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
721	2026-09-08	Post-Cardiac arrest outcome prediction using machine learning: A systematic review and meta-analysis 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105659 PMID:39481177	系统综述与荟萃分析	一项系统综述和荟萃分析，评估基于机器学习和深度学习模型使用结构化数据预测心脏骤停后临床结局的有效性	综合评估多种机器学习与深度学习模型在不同时间点预测心脏骤停后结局的性能，并采用CHARMS和PROBAST工具进行标准化评估	存在显著异质性和高风险偏倚，主要由缺失数据处理不当和缺少校准图引起	评估机器学习和深度学习模型在预测心脏骤停后自主循环恢复、生存和神经学结局方面的性能，并与传统回归算法进行比较	心脏骤停患者及其临床结局（自主循环恢复、生存/死亡、神经学结局）	机器学习	心脏骤停后疾病	NA	机器学习模型, 深度学习模型	结构化数据	41项研究，共97个机器学习模型和16个深度学习模型	NA	NA	曲线下面积(AUC)	NA
722	2026-09-08	Cross-modal similar clinical case retrieval using a modular model based on contrastive learning and k-nearest neighbor search 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105680 PMID:39500035	研究论文	开发了一种基于对比学习和k近邻搜索的模块化跨模态相似病例检索模型，用于从不同数据模态中检索相似临床病例。	提出了一种模块化的CRMR模型，首次实现了跨模态临床病例检索，通过对比学习和k近邻搜索结合的方式，解决了多模态数据检索的挑战。	摘要中未明确提及局限性。	开发一种跨模态临床病例检索模型，以支持临床决策。	使用公共MIMIC-CXR数据集的胸部X光图像和相关临床文本记录。	机器学习	NA	对比学习、k近邻搜索	模块化模型（包含特征提取、特征转换和检索模型）	图像和文本	使用MIMIC-CXR数据集，具体样本量未在摘要中提供。	NA	特征提取模型、特征转换模型、特征转换优化模型、病例检索模型	平均检索精度（AP@k），检索时间	NA
723	2026-09-08	Expert opinion elicitation for assisting deep learning based Lyme disease classifier with patient data 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105682 PMID:39504916	研究论文	本研究通过征求十五位专家医生的意见，从患者数据中计算莱姆病红斑迁移（EM）概率评分，以辅助基于深度学习的图像分类器。	首次通过专家意见征询从患者数据中计算莱姆病概率评分，并提出结合多模态独立概率估计的算法。	未明确提及，可能受限于专家意见的主观性和样本量。	利用患者数据辅助深度学习模型进行莱姆病诊断，提高图像预筛查的稳健性。	莱姆病红斑迁移（EM）皮肤病变及其相关的患者数据。	机器学习	莱姆病	NA	高斯混合模型、决策树	患者问卷数据	未明确说明样本量，涉及十五位专家医生。	NA	NA	NA	NA
724	2026-09-08	Enhanced NSCLC subtyping and staging through attention-augmented multi-task deep learning: A novel diagnostic tool 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105694 PMID:39515045	研究论文	本研究开发了一种结合注意力机制和多任务学习的深度学习模型，用于非小细胞肺癌的组织学亚型和临床分期分类，并显示出优于现有模型的表现	将注意力编码器模块整合到多任务学习网络中，显著提高了非小细胞肺癌组织学分型和临床分期的准确性，减少了对放射科医生精确标注的依赖	未明确说明	开发一种具有注意力编码器的多任务学习方法，用于非小细胞肺癌组织学亚型和临床分期的分类，并取得优于当前流行深度学习模型的性能	758例非小细胞肺癌患者（平均年龄66.2岁±10.3，其中男性473名），涵盖腺癌和鳞状细胞癌病例	计算机视觉	非小细胞肺癌	CT成像	多任务学习模型，基于MobileNet架构	CT图像	758例患者，4548张CT切片	NA	MobileNet，注意力机制（如注意力编码器）	AUC	NA
725	2026-09-08	Supporting the care to breast cancer patients with unique needs: Evidence from online community members' responses 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105695 PMID:39546951	研究论文	本研究提出了一种唯一性评分提取框架，用于识别在线癌症社区中具有独特健康或非健康话题的帖子，并分析这些帖子的唯一性如何影响社区成员的响应行为	创新性地结合深度学习和计量经济学模型，提出唯一性评分提取框架，首次量化在线社区帖子中健康和非健康话题的唯一性，并分析其对社区响应的影响	研究仅基于在线社区帖子的文本数据，未考虑患者个体差异和社区外部因素，且模型可能受限于特定平台和数据来源	开发一种方法以识别和支持在线癌症社区中讨论独特话题的帖子，增强社区响应和支持策略	在线癌症社区中乳腺癌患者发布的帖子	自然语言处理	乳腺癌	深度学习、自然语言处理	BERTopic模型	文本	未在标题和摘要中提供具体样本数量	PyTorch	BERTopic	未在标题和摘要中提供具体性能指标	未在标题和摘要中提供具体计算资源信息
726	2026-09-08	Machine Learning Techniques to Infer Protein Structure and Function from Sequences: A Comprehensive Review 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_5 PMID:39576576	综述	本文综述了机器学习技术在从蛋白质序列推断其结构和功能中的应用，涵盖主要方法、挑战及最新进展	综合讨论了卷积神经网络和自然语言处理在蛋白质结构预测、残基接触预测、功能注释和亚细胞定位预测中的应用，并强调了最新深度学习架构的进展	未提供具体实验结果，主要讨论挑战包括高质量训练数据集的可用性和模型可解释性	全面概述机器学习在推断蛋白质结构和功能中的重要性及应用	蛋白质序列及其结构和功能的预测	机器学习	NA	NA	卷积神经网络和自然语言处理模型	蛋白质序列数据	NA	NA	卷积神经网络、自然语言处理模型	NA	NA
727	2026-09-08	The Iconic α-Helix: From Pauling to the Present 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_1 PMID:39576572	研究论文	从保罗ing的α-螺旋模型到深度学习预测蛋白质结构的演变历程。	强调深度学习在蛋白质结构预测中的突破性进展。	未提及具体的局限性。	探讨蛋白质结构预测的历史发展，特别是深度学习在该领域的应用。	蛋白质结构预测方法和相关历史发展。	计算机视觉, 机器学习	NA	NA	深度学习, 神经网络	文本	NA	NA	AlphaFold2	NA	NA
728	2026-09-08	LMPTMSite: A Platform for PTM Site Prediction in Proteins Leveraging Transformer-Based Protein Language Models 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_16 PMID:39576587	研究论文	本文介绍了一种基于Transformer蛋白质语言模型的PTM位点预测平台LMPTMSite，包含pLMSNOSite和LMSuccSite两个工具，分别用于预测S-亚硝基化位点和琥珀酰化位点	利用两种基于Transformer的蛋白质语言模型（pLM）进行序列编码，并展示了其在预测S-亚硝基化和琥珀酰化位点上的优越性，提供了网络服务器和独立软件包	未提及	开发和评估基于蛋白质语言模型的PTM位点预测平台，并展示其在实际生物学场景中的性能和应用	蛋白质中的S-亚硝基化位点和琥珀酰化位点	机器学习, 数字病理学	NA	蛋白质语言模型（pLM），基于Transformer的深度学习	Transformer	蛋白质序列数据	NA	NA	Transformer	准确性，AUC（推测）	CPU和RAM使用情况分析
729	2026-09-08	CrossViT with ECAP: Enhanced deep learning for jaw lesion classification 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105666 PMID:39492085	研究论文	本研究评估了CrossViT与扩展裁剪和填充（ECAP）技术在颌骨透光性病变分类中的有效性，并与ResNet模型进行比较	首次将CrossViT和ECAP技术应用于牙科放射影像分类，ECAP通过保留上下文的迭代裁剪方法扩展训练数据以提升模型性能	未明确提及局限性	评估CrossViT和ECAP在常见颌骨透光性病变分类中的效果，并与ResNet模型进行比较	208例常见颌骨透光性病变，包括成釉细胞瘤（AM）、含牙囊肿（DC）、牙源性角化囊肿（OKC）和根尖囊肿（RC）	医学影像分析	牙源性颌骨病变	影像学检查（全景X光片或口腔全景摄影）	Transformer（CrossViT）、CNN（ResNet）	图像	208例病变（49例AM，59例DC，48例OKC，54例RC）	NA	CrossViT-15, CrossViT-18, ResNet-50, ResNet-101, ResNet-152	准确率、特异度、精确率、召回率（敏感性）、F1分数、AUC	NA
730	2026-09-08	Deep learning-driven ultrasound equipment quality assessment with ATS-539 phantom data 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105698 PMID:39541619	研究论文	本研究引入一个两阶段深度学习框架，利用ATS-539体模数据客观评估超声设备图像质量，涵盖死区、轴向/横向分辨率和灰度及动态范围三个关键参数	创新点在于开发了一个两阶段深度学习框架，自动化提取感兴趣区域并进行质量评估，结合逻辑回归模型生成总体设备质量评分，提供客观、定量的超声图像质量评估方法	未明确说明局限性	旨在客观评估超声图像质量，减少主观性，实现一致的质量控制和基于评分的设备评估	研究对象为不同超声设备的ATS-539体模图像，以及用于评估的关键图像质量参数	深度学习、医学影像分析	不适用	深度学习（框架）	分类模型、检测模型、逻辑回归模型	超声体模图像	未明确说明，但涉及多个数据集及个别设备的合规图像	未明确提及，可能包含PyTorch或TensorFlow	未明确指定，可能使用CNN等架构	AUC	未明确提及
731	2026-09-08	MRI-based whole-brain elastography and volumetric measurements to predict brain age 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae086 PMID:39902188	研究论文	本文开发了一种基于MRI的全身脑弹性成像和体积测量的机器学习框架，用于预测健康个体的脑年龄	首次结合磁共振弹性成像的力学特性（如剪切刚度）和体积测量，利用3D卷积网络进行多模态脑年龄预测，并强调不同模态的互补价值	未在神经病理个体中验证模型，且局限于健康人群的年龄预测	开发一个机器学习框架，以准确预测健康个体的时间年龄，并可用于未来研究神经发育或神经退行性疾病中的脑结构偏离	健康个体的脑部MRI数据，包括刚度、阻尼比和体积图	机器学习	神经退行性疾病	磁共振弹性成像（MRE）	3D卷积网络	图像（MRI脑部数据）	未提供具体样本数量，但涉及多个受试者的脑部成像数据	未指定，可能使用深度学习框架如PyTorch或TensorFlow	3D卷积网络	准确性（预测脑年龄的准确性）	未提供具体信息
732	2026-09-07	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-Based Tool 2025-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100847 PMID:40680854	研究论文	本文开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色全切片图像中预测乳腺癌复发风险	提出了Deep-BCR-Auto，一种基于深度学习的计算病理学方法，利用常规H&E染色全切片图像进行乳腺癌复发风险预测，旨在替代成本高昂且难以普及的基因组工具如Oncotype DX	样本量有限，且依赖于特定数据集（TCGA-BRCA和OSU内部集），可能影响模型的广泛适用性；此外，预测性能在敏感度上相对较低（67.7%）	开发并验证一种基于深度学习的计算病理学工具，用于准确预测乳腺癌复发风险，以提供成本效益高且可及的风险分层方法	乳腺癌患者的H&E染色全切片图像	计算病理学	乳腺癌	全切片成像（WSI）	深度学习模型	图像（全切片图像）	两个独立队列：TCGA-BRCA数据集和俄亥俄州立大学内部数据集；具体样本数量未在摘要中说明	NA	NA	AUC、准确性、特异性、敏感性	NA
733	2026-09-07	Deep Learning Predicts Survival Across Squamous Tumor Entities From Routine Pathology: Insights From Head and Neck, Esophagus, Lung, and Cervical Cancer 2025-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100845 PMID:40680853	研究论文	开发并跨多种鳞状细胞癌实体验证深度学习模型，预测总体生存率	跨不同的鳞状细胞癌实体（头颈、食管、肺和宫颈）进行外部验证，以评估模型的泛化性和可解释性	跨实体验证中，食管癌的结果不显著，且预测风险评分与临床因素的关联在不同队列中有所差异	开发计算病理学模型以预测鳞状细胞癌患者的总体生存率，并评估其泛化能力	头颈、食管、肺和宫颈鳞状细胞癌患者的组织切片	数字病理学	头颈癌、食管癌、肺癌、宫颈癌	苏木精-伊红染色切片	深度学习模型	图像	多个队列，具体数量未指定	未提供	未提供	风险比、置信区间、P值	未提供
734	2026-09-07	Virtual Histological Staining as a Tool for Extending Renal Segmentation Across Stains 2025-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100842 PMID:40712735	研究论文	本研究提出一种虚拟组织学染色方法，利用循环一致生成对抗网络将肾脏H&E染色样本转换为PAS染色，并验证其在肾小球分割中的应用。	首次利用循环一致生成对抗网络在肾脏组织学中实现H&E到PAS的虚拟染色，并通过病理学家评估和分割模型应用证明其效用。	虚拟染色仅覆盖H&E到PAS的转换，病理学家区分虚拟与真实染色的能力有限，且未涉及其他染色类型或慢性损伤评估。	扩展肾脏病理学中的深度学习分割工具至不同染色，减少对特定染色的依赖。	肾脏组织切片，包括H&E和PAS染色样本，主要来自慢性肾病患者的活检。	数字病理学	慢性肾脏病	虚拟染色（生成对抗网络）	GAN（循环一致生成对抗网络）	全切片图像（WSI）	使用了来自16个肾病中心的NURTuRE数据集，以及3个独立分割数据集；另提供了20张KPMP H&E切片的全肾小球注释	NA	循环一致生成对抗网络（CycleGAN）	病理学家识别率、分割模型性能指标（未具体列出）	NA
735	2026-09-07	Deep learning-based approaches for human pose estimation in interdisciplinary physics applications 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26972-4 PMID:41286255	研究论文	提出一种用于跨学科物理应用中人体姿态估计的深度学习框架，包括分层时空姿态网络和自适应姿态细化策略	融合多尺度特征和注意力机制以捕捉全局上下文和细节，并通过自适应迭代细化关键点位置，集成空间、时间和领域特定约束	未明确指出	提高人体姿态估计在真实场景中的准确性、鲁棒性和计算效率，适用于实时和跨学科物理应用	人体姿态估计方法，应用于机器人、增强现实、运动分析和生物力学等领域	计算机视觉	不适用	深度学习	分层时空姿态网络	图像和视频数据	未明确指出，使用多个数据集（包括约束和非约束环境）	未明确指出	分层时空姿态网络，结合注意机制和多尺度特征融合	预测准确性、时间一致性、计算效率	未明确指出
736	2026-09-07	Unveiling novel antimicrobial peptides from the ruminant gastrointestinal microbiomes: A deep learning-driven approach yields an anti-MRSA candidate 2025-11, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.01.005 PMID:39756573	研究论文	通过深度学习模型从反刍动物胃肠道微生物组中发现新型抗菌肽，并验证了其抗MRSA活性及作用机制	利用深度学习从反刍动物胃肠道宏基因组中系统挖掘抗菌肽，首次结合体内外实验和分子动力学模拟全面验证候选肽功能，发现低耐药性抗MRSA候选肽	未提供明确限制信息	开发一种有效方法，从反刍动物胃肠道微生物组中识别新型抗菌肽，并评估其抗菌效力，阐明作用机制	反刍动物胃肠道微生物组中的抗菌肽候选分子	机器学习, 宏基因组学	耐甲氧西林金黄色葡萄球菌感染	宏基因组测序	深度学习模型	宏基因组数据、基因组数据	120个宏基因组和10,373个宏基因组组装基因组	NA	深度学习模型（具体架构未指明）	抗菌活性、耐药性倾向、细胞毒性、溶血率	NA
737	2026-09-07	Deep Learning-Assisted System Improves Practical Effects in Cervical Cytopathology Diagnosis: A Comparative Study of Reading Modes 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.2025.100882 PMID:40914500	研究论文	本研究通过随机对照四向交叉设计，评估了四种宫颈细胞病理学诊断模式（无辅助、同步、复核和分诊）在深度学习辅助下的实际效果。	首次全面评估了四种深度学习辅助读取模式在实际宫颈细胞病理学诊断中的效果，并收集了细胞病理学家的偏好和体验。	信息未提供，NA	评估不同深度学习辅助读取模式在宫颈细胞病理学诊断中的实际效果，为临床实践中模式选择提供依据。	108名持证细胞病理学家和1620张宫颈涂片（2021-2022年间回顾性收集）	医学影像分析、深度学习	宫颈癌	NA	深度学习模型（具体类型未指定）	病理图像	1620张宫颈涂片，108名细胞病理学家	NA	NA	敏感性、特异性、中位读取时间、模式评分	NA
738	2026-09-07	Histology-Based Virtual RNA Inference Identifies Pathways Associated With Metastasis Risk in Colorectal Cancer 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.2025.100866 PMID:40803647	研究论文	本研究改进并实施了虚拟RNA推断（VRI）技术，直接从H&E染色的组织图像中推断空间分子信息，并应用于结直肠癌转移风险相关通路识别	在最大的匹配结直肠癌空间转录组数据集上训练VRI模型，使用多种先进深度学习架构，实现从H&E图像推断空间转录组级分子信息，无需进行空间转录组测序	某些肿瘤相关通路无法仅从组织学图像中完全捕获	开发并验证一种基于组织学图像的虚拟RNA推断方法，以推断与结直肠癌转移风险相关的生物通路	结直肠癌患者的原发性肿瘤组织切片及对应的空间转录组数据	数字病理学	结直肠癌	H&E染色成像、空间转录组测序（Visium）	深度学习模型（卷积神经网络及Transformer）	组织病理图像及基因表达数据	45名患者，超过30万个Visium spot	PyTorch	UNI, ResNet-50, Vision Transformer, Vision Mamba	Spearman相关系数	未提及
739	2026-09-07	Deep Learning on Histologic Slides Accurately Predicts Consensus Molecular Subtypes and Spatial Heterogeneity in Colon Cancer 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.2025.100877 PMID:40865918	研究论文	本研究利用深度学习对结直肠癌的组织切片全切片图像进行分析，以预测共识分子亚型及其肿瘤内空间异质性。	首次使用深度学习在常规组织学切片上预测结直肠癌的共识分子亚型和肿瘤内异质性，并提供了空间分布和形态学关联。	摘要中未提及明确的局限性，可能包括对数据集中特定人群的依赖或模型可解释性的挑战。	开发一种基于深度学习的方法，从数字化组织切片中准确预测结直肠癌的共识分子亚型及其肿瘤内异质性，以改善辅助治疗决策。	结直肠癌患者的数字化H&E或HES染色全切片图像，以及对应的共识分子亚型标签。	数字病理学	结直肠癌	数字病理学（全切片成像）	自监督嵌入模型和弱监督预测模型	组织学全切片图像	1996名患者，来自PETACC-8、TCGA-COAD和PRODIGE-13队列。	NA	自监督嵌入模型（具体架构未提及）和弱监督模型（可能基于Transformer或CNN，具体未指定）	宏平均曲线下面积	NA
740	2026-09-07	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估一种基于深度学习模型，利用简化双参数MRI对临床显著性前列腺癌进行风险分层，并据此优化MRI扫描方案。	首次将深度学习模型整合到自动化MRI工作流中，实现实时分类和扫描方案推荐，根据患者风险个体化选择bpMRI或mpMRI。	未在标题和摘要中明确提及局限性。	评估深度学习模型在bpMRI上对csPCa分类的性能，并探索优化MRI协议选择以改善资源利用。	临床显著性前列腺癌（csPCa）患者，包括回顾性和前瞻性队列。	医学影像，深度学习	前列腺癌	MRI（bpMRI）	3D ResNet-50	MRI图像	训练和验证数据集包含26,129例MRI；评估包含回顾性队列151例患者和前瞻性队列142例患者	PyTorch	3D ResNet-50	AUROC, 敏感性, 特异性, 95%置信区间, 处理延迟	未在标题和摘要中明确提及，但提及实时推理在自动化MRI工作流上进行