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
81	2026-03-02	Personal transcriptome variation is poorly explained by current genomic deep learning models 2023-12, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01574-w PMID:38036790	研究论文	本文评估了四种先进的基因组深度学习模型在解释个体间基因表达变异方面的表现，发现它们在预测顺式调控遗传变异对表达的影响方面存在局限性	首次系统评估了基因组深度学习模型在解释个体间转录组变异方面的能力，揭示了模型在预测顺式调控遗传变异效应方向上的不足	模型在解释个体间表达变异方面性能有限，且常无法正确预测顺式调控遗传变异对表达的影响方向	评估基因组深度学习模型在解释个体间基因表达变异方面的能力	配对个人基因组和转录组数据	机器学习	NA	基因组深度学习	深度学习模型	DNA序列、基因表达数据	NA	NA	NA	NA	NA
82	2026-03-02	Artificial intelligence for natural product drug discovery 2023-11, Nature reviews. Drug discovery DOI:10.1038/s41573-023-00774-7 PMID:37697042	综述	本文探讨了人工智能与计算组学技术在天然产物药物发现中的协同作用，旨在有效识别潜在药物候选分子	结合计算组学技术与人工智能方法，如机器学习，以挖掘天然产物的隐藏多样性并促进药物设计	需要高质量数据集来训练深度学习算法，并需制定适当的算法验证策略	探索人工智能与计算组学技术在天然产物药物发现中的协同应用，以识别药物候选分子	天然产物分子及其在药物发现中的应用	机器学习	NA	计算组学技术	深度学习	分子数据	NA	NA	NA	NA	NA
83	2026-03-02	Optimizing Deep Learning-Based Segmentation of Densely Packed Cells using Cell Surface Markers 2023-Sep-26, Research square DOI:10.21203/rs.3.rs-3307496/v1 PMID:37841876	研究论文	本文评估并优化了深度学习模型在密集细胞分割任务中的性能，特别是在人类疱疹病毒感染皮肤组织的免疫荧光图像上	系统评估了18种深度学习细胞分割模型，并通过进一步训练和参数调优显著提升了模型性能，最终模型性能优于人工表现	最终模型性能仍不完美，主要归因于图像数据集的中等信噪比	优化基于深度学习的密集细胞分割方法，以提高空间分子谱分析中细胞识别的准确性	人类疱疹病毒感染皮肤组织中的免疫细胞	数字病理学	疱疹病毒感染	免疫荧光染色	深度学习	图像	超过10,000个训练实例	NA	Cellpose	平均精度均值	NA
84	2026-03-02	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	本研究开发了一种基于深度学习的自然语言处理模型，用于从出院小结中自动识别射血分数降低的心力衰竭患者	采用半监督学习框架，构建了首个能够从临床文本中高精度识别HFrEF的深度学习语言模型，并进行了多中心外部验证	模型主要基于单中心数据开发，外部验证数据集中部分样本量较小，且依赖于超声心动图报告的左心室射血分数作为金标准	开发自动化工具以评估和改进射血分数降低的心力衰竭患者的指南导向治疗质量	心力衰竭患者的出院小结文本数据	自然语言处理	心血管疾病	深度学习自然语言处理	深度学习语言模型	文本	13,251份出院小结（来自5,392名患者），外部验证包括19,242份（西北医学）、139份（耶鲁社区医院）和146份（MIMIC-III）	NA	深度学习语言模型	AUROC, AUPRC, NRI	NA
85	2026-03-02	Learning Spectral Fractional Anisotropy and Mean Diffusivity Features as Neuroimaging Biomarkers for Tracking White Matter Integrity Changes in Myotonic Dystrophy Type 1 Patients using Deep Convolutional Neural Networks 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340468 PMID:38083393	研究论文	本研究提出了一种基于谱图的深度学习方法，用于表征1型强直性肌营养不良症（DM1）患者的白质网络改变，旨在开发作为神经影像生物标志物的深度学习模型	提出了一种新颖的基于谱图的深度学习方法，用于从分数各向异性和平均扩散率数据中学习特征，作为追踪DM1患者白质完整性变化的神经影像生物标志物，相比先前方法在识别DM1方面取得了显著提升（91%准确率）	样本量相对有限（46名DM1患者和96名对照），且仅评估了25个主要白质束，可能未涵盖所有相关的白质变化	深入了解DM1对中枢神经系统的影响，并开发可作为疾病生物标志物的深度学习模型，未来有望用于临床试验作为结果测量指标	1型强直性肌营养不良症（DM1）患者和未受影响对照组的白质微结构变化	医学影像分析	神经肌肉疾病	扩散张量成像	CNN	图像	46名DM1患者和96名对照，共7100张谱图图像	NA	深度卷积神经网络	准确率	NA
86	2026-03-02	Acquisition of a Lexicon for Family History Information: Bidirectional Encoder Representations From Transformers-Assisted Sublanguage Analysis 2023-Jun-27, JMIR medical informatics IF:3.1Q2 DOI:10.2196/48072 PMID:37368483	研究论文	本研究旨在构建一个用于家庭病史信息提取和标准化的词汇资源，利用基于Transformer的方法从初级保健临床笔记中提取信息，并通过规则和深度学习系统进行评估	利用基于Transformer的方法（如BERT）辅助构建家庭病史词汇资源，结合规则和深度学习系统进行信息提取，提高了召回率	性能评估中F1分数存在波动，且词汇资源主要基于特定临床笔记语料，可能在其他医疗环境中泛化能力有限	构建一个标准化的家庭病史词汇资源，以支持电子健康记录中的信息提取和下游临床应用	家庭病史信息，包括临床笔记中的实体和关系	自然语言处理	NA	自然语言处理，基于Transformer的方法	BERT，深度学习模型	文本（临床笔记）	语料来自初级保健临床笔记，具体样本数量未明确说明	NA	Transformer，BERT	F1分数，召回率	NA
87	2026-03-02	Deep learning to estimate lung disease mortality from chest radiographs 2023-05-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37758-5 PMID:37193717	研究论文	本研究开发了一个深度学习模型CXR Lung-Risk，用于从胸部X光片中预测肺部疾病死亡风险	首次利用深度学习从易于获取的胸部X光片中预测肺部疾病死亡率，并展示了与死亡风险的梯度关联	模型仅基于胸部X光片，未整合其他临床或基因组数据，且外部验证队列数量有限	预测肺部疾病死亡率以改善个性化预防和治疗策略	慢性肺部疾病（如哮喘、肺癌）患者	计算机视觉	肺癌	胸部X光成像	深度学习模型	图像	训练集：40,643名个体的147,497张X光图像；测试集：三个独立队列共15,976名个体	NA	CXR Lung-Risk	风险比（Hazard ratios）	NA
88	2026-03-02	Deep Learning of Coronary Calcium Scores From PET/CT Attenuation Maps Accurately Predicts Adverse Cardiovascular Events 2023-05, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2022.06.006 PMID:36284402	研究论文	本研究开发了一种深度学习模型，用于从PET/CT衰减校正扫描中自动量化冠状动脉钙化评分，以预测心血管不良事件	首次将原本为视频应用开发的深度学习模型适配用于快速量化冠状动脉钙化评分，实现了从PET/CT衰减校正扫描中全自动定义钙化评分	研究基于外部队列进行测试，但未提及模型在更广泛人群或不同扫描协议下的泛化能力	开发一种深度学习模型，能够从PET/CT衰减校正扫描中自动定义冠状动脉钙化评分，以预测心血管不良事件风险	接受PET/CT成像的患者，包括有主要不良心脏事件随访数据的个体	医学影像分析	心血管疾病	PET/CT成像，心电图门控CT扫描	深度学习模型	CT扫描图像	训练集：9,543张专家标注的CT扫描；测试集：4,331名患者（其中2,737名有同日配对心电图门控钙化扫描）	NA	NA	风险比，净重分类改善，阴性预测值	NA
89	2026-03-02	Applications of Deep Learning in Endocrine Neoplasms 2023-Mar, Surgical pathology clinics DOI:10.1016/j.path.2022.09.014 PMID:36739164	综述	本文综述了深度学习在内分泌肿瘤组织病理学中的当前研究进展，重点关注实验设计、重要发现和关键局限性	系统总结了深度学习在内分泌肿瘤领域的应用现状，强调了从肿瘤分级到基因表达预测等任务中的效用	作为综述文章，未提出新的实验数据或模型，主要依赖现有文献的归纳分析	总结深度学习在内分泌肿瘤组织病理学中的研究现状与应用	内分泌肿瘤的组织病理学样本	数字病理学	内分泌肿瘤	NA	深度学习	组织学样本图像	NA	NA	NA	NA	NA
90	2026-03-02	Deep learning in digital pathology for personalized treatment plans of cancer patients 2023-Mar, Seminars in diagnostic pathology IF:2.9Q2 DOI:10.1053/j.semdp.2023.02.003 PMID:36890029	综述	本文综述了基于深度学习的数字病理学方法在癌症患者个性化治疗计划中的应用，重点介绍了利用H&E染色病理图像进行生物标志物量化和治疗反应预测的研究	利用人工智能自动量化病理图像中的生物标志物，实现更高效、客观的评估，辅助制定个性化癌症治疗方案	综述性文章未直接进行实验，因此未提及具体研究局限性	改善癌症患者治疗选择，通过AI辅助实现个性化治疗计划	癌症患者的H&E染色病理图像	数字病理学	癌症	H&E染色	深度学习	图像	NA	NA	NA	NA	NA
91	2026-03-02	Retrospective T2 quantification from conventional weighted MRI of the prostate based on deep learning 2023, Frontiers in radiology DOI:10.3389/fradi.2023.1223377 PMID:37886239	研究论文	开发了一种基于深度学习的U-Net神经网络方法，从常规T1和T2加权图像中回顾性量化前列腺T2图	首次利用深度学习直接从临床常规MRI图像中估计前列腺T2图，无需额外扫描序列	样本量较小（25名受试者），且为回顾性研究，需要进一步验证	开发一种从常规MRI图像中回顾性量化前列腺T2值的方法，以改善前列腺癌的诊断和表征	前列腺组织，包括高风险前列腺癌队列和低风险主动监测队列的患者	数字病理	前列腺癌	多回波自旋回波序列MRI	CNN	图像	25名受试者用于训练，38名前列腺癌患者用于验证	NA	U-Net	结构相似性指数, 峰值信噪比, 平均百分比误差, Pearson相关系数	NA
92	2026-03-02	Digital staining facilitates biomedical microscopy 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1243663 PMID:37564725	综述	本文综述了深度学习在生物医学显微镜中实现虚拟染色技术，以替代传统染色方法	利用深度学习实现虚拟染色，避免了传统染色的耗时、成本高、样本损伤及标记不一致等问题，并能结合神经网络校正显微镜像差	NA	探讨如何通过计算虚拟染色技术优化生物医学显微镜的样本制备和成像过程	生物医学显微镜成像中的生物样本	数字病理学	NA	深度学习	神经网络	图像	NA	NA	NA	NA	NA
93	2026-02-27	A Scalable Framework for Closed-Loop Neuromodulation with Deep Learning 2023-Jan-20, bioRxiv : the preprint server for biology DOI:10.1101/2023.01.18.524615 PMID:36712027	研究论文	本文提出并验证了一种基于深度学习的新型框架，用于设计和部署灵活、数据驱动的自动化闭环神经调控，该框架可扩展、与刺激技术无关，且无需个性化真实性能数据	框架基于识别响应期（检测到的状态，在应用刺激时与无刺激相比性能发生变化），支持多模态刺激（如tACS、tDCS、tFUS、TMS），并利用深度学习（CNN）实现自动化决策，避免了传统方法中的偏倚生物标志物检测	未明确说明框架在更广泛数据集或不同临床场景中的泛化能力，且可能依赖于特定数据质量（如GX数据集）	开发一个可扩展的深度学习框架，用于自动化闭环神经调控，以优化临床和非临床行为、认知、健康、注意力或任务表现增强	神经或生理活动数据（如EEG、ECG、EOG），以及与之配对的持续警觉/注意力疲劳跟踪和高清经颅电刺激（HD-tES）数据	机器学习	NA	深度学习，卷积神经网络（CNN），多模态神经刺激技术（tACS、tDCS、tFUS、TMS）	CNN	生理信号（ECG、EOG）、神经元信号（EEG）、行为跟踪数据	基于开源的GX数据集，具体样本数量未明确说明	未明确指定，但提及深度学习框架	卷积神经网络（CNN）	正确应用试验的百分比（88.26%），预测错误刺激时间的百分比（11.25%）	NA
94	2026-02-26	Exploring mobility data for enhancing HIV care engagement in Black/African American and Hispanic/Latinx individuals: a longitudinal observational study protocol 2023-12-14, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-079900 PMID:38101845	研究论文	本研究旨在通过收集和分析移动数据，结合社会结构信息，探索提升黑人和拉丁裔HIV感染者护理参与度的因素	首次将GPS移动数据与社会结构数据结合，利用机器学习和深度学习模型分析HIV护理参与的上下文预测因素	研究样本仅限于美国高HIV流行地区的特定种族群体，可能无法推广到其他人群或地区	探索移动模式与HIV护理参与之间的关系，识别障碍和促进因素，以增强公共卫生监测和干预措施	400名黑人和拉丁裔HIV感染者	机器学习	HIV感染	GPS数据收集，社会结构数据整合	机器学习，深度学习	GPS移动数据，调查数据，社会结构数据	400名参与者，每人提供至少14天/月的移动数据，持续1年	NA	NA	NA	NA
95	2026-02-20	Towards Automatic Cartilage Quantification in Clinical Trials - Continuing from the 2019 IWOAI Knee Segmentation Challenge 2023-Mar, Osteoarthritis imaging DOI:10.1016/j.ostima.2023.100087 PMID:39036792	研究论文	评估深度学习分割方法在骨关节炎临床试验中自动量化软骨损失的适用性	利用IWOAI 2019挑战赛的深度学习分割方法，首次在纵向临床试验中系统评估其量化软骨损失的敏感性	股骨亚区分割的后处理提取方法简单，可能导致敏感性降低	评估深度学习分割方法在标准化纵向单扫描仪临床试验中量化软骨损失的适用性	骨关节炎患者的膝关节MRI图像	数字病理学	骨关节炎	MRI	深度学习分割模型	图像	556名受试者，共1130个膝关节MRI扫描	NA	NA	标准化响应均值	NA
96	2026-02-19	Research on performance variations of classifiers with the influence of pre-processing methods for Chinese short text classification 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292582 PMID:37824464	研究论文	本研究通过实验比较了15种常用分类器在两种中文数据集上，结合三种中文预处理方法（分词、中文特定停用词去除、中文特定符号去除）对中文短文本分类性能的影响	首次系统性地探讨了中文特定预处理方法（如分词、中文停用词和符号去除）对多种分类器（包括机器学习和深度学习模型）在中文短文本分类任务中性能变化的综合影响	研究仅基于两种中文数据集进行，可能无法完全代表所有中文短文本分类场景；预处理方法的组合和评估条件有限，未涵盖更广泛的预处理技术或数据集	探究中文预处理方法对中文短文本分类器性能的影响，以优化分类效果	中文短文本数据集	自然语言处理	NA	中文文本预处理（包括分词、停用词去除、符号去除）	多种分类器（包括机器学习和深度学习模型）	文本	两种中文数据集（具体样本数量未在摘要中明确说明）	NA	NA	macro-F1	NA
97	2026-02-17	Ensemble Learning-Based Hybrid Segmentation of Mammographic Images for Breast Cancer Risk Prediction Using Fuzzy C-Means and CNN Model 2023, Journal of healthcare engineering DOI:10.1155/2023/1491955 PMID:36760835	研究论文	本文提出了一种基于集成学习的混合分割方法，结合模糊C均值聚类和CNN模型，用于乳腺X线图像分割以预测乳腺癌风险	采用CLAHE和形态学操作预处理乳腺X线图像，并结合模糊C均值聚类与CNN进行混合分割，以提高乳腺癌风险预测的准确性	研究仅基于MIAS数据库图像，样本来源有限，且未详细说明模型在多样化临床数据上的泛化能力	开发一种计算机辅助诊断系统，通过图像分割技术早期检测乳腺癌，以提升治疗效果和患者生存率	乳腺X线图像，特别是来自MIAS数据库的图像，用于识别乳腺肿块和评估乳腺癌风险	计算机视觉	乳腺癌	CLAHE（对比度受限自适应直方图均衡化），形态学操作，图像分割	CNN	图像	使用MIAS数据库中的图像，具体样本数量未明确说明	NA	NA	阈值，准确率，灵敏度，特异性，活检率	NA
98	2026-02-15	Advanced deep learning methods for molecular property prediction 2023-Dec, Quantitative biology (Beijing, China) DOI:10.1002/qub2.23 PMID:41675536	综述	本文综述了分子性质预测中的分子表示、常用数据集以及先进的深度学习方法	总结了分子性质预测领域的最新深度学习网络（如图神经网络和基于Transformer的模型）和策略（如3D预训练、对比学习、多任务学习、迁移学习和元学习）	指出了数据集缺乏、信息利用率低以及针对疾病特异性不足等关键问题	加速药物发现过程并降低其成本	分子性质预测	机器学习	NA	NA	图神经网络, Transformer	分子数据	NA	NA	NA	NA	NA
99	2026-02-15	Exploration on learning molecular docking with deep learning models 2023-Sep, Quantitative biology (Beijing, China) DOI:10.15302/J-QB-022-0321 PMID:41675244	研究论文	本文提出并评估了一种结合深度学习与两种免费对接程序的虚拟筛选方法，用于快速高效地筛选超大型化合物库以获取多样化的潜在活性化合物	创新点在于将深度学习模型与免费对接程序结合，形成一种可显著降低计算成本且具有可转移性的策略	NA	研究目标是开发一种快速高效的虚拟筛选方法，用于从超大型化合物库中识别潜在活性化合物	研究对象是超大型化合物库中的化合物	机器学习	NA	分子对接	深度学习模型	化合物数据	NA	NA	NA	NA	NA
100	2026-02-15	DeepRCI: predicting RNA-chromatin interactions via deep learning with multi-omics data 2023-Sep, Quantitative biology (Beijing, China) DOI:10.15302/J-QB-022-0316 PMID:41675247	研究论文	本文提出了一种名为DeepRCI的可解释计算框架，用于预测RNA与染色质之间的相互作用	开发了一个高度可解释的深度学习框架，结合多组学数据来预测RNA-染色质相互作用	NA	识别不同类型RNA与染色质之间的相互作用，以研究基因调控机制	染色质相关RNA（caRNA）及其与染色质的相互作用	机器学习	NA	多组学数据	深度学习	多组学数据	NA	NA	NA	NA	NA