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
1	2026-08-10	AI in Neuro-Ophthalmology: Current Practice and Future Opportunities 2024-09-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002205 PMID:38965655	综述	本文综述了人工智能在神经眼科领域的应用现状和未来机遇，涵盖多种AI技术及其在诊断、预测模型和临床实践中的潜力	首次全面探讨生成式AI在神经眼科教育和临床实践中的整合，并强调其改善稀缺专科资源获取的潜力	未具体说明局限性，但综述可能受限于现有文献的覆盖范围和搜索策略	提供AI在神经眼科中应用的全面概述，评估其当前实践和未来机会，以及整合面临的挑战	神经眼科疾病及其诊断相关的影像数据（如OCT、眼底照片）和AI技术应用	计算机视觉、机器学习、自然语言处理	神经眼科疾病	光学相干断层扫描（OCT）、眼底摄影	机器学习算法、深度学习	图像数据、文本数据	不适用	不适用	不适用	不适用	不适用
2	2026-08-10	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012423 PMID:39255309	研究论文	本文训练半监督深度自编码器以识别斑马鱼幼体的正常行为，并检测化学物质暴露引起的异常行为变化，其性能优于传统统计方法。	首次将半监督深度自编码器应用于高维斑马鱼行为数据，可识别出传统方法（如仅基于距离移动）遗漏的、多种化学物质浓度组合下的异常行为。	文中未明确提及局限性。	开发一种基于深度自编码器的行为模式识别模型，以改进斑马鱼行为数据的分析，识别化学物质暴露引起的异常行为，并促进机制研究。	未暴露的斑马鱼幼体（用于训练）及暴露于不同有毒物质（包括纳米材料、芳香族化合物、全氟和多氟烷基物质等）的斑马鱼幼体（用于评估）。	机器学习	NA	行为学分析技术（包括高维行为数据采集）	深度自编码器（半监督）	行为学数据（高维、时空）	未明确说明具体样本数量，但涉及未暴露和暴露的斑马鱼幼体。	NA	自编码器	NA（但提到传统统计框架作为比较基准）	NA
3	2026-08-10	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-06, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	介绍MRD-EDGE平台，利用机器学习引导的全基因组测序信号富集，实现超灵敏的循环肿瘤DNA监测，用于微小残留病检测和治疗反应监测	通过深度学习和ctDNA特异性特征空间，将WGS中的SNV信噪比富集提高约300倍，并降低非整倍体检测所需的测序深度，支持血浆-only监测	未在摘要中明确说明，但可能涉及对特定癌症类型的适用性或验证范围限制	开发并验证一种基于机器学习的ctDNA检测平台MRD-EDGE，以提高低肿瘤分数下的微小残留病检测灵敏度和治疗监测准确性	多种癌症类型（包括肺癌、黑色素瘤、结直肠腺瘤）的患者样本，用于术后MRD检测、新辅助免疫治疗监测和癌前病变ctDNA shedding评估	机器学习	肺癌, 黑色素瘤, 结直肠腺瘤	全基因组测序（WGS）	深度学习	基因组测序数据（血浆WGS）	涉及多种癌症类型的患者样本，具体数量未在摘要中提及	NA	NA	信噪比富集倍数、检测灵敏度	NA
4	2026-08-10	Biometric contrastive learning for data-efficient deep learning from electrocardiographic images 2024-04-03, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae002 PMID:38269618	研究论文	提出了一种名为生物特征对比学习（BCL）的自监督预训练方法，用于心电图像上的数据高效深度学习	利用同一患者不同时间点、不同布局的ECG图像对进行自监督预训练，以提高标签效率	信息不明确	开发一种标签高效的预训练方法，用于从心电图像中检测疾病	心电图图像	计算机视觉	心房颤动	心电图成像	卷积神经网络	图像	78,288名个体的心电图对	PyTorch	卷积神经网络	AUROC	未提及
5	2026-08-10	Early Detection of Optic Nerve Changes on Optical Coherence Tomography Using Deep Learning for Risk-Stratification of Papilledema and Glaucoma 2024-03-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001945 PMID:37494177	研究论文	本研究探讨了利用深度学习在光学相干断层扫描图像上早期检测视神经变化，以预测视乳头水肿和青光眼的进展	利用人工智能检测临床医生在OCT上不易察觉的微特征，用于风险分层，而非简单复制眼科医生的诊断	研究为概念验证性质，样本量相对有限，且模型预测依赖特定图像类型（如RNFL厚度图或垂直断层扫描），其他图像类型效果不佳	评估人工智能在OCT图像上检测早期变化以预测视乳头水肿或青光眼进展的能力	发展为视乳头水肿（93例，166只眼）和青光眼（187例，327只眼）的患者的诊断前OCT图像，以及按杯盘比匹配的对照组	计算机视觉	视乳头水肿, 青光眼	光学相干断层扫描	卷积神经网络	图像	视乳头水肿组93例（166只眼），对照组254例（379只眼）；青光眼组187例（327只眼），对照组441例（739只眼）	NA	VGG-19	精确率, 召回率, 精确率-召回率曲线下面积	NA
6	2026-08-10	Artificial Intelligence and Machine Learning in Cancer Related Pain: A Systematic Review 2023-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.06.23299610 PMID:38105979	系统综述	本系统综述旨在探索人工智能/机器学习在癌症相关疼痛预测及疼痛管理决策支持中的应用	首次系统性地评估AI/ML在癌症疼痛预测和管理中的应用，并总结多种模型的性能比较及TRIPOD指南遵循情况	大多数纳入研究缺乏外部验证和临床实际应用，模型校准报告不足	探讨AI/ML在癌症疼痛相关结局预测和疼痛管理决策支持中的应用	癌症患者疼痛相关预测及管理决策	机器学习	癌症疼痛	NA	随机森林、Lasso、支持向量机等多种机器学习模型	临床研究数据	44项研究（2006-2023年）	NA	随机森林、Lasso、支持向量机	AUC、敏感性、特异性	NA
7	2026-08-10	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2023-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.13.557544 PMID:37745446	研究论文	本文利用半监督深度自编码器对斑马鱼幼虫的高维行为数据进行特征提取，以识别暴露于毒物后的异常行为，并发现传统统计方法未能捕捉的新化学物质效应	首次将半监督深度自编码器应用于斑马鱼高维行为数据的异常检测，能够识别传统统计方法（如仅基于移动距离）无法捕捉的多种化学物质-浓度组合下的行为异常	未在摘要中提及明确的局限性，可能包括模型对训练数据的依赖性、对复杂行为解释的挑战以及需要进一步验证的泛化能力	开发一种基于深度自编码器的行为模式识别方法，以更全面分析斑马鱼幼虫暴露于环境毒物后的高维行为数据，改进神经毒性筛选	斑马鱼幼虫的行为数据，包括未暴露和暴露于纳米材料、芳香族化合物、全氟和多氟烷基物质（PFAS）等环境污染物后的行为	机器学习	神经发育毒性	行为成像	深度自编码器	行为数据（图像/视频序列中的空间时间响应）	未明确具体样本数量，但涉及未暴露和暴露于多种毒物的斑马鱼幼虫	NA	深度自编码器	NA	NA
8	2026-08-10	Silhouette images enable estimation of body fat distribution and associated cardiometabolic risk 2022-Jul-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00654-1 PMID:35896726	研究论文	开发了一种基于身体轮廓图像的深度学习模型，用于准确估计特定脂肪组织体积及脂肪分布相关的心血管代谢风险	首次利用从全身磁共振图像构建的二维轮廓图（silhouette）作为卷积神经网络的输入，实现脂肪分布的无创、可扩展评估，并优于传统人体测量和生物电阻抗方法	未提及具体局限性	利用身体轮廓图像估计脂肪分布指标（如VAT、ASAT、GFAT）及其与心血管代谢风险的关联	英国生物银行40,032名参与者（平均年龄65岁，51%为女性）的全身磁共振图像	计算机视觉	心血管疾病、2型糖尿病	磁共振成像（MRI）	卷积神经网络（CNN）	二维轮廓图像	40,032名参与者的磁共振图像	NA	卷积神经网络（CNN）	相关系数（R）	NA
9	2026-08-10	Mortality Prediction Analysis among COVID-19 Inpatients Using Clinical Variables and Deep Learning Chest Radiography Imaging Features 2022-07-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography8040151 PMID:35894016	研究论文	本文探讨了使用临床变量和胸部X光影像特征预测COVID-19住院患者死亡率的机器学习方法。	结合了胸部X光影像的深度学习特征与传统临床变量，并应用LIME方法解释模型预测，以量化影像和临床数据对死亡预测的贡献。	该研究基于疫苗广泛可用前的数据，可能不适用于当前情况；样本量有限，且未提及外部验证。	旨在通过结合临床和影像数据开发可解释的AI模型，以预测COVID-19住院患者死亡率，辅助临床决策。	COVID-19住院患者，包括其人口统计学、入院前临床史、既往病史及胸部X光影像。	医学影像分析, 机器学习	COVID-19	胸部X光成像	多层感知机, 卷积神经网络	临床文本数据、胸部X光图像	未在摘要中明确说明，但提到使用去标识化数据集，包含疫苗广泛可用前的经历。	未明确提及，可能使用常见框架如PyTorch或TensorFlow	多层感知机, 卷积神经网络（使用迁移学习）	ROC-AUC	未明确提及，但使用深度学习，可能需GPU支持。
10	2026-08-10	Segmentation of Pancreatic Subregions in Computed Tomography Images 2022-Jul-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8070195 PMID:35877639	研究论文	本文提出了一种多阶段解剖引导框架，用于在CT图像中自动分割胰腺亚区域（头、体、尾），并验证了其性能。	据我们所知，这是首个自动化胰腺亚区域分割模型，并建立了NIH数据集的参考解剖标签数据集。	未提及，NA	实现CT图像中胰腺亚区域的准确、自动3D分割，以辅助胰腺癌的诊断和治疗规划。	胰腺亚区域（头、体、尾）在CT图像中的分割	计算机视觉	胰腺癌	CT成像	朴素贝叶斯分类器和U-Net	计算机断层扫描（CT）图像	三个数据集：一个公共NIH健康胰腺数据集，以及两个分别用于癌前和癌性胰腺的数据集（具体样本数未提供）	NA	U-Net	性能指标未在摘要中明确提及	NA
11	2026-08-10	Systematic characterization of mutations altering protein degradation in human cancers 2021-03-18, Molecular cell IF:14.5Q1 DOI:10.1016/j.molcel.2021.01.020 PMID:33567269	研究论文	利用多组学数据系统分析人类癌症中泛素-蛋白酶体系统（UPS）相关突变，揭示其作为癌症驱动基因的作用，并开发深度学习模型预测降解子（degron）缺失突变	首次大规模表征人类癌症中影响蛋白质降解的突变，开发深度学习模型deepDegron预测degron缺失，并实验验证GATA3和PPM1D截短突变增加蛋白质稳定性的预测	摘要中未明确说明局限性	系统表征人类癌症中影响蛋白质降解的突变，并揭示UPS失调在癌症中的作用及治疗潜力	人类肿瘤样本中的UPS基因和底物	机器学习, 数字病理学	多种癌症类型（33种）	多组学分析（如基因组、转录组等）	深度学习模型（deepDegron）	多组学数据（如基因组、转录组等）	超过9,000个人类肿瘤样本	NA	NA	NA	NA
12	2026-08-10	Quantitative imaging of cancer in the postgenomic era: Radio(geno)mics, deep learning, and habitats 2018-12-15, Cancer IF:6.1Q1 DOI:10.1002/cncr.31630 PMID:30383900	综述	本文探讨了后基因组时代癌症的定量影像分析，包括放射(基因)组学、深度学习和肿瘤栖息地，旨在利用影像特征量化肿瘤异质性，为精准肿瘤学提供决策支持。	提出了将放射组学与深度学习及肿瘤栖息地分析相结合，用于无创量化肿瘤内异质性，超越了传统单一影像特征提取方法。	未提及具体技术限制或临床转化障碍，可能需要更多验证研究。	阐述放射组学及其扩展（深度学习和栖息地分析）在癌症精准医学中的应用前景和潜力。	癌症患者的影像数据及其反映的肿瘤异质性。	医学影像分析	癌症	放射组学、深度学习、影像分析	卷积神经网络	医学影像	不适用	不适用	卷积神经网络	不适用	不适用
13	2026-08-10	Fast and accurate view classification of echocardiograms using deep learning 2018, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-017-0013-1 PMID:30828647	研究论文	本文开发了一种基于深度学习的心动超声图像视图分类方法，实现了对15种标准视图的快速准确识别	首次将卷积神经网络应用于心动超声多视图分类，在15种视图间达到97.8%的准确率，且性能优于专家医师	研究样本量有限（267例超声心动图），且模型仅在单中心数据上训练和验证	验证深度学习是否能够学会识别心动超声标准视图，为后续计算机辅助超声心动图解读奠定基础	267例经胸超声心动图采集的标注图像和视频，涵盖15种标准视图	计算机视觉, 医疗图像分析	心血管疾病	NA	卷积神经网络	图像（超声图像）和视频	267例超声心动图	NA	卷积神经网络	准确率	NA
14	2026-08-10	Automated Segmentation of Hyperintense Regions in FLAIR MRI Using Deep Learning 2016-Dec, Tomography (Ann Arbor, Mich.) DOI:10.18383/j.tom.2016.00166 PMID:28066806	研究论文	提出一种基于卷积自编码器的深度学习方法，用于FLAIR MRI图像中高信号区域的自动分割	首次将卷积自编码器应用于FLAIR MRI高信号区域分割，并证明其性能与专家间变异性相当	未提及具体局限性	开发一种自动分割FLAIR MRI中肿瘤高信号区域的方法	脑肿瘤患者的FLAIR MRI图像	数字病理学	脑肿瘤	磁共振成像	卷积自编码器	图像	BRATS公开数据集及含3个专家分割的数据集	未提及	卷积自编码器	Dice系数、Jaccard系数、真阳性分数、假阴性分数	未提及
15	2026-08-09	Ratiometric copper nanocluster fluorescence probe coupled with deep learning for intelligent recognition of tetracycline antibiotics in food 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128268 PMID:42320161	研究论文	本研究开发了一种结合比率型铜纳米簇荧光探针与深度学习的智能检测方法，用于食品中四环素类抗生素的识别与定量分析	首次将比率型铜纳米簇荧光探针与改进的ResNet50多任务学习模型相结合，实现四环素类抗生素的分类和浓度预测，检测限低至9.26 nmol L，分类准确率100%，浓度预测准确率超过98%	摘要中未提及明显的局限性	开发一种快速、准确、智能的检测方法，用于食品中四环素类抗生素残留的监测	四环素、金霉素和强力霉素三种四环素类抗生素	机器学习、数字病理学	抗生素耐药性	荧光传感、深度学习	ResNet50（多任务学习）	图像、荧光光谱	加标牛奶、鸡蛋和蜂蜜样品	PyTorch	ResNet50	准确率、R值、回收率	NA
16	2026-08-09	Simultaneously prediction of multiple wheat leaf phenotypes using hyperspectral imaging with multi-task machine and deep learning 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128294 PMID:42335700	研究论文	利用高光谱成像结合多任务机器学习和深度学习，同时预测小麦叶片多个表型性状（叶绿素含量和含水量）并识别品种	提出了一种多任务卷积神经网络（MLT-CNN）结构，具有共享光谱特征提取模块和三个任务特定分支，并比较了三种不同加权策略，以实现品种分类、SPAD和含水量预测的联合建模；同时使用SHAP进行可视化解释	摘要中未明确提及局限性	实现精确作物监测，通过同时预测小麦叶片SPAD值、含水量和品种鉴定来评估作物生长和育种	四种小麦品种的叶片光谱信息	高光谱成像、机器学习和深度学习	不适用（植物表型分析，非疾病相关）	高光谱成像、光谱预处理、离群值筛选	支持向量机（SVM）、偏最小二乘（PLS）、卷积神经网络（CNN）、多任务CNN（MLT-CNN）	光谱数据（高光谱图像）	684个有效样本	NA	CNN、MLT-CNN（共享一维光谱特征提取模块和三个任务特定分支）	分类准确率、相关系数（r）	NA
17	2026-08-09	Unveiling the sensing mechanism of a Nile Red-naphthoquinone H₂S fluorescent probe: theoretical calculation and deep learning prediction 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128304 PMID:42335704	研究论文	该研究通过理论计算和深度学习预测，解析了Nile Red-萘醌H₂S荧光探针的传感机制，证明其荧光猝灭源于光诱导电子转移（PET）过程。	结合量子化学计算与深度学习预测，系统揭示了H₂S荧光探针的PET淬灭机制，并展示了AI在光学功能材料研发中的互补价值。	未明确讨论实际生物样品中可能的环境干扰因素，且未涵盖动态或活体检测的验证。	阐明H₂S荧光探针NR-H₂S的传感机制，并验证深度学习预测的准确性，以推动探针设计与材料研发。	Nile Red-萘醌荧光探针NR-H₂S及其反应产物NR-OH。	计算化学与机器学习	NA	理论计算（ALIE、DOS、CDA）、深度学习预测（FLSF模型）	深度学习预测模型（FLSF，基于fluoroScaFfold驱动）	分子结构数据、光物理性质数据	两个分子（NR-H₂S和NR-OH）	NA	fluoroScaFfold驱动模型	光致发光量子产率（预测值与实验对比）	NA
18	2026-08-09	A highly efficient and interpretable framework for high-precision lithological identification integrating SERS and XGBoost 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128286 PMID:42372367	研究论文	本研究提出一个集成表面增强拉曼散射（SERS）和XGBoost的高精度岩性识别框架，实现了快速、准确且可解释的岩石分类	首次将SERS技术与XGBoost算法结合用于岩性识别，并利用SHAP解释模型分类过程，实现了高精度、可解释和计算高效的地质监测	文献中未提供明确的局限性信息	开发一种快速、准确、可解释且计算高效的岩性识别方法，用于地质勘探和深地工程中的实时监测	八种不同类型的岩石样本	机器学习	NA	表面增强拉曼散射（SERS）	XGBoost	光谱数据	自建SERS数据集，包含八种岩石类型（样本数量未明确说明）	NA	XGBoost	准确率	NA
19	2026-08-09	Rapid species authentication and protein prediction of porcini mushrooms using FTIR-2DCOS coupled with deep learning 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128347 PMID:42401141	研究论文	本研究利用傅里叶变换红外光谱结合化学计量学算法，同时鉴别牛肝菌物种并预测其粗蛋白含量	采用三步红外分析框架，结合二维相关光谱成像与残差卷积神经网络实现100%物种分类准确率，并融合多种特征筛选方法以提高预测效能	未提及	解决商业脱水牛肝菌因形态相似导致的分类错误问题，实现快速物种鉴别和粗蛋白预测	商业脱水的牛肝菌样品	光谱分析	不适用	傅里叶变换红外光谱、二维相关光谱成像	残差卷积神经网络	光谱图像	未明确提及	未明确提及	ResNet	分类准确率	未提及
20	2026-08-09	Physics-guided deep learning for improved stability and interpretability in EEM fluorescence decomposition 2026-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128359 PMID:42419111	研究论文	本文介绍了一种基于物理引导的深度学习框架，用于三维激发-发射矩阵荧光光谱的分解，通过双重归一化提高稳定性和可解释性	提出了以双重归一化为核心的物理一致框架，解耦光谱形状与强度，并在合成数据上训练，实现稳定的逆映射	仅评估了有限测量条件下的真实数据集，且合成训练数据可能不完全代表实际复杂样本	开发一种在真实训练数据有限的情况下，稳定且可解释的EEM荧光分解方法	溶解有机物（DOM）的三维激发-发射矩阵荧光光谱	机器学习	NA	EEM荧光光谱	深度学习模型	光谱数据	合成混合物（数量未具体说明）和实验测量数据集（在有限设置下）	NA	NA	均方误差，平均绝对误差，平均最大相似度	NA