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	2025-12-30	Natural variability in bee brain size and symmetry revealed by micro-CT imaging and deep learning 2023-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011529 PMID:37782674	研究论文	本研究利用显微CT成像和深度学习技术，对蜜蜂和大黄蜂的大脑进行自动化三维图像分析，揭示了脑部大小和对称性的自然变异	首次将显微CT成像与深度学习结合，实现蜜蜂大脑三维形态的自动化、高通量分析，克服了传统手动分析的限制	研究样本主要集中于蜜蜂和大黄蜂，尚未扩展到更广泛的动物范围	探究昆虫大脑形态的自然变异及其与行为、生态和进化的关系	蜜蜂和大黄蜂的大脑	计算机视觉	NA	显微CT成像	深度学习	三维图像	187个蜜蜂和大黄蜂大脑样本	NA	NA	NA	NA
2	2025-12-30	Recognition and reconstruction of cell differentiation patterns with deep learning 2023-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011582 PMID:37889897	研究论文	本文结合深度学习与数学模型，识别并重建小鼠胚胎干细胞类器官中的细胞命运模式	将数学模型生成的合成数据与空间汇总统计及深度学习算法结合，用于细胞命运模式的识别与重建，并开发了图神经网络和多层感知器来预测细胞命运	未明确提及实验验证的局限性或模型在更广泛生物系统中的泛化能力	研究细胞命运模式与潜在机制之间的联系	小鼠胚胎干细胞类器官中的细胞分化模式	机器学习	NA	数学模型、空间汇总统计	图神经网络、多层感知器	合成数据、体外数据	NA	NA	图神经网络、多层感知器	准确率	NA
3	2025-12-21	Generalisation of radiotherapy dose calculation for Monte Carlo algorithm combined with 3D Swin-Unet: a multi-institutional IMRT evaluation 2023-10-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad02d8 PMID:37827160	研究论文	本文提出了一种基于深度学习的通用剂量计算框架，结合3D Swin-Unet模型，用于多机构IMRT计划的剂量计算评估	提出了一种结合TERMA-Monte Carlo网络（T-MC net）与3D Swin-Unet的深度学习剂量计算方法，并在多机构、多身体区域的IMRT计划中进行了泛化性评估	研究仅基于60个IMRT计划进行测试，样本量相对有限，且未涵盖所有可能的临床场景	评估深度学习剂量计算方法的泛化能力，以提升放射治疗剂量计算的准确性和效率	来自四个机构的头颈、胸腹和盆腔区域的IMRT治疗计划	数字病理	NA	强度调制放射治疗（IMRT），蒙特卡洛（MC）算法	深度学习网络	三维剂量分布数据，剂量体积直方图（DVH）	60个IMRT计划	NA	3D Swin-Unet, T-MC net	伽马通过率（GPR），一致性百分比（PA），剂量差异比（DDR），剂量指数D	NA
4	2025-12-21	Coarse-to-fine prior-guided attention network for multi-structure segmentation on dental panoramic radiographs 2023-10-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0218 PMID:37816372	研究论文	提出一种基于深度学习的粗到细先验引导注意力网络，用于在牙科全景X光片上自动分割多个解剖结构	采用两阶段粗到细先验引导分割框架，结合先验引导边缘融合模块、空间注意力模块和混合注意力模块，提升多结构分割精度	未提及模型在更广泛数据集或不同设备采集图像上的泛化能力	实现牙科全景X光片上多个解剖结构的准确自动分割，以辅助数字牙科的诊断和治疗规划	牙科全景X光片中的上颌窦、下颌髁突、下颌神经、牙槽骨和牙齿	计算机视觉	NA	深度学习	CNN	图像	150张来自真实临床场景的全景X光片	NA	编码器-解码器架构	Jaccard分数	NA
5	2025-12-20	Rapid prediction of lab-grown tissue properties using deep learning 2023-10-19, Physical biology IF:2.0Q3 DOI:10.1088/1478-3975/ad0019 PMID:37793414	研究论文	本文提出了一种使用深度学习快速预测实验室培养组织特性的方法，通过机器学习工具预测细胞与细胞外基质相互作用在组织自组织中的作用	首次将pix2pix深度学习模型应用于细胞-基质相互作用的模拟数据，以预测水凝胶中组织自组织行为，相比传统生物物理方法显著提高了预测速度	研究基于模拟数据而非真实实验数据，且模型在未见过的案例上仅测试了100个样本，可能限制了其泛化能力	开发一种高效预测细胞-基质相互作用对组织自组织影响的方法，以促进药物测试、再生医学和基础生物学研究中的模具设计	细胞负载水凝胶在固定模具中的自组织行为	机器学习	NA	生物物理模拟（收缩网络偶极取向模型）	GAN	模拟数据	6400个训练案例，100个测试案例	NA	pix2pix	NA	NA
6	2025-12-20	Super-resolution biomedical imaging via reference-free statistical implicit neural representation 2023-10-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfdf1 PMID:37757838	研究论文	提出一种无需参考图像的超分辨率统计隐式神经表示框架，用于生物医学成像	通过最大似然估计建模低分辨率图像的统计特性，并利用隐式神经表示网络作为连续空间函数生成任意尺度的高分辨率图像，无需大量成对训练数据	仅使用有限数量的低分辨率图像进行验证，可能在大规模或复杂场景下泛化能力有待进一步测试	解决生物医学成像中因缺乏高分辨率参考图像而难以应用监督深度学习的超分辨率问题	计算机断层扫描（CT）、磁共振成像（MRI）、荧光显微镜和超声图像	计算机视觉	NA	超分辨率成像	隐式神经表示（INR）	图像	每个超分辨率任务使用有限数量的低分辨率图像	NA	基于坐标的多层感知机	NA	NA
7	2025-12-19	A systematic review of artificial intelligence algorithms for predicting acute kidney injury 2023-10, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202310_34164 PMID:37916354	系统综述	本文对使用人工智能算法预测住院成人急性肾损伤的研究进行了系统综述	系统性地评估了机器学习在急性肾损伤预测中的应用，并比较了不同模型在重症监护和普通住院患者中的表现	多数研究为单中心，且部分研究使用相同数据库，人群主要为高加索人种，缺乏多样性，可能影响结果的泛化性	分析机器学习在住院成人急性肾损伤预测中的应用效果	住院成人患者	机器学习	急性肾损伤	机器学习，深度学习	深度学习，逻辑回归，决策树	电子健康记录，生物标志物数据	涉及242,251名患者	NA	NA	AUC	NA
8	2025-12-09	Uncovering new families and folds in the natural protein universe 2023-10, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06622-3 PMID:37704037	研究论文	本研究利用AlphaFold数据库预测的蛋白质结构，探索了天然蛋白质宇宙中未被充分注释的“暗物质”区域，并发现了新的蛋白质折叠和家族	从序列、结构和语义三个角度系统搜索蛋白质新颖性，发现了β-花状折叠，并向Pfam数据库添加了多个蛋白质家族，实验证实了其中一个属于新的翻译靶向毒素-抗毒素系统超家族TumE-TumA	研究依赖于AlphaFold的预测结构，其准确性可能影响后续功能注释；大规模分析可能遗漏某些低丰度或高度特异的蛋白质家族	评估AlphaFold数据库在揭示天然蛋白质宇宙中未注释蛋白质结构方面的能力，并识别新的蛋白质折叠和家族	AlphaFold数据库预测的蛋白质结构，特别是那些难以通过标准同源性方法注释功能的蛋白质	蛋白质生物信息学	NA	深度学习蛋白质结构预测，序列相似性网络分析	AlphaFold	蛋白质序列，蛋白质三维结构	数亿个预测蛋白质结构（覆盖几乎所有已知蛋白质）	AlphaFold	AlphaFold	预测准确性	NA
9	2025-12-08	CortexMorph: fast cortical thickness estimation via diffeomorphic registration using VoxelMorph 2023-Oct-01, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43999-5_69 PMID:41346864	研究论文	本文提出了一种名为CortexMorph的新方法，通过结合无监督深度学习和VoxelMorph技术，快速估计皮层厚度	利用无监督深度学习直接回归DiReCT所需的变形场，显著提高了皮层厚度估计的速度	未提及具体局限性	开发一种快速估计皮层厚度的方法，以替代传统的耗时迭代图像配准方法	T1加权MRI图像中的皮层厚度	数字病理学	神经退行性疾病	MRI	深度学习模型	图像	OASIS-3数据集和Rusak等人的合成皮层厚度模型	NA	VoxelMorph	检测皮层萎缩的能力	NA
10	2025-12-03	Protein Language Models Uncover Carbohydrate-Active Enzyme Function in Metagenomics 2023-Oct-25, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.23.563620 PMID:37961379	研究论文	本研究开发了首个利用蛋白质语言模型嵌入构建深度学习框架的工具CAZyLingua，用于注释宏基因组数据集中的碳水化合物活性酶	首次将蛋白质语言模型嵌入应用于构建深度学习框架，以注释宏基因组中的CAZymes，相比传统基于序列同源性的方法（如dbCAN2）具有更高的F1分数，并在疾病相关数据集中发现先前被忽略的注释	未明确说明模型在更广泛或多样化数据集上的泛化能力，以及计算资源需求的具体细节	开发一种深度学习工具，以改进宏基因组中碳水化合物活性酶的功能注释	宏基因组数据集中的碳水化合物活性酶	自然语言处理	克罗恩病, IgG4相关疾病	蛋白质语言模型嵌入, 深度学习	深度学习框架	蛋白质序列数据	涉及配对母婴纵向数据集以及克罗恩病和IgG4相关疾病患者的宏基因组数据集，具体样本数量未明确说明	NA	CAZyLingua	F1分数, 精确度, 召回率	NA
11	2025-11-27	Investigation of machine learning algorithms for taxonomic classification of marine metagenomes 2023-10-17, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.05237-22 PMID:37695074	研究论文	本研究开发了从公开海洋宏基因组数据构建训练/测试数据集的方法，并评估了机器学习算法在海洋宏基因组序列分类中的性能	通过构建专门的海洋宏基因组训练数据集，比较不同机器学习模型在宏基因组分类中的表现，并提出改进方向	训练数据中存在基因组覆盖度不足和类别不平衡问题，计算资源可及性有限	评估机器学习算法在海洋宏基因组分类中的性能并指导方法改进	海洋微生物宏基因组数据	机器学习	NA	宏基因组测序	深度学习	基因组序列数据	公开可用的海洋宏基因组数据集	NA	NA	准确率	NA
12	2025-11-23	A deep neural network estimation of brain age is sensitive to cognitive impairment and decline 2023-Oct-11, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.10.552494 PMID:37645837	研究论文	本研究利用自由水校正的扩散MRI和T1加权MRI特征构建深度神经网络模型预测脑年龄，并验证其对认知障碍和认知衰退的敏感性	首次采用自由水校正的扩散MRI技术分离脑组织与液体成分，并构建多模态融合的深度神经网络模型预测脑年龄	未明确说明样本来源和具体样本量，研究范围可能受限于特定人群	开发敏感的生物标志物用于阿尔茨海默病的诊断和监测	认知未受损个体和轻度认知障碍参与者	医学影像分析	阿尔茨海默病	扩散MRI, T1加权MRI, 自由水校正技术	深度神经网络	神经影像数据	NA	NA	密集连接神经网络	相关系数, p值, β系数	NA
13	2025-11-18	Scaffolding cooperation in human groups with deep reinforcement learning 2023-10, Nature human behaviour IF:21.4Q1 DOI:10.1038/s41562-023-01686-7 PMID:37679439	研究论文	使用深度强化学习训练社交规划器来优化人类群体网络结构，促进合作行为	首次将深度强化学习应用于人类群体合作网络的结构优化，采用调解而非隔离的方式处理背叛者	样本规模有限（共768名参与者），仅在特定游戏环境中验证	探索通过算法干预促进人类群体合作的有效方法	人类参与者群体（N=768）在合作游戏中的行为	机器学习	NA	深度强化学习，模拟方法	深度强化学习	行为数据，网络结构数据	768名参与者（实验组208人/13组，对照组176人/11组，对比组384人/24组）	NA	NA	合作率	NA
14	2025-11-15	Auto-Segmentation and Classification of Glioma Tumors with the Goals of Treatment Response Assessment Using Deep Learning Based on Magnetic Resonance Imaging 2023-10, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-023-09640-8 PMID:37458971	研究论文	本研究开发基于深度学习的自动分割和分类系统，用于胶质瘤治疗反应评估	结合U-Net网络进行肿瘤自动分割和迁移学习分类器，实现胶质瘤治疗反应的自动化评估	研究样本量有限（49例患者），仅基于MRI图像进行分析	开发基于深度学习的自动化工具用于胶质瘤放疗反应评估	胶质瘤患者和BraTS 2018挑战赛数据集	数字病理学	胶质瘤	磁共振成像	CNN	图像	BraTS数据集285例（210 HGG + 75 LGG） + 49例本地患者	NA	U-Net	p值，置信区间	NA
15	2025-11-12	Phenotyping urban built and natural environments with high-resolution satellite images and unsupervised deep learning 2023-Oct-01, The Science of the total environment DOI:10.1016/j.scitotenv.2023.164794 PMID:37315611	研究论文	提出一种无监督深度聚类方法，利用高分辨率卫星图像对城市建成和自然环境进行表型分类	开发新型无监督深度聚类方法，仅通过卫星图像即可捕捉城市环境的多维特征，无需传统环境与人口数据	基于组合特征的聚类结果对空间尺度和聚类数量选择敏感	实现城市建成和自然环境的实时监测与可持续发展追踪	加纳阿克拉市的高分辨率卫星图像（0.3米/像素）	计算机视觉	NA	卫星遥感成像	无监督深度学习	卫星图像	加纳阿克拉市全域高分辨率卫星图像	NA	深度聚类	聚类稳健性, 可解释性	NA
16	2025-10-23	Creating High Fidelity Synthetic Pelvis Radiographs Using Generative Adversarial Networks: Unlocking the Potential of Deep Learning Models Without Patient Privacy Concerns 2023-10, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2022.12.013 PMID:36535448	研究论文	本研究应用生成对抗网络创建高保真合成骨盆X光片，以解决深度学习模型训练中的患者隐私问题	首次使用GAN生成难以被专家和计算机识别的合成骨盆X光片，实现跨机构数据共享且不侵犯患者隐私	研究仅聚焦于前后位骨盆X光片，未涵盖其他投照角度或影像模态	开发能够生成高质量合成医学影像的方法，促进深度学习模型发展同时保护患者隐私	骨盆前后位X光片	计算机视觉	骨科疾病	X射线成像	GAN	图像	37,640张真实X光片（来自16,782名患者），通过数据增强生成2,500万张训练图像	NA	GAN	准确率, Kappa系数	NA
17	2025-10-21	MISPEL: A supervised deep learning harmonization method for multi-scanner neuroimaging data 2023-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102926 PMID:37595405	研究论文	提出一种用于多扫描仪神经影像数据的监督深度学习协调方法MISPEL	提出可自然扩展到两个以上扫描仪的多扫描仪协调方法，并设计了一套评估扫描仪相关技术变异性和协调技术的标准	NA	解决多扫描仪神经影像数据的技术变异性问题，开发数据协调方法	多扫描仪神经影像数据	神经影像分析	NA	3T T1磁共振成像	深度学习	神经影像数据	包含四个扫描仪的多扫描仪匹配数据集	NA	MISPEL	NA	NA
18	2025-10-05	Assessment of three-dimensional RNA structure prediction in CASP15 2023-Oct-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.25.538330 PMID:37162955	研究论文	评估CASP15中RNA三维结构预测方法的性能	首次在CASP竞赛中系统评估RNA结构预测方法，并将蛋白质结构评估指标(GDT、lDDT)和Z-score排名方法推广应用于RNA评估	在非经典碱基对建模、模型排序以及多结构预测方面仍存在挑战	评估当前RNA三维结构预测方法的准确性和实用性	RNA三维结构预测模型	计算生物学	NA	冷冻电镜(cryo-EM)、X射线衍射	深度学习,传统计算方法	RNA三维结构数据	12个含RNA的目标结构，42个预测组参与	NA	NA	GDT, lDDT, Z-score	NA
19	2025-10-05	Combination of deep XLMS with deep learning reveals an ordered rearrangement and assembly of a major protein component of the vaccinia virion 2023-10-31, mBio IF:5.1Q1 DOI:10.1128/mbio.01135-23 PMID:37646531	研究论文	本研究结合深度学习与化学交联质谱技术，揭示了痘苗病毒粒子主要蛋白组分P4a的结构特征和有序组装途径	首次将深度学习方法与深度化学交联质谱技术相结合，解析痘苗病毒成熟粒子的分子结构和组装机制	NA	阐明痘苗病毒成熟粒子的分子结构和组装途径	痘苗病毒粒子核心关键组分P4a蛋白	机器学习	病毒性疾病	化学交联质谱(XLMS)	深度学习	质谱数据	NA	NA	NA	NA	NA
20	2025-10-05	Learning from prepandemic data to forecast viral escape 2023-10, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06617-0 PMID:37821700	研究论文	开发了EVEscape框架，利用大流行前数据预测病毒逃逸突变	结合深度学习模型对历史序列的适应性预测与生物物理结构信息，可在监测测序、实验扫描或抗体复合物三维结构获得前应用	NA	预测能够逃逸宿主免疫反应的病毒突变，为疫苗和治疗设计提供支持	SARS-CoV-2、流感病毒、HIV病毒以及拉沙病毒和尼帕病毒等具有大流行潜力的病毒	机器学习	传染病	深度学习、生物物理分析、结构信息分析	深度学习模型	病毒序列数据、生物物理数据、结构数据	2020年前可用的历史序列数据	NA	NA	与高通量实验扫描的准确性比较	NA