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
3781	2025-02-24	Increasing angular sampling for dedicated cardiac single photon emission computed tomography scanner: Implementation with deep learning and validation with human data 2025-Jul, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102168 PMID:39986346	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3782	2026-02-22	Spatial multi-omics and deep learning reveal fingerprints of immunotherapy response and resistance in hepatocellular carcinoma 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.11.656869 PMID:40661489	研究论文	本研究通过空间多组学技术和深度学习框架，揭示了肝细胞癌免疫治疗响应和耐药性的分子特征	开发了一种可解释的多模态深度学习框架，结合空间转录组学和蛋白质组学数据，首次识别出免疫治疗响应和耐药性的空间多组学指纹	研究样本量有限，且仅针对肝细胞癌，未在其他癌症类型中验证	探索肝细胞癌免疫治疗响应和耐药性的机制，以改善患者分层和治疗策略	人类肝细胞癌组织样本，在免疫治疗前后收集	数字病理学	肝细胞癌	空间转录组学, 空间蛋白质组学	图神经网络	空间多组学数据	未明确指定样本数量	未明确指定	未明确指定	ROC-AUC	未明确指定
3783	2026-02-22	Pretrained Deep Neural Network Kin-SiM for Single-Molecule FRET Trace Idealization 2025-Jan-30, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.4c05276 PMID:39809573	研究论文	本文提出了一种名为Kin-SiM的深度学习框架，利用预训练的LSTM网络自动化单分子FRET轨迹的理想化处理	使用预训练的LSTM网络自动化smFRET轨迹理想化，无需用户输入马尔可夫假设，减少了手动干预和偏差风险	未在真实世界数据上进行广泛验证，性能评估主要基于基准数据集	开发一种自动化方法用于单分子FRET轨迹的理想化分析	单分子荧光共振能量转移（smFRET）时间轨迹	机器学习	NA	单分子荧光共振能量转移（smFRET）	LSTM	多维FRET轨迹（模拟数据）	NA	NA	LSTM	NA	NA
3784	2026-02-22	Data Science Opportunities To Improve Radiotherapy Planning and Clinical Decision Making 2024-10, Seminars in radiation oncology IF:2.6Q2 DOI:10.1016/j.semradonc.2024.07.012 PMID:39271273	综述	本文探讨了数据科学在优化放疗计划和临床决策中的应用前景	提出结合深度学习与多源数据（如基因组学、影像组学和剂量组学）来改进预测模型，并引入“数字孪生”概念以指导自适应放疗	NA	提升放疗的个性化治疗水平，通过整合数据科学方法优化肿瘤控制与正常组织保护	放疗患者及其相关数据（如肿瘤基因组、影像数据和剂量分布）	机器学习	肿瘤	基因组学、影像组学、剂量组学	深度学习	基因组数据、影像数据、剂量数据	NA	NA	NA	NA	NA
3785	2026-02-22	Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms 2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.) DOI:10.1097/FM9.0000000000000236 PMID:40406277	研究论文	本研究通过比较多种机器学习算法，探讨深度学习在预测早产方面的适用性	首次在早产预测中比较了Transformer模型与传统机器学习算法（如逻辑回归、随机森林和支持向量机），并展示了Transformer的优越性能	研究为回顾性单中心设计，可能存在选择偏倚，且未详细说明模型的可解释性	评估深度学习算法是否适合用于预测早产	2018年1月至2023年6月在北京大学第三医院分娩的产妇数据	机器学习	早产	回顾性数据分析	Transformer, 逻辑回归, 随机森林, 支持向量机	结构化临床数据	30,965例分娩数据（第一部分24,770例，第二部分6,195例）	NA	Transformer	AUC, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率	NA
3786	2026-02-22	The application of explainable artificial intelligence (XAI) in electronic health record research: A scoping review 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241272657 PMID:39493635	综述	本文对电子健康记录研究中可解释人工智能（XAI）的应用进行了范围综述	首次对使用表格型电子健康记录数据的机器学习/深度学习模型中的XAI方法应用进行了系统性范围综述，揭示了该领域快速增长但缺乏关键评估的现状	仅纳入了表格型电子健康记录数据的研究，未涵盖其他类型医疗数据；缺乏对XAI方法有效性的深入评估；可能存在发表偏倚	批判性评估可解释人工智能方法在电子健康记录研究中的应用现状与效果	使用电子健康记录数据并应用可解释人工智能方法的机器学习/深度学习研究	机器学习	NA	NA	机器学习模型,深度学习模型	表格数据	76篇出版物（来自3220篇筛选文献）	NA	极端梯度提升,随机森林	NA	NA
3787	2026-02-22	Segmentor: a tool for manual refinement of 3D microscopy annotations 2021-May-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04202-8 PMID:34022787	研究论文	本文介绍Segmentor，一个用于手动细化和标注3D显微镜图像的开源工具	提出一种混合2D-3D可视化与分割方法，并集成自动区域分割功能，专门优化3D核分割流程	NA	开发高效、用户友好的手动标注工具，以支持深度学习分割算法的训练数据准备	3D光片显微镜图像中的对象（如细胞核）	数字病理学	NA	光片显微镜成像	NA	3D图像	NA	NA	NA	准确性	NA
3788	2026-02-22	CancerSiamese: one-shot learning for predicting primary and metastatic tumor types unseen during model training 2021-May-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04157-w PMID:33980137	研究论文	本文提出了一种名为CancerSiamese的新型一次性学习模型，用于预测训练期间未见过的原发性和转移性肿瘤类型	首次展示了预测样本有限的未见癌症类型的可行性，通过一次性学习模型学习类型无关的表达表示	模型依赖于现有训练样本，可能对罕见癌症类型的预测能力有限	利用现有训练样本预测训练期间未见过的癌症类型	原发性和转移性肿瘤的基因表达谱	机器学习	癌症	基因表达谱分析	CNN	基因表达数据	来自TCGA和MET500的样本	NA	CancerSiamese（基于孪生卷积神经网络）	准确率	NA
3789	2026-02-21	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	提出一种基于深度学习的创新方法，通过拍摄X射线曝光前的照片自动估计放射学体位，以优化X射线主要参数设置	首次利用深度学习从照片中自动估计放射学体位，用于自动设置X射线主要参数（KVp、mAs和源-探测器距离），以减少曝光错误和患者辐射剂量	大多数错误发生在照片中患者姿势相似的放射学体位之间，可能影响分类准确性	开发一种自动估计放射学体位的方法，以优化X射线主要参数设置，减少曝光错误和患者辐射剂量	66种临床常用放射学体位，从75名志愿者在两个不同X射线设施中前瞻性获取	计算机视觉	NA	X射线摄影	CNN	图像	75名志愿者，涉及66种放射学体位	PyTorch	ConvNeXt轻量版	准确率	NA
3790	2026-02-21	Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123728 PMID:39880078	研究论文	本研究利用深度学习卷积神经网络分析MRI图像，辅助腰椎间盘突出症的诊断和治疗决策	比较了纯AI、纯人类和AI辅助三种方法在诊断准确性和决策时间上的表现，展示了AI与人类专家协同工作的潜力	回顾性研究，样本可能有限，未详细说明模型泛化能力	评估深度学习在腰椎间盘突出症诊断和治疗决策中的辅助作用	接受手术评估患者的MRI图像	计算机视觉	腰椎间盘突出症	磁共振成像	CNN	图像	未明确说明	未明确说明	未明确说明	准确率	未明确说明
3791	2026-02-21	Macrophage memory emerges from coordinated transcription factor and chromatin dynamics 2025-Feb-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101171 PMID:39938520	研究论文	本文通过活细胞分析、ATAC测序和脓毒症体内模型，揭示了巨噬细胞如何通过NF-κB网络和染色质可及性重编程来编码动态炎症信号的记忆	首次展示了巨噬细胞在单细胞水平上通过转录因子和染色质动态协调，对连续炎症信号形成记忆的机制	研究主要聚焦于脓毒症模型，可能未涵盖所有炎症条件；单细胞变异性机制仍需进一步探索	探究免疫细胞如何编码和解码动态炎症信号，以及巨噬细胞是否保留过去暴露于炎症分子的记忆	巨噬细胞	机器学习	脓毒症	ATAC测序, 活细胞分析, 转录组分析	深度学习	序列数据, 转录组数据	NA	NA	NA	NA	NA
3792	2026-02-21	Deep social neuroscience: the promise and peril of using artificial neural networks to study the social brain 2024-02-21, Social cognitive and affective neuroscience IF:3.9Q1 DOI:10.1093/scan/nsae014 PMID:38334747	综述	本文为社交神经科学家提供了一个关于人工神经网络在社交大脑研究中的应用、潜力及挑战的入门指南	提出了“深度社交神经科学”这一新概念，并系统阐述了神经网络在社交神经科学中的三种应用方式	讨论了深度学习在社交神经科学中面临的实际挑战、理论限制和伦理问题	探讨人工神经网络在社交神经科学研究中的应用潜力与风险	社交大脑、神经成像数据、自然主义刺激和社会互动	自然语言处理	NA	NA	人工神经网络	神经成像数据、行为数据、自然主义刺激数据	NA	NA	NA	NA	NA
3793	2026-02-21	STAN: spatio-temporal attention network for pandemic prediction using real-world evidence 2021-03-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaa322 PMID:33486527	研究论文	本文提出了一种时空注意力网络（STAN），用于基于真实世界证据的疫情预测	结合患者索赔数据、人口统计相似性和地理邻近性，并将疫情传播动力学整合到深度学习模型中，以提升预测准确性	NA	开发一种混合模型，以更早、更准确地预测疫情中的感染病例数	美国各县的疫情数据和患者索赔数据	机器学习	COVID-19	深度学习	图注意力网络	索赔数据, 统计数据	美国各县的疫情数据和患者索赔数据	NA	时空注意力网络	均方误差	NA
3794	2026-02-20	MRI-based deep learning radiomics in predicting histological differentiation of oropharyngeal cancer: a multicenter cohort study 2026-Mar, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04042-5 PMID:40903693	研究论文	本研究开发并评估了一种基于MRI的深度学习放射组学框架，用于预测口咽癌的组织学分化等级	首次将放射组学特征与深度学习特征相结合，构建了深度学习放射组学模型，用于预测口咽癌的组织学分化，并在多中心数据上验证了其性能优于单独的放射组学或深度学习模型	回顾性研究，样本量相对较小（122例），仅在中国三家医疗机构进行，需要更大规模的前瞻性研究进一步验证	预测口咽癌的组织学分化等级，以辅助术前精准诊断和临床决策	口咽癌患者	数字病理学	口咽癌	磁共振成像	深度学习	医学影像	122例口咽癌患者（来自三家医疗机构），其中训练集85例，测试集37例	NA	深度学习放射组学模型	AUC, 决策曲线分析	NA
3795	2026-02-20	Deep learning-based obstructive coronary artery disease prediction from myocardial perfusion SPECT 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07655-8 PMID:41247514	研究论文	本文应用深度学习技术，基于心肌灌注SPECT数据预测阻塞性冠状动脉疾病，旨在替代侵入性冠状动脉造影作为诊断金标准	首次将深度学习应用于心肌灌注SPECT数据的衰减校正和CAD预测，结合临床因素提升预测性能，并在多中心外部数据集验证	研究为回顾性设计，样本量有限（515例），且仅使用特定放射性示踪剂（Tc-99m-sestamibi或Tl-201），可能影响泛化能力	开发基于深度学习的非侵入性方法，用于预测阻塞性冠状动脉疾病，减少对侵入性冠状动脉造影的依赖	来自3个临床中心的515名匿名患者的心肌灌注SPECT数据	医学影像分析	冠状动脉疾病	心肌灌注SPECT（MP-SPECT），使用Tc-99m-sestamibi或Tl-201示踪剂	深度学习模型	医学影像（SPECT图像）	515名患者（主要数据集212例，外部数据集1为108例，外部数据集2为195例）	NA	NA	AUC（曲线下面积），准确度	NA
3796	2026-02-20	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07660-x PMID:41261210	研究论文	本文提出了一种基于深度学习的自动运动校正框架，用于18F-flurpiridaz PET心肌灌注成像，以改善心肌血流量和血流储备的量化准确性	首次将3D-ResNet架构应用于18F-flurpiridaz PET的动态帧间运动校正，实现了自动化的校正过程，减少了人工干预和观察者间变异性	研究基于单中心临床试验数据，样本量相对有限，且依赖于模拟向量进行数据增强，可能无法完全覆盖真实世界中的运动变异	开发一种自动化的运动校正方法，以提高18F-flurpiridaz PET中心肌血流量和血流储备量化的准确性和效率	18F-flurpiridaz PET心肌灌注成像数据，来自32个站点的III期临床试验患者	数字病理学	心血管疾病	PET成像	CNN	3D图像	来自32个站点的III期临床试验数据，具体样本数量未明确说明	NA	3D-ResNet	AUC, 95%置信限, 平均差异	NA
3797	2026-02-20	[Wolff-Parkinson-White syndrome : Comparison of different algorithms] 2026-Mar, Herzschrittmachertherapie & Elektrophysiologie DOI:10.1007/s00399-025-01128-z PMID:41575500	综述	本文系统比较了用于Wolff-Parkinson-White综合征旁路定位的不同心电图算法，包括经典规则、现代规则以及深度学习模型	首次系统性地综述并比较了经典、现代规则算法与深度学习模型在WPW综合征旁路定位中的性能，并强调了人工智能与多模态方法整合的未来潜力	NA	评估和比较不同心电图算法在Wolff-Parkinson-White综合征旁路定位中的准确性和临床价值	Wolff-Parkinson-White综合征患者的心电图数据及旁路定位算法	医学信息学	心血管疾病	心电图分析	深度学习模型	心电图数据	NA	NA	NA	准确率, 敏感性, 特异性, AUROC	NA
3798	2026-02-20	Deep Learning Artificial Intelligence and Restriction Spectrum Imaging for Patient-level Detection of Clinically Significant Prostate Cancer on Biparametric Magnetic Resonance Imaging 2026-Mar, European urology open science IF:3.2Q1 DOI:10.1016/j.euros.2026.01.014 PMID:41695400	研究论文	本研究评估了结合限制谱成像最大限制分数与深度学习模型，在双参数磁共振成像上提升患者层面临床显著性前列腺癌检测性能的效果	首次将快速获取的限制谱成像序列与3D深度学习架构（3D-DenseNet）相结合，并采用留一中心交叉验证方法，用于增强基于PI-RADS标准的临床显著性前列腺癌患者层面检测	参考标准（活检）存在不完美性，排除了髋关节植入物病例，缺乏外部校准，RSI序列可用性有限，且缺少个体放射科医生及其专业知识的病例层面信息	评估结合RSIrsmax与深度学习模型是否能提升患者层面临床显著性前列腺癌的检测性能	接受磁共振成像并经由活检确诊前列腺癌的患者	数字病理学	前列腺癌	磁共振成像，限制谱成像	CNN	图像	来自7个机构的1892名患者，其中876名活检确诊患者用于模型性能评估	PyTorch	3D-DenseNet	AUC, 敏感性, 特异性, 净重分类改善, 综合判别改善	NA
3799	2026-02-20	Clinical evaluation of deep learning-based CT-free PET reconstruction image: a dual-center study 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07618-z PMID:41091188	研究论文	本研究通过双中心回顾性分析，评估了基于深度学习的CT-free PET重建图像在临床诊断中的性能，并与传统方法进行比较	提出了一种新颖的基于分解的深度学习算法，用于CT-free PET重建，并在多扫描仪和多示踪剂场景下进行了全面临床评估	研究为回顾性分析，且Decomposition-based DL方法在部分半定量指标上未始终表现出最低误差	评估基于深度学习的PET重建技术能否在无需CT衍生的衰减和散射校正的情况下，维持足够的图像质量以支持可靠的临床诊断	359名患者的原始PET/CT数据，涉及4台扫描仪和4种示踪剂	医学影像分析	NA	PET/CT成像，深度学习重建	深度学习	PET/CT图像数据	359名患者	NA	Decomposition-based DL算法，传统2D-DL，传统3D-DL	视觉评分（5点Likert量表），诊断准确性（基于病灶的假阳性/假阴性率），半定量指标（SUVmax一致性）	NA
3800	2026-02-20	Deep Learning Integration of Endoscopic Ultrasound Features and Serum Data Reveals LTB4 as a Diagnostic and Therapeutic Target in ESCC 2026-Feb-19, Cancer biotherapy & radiopharmaceuticals DOI:10.1177/10849785251380368 PMID:40965275	研究论文	本研究通过深度学习整合内镜超声图像特征与血清数据，揭示了LTB4作为食管鳞状细胞癌的诊断和治疗靶点	首次将深度学习提取的内镜超声图像特征与血清炎症标志物（特别是LTB4）相结合，用于ESCC的诊断和治疗反应预测	样本量较小（仅115例患者），且为单中心前瞻性研究，需要更大规模的多中心验证	开发可靠的、非侵入性的生物标志物，用于食管鳞状细胞癌的早期诊断和治疗反应预测	115例食管鳞状细胞癌患者及其内镜超声图像和血浆样本	数字病理学	食管鳞状细胞癌	酶联免疫吸附测定（ELISA）	CNN	图像, 血清数据	115例患者	NA	ResNet50	NA	NA