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	2026-04-01	PK-RNN-V E: A deep learning model approach to vancomycin therapeutic drug monitoring using electronic health record data 2022-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104166 PMID:35985620	研究论文	本文提出了一种基于深度学习的万古霉素药代动力学预测模型（PK-RNN-V E），利用大规模电子健康记录数据进行治疗药物监测	利用大型电子健康记录数据集开发深度学习模型，能够处理实时稀疏和不规则观测数据，提供动态预测，相比传统贝叶斯模型具有更优性能	模型仅在特定患者群体（5,483名患者）中开发，可能未涵盖所有真实世界患者多样性	开发用于万古霉素治疗药物监测的深度学习药代动力学预测模型	万古霉素治疗患者	机器学习	NA	电子健康记录数据分析	RNN	电子健康记录数据	5,483名患者，55,336次万古霉素给药	NA	PK-RNN-V E	均方根误差	NA
2	2026-03-31	Symphonizing pileup and full-alignment for deep learning-based long-read variant calling 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00387-x PMID:38177392	研究论文	本文介绍了Clair3，一种基于深度学习的变异检测工具，通过结合pileup和全比对方法，提高了长读长测序中单核苷酸多态性检测的性能和速度	Clair3创新性地整合了pileup和全比对两种方法，前者处理大多数变异候选以提升速度，后者处理复杂候选以最大化精确度和召回率，从而在低覆盖度下实现更优性能	NA	开发一种高效且准确的基于深度学习的变异检测工具，用于长读长测序数据	长读长测序数据中的单核苷酸多态性	机器学习	NA	长读长测序	深度学习	测序数据	NA	NA	NA	精确度, 召回率	NA
3	2026-03-31	Single-sequence protein structure prediction using supervised transformer protein language models 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00373-3 PMID:38177395	研究论文	本文介绍了一种名为trRosettaX-Single的自动化算法，用于单序列蛋白质结构预测	结合了监督式Transformer蛋白质语言模型的序列嵌入，并通过知识蒸馏增强的多尺度网络来预测残基间二维几何，从而重建三维结构	未明确提及具体局限性，但可能依赖于特定数据集或计算资源	开发一种高效的单序列蛋白质结构预测方法	孤儿蛋白质、人工设计蛋白质以及网络幻觉生成的蛋白质	机器学习	NA	蛋白质结构预测	Transformer	蛋白质序列	2,000个网络幻觉生成的设计蛋白质	NA	Transformer	模板建模分数（TM-score）	未指定具体资源，但提到计算资源使用少于10%且比AlphaFold2快两倍
4	2026-03-25	Validation of a deep learning, value-based care model to predict mortality and comorbidities from chest radiographs in COVID-19 2022-Aug, PLOS digital health DOI:10.1371/journal.pdig.0000057 PMID:36812559	研究论文	本研究验证了一个基于深度学习、以价值为导向的护理模型，该模型利用胸部X光片预测COVID-19患者的死亡率和合并症	开发并验证了一个仅使用正面胸部X光片预测COVID-19患者合并症和死亡率的深度学习模型，并与传统的分层条件类别（HCC）风险调整模型进行了性能比较	模型训练数据来自单一机构（2010-2019年），且外部验证队列规模有限（共900例COVID-19患者），可能影响模型的泛化能力	验证深度学习模型在预测COVID-19患者合并症和死亡率方面的性能，并评估其在临床决策中的潜在应用价值	COVID-19患者的正面胸部X光片	数字病理学	COVID-19	胸部X光成像	深度学习模型	图像	训练集：14,121张门诊患者正面胸部X光片（2010-2019年）；验证集：413例门诊COVID-19患者（内部队列）和487例住院COVID-19患者（外部队列）的初始正面胸部X光片	NA	NA	ROC曲线下面积（AUC）、相关系数、绝对平均误差	NA
5	2026-03-25	Deep 3D Neural Network for Brain Structures Segmentation Using Self-Attention Modules in MRI Images 2022-03-27, Sensors (Basel, Switzerland) DOI:10.3390/s22072559 PMID:35408173	研究论文	本文提出了一种基于深度学习的3D神经网络，结合自注意力模块用于MRI图像中的脑结构分割	提出了一种结合局部卷积特征和全局自注意力机制的3D深度学习模型，用于脑结构分割，据称是使用注意力机制分割最多脑结构（37个）的3D方法	NA	开发一种用于脑结构分割的深度学习模型，以提高分割精度和速度	脑MRI图像中的37个脑结构	计算机视觉	NA	磁共振成像	CNN, 自注意力模块	三维MRI图像	Mindboggle-101数据集	NA	基于UNet的架构，包含卷积层和自注意力模块	平均Dice分数	NA
6	2026-03-24	Evaluation of different registration methods and dental restorations on the registration duration and accuracy of cone beam computed tomography data and intraoral scans: a retrospective clinical study 2022-Sep, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-022-04533-7 PMID:35538331	研究论文	本研究评估了不同配准方法及牙齿修复体比例对锥形束CT与口内扫描数据配准时长和准确性的影响	首次结合深度学习平台与多种传统配准软件，系统性分析牙齿修复体比例对配准性能的影响	样本量较小（36例患者），且为单操作者回顾性研究，可能存在操作偏倚	比较不同配准方法在虚拟种植规划中的效率与精度差异	锥形束CT数据与口内扫描的三维模型	医学影像分析	牙科疾病	锥形束CT扫描, 口内扫描	深度学习模型	三维医学影像数据	36例患者（每人单颌数据）	未明确说明	未明确说明	配准精度（三维模型间距离测量）, 时间消耗	未明确说明
7	2026-03-22	A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765307 PMID:37850173	研究论文	本文提出了一种低成本高性能的数据增强策略，用于深度学习皮肤病变分类，旨在提升智能皮肤癌筛查设备在资源有限环境下的性能	提出搜索空间为10的高性能数据增强策略，可通过即插即用模式与任何模型结合，以低成本为医学数据库搜索最佳增强方法	NA	开发适用于资源有限环境的高性能低成本数据增强策略，以促进智能皮肤癌筛查设备的部署	皮肤病变图像数据	计算机视觉	皮肤癌	数据增强	CNN	图像	HAM10000、ISIC 2017、ISIC 2018、Derm7pt数据集	NA	EfficientNet	BACC, AUC	NA
8	2026-03-19	Recent advancements in machine vision methods for product code recognition: A systematic review 2022, F1000Research DOI:10.12688/f1000research.124796.1 PMID:37767074	综述	本文系统回顾了过去八年中用于识别产品表面制造标记文本的机器视觉方法的发展，并探讨了该领域最常见的挑战	系统梳理了从光学字符识别到深度学习方法的演进，特别强调了使用两个连续深度学习网络（一个用于检测文本区域，另一个用于识别字符）的最新方法	符合纳入标准的研究数量有限，仅筛选出10篇相关论文	评估用于识别产品表面制造标记文本的机器视觉方法的发展	产品表面印刷的制造标记文本，特别是药品和易腐食品上的代码	计算机视觉	NA	机器视觉，光学字符识别，深度学习	CNN, DNN	图像	NA	NA	卷积神经网络	NA	NA
9	2026-03-18	Artificial intelligence study on left ventricular function among normal individuals, hypertrophic cardiomyopathy and dilated cardiomyopathy patients using 1.5T cardiac cine MR images obtained by SSFP sequence 2022-May-01, The British journal of radiology DOI:10.1259/bjr.20201060 PMID:35084208	研究论文	本研究利用深度学习卷积神经网络自动量化不同心肌病患者左心室功能，评估其在肥厚型心肌病和扩张型心肌病中的性能差异	首次客观评估商业化深度学习方法在不同心肌病心功能评估中的表现，并指出其在各类心肌病中的优缺点	未尝试设计新算法，仅将现有方法应用于临床数据测试集，且评估的心肌病类型有限	评估基于深度学习的自动左心室功能量化方法在不同心肌病中的性能	肥厚型心肌病患者、扩张型心肌病患者及健康参与者的心脏磁共振图像	医学影像分析	心肌病	心脏磁共振成像	CNN	图像	388名患者	NA	卷积神经网络	Bland-Altman分析, ROC曲线分析, Pearson相关系数, 敏感性, 特异性	NA
10	2026-03-16	Subcortical segmentation of the fetal brain in 3D ultrasound using deep learning 2022-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.119117 PMID:35331871	研究论文	本研究开发了一种基于深度学习的卷积神经网络，用于从3D胎儿超声图像中自动分割皮层下结构	采用少样本学习方法，仅使用少量手动标注数据（n=9）训练CNN，实现了接近观察者内部变异性的分割性能，并生成了妊娠中期特定结构的超声特异性生长曲线	手动标注数据稀缺且获取成本高，超声图像存在软组织对比度低、斑点噪声和阴影伪影等挑战	通过自动分割3D胎儿超声图像中的皮层下结构，量化其体积发育，为妊娠监测提供重要诊断信息	胎儿大脑的脉络丛、侧脑室后角、透明隔腔及小脑	医学影像分析	胎儿发育	3D超声成像	CNN	3D超声图像	手动标注样本9个，弱标注样本278个	NA	NA	分割性能接近观察者内部变异性	NA
11	2026-03-15	Multimodal deep learning for Alzheimer's disease dementia assessment 2022-06-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31037-5 PMID:35725739	研究论文	本文提出了一种多模态深度学习框架，用于阿尔茨海默病痴呆的自动化诊断与评估	开发了能够灵活整合多种临床信息（人口统计学、病史、神经心理学测试、神经影像、功能评估）的深度学习模型，并在诊断准确性上可与执业神经科医生和神经放射科医生相媲美	未明确说明模型在不同人群或医疗中心间的泛化能力，也未详细讨论数据不平衡或缺失值处理的具体方法	改善由多种病因引起的认知障碍个体的诊断流程	认知正常个体、轻度认知障碍患者、阿尔茨海默病患者及非阿尔茨海默病痴呆患者	数字病理学	阿尔茨海默病	多模态深度学习	深度学习模型	多模态临床数据（人口统计学、病史、神经心理学测试、神经影像、功能评估）	NA	NA	NA	诊断准确性	NA
12	2026-03-15	Deep learning for subtyping the Alzheimer's disease spectrum 2022-02, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2021.12.004 PMID:34996710	研究论文	本文探讨了利用深度学习对阿尔茨海默病谱系进行亚型分类的方法	通过结构成像对认知受损个体进行亚型分类，为疾病异质性量化提供了新视角	NA	亚型分类阿尔茨海默病以促进靶向治疗和改善患者护理	认知受损个体	数字病理学	老年疾病	结构成像	深度学习	图像	NA	NA	NA	NA	NA
13	2026-03-15	Uncertainty-aware deep learning in healthcare: A scoping review 2022, PLOS digital health DOI:10.1371/journal.pdig.0000085 PMID:36590140	综述	本文对医疗健康领域中深度学习不确定性量化方法进行了范围性综述，并提出了一个指定深度学习预测确定性的概念框架	首次系统性地评估了医疗健康应用中深度学习的不确定性量化方法，并提出了一个用于指定预测确定性的概念框架	报告方法的异质性阻碍了进行荟萃分析，且模型学习曲线在量化认知不确定性方面的应用较为稀疏	批判性评估医疗健康应用中深度学习的不确定性量化方法，并建立一个指定预测确定性的概念框架	医疗健康领域的深度学习模型及其不确定性估计方法	医疗健康	NA	深度学习	卷积神经网络	医学影像, 非影像数据	30项研究	NA	卷积神经网络及其变体	NA	NA
14	2026-03-15	PrimSeq: A deep learning-based pipeline to quantitate rehabilitation training 2022, PLOS digital health DOI:10.1371/journal.pdig.0000044 PMID:36420347	研究论文	本文介绍了一种名为PrimSeq的深度学习流程，用于分类和计数中风康复训练中的功能性动作	开发了PrimSeq流程，整合可穿戴传感器、深度学习模型和计数算法，首次实现对中风康复训练中功能性动作的自动量化测量	未明确说明模型在更广泛患者群体或不同康复环境中的泛化能力，且可能依赖于特定传感器设置	旨在量化中风康复训练中的功能性动作剂量，以支持康复治疗的定量研究	中风患者的上肢运动	机器学习	中风	可穿戴传感器运动捕捉	深度学习模型	运动传感器数据	未明确指定样本数量，但涉及具有不同程度上肢运动障碍的中风患者	NA	NA	准确性	NA
15	2026-03-14	Modeling mutational effects on biochemical phenotypes using convolutional neural networks: application to SARS-CoV-2 2022-Jul-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.104500 PMID:35669036	研究论文	本文利用卷积神经网络建模SARS-CoV-2刺突蛋白受体结合域和人类ACE2蛋白的突变对生化表型的影响	首次将卷积神经网络应用于SARS-CoV-2突变体生化表型预测，整合氨基酸理化性质显著提升预测性能，并与分子动力学模拟结果相互验证	模型主要基于深度突变扫描实验数据，可能未覆盖所有潜在突变组合，且计算资源需求较高	预测SARS-CoV-2突变对病毒-宿主相互作用关键生化表型的影响	SARS-CoV-2刺突蛋白受体结合域和人类ACE2蛋白的突变体	机器学习	COVID-19	深度突变扫描	CNN	蛋白质序列突变数据	NA	NA	卷积神经网络	预测准确性	NA
16	2026-03-10	Integrative single-cell analysis of cardiogenesis identifies developmental trajectories and non-coding mutations in congenital heart disease 2022-12-22, Cell IF:45.5Q1 DOI:10.1016/j.cell.2022.11.028 PMID:36563664	研究论文	本研究通过单细胞染色质可及性图谱，揭示了心脏发育的细胞分化轨迹和转录因子活动，并利用深度学习模型解析调控序列，发现先天性心脏病中非编码突变的富集	整合单细胞分析识别心脏发育轨迹，结合深度学习模型解读染色质可及性，首次在先天性心脏病中富集预测影响动脉内皮细胞可及性的非编码突变	研究基于胎儿心脏组织，可能无法完全反映成人或疾病晚期状态；体外验证仅限于iPSC模型，体内功能影响需进一步探索	解析心脏发育的细胞类型特异性调控景观，并探究先天性心脏病的非编码突变机制	人类胎儿心脏组织、iPSC衍生的心脏细胞类型	计算生物学	先天性心脏病	单细胞染色质可及性测序、iPSC分化、深度学习建模	深度学习模型	单细胞染色质可及性数据、基因组序列	人类胎儿心脏组织样本，具体数量未明确说明	NA	NA	NA	NA
17	2026-03-06	Recent Technical Developments in ASL: A Review of the State of the Art 2022-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29381 PMID:35983963	综述	本文综述了自Alsop等人发表共识论文以来，动脉自旋标记（ASL）领域的一系列最新技术发展	聚焦于ASL技术在读出与轨迹、图像重建、噪声降低、部分容积校正、非灌注参数量化、功能磁共振成像、指纹识别、血管选择性ASL、血管造影、深度学习及超高场ASL等方面的进展	未涵盖速度选择性ASL、多时间点ASL、体部ASL及临床ASL建议等主题，这些内容已在其他文章中详细讨论	促进研究团队和MRI供应商采纳ASL技术的最新进展，并提供实施指导	动脉自旋标记（ASL）技术及其相关方法	医学影像	NA	动脉自旋标记（ASL）	NA	磁共振成像数据	NA	NA	NA	NA	NA
18	2026-03-06	Towards a guideline for evaluation metrics in medical image segmentation 2022-Jun-20, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-022-06096-y PMID:35725483	综述	本文概述了医学图像分割中常用的评估指标，并提出了标准化评估指南	系统性地总结和解释了医学图像分割中的关键评估指标，并针对常见问题（如类别不平衡和统计偏差）提出了标准化评估指南，旨在提高研究领域的评估质量、可重复性和可比性	本文为综述性指南，未提出新的算法或模型，主要侧重于指标解释和评估标准化建议	提高医学图像分割研究的评估质量、可重复性和可比性	医学图像分割的评估指标和方法	医学图像分割	NA	NA	NA	医学图像	NA	NA	NA	Dice相似系数, Jaccard指数, 敏感度, 特异度, Rand指数, ROC曲线, Cohen's Kappa, Hausdorff距离	NA
19	2026-03-06	Leveraging clinical data across healthcare institutions for continual learning of predictive risk models 2022-05-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-12497-7 PMID:35590018	研究论文	本文提出了一种名为WUPERR的隐私保护持续学习算法，用于跨医疗机构利用临床大数据构建可泛化的预测风险模型，并在脓毒症早期预测任务中进行了验证	开发了WUPERR算法，结合权重不确定性传播和情景表示重放，实现跨机构的隐私保护持续学习，避免知识遗忘	研究仅针对脓毒症预测任务，未在其他疾病或临床场景中验证；算法在四个医院系统中测试，可能需更多机构数据以评估泛化性	利用跨医疗机构临床大数据，通过持续学习构建可泛化的预测风险模型，提升模型在外部患者队列中的性能	来自四个不同医疗系统的超过104,000名患者数据，用于脓毒症早期预测	机器学习	脓毒症	临床数据挖掘	深度学习模型	临床数据	超过104,000名患者	NA	NA	阳性预测值	NA
20	2026-03-06	Evaluating the clinical acceptability of deep learning contours of prostate and organs-at-risk in an automated prostate treatment planning process 2022-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.15525 PMID:35147216	研究论文	本研究评估了基于深度学习的商业模型在前列腺和危及器官自动分割中的临床可接受性，并将其应用于自动化前列腺治疗计划流程	首次将商业AI分割模型集成到自动化前列腺治疗计划流程中，并通过几何评估、观察者间变异分析和双盲临床评估进行综合验证	样本量较小（仅23例测试数据），且模型在部分器官（如阴茎球）的分割性能相对较低（DSC为0.53）	评估基于AI的自动分割模型在自动化前列腺放射治疗计划中的临床可接受性和性能	前列腺癌患者的CT扫描图像，包括前列腺及周围危及器官（膀胱、直肠、股骨头、精囊、阴茎球）	数字病理	前列腺癌	CT扫描	CNN	图像	训练和验证集84例CT扫描，测试集23例CT扫描	NA	3D U-Net	Dice相似系数, 95%定向豪斯多夫距离, 平均表面距离	NA