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	2026-05-17	Deep learning electrocardiogram model for risk stratification of coronary revascularization need in the emergency department 2026-May-15, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehaf254 PMID:40156923	研究论文	开发深度学习心电图模型用于急诊科冠状动脉血运重建需求的风险分层	首次应用卷积神经网络直接从心电图数据预测急性冠脉综合征患者的血运重建需求，并与临床医生解读和心脏生物标志物进行性能对比	模型特异性较高但灵敏度较低，相比高灵敏度肌钙蛋白T表现不足	开发深度学习模型识别与冠状动脉血运重建可能性相关的心电图模式，以减少诊断不确定性并指导进一步评估	急诊科就诊者，包括美国队列（144,691次就诊）和欧洲外部验证队列（18,673次就诊）	机器学习和数字病理学	心血管疾病	心电图	卷积神经网络	心电图信号数据	训练集144,691次急诊就诊（美国），测试集35,995次，外部验证集18,673次（欧洲）	NA	卷积神经网络	受试者工作特征曲线下面积、灵敏度、特异度	NA
2	2026-05-17	Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance? 2025-10, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04954-1 PMID:40389738	综述	探讨人工智能在鼻整形术中的应用，包括术前规划、患者沟通及术后效果模拟，并分析其局限性、伦理顾虑和数据隐私等问题	强调人工智能作为辅助工具而非替代品，提出需结合患者个体变量并优先考虑伦理医疗实践	无法预测个体愈合过程、组织行为及长期鼻部重塑；存在偏见、强化不可达到的审美标准、对患者心理影响及数据隐私与法律风险	评估人工智能在鼻整形术中的精准性与潜在过度依赖风险	人工智能驱动的模型在鼻整形术中的应用	计算机视觉	鼻部整形	NA	深度学习、生成对抗网络	图像	NA	NA	生成对抗网络	NA	NA
3	2026-05-17	The REgistry of Flow and Perfusion Imaging for Artificial Intelligence with positron emission tomography (REFINE PET):Rationale and design 2025-Oct, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102449 PMID:40774620	研究论文	建立多中心PET/CT影像与临床数据注册库，用于人工智能研究的验证与开发	整合多中心、大规模PET/CT影像与临床数据，结合深度学习和定量分析工具，建立首个支持心血管疾病诊断与风险分层的研究资源库	NA	验证和开发标准及新型心脏PET/CT处理方法，推动其在诊断和风险分层中的应用	心血管疾病患者，包括心肌灌注成像数据与临床结果	计算机视觉, 机器学习	心血管疾病	PET/CT成像, 深度学习	深度学习	图像, 临床数据	35595名患者来自14个中心	NA	深度学习	NA	NA
4	2026-05-17	Artificial Intelligence-Assisted Visualized Microspheres for Biochemical Analysis: From Encoding to Decoding 2025-08-19, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.5c00396 PMID:40748254	综述	总结课题组在人工智能辅助可视化微球用于生物化学分析方面的研究，重点介绍从编码到解码的策略与生化传感平台	系统整合了基于微球编码与人工智能解码的新型生物传感策略，涵盖多色/多尺寸微球编码、定制化高速解码算法（如计算机视觉、机器学习、深度学习）以及便携式成像设备，实现多重靶标快速灵敏检测	未明确讨论当前微球编码容量限制、算法泛化性及实际应用中的干扰因素	开发并优化人工智能辅助的可视化微球生物传感系统，实现快速、灵敏、多重靶标检测	蛋白质、细菌、病毒、抗生素等生化分析靶标	计算机视觉	NA	荧光微球编码、光学成像、生物识别分子修饰	CNN, LSTM, GAN	图像	NA	PyTorch, TensorFlow	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	准确率、精确率、召回率、F1分数、AUC、Dice系数	NVIDIA RTX 3090, V100, A100
5	2026-05-17	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-08, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	meta分析	系统综述和荟萃分析关于眼动追踪与人工智能在痴呆检测中的交叉研究	首次系统评估眼动追踪与人工智能结合在痴呆检测中的性能，并进行了元分析	纳入研究数量有限，样本量较小，缺乏标准化指南，未涵盖所有痴呆类型	评估眼动追踪与人工智能在痴呆检测中的有效性	痴呆患者和健康对照者的眼动行为数据	机器学习	阿尔茨海默病	眼动追踪	机器学习模型, 深度学习模型	眼动数据	57至583名参与者	NA	NA	准确率, 灵敏度, 特异度	NA
6	2026-05-17	Pediatric pancreas segmentation from MRI scans with deep learning 2025-Aug, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.] IF:2.8Q2 DOI:10.1016/j.pan.2025.06.006 PMID:40645819	研究论文	评估并验证了一种名为PanSegNet的深度学习算法，用于儿童胰腺MRI扫描的分割，涵盖急性胰腺炎、慢性胰腺炎患者和健康对照组	首个经过验证的针对胰腺MRI分割的深度学习解决方案，并在健康与疾病状态下达到专家级性能	NA	评估和验证深度学习算法PanSegNet在儿童胰腺MRI分割中的性能	儿童胰腺MRI扫描图像	计算机视觉	胰腺炎	MRI	深度学习	图像	84例儿童MRI扫描，包括42例胰腺炎患者（平均年龄11.73±3.9岁）和42例健康对照（平均年龄11.19±4.88岁）	NA	PanSegNet	Dice相似系数、95%百分位Hausdorff距离、Cohen's kappa	NA
7	2026-05-17	Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules 2025-May, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0584 PMID:40256961	研究论文	提出一种结合超声影像与分子检测的多模态深度学习模型，用于不确定性甲状腺结节的恶性风险分层	首次将超声影像与分子检测数据整合至多模态深度学习框架中，通过互补信息显著提升阳性预测值与特异性，同时保持高灵敏度	单中心数据集、缺乏外部验证、使用二值化分子检测输出而非细粒度恶性风险概率	改善不确定性甲状腺结节的风险分层，减少良性结节的不必要切除手术	333例不确定性甲状腺结节患者（259例良性、74例恶性）	计算机视觉, 机器学习	甲状腺癌	超声影像, 新一代测序(NGS)	深度学习多模态模型	超声影像, 分子检测数据	333例患者（259例良性、74例恶性）	NA	集成模型（结合全帧图像、256×256补丁和128×128补丁）	AUROC, 灵敏度, 特异性, 阳性预测值	NA
8	2026-05-17	Drawing as a means to characterize memory and cognition 2025-01, Memory & cognition IF:2.2Q2 DOI:10.3758/s13421-024-01618-4 PMID:39192141	评论	本文介绍绘画作为研究记忆和认知的工具，并概述了特刊中25项前沿研究，涉及不同人群和认知过程	将绘画作为表征记忆和认知的多功能工具，整合了多种认知过程，并采用心理物理实验、深度学习和神经成像等跨学科方法	特刊文章可能存在样本多样性限制，且绘画作为工具的解释范围有限，未详细讨论具体方法的局限性	探讨绘画如何用于揭示记忆、注意力、数学推理等认知机制	儿童、年轻人、老年人以及盲人、顺行性遗忘症、失用症和语义性痴呆等特殊人群	自然语言处理	老年性疾病	NA	深度学习	图像	多种人群，具体样本量未说明	NA	NA	NA	NA
9	2026-05-17	Construction of a Multi-View Deep Learning Model for the Severity Classification of Acute Pancreatitis 2025-01, Discovery medicine IF:2.0Q3 DOI:10.24976/Discov.Med.202537192.7 PMID:39851225	研究论文	利用多视图深度学习模型，结合临床数据和CT图像，对急性胰腺炎严重程度进行分类预测	首次构建多视图深度学习模型，融合人口统计学信息、生命体征、实验室指标和CT图像两种数据，用于AP严重程度分类，优于传统单一数据模型	NA	建立更准确、数据兼容的急性胰腺炎严重程度预测方法	新入院急性胰腺炎患者的最终严重程度分类	计算机视觉, 机器学习	急性胰腺炎	深度学习	DNN, CNN	图像, 文本	NA	NA	DNN, CNN	准确率, 95%置信区间	NA
10	2026-05-17	Post-translational modifications of proteins in cardiovascular diseases examined by proteomic approaches 2025-01, The FEBS journal DOI:10.1111/febs.17108 PMID:38440918	综述	总结基于质谱的蛋白质组学方法在心血管疾病蛋白质翻译后修饰研究中的应用	概述了基于质谱的蛋白质组学方法在心血管疾病PTM研究中的最新进展，包括机器学习与深度学习在PTM位点预测中的应用	未详细讨论特定PTM类型的功能机制或临床转化挑战	综述基于质谱的蛋白质组学在心血管疾病PTM研究中的方法与应用	心血管疾病相关的蛋白质翻译后修饰（PTM）	蛋白质组学	心血管疾病	质谱（MS）	机器学习、深度学习	蛋白质组学数据	NA	NA	NA	NA	NA
11	2025-05-03	The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0) 2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268292 PMID:39362762	研究论文	介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果	扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化	仅8.4%的患者有侵入性冠状动脉造影相关数据	评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果	45,252名患者的心肌灌注成像数据	数字病理学	心血管疾病	SPECT, CT衰减校正成像, 深度学习	深度学习	图像	45,252名患者来自13个中心	NA	NA	NA	NA
12	2026-05-17	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-10, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	综述人工智能在口腔癌和口腔上皮不典型增生中的应用，旨在开发预测生物标志物	系统回顾了基于人工智能的方法，包括机器学习和深度学习，在预测口腔上皮不典型增生恶变、口腔癌患者死亡率和治疗反应方面的进展	NA	强调基于人工智能的方法在开发预测口腔上皮不典型增生向口腔癌转化或口腔癌患者死亡率和治疗反应预测生物标志物方面的进展	口腔鳞状细胞癌和口腔上皮不典型增生	数字病理学	口腔癌	多重免疫组化、表观基因组学	深度学习	图像	NA	NA	神经网络	NA	NA
13	2026-05-17	Research progress on prediction of RNA-protein binding sites in the past five years 2024-08, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115535 PMID:38643894	综述	综述过去五年中预测RNA-蛋白质结合位点的计算方法的进展	系统总结了2018-2023年间利用传统机器学习和深度学习的计算方法，包括数据库利用、特征选择与编码、分类算法创新和评估策略	现有计算方法存在局限性，未来发展方向有待探索	总结RNA-蛋白质结合位点预测的计算方法，探讨未来发展方向	RNA-蛋白质结合位点预测方法	机器学习	NA	传统机器学习、深度学习	CNN、LSTM	序列数据	NA	NA	DeepRKE, RDense, DeepDW	NA	NA
14	2026-05-17	MMDB: Multimodal dual-branch model for multi-functional bioactive peptide prediction 2024-07, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115491 PMID:38460901	研究论文	提出了一种新型多模态双分支轻量级深度学习模型，用于多功能生物活性肽预测	首次在不增加参数的情况下利用多尺度膨胀卷积提取肽序列特征，并设计了双分支结构分别捕获肽序列和结构特性的互补信息	未提及具体局限性	准确检测多功能的复杂和多样化生物活性肽	多功能生物活性肽	机器学习	NA	NA	深度学习	序列和结构数据	NA	NA	多尺度膨胀卷积, Bi-LSTM, 多层卷积	覆盖率, 精确度, 准确率	NA
15	2026-05-17	PhosAF: An integrated deep learning architecture for predicting protein phosphorylation sites with AlphaFold2 predicted structures 2024-07, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115510 PMID:38513769	研究论文	提出一种集成深度学习架构PhosAF，利用AlphaFold2预测的蛋白结构来预测人类蛋白磷酸化位点	首次将AlphaFold2预测的蛋白结构信息与序列信息集成用于磷酸化位点预测，并提出通过蛋白二级结构构建可靠负样本的新策略	NA	提高磷酸化位点预测的准确性，特别是通过利用蛋白空间结构信息	人类蛋白质磷酸化位点	机器学习	NA	NA	CNN, 多头注意力机制, 深度神经网络	蛋白质序列数据和结构数据	NA	PyTorch	CMA-Net, MFC-Net	精确率, 召回率, F1分数, AUC	NA
16	2026-05-17	Cerebellar Volume and Disease Staging in Parkinson's Disease: An ENIGMA-PD Study 2023-12, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.29611 PMID:37964373	研究论文	利用ENIGMA-PD全球工作组的大样本MRI数据，量化帕金森病患者不同Hoehn-Yahr分期的小脑各小叶体积变化	首次在大型多中心样本中揭示帕金森病前叶（运动）和后叶（非运动）小脑区域的分离变化，即疾病早期前叶体积增大、晚期后叶体积缩小	NA	探究帕金森病不同疾病分期中小脑区域体积的差异及其与运动和非运动功能的关系	帕金森病患者	医学影像分析	帕金森病	磁共振成像	深度学习	三维T1加权结构MRI图像	2487名帕金森病患者和1212名年龄性别匹配的对照组，来自22个中心	NA	NA	Cohen's d效应量	NA
17	2026-05-17	At-home wireless sleep monitoring patches for the clinical assessment of sleep quality and sleep apnea 2023-05-24, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adg9671 PMID:37224243	研究论文	本文报告了一种家用无线睡眠监测贴片系统，用于临床评估睡眠质量和睡眠呼吸暂停	开发了集成机器学习的无线可穿戴电子设备，实现家庭自然睡眠环境下的睡眠质量评估和睡眠呼吸暂停检测，相比传统多导睡眠监测系统更便携、低负担	NA	开发一种家用、便携的无线睡眠监测系统，用于评估睡眠质量和检测睡眠呼吸暂停	睡眠障碍患者和健康对照者	机器学习	睡眠呼吸暂停	机器学习	深度学习	脑电、眼电、肌电信号	NA	NA	NA	准确率	NA
18	2026-05-17	Coupling analysis of heart rate variability and cortical arousal using a deep learning algorithm 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284167 PMID:37023117	研究论文	利用深度学习算法分析心率变异性与皮层唤醒的耦合关系	首次在种族多样人群中研究皮层唤醒与心率变异性的瞬时关联，并使用自动化深度学习工具从心电信号中标注唤醒事件	未在标题和摘要中明确说明	探究皮层唤醒与心率变异性之间的瞬时关联，以及其在性别和睡眠阶段中的差异	来自多种族动脉粥样硬化研究数据集的1069名受试者的整夜心电信号	机器学习	睡眠呼吸障碍相关心血管功能障碍	心电信号分析、多导睡眠监测	深度学习算法（用于标注唤醒事件）	心电信号	1069名受试者的整夜心电信号	NA	NA	NA	NA
19	2026-05-17	Image Quality Classification for Automated Visual Evaluation of Cervical Precancer 2022-Sep, Medical image learning with limited and noisy data : first international workshop, MILLanD 2022, held in conjunction with MICCAI 2022, Singapore, September 22, 2022, proceedings. MILLanD (Workshop) (1st : 2022 : Singapore) DOI:10.1007/978-3-031-16760-7_20 PMID:36315110	研究论文	提出一种深度学习集成框架，用于宫颈癌前病变自动视觉评估的图像质量分类	集成网络框架包含宫颈检测、错误标签识别和质量分类三大模块，自动识别错误标签和模糊图像以提升分类性能	未提及具体局限性	提升宫颈癌前病变自动视觉评估的图像质量分类性能	宫颈癌前病变筛查中的宫颈图像	计算机视觉	宫颈癌	NA	深度学习集成框架	图像	来自全球不同机构、设备和地区的14,183名患者的87,420张图像	NA	集成网络（包含宫颈检测网络、错误标签识别网络和质量分类网络）	准确率	NA
20	2026-05-17	Improved 3D tumour definition and quantification of uptake in simulated lung tumours using deep learning 2022-04-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac65d6 PMID:35395657	研究论文	提出一种深度学习方法来改善肺肿瘤PET成像中的放射性示踪剂摄取量化和肿瘤形状定义	使用模拟肿瘤生成真实PET原始数据，训练3D卷积神经网络以恢复肿瘤形状和改进摄取估计，且模型对采用不同点扩散函数的重建PET数据具有泛化能力	NA	提高肺肿瘤放射性示踪剂摄取的量化准确性和肿瘤形状定义	模拟肺肿瘤及其在PET图像中的放射性示踪剂分布	数字病理学	肺癌	PET成像	3D卷积神经网络	图像	模拟肿瘤，具有不同大小和活性分布，放置于拟人模型左肺	NA	3D卷积神经网络	肿瘤最大和中等活性估计	NA