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	2026-10-13	InSiNet: a deep convolutional approach to skin cancer detection and segmentation 2022-Mar, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-021-02473-0 PMID:35028864	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2	2026-10-04	Federated learning for multi-center imaging diagnostics: a simulation study in cardiovascular disease 2022-03-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-07186-4 PMID:35241683	研究论文	本文首次在心血管磁共振成像领域进行模拟联邦学习研究，使用来自M&M和ACDC数据集的四个中心数据，专注于肥厚型心肌病的诊断	首次在心血管磁共振模态上进行模拟联邦学习研究，并系统分析了形状先验信息和数据增强设置对协作学习选择的影响	数据规模较小（仅180个受试者），且为模拟联邦学习研究，可能无法完全反映真实世界多中心场景的复杂性	探索联邦学习在多中心医学影像诊断中的可行性，特别是在心血管疾病诊断中，以解决数据稀缺和隐私保护问题	来自四个中心的180名受试者，数据来源于M&M和ACDC数据集，用于肥厚型心肌病的诊断	医学影像分析	心血管疾病	心血管磁共振成像	3D-CNN	图像	180名受试者，来自四个中心	NA	3D-CNN	NA	NA
3	2026-10-04	Informative RNA base embedding for RNA structural alignment and clustering by deep representation learning 2022-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqac012 PMID:35211670	研究论文	该论文采用预训练算法对RNA碱基进行有效嵌入，获得语义丰富的表示，并应用于RNA结构比对和聚类	提出了一种信息性碱基嵌入方法，通过位置依赖的方式嵌入RNA的四个碱基，同时嵌入碱基信息、二级结构和上下文信息，在RNA结构比对和家族聚类任务上超越了现有最先进方法，并结合简单的Needleman-Wunsch算法实现了时间复杂度为O(n^2)的结构比对	未明确说明	通过深度表示学习获得有效的RNA碱基嵌入，以解决RNA结构比对和聚类这两个基本问题	RNA序列	机器学习	NA	预训练算法，深度表示学习	NA	RNA序列	来自不同RNA家族的大量RNA序列	NA	NA	准确率	NA
4	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
5	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
6	2026-08-28	Deep Learning Approaches for Prognosis of Automated Skin Disease 2022-Mar-15, Life (Basel, Switzerland) DOI:10.3390/life12030426 PMID:35330177	研究论文	本研究利用MobileNetV2和LSTM开发了一种皮肤病自动分类系统，旨在提高皮肤病预测的准确性，同时高效存储完整状态信息以实现精确预测。	提出了一种混合深度学习模型，结合MobileNetV2和LSTM，用于皮肤病分类，以提高预测精度并处理复杂皮肤特征。	未提及具体局限性，可能包括对多样皮肤类型和条件的数据依赖及模型泛化能力的挑战。	开发一个基于深度学习的皮肤病分类系统，提高皮肤病预测的准确性，同时确保高效存储状态信息。	皮肤病图像，包括不同皮肤色调、毛发颜色和发型下的正常和异常皮肤组织。	计算机视觉	皮肤病	深度学习，图像分类	MobileNetV2, LSTM	图像	未提供具体样本数量	NA	MobileNetV2, LSTM	准确率	未提供具体计算资源信息
7	2026-05-16	Ten quick tips for deep learning in biology 2022-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009803 PMID:35324884	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8	2026-04-23	Researchers turn to deep learning to decode protein structures 2022-03-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2202107119 PMID:35235461	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9	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
10	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
11	2026-01-11	Identifying symptomatic trigeminal nerves from MRI in a cohort of trigeminal neuralgia patients using radiomics 2022-Mar, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-022-02900-5 PMID:35043225	研究论文	本研究利用MRI影像的放射组学特征，通过深度学习分割和机器学习模型，识别三叉神经痛患者中有症状的三叉神经	首次将U-net深度学习网络用于三叉神经的自动分割，并结合放射组学特征与随机森林特征选择及浅层神经网络，以区分TN影响与未影响的神经	研究为回顾性设计，样本量相对较小（134名患者），且仅使用1.5-Tesla MRI，可能影响模型的泛化能力	探索MRI放射组学特征是否能区分三叉神经痛患者中有症状和无症状的三叉神经	三叉神经痛患者的MRI影像数据，包括TN影响和未影响的三叉神经	数字病理学	三叉神经痛	MRI（3D T1-加权和T2-加权成像）	U-net, 随机森林, 浅层神经网络	图像	134名患者（268条神经）	NA	U-net	准确率, AUC, 灵敏度, 特异性	NA
12	2025-11-13	Artificial Intelligence-based Detection of FGFR3 Mutational Status Directly from Routine Histology in Bladder Cancer: A Possible Preselection for Molecular Testing? 2022-03, European urology focus IF:4.8Q1 DOI:10.1016/j.euf.2021.04.007 PMID:33895087	研究论文	开发基于人工智能的系统直接从膀胱癌常规组织学切片中预测FGFR3基因突变状态	首次使用深度学习直接从H&E染色的常规组织学切片预测FGFR3基因突变，无需额外分子检测	需要更大规模、多中心的肌层浸润性膀胱癌队列验证研究结果	探索人工智能系统能否直接从常规组织学预测膀胱癌FGFR3突变状态	膀胱癌患者的组织学切片	数字病理学	膀胱癌	组织学染色（H&E）	深度学习网络	数字化病理切片图像	TCGA队列327例，Aachen队列182例（121例pT2-4，34例间质浸润pT1，27例非浸润性pTa）	NA	NA	AUROC	NA
13	2025-10-06	Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG 2022-Mar-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030654 PMID:35328207	研究论文	开发并验证了一种基于人工智能的智能手表心电图技术，通过生成12导联心电图来检测心力衰竭伴射血分数降低	首次开发了能够从异步2导联心电图生成10导联心电图的深度学习模型(ECGT2T)，并基于生成的12导联心电图检测HFrEF	研究仅在两所医院进行，需要更多外部验证；阳性预测值相对较低(0.258)	开发人工智能增强的智能手表心电图技术用于心力衰竭检测	成年患者，包括进行12导联心电图检查和超声心动图检查的患者	医疗人工智能	心血管疾病	心电图(ECG)，超声心动图	GAN, CNN	心电图信号数据	开发ECGT2T模型：137,673名患者，458,745份心电图；开发HFrEF检测模型：38,643名患者，88,900份心电图；验证集：755名患者	NA	生成对抗网络，卷积神经网络	AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
14	2025-10-06	Using Deep-Learning Algorithms to Simultaneously Identify Right and Left Ventricular Dysfunction From the Electrocardiogram 2022-03, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.08.004 PMID:34656465	研究论文	开发深度学习模型通过心电图数据同时评估左右心室功能障碍	首次开发能够同时评估左右心室功能的深度学习模型，突破了现有工具仅能评估左心室重度功能障碍的限制	模型性能在不同LVEF分类区间存在差异，特别是40%<LVEF≤50%区间表现相对较弱	利用深度学习技术从心电图数据中全面量化左右心室功能	来自5家纽约医院的大型多样化患者群体	医疗人工智能	心血管疾病	深度学习, 自然语言处理	深度学习模型	心电图, 超声心动图报告	147,636名患者的715,890份心电图与超声心动图LVEF配对数据；148,227名患者的761,510份心电图与404,502份超声心动图报告配对数据	NA	NA	AUC, 平均绝对误差	NA
15	2025-10-06	Deep learning-based identification of genetic variants: application to Alzheimer's disease classification 2022-03-10, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac022 PMID:35183061	研究论文	提出一种基于深度学习的遗传变异识别方法SWAT-CNN，用于阿尔茨海默病分类	开发了三步法的全基因组深度学习方法，结合滑动窗口关联测试识别表型相关SNPs	仅在ADNI数据集上进行测试，样本量相对有限	开发基于深度学习的遗传变异识别方法用于疾病分类	阿尔茨海默病患者和认知正常老年人的遗传数据	机器学习	阿尔茨海默病	全基因组关联分析(GWAS)	CNN	基因组数据	981个样本(650名认知正常老年人，331名AD患者)	NA	CNN	AUC	NA
16	2025-10-06	LONGL-Net: temporal correlation structure guided deep learning model to predict longitudinal age-related macular degeneration severity 2022-Mar, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgab003 PMID:35360552	研究论文	提出一种基于时间相关结构引导的深度学习模型LONGL-Net，用于同时评估当前年龄相关性黄斑变性严重程度并预测纵向进展	首次设计时间相关结构引导的生成对抗网络模型，学习连续时间点CFP图像的时间变化相互关系，并通过预测未来CFP中的AMD症状提供分类决策的可解释性	NA	开发能够同时评估当前AMD严重程度并预测未来晚期AMD风险的自动化方法	年龄相关性黄斑变性患者	计算机视觉	年龄相关性黄斑变性	彩色眼底摄影	GAN, 深度学习分类模型	图像	约30,000张CFP图像，来自4,628名参与者（年龄相关眼病研究）和300张CFP图像（UK Biobank数据集验证）	NA	LONGL-Net, 生成对抗网络	AUC, 准确率, 灵敏度	NA
17	2025-10-06	Phase function estimation from a diffuse optical image via deep learning 2022-03-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac5b21 PMID:35255481	研究论文	提出基于卷积神经网络的逆向蒙特卡罗模型，从漫射光学图像中估计散射相位函数的形式	首次实现无需预先假设相位函数具体形式的数据驱动估计方法	仅使用蒙特卡罗模拟数据进行验证，未在真实实验数据上测试	开发能够准确估计光传播模型中相位函数形式的计算方法	生物组织的漫射光学图像	计算机视觉	NA	蒙特卡罗模拟，漫射光学成像	CNN	图像	使用典型生物组织的蒙特卡罗模拟反射图像	NA	卷积神经网络	均方误差，相对误差	NA
18	2025-10-06	Advances in artificial intelligence techniques drive the application of radiomics in the clinical research of hepatocellular carcinoma 2022-Mar, ILIVER.. DOI:10.1016/j.iliver.2022.02.005 PMID:40636134	综述	本文系统介绍了基于人工智能的影像组学在肝细胞癌临床研究中的应用进展	结合人工智能技术发展，为肝细胞癌管理提供解决临床需求的新视角，揭示像素级影像信息与临床问题的关联	NA	探讨人工智能驱动的影像组学在肝细胞癌临床研究中的应用效果	肝细胞癌（HCC）	医学影像分析	肝细胞癌	影像组学，深度学习	NA	医学影像大数据	NA	NA	NA	NA	NA
19	2025-06-08	Adaptively temporal graph convolution model for epidemic prediction of multiple age groups 2022-Mar, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2021.07.007 PMID:40477716	research paper	提出了一种自适应时间图卷积模型（ATGCN），用于COVID-19和流感的多元时间序列预测，并在不同年龄组中表现出色	ATGCN模型通过图学习方法捕捉多年龄组的接触模式，在短期和长期预测任务中均优于自回归模型和深度序列学习模型	未明确提及模型在其他传染病预测中的泛化能力，且未讨论计算复杂度或实时预测的可行性	探索深度学习在传染病预测领域的应用，特别是针对多年龄组的多元时间序列预测	COVID-19和流感的确诊病例数据，重点关注不同年龄组之间的传播模式	machine learning	COVID-19, influenza	graph-based deep learning approach	ATGCN (adaptively temporal graph convolution model)	multivariate time series data	两个数据集（COVID-19和流感），具体样本量未明确说明	NA	NA	NA	NA
20	2025-10-06	A comprehensive review of federated learning for COVID-19 detection 2022-Mar, International journal of intelligent systems IF:5.0Q1 DOI:10.1002/int.22777 PMID:37520859	综述	本文系统回顾了联邦学习在COVID-19检测中的应用进展	重点关注联邦学习在医疗数据隐私保护下的COVID-19检测应用，通过实际案例展示其可行性	未涉及具体实验验证，主要基于文献回顾和分析	探讨联邦学习技术在COVID-19检测中的适用性和挑战	COVID-19检测相关临床数据和胸部X光影像数据	机器学习	COVID-19	深度学习，联邦学习	深度学习模型	临床症状数据，胸部X光影像	NA	NA	NA	NA	NA