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	2026-10-01	Deep Learning-Based Classification of Peptide Analytes from Single-Channel Nanopore Translocation Events 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.04.652126 PMID:40654724	研究论文	本文提出了一种基于深度学习的纳米孔易位事件分类流程，用于从单通道电流记录中分类肽分析物	采用两阶段深度学习流程：第一阶段用卷积和循环神经网络将原始电流记录分类为电导状态；第二阶段用新型分支输入网络，结合时间卷积网络处理事件电导状态序列和密集网络整合事件级与全局动力学特征	对混合样本分类性能较低（准确率0.68）；事件随机性和某些肽具有相似动力学参数给事件级预测带来挑战；研究基于模拟数据，需进一步用真实实验数据验证	开发一个基于深度学习的纳米孔肽分类框架，用于快速准确检测肽生物标志物，以支持疾病诊断和生物医学应用	七种肽的纳米孔易位事件数据；纯肽样本和混合物样本	机器学习	NA	纳米孔传感技术、单通道电流记录	CNN、RNN、TCN、Dense Network	时间序列电流信号	七种肽的模拟多状态易位数据（具体样本数量未在摘要中提供）	NA	卷积和循环神经网络（改编自Deep-Channel）、时间卷积网络、密集网络	准确率、平均绝对误差	NA
2	2026-10-01	Quantitative CT Scan Analysis in Rheumatoid Arthritis-Related Interstitial Lung Disease 2025-05, Chest IF:9.5Q1 DOI:10.1016/j.chest.2024.10.052 PMID:39528110	研究论文	本研究评估了基于深度学习的肺纤维化定量分析在类风湿关节炎相关间质性肺病（RA-ILD）中的应用价值，包括评估疾病严重程度、预测死亡率和识别疾病进展	使用数据驱动的纹理分析（DTA）方法对RA-ILD患者的CT扫描进行定量评估，并验证了其在预测死亡率和疾病进展方面的效用	未明确提及	探讨基于深度学习的肺纤维化定量分析在CT成像中对RA-ILD疾病严重程度评估、死亡率预测和进展识别的效用	RA-ILD患者	数字病理学	类风湿关节炎相关间质性肺病	定量CT成像	深度学习	图像	主要队列289例患者，验证队列50例患者	未提及	未提及	相关系数（rho）、风险比（HR）、95%置信区间（CI）、P值	未提及
3	2026-10-01	Artificial Intelligence Models to Identify Patients at High Risk for Glaucoma Using Self-reported Health Data in a United States National Cohort 2025 May-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100685 PMID:40151359	研究论文	本研究利用美国全国性All of Us研究项目中参与者自我报告的健康调查数据，开发了三种人工智能模型来预测青光眼高风险患者，以辅助大规模筛查	首次利用自我报告的健康调查数据（而非眼科影像或眼科检查数据）构建机器学习与深度学习模型来预测青光眼诊断，为低资源环境下的青光眼预筛查提供了新思路	青光眼诊断基于电子健康档案中的ICD编码，可能存在编码误差或漏诊；数据来源于All of Us项目参与者，可能存在选择偏倚；模型尚未在外部独立队列中验证	开发基于自我报告健康调查数据的人工智能模型，用于预筛查青光眼高风险患者，以便将有限的眼科检查与影像资源定向分配给最需要的患者	All of Us研究项目中2018年5月1日至2022年7月1日期间入组的8205名参与者，年龄≥18岁，电子健康档案中有≥2个眼部相关诊断，并提交了包含自我健康史的调查问卷	机器学习	青光眼	NA	惩罚逻辑回归, XGBoost, 全连接神经网络	结构化文本（自我报告调查数据及电子健康档案数据）	8205名参与者，其中873名（10.64%）被诊断为青光眼	NA	全连接神经网络	AUROC, 95%置信区间	NA
4	2026-09-25	Classification of Electroencephalography Motor Execution Signals Using a Hybrid Neural Network Based on Instantaneous Frequency and Amplitude Obtained via Empirical Wavelet Transform 2025-May-23, Sensors (Basel, Switzerland) DOI:10.3390/s25113284 PMID:40968836	研究论文	本文比较了传统分类器（LDA和SVM）与混合神经网络模型在基于EEG的手势分类中的性能，使用带功率和经验小波变换提取的特征	提出了一种结合经验小波变换提取的瞬时频率和幅度特征与混合神经网络模型的方法，用于EEG手势分类	未明确说明混合神经网络的具体架构细节，样本量相对有限（33名参与者）	研究基于EEG的手势分类中，传统分类器与混合神经网络模型的性能对比	33名参与者执行的七种不同手势的EEG记录	机器学习	NA	脑电图（EEG）	混合神经网络	信号	33名参与者的EEG记录	NA	混合神经网络	分类准确率	NA
5	2026-09-25	Improving computer vision for plant pathology through advanced training techniques 2025 May-Jun, Applications in plant sciences IF:2.7Q2 DOI:10.1002/aps3.70010 PMID:40575549	研究论文	本研究通过半监督学习、专用损失函数和非可可类，提升了卷积神经网络在可可树病害检测中的性能。	提出了动态焦点损失函数，并引入非可可类以增强模型鲁棒性，同时发布了包含7220张图像的新基准数据集。	未明确提及具体局限性，但可能受限于数据集规模和泛化能力。	通过先进训练技术提高计算机视觉在植物病理学中的病害检测性能。	可可树（Theobroma cacao）的病害检测。	计算机视觉	植物病害	卷积神经网络	CNN	图像	7220张图像	NA	ResNet18, PhytNet	准确率	NA
6	2026-09-23	Non-local modeling of enhancer-promoter interactions, a correspondence on "LOCO-EPI: Leave-one-chromosome-out (LOCO) as a benchmarking paradigm for deep learning based prediction of enhancer-promoter interactions" 2025-May, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-025-06378-5 PMID:42210916	评论	该文章是对Tahir等人2024年关于增强子-启动子相互作用预测模型的评论，指出其结论先前已发表，并解释其模型预测能力弱的原因	指出先前研究未被认可，并引入DNA环化、黏连蛋白挤出和CTCF等新见解来解释模型性能不足	作为评论文章，未进行新的实验研究，仅基于现有文献进行分析	纠正先前发表的记录，并讨论增强子-启动子相互作用建模的最新进展	增强子-启动子相互作用及其计算模型	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
7	2026-09-19	Automated Quantification of Cerebral Microbleeds in SWI: Association with Vascular Risk Factors, White Matter Hyperintensity Burden, and Cognitive Function 2025-05-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8552 PMID:39443150	研究论文	本文训练并验证了一个基于深度学习的脑微出血（CMB）分割模型，并分析了CMB与认知功能、血管风险因素及白质高信号负担之间的关联	使用nnU-Net框架自动量化SWI上的脑微出血，并在独立内部和外部验证集上评估模型性能，同时在大规模临床数据集中探索CMB与认知功能、血管风险因素及WMH负担的关联	外部验证集上的分割性能相对较低（Dice分数为0.46），表明模型泛化能力有限；研究为单机构回顾性研究，可能存在选择偏倚	训练并验证深度学习模型用于SWI上脑微出血的自动分割，并探究CMB与认知障碍及血管风险因素之间的关联	接受脑MRI评估认知障碍的参与者	数字病理学	心血管疾病	SWI	CNN	图像	训练集287例，内部验证集67例，外部验证集68例，时间独立临床数据集448例	PyTorch	U-Net	Dice分数	NA
8	2026-09-19	Deep Learning-Based Algorithm for Automatic Quantification of Nigrosome-1 and Parkinsonism Classification Using Susceptibility Map-Weighted MRI 2025-05-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8585 PMID:39547802	研究论文	本研究开发并验证了一种基于深度学习的自动量化黑质高信号及分类神经退行性帕金森综合征的算法，使用磁敏感图加权成像（SMwI）检测和量化黑质小体-1异常	首次开发同时检测和量化黑质小体-1异常的深度学习模型，利用磁敏感图加权成像实现帕金森病的快速、准确自动量化诊断，并可用于症状严重程度预测和患者分层	需要在不同临床环境中进一步验证研究结果	开发并验证基于深度学习的黑质高信号自动量化方法及神经退行性帕金森综合征分类算法	450名训练参与者（210名特发性帕金森病患者和240名对照组）和237名验证参与者（168名特发性帕金森病患者、58名特发性震颤患者和11名药物诱导帕金森综合征患者）	医学影像分析	帕金森病	磁敏感图加权成像（SMwI），多回波梯度回波序列重建，N-3-氟丙基-2-β-甲氧羰基-3-β-(4-碘苯基)去甲托烷PET	深度学习	医学影像	训练集450名参与者，验证集237名参与者	NA	Heuron NI（量化模型），Heuron IPD（分类模型）	AUC（曲线下面积），95%置信区间	NA
9	2026-09-19	Empowering Data Sharing in Neuroscience: A Deep Learning Deidentification Method for Pediatric Brain MRIs 2025-05-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8581 PMID:39532533	研究论文	本文开发了一种基于深度学习的去脸方法，用于儿科脑部MRI，以促进神经科学中的数据共享	开发了首个专门针对儿科脑部MRI的去脸工具，使用nnU-Net模型在大型多机构数据集上训练，涵盖多种MRI序列和年龄范围，并公开提供软件包	耳朵去除的准确性相对较低（73%），去脸对某些下游分析可能存在微小影响	开发自动去脸工具以保护儿科脑部MRI中的隐私，促进数据共享	儿科脑部MRI图像，包括脑肿瘤患者和临床对照患者	数字病理学	脑肿瘤	MRI	CNN	图像	976张MRI图像，来自208名脑肿瘤患者和36名对照患者，年龄从7天到21岁	NA	nnU-Net	准确率, 相关系数	NA
10	2026-09-18	Multiobjective learning and design of bacteriophage specificity 2025-May-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.19.654895 PMID:40475446	研究论文	本文应用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，以增强感染性、预定义特异性和对未见菌株的高通用性毒力	首次将多目标深度学习应用于噬菌体宿主特异性的设计与理解；比较了多种模型架构和设计方法；实验表征了针对26种不同任务优化的噬菌体；揭示了T7靶向能力的高度可塑性	成功验证依赖于低通量实验验证，可能限制高通量应用；未明确讨论模型泛化到其他噬菌体或蛋白的局限性	理解和设计蛋白质的多功能景观，特别是T7噬菌体受体结合蛋白的宿主靶向特异性	T7噬菌体受体结合蛋白及其宿主靶向特异性	机器学习	NA	深度学习	多种模型架构（未具体说明）	序列和功能数据	26种不同任务	NA	多种架构（未具体说明）	成功率	NA
11	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
12	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
13	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
14	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
15	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
16	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
17	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
18	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
19	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
20	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