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	2026-09-09	Unraveling Neuronal Identities Using SIMS: A Deep Learning Label Transfer Tool for Single-Cell RNA Sequencing Analysis 2023-Nov-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.28.529615 PMID:36909548	研究论文	提出SIMS，一种用于单细胞RNA测序分析的深度学习标签转移工具，可高精度分类脑组织中的细胞类型	SIMS是一个端到端、数据高效且可解释的机器学习管道，能以最少编码应用于新数据集，并在复杂组织如脑中保持高准确性	摘要中未提及具体限制	开发并验证一种可扩展、可解释的机器学习工具，用于单细胞数据的高精度细胞类型分类	单细胞RNA测序数据，包括成年大脑皮层、海马体、发育中大脑及皮层类器官样本	机器学习	NA	单细胞RNA测序	深度学习模型（具体类型未明确，但属于分类算法）	单细胞转录组数据	涉及多种数据集，但未提供具体数量	NA	NA	准确性	NA
2	2026-09-04	Comprehensive Evaluation of a Deep Learning Model for Automatic Organs-at-Risk Segmentation on Heterogeneous Computed Tomography Images for Abdominal Radiation Therapy 2023-11-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.05.034 PMID:37244625	研究论文	开发并全面评估了一种用于腹部放射治疗中自动分割16个危及器官的深度学习模型AbsegNet，并在异质性CT图像上验证其性能	提出了新的深度学习模型AbsegNet，在多样化的CT数据集上实现16个OAR的准确勾画，且性能优于现有模型如SwinUNETR和DeepLabV3+	未明确提及，但可能包括数据集来源有限和临床评估的主观性	开发并验证一种全自动的深度学习模型，用于腹部恶性肿瘤放疗中OAR的精确勾画，以支持自动化治疗计划	腹部CT扫描图像中的16个危及器官（如肝、肾、脾、胃、食管、肾上腺、直肠等）	计算机视觉	腹部恶性肿瘤	CT成像	深度学习模型（卷积神经网络）	CT图像	544例CT扫描，分为5个队列（训练和测试）	NA	AbsegNet（具体架构未提及），也提到对比模型如SwinUNETR、DeepLabV3+、Attention-UNet、UNet和3D-UNet	Dice相似系数，95分位豪斯多夫距离	NA
3	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
4	2026-08-09	A machine learning method to process voice samples for identification of Parkinson's disease 2023-11-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-47568-w PMID:37996478	研究论文	本研究利用机器学习方法处理个人电话采集的持续元音/a/语音样本，用于帕金森病的自动识别，并展示了预训练卷积神经网络（Inception V3）迁移学习在频谱图分析中的优越性	创新点包括验证自然环境下个人电话采集的语音样本的可靠性，以及首次将预训练卷积神经网络（Inception V3）迁移学习应用于频谱图分析以区分帕金森病患者与健康对照	未提及	验证机器学习方法在个人电话采集语音样本中识别帕金森病的可靠性，并比较深度学习方法与传统特征分类的性能	帕金森病患者与健康对照个体的持续元音/a/语音样本	数字病理学	帕金森病	语音录音	卷积神经网络	语音	50名帕金森病患者和50名健康对照	未提及	Inception V3	未提及	未提及
5	2026-08-07	Structure-Aware Annotation of Leucine-rich Repeat Domains 2023-Nov-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.27.562987 PMID:37961157	研究论文	开发基于结构感知的降维方法，用于注释富含亮氨酸重复结构域的重复单元，并纠正现有序列基预测工具的误差	利用深度学习预测的蛋白质结构，通过降维方法改进序列基域注释，能够自动检测发夹环和结构异常	方法仅在特定蛋白质家族（LRR）和植物物种中验证，可能不适用于其他域类型	改进蛋白质结构域注释的准确性，特别是针对富含亮氨酸重复结构域	拟南芥中127个含LRR结构域的细胞内先天免疫蛋白的预测结构，以及172个手动注释LRR域的基准数据集	结构生物学	NA	深度学习蛋白质结构预测、降维分析	HMM（作为基线）	蛋白质结构数据、序列数据	127个预测结构、172个手动注释LRR域	NA	NA	准确性、错误纠正能力	NA
6	2026-07-10	Imaging evaluation of a proposed 3D generative model for MRI to CT translation in the lumbar spine 2023-11, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2023.06.399 PMID:37479140	研究论文	开发并评估一个从MRI生成腰椎3D CT图像的深度学习模型	提出使用3D循环生成对抗网络从MRI数据直接生成高质量腰椎CT图像，减少患者辐射暴露和医疗系统负担	轴向重建图像的测量精度较低（相对误差高达34%），可能由于使用了非容积常规矢状T1加权MRI序列	评估深度学习模型生成的合成腰椎CT图像的准确性	腰椎MRI和CT图像	计算机视觉	腰椎疾病	MRI, CT	3D循环生成对抗网络	图像	400个未配对CT和400个未配对MRI用于训练，20对匹配CT和MRI用于评估	PyTorch	3D Cycle-GAN	绝对误差，相对误差	NA
7	2026-06-26	trRosettaRNA: automated prediction of RNA 3D structure with transformer network 2023-11-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42528-4 PMID:37945552	研究论文	开发了一个基于深度学习的自动化RNA三维结构预测方法trRosettaRNA，使用Transformer网络预测一维和二维几何特征，再通过能量最小化进行三维结构折叠	首次将Transformer网络应用于RNA结构预测，在CASP15和RNA-Puzzles盲测中达到与顶级人工预测相当的水平，且优于其他深度学习方法	对于合成RNA的结构预测仍具挑战性，自动化方法难以准确预测其结构	解决RNA三维结构预测这一长期挑战，推动深度学习在RNA结构预测中的应用	天然RNA和合成RNA的三维结构	机器学习	不适用	深度学习	Transformer网络	序列数据	不适用	不适用	Transformer	Z-score, 均方根偏差	不适用
8	2026-06-07	Markerless Motion Tracking With Noisy Video and IMU Data 2023-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3275775 PMID:37171931	研究论文	提出深度学习模型，利用含噪视频和惯性测量单元数据估计人体运动，无需精确标定	无需传感器与身体对齐的繁琐标定流程，模型对传感器错位和摄像头遮挡噪声具有鲁棒性	模型训练使用合成数据，真实场景应用仍需验证	简化临床和家庭环境中人体运动分析的流程，降低成本和操作门槛	人体运动姿态估计（包括行走、跑步、深蹲、坐立等动作）	计算机视觉, 机器学习	神经肌肉骨骼疾病	视频运动捕捉, 惯性测量单元	深度学习模型	视频, 惯性传感器数据	使用标记点运动捕捉数据集生成合成训练数据，测试包含真实动作数据	NA	VideoNet, IMUNet, FusionNet	均方根误差	NA
9	2026-06-07	Autonomous Robotic Ultrasound Vascular Imaging System With Decoupled Control Strategy for External-Vision-Free Environments 2023-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3279114 PMID:37227912	研究论文	提出了一种在无外部视觉环境下自主执行机器人超声血管成像的解耦控制策略	将系统分为外环姿态控制和内环方向控制，分别由深度学习智能体和强化学习智能体独立决策，摆脱了对外部视觉信息的依赖	未提及具体局限	实现机器人在无外部视觉的动态环境中自主超声血管成像	人体手臂血管（不同硬度、曲率和尺寸的志愿者的手臂）	机器人学, 医学影像	血管疾病	超声成像	深度学习模型, 强化学习模型	超声图像	多个志愿者	NA	超声血管分割网络（弱监督）	NA	NA
10	2026-05-31	Deep Learning-Enabled Diagnosis of Liver Adenocarcinoma 2023-11, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2023.07.026 PMID:37562657	研究论文	提出深度学习模型HEPNET，用于区分肝内胆管癌与结直肠癌肝转移，基于H&E染色全切片图像实现临床级准确率	开发了专门用于肝脏腺癌诊断的深度学习模型HEPNET，在区分原发性与继发性肝腺癌方面达到临床级精度，且性能超越6名病理专家并提升初级医师诊断水平	未在文中明确阐述局限性	实现肝脏腺癌的准确诊断，辅助临床决策并优化病理工作流程	肝内胆管癌与结直肠癌肝转移患者的H&E染色全切片图像	数字病理学	肝腺癌（包括肝内胆管癌和结直肠癌肝转移）	H&E染色全切片成像	深度学习（CNN）	病理全切片图像	训练集：456例患者（714,589个图像块）；内部测试集：115例；外部验证集：159例（来自美因茨大学医院）	NA	HEPNET	AUC、准确率	NA
11	2026-05-29	Diagnosing evapotranspiration responses to water deficit across biomes using deep learning 2023-11, The New phytologist DOI:10.1111/nph.19197 PMID:37621238	研究论文	利用深度学习研究深水区不同生物群落的蒸散发响应	首次使用深度学习神经网路从通量测量数据中提取水分胁迫因子（fET），揭示了不同生物群落对持续干旱的多样响应模式，并发现了标准地表模型未能捕捉的复杂性	研究依赖通量测量数据，可能受限于站点分布和测量精度；尚未解释不同响应行为的机制，仅推测了气孔调节、水力传导和深层水分利用等可能原因	量化水分限制对蒸散发的影响，理解植被对干旱的敏感性	不同生物群落的蒸散发响应，包括草原、热带稀树草原、森林等	机器学习	NA	通量测量	深度神经网络	通量测量数据（包括蒸散发、大气干旱度等协变量）	多种站点数据，包括热带稀树草原、草地和森林站点	PyTorch	深度神经网络	NA	NA
12	2026-05-25	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	开发低信号符号化迭代随机森林方法来阐明心脏肥大的复杂遗传结构，利用UK Biobank数据揭示上位性遗传变异及其在心脏转录组和单细胞形态学中的影响	提出低信号符号化迭代随机森林方法用于发现上位性关系，整合深度学习心脏MRI分析、转录组网络分析和高通量微流控单细胞形态学分析，揭示非加性遗传效应	NA	阐明心脏肥大的上位性遗传调控机制	心脏肥大及其相关遗传变异	机器学习	心血管疾病	RNA-seq, 单细胞形态学分析, 微流控, RNA沉默	随机森林, 深度学习	图像, 文本, 转录组数据	29,661名UK Biobank参与者（心脏MRI扫描），313个捐赠人类心脏（转录组数据）	NA	迭代随机森林, 深度学习模型	NA	NA
13	2026-05-23	Small-molecule binding and sensing with a designed protein family 2023-Nov-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.01.565201 PMID:37961294	研究论文	结合深度学习和物理方法，设计出一系列具有多样可设计口袋几何结构的蛋白质，用于结合六种不同的小分子靶标，并利用这些蛋白质构建化学诱导二聚化系统和皮质醇生物传感器	首次将深度学习方法与物理方法结合，生成具有多样化和可设计口袋几何结构的蛋白质家族，实现对多种化学和结构不同小分子的高亲和力结合，并利用结合口袋的边缘暴露特性设计化学诱导二聚化系统和生物传感器	未明确说明，可能包括设计方法的普适性验证不足或传感器在复杂生物样本中的实际应用效果待评估	开发一种通用方法，用于设计能够结合并感知任意小分子的蛋白质，以支持分析、环境和生物医学应用	六种化学和结构不同的小分子靶标（如皮质醇）以及与设计的蛋白质结合的生物传感器	机器学习	NA	深度学习和物理计算方法	深度学习模型（具体未指定）	蛋白质结构数据	六种小分子靶标的结合设计，具体样品数量未提及	NA	NA	结合亲和力（纳摩尔到低微摩尔级别）	NA
14	2026-05-16	Deep Learning for Inference of Hepatic Proton Density Fat Fraction From T1-Weighted In-Phase and Opposed-Phase MRI: Retrospective Analysis of Population-Based Trial Data 2023-11, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29607 PMID:37466189	research paper	使用深度学习从常规T1加权同/反相位MRI推断肝脏质子密度脂肪分数，并进行回顾性分析	首次使用卷积神经网络从常规T1加权IOP图像推断PDFF，替代不广泛可用的CSE-MRI序列	在中重度铁过载患者中的表现需进一步研究	比较基于深度学习的PDFF推断与两点Dixon信号FF在肝脏脂肪定量中的准确性	292名参与者（203名女性，89名男性）的肝脏MRI数据	计算机视觉	非酒精性脂肪肝病	MRI	卷积神经网络	图像	292名参与者（218人训练，74人测试）	PyTorch	卷积神经网络	组内相关系数，偏差，95%一致性界限	NA
15	2026-05-15	An uncertainty aided framework for learning based liverT1ρmapping and analysis 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad027e PMID:37820639	研究论文	提出一个不确定性辅助的深度学习框架，用于肝脏T1ρ映射和分析	首次在基于学习的T1ρ映射中引入不确定性估计，并利用不确定性图改善映射性能和移除不可靠像素	NA	开发用于肝脏T1ρ映射的可信深度学习系统，提供不确定性估计以增强临床可靠性	不同肝纤维化阶段的肝脏组织	机器学习	肝纤维化	定量T1ρ成像	概率神经网络	图像（MRI）	51名肝纤维化患者	PyTorch	NA	相对映射误差	NA
16	2026-05-15	Unified Bayesian network for uncertainty quantification of physiological parameters in dynamic contrast enhanced (DCE) MRI of the liver 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0284 PMID:37820640	研究论文	提出一种用于肝脏动态对比增强磁共振成像生理参数不确定性量化的统一贝叶斯网络框架	通过贝叶斯神经网络同时最小化偶然不确定性和认识不确定性，实现参数和不确定性的准确估计	未说明	提供深度学习框架以实现肝脏DCE-MRI中准确的参数和不确定性估计	肝脏动态对比增强磁共振成像中的生理参数	机器学习	肝脏肿瘤	DCE-MRI	贝叶斯神经网络	数值模拟数据与患者数据	一名患有肝脏肿瘤病变的患者	NA	贝叶斯神经网络	RMSE	NA
17	2026-05-15	WKGM: weighted k-space generative model for parallel imaging reconstruction 2023-11, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5005 PMID:37547964	研究论文	提出加权k空间生成模型WKGM，用于无校准并行成像重建	将k空间加权技术与高维空间增强设计融入基于分数的生成模型，实现灵活无校准的并行成像重建	仅基于500张图像进行训练，大规模数据下的泛化性能未验证	探索基于鲁棒生成模型的k空间域学习，用于柔性无校准并行成像重建	磁共振并行成像中的k空间数据重建	计算机视觉	不适用	MRI并行成像	基于分数的生成模型	k空间数据	500张图像	不适用	WKGM（加权k空间生成模型）	重建质量评估（具体指标未明确）	不适用
18	2026-05-02	Deep Learning MRI Reconstruction for Accelerating Turbo Spin Echo Hand and Wrist Imaging: A Comparison of Image Quality, Visualization of Anatomy, and Detection of Common Pathologies with Standard Imaging 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.042 PMID:36797172	研究论文	评估深度学习重建技术加速手部和腕部涡轮自旋回波MRI的图像质量、解剖结构显示和常见病理检测，并与标准成像进行比较	首次将深度学习重建应用于手部和腕部涡轮自旋回波序列的加速成像，相比标准GRAPPA重建显著降低噪声、提高边缘锐度，同时将扫描时间减少60%以上	研究样本量较小（21名患者），且为单中心研究；未对不同深度学习重建参数进行优化比较	评估深度学习重建技术在手部和腕部MRI涡轮自旋回波序列中的图像质量、解剖结构显示和常见病理诊断性能	手部和腕部MRI检查的患者（21名，平均年龄43岁，10名男性、11名女性）	计算机视觉, 数字病理学	NA	MRI, 涡轮自旋回波, GRAPPA重建, 深度学习重建	深度学习重建模型	MRI图像	21名患者	NA	NA	图像质量, 噪声, 边缘锐度, 伪影, 诊断信心, 解剖结构显示（五点评分量表）, 病理检测一致性（加权Kappa系数）	NA
19	2026-05-02	Improvement of Spatial Resolution on Coronary CT Angiography by Using Super-Resolution Deep Learning Reconstruction 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.044 PMID:36681533	研究论文	比较超分辨率深度学习重建与混合迭代重建在冠状动脉CT血管成像中的图像质量	首次将超分辨率深度学习重建应用于冠状动脉CT血管成像，显著提高图像空间分辨率和斑块检测能力	回顾性研究设计，样本量相对较小（100例），且未进行大规模多中心验证	评估超分辨率深度学习重建相较于混合迭代重建在冠状动脉CT血管成像中的图像质量提升	100例接受320排CT冠状动脉血管成像的患者图像	计算机视觉	心血管疾病	NA	超分辨率深度学习重建	图像	100例患者，其中14例接受有创冠状动脉造影作为参考	NA	NA	图像噪声标准差、对比噪声比、边缘上升斜率、图像质量评分、斑块可检测性	NA
20	2026-05-02	Impact of a Deep Learning-based Super-resolution Image Reconstruction Technique on High-contrast Computed Tomography: A Phantom Study 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.040 PMID:36690564	研究论文	评估基于深度学习的超分辨率图像重建技术在高对比度计算机断层扫描中的图像质量	通过利用高分辨率CT学习，DLSRR在噪声抑制和空间分辨率上超越传统DLR和迭代重建技术	研究基于模体实验，未涉及临床患者数据，可能无法完全代表真实临床场景	评估DLSRR的图像质量及其临床潜力	高对比度CT图像质量，通过Mercury CT 4.0模体进行分析	计算机视觉	NA	CT	深度学习	图像	一个Mercury CT 4.0模体，在不同管电流（100、200、300 mA）下扫描	NA	超分辨率图像重建网络	噪声功率谱、任务传递函数、可检测性指数	NA