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
15841	2026-02-08	Innovative Learning in Anatomy Education: Assessing the Impact of Low-Cost 3D Deep Learning Anatomical Models in Museum-Based Instruction 2026-01, Journal of surgical education IF:2.6Q1 DOI:10.1016/j.jsurg.2025.103748 PMID:41187606	研究论文	本研究评估了基于低成本交互式3D模型和深度学习的虚拟解剖博物馆教学方法，在提升医学生临床推理和解剖学理解方面的有效性	将PointNeXt深度学习骨干网络与AnatoVision模块结合，构建了一个基于网络的虚拟解剖博物馆平台，为资源有限环境下的解剖学教育提供了一种低成本、可扩展的交互式补充方案	研究为非实验性观察性研究，样本量较小（40名本科生），且对照组与目标组的教学方法存在质性差异，无法进行直接比较；技术困难报告率为25%	评估虚拟解剖博物馆教学方法在提升医学生临床推理和解剖学熟练度方面的有效性	哈利德国王大学应用医学科学学士课程的40名本科医学生	数字病理	NA	虚拟解剖博物馆，交互式3D模型可视化	深度学习	3D模型，问卷数据	40名本科医学生（目标组20人，对照组20人）	NA	PointNeXt, AnatoVision Block	5点李克特量表评分，案例问卷评分（接受度、临床问题解决创造力、动机、知识获取、沟通技巧），p值	NA
15842	2026-02-08	Sequence to Location: Protein Subcellular Localization Driven by Deep Pretrained Language Model 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3634612 PMID:41259184	研究论文	本研究提出了一种名为SubLoc的深度学习算法，用于预测蛋白质亚细胞定位，结合了蛋白质语言模型、图卷积网络和注意力机制	首次将深度预训练的蛋白质语言模型ProtT5与3D蛋白质结构图模型及双向门控循环单元结合，用于蛋白质亚细胞定位预测	仅针对10个亚细胞区室进行预测，未涵盖所有可能的细胞定位，且依赖于蛋白质序列和结构数据的可用性	开发一种高效、准确的蛋白质亚细胞定位预测方法，以替代传统耗时耗力的实验技术	蛋白质序列及其亚细胞定位	自然语言处理	NA	蛋白质语言模型，图卷积网络，注意力机制	ProtT5, 图卷积网络, 双向门控循环单元, 多头注意力机制	蛋白质序列，蛋白质结构图	NA	NA	ProtT5, 图卷积网络, 双向门控循环单元	精确度, 召回率, MCC平均值	NA
15843	2025-12-06	Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2026-Jan, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70139 PMID:41346225	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15844	2026-02-08	iDeep-Cancer: Predicting Cancer-Related circRNA-RBP Binding Sites Using a Hybrid Network Framework 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3642248 PMID:41370173	研究论文	本文提出了一种名为iDeep-Cancer的混合网络框架，用于预测癌症相关的circRNA-RBP结合位点	结合改进的DenseNet、双向门控循环单元和自注意力机制，仅使用circRNA序列进行预测，克服了现有方法特征学习不足和可扩展性差的问题	NA	预测circRNA与RNA结合蛋白之间的相互作用位点，以促进人类疾病调控研究	circRNA序列及其与RNA结合蛋白的相互作用	自然语言处理	癌症	NA	CNN, LSTM	序列数据	NA	NA	DenseNet, BiGRU, Self-attention	NA	NA
15845	2025-12-31	Reply to: Deep Learning to Differentiate Parkinsonian Syndromes: From Proof of Concept to Clinical Trust 2026-Jan, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.70136 PMID:41346228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15846	2026-02-08	GEXPNET: A Novel Gene EXPression NETwork for Tumor Classification Using the ResNet-Based Deep Learning Approach 2026 Jan-Feb, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3637184 PMID:41385413	研究论文	本文提出了一种名为GexpNet的新型深度学习架构，用于从微阵列基因表达数据中准确分类癌症亚型	提出了一种集成动态多头残差块和自适应密集分类器的深度学习架构，并引入了包含中位数插补、分位数归一化和基于逻辑回归的监督特征选择的定制预处理流程	未明确说明模型在更大规模或更复杂数据集上的泛化能力，也未讨论计算效率或模型可解释性	开发一种用于癌症亚型分类的深度学习框架，解决高维性、类别不平衡和样本量有限等挑战	微阵列基因表达数据	机器学习	癌症	微阵列基因表达分析	CNN	基因表达数据	四个公开数据集（包括Mendeley数据集）	NA	ResNet	准确率, F1分数	NA
15847	2026-02-08	Deep Learning Reconstruction Enhances Lung Cancer CT Imaging 2026-Jan, Cureus DOI:10.7759/cureus.100762 PMID:41640929	研究论文	本文通过一个病例研究，展示了超高清CT结合深度学习重建技术在评估肺尖部肿瘤中的应用	将超高清CT与深度学习重建技术结合，显著减少了图像噪声和伪影，提高了对肺尖部肿瘤与邻近结构关系的评估能力	仅基于单个病例研究，样本量有限，需要更大规模的研究来验证其普遍适用性	评估深度学习重建技术在增强肺癌CT成像质量方面的效果	一位70岁男性患者的右肺上叶腺癌	数字病理学	肺癌	超高清CT扫描，深度学习重建	深度学习模型	CT图像	1例患者	NA	NA	图像质量改善，噪声和伪影减少	NA
15848	2026-02-08	Novel fusion architecture of multi-location blood flow sounds for arteriovenous fistula stenosis diagnosis 2025-Nov, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109022 PMID:40886696	研究论文	本文提出了一种基于多位置血流声音融合的架构，用于动静脉瘘狭窄诊断	引入了多位置融合架构（MPFA）结合位置元数据，通过通道融合和时间融合策略，利用多个血管段的声音信息提升诊断准确性，而非仅依赖模型复杂度增加	未明确说明数据采集的具体环境条件或潜在噪声干扰，且样本量未在摘要中详细披露	诊断动静脉瘘狭窄并确定其精确位置	动静脉瘘的血流声音数据	机器学习	心血管疾病	血流声音分析	深度学习模型	声音数据	NA	NA	通用模型和个体位置模型	准确率	NA
15849	2026-02-08	Resolution enhancement and target segmentation of medical images based on the frequency-domain information in deep learning 2025-Aug-20, Applied optics IF:1.7Q3 DOI:10.1364/AO.557903 PMID:40981883	研究论文	本文提出了一种基于频域信息的深度学习网络，用于增强医学图像分辨率并优化细胞分割	通过将图像映射到频域，独立处理振幅和相位信息，并采用融合策略恢复清晰图像，超越了传统空间域方法	NA	提高医学图像分辨率以优化细胞分割，支持癌症诊断和分级	数字病理图像中的细胞核	数字病理	癌症	深度学习	CNN	图像	NA	NA	频域分辨率网络	NA	NA
15850	2026-02-08	SynAnno: Interactive Guided Proofreading of Synaptic Annotations 2025-Aug-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.09.669342 PMID:40832296	研究论文	本文介绍了SynAnno，一种用于大规模连接组学数据集中突触注释交互式校对的新工具	开发了集成了结构化工作流程、优化遍历路径、3D迷你地图以及微调机器学习模型的交互式校对工具，以提升校对效率和准确性	NA	旨在通过交互式工具改进连接组学中突触注释的校对过程	大规模连接组学数据集中的突触注释	数字病理学	NA	深度学习	NA	图像	涉及七位神经科学专家的用户和案例研究	PyTorch	NA	校对速度、认知负荷、注释错误率	NA
15851	2026-02-08	Transforming cervical cancer pathological diagnosis through artificial intelligence: progress, performance, and barriers to clinical implementation 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1716018 PMID:41640440	综述	本系统综述评估了人工智能技术在宫颈癌病理诊断中的应用现状、发展水平及关键挑战	系统性地总结了AI在宫颈癌病理诊断中的进展，特别指出深度学习模型可将诊断时间从8-15分钟缩短至1-3分钟，并达到92-98%的准确率	存在标准化问题、临床验证有限以及基础设施成本高昂等实施挑战	评估人工智能技术在宫颈癌病理诊断中的应用与挑战	涉及宫颈癌病理诊断的人工智能应用研究，包括组织病理学、免疫组织化学和分子病理学诊断	数字病理学	宫颈癌	NA	CNN	组织病理学图像	基于56项纳入研究，具体样本量未在摘要中明确	NA	卷积神经网络	诊断准确率	NA
15852	2026-02-08	CervSpineNet: a hybrid deep learning-based approach for the segmentation of cervical spinous processes 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1733689 PMID:41635798	研究论文	本文提出了一种名为CervSpineNet的混合深度学习框架，用于自动分割颈椎棘突，并基于专家标注的500张颈椎X光片数据集进行验证	结合基于Transformer的编码器捕获全局解剖上下文与轻量级卷积解码器细化局部边界，并采用复合损失函数联合优化区域重叠、类别平衡、结构保真度和边界准确性	未提及模型在外部数据集或不同设备采集图像上的泛化性能	开发自动化工具以可靠分割颈椎棘突，支持解剖标志定位、手术规划和脊柱畸形纵向评估	颈椎棘突	计算机视觉	脊柱畸形	X射线成像	混合深度学习框架	图像	500张颈椎脊柱X光片	未明确提及	Transformer编码器与卷积解码器混合架构	Dice系数, IoU, SSIM, HD95距离, MAE	标准临床硬件
15853	2026-02-08	Deep learning classification of pediatric spinal radiographs for use in large scale imaging registries 2024-11, Spine deformity IF:1.6Q3 DOI:10.1007/s43390-024-00933-9 PMID:39039392	研究论文	本研究开发并应用了一种深度学习算法，用于自动分类小儿脊柱侧弯患者的脊柱X光片	首次将EfficientNet B6架构应用于小儿脊柱侧弯X光片的自动分类，实现了高精度分类，为大规模影像注册库的数据自动录入提供了重要工具	在数据集中图像数量少于100的类别上观察到性能较低，可能影响模型在罕见类别上的泛化能力	开发自动分类小儿脊柱侧弯患者脊柱X光片的算法，以支持大规模影像注册库的数据管理	小儿脊柱侧弯患者的脊柱X光片（前后位和侧位）	计算机视觉	脊柱侧弯	X光成像	CNN	图像	7777张前后位图像和5621张侧位图像，总计13398张X光片	NA	EfficientNet B6	准确率, 精确率, 召回率, F1分数	NA
15854	2026-02-08	PolyAMiner-Bulk is a deep learning-based algorithm that decodes alternative polyadenylation dynamics from bulk RNA-seq data 2024-Feb-26, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100707 PMID:38325383	研究论文	本文介绍了一种基于深度学习的算法PolyAMiner-Bulk，用于从批量RNA-seq数据中解码选择性多聚腺苷酸化动态	该算法使用注意力机制准确重建C/PAS序列语法，解决重叠C/PAS问题，捕捉非近端至远端APA变化，并生成可视化结果，相比现有方法能更准确地识别APA变化	NA	开发一种能够从批量RNA-seq数据中准确解码选择性多聚腺苷酸化动态的算法	选择性多聚腺苷酸化动态及其在人类疾病中的调控	自然语言处理	NA	RNA-seq	深度学习	RNA-seq数据	NA	NA	注意力机制	NA	NA
15855	2026-02-08	IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra 2024-Jan-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00804-5 PMID:38238779	研究论文	本文介绍了一种名为IDSL_MINT的深度学习框架，用于从质谱数据预测分子指纹	IDSL_MINT首次将Transformer模型应用于质谱数据，类似于大型语言模型，能够将MS/MS谱图转化为分子指纹描述符	NA	提高非靶向代谢组学和暴露组学研究中MS/MS谱图的注释率	质谱数据（MS/MS谱图）	机器学习	NA	串联质谱（MS/MS）	Transformer	质谱数据	使用LipidMaps数据库进行基准测试	NA	Transformer	NA	NA
15856	2026-02-08	Multi-objective ensemble deep learning using electronic health records to predict outcomes after lung cancer radiotherapy 2019-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab555e PMID:31698346	研究论文	提出一种基于电子健康记录的多目标集成深度学习方法，用于预测肺癌放疗后的治疗失败高风险	结合动态集成深度学习、自适应多目标优化和证据推理融合，提高预测模型的鲁棒性和准确性	NA	利用电子健康记录预测肺癌放疗后的治疗结果，以支持个性化治疗计划	肺癌患者	机器学习	肺癌	电子健康记录分析	深度学习	电子健康记录	1007名患者（814名未达到无病状态，193名无病且随访至少一年）	NA	深度感知器网络	灵敏度, 特异度, AUC	NA
15857	2026-02-08	Computer-aided diagnosis system for breast ultrasound images using deep learning 2019-12-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab5093 PMID:31645021	研究论文	本研究开发了一种基于卷积神经网络（CNN）的计算机辅助诊断（CAD）系统，用于乳腺超声图像中恶性与良性肿块的分类	通过集成VGG19和ResNet152两个CNN模型，并利用热图可视化CNN分类的重要区域，发现肿块本身并非CNN正确分类的关键区域	研究仅基于日本乳腺甲状腺超声学会的临床试验数据，可能缺乏多中心或跨种族验证	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺超声图像中恶性与良性肿块的分类准确性	乳腺超声图像中的恶性与良性肿块	计算机视觉	乳腺癌	超声成像	CNN	图像	1536个乳腺肿块（897个恶性，639个良性），其中独立测试集包含154个肿块（77个恶性，77个良性）	NA	VGG19, ResNet152	灵敏度, 特异度, AUC	NA
15858	2026-02-08	A dual-stream deep convolutional network for reducing metal streak artifacts in CT images 2019-11-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4e3e PMID:31618724	研究论文	本文通过训练一个双流深度卷积神经网络来减少CT图像中的金属条纹伪影，特别关注质子治疗规划中的图像质量提升	提出了一种结合残差学习和注意力机制的双流深度网络结构，在现有NMAR算法基础上进行二次校正，以更有效地去除金属伪影	未明确说明网络在极端或复杂金属植入案例中的泛化能力，且不同损失函数的优缺点需进一步临床验证	解决CT图像中金属伪影的长期问题，提高图像质量以支持精准的质子治疗规划	CT图像中的金属植入案例	医学影像处理	NA	CT成像	深度卷积神经网络	图像	NA	NA	双流深度卷积网络	视觉评估, 定量指标	NA
15859	2026-02-08	Partial-ring PET image restoration using a deep learning based method 2019-11-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4aa9 PMID:31581143	研究论文	本研究探讨了基于深度学习的部分环PET图像恢复方法，通过残差U-Net架构在投影域或图像域预测全环数据，以改善图像质量	首次将基于残差U-Net的深度学习方法应用于部分环PET图像恢复，并比较了投影域与图像域方法的性能差异	研究基于模拟数据（20个数字脑部幻影），未在真实临床数据上验证，且仅评估了有限数量的探测器块移除情况	恢复部分环PET扫描中因投影数据不完整导致的图像伪影，提高图像质量	数字脑部幻影模拟的PET扫描数据	医学影像处理	NA	蒙特卡洛模拟（SimSET工具包），PET扫描	CNN	图像，投影数据	20个数字脑部幻影	NA	残差U-Net	均方误差（MSE），结构相似性指数（SSIM），恢复系数（RC）	NA
15860	2026-02-08	CBCT correction using a cycle-consistent generative adversarial network and unpaired training to enable photon and proton dose calculation 2019-11-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4d8c PMID:31610527	研究论文	本研究探讨了使用循环一致性生成对抗网络（cycleGAN）进行无配对训练的前列腺CBCT校正的可行性，以提高光子及质子剂量计算的准确性	采用无配对训练的cycleGAN进行CBCT校正，不依赖解剖学一致的训练数据或可能不准确的形变图像配准，显著提高了校正速度	对于质子治疗，可能需要进一步的改进以提高剂量计算精度	开发一种高效的CBCT校正方法，以支持图像引导自适应放射治疗中的光子及质子剂量计算	前列腺CBCT图像	数字病理学	前列腺癌	CBCT成像	GAN	图像	33名患者	NA	cycleGAN	HU误差, 剂量差异通过率, 伽马通过率, 质子射程一致性	NA