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
301	2026-04-25	A deep learning pipeline for accurate and automated restoration, segmentation, and quantification of dendritic spines 2025-Oct-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2025.101179 PMID:40972567	研究论文	提出一个集成深度学习用于图像恢复、分割和分析的开源管道RESPAN，实现树突棘的自动、准确恢复、分割和量化	通过内容感知恢复增强信号、对比度和各向同性分辨率，提升在弱信号数据集（如快速体积成像和体内双光子显微镜）中的鲁棒检测能力，并整合多种高级功能于用户友好界面	NA	开发自动化和准确的树突棘量化工具，简化现有软件组合的复杂流程	树突棘、树突分支和胞体的显微图像	计算机视觉	NA	双光子显微镜、快速体积成像	深度学习	图像	NA	NA	内容感知恢复网络	准确性、可重复性	NA
302	2026-04-25	All-at-once RNA folding with 3D motif prediction framed by evolutionary information 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02833-w PMID:41044256	研究论文	提出一种名为CaCoFold-R3D的概率语法模型，联合预测RNA的三维基序与二级结构	首次将超过50种已知RNA三维基序的预测与二级结构整合到单一概率语法中，并利用进化信息同时识别规范螺旋（包括假结）和基序	未明确提及，但可能依赖于高质量的序列比对，且基序列表的完整性和新基序发现有待进一步验证	开发一种快速、可定制的RNA三维结构预测方法，用于指导RNA设计和药物靶点发现	RNA序列或比对数据中的三维基序和二级结构	机器学习	NA	RNA-seq	概率语法模型	序列数据	超过50种已知RNA三维基序	NA	R3D语法	NA	NA
303	2026-04-25	mamp-ml: A deep learning approach to epitope immunogenicity in plants 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.11.664399 PMID:40791437	研究论文	提出一种基于深度学习的mamp-ml框架，用于预测植物受体-配体免疫原性	利用大蛋白语言模型ESM-2结合受体-配体特征，实现了无实验结构情况下的高精度免疫原性预测，支持高通量筛选	预测准确率为73%，仍有提升空间；主要针对LRR类受体-配体组合，泛化性有待验证	开发机器学习方法预测植物受体-配体免疫原性，加速植物免疫系统工程	植物表面受体及其病原体配体，重点关注LRR类受体	机器学习	NA	蛋白质语言模型ESM-2	深度学习模型（具体架构未提及）	序列数据（受体和配体特征）	NA	NA	NA	准确率	NA
304	2025-02-22	Author Correction: Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker 2025-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-90514-1 PMID:39979555	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
305	2026-04-25	Deep learning assists early-detection of hypertension-mediated heart change on ECG signals 2025-02, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-024-01938-7 PMID:39394520	研究论文	设计深度学习模型从心电图信号中预测高血压并识别相关心电片段	提出多分支多尺度LSTM网络MML-Net和心电导向波对齐可解释人工智能管道ECG-XAI，用于早期检测高血压介导的心脏变化	未在外部多中心数据集上验证，且模型解释仅聚焦于P波和R波	探索利用心电图信号早期检测高血压引起的心脏结构变化	心电图信号及高血压患者的心脏变化	机器学习, 数字健康	心血管疾病, 高血压	心电图	LSTM	信号	210,120份10秒12导联心电图（来自FUKUDA FX-8322）和812份心电图（来自NALONG RAGE-12）	PyTorch	MML-Net（多分支多尺度LSTM）	召回率, 精确率	NA
306	2026-04-25	Graph based recurrent network for context specific synthetic lethality prediction 2025-02, Science China. Life sciences DOI:10.1007/s11427-023-2618-y PMID:39422810	研究论文	提出基于图循环网络的模型用于上下文特异性合成致死预测	引入图循环网络编码器获取上下文特异性低维特征表示，利用门控循环单元集成上下文相关状态信息	未提及具体限制，但方法依赖遗传上下文信息，可能对缺乏上下文数据的场景适应性有限	预测具有治疗潜力的合成致死相互作用，特别是上下文依赖性的SL关系	合成致死相互作用及其遗传上下文依赖性	机器学习	癌症	NA	图循环网络	基因组相互作用数据	NA	NA	图循环网络，门控循环单元	NA	NA
307	2026-04-25	Clinical Relevance of Computational Pathology Analysis of Interplay between Kidney Microvasculature and Interstitial Microenvironment 2025-Feb-01, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000597 PMID:39714939	研究论文	利用计算病理学分析肾脏微血管与间质微环境相互作用在肾小球疾病进展中的临床相关性	首次揭示肾小管周围毛细血管与间质纤维化/肾小管萎缩区域的空间和形态特征之间的相互作用，并识别出新型数字生物标志物用于预测疾病进展	样本量有限（344例），且未在独立外部队列中验证结果	评估肾小管周围毛细血管特征与其间质微环境相互作用在肾小球疾病进展中的临床相关性，并识别新型数字生物标志物	肾小球疾病患者（包括微小病变肾病、局灶节段性肾小球硬化、膜性肾病和IgA肾病）的肾脏活检组织切片	数字病理学	肾小球疾病	深度学习模型、全玻片成像、计算病理学分析	深度学习模型、机器学习模型	病理图像	344例肾小球疾病患者（112例微小病变肾病、134例局灶节段性肾小球硬化、61例膜性肾病、37例IgA肾病）	NA	NA	NA	NA
308	2026-04-25	Volumetric analysis of acute uncomplicated type B aortic dissection using an automated deep learning aortic zone segmentation model 2024-10, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.06.001 PMID:38851467	研究论文	基于深度学习的自动主动脉区域分割模型用于急性非复杂性B型主动脉夹层的体积分析	首次将深度学习分割模型应用于基于SVS/STS定义的主动脉区域，并实现自动体积分析	样本量有限（59例患者）且未发现主动脉生长速率与基线体积的关联，模型性能在不同区域存在差异	建立自动机器学习主动脉区域分割模型，比较不同主动脉生长速率患者的区域体积变化	急性非复杂性B型主动脉夹层（auTBAD）患者	机器学习	主动脉夹层	CT血管成像（CTA）	深度学习分割模型	CT图像	59例auTBAD患者	开源医学图像分析软件（未指定具体框架）	细分为9个主动脉区域的分割网络（未指定具体架构，如U-Net等）	Dice系数	NA
309	2026-04-25	Deep learning-enabled high-speed, multi-parameter diffuse optical tomography 2024-07, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076004 PMID:39035576	研究论文	利用深度学习实现高速、多参数扩散光学层析成像，用于乳腺肿瘤表征	首次将深度学习应用于频域扩散光学层析成像的同时吸收系数和散射系数三维重建，实现高速高保真重建，将重建时间从3.8分钟缩短至0.02秒	研究仅使用模拟数据测试，实验验证仅针对两个模拟肿瘤的光学幻影，临床实际应用仍需进一步验证	开发基于深度学习的频域扩散光学层析成像技术，实现手持探头实时成像，改善乳腺肿瘤表征	乳腺组织的光学吸收系数和散射系数三维重建	机器学习	乳腺癌	频域扩散光学层析成像	深度学习模型	模拟光学数据集和实验光学幻影数据	300个模拟组织幻影用于测试，2个肿瘤模拟光学幻影用于实验验证	PyTorch	NA	均方根误差、空间相似性、异常对比度精度、串扰	NA
310	2026-04-25	Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization 2024-Feb-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2310012121 PMID:38377194	research paper	利用时空深度神经网络模型揭示人类功能脑组织中可复制、可泛化且与行为相关的性别差异	首次通过时空深度神经网络模型从大规模多会话数据中揭示稳定的性别差异，并结合可解释人工智能分析将脑特征与认知能力关联，挑战了男女脑组织连续谱的观点	NA	验证人类功能脑组织中性别差异的稳健性和行为相关性	年轻成年人的功能磁共振成像数据	machine learning	NA	功能磁共振成像	时空深度神经网络	图像	约1500名20至35岁的年轻成年人	NA	时空深度神经网络	准确率、交叉验证准确率、效应量	NA
311	2026-04-25	[Identification model of tooth number abnormalities on pediatric panoramic radiographs based on deep learning] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230831-00128 PMID:37885185	研究论文	基于深度学习开发儿童全景X光片中牙齿数目异常的识别模型	首次应用ResNet-50作为骨干网络的深度学习模型，在儿科全景X光片上自动识别额外牙并定位缺失恒牙，辅助诊断牙齿数目异常	未提及限制	基于深度学习识别儿科全景X光片的牙齿数目异常	4至11岁儿童的全景X光片	计算机视觉	儿童牙齿数目异常	全景X光成像	卷积神经网络（CNN）	图像	共1707张全景X光片，其中训练集480张、验证集160张、内部测试集160张、外部测试集907张	PyTorch	ResNet-50	灵敏度、特异度、阳性预测值、阴性预测值、Kappa值	NA
312	2026-04-25	[Deep learning-assisted construction of three-dimensional face midsagittal plane based on point clouds] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230825-00110 PMID:37885192	研究论文	基于深度学习的点云三维面部中矢面自动构建方法	提出动态图配准网络（DGRNet）实现智能配准，以构建三维面部中矢面，提高临床数字设计与分析效率	仅基于无明显面部畸形的患者数据，未探索严重畸形的适用性	建立智能配准算法，自动构建三维面部中矢面，为临床数字设计与分析提供参考	临床患者的面部点云数据	计算机视觉	无特定疾病	三维点云扫描	动态图配准网络（DGRNet）	点云数据	200名临床患者（2020年10月至2022年10月收集）	NA	DGRNet	决定系数（R），角度误差	NA
313	2026-04-25	Semantic segmentation of retinal exudates using a residual encoder-decoder architecture in diabetic retinopathy 2023-Nov, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24345 PMID:37194727	研究论文	本文提出一种基于残差编码器-解码器架构的视网膜渗出物语义分割方法，用于糖尿病视网膜病变筛查	采用残差跳连接减少参数数量，并对比多种深度卷积神经网络架构，在大幅降低模型复杂度的同时保持高分割精度	未提及模型在不同成像设备或不同种族人群中的泛化能力，也未讨论实时处理能力	开发计算机辅助诊断方法以实现视网膜渗出物的自动分割，辅助糖尿病视网膜病变早期筛查	视网膜眼底图像中的渗出物病变区域	计算机视觉, 数字病理学	糖尿病视网膜病变	眼底照相	卷积神经网络, 残差网络	图像	三个基准数据库：E-ophtha, DIARETDB1, Hamilton眼科研究所黄斑水肿数据库	NA	残差编码器-解码器架构	精确率, 准确率, 灵敏度, 特异度, AUC	NA
314	2026-04-25	Transfer learning enables predictions in network biology 2023-06, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06139-9 PMID:37258680	研究论文	开发了一种基于注意力机制的深度学习模型Geneformer，通过迁移学习在限量数据场景下预测基因网络	首次将大规模预训练深度学习模型（Geneformer）应用于网络生物学，通过自监督学习编码网络层次结构，支持限量数据下的下游任务微调	NA	利用迁移学习解决基因网络预测中数据稀缺的问题，加速发现网络关键调控因子和候选治疗靶点	基因网络和单细胞转录组数据	机器学习	心肌病	单细胞转录组测序	注意力神经网络	单细胞转录组数据	约3000万单细胞转录组样本	PyTorch	Geneformer（基于Transformer架构）	预测准确性	NA
315	2026-04-24	Deep learning-based segmentation of aneurysmal subarachnoid hemorrhage: toward accurate and scalable prognostic imaging 2026-Jul, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.111993 PMID:41871480	research paper	开发并评估用于动脉瘤性蛛网膜下腔出血自动分割的深度学习模型，并验证其预后价值	利用nnU-Net实现了对动脉瘤性出血（包括SAH、IPH和IVH）的自动分割，处理时间较手动减少97%，且自动分割的病灶体积预测六个月GOS的能力与手动分割相当	仅基于回顾性数据，且外部验证仅限于部分公开数据集，可能未充分涵盖不同临床场景的出血变异性	开发一种准确且可扩展的动脉瘤性出血自动分割方法，并评估其对预后预测的影响	动脉瘤性蛛网膜下腔出血、脑实质出血和脑室内出血的CT扫描图像	digital pathology	动脉瘤性蛛网膜下腔出血	CT扫描	CNN	图像	实验1: 356名患者；实验2: 530名患者；测试集: 89名出血病例	PyTorch	nnU-Net	Dice系数, 召回率, 组内相关系数类型3, 体积差异中位数, AUC	NA
316	2026-04-24	ConvCGP: A convolutional neural network to predict genetic values of agronomic traits from compressed genome-wide polymorphisms 2026-Jun, The plant genome DOI:10.1002/tpg2.70223 PMID:42003104	研究论文	提出一种名为ConvCGP的卷积神经网络框架，用于从压缩的全基因组多态性数据预测农艺性状的遗传值	将自编码器非线性压缩与卷积神经网络预测集成于端到端可训练流水线，即使仅保留2%原始特征也能保持预测精度	未在更广泛物种或非农艺性状（如人类疾病）中验证；极端压缩可能导致信息丢失；计算资源需求未明确定量	解决高维基因组数据预测中计算负担大、训练时间长的问题	水稻和玉米的高维全基因组多态性数据	机器学习	NA	全基因组多态性分析	卷积神经网络	基因组多态性数据	水稻数据集（高维）和玉米数据集（大规模）	TensorFlow或PyTorch（推测）	自编码器和卷积神经网络	预测精度	NA
317	2026-04-24	Machine learning and deep learning models for predicting colorectal cancer metastases: A comprehensive review 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100747 PMID:42022736	综述	对机器学习与深度学习模型在预测结直肠癌转移中的应用进行全面综述	系统性地比较了传统机器学习与深度学习模型（特别是卷积神经网络）在预测结直肠癌转移中的表现，着重分析了多模态数据整合和迁移学习的优势	综述关注了高质量数据集可用性、模型可解释性以及伦理问题等挑战，但未提供具体实验验证	总结机器学习与深度学习在早期预测结直肠癌转移方面的应用现状、挑战与未来方向	结直肠癌转移预测任务中使用的各类机器学习与深度学习模型	机器学习	结直肠癌	NA	CNN, LSTM, 逻辑回归, 随机森林	影像数据、临床数据、组织学数据、分子与基因组数据	NA	NA	GoogleNet, VGGNet, ResNet, U-Net	NA	NA
318	2026-04-24	Dataset of RGB images of healthy grapevine leaves and with downy mildew, powdery mildew, Esca complex, and erineum mite symptoms 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112743 PMID:42023017	research paper	提供了一组健康葡萄叶及分屬四種病害的高解析度RGB图像数据集，支持植物病理学、精准葡萄栽培和计算机视觉研究	该数据集包含三个葡萄牙葡萄品种的健康叶片和四种病害叶片的原位图像，涵盖不同葡萄园环境和管理实践，提供两种分辨率（3000×3000和1024×1024像素）用于机器学习研究	未明确说明	支持植物病理学、精准葡萄栽培和计算机视觉研究，用于疾病检测/分类、品种识别、精准农业及农业机器人	健康及患病葡萄叶片的RGB图像数据集	computer vision	NA	RGB图像采集	CNN	图像	多个葡萄叶片样本，包含健康和四种病害类别	NA	三种深度学习架构（未具体说明）	NA	NA
319	2026-04-24	Automated Classification of Cervical Spinal Stenosis Using Deep Learning on Computed Tomography Scans 2026-May-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005414 PMID:40458958	研究论文	基于深度学习的CT图像自动分类颈椎管狭窄症	首次利用CT图像结合深度学习模型实现颈椎管狭窄症的自动化诊断，并与不同经验医生的诊断结果进行比较，验证了模型在资源受限环境下的替代潜力	未提及具体局限性，但可能包括样本量、数据偏倚或多中心验证不足	开发并验证基于CT的深度学习模型用于诊断颈椎管狭窄症	颈椎管狭窄症患者的CT图像	计算机视觉	颈椎管狭窄症	CT成像	Faster R-CNN和卷积神经网络	图像	未明确，但提及CT图像按8:1:1比例划分为训练集、验证集和测试集	NA	Faster R-CNN, EfficientNet-b0, DenseNet-121, ResNet-101, EfficientNet-26d	准确率、F1分数、Cohen κ系数	NA
320	2026-04-24	Dual-model deep learning for Alzheimer's prognostication 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111672 PMID:41962454	研究论文	提出PROGRESS双模型深度学习框架，利用单次脑脊液生物标志物评估为阿尔茨海默病提供个性化预后估计，无需纵向临床观察	首次将单个基线CSF生物标志物转化为具有校准不确定性边界的预后估计，同时整合概率轨迹网络和深度生存模型，解决首次就诊时的治疗决策需求	NA	开发一种无需纵向临床观察即可在首次就诊时提供阿尔茨海默病预后估计的深度学习框架	阿尔茨海默病患者的脑脊液生物标志物数据，用于预测认知衰退参数和从轻度认知障碍到痴呆的转化时间	机器学习	阿尔茨海默病	CSF生物标志物检测	深度学习模型（概率轨迹网络和深度生存模型）	表格数据（CSF生物标志物测量值）	超过3000名参与者，来自43个阿尔茨海默病研究中心	NA	概率轨迹网络，深度生存模型	校准不确定性边界覆盖率，生存预测性能（与Cox比例风险、随机生存森林、梯度提升等方法比较），风险分层转换率差异	NA