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
721	2026-08-08	X-scPAE: An explainable deep learning model for embryonic lineage allocation prediction based on single-cell transcriptomics revealing key genes in embryonic cell development 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109787 PMID:39946788	研究论文	介绍了一个基于单细胞转录组学的可解释深度学习模型X-scPAE，用于预测胚胎谱系分配并识别关键基因。	提出了结合PCA降维、注意力自编码器和反事实梯度归因算法的可解释模型，能够识别并解释不同谱系间的基因表达差异。	未明确提及局限性，但可能依赖于特定数据集，泛化能力需进一步验证。	准确预测单细胞转录组数据中的细胞谱系分配，并识别关键基因以理解细胞分化过程。	人类和小鼠的单细胞转录组数据。	机器学习	NA	单细胞转录组学	自编码器、注意力机制	单细胞转录组数据	未明确提及样本量	NA	PCA、注意力自编码器	准确率、F1分数、精确率、召回率、AUROC	NA
722	2026-08-08	Multitask learning approach for PPG applications: Case studies on signal quality assessment and physiological parameters estimation 2025-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109798 PMID:39946784	研究论文	本文提出多任务学习方法，利用光电容积脉搏波（PPG）相关任务间的共享特征，提升信号质量评估及生理参数估计的性能	首次在多任务学习框架下，针对PPG信号质量评估和心率/呼吸率估计进行定制化深度模型设计，利用任务间依赖关系提高整体性能	实验仅在46名受试者的数据集上验证，样本量有限，可能影响模型泛化能力	开发多任务深度学习方法，以改善基于PPG的可穿戴健康监测应用中的信号质量评估和生理参数估计准确度	PPG信号质量评估（心率、心率变异性）和生理参数同步估计（心率、呼吸率），数据集来自46名佩戴智能手表的受试者日常活动	信号处理	无特定疾病	PPG（光电容积脉搏波）	多任务深度学习模型	PPG信号数据	46名受试者的日常活动PPG数据	NA	NA	准确率、误差率	NA
723	2026-08-08	Multi-modality medical image classification with ResoMergeNet for cataract, lung cancer, and breast cancer diagnosis 2025-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109791 PMID:39933267	研究论文	提出ResoMergeNet（RMN），一种用于白内障、肺癌和乳腺癌多模态医学图像分类的深度学习模型，结合迁移学习、ResBoost框架和ConvMergeNet技术	通过集成ResBoost框架和ConvMergeNet技术，结合迁移学习，能有效处理不同图像模态（如可见光眼部图像和病理图像），强调全局和局部特征提取并减少无关数据影响	未在摘要中提及具体局限性，可能包括对多样本或更多模态的泛化能力需进一步验证	解决医学图像分类中模态差异带来的性能下降问题，提升白内障、肺癌和乳腺癌的早期诊断准确性	白内障眼部图像、肺癌病理图像和乳腺癌病理图像（BreakHis数据集）	计算机视觉	白内障、肺癌、乳腺癌	NA	CNN（卷积神经网络）	图像	白内障数据集（二分类）、肺癌数据集（三分类）、BreakHis数据集（八分类，含100倍和200倍放大倍数）	NA	ResoMergeNet（结合ResBoost和ConvMergeNet）	准确率	NA
724	2026-08-08	Advanced Distance-Resolved Evaluation of the Perienhancing Tumor Areas with FLAIR Hyperintensity Indicates Different ADC Profiles by MGMT Promoter Methylation Status in Glioblastoma 2025-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8493 PMID:39848779	研究论文	本研究利用新型距离分辨的3D评估方法，分析胶质母细胞瘤（GBM）中肿瘤周围增强区域FLAIR高信号的ADC特征，并探讨其与MGMT启动子甲基化状态的关系	首次采用距离分辨的3D体积评估方法分析肿瘤周围浸润区的ADC剖面，揭示了常规MRI上人眼不可见的组织特征，并发现ADC分布与MGMT甲基化状态相关	未提及具体限制，但可能包括回顾性研究设计、单中心数据、样本量相对较小等潜在局限	探究GBM中MGMT启动子甲基化状态是否在MRI标志物中有所体现，特别是肿瘤周围浸润区的ADC特征	101例IDH野生型胶质母细胞瘤患者，其中43例为MGMT启动子甲基化（mMGMT），58例为MGMT启动子未甲基化（uMGMT）	医学影像分析	胶质母细胞瘤	深度学习分割	深度学习模型（具体未指定，可能为分割网络）	MRI图像（包括FLAIR和ADC图像）	101例患者（43例mMGMT，58例uMGMT）	NA	NA	Wilcoxon符号秩检验的P值、ADC值的百分比变化	NA
725	2026-08-08	MASSM: An End-to-End Deep Learning Framework for Multi-Anatomy Statistical Shape Modeling Directly From Images 2025, Shape in medical imaging : International Workshop, ShapeMI 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 6, 2024, Proceedings. ShapeMI (Workshop) (2024 : Marrakech, Morocco) DOI:10.1007/978-3-031-75291-9_12 PMID:39649703	研究论文	提出MASSM框架，一种端到端深度学习模型，直接从图像中同时定位多个解剖结构、估计群体级统计形状表示并在图像空间描绘形状	首次实现端到端多解剖结构统计形状建模，无需手动分割、预对齐或边界框标注，并能直接在图像空间描绘形状	文献中未提及具体局限性	开发一种无需手动干预的深度学习框架，用于从图像中直接进行多解剖结构的统计形状建模，以提供优于分割网络的形状信息	多种解剖结构（具体未在标题和摘要中明确列出）	计算机视觉	NA	深度学习	多任务网络	图像	NA	NA	NA	形状信息质量（优于分割网络）	NA
726	2026-08-08	FCSSL: fusion enhanced contrastive self-supervised learning method for parallel MRI reconstruction 2024-10-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6d28 PMID:39116910	研究论文	提出了一种融合增强的对比自监督学习（FCSSL）方法，用于并行MRI重建，无需全采样数据或线圈灵敏度图。	在对比学习框架中引入两对重新欠采样掩模策略，并设计了一种自适应融合网络，以自监督方式整合重建结果，提高了重建质量。	性能仍略低于监督方法，且对源域和目标域数据差异较大时需微调。	解决MRI成像中全采样数据获取困难或成本高的问题，实现高质量的并行MRI重建。	膝关节MRI数据，在不同欠采样掩模条件下进行重建。	医学图像重建	NA	MRI	对比学习、自监督学习	MRI图像	膝关节数据集（具体数量未在摘要中提及）	NA	自适应融合网络	重建性能（具体指标未提及）	NA
727	2026-08-08	Predicting prostate cancer grade reclassification on active surveillance using a deep learning-based grading algorithm 2024-10-01, Journal of the National Cancer Institute DOI:10.1093/jnci/djae139 PMID:38889303	研究论文	本研究利用深度学习分级算法AIRAProstate对前列腺癌主动监测患者的初始活检样本进行重新分级，验证其在预测癌症等级升级方面的临床价值	首次通过临床结局比较验证基于深度学习的癌症分级算法在前列腺癌风险分层中的效用	样本来自观察性队列，可能存在选择偏倚，且未明确考虑临床病理因素的综合影响	评估深度学习算法AIRAProstate对前列腺癌主动监测患者初始活检样本重新分级的预后预测价值	两个独立的主动监测队列，包括仅采用系统活检的GG1患者和采用磁共振成像引导活检的患者	数字病理学	前列腺癌	数字病理切片分析	深度学习模型（具体为AIRAProstate算法）	活检病理图像	138例（仅系统活检队列）和169例（磁共振成像引导活检队列）	NA	NA	比值比（odds ratio）、风险比（hazard ratio）、P值	NA
728	2026-08-08	Exploring the potential of structure-based deep learning approaches for T cell receptor design 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012489 PMID:39348412	研究论文	该研究探索了基于结构的深度学习方法（ProteinMPNN和ESM-IF1）在T细胞受体设计中的潜力	首次将两种结构感知的深度学习方法应用于T细胞受体的固定骨架设计，以应对低亲和力和交叉反应性等挑战，并相比传统物理方法进行了评估	缺乏实验验证，发现的方法缺陷需通过改进来克服	评估基于结构的深度学习在T细胞受体设计中的应用潜力，以增强免疫治疗靶向性	T细胞受体及其与抗原肽-MHC复合物的相互作用	机器学习和蛋白质设计	癌症	结构设计深度学习方法（如ProteinMPNN和ESM-IF1）	图神经网络（如ProteinMPNN和ESM-IF1）	蛋白质三维结构序列	未具体说明	PyTorch	ProteinMPNN, ESM-IF1	序列和结构指标	未具体说明
729	2026-08-08	Managing spatio-temporal heterogeneity of susceptibles by embedding it into an homogeneous model: A mechanistic and deep learning study 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012497 PMID:39348420	研究论文	本研究提出了一种将易感人群时空异质性嵌入同质模型的新型建模框架，通过引入连续招募过程，并利用深度学习和MCMC方法进行模型训练与校准，以提高流行病预测准确性	创新性地将易感人群的时空异质性通过连续招募过程整合进同质模型，并借助通用微分方程（UDE）结合神经网络逼近招募率，提供了对比同质模型的改进预测方法	摘要未提及具体限制，但可推断模型依赖特定假设和实际数据校准，可能对大规模或不同场景的适用性有限	旨在改进传染病流行预测，通过整合易感人群的时空异质性，提高预测精度并理解其在疾病传播中的作用	研究对象为急性呼吸道传染病（如COVID-19奥密克戎变异株）的传播动态，具体包括易感人群的异质性及其对流行病冲击的影响	机器学习	传染病	NA（摘要未指定特定测序或实验技术）	神经网络（用于UDE模型）和机械模型	数值和流行病学数据	研究使用了中国上海COVID-19奥密克戎疫情的数据，但未明确样本量	PyTorch、MCMC	通用微分方程（UDE）结构和机械传播模型	准确率、攻击率、感染峰值	未指定，但可能使用GPU进行深度学习和MCMC模拟
730	2026-08-08	Turn-table micro-CT scanner for dynamic perfusion imaging in mice: design, implementation, and evaluation 2024-08-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6edd PMID:39137802	研究论文	本研究介绍了一种新颖的桌面式微型CT扫描仪，用于小鼠动态灌注成像，旨在通过高分辨率和低辐射剂量增强临床前成像能力。	该微型CT系统采用定制旋转台，支持圆形和螺旋扫描，通过小型滑环实现连续旋转，并首次展示了在3.125秒时间分辨率下进行动态灌注成像的潜力。	小样本量限制了结果的确定性结论。	开发一种高分辨率、低剂量的动态灌注成像微型CT系统，以提升临床前成像能力。	小鼠（涉及阿尔茨海默病和心血管疾病的不同遗传风险因素）以及3D生物打印的组织模拟幻影。	医学影像	阿尔茨海默病, 心血管疾病	微型CT成像	NA	图像	未具体说明小鼠数量，但涉及具有不同遗传风险因素的多组小鼠	NA	NA	空间分辨率, 均匀性, 血流测量线性度, 灌注指标（时间到峰值, 平均通过时间, 血流指数）	NA
731	2026-08-08	Self-normalization for a 1 mm3resolution clinical PET system using deep learning 2024-08-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69fb PMID:39084640	研究论文	本文首次提出一种基于条件生成对抗网络（cGANs）的图像端到端自归一化框架，用于临床正电子发射断层扫描（PET）系统，以提高图像质量并避免单独归一化扫描	首次开发了基于图像的自归一化框架，利用条件生成对抗网络，并结合极化自注意力（PSA）的Pix2Pix网络，探索了不同输入数据、张量形状和网络结构以优化性能	研究基于蒙特卡洛模拟的体模数据，而非真实临床数据，可能需要临床试验验证其泛化性和临床适用性	开发并评估一种基于深度学习的图像端到端自归一化方法，以改进PET图像质量和病变可检测性，无需单独的归一化扫描	使用十个体素化体模的蒙特卡洛模拟PET图像，共26000对轴向图像切片，用于训练和测试	深度学习	不适用	PET成像	条件生成对抗网络	图像	26000对轴向图像切片，来自十个模拟体模	PyTorch	Pix2Pix, PSA Pix2Pix	PSNR, SSIM, 归一化对比恢复系数, 对比度-噪声比	不适用
732	2026-08-08	Hierarchical multi-level dynamic hyperparameter deformable image registration with convolutional neural network 2024-08-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a6 PMID:39053510	研究论文	提出了一种基于卷积神经网络的分层多级动态超参数可变形图像配准方法，旨在实现推理阶段快速选择正则化超参数并提高配准精度和变形场规律性	提出动态超参数块，包含分布式映射网络、动态卷积、注意力特征提取层和实例归一化层，将输入特征向量和正则化超参数编码为可学习特征变量和动态卷积参数，并采用分层多级架构替代LapIRN中的单级残差块	摘要中未明确提及局限性	解决深度学习可变形图像配准中超参数调优耗时耗资源的问题，实现推理阶段快速调节超参数并获得高质量配准结果	大脑OASIS数据集和肺部DIR-Lab数据集	医学图像配准	NA	NA	卷积神经网络	医学图像	OASIS数据集和DIR-Lab数据集（具体样本数量未提及）	NA	分层多级动态超参数块（含动态卷积、注意力层、实例归一化）	Dice相似系数、\|Jφ\|≤0百分比、目标配准误差	NA
733	2026-08-08	Linear diffusion noise boosted deep image prior for unsupervised sparse-view CT reconstruction 2024-08-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad69f7 PMID:39119998	研究论文	提出一种基于线性扩散噪声增强深度图像先验的无监督稀疏视图CT重建方法，旨在克服监督学习的泛化性限制	引入多级线性扩散噪声输入，超越传统单噪声水平，降低过拟合风险；将非局部自相似性作为深度隐式先验嵌入自注意力网络结构，增强模型识别重复模式的能力；结合成像物理，在图像域和投影数据空间之间进行梯度反向传播以优化网络权重	评估仅涵盖模拟和临床案例，可能未充分探索极端稀疏视图或多样化临床场景下的性能表现	克服当前基于监督学习的稀疏视图CT重建方法的局限性，提高泛化能力和适应性，无需大量配对训练数据	稀疏视图CT重建，针对不同投影视角下的图像重建任务	计算机视觉, 医学影像	不适用	稀疏视图CT成像	深度图像先验（DIP）	图像（CT投影数据和重建图像）	模拟数据和临床病例（具体数量未提供）	不适用	自注意力网络	不适用	不适用
734	2026-08-08	Enhancing the reliability of deep learning-based head and neck tumour segmentation using uncertainty estimation with multi-modal images 2024-08-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad682d PMID:39059432	研究论文	本研究评估了多种不确定性估计方法在头颈癌肿瘤分割中的应用，以提高深度学习自动分割的可靠性	比较了七种不确定性估计方法在头颈癌原发肿瘤和淋巴结转移分割中的性能，并首次评估了其在像素级预测中的校准能力和错误揭示能力	未在外部数据集上验证，且仅使用了单一分割流程（nnUNet）	调查不确定性估计方法在提高深度学习头颈癌肿瘤分割可靠性方面的有效性	头颈癌患者的原发肿瘤（GTV-T）和淋巴结转移（GTV-N）分割结果	数字病理学	头颈癌	多模态成像（CT、PET、T1加权MRI、T2加权MRI）	3D U-Net (nnUNet)	医学图像（CT、PET、MRI）	567名头颈癌患者，其中测试集97例	NA	nnUNet 3D	Dice相似系数（DSC）、预期校准误差（ECE）、不确定性-错误重叠（UE-DSC）	NA
735	2026-08-08	CT-based synthetic contrast-enhanced dual-energy CT generation using conditional denoising diffusion probabilistic model 2024-08-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad67a1 PMID:39053511	研究论文	利用条件去噪扩散概率模型从非增强单能CT扫描生成合成对比增强双能CT图像，以应对DECT扫描仪稀缺和碘对比剂健康风险的问题	首次应用条件去噪扩散概率模型（C-DDPM）从非增强单能CT生成合成对比增强双能CT图像，为缺乏DECT设备的机构和不宜使用碘对比剂的患者提供替代成像方案	未明确提及	生成高质量的合成对比增强双能CT图像，改善放射治疗计划	头颈部癌症患者的CT成像数据	医学影像	头颈部癌症	CT成像	条件去噪扩散概率模型（C-DDPM）	图像	130例头颈部癌症患者的成像数据	未提及	条件去噪扩散概率模型（C-DDPM）	平均绝对误差（MAE）、结构相似性指数（SSIM）、峰值信噪比（PSNR）	未提及
736	2026-08-08	Exploring the Potential of Structure-Based Deep Learning Approaches for T cell Receptor Design 2024-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.19.590222 PMID:38712216	研究论文	探索两种基于结构的深度学习方法（ProteinMPNN和ESM-IF）在设计T细胞受体以结合MHC呈递的抗原肽方面的潜力	首次将结构基础深度学习设计方法应用于T细胞受体的计算设计，评估其相对于传统物理基础方法的优势	未明确提及具体限制，但可能包括设计方法的缺陷和对低亲和力及交叉反应性界面的处理不足	评估基于结构的深度学习方法在设计T细胞受体中的潜力，并比较其与传统物理基础设计方法的性能	T细胞受体（TCRs）及其与MHC呈递的抗原肽的相互作用	机器学习	癌症	结构基础蛋白设计	深度学习模型	蛋白质三维结构数据	未明确	NA	ProteinMPNN, ESM-IF	基于序列和结构的综合指标	NA
737	2026-08-08	Making MS Omics Data ML-Ready: SpeCollate Protocols 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4007-4_9 PMID:38995540	研究论文	本文提供了将质谱数据转化为机器学习就绪格式的综合指南，涵盖数据分析、推断和深度学习模型SpeCollate的应用	提出了SpeCollate这一基于深度学习的肽数据库搜索引擎，通过生成谱图和肽段的联合嵌入，克服了理论谱图简单模拟和启发式评分函数的局限	NA	指导研究人员将质谱数据用于机器学习训练、推断和应用，并展示SpeCollate在肽鉴定中的有效性	质谱数据及基于深度学习模型的肽数据库搜索	生物信息学	NA	质谱法	深度学习模型	质谱数据	NA	NA	SpeCollate	NA	NA
738	2026-08-08	Effects of wind speed and wind direction on crop yield forecasting using dynamic time warping and an ensembled learning model 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.16538 PMID:38881862	研究论文	本研究提出一种结合动态时间规整（DTW）与集成学习模型（LSTM-RF）的方法，用于预测腰果作物产量，并特别关注风速和风向的影响。	将DTW用于评估风速和风向的时间序列相似性，并与LSTM和随机森林集成，以提高作物产量预测的准确性，这是对传统方法的创新扩展。	研究仅限于加纳博诺地区的三个腰果产区，可能限制结果的普遍性；DTW的计算复杂度可能影响大规模应用。	评估风速和风向对作物产量预测的影响，并通过DTW增强集成学习模型的性能。	加纳博诺地区的腰果作物产量预测，涉及Jaman North、Jaman South和Wenchi三个区域。	机器学习	不适用	时间序列分析	LSTM, 随机森林	时间序列数据（风速、风向和产量）	未指定样本量，但涉及三个区域（Jaman North、Jaman South、Wenchi）的数据。	NA	LSTM, 随机森林, DTW	R分数, RMSE, MBE, 置信度水平（ADF测试）	NA
739	2026-08-08	Coupled intelligent prediction model for medium- to long-term runoff based on teleconnection factors selection and spatial-temporal analysis 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313871 PMID:39666703	研究论文	本研究基于遥相关因子选择和时空分析，在雅砻江流域开发了RF-SVR和RF-MLPR两种耦合智能模型，用于中长期径流预测，提高了预测精度并揭示了大气环流指数对径流影响的滞后效应	通过整合随机森林（RF）与支持向量回归（SVR）和多层感知器回归（MLPR）的互补优势，提出了两种新颖的耦合智能预测模型，有效消除高维数据的共线性和冗余信息，并引入遥相关因子选择和时空分析，揭示大气环流指数对径流影响的一个月滞后效应	预测精度随预测期延长而下降，R2值从1个月预测的0.8886降至12个月预测的0.6358，表明长期预测面临更大的不确定性和影响因素累积带来的挑战	提高中长期径流预测的准确性，为洪水控制、干旱缓解、水资源综合管理和生态恢复提供实用工具	雅砻江流域（YLRB）的径流序列及四个水文站的径流数据	机器学习	NA	NA	随机森林（RF）、支持向量回归（SVR）、多层感知器回归（MLPR）以及其耦合模型RF-SVR和RF-MLPR	径流时间序列数据及大气环流指数数据	雅砻江流域四个水文站的径流数据	NA	随机森林（RF）、支持向量回归（SVR）、多层感知器回归（MLPR）	纳什-苏特克利夫效率系数（NSE）、R²	NA
740	2026-08-07	Deep learning analysis of Google Street View to assess residential built environment and cardiovascular risk in a Midwestern US retrospective cohort 2026-Aug-03, European journal of preventive cardiology IF:8.4Q1 DOI:10.1093/eurjpc/zwaf038 PMID:39903569	研究论文	本研究利用谷歌街景图像和深度学习技术，分析住宅周围建筑环境特征与心血管疾病风险的关系	首次将深度学习应用于大规模街景图像分析，以评估建筑环境与心血管风险之间的关联	研究为回顾性队列设计，需要进一步验证关联并理解潜在机制	探究建筑环境特征（如绿化、人行道）对心血管疾病风险的影响	美国中西部俄亥俄州东北部队列中49,887名个体	深度学习应用、环境健康、公共卫生	心血管疾病	图像分析（谷歌街景图像）	深度学习模型（具体类型未提及）	图像	49,887名个体，其中2,083例发生主要不良心血管事件	NA	NA	风险比、置信区间	NA