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
101	2026-08-25	Contrastive learning-based pretraining improves representation and transferability of diabetic retinopathy classification models 2023-04-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33365-y PMID:37055475	研究论文	本文介绍了一种基于自监督对比学习预训练的糖尿病视网膜病变分类模型，通过神经风格迁移增强数据表示，提高了模型在独立数据集上的泛化能力	首次将对比学习预训练与神经风格迁移增强相结合用于糖尿病视网膜病变分类，显著提升了小样本训练下的模型性能和跨数据集迁移能力	研究仅基于公开数据集EyePACS和单一临床数据集UIC进行验证，可能限制模型在其他人群和临床环境中的泛化性	开发一种能够在小规模标注数据集上训练的鲁棒且可泛化的糖尿病视网膜病变自动检测模型	糖尿病视网膜病变患者的彩色眼底图像	计算机视觉	糖尿病视网膜病变	对比学习预训练, 神经风格迁移	深度学习模型（卷积神经网络）	图像（彩色眼底图像）	EyePACS数据集用于训练和验证，UIC临床数据集用于独立测试（具体样本数量未提及）	NA	FundusNet	AUC（曲线下面积）	NA
102	2026-08-21	Artificial intelligence for natural product drug discovery 2023-11, Nature reviews. Drug discovery DOI:10.1038/s41573-023-00774-7 PMID:37697042	研究论文	本文探讨了计算组学技术与人工智能方法在天然产物药物发现中的协同作用，以及面临的挑战和未来方向。	提出将计算组学技术揭示的天然产物多样性与机器学习驱动的药物设计相结合，以高效识别药物候选分子。	未提供具体的实验验证或定量结果，主要基于综述性讨论。	探讨人工智能在天然产物药物发现中的当前和未来应用，并解决关键挑战如高质量数据集和算法验证。	天然产物及其药物发现过程	机器学习	NA	计算组学技术	机器学习模型	文本	NA	NA	深度学习	NA	NA
103	2026-08-21	Hybrid-Supervised Deep Learning for Domain Transfer 3D Protoacoustic Image Reconstruction 2023-Aug-11, ArXiv PMID:37608936	研究论文	开发了一种混合监督深度学习方法，采用重建-增强两阶段策略，用于解决质子治疗中质子声学成像的有限视角问题，实现实时三维剂量验证。	提出了一种结合转换器网络与三维U-net的两阶段重建-增强策略，并首次采用混合监督训练（迭代重建监督与数据保真自监督）实现跨域转移的三维质子声学图像重建。	未明确提及局限性。	解决质子声学成像中有限采集角度导致的伪影问题，提高三维剂量验证的准确性和实时性。	前列腺癌患者的质子声学成像数据，用于三维剂量验证。	医学图像重建	前列腺癌	质子声学成像、深度学习重建、剂量验证	转换器网络、三维U-net	射频信号、质子声学图像、剂量图	126例前列腺癌患者	NA	转换器网络、三维U-net	均方根误差、结构相似性指数、伽马指数	NA
104	2026-08-21	A new polygenic score for refractive error improves detection of children at risk of high myopia but not the prediction of those at risk of myopic macular degeneration 2023-May, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104551 PMID:37055258	研究论文	开发了一种新的屈光不正多基因评分，用于改善儿童高度近视风险的检测，但该评分在考虑等效球镜屈光度后不能预测近视性黄斑变性风险	从多个全基因组关联研究数据中推导出改进的多基因评分，并首次评估其在预测高度近视和近视性黄斑变性中的独立作用	多基因评分在不同祖先群体中的预测性能差异较大，且在考虑等效球镜屈光度后对近视性黄斑变性无预测能力	推导一种改进的多基因评分以预测儿童高度近视风险，并测试该评分在考虑等效球镜屈光度后是否预测近视性黄斑变性	来自欧洲、非洲、南亚和东亚祖先群体的独立样本	基因组学	高度近视、近视性黄斑变性	全基因组关联研究、深度学习算法	多基因评分模型、逻辑回归模型	基因组数据、眼底图像数据	未在标题和摘要中明确说明样本数量，涉及多个队列如英国生物银行、CREAM联盟等	NA	NA	受试者工作特征曲线下面积、比值比、决定系数、置信区间	NA
105	2026-08-21	Riboformer: A Deep Learning Framework for Predicting Context-Dependent Translation Dynamics 2023-Apr-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.538053 PMID:37163112	研究论文	介绍了一个名为Riboformer的深度学习框架，用于预测依赖上下文的翻译动态，并纠正核糖体图谱数据中的实验伪影	利用Transformer架构，以密码子分辨率准确预测核糖体密度，并能纠正未见数据集中的实验伪影	未在摘要中提及明确的局限性	建模上下文依赖的翻译动态变化，识别翻译调控的序列决定因素	核糖体图谱数据，包括衰老和病毒感染等生物学情境中的核糖体停顿	深度学习	衰老相关疾病	核糖体图谱	Transformer	基因组规模测序数据	未在摘要中提及具体样本量	未在摘要中提及具体框架	Transformer	未在摘要中提及具体性能指标	未在摘要中提及计算资源
106	2026-08-20	3D cine-magnetic resonance imaging using spatial and temporal implicit neural representation learning (STINR-MR) 2023-Aug-18, ArXiv PMID:37645038	研究论文	提出一种基于空间和时间隐式神经表示学习的框架STINR-MR，用于从高度欠采样的数据中重建高分辨率的3D电影磁共振图像。	首次将空间和时间隐式神经表示学习结合用于3D cine-MRI重建，通过联合重建和可变形配准实现高加速因子，且为单次学习方法，无需预训练数据。	未提及明显的局限性，但基于模拟和单个人体受试者数据的评估可能限制泛化性。	实现从高度欠采样的k空间数据中准确重建3D cine-MR图像，以高时间、空间分辨率捕捉解剖动态。	3D cine-MR图像，包括来自4D XCAT数字体模和健康人体受试者的临床MR数据。	医学影像	不适用（健康受试者及数字体模，未涉及特定疾病）	磁共振成像（MRI）	隐式神经表示（INR）网络	MR图像数据（包括模拟和临床数据）	数字体模（XCAT）及一名健康人体受试者的临床MR数据	未明确提及，但可能使用PyTorch或TensorFlow等深度学习框架	空间隐式神经表示（INR）网络和时间隐式神经表示（INR）网络	图像质量、伪影、肿瘤定位精度（中心误差）	未明确提及
107	2026-08-19	RETRACTED: Gynecological Healthcare: Unveiling Pelvic Masses Classification through Evolutionary Gravitational Neocognitron Neural Network Optimized with Nomadic People Optimizer 2023-10-05, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13193131 PMID:37835875	研究论文	本文提出了一种结合演化引力新认知神经网络和游牧民族优化器的盆腔肿物分类方法，用于提高妇科腹部盆腔肿物超声图像分类的准确性和效率。	首次将演化引力新认知神经网络（EGNNN）与游牧民族优化器（NPOA）结合应用于盆腔肿物分类，并采用3D Tsallis熵多级阈值处理提取感兴趣区域和快速离散曲波变换特征提取，以提高分类性能。	本文已被撤回，因此可能存在方法或结果有效性的问题；此外，方法复杂可能导致计算时间增加，但文中未详细讨论具体局限性。	提出一种基于深度学习和优化算法的盆腔肿物分类方法，以实现准确和早期检测恶性肿瘤，并降低计算时间。	真实时间的超声盆腔肿物图像。	机器学习	妇科盆腔肿物	超声成像、3D Tsallis熵多级阈值处理、快速离散曲波变换（FDCT-WRP）	演化引力新认知神经网络（EGNNN）	图像	未明确提供具体样本数量。	PYTHON（未指定具体框架）	新认知神经网络（部分）	准确率（99.8%）	未提及
108	2026-08-19	Distortion-corrected image reconstruction with deep learning on an MRI-Linac 2023-09, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29684 PMID:37125656	研究论文	本文提出了一种基于深度学习的畸变校正重建网络（DCReconNet），用于MRI-Linac系统中快速重建无几何畸变的图像，以提高MR引导放疗的准确性。	结合可解释展开网络和非均匀快速傅里叶变换，首次在MRI-Linac环境中应用CNN学习正则化，实现快速且畸变校正的重建。	训练数据仅来自11名健康志愿者的脑部图像，可能限制模型在其他解剖部位或病理情况下的泛化能力。	开发一种从原始k空间数据快速重建畸变校正图像的方法，用于MR引导放疗。	MRI-Linac采集的体模、脑部、骨盆和肺部图像。	医学影像、深度学习	不适用（NA）	MRI	卷积神经网络（CNN）	图像（MRI k空间数据）	11名健康志愿者的公共脑部数据集，以及体模、脑、骨盆和肺部图像。	NA	展开网络（Unrolled Network）	结构相似性（SSIM）、均方根误差（RMSE）、计算时间、残余畸变	未提供（NA）
109	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
110	2026-08-18	Identification of lymph node metastasis in pre-operation cervical cancer patients by weakly supervised deep learning from histopathological whole-slide biopsy images 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6437 PMID:37559500	研究论文	本研究利用弱监督深度学习从宫颈癌患者术前病理全切片图像中预测淋巴结转移，并验证了其效能。	首次应用Vision Transformer（ViT）和循环神经网络（RNN）框架从宫颈癌原发灶全切片图像中预测淋巴结转移，并通过可视化生成热图揭示相关局部病理特征。	未提及具体限制。	利用数字病理特征术前预测宫颈癌患者的淋巴结转移状态。	宫颈癌患者的术前病理全切片图像。	数字病理学	宫颈癌	NA	Vision Transformer, 循环神经网络	图像（全切片图像）	训练集：554张全切片图像（来自齐鲁医院）；外部测试集：336张全切片图像（来自四家医院）；前瞻性队列：190张宫颈活检全切片图像。	NA	Vision Transformer, RNN	AUC、敏感性、特异性、准确率	NA
111	2026-08-18	A deep learning-based interpretable decision tool for predicting high risk of chemotherapy-induced nausea and vomiting in cancer patients prescribed highly emetogenic chemotherapy 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6428 PMID:37609808	研究论文	基于深度森林等算法，开发预测癌症患者在接受高致吐性化疗后出现化疗诱导恶心呕吐风险的模型，并识别关键预测变量	采用深度森林模型并整合SHAP、PDP和LIME可解释性技术，专注于高致吐性化疗下的CINV风险预测	未在摘要中明确提及局限性	开发并验证预测癌症患者CINV风险的模型，并确定对预测影响最大的变量	接受高致吐性化疗的癌症患者	机器学习	化疗诱导恶心呕吐	NA	深度森林、支持向量机、CatBoost、随机森林、决策树、神经网络	临床数据	NA	NA	深度森林、支持向量机、CatBoost、随机森林、决策树、神经网络	AUC、F1分数、准确率、特异性、敏感性、Brier分数	NA
112	2026-08-18	Multiparametric MRI-based model for prediction of local progression of hepatocellular carcinoma after thermal ablation 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6277 PMID:37694337	研究论文	开发了一种基于多参数MRI的深度学习放射组学模型，用于预测肝细胞癌热消融术后局部肿瘤进展。	结合术前和术后多参数MRI特征，使用ResNet18提取深度学习放射组学特征，构建整合临床变量的模型进行风险分层。	未明确提及局限性。	预测肝细胞癌热消融术后局部肿瘤进展风险。	肝细胞癌患者热消融术后的局部肿瘤进展。	医学影像分析	肝细胞癌	多参数磁共振成像（MRI）	深度学习放射组学模型	MRI图像	417名肝细胞癌患者（一个主要队列189例，两个外部测试队列共228例）	NA	ResNet18	AUC	NA
113	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
114	2026-08-16	RETRACTED: Convolutional neural network model by deep learning and teaching robot in keyboard musical instrument teaching 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293411 PMID:37883500	研究论文	本文探讨了学前教育中键盘乐器教学的现状与问题，并提出通过教学机器人和深度学习卷积神经网络模型改进教学的方法。	将教学机器人与深度学习卷积神经网络结合用于键盘乐器教学，通过分析学生演奏时的图像和动作实现个性化教学。	摘要未提及研究的局限性。	调查学前教育中键盘乐器教学现状，识别问题，并提出基于智能技术的解决方案。	学前教育中的键盘乐器教学和学生。	机器学习	NA	深度学习	卷积神经网络（CNN）	图像	NA	NA	卷积神经网络（CNN）	学生满意度	NA
115	2026-08-13	Deep-Learning-Based Segmentation of Extraocular Muscles from Magnetic Resonance Images 2023-Jun-08, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10060699 PMID:37370630	研究论文	本研究比较了四种深度学习框架（U-Net、U-NeXt、DeepLabV3+和ConResNet）在磁共振冠状位图像中对眼外肌进行多类像素级分割的性能	系统比较了四种深度学习模型在眼外肌MRI分割中的性能，并分析了空间不同图像平面对分割准确性的影响	未提供具体局限性信息	评估和比较深度学习模型在眼外肌MRI分割中的性能，并分析影响分割变异性和形态测量准确性的因素	眼外肌（EOMs）	深度学习，医学图像分割	NA	磁共振成像（MRI）	U-Net，U-NeXt，DeepLabV3+，ConResNet	磁共振图像	NA	NA	U-Net，U-NeXt，DeepLabV3+，ConResNet	IoU（交并比），Dice系数，质心距离偏移	NA
116	2026-08-13	Predicting Protein-Peptide Interactions: Benchmarking Deep Learning Techniques and a Comparison with Focused Docking 2023-05-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c00602 PMID:37167566	研究论文	本文评估了深度学习方法在预测蛋白质-肽相互作用中的性能，并与聚焦对接软件AutoDock CrankPep进行了比较。	首次对新的AlphaFold2多聚体模型和OmegaFold进行基准测试，并提出了结合ADCP和AlphaFold2的共识对接方法，显著提高了预测成功率。	研究仅限于99个非冗余蛋白质-肽复合物，可能无法完全代表所有蛋白质-肽相互作用的多样性，且未详细讨论计算资源消耗。	评估深度学习折叠模型在蛋白质-肽相互作用预测中的表现，并与聚焦对接软件进行比较，探索共识方法的潜力。	99个非冗余蛋白质-肽复合物。	结构生物学、深度学习	NA	深度学习（AlphaFold2, OmegaFold）、分子对接（AutoDock CrankPep）	CNN、Transformer（AlphaFold2, OmegaFold）	蛋白质-肽复合物三维结构数据	99个非冗余蛋白质-肽复合物	NA	AlphaFold2, OmegaFold, AutoDock CrankPep	对接成功率	NA
117	2026-08-13	Determination of factors affecting customer satisfaction towards "maynilad" water utility company: A structural equation modeling-deep learning neural network hybrid approach 2023-Mar, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e13798 PMID:36873542	研究论文	本研究通过结构方程模型与深度学习神经网络的混合方法，确定影响Maynilad水务公司客户满意度的关键因素	首次将SERVQUAL维度和期望确认理论整合，并采用结构方程模型与深度学习神经网络的混合方法分析客户满意度	未在摘要中明确说明局限性	识别影响Maynilad水务公司客户满意度的关键因素，并为公司改进服务提供建议	Maynilad水务公司的725名客户	机器学习	NA	问卷调查	结构方程模型，深度学习神经网络	问卷数据	725名Maynilad客户	NA	NA	NA	NA
118	2026-08-13	RETRACTED: A wearable-based sports health monitoring system using CNN and LSTM with self-attentions 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292012 PMID:37819909	研究论文	提出一种基于可穿戴设备、云计算和深度学习的运动健康监测系统，利用CNN、LSTM和自注意力机制预测运动员的健康状态。	融合CNN、LSTM和自注意力机制于运动健康监测，结合可穿戴设备和云平台实现实时监测与报告。	未提及局限，但文章已被撤回，可能涉及可靠性或伦理问题。	监测运动员的健康状态，以帮助其优化训练和比赛安排，防止受伤。	运动员的生理数据	机器学习	运动相关健康监测（非特定疾病）	可穿戴传感器数据采集	CNN-LSTM结合自注意力	生理时间序列数据	大型数据集（具体数量未提供）	NA	CNN, LSTM, 自注意力机制	准确率、特异性、精确率、F1分数	云计算平台（具体规格未提供）
119	2026-08-12	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	评估和优化基于深度学习的细胞分割模型，用于密集排列的免疫荧光细胞图像	系统评估18种深度学习分割模型，并采用细胞表面标记物图像进行微调和参数优化，显著提升分割性能	图像信噪比中等，导致最终模型性能仍有不完美之处	优化深度学习模型对密集排列细胞的准确分割，以支持空间分子分析	人类单纯疱疹病毒感染皮肤组织中的免疫细胞，通过免疫荧光图像进行分割	计算机视觉	病毒感染	免疫荧光成像	深度学习分割模型（包括Cellpose中的cyto模型）	图像	训练实例超过10,000个，来自两个公开图像集和一个目标图像集	NA	Cellpose (cyto模型), 以及其他17种模型	平均精度均值（mAP）	NA
120	2026-08-10	Artificial Intelligence and Machine Learning in Cancer Related Pain: A Systematic Review 2023-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.06.23299610 PMID:38105979	系统综述	本系统综述旨在探索人工智能/机器学习在癌症相关疼痛预测及疼痛管理决策支持中的应用	首次系统性地评估AI/ML在癌症疼痛预测和管理中的应用，并总结多种模型的性能比较及TRIPOD指南遵循情况	大多数纳入研究缺乏外部验证和临床实际应用，模型校准报告不足	探讨AI/ML在癌症疼痛相关结局预测和疼痛管理决策支持中的应用	癌症患者疼痛相关预测及管理决策	机器学习	癌症疼痛	NA	随机森林、Lasso、支持向量机等多种机器学习模型	临床研究数据	44项研究（2006-2023年）	NA	随机森林、Lasso、支持向量机	AUC、敏感性、特异性	NA