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
1661	2026-08-20	Deep learning-based prediction of possibility for immediate implant placement using panoramic radiography 2025-02-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89219-2 PMID:39939654	研究论文	本研究利用全景X线片和深度学习模型预测即刻种植的可能性，证实该方法具有较高的准确性	首次将深度学习应用于基于全景X线片的即刻种植可能性预测	未提及具体局限，可能包括样本量有限或单一中心数据	评估深度学习模型在预测即刻种植可能性方面的可行性及准确性	201名患者的874颗牙齿，分为两组：440颗难以即刻种植的牙齿和434颗可以即刻种植的牙齿	医学影像分析	牙科疾病	全景X线摄影	卷积神经网络	图像	201名患者，874颗牙齿	NA	DenseNet121, ResNet18, ResNet101, ResNeXt101, InceptionNetV3, InceptionResNetV2	敏感性、精确率、准确率、平衡准确率、F1分数	NA
1662	2026-08-20	Insights into AI advances in immunohistochemistry for effective breast cancer treatment: a literature review of ER, PR, and HER2 scoring 2025-01, Current medical research and opinion IF:2.4Q3 DOI:10.1080/03007995.2024.2445142 PMID:39705612	综述	本文是一篇叙述性文献综述，聚焦于人工智能在免疫组织化学图像中对乳腺癌ER、PR和HER2生物标志物自动评分的最新进展，旨在提高乳腺癌诊断和治疗效率	系统性地综述了AI在IHC图像中用于ER、PR和HER2评分的技术，特别针对Allred、H-Score和HER2评分方法，并识别了当前最先进的方法和未来研究方向	作为叙述性综述，可能存在主观性，且未涵盖所有相关研究；同时依赖现有文献，无法提供新的实验证据	识别AI在IHC染色图像中自动评分乳腺癌标志物的最先进方法、挑战和未来研究前景，以助力提高乳腺癌诊断和治疗准确性	乳腺癌IHC染色图像中的ER、PR和HER2生物标志物评分	数字病理学	乳腺癌	免疫组织化学染色	机器学习, 深度学习	图像	不适用（综述文章）	不适用	不适用	不适用	不适用
1663	2026-08-20	ISIT-GEN: An in silico imaging trial to assess the inter-scanner generalizability of CTLESS for myocardial perfusion SPECT on defect-detection task 2025, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047300 PMID:42610017	研究论文	本文通过虚拟成像试验ISIT-GEN评估了基于散射线窗和深度学习的衰减补偿方法CTLESS在不同SPECT扫描仪上的泛化性能，用于心肌灌注缺损检测任务	首次通过虚拟成像试验评估深度学习衰减补偿方法CTLESS在不同厂商SPECT扫描仪上的跨扫描仪泛化能力	未提及具体限制，但可能包括虚拟成像试验与实际临床环境的差异	评估CTLESS方法在不同SPECT扫描仪上的泛化性能，以支持其临床转化	来自三个不同厂商的SPECT扫描仪上的心肌灌注SPECT图像	医学影像	心肌灌注缺损	SPECT成像	深度学习模型（具体架构未说明）	图像	未提及具体样本数量	未提及	未提及	ROC曲线、曲线下面积（AUC）	未提及
1664	2026-08-20	Rethinking Cost-Sensitive Classification in Deep Learning via Adversarial Data Augmentation 2025 Jan-Mar, INFORMS journal on data science DOI:10.1287/ijds.2022.0033 PMID:42610103	研究论文	本文提出了一种成本敏感对抗性数据增强框架，以解决深度神经网络在过参数化下无法有效进行成本敏感分类的问题	提出CSADA框架，通过生成目标对抗样本推动决策边界向成本感知方向移动，使过参数化模型对高成本错误更保守	实验主要在特定数据集上进行，未明确讨论该方法对其他类型数据或更复杂场景的泛化能力	重新思考深度神经网络中的成本敏感分类，并设计一种新框架使模型能最小化总体成本并减少关键错误	过参数化的深度神经网络及其在成本敏感分类中的决策边界	机器学习	NA	对抗性数据增强	深度神经网络	图像	未明确指定，但使用了多个已知数据集和公开的药店药物图像数据集	未明确指定	未明确指定	总体成本、准确率、关键错误率	未明确指定
1665	2026-08-20	A combined deep learning framework for mammalian m6A site prediction 2024-12-11, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100697 PMID:39571573	研究论文	本文提出了一种结合Transformer架构和循环神经网络的深度框架deepSRAMP，用于基于序列和基因组特征预测哺乳动物m6A位点。	首次将Transformer架构与循环神经网络结合用于m6A位点预测，相较于现有预测器显著提高了准确性和鲁棒性。	未在文中明确说明局限性，但可能受限于训练数据的多样性和模型对未知物种的泛化能力。	开发一种高精度的m6A位点预测工具，以支持不同条件下的哺乳动物表观转录组研究。	哺乳动物mRNA中的m6A修饰位点。	机器学习和生物信息学	不适用	序列分析、基因组特征提取	Transformer和循环神经网络（RNN）	序列数据和基因组特征数据	使用多个基准数据集（具体数量未在标题和摘要中明确）	未在标题和摘要中明确指定	Transformer和循环神经网络（如LSTM或GRU）的混合架构	AUROC、AUPRC	未在标题和摘要中明确指定
1666	2026-08-20	Identification of lineage-specific cis-trans regulatory networks related to kiwifruit ripening initiation 2024-12, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17093 PMID:39462454	研究论文	利用可解释深度学习框架识别猕猴桃果实成熟启动过程中谱系特异的顺式-反式调控网络，并验证了新的转录因子与顺式元件互作	首次将可解释深度学习应用于果实成熟调控网络识别，独立于共表达模式发现新的谱系特异CRE-TF互作	未提及	基于启动子CRE预测表达模式，识别影响猕猴桃果实成熟（乙烯触发）的谱系特异CRE-TF互作	猕猴桃果实成熟过程及其相关基因（如ACS1、ERT2、ERF143）	深度学习、分子生物学	NA	DNA亲和纯化测序（DAP-Seq）、瞬时报告基因实验	可解释深度学习模型	启动子序列、基因表达数据	NA	NA	NA	NA	NA
1667	2026-08-20	Exploring protein natural diversity in environmental microbiomes with DeepMetagenome 2024-11-18, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100896 PMID:39515333	研究论文	DeepMetagenome是一种基于Python的方法，通过深度学习模型从环境微生物组中探索蛋白质自然多样性，并在金属硫蛋白等蛋白质家族中展现出优越性能。	该方法结合了嵌入层、卷积层、LSTM和全连接层，能够从海量元基因组数据中高效识别高置信度蛋白质序列，且无需先验假设。	未提及具体局限性。	利用深度学习从环境微生物组中挖掘蛋白质自然多样性，以辅助蛋白质工程。	环境微生物组中的蛋白质序列，特别是金属硫蛋白等。	机器学习	NA	元基因组测序	混合深度学习模型（包含嵌入、卷积、LSTM和全连接层）	序列数据	超过1.46亿个编码特征的数据库用于筛选，其中23个合成序列用于验证	Python	嵌入层、卷积层、LSTM、全连接层	准确率、稳定性（通过25个epoch表现）	未提及具体GPU或云平台，但工具在GitHub上公开
1668	2026-08-20	AI-empowered perturbation proteomics for complex biological systems 2024-11-13, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2024.100691 PMID:39488205	perspective	本文介绍了扰动蛋白质组学的原理、必要性和实用性，并提出了PMMP（扰动、测量、建模至预测）通用流程，以及基于大规模扰动蛋白质组数据构建基础模型或其他数学模型的建议。	提出将AI与扰动蛋白质组学相结合，形成PMMP流程，并强调构建基础模型以增强对复杂生物系统的预测能力。	文中未具体说明当前数据的局限性和技术挑战，也未提供实证验证。	探讨扰动蛋白质组学在系统生物学中的应用，及其在预测扰动响应、作用机制和蛋白质功能方面的潜力。	生物系统，包括蛋白质表达、周转、翻译后修饰、相互作用、运输和定位等。	机器学习	NA	蛋白质组学	传统机器学习或深度学习	蛋白质组学数据，包括表达、修饰、相互作用等数据	NA	NA	基础模型	NA	NA
1669	2026-08-20	Deep learning to capture leaf shape in plant images: Validation by geometric morphometrics 2024-11, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17053 PMID:39383323	研究论文	本文通过几何形态测量学验证深度学习在植物图像中捕获叶片形状的有效性，并评估其在物种识别中的应用。	首次结合几何形态测量学作为可解释人工智能工具，来验证深度学习特征与叶片形状变异之间的关联，并在复杂的物种复合体中实现分类。	未提及具体限制，可能包括对图像质量和多样性的依赖，以及深度学习模型的‘黑箱’问题。	评估深度学习在捕获植物叶片形状变异方面的有效性，并探索其与几何形态测量学的结合，以实现可靠的自动化植物表型分析。	植物叶片，特别是Ranunculus auricomus的叶片。	计算机视觉	不适用	深度学习，几何形态测量学	神经网络（具体类型未指定）	图像	未具体说明样本数量，但包括原位和腊叶化后的叶片图像。	未指定	未指定	聚类效果、协变分析，具体指标未提及。	未提及。
1670	2026-08-20	DMFGAN: a multifeature data augmentation method for grape leaf disease identification 2024-11, The Plant journal : for cell and molecular biology DOI:10.1111/tpj.17042 PMID:39446313	研究论文	提出一种用于葡萄叶病害识别的多特征数据增强方法DMFGAN，以提高生成图像的质量和多样性，同时减少模型参数和训练中的模式崩溃问题	设计了基于四通道特征融合策略的多特征提取块（MFEB）、深度可分离判别器、采用SeLU激活函数替代DCGAN激活函数，并提出了带有梯度惩罚项的MFLoss函数以减少模式崩溃	摘要中未明确提及局限性	增强葡萄叶病害数据，提高生成图像的质量和多样性，并减少生成对抗网络训练中的模式崩溃	葡萄叶病害图像数据	计算机视觉	植物病害	生成对抗网络	生成对抗网络（GAN）	图像	未在摘要中明确提及	未明确提及	DMFGAN，可能包含深度可分离卷积块和多特征提取块	视觉指标和评估指标（如质量、多样性、参数数量）以及识别网络验证	未明确提及
1671	2026-08-20	A deep learning framework combining molecular image and protein structural representations identifies candidate drugs for pain 2024-10-21, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100865 PMID:39341201	研究论文	本文提出了一种结合分子图像和蛋白质三维结构表示的深度学习框架LISA-CPI，用于预测化合物-蛋白质相互作用，并识别治疗疼痛的候选药物	创新性地将无监督深度学习分子图像表示（ImageMol）与基于AlphaFold2的算法（Evoformer）集成，用于化合物-蛋白质相互作用预测，并在平均绝对误差上比现有最优模型提升约20%	未明确提及局限性	开发一种可解释的深度学习框架，用于预测化合物-蛋白质相互作用，并识别治疗疼痛的潜在候选药物	104,969个配体和33个G蛋白偶联受体（GPCRs）的相互作用，以及可能的疼痛治疗药物和肠道微生物衍生代谢物	深度学习	疼痛	深度学习、分子图像表示、蛋白质结构预测	深度学习框架	分子图像和蛋白质三维结构数据	104,969个配体和33个GPCRs的实验相互作用数据	NA	ImageMol、Evoformer	平均绝对误差（MAE）	NA
1672	2026-08-20	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-10-15, Development (Cambridge, England) DOI:10.1242/dev.202362 PMID:38619327	研究论文	本研究利用活体成像和基于深度学习的图像分割技术，探究海星胚胎增殖上皮中细胞密度和增殖对三维包装重组的贡献，揭示scutoid形成的动力学机制。	结合活体成像、深度学习分割和物理压缩实验及计算模型，系统解析了细胞密度、组织压实和细胞增殖在scutoid形成中的相对作用，首次提出有丝分裂后出现的顶-基底穿插有助于容纳新细胞。	研究主要基于海星胚胎模型，其结论的普遍性需在其他物种或组织中验证，且未深入探讨scutoid形成的分子机制。	阐明增殖上皮中三维包装重组的动态变化，特别是scutoid形成的调控因素和机制。	海星胚胎的上皮组织，具体为增殖中的假复层上皮细胞。	计算机视觉、深度学习、发育生物学	不适用	活体成像、深度学习分割	深度学习分割模型（未具体指定类型）	图像（活体成像的三维共聚焦图像）	未明确说明，涉及海星胚胎的活体成像数据	未明确说明（可能使用PyTorch或TensorFlow等，但摘要中未提及）	未明确指定（可能基于U-Net等常见分割架构，但摘要中未提供）	未明确说明（可能包括分割准确性等，但摘要中未提及）	未明确说明
1673	2026-08-20	Predicting splicing patterns from the transcription factor binding sites in the promoter with deep learning 2024-Sep-03, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10667-7 PMID:39227799	研究论文	本研究提出计算方法，利用启动子中的转录因子结合位点预测下游剪接模式	首次系统探讨启动子结合转录因子与下游可变剪接的关系，并采用卷积神经网络结合计算机模拟突变分析识别潜在的剪接调控因子	预测不同组织中单基因的剪接形式时泛化能力有限	揭示启动子结合转录因子结合位点与下游剪接模式之间的调控关系	转录因子结合位点及下游剪接模式	机器学习	NA	DNase I超敏感位点测序、RNA-seq	卷积神经网络（CNN）	基因序列和转录组数据	来自ENCODE的十五种人类组织的样本	NA	CNN	剪接效率变化预测的准确性	NA
1674	2026-08-20	A deep learning model of tumor cell architecture elucidates response and resistance to CDK4/6 inhibitors 2024-07, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-024-00740-1 PMID:38443662	研究论文	构建了一个基于癌症多蛋白复合物参考图谱的可解释深度学习模型，用于预测CDK4/6抑制剂帕博西尼的反应和耐药性	通过多蛋白复合物整合罕见和常见基因改变，比单基因生物标志物更准确地预测药物反应，并利用CRISPR-Cas9验证了预测复合物的功能	未明确提及，但可能包括依赖细胞系和异种移植模型，需进一步临床验证	阐明CDK4/6抑制剂反应和耐药性的潜在机制，提高治疗预测准确性	乳腺癌细胞系、患者和患者来源的异种移植模型	深度学习	乳腺癌	CRISPR-Cas9、深度学习	深度学习模型（具体类型未明确）	基因组数据、蛋白复合物数据	未明确，但涉及多个细胞系、患者和异种移植模型	NA	NA	未明确，但可能包括准确性、敏感性等	NA
1675	2026-08-20	Multi-organ segmentation: a progressive exploration of learning paradigms under scarce annotation 2024-05-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad33b5 PMID:38479023	综述	本文系统回顾了医学图像多器官分割中的学习范式，重点探讨了在标注稀缺条件下迁移学习、半监督学习和部分监督学习等方法。	从技术和方法论角度全面阐述了三种标注高效学习范式在多器官分割中的应用，并总结了挑战和未来趋势。	未详细比较不同方法在具体数据集上的性能。	探讨多器官分割在标注稀缺条件下的高效学习范式。	多器官分割方法，特别是基于深度学习的方法。	计算机视觉	NA	NA	深度学习模型	医学图像	NA	NA	NA	NA	NA
1676	2026-08-20	Joint reconstruction and segmentation in undersampled 3D knee MRI combining shape knowledge and deep learning 2024-04-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3797 PMID:38527376	研究论文	本文提出了一种结合形状知识和深度学习的方法，用于欠采样三维膝关节MRI的联合重建与分割，以提高分割精度并降低计算成本。	创新点在于将统计形状模型（SSMs）作为最终后处理步骤，用于正则化由多任务学习（MTL）获得的分割图，从而在保持分割质量的同时实现模型参数的五倍减少和计算速度的一个数量级提升。	文中未明确提及局限性，但可能包括对特定数据集依赖、形状模型的通用性以及高欠采样因子下性能的潜在下降等。	研究目的为优化临床真实场景下三维膝关节MRI中骨骼和软骨的联合重建与分割，通过整合SSMs提高分割精度并减少计算资源需求。	研究对象为欠采样的三维膝关节MRI数据，具体目标为骨和软骨的分割。	医学影像处理	膝关节疾病	MRI	神经网络（U-Net）与统计形状模型结合	三维MRI图像	未在摘要中提及具体样本量	NA	U-Net	平均表面误差，最大表面误差	未在摘要中提及具体计算资源，但提到需要大量硬件资源
1677	2026-08-20	3D cine-magnetic resonance imaging using spatial and temporal implicit neural representation learning (STINR-MR) 2024-04-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad33b7 PMID:38479004	研究论文	提出了一种基于空间和时间隐式神经表示学习（STINR-MR）的框架，用于从高度欠采样的数据中实现高精度三维动态磁共振成像（cine-MRI）重建	提出空间和时间隐式神经表示学习框架，通过联合重建和可变形配准实现高加速因子，利用主成分分析提取的基变形向量场构建动态运动模型	未在文中明确说明	从高度欠采样的数据中实现高精度的三维动态磁共振成像重建	三维动态磁共振成像数据，包括XCAT数字体模模拟的MR数据及临床获取的人体MR数据集	机器学习	不适用	磁共振成像	隐式神经表示网络	图像	包含XCAT数字体模模拟数据及两个临床人体MR数据集	不适用	空间隐式神经表示网络、时间隐式神经表示网络	质心误差、图像质量、伪影、肿瘤定位精度	不适用
1678	2026-08-20	Aleatoric and epistemic uncertainty extraction of patient-specific deep learning-based dose predictions in LDR prostate brachytherapy 2024-04-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3418 PMID:38484398	研究论文	本研究开发了用于低剂量率前列腺近距离放疗的深度学习剂量预测算法，并评估了其不确定性和稳定性	首次在LDR前列腺近距离放疗中同时提取深度学习的偶然不确定性和认知不确定性，并使用ResUNet TSE模型实现了毫秒级的快速剂量预测	未明确提及局限性，但样本量相对较小（200例患者），且不确定性的临床验证尚未进行	建立快速且可靠的基于深度学习的低剂量率前列腺近距离放疗剂量预测算法，并评估其不确定性和稳定性	200名接受I源治疗的前列腺癌患者	深度学习、医学影像	前列腺癌	蒙特卡洛模拟、3D卷积神经网络	3D卷积神经网络	患者几何数据和种子位置	200例患者，分为训练集150例、验证集25例、测试集25例	NA	UNet, ResUNet TSE	平均差异、全局剂量差异比、不确定性指标	NA
1679	2026-08-20	Cross noise level PET denoising with continuous adversarial domain generalization 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad341a PMID:38484401	研究论文	本研究提出一种基于连续对抗域泛化的PET图像去噪方法，以解决跨噪声水平下的性能下降问题	首次从域泛化角度解决跨噪声水平去噪中的性能下降问题，并开创性地使用连续域泛化技术利用连续变化的源域	未在摘要中明确提及局限性	利用域泛化技术解决PET图像去噪中不同噪声水平间的分布偏移问题，使模型对任意噪声水平具有泛化能力	97F-MK6240 tau PET研究中的60名受试者的图像数据	医学影像	阿尔茨海默病	PET成像	3D UNet（生成对抗网络）	3D图像	60名受试者的97F-MK6240 tau PET研究，三组事件分数（10%、13%-22%、25%），每组20个噪声实现，共1400对训练、120对验证和420对测试的3D图像卷	NA	3D UNet	偏差、标准差、SSIM、PSNR	NA
1680	2026-08-20	IWNeXt: an image-wavelet domain ConvNeXt-based network for self-supervised multi-contrast MRI reconstruction 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad33b4 PMID:38479022	研究论文	提出一种基于图像-小波域的ConvNeXt网络IWNeXt，用于自监督多对比度磁共振成像重建，以加速成像速度并减少对全采样目标对比度数据的依赖	首次将ConvNeXt架构引入图像域和小波域进行多对比度MRI重建，设计交叉域一致性损失实现自监督学习，并利用参考对比度小波子带作为补充信息增强重建细节	未提及明确局限性，但从描述看可能依赖于特定数据集和采样轨迹，泛化性有待验证	提高多对比度MRI重建精度，减少采集时间和对全采样目标对比度数据的依赖	多对比度磁共振成像数据，包括目标对比度和参考对比度图像	医学图像重建	不适用	MRI成像	CNN（ConvNeXt）	图像（MRI图像）	HCP数据集和M4Raw数据集	NA	ConvNeXt	峰值信噪比（PSNR）	NA