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
61	2025-12-09	Deep learning, data ramping, and uncertainty estimation for detecting artifacts in large, imbalanced databases of MRI images 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102942 PMID:37797482	研究论文	本文提出了一种基于深度学习的随机算法，用于在大型不平衡神经影像数据库中自动检测MRI图像伪影，并引入不确定性估计以提高检测准确性	首次提出结合蒙特卡洛dropout的随机深度学习算法，用于MRI伪影检测，并开发了数据斜坡方法处理类别不平衡问题	未提及算法在外部验证集上的泛化性能，且未讨论计算成本或实时处理能力	开发自动化方法以高效检测大型不平衡神经影像数据库中的MRI图像伪影	MRI图像	计算机视觉	NA	磁共振成像	深度学习	3D图像	34,800次扫描（其中98%为无伪影数据）	NA	3D AlexNet	准确率, F1分数	NA
62	2025-12-09	Collagen fiber centerline tracking in fibrotic tissue via deep neural networks with variational autoencoder-based synthetic training data generation 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102961 PMID:37802011	研究论文	提出一种基于深度学习的流程，用于从病理组织样本的显微图像中量化胶原纤维的拓扑特性	利用变分自编码器生成具有可控拓扑特性的合成中心线，并结合条件生成对抗网络合成真实胶原纤维图像，以解决大规模标注数据短缺问题	未明确说明合成数据与真实数据之间的域适应差距可能对模型泛化性产生的影响	开发一种能够准确提取胶原纤维中心线并量化其拓扑特性的自动化方法	胰腺、肝脏和乳腺癌样本中的胶原纤维	数字病理学	癌症	二次谐波生成显微镜	变分自编码器, 条件生成对抗网络, 深度神经网络	图像	NA	NA	NA	NA	NA
63	2025-12-09	MGMT promoter methylation status prediction using MRI scans? An extensive experimental evaluation of deep learning models 2023-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102989 PMID:37827111	研究论文	本文通过深度学习模型评估使用MRI扫描预测胶质母细胞瘤中MGMT启动子甲基化状态，并利用多种解释性方法验证模型性能	使用最大的公开MRI数据集之一（585名参与者）进行预测，并综合应用Grad-CAM、遮挡敏感性、特征可视化和训练损失景观等多种解释性方法评估模型	研究结果显示MRI扫描与MGMT启动子甲基化状态之间无相关性，表明需要外部队列数据验证模型以确保深度学习系统在癌症诊断中的准确性和可靠性	预测胶质母细胞瘤中MGMT启动子甲基化状态，以替代侵入性组织活检	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI扫描	深度学习模型	图像	585名参与者	NA	NA	NA	NA
64	2025-12-06	An in silico investigation of Kv2.1 potassium channel: Model building and inhibitors binding sites analysis 2023-12, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202300072 PMID:37793122	研究论文	本研究通过AlphaFold-Multimer深度学习构建Kv2.1钾通道四聚体模型，结合GaMD和HMM分析离子传输轨迹，利用Fpocket程序与电生理实验定义抑制剂结合位点，并通过半经验量子力学计算预测抑制剂结合构象，为新型Kv2.1抑制剂开发提供分子设计见解	首次使用AlphaFold-Multimer深度学习构建Kv2.1四聚体结构模型，结合GaMD模拟与HMM分析生成多构象受体，并通过半经验量子力学计算预测抑制剂结合模式，揭示了P-螺旋和S6片段的关键残基贡献	研究为计算机模拟，缺乏实验验证抑制剂结合位点的直接结构证据；模型基于预测结构，可能受限于AlphaFold-Multimer的准确性；未进行大规模抑制剂筛选或体内功能验证	构建Kv2.1钾通道的计算机模型并分析抑制剂结合位点，以促进理性药物设计开发神经保护剂	Kv2.1钾通道蛋白及其抑制剂RY785和RY796(S)	计算生物学	缺血性脑卒中	AlphaFold-Multimer深度学习，GaMD（高斯加速分子动力学），HMM（隐马尔可夫模型），Fpocket程序，半经验量子力学计算，竞争性结合电生理实验	深度学习模型，分子动力学模型	蛋白质序列与结构数据，分子动力学轨迹数据	NA	AlphaFold-Multimer	AlphaFold-Multimer	NA	NA
65	2025-12-06	Classification of tastants: A deep learning based approach 2023-12, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202300146 PMID:37885360	研究论文	本研究利用深度学习模型对甜味、苦味和鲜味分子进行分类，以预测分子的味觉特性	结合分子描述符的深度神经网络和基于分子结构的图神经网络模型，无需手工特征即可学习任务特定表示，并应用Shapley加性解释来解析预测结果	鲜味分子样本数量较少导致类别不平衡，需采用特殊采样技术处理	预测分子的味觉特性，以支持食品、饮料、香料和制药行业中新味觉物质的设计与筛选	甜味、苦味和鲜味分子，这些味觉由G蛋白偶联受体介导	机器学习	NA	NA	深度神经网络, 图神经网络	分子描述符, 分子结构	1466个苦味分子、1764个甜味分子和238个鲜味分子，总计3468个分子	NA	NA	NA	NA
66	2025-12-04	Environmental Impacts of Machine Learning Applications in Protein Science 2023-12-01, Cold Spring Harbor perspectives in biology IF:6.9Q1 DOI:10.1101/cshperspect.a041473 PMID:38040454	综述	本文总结了蛋白质科学中机器学习应用的环境影响，并量化了部分流行算法的碳足迹	首次系统评估了蛋白质科学中机器学习算法（如AlphaFold和ESMFold）的环境影响，并提出了具体的碳足迹数据	未提供所有蛋白质计算方法的全面环境影响比较，且缓解措施的具体实施效果未经验证	评估蛋白质科学中计算工具和机器学习模型的环境影响，并提出可持续发展建议	蛋白质科学中的计算算法，包括分子模拟、蛋白质-蛋白质相互作用推断和蛋白质结构预测	机器学习	NA	机器学习	深度学习模型	蛋白质数据	NA	NA	AlphaFold, ESMFold	碳足迹（以吨COe计）	NA
67	2025-12-04	DBlink: dynamic localization microscopy in super spatiotemporal resolution via deep learning 2023-12, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-01966-0 PMID:37500760	研究论文	提出了一种基于深度学习的DBlink方法，用于从单分子定位显微镜数据中实现超时空分辨率重建	结合卷积神经网络和双向长短期记忆网络架构，捕获输入帧间的长期依赖关系，显著提升动态过程的成像能力	未明确说明在复杂生物环境或极端动态条件下的性能限制	提高单分子定位显微镜的时空分辨率，以观察活细胞中的动态过程	模拟的丝状结构和线粒体样结构、受控运动条件下的实验SMLM数据、活细胞动态SMLM数据	计算机视觉	NA	单分子定位显微镜	CNN, LSTM	视频	NA	NA	卷积神经网络结合双向长短期记忆网络	NA	NA
68	2025-12-04	Uncovering developmental time and tempo using deep learning 2023-12, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02083-8 PMID:37996754	研究论文	本文提出了一种基于深度学习的自动化方法，用于分析不同时间点胚胎之间的相似性，以量化发育时间和节奏	开发了一种无偏见的深度学习方法，能够自动计算胚胎发育阶段的相似性，生成表型指纹，并首次在无监督方式下为多个物种构建发育图谱	NA	量化动物胚胎发育的时间和节奏，以驱动进化新颖性的研究	动物胚胎	计算机视觉	NA	深度学习	深度学习模型	图像	NA	NA	NA	NA	NA
69	2025-12-03	Exploring Global Land Coarse-Mode Aerosol Changes from 2001-2021 Using a New Spatiotemporal Coaction Deep-Learning Model 2023-12-05, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c07982 PMID:37962866	研究论文	本文提出了一种新的时空协同深度学习模型（SCAM），用于反演2001-2021年全球陆地粗模态气溶胶光学厚度（cAOD），以更好地理解粗颗粒（特别是沙尘气溶胶）对气候的影响	提出的SCAM模型考虑了时空特征交互的影响，能同时描述反演中的线性和非线性关系，相比传统深度学习模型显著提高了全球每日cAOD的精度和覆盖率	未明确提及，但可能包括模型对特定区域或极端天气条件的适用性限制，以及依赖于输入卫星数据的质量	开发一种改进的深度学习模型，以更准确、长期地反演全球陆地粗模态气溶胶光学厚度，减少气候研究中相关的不确定性	全球陆地粗模态气溶胶（特别是沙尘气溶胶）	机器学习	NA	卫星遥感（MISR, MODIS, POLDER）	深度学习	卫星遥感数据	2001-2021年全球陆地每日数据	NA	时空协同深度学习模型（SCAM）	相关系数（R），均方根误差（RMSE）	NA
70	2025-12-03	Modeling Indirect Greenhouse Gas Emissions Sources from Urban Wastewater Treatment Plants: Integrating Machine Learning Models to Compensate for Sparse Parameters with Abundant Observations 2023-12-05, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06482 PMID:37976424	研究论文	本文提出整合梯度提升树和深度学习模型，以精确建模中国污水处理厂的电力消耗强度和污泥产量，作为间接温室气体排放源	通过整合机器学习模型（GBT和DL）来补偿稀疏参数，利用大量观测数据，分别关注运行条件和设计参数，实现全面建模	NA	预测污水处理厂的电力消耗和污泥产量，以支持技术相关政策决策，并管理间接温室气体排放	中国污水处理厂的电力消耗强度和污泥产量	机器学习	NA	NA	梯度提升树, 深度学习	观测数据	NA	NA	NA	NA	NA
71	2025-12-03	Large-scale pancreatic cancer detection via non-contrast CT and deep learning 2023-12, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02640-w PMID:37985692	研究论文	本研究开发了一种名为PANDA的深度学习模型，能够通过非增强CT高精度检测和分类胰腺病变	首次证明利用常规非增强CT进行大规模胰腺癌筛查的可行性，打破了长期以来认为非增强CT无法识别胰腺癌的传统认知	模型训练数据主要来自单一中心，尽管在多中心验证中表现良好，但泛化能力仍需在更广泛人群中进一步验证	开发一种基于非增强CT和深度学习的大规模胰腺癌筛查工具	胰腺导管腺癌（PDAC）及其他胰腺病变	数字病理学	胰腺癌	非增强计算机断层扫描（CT）	深度学习模型	医学影像（CT图像）	训练集：3,208名患者（单中心）；多中心验证：6,239名患者（10个中心）；真实世界验证：20,530名连续患者	NA	PANDA（具体架构未在摘要中说明）	AUC（曲线下面积），敏感性，特异性	NA
72	2025-11-25	Spatio-temporal fusion of meteorological factors for multi-site PM2.5 prediction: A deep learning and time-variant graph approach 2023-12-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2023.117286 PMID:37797668	研究论文	提出一种基于深度学习和时变图的多站点PM2.5预测模型，通过融合气象因素的时空特征提升预测精度	创新性地结合图卷积网络和长短期记忆网络构建多图模型，能够深度挖掘多监测站点与气象因素的联合影响	仅以北京为研究案例，未验证模型在其他地区的适用性	提高多站点PM2.5浓度预测的准确性	北京市多个空气质量监测站点的PM2.5浓度数据	环境科学	NA	深度学习	GCN, LSTM	时间序列数据，气象数据，空气质量监测数据	NA	NA	图卷积网络，长短期记忆网络，注意力机制	NA	NA
73	2025-11-23	Live-cell imaging in the deep learning era 2023-12, Current opinion in cell biology IF:6.0Q1 DOI:10.1016/j.ceb.2023.102271 PMID:37897927	综述	本文综述了深度学习时代活细胞成像的计算方法进展	系统总结了深度学习在活细胞成像中的最新应用，包括自主显微镜等前沿技术	仅简要覆盖重要计算方法，未提供详细的实施指南或性能比较	探讨深度学习如何改变活细胞成像的实施和数据分析方式	活细胞成像技术和相关计算方法	计算机视觉	NA	荧光显微镜，活细胞成像	深度学习	图像，时间序列数据	NA	NA	NA	NA	NA
74	2025-11-20	Assisted documentation as a new focus for artificial intelligence in endoscopy: the precedent of reliable withdrawal time and image reporting 2023-12, Endoscopy IF:11.5Q1 DOI:10.1055/a-2122-1671 PMID:37399844	研究论文	开发了一种基于人工智能的内窥镜辅助文档系统，用于测量退出时间和自动图像记录	首次将人工智能应用于内窥镜退出时间测量和自动图像记录，提供实时能力	需要进一步验证，样本量相对有限（100个结肠镜检查视频）	提高内窥镜检查文档质量和标准化报告	结肠镜检查过程和图像	医学人工智能	结直肠疾病	深度学习	深度学习算法	内窥镜图像和视频	10,557张图像（来自1,300次检查，9个中心）和100个结肠镜检查视频（5个中心）	NA	多类深度学习算法	时间差异比较，图像记录完整性	4个处理器
75	2025-11-20	Large-scale spatiotemporal deep learning predicting urban residential indoor PM2.5 concentration 2023-12, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2023.108343 PMID:38029622	研究论文	开发基于贝叶斯神经网络的大规模时空深度学习模型预测城市住宅室内PM2.5浓度	提出适用于全球尺度的室内PM2.5浓度预测模型，能够预测时空分布而非单点预测	模型在群体水平的有效性仍需进一步加强	评估人群水平暴露和健康风险，开发易于使用且通用的室内PM2.5浓度预测模型	中国城市住宅室内PM2.5浓度	机器学习	呼吸系统疾病	传感器监测	贝叶斯神经网络(BNN)	传感器监测记录	全国范围的综合传感器监测记录	NA	贝叶斯神经网络	R平方,平均绝对误差,均方根误差,预测区间覆盖率	NA
76	2025-11-18	Deep learning-based phenotype imputation on population-scale biobank data increases genetic discoveries 2023-12, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01558-w PMID:37985819	研究论文	提出一种基于深度学习的表型插补方法AutoComplete，用于填补大规模生物样本库中的缺失表型数据	开发了专门针对群体规模生物样本库数据的深度学习表型插补方法，显著提高了遗传发现能力	未明确说明方法在其他生物样本库或不同表型上的泛化能力	提高生物样本库表型数据的完整性和利用率，促进遗传学研究发现	英国生物银行约30万个体的表型数据	机器学习	NA	表型数据插补	深度学习	表型数据	约300,000个体	NA	AutoComplete	插补准确率, 遗传相似性, 有效样本量, 关联位点数量	NA
77	2025-11-18	Benchmarking of deep neural networks for predicting personal gene expression from DNA sequence highlights shortcomings 2023-12, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01524-6 PMID:38036778	研究论文	本研究评估了深度神经网络在预测个体基因表达方面的表现，并揭示了现有方法的局限性	首次系统性地评估深度学习方法在跨个体基因表达预测中的表现，发现现有方法在预测变异效应方向上的局限性	现有方法未能充分学习序列基序语法，导致变异效应方向预测不准确	评估深度学习方法在预测个体基因表达变异方面的有效性和实用性	839名ROSMAP研究参与者的全基因组测序和基因表达数据	基因组学	NA	全基因组测序，基因表达分析	深度神经网络	基因组DNA序列，基因表达数据	839名个体	NA	NA	变异效应方向预测准确性	NA
78	2025-11-18	Current approaches to genomic deep learning struggle to fully capture human genetic variation 2023-12, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01517-5 PMID:38036789	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
79	2025-11-15	Protein structure prediction with in-cell photo-crosslinking mass spectrometry and deep learning 2023-12, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-023-01704-z PMID:36941363	研究论文	本研究开发了AlphaLink方法，通过将实验距离约束信息整合到AlphaFold2网络架构中，提升具有构象变化或同源序列稀少蛋白质的结构预测精度	提出首个将细胞内光交联质谱实验数据整合到深度学习蛋白质结构预测框架的方法，通过稀疏实验接触点作为锚点改进预测性能	未明确说明方法对各类蛋白质构象变化的普适性及计算效率的具体评估	改进蛋白质结构预测精度，特别是针对构象变化蛋白质和同源序列稀少的困难目标	蛋白质三维结构，特别是具有构象变化的蛋白质	计算生物学	NA	光交联质谱，非经典氨基酸光亮氨酸标记	深度学习	蛋白质序列数据，质谱实验数据，距离约束信息	NA	AlphaFold2	AlphaFold2改进架构	结构预测精度	NA
80	2025-11-15	Interpretable neural architecture search and transfer learning for understanding CRISPR-Cas9 off-target enzymatic reactions 2023-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00569-1 PMID:38177723	研究论文	提出Elektrum深度学习框架，通过可解释神经网络架构搜索和迁移学习预测CRISPR-Cas9脱靶编辑概率	结合数据驱动和生物物理可解释模型，通过体外动力学假设生成和体内迁移学习的两阶段框架	NA	开发预测性和可解释的酶促通路模型	CRISPR-Cas9脱靶编辑反应	机器学习	NA	体外动力学检测，深度学习	CNN，可解释神经网络	体外动力学数据，体内反应数据	NA	NA	KINNs（动力学可解释神经网络），卷积神经网络	预测性能，正则化效果，可解释性	NA