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	2026-10-16	Data driven time-varying SEIR-LSTM/GRU algorithms to track the spread of COVID-19 2022-06-20, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2022415 PMID:35942743	研究论文	本文提出了一种数据驱动的时变SEIR-LSTM/GRU算法，用于追踪和预测美国COVID-19的传播	将时变参数的SEIR模型与LSTM/GRU深度学习模型相结合，能够预测活跃病例和移除病例，并生成时变再生数	未明确说明	分析和预测COVID-19疫情的发展趋势	美国COVID-19的活跃病例和总病例数据	机器学习	COVID-19	SEIR模型, LSTM, GRU	LSTM, GRU	时间序列数据	美国COVID-19病例数据（来自Worldometer网站）	NA	SEIR-LSTM, SEIR-GRU	均方根误差, 平均绝对百分比误差, r分数	NA
2	2026-09-29	Differentiation and classification of bacterial endotoxins based on surface enhanced Raman scattering and advanced machine learning 2022-Jun-23, Nanoscale IF:5.8Q1 DOI:10.1039/d2nr01277d PMID:35686584	研究论文	本文利用表面增强拉曼散射光谱结合机器学习和深度学习算法对十一种细菌内毒素进行区分和分类	使用银纳米棒阵列基底获取内毒素的SERS光谱，并首次应用改进的深度学习算法RamanNet实现100%分类准确率	摘要中未明确提及研究局限性	实现细菌内毒素的精确分类，以用于病原感染的快速医学诊断和治疗决策	十一种细菌内毒素	机器学习	细菌感染	表面增强拉曼散射	支持向量机, k-最近邻, 随机森林, RamanNet	光谱数据	每种内毒素的平均检测量为8.75 pg	NA	支持向量机, k-最近邻, 随机森林, RamanNet	准确率	NA
3	2026-09-28	Deep Learning to Measure the Intensity of Indocyanine Green in Endometriosis Surgeries with Intestinal Resection 2022-Jun-16, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12060982 PMID:35743768	研究论文	该研究提出了一种基于深度学习的方法，用于量化子宫内膜异位症肠道切除术中吻合口的血液灌注水平，先使用U-Net自动分割手术视频中的肠道，再利用纹理特征量化吲哚菁绿（ICG）的灌注强度	首次将基于U-Net的深度学习自动分割与纹理特征分析相结合，用于量化子宫内膜异位症肠道手术中吻合口的ICG血液灌注水平	摘要中未明确提及研究局限性	量化子宫内膜异位症肠道切除术中吻合口的血液灌注水平，以帮助预测术后并发症并辅助临床决策	子宫内膜异位症手术视频中的肠道及吻合口区域	计算机视觉	子宫内膜异位症	吲哚菁绿（ICG）荧光成像，深度学习图像分割	CNN	图像（手术视频帧）	NA	NA	U-Net	准确率，Dice系数	NA
4	2026-09-28	Using Deep Neural Networks for Human Fall Detection Based on Pose Estimation 2022-Jun-16, Sensors (Basel, Switzerland) DOI:10.3390/s22124544 PMID:35746325	研究论文	利用深度神经网络和快速姿态估计方法进行人体跌倒检测	首次将快速姿态估计方法应用于人体跌倒检测	未提及	准确检测人体跌倒事件，特别是老年人	老年人	计算机视觉	老年疾病	快速姿态估计	1D-CNN, TD-CNN-LSTM	图像	NA	NA	1D-CNN, TD-CNN-LSTM	准确率	NA
5	2026-09-28	InterPepScore: a deep learning score for improving the FlexPepDock refinement protocol 2022-06-13, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac325 PMID:35575349	研究论文	本文介绍了一种图神经网络InterPepScore，作为额外的评分项来补充和改进Rosetta FlexPepDock精修协议，提高肽-蛋白质复合物模型的质量	首次将图神经网络作为额外的评分项整合到FlexPepDock精修协议中，利用模拟轨迹数据进行训练，显著提高了模型质量	摘要中未明确提及研究的局限性	改进肽-蛋白质对接和结构预测的精度，特别是提高Rosetta FlexPepDock精修协议的性能	肽-蛋白质复合物的结构和对接模型	机器学习	NA	深度学习、图神经网络、蒙特卡洛模拟	图神经网络	结构数据、模拟轨迹数据	109个肽-蛋白质复合物（独立基准测试），训练使用数千个复合物的模拟轨迹	NA	图神经网络	DockQ分数	NA
6	2026-09-28	Assessing sequence-based protein-protein interaction predictors for use in therapeutic peptide engineering 2022-06-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13227-9 PMID:35688894	研究论文	该文评估了基于序列的蛋白质-蛋白质相互作用预测器在治疗性肽工程中的应用	使用FDA批准的肽数据集，首次系统评估基于序列的PPI预测器在肽治疗工程中的筛选适用性，并发现基于相似性的方法优于深度学习	该方法主要适用于已知天然相互作用物的靶标，对于从头肽工程可能需要额外的靶标特异性训练数据	评估基于序列的蛋白质-蛋白质相互作用预测器作为肽治疗工程筛选工具的适用性	FDA批准的肽	机器学习	NA	基于序列的蛋白质-蛋白质相互作用预测	基于相似性的模型, 深度学习模型	序列数据	一组FDA批准的肽（未指定具体数量）	NA	NA	NA	NA
7	2026-09-28	A multi-task Gaussian process self-attention neural network for real-time prediction of the need for mechanical ventilators in COVID-19 patients 2022-06, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104079 PMID:35489596	研究论文	提出一种结合多任务高斯过程和自注意力神经网络的模型，用于实时预测COVID-19患者是否需要机械通气	将多任务高斯过程与自注意力神经网络结合，处理不规则采样率的观测数据，实现端到端的实时预测	未明确说明	实时准确预测COVID-19患者需要机械通气的风险，帮助合理分配医疗资源和提供早期呼吸支持	住院COVID-19患者	机器学习	COVID-19	NA	多任务高斯过程, 自注意力神经网络	临床观测数据	9,532名全国住院COVID-19患者	NA	多任务高斯过程, 自注意力神经网络	AUROC, AUPRC	NA
8	2026-09-28	Deep learning on reflectance confocal microscopy improves Raman spectral diagnosis of basal cell carcinoma 2022-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.6.065004 PMID:35773774	研究论文	本研究通过结合拉曼光谱与深度学习辅助的反射共聚焦显微镜，提高基底细胞癌诊断的特异性	首次将深度学习应用于反射共聚焦显微镜图像，以改进拉曼光谱对基底细胞癌诊断的特异性，通过识别假阳性的正常皮肤结构（毛囊和表皮）	样本量较小，仅使用了191张反射共聚焦显微镜图像，需要更大规模的研究来验证泛化能力	提高拉曼光谱检测基底细胞癌的特异性	基底细胞癌肿瘤与正常皮肤组织（毛囊和表皮）	数字病理学	皮肤癌	拉曼光谱, 反射共聚焦显微镜	CNN	图像, 光谱	191张反射共聚焦显微镜图像	NA	ResNet50	灵敏度, 特异性	NA
9	2026-08-25	Deep Learning Approaches for Predicting Glaucoma Progression Using Electronic Health Records and Natural Language Processing 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100127 PMID:36249690	研究论文	本研究利用深度学习模型结合电子健康记录中的结构化数据和临床自由文本的自然语言处理特征，预测青光眼患者需要手术的进展，并评估了模型性能。	首次将眼科领域特定的神经词嵌入与深度学习结合，整合临床自由文本特征和结构化数据以预测青光眼手术需求，优于仅用结构化数据或仅用自由文本的模型。	研究为单中心回顾性队列，样本来源受限；未纳入影像数据，且需进一步探索整合影像数据的最佳方法。	开发基于深度学习模型，利用电子健康记录中的结构化数据和临床自由文本预测青光眼进展至需要手术的情况，以改善预测性能。	单中心2008至2020年间接受治疗的成人青光眼患者。	数字病理学	青光眼	自然语言处理和神经词嵌入	深度学习模型	电子健康记录数据，包括结构化临床数据和临床自由文本	4512名青光眼患者，其中748名接受了手术	NA	神经网络	AUC, F1分数	NA
10	2026-08-25	Improved Training Efficiency for Retinopathy of Prematurity Deep Learning Models Using Comparison versus Class Labels 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100122 PMID:36249702	研究论文	该论文比较了使用比较标签与类别标签训练深度学习模型在早产儿视网膜病变图像分类中的有效性和效率	首次提出使用比较标签（表示相对疾病严重程度）而非类别标签来训练医学图像分类网络，以提高训练效率和准确性，尤其在数据有限的情况下	随着训练集规模增大，两种标签类型之间的效率和准确性差异减小，且比较标签的优势在部分数据集中不显著	评估比较标签相对于类别标签在训练深度学习模型进行医学图像分类时的有效性和效率，以应对数据变异性和稀缺性问题	早产儿视网膜病变（ROP）的宽角度视网膜图像，来自i-ROP队列研究	计算机视觉	早产儿视网膜病变	深度学习	神经网络	图像	未提供具体样本数量，但涉及两个数据集及专家标注的宽角度视网膜图像	NA	神经网络（未指定具体架构）	AUC（接收者操作特征曲线下面积）	NA
11	2026-08-02	Radiomics and deep learning for myocardial scar screening in hypertrophic cardiomyopathy 2022-06-27, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-022-00869-x PMID:35761339	研究论文	本研究开发并评估了一种结合放射组学与深度学习的AI筛查模型，利用bSSFP电影序列图像在肥厚型心肌病患者中识别无心肌瘢痕的个体，以减少不必要的钆剂增强CMR检查	首次将放射组学与深度学习特征联合用于HCM患者心肌瘢痕的无创筛查，利用bSSFP电影序列替代LGE成像，并验证了多中心/多设备数据的泛化性能	模型临床效用有限，准确性及泛化性需进一步改进；外部数据集中性能下降明显，且仅以AUC为主要评估指标，缺乏多指标验证	开发AI筛查模型，在注射钆剂前利用bSSFP电影序列图像识别无心肌瘢痕的HCM患者，以减少重复的钆基CMR检查	759名HCM患者（内部多中心数据集）和100名HCM患者（外部验证数据集）的bSSFP电影序列图像	医学影像分析	肥厚型心肌病	心血管磁共振成像	深度学习模型（DL模型）	医学图像（bSSFP电影序列）	内部数据集759例HCM患者（平均50岁，66%男性），外部数据集100例HCM患者（平均53岁，70%男性）	NA	NA	AUC	NA
12	2026-08-02	Discriminating TB lung nodules from early lung cancers using deep learning 2022-06-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-01904-8 PMID:35725445	研究论文	本研究使用基于VGG16的自定义15层二维深度卷积神经网络，区分肺结核结节与早期肺癌，在解锁预训练权重条件下达到90.4%的准确率和90.1%的F值	首次将深度学习应用于区分潜伏性肺结核结节与早期肺癌，并采用自定义VGG16架构结合迁移学习	未在摘要中明确说明，可能包括样本多样性或外部验证不足	开发一种非侵入性筛查工具，用于可靠地区分肺癌与潜伏性肺结核结节	肺部CT图像，包括肺癌结节和肺结核结节	计算机视觉	肺癌、肺结核	CT成像	卷积神经网络	图像	未明确，数据来自国家肺筛查试验和TB Portals数据库	未明确	VGG16	准确率、F值（F分数）	未明确
13	2026-08-02	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	本文提出一种多模态深度学习框架，用于依次完成阿尔茨海默病及相关痴呆的诊断步骤，识别正常认知、轻度认知障碍、阿尔茨海默病和非阿尔茨海默痴呆	开发了能灵活组合常规临床信息的深度学习框架，并应用计算机视觉可解释性方法验证模型检测的疾病特异性模式与神经病理学病变的一致性	摘要未提及具体局限性	改进因各种病因导致的认知障碍个体的诊断方法，提高痴呆诊断的准确性	正常认知、轻度认知障碍、阿尔茨海默病和非阿尔茨海默痴呆的个体	深度学习	阿尔茨海默病、痴呆	神经影像学	深度学习模型	临床信息（人口统计学、病史、神经心理测试、神经影像、功能评估）	NA	NA	NA	诊断准确性	NA
14	2026-06-26	ArtifactID: Identifying artifacts in low-field MRI of the brain using deep learning 2022-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.02.002 PMID:35176447	研究论文	利用深度学习识别低场脑部MRI中的伪影	首次针对低场MRI中的卷褶和吉布斯环振伪影开发专门的识别模型，并利用GradCAM提供可视化解释以增强模型可信度	仅使用T1加权图像，可能限制模型在其他序列上的泛化能力；数据量有限，可能影响模型鲁棒性	识别低场脑部MRI中的卷褶和吉布斯环振伪影，提升诊断质量	低场脑部MRI图像中的卷褶伪影（通过平面和平面内）和吉布斯环振伪影	计算机视觉	不适用	MRI	卷积神经网络	图像	179张来自0.36T扫描仪的T1加权病理脑图像和581张公开可用的T1加权脑图像	不适用	不适用	精确率, 召回率, Cohen's kappa	不适用
15	2026-06-26	DBGAN: A dual-branch generative adversarial network for undersampled MRI reconstruction 2022-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.03.003 PMID:35339616	研究论文	提出一种基于双分支生成对抗网络的欠采样MRI重建方法	采用跨阶段跳跃连接扩宽特征传播通道，用实例归一化代替批归一化避免训练与推理差异，引入双线性插值解码器分支补充反卷积解码器信息缺失	未提及在其他MRI模态或更大规模数据集上的验证，以及与其他非生成对抗网络方法的全面比较	提高欠采样MRI重建的图像质量和速度，适用于实时处理	T1加权的脑部MRI数据（来自MICCAI 2013挑战赛）和膝盖MRI数据	计算机视觉	未指定	MRI	生成对抗网络	图像	未明确说明样本数量，但使用MICCAI 2013挑战赛的T1加权脑部数据集和膝盖MRI数据	NA	U-Net	峰值信噪比, 归一化均方误差	每个256×256图像重建耗时60毫秒，模型参数少于最先进方法的一半
16	2026-05-27	Machine Learning for Early Detection of Hypoxic-Ischemic Brain Injury After Cardiac Arrest 2022-06, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-021-01405-y PMID:34873672	研究论文	利用深度学习迁移学习分析心脏骤停后早期头颅CT平扫，预测缺氧缺血性脑损伤的进展	首次在正常头颅CT平扫结果中，使用深度迁移学习识别早期缺氧缺血性脑损伤证据，准确预测后续影像学进展	样本量较小（仅54例患者），且为单中心研究，外部验证集仅16例	探索深度迁移学习在心脏骤停后早期正常头颅CT平扫中发现潜在缺氧缺血性脑损伤标志物的能力	心脏骤停后昏迷存活的成年患者	医学影像分析	缺氧缺血性脑损伤	计算机断层扫描（CT），深度学习迁移学习	CNN（卷积神经网络）	医学影像（头颅CT平扫图像）	54例患者（内部队列），16例患者（外部验证队列）	NA	深度迁移学习模型（未注明具体架构）	AUC, 敏感度, 特异度, 准确率, 阳性预测值	NA
17	2026-05-08	Artificial intelligence and deep learning to map immune cell types in inflamed human tissue 2022-06, Journal of immunological methods IF:1.6Q4 DOI:10.1016/j.jim.2022.113233 PMID:35131237	研究论文	开发深度学习算法，识别炎症组织活检中的免疫细胞类型	提出一种基于深度学习的方法，能够无偏且全面地识别炎症组织中的免疫细胞，包括罕见的Tfh细胞亚群，并可用于细胞间距离映射	NA	利用人工智能和深度学习技术，自动化识别和分类炎症组织中的免疫细胞，以量化活检切片中的复杂免疫细胞交互信息	皮肌炎活检图像中的Tfh细胞亚群和B细胞	计算机视觉	自身免疫疾病（皮肌炎）	NA	深度学习	图像	NA	NA	深度学习算法（未具体指定）	检测和分类性能（未具体指定）	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	2025-11-13	AI-Driven Model for Automatic Emphysema Detection in Low-Dose Computed Tomography Using Disease-Specific Augmentation 2022-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00599-7 PMID:35182291	研究论文	本研究开发了一种基于最小强度投影的深度学习模型，用于在低剂量CT扫描中自动检测肺气肿	采用疾病特异性数据增强方法，通过调整minIP板厚度优化模型性能	样本量相对有限，外部验证集性能有所下降	评估基于minIP的深度学习模型在低剂量CT中自动检测肺气肿的可行性	来自荷兰ImaLife研究的240名个体和美国NLST研究的125名个体的低剂量CT扫描	医学影像分析	肺气肿	低剂量计算机断层扫描，最小强度投影	深度学习模型	CT影像	365名个体（240名训练+内部验证，125名独立测试）	NA	NA	AUC, 敏感度	NA
20	2025-10-06	From systems to structure - using genetic data to model protein structures 2022-06, Nature reviews. Genetics DOI:10.1038/s41576-021-00441-w PMID:35013567	综述	本文综述了利用大规模遗传数据和深度学习方法建模蛋白质结构及其相互作用的最新进展	整合共进化分析、深度突变扫描和基因组尺度遗传相互作用数据，结合深度学习技术进行蛋白质结构建模	NA	开发基于遗传数据的蛋白质结构建模方法	蛋白质结构和蛋白质相互作用	机器学习	NA	共进化分析, 深度突变扫描, 遗传相互作用图谱	深度学习	遗传数据, 结构数据	NA	NA	NA	NA	NA