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
241	2025-12-16	Quantization of extraoral free flap monitoring for venous congestion with deep learning integrated iOS applications on smartphones: a diagnostic study 2023-Jun-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000000391 PMID:37055021	研究论文	本研究开发并验证了一种集成深度学习模型的iOS智能手机应用，用于量化监测口腔外游离皮瓣的静脉淤血状况	首次将深度学习模型集成到智能手机应用中，实现游离皮瓣监测的客观量化，替代传统主观人工观察	研究为单中心回顾性分析，样本量有限，且仅适用于iOS平台	开发一种便捷、准确、经济的游离皮瓣监测工具，以改善患者安全和管理	接受游离皮瓣手术的患者	计算机视觉	口腔外游离皮瓣静脉淤血	计算机视觉	深度学习模型	图像	642名患者的1761张照片，其中122名患者参与临床应用阶段	NA	NA	准确率, 灵敏度, 特异性, AUC	智能手机（iOS平台）
242	2025-12-12	Massively parallel CRISPR off-target detection enables rapid off-target prediction model building 2023-07-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2023.05.005 PMID:37279759	研究论文	本文介绍了一种名为AID-seq的新型CRISPR脱靶检测方法，并利用其构建了脱靶预测模型	开发了AID-seq这一高灵敏度、高特异性的体外脱靶检测方法，并首次采用混合人类和HPV基因组的策略进行高通量gRNA筛选	未明确说明AID-seq方法在体内环境下的有效性，且AUPRC值相对较低（0.29），表明模型在精确率-召回率平衡方面仍有改进空间	开发一种能够快速、高通量检测CRISPR脱靶效应并构建预测模型的方法	CRISPR核酸酶（包括Cas9和Cas12a）的脱靶效应，以及针对HPV的抗病毒治疗gRNA候选物	生物信息学	病毒感染（如HPV）	AID-seq（适配体介导的脱靶鉴定测序），CRISPR-Net深度学习	深度学习模型	测序数据	2,069个单导向RNA（sgRNAs），416个HPV gRNA候选物	NA	CRISPR-Net	AUROC, AUPRC	NA
243	2025-12-12	A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features 2023-06, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202306_32608 PMID:37318465	研究论文	本文提出了一种结合特征提取和异常行为检测的视觉策略干预方法，用于自闭症谱系障碍儿童，旨在帮助他们克服社交障碍	提出了一种结合时空特征融合结构和基于顺序池的行为检测方法，通过注意力机制和聚类池有效描述复杂背景下长冗余视频中的人类行为动态	NA	探索自闭症谱系障碍儿童的有效干预方法	自闭症谱系障碍儿童	计算机视觉	自闭症谱系障碍	深度学习算法	CNN	视频	SDUFall、Weizmann和HMDB51数据集	NA	MotionNet, OFF子网络	准确率	NA
244	2025-12-12	Effect evaluation of denosumab combined with curettage and bone cement reconstruction in the treatment of recurrent giant cell tumor of bone around the knee joint 2023-06, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202306_32621 PMID:37318478	研究论文	本研究评估了地诺单抗联合刮除术和骨水泥重建治疗膝关节周围复发性骨巨细胞瘤的效果，并构建深度学习模型用于X射线图像分类识别	结合地诺单抗治疗与深度学习模型（Inception-v3和Faster-RCNN）用于复发性骨巨细胞瘤的影像分类识别，并比较两种手术方式的预后	样本量较小（仅19例患者），且为单中心研究，可能影响结果的普遍性	探索膝关节周围复发性骨巨细胞瘤的合适手术方案，并评估深度学习模型在影像分类中的应用	19例膝关节周围复发性骨巨细胞瘤患者	数字病理学	骨巨细胞瘤	X射线成像	CNN	图像	19例患者	NA	Inception-v3, Faster-RCNN, CNN, U-Net, Fast-RCNN	MSTS评分, SF-36评分, 复发率, 并发症发生率	NA
245	2025-12-10	How deep is the brain? The shallow brain hypothesis 2023-12, Nature reviews. Neuroscience DOI:10.1038/s41583-023-00756-z PMID:37891398	观点文章	本文提出了浅层大脑假说，挑战了深度学习与预测编码中普遍采用的层次化架构，强调皮层下区域在并行处理中的重要作用	提出了浅层大脑假说，整合了皮层层次处理与皮层下区域的大规模并行处理，突破了传统深度学习的纯层次化架构	假说尚未得到充分实验验证，且未提供具体的计算模型或算法实现	探讨大脑的计算架构，挑战当前深度学习与预测编码网络中的层次化假设	哺乳动物大脑的神经解剖结构与计算原理	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
246	2025-12-09	USE-Evaluator: Performance metrics for medical image segmentation models supervised by uncertain, small or empty reference annotations in neuroimaging 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102927 PMID:37672900	研究论文	本文提出了一种用于评估医学图像分割模型性能的新方法，特别针对参考标注存在不确定性、尺寸小或为空的情况	开发了USE-Evaluator评估框架，专门处理神经影像中不确定、小或空的参考标注对分割模型性能评估的影响	研究主要基于卒中内部数据集，虽然与公共数据集进行了比较，但可能仍需更多临床数据验证	改进医学图像分割模型的性能评估方法，使其更适应临床实践中具有挑战性的分割任务	医学图像分割模型在神经影像数据上的性能评估	医学图像分析	卒中	医学图像分割	深度学习框架	医学图像	卒中内部数据集，并与BRATS 2019和脊髓公共数据集进行比较	未明确指定	标准深度学习框架	Dice系数等重叠度量指标	未明确指定
247	2025-12-09	Multi-site, Multi-domain Airway Tree Modeling 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102957 PMID:37716199	研究论文	本文介绍了在MICCAI 2022会议上组织的多站点、多领域气道树建模挑战赛（ATM'22），旨在为医学影像社区提供气道分割算法的基准测试	提供了大规模、多站点、包含噪声COVID-19 CT扫描的公开标注数据集，推动了数据驱动方法的发展，并首次系统比较了嵌入拓扑连续性增强的深度学习模型在气道分割中的性能	公开标注数据集仍然有限，可能影响新算法的详细性能评估；挑战赛结果可能受到参与团队算法实现差异的影响	为医学影像社区提供气道分割算法的基准测试，促进早期肺部疾病干预技术的发展	肺部气道树的分割与建模	计算机视觉	肺部疾病	CT扫描	深度学习模型	CT图像	500例CT扫描（300例训练，50例验证，150例测试）	NA	NA	定量与定性评估	NA
248	2025-12-09	Deep learning, data ramping, and uncertainty estimation for detecting artifacts in large, imbalanced databases of MRI images 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102942 PMID:37797482	研究论文	本文提出了一种基于深度学习的随机算法，用于在大型不平衡神经影像数据库中自动检测MRI图像伪影，并引入不确定性估计以提高检测准确性	首次提出结合蒙特卡洛dropout的随机深度学习算法，用于MRI伪影检测，并开发了数据斜坡方法处理类别不平衡问题	未提及算法在外部验证集上的泛化性能，且未讨论计算成本或实时处理能力	开发自动化方法以高效检测大型不平衡神经影像数据库中的MRI图像伪影	MRI图像	计算机视觉	NA	磁共振成像	深度学习	3D图像	34,800次扫描（其中98%为无伪影数据）	NA	3D AlexNet	准确率, F1分数	NA
249	2025-12-09	Collagen fiber centerline tracking in fibrotic tissue via deep neural networks with variational autoencoder-based synthetic training data generation 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102961 PMID:37802011	研究论文	提出一种基于深度学习的流程，用于从病理组织样本的显微图像中量化胶原纤维的拓扑特性	利用变分自编码器生成具有可控拓扑特性的合成中心线，并结合条件生成对抗网络合成真实胶原纤维图像，以解决大规模标注数据短缺问题	未明确说明合成数据与真实数据之间的域适应差距可能对模型泛化性产生的影响	开发一种能够准确提取胶原纤维中心线并量化其拓扑特性的自动化方法	胰腺、肝脏和乳腺癌样本中的胶原纤维	数字病理学	癌症	二次谐波生成显微镜	变分自编码器, 条件生成对抗网络, 深度神经网络	图像	NA	NA	NA	NA	NA
250	2025-12-09	MGMT promoter methylation status prediction using MRI scans? An extensive experimental evaluation of deep learning models 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102989 PMID:37827111	研究论文	本文通过深度学习模型评估使用MRI扫描预测胶质母细胞瘤中MGMT启动子甲基化状态，并利用多种解释性方法验证模型性能	使用最大的公开MRI数据集之一（585名参与者）进行预测，并综合应用Grad-CAM、遮挡敏感性、特征可视化和训练损失景观等多种解释性方法评估模型	研究结果显示MRI扫描与MGMT启动子甲基化状态之间无相关性，表明需要外部队列数据验证模型以确保深度学习系统在癌症诊断中的准确性和可靠性	预测胶质母细胞瘤中MGMT启动子甲基化状态，以替代侵入性组织活检	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI扫描	深度学习模型	图像	585名参与者	NA	NA	NA	NA
251	2025-12-09	Automated evaluation with deep learning of total interstitial inflammation and peritubular capillaritis on kidney biopsies 2023-11-30, Nephrology, dialysis, transplantation : official publication of the European Dialysis and Transplant Association - European Renal Association DOI:10.1093/ndt/gfad094 PMID:37197910	研究论文	本研究开发了一种基于卷积神经网络的深度学习工具，用于自动评估肾活检中的总间质炎症和肾小管周围毛细血管炎	首次利用深度学习自动评估肾活检中的总间质炎症和肾小管周围毛细血管炎，实现了与病理学家评分的高度相关性	样本量相对有限，训练集仅包含83个肾样本，且未提及模型在其他疾病或更大数据集上的泛化能力	开发自动化工具以精确评估肾活检中的组织学标准，帮助分层患者肾脏预后并促进治疗管理	肾活检样本，包括来自多种疾病的423个样本	数字病理学	肾脏疾病	组织学评估	CNN	图像	423个肾活检样本（83个用于训练，106个用于手动与自动预测比较，234个用于自动与视觉评分比较）	NA	NA	精确率, 召回率, F分数, 相关系数, AUC, kappa系数	NA
252	2025-12-09	Uncovering new families and folds in the natural protein universe 2023-10, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06622-3 PMID:37704037	研究论文	本研究利用AlphaFold数据库预测的蛋白质结构，探索了天然蛋白质宇宙中未被充分注释的“暗物质”区域，并发现了新的蛋白质折叠和家族	从序列、结构和语义三个角度系统搜索蛋白质新颖性，发现了β-花状折叠，并向Pfam数据库添加了多个蛋白质家族，实验证实了其中一个属于新的翻译靶向毒素-抗毒素系统超家族TumE-TumA	研究依赖于AlphaFold的预测结构，其准确性可能影响后续功能注释；大规模分析可能遗漏某些低丰度或高度特异的蛋白质家族	评估AlphaFold数据库在揭示天然蛋白质宇宙中未注释蛋白质结构方面的能力，并识别新的蛋白质折叠和家族	AlphaFold数据库预测的蛋白质结构，特别是那些难以通过标准同源性方法注释功能的蛋白质	蛋白质生物信息学	NA	深度学习蛋白质结构预测，序列相似性网络分析	AlphaFold	蛋白质序列，蛋白质三维结构	数亿个预测蛋白质结构（覆盖几乎所有已知蛋白质）	AlphaFold	AlphaFold	预测准确性	NA
253	2025-12-09	Transforming medical imaging with Transformers? A comparative review of key properties, current progresses, and future perspectives 2023-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102762 PMID:36738650	综述	本文对Transformer在医学影像领域的应用进行了比较性综述，探讨其关键特性、当前进展及未来前景	基于Transformer的关键定义特性（主要通过与CNN比较得出）及其架构类型来组织综述，帮助读者深入理解相关方法的原理	NA	评估Transformer在医学影像领域的现状、应用进展及未来发展方向	医学影像数据	医学影像	NA	深度学习	Transformer, CNN	医学影像	NA	NA	Transformer, CNN	NA	NA
254	2025-12-08	CortexMorph: fast cortical thickness estimation via diffeomorphic registration using VoxelMorph 2023-Oct-01, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43999-5_69 PMID:41346864	研究论文	本文提出了一种名为CortexMorph的新方法，通过结合无监督深度学习和VoxelMorph技术，快速估计皮层厚度	利用无监督深度学习直接回归DiReCT所需的变形场，显著提高了皮层厚度估计的速度	未提及具体局限性	开发一种快速估计皮层厚度的方法，以替代传统的耗时迭代图像配准方法	T1加权MRI图像中的皮层厚度	数字病理学	神经退行性疾病	MRI	深度学习模型	图像	OASIS-3数据集和Rusak等人的合成皮层厚度模型	NA	VoxelMorph	检测皮层萎缩的能力	NA
255	2025-12-07	Deep learning automation of MEST-C classification in IgA nephropathy 2023-06-30, Nephrology, dialysis, transplantation : official publication of the European Dialysis and Transplant Association - European Renal Association DOI:10.1093/ndt/gfad039 PMID:36792061	研究论文	本研究开发了一种基于神经网络的工具，用于自动化IgA肾病中MEST-C分类的识别和量化	首次使用深度学习自动化MEST-C分类，解决了病理学家间观察者变异性的问题	样本量相对较小，且M评分的kappa系数仅为中等水平	自动化IgA肾病的MEST-C分类以提高诊断一致性和预后评估	IgA肾病患者的肾活检样本	数字病理学	IgA肾病	肾活检	神经网络	图像	训练队列42例，测试队列66例，应用队列88例	NA	NA	AUC, kappa系数, 风险比	NA
256	2025-12-06	An in silico investigation of Kv2.1 potassium channel: Model building and inhibitors binding sites analysis 2023-12, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202300072 PMID:37793122	研究论文	本研究通过AlphaFold-Multimer深度学习构建Kv2.1钾通道四聚体模型，结合GaMD和HMM分析离子传输轨迹，利用Fpocket程序与电生理实验定义抑制剂结合位点，并通过半经验量子力学计算预测抑制剂结合构象，为新型Kv2.1抑制剂开发提供分子设计见解	首次使用AlphaFold-Multimer深度学习构建Kv2.1四聚体结构模型，结合GaMD模拟与HMM分析生成多构象受体，并通过半经验量子力学计算预测抑制剂结合模式，揭示了P-螺旋和S6片段的关键残基贡献	研究为计算机模拟，缺乏实验验证抑制剂结合位点的直接结构证据；模型基于预测结构，可能受限于AlphaFold-Multimer的准确性；未进行大规模抑制剂筛选或体内功能验证	构建Kv2.1钾通道的计算机模型并分析抑制剂结合位点，以促进理性药物设计开发神经保护剂	Kv2.1钾通道蛋白及其抑制剂RY785和RY796(S)	计算生物学	缺血性脑卒中	AlphaFold-Multimer深度学习，GaMD（高斯加速分子动力学），HMM（隐马尔可夫模型），Fpocket程序，半经验量子力学计算，竞争性结合电生理实验	深度学习模型，分子动力学模型	蛋白质序列与结构数据，分子动力学轨迹数据	NA	AlphaFold-Multimer	AlphaFold-Multimer	NA	NA
257	2025-12-06	Classification of tastants: A deep learning based approach 2023-12, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202300146 PMID:37885360	研究论文	本研究利用深度学习模型对甜味、苦味和鲜味分子进行分类，以预测分子的味觉特性	结合分子描述符的深度神经网络和基于分子结构的图神经网络模型，无需手工特征即可学习任务特定表示，并应用Shapley加性解释来解析预测结果	鲜味分子样本数量较少导致类别不平衡，需采用特殊采样技术处理	预测分子的味觉特性，以支持食品、饮料、香料和制药行业中新味觉物质的设计与筛选	甜味、苦味和鲜味分子，这些味觉由G蛋白偶联受体介导	机器学习	NA	NA	深度神经网络, 图神经网络	分子描述符, 分子结构	1466个苦味分子、1764个甜味分子和238个鲜味分子，总计3468个分子	NA	NA	NA	NA
258	2025-12-06	Variant calling and benchmarking in an era of complete human genome sequences 2023-07, Nature reviews. Genetics DOI:10.1038/s41576-023-00590-0 PMID:37059810	综述	本文综述了在完整人类基因组序列时代下，变异检测与基准测试的进展，包括长读长测序、深度学习、从头组装和泛基因组学在挑战性基因组区域的应用	探讨了长读长测序、深度学习、从头组装和泛基因组学如何扩展对重复基因组区域（包括医学相关区域）的变异检测访问，并介绍了新的基准集和基准测试方法	未具体说明当前变异检测方法在特定重复区域或复杂变异类型中的具体性能限制	综述人类基因组变异检测与基准测试的技术进展，并展望未来更完整的人类基因组变异表征	人类基因组序列、变异检测方法、基准测试集	基因组学	NA	长读长测序、深度学习、从头组装、泛基因组学	NA	DNA测序数据	NA	NA	NA	NA	NA
259	2025-12-05	Functional connectivity signatures of major depressive disorder: machine learning analysis of two multicenter neuroimaging studies 2023-07, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-023-01977-5 PMID:36792654	研究论文	本研究通过机器学习和深度学习算法分析两个大型静息态功能磁共振成像数据集，以区分重度抑郁症患者与健康对照，并识别抑郁症的神经生理学特征	首次在两个最大的重度抑郁症静息态数据集上应用支持向量机和图卷积神经网络进行分类，并利用GCN-Explainer等方法可视化特征，揭示了丘脑过度连接作为抑郁症的突出神经生理学特征	分类准确率相对较低（约61%），可能受疾病异质性影响，且研究主要基于静息态功能连接，未考虑其他神经影像或临床因素	开发基于神经影像的机器学习诊断工具，以识别重度抑郁症的生物标志物	重度抑郁症患者和健康对照者	机器学习	重度抑郁症	静息态功能磁共振成像	SVM, GCN	功能连接矩阵	REST-meta-MDD数据集2338例，PsyMRI数据集1039例	NA	图卷积神经网络	准确率	NA
260	2025-12-04	Environmental Impacts of Machine Learning Applications in Protein Science 2023-12-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041473 PMID:38040454	综述	本文总结了蛋白质科学中机器学习应用的环境影响，并量化了部分流行算法的碳足迹	首次系统评估了蛋白质科学中机器学习算法（如AlphaFold和ESMFold）的环境影响，并提出了具体的碳足迹数据	未提供所有蛋白质计算方法的全面环境影响比较，且缓解措施的具体实施效果未经验证	评估蛋白质科学中计算工具和机器学习模型的环境影响，并提出可持续发展建议	蛋白质科学中的计算算法，包括分子模拟、蛋白质-蛋白质相互作用推断和蛋白质结构预测	机器学习	NA	机器学习	深度学习模型	蛋白质数据	NA	NA	AlphaFold, ESMFold	碳足迹（以吨COe计）	NA