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	2026-05-26	Enhancing diabetic retinopathy classification using deep learning 2023 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076231203676 PMID:37766903	研究论文	利用深度学习模型对糖尿病视网膜病变及其严重程度进行分类	结合CLAHE和ESRGAN图像增强技术，在APTOS 2019数据集上实现了97.83%的最高准确率和多阶段分类性能提升	未提及具体局限性	提高糖尿病视网膜病变的自动检测与分类准确性	视网膜眼底图像	计算机视觉	糖尿病视网膜病变	CLAHE, ESRGAN	卷积神经网络	图像	APTOS 2019数据集，包含5个严重阶段	NA	CNN	准确率, 精度, 召回率, F1分数	NA
42	2026-05-26	Deep learning-enhanced diabetic retinopathy image classification 2023 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076231194942 PMID:37588156	研究论文	使用深度学习模型准确识别糖尿病视网膜病变的五个阶段	通过图像增强技术生成平衡数据集，并使用DenseNet-121模型在APTOS和DDR数据集上实现了优异的分类性能	未提及	提高糖尿病视网膜病变分期识别的准确性	糖尿病视网膜病变的五种阶段分类	计算机视觉	糖尿病视网膜病变	图像增强	DenseNet-121	图像	APTOS数据集和DDR数据集	NA	DenseNet-121	准确率, 前2准确率, 前3准确率, 精确率, 召回率, F1分数	NA
43	2026-05-25	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	开发低信号符号化迭代随机森林方法来阐明心脏肥大的复杂遗传结构，利用UK Biobank数据揭示上位性遗传变异及其在心脏转录组和单细胞形态学中的影响	提出低信号符号化迭代随机森林方法用于发现上位性关系，整合深度学习心脏MRI分析、转录组网络分析和高通量微流控单细胞形态学分析，揭示非加性遗传效应	NA	阐明心脏肥大的上位性遗传调控机制	心脏肥大及其相关遗传变异	机器学习	心血管疾病	RNA-seq, 单细胞形态学分析, 微流控, RNA沉默	随机森林, 深度学习	图像, 文本, 转录组数据	29,661名UK Biobank参与者（心脏MRI扫描），313个捐赠人类心脏（转录组数据）	NA	迭代随机森林, 深度学习模型	NA	NA
44	2026-05-25	Longitudinal fundus imaging and its genome-wide association analysis provide evidence for a human retinal aging clock 2023-04-17, eLife IF:6.4Q1 DOI:10.7554/eLife.82364 PMID:36975205	研究论文	利用眼底图像和深度学习方法构建视网膜衰老时钟‘eyeAge’，并通过全基因组关联分析提供证据	开发了一种基于眼底图像的高精度视网膜衰老时钟，其预测准确性优于其他衰老时钟，并通过全基因组关联分析发现与个体特异性衰老相关的遗传位点，还在果蝇中验证了基因功能	尚未明确提及局限性，可能包括数据来源的群体偏差或短期时间尺度验证的局限性	利用眼底图像和深度学习方法构建并验证一个更精确的视网膜衰老时钟，以研究衰老及年龄相关疾病	人类的眼底图像及其与衰老相关的遗传特征	计算机视觉, 机器学习	老年性疾病	眼底成像, 全基因组关联分析	深度神经网络	图像	EyePACS数据集（未指定具体数量）和UK Biobank数据（未指定具体数量），但包含质量筛选后的数据	PyTorch	NA	平均绝对误差	NA
45	2026-05-25	AxoNet 2.0: A Deep Learning-Based Tool for Morphometric Analysis of Retinal Ganglion Cell Axons 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.9 PMID:36917117	研究论文	开发了一种名为AxoNet 2.0的深度学习工具，用于自动量化视网膜神经节细胞轴突的数量和形态，提高青光眼动物模型轴突损伤评估的效率	首次实现从光学显微图像中自动分割轴浆和髓鞘，同时进行轴突计数和形态学量化，并在多个动物模型上验证了泛化能力	NA	开发自动化工具以快速、客观地评估视网膜神经节细胞轴突损伤，促进青光眼基础和转化研究	大鼠、小鼠和非人灵长类动物的视神经横截面显微图像	计算机视觉	青光眼	光镜显微成像	CNN	图像	大鼠视神经横截面显微图像（手动注释），以及小鼠和非人灵长类动物模型数据	PyTorch	深度分割网络	R², soft-Dice系数, 平均绝对百分比误差	NA
46	2026-05-24	Deep Learning of Videourodynamics to Classify Bladder Dysfunction Severity in Patients With Spina Bifida 2023-05, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000003267 PMID:36787376	研究论文	利用深度学习模型对脊髓脊膜膨出患者进行膀胱功能障碍严重程度分类	首次将深度学习应用于视频尿动力学数据的分析，结合容量-压力记录和荧光透视图像自动分类膀胱功能障碍严重程度	样本量有限（306项检查），且仅来自单一机构，模型泛化能力待验证	开发基于视频尿动力学数据的深度学习模型，以分类膀胱功能障碍严重程度	2个月至28岁患脊髓脊膜膨出的患者	机器学习	脊髓脊膜膨出相关膀胱功能障碍	视频尿动力学	卷积神经网络，随机森林	容量-压力曲线，荧光透视图像	306次视频尿动力学检查	NA	卷积神经网络	准确率，加权卡帕系数	NA
47	2026-05-23	Small-molecule binding and sensing with a designed protein family 2023-Nov-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.01.565201 PMID:37961294	研究论文	结合深度学习和物理方法，设计出一系列具有多样可设计口袋几何结构的蛋白质，用于结合六种不同的小分子靶标，并利用这些蛋白质构建化学诱导二聚化系统和皮质醇生物传感器	首次将深度学习方法与物理方法结合，生成具有多样化和可设计口袋几何结构的蛋白质家族，实现对多种化学和结构不同小分子的高亲和力结合，并利用结合口袋的边缘暴露特性设计化学诱导二聚化系统和生物传感器	未明确说明，可能包括设计方法的普适性验证不足或传感器在复杂生物样本中的实际应用效果待评估	开发一种通用方法，用于设计能够结合并感知任意小分子的蛋白质，以支持分析、环境和生物医学应用	六种化学和结构不同的小分子靶标（如皮质醇）以及与设计的蛋白质结合的生物传感器	机器学习	NA	深度学习和物理计算方法	深度学习模型（具体未指定）	蛋白质结构数据	六种小分子靶标的结合设计，具体样品数量未提及	NA	NA	结合亲和力（纳摩尔到低微摩尔级别）	NA
48	2026-05-23	Deep Learning for Detection and Localization of B-Lines in Lung Ultrasound 2023-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3282596 PMID:37276107	研究论文	研究多种深度学习方法在肺超声中自动检测和定位B线的效果	提出了一种新颖的B线定位单点方法，仅使用起点进行定位，并发布了包含1419个视频和15755个专家标注B线的新数据集BEDLUS	单点定位方法的F1分数仅为0.65，有待提高	评估不同深度学习方法在肺超声视频中自动检测和定位B线的能力	肺超声中的B线伪影	计算机视觉	肺充血	NA	CNN, 递归神经网络	视频	113名患者的1419个视频，包含15755个专家标注B线	NA	多种深度学习模型架构	ROC曲线下面积, F1分数	NA
49	2026-05-23	Methods and considerations for estimating parameters in biophysically detailed neural models with simulation based inference 2023-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.17.537118 PMID:37131818	研究论文	本文探讨了如何利用基于模拟的推理（SBI）估计生物物理详细神经模型中的参数，特别是针对时间序列波形，并提供了指南和考虑因素	首次为生物物理详细神经模型中的大规模参数推断提供了实用指南，特别是利用SBI处理时间序列波形数据，并建立了诊断后验估计质量和唯一性的方法	SBI在生物物理详细模型中的大规模应用仍具挑战，且推断参数以解释时间序列波形的方法尚未完全建立	为生物物理详细神经模型中的参数估计提供SBI应用指南和考虑因素，特别是针对时间序列波形	生物物理详细的神经模型、MEG/EEG时间序列波形	机器学习	NA	基于模拟的推理（SBI）	生物物理详细神经模型	时间序列波形（MEG/EEG数据）	NA	PyTorch	密度估计神经网络	后验诊断指标（如质量与唯一性评估）	NA
50	2026-05-22	How Does Attention Work in Vision Transformers? A Visual Analytics Attempt 2023-Jun, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3261935 PMID:37027263	研究论文	通过可视化分析方法研究视觉Transformer中注意力机制的原理	提出基于剪枝的度量方法识别重要注意力头，并采用自编码器总结注意力模式	未明确提及局限性	理解视觉Transformer中注意力的工作机制	视觉Transformer模型的注意力头	计算机视觉	NA	NA	视觉Transformer	图像	NA	PyTorch	Vision Transformer	NA	NA
51	2026-05-22	Inter-fraction deformable image registration using unsupervised deep learning for CBCT-guided abdominal radiotherapy 2023-04-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acc721 PMID:36958049	研究论文	提出一种基于无监督深度学习的CBCT-CBCT可变形图像配准方法，用于CBCT引导的腹部放疗中的分次间解剖变化分析	提出结合全局生成对抗网络和局部生成对抗网络的空间变换网络，无需真实变形矢量场的监督即可实现粗尺度和细尺度运动预测	NA	实现CBCT引导的腹部放疗中分次间的快速准确纵向CBCT配准，以量化解剖变化	腹部癌症患者的CBCT图像	计算机视觉	腹部癌症	CBCT成像	生成对抗网络	图像	20名腹部癌症患者的100个分次CBCT用于实验，21名不同腹部癌症患者的105个分次CBCT用于保留测试	PyTorch	空间变换网络，全局生成对抗网络，局部生成对抗网络	目标配准误差，平均绝对误差，归一化互相关	NA
52	2026-05-20	Functional non-uniformity of periodontal ligaments tunes mechanobiological stimuli across soft- and hard-tissue interfaces 2023-10-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2023.08.047 PMID:37634832	研究论文	提出结合纳米压痕、图像本构建模和深度学习的框架，揭示牙周膜功能非均匀性在骨-牙周膜-牙复合体机械生物刺激传导中的作用	首次整合动态纳米力学测试、高分辨率图像建模和机器学习（高斯混合模型与U-net深度学习），从微观结构非均匀性角度阐明牙周膜对机械生物刺激的调节机制	NA	探究牙周膜先天功能非均匀性如何调节传递给周围牙槽骨的机械生物刺激，维持组织稳态	骨-牙周膜-牙复合体（BPT复合体）中的牙周膜微观结构及其机械生物学功能	数字病理学	NA	纳米压痕	U-net	图像	NA	PyTorch	U-net	NA	NA
53	2026-05-19	AlphaFold2 has more to learn about protein energy landscapes 2023-Dec-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.12.571380 PMID:38168383	研究论文	测试AlphaFold2对折叠转换蛋白能量景观的预测能力，发现其成功率有限，且置信度指标无法区分低能和高能状态	系统评估了AlphaFold2在预测折叠转换蛋白多种构象方面的局限性，揭示了深度学习模型在理解蛋白质能量景观方面的不足	AF2对折叠转换蛋白的预测成功率仅约25%，置信度指标偏向不一致模型，且对新靶标的替代构象无预测能力	评估AlphaFold2在蛋白质能量景观（特别是折叠转换蛋白）上的预测极限	93个已知折叠转换蛋白（训练集内）和7个新靶标（训练集外）	机器学习	NA	深度学习	AlphaFold2	蛋白质结构数据	训练集内93个蛋白生成超280,000个模型；训练集外7个蛋白生成超159,000个模型	NA	AlphaFold2	成功率约25%，置信度指标	NA
54	2026-05-19	AI-based assessments of speech and language impairments in dementia 2023-10, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13395 PMID:37578167	综述	综述了基于机器学习与深度学习算法利用语音和文本数据集开发痴呆症评估工具的研究	聚焦人工智能在痴呆症早期检测中利用语音和语言障碍评估的最新进展，强调系统在临床快速准确识别患者中的应用	未明确提及具体局限性，但综述可能受限于现有研究的样本异质性和算法泛化能力	综述利用机器学习与深度学习算法分析语音和语言数据开发痴呆症评估工具的研究	痴呆症患者的语音和语言数据	自然语言处理	痴呆症	NA	机器学习, 深度学习	语音, 文本	未提及	NA	NA	NA	NA
55	2026-05-17	Cerebellar Volume and Disease Staging in Parkinson's Disease: An ENIGMA-PD Study 2023-12, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.29611 PMID:37964373	研究论文	利用ENIGMA-PD全球工作组的大样本MRI数据，量化帕金森病患者不同Hoehn-Yahr分期的小脑各小叶体积变化	首次在大型多中心样本中揭示帕金森病前叶（运动）和后叶（非运动）小脑区域的分离变化，即疾病早期前叶体积增大、晚期后叶体积缩小	NA	探究帕金森病不同疾病分期中小脑区域体积的差异及其与运动和非运动功能的关系	帕金森病患者	医学影像分析	帕金森病	磁共振成像	深度学习	三维T1加权结构MRI图像	2487名帕金森病患者和1212名年龄性别匹配的对照组，来自22个中心	NA	NA	Cohen's d效应量	NA
56	2026-05-17	At-home wireless sleep monitoring patches for the clinical assessment of sleep quality and sleep apnea 2023-05-24, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adg9671 PMID:37224243	研究论文	本文报告了一种家用无线睡眠监测贴片系统，用于临床评估睡眠质量和睡眠呼吸暂停	开发了集成机器学习的无线可穿戴电子设备，实现家庭自然睡眠环境下的睡眠质量评估和睡眠呼吸暂停检测，相比传统多导睡眠监测系统更便携、低负担	NA	开发一种家用、便携的无线睡眠监测系统，用于评估睡眠质量和检测睡眠呼吸暂停	睡眠障碍患者和健康对照者	机器学习	睡眠呼吸暂停	机器学习	深度学习	脑电、眼电、肌电信号	NA	NA	NA	准确率	NA
57	2026-05-17	Coupling analysis of heart rate variability and cortical arousal using a deep learning algorithm 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284167 PMID:37023117	研究论文	利用深度学习算法分析心率变异性与皮层唤醒的耦合关系	首次在种族多样人群中研究皮层唤醒与心率变异性的瞬时关联，并使用自动化深度学习工具从心电信号中标注唤醒事件	未在标题和摘要中明确说明	探究皮层唤醒与心率变异性之间的瞬时关联，以及其在性别和睡眠阶段中的差异	来自多种族动脉粥样硬化研究数据集的1069名受试者的整夜心电信号	机器学习	睡眠呼吸障碍相关心血管功能障碍	心电信号分析、多导睡眠监测	深度学习算法（用于标注唤醒事件）	心电信号	1069名受试者的整夜心电信号	NA	NA	NA	NA
58	2026-05-16	Deep Learning for Inference of Hepatic Proton Density Fat Fraction From T1-Weighted In-Phase and Opposed-Phase MRI: Retrospective Analysis of Population-Based Trial Data 2023-11, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29607 PMID:37466189	research paper	使用深度学习从常规T1加权同/反相位MRI推断肝脏质子密度脂肪分数，并进行回顾性分析	首次使用卷积神经网络从常规T1加权IOP图像推断PDFF，替代不广泛可用的CSE-MRI序列	在中重度铁过载患者中的表现需进一步研究	比较基于深度学习的PDFF推断与两点Dixon信号FF在肝脏脂肪定量中的准确性	292名参与者（203名女性，89名男性）的肝脏MRI数据	计算机视觉	非酒精性脂肪肝病	MRI	卷积神经网络	图像	292名参与者（218人训练，74人测试）	PyTorch	卷积神经网络	组内相关系数，偏差，95%一致性界限	NA
59	2026-05-16	Identification of potential inhibitors against E.coli via novel approaches based on deep learning and quantum mechanics-based atomistic investigations 2023-10-01, Archives of biochemistry and biophysics IF:3.8Q1 DOI:10.1016/j.abb.2023.109761 PMID:37734644	研究论文	该研究结合深度学习和量子力学方法，从大量分子中筛选出两个潜在的大肠杆菌DNA旋转酶抑制剂	基于深度学习的分子对接与量子力学计算相结合，对45,257,086个分子进行虚拟筛选，发现两个新型抑制剂	仅进行计算机模拟研究，缺乏体外或体内实验验证	发现针对大肠杆菌DNA旋转酶的新型抑制剂以应对抗生素耐药性问题	大肠杆菌DNA旋转酶及MCULE数据库中45,257,086个分子	机器学习	细菌感染	药效团建模、虚拟筛选、分子对接、密度泛函理论、分子动力学模拟	深度学习	分子结构数据	MCULE数据库中45,257,086个分子（包含223,460,579个构象）	NA	NA	结合能（kcal/mol）	NA
60	2026-05-16	Head and neck tumor segmentation convolutional neural network robust to missing PET/CT modalities using channel dropout 2023-04-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/accac9 PMID:37019119	研究论文	提出一种基于通道丢弃技术的3D U-Net卷积神经网络，用于头颈癌肿瘤分割，能够灵活处理缺失的PET/CT模态	引入通道丢弃技术模拟不同输入模态组合，使单一模型在仅有CT或PET单模态以及两者结合时均保持高性能，同时采用传统卷积和扩张卷积结合的双感受野集成建模方法	未提及	开发一种鲁棒、准确且自动化的头颈癌原发肿瘤体积分割方法，提升放射治疗中的临床适用性	头颈癌患者的CT和FDG-PET影像	数字病理学	头颈癌	CT, FDG-PET	卷积神经网络 (CNN)	图像	未明确提及	PyTorch	3D U-Net	Dice相似系数 (DSC)	未提及