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
61	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
62	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
63	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
64	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
65	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
66	2026-03-06	Sampling alternative conformational states of transporters and receptors with AlphaFold2 2022-03-03, eLife IF:6.4Q1 DOI:10.7554/eLife.75751 PMID:35238773	研究论文	本文提出了一种利用AlphaFold2采样转运蛋白和G蛋白偶联受体替代构象的方法	通过随机子采样减少输入多序列比对的深度，驱动AlphaFold2生成多种准确构象模型，突破了其原本设计用于预测静态结构的限制	方法依赖于对多序列比对的调整，可能不适用于所有蛋白质类型，且需要进一步验证在更广泛体系中的普适性	探索AlphaFold2在预测膜蛋白多种构象状态方面的能力，并开发一种采样替代构象的策略	拓扑结构多样的转运蛋白和G蛋白偶联受体	计算生物学	NA	蛋白质结构预测，多序列比对	深度学习模型	蛋白质序列数据，结构数据	基准测试中涉及多种转运蛋白和受体，具体数量未明确说明	AlphaFold2	AlphaFold2架构	模板建模得分	NA
67	2026-03-06	Deep Learning for Per-Fraction Automatic Segmentation of Gross Tumor Volume (GTV) and Organs at Risk (OARs) in Adaptive Radiotherapy of Cervical Cancer 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.854349 PMID:35664789	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于宫颈癌自适应放疗中的肿瘤体积和危及器官分割	首次将MASK R-CNN应用于宫颈癌MRI引导在线自适应放疗中的多结构自动分割，并探索了不同训练场景下的性能	样本量较小（仅15名患者），对于较小器官（如阴道和乙状结肠）的分割效果欠佳	开发自动分割工具以提高自适应放疗工作流程效率	局部晚期宫颈癌患者	数字病理	宫颈癌	MRI成像	CNN	MRI图像	15名局部晚期宫颈癌患者的计划和每日治疗分数MRI	NA	MASK R-CNN	Dice相似系数, Hausdorff距离, Pearson相关系数	NA
68	2026-03-06	Enabling Scientific Reproducibility through FAIR Data Management: An ontology-driven deep learning approach in the NeuroBridge Project 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128458	研究论文	本文介绍了一个名为NeuroBridge的集成搜索平台，该平台通过基于本体的深度学习方法，支持科学研究的可重复性，特别是在神经科学领域	结合了基于W3C PROV规范的元数据本体与BERT深度学习模型，用于自动识别与神经认知评估相关的候选数据集，相比现有搜索引擎表现出更好的性能、可训练性和透明度	研究仅使用了51篇文章进行注释和模型训练，样本规模相对较小，可能影响模型的泛化能力	开发一个平台，使研究人员能够高效搜索相关研究数据集，以验证假设或复制已发表的研究结果，促进科学研究的可重复性	已发表的科学论文及其相关的神经影像数据集，特别是涉及药物滥用或精神分裂症神经认知评估的研究	自然语言处理	精神分裂症	神经影像学	BERT	文本	51篇文章	NA	BERT	准确率, 召回率	NA
69	2026-03-06	Multicontrast Pocket Colposcopy Cervical Cancer Diagnostic Algorithm for Referral Populations 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9823184 PMID:37850189	研究论文	本研究利用深度学习模型对通过低成本便携式口袋阴道镜采集的宫颈图像进行分类，以诊断活检确认的高级别癌前病变和癌症	通过使用类别平衡损失函数并结合绿色光阴道镜图像对，提升了在筛查阳性人群中的分类性能，且无需额外成本	研究主要基于已预筛查人群，可能未涵盖所有临床场景，且样本量相对有限	开发自动化分类算法以克服低收入国家因专业医疗人员短缺和诊断变异性导致的宫颈癌早期检测障碍	宫颈图像，来自880次患者就诊	计算机视觉	宫颈癌	阴道镜成像	CNN	图像	880次患者就诊的宫颈图像	NA	ResNet-18	AUC, 灵敏度, 特异性	NA
70	2026-03-03	Deep neural networks with knockoff features identify nonlinear causal relations and estimate effect sizes in complex biological systems 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad044 PMID:37395630	研究论文	本文开发了一种名为DAG-deepVASE的计算方法，结合深度神经网络和敲除框架，用于识别非线性因果关系并估计效应大小	首次开发了能够明确学习非线性因果关系并估计效应大小的计算方法，克服了现有生物信息学方法在复杂生物系统中的局限性	NA	学习因果结构以识别复杂疾病的风险因素、疾病机制和候选治疗方法	复杂生物系统中的分子和临床数据	机器学习	复杂疾病	NA	深度神经网络	模拟数据、分子数据、临床数据	NA	NA	NA	NA	NA
71	2026-03-03	NuCLS: A scalable crowdsourcing approach and dataset for nucleus classification and segmentation in breast cancer 2022-05-17, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giac037 PMID:35579553	研究论文	本文介绍了一种可扩展的众包方法及数据集NuCLS，用于乳腺癌中的细胞核分类与分割	提出了一种新颖的协作框架，利用算法建议收集准确的细胞核分割数据，无需繁琐的手动追踪，并展示了非专家也能为视觉上可区分的类别生成准确标注	未明确提及具体的数据标注偏差或模型泛化能力的局限性	开发一个可扩展的众包方法，以生成用于计算病理学应用的高质量细胞核标注数据	乳腺癌组织中的细胞核	计算病理学	乳腺癌	深度学习	NA	图像	超过220,000个细胞核标注	NA	NA	准确性	NA
72	2026-03-02	Airway Detection in COPD at Low-Dose CT Using Deep Learning and Multiparametric Freeze and Grow 2022-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.210311 PMID:36601453	研究论文	本研究提出并验证了一种在低剂量CT中用于慢性阻塞性肺疾病（COPD）患者气道检测的全自动方法	结合深度学习与多参数冻结与增长方法，优化了低剂量CT下的气道检测，并在多数据集上验证了其性能	研究为回顾性设计，且在不同CT扫描仪获取的数据上未重新训练时观察到气道检测损失	开发并验证一种全自动的低剂量CT气道检测方法，用于COPD研究	COPD患者及非吸烟者的低剂量CT扫描数据	数字病理学	慢性阻塞性肺疾病	低剂量CT扫描	深度学习	CT图像	四个数据集，包括COPDGene II期（n=2×236）、COPDGene III期（n=335）及荷兰-比利时肺癌筛查试验（n=55）的CT扫描	NA	NA	总气道计数、外周气道计数、Wilcoxon符号秩检验	NA
73	2026-03-02	Interpretable deep learning of myelin histopathology in age-related cognitive impairment 2022-09-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-022-01425-5 PMID:36127723	研究论文	本研究利用可解释的深度学习技术，通过全切片图像分析人脑尸检组织，以预测年龄相关认知障碍，并识别与认知障碍相关的髓鞘病理特征	首次将弱监督多示例学习算法应用于人脑尸检全切片图像，以无偏方式识别与认知障碍相关的组织病理学变化，并通过注意力分析定位关键亚区域和细胞特征	认知标签存在噪声，模型预测准确度仅为中等水平，且仅研究了内侧颞叶和额叶皮层两个脑区	开发一种可扩展且可解释的深度学习平台，以无偏方式识别与年龄相关认知障碍相关的组织病理学变化	老年捐赠者的人脑尸检组织切片	数字病理学	老年疾病	全切片成像	多示例学习	图像	716名捐赠者（367名有认知障碍，349名无认知障碍）	NA	NA	准确度	NA
74	2026-03-02	Clinical validation of deep learning algorithms for radiotherapy targeting of non-small-cell lung cancer: an observational study 2022-09, The Lancet. Digital health DOI:10.1016/S2589-7500(22)00129-7 PMID:36028289	研究论文	本研究通过多中心数据验证了深度学习模型在非小细胞肺癌放疗靶区勾画中的临床效用	提出了一个全面的临床验证策略，包括观察者间/内基准测试、主要验证、功能验证和终端用户测试，并发现几何分割指标可能与临床效用不相关	研究数据来自2001年至2015年，可能无法完全反映当前临床实践；专家分割风格和偏好可能影响模型性能	临床验证深度学习算法在非小细胞肺癌放疗靶区勾画中的准确性和实用性	非小细胞肺癌患者和受累淋巴结的CT图像	数字病理学	肺癌	CT成像	深度学习模型	CT图像	2208名患者（787名用于模型发现，1421名用于模型验证，其中28名用于终端用户测试）	NA	NA	体积Dice系数, 表面Dice系数, 分割时间减少百分比, 观察者间变异性减少百分比	NA
75	2026-03-02	Association of Selective Serotonin Reuptake Inhibitor Use With Abnormal Physical Movement Patterns as Detected Using a Piezoelectric Accelerometer and Deep Learning in a Nationally Representative Sample of Noninstitutionalized Persons in the US 2022-04-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2022.5403 PMID:35389502	研究论文	本研究利用可穿戴加速度计和深度学习模型，在美国全国代表性样本中评估了选择性血清素再摄取抑制剂使用与异常身体运动模式之间的关联	首次在大规模、自然主义、纵向、客观数据中验证了SSRI使用与身体活动的关系，并利用时间序列深度学习模型从被动运动数据中检测SSRI使用	横断面研究设计无法确定因果关系，可能存在未测量的混杂因素，模型性能仅为中等水平	评估SSRI使用者与对照组之间是否存在身体运动差异，并识别SSRI使用者运动的独特特征	美国非机构化人群的全国代表性样本，包括SSRI使用者和非使用者	机器学习	精神疾病	压电加速度计数据采集，深度学习分析	深度学习分类器	时间序列运动数据	7162名参与者，其中266人使用SSRI	NA	NA	AUC	NA
76	2026-03-02	Machine-learning based investigation of prognostic indicators for oncological outcome of pancreatic ductal adenocarcinoma 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.895515 PMID:36568148	研究论文	本文提出了一种基于3D-CNN的机器学习预测模型，利用术前CT扫描可靠预测胰腺导管腺癌的淋巴结转移和术后切缘阳性状态	首次将3D-CNN应用于胰腺导管腺癌的术前CT扫描，以预测淋巴结转移和术后切缘状态，为治疗决策提供新工具	样本量较小（仅110名患者），需更大队列研究以提高模型的泛化能力	改善胰腺导管腺癌的术前影像学肿瘤分期，预测术后切缘和淋巴结状态，以优化治疗顺序	胰腺导管腺癌（PDAC）患者	计算机视觉	胰腺癌	计算机断层扫描（CT）	CNN	图像	110名患者的881个CT扫描	NA	3D-CNN	准确率	NA
77	2026-02-27	Heteroscedastic Temporal Variational Autoencoder for Irregular Time Series 2022-Apr, ... International Conference on Learning Representations PMID:41737199	研究论文	本文提出了一种名为异方差时间变分自编码器（HeTVAE）的深度学习框架，用于概率性地插值不规则采样时间序列	HeTVAE引入了新颖的输入层以编码输入观测稀疏性信息，采用时间VAE架构传播由输入稀疏性引起的不确定性，并使用异方差输出层实现输出插值中的可变不确定性	NA	开发一个深度学习框架，用于处理不规则采样时间序列的概率插值问题	不规则采样时间序列	机器学习	NA	NA	VAE	时间序列数据	NA	NA	HeTVAE	NA	NA
78	2026-02-19	Distribution of race and Fitzpatrick skin types in data sets for deep learning in dermatology: A systematic review 2022-08, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2021.10.010 PMID:34678235	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
79	2026-02-18	YeastMate: neural network-assisted segmentation of mating and budding events in Saccharomyces cerevisiae 2022-04-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac107 PMID:35179572	研究论文	本文介绍了YeastMate，一个基于深度学习的用户友好应用程序，用于自动检测和分割显微镜图像中的酿酒酵母细胞及其交配和出芽事件	在Mask R-CNN基础上，通过自定义分割头对生命周期转换中的母细胞和子细胞进行子分类，并提供了Python库、独立图形用户界面应用程序和Fiji插件等多种易用前端	NA	开发一个自动化工具，用于检测和分割酿酒酵母细胞及其生命周期事件	酿酒酵母细胞及其交配和出芽事件	计算机视觉	NA	显微镜成像	CNN	图像	NA	PyTorch	Mask R-CNN	NA	NA
80	2026-02-17	Using artificial intelligence to improve the diagnostic efficiency of pulmonologists in differentiating COVID-19 pneumonia from community-acquired pneumonia 2022-08, Journal of medical virology IF:6.8Q1 DOI:10.1002/jmv.27777 PMID:35419818	研究论文	本研究旨在通过深度学习AI模型辅助肺科医生利用CT扫描区分COVID-19肺炎与社区获得性肺炎	开发了一个基于深度学习的AI模型，从体积CT扫描中提取视觉数据，显著提升了肺科医生在区分COVID-19肺炎与社区获得性肺炎时的诊断效率	研究为回顾性设计，未来需要关注AI在实时应用中的效果以对抗COVID-19感染	分析AI在提升肺科医生利用CT扫描区分COVID-19肺炎与社区获得性肺炎诊断性能方面的贡献	COVID-19肺炎和社区获得性肺炎患者的CT扫描图像	医学影像	COVID-19, 社区获得性肺炎	CT扫描	深度学习模型	CT图像	2496次扫描（来自887名患者），其中COVID-19组1428次（57.2%），社区获得性肺炎组1068次（42.8%）	NA	NA	准确率, 灵敏度, 特异性, AUC	NA