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	2026-04-03	Pathomic Features Reveal Immune and Molecular Evolution From Lung Preneoplasia to Invasive Adenocarcinoma 2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100326 PMID:37678674	研究论文	本研究利用深度学习与人工智能技术，从常规H&E组织病理图像中提取病理组学特征，揭示肺腺癌从癌前病变到侵袭性腺癌的免疫与分子演化过程	首次结合深度学习细胞分割与病理组学特征分析，系统解码肺腺癌癌前病变演化，并验证了与昂贵分子/免疫分析结果的一致性	样本量相对有限（98例患者），且仅基于H&E图像分析，未整合多组学数据	探究肺腺癌早期癌变过程中的免疫与分子演化规律	肺组织样本，包括正常组织、非典型腺瘤样增生、原位腺癌、微浸润腺癌及侵袭性腺癌	数字病理	肺癌	深度学习，人工智能，H&E组织病理图像分析	深度学习模型	图像	98例患者，162张切片，669个感兴趣区域（包括143正常、129非典型腺瘤样增生、94原位腺癌、98微浸润腺癌、205侵袭性腺癌）	NA	NA	NA	NA
2	2026-04-01	Deep Learning and Gastric Cancer: Systematic Review of AI-Assisted Endoscopy 2023-12-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13243613 PMID:38132197	系统综述	本文系统综述了深度学习在胃癌内镜辅助诊断中的应用现状	全面评估了深度学习在胃癌前病变、早期胃癌及肿瘤分析中的多种应用，并比较了AI与人类内镜医师的诊断性能	研究主要基于单中心数据，数据集未公开，影响泛化性和人口代表性；回顾性算法训练可能无法反映真实临床性能；模型细节缺乏阻碍了复现	评估深度学习在胃癌前病变、早期胃癌及胃肿瘤分析中的当前应用状态	使用内镜图像进行胃肿瘤检测的深度学习算法研究	数字病理	胃癌	内镜成像	深度学习	图像	NA	NA	NA	诊断准确性	NA
3	2026-03-13	Classification of Glomerular Pathology Images in Children Using Convolutional Neural Networks with Improved SE-ResNet Module 2023-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-023-00579-7 PMID:37525066	研究论文	本研究设计了一个基于深度学习的完整肾小球分类框架，用于检测和分类儿童肾小球病理图像，通过改进的SE-ResNet模块实现高精度分类	提出了一种集成ResNet和SENet的RS-INet神经网络，通过将原始ResNet残差块的卷积层转换为参数更小的卷积块，在保证网络性能的前提下减少了网络参数	NA	解决儿童肾小球病变分类问题，实现肾小球病理的高精度分类	儿童肾小球病理图像	数字病理学	肾脏疾病	组织切片	CNN	图像	NA	NA	ResNet, SENet, SE-ResNet	准确率	NA
4	2026-03-13	Nested star-shaped objects segmentation using diameter annotations 2023-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102934 PMID:37688981	研究论文	提出一种基于直径标注的深度学习方法，用于分割嵌套星形结构（如血管内腔和外壁），以减少临床标注负担	通过可微分方式提取训练时的物体边界点，并利用直径标注（而非逐像素标注）训练深度学习模型，实现了弱监督下的精确分割	方法主要适用于嵌套星形结构，可能不适用于复杂或不规则形状的分割任务	开发一种减少医学图像分割标注负担的弱监督学习方法	颈动脉内腔和外壁	计算机视觉	心血管疾病	多序列磁共振成像	深度学习模型	医学图像	未明确说明	未明确说明	未明确说明	未明确说明	未明确说明
5	2026-03-13	Supervised tractogram filtering using Geometric Deep Learning 2023-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102893 PMID:37741032	研究论文	本文提出了一种名为Verifyber的监督学习方法，用于过滤脑白质纤维束图中非解剖学上合理的纤维	采用新颖的完全监督学习框架，结合几何深度学习处理可变长度纤维，并引入序列边缘卷积来捕获解剖特性，同时保持纤维方向不变性	NA	解决脑白质纤维束图中非解剖学合理纤维的过滤问题，以提高纤维束图的准确性	脑白质纤维束图中的虚拟纤维	机器学习	NA	几何深度学习	几何深度学习模型	3D折线（纤维）	NA	NA	序列边缘卷积	NA	12GB GPU
6	2026-03-13	A deep weakly semi-supervised framework for endoscopic lesion segmentation 2023-Dec, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102973 PMID:37757643	研究论文	提出了一种用于内窥镜病灶分割的弱半监督深度学习框架，以减少对像素级标注的依赖	提出了一个名为Point SEGTR的弱半监督分割框架，结合少量像素级标注和大量点级标注进行训练，并引入了多点一致性和对称一致性两个正则化项来提升伪标签质量	未在摘要中明确说明	开发一种减少对像素级标注依赖的内窥镜病灶分割方法	内窥镜图像中的病灶	医学图像分析	NA	深度学习	Transformer	图像	三个内窥镜数据集，包含不同病灶结构和身体部位（如结直肠和鼻咽）	NA	Point SEGTR	NA	NA
7	2026-03-05	Spatiotemporal Rhythmic Seizure Sources Can be Imaged by means of Biophysically Constrained Deep Neural Networks 2023-Dec-01, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.30.23299218 PMID:38076950	研究论文	本文提出了一种基于深度学习的源成像框架DeepSIF，用于从耐药性局灶性癫痫患者的高密度脑电图记录中成像发作活动	采用神经质量模型生成具有时空频谱特征的合成训练数据，并开发了DeepSIF框架，在空间特异性和分散度方面优于传统方法	研究仅限于耐药性局灶性癫痫患者，样本量为33人，可能需进一步验证于更广泛人群	研究非侵入性动态脑成像技术，以改善癫痫发作活动的源定位	耐药性局灶性癫痫患者的高密度脑电图记录	机器学习	癫痫	高密度脑电图记录	深度学习神经网络	脑电图信号	33名耐药性局灶性癫痫患者	NA	DeepSIF	空间特异性, 空间分散度, 平均距离	NA
8	2026-03-02	Histopathologic brain age estimation via multiple instance learning 2023-12, Acta neuropathologica IF:9.3Q1 DOI:10.1007/s00401-023-02636-3 PMID:37815677	研究论文	本研究利用多实例学习从组织病理学全切片图像中估计大脑年龄，揭示了年龄加速与临床病理结果的关联	首次基于组织病理学全切片图像开发大脑年龄估计模型，并发现其与年龄相关变化的神经解剖区域对应，且比表观遗传学指标更能关联临床病理结果	研究基于死后海马组织样本，可能无法完全反映活体大脑的年龄变化；样本来源和数量可能限制模型的泛化能力	通过深度学习模型评估大脑年龄加速，以理解正常生理机制及阿尔茨海默病等年龄相关疾病的病理变化	人类死后海马组织切片	数字病理学	阿尔茨海默病	组织病理学全切片成像	多实例学习	图像	NA	NA	NA	平均绝对误差	NA
9	2026-03-02	Structural and functional connectome relationships in early childhood 2023-12, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2023.101314 PMID:37898019	研究论文	本研究探讨了幼儿期大脑结构与功能连接组之间的关系，并开发了一种基于图卷积神经网络的深度学习模型来预测个体功能连接	首次在幼儿期纵向研究结构与功能连接组的关系，并应用了一种新的图卷积神经网络模型和损失函数以更好地捕捉个体异质性	研究样本主要来自特定年龄段的儿童和成人，可能无法完全代表所有人群，且模型在更广泛数据集上的泛化能力有待验证	探究幼儿期大脑结构与功能连接组之间的发展关系，并开发更准确的预测模型	1至6岁儿童及成人参与者	机器学习	NA	NA	图卷积神经网络	大脑连接组数据	360名儿童（纵向扫描于1、2、4、6岁）和89名成人	NA	图卷积神经网络	NA	NA
10	2026-03-02	Personal transcriptome variation is poorly explained by current genomic deep learning models 2023-12, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01574-w PMID:38036790	研究论文	本文评估了四种先进的基因组深度学习模型在解释个体间基因表达变异方面的表现，发现它们在预测顺式调控遗传变异对表达的影响方面存在局限性	首次系统评估了基因组深度学习模型在解释个体间转录组变异方面的能力，揭示了模型在预测顺式调控遗传变异效应方向上的不足	模型在解释个体间表达变异方面性能有限，且常无法正确预测顺式调控遗传变异对表达的影响方向	评估基因组深度学习模型在解释个体间基因表达变异方面的能力	配对个人基因组和转录组数据	机器学习	NA	基因组深度学习	深度学习模型	DNA序列、基因表达数据	NA	NA	NA	NA	NA
11	2026-02-26	Exploring mobility data for enhancing HIV care engagement in Black/African American and Hispanic/Latinx individuals: a longitudinal observational study protocol 2023-12-14, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2023-079900 PMID:38101845	研究论文	本研究旨在通过收集和分析移动数据，结合社会结构信息，探索提升黑人和拉丁裔HIV感染者护理参与度的因素	首次将GPS移动数据与社会结构数据结合，利用机器学习和深度学习模型分析HIV护理参与的上下文预测因素	研究样本仅限于美国高HIV流行地区的特定种族群体，可能无法推广到其他人群或地区	探索移动模式与HIV护理参与之间的关系，识别障碍和促进因素，以增强公共卫生监测和干预措施	400名黑人和拉丁裔HIV感染者	机器学习	HIV感染	GPS数据收集，社会结构数据整合	机器学习，深度学习	GPS移动数据，调查数据，社会结构数据	400名参与者，每人提供至少14天/月的移动数据，持续1年	NA	NA	NA	NA
12	2026-02-15	Advanced deep learning methods for molecular property prediction 2023-Dec, Quantitative biology (Beijing, China) DOI:10.1002/qub2.23 PMID:41675536	综述	本文综述了分子性质预测中的分子表示、常用数据集以及先进的深度学习方法	总结了分子性质预测领域的最新深度学习网络（如图神经网络和基于Transformer的模型）和策略（如3D预训练、对比学习、多任务学习、迁移学习和元学习）	指出了数据集缺乏、信息利用率低以及针对疾病特异性不足等关键问题	加速药物发现过程并降低其成本	分子性质预测	机器学习	NA	NA	图神经网络, Transformer	分子数据	NA	NA	NA	NA	NA
13	2026-02-09	Deep learning-powered generation of artificial endoscopic images of GI tract ulcers 2023-Dec, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.08.002 PMID:41646054	研究论文	本研究提出了一种结合生成对抗网络和变分自编码器的VAE-GAN架构，用于生成人工内窥镜图像，以解决胃肠道溃疡诊断中数据不足的问题	开发了VAE-GAN架构来生成人工内窥镜图像，该架构能抵抗模式崩溃、梯度消失、不稳定性和不收敛问题，并通过高精度和召回率验证了生成图像的质量和多样性	专家对人工与真实溃疡图像的分类准确率仅为57.1%，表明生成图像与真实图像仍存在一定差异；数据偏见仅得到部分缓解	通过生成人工内窥镜图像来解决深度学习模型在胃肠道溃疡诊断中数据不足的问题，以提高模型泛化性能	胃肠道溃疡的内窥镜图像	计算机视觉	胃肠道溃疡	内窥镜成像	GAN, VAE, CNN	图像	未明确指定样本数量	未明确指定	VAE-GAN, DenseNet121, 5层CNN	精度, 召回率, 分类准确率	未明确指定
14	2026-02-07	Deep learning models to map osteocyte networks can successfully distinguish between young and aged bone 2023-Dec-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.20.572567 PMID:38187546	研究论文	本研究探索应用深度学习和计算机视觉技术，自动分割和测量骨细胞连接组学，以区分年轻和衰老小鼠的骨骼	首次将深度学习模型（特别是Attention U-Net）应用于骨细胞网络（LCN）的自动化分割与测量，实现了比传统手动方法更高效、客观的分析	模型对骨细胞树突状突起的分割准确率（42.1%）仍有待提高，需要进一步开发以提升性能	开发自动化工具以研究骨细胞网络的形态变化，并区分年轻与衰老骨骼的差异	小鼠骨骼中的骨细胞及其在骨陷窝-小管网络（LCN）中的连接结构	计算机视觉	老年性疾病	高分辨率显微镜成像	CNN, Transformer	图像	年轻（2月龄）和衰老（36月龄）小鼠的骨骼样本	NA	U-Net, Vision Transformer, Attention U-Net	分割准确率（骨细胞81.8%，树突状突起42.1%）	NA
15	2026-01-29	A Data-Free Approach to Mitigate Catastrophic Forgetting in Federated Class Incremental Learning for Vision Tasks 2023-Dec, Advances in neural information processing systems PMID:41573098	研究论文	本文提出了一种在联邦学习环境中缓解灾难性遗忘的无数据方法，通过生成模型合成历史数据样本	提出了一种无数据方法，在联邦增量学习中使用生成模型合成历史数据，无需客户端存储旧数据或模型，同时保护隐私	未明确说明生成模型的具体性能限制或在不同数据分布下的泛化能力	解决联邦增量学习中的灾难性遗忘问题	深度学习模型在视觉任务中的联邦增量学习	计算机视觉	NA	生成模型	NA	图像	NA	NA	NA	NA	NA
16	2026-01-17	The text-package: An R-package for analyzing and visualizing human language using natural language processing and transformers 2023-Dec, Psychological methods IF:7.6Q1 DOI:10.1037/met0000542 PMID:37126041	研究论文	本文介绍了一个名为text的R软件包，该软件包利用自然语言处理和Transformer技术来分析和可视化人类语言	开发了一个专门为心理学和社会科学研究人员设计的、用户友好的R软件包，将最先进的NLP和深度学习技术（特别是Transformer）模块化并整合到端到端的人类层面分析流程中	未明确说明该软件包在处理特定语言或文化背景文本时的局限性，也未提及计算资源要求或大规模部署的性能基准	为心理学和社会科学研究者提供易于使用的工具，以利用先进的自然语言处理技术分析人类语言中的心理信息	人类语言文本数据	自然语言处理	NA	自然语言处理, 深度学习, Transformer	Transformer	文本	NA	R	Transformer	NA	NA
17	2026-01-16	Quality assessment of colour fundus and fluorescein angiography images using deep learning 2023-12-18, The British journal of ophthalmology DOI:10.1136/bjo-2022-321963 PMID:36418144	研究论文	本文开发了一种基于深度学习的神经网络，用于对彩色眼底和荧光素血管造影图像进行自动实时图像质量评估	首次针对彩色眼底和荧光素血管造影图像开发了自动实时图像质量评估的神经网络，并在多类别质量预测中展示了接近人类水平的性能	未明确说明模型在更广泛或多样化数据集上的泛化能力，以及在实际临床环境中的长期稳定性	开发自动实时图像质量评估方法，以支持临床研究和常规实践中的图像质量控制	彩色眼底和荧光素血管造影图像	计算机视觉	NA	NA	神经网络	图像	2272张彩色眼底图像和2492张荧光素血管造影图像	NA	NA	F1分数, 接收者操作特征曲线下面积, 精确率-召回率曲线下面积, 准确率	NA
18	2026-01-10	Genomic prediction with machine learning in sugarcane, a complex highly polyploid clonally propagated crop with substantial non-additive variation for key traits 2023-12, The plant genome DOI:10.1002/tpg2.20390 PMID:37728221	研究论文	本研究探讨了在甘蔗这种复杂、高度多倍体、无性繁殖的作物中，使用机器学习方法进行基因组预测的潜力，以捕获关键性状的非加性变异	首次在甘蔗中系统比较了深度学习神经网络（包括多层感知机和卷积神经网络）和随机森林等机器学习方法，与扩展的基因组最佳线性无偏预测（GBLUP）模型在基因组预测中的表现	机器学习模型（包括随机森林和深度学习神经网络）的预测准确性未超过扩展的GBLUP模型，表明在捕获基因间互作方面可能仍有局限	评估机器学习方法在甘蔗复杂基因组背景下对关键农艺性状进行基因组预测的准确性和适用性	甘蔗克隆及其关键性状（总甘蔗收获量、商业蔗糖含量和纤维含量）	机器学习	NA	全基因组单核苷酸多态性标记分析	CNN, MLP, RF	基因组数据	2912个甘蔗克隆，使用26,086个全基因组SNP标记	NA	多层感知机, 卷积神经网络	预测准确性	NA
19	2026-01-06	In silico evolution of autoinhibitory domains for a PD-L1 antagonist using deep learning models 2023-12-05, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2307371120 PMID:38032933	研究论文	本研究利用基于深度学习的蛋白质结构预测与序列优化流程，设计了针对PD-L1拮抗剂的自抑制结构域，以开发可在肿瘤微环境中被激活的抗癌药物	首次将AlphaFold2与ProteinMPNN结合，通过迭代循环设计自抑制结构域，无需实验亲和力成熟即可获得纳摩尔级高亲和力结合剂	研究仅针对PD-L1拮抗剂进行设计验证，未在体内模型中测试其治疗效果与安全性	开发一种可通过肿瘤富集蛋白酶激活的条件性PD-L1拮抗剂，用于癌症治疗	PD-L1蛋白及其拮抗剂	计算生物学	癌症	深度学习蛋白质设计	深度学习模型	蛋白质序列与结构数据	设计了23种不同长度与拓扑结构的自抑制结构域	AlphaFold2, ProteinMPNN	AlphaFold2, ProteinMPNN	平衡解离常数（Kd）	NA
20	2025-12-31	Machine learning identification of Pseudomonas aeruginosa strains from colony image data 2023-12, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011699 PMID:38091365	研究论文	本研究利用机器学习和图像处理技术，基于菌落图像数据对铜绿假单胞菌菌株进行分类识别	在种内尺度上应用深度卷积神经网络结合数据增强和迁移学习，克服生物深度学习中的数据匮乏问题，实现菌株的视觉指纹分类	样本量相对较小（69个菌株），且仅针对铜绿假单胞菌，未广泛验证其他细菌物种	探索菌落形态作为细菌菌株分类的基础，并开发基于图像的病原菌分类方法	69个环境和临床来源的铜绿假单胞菌菌株	计算机视觉	NA	菌落图像采集	CNN	图像	69个铜绿假单胞菌菌株	NA	深度卷积神经网络	准确率	NA