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
101	2026-09-28	BeCaked: An Explainable Artificial Intelligence Model for COVID-19 Forecasting 2022-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-11693-9 PMID:35562369	研究论文	该论文提出了一种名为BeCaked的可解释人工智能模型，用于COVID-19疫情预测。	将易感-感染-恢复-死亡（SIRD） compartmental模型与变分自编码器（VAE）神经网络相结合，实现了高精度且可解释的预测。	未明确提及	为了控制COVID-19疫情，需要准确预测疫情发展趋势，同时希望模型具有可解释性，以便决策者采取及时正确的措施。	COVID-19疫情数据	机器学习	COVID-19	NA	VAE，SIRD	时间序列数据	全球及国家层面的疫情数据（来自约翰斯·霍普金斯大学）	NA	VAE，SIRD	R2，MAPE	NA
102	2026-09-28	Deep learning of a bacterial and archaeal universal language of life enables transfer learning and illuminates microbial dark matter 2022-05-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-30070-8 PMID:35545619	研究论文	该文提出了LookingGlass，一种深度学习模型，用于编码短DNA读长的上下文感知、功能和进化相关表示，能够区分不同功能、同源性和环境来源的读长，并通过迁移学习完成多种任务	提出LookingGlass模型，能够编码具有上下文感知、功能和进化相关性的短DNA读长表示，并可通过迁移学习微调以完成多种不同任务，包括识别新型氧化还原酶、预测酶最适温度和识别DNA序列片段的阅读框	NA	利用深度学习编码细菌和古菌的通用生命语言，实现迁移学习并揭示微生物暗物质	微生物基因组中的短DNA读长、环境序列中的蛋白质编码序列	机器学习	NA	NA	深度学习	DNA序列文本	NA	NA	LookingGlass	NA	NA
103	2026-09-28	Evaluation of Deep Learning Architectures for Aqueous Solubility Prediction 2022-May-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.2c00642 PMID:35571767	研究论文	该研究评估了不同的深度学习架构和分子表示方法在水溶性预测中的性能	使用最大的水溶性数据集，系统比较了四种神经网络架构和多种分子表示方法，并结合误差分析、特征分析和迁移学习研究	未明确提及	评估当前深度学习水溶性预测方法，开发通用模型预测广泛有机分子的水溶性，并理解数据特性、分子表示和建模架构对预测性能的影响	有机分子的水溶性	机器学习	NA	深度学习	全连接神经网络，循环神经网络，图神经网络， SchNet	分子描述符， SMILES字符串，分子图，三维原子坐标	使用当前最大的水溶性数据集	NA	全连接神经网络，循环神经网络，图神经网络， SchNet	NA	NA
104	2026-09-28	Evolution of Brains and Computers: The Roads Not Taken 2022-May-09, Entropy (Basel, Switzerland) DOI:10.3390/e24050665 PMID:35626550	综述	文章从进化视角比较大脑与计算机的发展历程，讨论两者的趋同与分歧，以及实现人工智能的前提条件	提出重要相似性既来自趋同进化（架构约束的必然结果），也来自受神经生物学简化图景启发的软硬件原理；同时指出生物计算中曾开辟道路的重大创新在人工领域中完全缺失	文章为综述性讨论，缺乏具体实验数据、定量分析和系统性验证	从进化角度探讨大脑与计算机的演化与设计，分析生物设计与人工设计之间的趋同现象及实现人工智能的前提条件	大脑（生物计算系统）与计算机（人工计算系统）	机器学习	NA	NA	人工神经网络	文本	NA	NA	NA	NA	NA
105	2026-09-28	Analysis of Deep Learning-Based Phase Retrieval Algorithm Performance for Quantitative Phase Imaging Microscopy 2022-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s22093530 PMID:35591220	研究论文	该论文提出了一个理论框架，用于分析和量化基于深度学习的相位恢复算法在定量相位成像显微镜中的性能，通过比较恢复的相位图像与其理论相位轮廓来评估正确性	提出了一个理论框架来分析和量化基于深度学习的相位恢复算法的性能，并通过比较恢复相位图像与理论相位轮廓来评估正确性；使用有损和无损样本（包括均匀等离子体金传感器和介电层样本）进行验证；采用上下文聚合网络演示相位图像回归	研究主要基于模拟数据，未涉及真实实验数据；仅使用了上下文聚合网络一种模型；样本类型有限	分析和量化基于深度学习的相位恢复算法在定量相位成像显微镜中的性能，评估其正确性和可靠性	均匀等离子体金传感器（有损）和介电层样本（无损）	计算机视觉	NA	定量相位成像显微镜、深度学习	上下文聚合网络	图像	NA	NA	上下文聚合网络	NA	NA
106	2026-09-28	Computational Saturation Mutagenesis to Investigate the Effects of Neurexin-1 Mutations on AlphaFold Structure 2022-04-28, Genes IF:2.8Q2 DOI:10.3390/genes13050789 PMID:35627176	研究论文	该研究应用计算饱和突变方法分析错义突变对人类NRXN1蛋白功能的影响，基于AlphaFold预测结构和实验结构计算折叠能量变化	利用AlphaFold预测的NRXN1膜蛋白结构进行大规模计算饱和突变分析，并与实验结构比较验证其可靠性，揭示了与精神分裂症和自闭症谱系障碍相关的突变对蛋白稳定性的影响	缺乏实验全长膜蛋白结构，研究主要依赖计算预测，需要进一步实验验证	研究NRXN1错义突变对蛋白质功能的影响，为表征致病突变和阐明精神分裂症和自闭症谱系障碍的分子机制提供信息	人类NRXN1蛋白结构，包括AlphaFold预测结构和实验结构	计算生物学	精神分裂症, 自闭症谱系障碍	计算饱和突变, AlphaFold结构预测	深度学习	蛋白质结构数据	29,540个突变	NA	AlphaFold	能量变化相关性	NA
107	2026-09-28	LM-GVP: an extensible sequence and structure informed deep learning framework for protein property prediction 2022-04-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-10775-y PMID:35477726	研究论文	该研究开发了LM-GVP，一个结合蛋白质语言模型和图神经网络的深度学习框架，利用蛋白质的1D氨基酸序列和3D结构信息进行蛋白质属性预测	提出了一种可扩展的深度学习框架LM-GVP，首次将蛋白质语言模型（LM）与图神经网络（GNN）相结合，同时利用1D序列和3D结构信息进行蛋白质属性预测，并在多个任务上超越了现有的蛋白质语言模型	摘要中未明确提及研究的局限性	开发一个通用的深度学习框架，基于蛋白质的序列和结构信息预测其属性，以加速蛋白质工程和药物开发	蛋白质，包括其1D氨基酸序列和3D结构	机器学习	NA	蛋白质语言模型（LM）、图神经网络（GNN）	语言模型（LM）、图神经网络（GNN）	蛋白质序列（1D氨基酸序列）、蛋白质结构（3D结构）	NA	NA	蛋白质语言模型（LM）、图神经网络（GNN）	NA	NA
108	2026-09-28	Predicting Breast Tumor Malignancy Using Deep ConvNeXt Radiomics and Quality-Based Score Pooling in Ultrasound Sequences 2022-Apr-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12051053 PMID:35626208	研究论文	本文提出了一种基于深度学习的放射组学方法，利用乳腺超声序列预测乳腺肿瘤的恶性程度	采用ConvNeXt网络提取放射组学特征，并提出基于图像质量统计的恶性评分池化机制融合超声序列中各帧的评分	摘要中未明确提及	提高乳腺超声计算机辅助诊断系统对乳腺肿瘤良恶性分类的准确性	乳腺超声序列中的乳腺肿瘤	计算机视觉, 医学影像分析	乳腺癌	超声成像	CNN	图像序列	NA	NA	ConvNeXt	NA	NA
109	2026-09-28	Machine Learning, Deep Learning, and Mathematical Models to Analyze Forecasting and Epidemiology of COVID-19: A Systematic Literature Review 2022-04-22, International journal of environmental research and public health DOI:10.3390/ijerph19095099 PMID:35564493	系统综述	本文对使用机器学习、深度学习和数学模型分析COVID-19预测和流行病学的最新研究进行了系统文献综述	遵循PRISMA指南对218篇文献进行筛选，最终纳入57项研究，系统总结了COVID-19预测和流行病学分析中ML、DL和数学模型的应用现状，并汇总了流行病倍增时间和基本传染数的估计范围	仅纳入57项研究，可能存在选择偏倚；未进行定量荟萃分析；纳入研究的质量未进行系统评价	阐述机器学习、深度学习和数学模型在COVID-19预测和流行病学分析中的应用，为研究人员、权威机构和医疗行业提供有价值的解决方案以减轻疫情影响	COVID-19相关研究文献	机器学习	COVID-19	NA	CNN, SVM	文本	218篇文献中筛选出57项研究	NA	CNN, SVM	NA	NA
110	2026-09-28	Deep learning enhanced Rydberg multifrequency microwave recognition 2022-Apr-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29686-7 PMID:35422054	研究论文	将里德堡原子与深度学习模型相结合，实现多频微波信号的识别，并直接解码频分复用信号	利用深度学习模型增强里德堡原子的微波识别能力，避免求解主方程，同时降低噪声影响	未明确说明模型的泛化能力和实际应用中的鲁棒性	解决多频微波电场识别中的复杂干扰问题，并实现频分复用信号的解码	里德堡原子、多频微波电场信号	机器学习	NA	里德堡原子测量	深度学习	微波信号	NA	NA	NA	NA	NA
111	2026-09-28	Impact of coronary plaque morphology on the precision of computational fractional flow reserve derived from optical coherence tomography imaging 2022-Apr, Cardiovascular diagnosis and therapy IF:2.1Q3 DOI:10.21037/cdt-21-505 PMID:35433350	研究论文	本研究探讨冠状动脉斑块形态对基于光学相干断层扫描（OCT）计算的血流储备分数（FFR）精度的影响	首次揭示高脂质负荷会导致OFR低估FFR，而TCFA、FPV和CPV并非OFR与FFR数值差异的独立预测因子	回顾性、观察性、单中心研究，样本量有限，仅纳入中间冠状动脉狭窄病变	评估斑块组成是否影响计算FFR（OFR）的数值精度	接受OCT和FFR检查的冠状动脉中间狭窄患者	数字病理学	心血管疾病	光学相干断层扫描（OCT）、计算血流储备分数（FFR）、光学血流比（OFR）	深度学习算法	图像	193例患者的230条血管	NA	NA	FFR、OFR、OFR与FFR的数值差异（NDOF）、95%置信区间	NA
112	2026-09-28	Artificial Intelligence-Driven Prediction Modeling and Decision Making in Spine Surgery Using Hybrid Machine Learning Models 2022-Mar-22, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12040509 PMID:35455625	综述	本文综述了人工智能在脊柱手术中的预测建模与决策支持应用，重点关注混合机器学习和深度学习模型，能够整合多模态数据以模拟人类自然行为	这是首篇聚焦于脊柱手术中混合深度学习模型应用的AI综述，提出了基于三大支柱的新型决策方法：(1)以患者为中心，(2)AI驱动，(3)整合多模态数据，并探讨了将非图像数据转换为图像后输入CNN模型的可行性	作为综述文章，未进行原始实验验证，且所讨论的混合决策支持模型在脊柱手术中的实际临床应用尚未实现，仍需进一步研究和验证	综述机器学习和深度学习在脊柱手术中多视角模式识别的最新进展，探索基于多模态数据的混合AI决策支持模型的应用前景	脊柱手术患者的多模态数据（包括基因组、影像学、实验室和临床数据）	机器学习	脊柱疾病	NA	CNN, 混合深度学习模型	图像, 基因组数据, 影像学数据, 实验室数据, 临床数据	NA	NA	CNN	NA	NA
113	2026-09-28	A review and experimental evaluation of deep learning methods for MRI reconstruction 2022-Mar, The journal of machine learning for biomedical imaging PMID:35722657	综述	本文综述并实验评估了用于MRI重建的深度学习方法	系统性地回顾了基于神经网络的并行MRI重建方法，从传统k空间重建视角提供背景，并涵盖了图像域和k空间两大类技术，同时讨论了公开数据集和基准测试	仅对公开数据集上表现良好的方法进行了实验评估，未涵盖所有最新方法；该领域发展迅速，综述可能无法完全跟上最新进展	综述用于加速MRI采集和重建的深度学习方法，并实验评估其性能	用于MRI重建的深度学习方法，特别是并行成像方法	计算机视觉	NA	并行MRI，压缩感知，深度学习	NA	图像	NA	NA	NA	NA	NA
114	2026-09-28	QdMRI: A system for comprehensive analysis of thoracic dynamics via dynamic MRI 2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2612117 PMID:36039169	研究论文	本文介绍了一个名为QdMRI的综合系统，用于通过动态MRI对胸廓动力学进行定量分析，以评估胸廓功能不全综合征（TIS）的治疗效果	整合了过去10年TIS研究中的所有相关算法和模块到一个系统中，解决了动态图像采集、4D图像构建、图像分割和可视化等关键问题	论文未明确提及系统的局限性，可能包括对自由呼吸条件下图像采集的依赖、深度学习分割模型的泛化能力等	开发一个综合系统，用于定量评估胸廓功能不全综合征（TIS）的手术治疗效果和设计手术方案	胸廓功能不全综合征（TIS）患者和正常儿童	医学图像分析	胸廓功能不全综合征	动态磁共振成像（dMRI）	深度学习模型	4D动态MRI图像	NA	NA	NA	DICE系数	NA
115	2026-09-28	Federated learning for computational pathology on gigapixel whole slide images 2022-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102298 PMID:34911013	研究论文	本文提出了一种基于弱监督注意力多实例学习和差分隐私的联邦学习框架，用于计算病理学中的千兆像素全切片图像分析	首次将联邦学习与弱监督注意力多实例学习及差分隐私相结合，用于千兆像素全切片图像的计算病理学任务，并提供了开源软件包	未明确说明，但可能包括差分隐私带来的性能损失以及联邦学习中的通信开销	在保护隐私的前提下，利用分布式多中心数据开发准确的弱监督深度学习模型，用于计算病理学任务	千兆像素全切片图像	计算病理学	NA	弱监督注意力多实例学习、差分隐私、联邦学习	注意力多实例学习	图像	数千张全切片图像	PyTorch	注意力多实例学习	NA	NA
116	2026-09-28	Accurate image-based identification of macroinvertebrate specimens using deep learning-How much training data is needed? 2022, PeerJ IF:2.3Q2 DOI:10.7717/peerj.13837 PMID:36032940	研究论文	该研究利用BIODISCOVER成像系统和深度学习技术，对淡水大型无脊椎动物标本进行图像分类，并探讨分类准确率与训练数据量的关系	量化了训练数据量对分类准确率的影响，并展示了在较少数据下也能达到高准确率	研究仅使用了16个分类单元的60个标本，样本量有限，可能无法完全代表所有情况	探究基于图像和深度学习的物种识别中，训练数据量对分类准确率的影响	淡水大型无脊椎动物标本	计算机视觉	NA	成像技术、深度学习	CNN	图像	960个标本（16个分类单元，每个60个）	NA	EfficientNet-B6	准确率	NA
117	2026-09-28	Challenges of deep learning methods for COVID-19 detection using public datasets 2022, Informatics in medicine unlocked DOI:10.1016/j.imu.2022.100945 PMID:35434261	研究论文	该研究评估了基于深度学习的COVID-19检测方法在公共数据集上的挑战，通过设计不同实验设置并分析数据集组成	提出了CVR-Net多尺度多编码器集成模型，并系统分析了单源、多源和独立源训练测试数据对模型性能的影响，揭示了公共数据集在开发临床适用DL工具中的局限性	研究依赖于现有公共数据集，这些数据集可能存在偏差或不平衡，且未涉及实际临床部署的验证	评估基于深度学习的COVID-19检测方法在公共数据集上的前景，通过调查关键挑战和问题，设计不同实验设置来验证假设	公共COVID-19图像数据集，包括正常、COVID-19和肺炎图像	计算机视觉	COVID-19	深度学习	CNN	图像	NA	NA	CVR-Net	准确率	NA
118	2026-09-28	Individual Tree Crown Segmentation and Crown Width Extraction From a Heightmap Derived From Aerial Laser Scanning Data Using a Deep Learning Framework 2022, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2022.914974 PMID:35774816	研究论文	该研究提出了一种结合YOLO-v4深度学习网络和计算机图形学算法的方法，用于从机载激光扫描数据生成的高度图中进行单木树冠分割和树冠宽度提取	提出了一种基于机载LiDAR数据直接生成的高度图，协同使用YOLO-v4深度学习网络进行单木树冠分割，并结合计算机图形学算法细化涉及重叠树冠的分割结果的新概念；使用三种生成对抗网络（WGAN、CycleGAN和SinGAN）生成合成图像，与手动标注的训练样本耦合来训练网络；克服了现有单木树冠分割方法使用航空照片获取纹理和树冠外观信息时遇到的异质太阳光照强度或交错枝叶干扰的限制	NA	从LiDAR数据中提取单木树冠信息，以支持森林资源评估和智能管理	三个林区样地，分别为树木苗圃、森林景观和混合人工林	计算机视觉	NA	机载激光扫描（LiDAR）	CNN, GAN	图像（高度图）	三个林区样地（树木苗圃、森林景观和混合人工林）	YOLO-v4, WGAN, CycleGAN, SinGAN	YOLO-v4, WGAN, CycleGAN, SinGAN	召回率, 精确率, 决定系数（R²）	NA
119	2026-09-28	Deep Learning for Basal Cell Carcinoma Detection for Reflectance Confocal Microscopy 2022-01, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2021.06.015 PMID:34265329	研究论文	本研究开发并评估了一种基于深度学习的人工智能模型，用于在反射共聚焦显微镜图像中自动检测基底细胞癌	提出了一种基于深度学习的自动检测基底细胞癌的方法，在反射共聚焦显微镜图像上达到了与专家相当的性能，并在国际协作的独立测试集上验证了可重复性和泛化性	摘要中未明确提及	开发并评估深度学习模型以自动检测反射共聚焦显微镜图像中的基底细胞癌	基底细胞癌患者	计算机视觉	皮肤癌	反射共聚焦显微镜	深度学习	图像	NA	NA	NA	AUC	NA
120	2026-09-28	U-Net-Based Medical Image Segmentation 2022, Journal of healthcare engineering DOI:10.1155/2022/4189781 PMID:35463660	综述	本文综述了基于U-Net结构变体的医学图像分割技术，涵盖其结构、创新、效率等方面，并介绍了常用的损失函数、评价参数和模块	系统性地对U-Net结构变体进行综述和分类，并总结医学图像分割中常用的损失函数、评价参数和模块，为后续研究提供参考	作为综述文章，未提出新的算法或模型，未进行实验验证，仅对现有研究进行归纳总结	总结基于U-Net结构变体的医学图像分割技术，为未来研究提供参考	基于U-Net结构变体的医学图像分割方法及相关文献	计算机视觉	NA	NA	CNN	图像	NA	NA	U-Net及其变体	NA	NA