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
2061	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
2062	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
2063	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
2064	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
2065	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
2066	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
2067	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
2068	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
2069	2026-09-13	Representation of high-dimensional cell morphology and morphodynamics in 2D latent space 2025-04-24, Physical biology IF:2.0Q3 DOI:10.1088/1478-3975/adcd37 PMID:40233771	研究论文	开发了一种基于深度学习的算法，将13维细胞形态特征向量投影到2维形态潜在空间，用于表示和理解细胞形态和形态动力学	首次将高维细胞形态特征投影到2D潜在空间，实现信息损失小于5%，并能区分不同迁移表型的转移性乳腺癌细胞，且保持细胞形状波动的扩散幂和Lyapunov指数	未明确说明算法的泛化能力、对其他细胞类型的适用性以及潜在空间的可解释性	将高维细胞形态特征向量降维到2D潜在空间，以便于沟通、解释和可视化细胞状态	转移性乳腺癌细胞的形态和形态动力学	数字病理学	乳腺癌	深度学习	NA	图像	NA	NA	NA	信息损失率, 扩散幂, Lyapunov指数	NA
2070	2026-09-13	Vision transformer-based multimodal fusion network for classification of tumor malignancy on breast ultrasound: A retrospective multicenter study 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105793 PMID:39862564	研究论文	该研究构建了一种基于视觉Transformer的多模态融合网络，结合超声图像、深度学习和临床特征，用于乳腺肿瘤良恶性分类	首次同时整合影像组学特征、深度学习特征和临床参数，构建多模态特征融合模型用于乳腺超声肿瘤恶性预测	摘要中未明确提及研究局限性	构建多模态特征融合模型，利用超声图像预测乳腺肿瘤恶性程度，辅助临床决策	乳腺肿瘤患者	计算机视觉	乳腺癌	超声成像	Vision Transformer	图像	1065例患者的临床特征和3315个图像数据集，其中603例患者数据用于训练	NA	Vision Transformer	AUC, F1分数	NA
2071	2026-09-13	Identification of an ANCA-associated vasculitis cohort using deep learning and electronic health records 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105797 PMID:39864108	研究论文	该研究利用深度学习模型分析电子健康记录，识别ANCA相关性血管炎病例	使用分层注意力网络进行患者级别的AAV分类，并发现传统规则方法遗漏的病例	未明确提及	利用深度学习分析电子健康记录，更准确地识别ANCA相关性血管炎病例	ANCA相关性血管炎患者及其电子健康记录	数字病理学	ANCA相关性血管炎	电子健康记录分析	分层注意力网络（HAN）	文本	数据集I：6000个注释段，数据集II：3008个注释段，数据集III：7500个注释段，测试队列：2000个病例	未明确提及	分层注意力网络（HAN）	阳性预测值（PPV）、敏感性、F分数、AUROC、AUPRC	未明确提及
2072	2026-09-13	Hip prosthesis failure prediction through radiological deep sequence learning 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105802 PMID:39884035	研究论文	本研究开发了结合卷积神经网络和循环网络的深度学习模型，利用多次术后X线平片序列预测髋关节假体失败	首次考虑使用多个纵向X线平片序列而非仅最后一张图像，结合时空信息进行髋关节假体失败预测	外部验证队列仅14名患者，样本量较小	开发人工智能模型，从多次连续X线平片中预测髋关节植入物失败	224名患者的模型开发队列和14名患者的平衡外部验证队列，使用每位患者2-3张前后位X线平片序列	医学影像分析	骨科疾病	X线平片	CNN, GRU, LSTM	图像	224名患者用于模型开发，14名患者用于外部验证	NA	DenseNet, 自编码器, GRU, LSTM	阳性预测值(PPV), F1分数, 准确率	NA
2073	2026-09-13	Deep learning based prediction of depression and anxiety in patients with type 2 diabetes mellitus using regional electronic health records 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105801 PMID:39889672	研究论文	使用区域电子健康记录数据开发并验证深度学习模型REDAPM，用于预测2型糖尿病患者的抑郁和焦虑	利用区域异构电子健康记录数据，结合结构化和非结构化数据，捕捉临床事件的时间依赖性，开发了REDAPM模型	外部验证性能下降（ROC-AUC从0.9029降至0.7360），表明模型泛化能力有限	开发和验证一个深度学习模型，利用区域电子健康记录数据预测2型糖尿病患者的抑郁和焦虑	2型糖尿病患者	机器学习	肺癌	NA	CNN, LSTM	文本, 结构化数据	内部验证数据集24,724名患者，外部验证数据集34,340名患者	NA	REDAPM	ROC-AUC, PR-AUC	NA
2074	2026-09-13	A deep learning model for QRS delineation in organized rhythms during in-hospital cardiac arrest 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105803 PMID:39891984	研究论文	本文提出了一种基于深度学习的新模型，用于在院内心脏骤停期间对组织化心律的QRS波群进行精确 delineation	针对心脏骤停心律，传统QRS delineation算法未经过测试，本文首次引入深度学习模型（U-Net）实现精确 delineation	未明确提及	开发一种基于深度学习的模型，准确 delineate 院内心脏骤停患者组织化心律中的QRS波群	院内心脏骤停患者和血流动力学稳定患者的心电图信号	数字病理学	心血管疾病	心电图	CNN	信号	332例院内心脏骤停发作（151815个QRS波群）和105例血流动力学稳定患者（112497个QRS波群）	NA	U-Net	F1分数, 灵敏度, 特异性, 交并比, QRSon误差, QRSoff误差	NA
2075	2026-09-13	Deep learning and machine learning in CT-based COPD diagnosis: Systematic review and meta-analysis 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105812 PMID:39891985	系统综述与meta分析	本研究系统综述并meta分析了基于CT图像的深度学习和机器学习模型在慢性阻塞性肺疾病（COPD）诊断中的性能	首次对基于CT的COPD人工智能诊断模型进行系统综述和meta分析，定量评估了深度学习与机器学习模型的诊断效能，并探讨了多实例学习机制对深度学习模型性能的影响	纳入研究间存在异质性，部分研究未报告或无法计算完整的统计指标，仅15项研究纳入meta分析，多实例学习机制的增益未达到统计学显著性	定量分析人工智能模型在COPD患者CT图像中的诊断性能，促进相关研究发展	COPD患者的CT图像及基于此的AI诊断模型	医学影像分析	慢性阻塞性肺疾病	CT影像	CNN, 机器学习	图像	22项研究符合纳入标准，其中15项纳入meta分析，共涉及22,817名患者	NA	NA	灵敏度, 特异度, 曲线下面积（AUC）, 汇总受试者工作特征曲线（SROC）	NA
2076	2026-09-13	An interpretable hybrid machine learning approach for predicting three-month unfavorable outcomes in patients with acute ischemic stroke 2025-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.105807 PMID:39923294	研究论文	该研究开发了一种可解释的混合机器学习模型，利用30个易于获取的临床变量，预测急性缺血性卒中患者三个月的不良结局	采用25种模型和14种评估指标的聚类分析策略进行客观模型筛选；结合XGBoost与CatBoost的集成建模并通过代价曲线调整决策阈值；利用SHAP图提供特征重要性和交互效应的可视化解释；构建了面向AIS患者三个月预后预测的实用平台	摘要中未明确提及研究的局限性	开发可解释的混合机器学习模型，准确预测急性缺血性卒中患者三个月的不良结局	急性缺血性卒中患者	机器学习	卒中	NA	XGBoost, CatBoost, 集成学习	表格数据（临床数据）	训练集731例，内部验证集1045例中不良结局389例，外部验证集411例中不良结局161例	NA	XGBoost, CatBoost	PRAUC, ROCAUC, 特异性, 平衡准确率, MCC	NA
2077	2026-09-13	SpaMask: Dual masking graph autoencoder with contrastive learning for spatial transcriptomics 2025-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012881 PMID:40179332	研究论文	提出SpaMask，一种双掩码图自编码器与对比学习相结合的方法，用于空间转录组数据分析中的空间域识别。	首次在空间转录组分析中同时采用节点掩码和边掩码的双重掩码机制，结合掩码图自编码器与掩码图对比学习，增强了模型对高稀疏数据的鲁棒性和聚类准确性。	未明确说明计算资源需求，且仅在八套数据集上验证，泛化性有待进一步评估。	解决空间转录组数据高稀疏性导致的图深度学习模型不稳定的问题，提升空间域识别的准确性和鲁棒性。	空间转录组数据中的斑点节点及其空间邻接关系。	机器学习	NA	空间转录组学	图自编码器, 对比学习	空间转录组数据	来自五个不同平台的八个数据集	NA	掩码图自编码器, 掩码图对比学习	聚类准确率, 批次校正效果	NA
2078	2026-09-13	Cleavage-stage embryo segmentation using SAM-based dual branch pipeline: development and evaluation with the CleavageEmbryo dataset 2025-03-29, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae617 PMID:39423150	研究论文	本文提出了一种基于SAM的双分支分割流程，用于自动分割卵裂期胚胎中的卵裂球和碎片，并构建了首个具有像素级标注的CleavageEmbryo数据集	提出了基于SAM的双分支分割流程，分别进行卵裂球的实例分割和碎片的语义分割；构建了首个包含碎片信息、像素级标注的人类卵裂期胚胎数据集CleavageEmbryo	未明确提及	开发自动化方法分割卵裂期胚胎，以改进体外受精中的胚胎选择过程	人类卵裂期胚胎	医学图像分割	不孕不育	NA	SAM	图像	NA	NA	SAM	mAP, Dice	NA
2079	2026-09-13	SP-DTI: subpocket-informed transformer for drug-target interaction prediction 2025-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf011 PMID:39798127	研究论文	提出了一种基于子口袋信息的Transformer模型SP-DTI，用于药物-靶点相互作用预测，通过整合预训练语言模型和图神经网络提升泛化能力。	利用CAVIAR进行子口袋分析，结合全局和局部相互作用建模；将预训练语言模型集成到图神经网络中编码药物和蛋白质，增强对未标记数据的泛化能力。	未明确说明模型的计算复杂度、对大规模数据的可扩展性以及在其他类型靶点上的泛化能力。	提高药物-靶点相互作用预测的准确性和泛化能力，特别是在未见过的蛋白质和跨域设置下。	药物化合物和蛋白质靶点。	机器学习	NA	子口袋分析、预训练语言模型、图神经网络	Transformer、图神经网络	图数据、文本数据	NA	NA	Transformer、图神经网络	AUC	NA
2080	2026-09-13	MetAssimulo 2.0: a web app for simulating realistic 1D and 2D metabolomic 1H NMR spectra 2025-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf045 PMID:39862393	研究论文	本文介绍了MetAssimulo 2.0，一个基于Python的网页应用，用于模拟真实的1D和2D代谢组学1H NMR谱图	将MetAssimulo 1.0升级为基于Python的网页应用；将模拟功能从人类尿液1D 1H谱图扩展到尿液、血液和脑脊液；通过引入广泛的蛋白质背景增强血液谱图的真实性，与真实血液谱图的Pearson相关性达到约0.82；新增2D J分辨谱和相关谱的模拟能力；支持模拟单个和成组的谱图，涵盖离散和连续结果变量，并包含代谢物间相关性	NA	开发一个能够模拟真实1D和2D代谢组学1H NMR谱图的工具，以解决标记谱图数据有限的问题，支持深度学习算法的开发	人类尿液、血液和脑脊液的代谢组学1H NMR谱图	机器学习	NA	NMR波谱模拟	NA	谱图数据	NA	NA	NA	Pearson相关系数	NA