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
161	2026-07-01	The Seizure Embedding Map: A Spatio-Temporal Transformer for Comparing Patients by Ictal Intracranial EEG Features at Scale 2025-Oct-17, medRxiv : the preprint server for health sciences DOI:10.1101/2025.10.15.25338097 PMID:41282754	研究论文	提出一种基于时空Transformer的癫痫发作嵌入图，用于比较药物难治性癫痫患者基于颅内脑电图特征的发作模式	首次引入灵活处理不同电极数量和植入位置的时空Transformer模型，将临床颅内脑电图数据编码为嵌入向量，实现跨患者的发作特征定量比较	发作聚类未能在治疗或术后结局方面区分患者，且缺乏多模态数据整合，聚类结果与解剖区域和发作分类关联显著但预测能力有限	通过定量化颅内脑电图记录中的时空特征，建立新患者与既往病例之间的可比性，为药物难治性癫痫的手术治疗提供循证决策支持	药物难治性癫痫患者的癫痫发作事件，包括立体定向脑电图和皮层脑电图记录	机器学习	癫痫	颅内脑电图	Transformer	时间序列信号	102名受试者的882次临床癫痫发作记录	PyTorch	卷积层与时空位置编码器结合的Transformer	验证准确率	NA
162	2026-07-01	Inferring Dynamic Information from Protein Structures by Gaussian Integrals and Deep Learning 2025-Sep-24, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.22.677755 PMID:41040270	研究论文	提出一种从静态蛋白质结构推断动态灵活性信息的深度学习框架，无需分子动力学模拟	利用高斯积分向量作为蛋白质骨架的全局形状和拓扑不变量，结合注意力机制的一维卷积神经网络实现灵活性与非灵活性分类，性能优于传统方法	对高度灵活性蛋白质的预测存在系统性低估，且不同二级结构类型（如α螺旋）的预测效果差异较大	开发无需分子动力学模拟即可从蛋白质静态结构预测动态灵活性的计算方法	来自ATLAS数据库的1,374条蛋白质链的标准化全原子分子动力学轨迹数据	机器学习	不适用	分子动力学模拟、高斯积分	一维卷积神经网络、循环神经网络、注意力机制	蛋白质结构坐标、30维高斯积分向量	1,374条蛋白质链，每条链对应标准化全原子分子动力学轨迹	PyTorch	注意力机制的一维卷积神经网络、循环神经网络	AUC、精确率、召回率、F1分数、R	未明确提及
163	2026-07-01	Quantitative Computed Tomography Measures of Lung Fibrosis and Outcomes in the National Lung Screening Trial 2025-09, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202410-1048OC PMID:40208581	研究论文	研究国家肺部筛查试验中定量CT测量的肺纤维化与临床结局的关系	利用深度学习算法和定量成像技术，在大规模高风险人群中评估肺纤维化的意义	仅包括有吸烟史的高危人群，可能无法推广至其他人群	评估定量肺纤维化测量与临床相关结局的关联	国家肺部筛查试验中的参与者	计算机视觉	肺纤维化	低剂量CT扫描，CALIPER算法，深度学习UIP算法	深度学习模型（DL-UIP）	医学影像	11518名参与者	NA	CALIPER, DL-UIP	危险比（HR）	NA
164	2026-07-01	Pulse Pressure, White Matter Hyperintensities, and Cognition: Mediating Effects Across the Adult Lifespan 2025-08, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70086 PMID:40413732	研究论文	研究脉压和平均动脉压对年龄与白质高信号负荷关系的介导作用，以及白质高信号负荷对认知功能的介导效应	发现脉压而非平均动脉压介导年龄与白质高信号负荷的关系，并验证白质高信号负荷在整个成年生命周期中作为认知评分的中介变量	样本量较小（231人），且为回顾性研究设计，可能存在未控制的混杂因素	探讨血压指标（脉压和平均动脉压）在年龄相关脑白质病变累积及认知功能下降中的中介机制	231名无中风和痴呆的成年人	机器学习	老年性疾病	磁共振成像（T2-FLAIR序列）	TrUE-Net深度学习工具	医学影像数据	231名成年人（来自Aging Brain Cohort研究）	NA	TrUE-Net	NA	NA
165	2026-07-01	A Digital Twin Framework for Adaptive Treatment Planning in Radiotherapy 2025-Jul-22, ArXiv PMID:40671956	研究论文	提出了一种用于前列腺立体定向放射治疗的数字孪生框架，实现快速在线自适应质子治疗计划优化	整合深度学习和多图谱变形配准，利用每日锥形束CT更新解剖结构，并通过知识库计划质量评估实现临床等效治疗计划，显著缩短再优化时间	基于43例既往病例的数据库，样本量有限，且仅针对前列腺SBRT，需验证更广泛适用性	开发数字孪生框架以实现自适应放疗中快速在线计划优化，提高治疗精度并减少器官毒性	前列腺立体定向放射治疗病例	数字病理学	前列腺癌	质子治疗	CNN	图像	43例既往前列腺SBRT病例	TensorFlow, PyTorch	U-Net	计划质量评分, 剂量覆盖率, 器官受照剂量	NA
166	2026-07-01	Leveraging deep learning to discover interpretable cellular spatial biomarkers for prognostic predictions based on hepatocellular carcinoma histology 2025-07, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70033 PMID:40511597	研究论文	利用深度学习从肝细胞癌组织学图像中挖掘可解释的细胞空间生物标志物用于预后预测	首次系统量化肝细胞癌肿瘤微环境中肿瘤细胞、基质细胞和淋巴细胞的空间分布特征，并发现六种与患者总生存期显著相关的细胞空间特征，其中部分特征组合能进一步分层预后	研究仅基于H&E染色图像，可能需要更多独立队列验证；未深入探讨这些空间特征背后的生物学机制	通过量化肝细胞癌肿瘤微环境中的细胞空间组织，发现可解释的预后生物标志物，以改善患者风险分层	肝细胞癌H&E染色病理图像中的肿瘤细胞、基质细胞和淋巴细胞	数字病理学	肝细胞癌	深度学习细胞分割与识别	CNN	图像	两个独立队列：癌症基因组图谱计划队列和北京医院队列	NA	NA	总生存期相关性	NA
167	2026-07-01	Uncertainty-Aware Deep Learning Characterization of Knee Radiographs for Large-Scale Registry Creation 2025-05, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.10.103 PMID:39477040	研究论文	提出一个自动化图像处理流程，用于膝关节放射影像注册，整合多标签图像语义分类器与共形预测不确定性量化及物体检测模型	首次将共形预测不确定性量化整合到膝关节放射影像多标签分类中，并结合物体检测模型用于大型注册库的自动化构建	NA	开发一个用于膝关节放射影像注册的自动化图像处理流程，提升大规模注册库创建的效率和透明度	膝关节放射影像	计算机视觉	膝关节疾病	NA	EfficientNet、物体检测模型	图像	26,000张膝关节图像用于分类，11,841张用于物体检测	NA	EfficientNet	F1分数、准确率、敏感度、特异性、边际覆盖率、效率、平均精确度	NA
168	2026-07-01	Enhancing HER2 testing in breast cancer: predicting fluorescence in situ hybridization (FISH) scores from immunohistochemistry images via deep learning 2025-03, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70024 PMID:40050230	研究论文	利用聚类约束注意力多实例深度学习模型，从免疫组化图像预测HER2评分和荧光原位杂交评分，以减少对反射性FISH检测的依赖	将深度学习应用于HER2 IHC评分和FISH评分预测，提高IHC测试的准确性，减少主观性和变异性，并降低对反射性FISH检测的依赖	FISH预测模型准确性和灵敏度较低，虽然特异性高，但对低表达病例的识别能力有限	提高HER2检测的准确性，减少主观性和变异性，降低对反射性FISH检测的依赖	5,731张HER2 IHC图像，包括592例FISH检测的病例	计算机视觉	乳腺癌	免疫组化（IHC），荧光原位杂交（FISH）	深度学习	图像	5,731张HER2 IHC图像，其中592例有FISH检测结果	NA	聚类约束注意力多实例学习模型	准确率，ROC AUC，敏感性，特异性	NA
169	2026-07-01	Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses 2025-02-05, American journal of epidemiology IF:5.0Q1 DOI:10.1093/aje/kwae215 PMID:39013794	评论	本文是一篇关于深度学习在流行病学数据收集中应用的评论文章，讨论了其扩展研究领域的机会	强调了深度学习在流行病学数据收集和分析中的新机遇，如扩大地理覆盖范围、增加受试者数量及处理高维数据	深度学习工具对流行病学家的使用不如传统回归方法直观或普及，需要跨学科合作	探讨深度学习在流行病学中扩展数据收集和分析的潜力	流行病学研究方法	机器学习	NA	深度学习	神经网络, 注意力算法	文本, 音频, 图像, 视频	NA	NA	NA	NA	NA
170	2026-07-01	Spiral volumetric optoacoustic tomography of reduced oxygen saturation in the spinal cord of M83 mouse model of Parkinson's disease 2025-01, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06938-w PMID:39382580	研究论文	使用螺旋体积光声层析成像技术评估帕金森病M83小鼠模型脊髓中的氧饱和度降低	首次结合体内螺旋体积光声层析成像和高场磁共振成像及深度学习自动分割技术，非侵入性高分辨率检测帕金森病小鼠模型脊髓中的氧饱和度变化，无需结构性萎缩	未提及	评估帕金森病转基因M83小鼠模型脊髓中的氧合变化，并开发深度学习分析方法进行定量	帕金森病转基因M83小鼠及其非转基因同窝对照小鼠	数字病理学	帕金森病	螺旋体积光声层析成像，高场磁共振成像	深度学习模型	图像	M83小鼠和非转基因同窝对照小鼠，具体数量未提及	NA	NA	NA	NA
171	2026-07-01	Systematic review of generative adversarial networks (GANs) in cell microscopy: Trends, practices, and impact on image augmentation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291217 PMID:40554529	系统综述	本系统综述旨在找出生成对抗网络在细胞显微图像增强中的趋势、常见实践和常用数据集，并分析其影响	首次对GAN在细胞显微图像增强中的应用进行系统综述，识别出StyleGAN和对抗损失（Vanilla和Wasserstein）等热门架构与损失函数，并强调设计良好实践和黄金标准以确保可比性和可重复性	缺乏性能指标、基线和数据集的共识；仅纳入英文研究，可能存在语言偏差；未在PROSPERO注册	系统梳理GAN在细胞显微图像增强中的应用趋势、常见实践和常用数据集，并评估其影响	46项符合纳入标准的英文研究论文，使用GAN生成任何类型的细胞显微图像	计算机视觉	不适用	生成对抗网络	生成对抗网络	图像	46项研究，其中23项以图像增强为主要任务；检索到29个公开数据集	不适用	StyleGAN	不适用	不适用
172	2026-07-01	All-Atom Protein Sequence Design Based on Geometric Deep Learning 2024-12-09, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202411461 PMID:39295564	研究论文	介绍GeoSeqBuilder，一个整合蛋白序列生成与侧链构象预测的深度学习框架	首次将蛋白序列生成与侧链构象预测整合为端到端框架，利用空间几何特征显式包含相邻残基的三体相互作用	需要进一步测试以验证广泛适用性	设计针对特定蛋白主链的序列，生成全原子结构	蛋白序列与侧链构象	机器学习	NA	深度学习	深度学习框架	蛋白结构数据	15个测试序列（硫氧还蛋白和三螺旋束蛋白）	PyTorch	GeoSeqBuilder	天然残基回收率、热稳定性、晶体结构匹配度、酶活性	NA
173	2026-07-01	Société de Biomécanique young investigator award 2023: Estimation of intersegmental load at L5-S1 during lifting/lowering tasks using force plate free markerless motion capture 2024-12, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112422 PMID:39579592	研究论文	使用无力板无标记运动捕捉系统估算L5-S1关节在举升/降低任务中的节段间负荷	首次采用多视角无标记运动捕捉系统结合深度学习进行L5-S1关节负荷估算，无需力板，并与基于标记和力板的参考方法进行了严格对比	需要在真实工业条件下进行进一步验证	准确估算举升/降低任务中的L5-S1关节负荷，以理解肌肉骨骼疾病的发病机制	L5-S1关节的净力和力矩	计算机视觉	肌肉骨骼疾病	无标记运动捕捉	深度学习	图像	多名受试者	NA	NA	平均差异、峰值差异	NA
174	2026-07-01	Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children 2024-12-01, Critical care explorations DOI:10.1097/CCE.0000000000001188 PMID:39688905	研究论文	利用机器学习技术预测接受持续肾脏替代治疗（CRRT）的儿童及年轻成人患者ICU及院内生存率的模型开发与验证	首次针对儿童和年轻成人CRRT患者开发机器学习模型预测ICU及院内生存率，并评估了多种算法（如随机森林、逻辑回归）的性能差异	研究受限于回顾性设计、样本量有限（933例）、输入变量范围不足，且未进行深度特征选择或使用深度学习算法	开发并验证基于机器学习的预测模型，用于帮助临床决策，识别儿童CRRT患者中高死亡风险群体	2015-2021年接受CRRT的急性肾损伤和/或容量超负荷的25岁以下患者（共933例）	机器学习	急性肾损伤	NA	逻辑回归、决策树、随机森林、梯度提升机、支持向量机	临床数据（包括实验室指标、疾病评分、诊断信息等）	933例患者（中位年龄8.97岁，54%男性）	NA	随机森林、逻辑回归（L2正则化）、支持向量机（线性核）	AUROC, AUPRC	NA
175	2026-07-01	Exploring prognostic biomarkers in pathological images of colorectal cancer patients via deep learning 2024-11, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70003 PMID:39343999	研究论文	通过深度学习从结直肠癌患者病理图像中探索预后生物标志物	利用弱监督深度学习模型构建结直肠癌风险评分，结合多组学数据揭示潜在生物学机制，并构建病理组学列线图提升预后预测准确性	NA	开发基于病理图像的结直肠癌预后风险评分，实现个性化预后分层和治疗策略制定	结直肠癌患者的H&E全切片图像及多组学数据	数字病理学, 机器学习	结直肠癌	H&E染色全切片成像, 多组学分析	弱监督深度学习模型	病理图像, 多组学数据	训练集：640例前列腺、肺、结直肠和卵巢癌筛查试验患者；验证集：522例癌症基因组图谱结直肠癌患者	PyTorch	Grad-CAM	总体生存分析中的p值, 列线图预测精度	NA
176	2026-07-01	Deep learning-based analysis of EGFR mutation prevalence in lung adenocarcinoma H&E whole slide images 2024-11, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70004 PMID:39358807	研究论文	开发深度学习模型，通过分析肺腺癌H&E全切片图像预测EGFR突变状态，并引入EGFR突变流行度评分以提升可解释性	提出EGFR突变流行度评分量化全切片中EGFR突变区域分布，采用补丁掩码调度训练策略学习多种组织病理模式，并在多中心数据集上验证模型泛化能力	仅依赖H&E染色图像，未整合其他模态数据；模型预测性能仍需提升；可解释性分析局限于特定突变亚型和组织学亚型	利用深度学习从全切片图像中无创预测肺腺癌EGFR突变状态，为快速筛查和治疗方案制定提供依据	肺腺癌患者的H&E染色全切片图像及对应EGFR突变状态	数字病理学，计算机视觉	肺腺癌	H&E染色全切片成像	深度学习模型（基于多实例学习）	全切片图像	868例训练样本（来自3家医疗机构），197例测试样本（来自1家医疗机构），64例样本进行二代测序分析	NA	多实例学习框架（具体架构未明确说明）	AUC， AUPRC， Spearman相关系数	NA
177	2026-07-01	Breast cancer survival prediction using an automated mitosis detection pipeline 2024-11, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70008 PMID:39466133	研究论文	使用自动有丝分裂检测流程预测乳腺癌生存率	提出了一种全自动的有丝分裂检测方法，包括新型自动区域选择器，用于在整张切片图像上找到最佳有丝分裂热点并计算有丝分裂计数	NA	验证全自动有丝分裂检测方法在乳腺癌患者生存预测中的预后价值	乳腺癌患者及其有丝分裂计数	数字病理学	乳腺癌	病理切片成像	深度学习模型	图像	912例乳腺癌患者的全切片图像	NA	NA	生存分析中的单变量和多变量预测值	NA
178	2026-07-01	The impacts of positive selection on genomic variation in Drosophila serrata: Insights from a deep learning approach 2024-09, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17499 PMID:39188068	研究论文	利用深度学习方法探究正选择对果蝇塞拉塔种群基因组变异的影响	采用先进深度学习算法（partialS/HIC）对果蝇种群正选择进行全面分析，揭示了软性选择扫荡的普遍性和正选择通过搭车效应增加有害变异频率的新见解	算法在区分中性区域与部分扫荡及连锁区域时受人口统计学错误设定影响，且依赖于推断的人口历史模型	探究正选择如何直接和间接影响果蝇塞拉塔种群的基因组组成	澳大利亚东部果蝇塞拉塔种群	机器学习	不适用	全基因组测序	深度学习算法（partialS/HIC）	基因组序列数据	110个全基因组序列	不适用	不适用	不适用	不适用
179	2026-07-01	Development and Validation of a Deep Learning Model for Prediction of Adult Physiological Deterioration 2024-09-01, Critical care explorations DOI:10.1097/CCE.0000000000001151 PMID:39258951	研究论文	开发并验证了一种基于深度学习模型（DETERIO）用于预测成人生理恶化	基于共识定义（AIDE标准）将恶化问题视为状态价值估计问题，并优于商业恶化评分系统（EDI）	需要进一步研究评估模型的泛化能力和实际临床影响	开发并验证一种深度学习恶化预测模型，以改善临床干预时机	成人住院及急诊患者	机器学习	心血管疾病	NA	深度学习模型	临床数据	推导队列330,729名患者（住院71,735人，急诊258,994人）；验证队列65,898名患者（住院13,750人，急诊52,148人）	NA	基于先前工作的架构	AUC, 灵敏度, 阳性预测值	NA
180	2026-07-01	Predicting and Recognizing Drug-Induced Type I Brugada Pattern Using ECG-Based Deep Learning 2024-05-21, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.033148 PMID:38726893	研究论文	开发基于心电图的深度卷积神经网络BrS-Net，用于识别和预测药物诱导的I型Brugada模式	首次将小波分析与深度卷积神经网络结合，同时实现药物诱导的I型Brugada模式的识别和基线心电图的预测	未在未经选择的广泛人群中验证其外部泛化能力，样本量有限且为单中心研究	评估深度卷积神经网络在识别和预测Brugada综合征诊断中的性能	接受阿义马林检测的连续患者的心电图追踪	医学图像分析	Brugada综合征	心电图（ECG），小波分析	深度卷积神经网络（CNN）	心电图信号	1188名患者，其中361名（30.3%）在阿义马林输注期间出现I型Brugada模式	NA	卷积神经网络（BrS-Net）	AUC-ROC, AUC-PR	NA