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
21	2026-09-10	Deep learning-based automatic differentiation of acute angle closure with or without zonulopathy using ultrasound biomicroscopy: a comparison of diagnostic performance with ophthalmologists 2025-05-22, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-002114 PMID:40409764	研究论文	本研究旨在开发基于超声生物显微镜图像的深度学习模型，用于术前区分伴或不伴晶状体悬韧带病变的急性闭角型青光眼，并比较其与眼科医生的综合诊断性能。	首次使用深度学习模型基于UBM图像自动区分急性闭角型青光眼是否伴有晶状体悬韧带病变，并与眼科医生的诊断性能进行对比，同时验证模型在不同成像设备上的鲁棒性。	摘要中未提及明确的局限性，但鲁棒性验证的准确率相对较低，表明模型在不同成像设备上的泛化能力有待提高。	开发并评估基于UBM图像的AI模型，用于术前区分急性闭角型青光眼是否伴有晶状体悬韧带病变，并比较其与眼科医生的诊断性能。	急性闭角型青光眼患者，分为伴有和不伴有晶状体悬韧带病变（晶状体悬韧带松弛或晶状体脱位）两类。	医学影像分析，深度学习	青光眼	超声生物显微镜（UBM）和前段光学相干断层扫描（AS-OCT）	深度学习模型（具体类型未指定，但可能为卷积神经网络（CNN））	超声生物显微镜图像（UBM），前段光学相干断层扫描（AS-OCT）图像和眼部参数	537只眼睛	未提及	未提及	曲线下面积（AUC），准确率，处理时间	未提及
22	2026-09-10	scSDNE: A semi-supervised method for inferring cell-cell interactions based on graph embedding 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013027 PMID:40333631	研究论文	构建了一个手动整理的配体-受体（L-R）相互作用数据库，并开发了一种名为scSDNE的半监督图嵌入模型，用于推断由L-R相互作用介导的细胞间相互作用，通过深度学习将交互细胞的基因映射到共享潜在空间中，并利用数据库先验信息推断细胞通讯中的显著L-R对	采用半监督深度学习图嵌入方法，整合了数据库先验信息和细胞内基因调控信息，用于推断细胞间L-R介导的相互作用，增强了推断的准确性和生物学可解释性，提供了细胞间相互作用更全面的视图	NA（摘要中未提供明确的局限性信息）	开发和验证一种基于图嵌入和数据库先验信息的半监督方法，以推测细胞间通过配体-受体相互作用介导的细胞通讯	细胞间配体-受体相互作用的推断以及真实单细胞RNA测序（scRNA-seq）数据集	深度学习, 基因组学	NA（未指定特定疾病）	单细胞RNA测序（scRNA-seq）	图嵌入深度学习模型	单细胞基因表达数据（scRNA-seq数据）	NA（未提及具体样本数量或类型）	NA（未明确说明使用的框架）	自编码器，图嵌入	可靠性（与其他方法比较，未提供具体指标如准确率、召回率等）	NA（未提及具体计算资源）
23	2026-09-10	Scoring protein-ligand binding structures through learning atomic graphs with inter-molecular adjacency 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013074 PMID:40344574	研究论文	本文提出了一种基于深度学习的蛋白质-配体结合结构评分框架，通过原子图和分子间邻接关系来预测结合强度	提出了一种高分辨率原子图表示方法，通过引入多个距离范围识别分子间相互作用作为图边，并进行了模型级和事后分析的解释	摘要未提及明确局限性	开发高效的评分框架来预测蛋白质-配体结合结构的结合强度，以辅助计算药物发现	蛋白质-配体结合复合物	机器学习	NA	NA	深度学习模型（未指定具体类型）	分子结构数据	NA	NA	原子图神经网络	评分和筛选性能（未指定具体指标）	NA
24	2026-09-10	Cell-TRACTR: A transformer-based model for end-to-end segmentation and tracking of cells 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013071 PMID:40408631	research paper	本文介绍了一种基于Transformer的深度学习模型Cell-TRACTR，用于显微镜图像中细胞的端到端分割与跟踪，并提出了新的评估指标Cell-HOTA	Cell-TRACTR首次采用Transformer架构实现细胞的端到端分割和跟踪，无需后处理，同时提出了Cell-HOTA指标以平衡评估检测、关联和分裂准确性	摘要未明确提及局限性	旨在解决现有基于CNN的细胞跟踪方法在处理空间和全局上下文依赖方面的不足，提高细胞分割和跟踪的准确性	细菌在微流控几何结构中生长以及哺乳动物细胞在二维自由生长的图像	computer vision	NA	显微镜成像	Transformer	显微图像	多个数据集，包括细菌和哺乳动物细胞图像	NA	Transformer	Cell-HOTA, HOTA, 检测准确性	NA
25	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
26	2026-09-07	Leveraging Social Media Data to Understand the Impact of COVID-19 on Residents' Dietary Behaviors: Observational Study 2025-05-23, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/51638 PMID:40409748	研究论文	本研究利用社交媒体数据（Twitter）分析COVID-19疫情期间及之后居民饮食行为的变化，并通过图像分类和情感分析探讨其与肥胖率及情绪的关系	结合Twitter图像和文本数据，采用迁移学习和预训练的ResNet-101模型对食物图像进行健康分类，并与州级肥胖率关联分析，首次系统揭示疫情期间饮食时间变化和零食消费增加	依赖Twitter用户数据可能存在选择偏差，且社交媒体的表达方式不完全代表实际饮食行为	探索疫情引起的饮食行为变化及其与肥胖和情绪的关系，以指导干预措施和了解社会对饮食习惯的影响	Twitter上于2019、2020和2021年5月至7月间发布的食品相关帖子（约200,000条）及其用户	自然语言处理、计算机视觉	肥胖	文本分析、情感分析、图像分类	深度学习模型	图像和文本数据	约200,000条Twitter帖子（食品相关）	PyTorch	ResNet-101	相关性系数（r）、P值、百分比	NA
27	2026-09-07	PackPPI: An integrated framework for protein-protein complex side-chain packing and ΔΔG prediction based on diffusion model 2025-05, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70110 PMID:40260988	研究论文	提出一个集成框架PackPPI，利用扩散模型和邻近优化算法改进蛋白质复合物侧链预测，并预测突变引起的ΔΔG变化	首次将侧链打包和突变效应预测整合于同一框架，并采用邻近优化算法作为后处理以减少空间冲突	未提及具体限制	开发一个统一的蛋白质复合物侧链打包和ΔΔG预测工具，提高预测构象的合理性	蛋白质复合物及其多突变体	机器学习	NA	扩散模型，邻近优化算法	扩散模型	蛋白质结构数据	CASP15数据集，SKEMPI v2.0数据集	NA	NA	原子RMSD，ΔΔG预测性能（如准确性）	NA
28	2026-09-07	Training, Validating, and Testing Machine Learning Prediction Models for Endometrial Cancer Recurrence 2025-May, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO-24-00859 PMID:40324114	研究论文	该研究利用机器学习与深度学习方法，在大型综合数据集中训练、验证和测试子宫内膜癌复发预测模型	首次在子宫内膜癌复发预测中综合使用临床、病理、基因组及遗传数据，并比较了多种机器学习和深度学习算法的表现	需要前瞻性验证以确定临床实用性	准确预测子宫内膜癌患者的复发风险，以优化辅助治疗选择	子宫内膜癌患者，分为低风险、高风险和非子宫内膜样组织学三组	机器学习	子宫内膜癌	基因组数据分析（包括microRNA、长非编码RNA、异构体、假基因表达以及单核苷酸变异和拷贝数变异）	Lasso回归、机器学习、深度学习	临床、病理、基因组及遗传数据	低风险组329例，高风险组324例，非子宫内膜样组织学组239例	MATLAB、TensorFlow	NA	AUC	NA
29	2026-09-06	A comparative analysis of deep learning models for assisting in the diagnosis of periapical lesions in periapical radiographs 2025-05-26, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06104-0 PMID:40420083	研究论文	本研究对比分析了ConvNeXt和ResNet34两种深度学习模型在辅助新手牙医诊断根尖周病变方面的效果，证明ConvNeXt能显著提升诊断性能并缩短诊断时间。	首次评估深度学习模型在辅助临床医生诊断根尖周病变中的潜力，并系统比较了两种模型的辅助效果及对新手牙医诊断时间和准确度的影响。	研究局限于单中心数据，且样本主要来自特定人群，可能影响模型的泛化能力	利用两种深度学习模型（ConvNeXt和ResNet34）辅助新手牙医在根尖周X线片上检测根尖周病变，以促进深度学习在牙科临床的应用。	根尖周X线片（PRs）中的根尖周病变（PLs）	计算机视觉	根尖周病变	深度学习模型训练与评估	卷积神经网络（CNN）	图像（根尖周X线片）	1305张完整的根尖周X线片（训练集1044张，验证集261张）和额外的800张单个牙齿根尖周X线片	NA	ConvNeXt, ResNet34	精确率、灵敏度、F1分数、特异性、准确率、AUC	NA
30	2026-09-06	Integration of MRI radiomics and clinical data for preoperative prediction of vascular invasion in breast cancer: A deep learning approach 2025-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110339 PMID:39880177	研究论文	本研究评估了结合MRI影像组学特征与临床数据，采用深度学习方法预测乳腺癌血管浸润的效能	将MRI影像组学特征与临床数据相结合，通过深度学习技术提高乳腺癌血管浸润的术前预测准确性	信息未提供	评估整合MRI影像组学和临床数据的深度学习方法在预测乳腺癌血管浸润中的有效性	102例经手术病理证实为浸润性乳腺癌的患者	医学影像分析	乳腺癌	MRI影像组学	深度学习模型	MRI图像及临床数据	102例浸润性乳腺癌患者	NA	NA	AUC, 敏感性, 特异性	NA
31	2026-09-06	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	提出一种基于Swin UNETR架构的自动大血管分割方法，用于脑肿瘤定量DCE-MRI图像，并与U-Net和Attention U-Net比较。	首次将Swin UNETR应用于大型血管自动分割，跨多个中心和设备验证泛化能力，性能优于现有模型。	未提及明确的局限性。	开发自动大血管分割方法，提高脑肿瘤分级和治疗评估的准确性。	脑肿瘤患者的MRI数据，包括淋巴瘤和转移瘤。	医学图像分析	脑肿瘤	DCE-MRI	Swin UNETR、U-Net、Attention U-Net	MRI图像	187名脑肿瘤患者的训练、验证和测试数据集	NA	Swin UNETR、U-Net、Attention U-Net	Dice系数，p值	NA
32	2026-09-06	Use of deep learning-accelerated T2 TSE for prostate MRI: Comparison with and without hyoscine butylbromide admission 2025-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110358 PMID:39938669	研究论文	本研究旨在评估深度学习加速的T2加权涡轮自旋回波成像序列在无需使用丁溴东莨菪碱的情况下，用于前列腺MRI的可行性，并与常规T2 TSE序列对比图像质量和诊断信心。	首次在3T磁共振成像系统上直接比较了深度学习加速的T2 TSE序列与常规T2 TSE序列在有和无丁溴东莨菪碱情况下对前列腺成像的图像质量，探索了DL序列是否能减少对药物使用的依赖，同时保持或改善定量图像质量指标。	研究样本量较小（每组30例），为单中心研究，且仅评估了特定扫描仪和软件版本下的DL序列，未评估肿瘤检出率，需在后续研究中验证。	比较深度学习加速的T2 TSE序列与常规T2 TSE序列在前列腺MRI中的图像质量，以确定DL序列是否可以替代HBB的使用，同时不牺牲图像质量。	120名连续的前列腺MRI患者，分为四组（每组30人），每组根据HBB使用与否及视野大小（130mm或160mm）进行区分。	医学影像	前列腺疾病	深度学习加速的T2加权磁共振成像	深度学习模型（具体架构未在摘要中提及）	磁共振图像	120名患者（每组30例），分为四组	NA	NA	图像质量评分（运动伪影、锐度、噪声、诊断信心）、边缘上升距离、信噪比、对比度噪声比、组内相关系数	实施于3T扫描仪及软件系统（2022/23版）
33	2026-09-05	ESMpHLA: Evolutionary Scale Model-Based Deep Learning Prediction of HLA Class I Binding Peptides 2025-05, HLA IF:5.9Q1 DOI:10.1111/tan.70263 PMID:40405507	研究论文	本研究利用进化尺度模型结合并行CNN块和交叉注意力机制构建了ESMpHLA模型，用于预测HLA I类结合肽。	首次将ESM与并行CNN和交叉注意力机制结合，构建了能够处理不同HLA I类双字段等位基因和不同长度肽段的深度学习模型	NA	构建一种改进的HLA I类结合肽预测模型，以提高免疫识别和疫苗开发中的预测准确性	HLA I类等位基因的结合肽，包括41个HLA-A等位基因的91560条、50个HLA-B等位基因的56731条和10个HLA-C等位基因的2444条	深度学习	免疫相关疾病	NA	CNN，ESM	肽序列数据	150735条结合肽，覆盖101个等位基因	NA	ESM, CNN	准确率，AUC，ROC-AUC，PR-AUC	NA
34	2026-09-04	Effectiveness and Implementation Outcomes of an mHealth App Aimed at Promoting Physical Activity and Improving Psychological Distress in the Workplace Setting: Cluster-Level Nonrandomized Controlled Trial 2025-05-06, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/70473 PMID:40327360	研究论文	本研究评估了mHealth应用ASHARE在日本职场环境中通过深度学习模型监测抑郁和焦虑并促进身体活动方面的有效性和实施结果	利用深度学习模型通过身体活动监测抑郁和焦虑，并采用混合有效性-实施试验设计	组间差异无统计学意义，且应用的3个月用户保留率较低，仅为20%	评估智能手机应用ASHARE在职场环境中促进身体活动并改善心理困扰的有效性和实施结果	日本职场环境中的员工，来自7个工作单位共84人	机器学习	心理健康问题（抑郁和焦虑）	深度学习模型	深度学习	身体活动数据，心理困扰数据	84名员工来自7个工作单位	NA	深度学习模型	P值、系数、标准误差、用户保留率、参与率	NA
35	2026-08-29	Quaternary stabilization of a GH2 β-galactosidase from the psychrophile A. ikkensis, a flexible and unstable dimeric enzyme 2025-05, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70141 PMID:40277444	研究论文	本文研究了来自嗜冷菌Alkalilactibacillus ikkensis的GH2 β-半乳糖苷酶（AiLac）的冷适应机制及其四级结构稳定性，并通过深度学习模型成功设计了稳定化寡聚体变体	利用AlphaFold结构预测与SAXS结合解析冷适应酶的二聚体动态，并通过生成式深度学习模型定向进化出稳定的二聚体和四聚体变体，展示了一种探索序列适应度景观以调节寡聚化平衡的新方法	未提及	探究冷活性酶的低温活性基础及其在节能工艺中的应用潜力，并揭示寡聚化与进化之间的关系	A. ikkensis的GH2 β-半乳糖苷酶（AiLac）及其工程化变体	结构生物学、蛋白质工程	不适用	AlphaFold结构预测、小角X射线散射（SAXS）、流诱导分散分析（FIDA）、圆二色光谱、内源荧光光谱	生成式深度学习模型	蛋白质序列和结构数据	未明确	未明确	生成式深度学习模型（未指定具体架构）	酶活性、热稳定性、化学稳定性、寡聚化状态	未提及
36	2026-08-28	A deep learning model integrating domain-specific features for enhanced glaucoma diagnosis 2025-05-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02925-9 PMID:40410768	研究论文	提出一种结合领域特定特征的深度学习模型，用于增强青光眼诊断，区分青光眼和生理性大视杯	将无结构特征（深度卷积神经网络学习）与基于视盘四象限杯盘比的结构化领域特征相结合，以提高青光眼诊断的准确性	未提及	开发一种结合领域特征的深度学习模型，以自动化且准确地区分青光眼和生理性大视杯	视网膜图像中的视盘和视杯区域，包括正常、生理性大视杯和青光眼视杯	计算机视觉	青光眼	眼底成像	卷积神经网络（CNN）	图像	未明确提及样本数量，但涉及正常、生理性大视杯和青光眼视杯的图像	未提及	全卷积神经网络（用于分割）、深度卷积神经网络（用于特征学习）	平均精度（AP）、准确率、精确率、召回率	未提及
37	2026-08-28	Deep learning health space model for ordered responses 2025-05-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03026-3 PMID:40380121	研究论文	本研究开发了深度学习健康空间模型，用于有序响应数据的个体健康状况可视化，并与统计模型比较性能	首次将深度学习用于健康空间模型，提出深度有序神经网络（DONN）以处理有序响应，能够建模复杂的非线性生物关系	未明确提及限制，但可能包括模型复杂性和外部验证规模有限	开发深度学习健康空间模型，以更有效地可视化个体健康状况，并克服统计模型的非线性限制	个体健康状态	机器学习	NA	NA	深度神经网络（DNN）、深度有序神经网络（DONN）	临床调查数据（来自KNHANES、Ewha-Boramae队列和KARE项目）	训练集32,140样本（KNHANES），外部验证集862样本（Ewha-Boramae队列）和3,199样本（KARE项目）	NA	DNN、DONN	判别性能（未具体说明指标，可能为准确率或AUC）	NA
38	2026-08-28	Classification of lung cancer severity using gene expression data based on deep learning 2025-05-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03011-w PMID:40369502	研究论文	提出一种基于卷积神经网络（CNN）的深度学习模型，利用基因表达数据对肺腺癌（LUAD）和肺鳞状细胞癌（LUSC）进行分期分类。	针对基因数据集中样本量少和特征维度高导致的类别不平衡和过拟合问题，从医学角度深度分析基因数据集和肺癌分期，并通过F-test特征选择方法优化CNN模型，实现高分类准确率。	未提及具体局限性，但样本量少和高维度特征可能仍影响模型泛化能力。	利用深度学习技术（CNN）对肺癌（LUAD和LUSC）分期进行分类，提高分类准确性。	肺癌基因表达数据，包括两种亚型（LUAD和LUSC）的样本。	深度学习、基因表达数据分类	肺癌	基因表达数据（可能通过RNA-seq或微阵列技术获取）	卷积神经网络（CNN）	基因表达数据（表格型）	未明确说明，但提到样本量低。	NA	CNN（具体架构未指定）	准确率	NA
39	2026-08-28	A hybrid approach for binary and multi-class classification of voice disorders using a pre-trained model and ensemble classifiers 2025-05-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02978-w PMID:40312383	研究论文	提出一种结合预训练模型VGGish和集成分类器的两阶段混合方法，用于语音障碍的二元和多类分类，并在Saarbruecken语音数据库子集上取得了优于现有方法的性能	创新性地采用两阶段框架，首先利用预训练VGGish模型从语谱图中提取高级特征嵌入，然后输入到多种分类器（包括SVM、LR、MLP和集成分类器）中进行分类，在语音障碍多类分类任务中达到了最先进的准确率	研究仅在Saarbruecken语音数据库的子集上进行了验证，样本规模有限，且模型在女性和跨性别组合上的准确率相对较低，可能限制了其泛化能力和临床应用的可靠性	提高语音障碍在二元和多类分类任务中的性能，尤其是多类分类的准确性，以支持临床评估工具的自动化改进	健康与紊乱语音、功能亢进性发声障碍与声带麻痹的诊断分类	语音处理、机器学习	语音障碍（功能亢进性发声障碍、声带麻痹）	音频语谱图特征提取	VGGish、SVM、逻辑回归、多层感知器、集成分类器	音频数据（语谱图）	Saarbruecken语音数据库子集，按男性、女性和组合性别划分，具体样本数量未在摘要中明确	NA	VGGish、SVM、逻辑回归、MLP、集成分类器	准确率（平均准确率）	NA
40	2026-08-28	Real-time Adaptation of Deep Learning Walking Speed Estimators Enables Biomimetic Assistance Modulation in an Open-Source Bionic Leg 2025-May, IEEE transactions on medical robotics and bionics IF:3.4Q2 DOI:10.1109/tmrb.2025.3550642 PMID:42638950	研究论文	本研究提出一种实时持续学习算法，用于在动力膝踝假肢行走过程中逐步提升基于深度学习的步行速度估计器性能，并通过仿生缩放机制调整假肢辅助。	无需预先收集用户依赖数据，通过实时自适应自标记数据优化估计器，并集成仿生缩放机制以调节假肢辅助。	未提及具体限制。	实现动力假肢对新用户的即时适应，通过精确的实时步行速度估计提供仿生辅助。	单侧膝上截肢者（N=10）在跑步机和地面行走中的步态数据。	机器学习，生物医学工程	截肢（膝上截肢）	不适用	深度学习模型（估计器）	步态运动学数据（步行速度）	10名单侧膝上截肢患者	不适用（未提及具体框架）	不适用（未指定具体架构）	平均绝对误差（MAE）、相关系数（r）、显著性（p值）	不适用（未提及计算资源）