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
141	2026-04-04	Multimodal Cardiovascular Risk Profiling Using Self-Supervised Learning of Polysomnography 2025-Nov-25, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf371 PMID:41288599	研究论文	本研究开发了一种基于自监督学习的可解释框架，用于从多导睡眠图数据中提取与心血管疾病结局相关的生理模式，从而实现个体化心血管风险评分	首次将自监督学习框架应用于多导睡眠图数据进行心血管风险分析，无需依赖手动标注（如睡眠分期），直接从原始信号中提取可解释的风险特征	研究未详细说明模型对不同亚组人群（如不同年龄、性别或种族）的适用性差异，且外部验证队列的样本量相对较小	开发并评估一个可解释的框架，以识别多导睡眠图数据中与心血管疾病结局相关的生理模式，用于个体化心血管风险分层	多导睡眠图数据，包括脑电图、心电图和呼吸信号	机器学习	心血管疾病	多导睡眠图	自监督深度学习模型	多模态信号（脑电图、心电图、呼吸信号）	训练队列4,398名参与者，外部验证队列1,093名参与者	NA	NA	曲线下面积	NA
142	2026-04-04	Automated Deep Learning-based Segmentation of the Dentate Nucleus Using Quantitative Susceptibility Mapping MRI 2025-11, Radiology. Artificial intelligence DOI:10.1148/ryai.240478 PMID:40767617	研究论文	开发了一种基于深度学习的齿状核自动分割工具，应用于脑部定量磁化率成像	提出了一种两步式（定位+分割）深度学习流程，在多个外部数据集上验证了其泛化能力，并公开了模型	研究为回顾性设计，样本年龄范围有限（11-64岁），且仅包含特定疾病群体	开发一种从脑部QSM图像中自动、准确分割齿状核的工具	健康对照者以及小脑性共济失调或多发性硬化症患者的脑部QSM图像	医学图像分析	小脑性共济失调，多发性硬化症	定量磁化率成像	CNN	3D MRI图像	328名个体（141名健康人，187名患者），来自9个不同数据集	nnU-Net	nnU-Net	Dice分数，组内相关系数，皮尔逊相关系数	NA
143	2026-04-04	spRefine Denoises and Imputes Spatial Transcriptomics with a Reference-Free Framework Powered by Genomic Language Model 2025-Jul-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.22.649977 PMID:40631230	研究论文	本文介绍了一个名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插值处理	提出了一个无需参考的框架，结合基因组语言模型联合处理空间转录组数据的噪声和缺失值问题	NA	解决空间转录组数据分析中的高噪声水平和基因测量缺失问题	空间转录组数据	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	基因组语言模型	NA	NA
144	2026-04-04	Deep Learning on Histopathological Images to Predict Breast Cancer Recurrence Risk and Chemotherapy Benefit 2025-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.15.25327686 PMID:40661301	研究论文	本研究开发了一种基于多模态深度学习的人工智能模型，利用常规组织病理学图像和临床病理变量预测乳腺癌复发风险和化疗获益	首次将多模态深度学习应用于组织病理学图像，结合临床变量预测Oncotype DX 21基因复发评分，并在大型随机试验TAILORx中验证，展示了在资源有限环境中替代基因组测试的潜力	模型主要针对HR+/HER2-早期乳腺癌患者，可能不适用于其他亚型；外部验证队列的样本量和多样性可能仍有局限	开发一种可替代昂贵基因组测试的人工智能工具，用于预测乳腺癌复发风险和化疗获益，以支持治疗决策	激素受体阳性、HER2阴性（HR+/HER2-）的早期乳腺癌患者	数字病理学	乳腺癌	组织病理学图像分析	深度学习	图像, 临床数据	TAILORx试验8,284例患者（验证集2,407例），外加六个独立队列5,497例患者	NA	多模态深度学习模型	AUC	NA
145	2026-04-04	Leveraging AI to explore structural contexts of post-translational modifications in drug binding 2025-May-04, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-025-01019-y PMID:40320551	研究论文	本文利用AI技术探索翻译后修饰在药物结合中的结构背景，通过大规模建模分析PTMs对药物结合的影响	首次大规模应用AI驱动的蛋白质结构预测工具（如AlphaFold3）生成PTM修饰蛋白质与配体结合的模型，并构建了首个提供小分子结合相关PTMs结构背景的资源数据库	方法准确性评估需要更大的基准测试集，当前模型的精确度有待进一步验证	探索翻译后修饰在药物结合中的结构影响，以促进药物发现	人类蛋白质中的小分子结合相关翻译后修饰	计算生物学	癌症	AI驱动的蛋白质结构预测与分子对接模拟	深度学习	蛋白质结构数据	6,131个已识别的PTMs，映射到ECOD数据库的结构域，生成了14,178个PTM修饰蛋白质模型	AlphaFold3, RoseTTAFold All-Atom, Chai-1	深度学习蛋白质结构预测模型	NA	未明确指定，但提及了计算能力的进步和AI工具的使用
146	2026-04-04	Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29646 PMID:39467097	研究论文	本研究评估了扩展相位图建模在骨关节炎倡议数据集上提高膝关节软骨T2映射准确性和可重复性的效果	首次将扩展相位图建模应用于骨关节炎倡议数据集，解决了传统单指数模型忽略受激回波和B1不均匀性的问题	研究为回顾性设计，样本量有限，且仅针对特定膝关节软骨区域进行评估	评估不同拟合方法对软骨T2映射准确性和可重复性的影响	骨关节炎倡议数据集中的膝关节软骨	医学影像分析	骨关节炎	多回波自旋回波序列，扩展相位图建模	深度学习，非线性最小二乘法，字典匹配	磁共振图像	100名受试者（50名骨关节炎患者和50名健康对照）	NA	NA	平均绝对误差，Bland-Altman分析，Lin一致性系数，变异系数	NA
147	2026-04-04	Detection of Macular Neovascularization in Eyes Presenting with Macular Edema using OCT Angiography and a Deep Learning Model 2025-Apr, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.017 PMID:39461425	研究论文	本研究利用OCT血管成像和深度学习模型检测和分割黄斑水肿患者中的黄斑新生血管	开发了一种新型混合多任务卷积神经网络算法（aiMNV），用于在多种病因导致的黄斑水肿中准确检测和分割黄斑新生血管	6×6-mm扫描由于采样密度较低，检测黄斑新生血管的敏感性低于3×3-mm扫描	评估人工智能算法在黄斑水肿患者中检测和分割黄斑新生血管的诊断性能	患有渗出性年龄相关性黄斑变性、糖尿病性黄斑水肿或视网膜静脉阻塞引起的黄斑水肿的患者眼睛	计算机视觉	年龄相关性黄斑变性	OCT血管成像	CNN	图像	114只眼睛（来自112名参与者）	NA	混合多任务卷积神经网络	敏感性, 特异性, 阳性预测值, 阴性预测值, IoU分数, F1分数	NA
148	2026-04-04	Spatial transcriptomic clocks reveal cell proximity effects in brain ageing 2025-02, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08334-8 PMID:39695234	研究论文	本研究构建了一个空间分辨的单细胞转录组大脑图谱，并开发了空间衰老时钟模型，以揭示细胞邻近效应对大脑衰老的影响	首次开发了基于空间转录组数据的空间衰老时钟模型，能够识别衰老、年轻化和疾病的空间及细胞类型特异性转录组特征，并发现了T细胞和神经干细胞对邻近细胞的显著邻近效应	研究仅基于小鼠模型，尚未在人类样本中验证；空间转录组技术的分辨率可能限制对某些细胞相互作用的精确解析	研究大脑衰老过程中细胞间相互作用及其对组织功能衰退的影响	成年小鼠大脑中的420万个细胞，涵盖20个不同年龄阶段	空间转录组学	神经退行性疾病	空间分辨单细胞转录组测序	机器学习模型, 深度学习模型	空间转录组数据	420万个细胞，来自20个不同年龄的成年小鼠大脑	NA	空间衰老时钟	NA	NA
149	2026-04-04	Analyzing the impact of social security systems on video-based public health surveillance 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1684291 PMID:41929396	研究论文	本研究提出了一种结合社会安全系统影响的视频公共卫生监测框架，旨在通过深度学习模型改进时空健康监测	开发了分层流行病学变换器（HET）架构，并引入了政策感知动态校准机制（PDCM），以整合实时政策信号和统计偏差，动态调整预测	未明确提及具体的数据集规模或模型泛化能力的详细限制	整合治理结构与健康信息学，改进视频公共卫生监测系统，以更响应和公平地应对流行病异常	视频监测数据中的公共卫生指标、人口多样性和政策驱动干预措施	计算机视觉	公共卫生	视频监测	Transformer	视频	多个公共卫生视频监测数据集，涵盖不同城市区域和政策设置	NA	分层流行病学变换器（HET）	敏感性	NA
150	2026-04-03	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	研究论文	本研究比较了六种先进的深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，旨在为临床和研究应用确定最有效的模型	首次系统性地比较了包括CNN、CNN-Transformer混合架构及新型U-Mamba架构在内的六种先进模型在大量脑结构（122个）分割任务上的性能，并验证了分割结果在阿尔茨海默病体积分析中的可靠性	研究数据集规模仍有限，未来需要更大规模的数据集进行验证，且模型在其他神经系统疾病中的适用性有待探索	评估并比较先进深度学习模型在脑MRI多结构分割任务中的性能，以确定最优模型用于临床和研究	T1加权脑MRI图像中的122个灰质结构	医学图像分析	阿尔茨海默病	T1加权磁共振成像	CNN, Transformer, Mamba	医学图像（MRI）	1510例T1加权MRI扫描（包括正常对照和阿尔茨海默病患者）	NA	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	Dice相似系数, 95百分位Hausdorff距离	NA
151	2026-04-03	Deep Hair Phenomics: Implications in Endocrinology, Development, and Aging 2025-Apr, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2024.08.014 PMID:39236901	研究论文	开发了一种基于深度学习的计算机视觉方法，用于高通量、高分辨率地量化单个毛发纤维，以研究激素信号、遗传修饰和衰老对毛囊输出的影响	创新性地开发了能够区分和提取重叠毛发纤维的计算机视觉工具，实现了多变量特征（长度、宽度、颜色）的量化，并生成了可搜索的交互式网络工具	目前仅在小鼠模型上进行了验证，尚未在人类或其他动物中广泛应用	研究激素信号、遗传修饰和衰老对毛囊输出的影响，并开发新的疾病诊断方法	小鼠的毛发纤维	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
152	2026-04-03	Improved diagnosis of arrhythmogenic right ventricular cardiomyopathy using electrocardiographic deep learning 2025-Apr, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.08.030 PMID:39168295	研究论文	本研究开发并验证了一种基于心电图（ECG）的深度学习工具，用于诊断致心律失常性右心室心肌病（ARVC）	首次将深度学习应用于心电图分析，以提升ARVC的诊断准确性，达到专家水平，并能区分真实ARVC诊断与表型模拟者及高危家族成员/基因阳性个体	研究样本量相对有限（总样本688例，外部验证167例），且ARVC在验证队列中的患病率较低（10.2%），可能影响模型的泛化性能	开发并验证一种基于深度学习的ECG工具，用于辅助诊断致心律失常性右心室心肌病（ARVC）	被转诊进行ARVC评估的患者（来自约翰霍普金斯医院，n=688）以及通过Geisinger MyCode社区健康计划识别的携带致病性或可能致病性ARVC基因变异的患者（n=167）	机器学习	心血管疾病	心电图（ECG）分析	深度学习模型	心电图（ECG）数据	开发集551例（80.1%），测试集137例（19.9%），外部验证队列167例	NA	NA	c-statistic（AUC），置信区间	NA
153	2026-04-03	Personalized Blood Glucose Forecasting From Limited CGM Data Using Incrementally Retrained LSTM 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3494732 PMID:39514345	研究论文	本文提出了一种新颖的深度学习框架IS-LSTM，用于从有限的连续血糖监测数据中实现个性化血糖预测	提出增量式重训练堆叠LSTM框架，通过逐步适应个体数据和参数迁移来提高预测效率，解决了传统方法需要大量训练数据的问题	研究主要针对1型糖尿病患者，未涉及其他类型糖尿病或更广泛人群	开发一种能够从有限CGM数据中准确预测血糖水平的个性化深度学习模型	1型糖尿病患者的连续血糖监测数据	机器学习	糖尿病	连续血糖监测	LSTM	时间序列数据	两个CGM数据集（OpenAPS和Replace-BG），具体样本数量未明确说明	NA	堆叠LSTM	均方根误差, Clarke误差网格分析	NA
154	2026-04-03	MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia 2025-Apr, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202401-022OC PMID:39591102	研究论文	本研究探讨了IPF患者遗传风险谱与基于深度学习的CT影像表型之间的关联	首次将MUC5B基因型等常见变异与基于深度学习的UIP模式计算影像特征相关联，利用深度学习分析增强基因型-表型关联的识别能力	未发现常见变异与计算影像评估的纤维化程度之间的关联，且MUC5B基因型与视觉评估的UIP模式无显著关联	确定IPF患者的遗传风险谱是否能识别独特的计算影像表型	IPF患者	数字病理	肺纤维化	计算影像分析（放射组学）	深度学习	CT影像	329名IPF参与者	NA	NA	NA	NA
155	2026-04-03	Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.010 PMID:39800054	研究论文	本研究开发了一种基于深度学习的模型，用于在炎症性肠病（IBD）患者结肠组织病理学全切片图像（WSI）中自动分类疾病活动度等级	首次将基于Transformer的深度学习模型应用于IBD活动度的全切片图像分类，并结合HoVer-Net分析中性粒细胞分布，通过注意力图增强模型可解释性	研究数据仅来自单一医疗中心（2018-2019年），样本量相对有限（636名患者），未在多中心外部数据集上进行验证	开发自动化工具以辅助病理学家对炎症性肠病（IBD）的组织学活动度进行标准化分级，减少观察者间差异	炎症性肠病（IBD）患者的结肠组织病理学全切片图像（WSI）	数字病理学	炎症性肠病	苏木精-伊红（H&E）染色、全切片图像扫描	Transformer	图像	636名患者的2077张全切片图像（×40放大，0.25 μm/像素）	NA	Transformer, HoVer-Net	AUC（曲线下面积）, 精确率, 召回率, F1分数	NA
156	2026-04-03	Recipes and ingredients for deep learning models of 3D genome folding 2025-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2024.102308 PMID:39862604	综述	本文比较和对比了用于预测基因组接触图的深度学习模型，综述了预处理、架构、训练、评估和解释方法	系统性地综述了三维基因组折叠的深度学习模型，突出了不同模型的能力和局限性，并指出了未来研究方向	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析	探讨深度学习模型在预测三维基因组折叠中的应用，以理解基因调控和疾病机制	三维基因组折叠和基因组接触图	机器学习	NA	NA	深度学习模型	基因组接触图数据	NA	NA	NA	NA	NA
157	2026-04-03	Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images 2025-04, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-024-02209-5 PMID:39815116	研究论文	本文提出了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态（未感染、当前感染和根除后）的内窥镜图像	开发了一种创新的多阶段深度学习方法，通过结合患者幽门螺杆菌根除史信息，显著提高了分类性能，并超越了医生的诊断准确率	研究样本量相对较小（训练集538例，验证集146例），可能影响模型的泛化能力，且未详细说明多阶段架构的具体设计	开发一种自动分类幽门螺杆菌感染状态的方法，以辅助胃癌筛查和风险评估	幽门螺杆菌感染状态（未感染、当前感染、根除后）的内窥镜图像	计算机视觉	幽门螺杆菌感染	内窥镜成像	深度学习	图像	训练集538例，验证集146例	NA	多阶段深度学习架构	准确率	NA
158	2026-04-02	A prognostic and predictive model based on deep learning to identify optimal candidates for intensity-modulated radiotherapy alone in patients with stage II nasopharyngeal carcinoma: A retrospective multicenter study 2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110660 PMID:39645201	研究论文	本研究开发并验证了一个结合深度学习MRI特征和临床信息的预后预测模型，用于识别II期鼻咽癌患者中仅需调强放疗的低风险人群	首次将深度学习MRI特征与临床信息整合，构建了针对II期鼻咽癌患者的预后预测模型，能够有效识别仅需调强放疗的低风险患者	研究为回顾性多中心设计，可能存在选择偏倚；模型尚未在前瞻性队列中进行验证	开发一个预后预测模型，以识别II期鼻咽癌患者中仅需调强放疗即可获得良好预后的低风险人群	II期鼻咽癌患者	数字病理学	鼻咽癌	MRI成像	CNN, XGBoost	MRI图像, 临床数据	999名来自两个中心的II期鼻咽癌患者	NA	3DResNet	C-index, AUC, 校准测试	NA
159	2026-04-02	Deep learning dose prediction to approach Erasmus-iCycle dosimetric plan quality within seconds for instantaneous treatment planning 2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110662 PMID:39647528	研究论文	本研究探讨了深度学习模型在预测前列腺癌患者三维剂量分布方面的应用，旨在实现即时治疗计划	通过分析训练数据集大小和模型规模对剂量预测精度的影响，为即时治疗计划提供快速且高质量的剂量预测方法	即使使用1000名患者进行训练，预测精度尚未达到收敛，可能需要更大数据集或进一步优化	评估深度学习模型在预测Erasmus-iCycle剂量计划质量方面的准确性，以支持即时治疗计划	1250名前列腺癌患者的自动生成剂量分布数据	医学影像分析	前列腺癌	深度学习剂量预测	U-Net	三维剂量分布图像	1250名前列腺癌患者（训练集：50/100/250/500/1000，验证集：100，测试集：150）	NA	分层密集连接U-Net（具有2/3/4/5/6个池化层）	PTV V95%误差、直肠V75Gy误差、膀胱V65Gy误差	NA
160	2026-04-02	Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation 2025-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110667 PMID:39675574	研究论文	本研究探讨了在直肠癌在线自适应放疗中，通过整合患者特异性先验临床知识来提升临床靶区自动分割的泛化能力	创新性地利用治疗前勾画的临床靶区作为患者特异性先验知识，结合基于人群的分数间变形变异，创建患者特异性权重图，以增强深度学习模型在多中心数据上的泛化性能	研究仅针对直肠癌的肠系膜临床靶区，未涵盖其他癌症类型或靶区结构，且依赖于治疗前勾画的可用性	提高在线自适应放疗中临床靶区自动分割的泛化性和鲁棒性	中危或局部晚期直肠癌患者	数字病理	直肠癌	深度学习	深度学习模型	MRI图像	来自三个中心的中危或局部晚期直肠癌患者	NA	NA	DSC, surface Dice, 95HD, MSD	NA