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
3501	2026-08-21	Harnessing deep learning for SNP-based disease prediction in genomics 2024-Jul-04, International journal of information technology : an official journal of Bharati Vidyapeeth's Institute of Computer Applications and Management DOI:10.1007/s41870-025-02624-8 PMID:40822924	研究论文	本研究探讨了利用深度学习模型从单核苷酸多态性（SNP）数据预测疾病状态的方法	本研究的新颖之处在于对所有数据集应用了标准化的预处理、特征选择和模型训练流程，从而能够直接且公平地比较模型性能	未明确提及，但可能包括数据集规模有限、泛化能力待验证等	研究目的是利用深度学习模型从SNP数据中预测疾病状态，并比较不同模型架构的性能	研究对象为八个GEO数据集中的SNP基因型数据及其对应的疾病状态	机器学习	未明确指定，泛指多种疾病	SNP基因分型	前馈网络、自编码器、CNN、RNN	基因型数据（SNP）	八个GEO数据集，具体样本量未说明	未明确提及	前馈网络、自编码器、CNN、RNN	未明确提及，可能包括准确率、AUC等	未明确提及
3502	2026-08-21	The human hypothalamus coordinates switching between different survival actions 2024-06, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3002624 PMID:38941452	研究论文	本研究通过虚拟掠食者与猎物互动范式，利用深度学习分割和功能磁共振成像，首次揭示人类下丘脑在切换生存行为（狩猎与逃跑）中的协调作用。	首次识别人类下丘脑在生存行为切换中的作用，结合深度学习分割、优化成像序列和模型-based fMRI分析，展示了多体素连接性及预测性行为协调。	未明确提及，但样本量有限（假设），且依赖虚拟场景可能影响生态效度。	探究人类下丘脑在生存行为切换中的具体作用及其神经机制。	人类志愿者，下丘脑及其亚核，以及相关脑区（海马、导水管周围灰质、杏仁核）。	神经科学	NA	功能磁共振成像（fMRI），深度学习分割	计算模型	影像数据（MRI），行为数据	两个实验，具体志愿者数量未提及	NA	深度学习分割模型（具体未指定）	参数解码准确率（基于计算模型参数）	未提及
3503	2026-08-21	A Systematic Review of Natural Language Processing Methods and Applications in Thyroidology 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.007 PMID:38938930	综述	系统回顾了自然语言处理在甲状腺相关疾病中的应用，总结了当前挑战和未来方向	首次系统性地综述了NLP在甲状腺学中的应用，包括方法、应用、条件、数据来源、性能指标和发展阶段	纳入研究的NLP应用缺乏外部验证，且尚无应用进入临床实践；存在临床文档不一致和模型可移植性等问题	综述自然语言处理在甲状腺相关疾病中的应用，并总结挑战与未来方向	2012年1月1日至2022年11月4日发表的英文NLP应用于甲状腺条件的研究，并补充至2023年4月1日	自然语言处理	甲状腺结节、甲状腺癌、功能性或自身免疫性甲状腺疾病	NA	深度学习、规则基础、传统机器学习、混合方法	电子健康记录、影像报告、健康论坛、医学文献数据库、基因组数据库	24项合格研究	NA	NA	性能指标（具体未指明）	NA
3504	2026-08-21	S-Net: an S-shaped network for nodule detection in 3D CT images 2024-04-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2b96 PMID:38382097	研究论文	提出了一种名为S-Net的S形网络，用于3D CT图像中的肺结节检测，以提高早期肺癌诊断的准确性	针对现有检测网络结构自身的缺点，采用U形网络作为骨干，引入信息融合分支传播低层细节和位置信息，采用头共享尺度自适应检测策略捕获不同尺度信息，并利用特征解耦检测头使分类和回归分支专注于各自所需信息	未在摘要中明确提及研究的局限性	开发一种基于深度学习的肺结节检测算法，以改善早期肺癌诊断的准确性	肺结节，3D CT图像	计算机视觉	肺癌	深度学习	S形网络（S-Net）	3D CT图像	LUNA16数据集（具体样本数量未提及）	NA	U-Net（作为骨干），ResSENet，SANet，OSAF-YOLOv3，MSANet（R+SC+ECA）	CPM分数	NA
3505	2026-08-21	Hybrid-supervised deep learning for domain transfer 3D protoacoustic image reconstruction 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3327 PMID:38471184	研究论文	本文开发了一种混合监督深度学习方法，用于解决质子治疗中三维原声成像的有限视角问题，实现实时剂量验证。	提出了一种两阶段重构-增强深度学习方法，包括基于Transformer的重构网络和3D U-net增强网络，采用混合监督训练策略，结合迭代重构监督、迁移学习和基于数据保真度的自监督。	未在摘要中明确提及局限性，但可能受限于数据集规模和特定患者群体。	解决原声成像中有限视角引起的伪影问题，实现实时三维剂量验证，以提高质子治疗的精度和效果。	126例前列腺癌患者的原声成像数据。	计算机视觉, 深度学习	前列腺癌	原声成像	Transformer, 3D U-net, 混合监督学习	图像, 原始声学信号	126例前列腺癌患者数据	未提及	Transformer, 3D U-net	均方根误差, 结构相似性指数, Gamma指数	未提及
3506	2026-08-21	Semi-supervised iterative adaptive network for low-dose CT sinogram recovery 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2ee7 PMID:38422540	研究论文	本文提出了一种半监督迭代自适应网络（SIA-Net），用于低剂量CT正弦图恢复，通过结合有标签和无标签数据，在统一框架中整合监督与无监督学习过程	SIA-Net创新性地将监督与无监督学习结合在同一网络中，利用未标记的低剂量正弦图信息，通过迭代自适应学习转移特征分布	未明确提及局限，但可能依赖于临床数据集的特定性，以及迭代过程可能增加计算复杂度	开发一种半监督方法用于低剂量CT成像，以减少辐射剂量并保持图像质量	低剂量CT正弦图及其对应的标准剂量图像，以及仅低剂量的正弦图	医学图像处理	不适用	CT成像	迭代自适应网络	正弦图	两个临床数据集	未指定	未指定具体架构	噪声降低和结构保持的竞争性表现	未指定
3507	2026-08-21	Hierarchical decomposed dual-domain deep learning for sparse-view CT reconstruction 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad31c7 PMID:38457843	研究论文	提出一种基于层次化分解的双域深度学习框架，用于稀疏视图CT重建，以提升重建质量和降低辐射剂量	利用深度卷积框架理论（DCF）和测量的层次化分解，揭示了传统图像域和投影域深度学习方法的局限性，并提出新的双域深度学习框架	未明确提及	为稀疏视图CT重建提供理论上合理的深度学习方法，实现高质量重建和低辐射剂量	稀疏视图CT重建中的投影数据及图像	计算机视觉、医学影像处理	不适用	稀疏视图CT成像	深度学习网络（基于深度卷积框架）	CT投影数据及图像	未明确提及	PyTorch（推测，因其GitHub链接）	神经网络结构（未具体指定，但可能有U-Net或类似）	重建质量指标（如PSNR、SSIM等，但未明确列出）	未明确提及
3508	2026-08-21	Multi-scale adversarial learning with difficult region supervision learning models for primary tumor segmentation 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3321 PMID:38471170	研究论文	本文提出了一种结合多尺度对抗学习和困难区域监督学习的级联方法，用于肿瘤分割，以提高分割精度。	创新点在于将多尺度对抗学习与困难区域监督学习相结合，并采用级联的粗到细策略，将复杂的多分类分割问题转化为多个简单的二分类问题，同时提出MSALDS-UNet模型，在解码路径上应用多个判别器以实现多尺度对抗学习，并引入困难区域监督损失以有效处理模糊边界等难分割区域。	未在摘要中明确提及局限性。	开发一种精确的肿瘤分割方法，以应对肿瘤形状多样、类型复杂和空间分布不可预测等挑战。	肿瘤区域，具体包括肾脏肿瘤、脑肿瘤和胰腺肿瘤。	计算机视觉	肿瘤	深度学习	生成对抗网络（GAN）	医学影像	三个独立的公共数据库：KiTS21、MSD的脑和胰腺数据集	NA	UNet（MSALDS-UNet）	Dice相似系数、Jaccard相似系数、HD95	NA
3509	2026-08-21	Spectrum learning for super-resolution tomographic reconstruction 2024-04-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a94 PMID:38373346	研究论文	提出一种名为频谱学习（SPEAR）网络的深度学习新方法，用于CT图像超分辨率重建，结合图像域全局信息和频率域高频信息以提高重建质量。	利用频谱对称性减少频率域权重参数，并引入频谱损失以同时保留高频成分和全局信息。	未提及	开发一种改进的超分辨率技术，能够保留小结构和细节，同时有效捕获高频信息。	CT图像（低分辨率与高分辨率图像对，以及低剂量与正常剂量图像对）	计算机视觉	不适用	CT成像	深度学习网络（SPEAR）	图像	未提及	未提及	SPEAR网络	图像重建质量	未提及
3510	2026-08-21	De novo generation of dual-target ligands for the treatment of SARS-CoV-2 using deep learning, virtual screening, and molecular dynamic simulations 2024-04, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2234481 PMID:37449757	研究论文	开发了一种用于SARS-CoV-2双靶点配体全新生成的深度学习框架，结合虚拟筛选和分子动力学模拟，生成的新分子对PLpro和3CLpro靶点具有高结合亲和力。	提出了双靶点配体生成网络，利用序列型SMILES生成器通过随机策略探索化学空间，并实现了针对两个不同靶点的全新药物分子生成。	未明确提及，但可能包括对生成分子实验验证的缺乏以及仅依赖计算预测。	利用深度学习生成具有双靶点生物活性的新型化合物，用于SARS-CoV-2治疗。	SARS-CoV-2的PLpro和3CLpro两个药物靶点。	机器学习	COVID-19	深度学习、虚拟筛选、分子动力学模拟	生成模型	化学分子SMILES序列	未明确提供，涉及SARS-CoV-2靶点分子数据集。	未明确提及，可能包括深度学习框架如TensorFlow或PyTorch。	未明确指定，可能为基于RNN或Transformer的生成模型。	结合亲和力、虚拟筛选得分，与瑞德西韦比较。	未明确提及。
3511	2026-08-21	HGCMorph: joint discontinuity-preserving and pose-learning via GNN and capsule networks for deformable medical images registration 2024-03-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a96 PMID:38373349	研究论文	提出了一种结合卷积网络、图神经网络和胶囊网络的混合深度学习架构HGCMorph，用于变形医学图像配准，旨在提高配准精度和效率，并处理旋转配准问题。	创新性地结合ConvNets、GNNs和CapsNets，同时捕捉低级特征（短程注意力）和抽象高级特征（实体属性如位置、大小、方向、变形和纹理），实现不连续性保留和姿势学习。	摘要中未明确提及局限性。	通过开发新型架构，克服现有基于U-Net、ConvNets或Transformers的配准方法的局限性，提高医学图像配准的准确性和效率，并处理旋转配准问题。	医学图像，包括脑部数据集（OASIS和LPBA40）和肺部数据集（日本放射学会、Montgomery和Shenzhen）。	医学图像分析	不适用（未指定特定疾病）	深度学习	GNN, 胶囊网络, ConvNets	图像	OASIS和LPBA40数据集，具体样本数未提及；肺部数据集包括日本放射学会、Montgomery和Shenzhen。	未提及	混合框架，包含ConvNets, GNNs, CapsNets	Dice分数（DSC），负雅可比行列式	未提及
3512	2026-08-21	Highly robust reconstruction framework for three-dimensional optical imaging based on physical model constrained neural networks 2024-03-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2ca3 PMID:38394682	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3513	2026-08-21	Synthetic CT imaging for PET monitoring in proton therapy: a simulation study 2024-03-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a99 PMID:38373343	研究论文	本研究探讨了质子治疗中束内正电子发射断层扫描（IB-PET）的基本局限性，即图像缺乏直接解剖表示，并通过应用深度学习技术从IB-PET和计划CT扫描数据创建合成对照CT图像（sCT）来克服这一缺陷。	创新点在于首次将深度学习技术应用于质子治疗中的IB-PET，通过结合IB-PET和计划CT数据生成合成CT图像，以揭示隐藏的解剖信息。	研究仅基于模拟数据，涉及六名患者，且未提及计算资源的具体信息。	旨在开发一种基于视觉变换器（ViT）的深度学习模型，从IB-PET和计划CT扫描中生成合成CT图像，以提高质子治疗中的解剖可视化。	研究对象是接受质子束照射的六名患者，使用他们的计划CT扫描和模拟的分数间PET活动图。	医学影像，深度学习	不适用	模拟IB-PET成像，使用计划CT扫描和PET活动图	视觉变换器（ViT）神经网络	医学图像（CT和PET）	六名患者	不适用	视觉变换器（ViT）	结构相似性指数（SSIM）、平均绝对误差（MAE）、均方根误差（RMSE）、峰值信噪比（PSNR）、Dice相似系数（DSC）	不适用
3514	2026-08-21	Radioport: a radiomics-reporting network for interpretable deep learning in BI-RADS classification of mammographic calcification 2024-03-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a95 PMID:38373345	研究论文	提出一种名为Radioport的放射组学报告网络，通过结合文本注意力机制增强深度学习放射组学在乳腺钼靶钙化诊断中的可解释性	创新性地将文本注意力机制融入放射组学报告网络，实现视觉特征与文本特征的映射，自动生成诊断报告，提升深度学习模型的可解释性和报告可读性	未在摘要中明确提及局限性	提高深度学习放射组学在乳腺钼靶钙化诊断中的可解释性，并改善生成医学报告的可读性	乳腺钼靶图像及其对应的诊断报告	计算机视觉	乳腺疾病	深度学习放射组学	卷积神经网络	图像和文本	未在摘要中明确提及样本数量	未在摘要中明确提及框架	卷积神经网络	未在摘要中明确提及性能指标	未在摘要中明确提及计算资源
3515	2026-08-21	A multi-modal vision-language pipeline strategy for contour quality assurance and adaptive optimization 2024-03-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a97 PMID:38373347	研究论文	提出了一种多模态视觉-语言流水线策略，用于放疗中器官危及器官轮廓的质量保证和自适应优化修正	创新性地结合了质量保证模块、不可接受轮廓分类模块和自适应修正模块，利用视觉-语言表示和凸优化算法实现轮廓的自适应修正	未在摘要中提及	自动化识别和修正深度学习生成的错误自动分割轮廓，提高放疗中危及器官勾画的工作流程效率	来自九个机构的586张CT图像和标签，包括脑干、腮腺和下颌骨等危及器官	计算机视觉、机器学习	放射治疗相关的肿瘤疾病	深度学习、凸优化	视觉-语言模型	CT图像及相应标签	586个CT图像和标签	未提及	视觉-语言表示模型	敏感性、准确率、精确率、F1分数、Dice相似系数、豪斯多夫距离	未提及
3516	2026-08-21	Riboformer: a deep learning framework for predicting context-dependent translation dynamics 2024-03-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46241-8 PMID:38443396	研究论文	本文介绍了Riboformer，一个基于深度学习的框架，用于预测翻译动力学中的上下文依赖性变化。	Riboformer采用Transformer架构，能够在密码子分辨率下准确预测核糖体密度，并能在未见过的数据集中纠正实验伪影，同时结合in silico突变识别导致核糖体停滞的序列基序。	本文未提及明显的局限性，但可能依赖高质量训练数据，且对特定生物学上下文的适用性需进一步验证。	建模翻译动力学中的上下文依赖性变化，标准化核糖体图谱数据集，并揭示翻译调控的机制。	核糖体图谱数据，包括来自不同生物背景（如老化和病毒感染）的核糖体密度图谱。	深度学习	老化相关疾病和病毒感染相关疾病	核糖体图谱	Transformer	基因组尺度下的核糖体密度数据	未在标题和摘要中明确提及具体样本数量。	未明确提及，可能涉及PyTorch或TensorFlow，但文中未指定。	Transformer	准确性，可能包括均方误差或相关系数，但文中未具体列出。	未在标题和摘要中提及。
3517	2026-08-21	Enhancing the fairness of AI prediction models by Quasi-Pareto improvement among heterogeneous thyroid nodule population 2024-03-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-44906-y PMID:38438371	研究论文	本文提出了一种基于准帕累托改进（QPI）的深度学习方法，以增强甲状腺结节 AI 预测模型在不同亚组间的公平性，同时保持整体性能。	将准帕累托改进（QPI）与多任务学习和领域自适应相结合，提出 QP-Net 模型，在不牺牲整体性能的前提下改善劣势亚组的性能，并验证了其在多个公开数据集上的泛化能力。	摘要中未明确提及局限性。	提高 AI 医疗诊断模型在异质性人群中的公平性，减少因样本量不平衡导致的性能差异。	甲状腺超声数据集中的亚组人群，以及 ISIC2019 皮肤疾病数据集和 CheXpert 胸部 X 光数据集中的对应亚组。	医学影像分析	甲状腺结节、皮肤病、胸部疾病	超声成像、皮肤影像、胸部X光	深度学习模型	图像	包含甲状腺超声大型数据集，以及两个公开数据集（ISIC2019 和 CheXpert），具体样本量未在摘要中提供。	未明确指定，可能使用常见的深度学习框架，如 PyTorch 或 TensorFlow。	QP-Net（结合多任务学习和领域自适应，可能基于卷积神经网络架构）	AUC（曲线下面积）	未在摘要中提及。
3518	2026-08-21	Linear motifs regulating protein secretion, sorting and autophagy in Leishmania parasites are diverged with respect to their host equivalents 2024-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011902 PMID:38363808	研究论文	本研究深入探索了利什曼原虫中三个关键靶向短线性基序系统及其受体，结合结构建模、进化序列差异和深度学习，揭示了它们与宿主对应物的差异，并构建了预测未表征蛋白质定位和功能的模型	首次系统性地揭示了利什曼原虫中分泌信号肽、ER滞留基序和自噬信号基序与其宿主对应物的分岐，并发现了富含Ala/Val的分泌信号肽和C端Asp-Leu-COOH的ER驻留蛋白等独特分子特征，这些特征可作为选择性抗利什曼病药物的潜在靶点	未提供具体实验验证或大规模数据集，具体样本大小和计算资源未描述，可能限制模型预测的泛化能力	通过进化、结构和深度学习分析，理解利什曼原虫中分泌、分选和自噬相关的短线性基序系统，并开发预测工具以识别潜在药物靶点	利什曼原虫中的分泌信号肽、ER滞留基序（KDEL）、自噬信号基序（与ATG8家族相互作用）及其受体	结构生物学、进化生物学、深度学习	利什曼病	结构建模、进化序列差异分析、深度学习	深度学习模型（具体类型未提及）	蛋白质序列和结构数据	未明确提及样本数量	NA	NA	NA	NA
3519	2026-08-21	Denoising diffusion probabilistic models for generation of realistic fully-annotated microscopy image datasets 2024-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011890 PMID:38377165	研究论文	本研究展示了去噪扩散概率模型能够通过无监督和直观的方法，以粗略的结构草图作为起点，生成完全标注的显微镜图像数据集。	提出了一种基于扩散模型的流水线，仅需粗略草图即可生成完全标注的显微镜图像，减少了深度学习方法中手动标注的依赖。	未明确提及局限性。	减少深度学习分割方法对手动标注数据的依赖，实现无需人工标注即可分割多样化数据集。	显微镜图像及相应的分割模型。	计算机视觉	不适用	不适用	去噪扩散概率模型	图像	不适用	不适用	不适用	准确率	不适用
3520	2026-08-21	Disentangled deep generative models reveal coding principles of the human face processing network 2024-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011887 PMID:38408105	研究论文	本文介绍了一种使用解纠缠深度生成模型解释人类面部处理网络编码原理的方法。	提出了一种利用解纠缠表示学习模型来无监督地学习面部语义维度，并用于解释人类fMRI数据的新方法，提高了模型的可解释性。	未提及明显的局限性，但可能包括解纠缠维度中的少数不可解释维度仍需进一步研究。	揭示人类面部处理网络的计算原理，并提供一种可解释的深度学习模型来模拟和解释大脑数据。	人类面部处理网络，面部特征（如旋转、光照、发型等），以及人类fMRI数据。	机器学习	NA	fMRI	解纠缠生成模型	图像和fMRI数据	未提及具体样本数量	NA	解纠缠表示学习模型	未明确提及，但可能包括编码模型的预测性能指标	NA