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
1	2026-09-29	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	该研究开发了一种名为CXR Lung-Risk的深度学习模型，通过胸部X光片预测肺部疾病死亡风险	首次利用深度学习从常规胸部X光片中预测肺部疾病死亡风险，并在多个独立队列中验证了其预测能力	未明确说明模型在不同种族、地区或医疗环境中的泛化能力，且未详细讨论模型的可解释性	开发并验证一种深度学习模型，从胸部X光片中预测肺部疾病死亡风险，以改善个性化预防和治疗策略	接受胸部X光检查的个体	医学影像分析	肺部疾病（包括哮喘、肺癌等）	深度学习	CNN	图像	训练集：40,643人的147,497张X光图像；测试集：三个独立队列共15,976人	NA	NA	风险比	NA
2	2026-09-28	Feasibility of Bone Mineral Density and Bone Microarchitecture Assessment Using Deep Learning With a Convolutional Neural Network 2023 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001437 PMID:37185012	研究论文	该文章评估了使用卷积神经网络深度学习从常规CT图像中预测骨密度和骨微结构的可行性	使用ResNet50卷积神经网络深度学习从多厂商扫描仪获取的常规CT图像中预测骨密度和骨小梁评分，作为检测潜在骨质疏松或骨微结构损伤的筛查工具	未明确说明局限性，但样本量相对较小且仅针对特定椎体区域	评估使用卷积神经网络深度学习从常规CT图像中预测骨密度和骨微结构的可行性	接受非对比CT检查包括L1-L4椎体和双能X线吸收测定法检查的患者	医学影像分析	骨质疏松	深度学习结合卷积神经网络	CNN	医学图像	402名患者，其中训练集280名患者3360张矢状椎体图像，验证集70名患者280张矢状椎体图像，测试集52名患者208张矢状椎体图像	NA	ResNet50	Pearson相关系数, 灵敏度, 特异度, 接收者操作特征曲线分析	NA
3	2026-09-23	Motion-Aware Neural Networks Improve Rigid Motion Correction of Accelerated Segmented Multislice MRI 2023-May, Proceedings of the International Society for Magnetic Resonance in Medicine ... Scientific Meeting and Exhibition. International Society for Magnetic Resonance in Medicine. Scientific Meeting and Exhibition PMID:42099534	研究论文	该文章展示了一种深度学习方法，用于快速回顾性层内刚性运动校正的分段多层MRI	使用超网络根据辅助刚性运动参数估计生成特定于输入图像的重建网络，从而提高重建质量并减轻对运动参数误估计的敏感性	未明确说明	快速回顾性层内刚性运动校正的分段多层MRI	分段多层MRI图像	医学图像处理	NA	MRI	超网络、神经网络	图像	NA	NA	NA	重建质量	NA
4	2026-09-21	An open database of computed bulk ternary transition metal dichalcogenides 2023-05-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02103-4 PMID:37253748	研究论文	通过平面波密度泛函理论计算，构建了块体三元过渡金属二硫属化物的结构弛豫数据集	构建了包含多种过渡金属和硫属元素组合的块体三元TMDs的DFT数据集，生成了大量结构弛豫构型，可用于机器学习和深度学习模型训练	摘要中未明确提及局限性	为机器学习和深度学习模型生成训练集，并获得不同化学计量比下的结构最小值以支持未来电子分析	块体三元过渡金属二硫属化物	材料科学	NA	DFT	NA	VASP XML文件，ASE数据库	672种独特的化学计量比，50337个单独构型	VASP，ASE	NA	NA	NA
5	2026-09-21	Dispersal inference from population genetic variation using a convolutional neural network 2023-05-26, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyad068 PMID:37052957	研究论文	使用卷积神经网络从群体遗传变异数据中推断平均每代扩散距离	首次使用深度学习从SNP数据中推断扩散距离，无需地理坐标，仅需SNP数据和采样空间尺度，且在小样本量下表现优于或相当于现有方法	未提及	开发一种从遗传变异数据中推断扩散距离的工具	12个不同物种的群体遗传数据	机器学习	NA	SNP基因分型	CNN	基因型数据	12个物种的公开数据	NA	卷积神经网络	NA	NA
6	2026-09-21	Neural Network Models for Sequence-Based TCR and HLA Association Prediction 2023-May-26, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.25.542327 PMID:37293077	研究论文	本文提出了一种名为DePTH的神经网络方法，基于氨基酸序列预测T细胞受体（TCR）与人类白细胞抗原（HLA）的关联，并利用该模型量化HLA等位基因的功能相似性，发现这些相似性与接受免疫检查点阻断治疗的癌症患者的生存结果相关	首次提出基于序列的神经网络模型DePTH用于预测TCR-HLA关联，并创新性地将预测的HLA功能相似性应用于免疫检查点治疗预后分析	摘要中未明确提及研究局限性	基于氨基酸序列预测TCR与HLA的关联，并探索其在量化HLA功能相似性及癌症免疫治疗预后中的潜在应用	T细胞受体（TCR）和人类白细胞抗原（HLA）的氨基酸序列	机器学习	肺癌	深度学习	神经网络	序列	摘要中未提供具体样本量	NA	NA	NA	NA
7	2026-09-21	Transfer learning based cascaded deep learning network and mask recognition for COVID-19 2023-May-26, World wide web IF:2.7Q2 DOI:10.1007/s11280-023-01149-z PMID:37361139	研究论文	本文提出了一种基于迁移学习的级联深度学习网络，并设计了口罩识别系统，用于检测行人是否佩戴口罩及口罩类型	基于轻量级网络MobilenetV3，通过修改激活函数和模型结构得到两个适合级联的MobilenetV3网络，并与多任务卷积神经网络级联，结合迁移学习降低计算量，分类准确率提升7%	未明确说明数据集的多样性、模型的泛化能力以及在实际场景中的部署效果	设计一种能够检测行人是否佩戴口罩以及口罩类型的口罩识别系统	公共场所行人的面部图像及口罩类型	计算机视觉	COVID-19	深度学习，迁移学习	CNN	图像	NA	NA	MobilenetV3, 多任务卷积神经网络	准确率	NA
8	2026-09-21	DELMEP: a deep learning algorithm for automated annotation of motor evoked potential latencies 2023-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-34801-9 PMID:37217502	研究论文	本文开发了一种基于深度学习的算法DELMEP，用于自动估计运动诱发电位的潜伏期	提出了首个基于深度学习的MEP潜伏期自动估计算法，准确度高且计算成本低，可适用于实时和闭环脑刺激协议	未明确说明算法的泛化能力、对不同数据集的适应性以及临床验证的规模	开发一种自动、准确的算法来估计MEP潜伏期，以替代耗时且易出错的人工视觉检查	经颅磁刺激产生的运动诱发电位	机器学习	NA	经颅磁刺激	CNN	信号	NA	NA	NA	平均绝对误差	NA
9	2026-09-21	GARCHNet: Value-at-Risk Forecasting with GARCH Models Based on Neural Networks 2023-May-22, Computational economics IF:1.9Q2 DOI:10.1007/s10614-023-10390-7 PMID:37362594	研究论文	本文提出了一种新的GARCH模型规范GARCHNet，将LSTM神经网络与GARCH模型中的最大似然估计相结合，用于条件方差建模和风险价值预测	将LSTM神经网络架构与GARCH模型的最大似然估计相结合，提出了一种非线性条件方差建模方法，能够更好地描述金融数据中的非线性关系，并支持正态分布、t分布和偏t分布	论文未具体说明计算复杂度和训练时间等实际应用限制，仅提供了一些进一步发展的方向	提出一种基于LSTM神经网络的非线性GARCH模型，以改进条件方差的建模和风险价值预测的准确性	WIG 20（华沙证券交易所指数）、S&P 500（标准普尔500指数）和FTSE 100（富时100指数）的对数收益率	机器学习	NA	NA	LSTM, GARCH	数值数据（金融时间序列）	WIG 20、S&P 500和FTSE 100指数在2005年至2021年间四个不同时间段的对数收益率数据	NA	LSTM	NA	NA
10	2026-09-21	A systematic review of biologically-informed deep learning models for cancer: fundamental trends for encoding and interpreting oncology data 2023-May-15, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05262-8 PMID:37189058	系统综述	本文系统综述了用于癌症生物学推断的深度学习模型，重点关注多组学分析，探讨了模型如何整合先验生物知识、生物合理性和可解释性	提出了以生物为中心的可解释性概念，并对该概念进行了分类学讨论，强调了将先验知识编码与可解释性提升相融合的趋势	仅检索和分析了42项研究，可能未覆盖所有相关文献；综述本身未进行新的实验验证	系统回顾用于癌症生物学的深度学习模型，特别是多组学分析中的模型，关注其如何整合先验知识、生物合理性和可解释性	42项关于癌症深度学习模型的研究，重点关注多组学分析、生物学知识编码和可解释性方法	机器学习, 数字病理学	肺癌, 前列腺癌, 心血管疾病, 老年疾病	NA	NA	文本	42项研究	NA	NA	NA	NA
11	2026-09-21	Deep versus Handcrafted Tensor Radiomics Features: Prediction of Survival in Head and Neck Cancer Using Machine Learning and Fusion Techniques 2023-May-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101696 PMID:37238180	研究论文	该研究比较了深度张量放射组学特征与传统手工放射组学特征在头颈癌生存预测中的性能，并探索了多种图像融合技术和机器学习方法	首次将张量深度特征（tensor DF）应用于头颈癌生存预测，并结合多种图像级融合技术（如DTCWT）和机器学习分类器，展示了张量深度特征相对于传统放射组学特征和端到端CNN的优越性能	研究仅使用了408例头颈癌患者数据，样本量相对有限，且未在其他独立数据集上验证泛化能力	比较深度特征与传统手工放射组学特征在头颈癌无进展生存结局预测中的性能，并探索张量放射组学范式的附加价值	408例头颈癌患者的PET和CT影像数据	数字病理学, 计算机视觉	头颈癌	PET-CT图像融合, 放射组学特征提取, 深度学习特征提取	CNN, 3D自编码器, MLP, 随机森林, 逻辑回归	图像	408例头颈癌患者的PET和CT影像	NA	3D自编码器, CNN, MLP	准确率	NA
12	2026-09-21	Attention-Based Deep Learning System for Classification of Breast Lesions-Multimodal, Weakly Supervised Approach 2023-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers15102704 PMID:37345041	研究论文	本文提出了一种基于弱监督聚类约束注意力多实例学习（CLAM）分类器的深度学习系统，用于乳腺病变的分类，并在私有数据集和中国乳腺X线数据库上进行了评估	采用弱监督CLAM分类器在数据稀缺情况下有效训练，并使用多模态视图（CC和MLO图像同时）进行分类，提供了注意力图以增强可解释性	未明确提及	利用深度学习自动化系统辅助乳腺X线筛查的早期诊断	乳腺病变（癌症和非癌症）的乳腺X线图像	医学图像分析	乳腺癌	乳腺X线摄影	聚类约束注意力多实例学习（CLAM）	图像	私有数据集包含1174张非癌症和794张癌症图像（图像级标签，病理确认）；中国乳腺X线数据库（样本量未明确）	NA	ResNet-18, ResNet-34, ResNet-50, EfficientNet-B0	AUC-ROC, F1-score, 准确率, 精确率, 召回率	NA
13	2026-09-21	Protein structure prediction with energy minimization and deep learning approaches 2023-May-08, Natural computing IF:1.7Q2 DOI:10.1007/s11047-023-09943-4 PMID:37363286	研究论文	本文讨论了从头蛋白质结构预测的两种替代方法的优势和问题：基于深度学习的方法和基于能量最小化的方法	结合差分进化与片段替换技术的模因算法，并引入小生境进化搜索，提出两种方法集成的可能性	未明确提及局限性	讨论从头蛋白质结构预测的两种替代方法的优势和问题，并提出集成可能性	不同蛋白质	计算生物学	NA	从头蛋白质结构预测，能量最小化，深度学习	深度学习模型，差分进化，片段替换	蛋白质结构数据	NA	NA	NA	NA	NA
14	2026-09-21	In silico evolution of protein binders with deep learning models for structure prediction and sequence design 2023-May-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.03.539278 PMID:37205527	研究论文	本文测试了一种蛋白质设计流程，使用基于深度学习的结构预测和序列优化迭代设计针对PD-L1拮抗剂的自身抑制域，以创建可被蛋白酶条件激活的掩蔽形式	使用深度学习模型进行迭代结构预测和序列优化，无需实验亲和力成熟即可快速生成高亲和力蛋白质结合剂，并创建可条件激活的自身抑制形式	设计的自身抑制域数量有限（23个），需要进一步实验验证和优化，未进行广泛的筛选和成熟	设计高亲和力蛋白质结合剂，特别是针对PD-L1拮抗剂的自身抑制域	PD-L1拮抗剂和设计的自身抑制域	机器学习	癌症	深度学习、结构预测、序列设计	AlphaFold2, ProteinMPNN	蛋白质序列和结构数据	23个设计的自身抑制域	NA	AlphaFold2, ProteinMPNN	平衡解离常数（Kd）	NA
15	2026-09-21	Denoising digital breast tomosynthesis projections using deep learning with synthetic data as training set 2023-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.3.034001 PMID:37223635	研究论文	本文提出使用软件生成的合成数据训练深度神经网络，以对数字乳腺断层摄影投影进行去噪。	使用合成数据（虚拟DBT投影和基于噪声模型合成的噪声图像）训练DNN来去噪真实DBT数据，并利用t-SNE验证合成噪声与真实噪声是否处于同一样本空间。	研究依赖于合成数据的质量以及噪声模型的准确性，可能无法完全覆盖真实DBT数据的全部噪声变化。	解决训练DNN去噪DBT投影时缺乏合适训练数据的问题。	数字乳腺断层摄影（DBT）投影图像。	计算机视觉	乳腺癌	DBT成像，合成数据生成，OpenVCT，t-SNE降维	深度神经网络（DNN）	图像	NA	NA	NA	PSNR, SSIM	NA
16	2026-09-21	Influence of Data Distribution on Federated Learning Performance in Tumor Segmentation 2023-May, Radiology. Artificial intelligence DOI:10.1148/ryai.220082 PMID:37293342	研究论文	本文研究了数据分布差异与联邦深度学习算法在肿瘤分割性能之间的相关性	本文首次系统地量化了数据分布差异并通过多种距离度量方法分析了其对联邦深度学习模型在肿瘤分割任务中性能的影响	研究仅使用了两个数据集（肝脏CT和大脑MRI），样本类型有限，未涵盖其他类型的肿瘤或成像模态	探讨数据分布差异与联邦深度学习算法在CT和MR图像肿瘤分割中的性能之间的相关性	肝脏肿瘤CT图像数据集（FILTS）和大脑肿瘤MR图像数据集（FeTS）	医学图像分割	肝癌, 脑癌	联邦深度学习	CNN	图像	总共1943个扫描（692个肝脏CT扫描，1251个脑部MR扫描）	NA	nnU-Net	Dice系数比率	NA
17	2026-09-16	Time and event-specific deep learning for personalized risk assessment after cardiac perfusion imaging 2023-May-01, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-023-00806-x PMID:37127660	研究论文	本文提出了一种可解释的深度学习模型，直接从心肌灌注成像（MPI）和15项临床特征中预测全因死亡、急性冠脉综合征（ACS）和血运重建的时间特异性风险	首次针对不同事件类型和时间间隔分别进行个性化风险预测，并利用瀑布图提供患者个体化解释，突出每个特征对预测的贡献程度和方向	外部验证仅涉及三个中心，中位随访时间为3.1年，可能不足以评估长期预测性能；未与其他深度学习模型进行对比	利用深度学习从心肌灌注成像和临床特征中实现个性化、时间特异性的心血管不良事件风险预测	接受心肌灌注成像检查的患者，内部队列n=20,418，外部验证队列n=13,988	医学影像分析、心血管疾病预测	心血管疾病	心肌灌注成像（MPI）	深度学习	图像（心肌灌注成像）和临床文本特征	内部训练与测试n=20,418，外部验证n=13,988，总计34,406例患者	NA	NA	累积动态ROC曲线下面积（cAUC）、95%置信区间（CI）	NA
18	2026-09-06	GeoSynth: A Photorealistic Synthetic Indoor Dataset for Scene Understanding 2023-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3247087 PMID:37027722	研究论文	介绍GeoSynth，一个用于室内场景理解任务的多样化照片级合成数据集，包含丰富的标签，并可补充真实训练数据以提升网络性能	提出并公开了GeoSynth数据集，具有高度的照片级真实感和丰富的标签（如分割、几何、相机参数、表面材料、光照等），并验证了其作为真实数据补充的有效性	未在摘要中明确说明局限性	解决大型标注数据集创建成本高、耗时且不完美的问题，为室内场景理解任务提供高质量合成数据	室内场景理解任务，如语义分割	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
19	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
20	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