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
41	2026-09-21	Fostering formative assessment: teachers' perception, practice and challenges of implementation in four Sudanese medical schools, a mixed-method study 2023-Apr-14, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-023-04214-3 PMID:37060025	研究论文	本文采用混合方法研究苏丹四所医学院教师对形成性评价的认知、实践及实施挑战，并提出解决方案	首次在苏丹四所医学院中结合问卷调查与德尔菲法，系统探讨医学教师对形成性评价的认知、实践及挑战，并提出基于教师认知的可行解决方案	样本仅来自苏丹四所医学院的190名教师，结果可能无法推广到其他地区或教育体系；未详细说明德尔菲法的具体实施过程和专家选择标准	描述医学教师对形成性评价的认知、实践及实施挑战，并提出可行的解决方案	苏丹四所医学院的190名医学教师	医学教育	NA	混合方法研究（问卷调查与德尔菲法）	NA	文本	190名医学教师	NA	NA	NA	NA
42	2026-09-21	The Feasibility and Performance of Total Hip Replacement Prediction Deep Learning Algorithm with Real World Data 2023-Apr-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10040458 PMID:37106645	研究论文	本研究设计了一种序贯两阶段全髋关节置换预测深度学习算法，利用骨盆平片识别三个月内需行全髋关节置换的可能性，并使用真实世界数据进行验证	首次使用真实世界数据验证深度学习算法在全髋关节置换预测中的功能，并设计了序贯两阶段预测算法	样本仅来源于2018至2019年的3766张骨盆平片，时间跨度较短，未提及多中心外部验证	探讨全髋关节置换预测深度学习算法在真实世界数据中的可行性与性能	2018至2019年收集的3766张骨盆平片及相关患者数据	计算机视觉	老年疾病	骨盆平片X线摄影	CNN	图像	3766张骨盆平片	NA	NA	准确率, 灵敏度, 特异度, 精确率, 阴性预测值, 假阴性率, F1分数, AUC	NA
43	2026-09-21	A Machine Learning Method to Identify Umami Peptide Sequences by Using Multiplicative LSTM Embedded Features 2023-Apr-02, Foods (Basel, Switzerland) DOI:10.3390/foods12071498 PMID:37048319	研究论文	本文提出了一种名为iUmami-DRLF的机器学习方法，利用乘法LSTM预训练神经网络特征提取技术（UniRep）从肽序列中提取特征，并结合逻辑回归模型来识别鲜味肽序列	首次将基于乘法LSTM的深度学习预训练表示学习方法（UniRep）与逻辑回归相结合用于鲜味肽序列的识别，仅基于肽序列信息即可实现高精度预测，并在新验证的味觉序列上展现出更好的鲁棒性和准确性	摘要中未明确提及研究的具体局限性	开发一种基于机器学习的鲜味肽序列识别方法，替代耗时且昂贵的湿实验方法，以促进食品鲜味增强的研究	鲜味肽序列	机器学习	NA	深度学习预训练特征提取（UniRep，基于乘法LSTM），逻辑回归	乘法LSTM，逻辑回归	肽序列文本数据	摘要中未明确提及具体样本量	NA	乘法LSTM，UniRep，逻辑回归	预测精度，鲁棒性，准确率	NA
44	2026-09-21	Automatic reconstruction of interstitial needles using CT images in post-operative cervical cancer brachytherapy based on deep learning 2023-Apr, Journal of contemporary brachytherapy IF:1.1Q3 DOI:10.5114/jcb.2023.126514 PMID:37215613	研究论文	本研究开发了一种基于深度学习的自动重建方法，用于在术后宫颈癌近距离放疗的CT图像中定位间质针	利用卷积神经网络实现间质针的自动重建，并验证其几何精度和剂量学一致性	未明确说明	研究基于深度学习的自动重建在三维CT图像中定位间质针的精度	70名接受CT引导近距离放疗的术后宫颈癌患者	计算机视觉	宫颈癌	CT成像	CNN	图像	70名患者，每位患者使用3根金属针	NA	CNN	Dice相似系数, 95%豪斯多夫距离, Jaccard系数, 剂量体积指标, Spearman相关系数	NA
45	2026-09-21	Chained Deep Learning Using Generalized Cross-Entropy for Multiple Annotators Classification 2023-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s23073518 PMID:37050578	研究论文	该文提出一种基于广义交叉熵的链式深度学习框架（GCECDL），用于多标注者分类任务，以处理众包标注中的噪声和标注者可靠性差异问题	提出基于广义交叉熵的链式深度学习框架，能够编码每个标注者相对于输入空间的非平稳模式，同时通过链式深度学习方法保留专家间的相互依赖关系；结合深度学习与噪声鲁棒损失函数应对噪声标签，并通过链式方法估计每个标注者的可靠性实现网络自正则化	未明确说明该方法的计算复杂度、可扩展性限制以及在更大规模或更复杂场景下的适用性	解决多标注者分类任务中标注者专业水平不一、不可靠输出引入噪声、传统方法假设标注者在输入特征空间行为同质以及输出独立性约束等问题	多标注者分类任务中的众包标注数据，涉及多个标注者提供的标签	机器学习	NA	NA	CNN	图像	NA	NA	NA	NA	NA
46	2026-09-21	Morphometric Analysis of Retinal Ganglion Cell Axons in Normal and Glaucomatous Brown Norway Rats Optic Nerves 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.8 PMID:36917118	研究论文	该研究利用深度学习算法AxoNet2.0对正常血压和高血压Brown Norway大鼠视神经视网膜神经节细胞轴突进行形态学分析，构建了首个正常血压眼的RGC轴突形态计量图谱，并开发了基于髓鞘厚度的轴突损伤指标	首次构建了Brown Norway大鼠眼的综合性正常RGC轴突形态计量图谱；开发了基于髓鞘形态学的客观、可重复的损伤指标；使用深度学习算法AxoNet2.0进行轴突形态学自动分析	研究仅针对Brown Norway大鼠模型，未验证其他品系或物种的适用性；样本量未明确说明；损伤指标的有效性需要进一步验证	构建正常血压Brown Norway大鼠眼RGC轴突形态计量图谱，并开发和评估高血压眼中的轴突损伤指标	Brown Norway大鼠的视神经视网膜神经节细胞轴突，包括正常血压眼和高血压眼	数字病理学	青光眼	光学显微镜成像，深度学习算法AxoNet2.0，Morrison分级量表，保角映射	深度学习	图像	NA	NA	AxoNet2.0	轴突密度，轴浆直径，偏心率，横截面积，髓鞘g比率，髓鞘厚度，变异系数，Morrison分级量表评分，P值	NA
47	2026-09-21	Deep learning-based motion compensation for four-dimensional cone-beam computed tomography (4D-CBCT) reconstruction 2023-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.16103 PMID:36412165	研究论文	本文提出了一种基于深度学习的方法，通过3D卷积神经网络减少相位相关Feldkamp-Davis-Kress重建中的条纹伪影，并利用生成的图像构建更准确的运动模型，从而改进四维锥形束CT的运动补偿重建质量	提出了一种3D伪影减少卷积神经网络，用于改善传统相位相关Feldkamp-Davis-Kress重建，减少欠采样引起的条纹伪影，同时保留运动信息；并将CNN生成的伪影减轻图像用于构建运动模型，进而用于运动补偿重建	摘要中未明确提及研究的局限性	开发一种深度学习方法，为运动补偿重建设计高质量的运动模型，以提高最终四维锥形束CT图像的质量	活体患者数据集、扩展心脏-躯干模体、公共SPARE挑战数据集	医学图像处理	NA	四维锥形束CT成像	卷积神经网络	图像	活体患者数据集、扩展心脏-躯干模体、公共SPARE挑战数据集，但未提供具体样本数量	NA	3D卷积神经网络	均方根误差、归一化互相关	NA
48	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
49	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
50	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
51	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
52	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
53	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
54	2026-09-20	Intelligent antepartum fetal monitoring via deep learning and fusion of cardiotocographic signals and clinical data 2023-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-023-00219-w PMID:36950107	研究论文	该文章提出了一种多模态深度学习架构，用于智能产前胎儿监测，通过融合胎心监护信号和临床数据实现自动特征提取和分类	提出了一种多模态深度学习架构，能够自动提取CTG特征，并将其与孕妇临床数据融合，克服了传统方法忽略临床信息的局限性	未明确提及	实现智能产前胎儿监测，通过深度学习自动提取CTG特征并融合临床数据进行胎儿健康评估	16，355例孕妇的CTG信号（包括FHR信号和UC信号）及相关临床数据（如产妇年龄、孕周等）	机器学习	NA	NA	CNN, LGBM	信号, 表格数据	16，355例	NA	CNN, LGBM	准确率, AUC, F1分数	NA
55	2026-09-20	AORTA Gene: Polygenic prediction improves detection of thoracic aortic aneurysm 2023-Aug-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.23.23294513 PMID:37662232	研究论文	该研究利用深度学习测量主动脉直径，通过全基因组关联研究构建多基因评分，开发并验证了AORTA Gene模型，以提高胸主动脉瘤的检测	开发了包含110万个变异的多基因评分（AORTA Gene），结合临床因素显著提高了胸主动脉直径的预测和动脉瘤检测的AUROC	研究结论指出需要更大、更多样化的队列来开发更强大和公平的评分	探究多基因预测是否能改善胸主动脉瘤的检测	UK Biobank、Mass General Brigham Biobank、Framingham Heart Study和All of Us的参与者	机器学习	心血管疾病	深度学习, 全基因组关联研究, 多基因评分	NA	图像, 基因组数据	UK Biobank 49,939人（其中39,524人用于GWAS，4,962人用于测试），MGB 5,469人，FHS 1,298人，All of Us 610人	NA	NA	方差解释比例, AUROC	NA
56	2026-09-20	Paper microfluidics with deep learning for portable intelligent nucleic acid amplification tests 2023-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2023.124470 PMID:36958098	研究论文	结合纸微流控、便携式光电系统和深度学习，用于SARS-CoV-2的核酸检测，实现早期预测分析	将纸微流控、便携式光电系统与深度学习相结合，利用扩增曲线早期阶段的反应动力学进行预测，而非传统的Ct值分析，可在第22个循环完成40个循环的NAATs的定性和定量分析，减少45%的时间成本，且基于注意力机制的深度学习模型可无缝适应多个临床数据集	摘要中未提及	开发便携式智能核酸检测平台，通过深度学习实现早期预测分析，减轻传统核酸检测对医院资源的负担	SARS-CoV-2模板（包含ORF1ab、N和E基因）及多个临床数据集	机器学习	COVID-19	核酸扩增检测（NAATs）、纸微流控、便携式光电系统	注意力机制深度学习模型	图像（像素信号）、时间序列数据	摘要中未提及	NA	注意力机制	准确率、灵敏度、特异性	NA
57	2026-09-20	Improved LSTM-based deep learning model for COVID-19 prediction using optimized approach 2023-Jun, Engineering applications of artificial intelligence IF:7.5Q1 DOI:10.1016/j.engappai.2023.106157 PMID:36968247	研究论文	该论文提出了基于改进LSTM的深度学习模型，利用优化方法对12个主要国家的COVID-19确诊病例、死亡和康复进行时间序列预测	提出了结合LSTM、双向LSTM、GRU和密集LSTM的预测模型，并采用优化方法改进LSTM模型，用于COVID-19时间序列预测	未明确提及研究局限性	评估和比较不同时间序列模型（LSTM、Bi-LSTM、GRU、dense-LSTM）在COVID-19预测中的性能，并改进基于LSTM的深度学习模型	12个受COVID-19影响的主要国家的确诊病例、死亡和康复时间序列数据	机器学习	COVID-19	时间序列预测、深度学习	LSTM、双向LSTM、GRU、密集LSTM	时间序列数据	12个主要国家的COVID-19时间序列数据	TensorFlow 1.0	LSTM、双向LSTM、GRU、密集LSTM	平均绝对误差（MAE）、均方根误差（RMSE）、中位数绝对误差（MEDAE）、R2分数	未明确提及
58	2026-09-20	Yield prediction through integration of genetic, environment, and management data through deep learning 2023-04-11, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkad006 PMID:36625555	研究论文	本文使用深度神经网络预测玉米产量，比较了两种模型开发方法，并利用传统线性模型和机器学习模型对模型性能进行情境化分析，同时考察了不同数据类型间交互作用的有效性。	针对每种数据类型优化深度神经网络子模块，而非一次性优化整个模型；将遗传、环境和管理数据间的交互作用纳入模型，并分析交互作用对模型敏感性的影响。	摘要中未明确说明研究的具体局限性。	准确预测不同基因型、环境和管理干预组合所产生的表型结果，并探讨数据交互作用对预测的影响。	玉米产量。	机器学习	NA	NA	深度神经网络, 最佳线性无偏预测（BLUP）, 机器学习模型	遗传数据, 环境数据, 管理数据	NA	NA	深度神经网络	平均误差	NA
59	2026-09-20	Snapshot multispectral imaging using a diffractive optical network 2023-Apr-06, Light, science & applications DOI:10.1038/s41377-023-01135-0 PMID:37024463	研究论文	本文提出了一种基于衍射光学网络的多光谱成像系统，通过深度学习训练在输出图像视场创建虚拟光谱滤波器阵列，实现快照多光谱成像	创新性地使用衍射光学网络作为虚拟光谱滤波器阵列，无需光谱滤波器或图像恢复算法即可将单色焦平面阵列转换为多光谱成像设备；设计对输入偏振态不敏感；通过3D打印衍射网络在太赫兹波段实验验证	主要基于数值模拟验证，实验仅进行了太赫兹波段的2×2波段演示，未在可见光波段进行实验验证	开发一种紧凑、无计算、功率高效且偏振不敏感的快照多光谱成像系统	多光谱成像系统、衍射光学网络、虚拟光谱滤波器阵列	计算机视觉	NA	衍射光学网络、3D打印、深度学习	衍射光学网络	图像	NA	NA	衍射光学网络	光谱波段数量（4、9、16个可见光波段，4个太赫兹波段）	NA
60	2026-09-20	Deep Learning-based Non-rigid Image Registration for High-dose Rate Brachytherapy in Inter-fraction Cervical Cancer 2023-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00732-6 PMID:36417026	研究论文	提出基于深度学习的非刚性图像配准框架，用于局部晚期宫颈癌的间质高剂量率近距离放疗，并模拟器官变形	提出结合解剖柔韧性、刚性和运动的间质器官变形模拟框架，并采用DIRNet进行非刚性配准，优于传统算法	样本量有限（57例CT扫描），且仅针对宫颈癌，未在其他癌症或更大数据集上验证	开发基于深度学习的非刚性图像配准方法，用于间质宫颈癌高剂量率近距离放疗	局部晚期宫颈癌患者的CT图像及危及器官（膀胱、宫颈、直肠）	医学图像配准	宫颈癌	CT成像	CNN	图像	57例CT扫描（7202个2D切片），随机分为训练集42例和测试集15例	NA	DIRNet	Dice指数，平均对称表面距离，Jaccard指数	NA