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	2026-04-08	MU-PseUDeep: A deep learning method for prediction of pseudouridine sites 2020, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2020.07.010 PMID:32774783	研究论文	本文提出了一种名为MU-PseUDeep的深度学习方法，用于预测RNA中的假尿苷（Ψ）位点	利用深度学习和原始序列及二级结构特征，通过卷积神经网络同时捕获序列和二级结构上下文，相比现有工具在预测准确性上有显著提升	未明确说明模型在跨物种或不同RNA类型上的泛化能力，以及计算资源需求的具体细节	开发一种更准确的假尿苷位点预测工具，以改进RNA修饰研究	RNA序列中的假尿苷位点	生物信息学	神经退行性疾病	深度学习，RNA二级结构预测	CNN	RNA序列数据，二级结构数据	NA	NA	卷积神经网络	准确性	NA
2	2026-04-05	Rapid preliminary purity evaluation of tumor biopsies using deep learning approach 2020, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2020.06.007 PMID:32695267	研究论文	本文提出了一种基于深度学习的快速初步评估肿瘤活检纯度的方法	利用深度学习模型从转录组数据中预测肿瘤活检纯度，提供了一种快速、低成本且易于执行的替代传统病理学评估的方法	方法可能对实验协议和癌症类型差异敏感，且需要进一步验证在更广泛样本中的适用性	开发一种快速、低成本评估肿瘤活检纯度的工具	肿瘤活检样本	数字病理学	癌症	转录组分析	深度学习分类器	转录组数据	来自不同组的多数据集，具体数量未明确	NA	NA	准确度	NA
3	2026-04-04	SuperHistopath: A Deep Learning Pipeline for Mapping Tumor Heterogeneity on Low-Resolution Whole-Slide Digital Histopathology Images 2020, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2020.586292 PMID:33552964	研究论文	提出一种名为SuperHistopath的深度学习流程，用于在低分辨率全切片数字病理图像上高效映射肿瘤异质性	结合SLIC超像素分割与CNN分类，直接在低分辨率（5倍放大）全切片图像上操作，显著降低计算成本并保持高精度	未明确说明模型在更广泛癌症类型或更大样本量中的泛化能力	开发计算高效的数字病理图像分析框架，用于量化肿瘤形态异质性并辅助临床工作流程	黑色素瘤、三阴性乳腺癌和高危儿童神经母细胞瘤转基因小鼠模型的病理组织样本	数字病理学	黑色素瘤, 三阴性乳腺癌, 神经母细胞瘤	数字病理成像	CNN	图像	127例黑色素瘤、23例三阴性乳腺癌和73例转基因小鼠神经母细胞瘤样本	未明确说明	未明确说明	准确率	未明确说明
4	2026-03-29	Classification of the urinary metabolome using machine learning and potential applications to diagnosing interstitial cystitis 2020, Bladder (San Francisco, Calif.) DOI:10.14440/bladder.2020.815 PMID:32775485	研究论文	本研究开发了一种基于机器学习的诊断模型，用于利用尿液代谢组学数据诊断间质性膀胱炎	首次将机器学习算法（SVM和逻辑回归）应用于间质性膀胱炎的尿液代谢组学诊断，并展示了在样本量较小的情况下仍能取得高区分能力	样本量相对较小（43名患者和16名健康对照），无法应用复杂的深度学习模型	开发一种基于机器学习的诊断方法，用于间质性膀胱炎的客观诊断	间质性膀胱炎患者和健康对照的尿液代谢组学数据	机器学习	间质性膀胱炎	代谢组学	SVM, LR	代谢组学数据	43名间质性膀胱炎患者和16名健康对照	NA	NA	准确率, 精确率, 召回率, AUC	NA
5	2026-03-25	Deep learning in rare disease. Detection of tubers in tuberous sclerosis complex 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0232376 PMID:32348367	研究论文	本研究开发并测试了一种深度学习算法，用于自动检测结节性硬化症患者MRI中的皮质结节，并探索了在数据有限的罕见疾病中深度学习的应用	在罕见疾病（结节性硬化症）中应用深度学习算法进行皮质结节检测，并开发了开源的独立应用程序	算法仅适用于手动选择的MRI图像，未在未经筛选的临床数据中进行全面验证	开发自动检测结节性硬化症皮质结节的深度学习算法，并探索其在罕见疾病诊断中的应用潜力	结节性硬化症患者的MRI图像（T2和FLAIR序列）	计算机视觉	结节性硬化症	磁共振成像	CNN	图像	228名受试者（114名结节性硬化症患者和114名对照）	NA	InceptionV3	灵敏度, 特异度, 阳性预测值, 阴性预测值, F1分数, 准确率, AUC	NA
6	2026-03-03	Unsupervised Deep Learning for Susceptibility Distortion Correction in Connectome Imaging 2020, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-59728-3_30 PMID:34458893	研究论文	提出一种基于无监督深度学习的磁化率畸变校正方法，用于校正高分辨率扩散MRI数据中的残余畸变	使用从扩散MRI数据计算出的纤维方向分布（FOD）图像替代传统的B0图像，提供更可靠的对比信息，并结合U-Net和Transformer网络进行畸变校正	仅使用HCP数据集的100名受试者进行训练和评估，样本量相对有限，且未在其他独立数据集上验证	校正高分辨率扩散MRI数据中由磁化率引起的残余畸变	人类连接组项目（HCP）数据集中的扩散MRI数据	医学影像分析	NA	扩散MRI，纤维方向分布（FOD）计算	U-Net，Transformer	图像（FOD图像）	100名受试者（60名用于训练，40名用于测试）	NA	U-Net，Transformer	平均平方差（MSD）的各向异性分数（FA），两个相位编码方向之间的最小角度差	NA
7	2026-01-18	Generation of abdominal synthetic CTs from 0.35T MR images using generative adversarial networks for MR-only liver radiotherapy 2020-01-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab6e1f PMID:33438621	研究论文	本研究评估了两种生成对抗网络模型（cGAN和cycleGAN）从0.35T MR图像生成腹部合成CT图像的能力，以支持仅基于MR的肝脏放射治疗	首次在0.35T MR图像上应用cGAN和cycleGAN生成腹部合成CT图像，并验证其在肝脏放射治疗剂量计算中的准确性	样本量较小（仅12名患者），且未来需要纳入更多腹部患者以进一步评估模型	评估生成对抗网络在生成腹部合成CT图像方面的性能，以实现仅基于MR的肝脏放射治疗中的有效剂量计算	12名患有肝脏（n=8）和非肝脏腹部（n=4）癌症的患者	医学影像处理	肝脏癌症	0.35T MR成像，CT成像	cGAN, cycleGAN	图像	12名患者的CT和MR图像	NA	条件生成对抗网络，循环一致性生成对抗网络	平均绝对误差，伽马通过率，剂量-体积直方图指标	NA
8	2026-01-18	Spike detection and sorting with deep learning 2020-01-24, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab4896 PMID:31561235	研究论文	本文提出了一种基于深度学习的尖峰检测与排序方法，用于从多通道动作电位记录中提取和识别单单元神经活动	采用卷积神经网络（CNN）与循环神经网络（RNN）的组合架构，分别应用于尖峰检测和活动排序与预测任务，为实时高精度脑机接口提供了灵活鲁棒的算法基础	尖峰检测的平均召回率为69%，仍有提升空间；研究未详细说明数据集的多样性和泛化能力	开发基于多通道动作电位记录的神经活动检测、分类和预测方法，以支持高精度脑机接口的应用	多通道动作电位记录中的单单元神经活动	机器学习	NA	多通道动作电位记录	CNN, RNN	电信号数据	涉及超过20个不同神经元产生的活动	NA	卷积神经网络, 循环神经网络	召回率, 准确率	NA
9	2026-01-06	ECG AI-Guided Screening for Low Ejection Fraction (EAGLE): Rationale and design of a pragmatic cluster randomized trial 2020-01, American heart journal IF:3.7Q1 DOI:10.1016/j.ahj.2019.10.007 PMID:31710842	研究论文	本研究旨在通过一项实用的集群随机试验，评估一种基于深度学习的AI筛查工具在初级保健实践中检测低射血分数的有效性	首次在真实世界初级保健实践中前瞻性评估AI驱动的ECG筛查工具，用于检测无症状低射血分数，并整合到电子健康记录中实现自动筛查	试验仅限于明尼苏达州和威斯康星州的48个初级保健诊所，可能无法完全代表其他地区或医疗环境，且依赖电子健康记录数据，未直接接触患者	评估AI筛查工具在初级保健中检测低射血分数的临床有效性和实施价值	初级保健诊所的临床团队、约400名临床医生和20,000名患者，特别是接受ECG检查且未被诊断为低射血分数的成人	机器学习	心血管疾病	深度学习算法，12导联心电图	深度学习算法	心电图数据，电子健康记录数据	约20,000名患者，涉及48个初级保健诊所和400名临床医生	NA	NA	新发现的射血分数≤50%	NA
10	2025-12-14	A multi-scale framework with unsupervised joint training of convolutional neural networks for pulmonary deformable image registration 2020-01-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab5da0 PMID:31783390	研究论文	本文提出了一种用于肺部CT图像变形配准的多尺度无监督联合训练卷积神经网络框架MJ-CNN	提出多尺度无监督联合训练卷积神经网络框架，通过从粗到细的配准避免局部最小值，无需真实变形矢量场监督，并展示了跨数据集和成像技术的泛化能力	未提及具体局限性，但可能包括对训练数据质量和多样性的依赖，以及未在更广泛临床场景中验证	实现肺部CT图像的准确快速变形图像配准	肺部CT图像，包括4D-CT、CT-to-CBCT和CBCT-to-CBCT配准	计算机视觉	肺癌	CT、4D-CT、CBCT成像	CNN	图像	使用公共SPARE 4D-CT数据训练，在DIR-LAB 4D-CT数据集及临床CT-to-CBCT和CBCT-to-CBCT配准上评估	未明确指定，但基于卷积神经网络	多尺度卷积神经网络	配准误差	未明确指定，但配准速度约为1.4秒，无需手动调参
11	2025-12-05	DeepCompete : A deep learning approach to competing risks in continuous time domain 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936389	研究论文	本文提出了一种名为DeepCompete的深度学习模型，用于在连续时间域中处理竞争风险生存分析	引入了一种新颖的连续时间深度学习架构，能够以数据驱动方式学习每种疾病的风险，无需对底层随机过程做出强假设	未在摘要中明确说明	开发一种工具来量化由每种竞争疾病导致的不良事件的相对风险，并优先处理患者多种疾病中的治疗	65岁及以上患有多种急性疾病（多病共存）的老年人群	机器学习	老年疾病	NA	深度学习模型	NA	NA	NA	DeepCompete	NA	NA
12	2025-12-05	Deep Learning Approach to Parse Eligibility Criteria in Dietary Supplements Clinical Trials Following OMOP Common Data Model 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936396	研究论文	本研究利用深度学习模型（Bi-LSTM-CRF）解析膳食补充剂临床试验的资格标准，并映射到OMOP通用数据模型，以支持患者招募	首次将膳食补充剂作为新实体映射到OMOP通用数据模型，并评估深度学习模型在解析资格标准中的可行性	模型平均F1分数仅为0.601，表明性能有待提升，且样本量仅基于100个随机选择的临床试验	自动解析临床试验资格标准以加速患者招募过程	膳食补充剂临床试验的资格标准文本	自然语言处理	NA	深度学习	Bi-LSTM-CRF	文本	100个随机选择的膳食补充剂临床试验	CLAMP平台	Bi-LSTM-CRF	F1分数	NA
13	2025-12-05	Contextual Embeddings from Clinical Notes Improves Prediction of Sepsis 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936391	研究论文	本研究设计了一种基于电子健康记录数据的深度学习算法，通过整合临床文本特征来改进脓毒症的早期预测	利用预训练的神经语言表示模型从临床文本中提取特征，无需依赖基于本体的命名实体识别和分类，从而整合了非结构化数据	未明确说明模型在外部验证集上的泛化能力或临床部署的可行性	改进脓毒症的早期预测，以降低假警报并促进及时治疗	脓毒症患者	自然语言处理	脓毒症	电子健康记录分析	深度学习模型	结构化数据（生命体征、实验室结果）和非结构化数据（临床文本）	超过40,000名患者，包括2,805名脓毒症患者	NA	预训练的神经语言表示模型	AUC	NA
14	2025-12-05	RadLex Normalization in Radiology Reports 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936406	研究论文	本文旨在将放射学报告中的多样化实体标准化为RadLex术语，并提出了基于BERT的深度学习方法进行自动归一化	首次尝试利用RadLex进行放射学实体的标准化，并构建了一个手动标注的归一化语料库，同时提出了基于BERT的两种NLP方法	研究仅基于三种类型的报告构建语料库，样本量相对有限（1706个实体提及），且最佳准确率为78.44%，仍有提升空间	标准化放射学报告中的实体到RadLex术语，以促进临床信息的提取和共享	放射学报告中的实体，如解剖结构、成像发现等	自然语言处理	NA	自然语言处理（NLP），基于预训练语言模型	BERT	文本（放射学报告）	1706个实体提及，来自三种类型的放射学报告	NA	BERT	准确率	NA
15	2025-12-05	A Clinically Practical and Interpretable Deep Model for ICU Mortality Prediction with External Validation 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936437	研究论文	本研究提出了一种临床实用且可解释的深度学习模型，用于ICU死亡率预测，并进行了外部验证	结合了外部验证和可解释性，使用双层注意力机制的循环神经网络，并在新发布的Philips eICU数据集上训练，在MIMIC III数据集上进行外部验证	未提及模型在其他独立数据集上的泛化能力，也未讨论模型在不同ICU类型或患者亚群中的性能差异	开发一种能够在重症监护场景中推广应用的深度学习模型，用于死亡率预测并支持临床决策	重症监护病房（ICU）患者	机器学习	重症监护	NA	循环神经网络（RNN）	临床时间序列数据	使用Philips eICU数据集进行训练，MIMIC III数据集进行外部验证（具体样本数量未提及）	NA	具有双层注意力机制的循环神经网络	AUC（曲线下面积）	NA
16	2025-12-05	Multi-task Learning via Adaptation to Similar Tasks for Mortality Prediction of Diverse Rare Diseases 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936451	研究论文	本文提出了一种名为Ada-SiT的多任务学习方法，用于基于电子健康记录数据预测多种罕见疾病的死亡率	提出了一种初始化共享的多任务学习方法，能够学习参数初始化并动态测量任务相似性，以快速适应数据不足和任务多样性的挑战	NA	解决罕见疾病死亡率预测中的数据不足和临床多样性问题	多种罕见疾病患者的电子健康记录数据	自然语言处理	罕见疾病	电子健康记录分析	LSTM	纵向电子健康记录数据	NA	NA	LSTM	NA	NA
17	2025-12-05	Deep CHORES: Estimating Hallmark Measures of Physical Activity Using Deep Learning 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936455	研究论文	本研究利用深度学习从手腕加速度计数据中识别身体活动类型并估计能量消耗	开发了深度学习网络以从时间序列数据中提取时空表示，用于准确识别身体活动类型和估计能量消耗	研究在标准化实验室环境中进行，可能无法完全反映自由生活条件下的身体活动情况	评估手腕加速度计在识别身体活动类型和估计能量消耗方面的性能	20-89岁的参与者（66%为女性）在实验室环境中执行33种日常活动	机器学习	NA	三轴加速度计数据采集，便携式代谢单元测量	深度学习网络	时间序列加速度计数据	20-89岁参与者群体，具体人数未明确说明	NA	NA	F1分数，均方根误差	NA
18	2025-12-05	Inferring ADR causality by predicting the Naranjo Score from Clinical Notes 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936480	研究论文	提出一种结合深度学习和统计学习模型的方法，从患者出院摘要中自动推断药物与不良反应之间的因果关系	首次提出使用BERT提取Naranjo问卷相关段落，并结合逻辑回归等统计模型预测Naranjo评分和因果关系	未在摘要中明确说明	开发自动推断药物不良反应因果关系的方法，替代人工审阅病历	患者出院摘要中的药物不良反应因果关系	自然语言处理	NA	临床文本分析	BERT, 逻辑回归	文本（临床笔记/出院摘要）	未在摘要中明确说明	未在摘要中明确说明	BERT	宏平均F1分数, 加权F1分数	未在摘要中明确说明
19	2025-12-05	Patient Cohort Retrieval using Transformer Language Models 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936491	研究论文	本文应用基于深度学习的语言模型进行患者队列检索任务，以评估其效果	提出一个无需显式特征工程和领域知识的框架，将患者队列检索映射为文档检索任务，并应用多种深度神经网络模型	NA	评估深度学习语言模型在患者队列检索任务中的效能	电子健康记录（EHRs）中的文档	自然语言处理	NA	NA	Transformer	文本	NA	NA	Transformer	NA	NA
20	2025-12-05	Extracting and Learning Fine-Grained Labels from Chest Radiographs 2020, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:33936495	研究论文	本文提出了一种从胸部X光放射学报告中提取细粒度标签的新方法，并训练了一个用于细粒度分类的深度学习模型	首次开发了结合词汇驱动概念提取和依赖解析树短语分组的细粒度标签提取方法，并构建了覆盖457个细粒度标签的最大谱系数据集	NA	从胸部X光图像中提取和学习细粒度标签	胸部X光图像及其放射学报告	计算机视觉	NA	自然语言处理	深度学习模型	图像, 文本	NA	NA	NA	NA	NA