深度学习在生物医药领域中的应用

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
1	2025-09-26	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	开发了可预测病毒免疫逃逸突变的计算框架EVEscape	结合深度学习模型与生物物理信息，可在疫情早期无需实验数据即可预测病毒变异	NA	建立通用计算框架以预测病毒免疫逃逸突变	SARS-CoV-2、流感、HIV、拉沙病毒、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	深度学习模型	病毒序列数据、结构信息	使用2020年前可用的历史序列数据进行训练
2	2025-09-26	Predicting Prostate Cancer Molecular Subtype With Deep Learning on Histopathologic Images 2023-10, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100247 PMID:37307876	研究论文	开发基于深度学习的算法通过组织病理图像预测前列腺癌分子亚型	首次提出基于Transformer的分层架构，使用H&E染色全切片图像预测ERG融合和PTEN缺失	样本量相对有限且需要进一步验证临床适用性	利用深度学习技术从病理图像中筛查前列腺癌基因组变异	前列腺癌患者的组织切片样本	数字病理	前列腺癌	H&E染色全切片成像	Transformer-based hierarchical architecture	图像	训练队列：224例（ERG）/205例（PTEN）；验证队列：多个独立队列共1000+全切片图像
3	2025-09-26	Anthropogenic fingerprints in daily precipitation revealed by deep learning 2023-10, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06474-x PMID:37648861	研究论文	利用深度学习从日降水数据中检测人为气候变化信号	首次应用卷积神经网络从日尺度降水波动中识别出人为气候变暖信号，突破了传统方法在区域尺度上的检测局限	基于气候模型模拟数据训练，观测记录验证时间范围有限	验证温室效应加剧全球降水变异性和极端事件的预测	全球日降水场和地表气温数据	机器学习	NA	深度学习、可解释AI框架	CNN	气候模拟数据、观测数据	多组现代与未来气候模型模拟的集合数据
4	2025-09-26	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	利用AlphaFold数据库探索天然蛋白质宇宙中新的蛋白质家族和折叠结构	发现了β-花状折叠结构，向Pfam数据库新增多个蛋白质家族，并实验验证了新的翻译靶向毒素-抗毒素系统超家族TumE-TumA	NA	评估AlphaFold数据库在揭示天然蛋白质宇宙'暗物质'方面的能力	天然蛋白质宇宙中的未知蛋白质结构和家族	生物信息学	NA	AlphaFold结构预测、序列相似性网络分析	深度学习模型	蛋白质序列和结构数据	数亿个预测蛋白质结构（AFDB90v4数据库）
5	2025-09-25	TransUFold: Unlocking the structural complexity of short and long RNA with pseudoknots 2023-10-17, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2023854 PMID:38052602	研究论文	提出基于深度学习的TransUFold方法，用于准确预测包含假结的RNA二级结构	首次将Vision Transformer架构应用于RNA结构预测，能够有效提取RNA序列中的长程相互作用	性能依赖于高质量RNA结构数据的可用性	开发能够准确预测RNA二级结构（包括假结）的计算方法	RNA分子（特别是包含假结结构的短链和长链RNA）	生物信息学	NA	深度学习	Vision Transformer（编码器-解码器架构）	RNA序列数据与结构注释	基准数据集（具体数量未明确说明），测试序列长度可达1600个核苷酸
6	2025-09-25	When will RNA get its AlphaFold moment? 2023-10-13, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad726 PMID:37702120	评论	本文讨论了RNA结构预测领域面临的挑战，并探讨了实现类似AlphaFold突破的可能性	系统分析了阻碍RNA结构预测发展的核心问题，并提出了具体的解决方向	本文为观点性文章，未提供具体的实验数据或模型验证	探讨RNA结构预测技术发展的瓶颈和未来方向	RNA分子及其三维结构预测方法	计算生物学	NA	深度学习、机器学习、物理计算方法	类似AlphaFold的深度学习模型	RNA序列数据、结构数据、比对数据	NA
7	2025-09-25	Reliable interpretability of biology-inspired deep neural networks 2023-10-10, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-023-00310-8 PMID:37816807	研究论文	本研究评估并改进了生物启发式深度神经网络P-NET的可解释性方法，重点关注解释结果的稳健性和知识偏见控制	首次将可靠可解释性分析方法扩展到基于患者突变数据的生物启发式模型，提出了控制解释稳健性和偏见的新方法	研究仅针对P-NET模型进行验证，未涵盖所有类型的生物启发式深度学习模型	开发确保生物启发式深度学习模型可解释性稳健性和偏见感知的方法	生物启发式深度神经网络P-NET及其可解释性	机器学习	NA	深度学习	P-NET（生物启发式神经网络）	患者突变数据	NA
8	2025-09-24	Design and implementation of a smart Internet of Things chest pain center based on deep learning 2023-10-10, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2023840 PMID:38052586	研究论文	基于深度学习设计并实现了一个智能物联网胸痛中心系统	整合物联网三层架构与BiLSTM-CRF算法，实现胸痛患者信息的智能采集和症状自动提取	仅在一家医院（辽宁省人民医院）进行应用验证，缺乏多中心临床验证	解决胸痛中心数据录入非智能化导致的效率低下和错误率高的问题	胸痛患者及其医疗数据	智慧医疗	心血管疾病	物联网技术、UWB定位、BiLSTM-CRF算法	BiLSTM-CRF	电子医疗记录、定位数据、移动应用数据	未明确说明具体样本数量
9	2025-09-24	ECA-TFUnet: A U-shaped CNN-Transformer network with efficient channel attention for organ segmentation in anatomical sectional images of canines 2023-10-07, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2023827 PMID:38052573	研究论文	提出一种结合CNN和Transformer的U型网络ECA-TFUnet，用于犬类解剖断面图像的器官分割	首次在Unet网络的第一跳跃连接层集成Transformer模块以学习全局依赖关系，并引入高效通道注意力机制增强模型鲁棒性	未明确说明模型在复杂解剖结构或小器官分割中的具体表现	提升犬类解剖断面图像中器官自动分割的精度	犬类解剖断面图像中的器官	数字病理	NA	深度学习	U-Net, Transformer, CNN	医学图像	未明确说明具体样本数量，但包含公开数据集验证
10	2025-09-21	Atrial fibrillation detection with signal decomposition and dilated residual neural network 2023-Oct-05, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/acfa61 PMID:37714186	研究论文	提出一种结合信号分解和扩张残差神经网络的心房颤动检测方法	引入基于R峰检测的时间掩模生成伪QRS复合波和伪T、P波信号，将临床经验融入深度学习模型	NA	提升可穿戴设备心电信号中心房颤动的检测性能	心电图（ECG）信号	机器学习	心血管疾病	信号分解，深度学习	扩张残差神经网络	心电信号	PhysioNet/CinC 2017挑战赛数据集和MIT-BIH心房颤动数据库
11	2025-09-13	Negativity and Positivity in the ICU: Exploratory Development of Automated Sentiment Capture in the Electronic Health Record 2023-10, Critical care explorations DOI:10.1097/CCE.0000000000000960 PMID:37753238	研究论文	开发用于ICU电子健康记录中自动捕捉医护人员情感的概念验证算法	提出两种医疗领域专用情感分析工具，包括基于临床情感词典的关键词方法和基于DeBERTa-v3的深度学习模型，显著优于通用情感分类器	NA	探索ICU电子健康记录中自动捕捉医护人员情感的方法	ICU成年患者的电子健康记录	自然语言处理	NA	情感分析，深度学习	关键词匹配，DeBERTa-v3	文本	MIMIC-III数据库中的198,944条记录（来自52,997次ICU入院），以及UCSF 2018-2019年的外部验证样本
12	2025-09-11	Predicting individual cases of major adolescent psychiatric conditions with artificial intelligence 2023-10-10, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-023-02599-9 PMID:37816706	研究论文	利用人工智能和多域高维数据预测青少年主要精神疾病的个体病例	首次在青少年多精神健康条件下，使用超过100个候选预测因子，比较不同类别黄金标准算法的预测能力	需要纵向数据和外部数据集验证结果	预测青少年焦虑、抑郁、注意力缺陷、破坏性行为和创伤后应激等精神疾病的个体风险	青少年群体	机器学习	精神疾病	机器学习算法优化与人工智能元学习技术	人工神经网络深度学习、XGBoost树基学习、ElasticNet逻辑回归	多域高维数据（神经、产前、发育、生理、社会文化、环境、情绪和认知特征）	大规模跨诊断青少年样本
13	2025-09-07	Generalisation of radiotherapy dose calculation for Monte Carlo algorithm combined with 3D Swin-Unet: a multi-institutional IMRT evaluation 2023-Oct-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad02d8 PMID:37827160	研究论文	提出并评估了一种基于深度学习（T-MC net）的通用放疗剂量计算框架，在多个机构的IMRT计划中验证其泛化性能	结合3D Swin-Unet与蒙特卡洛算法，首次在多机构多身体区域进行深度学习剂量计算方法的泛化性临床评估	研究仅基于60个IMRT计划，样本量相对有限，且未涉及更多放疗技术类型	开发并验证深度学习剂量计算算法在临床放疗中的准确性和泛化能力	强度调制放疗（IMRT）计划，涵盖头颈、胸腹和盆腔等多个身体区域	医学影像分析	肿瘤放疗	蒙特卡洛算法，深度学习剂量计算	3D Swin-Unet	放疗剂量分布数据	来自4个机构的60个IMRT计划
14	2025-09-07	Coarse-to-fine prior-guided attention network for multi-structure segmentation on dental panoramic radiographs 2023-Oct-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，用于牙科全景X光片中的多结构分割	采用两阶段粗到细分割框架，结合先验引导的边缘融合模块、空间注意力模块和混合注意力模块提升分割精度	NA	实现牙科全景X光片中上颌窦、下颌髁、下颌神经、牙槽骨和牙齿的精确自动分割	牙科全景X光片中的解剖结构	计算机视觉	牙科疾病	深度学习	编码器-解码器架构的注意力网络	X光图像	150张临床采集的全景X光片
15	2025-09-07	Super-resolution biomedical imaging via reference-free statistical implicit neural representation 2023-Oct-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统计隐式神经表示框架，用于生物医学图像的超分辨率重建	采用无监督深度学习方法，仅需单张或少量低分辨率图像即可实现任意尺度的超分辨率成像	仅使用了有限数量的低分辨率图像进行验证	解决生物医学图像超分辨率重建中缺乏高分辨率参考图像的问题	生物医学图像（包括CT、MRI、荧光显微镜和超声图像）	计算机视觉	NA	统计隐式神经表示（INR），最大似然估计	基于坐标的多层感知机（MLP）	图像	每个超分辨率任务使用有限数量的低分辨率图像（具体数量未说明）
16	2025-09-07	Automatic ultrasound diagnosis of thyroid nodules: a combination of deep learning and KWAK TI-RADS 2023-Oct-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfdf0 PMID:37757848	研究论文	本研究结合深度学习与KWAK TI-RADS指南，开发了一种甲状腺结节超声自动风险分级系统	首次实现基于KWAK TI-RADS临床指南的自动风险分级，并采用多任务CNN同时输出良恶性分类和四种恶性特征识别	NA	实现甲状腺结节的自动风险水平评估，为判断是否需要细针穿刺提供依据	甲状腺结节超声图像	计算机视觉	甲状腺疾病	超声检查	U-Net++, 多任务卷积神经网络(MT-CNN)	图像	1862例甲状腺结节病例（含302例测试集）
17	2025-09-07	Sub-second whole brain T2mapping via multiband SENSE multiple overlapping-echo detachment imaging and deep learning 2023-Oct-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfb71 PMID:37726009	研究论文	提出结合多波段SENSE技术和深度学习实现亚秒级全脑T2定量成像的新方法	首次将多波段SENSE技术与MOLED成像结合，实现600毫秒内完成全脑T2定量成像	高多波段因子可能导致图像质量下降，需通过PnP算法进行补偿	加速定量磁共振成像，实现高时间分辨率的全脑参数映射	人脑组织（通过数值模拟、水模实验和人体实验验证）	医学影像分析	NA	多波段SENSE MOLED成像，深度学习重建	U-Net, DRUNet	磁共振成像数据	数值模拟、水模实验和人体脑部实验（具体样本数量未明确说明）
18	2025-09-07	Automatic brain extraction for rat magnetic resonance imaging data using U2-Net 2023-Oct-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf641 PMID:37659398	研究论文	本研究开发了一种基于U-Net深度学习模型的大鼠脑部MRI图像颅骨剥离新方法	首次将U-Net神经网络应用于大鼠脑部MRI的自动颅骨剥离，相比传统软件RATS和BrainSuite表现出更优性能	研究仅基于599只大鼠数据，未提及模型在其他物种或成像协议下的泛化能力	开发大鼠脑部磁共振图像的自动颅骨剥离方法	599只大鼠的脑部MRI图像	医学图像分析	NA	磁共振成像(MRI)	U-Net	医学图像	599只大鼠（476只训练，123只测试）
19	2025-09-07	MARGANVAC: metal artifact reduction method based on generative adversarial network with variable constraints 2023-10-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf8ac PMID:37696272	研究论文	提出一种基于变约束生成对抗网络的CT金属伪影减少方法MARGANVAC	引入时变成本函数作为变约束，在训练初期放松保真度约束并逐步加强，同时开发了金属伪影迁移方法模拟真实伪影生成配对训练数据	未明确说明样本规模及模型在更广泛CT设备类型中的验证情况	提升CT成像中金属伪影减少的性能和临床适用性	CT图像中的金属伪影	计算机视觉	NA	生成对抗网络	GAN	CT图像	NA
20	2025-09-07	Deep learning for fast denoising filtering in ultrasound localization microscopy 2023-10-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acf98f PMID:37703894	研究论文	提出基于对比半监督网络的深度学习去噪方法，用于超声定位显微镜中快速降噪滤波	首次将对比半监督网络(CS-Net)应用于超声定位显微镜去噪，显著缩短数据处理时间，实现实时处理能力	神经网络主要使用模拟微泡数据进行训练，可能在实际临床应用中存在泛化性限制	通过深度学习减少超声定位显微镜数据处理时间，实现实时超分辨率超声成像	微泡信号、流场体模实验、新西兰兔肿瘤实验	医学影像处理	肿瘤	超声定位显微镜(ULM)、超分辨率超声成像(SR-US)	CS-Net（对比半监督网络）	超声图像数据	流场体模实验和动物实验（新西兰兔肿瘤模型）