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
1861	2026-09-18	Refining sequence-to-activity models by increasing model resolution 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.01.24.634804 PMID:39975126	研究论文	本文通过增加模型分辨率，即建模ATAC-seq的碱基对分辨率图谱，来改进序列到活性的模型，从而更精确地解码调控语法	首次证明在序列到活性模型中建模ATAC-seq图谱与可及性同时进行，能持续改进对不同细胞类型差异染色质可及性的预测，并识别出仅在包含图谱数据时出现的新基序	未明确提及	通过增加模型分辨率（建模ATAC-seq图谱）来改进序列到活性模型，以更精确地解码控制基因表达的顺式调控语法	免疫细胞类型（多种免疫细胞）的ATAC-seq数据	机器学习	NA	ATAC-seq	深度学习	DNA序列和ATAC-seq图谱数据	NA	NA	AI-TAC	预测差异染色质可及性的性能	NA
1862	2026-09-18	OpenSpliceAI: An efficient, modular implementation of SpliceAI enabling easy retraining on non-human species 2025-Jul-11, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.20.644351 PMID:40166201	研究论文	本文介绍了OpenSpliceAI，一个基于PyTorch的SpliceAI高效模块化实现，支持在非人类物种上轻松重新训练	使用PyTorch重新实现SpliceAI，支持从头训练和迁移学习，实现更快的处理速度和更低的内存使用，易于集成到机器学习生态系统中	未明确提及	解决SpliceAI依赖旧软件框架和以人类为中心的训练数据的问题，提供可训练、开源的版本，支持物种特异性数据集的重新训练	DNA序列中的剪接信号，非人类物种的基因组数据	机器学习	NA	深度学习	CNN	DNA序列	NA	PyTorch	SpliceAI	处理速度，内存使用，输出一致性，得分概率估计	单个GPU
1863	2026-09-18	PediMS: A Pediatric Multiple Sclerosis Lesion Segmentation Dataset 2025-07-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05346-5 PMID:40640191	研究论文	本文介绍了首个公开的儿童多发性硬化症病变分割MRI数据集，包含9名患者的28次纵向扫描，并评估了两种深度学习模型	首个专门用于儿童多发性硬化症病变分割的公开MRI数据集，提供纵向扫描、临床数据和专家标注	样本量小（9名患者），可能限制模型的泛化能力	推动儿童多发性硬化症研究，改进病变分割模型，并促进联邦学习方法	儿童多发性硬化症患者	医学图像分割	多发性硬化症	MRI	深度学习	图像	9名儿童患者，28次MRI扫描	NA	NA	分割性能指标	NA
1864	2026-09-18	Integrating structural homology with deep learning to achieve highly accurate protein-protein interface prediction for the human interactome 2025-Jun-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.09.658393 PMID:40661495	研究论文	该文章提出了一个计算流程PIONEER2.0，整合三维结构相似性与几何深度学习，用于准确预测人类蛋白质互作组中蛋白质-蛋白质界面的残基，并通过实验验证和疾病突变优先级分析展示其应用价值。	整合结构同源性与几何深度学习，针对AlphaFold3难以建模的约一半人类互作组，PIONEER2.0在界面残基预测上显著优于AlphaFold3，并构建了涵盖352,124个实验确定的人类二元蛋白质互作的多尺度结构信息互作组。	摘要中未明确提及研究的局限性。	开发高精度的蛋白质-蛋白质界面预测工具，以弥补结构解析复合物数量不足的问题，并应用于疾病突变机制研究和个性化医疗。	人类蛋白质互作组中的二元蛋白质-蛋白质相互作用及其界面残基。	计算生物学、结构生物信息学、深度学习	NA	几何深度学习、3D结构相似性比较、突变生成与实验验证	深度学习	蛋白质三维结构数据、蛋白质序列数据、突变数据	实验验证了1,866个突变，测试了5,010个突变-相互作用对；构建的互作组包含352,124个实验确定的人类二元蛋白质相互作用	NA	NA	界面残基预测准确性（与实验确定界面比较）	NA
1865	2026-09-18	Deep learning-based reconstruction improves image quality in low-dose head CT angiography 2025-06, Malawi medical journal : the journal of Medical Association of Malawi IF:1.2Q4 DOI:10.4314/mmj.v37i2.8 PMID:41306806	研究论文	比较低剂量头部CT血管造影中滤波反投影、自适应统计迭代重建-Veo和深度学习图像重建算法的图像质量	在低剂量头部CT血管造影中评估深度学习图像重建算法，并与传统重建方法进行比较	样本量较小，仅25名患者	比较不同重建算法在低剂量头部CT血管造影中的图像质量	接受头部CT血管造影的患者	医学图像处理	脑血管疾病	CT血管造影	深度学习图像重建	医学图像	25名患者	NA	NA	CT值, 标准差, 信噪比, 对比噪声比, 边缘上升斜率, 主观评分	NA
1866	2026-09-18	Multiobjective learning and design of bacteriophage specificity 2025-May-19, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.19.654895 PMID:40475446	研究论文	本文应用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，以增强感染性、预定义特异性和对未见菌株的高通用性毒力	首次将多目标深度学习应用于噬菌体宿主特异性的设计与理解；比较了多种模型架构和设计方法；实验表征了针对26种不同任务优化的噬菌体；揭示了T7靶向能力的高度可塑性	成功验证依赖于低通量实验验证，可能限制高通量应用；未明确讨论模型泛化到其他噬菌体或蛋白的局限性	理解和设计蛋白质的多功能景观，特别是T7噬菌体受体结合蛋白的宿主靶向特异性	T7噬菌体受体结合蛋白及其宿主靶向特异性	机器学习	NA	深度学习	多种模型架构（未具体说明）	序列和功能数据	26种不同任务	NA	多种架构（未具体说明）	成功率	NA
1867	2026-09-18	Fourier-enhanced high-order total variation (FeHOT) iterative network for interior tomography 2025-04-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adc8f6 PMID:40179937	研究论文	本文提出了一种傅里叶增强的高阶全变分（FeHOT）迭代网络，用于内层CT重建，通过结合高阶全变分正则化和傅里叶频域增强，实现高精度重建	1) 通过迭代展开框架将经典HOT理论与深度学习相结合；2) 引入频域操作以克服CT图像中多项式/分段常数假设的局限性；3) 仅需五次迭代即可实现高质量重建，平衡了计算效率与准确性	对于具有分段常数特性的AAPM数据集，一阶全变分已取得满意结果，而FeHOT的二阶正则化更适用于非分段常数特征的临床医学数据集；未明确说明对其他类型CT数据的泛化能力	利用高阶全变分正则化和基于傅里叶的频域增强，从截断投影数据中实现高精度重建，同时克服现有方法收敛慢、过度平滑和高频细节丢失等局限性	截断投影数据、CT图像	计算机视觉	NA	CT重建、高阶全变分正则化、傅里叶频域增强	CNN	图像	AAPM数据集和临床医学数据集（具体样本数量未提及）	NA	U-Net	PSNR, SSIM	NA
1868	2026-09-18	Leveraging Physics-Based Synthetic MR Images and Deep Transfer Learning for Artifact Reduction in Echo-Planar Imaging 2025-04-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8566 PMID:39947682	研究论文	该研究利用基于物理的方法合成逼真的MR伪影，并训练深度学习生成对抗网络（GAN）用于EPI伪影减少	使用基于物理的模拟伪影创建合成数据集，并采用堆叠迁移学习方法训练GAN，能够纠正常见伪影同时保留对比度信息，即使对于网络未训练过的对比度	研究主要基于合成数据，需要在更多真实临床数据上进一步验证	利用基于物理的合成MR图像和深度迁移学习减少EPI中的伪影	1,392名接受脑部MRI检查患者的4,573个解剖MR序列，以及49名复发性胶质母细胞瘤患者的ADC图	计算机视觉	脑癌	MRI	GAN	图像	1,392名患者的4,573个MR序列用于训练；49名复发性胶质母细胞瘤患者用于测试	NA	Pix2PixGAN, Attention-R2UNet	均方误差, 结构相似性指数, 多尺度结构相似性指数, 峰值信噪比, 豪斯多夫距离	NA
1869	2026-09-18	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-04-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	研究论文	本研究比较了6种深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，并分析了阿尔茨海默病患者的体积变化	在较大数据集上比较了包括U-Mamba_Bot和U-Mamba_Enc在内的6种先进深度学习模型对122个脑结构的分割性能，并验证了体积分析结果与文献的一致性	数据集规模有限，需要更大数据集进一步验证，未探索模型在其他神经系统疾病中的适用性	评估6种先进深度学习模型在T1加权MRI上分割122个脑结构的性能，识别最适合临床和研究应用的模型	1510例T1加权脑MRI扫描，包括正常对照和阿尔茨海默病患者	医学图像分割	阿尔茨海默病	T1加权磁共振成像	CNN, Transformer, Mamba	图像	1510例T1加权MRI	NA	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	Dice相似系数, 95%豪斯多夫距离	NA
1870	2026-09-18	Deep Learning-Based Reconstruction for Accelerated Cervical Spine MRI: Utility in the Evaluation of Myelopathy and Degenerative Diseases 2025-04-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8567 PMID:40147833	研究论文	本文比较了传统颈椎MRI与采用基于深度学习的加速颈椎MRI在评估脊髓病和退行性疾病时的图像质量和诊断性能	使用商业可用的供应商中立的基于深度学习的重建算法在DICOM域内操作，实现了加速颈椎MRI采集，同时保持或提高了图像质量和诊断性能	样本量较小，仅50名患者，且仅评估了特定序列和疾病类型	前瞻性比较传统颈椎MRI与加速颈椎MRI在评估颈椎退行性疾病和脊髓病时的图像质量和诊断性能	50名患有退行性颈椎病或脊髓病的患者	医学影像分析	颈椎退行性疾病, 脊髓病	MRI	NA	图像	50名患者	NA	NA	SNR, CNR, 敏感性, 特异性, 图像质量评分	NA
1871	2026-09-18	Rapid left ventricle mesh prediction by adaptive deformable model fitting 2025-03-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adc237 PMID:40101357	研究论文	本文提出一种自适应可变形模型拟合框架，用于快速且无需训练的左心室网格预测，并在三个心脏磁共振数据集上验证其性能	提出基于本征正交分解的自适应网格模块和两阶段拟合方案，无需标注训练数据，可适应患者间形态差异，并保持解剖拓扑结构	摘要中未明确提及研究的局限性	克服现有方法在计算复杂度、对大规模配对训练数据的依赖以及跨心脏病理泛化能力有限等方面的关键限制	三维左心室网格、心脏磁共振成像数据、扩张型心肌病临床数据	医学图像分析	心血管疾病	心脏磁共振成像	自适应可变形模型	图像	三个心脏磁共振成像数据集（具体样本量未在摘要中说明）	NA	本征正交分解、可微体素化、多调和样条插值	Dice系数	NA
1872	2026-09-18	Deep learning techniques for proton dose prediction across multiple anatomical sites and variable beam configurations 2025-03-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adc236 PMID:40101365	研究论文	本研究评估了束流掩膜和数据聚合对基于人工智能的质子治疗剂量预测准确性的影响，重点关注数据有限或高度异质性的场景	首次系统评估了束流掩膜和数据聚合策略对质子治疗剂量预测准确性的联合影响，特别是在数据异质性高的场景下	未提及模型在不同质子治疗设备间的泛化能力，且数据集仅限于前列腺和头颈部两个解剖部位	评估束流掩膜实现和数据聚合对基于人工智能的质子治疗剂量预测准确性的影响	541例前列腺质子治疗计划和632例头颈部质子治疗计划	医学影像分析	前列腺癌，头颈癌	质子治疗	CNN	图像	1173例质子治疗计划（541例前列腺，632例头颈部）	NA	NA	剂量体积直方图评分，平均绝对误差，平均绝对百分比误差，Dice相似系数，伽马通过率	NA
1873	2026-09-18	Deep learning-based segmentation of head and neck organs at risk on CBCT images with dosimetric assessment for radiotherapy 2025-03-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adbf63 PMID:40068304	研究论文	该研究开发了一个基于深度学习的框架，用于在CBCT图像上分割头颈部25个危及器官，并通过剂量学分析验证其临床相关性	提出了一个三步骤的综合框架，将在CT上训练的OAR分割模型迁移到合成CT图像上，并整合了CT的高对比度信息与sCT的纹理特征，同时通过外部队列的剂量学分析验证了分割的临床相关性	研究依赖于从CT传播的轮廓作为真实标签，可能引入偏差；未明确报告样本量的具体数值；CBCT图像本身存在软组织对比度差和伪影等问题	开发一个综合框架，在CBCT图像上分割25个头颈部危及器官，以促进放疗中的治疗再计划	头颈部癌症患者的CBCT和CT图像中的25个危及器官	医学图像分割	头颈部癌症	锥形束CT, 合成CT, 深度学习	深度学习模型	图像	NA	NA	NA	Dice相似系数, 平均表面距离, 平均剂量, D2(%)	NA
1874	2026-09-18	Fast and reliable probabilistic reflectometry inversion with prior-amortized neural posterior estimation 2025-Mar-14, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr9668 PMID:40085716	研究论文	本文提出了一种概率深度学习方法，用于快速可靠地重建薄膜和多层膜的结构	结合了基于模拟的推理和自适应先验，实现了概率性反射率反演，能够在几秒内识别所有现实结构	未明确说明	解决反射率数据分析中的可靠性问题，提供所有兼容结构的识别	薄膜和多层膜的结构	机器学习	NA	反射率测量	神经网络	反射率数据	NA	NA	NA	NA	NA
1875	2026-09-18	De novo designed proteins neutralize lethal snake venom toxins 2025-03, Nature IF:50.5Q1 DOI:10.1038/s41586-024-08393-x PMID:39814879	研究论文	该研究利用深度学习方法从头设计蛋白质，以中和蛇毒中的三指毒素（3FTx），包括短链和长链α-神经毒素及细胞毒素	首次利用深度学习方法从头设计能够中和3FTx家族所有三个亚家族的蛋白质，设计的蛋白质具有显著的热稳定性、高结合亲和力，且与计算模型达到近原子级一致性，并在小鼠模型中验证了保护效果	实验筛选规模有限，尚未进行临床试验，蛋白质的长期稳定性和大规模生产可行性仍需进一步验证	开发新型蛋白质疗法以替代传统多克隆抗体治疗蛇咬伤中毒，特别是针对3FTx家族的毒素	蛇毒三指毒素（3FTx），包括短链α-神经毒素、长链α-神经毒素和细胞毒素	机器学习	蛇咬伤中毒	深度学习蛋白质设计	深度学习模型	蛋白质结构数据	NA	NA	NA	结合亲和力、热稳定性、体外中和效果、小鼠存活率	NA
1876	2026-09-18	Influence of early through late fusion on pancreas segmentation from imperfectly registered multimodal magnetic resonance imaging 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024008 PMID:40291815	研究论文	该研究探讨了在配准不完美的多模态磁共振图像中，不同融合位置（早期到晚期）对胰腺分割性能的影响	系统地评估了从早期到晚期不同融合点对胰腺分割性能的影响，并比较了基础UNet和nnUNet两种架构	融合带来的性能提升较小，最佳融合位置依赖于具体模型，且图像配准不完美的问题仍未完全解决	研究在多模态磁共振图像配准不完美的情况下，深度学习模型中不同融合位置对胰腺分割性能的影响	胰腺	医学图像分割	糖尿病	磁共振成像	CNN	图像	353对T2加权和T1加权腹部MR图像，来自163名受试者	PyTorch	UNet, nnUNet	Dice系数	NA
1877	2026-09-18	Deep Unsupervised Clustering for Prostate Auto-segmentation With and Without Hydrogel Spacer 2025-Mar, Machine learning: science and technology DOI:10.1088/2632-2153/ada8f3 PMID:41078605	研究论文	本文提出了一种深度无监督聚类方法，用于识别前列腺癌放疗数据集中的潜在聚类，并利用聚类标签通过文本引导的分割模型CLIP-UNet提高自动分割的准确性	首次将无监督聚类（UMAP和k-means）与文本引导的分割模型CLIP-UNet结合，用于处理因水凝胶间隔物导致的异质性前列腺数据集，通过文本编码器编码聚类信息并融合图像特征进行分割	样本量相对有限（909例），聚类数目的确定可能依赖于具体数据集，模型的泛化能力需在更多外部数据上验证	解决因水凝胶间隔物等导致的临床数据集异质性问题，提高前列腺自动分割的准确性	909例前列腺癌患者的临床CT数据集，包括使用两种水凝胶间隔物和未使用的患者	医学图像分割	前列腺癌	CT成像	CLIP-UNet	图像	909例患者	NA	UNet, CLIP	Dice系数	NA
1878	2026-09-18	Medical Image Segmentation Assisted with Clinical Inputs via Language Encoder in A Deep Learning Framework 2025-Mar, Machine learning: science and technology DOI:10.1088/2632-2153/adb371 PMID:41078606	研究论文	提出一种深度学习医学图像分割框架，通过语言编码器融合临床文本信息，模拟临床医生勾画肿瘤靶区和危及器官的过程	将文本格式的临床信息通过基于Transformer的文本编码器转换为向量，并与图像特征融合用于分割，弥合了传统自动分割方法与临床医生指导下丰富上下文勾画之间的差距	仅在局部前列腺癌放疗的前列腺分割案例中进行了验证，未在其他癌症类型或靶区中广泛评估	提高癌症放疗中肿瘤靶区（特别是临床靶区）和危及器官的自动分割精度	前列腺癌放疗中的前列腺临床靶区和危及器官	数字病理学	前列腺癌	NA	Transformer, CNN	图像, 文本	NA	NA	Transformer	NA	NA
1879	2026-09-18	Persistence Image from 3D Medical Image: Superpixel and Optimized Gaussian Coefficient 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047078 PMID:41078394	研究论文	本文提出了一种结合超像素和优化高斯系数的3D拓扑数据分析方法，用于从三维医学图像中生成持久性图像并应用于分类任务	首次将超像素概念引入3D拓扑数据分析，通过优化高斯系数高效生成三维体数据的整体持久性图像	仅在MedMNist3D数据集上进行了验证，未在更广泛的临床3D医学图像数据上评估	将拓扑数据分析从2D扩展到3D医学图像分析，利用持久同调捕捉传统深度学习方法无法检测的拓扑特征	三维医学图像数据	数字病理学, 计算机视觉	NA	拓扑数据分析, 持久同调	NA	三维医学图像	NA	NA	NA	分类性能（具体指标未提及）	NA
1880	2026-09-18	Expanding Training Data for Endoscopic Phenotyping of Eosinophilic Esophagitis 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047356 PMID:41084623	研究论文	该研究通过扩充训练数据集，利用Data-efficient Image Transformer对嗜酸性粒细胞性食管炎进行内镜表型分类，并提高模型可解释性	通过整合在线平台、公共数据集和电子教科书图像，将训练数据从435张扩充至7050张，并采用Data-efficient Image Transformer及注意力图可视化增强可解释性	未明确说明外部验证集情况，可能影响泛化能力评估；数据扩充来源的异质性可能引入偏差	通过数据增强和模型改进，提高深度学习模型对内镜下嗜酸性粒细胞性食管炎表型分类的性能	嗜酸性粒细胞性食管炎患者的内镜图像	计算机视觉	嗜酸性粒细胞性食管炎	内镜检查	Transformer	图像	7050张图像（扩充后）	NA	Data-efficient Image Transformer	准确率、鲁棒性	NA