深度学习在生物医药领域中的应用

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
1	2025-09-07	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	实现与数据库大小无关的检索速度，仅需切片级别标注即可训练	NA	开发无需监督训练的数字化病理图像快速检索系统	全切片图像（WSIs）	数字病理学	癌症（多种亚型）	自监督深度学习	深度学习（具体架构未说明）	图像	超过22,000例患者病例，涵盖56种疾病亚型
2	2025-09-06	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	利用深度学习模型分析眼部外部照片以检测糖尿病视网膜病变等疾病	首次证明无需视网膜眼底照片，仅通过眼部外部照片即可利用深度学习检测多种糖尿病相关眼病和血糖控制不良	需要进一步在不同相机设备和患者群体中验证模型的通用性	开发基于深度学习的眼部外部照片分析系统用于疾病筛查	糖尿病患者及普通眼科护理人群	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
3	2025-09-06	Derivation of prognostic contextual histopathological features from whole-slide images of tumours via graph deep learning 2022-Dec, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00923-0 PMID:35982331	研究论文	通过图深度学习从肿瘤全切片图像中提取具有预后价值的上下文组织病理学特征	首次在半监督方式下利用图深度神经网络分析肿瘤微环境的上下文特征，并生成可解释的预后生物标志物	NA	开发能够从全切片图像中提取预后相关上下文特征的计算病理学方法	肾癌、乳腺癌、肺癌和子宫癌患者的全切片图像	数字病理	多癌种（肾癌、乳腺癌、肺癌、子宫癌）	图深度学习、注意力机制	图神经网络（GNN）	全切片图像（WSI）	3,950名患者（四种癌症类型），其中1,333名肾透明细胞癌患者用于风险分层验证
4	2025-09-06	Graph deep learning detects contextual prognostic biomarkers from whole-slide images 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00927-w PMID:35986140	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5	2025-09-06	Graph deep learning for the characterization of tumour microenvironments from spatial protein profiles in tissue specimens 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00951-w PMID:36357512	研究论文	利用图神经网络分析空间蛋白质数据以表征肿瘤微环境并预测临床结果	提出基于局部子图的图深度学习模型，捕捉与临床结果相关的独特细胞相互作用，优于基于细胞类型局部组成的深度学习方法	NA	识别与癌症复发和患者生存相关的空间模式，并预测患者预后	人类头颈癌和结直肠癌组织样本	数字病理	头颈癌和结直肠癌	多重免疫荧光成像	图神经网络	空间蛋白质数据	NA
6	2025-07-20	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	本文开发并验证了一种深度学习模型，用于协调不同淀粉样蛋白PET示踪剂生成的图像	提出了一种基于编码器-解码器的深度残差初始网络，用于淀粉样蛋白PET图像的协调	模型需要进一步改进以适用于更多示踪剂	开发一种深度学习模型，用于协调不同淀粉样蛋白PET示踪剂生成的图像	淀粉样蛋白PET图像	数字病理学	老年疾病	PET成像	Residual Inception Encoder-Decoder Neural Network	图像	92名受试者用于训练，46名受试者用于外部测试
7	2025-07-10	Neuron tracing from light microscopy images: automation, deep learning and bench testing 2022-12-13, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac712 PMID:36303315	综述	本文综述了从光学显微镜图像中自动追踪神经元形态的最新进展，特别是深度学习方法的应用	重点介绍了深度学习增强方法的最新进展，以及哺乳动物全脑单神经元追踪的半自动方法及其生成的大规模数据集	NA	帮助研究社区了解和选择神经元追踪工具及资源	神经元形态学	数字病理学	NA	光学显微镜成像	深度学习方法	图像	包含数千个完整神经元形态的数据集
8	2025-07-08	Refinement of AlphaFold2 Models against Experimental Cryo-EM Density Maps at 4-6Å Resolution 2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm55620.2022.9995676 PMID:40612328	research paper	本研究探讨了深度学习蛋白质结构预测方法AlphaFold2在解析4-6 Å分辨率冷冻电镜图谱中的应用	结合实验与AI方法，从低分辨率密度图中构建准确模型，并评估AlphaFold2模型在低分辨率冷冻电镜图谱中的表现	小链（115个残基）的预测效果较差，TM-score仅为0.52，且后续精炼步骤的成功与否高度依赖于AlphaFold2预测质量、冷冻电镜数据质量及模型与密度图的匹配度	评估AlphaFold2在低分辨率冷冻电镜图谱中的模型精炼效果	蛋白质结构模型与冷冻电镜密度图	computational biology	NA	cryo-EM, AlphaFold2	AlphaFold2	cryo-EM density maps, protein structure models	10个实验图谱/模型对（包含9个较大链（226-373个残基）和1个小链（115个残基））
9	2025-06-24	Application of machine and deep learning algorithms in optical microscopic detection of Plasmodium: A malaria diagnostic tool for the future 2022-Dec, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2022.103198 PMID:36379305	review	本文系统回顾了机器和深度学习算法在光学显微镜检测疟原虫中的应用，探讨了其作为未来疟疾诊断工具的潜力	通过系统回顾，揭示了卷积神经网络（CNN）及其变体在疟疾显微镜诊断中的主导地位，准确率达到99.23%	研究依赖于现有文献，可能未涵盖所有相关研究或最新进展	探讨机器和深度学习算法在疟疾光学显微镜诊断中的应用效果	疟原虫的光学显微镜检测	digital pathology	malaria	optical microscopy	CNN	image	NA
10	2025-06-24	The applications of machine learning in HIV neutralizing antibodies research-A systematic review 2022-12, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2022.102429 PMID:36462896	review	本文系统回顾了机器学习在HIV中和抗体研究中的应用	综述了机器学习在HIV中和抗体研究中的多样化应用，包括中和效力预测、抗体-病毒结合位点检测等	未提及具体研究的样本量或数据限制	探索机器学习在HIV中和抗体研究中的应用潜力	HIV中和抗体	machine learning	HIV	NA	supervised, unsupervised, and generative models	biological data	NA
11	2025-06-21	State-of-the-Art Estimation of Protein Model Accuracy Using AlphaFold 2022-Dec-02, Physical review letters IF:8.1Q1 DOI:10.1103/PhysRevLett.129.238101 PMID:36563190	research paper	该论文探讨了利用AlphaFold从蛋白质的初级氨基酸序列预测其3D结构的最新进展	证明了AlphaFold学习了一种近似生物物理能量函数，并能够在不使用共进化数据的情况下，以最先进的准确性评估候选蛋白质结构的质量	研究未提及具体样本量或实验条件的限制	探索仅从蛋白质的初级序列预测其3D结构的可能性	蛋白质的3D结构预测	structural biology	NA	deep learning, coevolutionary data analysis	AlphaFold	protein sequences, 3D structure data	NA
12	2025-06-07	An efficient real-time stock prediction exploiting incremental learning and deep learning 2022-Dec-21, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09481-x PMID:38625328	研究论文	提出了一种基于增量学习和离线-在线学习的实时股票价格预测策略	结合增量学习和离线-在线学习两种方法，实时更新模型以适应市场的动态变化	仅在美国NASDAQ和印度NSE交易所的八只高流动性股票上进行了测试，可能不适用于其他市场或股票	提高实时股票价格预测的准确性	股票市场的实时价格数据	机器学习	NA	增量学习, 离线-在线学习	深度学习模型	时间序列数据	美国NASDAQ和印度NSE交易所的八只高流动性股票
13	2025-06-06	Assessing Trustworthy AI in Times of COVID-19: Deep Learning for Predicting a Multiregional Score Conveying the Degree of Lung Compromise in COVID-19 Patients 2022-Dec, IEEE transactions on technology and society DOI:10.1109/TTS.2022.3195114 PMID:36573115	研究论文	本文展示了如何在医疗保健领域实践欧盟高级专家组的可信AI指南，并探讨了COVID-19疫情期间'可信AI'的含义	应用Z-Inspection®方法进行后验自我评估，以评估AI系统在COVID-19疫情期间的可信度	研究局限于疫情期间在意大利一家诊所的实验性部署，可能不具有广泛代表性	评估AI系统在预测COVID-19患者肺部损伤程度方面的可信度	COVID-19患者的胸部X光片	数字病理学	COVID-19	深度学习	NA	医学影像	NA
14	2025-04-06	Deep learning and radiomics framework for PSMA-RADS classification of prostate cancer on PSMA PET 2022-Dec-29, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-022-00948-1 PMID:36580220	研究论文	开发了一个深度学习和放射组学框架，用于在PSMA PET图像上进行前列腺癌的PSMA-RADS分类	结合深度学习和放射组学方法，实现了病变级别和患者级别的PSMA-RADS分类，并提供了置信度和概率评分	研究为回顾性研究，样本来源单一	提高前列腺癌在PSMA PET图像上的分类准确性	前列腺癌患者的PSMA PET图像	数字病理学	前列腺癌	PET/CT扫描	深度学习	医学影像	267名男性患者的3794个病变
15	2025-03-21	Dimensionally consistent learning with Buckingham Pi 2022-Dec, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00355-5 PMID:38177386	研究论文	本文提出了一种自动化方法，利用测量数据的对称性和自相似结构，通过Buckingham Pi定理发现最佳降维的无量纲群	开发了三种数据驱动技术，结合Buckingham Pi定理作为约束，包括约束优化问题、深度学习算法（BuckiNet）和基于稀疏识别非线性动力学的技术	NA	探索在没有控制方程的情况下，通过维度分析提取物理系统的洞察和对称性	物理系统中的测量变量和参数	机器学习	NA	Buckingham Pi定理，深度学习，稀疏识别非线性动力学	深度学习算法（BuckiNet）	测量数据	NA
16	2025-03-08	Reinforcement learning using Deep Q networks and Q learning accurately localizes brain tumors on MRI with very small training sets 2022-12-23, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-022-00919-x PMID:36564724	研究论文	本文探讨了使用深度Q网络和Q学习在MRI上精确定位脑肿瘤的方法，特别是在小训练集上的应用	将深度Q学习推广到基于网格世界的环境，仅需图像和图像掩码，解决了监督深度学习在放射学中的三大限制：需要大量手工标注数据、不可泛化以及缺乏解释性和直觉	研究仅基于30个二维图像切片进行训练和测试，样本量较小	探索强化学习在MRI图像上定位脑肿瘤的应用，特别是在小训练集上的表现	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	深度Q学习	Deep Q Network	图像	30个二维图像切片用于训练，30个用于测试
17	2025-02-21	A Novel CNN-LSTM Hybrid Model for Prediction of Electro-Mechanical Impedance Signal Based Bond Strength Monitoring 2022-Dec-16, Sensors (Basel, Switzerland) DOI:10.3390/s22249920 PMID:36560293	研究论文	本研究提出了一种新颖的CNN-LSTM混合模型，用于预测基于机电阻抗信号的粘结强度监测	结合了卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合模型，用于预测机电阻抗信号	研究仅限于混凝土圆柱样本和嵌入的钢筋，未涉及其他材料或结构	评估机电阻抗技术在监测钢筋混凝土粘结强度发展中的性能	钢筋混凝土圆柱样本和嵌入的钢筋	结构健康监测	NA	机电阻抗（EMI）技术	CNN-LSTM混合模型	机电阻抗信号	混凝土圆柱样本和嵌入的钢筋
18	2025-02-21	New onset delirium prediction using machine learning and long short-term memory (LSTM) in electronic health record 2022-12-13, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocac210 PMID:36303456	研究论文	本文开发并测试了一种结合长短期记忆（LSTM）和机器学习的深度学习模型，用于预测住院成年患者的新发谵妄	结合LSTM和LightGBM模型，显著提高了新发谵妄的预测性能，为后续开发临床决策支持工具提供了算法基础	研究仅基于单一大型学术医疗中心的电子健康记录数据，可能限制了模型的泛化能力	开发并测试一种准确预测住院成年患者新发谵妄的深度学习模型	住院成年患者	机器学习	老年疾病	电子健康记录（EHR）数据分析	LSTM, LightGBM	电子健康记录数据	34,035名患者的331,489次CAM评估
19	2025-02-21	Sensor Data Prediction in Missile Flight Tests 2022-Dec-02, Sensors (Basel, Switzerland) DOI:10.3390/s22239410 PMID:36502111	研究论文	本文提出了一种结合小波分析方法的深度学习预测网络，用于导弹飞行测试中的传感器数据预测	结合小波变换和生成对抗网络（GAN）来重构缺失的传感器数据，并使用带有注意力和扩张网络的长短期记忆（LSTM）进行精确预测	未提及具体的数据集规模或实验的广泛性	提高导弹飞行测试中传感器数据的预测准确性	导弹飞行测试中的传感器数据	机器学习	NA	小波变换，生成对抗网络（GAN），长短期记忆（LSTM）	GAN, LSTM	传感器数据	实际导弹飞行测试中的传感器数据
20	2025-02-21	Hybrid the long short-term memory with whale optimization algorithm and variational mode decomposition for monthly evapotranspiration estimation 2022-12-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-25208-z PMID:36456679	研究论文	本文提出了一种结合长短期记忆网络（LSTM）、鲸鱼优化算法（WOA）和变分模态分解（VMD）的混合模型（VMD-WOA-LSTM），用于估算腾格里沙漠东南边缘的月蒸散发量（ET）	创新点在于结合了LSTM、WOA和VMD三种技术，提出了一种新的混合模型VMD-WOA-LSTM，用于更准确地估算沙漠地区的月蒸散发量	研究仅限于腾格里沙漠东南边缘地区，未涉及其他沙漠或气候条件不同的区域	研究目的是通过提出一种新的混合模型，提高沙漠地区月蒸散发量的估算精度，以支持人工植被的可持续性管理	研究对象为腾格里沙漠东南边缘地区的月蒸散发量	机器学习	NA	LSTM, WOA, VMD	VMD-WOA-LSTM	时间序列数据	NA