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	2026-04-14	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
2	2026-03-16	Subcortical segmentation of the fetal brain in 3D ultrasound using deep learning 2022-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.119117 PMID:35331871	研究论文	本研究开发了一种基于深度学习的卷积神经网络，用于从3D胎儿超声图像中自动分割皮层下结构	采用少样本学习方法，仅使用少量手动标注数据（n=9）训练CNN，实现了接近观察者内部变异性的分割性能，并生成了妊娠中期特定结构的超声特异性生长曲线	手动标注数据稀缺且获取成本高，超声图像存在软组织对比度低、斑点噪声和阴影伪影等挑战	通过自动分割3D胎儿超声图像中的皮层下结构，量化其体积发育，为妊娠监测提供重要诊断信息	胎儿大脑的脉络丛、侧脑室后角、透明隔腔及小脑	医学影像分析	胎儿发育	3D超声成像	CNN	3D超声图像	手动标注样本9个，弱标注样本278个	NA	NA	分割性能接近观察者内部变异性	NA
3	2026-03-14	Modeling mutational effects on biochemical phenotypes using convolutional neural networks: application to SARS-CoV-2 2022-Jul-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2022.104500 PMID:35669036	研究论文	本文利用卷积神经网络建模SARS-CoV-2刺突蛋白受体结合域和人类ACE2蛋白的突变对生化表型的影响	首次将卷积神经网络应用于SARS-CoV-2突变体生化表型预测，整合氨基酸理化性质显著提升预测性能，并与分子动力学模拟结果相互验证	模型主要基于深度突变扫描实验数据，可能未覆盖所有潜在突变组合，且计算资源需求较高	预测SARS-CoV-2突变对病毒-宿主相互作用关键生化表型的影响	SARS-CoV-2刺突蛋白受体结合域和人类ACE2蛋白的突变体	机器学习	COVID-19	深度突变扫描	CNN	蛋白质序列突变数据	NA	NA	卷积神经网络	预测准确性	NA
4	2026-01-26	Non-Invasive Screen Exposure Time Assessment Using Wearable Sensor and Object Detection 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/EMBC48229.2022.9871903 PMID:36086530	研究论文	本文提出了一种使用可穿戴传感器和计算机视觉技术测量屏幕暴露时间的新方法	结合定制化轻量级可穿戴传感器与基于深度学习的物体检测模块，实现非侵入性、客观且鲁棒的屏幕暴露时间评估	未在摘要中明确说明具体限制	开发一种非侵入性、客观且准确的屏幕暴露时间测量方法，用于行为研究	儿童和成人（包括所有人群）的屏幕暴露行为	计算机视觉	NA	可穿戴传感器、计算机视觉、深度学习	深度学习物体检测模块	以自我为中心的图像	未在摘要中明确说明具体样本数量	NA	NA	NA	NA
5	2025-11-13	Biomedical Data and Deep Learning Computational Models for Predicting Compound-Protein Relations 2022 Jul-Aug, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2021.3069040 PMID:33769935	综述	本文综述了深度学习在化合物-蛋白质关系预测中的最新应用进展	系统梳理了CPR预测中的数据集、特征工程和深度学习方法，并进行了全面性能比较	NA	调查和讨论深度学习技术在化合物-蛋白质关系预测中的最新应用	化合物-蛋白质关系（包括相互作用和亲和力）	生物医学信息学	NA	虚拟筛选	深度学习模型	生物医学数据、化合物和蛋白质的物理化学及结构特性	NA	NA	NA	NA	NA
6	2025-11-13	Deep learning in target prediction and drug repositioning: Recent advances and challenges 2022-07, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2021.10.010 PMID:34718208	综述	本文综述了深度学习在靶点预测和药物重定位领域的最新进展与挑战	系统总结了深度学习架构在药物重定位中的创新应用，并提出了应对当前挑战的潜在解决方案	未涉及具体实验验证，主要基于文献综述和分析	探讨深度学习在药物重定位和靶点预测中的应用潜力	已批准或研究中的药物	机器学习	NA	深度学习	深度学习	药物数据、靶点数据	NA	NA	NA	NA	NA
7	2025-11-13	Impact of Artificial Intelligence on Miss Rate of Colorectal Neoplasia 2022-07, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2022.03.007 PMID:35304117	研究论文	本研究评估人工智能在降低结肠镜检查中结直肠肿瘤漏诊率的效果	首次通过随机对照试验验证深度学习辅助诊断系统在结肠镜检查中降低腺瘤漏诊率的有效性	样本量相对有限（230例），仅纳入8个医疗中心	评估人工智能对结直肠肿瘤漏诊率的影响	接受结直肠癌筛查或监测的患者	计算机视觉	结直肠癌	深度学习计算机辅助诊断内窥镜	深度学习	内窥镜图像	230名患者	NA	NA	腺瘤漏诊率, 假阴性率, 比值比	NA
8	2025-10-06	A multimodal deep learning model for cardiac resynchronisation therapy response prediction 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102465 PMID:35487111	研究论文	提出一种新颖的多模态深度学习框架，用于从2D超声心动图和心脏磁共振数据预测心脏再同步化治疗反应	首次提出用于CRT反应预测的多模态深度学习方法，能够仅使用2D超声心动图数据时仍利用学习到的CMR与超声心动图特征间的隐含关系	研究队列规模较小（仅50名患者），需要进一步验证	开发心脏再同步化治疗反应预测模型	接受心脏再同步化治疗的患者	医学影像分析	心血管疾病	2D超声心动图，心脏磁共振成像	深度学习	医学影像	50名CRT患者，配对的超声心动图/CMR数据	nnU-Net	U-Net	准确率，敏感性，特异性	NA
9	2025-10-06	Deep Learning-Accelerated Designs of Tunable Magneto-Mechanical Metamaterials 2022-Jul-27, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.2c09052 PMID:35833606	研究论文	开发了一种基于深度学习的逆向设计框架，用于设计可调谐磁机械超材料	使用深度残差网络替代传统有限元分析，实现快速逆向设计磁机械超材料	NA	开发能够根据预定性能逆向设计磁机械超材料的框架	磁机械超材料	机器学习	NA	直接墨水书写打印方法	深度学习	模拟数据	NA	NA	ResNet	NA	NA
10	2025-05-23	Emerging role of artificial intelligence in therapeutics for COVID-19: a systematic review 2022-07, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2020.1855250 PMID:33300456	系统综述	探讨人工智能在COVID-19治疗中的作用	首次系统综述了人工智能在COVID-19药物再利用、新药发现、疫苗和抗体开发中的应用	人工智能筛选程序目前处于起步阶段，仅依赖此类算法并不可取，需要基于证据的方法来确认其有效性	阐明人工智能在COVID-19治疗中的作用	COVID-19的治疗方法，包括药物再利用、新药发现、疫苗和抗体开发	人工智能	COVID-19	AI, 机器学习, 深度学习	NA	文献数据	31项研究	NA	NA	NA	NA
11	2025-10-07	Multimodal Autoencoder Predicts fNIRS Resting State From EEG Signals 2022-07, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-021-09538-3 PMID:34378155	研究论文	提出一种多模态自编码器架构，能够从癫痫患者的脑电图信号预测功能性近红外光谱静息状态	首次证明基于脑电图功率谱幅度调制的频率振荡可以预测大脑血流动力学，通过多模态序列到序列自编码器实现无需先验知识的fNIRS信号预测	研究仅针对40名癫痫患者，样本量有限，且仅在静息状态下进行验证	探索脑电图信号与功能性近红外光谱信号之间的关联性，实现从神经电活动到血流动力学的跨模态预测	40名癫痫患者的脑电图和功能性近红外光谱多模态记录数据	机器学习	癫痫	脑电图，功能性近红外光谱	LSTM, CNN	脑电信号，光谱信号	40名癫痫患者	NA	多模态序列到序列自编码器	基于种子的功能连接性验证	NA
12	2025-02-21	Time-Frequency Mask-Aware Bidirectional LSTM: A Deep Learning Approach for Underwater Acoustic Signal Separation 2022-Jul-26, Sensors (Basel, Switzerland) DOI:10.3390/s22155598 PMID:35898099	研究论文	本文提出了一种基于深度学习的双向长短期记忆网络（Bi-LSTM）方法，用于水下声学信号分离	提出了一种时间频率掩码感知的Bi-LSTM网络，突破了现有方法仅适用于二元信号分离的限制，能够在高噪声条件下有效分离多元信号	该模型只能处理已知信号，如用于校准的测试信号	提高水下声学信号分离的性能，特别是在高噪声环境下的多元信号分离	水下声学信号	机器学习	NA	深度学习	双向长短期记忆网络（Bi-LSTM）	时间频率图像	NA	NA	NA	NA	NA
13	2025-02-21	Prediction of Time-Series Transcriptomic Gene Expression Based on Long Short-Term Memory with Empirical Mode Decomposition 2022-Jul-07, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms23147532 PMID:35886880	研究论文	本研究提出了一种基于信号分解技术和深度学习的多LSTM方法，用于预测时间序列转录组基因表达	结合经验模态分解（EMD）算法和长短期记忆（LSTM）网络，提出了一种新的分解-组合预测框架，以提高数据稳定性和模型鲁棒性	未提及具体的数据集大小或实验验证的广泛性	开发一种人工智能方法，以更好地利用有限的数据，在数据缺失的情况下获得有意义且可靠的分析结果	时间序列转录组基因表达数据	机器学习	NA	经验模态分解（EMD）	长短期记忆（LSTM）	时间序列数据	NA	NA	NA	NA	NA
14	2025-02-21	Long short-term memory neural network for directly inverse design of nanofin metasurface 2022-Jul-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.458453 PMID:35776595	研究论文	本文使用长短期记忆神经网络（LSTM）快速准确地预测纳米鳍超表面的偏振敏感性，并与深度神经网络（DNN）进行比较，展示了LSTM在类似情况下的更高准确性和更好的鲁棒性	本文创新地直接使用LSTM进行纳米鳍超表面的逆设计，无需引入其他网络，方法更为直接	NA	研究纳米鳍超表面的偏振敏感性预测及其逆设计	纳米鳍超表面	机器学习	NA	LSTM, DNN	LSTM, DNN	数值数据	NA	NA	NA	NA	NA
15	2025-02-21	A Deep Learning Framework Based on Dynamic Channel Selection for Early Classification of Left and Right Hand Motor Imagery Tasks 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/EMBC48229.2022.9871446 PMID:36085892	研究论文	本文提出了一种基于动态通道选择的深度学习框架，用于早期分类左右手运动想象任务	结合1D卷积神经网络-长短期记忆网络（CNN-LSTM）和基于Davies-Bouldin指数（DBI）的动态通道选择方法，提高了分类准确率	NA	开发一种高效的脑机接口（BCI）分类器，能够在短时间内从脑电图（EEG）信号中准确分类运动想象任务	脑电图（EEG）信号	机器学习	NA	脑电图（EEG）	1D CNN-LSTM	脑电图（EEG）信号	BCI competition IV-IIa数据集	NA	NA	NA	NA
16	2025-02-21	CNN-LSTM Based Multimodal MRI and Clinical Data Fusion for Predicting Functional Outcome in Stroke Patients 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/EMBC48229.2022.9871735 PMID:36085793	研究论文	本文提出了一种基于CNN-LSTM的多模态MRI和临床数据融合模型，用于预测中风患者的功能性结果	首次提出了一种深度学习方法，结合了体素水平的影像数据和关键临床元数据，用于预测接受机械取栓治疗的中风患者的临床结果	NA	预测中风患者的功能性结果	中风患者	计算机视觉	心血管疾病	MRI	CNN-LSTM	图像, 临床数据	NA	NA	NA	NA	NA
17	2025-10-07	Automatic information extraction from childhood cancer pathology reports 2022-Jul, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooac049 PMID:35721398	研究论文	开发基于深度学习的模型从儿童癌症病理报告中自动提取信息并进行ICCC分类	首次开发用于ICCC分类的机器学习模型，并提出直接ICCC分类方法优于ICD-O-3分类再利用的方法	仅使用6个州癌症登记处的数据，模型对14.8%的模糊病理报告无法分配代码	开发自动信息提取系统以辅助州癌症登记处的人工标注工作	儿童癌症病理报告	自然语言处理	儿童癌症	深度学习	深度学习模型	文本	29206份来自6个州癌症登记处的0-19岁患者病理报告	NA	NA	micro-F1分数	NA
18	2025-10-07	Development of a Visualization Deep Learning Model for Classifying Origins of Ventricular Arrhythmias 2022-07-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-22-0065 PMID:35387940	研究论文	开发基于可视化深度学习模型用于分类心室心律失常起源	首次将梯度加权类激活映射方法应用于12导联心电图心律失常起源分类，实现模型决策过程的可视化	研究样本量较小（仅80例患者），需进一步扩大验证	创建可准确分类心律失常起源的可视化深度学习模型	接受导管消融治疗的80例心律失常患者	医疗人工智能	心血管疾病	12导联心电图	CNN	心电图信号	80例患者	NA	卷积神经网络	准确率, 召回率	NA
19	2024-12-11	Deep learning on time series laboratory test results from electronic health records for early detection of pancreatic cancer 2022-07, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104095 PMID:35598881	研究论文	本研究开发了一种深度学习框架，利用电子健康记录中的纵向临床数据进行胰腺癌的早期检测	提出了一个新颖的训练协议，通过应用独立泊松随机掩码强调早期检测，并使用分组神经网络架构进行数据融合	研究结果的普适性需要进一步验证，尤其是在不同疾病和人群中的应用	开发一种能够利用电子健康记录中的纵向临床数据进行胰腺癌早期检测的深度学习框架	电子健康记录中的纵向临床数据和胰腺癌的早期检测	机器学习	胰腺癌	深度学习	分组神经网络（GrpNN）	时间序列数据	使用了来自哥伦比亚大学欧文医学中心-纽约长老会医院的数据	NA	NA	NA	NA
20	2024-12-08	Deep learning in light-matter interactions 2022-Jul, Nanophotonics (Berlin, Germany) DOI:10.1515/nanoph-2022-0197 PMID:39635557	研究论文	本文探讨了深度学习在光物质相互作用中的应用及其带来的机遇和挑战	深度学习改善了纳米光子器件的设计和实验数据的获取与分析，甚至在理论基础不足或过于复杂的情况下	深度学习作为黑箱模型，难以理解和解释其结果和可靠性，尤其是在数据集不完整或数据由对抗性方法生成时	探讨深度学习在光子学中的应用及其带来的机遇和挑战	光物质相互作用及其在光子学中的应用	机器学习	NA	深度学习	NA	实验数据和模拟数据	NA	NA	NA	NA	NA