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	2026-09-29	Monte Carlo-based data generation for efficient deep learning reconstruction of macroscopic diffuse optical tomography and topography applications 2022-04, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.8.083016 PMID:35484688	研究论文	本文提出利用基于蒙特卡罗的光传播模拟平台生成大规模训练数据，以高效训练深度学习模型，用于宏观漫射光学断层成像和表面成像的图像重建	提出使用Monte Carlo eXtreme和Mesh-based Monte Carlo等蒙特卡罗平台生成大型代表性数据集来训练深度学习模型，解决了漫射光学成像领域缺乏公开数据集和仪器设计多样化带来的训练数据获取难题，并在荧光光学表面成像、荧光光学断层成像和单像素漫射光学断层成像三种不同应用中验证了该方法的有效性	摘要中未明确提及研究的具体局限性	解决深度学习模型在宏观漫射光学成像中因缺乏大规模公开数据集而难以训练的问题，通过蒙特卡罗模拟生成合成数据来支持深度学习图像重建模型的开发	荧光光学表面成像、荧光光学断层成像和单像素漫射光学断层成像应用中的传感器数据和图像重建	计算机视觉	NA	蒙特卡罗模拟、漫射光学断层成像、漫射光学表面成像	深度学习	图像	NA	NA	NA	NA	NA
2	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
3	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
4	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
5	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
6	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
7	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
8	2026-09-07	A cascaded nested network for 3T brain MR image segmentation guided by 7T labeling 2022-Apr, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2021.108420 PMID:38469076	研究论文	提出一种级联嵌套网络（CaNes-Net），利用7T MRI标记指导3T脑MR图像分割，以提高灰质、白质和脑脊液分割的准确性	提出级联嵌套网络（CaNes-Net），通过迭代的嵌套网络模块逐步细化分割，并利用相关性系数图减轻3T与7T图像间的错位影响	未提及	实现对3T脑MR图像的准确分割，利用7T图像的高组织对比度进行训练	脑MR图像，包括灰质、白质和脑脊液	计算机视觉	不适用	磁共振成像（MRI）	级联嵌套网络	图像	18名成年受试者及ADNI数据集	未提及	嵌套网络（Nes-Net）	分割准确率	未提及
9	2026-07-30	SLEAP: A deep learning system for multi-animal pose tracking 2022-04, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01426-1 PMID:35379947	研究论文	提出SLEAP，一个用于多动物姿态追踪的深度学习系统	结合了可访问的图形用户界面、标准化数据模型、可重复配置系统、30多种模型架构以及两种部分分组和身份追踪方法，实现了多动物无标记姿态估计的高准确度和实时处理速度	未明确提及	开发能够处理多动物姿态追踪挑战的机器学习系统，支持社交行为研究	多动物姿态追踪	计算机视觉	不适用	未明确提及	深度学习模型	图像	涵盖苍蝇、蜜蜂、小鼠和沙鼠共七个数据集	未明确提及	超过30种模型架构	准确度（accuracy）、速度（frames per second）、延迟（latency）	未明确提及
10	2026-05-17	Improved 3D tumour definition and quantification of uptake in simulated lung tumours using deep learning 2022-04-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac65d6 PMID:35395657	研究论文	提出一种深度学习方法来改善肺肿瘤PET成像中的放射性示踪剂摄取量化和肿瘤形状定义	使用模拟肿瘤生成真实PET原始数据，训练3D卷积神经网络以恢复肿瘤形状和改进摄取估计，且模型对采用不同点扩散函数的重建PET数据具有泛化能力	NA	提高肺肿瘤放射性示踪剂摄取的量化准确性和肿瘤形状定义	模拟肺肿瘤及其在PET图像中的放射性示踪剂分布	数字病理学	肺癌	PET成像	3D卷积神经网络	图像	模拟肿瘤，具有不同大小和活性分布，放置于拟人模型左肺	NA	3D卷积神经网络	肿瘤最大和中等活性估计	NA
11	2026-04-17	Weakly Supervised Polyp Segmentation in Colonoscopy Images Using Deep Neural Networks 2022-Apr-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8050121 PMID:35621885	研究论文	本研究提出了一种利用弱监督学习（边界框标注）训练深度神经网络进行结肠镜图像中息肉实时分割的方法	开发了首个结合弱监督策略（仅使用边界框标注）进行息肉分割的深度学习方法，显著提升了分割性能	研究仅基于单一数据集（Polyp-Box-Seg），且弱监督标注可能无法完全捕捉复杂息肉轮廓	提高结肠镜检查中息肉分割的准确性和效率，以辅助结直肠癌筛查	结肠镜图像中的息肉区域	计算机视觉	结直肠癌	深度学习	深度神经网络	图像	4070张来自超过2000名患者的结肠镜图像，其中1300张带有手动分割标注	NA	NA	Dice系数	NA
12	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
13	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
14	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
15	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
16	2025-10-06	Assessment of right ventricular size and function from cardiovascular magnetic resonance images using artificial intelligence 2022-04-11, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-022-00861-5 PMID:35410226	研究论文	本研究开发了一种改进的深度学习算法，用于从心血管磁共振图像自动测量右心室射血分数	使用包含更广泛右心室病理学数据的数据集，并在交叉验证阶段采用领域特异性定量性能评估指标	研究仅针对100名手动与自动测量差异最大的患者，样本量相对有限	提高从心血管磁共振图像自动量化右心室功能的准确性	右心室尺寸和功能	医学影像分析	心血管疾病	心血管磁共振成像	深度学习	医学图像	100名患者	NA	NA	线性回归分析，Bland-Altman分析，分类准确率	NA
17	2025-10-06	Deep learning-assisted prostate cancer detection on bi-parametric MRI: minimum training data size requirements and effect of prior knowledge 2022-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-021-08320-y PMID:34786615	研究论文	评估基于PI-RADS训练的深度学习算法在前列腺癌检测中的性能，并研究数据量和先验知识对检测效果的影响	首次系统评估深度学习算法在前列腺癌检测中的最小训练数据量要求，并量化分析区域分割先验知识对性能的影响	研究仅基于两个医疗中心的数据，需要更多外部验证来确认结果的普适性	研究深度学习在前列腺癌MRI检测中的性能表现及其影响因素	2734名PSA水平升高（≥3 ng/mL）且未进行过活检的可疑前列腺癌患者	数字病理	前列腺癌	多参数MRI（mpMRI）、双参数MRI（bpMRI）	深度学习	医学影像	2734名患者（中心1：1952例，中心2：296例），782例测试病例	NA	NA	灵敏度,FROC,ROC,AUC,假阳性率	NA
18	2025-10-06	Machine Learning Analysis of Cocaine Addiction Informed by DAT, SERT, and NET-Based Interactome Networks 2022-Apr-12, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.2c00002 PMID:35294204	研究论文	本研究通过整合DAT、SERT和NET相互作用组网络，开发机器学习/深度学习模型用于可卡因成瘾药物发现	首次结合三种关键神经递质转运蛋白的相互作用组网络进行AI驱动的抗可卡因成瘾药物开发	仅从460个相互作用蛋白中筛选出61个具有足够抑制剂数据的目标蛋白	开发基于人工智能的抗可卡因成瘾先导化合物发现系统方法	多巴胺转运蛋白(DAT)、血清素转运蛋白(SERT)和去甲肾上腺素转运蛋白(NET)相互作用组网络	机器学习	药物成瘾	蛋白质-蛋白质相互作用网络分析	自编码器,梯度提升决策树,多任务深度神经网络	化学抑制剂数据	115,407个抑制剂对应61个蛋白质靶点	NA	自编码器,梯度提升决策树,多任务深度神经网络	NA	NA
19	2025-10-07	Multi-step short-term P M 2.5 forecasting for enactment of proactive environmental regulation strategies 2022-04-21, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-022-10029-4 PMID:35445884	研究论文	本研究使用LSTM模型对北京和旁遮普地区的PM2.5浓度进行多步短期预测，以支持环境监管策略制定	采用贝叶斯优化技术调谐LSTM模型超参数和权重初始化策略，针对南亚两个高污染区域进行多变量多步预测	预测误差随时间步长增加而逐渐增大，24小时预测的RMSE达到0.7290	开发PM2.5多步短期预测模型，为建立空气质量预警系统和制定环境监管政策提供支持	中国北京和巴基斯坦旁遮普地区的PM2.5浓度数据	机器学习	心血管疾病	时间序列预测	LSTM	时间序列数据	两个高污染区域（北京和旁遮普）的空气质量数据	NA	LSTM	RMSE, 准确率	NA
20	2025-10-07	Deep learning identifies robust gender differences in functional brain organization and their dissociable links to clinical symptoms in autism 2022-Apr, The British journal of psychiatry : the journal of mental science DOI:10.1192/bjp.2022.13 PMID:35164888	研究论文	本研究利用深度学习识别自闭症谱系障碍中功能脑组织的性别差异及其与临床症状的关联	开发了新型时空深度神经网络(stDNN)，首次在多中心队列中系统识别自闭症患者功能脑组织的性别差异特征	研究主要基于神经影像数据，需要进一步验证这些脑特征与行为表现的直接关联	识别自闭症谱系障碍中区分女性和男性的功能性脑组织标志物并预测症状严重程度	自闭症谱系障碍患者（n=773）和神经典型发育个体的功能性磁共振成像数据	医学影像分析	自闭症谱系障碍	功能性磁共振成像(fMRI)	深度学习	神经影像数据	773名自闭症谱系障碍患者的多中心队列	NA	时空深度神经网络(stDNN)	分类准确率	NA