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
361	2026-02-08	IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra 2024-Jan-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00804-5 PMID:38238779	研究论文	本文介绍了一种名为IDSL_MINT的深度学习框架，用于从质谱数据预测分子指纹	IDSL_MINT首次将Transformer模型应用于质谱数据，类似于大型语言模型，能够将MS/MS谱图转化为分子指纹描述符	NA	提高非靶向代谢组学和暴露组学研究中MS/MS谱图的注释率	质谱数据（MS/MS谱图）	机器学习	NA	串联质谱（MS/MS）	Transformer	质谱数据	使用LipidMaps数据库进行基准测试	NA	Transformer	NA	NA
362	2026-02-07	A CNN-CBAM-BIGRU model for protein function prediction 2024-01-01, Statistical applications in genetics and molecular biology IF:0.8Q3 DOI:10.1515/sagmb-2024-0004 PMID:38943434	研究论文	本文提出了一种结合CNN、CBAM和BiGRU的深度学习模型，用于从蛋白质氨基酸序列预测其功能	创新性地将卷积注意力模块（CBAM）与双向门控循环单元（BiGRU）结合，以增强特征提取和长程依赖捕获能力	未明确说明模型在更广泛物种或更大规模数据集上的泛化能力，以及计算效率的详细分析	提高基于蛋白质序列的功能预测准确性	人类和酵母的蛋白质序列	生物信息学	NA	深度学习	CNN, BiGRU	蛋白质氨基酸序列	NA	NA	CNN-CBAM-BiGRU	准确率	NA
363	2026-02-05	Clinical correlates of CT imaging-derived phenotypes among lean and overweight patients with hepatic steatosis 2024-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49470-x PMID:38167550	研究论文	本研究利用深度学习从腹部CT扫描中提取脾-肝衰减差作为肝脂肪变性的定量指标，并基于BMI分层分析瘦与超重患者中肝脂肪变性与临床表型的关联	首次在大型生物样本库中，通过深度学习量化CT影像特征，系统比较瘦与超重患者肝脂肪变性的流行病学差异及其与心血管、肾脏等疾病的关联	研究为回顾性设计，可能受选择偏倚影响；CT衍生的肝脂肪变性指标虽经验证，但非金标准；未考虑其他混杂因素如生活方式或遗传背景	定义肝脂肪变性的CT影像表型，并探究其与患者临床特征（特别是瘦与超重人群差异）的关联	肝脂肪变性患者，包括瘦（BMI < 25 kg/m²）和超重（BMI ≥ 25 kg/m²）个体	数字病理学	肝脂肪变性	腹部CT扫描	深度学习	医学影像（CT图像）	8914名患者，包括278名瘦且伴有脂肪变性、1867名瘦无脂肪变性、1863名超重伴有脂肪变性、4906名超重无脂肪变性	NA	NA	p值	NA
364	2026-02-05	Toward an intelligent computing system for the early diagnosis of Alzheimer's disease based on the modular hybrid growing neural gas 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241284349 PMID:39381826	研究论文	本文开发了一个基于模块化混合增长神经气体（MyGNG）的智能计算系统，用于阿尔茨海默病的早期诊断，通过分类任务（MCI-AD和CN-MCI-AD）实现	提出了一种混合和个体发育神经架构MyGNG，结合GNG聚类和感知机标记，在阿尔茨海默病早期诊断中表现优于其他机器学习方法	未明确说明数据集的局限性或模型在其他数据集上的泛化能力	开发智能计算系统以解决阿尔茨海默病的早期诊断问题	阿尔茨海默病患者，包括轻度认知障碍（MCI）和认知正常（CN）个体	机器学习	阿尔茨海默病	神经影像数据	混合神经网络架构（GNG和感知机）	结构化数据（患者特征）	MCI-AD任务495名患者，CN-MCI-AD任务819名患者，均来自ADNI数据库，每名患者有211个特征	NA	模块化混合增长神经气体（MyGNG），包含增长神经气体（GNG）和感知机	AUC, 敏感度	NA
365	2026-02-05	Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1331677 PMID:38384484	研究论文	本研究提出了一种基于结构MRI的可解释深度学习框架，用于自动区分额颞叶痴呆的三种临床亚型	采用多类型并行特征嵌入框架和集成梯度方法进行特征可视化，实现了对额颞叶痴呆亚型的可解释性分类	样本量相对较小且存在不平衡，数据来自多中心可能存在扫描仪差异的残留影响	自动区分额颞叶痴呆的三种临床表型，以辅助早期精确诊断和干预规划	277名额颞叶痴呆患者，包括行为变异型额颞叶痴呆、语义变异型原发性进行性失语和非流利变异型原发性进行性失语	数字病理学	老年疾病	结构MRI	深度神经网络	图像	277名患者（173名行为变异型额颞叶痴呆，63名非流利变异型原发性进行性失语，41名语义变异型原发性进行性失语）	NA	多类型并行特征嵌入框架	平衡准确度	NA
366	2026-01-29	Building and validating an artificial intelligence model to identify tracheobronchopathia osteochondroplastica by using bronchoscopic images 2024 Jan-Dec, Therapeutic advances in respiratory disease IF:3.3Q2 DOI:10.1177/17534666241253694 PMID:38803144	研究论文	本研究构建并验证了一个基于支气管镜图像的AI模型，用于识别气管支气管骨软骨病（TO）并与其他多结节性气道疾病区分	首次开发了一个基于深度学习的AI模型，专门用于从支气管镜图像中识别罕见的TO疾病，并进行了外部验证	样本量相对较小，特别是TO病例较少，且仅在一家医院进行了外部验证	构建一个AI模型，帮助初级医院的年轻医生通过支气管镜图像识别TO	多结节性气道疾病患者（包括TO、淀粉样变性、肿瘤和炎症）以及无气道病变的患者	计算机视觉	气管支气管骨软骨病	支气管镜检查	CNN	图像	414名患者（201名多结节性气道疾病患者和213名无病变患者），涉及3916张支气管镜图像	NA	EfficientNet	准确率	NA
367	2026-01-28	TimeTuner: Diagnosing Time Representations for Time-Series Forecasting with Counterfactual Explanations 2024-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3327389 PMID:37883273	研究论文	本文提出了一个名为TimeTuner的可视化分析框架，用于诊断时间序列预测中的时间表示，并通过反事实解释帮助分析人员理解模型行为	提出了一种结合反事实解释和可视化交互的两阶段技术，首次将局部相关性、平稳性和粒度分析集成到时间序列表示诊断中	仅实例化了平滑和采样两种转换方法，在更复杂的时间序列转换方法上尚未验证	改进时间序列预测中特征工程的自动化方法，增强模型行为的可解释性和可靠性	时间序列数据，包括单变量太阳黑子和多变量空气污染物数据	机器学习	NA	反事实解释，可视化分析	深度学习模型	时间序列数据	NA	NA	NA	NA	NA
368	2026-01-25	Deep Learning-Based Spermatogenic Staging in Tissue Sections of Cynomolgus Macaque Testes 2024-01, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233241234059 PMID:38465599	研究论文	本文开发了一种基于深度学习的模型，用于对食蟹猴睾丸组织切片中的生精小管进行生精阶段自动分期	首次将深度学习技术应用于食蟹猴睾丸组织切片的生精阶段自动分期，实现了对大量生精小管的高灵敏度、高精度和高准确度的自动化评估	所生成的阶段频率图的诊断价值尚不明确，需要进一步收集具有生精障碍的睾丸数据来验证其变异性和相关性	开发自动化工具以辅助病理学家对食蟹猴睾丸组织进行生精阶段感知的评估，并探索阶段频率图的潜在诊断价值	食蟹猴睾丸组织切片	数字病理学	生殖系统疾病	数字全玻片成像	深度学习模型	图像	6张全玻片图像，平均每张包含4938个生精小管横截面	NA	NA	灵敏度, 精确度, 准确度	NA
369	2026-01-24	Addressing grading bias in rock climbing: machine and deep learning approaches 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1512010 PMID:40046938	综述	本文综述了机器学习和深度学习在解决攀岩路线难度评级主观性问题中的应用	首次系统分类并比较了基于路线中心、攀岩者中心和路径查找/生成三种机器学习方法在攀岩难度评级中的效果，并指出自然语言处理或循环神经网络算法是最优方法	NA	探索标准化攀岩路线难度评级的机器学习方法	攀岩路线难度评级系统	自然语言处理, 机器学习	NA	NA	RNN	文本	NA	NA	NA	NA	NA
370	2026-01-23	Brain volume is a better biomarker of outcomes in ischemic stroke compared to brain atrophy 2024, Frontiers in stroke DOI:10.3389/fstro.2024.1468772 PMID:41542273	研究论文	本研究比较了缺血性卒中时脑体积与脑萎缩作为预测功能结局的生物标志物的效果，发现脑体积是更优的预测指标	首次通过深度学习自动分割管道直接比较脑体积与脑实质分数作为卒中结局预测生物标志物的效能，并利用贝叶斯信息准则进行模型比较	单中心回顾性研究，样本量有限，仅包含2003-2011年的病例，可能无法完全推广到其他人群或医疗环境	确定缺血性卒中损伤时的脑体积是否比脑萎缩更能预测功能结局	急性缺血性卒中患者	数字病理学	缺血性卒中	深度学习自动分割，神经影像分析	深度学习分割模型，逻辑回归	神经影像数据	467名动脉缺血性卒中患者	NA	NA	贝叶斯信息准则	NA
371	2026-01-22	DeepMainmast: integrated protocol of protein structure modeling for cryo-EM with deep learning and structure prediction 2024-Jan, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02099-0 PMID:38066344	研究论文	本文开发了一种名为DeepMainmast的蛋白质结构建模方法，结合深度学习和结构预测，用于从冷冻电镜图谱中建模蛋白质结构	采用深度学习捕获氨基酸和原子的局部图谱特征以辅助主链追踪，并整合AlphaFold2与从头密度追踪协议，结合两者互补优势，实现比单独方法更高的准确性	NA	研究蛋白质及其复合物的三维结构建模，以改进冷冻电镜图谱解析中的主链追踪准确性	蛋白质及其复合物，特别是同源多聚体的结构模型	计算生物学	NA	冷冻电子显微镜	深度学习模型	冷冻电镜图谱	NA	NA	NA	准确性	NA
372	2026-01-13	Annotated dataset for training deep learning models to detect astrocytes in human brain tissue 2024-01-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-02908-x PMID:38242926	研究论文	本文介绍了一个用于训练深度学习模型检测人脑组织中星形胶质细胞的标注数据集	提供了首个基于ALDH1L1和GFAP染色的人脑组织全切片图像数据集，支持星形胶质细胞的自动检测和密度分析	数据集仅包含16张切片和8名患者，样本规模有限，可能影响模型的泛化能力	开发自动化工具以检测和量化人脑组织中的星形胶质细胞，促进神经病理学研究	人脑组织切片中的星形胶质细胞	数字病理学	神经系统疾病	ALDH1L1和GFAP免疫组织化学染色	深度学习模型	图像	16张切片，来自8名患者，共8730个图像块	NA	NA	NA	NA
373	2026-01-13	Open and reusable deep learning for pathology with WSInfer and QuPath 2024-Jan-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-024-00499-9 PMID:38200147	研究论文	本文介绍了WSInfer和QuPath，一个开源软件生态系统，旨在促进数字病理学中深度学习模型的共享与重用	开发了WSInfer这一开源工具，专门解决数字病理学领域深度学习模型难以重用的问题，提升了模型的可访问性和复用性	NA	通过开源软件生态系统，推动数字病理学中深度学习模型的共享与重用，以增强其在诊断、预后和预测方面的研究能力	数字病理学中的深度学习模型	数字病理学	NA	深度学习	NA	病理图像	NA	NA	NA	NA	NA
374	2026-01-13	The 100-protein NMR spectra dataset: A resource for biomolecular NMR data analysis 2024-01-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02879-5 PMID:38177162	研究论文	本文介绍了100-蛋白质NMR光谱数据集，这是一个包含1329个多维NMR光谱及相关注释的标准化资源，旨在促进生物分子NMR数据分析方法的发展	首次公开了一个标准化的多维NMR光谱数据集，允许从原始实验数据重现100个蛋白质结构，解决了NMR原始数据缺乏公开存档的问题	数据集仅包含100个蛋白质，可能无法覆盖所有蛋白质类型或NMR实验条件，且依赖于特定方法（ARTINA）的原始开发背景	促进生物分子NMR光谱的计算方法开发，特别是机器学习方法，并实现方法间的一致性和客观比较	蛋白质的NMR光谱数据	生物信息学	NA	NMR光谱学	深度学习	NMR光谱	100个蛋白质的1329个2-4维NMR光谱	NA	ARTINA	NA	NA
375	2026-01-13	An annotated wing interferential pattern dataset of dipteran insects of medical interest for deep learning 2024-01-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02848-y PMID:38168517	研究论文	本研究介绍了一个用于训练和评估基于翅干涉模式识别医学和兽医学重要双翅目昆虫的数据集	创建了一个包含多种双翅目昆虫翅干涉模式图像的新数据集，并整合了先前发布的数据集，以支持计算机视觉识别系统的开发	数据集仅覆盖18个属，每个属的物种数量和样本量存在差异，可能影响模型的泛化能力	开发一个基于计算机视觉的系统，利用翅干涉模式快速识别医学和兽医学重要的双翅目昆虫	双翅目昆虫，包括蚊科、丽蝇科、蝇科、虻科、蠓科和毛蠓科等	计算机视觉	NA	翅干涉模式成像	NA	图像	2,399张图片，覆盖18个属，部分属样本量达300个	NA	NA	NA	NA
376	2026-01-10	Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417538	研究论文	本研究比较了传统机器学习、深度学习模型和大型语言模型在利用电子健康记录识别癌症患者心力衰竭风险方面的性能	提出从结构化医疗代码中提取新型叙事特征，并首次将大型语言模型GatorTron-3.9B应用于癌症患者心力衰竭风险预测任务	研究数据仅来自单一医疗机构（佛罗里达大学健康中心），样本量相对有限，且仅涵盖肺癌、乳腺癌和结直肠癌三种癌症类型	开发有效的机器学习模型来识别癌症治疗后可能发生心力衰竭的高风险患者	癌症患者（肺癌、乳腺癌、结直肠癌）	自然语言处理	心血管疾病	电子健康记录分析	SVM, LSTM, Transformer	文本（电子健康记录）	12,806名癌症患者（其中1,602名在癌症后发生心力衰竭）	NA	T-LSTM, BERT, GatorTron-3.9B	F1分数	NA
377	2026-01-10	Deep Learning-based Time-to-event Analysis of Depression and Asthma using the All of Us Research Program 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417537	研究论文	本研究利用深度学习模型分析抑郁症与哮喘之间的关联，基于All of Us研究计划的大规模回顾性队列数据	首次在大型回顾性队列研究中应用深度学习模型分析抑郁症与哮喘的关联，并使用SHAP值增强模型可解释性	深度学习模型在c-index指标上未超越传统的Cox比例风险模型	探究抑郁症与哮喘之间的关联性及影响因素	All of Us研究计划中的239,161名参与者	机器学习	抑郁症, 哮喘	回顾性队列研究	DeepSurv, DeepHit, 逻辑回归, CoxPH	临床队列数据	239,161名参与者	NA	DeepSurv, DeepHit	c-index	NA
378	2024-10-09	Correction to: Growing ecosystem of deep learning methods for modeling protein-protein interactions 2024-Jan-29, Protein engineering, design & selection : PEDS DOI:10.1093/protein/gzae016 PMID:39377372	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
379	2025-12-27	Model Ensemble for Brain Tumor Segmentation in Magnetic Resonance Imaging 2024, Brain tumor segmentation, and cross-modality domain adaptation for medical image segmentation : MICCAI challenges, BraTS 2023 and CrossMoDA 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12 and 8, 2024 : proc... DOI:10.1007/978-3-031-76163-8_20 PMID:41439203	研究论文	本文提出了一种基于深度学习的集成策略，用于在磁共振成像中分割脑肿瘤，并在BraTS挑战赛的儿科脑肿瘤、颅内脑膜瘤和脑转移瘤任务中进行了评估	采用区域级集成方法结合nnU-Net和Swin UNETR模型，并实施了基于交叉验证阈值搜索的针对性后处理策略以优化肿瘤亚区域分割结果	NA	开发并评估一种用于多参数磁共振成像中脑肿瘤分割的深度学习集成方法，以支持临床试验和个性化患者护理	儿科脑肿瘤、颅内脑膜瘤和脑转移瘤病例	数字病理学	脑肿瘤	磁共振成像	CNN, Transformer	图像	4500例脑肿瘤病例（来自BraTS挑战赛数据集）	PyTorch	nnU-Net, Swin UNETR	Dice系数	NA
380	2025-12-17	Toward Explainable Artificial Intelligence for Precision Pathology 2024-01-24, Annual review of pathology DOI:10.1146/annurev-pathmechdis-051222-113147 PMID:37871132	综述	本文综述了人工智能在精准病理学中的应用，特别关注可解释性AI以提升诊断透明度	强调将可解释性AI引入病理学，以解决传统AI黑盒问题，促进生物医学与AI领域的相互理解	作为综述文章，未涉及具体实验数据或模型性能验证，主要基于现有文献分析	推动可解释性人工智能在精准病理学中的应用，以标准化、定量化方式整合临床、组织学和分子数据	组织学图像和分子谱数据，用于疾病分类、组织生物标志物量化和临床结果预测	数字病理学	NA	深度学习	NA	图像, 分子数据	NA	NA	NA	NA	NA