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	2026-09-28	Deep Unsupervised Domain Adaptation with Time Series Sensor Data: A Survey 2022-Jul-23, Sensors (Basel, Switzerland) DOI:10.3390/s22155507 PMID:35898010	综述	本文系统综述了基于时间序列传感器数据的深度无监督域适应方法，包括背景、传感器类型、域差距、常用数据集、方法分类与比较以及未来挑战	系统梳理了时间序列传感器数据无监督域适应的研究现状，按照适应方式和源/目标域数量对方法进行分类比较，并总结了常用数据集和未来挑战	作为综述文章，未提出新的算法或模型，主要基于现有文献进行归纳总结	综述时间序列传感器数据深度无监督域适应的研究进展，为读者提供该领域的系统理解	时间序列传感器数据及无监督域适应方法	机器学习	NA	时间序列传感器数据采集	深度学习模型	时间序列	NA	NA	NA	NA	NA
2	2026-09-28	Multi-head attention-based U-Nets for predicting protein domain boundaries using 1D sequence features and 2D distance maps 2022-Jul-19, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04829-1 PMID:35854211	研究论文	该论文开发了一种基于多头U-Nets的深度学习方法DistDom，利用1D序列特征和2D距离图预测蛋白质结构域边界	首次将2D距离图与多头注意力机制结合用于结构域边界预测，并采用1D和2D U-Nets分别处理序列和结构特征	未明确提及	提高蛋白质结构域边界预测的准确性，并用于单域和多域蛋白质的分类	蛋白质序列及其结构域边界	机器学习	NA	深度学习	U-Net	1D序列特征和2D距离图	CASP14单域和多域蛋白质靶标	NA	U-Net, 多头注意力	准确率, F1分数	NA
3	2026-09-28	Identify Bitter Peptides by Using Deep Representation Learning Features 2022-Jul-17, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23147877 PMID:35887225	研究论文	该研究开发了一种基于深度学习预训练神经网络特征提取的机器学习预测方法 iBitter-DRLF，用于识别苦味肽	使用深度表示学习特征（包括 SSA、UniRep 和 BiLSTM）结合 LGBM 进行苦味肽预测，显著提高了识别能力	未明确提及限制	开发一种基于肽序列数据准确预测苦味肽的机器学习方法，以改善肽疗法和膳食补充剂的口感	苦味肽	机器学习	NA	NA	LGBM	序列数据	NA	NA	UniRep, BiLSTM	NA	NA
4	2026-09-28	Identifying multicellular spatiotemporal organization of cells with SpaceFlow 2022-07-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31739-w PMID:35835774	研究论文	本文介绍了SpaceFlow，一种通过空间正则化深度图网络生成空间一致低维嵌入的方法，用于分析空间转录组数据，并引入伪时空图来揭示细胞的时空模式。	同时整合细胞转录组相似性和空间位置信息，利用空间正则化深度图网络生成低维嵌入，并引入伪时空图将伪时间概念与空间位置结合，揭示细胞的时空模式。	未明确提及	解决空间转录组数据分析中同时整合细胞转录组相似性和空间位置的挑战，并识别生物学上有意义的时空模式。	空间转录组数据集，包括心脏发育数据和人乳腺癌数据，涉及spot和单细胞分辨率。	空间转录组学	乳腺癌	空间转录组学	深度图网络	空间转录组数据	多个空间转录组数据集，包括心脏发育数据和人乳腺癌数据	NA	空间正则化深度图网络	NA	NA
5	2026-09-28	Modeling Subjective Affect Annotations with Multi-Task Learning 2022-Jul-13, Sensors (Basel, Switzerland) DOI:10.3390/s22145245 PMID:35890925	研究论文	本文研究了多任务学习在主观情感标注建模中的应用，比较了单任务架构与多任务架构，并指出聚合标注的局限性	提出使用多任务学习架构同时建模每个单独标注者的标注和聚合标注，而非直接训练在聚合标注上，从而保留主观信息并避免标注偏差	摘要中未明确提及研究局限性	探讨如何更准确地建模主观情感标注，避免因聚合标注而导致的主观信息丢失和标注偏差	情感标注数据，包括COGNIMUSE、IEMOCAP和SemEval_2007基准数据集中的主观情感标注	机器学习	NA	NA	深度学习	文本，视频	NA	NA	NA	NA	NA
6	2026-09-28	Defending against Reconstruction Attacks through Differentially Private Federated Learning for Classification of Heterogeneous Chest X-ray Data 2022-Jul-11, Sensors (Basel, Switzerland) DOI:10.3390/s22145195 PMID:35890875	研究论文	本文评估了差分隐私联邦学习在胸部X光分类中防御数据隐私攻击的可行性，并比较了DenseNet121和ResNet50两种架构的影响	首次直接比较差分隐私训练对DenseNet121和ResNet50两种神经网络架构的影响，并模拟了异构且不平衡的联邦学习环境	模型性能在个体客户端上相比非隐私基线略有下降；仅评估了两种架构；隐私预算范围有限	评估差分隐私联邦学习作为胸部X光分类中防御数据隐私攻击的可行性	胸部X光图像分类模型及联邦学习环境	医学图像分析	胸部疾病	差分隐私联邦学习、Rényi差分隐私、高斯噪声机制	CNN	图像	来自CheXpert和Mendeley胸部X光数据集的图像，分布在36个客户端上	NA	DenseNet121, ResNet50	AUC	NA
7	2026-09-28	Homeostatic neuro-metasurfaces for dynamic wireless channel management 2022-Jul-08, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abn7905 PMID:35857461	研究论文	本文介绍了一种用于动态无线信道管理的稳态神经超表面，通过深度学习实现全局逆向设计，无需迭代计算和人工参与	提出了稳态神经超表面的概念，实现了自动且单片化的动态无线信道管理，摆脱了对传统射频组件的依赖，无需迭代计算和人工参与	目前仅进行了初步的概念验证验证和按需无线信道管理实验，可能尚未在实际复杂环境中全面验证	实现动态无线信道的自动和单片化管理，推动下一代电磁智能城市的发展	无线信道和电磁超表面	机器学习	NA	深度学习	深度学习范式	NA	NA	NA	NA	准确率	NA
8	2026-09-28	Machine Learning-Enabled Prediction of 3D-Printed Microneedle Features 2022-Jul-06, Biosensors DOI:10.3390/bios12070491 PMID:35884294	研究论文	本文提出了一种基于人工智能的框架，用于评估和预测3D打印微针的特征，通过机器学习和深度学习优化制造过程	将人工智能预测与3D打印微针相结合，利用深度学习进行质量控制和异常检测，并使用机器学习模型根据设计参数和蚀刻剂量预测制造结果	未明确说明	利用人工智能评估和预测3D打印微针的特征，以优化制造生物医学设备	3D打印的可生物降解微针	机器学习	NA	熔融沉积建模3D打印、化学蚀刻	深度学习、机器学习	图像	10种不同的微针设计及多种蚀刻曝光剂量	NA	NA	相似性度量	NA
9	2026-09-20	Using Deep Learning to Identify Linguistic Features that Facilitate or Inhibit the Propagation of Anti- and Pro-Vaccine Content on Social Media 2022-Jul, IEEE International Conference on Digital Health. IEEE International Conference on Digital Health DOI:10.1109/icdh55609.2022.00025 PMID:37975063	研究论文	该研究利用深度学习技术识别促进或抑制社交媒体上反疫苗和亲疫苗内容传播的语言特征	使用微调的BERT分类器构建两阶段框架，实现了超过99%的二分类和80%的三分类准确率，并发现了促进和抑制疫苗相关内容传播的语言特征集	未明确说明（NA）	识别促进和抑制疫苗相关内容传播的语言特征集，并比较反疫苗、亲疫苗和中立推文中这些特征的出现频率差异	2021年11月15日至12月15日期间超过1.2亿条社交媒体推文（与Omicron变异株激增时期重合）	自然语言处理	疫苗犹豫	深度学习，自然语言处理	BERT	文本	超过1.2亿条推文	NA	BERT	准确率	NA
10	2026-08-13	Automated wide-field malaria parasite infection detection using Fourier ptychography on stain-free thin-smears 2022-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.448099 PMID:35991917	研究论文	本研究利用傅里叶叠层成像技术生成无染色薄涂片全血样本中感染疟原虫红细胞的高分辨率定量相位图像，并结合机器学习和深度学习模型自动检测疟疾感染。	首次将傅里叶叠层成像与人工智能结合，实现全血样本中无染色、宽场、高分辨率疟疾感染检测，并利用GFP荧光标记进行自动标注。	深度学习模型的灵敏度较低（57%），可能影响实际诊断的检出率。	开发一种快速、无染色、灵敏的疟疾诊断平台，直接识别外周血中的寄生虫。	感染疟原虫的红细胞（红血细胞）和未感染的红细胞	数字病理学	疟疾	傅里叶叠层成像（Fourier ptychography）	随机森林、VGG16	定量相位图像	每个视野中数千个红细胞（具体数量未在摘要中给出）	NA	随机森林、VGG16	特异性、灵敏度	NA
11	2026-08-10	Silhouette images enable estimation of body fat distribution and associated cardiometabolic risk 2022-Jul-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00654-1 PMID:35896726	研究论文	开发了一种基于身体轮廓图像的深度学习模型，用于准确估计特定脂肪组织体积及脂肪分布相关的心血管代谢风险	首次利用从全身磁共振图像构建的二维轮廓图（silhouette）作为卷积神经网络的输入，实现脂肪分布的无创、可扩展评估，并优于传统人体测量和生物电阻抗方法	未提及具体局限性	利用身体轮廓图像估计脂肪分布指标（如VAT、ASAT、GFAT）及其与心血管代谢风险的关联	英国生物银行40,032名参与者（平均年龄65岁，51%为女性）的全身磁共振图像	计算机视觉	心血管疾病、2型糖尿病	磁共振成像（MRI）	卷积神经网络（CNN）	二维轮廓图像	40,032名参与者的磁共振图像	NA	卷积神经网络（CNN）	相关系数（R）	NA
12	2026-08-10	Mortality Prediction Analysis among COVID-19 Inpatients Using Clinical Variables and Deep Learning Chest Radiography Imaging Features 2022-07-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography8040151 PMID:35894016	研究论文	本文探讨了使用临床变量和胸部X光影像特征预测COVID-19住院患者死亡率的机器学习方法。	结合了胸部X光影像的深度学习特征与传统临床变量，并应用LIME方法解释模型预测，以量化影像和临床数据对死亡预测的贡献。	该研究基于疫苗广泛可用前的数据，可能不适用于当前情况；样本量有限，且未提及外部验证。	旨在通过结合临床和影像数据开发可解释的AI模型，以预测COVID-19住院患者死亡率，辅助临床决策。	COVID-19住院患者，包括其人口统计学、入院前临床史、既往病史及胸部X光影像。	医学影像分析, 机器学习	COVID-19	胸部X光成像	多层感知机, 卷积神经网络	临床文本数据、胸部X光图像	未在摘要中明确说明，但提到使用去标识化数据集，包含疫苗广泛可用前的经历。	未明确提及，可能使用常见框架如PyTorch或TensorFlow	多层感知机, 卷积神经网络（使用迁移学习）	ROC-AUC	未明确提及，但使用深度学习，可能需GPU支持。
13	2026-08-10	Segmentation of Pancreatic Subregions in Computed Tomography Images 2022-Jul-12, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8070195 PMID:35877639	研究论文	本文提出了一种多阶段解剖引导框架，用于在CT图像中自动分割胰腺亚区域（头、体、尾），并验证了其性能。	据我们所知，这是首个自动化胰腺亚区域分割模型，并建立了NIH数据集的参考解剖标签数据集。	未提及，NA	实现CT图像中胰腺亚区域的准确、自动3D分割，以辅助胰腺癌的诊断和治疗规划。	胰腺亚区域（头、体、尾）在CT图像中的分割	计算机视觉	胰腺癌	CT成像	朴素贝叶斯分类器和U-Net	计算机断层扫描（CT）图像	三个数据集：一个公共NIH健康胰腺数据集，以及两个分别用于癌前和癌性胰腺的数据集（具体样本数未提供）	NA	U-Net	性能指标未在摘要中明确提及	NA
14	2026-08-07	A sequence-based global map of regulatory activity for deciphering human genetics 2022-07, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-022-01102-2 PMID:35817977	研究论文	本文介绍Sei框架，通过深度学习方法整合人类遗传学数据与序列信息，预测大规模染色质谱图，提供全球调控活动图谱，以解析人类遗传变异的功能影响。	首次提出基于序列的全局调控活动图谱框架Sei，能够从任意序列或变异映射到调控活性，并学习调控活动词汇表（序列类别），实现细胞类型特异性的增强子功能等多样调控活性的分类和定量。	未明确提及限制，可能包括依赖参考表观基因组数据、对罕见变异预测的准确性和缺乏实验验证等。	建立从DNA序列到调控活性的系统映射，以揭示复杂性状和疾病的调控机制，为人类遗传学提供解读工具。	人类基因组中的调控序列和遗传变异，包括增强子等调控元件。	机器学习	NA	深度学习（预测染色质谱图）	深度学习模型（可能包含CNN或Transformer）	染色质谱图数据（表观基因组学）	超过1300种细胞系和组织类型的21,907个染色质谱图。	NA	NA	组织特异性表达支持、表达数量性状位点关联、进化保守性。	NA
15	2026-08-03	Photoplethysmogram based vascular aging assessment using the deep convolutional neural network 2022-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15240-4 PMID:35790836	研究论文	本研究提出了一种基于光电容积脉搏波（PPG）和深度卷积神经网络的无创血管老化评估方法，用于年龄估计。	使用可解释的人工智能模型（Grad-Cam）解释PPG波形特征对血管年龄估计的贡献，并采用端到端学习方式，无需额外特征检测过程。	研究样本量有限（752名成年人），且为单中心研究，可能影响模型的泛化能力。	通过深度学习模型从PPG信号中估计年龄，以非侵入性评估血管老化。	752名年龄在20-89岁之间的成年人。	机器学习	心血管疾病	光电容积脉搏波（PPG）	卷积神经网络（CNN）	图像	752名成年人（年龄20-89岁）	NA	卷积层和全连接层（具体架构未指定，但包含三个卷积层和两个全连接层）	平均绝对误差（MAE）、均方根误差（RMSE）、皮尔逊相关系数（r）、决定系数（R²）	NA
16	2026-06-26	Clinical feasibility of an abdominal thin-slice breath-hold single-shot fast spin echo sequence processed using a deep learning-based noise-reduction approach 2022-07, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.04.005 PMID:35504409	研究论文	评估基于深度学习降噪的腹部薄层屏气单次激发快速自旋回波序列在胰腺MRI中的临床可行性	利用深度学习降噪重建技术加速屏气薄层单次激发快速自旋回波MRI，显著提升图像质量并缩短扫描时间	未提及具体限制，如样本量较小或单中心研究	评估深度学习降噪序列在胰腺解剖成像中的图像质量与临床可行性	疑似胰胆疾病患者的胰腺和肝脏MRI图像	医学影像	胰胆疾病	MRI T2加权成像，单次激发快速自旋回波序列	深度学习降噪模型	MRI图像	42名疑似胰胆疾病患者	NA	深度学习降噪重建	信噪比，对比噪声比，图像质量定性评分	1.5T MRI扫描仪
17	2026-05-18	A Comparative Study of Deep Learning Algorithms for Detecting Food Intake 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871278 PMID:36085821	研究论文	比较多种深度学习算法在利用可穿戴传感器信号检测食物摄入上的性能	首次系统比较了多种先进时域深度学习算法（MLP、time-CNN、FCN、ResNet和Inception）在基于可穿戴传感器信号的食物摄入分类任务中的表现，并发现ResNet效果最优	样本量较小（17名受试者，23天数据），可能影响模型的泛化能力	比较不同深度学习算法在食物摄入分类中的性能，以确定最优算法	可穿戴传感器（AIM-2）采集的咀嚼肌活动信号	机器学习	不适用	可穿戴传感器（光学和3轴加速度计）	MLP, time-CNN, FCN, ResNet, Inception	时序信号	17名受试者，23天自由生活数据	不适用	MLP, time-CNN, FCN, ResNet, Inception	平衡分类准确率	不适用
18	2026-04-27	Design and Rationale for the Use of Magnetic Resonance Imaging Biomarkers to Predict Diabetes After Acute Pancreatitis in the Diabetes RElated to Acute Pancreatitis and Its Mechanisms Study: From the Type 1 Diabetes in Acute Pancreatitis Consortium 2022-07-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002080 PMID:36206463	研究论文	本研究探讨高级磁共振成像技术能否反映急性胰腺炎后的病理生理变化，并提供预测糖尿病的影像生物标志物	利用先进MRI技术开发定量复合风险评分，并结合人工智能深度学习算法优化预测能力	NA	通过纵向MRI观察急性胰腺炎后糖尿病的自然病程，识别高危个体并建立风险评分系统	急性胰腺炎后发生糖尿病的患者及其血糖正常、糖尿病前期人群	机器学习	糖尿病, 急性胰腺炎	MRI	深度学习	图像	NA	NA	NA	NA	NA
19	2026-04-23	The state of the art for artificial intelligence in lung digital pathology 2022-07, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.5966 PMID:35579955	综述	本文综述了人工智能在肺部数字病理学中的最新进展与应用	系统性地回顾了AI在肺部数字病理学中的多种应用，包括癌症、结核病、特发性肺纤维化和COVID-19，并探讨了新兴方向如多模态数据分析和3D病理学	未提及具体研究的数据限制或方法学局限性，主要作为领域综述存在	探讨人工智能工具在肺部数字病理学中的发展现状、应用及未来挑战	肺部疾病，包括肺癌、结核病、特发性肺纤维化、COVID-19等	数字病理学	肺癌	数字病理学成像	深度学习，无监督特征方法	病理图像	NA	NA	NA	NA	NA
20	2026-04-14	Automated Determination of Left Ventricular Function Using Electrocardiogram Data in Patients on Maintenance Hemodialysis 2022-07, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.16481221 PMID:35667835	研究论文	本研究开发了一种基于心电图数据的深度学习模型，用于自动化评估维持性血液透析患者的左心室射血分数	利用迁移学习策略，通过在非血液透析患者的心电图数据上进行预训练，有效解决了血液透析患者样本量较小的问题，并提升了模型性能	研究样本主要来自特定医疗机构的患者，可能限制了模型的泛化能力；且模型在中等射血分数类别（41%-50%）上的预测性能相对较低	开发并评估深度学习模型，以自动化方式从心电图数据中分类维持性血液透析患者的左心室射血分数	维持性血液透析患者，以及作为预训练数据来源的非血液透析患者	机器学习	心血管疾病	深度学习, 迁移学习	深度学习模型	心电图数据	血液透析患者：2,168名患者，18,626对心电图-超声心动图数据；非血液透析患者：158,840名患者，705,075对心电图-超声心动图数据	NA	NA	受试者工作特征曲线下面积	NA