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
81	2026-04-07	DeepPurpose: a deep learning library for drug-target interaction prediction 2021-04-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa1005 PMID:33275143	研究论文	本文介绍了DeepPurpose，一个用于药物-靶点相互作用预测的深度学习库，旨在简化模型使用并提升预测性能	DeepPurpose通过集成15种化合物和蛋白质编码器及超过50种神经架构，提供了一个全面且易用的深度学习库，降低了生物医学领域和深度学习初学者使用门槛	未在摘要中明确提及	开发一个易于使用的深度学习库，以促进药物-靶点相互作用预测的研究和应用	药物-靶点相互作用预测模型	机器学习	NA	深度学习	多种神经网络架构	化合物和蛋白质数据	NA	NA	多种编码器和神经架构	在多个基准数据集上展示了最先进的性能	NA
82	2026-04-06	Automatic semantic segmentation of kidney cysts in MR images of patients affected by autosomal-dominant polycystic kidney disease 2021-03, Abdominal radiology (New York) DOI:10.1007/s00261-020-02748-4 PMID:32940759	研究论文	本文开发了一种基于卷积神经网络的自动语义分割方法，用于在常染色体显性多囊肾病患者的磁共振图像中分割肾脏囊肿	提出了一种全自动的语义分割方法，用于区分和分析ADPKD患者的肾脏囊肿，其性能达到观察者间变异性水平	研究样本量较小（60例MR图像），且仅使用T2加权图像，可能限制了模型的泛化能力	开发并评估一种全自动语义分割方法，以区分和分析ADPKD患者的肾脏囊肿，用于自动分类患者表型、临床决策和疾病进展监测	常染色体显性多囊肾病患者的磁共振图像中的肾脏囊肿	数字病理学	常染色体显性多囊肾病	磁共振成像	CNN	图像	60例MR T2加权图像	NA	NA	Dice系数, 总囊肿体积百分比差异	NA
83	2026-04-05	CADD-Splice-improving genome-wide variant effect prediction using deep learning-derived splice scores 2021-02-22, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-021-00835-9 PMID:33618777	研究论文	本研究通过整合深度学习衍生的剪接评分，改进了CADD工具在全基因组变异效应预测中的性能	首次将两种专门的剪接评分整合到CADD模型中，显著提升了剪接变异预测的准确性，同时保持整体性能	仅针对剪接评分进行了验证，未扩展到其他分子过程；且剪接特异性预测器在一般变异解释中无法与考虑无义和错义效应的评分竞争	改进全基因组变异效应预测工具，特别是针对影响剪接的遗传变异	遗传变异对剪接的影响，以及其在遗传疾病中的作用	机器学习	遗传疾病	深度神经网络	DNN	基因组变异数据	NA	NA	NA	分类准确性	NA
84	2026-04-04	Feasibility of Simulated Postcontrast MRI of Glioblastomas and Lower-Grade Gliomas by Using Three-dimensional Fully Convolutional Neural Networks 2021-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200276 PMID:34617027	研究论文	本研究评估了使用三维全卷积神经网络从预处理MRI图像模拟胶质母细胞瘤和低级别胶质瘤患者对比后T1加权脑部MR图像的可行性和准确性	首次开发了基于三维深度卷积神经网络的模型，能够从八种预处理序列生成模拟的对比后T1加权图像，并在多中心外部数据集上通过迁移学习验证了其泛化能力	研究为回顾性设计，样本量有限（400例内部数据集），且外部数据集的性别比例未知，可能影响模型的普适性	评估使用预处理MR图像模拟胶质瘤患者对比后T1加权脑部MR图像的可行性和准确性	脑胶质瘤患者（包括胶质母细胞瘤和低级别胶质瘤）的MR图像	医学影像分析	脑胶质瘤	MRI（磁共振成像）	CNN（卷积神经网络）	图像（三维脑部MR图像）	内部数据集400例患者（332例胶质母细胞瘤，68例低级别胶质瘤），外部数据集286例（来自2019年多模态脑肿瘤分割挑战赛）	NA	三维全卷积神经网络	结构相似性指数，对称平均绝对百分比误差，Dice系数，准确率	NA
85	2026-04-04	Automated digital TIL analysis (ADTA) adds prognostic value to standard assessment of depth and ulceration in primary melanoma 2021-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-82305-1 PMID:33531581	研究论文	本研究应用深度学习算法自动分析黑色素瘤H&E图像中的肿瘤浸润淋巴细胞，以提升疾病特异性生存预测的准确性	开发并验证了一种开源深度学习算法，用于自动数字TIL分析，为早期黑色素瘤的预后评估提供了新的生物标志物	研究样本规模较小，需要更大规模的研究进一步验证ADTA在分期算法中的适用性	评估自动数字TIL分析在预测早期黑色素瘤患者疾病特异性生存方面的价值	早期黑色素瘤患者的H&E病理图像	数字病理学	黑色素瘤	H&E染色	深度学习算法	图像	训练队列80例，验证队列145例	NA	NA	HR, CI, p值	NA
86	2026-04-04	An objective structural and functional reference standard in glaucoma 2021-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-80993-3 PMID:33462288	研究论文	本研究提出了一种基于光学相干断层扫描和标准自动视野计的客观青光眼视神经病变定义，并以此作为参考标准开发深度学习算法来检测眼底照片中的青光眼	提出了一种客观的青光眼视神经病变定义，用于解决青光眼诊断缺乏共识的问题，并首次将该定义作为参考标准应用于深度学习算法的开发	研究样本量相对有限（405名个体的585只眼睛），且仅基于特定设备（光学相干断层扫描和标准自动视野计）的参数，可能影响泛化能力	开发一种基于深度学习算法的青光眼诊断工具，提高青光眼检测的客观性和可比性	青光眼视神经病变患者和正常个体的眼底照片	数字病理学	青光眼	光学相干断层扫描, 标准自动视野计	深度学习算法	图像	405名个体的585只眼睛，共2118张眼底照片	NA	NA	灵敏度, 特异性, 受试者工作特征曲线下面积, 似然比	NA
87	2026-04-04	Rapid whole-brain electric field mapping in transcranial magnetic stimulation using deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0254588 PMID:34329328	研究论文	本研究提出了一种基于深度学习的快速全脑电场映射方法，用于经颅磁刺激（TMS）中的电场估计	提出了一种名为3D-MSResUnet的神经网络架构，结合了3D U-Net、残差模块和多尺度特征图融合机制，以加速全脑电场估计	未明确说明模型在不同人群或疾病状态下的泛化能力，以及数据集的潜在偏差	提高经颅磁刺激（TMS）中电场估计的速度和效率，以改善治疗靶向性	人脑组织，特别是经颅磁刺激（TMS）中的电场分布	机器学习	神经精神疾病	扩散磁共振成像（MRI）、有限元方法（FEM）	CNN	图像	大型数据集（具体数量未在摘要中说明）	未明确指定，但可能基于PyTorch或TensorFlow	3D-MSResUnet（结合3D U-Net和残差模块）	多种评估指标（具体名称未在摘要中列出），如准确性、预测时间	未明确说明，但涉及GPU加速计算
88	2026-03-31	Optimization of a Sports Activity Development Model Using Artificial Intelligence under New Curriculum Reform 2021-08-27, International journal of environmental research and public health DOI:10.3390/ijerph18179049 PMID:34501638	研究论文	本研究利用人工智能技术优化体育教学活动模型，通过深度学习建立基于LSTM神经网络的人体运动识别模型，以提升学生运动识别和身体状况检测的准确性	提出结合人工智能和深度学习技术的新型体育教学活动模型，采用智能穿戴系统进行学生状态检测并建立反馈系统，相比传统算法具有更高的运动识别准确率	未明确说明模型在不同年龄、性别或运动能力学生群体中的泛化能力，以及长期实际教学环境中的稳定性验证	优化体育教学活动模型，提高学生身体素质和运动技能，满足新课程改革对体育教育发展的要求	体育教学活动中的学生运动状态和身体状况	机器学习	NA	深度学习，智能穿戴系统	LSTM	运动数据	未明确说明具体样本数量，仅提及构建了数据集进行模型训练和测试	未明确说明	LSTM神经网络	识别准确率，损失值	未明确说明
89	2026-03-29	Deep learning models for the prediction of intraoperative hypotension 2021-04, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2020.12.035 PMID:33558051	研究论文	本研究开发并验证了基于深度学习算法，利用患者监测的生物信号波形，在低血压事件发生前5、10和15分钟进行实时预测的模型	提出了结合多种生物信号（如动脉压波形、心电图、光电容积脉搏波和二氧化碳波形）的多通道深度学习模型，相较于单一信号模型，在预测低血压事件方面表现出更高的性能	研究为回顾性观察性研究，可能存在选择偏倚；模型性能在非侵入性监测中相对较低，且未在外部数据集上进行验证	开发能够实时预测术中低血压事件的深度学习算法，以降低术后器官功能障碍的风险	接受非心脏手术的患者，通过患者监测获取的生物信号波形	机器学习	心血管疾病	生物信号波形分析	深度学习模型	生物信号波形数据	3301名患者	NA	NA	AUROC, MAE	NA
90	2026-03-29	Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors 2021-Jan-04, Sensors (Basel, Switzerland) DOI:10.3390/s21010280 PMID:33406613	研究论文	本研究利用遥感传感器和GIS数据，通过四种集成模型评估罗马尼亚一个小流域的突发洪水潜在风险	结合深度学习神经网络与频率比、证据权重等传统方法，以及交替决策树，构建了四种集成模型来绘制突发洪水潜在图	研究区域局限于罗马尼亚的一个小流域，样本点数量有限（481个受影响点和481个随机点），可能影响模型的泛化能力	评估突发洪水潜在风险，为自然灾害监测和评估提供方法支持	罗马尼亚Bâsca Chiojdului河流域的突发洪水潜在风险	机器学习	NA	遥感传感器、地理信息系统（GIS）、高分辨率卫星图像	深度学习神经网络、交替决策树	图像、地理空间数据	962个点（481个受洪水影响点，481个随机非影响点）	NA	深度学习神经网络、交替决策树	灵敏度、特异性、总体准确率、K指数、ROC曲线、AUC	NA
91	2026-03-22	Deep learning analysis of resting electrocardiograms for the detection of myocardial dysfunction, hypertrophy, and ischaemia: a systematic review 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab048 PMID:34604757	系统综述	本文系统综述了深度学习在分析静息心电图以检测心肌功能障碍、心肌肥厚和缺血等结构性心脏病变方面的证据	首次系统性地评估了端到端深度学习模型在静息心电图分析中用于检测结构性心脏病变（非心律失常性）的性能，并总结了其相较于基于规则的模型和其他机器学习模型的优越性	仅纳入了12篇符合标准的研究，样本量和研究设计存在异质性；排除了动态心电图、负荷心电图、心内或植入式设备获取的心电图数据，可能限制了结论的普适性	评估深度学习分析静息心电图在预测结构性心脏病变（如左心室收缩功能障碍、心肌肥厚和缺血性心脏病）方面的证据和临床适用性	已发表的关于使用端到端深度学习分析静息心电图信号以检测结构性心脏病变的原始研究文章	数字病理学	心血管疾病	深度学习	CNN	心电图信号	NA	NA	卷积神经网络	AUC, 准确率	NA
92	2026-03-22	The discerning ear: cardiac auscultation in the era of artificial intelligence and telemedicine 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab059 PMID:36713594	综述	本文综述了人工智能和远程医疗时代下心脏杂音听诊的现代进展，包括儿科心脏杂音的病因、诊断、管理，以及计算机辅助听诊和深度学习技术的影响	结合人工智能和远程医疗技术，为儿科心脏杂音听诊提供更新的视角，并探讨深度学习对杂音分析的范式转变影响	NA	为现代儿科心脏病学家提供关于人工智能对心脏听诊影响的更新视角	儿科心脏杂音，从早产新生儿到青春期晚期	数字病理学	心血管疾病	计算机辅助听诊，数字听诊器	深度学习	听诊音频数据	NA	NA	NA	NA	NA
93	2026-03-22	The effect of confounding data features on a deep learning algorithm to predict complete coronary occlusion in a retrospective observational setting 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztab002 PMID:36711180	研究论文	本研究评估了深度学习算法在预测冠状动脉完全闭塞中的可行性，并探讨了数据特征混淆对模型性能的影响	揭示了深度学习模型在数据泄露情况下可能产生虚假高结果的风险，强调了在回顾性观察性研究中数据质量控制的重要性	数据集规模过小，导致第二次实验模型性能不佳；存在数据泄露问题，影响了第一次实验结果的可靠性	评估深度学习算法在检测冠状动脉闭塞方面的可行性，并与心脏病专家及STEMI标准进行比较	STAFF III数据库中的心电图样本，包括急性冠状动脉闭塞样本和无闭塞样本	机器学习	心血管疾病	心电图分析	CNN	心电图信号	STAFF III数据库中的样本，具体数量未明确说明	未明确说明	深度卷积神经网络	F1分数	未明确说明
94	2026-03-22	Artificial intelligence assessment for early detection of heart failure with preserved ejection fraction based on electrocardiographic features 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaa015 PMID:36711179	研究论文	本研究开发了一种基于心电图特征的深度学习模型，用于早期检测射血分数保留的心力衰竭	首次开发了一种可解释的深度学习模型，利用常规心电图设备进行HFpEF的可靠和经济筛查，并通过内部和外部验证展示了高性能	研究为回顾性队列设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性研究中进一步验证	开发并验证一种基于心电图的深度学习模型，用于早期筛查射血分数保留的心力衰竭	接受超声心动图和心电图检查且左心室收缩功能正常的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	内部开发集：20,169名患者的32,671份心电图；内部验证集：1,979名患者；外部验证集：11,955名患者	NA	集成神经网络	受试者工作特征曲线下面积	NA
95	2026-03-22	Diagnosis of COVID-19 Using Machine Learning and Deep Learning: A Review 2021, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405617666210713113439 PMID:34259149	综述	本文系统回顾了机器学习和深度学习技术在抗击COVID-19中的应用	通过PRISMA指南对AI在COVID-19中的应用进行范围综述，比较了不同ML回归方法、分类方法及医学影像数据集，并评估了DL方法在不同数据集上的性能	存在法规限制、噪声数据、数据隐私问题以及缺乏可靠的大规模数据集	评估AI（特别是ML和DL）在预测、筛查和检测COVID-19中的有效性	COVID-19患者及相关医学影像数据	机器学习	COVID-19	NA	CNN	图像	从4050篇研究论文中筛选出52篇进行结果合成	NA	ResNet-18, DenseNet 169, DenseNet-201	分类准确率	NA
96	2026-03-21	Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling 2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-21-1252 PMID:34233961	研究论文	本文介绍了一种结合生物正交化学和计算分析流程的创新技术FAST-FNA，用于通过细针抽吸对肿瘤免疫微环境进行快速、连续的免疫分析	首次证明通过简单的细针抽吸可以准确、连续地测量治疗期间复杂且快速演变的肿瘤免疫微环境，结合了生物正交化学和深度学习辅助分析流程	NA	开发一种微创方法，用于在免疫治疗期间连续评估肿瘤免疫微环境，以发现和整合预测性或预后性生物标志物	临床前小鼠模型和人类癌症患者的肿瘤免疫微环境中的单细胞	数字病理学	癌症	细针抽吸、生物正交化学、流式细胞术	深度学习	图像、单细胞数据	临床前样本和人类样本（具体数量未在摘要中明确说明）	NA	NA	R2（决定系数）	NA
97	2026-03-19	Pancreatic cancer grading in pathological images using deep learning convolutional neural networks 2021, F1000Research DOI:10.12688/f1000research.73161.2 PMID:37767358	研究论文	本文提出了一种基于深度学习卷积神经网络的胰腺癌病理图像自动分级系统	首次基于病理图像进行胰腺癌分级，而先前研究仅关注检测（良性或恶性）或放射学图像	样本集较小	开发自动化的胰腺癌分级系统以辅助病理学家	胰腺癌病理图像	数字病理学	胰腺癌	病理染色	CNN	图像	小样本集	NA	DenseNet	准确率	NA
98	2026-03-13	MET Exon 14 Skipping: A Case Study for the Detection of Genetic Variants in Cancer Driver Genes by Deep Learning 2021-Apr-19, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms22084217 PMID:33921709	研究论文	本研究利用深度学习技术检测非小细胞肺癌中MET外显子14跳跃事件，并探索未表征的MET异构体	开发了专门针对MET外显子14跳跃检测的神经网络和稀疏连接自编码器，首次将深度学习应用于该特定癌症驱动基因变异的识别	假阳性病例中存在外显子14覆盖模糊的情况，且样本主要来源于TCGA数据库，可能限制了模型的泛化能力	检测癌症驱动基因中的遗传变异，特别是MET外显子14跳跃事件，以辅助肿瘤进展和治疗研究	非小细胞肺癌（NSCLC）中的MET基因转录本	机器学习	肺癌	RNA-seq	CNN, 自编码器	RNAseq数据	690个手动整理的TCGA支气管和肺样本用于测试，2605个TCGA样本用于全局应用	NA	神经网络（NN/CNN），稀疏连接自编码器	检测率（大于94%）	NA
99	2026-03-10	Deep learning for abdominal ultrasound: A computer-aided diagnostic system for the severity of fatty liver 2021-09-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000585 PMID:34282076	研究论文	本文开发了一种基于深度学习的计算机辅助诊断系统，利用B型超声图像评估脂肪肝并分类其严重程度	开发了基于卷积神经网络的模型，用于从B型超声图像中自动评估脂肪肝严重程度，实现了与昂贵非侵入性诊断方法相当的预测性能，特别是在轻度脂肪变性的鉴别能力方面	存在机器依赖性变异、运动伪影、缺乏其他工具的二次确认以及医院依赖性区域偏差	开发一种非侵入性、成本效益高的脂肪肝严重程度评估方法	B型超声图像	计算机视觉	脂肪肝	B型超声成像	CNN	图像	来自2070名患者的21855张图像，包括正常（11307张）、轻度（4467张）、中度（3155张）和重度脂肪变性（2926张）	NA	VGG19, ResNet-50 v2, MobileNet v2, Xception, Inception v2	AUC	NA
100	2026-03-10	Accurate diagnosis of endoscopic mucosal healing in ulcerative colitis using deep learning and machine learning 2021-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000559 PMID:34050105	研究论文	本研究开发了一种结合深度学习和机器学习的计算机辅助诊断系统，用于准确诊断溃疡性结肠炎患者的黏膜愈合状态	开发了DLML-CAD系统，结合预训练神经网络特征提取与多种分类器（DNN、SVM、k-NN）及集成学习，实现了对溃疡性结肠炎内镜下黏膜愈合的高精度自动诊断	研究样本量有限（仅54名患者的856张图像），且数据来源于单一医疗中心，可能影响模型的泛化能力	开发一种计算机辅助诊断系统，以客观、准确地评估溃疡性结肠炎患者的内镜下黏膜愈合状态	溃疡性结肠炎患者的内镜结肠图像	数字病理学	溃疡性结肠炎	内镜成像	DNN, SVM, k-NN	图像	54名患者的856张内镜图像	NA	预训练神经网络（具体架构未指定）	准确率, 灵敏度, 特异性	NA