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
21	2026-05-27	Leveraging Uncertainty from Deep Learning for Trustworthy Material Discovery Workflows 2021-May-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.1c00975 PMID:34056423	研究论文	利用深度学习预测不确定性来提升材料发现工作流的可信度	首次将预测不确定性引入材料科学机器学习工作流，解决数据集规模确定、模糊样本决策回避和分布外检测等关键问题	未提及具体局限性	提升基于机器学习的材料应用工作流中分类模型的性能和可靠性	扫描电子显微镜图像中的微观结构信息	计算机视觉	NA	深度学习预测不确定性	深度神经网络	图像	NA	NA	NA	分类准确率	NA
22	2026-05-27	Multimodal Ensemble Deep Learning to Predict Disruptive Behavior Disorders in Children 2021, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2021.742807 PMID:34899225	research paper	使用多模态集成三维卷积神经网络模型预测儿童破坏性行为障碍	首次采用多模态集成三维卷积神经网络融合扩散、结构和静息态功能磁共振成像数据来分类破坏性行为障碍儿童，并通过梯度加权类激活映射方法识别关键脑区	模型准确率仅为72%，灵敏度为70%，特异度为72%，F1得分为70，性能有限；研究仅基于美国青少年脑认知发展研究数据，可能不具普适性	利用多模态磁共振成像数据通过深度学习模型早期诊断儿童破坏性行为障碍	儿童破坏性行为障碍患者和典型发育儿童	machine learning	geriatric disease	扩散磁共振成像、结构磁共振成像、静息态功能磁共振成像	三维卷积神经网络	磁共振图像	1100名儿童（550名患者和550名典型发育儿童），年龄108-131个月，包括419名女性和681名男性	NA	3D CNN	accuracy, sensitivity, specificity, F1-score	NA
23	2026-05-25	Sparse deep neural networks on imaging genetics for schizophrenia case-control classification 2021-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25387 PMID:33724588	研究论文	提出一种稀疏深度神经网络方法，用于精神分裂症病例-对照分类，结合灰质体积和单核苷酸多态性数据	在输入层引入L1范数正则化实现稀疏特征选择，从而直接解释原始特征（如灰质体积和SNP）对分类的贡献权重	平均错误率仍达28.98%，且方法仅在精神分裂症数据上验证，外推至其他疾病或数据模态需进一步实验	开发可解释的深度学习模型，用于精神分裂症的病例-对照分类并识别生物标志物	精神分裂症患者与健康对照的灰质体积和单核苷酸多态性数据	机器学习, 影像遗传学	精神分裂症	灰质体积成像, 单核苷酸多态性基因分型	稀疏深度神经网络	图像（灰质体积）, 基因型（SNP）	训练样本634例，外部验证集分别为394、255和160例（共1443例）	NA	稀疏深度神经网络（输入层含L1正则化）	错误率	NA
24	2026-05-25	A deep learning model for mass screening of COVID-19 2021-Jun, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22544 PMID:33821094	研究论文	开发卷积神经网络模型 'COVID-Screen-Net'，用于胸部X光图像的三分类（COVID-19、细菌性肺炎和正常）	利用 GradCam 可视化特征，优化卷积层和激活层数量，微调超参数以最小化计算时间并提高效率	未明确提及局限性	开发一种快速且低成本的 COVID-19 大规模筛查工具	胸部X光图像	计算机视觉	COVID-19	NA	卷积神经网络（CNN）	图像	来自医院和网络数据集的匿名胸部X光图像	NA	COVID-Screen-Net	准确率、召回率	NA
25	2026-05-25	Identifying DNA N4-methylcytosine sites in the rosaceae genome with a deep learning model relying on distributed feature representation 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.015 PMID:33868598	研究论文	提出基于分布式特征表示的深度学习模型4mC-w2vec，用于识别蔷薇科基因组中的DNA N4-甲基胞嘧啶位点	首次利用word2vec词嵌入技术自动学习特征表示，结合双层卷积神经网络（CNN）识别4mC位点，避免了传统手工特征提取的局限性	目前仅在蔷薇科特定物种（如Arabidopsis和Fragaria）基因组上验证，未提及跨物种泛化能力及计算资源消耗	开发一套基于自动特征选择的计算方法来高效识别DNA N4-甲基胞嘧啶（4mC）位点，提高预测性能	蔷薇科基因组中的DNA N4-甲基胞嘧啶（4mC）和非4mC位点序列	机器学习	NA	DNA甲基化测序	CNN	序列数据（基因组序列）	论文中未明确样本数量，但使用了平衡和不平衡的基因组数据集	PyTorch	卷积神经网络（CNN）	准确率、精确率、召回率、F1分数、AUC	NA
26	2026-05-25	Affective Voice Interaction and Artificial Intelligence: A Research Study on the Acoustic Features of Gender and the Emotional States of the PAD Model 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.664925 PMID:34017295	研究论文	本文探讨了声学特征在语音交互中与性别及PAD模型情绪状态的差异，为人工智能情感语音交互提供理论基础	通过实证研究，连接声学特征与心理学理论，为深度学习模型的参数调整提供解释性基础	深度学习模型虽预测准确，但缺乏解释能力，本研究旨在弥补这一不足	探索性别和PAD模型情绪状态在声学特征上的差异，为AI情感语音交互奠定理论依据	声学特征（七大主要声学特征）、性别（男性和女性）、情绪状态（愉悦-唤醒-支配模型）	自然语言处理	不适用	音频录制、声学特征提取（Praat软件）、统计分析方法（双因素方差分析、混合设计分析）	不适用	音频数据	62名参与者（31名女性，31名男性，年龄21至60岁）	SPSS	不适用	不适用	不适用
27	2026-05-24	White matter hyperintensities induce distal deficits in the connected fibers 2021-04-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25338 PMID:33417309	研究论文	研究白质高信号如何沿连接纤维扩散并引起远端缺陷	首次系统分析局部白质高信号沿连接纤维向远端区域传播损伤的机制	未涉及纵向变化或干预措施的影响	探究白质高信号对全局脑网络的影响及其传播路径	174名平均年龄74岁老年人的脑磁共振影像和神经心理评估数据	机器学习	老年性疾病	脑磁共振成像	CNN	图像	174名参与者，年龄74±5岁	NA	深度学习分割网络	多变量线性回归分析	NA
28	2026-05-24	Transfer learning-based ensemble support vector machine model for automated COVID-19 detection using lung computerized tomography scan data 2021-Apr, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-020-02299-2 PMID:33738639	研究论文	提出一种基于迁移学习的集成支持向量机模型，用于从肺部CT扫描数据中自动检测COVID-19	结合迁移学习、VGG16特征提取、主成分分析特征选择以及集成支持向量机分类器，实现快速且准确的COVID-19自动筛查	测试样本量较小（208张图像），模型可能在不同数据集上的泛化性需进一步验证	设计自动化系统辅助医疗人员（尤其在资源匮乏地区）进行COVID-19早期检测	COVID-19患者的肺部CT扫描图像	数字病理学	COVID-19	CT扫描	VGG16, 支持向量机, 集成学习, 极限学习机, 深度卷积神经网络	图像	208张测试图像	NA	VGG16	准确率, 精确率, AUC, F1分数	NA
29	2026-05-24	A New Subject-Specific Discriminative and Multi-Scale Filter Bank Tangent Space Mapping Method for Recognition of Multiclass Motor Imagery 2021, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2021.595723 PMID:33762911	研究论文	提出一种新的主题特异性判别多尺度滤波器组切空间映射方法，用于多类别运动想象识别	通过多变量方差分析的非参数方法选择判别性频带，生成多尺度滤波器组，结合时间窗分解多通道脑电信号，利用切空间映射（TSM）估计特征，并采用线性支持向量机分类，有效提升多类别运动想象任务的分类精度并降低执行时间	未提及具体限制，如实验样本量较小或数据通用性不足	设计主题特异性滤波器组以提高多类别运动想象任务的识别性能	多类别运动想象脑电信号，来自4类BCI竞赛IV-2a数据集	机器学习	NA	脑电图（EEG）信号处理	支持向量机（SVM）	脑电图（EEG）信号	9名受试者的4类运动想象数据（BCI竞赛IV-2a数据集）	NA	多尺度滤波器组切空间映射（DMFBTSM）	分类准确率, 训练时间, 测试时间	NA
30	2026-05-24	Automated and semi-automated enhancement, segmentation and tracing of cytoskeletal networks in microscopic images: A review 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.04.019 PMID:33995906	综述	综述了显微图像中细胞骨架网络的自动与半自动增强、分割和追踪方法	对比传统方法与深度学习辅助方法，强调后者在细胞骨架网络分割中的优势	仅提供简短总结，未深入比较各方法的性能	总结专用于细胞骨架网络显微图像的增强、分割和追踪方法	细胞骨架细丝及其网络结构	计算机视觉	NA	显微成像	CNN, LSTM, GAN	图像	NA	NA	NA	NA	NA
31	2026-05-23	Biologically informed deep neural network for prostate cancer discovery 2021-10, Nature IF:50.5Q1 DOI:10.1038/s41586-021-03922-4 PMID:34552244	研究论文	开发了一种生物信息深度神经网络P-NET，用于前列腺癌的分子特征发现和临床预测	提出了一种生物信息驱动的深度学习模型P-NET，实现完全可解释性，能通过分子数据预测癌症状态并揭示治疗耐药性的分子驱动因素	没有明确提及	利用可解释的机器学习模型在临床癌症基因组学中发现和预测前列腺癌的临床侵袭性分子特征	前列腺癌患者及其治疗耐药性状态相关的分子数据	机器学习	前列腺癌	NA	深度神经网络	分子数据	NA	NA	P-NET	NA	NA
32	2026-05-23	scGNN is a novel graph neural network framework for single-cell RNA-Seq analyses 2021-03-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-22197-x PMID:33767197	研究论文	提出scGNN框架，利用图神经网络进行单细胞RNA测序分析，包括基因插补和细胞聚类	将图神经网络与左截断混合高斯模型结合，用于单细胞RNA测序分析，并集成三个迭代多模态自编码器	NA	开发一种无假设的深度学习框架，用于单细胞RNA测序分析，以解决测序稀疏性和基因表达复杂差异模式等挑战	单细胞RNA测序数据	机器学习	阿尔茨海默病	RNA测序（单细胞RNA测序）	图神经网络	基因表达数据	4个基准单细胞RNA测序数据集，以及1个包含13,214个单细胞核的阿尔茨海默病研究样本	NA	图神经网络, 多模态自编码器	基因插补和细胞聚类的性能指标	NA
33	2026-05-22	Magnetic resonance parameter mapping using model-guided self-supervised deep learning 2021-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28659 PMID:33464652	研究论文	提出一种名为RELAX的模型引导自监督深度学习框架，用于快速定量磁共振参数映射	通过整合MR成像模型和定量参数拟合模型，消除对全采样参考数据的需求，实现无监督的快速参数映射	仅初步验证了T1和T2映射的可行性，需进一步扩展到其他定量MRI应用	开发一种无需全采样参考数据的自监督深度学习重建方法，用于加速定量MR参数映射	模拟和实际采集的MRI数据集中的T1和T2参数映射	机器学习	NA	MRI参数映射	自监督深度学习	MRI K空间数据	模拟数据集和实际在体T1/T2映射数据集	PyTorch	RELAX（自监督深度学习框架，包含物理模型约束）	图像质量比较（与监督学习和传统重建方法的对比）	NA
34	2026-05-22	SMPLIP-Score: predicting ligand binding affinity from simple and interpretable on-the-fly interaction fingerprint pattern descriptors 2021-Mar-25, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-021-00507-1 PMID:33766140	研究论文	提出SMPLIP-Score，一种基于简单可解释的交互指纹模式描述符预测配体结合亲和力的方法	采用简单直接的特征化过程，将配体结合位点环境的交互指纹模式和配体分子碎片嵌入可向量化的矩阵中，无需额外特征分析即可直接解释特征含义	未提及与其他复杂特征模型的对比优势及泛化能力的进一步验证	实现快速、准确且可解释的蛋白质-配体结合亲和力预测，用于药物发现中的先导化合物优化	蛋白质-配体复合物的结合亲和力	机器学习	NA	NA	随机森林或深度神经网络	配体结合位点环境图像和分子碎片描述符	使用多个基准数据集（包括PDBbind v.2015、Astex Diverse Set、CSAR NRC HiQ、FEP、PDBbind NMR和CASF-2016）	NA	NA	NA	NA
35	2026-05-22	Topic classification of electric vehicle consumer experiences with transformer-based deep learning 2021-Feb-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2020.100195 PMID:33659911	研究论文	利用基于Transformer的深度学习对电动汽车消费者体验进行主题分类	首次在电动汽车消费者体验分析中应用Transformer深度学习模型，并在全国代表性样本上实现了超过91%的分类准确率和0.83的F1分数，优于之前领先算法	未明确说明局限性	利用深度学习技术从非结构化电动汽车用户评论中自动发现关注主题，为公共政策分析和充电基础设施决策提供支持	电动汽车消费者的在线评论	自然语言处理	NA	NA	Transformer深度学习模型	文本	全国代表性样本（具体数量未提及）	NA	Transformer	准确率, F1分数	NA
36	2026-05-22	Genomic pan-cancer classification using image-based deep learning 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.01.010 PMID:33598099	research paper	提出一种基于图像的深度学习策略，将基因突变数据转化为遗传突变图谱，用于泛癌分类	首次将基因突变数据（包括单核苷酸多态性、插入和缺失）转换为遗传突变图谱，并应用多种深度学习网络进行癌症类型分类	NA	提高基于基因突变的癌症类型分类准确性，提供泛癌分类和驱动基因发现的新方法	36种癌症类型的9047个患者样本的基因突变数据	computervision	多种癌症（包括前列腺癌和乳腺癌）	基因突变数据转换（包括SNP、插入和缺失）	深度学习网络（CNN）	图像（基因突变图谱）	9047个患者样本，36种癌症类型	NA	VGG-16, Inception-v3, ResNet-50, Inception-ResNet-v2	准确率（over 95%）	NA
37	2026-05-22	Machine learning techniques for analysis of hyperspectral images to determine quality of food products: A review 2021, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2021.01.002 PMID:33659896	综述	综述了机器学习技术在食品质量高光谱图像分析中的应用	总结不同机器学习技术在高光谱图像分析中的优势与局限，强调特征选择及深度学习、终身学习的应用潜力	深度学习领域相对较新，终身机器学习需进一步研究以纳入季节性变化	探讨机器学习技术用于食品质量快速、无损检测的方法和前景	高光谱图像中的食品质量检测	计算机视觉	NA	高光谱成像	深度学习	图像	NA	NA	NA	分类准确率	NA
38	2026-05-22	Improved sequence-based prediction of interaction sites in α-helical transmembrane proteins by deep learning 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.005 PMID:33815689	研究论文	提出一种基于深度学习的序列预测方法DeepTMInter，用于预测α-螺旋跨膜蛋白的相互作用位点	结合超深残差神经网络与堆叠泛化集成技术，显著优于现有方法	未明确提及，但可能受限于预测精度和实际应用验证不足	开发序列层面的计算方法，大规模注释跨膜蛋白的相互作用位点	α-螺旋跨膜蛋白的相互作用位点	机器学习	NA	NA	超深残差神经网络	序列数据	训练和基准测试数据集来自公开数据集Mendeley	NA	超深残差神经网络	AUC, AUCPR	NA
39	2026-05-20	Classification of COVID-19 by Compressed Chest CT Image through Deep Learning on a Large Patients Cohort 2021-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-020-00408-1 PMID:33565027	研究论文	提出一种基于深度学习的原型诊断系统，通过压缩胸部CT图像对COVID-19进行快速分类，并在大型患者队列上进行验证	无需数据增强即可区分COVID-19与正常对照，特异性0.92、敏感性0.93；测试时无需原始DICOM图像，可使用高度压缩的JPEG图像实现快速诊断；在6秒内区分病毒感染，支持低成本在线测试	小样本无症状患者验证有限；仅使用特定数据集，泛化性需进一步评估	开发一种快速、准确的COVID-19诊断系统，克服RT-PCR检测准确率低和传统AI方法耗时长的问题	1357名确诊COVID-19患者和未感染人群的胸部CT序列	计算机视觉	COVID-19	CT成像	深度学习模型	图像（胸部CT序列，含JPEG压缩图像）	2267个CT序列来自1357名确诊患者，1235个CT序列来自未感染者；额外48名无症状患者	NA	NA	特异性、敏感性	在线检测系统，要求低成本计算
40	2026-05-20	Complex Human Action Recognition Using a Hierarchical Feature Reduction and Deep Learning-Based Method 2021, SN computer science DOI:10.1007/s42979-021-00484-0 PMID:33615240	研究论文	提出一种基于层级特征降维和深度学习的方法，用于识别复杂的人类动作	通过自动化选取代表性帧并结合层级特征降维技术（背景减除、HOG）、深度学习网络（CNN和LSTM）以及骨骼建模，有效提取时间信息并降低计算成本	未提及具体限制，但可能依赖特定数据集（UCF101）的性能表现	解决视频序列中人类动作识别的时间信息利用不足和计算成本高的问题	视频序列中的复杂人类动作	计算机视觉	不适用	不适用	CNN, LSTM, Softmax-KNN	视频	UCF101数据集，包含101类复杂动作	不适用	不适用	准确性, 速度	不适用