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	2026-10-01	Deep learning-based speech analysis for Alzheimer's disease detection: a literature review 2022-12-14, Alzheimer's research & therapy DOI:10.1186/s13195-022-01131-3 PMID:36517837	综述	本文综述了基于深度学习的语音分析在阿尔茨海默病检测中的最新研究进展	系统整合了语音数据库、深度学习方法和模型性能，指出了当前研究的主流方向和局限性	仅纳入52篇论文，可能未覆盖所有相关研究，且未进行定量荟萃分析	综述基于深度学习的语音分析用于阿尔茨海默病检测的研究进展，为未来研究提供方向	阿尔茨海默病、痴呆或认知障碍患者的语音数据	自然语言处理	阿尔茨海默病	语音分析	深度学习	语音	52篇论文	NA	NA	NA	NA
2	2026-10-01	A novel knowledge extraction method based on deep learning in fruit domain 2022-12-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-26116-y PMID:36513750	研究论文	本文提出一种基于深度学习的重叠三元组抽取模型，用于从水果营养领域非结构化文本中提取实体和关系，以构建结构化的水果营养知识库	针对水果营养领域语料中存在的重叠三元组问题（即同一主语对应多个宾语或同一主宾语对应多种关系），提出将关系建模为主语到宾语的映射函数，并将主语混合信息输入关系-宾语抽取模型以同时检测宾语和关系	未明确说明模型的泛化能力是否适用于其他领域，也未讨论计算复杂度或对标注数据规模的敏感性	解决水果营养领域文本中重叠三元组难以准确抽取的问题，并构建高质量结构化的水果营养知识库	水果营养领域非结构化文本语料及人工标注的水果营养领域数据集	自然语言处理	NA	深度学习	关系-宾语抽取模型（具体架构未明确说明）	文本	人工标注的水果营养领域数据集（具体样本数量未说明）	NA	NA	未明确说明具体指标，但提及达到state-of-the-art性能	NA
3	2026-10-01	Deep learning-based age estimation from chest X-rays indicates cardiovascular prognosis 2022-Dec-09, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-022-00220-6 PMID:36494479	研究论文	该研究训练了一个深度神经网络模型，仅从胸部X光图像中估计患者年龄，并验证了估计年龄（X光年龄）与心血管疾病预后的关联	首次利用超过10万张胸部X光图像训练深度神经网络进行年龄估计，并系统性地验证了X光年龄在心力衰竭和心血管疾病ICU患者中的临床预后价值	摘要中未明确提及研究局限性	利用人工智能从胸部X光图像中估计年龄，并探讨估计年龄对心血管疾病预后的临床意义	心力衰竭住院患者和心血管疾病ICU入院患者	计算机视觉	心血管疾病	NA	深度神经网络	图像	超过100,000张胸部X光图像用于模型训练，1,562名连续住院心力衰竭患者和3,586名心血管疾病ICU入院患者用于临床验证	NA	深度神经网络	相关性分析、临床结局（心力衰竭再入院、全因死亡）	NA
4	2026-10-01	Automated detection of dental restorations using deep learning on panoramic radiographs 2022-Dec-01, Dento maxillo facial radiology DOI:10.1259/dmfr.20220244 PMID:36043433	研究论文	本研究提出了一种基于深度学习的计算机辅助检测系统，用于在全景X光片中自动检测牙科修复体、假牙和种植体	使用了十种不同的深度学习检测模型，包括R-CNN、Faster R-CNN、SSD、YOLOv3和RetinaNet作为检测器，并集成了ResNet-50、ResNet-101、XCeption-101、VGG16和DarkNet53作为骨干和特征提取器，此外还采用了Side-Aware Boundary Localization、级联结构和Libra、Dynamic等简单模型框架	错误主要由定位混淆导致，未来需要通过更多数据和标准化报告来训练模型	开发一个全面的计算机辅助检测系统，用于自动检测牙科修复体，以支持治疗规划和牙科健康管理	全景X光片中的牙科修复体、假牙和种植体	计算机视觉	NA	深度学习	CNN	图像	684个对象	NA	ResNet-50, ResNet-101, XCeption-101, VGG16, DarkNet53, R-CNN, Faster R-CNN, SSD, YOLOv3, RetinaNet	mAP, AR, precision-recall curve, 精确率-召回率曲线下面积	NA
5	2026-09-21	Outsourcing Training without Uploading Data via Efficient Collaborative Open-Source Sampling 2022-Dec, Advances in neural information processing systems PMID:37151570	研究论文	该论文提出了一种名为ECOS的策略，通过利用开源的公共数据来构建代理数据集，从而在不上传数据的情况下将模型训练外包给云服务器。	提出ECOS策略，仅通过通信和计算高效的采样过程（传输少量压缩的公共特征和客户端标量响应）从开源数据中构建近端代理数据集，替代客户端数据用于云端训练。	未明确说明ECOS的局限性，例如对开源数据质量和分布匹配的依赖、潜在隐私泄露风险等。	解决传统外包训练中需要上传设备数据导致的隐私和通信带宽问题，实现无需上传数据的外包训练。	开源数据（如互联网图像）和客户端数据分布。	机器学习	NA	NA	NA	图像	NA	NA	NA	NA	NA
6	2026-09-20	Could artificial intelligence revolutionize the development of nanovectors for gene therapy and mRNA vaccines? 2022-Dec, Nano today IF:13.2Q1 DOI:10.1016/j.nantod.2022.101665 PMID:37034382	综述	本文综述了人工智能及其主要子领域在基因治疗和mRNA疫苗纳米载体开发中的应用潜力	系统探讨了人工智能在靶向基因递送载体设计、CRISPR/Cas系统改进、新型纳米机器人和mRNA疫苗载体开发中的潜在应用	未涉及具体实验数据或案例验证，主要停留在理论探讨和展望层面	探讨人工智能如何革新基因治疗和mRNA疫苗的纳米载体开发	基因治疗、mRNA疫苗、纳米载体、人工智能技术	机器学习	NA	基因治疗、CRISPR/Cas、mRNA疫苗、纳米载体技术	神经网络、深度学习	NA	NA	NA	NA	NA	NA
7	2026-08-18	Deep residual inception encoder-decoder network for amyloid PET harmonization 2022-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.12564 PMID:35142053	研究论文	开发并验证了一种用于不同淀粉样蛋白PET示踪剂图像协调的深度学习模型，以改善共识解释和定量分析	提出了一种基于残差Inception编码器-解码器的新型深度学习模型，用于不同淀粉样蛋白PET示踪剂图像之间的协调	进一步研究正在进行中，以改进模型并应用到其他示踪剂	开发一种深度学习模型作为淀粉样蛋白PET图像协调策略，以解决不同示踪剂间的图像差异问题	匹兹堡化合物B和florbetapir示踪剂的淀粉样蛋白PET图像对	数字病理学，机器学习	阿尔茨海默病（与淀粉样蛋白成像相关）	PET成像	深度学习模型，编码器-解码器神经网络	图像	92名受试者用于训练（10折交叉验证），独立外部数据集46名受试者用于验证	NA	Residual Inception Encoder-Decoder Network	相关性（P值）	NA
8	2026-08-13	Letter to the editor regarding 'deep learning for vessel-specific coronary artery calcium scoring: validation on a multi-centre dataset' 2022-12-19, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeac203 PMID:36208191	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9	2026-08-13	Reply to: Letter to the editor regarding 'Deep learning for vessel-specific coronary artery calcium scoring: validation on a multi-centre data set' 2022-12-19, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeac213 PMID:36288548	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10	2026-05-27	Primary Open-Angle Glaucoma Diagnosis from Optic Disc Photographs Using a Siamese Network 2022-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100209 PMID:36531584	research paper	提出了一种基于孪生神经网络POAGNet的方法，通过模拟临床分级过程，利用视盘照片诊断原发性开角型青光眼	首次使用孪生神经网络模拟临床医生对比随访图像与基线图像的过程，从视盘照片诊断原发性开角型青光眼，并引入深度监督的侧输出层	未在文中明确说明，但跨数据集验证的AUC仍低于单数据集训练效果，泛化能力有限	开发一种通过模拟临床比较过程来提高青光眼诊断准确性的深度学习方法	原发性开角型青光眼诊断中的视盘照片	computer vision	glaucoma	optic disc photography	Siamese neural network	image	OHTS数据集包含37,339张视盘照片（来自1,636名参与者），SIG数据集包含3,684张视盘照片	NA	Siamese network	area under the receiver operating characteristic curve, accuracy, sensitivity, specificity	NA
11	2026-04-18	Exposing the Limitations of Molecular Machine Learning with Activity Cliffs 2022-Dec-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.2c01073 PMID:36456532	研究论文	本研究通过评估24种机器学习和深度学习方法在活性悬崖化合物上的性能，揭示了分子机器学习模型在处理活性悬崖时的局限性，并提出了改进建议	首次系统性地评估了多种机器学习方法在活性悬崖化合物上的性能，并开发了开源基准平台MoleculeACE来引导社区关注这一被忽视的挑战	所有方法在活性悬崖存在时均表现不佳，且性能存在较大的个案差异，表明当前模型仍难以准确预测此类边缘情况	填补活性悬崖对机器学习模型性能影响的知识空白，并推动开发更有效的预测方法	从30个大分子靶点中提取的经过整理的生物活性数据，重点关注活性悬崖化合物	机器学习	NA	NA	机器学习,深度学习	分子数据	来自30个大分子靶点的生物活性数据	NA	NA	NA	NA
12	2026-03-31	Symphonizing pileup and full-alignment for deep learning-based long-read variant calling 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00387-x PMID:38177392	研究论文	本文介绍了Clair3，一种基于深度学习的变异检测工具，通过结合pileup和全比对方法，提高了长读长测序中单核苷酸多态性检测的性能和速度	Clair3创新性地整合了pileup和全比对两种方法，前者处理大多数变异候选以提升速度，后者处理复杂候选以最大化精确度和召回率，从而在低覆盖度下实现更优性能	NA	开发一种高效且准确的基于深度学习的变异检测工具，用于长读长测序数据	长读长测序数据中的单核苷酸多态性	机器学习	NA	长读长测序	深度学习	测序数据	NA	NA	NA	精确度, 召回率	NA
13	2026-03-31	Single-sequence protein structure prediction using supervised transformer protein language models 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00373-3 PMID:38177395	研究论文	本文介绍了一种名为trRosettaX-Single的自动化算法，用于单序列蛋白质结构预测	结合了监督式Transformer蛋白质语言模型的序列嵌入，并通过知识蒸馏增强的多尺度网络来预测残基间二维几何，从而重建三维结构	未明确提及具体局限性，但可能依赖于特定数据集或计算资源	开发一种高效的单序列蛋白质结构预测方法	孤儿蛋白质、人工设计蛋白质以及网络幻觉生成的蛋白质	机器学习	NA	蛋白质结构预测	Transformer	蛋白质序列	2,000个网络幻觉生成的设计蛋白质	NA	Transformer	模板建模分数（TM-score）	未指定具体资源，但提到计算资源使用少于10%且比AlphaFold2快两倍
14	2026-03-10	Integrative single-cell analysis of cardiogenesis identifies developmental trajectories and non-coding mutations in congenital heart disease 2022-12-22, Cell IF:45.5Q1 DOI:10.1016/j.cell.2022.11.028 PMID:36563664	研究论文	本研究通过单细胞染色质可及性图谱，揭示了心脏发育的细胞分化轨迹和转录因子活动，并利用深度学习模型解析调控序列，发现先天性心脏病中非编码突变的富集	整合单细胞分析识别心脏发育轨迹，结合深度学习模型解读染色质可及性，首次在先天性心脏病中富集预测影响动脉内皮细胞可及性的非编码突变	研究基于胎儿心脏组织，可能无法完全反映成人或疾病晚期状态；体外验证仅限于iPSC模型，体内功能影响需进一步探索	解析心脏发育的细胞类型特异性调控景观，并探究先天性心脏病的非编码突变机制	人类胎儿心脏组织、iPSC衍生的心脏细胞类型	计算生物学	先天性心脏病	单细胞染色质可及性测序、iPSC分化、深度学习建模	深度学习模型	单细胞染色质可及性数据、基因组序列	人类胎儿心脏组织样本，具体数量未明确说明	NA	NA	NA	NA
15	2026-03-03	Deep neural networks with knockoff features identify nonlinear causal relations and estimate effect sizes in complex biological systems 2022-12-28, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giad044 PMID:37395630	研究论文	本文开发了一种名为DAG-deepVASE的计算方法，结合深度神经网络和敲除框架，用于识别非线性因果关系并估计效应大小	首次开发了能够明确学习非线性因果关系并估计效应大小的计算方法，克服了现有生物信息学方法在复杂生物系统中的局限性	NA	学习因果结构以识别复杂疾病的风险因素、疾病机制和候选治疗方法	复杂生物系统中的分子和临床数据	机器学习	复杂疾病	NA	深度神经网络	模拟数据、分子数据、临床数据	NA	NA	NA	NA	NA
16	2026-03-02	Airway Detection in COPD at Low-Dose CT Using Deep Learning and Multiparametric Freeze and Grow 2022-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.210311 PMID:36601453	研究论文	本研究提出并验证了一种在低剂量CT中用于慢性阻塞性肺疾病（COPD）患者气道检测的全自动方法	结合深度学习与多参数冻结与增长方法，优化了低剂量CT下的气道检测，并在多数据集上验证了其性能	研究为回顾性设计，且在不同CT扫描仪获取的数据上未重新训练时观察到气道检测损失	开发并验证一种全自动的低剂量CT气道检测方法，用于COPD研究	COPD患者及非吸烟者的低剂量CT扫描数据	数字病理学	慢性阻塞性肺疾病	低剂量CT扫描	深度学习	CT图像	四个数据集，包括COPDGene II期（n=2×236）、COPDGene III期（n=335）及荷兰-比利时肺癌筛查试验（n=55）的CT扫描	NA	NA	总气道计数、外周气道计数、Wilcoxon符号秩检验	NA
17	2025-11-27	An automated unsupervised deep learning-based approach for diabetic retinopathy detection 2022-Dec, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-022-02688-9 PMID:36274090	研究论文	提出一种基于无监督深度学习的自动化糖尿病视网膜病变检测方法	首次采用无监督学习与深度学习的混合方法检测糖尿病视网膜病变，提出了改进的模糊聚类方法和改进的卷积神经网络	NA	开发自动检测糖尿病视网膜病变相关视网膜异常的自动化技术	糖尿病视网膜病变患者的视网膜图像	计算机视觉	糖尿病视网膜病变	NA	CNN	视网膜图像	三个不同数据集：DIARETDB1、APTOS和Liverpool	NA	改进的卷积神经网络	准确率	NA
18	2025-10-06	Computed cancer interactome explains the effects of somatic mutations in cancers 2022-12, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4479 PMID:36261849	研究论文	本研究应用AlphaFold预测癌症蛋白质相互作用网络，并分析体细胞错义突变在相互作用界面的分布规律	首次系统性地应用AlphaFold构建癌症蛋白质相互作用组，为1,087个缺乏三维结构信息的蛋白质复合体提供结构模型	预测的蛋白质相互作用需要实验验证，分析方法主要基于计算预测	研究癌症中蛋白质相互作用网络及其与体细胞突变的关系	癌症驱动蛋白及其相互作用网络	计算生物学	癌症	AlphaFold深度学习，蛋白质结构预测	深度学习	蛋白质序列，三维结构数据	1,798个预测的蛋白质相互作用，1,087个新结构模型	AlphaFold	深度学习架构（具体未指明）	富集分析，缺失分析	NA
19	2025-10-06	Fast and scalable search of whole-slide images via self-supervised deep learning 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00929-8 PMID:36217022	研究论文	提出一种基于自监督深度学习的全切片图像快速检索方法SISH	开发了检索速度与数据库大小无关的WSI检索算法，仅需切片级别标注即可训练	NA	开发无需监督训练的全切片图像快速检索方法	全切片图像(WSI)	数字病理学	癌症	自监督深度学习	深度学习	图像	超过22,000例患者病例，56种疾病亚型	NA	SISH	NA	NA
20	2025-10-06	Detection of signs of disease in external photographs of the eyes via deep learning 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00867-5 PMID:35352000	研究论文	本研究开发了一种基于深度学习的外部眼部照片分析系统，用于检测糖尿病视网膜病变等眼部疾病	首次使用外部眼部照片而非视网膜底片照片，通过深度学习检测多种糖尿病相关眼部疾病和血糖控制不良	需要进一步验证在不同相机设备和患者群体中的适用性	开发基于外部眼部照片的疾病检测深度学习模型	糖尿病患者的外部眼部照片	计算机视觉	糖尿病视网膜病变	深度学习	深度学习模型	图像	145,832名糖尿病患者用于训练，48,644名患者用于验证	NA	NA	预测性能	NA