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	2026-10-03	Predicting COVID-19 disease progression and patient outcomes based on temporal deep learning 2021-02-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-020-01359-9 PMID:33557818	研究论文	该论文提出基于时间感知长短期记忆网络（T-LSTM）的时间深度学习方法，利用武汉485名COVID-19患者的血液样本数据，预测疾病进展和患者结局，并识别疾病分期	提出时间感知长短期记忆网络（T-LSTM）处理不规则采样时间序列，同时考虑生物标志物和不规则时间间隔来预测患者结局，并基于提取的患者表征进行疾病亚型分期，发现了COVID-19的4个进展阶段及3种并发症	未明确提及	识别COVID-19疾病进展阶段并在早期预测患者结局，以帮助靶向治疗和资源分配	武汉485名COVID-19患者的血液样本	机器学习	COVID-19	时间感知长短期记忆网络（T-LSTM）	T-LSTM	时间序列血液样本数据	485名患者的血液样本	NA	T-LSTM	准确率	NA
2	2026-10-03	Machine learning applied on chest x-ray can aid in the diagnosis of COVID-19: a first experience from Lombardy, Italy 2021-02-02, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-020-00203-z PMID:33527198	研究论文	本研究训练并测试了一个深度学习分类器，利用胸部X光片辅助诊断COVID-19，研究对象来自意大利伦巴第大区的两家医院	首次在意大利伦巴第地区使用集成十个卷积神经网络的深度学习模型，基于床旁胸部X光片进行COVID-19诊断，并与放射科医生的回顾性判读进行对比	训练数据集有限（仅500例），模型性能仍有提升空间，需要更多胸部X光片进行进一步训练以提高性能	训练并测试深度学习分类器以支持利用胸部X光片诊断COVID-19	来自意大利伦巴第两家医院的COVID-19患者和非COVID-19患者的床旁胸部X光片	计算机视觉	COVID-19	胸部X光成像，实时聚合酶链反应	CNN	图像	训练和验证集：500例（250例COVID-19，250例非COVID-19）；独立测试集：110例患者（74例COVID-19，36例非COVID-19）	NA	卷积神经网络集成（十个CNN）	灵敏度，特异度，曲线下面积（AUC）	NA
3	2026-09-30	Interpretation and visualization techniques for deep learning models in medical imaging 2021-02-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abcd17 PMID:33227719	综述	该综述总结了医学图像分析中深度学习模型的解释和可视化技术，涵盖理解模型结构与功能以及理解模型输出两类方法，并评估了其在医学成像中的应用	系统性地将模型解释方法分为理解模型结构与功能和理解模型输出两类，并对比了归因方法如显著性图和类激活图，总结了医学成像专用的工具包	当前模型解释方法存在局限性，未具体说明但文章讨论了这些限制	总结和批判性评估医学图像分析中深度学习模型的解释和可视化方法，以促进临床转化	医学图像分析中的深度学习模型	医学图像分析	NA	NA	NA	图像	NA	NA	NA	NA	NA
4	2026-09-29	Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision 2021-02, Biomedical engineering systems and technologies, international joint conference, BIOSTEC ... revised selected papers. BIOSTEC (Conference) DOI:10.5220/0010241900002865 PMID:34046649	研究论文	该文章提出了一种利用深度学习计算机视觉进行嗜酸性粒细胞性食管炎诊断和表型评估的自动化方法	这是首个利用深度学习计算机视觉方法进行EoE诊断并提供自动化过程来追踪疾病严重程度和进展的研究	未提及	研究目的是开发一种自动化方法来量化嗜酸性粒细胞，以诊断EoE并描述疾病严重程度和进展，并寻找与患者临床和治疗表型的联系	嗜酸性粒细胞性食管炎患者	数字病理学	嗜酸性粒细胞性食管炎	NA	U-Net, 深度学习分类模型	图像	NA	NA	U-Net	NA	NA
5	2026-08-16	Deep Multi-Modal Transfer Learning for Augmented Patient Acuity Assessment in the Intelligent ICU 2021-Feb, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2021.640685 PMID:33718920	研究论文	本研究探索在智能重症监护室中，通过结合电子健康记录和腕戴式活动传感器的数据，利用深度迁移学习增强患者病情严重程度评估的预测能力	首次将腕戴式活动传感器数据与电子健康记录数据结合，应用于智能ICU的患者病情评估，并利用大型传统ICU队列进行深度迁移学习以解决小样本问题	作为试点研究，样本量较小，可能限制结果的泛化性；依赖特定临床环境（智能ICU）和新颖传感器数据，可能难以在其他医疗环境中复现	评估在传统电子健康记录数据基础上，增加腕戴式活动传感器数据对患者出院结果预测的效用，特别是在应用迁移学习后对小型ICU队列的预测改进	重症监护室患者，包括来自智能ICU的前瞻性队列和来自传统ICU的大型回溯性队列	机器学习	重症疾病（危重病）	深度迁移学习、时间序列建模	深度学习模型（具体如RNN/LSTM，但未明确）	电子健康记录数据（生命体征）和腕戴式传感器活动数据	小型前瞻性智能ICU队列和大型传统ICU回溯性队列（具体数量未给出）	未明确	时间序列深度学习模型（具体架构未明确）	未明确（可能包括准确率等，但未列出）	未明确
6	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
7	2026-05-16	Derivatization Design of Synthetically Accessible Space for Optimization: In Silico Synthesis vs Deep Generative Design 2021-Feb-11, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.0c00540 PMID:33603964	研究论文	提出了一种基于人工智能辅助正向合成的衍生化设计技术，用于先导化合物优化中的分子生成	将人工智能辅助正向合成与分子设计相结合，自动生成具有合成可行性、试剂可用性和成本数据的近邻类似物及骨架变体	文中未明确提及局限性	开发一种新的衍生化设计技术，以加速先导化合物优化过程并降低研发成本	DDR1抑制剂类似物	机器学习	NA	AI辅助正向合成	NA	分子结构数据	未明确说明	NA	NA	NA	NA
8	2026-04-30	Deep learning approaches for COVID-19 detection based on chest X-ray images 2021-Feb, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2020.114054 PMID:33013005	研究论文	利用深度学习方法基于胸部X光图像检测COVID-19	同时采用深度特征提取、预训练CNN微调和端到端训练新CNN模型三种方法，并对比多种SVM核函数性能	数据集较小（仅380张图像），可能影响模型泛化能力	评估深度学习在胸部X光图像中检测COVID-19的有效性	COVID-19和正常（健康）胸部X光图像	计算机视觉	COVID-19	NA	CNN, SVM	图像	380张胸部X光图像（180张COVID-19，200张正常）	NA	ResNet18, ResNet50, ResNet101, VGG16, VGG19, 新CNN模型	准确率	NA
9	2026-04-23	Stability and folding pathways of tetra-nucleosome from six-dimensional free energy surface 2021-02-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-21377-z PMID:33597548	研究论文	本文通过近原子模型和深度学习技术，研究了四核小体的稳定性和折叠途径	使用近原子模型结合深度学习，首次构建了六维自由能表面，揭示了染色质折叠的多条途径和中间态	模型基于特定四核小体，可能无法完全反映体内更复杂染色质结构的动态	探究染色质三维组织的稳定性和折叠机制，以理解基因调控	四核小体	计算生物学	NA	近原子模型、深度学习、高级采样模拟	深度学习模型	模拟数据	NA	NA	NA	NA	NA
10	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
11	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
12	2026-03-10	Concordance analysis of intrapartum cardiotocography between physicians and artificial intelligence-based technique using modified one-dimensional fully convolutional networks 2021-Feb-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000416 PMID:32858548	研究论文	本研究使用基于一维全卷积网络的人工智能方法，分析产时胎心监护图，并与临床医生评估进行一致性比较	首次将改进的一维全卷积网络应用于胎心监护图的自动识别，并评估其在非安心胎儿状态评估中的潜力	研究为单中心回顾性研究，样本量有限（3239条记录），且模型假阳性率较高	评估人工智能技术在胎心监护图识别中的性能，探索其在胎儿健康监测中的应用	产时胎心监护记录和新生儿Apgar评分	医疗人工智能	产科疾病	电子胎儿监护	FCN	时间序列数据	3239条胎心监护记录，来自292次分娩	NA	改进的一维全卷积网络	Cohen's kappa系数, AUC, 灵敏度, 假阳性率	NA
13	2026-03-06	Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19 2021-02, Metabolism: clinical and experimental DOI:10.1016/j.metabol.2020.154436 PMID:33221381	研究论文	本研究探讨了心外膜脂肪组织（EAT）在胸部CT上的量化指标与COVID-19肺炎范围及不良临床结局之间的关联	首次利用深度学习软件量化EAT体积和衰减，并发现其与COVID-19肺炎负担及临床恶化或死亡风险独立相关	研究为回顾性分析，样本量较小（109例），且仅基于单中心数据，可能存在选择偏倚	评估EAT作为COVID-19患者肺炎程度和不良结局预测因子的临床价值	实验室确诊的COVID-19患者	数字病理学	COVID-19	胸部CT成像，深度学习软件分析	深度学习模型	医学影像（CT图像）	109例连续患者	NA	NA	回归系数（β），比值比（OR），相关性系数（r），p值	NA
14	2026-03-03	MB-GAN: Microbiome Simulation via Generative Adversarial Network 2021-02-05, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab005 PMID:33543271	研究论文	本文提出了一种基于生成对抗网络（GAN）的微生物组模拟框架MB-GAN，用于生成逼真的微生物组数据	MB-GAN避免了显式统计建模假设，仅需真实数据集作为输入，且相比传统GAN更易应用和高效收敛	未明确提及具体限制，可能包括对大规模数据或特定微生物组类型的适用性	开发一种模拟真实微生物组数据的方法，以评估分析工具的优缺点	人类微生物组数据，特别是肠道微生物组	机器学习	NA	宏基因组关联研究，深度学习方法	GAN	微生物丰度数据	396个样本（来自病例对照肠道微生物组研究）	NA	MB-GAN	稀疏性、多样性、类群-类群相关性	NA
15	2025-11-30	Thyroid gland delineation in noncontrast-enhanced CTs using deep convolutional neural networks 2021-02-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abc5a6 PMID:33590826	研究论文	本研究开发了一种基于深度学习的甲状腺自动分割方法，用于非增强头颈部CT图像	首次在非增强CT中实现高精度甲状腺分割，通过六项交叉验证实验证明方法的鲁棒性	仅针对疑似甲状腺癌患者数据，未在其他疾病类型中验证	开发高精度、高效且鲁棒的甲状腺自动分割方法	1977例疑似甲状腺癌患者的非增强头颈部CT图像	医学影像分析	甲状腺癌	CT成像	CNN	医学影像	1977例患者	NA	3D U-Net, V-Net	Dice相似系数, 敏感度, 特异度, Jaccard指数, Hausdorff距离, 平均表面距离, 残差均方根距离, 质心距离, Pearson相关系数, Bland-Altman分析	NA
16	2025-02-21	Discovering microbe-disease associations from the literature using a hierarchical long short-term memory network and an ensemble parser model 2021-02-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-83966-8 PMID:33627732	研究论文	本文提出了一种结合机器学习和自然语言处理方法的框架，用于分析微生物与疾病之间的关联	结合了深度学习（分层长短期记忆网络）和解析树搜索方法（基于成分解析和依赖解析的集成模型），提高了微生物-疾病关联的提取准确率	未明确提及具体局限性	开发一种从文献中提取微生物与疾病关联的自动化方法	微生物与疾病之间的关联	自然语言处理	NA	文本挖掘、深度学习	分层长短期记忆网络（LSTM）、集成解析模型	文本	大规模文献分析，具体样本量未明确	NA	NA	NA	NA
17	2024-12-21	Discovery of gene module acting on ubiquitin-mediated proteolysis pathway by co-expression network analysis for endometriosis 2021-Feb, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2020.10.005 PMID:33189575	研究论文	通过共表达网络分析发现与子宫内膜异位症相关的基因模块，并探讨其在临床诊断中的应用	首次通过共表达网络分析发现与子宫内膜异位症高度相关的基因模块，并利用深度学习模型进行临床诊断	研究基于已有的基因表达数据集，未进行实验验证	探讨子宫内膜异位症的发生与基因模块表达异常的关系，并建立诊断模型	子宫内膜异位症患者的异位子宫内膜组织	基因组学	妇科疾病	共表达网络分析	深度学习模型	基因表达数据	71例正常样本和142例子宫内膜异位症样本	NA	NA	NA	NA
18	2024-12-08	Image-based profiling for drug discovery: due for a machine-learning upgrade? 2021-02, Nature reviews. Drug discovery DOI:10.1038/s41573-020-00117-w PMID:33353986	研究论文	本文探讨了基于图像的药物发现策略，并提出机器学习技术在此领域的升级潜力	本文提出了利用深度学习和单细胞方法等新型计算技术来更好地捕捉图像中的生物信息，以加速药物发现	尽管机器学习策略有所改进，但仍存在挑战	探讨基于图像的药物发现策略及其在机器学习技术升级中的潜力	基于图像的特征提取和多维特征分析	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
19	2024-10-25	Automating the assessment of biofouling in images using expert agreement as a gold standard 2021-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-81011-2 PMID:33531525	研究论文	本文利用深度学习技术自动评估水下图像中的生物污损情况，并以专家共识作为金标准	首次应用深度学习模型自动分类水下检查图像中的生物污损，并验证了其与专家评估的一致性	研究仅限于水下检查图像的分类，未涉及其他类型的生物污损数据	开发一种自动化的方法来评估船舶外壳的生物污损情况，以降低成本和提高效率	水下检查图像中的生物污损	计算机视觉	NA	深度学习	深度学习模型	图像	超过10,000张水下检查图像，其中120张由三位专家标注	NA	NA	NA	NA
20	2024-10-11	Application of deep learning techniques for detection of COVID-19 cases using chest X-ray images: A comprehensive study 2021-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2020.102365 PMID:33230398	研究论文	本文研究了使用深度学习技术通过胸部X光图像检测COVID-19病例的方法	提出了使用八种预训练的卷积神经网络模型进行COVID-19的早期诊断，并通过比较分析确定了最佳模型	仅限于使用胸部X光图像进行诊断，未考虑其他类型的医学影像	设计一种自动化和早期诊断系统，以提供快速决策并减少诊断错误	COVID-19病例的早期诊断	计算机视觉	COVID-19	深度学习	卷积神经网络 (CNN)	图像	使用了公开可用的胸部X光图像进行验证	NA	NA	NA	NA