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	2026-09-29	Medical image-based detection of COVID-19 using Deep Convolution Neural Networks 2023, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-021-00794-6 PMID:33935377	研究论文	本研究利用深度学习卷积神经网络从胸部X光图像中检测COVID-19，并区分正常和病毒性肺炎病例	采用迁移学习评估三种预训练CNN模型（EfficientNetB0、VGG16、InceptionV3），选择这些模型是因为它们在准确性和效率之间取得平衡，参数较少，适合移动应用	摘要中未明确提及	开发一种实用的解决方案，从胸部X光图像中自动检测COVID-19，并区分正常和病毒性肺炎病例	胸部X光图像	计算机视觉	COVID-19	深度学习	CNN	图像	NA	TensorFlow, Keras	EfficientNetB0, VGG16, InceptionV3	准确率, 召回率, 特异性, 精确率, F1分数	NA
2	2026-09-29	Deep learning model for predicting tunnel damages and track serviceability under seismic environment 2023, Modeling earth systems and environment IF:2.7Q3 DOI:10.1007/s40808-022-01556-7 PMID:36281341	研究论文	本文提出了一种基于深度学习的数学公式化地震隧道损伤预测（STDP）模型，用于预测地震环境下的隧道损伤和轨道可服务性	提出了基于深度学习的STDP模型，并开发了STD多图工具，提供损伤指数、损伤模式和裂缝预测规范，同时提出了隧道工程抗震设计指南	摘要中未明确提及研究局限性	预测地震环境下的隧道损伤和轨道可服务性	隧道损伤数据，包括1999年集集地震、2004年中越地震和2008年汶川地震的历史地震数据	机器学习	NA	深度学习	前馈神经网络（FNN）	数值数据	来自1999年集集地震、2004年中越地震和2008年汶川地震的历史地震隧道损伤数据	NA	前馈神经网络	适应度指标，包括损伤指数、损伤模式和裂缝预测规范	NA
3	2026-09-28	Photon-counting Detector CT with Deep Learning Noise Reduction to Detect Multiple Myeloma 2023-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.220311 PMID:36066364	研究论文	本研究比较了光子计数探测器CT与深度学习去噪和传统能量积分探测器CT在多发性骨髓瘤检测中的诊断效果	使用光子计数探测器CT结合深度学习去噪技术，在低辐射剂量下提高空间分辨率，改善多发性骨髓瘤病变的可见性	样本量较小（27名参与者），缺乏组织病理学验证，仅评估图像质量而未评估诊断准确性	证明在全身低剂量CT扫描中，使用光子计数探测器CT与深度学习去噪相比传统能量积分探测器CT能提高多发性骨髓瘤检测的诊断效果	接受全身CT扫描的成年参与者	医学影像	多发性骨髓瘤	光子计数探测器CT，深度学习去噪	卷积神经网络	医学图像	27名参与者，2个体模	NA	卷积神经网络	图像质量评分，病变检测可见性	NA
4	2026-09-23	A Privacy Nihilist Perspective on Clinical Data Sharing: Open Clinical Data Sharing is Dead, Long Live the Walled Garden 2023, Journal of the Society for Clinical Data Management DOI:10.47912/jscdm.234 PMID:42281764	评论	本文从隐私虚无主义视角论证开放临床数据共享已不可行，主张采用“围墙花园”式受控访问模式	提出隐私虚无主义视角，借鉴物理学和天文学社区的围墙花园方法，并讨论设计考虑与推荐行动	未提供具体技术实现或实证数据，主要基于论证和观点	探讨临床数据共享中的隐私风险，并倡导围墙花园式数据共享方法	临床数据共享实践、隐私风险、数据共享政策	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
5	2026-09-21	Performance comparison of TCR-pMHC prediction tools reveals a strong data dependency 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1128326 PMID:37143667	研究论文	本文比较了五种深度学习模型在TCR-pMHC结合预测上的性能，并提出了数据收集、预处理、分割和负例生成的通用方法	提供了TCR-pMHC结合预测的通用数据收集、预处理、分割和负例生成方法，并构建了全面的数据集来比较模型	模型泛化能力差，对未在训练集中出现的肽段无法泛化，且模型性能强烈依赖于数据平衡和大小，鲁棒性较低	比较不同TCR-pMHC结合预测模型的性能，并评估其泛化能力和鲁棒性	T细胞受体与肽-主要组织相容性复合物的结合数据	机器学习	NA	深度学习	深度学习模型	序列数据	所有主要的公开TCR-pMHC结合数据	NA	TITAN, NetTCR-2.0, ERGO, DLpTCR, ImRex	NA	NA
6	2026-09-21	A predicted structure of NADPH Oxidase 1 identifies key components of ROS generation and strategies for inhibition 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0285206 PMID:37134122	研究论文	该研究利用RaptorX深度学习模型预测了NADPH氧化酶1（NOX1）的三维结构，并通过分子对接和定点突变实验验证了其关键活性位点及电子传递链，为NOX1相关疾病的治疗开发提供了结构基础	首次利用RaptorX深度学习模型构建了NOX1的预测结构模型，揭示了6次跨膜结构域、FAD结合结构域和NADPH结合/NOXO1相互作用区域，并鉴定了跨膜结构域中形成活性口袋的关键氨基酸残基（LEU60、VAL71、MET181、LEU185、HIS208、PHE211、TYR214和TYR280）	研究基于预测结构模型而非实验解析的晶体结构，预测模型的准确性可能存在一定偏差，且抑制剂实验验证仅在体外进行，缺乏体内实验和临床数据支持	阐明NOX1的结构基础及其参与上皮免疫过程中活性氧（ROS）生成的机制，并为NOX1相关疾病的治疗开发提供结构信息	NADPH氧化酶1（NOX1）蛋白及其与小分子抑制剂的相互作用	计算生物学	结直肠癌	深度学习结构预测、分子对接、定点突变	深度学习	蛋白质序列、蛋白质结构、小分子化合物	NA	NA	RaptorX	NA	NA
7	2026-09-21	Explainable artificial intelligence (XAI) in radiology and nuclear medicine: a literature review 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1180773 PMID:37250654	综述	这篇文献综述讨论了放射学和核医学中可解释人工智能（XAI）的方法，并提出了未来建议	系统综述了用于MRI、CT和PET成像的XAI方法，并提出了未来方向	XAI方法的质量控制很少应用，因此难以进行系统比较；目前对于如何在临床实施中部署XAI还没有明确共识	讨论用于MRI、CT和PET成像的XAI方法，并给出未来建议	使用MRI、CT和PET成像的深度学习模型	数字病理学	NA	NA	深度学习	图像	75篇文章	NA	NA	NA	NA
8	2026-09-21	Subject clustering by IF-PCA and several recent methods 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1166404 PMID:37287536	研究论文	本文提出了一种结合变分自编码器（VAE）与影响特征主成分分析（IF-PCA）的新方法IF-VAE，用于受试者聚类，并在基因微阵列和单细胞RNA-seq数据集上比较了多种方法	提出了将VAE与IF-PCA结合的新方法IF-VAE，并首次在多个数据集上系统比较了IF-PCA、VAE、Seurat和SC3等方法，同时从理论上证明了IF-PCA在稀有/弱模型下能达到相变	IF-VAE虽然比VAE有显著提升，但仍不如IF-PCA；对于Seurat和SC3等复杂方法，其最优性尚不明确，理论分析困难	研究如何结合无监督深度学习与其他方法的优势，并比较不同受试者聚类方法的性能	基因微阵列数据集和单细胞RNA-seq数据集中的受试者（如患者或细胞）	机器学习	NA	基因微阵列、单细胞RNA-seq	VAE	基因表达数据	10个基因微阵列数据集和8个单细胞RNA-seq数据集	NA	变分自编码器（VAE）	NA	NA
9	2026-09-21	Automated MRI quantification of volumetric per-muscle fat fractions in the proximal leg of patients with muscular dystrophies 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1200727 PMID:37292137	研究论文	该研究利用深度学习模型在Dixon MRI图像中自动分割近端腿部肌肉，并量化每块肌肉的脂肪分数，以评估肌营养不良症的疾病进展	开发了全自动的3D肌肉分割方法，实现了对18块肌肉的精确分割，且分割性能对视野变化不敏感，可泛化至不同肌营养不良症类型，并显著减少手动标注工作量	未明确提及	开发一种可靠且高度自动化的3D肌肉分割方法，以促进脂肪分数量化在肌营养不良症临床常规实践中的应用	健康受试者和肌营养不良症患者的近端腿部肌肉（从膝盖到髋部）	医学图像分割	肌营养不良症	Dixon MRI	深度学习模型	MRI图像	未明确提及	未明确提及	未明确提及	Dice分数	未明确提及
10	2026-09-21	Relation extraction: advancements through deep learning and entity-related features 2023, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-023-01095-8 PMID:37325108	研究论文	该论文提出了一种融合实体相关特征的方法，结合卷积神经网络和图卷积神经网络进行关系抽取，并在三个公开数据集上验证了其有效性	融合实体相关特征于卷积神经网络和图卷积神经网络中，通过结合目标实体对的单元特征生成融合特征，并利用深度学习框架提取高阶抽象特征进行关系抽取	未明确提及	解决关系抽取中目标实体对在句子内语义元素和结构特征有限的问题	关系抽取任务中的目标实体对	自然语言处理	NA	深度学习	CNN, GCN	文本	三个公开数据集：ACE05 English、ACE05 Chinese和SanWen	NA	CNN, GCN	F1-score	NA
11	2026-09-20	Semi-Self-Supervised Learning for Semantic Segmentation in Images with Dense Patterns 2023, Plant phenomics (Washington, D.C.) DOI:10.34133/plantphenomics.0025 PMID:36930764	研究论文	该论文提出一种半自监督学习方法，利用少量手动标注图像合成数据集训练U-Net模型，并通过域适应步骤实现密集不规则模式图像（如麦穗）的语义分割	利用少量标注图像、无标注视频片段和负样本视频合成计算标注数据集，并应用三步域适应桥接合成图像与真实图像的域差距	在外部数据集上初始Dice分数较低（0.73），需要额外标注图像进行微调才能达到较高性能	开发在少量手动标注下对密集不规则模式图像进行高效语义分割的深度学习方法	密集不规则模式图像，具体为麦穗图像	计算机视觉	NA	半自监督学习，域适应	CNN	图像，视频	2张标注图像用于初始训练，18个域各2张标注图像用于微调，以及多个视频片段	NA	U-Net	Dice系数	NA
12	2026-09-20	Applying Blockchain Technology in Network Public Opinion Risk Management System in Big Data Environment 2023, Computational intelligence and neuroscience DOI:10.1155/2023/5212712 PMID:36936666	研究论文	本文将区块链技术应用于大数据环境下的网络舆情风险管理系统，结合传染病传播模型和深度学习技术进行舆情风险识别与控制	提出了基于传染病传播模型的网络舆情隔离策略，结合最优控制理论实现社会效用最大化的功能控制模型；将区块链技术应用于网络舆情风险管理系统构建；提出了基于LSTM网络模型的中文分词方案和基于卷积神经网络的文本情感识别方案	当前研究缺乏理论与实际案例的结合，缺乏社会科学与自然科学的交叉融合	克服传统管理系统的技术缺陷，突破现有网络舆情风险管理的难点和痛点，提高网络舆情风险管理效率	网络舆情风险管理系统、网络舆情数据、中文语料库	自然语言处理	NA	区块链技术、传染病传播模型、最优控制理论	LSTM, CNN	文本	NA	NA	LSTM, CNN	准确率	NA
13	2026-09-20	Using discrete wavelet transform for optimizing COVID-19 new cases and deaths prediction worldwide with deep neural networks 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282621 PMID:37023075	研究论文	本文比较了深度学习模型在预测183个国家每日COVID-19新增病例和死亡人数方面的性能，并采用离散小波变换（DWT）进行特征增强	使用离散小波变换（DWT）作为特征增强策略，优化深度学习模型对COVID-19疫情的预测，并允许使用更短的时间序列数据进行训练	未明确提及	比较深度学习模型在预测COVID-19每日新增病例和死亡人数方面的性能，并评估DWT特征增强的效果	183个国家的COVID-19每日新增病例和死亡人数时间序列	机器学习	COVID-19	离散小波变换（DWT）	LSTM, CNN+LSTM, DWT+LSTM, DWT+CNN+LSTM	时间序列数据	183个国家的每日时间序列数据	未明确提及	LSTM, CNN+LSTM, DWT+LSTM, DWT+CNN+LSTM	平均绝对误差（MAE）, 归一化均方误差（NMSE）, 皮尔逊相关系数（Pearson R）, 因子2（Factor of 2）	未明确提及
14	2026-09-07	Volume of hyperintense inflammation (VHI): A quantitative imaging biomarker of inflammation load in spondyloarthritis, enabled by human-machine cooperation 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284508 PMID:37075028	研究论文	提出一种结合深度学习与人工修正的人机协作工作流程，用于脊柱关节炎炎症分割，并定义高信号炎症体积（VHI）作为炎症负荷的定量影像生物标志物	首次提出将深度学习自动分割与人工清洗相结合的人机协作流程，以生成可靠的炎症分割结果，并定义VHI作为新的定量影像生物标志物	样本量较小（29例患者），且研究仅在单一队列中验证，未进行多中心外部验证	提高脊柱关节炎炎症评估的一致性和可靠性，并探索VHI作为炎症负荷定量影像生物标志物的潜力	29例中轴型脊柱关节炎（axSpA）患者的MRI扫描影像	医学影像分析	脊柱关节炎	MRI	深度学习分割模型（具体类型未在摘要中指明）	MRI图像	29例axSpA患者	NA	NA	Dice分数, 组内相关系数, 响应评估一致性	NA
15	2026-09-06	Artificial Intelligence-Enabled Software Prototype to Inform Opioid Pharmacovigilance From Electronic Health Records: Development and Usability Study 2023 Jan-Dec, JMIR AI DOI:10.2196/45000 PMID:37771410	研究论文	开发了一种基于人工智能的软件原型，用于从电子健康记录中提取阿片类药物相关不良事件信号，以增强药物警戒。	创新性地将基于规则的关键词搜索与深度学习方法相结合，并采用预训练的NLP模型进行命名实体识别，以从自由文本出院小结中自动提取候选不良事件。	模型性能有限（F1分数为0.67），且用户反馈仅来自15名FDA工作人员，可能不具有广泛代表性。	旨在开发一种AI软件原型，从电子健康记录的自由文本中识别阿片类药物相关不良事件信号，以支持FDA的药物安全研究和监管审查。	电子健康记录中的自由文本出院小结，特别是与阿片类药物相关的不良事件信息。	自然语言处理	阿片类药物不良反应	自然语言处理（NLP）	深度学习模型（包括预训练NLP模型），具体基于规则算法与深度学习结合	文本数据	使用了MIMIC III数据库中的出院小结，具体样本量未在摘要中说明；15名FDA工作人员提供了反馈。	MedSpacy, Spark NLP	NA	准确率, 召回率, 精确率, F1分数	NA
16	2026-09-06	Self-Supervised Electroencephalogram Representation Learning for Automatic Sleep Staging: Model Development and Evaluation Study 2023 Jan-Dec, JMIR AI DOI:10.2196/46769 PMID:38090533	研究论文	提出了一种自监督模型ContraWR用于脑电信号表示学习，以实现自动睡眠分期，并在三个真实数据集上进行了评估	使用全局统计数据（即平均表示）而非负样本集来区分不同睡眠阶段相关的信号	未明确指出，但未来方向包括探索任务特定的数据增强和结合自监督与监督方法	学习鲁棒的脑电信号向量表示，以提高睡眠分期任务中的预测性能，尤其在标签少和噪声样本情况下	脑电信号（EEG）	机器学习	睡眠障碍	EEG记录	自监督学习模型（ContraWR）	脑电信号	3个大型EEG数据集	NA	对比学习架构（ContraWR）	准确率	NA
17	2026-09-06	Application of Artificial Intelligence to the Monitoring of Medication Adherence for Tuberculosis Treatment in Africa: Algorithm Development and Validation 2023 Jan-Dec, JMIR AI DOI:10.2196/40167 PMID:38464947	研究论文	本文开发并验证了基于深度学习的人工智能算法，用于自动分类和确认结核病治疗中的药物 adherence，以提高非洲视频监测的效率	首次针对非洲临床环境中的药物 adherence 监测，利用深度学习算法基于视频图像进行二元分类，并展示了在资源有限环境中的应用潜力	由于缺乏公开数据集，未进行外部验证；负样本较少（92个），可能影响模型的泛化能力	开发并内部验证一种深度学习模型，用于自动分类药物 adherence（遵循/不遵循），提高视频监测效率	成人结核病患者药物摄入的861个视频图像	计算机视觉、深度学习	结核病	视频图像处理、深度学习	卷积神经网络（CNN）	视频帧图像	861个视频图像，其中497个高质量视频（405个正样本，92个负样本），每视频160帧	未指定（可能包含TensorFlow或PyTorch等，标题和摘要中未明确）	3D ResNet、其他三种CNN模型	敏感性、特异性、F1分数、精确率、曲线下面积（AUC）、每视频审查速度	未指定（标题和摘要中未提及）
18	2026-09-06	Automated motion artifact detection in early pediatric diffusion MRI using a convolutional neural network 2023, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00023 PMID:38344118	研究论文	提出一种基于卷积神经网络的自动化运动伪影检测工具，用于早期儿科扩散MRI数据质量控制	首次将深度学习应用于婴幼儿扩散MRI运动伪影检测，并验证了跨数据集泛化能力	训练数据来自单一研究机构，泛化性测试数据集规模有限	开发并验证深度学习模型用于自动检测婴幼儿扩散MRI中的运动伪影，以提高质量控制效率	婴幼儿（1-36个月）的扩散MRI数据	机器学习，医学影像分析	不适用	扩散MRI（dMRI），扩散张量成像（DTI），神经突方向离散度和密度成像（NODDI）	3D卷积神经网络（3DCNN）	影像	121次扫描共2276个dMRI体积（训练集），26次扫描共2349个dMRI体积（测试集）	NA	3DCNN	分类准确率	NA
19	2026-08-19	Approximating the uncertainty of deep learning reconstruction predictions in single-pixel imaging 2023, Communications engineering DOI:10.1038/s44172-023-00103-1 PMID:38463559	研究论文	提出一种贝叶斯卷积神经网络（BCNN）来近似单像素成像中深度学习重建预测的不确定性，每个像素表示概率分布而非强度值。	创新性地将贝叶斯卷积神经网络应用于单像素成像，预测图像每个像素的不确定性，并与重建误差相关性验证，为实际应用中确定系统、数据或网络是否需要调整提供依据。	未提及具体局限性。	近似单像素成像中深度学习重建预测的不确定性，提供可靠的置信水平指示工具。	单像素成像中的重建图像及其不确定性。	计算成像	NA	单像素成像	贝叶斯卷积神经网络（BCNN）	图像	未提及具体样本数量。	NA	卷积神经网络（CNN），具体架构未指定。	不确定性预测与重建误差的相关性	NA
20	2026-08-18	Automated reconstruction of whole-embryo cell lineages by learning from sparse annotations 2023-01, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-022-01427-7 PMID:36065022	研究论文	提出一种结合深度学习和全局优化的方法，用于自动识别和追踪整个发育胚胎的时延显微镜记录中的细胞核，并重建细胞谱系。	将深度学习和全局优化相结合，实现全胚胎细胞谱系的自动化重建，在精度上显著优于现有方法。	摘要未提及明确的局限性。	开发一种自动化方法，以重建整个胚胎的细胞谱系，增进对发育过程中细胞命运决定位置和时间的理解。	小鼠胚胎的时延显微镜影像，用于追踪细胞核。	计算机视觉	NA	时延显微镜	深度学习模型	图像（时延显微镜影像）	未明确说明样本数量	NA	NA	细胞谱系重建比例	NA