低信噪比单次采集心脏MRI的图像质量	心脏MRI图像，包括合成LGE图像（MRXCAT体模）和自由呼吸单次采集LGE图像（健康受试者和患者）	医学影像分析	心血管疾病（涉及心脏MRI，但非特定疾病）	MRI（心脏MRI，低场强度0.55T）	深度学习（基于卷积网络，类似VoxelMorph的配准网络）	图像（MRI图像）	健康受试者24个切片、患者5个切片（0.55T扫描6个切片）、MRXCAT体模合成图像	NA（未被明确提到）	AiM-ED（基于边缘检测的配准网络），可能类似VoxelMorph架构	恢复信噪比（recovery SNR）和三个感知图像质量指标	NA（未被明确提到）
715	2026-09-08	Deformable image registration with strategic integration pyramid framework for brain MRI 2025-07, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110386 PMID:40122188	研究论文	提出一种基于策略性整合金字塔框架的脑部MRI可变形图像配准网络，以提升大形变下的配准精度和鲁棒性	提出基于金字塔结构的策略性整合配准网络，包括不同尺度特征融合和不同神经网络结构整合，并引入最低尺度渐进优化迭代以解决金字塔结构的误差累积问题	摘要中未明确说明，可能未详细讨论计算资源或更广泛数据集上的泛化性	提升脑部MRI图像在大形变条件下的配准精度和鲁棒性	脑部MRI图像	计算机视觉、数字病理学	不适用	不适用（基于图像配准技术）	CNN和Transformer混合模型	图像	多个脑部MRI数据集，具体样本量未提及	不适用	CNN编码器、Transformer解码器、金字塔结构	配准精度、鲁棒性	不适用
716	2026-09-08	DCE-MRI based deep learning analysis of intratumoral subregion for predicting Ki-67 expression level in breast cancer 2025-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110370 PMID:40089082	研究论文	基于动态对比增强MRI的肿瘤内亚区深度学习分析用于预测乳腺癌Ki-67表达水平	利用k-means聚类将肿瘤分为两个亚区，并基于3D ResNet18预训练模型提取深度学习特征，构建结合两个亚区的联合模型以提高预测能力	未在摘要中明确说明局限性	评估基于DCE-MRI的肿瘤内亚区深度学习分析是否能帮助预测乳腺癌Ki-67表达水平	来自两家医院的290例乳腺癌患者	医学影像分析	乳腺癌	DCE-MRI	深度学习模型，逻辑回归	医学影像	290例乳腺癌患者	NA	3D ResNet18	AUC，决策曲线分析	NA
717	2026-09-08	Deep learning-based free-water correction for single-shell diffusion MRI 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	提出了一种基于深度学习的方法，用于单壳扩散MRI的自由水校正，以改善扩散属性估计和白质纤维追踪的准确性	首次使用深度学习框架处理单壳扩散MRI的自由水校正，通过数据驱动方式推断自由水体积，克服了传统双室模型需要多壳数据的限制	未在文中明确提及，可能需要依赖训练数据的多样性来保证泛化能力	开发一种可泛化的深度学习框架，用于单壳扩散MRI的自由水校正，以提高扩散属性估计的准确性和白质纤维追踪的清晰度	人类连接组计划青年成人（HCP-ya）、人类连接组计划老化数据集（HCP-a）和脑肿瘤连接组学数据（BTC）	机器学习	NA	扩散磁共振成像（dMRI）	深度学习模型	扩散加权图像（DWI）	未明确提及，涉及HCP-ya、HCP-a和BTC数据集	NA	NA	属性估计一致性、神经通路识别准确性、白质纤维可视化清晰度	NA
718	2026-09-08	An AI-assisted explainable mTMCNN architecture for detection of mandibular third molar presence from panoramic radiography 2025-03, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105724 PMID:39626596	研究论文	本研究设计并系统评估了一种名为可解释下颌第三磨牙卷积神经网络（E-mTMCNN）的架构，用于在全景放射片中检测下颌第三磨牙的存在	提出了一种新的可解释AI架构E-mTMCNN，整合了LIME解释技术，并创建了公开可访问的下颌第三磨牙（m-TM）数据集	未明确提及具体局限性，但可能受限于单一数据集和特定临床环境	提高早期检测准确性，改善临床决策和治疗规划	下颌第三磨牙在全景放射片中的存在情况	计算机视觉、数字病理	牙科疾病	全景放射摄影	卷积神经网络（CNN）	图像	基于UESB数据集的原始全景放射图像，经专家标注构建新数据集（具体样本数量未提供）	未指定，使用了迁移学习（TL）方法	GoogLeNet	准确率、敏感度、特异性、精确率、F1分数、曲线下面积（AUC）	未指定
719	2026-09-08	Balancing accuracy and Interpretability: An R package assessing complex relationships beyond the Cox model and applications to clinical prediction 2025-02, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105700 PMID:39546831	研究论文	开发了一个R包“survcompare”，旨在评估Cox比例风险模型与基于树和深度学习的生存模型在临床预测中的性能，平衡准确性和可解释性	提出了一个公开可用的R包，通过集成学习和嵌套交叉验证系统地比较传统Cox模型与机器学习生存模型，并整合Cox-PH与SRF或DeepHit的集成方法来量化边际价值	未明确提及具体限制，但可能包括对模拟和临床数据的依赖以及计算复杂度	探索Cox-PH在临床预测建模中相对于树基和深度学习模型的性能极限，帮助研究人员评估准确性-可解释性权衡	Cox-PH、Cox-Lasso、生存随机森林（SRF）、DeepHit模型，以及它们的集成方法	机器学习	NA	生存分析	Cox比例风险模型、Lasso、随机森林、深度生存模型（DeepHit）	临床表格数据、影像和模拟数据	样本量从少到多，包括≥500的模拟数据集和不同复杂度的临床数据集（具体数量未在标题/摘要中提供）	R语言环境	Cox-PH、Cox-Lasso、SRF、DeepHit	一致性指数（C-index），时间依赖性AUC-ROC，校准斜率	未明确提及具体计算资源
720	2026-09-08	Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor 2025-Jan-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35548 PMID:39238433	研究论文	本研究利用机器学习和深度学习技术预测胃肠道间质瘤（GIST）患者对伊马替尼的服药依从性，并识别相关风险因素。	首次在实际临床环境中应用机器学习技术预测GIST患者伊马替尼不依从的风险因素	摘要未提及局限性	评估GIST患者伊马替尼依从率，并开发基于ML和DL的模型以预测不依从风险	胃肠道间质瘤患者，共397名	机器学习	胃肠道间质瘤	问卷调查	机器学习与深度学习模型，包括梯度提升机、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet和Wide&Deep	问卷数据	397名GIST患者	未提及	XGBoost、LGBM、CatBoost、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet、Wide&Deep	F1分数	未提及