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	2026-08-31	A Tc1- and Th1-T-lymphocyte-rich tumor microenvironment is a hallmark of MSI colorectal cancer 2025-06, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6415 PMID:40181205	研究论文	该研究通过多重荧光免疫组化和深度学习图像分析，比较了微卫星不稳定（MSI）和微卫星稳定（MSS）结直肠癌的T细胞亚群组成、功能标志物表达及空间相互作用，发现MSI肿瘤微环境中Tc1和Th1细胞富集是其特征。	首次利用BLEACH&STAIN多重荧光免疫组化结合深度学习框架（>20个卷积神经网络）对大量T细胞亚群进行密度、组成、功能标志物和空间互作的全面分析，揭示了MSI肿瘤的独特免疫微环境特征。	未提供明确的局限性说明，但可能受限于样本来源于单一机构，且仅依赖组织微阵列和部分大切片，空间分析可能受样本代表性影响。	评估结直肠癌中微卫星不稳定状态对T细胞亚群组成、功能标志物表达和空间相互作用的影响，以阐明MSI肿瘤免疫微环境的特征。	79例微卫星不稳定（MSI）和1,045例微卫星稳定（MSS）结直肠癌组织样本。	数字病理学	结直肠癌	多重荧光免疫组化（使用19种抗体）	卷积神经网络（CNN）	组织切片图像	1,124例结直肠癌组织（79 MSI和1,045 MSS），其中12例使用大切片分析。	未指定，但深度学习框架包含多种CNN，可能涉及PyTorch或TensorFlow（不明确）。	多种卷积神经网络结构（未指定具体架构）	统计显著性p值（如p<0.001和p<0.05），未提及具体性能指标如准确率等。	未提及具体计算资源。
22	2026-08-29	GRU4ACE: Enhancing ACE inhibitory peptide prediction by integrating gated recurrent unit with multi-source feature embeddings 2025-06, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70026 PMID:40371738	研究论文	本研究提出了GRU4ACE，一种基于门控循环单元和多源特征嵌入的深度学习框架，用于预测ACE抑制肽，并在独立测试中表现出优于现有方法的性能。	首次将多源特征编码方法（包括序列、图形、语义和上下文信息）与门控循环单元结合，利用弹性网进行特征优化，以增强ACE抑制肽预测的准确性。	未提供明确局限性信息。	开发一种计算方法来准确识别ACE抑制肽，以支持高通量表征，并加速潜在抗高血压药物的发现。	ACE抑制肽。	机器学习	高血压	蛋白质语言模型嵌入，自然语言处理嵌入，特征描述符	门控循环单元（GRU）	蛋白质序列数据	未提供具体样本数量。	未明确指定	GRU	平衡准确率、灵敏度、Matthews相关系数	未提供具体计算资源信息。
23	2026-08-26	Clinical progression and genetic pathways in body-first and brain-first Parkinson's disease 2025-06-20, Molecular neurodegeneration IF:14.9Q1 DOI:10.1186/s13024-025-00866-5 PMID:40542411	研究论文	本研究分析了前驱期和临床期帕金森病患者的纵向数据，区分了“体先行”和“脑先行”两种表型，并探讨了其临床进展和遗传通路	首次在前驱期和临床期帕金森病中综合评估体先行和脑先行表型，利用深度学习和遗传分析揭示其独特临床、影像和遗传特征	未提供明确的局限性信息	识别帕金森病中体先行和脑先行表型的临床进展模式及潜在生物学机制	前驱期和临床期帕金森病患者	机器学习	帕金森病	遗传分析	深度学习	临床、影像和遗传学数据	910例前驱期和1120例临床帕金森病病例	NA	NA	NA	NA
24	2026-08-25	Identifying Retinal Features Using a Self-Configuring CNN for Clinical Intervention 2025-06-02, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.6.55 PMID:40525921	研究论文	本文介绍了一个名为OCTAVE的大型3D OCT数据集，并利用自配置的nnU-Net框架训练深度学习分割模型，在多个独立外部验证集上展示了临床有效的视网膜特征识别性能。	提供了首个包含像素级标注的高质量3D OCT数据集OCTAVE，并附带四个独立公共数据集的标注，同时采用无需手动配置的nnU-Net框架实现跨数据集的稳健分割。	未在摘要中提及明确的局限性。	解决视网膜疾病诊断中标注OCT数据稀缺的问题，开发AI工具以支持精确的疾病检测、监测和治疗指导。	视网膜解剖结构和病理特征，包括OCT图像中的相关结构。	数字病理学	视网膜疾病	OCT成像	CNN（基于U-Net架构）	3D OCT图像	训练集包含198个OCT体积（3762个B扫描），外部验证集包含221个OCT体积（4109个B扫描）	nnU-Net	U-Net	分割性能指标（具体指标未详述，可能包括Dice系数等）	未在标题和摘要中提及
25	2026-08-22	Extending Protein Language Models to a Viral Genomic Scale Using Biologically Induced Sparse Attention 2025-Jun-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656907 PMID:40501585	研究论文	提出一种扩展蛋白质语言模型至病毒基因组规模的方法，利用基于蛋白质相互作用的稀疏注意力机制，训练长上下文模型以捕获跨蛋白质相互作用，提升嵌入表示质量。	首次将蛋白质语言模型的上下文扩展至整个病毒基因组，采用基于蛋白质-蛋白质相互作用的稀疏注意力机制，支持长达61,000个氨基酸的序列，并优于单蛋白质模型和其他大上下文架构。	未提及明确局限性，可能包括计算资源需求、病毒基因组注释挑战等，但摘要中未详细说明。	通过利用病毒基因组的密集结构和蛋白质相互作用，开发一种长上下文蛋白质语言模型，以捕获跨蛋白质的相互作用并改进蛋白质嵌入表示。	病毒基因组序列及其中编码的蛋白质序列。	机器学习	NA	蛋白质语言模型、稀疏注意力机制	Transformer	基因组序列（氨基酸序列）	未明确指定，但涉及病毒基因组，长度可达61,000个氨基酸。	NA	Transformer	嵌入质量比较（优于其他模型）	NA
26	2026-08-21	Pediatric Electrocardiogram-Based Deep Learning to Predict Secundum Atrial Septal Defects 2025-Jun, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-024-03540-7 PMID:38953953	研究论文	本研究训练了一个基于儿科心电图的卷积神经网络模型，用于预测继发孔型房间隔缺损，并在内部测试和急诊科队列中评估了其性能。	首次将AI增强的ECG分析应用于儿科人群检测ASD2，并展示了在无症状或轻微症状患者中的筛查潜力。	研究为单中心回顾性研究，未来需要多中心验证和前瞻性试验来指导临床决策。	开发并验证一个基于深度学习的模型，利用儿科心电图来检测继发孔型房间隔缺损，以便早期筛查和诊断。	年龄不超过18岁、无重大先天性心脏病的患者，他们的心电图和超声心动图配对数据。	机器学习	心血管疾病	心电图	卷积神经网络	心电图和超声心动图配对数据	训练集包括92,377对ECG-超声心动图数据（46,261名患者），内部测试集12,631名患者，急诊科队列2,830名患者。	PyTorch	卷积神经网络	AUROC, AUPRC	NA
27	2026-08-20	Deep Learning Model for Natural Language to Assess Effectiveness of Patients With Non-Muscle Invasive Bladder Cancer Receiving Intravesical Bacillus Calmette-Guérin Therapy 2025-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-24-00249 PMID:40577661	研究论文	开发了一个基于深度学习的自然语言处理模型，利用电子健康记录评估非肌层浸润性膀胱癌患者接受膀胱内卡介苗治疗的效果	首次使用BERT模型从电子健康记录中自动提取非肌层浸润性膀胱癌患者的临床结局（复发和进展）信息，并结合人工审查支持以提升准确性	研究为回顾性研究，且仅基于日本患者数据，可能限制结果的普遍性；人工支持虽仅需10%文档，但仍需一定的人力投入	开发并验证一种深度学习自然语言处理模型，以自动评估非肌层浸润性膀胱癌患者接受卡介苗治疗后的临床结局	2016年4月至2022年6月期间开始接受卡介苗诱导治疗的日本成年人非肌层浸润性膀胱癌患者	自然语言处理	非肌层浸润性膀胱癌	电子健康记录数据挖掘	BERT	文本	372例患者	PyTorch	BERT	精确率、召回率、F1分数、风险比	NA
28	2026-08-19	Changes in Epidemiological Characteristics of Varicella and Breakthrough Cases in Ningbo, China, From 2010 to 2023: Surveillance Study 2025-06-18, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/71691 PMID:40533066	研究论文	本研究监测了2010至2023年宁波市水痘的流行病学特征及突破性病例的变化，以指导免疫策略调整。	首次结合主动和被动监测数据及RNN模型，分析水痘流行病学转变和突破性病例在疫苗政策下的变化。	未明确指出研究的局限性，但可能受限于被动监测的准确性和单城市数据的代表性。	监测水痘流行病学特征及突破性病例变化，为调整免疫策略提供依据。	2010-2023年宁波市70,163例水痘病例及2009-2013年出生队列的突破性病例。	流行病学	水痘	主动和被动监测、RNN模型	RNN	监测数据	70,163例水痘病例及2009-2013年出生队列	NA	RNN	均方误差	NA
29	2026-08-16	Network Occlusion Sensitivity Analysis Identifies Regional Contributions to Brain Age Prediction 2025-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70239 PMID:40470724	研究论文	本文提出一种结合网络遮挡敏感性与精细人脑图谱的可解释性框架，用于分析脑龄预测模型中各脑区对预测结果的贡献。	创新性地将网络遮挡敏感性分析与精细人脑图谱相结合，以揭示脑龄预测模型中的区域贡献，并发现不同脑区在不同年龄阶段的贡献模式差异。	未明确提及局限性，但可能受限于样本年龄范围（8-80岁）和轻量级CNN模型的选择。	提高脑龄预测深度学习模型的可解释性，识别对预测有显著贡献的脑区。	基于CNN的脑龄预测模型及人脑区域。	深度学习、医学影像分析	不适用	脑磁共振成像（MRI）	卷积神经网络（CNN）	脑影像数据（MRI图像）	训练集3054例，测试集555例，年龄范围均为8-80岁	未明确指定，但可能使用TensorFlow或PyTorch	轻量级全卷积网络	未明确提及，可能包括平均绝对误差、相关系数等	未明确提及
30	2026-08-16	Do Transformers and CNNs Learn Different Concepts of Brain Age? 2025-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70243 PMID:40489428	研究论文	本研究比较了Transformer和CNN模型在预测脑年龄方面的表现，并分析了不同架构是否捕捉到不同的脑衰老概念	首次系统比较了Vision Transformer（sViT）和Swin Transformer与ResNet在脑年龄预测中的表现，并探讨了不同架构对脑衰老效应捕捉的潜在差异	研究仅基于UK Biobank数据，可能需要更多样化的数据集来验证结论的普遍性	评估Transformer是否优于CNN在脑年龄预测中的准确性，并检验不同架构是否产生不同的脑年龄预测概念	来自UK Biobank的46,381张T1加权结构磁共振图像	计算机视觉	NA	磁共振成像（MRI）	Transformer, CNN	图像	46,381张T1加权结构MRI图像	PyTorch（推测）	sViT, SwinT, ResNet50	预测准确度，均方误差（推测）	NA
31	2026-08-16	Artificial Intelligence for Head and Neck Squamous Cell Carcinoma: From Diagnosis to Treatment 2025-Jun, American Society of Clinical Oncology educational book. American Society of Clinical Oncology. Annual Meeting DOI:10.1200/EDBK-25-472464 PMID:40489724	综述	本文综述了人工智能在头颈鳞状细胞癌（HNSCC）诊疗全过程中的应用进展，涵盖从诊断到治疗规划的各个环节	系统性地总结了多模态AI模型在HNSCC中的应用，特别是融合影像、病理和电子健康记录以预测生存结局，并探讨了AI在预测免疫治疗反应和早期毒性检测中的潜力	临床转化面临障碍，包括模型可解释性不足、缺乏前瞻性试验验证以及临床工作流程整合困难	评估人工智能在头颈鳞状细胞癌诊疗中的应用现状和潜在价值，以推动个性化治疗和临床转化	头颈鳞状细胞癌患者	数字病理学	头颈癌	深度学习、多模态数据融合	深度学习模型（包括多模态AI）	影像（放射学、内镜）、病理图像、电子健康记录	不适用	不适用	不适用	准确率、预测能力（如生存预后）	不适用
32	2026-08-13	AI-echocardiography: Current status and future direction 2025-06, Journal of cardiology IF:2.5Q2 DOI:10.1016/j.jjcc.2025.02.005 PMID:40023671	综述	本文综述了人工智能在超声心动图中的应用现状和未来方向，包括深度学习模型的性能、局限性、当前应用及生成式人工智能技术的研究	讨论了大规模语言模型在零样本预测和自动报告生成方面的潜力，以及生成式人工智能技术在超声心动图中的应用	限于综述性质，未提供具体实验数据，可能未覆盖所有最新进展	总结AI增强超声心动图的发展现状和未来潜力，促进其在临床实践中的广泛应用	超声心动图数据及基于这些数据开发的深度学习模型	计算机视觉, 机器学习	心血管疾病	超声心动图	深度学习模型	图像	不适用	不适用	不适用	不适用	大规模计算
33	2026-08-13	Artificial intelligence driven plaque characterization and functional assessment from CCTA using OCT-based automation: A prospective study 2025-06-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133140 PMID:40064207	研究论文	本研究旨在开发和验证一种利用CCTA和OCT图像自动分析斑块特征和冠状动脉功能的人工智能模型，并评估其性能	首次将CCTA和OCT图像结合，利用深度学习CNN进行自动化斑块特征分析和功能评估，并集成了CT-FFR计算软件，显示出与传统CCTA相比更高的诊断准确性	数据仅来自单中心100名患者，且训练和测试集划分可能导致过拟合；需外部验证以增强泛化性	开发并验证一种基于AI的自动化CCTA分析工具，用于斑块特征定性和冠状动脉功能评估，以改善冠心病诊断	100名接受侵入性冠状动脉造影、OCT和CCTA检查的患者	计算机视觉	冠状动脉疾病	CCTA, OCT	卷积神经网络(CNN)	断层扫描图像	100名患者，包含21,471张断层扫描图像	NA	CNN	McNemar检验, 组内相关系数(ICC), AUC, p值	NA
34	2026-08-12	Deep Learning-Based Automated Measurement of Cervical Length in Transvaginal Ultrasound Images of Pregnant Women 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3433594 PMID:39052464	研究论文	开发了一种名为CL-Net的深度学习网络，用于自动测量孕妇经阴道超声图像中的宫颈长度，以评估早产风险	CL-Net结合专家解剖学知识识别宫颈，捕获与宫颈长度测量相关的解剖特征，提高识别宫颈管的准确性	未明确提及局限性	实现可靠且可重复的自动宫颈长度测量，减少操作者间差异并改善工作流程	孕妇经阴道超声图像中的宫颈	计算机视觉	早产	超声成像	深度学习网络	超声图像	未明确提及	NA	CL-Net	成功率、绝对误差中位数、四分位距、范围	NA
35	2026-08-12	GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion Classification 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3397611 PMID:38713568	研究论文	本研究探讨利用生成对抗网络反演生成合成图像，作为数据增强手段，以提升结肠镜病变分类性能	利用GAN反演将同标签图像对映射到语义丰富且解耦的潜空间，操控潜在表示生成新合成图像，实现数据增强，并在未重新训练多个生成模型的情况下，显著提升息肉分类性能及跨域泛化能力	未在摘要中明确提及限制	解决医学影像中标注数据稀缺的问题，通过合成图像数据增强改善结肠镜病变分类性能	结肠镜图像中的息肉病变	计算机视觉	结肠癌	GAN反演	生成对抗网络	图像	未在摘要中明确提及	NA	生成对抗网络	F1分数、灵敏度	NA
36	2026-08-12	Explicit Abnormality Extraction for Unsupervised Motion Artifact Reduction in Magnetic Resonance Imaging 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3444771 PMID:39150812	研究论文	提出一种无监督异常提取网络（UNAEN）用于磁共振成像中的运动伪影减少，通过显式提取伪影图实现无配对训练。	提出UNAEN网络，无需配对MA损坏和MA-free图像，通过显式提取残余伪影图实现运动伪影减少。	未提及具体局限性。	解决监督式运动伪影减少方法依赖配对训练数据的问题，提升无监督MRI运动伪影减少性能。	磁共振图像（MRI），包括MA损坏和MA-free图像。	医学影像	NA	MRI	UNAEN（无监督异常提取网络）	图像	多个公开MRI数据集，未提供具体数量。	NA	UNAEN	定量评估指标（未具体列出，通常包括PSNR、SSIM等）	NA
37	2026-08-12	P2TC: A Lightweight Pyramid Pooling Transformer-CNN Network for Accurate 3D Whole Heart Segmentation 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3526727 PMID:40030965	研究论文	提出一种轻量级金字塔池化Transformer-CNN（P2TC）网络，用于三维全心分割，在MM-WHS 2017数据集上取得了最优性能	设计了一种双编码器-解码器结构，结合3D金字塔池化Transformer进行多尺度信息融合和轻量级大核CNN提取局部特征，解码器设有两个分支分别用于像素级分类和上下文残差处理，以增强边界和变异的处理能力	未提及具体限制，但可推测轻量级设计可能在大规模复杂数据集上仍存在泛化性挑战	提高三维全心分割的准确性，解决空间上下文建模不足、长距离依赖捕获困难、计算复杂度高和局部高级语义信息表示有限的问题	全心结构（包括心脏的多个解剖结构），基于CT和MRI的三维影像数据	医学图像分割	心血管疾病	深度学习（主要涉及CNN和Transformer）	CNN-Transformer结合网络（P2TC）	三维医学图像（CT和MRI）	使用了MM-WHS 2017挑战数据集，具体样本数未在摘要中提及	未明确提及，可能使用PyTorch或TensorFlow（基于常见实践推断）	3D金字塔池化Transformer和轻量级大核CNN，双编码器-解码器结构	Dice得分	未提及具体资源（如GPU型号）
38	2026-08-12	Neural Manifold Decoder for Acupuncture Stimulations With Representation Learning: An Acupuncture-Brain Interface 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3530922 PMID:40031188	research paper	提出一个基于深度学习框架的针灸刺激神经流形解码器，用于识别不同针灸操作过程及其对应的脑电图反应	将对比表示学习与域适应策略集成到深度学习中，首次实现从脑电图信号解码针灸操作过程，并构建针灸-脑接口，揭示躯体感觉刺激与神经表征的关联	信息不足，无法确定	建立针灸-脑接口，通过解码脑电图信号来预测针灸操作及其过程，以揭示躯体感觉刺激与动态脑反应的关联，并评估针灸治疗的临床疗效	接受针灸刺激的受试者，聚焦于足三里穴的提插和捻转等不同针灸操作	machine learning	NA	脑电图记录	神经网络	脑电图信号、视频记录	信息不足，无法确定	PyTorch	NA	精确率	NA
39	2026-08-12	Coarse for Fine: Bounding Box Supervised Thyroid Ultrasound Image Segmentation Using Spatial Arrangement and Hierarchical Prediction Consistency 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3535541 PMID:40031340	研究论文	提出一种基于边界框弱监督的甲状腺超声图像分割方法，通过双分支框架优化语义特征分布	引入空间排列一致性分支和层次预测一致性分支，同时考虑目标定位和语义特征分布合理性，减少对低层特征像素级关联的依赖	未明确提及，但可能受限于弱监督标注的粗粒度，边界精确定位仍有挑战	实现甲状腺超声图像中腺体和结节的精确分割，降低标注成本，提升临床适用性	甲状腺超声图像中的甲状腺腺体和结节	计算机视觉	甲状腺疾病	超声成像	双分支弱监督学习框架	图像	三个甲状腺数据集	NA	NA	分割性能（具体指标未提及，可能包括Dice系数等）	NA
40	2026-08-12	TriCvT-DTI: Predicting Drug-Target Interactions Using Trimodal Representations and Convolutional Vision Transformers 2025-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3536476 PMID:40031370	研究论文	提出一种结合分子图像、化学序列特征和图表示的三模态药物-靶点相互作用预测方法，使用卷积视觉变换器（CvT）和双向多头注意力机制	首次将药物分子图像、化学序列和图表示三种模态整合用于DTI预测，并引入双向多头注意力机制进行药物与靶点的交互特征学习	未明确说明计算资源需求或模型训练时间等局限性	解决深度学习在药物-靶点相互作用预测中特征表示单一和忽略局部与全局信息的问题，提高预测性能	药物-靶点相互作用预测任务，涉及药物分子图像、化学序列和图表示	机器学习	NA	NA	卷积视觉变换器（CvT）	药物分子图像、化学序列特征、图表示	三个数据集：Human、C. elegans和Davis	NA	卷积视觉变换器（CvT）、双向多头注意力机制	NA	NA