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
101	2026-03-30	Using sequences of life-events to predict human lives 2024-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00573-5 PMID:38177491	研究论文	本文通过将人类生活事件序列类比为语言结构，利用自然语言处理技术预测人类生活轨迹，包括早期死亡率和个性特征等多样结果	首次将人类生活事件序列表示为类似语言的结构，并应用NLP技术进行生活轨迹预测，在多个预测任务上大幅超越现有最优模型	研究基于丹麦的登记数据集，可能受限于特定文化和社会制度，泛化性需进一步验证	探索人类生活事件的演变规律和可预测性，开发个性化干预的可能性	丹麦多年人口登记数据中的个体生活事件序列	自然语言处理	NA	自然语言处理技术，事件序列嵌入	深度学习模型	结构化事件序列数据	丹麦多年全国人口登记数据集	NA	NA	NA	NA
102	2026-03-30	Unbiased organism-agnostic and highly sensitive signal peptide predictor with deep protein language model 2024-01, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00576-2 PMID:38177492	研究论文	本文介绍了一种基于深度学习的新型信号肽预测方法USPNet，用于解决信号肽分类和切割位点预测问题	USPNet是一种无偏且不依赖物种信息的信号肽预测器，通过深度蛋白质语言模型处理极端数据不平衡问题，无需额外蛋白质组信息	NA	开发一种高灵敏度、无偏的信号肽预测工具，以改进信号肽的识别和发现	信号肽（SPs）及其在跨膜和分泌蛋白定位中的作用	自然语言处理	NA	深度学习，蛋白质语言模型	深度学习模型	原始氨基酸序列	NA	NA	USPNet	分类性能提升10%，序列一致性，模板建模分数	NA
103	2026-03-25	CHD-CXR: a de-identified publicly available dataset of chest x-ray for congenital heart disease 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1351965 PMID:38650917	研究论文	本文发布了一个用于先天性心脏病检测的公开去标识化胸部X射线数据集，并进行了初步模型验证	首次公开了一个针对儿童先天性心脏病、包含DICOM格式胸部X射线和心脏超声报告的高质量数据集，强调复杂结构特征，促进深度学习从机器学习向机器教学的转变	数据集样本量相对较小（828例），且仅针对儿童先天性心脏病，可能限制模型的泛化能力	通过构建公开医学影像数据集推动先天性心脏病的早期检测，特别是在医疗资源匮乏地区	儿童先天性心脏病患者的胸部X射线影像	计算机视觉	先天性心脏病	胸部X射线成像，心脏超声	深度学习模型	医学影像（DICOM格式胸部X射线）	828例儿童先天性心脏病患者的DICOM胸部X射线文件	NA	NA	ROC曲线下面积（AUC）	NA
104	2026-03-22	Deep learning-based patient stratification for prognostic enrichment of clinical dementia trials 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae445 PMID:39713242	研究论文	本研究利用深度学习对早期痴呆患者进行分层，以优化临床试验的预后富集	采用深度学习方法对痴呆患者的疾病轨迹进行聚类，识别出“慢速”和“快速”进展亚组，并开发机器学习模型从横断面数据预测进展亚组，以降低临床试验所需样本量和成本	研究样本量相对有限（283名早期痴呆患者），且模型预测性能（AUC 0.70）有待进一步提升	通过人工智能方法对痴呆患者进行分层，以优化临床试验设计并提高治疗发现效率	早期痴呆患者，包括认知和功能评分数据	机器学习	阿尔茨海默病	深度学习聚类，机器学习分类	深度学习，机器学习	认知和功能评分数据	283名早期痴呆患者（内部队列），2779名痴呆患者（外部验证队列）	NA	NA	AUC（受试者工作特征曲线下面积）	NA
105	2026-03-22	Automated pediatric brain tumor imaging assessment tool from CBTN: Enhancing suprasellar region inclusion and managing limited data with deep learning 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae190 PMID:39717438	研究论文	本研究提出了一种基于深度学习的自动化工具，用于儿科脑肿瘤的颅骨剥离和肿瘤分割，特别关注鞍区/鞍上区域，并在有限数据场景下评估其性能	开发了能够处理鞍区/鞍上区域罕见肿瘤的颅骨剥离和肿瘤分割模型，并在多参数MRI输入和有限数据条件下展示了良好的泛化能力	肿瘤分割模型对于增强肿瘤区域的Dice分数相对较低（中位数约0.79），表明在复杂肿瘤区域的分割精度仍有提升空间，且研究依赖于特定儿科患者队列	开发并评估自动化儿科脑肿瘤成像评估工具，以改进颅骨剥离和肿瘤分割在临床有限数据环境下的应用	527名患有各种儿科脑肿瘤组织学类型的儿科患者的MRI扫描数据	数字病理学	儿科脑肿瘤	多参数MRI扫描	深度学习	图像	527名儿科患者（颅骨剥离模型使用336例，肿瘤分割模型使用489例）	nnU-Net	nnU-Net	Dice分数, 敏感性, 95% Hausdorff距离	NA
106	2026-03-21	Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314707 PMID:39693322	研究论文	本研究分析了两位评审员在标注视网膜OCT扫描质量和常见病理特征时的一致性	开发了自定义标注软件来评估OCT扫描特征标注的评分者间可靠性	某些特征如SRF和高反射点的标注一致性较低	评估OCT扫描质量和病理特征标注的评分者间可靠性	500个来自CIRRUS HD-OCT 5000设备的视网膜OCT扫描	数字病理学	视网膜疾病	光学相干断层扫描	NA	图像	500个OCT扫描，每位患者眼睛由16个随机扫描表示	NA	NA	原始百分比一致性, Cohen's kappa系数	NA
107	2026-03-21	From cancer big data to treatment: Artificial intelligence in cancer research 2024-01, The journal of gene medicine IF:3.2Q2 DOI:10.1002/jgm.3629 PMID:37940369	综述	本文概述了癌症大数据，并探讨了传统机器学习和深度学习方法在癌症基因组学和蛋白质组学研究中的应用	探索了多模态人工智能框架在分析高维多组学数据中的应用，以提取难以手动获取的有意义信息	可解释性和数据质量仍然是关键挑战	推进对癌症生物学的理解，改善患者护理和临床结果	癌症大数据，包括临床研究、基因组学、蛋白质组学和公共卫生记录	机器学习	癌症	组学技术	传统机器学习，深度学习	多组学数据	NA	NA	NA	NA	NA
108	2026-03-20	Elevating Patient Care With Deep Learning: High-Resolution Cervical Auscultation Signals for Swallowing Kinematic Analysis in Nasogastric Tube Patients 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3497895 PMID:39698476	研究论文	本研究探讨了高分辨率颈部听诊信号在评估鼻胃管患者吞咽功能中的应用	将先前为非鼻胃管参与者设计的机器学习架构微调后应用于鼻胃管患者群体，以评估HRCA信号在吞咽功能分析中的效用	未明确提及样本量可能较小或数据收集的局限性	评估高分辨率颈部听诊信号在鼻胃管患者吞咽功能分析中的效用	使用鼻胃管的患者	数字病理学	吞咽功能障碍	高分辨率颈部听诊	卷积循环神经网络, 混合模型, 堆叠循环神经网络	振动和声学信号	NA	NA	卷积循环神经网络, 混合模型, 堆叠循环神经网络	预测准确率, 重叠率	NA
109	2026-03-17	Integrative computational analyses implicate regulatory genomic elements contributing to spina bifida 2024, Genetics in medicine open DOI:10.1016/j.gimo.2024.101894 PMID:39669613	研究论文	本研究通过整合计算分析，揭示了与脊柱裂相关的调控基因组元件及其在疾病遗传易感性中的作用	采用无靶向的全基因组方法结合深度学习优先排序框架，识别了脊柱裂中罕见的单核苷酸变异和拷贝数变异，特别是CCCTC结合因子结合位点的富集，并关联了功能通路	NA	描绘脊柱裂病理生理学背后的全基因组调控特征，以理解其遗传易感性	脊柱裂患者与健康对照的基因组数据	计算生物学	脊柱裂	全基因组测序，深度学习优先排序	深度学习框架	基因组序列数据	NA	NA	NA	NA	NA
110	2026-03-14	A neural speech decoding framework leveraging deep learning and speech synthesis 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00824-8 PMID:41799923	研究论文	本文提出了一种基于深度学习的神经语音解码框架，用于从大脑皮层信号解码人类语音	开发了一种包含ECoG解码器和可微分语音合成器的新型框架，并引入了语音到语音自编码器以辅助训练	NA	开发脑机接口技术以恢复神经功能缺损患者的语音能力	48名参与者的皮层电信号	自然语言处理	神经功能缺损	皮层电图	深度学习	信号	48名参与者	NA	自编码器	相关性	NA
111	2026-03-13	Label-free SERS detection of prostate cancer based on multi-layer perceptron surrogate model method 2024-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2023.123407 PMID:37717486	研究论文	本研究利用多层感知器（MLP）简化前列腺癌患者血浆SERS样本的预处理过程，并提高SERS技术诊断的敏感性和特异性	采用PCA-MLP方法直接分析原始SERS数据，简化实验流程，同时保持高且稳定的分类准确率	未提及样本多样性或方法普适性的具体验证，可能局限于特定类型样本	简化前列腺癌SERS样本预处理，提升诊断准确率	前列腺癌患者与正常人群的血浆SERS样本	机器学习	前列腺癌	表面增强拉曼光谱（SERS）	多层感知器（MLP）	光谱数据	NA	NA	多层感知器（MLP）	分类准确率	NA
112	2026-03-06	Prediction of multiclass surgical outcomes in glaucoma using multimodal deep learning based on free-text operative notes and structured EHR data 2024-01-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad213 PMID:37964658	研究论文	本研究开发了一种基于多模态深度学习的模型，用于预测青光眼手术的多类别结果，结合了自由文本手术记录和结构化电子健康记录数据	首次将术中信息（自由文本手术记录）纳入多模态深度学习模型，用于青光眼手术的多类别结果预测，而非传统的二元分类	未明确提及模型在外部验证或不同医疗机构的泛化能力，可能受限于数据质量和样本多样性	预测青光眼手术的多类别结果，以改善术后管理和临床决策	青光眼患者的手术数据，包括结构化电子健康记录和自由文本手术记录	自然语言处理, 机器学习	青光眼	深度学习, 多模态学习	神经网络	文本, 结构化数据	NA	NA	NA	宏平均AUROC, F1分数, 召回率, 精确率	NA
113	2026-03-06	Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1385424 PMID:38895589	研究论文	本研究开发了一种基于3D U-Net卷积神经网络的自动化颅内血管分割方法，用于处理颅内动脉粥样硬化狭窄患者的4D血流MRI数据	首次将深度学习应用于颅内狭窄血管的自动化分割，提高了分割的可重复性和鲁棒性，并显著加速了数据分析过程	未来需要纳入更多颅内动脉粥样硬化疾病（ICAD）的分割数据以及其他颅内血管病理学数据，以进一步提升模型的性能和泛化能力	开发一种准确、全自动的分割方法，用于颅内狭窄血管的4D血流MRI数据分析，以提高定量评估的效率和一致性	颅内动脉粥样硬化狭窄患者（68例）和健康对照者（86例）的4D血流MRI扫描数据	数字病理学	心血管疾病	4D血流MRI, 双速度编码（dual-VENC）	CNN	图像	154例4D血流MRI扫描（68例患者，86例健康对照）	NA	3D U-Net	Dice分数, Hausdorff距离, 平均对称表面距离, Bland-Altman分析, 组内相关系数	NA
114	2026-03-03	scMeFormer: a transformer-based deep learning model for imputing DNA methylation states in single cells enhances the detection of epigenetic alterations in schizophrenia 2024-Jan-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.25.577200 PMID:38328094	研究论文	本研究提出了一种基于Transformer的深度学习模型scMeFormer，用于在单细胞水平上推算DNA甲基化状态，以增强对精神分裂症中表观遗传改变的检测	开发了首个基于Transformer的深度学习模型scMeFormer，用于单细胞DNA甲基化状态的推算，即使在CpG位点覆盖率低至10%的情况下也能实现高保真推算	未明确提及模型在更广泛疾病或技术平台上的泛化能力，以及计算资源需求的具体细节	通过深度学习模型推算单细胞DNA甲基化状态，以提升对表观遗传改变（特别是精神分裂症相关改变）的检测能力	单细胞DNA甲基化数据，包括来自精神分裂症患者和神经典型对照的前额叶皮层样本	机器学习	精神分裂症	单细胞DNA甲基化测序	Transformer	DNA甲基化状态数据	四个单核DNA甲基化数据集，包括来自4名精神分裂症患者和4名神经典型对照的前额叶皮层样本	未明确提及	Transformer	未明确提及具体指标，但强调了高保真推算和检测能力的提升	未明确提及
115	2026-03-02	Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0048 PMID:39045139	研究论文	本文介绍了一种基于深度学习和金字塔采样的自动化方法，用于对免疫组织化学染色的乳腺癌组织图像中的HER2状态进行分类	利用金字塔采样在多个空间尺度上分析形态特征，有效处理计算负载并全面检查细胞和组织层面的细节，从而应对HER2表达的异质性	NA	开发一种自动化系统，用于准确评估乳腺癌组织图像中的HER2表达水平，以辅助诊断和治疗规划	免疫组织化学染色的乳腺癌组织图像，特别是来自组织微阵列的523个核心图像	数字病理学	乳腺癌	免疫组织化学染色	深度学习	图像	523个核心图像	NA	NA	准确率	NA
116	2026-03-02	Identifying primary tumor site of origin for liver metastases via a combination of handcrafted and deep learning features 2024-01, The journal of pathology. Clinical research DOI:10.1002/cjp2.344 PMID:37822044	研究论文	本研究通过结合手工特征和深度学习特征，识别肝转移瘤的原发肿瘤部位	首次将手工提取的病理形态学特征与深度学习分类器结合，用于肝转移瘤原发部位的识别，并探索了原发肿瘤内转移瘤起源的空间定位	样本量较小（114名患者），为试点研究，需更大规模验证	识别肝转移瘤的原发肿瘤部位，以指导治疗决策	肝转移瘤的病理切片，来自结肠、食管、乳腺和胰腺等不同原发部位	数字病理学	肝转移瘤	病理切片分析，计算机特征提取	随机森林，深度学习分类器	病理全切片图像	175张切片（114名患者），包括121张训练用WSI和54张验证用WSI	未明确指定，可能涉及多种机器学习库	未明确指定具体深度学习架构	AUC	NA
117	2026-03-02	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的模型，利用术前心电图波形预测患者术后死亡率	首次将深度学习应用于术前心电图分析，以识别传统风险评估方法（如RCRI评分）未能发现的术后死亡风险隐藏标志物	研究数据主要来源于美国医疗机构，可能限制了模型在其他人群或医疗系统中的普适性	开发一种能够准确预测接受医疗程序患者术后死亡率的预后模型	接受医疗程序并进行了术前心电图诊断测试的患者	机器学习	心血管疾病	心电图（ECG）波形分析	深度学习算法	心电图波形图像	45,969名患者（共59,975次住院程序和112,794份心电图）	NA	NA	AUC（受试者工作特征曲线下面积）	NA
118	2026-03-02	Deep learning uncertainty quantification for clinical text classification 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104576 PMID:38101690	研究论文	本文探讨了基于深度神经网络的临床文本分类中不确定性量化方法，旨在通过选择性分类策略自动化提取癌症登记处的病理报告信息，以在保证目标准确率的同时最小化模型拒绝预测的样本数量	引入了多种选择性分类方法，用于在多个分类任务中实现目标准确率并最小化拒绝率，相比现有基于深度学习的弃权分类器，这些方法无需重新训练且计算成本更低	对于分布外测试数据的解释较为复杂，且方法在泛化到其他数据集或任务时可能需进一步验证	开发并评估深度神经网络在临床文本分类中的不确定性量化方法，以提升癌症登记处信息提取的自动化效率和可靠性	美国国家癌症研究所SEER癌症登记处的电子文本病理报告，用于诊断和手术时的疾病信息提取	自然语言处理	癌症	NA	深度神经网络	文本	NA	NA	NA	准确率, 拒绝率	NA
119	2026-03-02	Machine Learning in Vascular Medicine: Optimizing Clinical Strategies for Peripheral Artery Disease 2024, Current cardiovascular risk reports IF:2.0Q3 DOI:10.1007/s12170-024-00752-7 PMID:39552745	综述	本文综述了机器学习在血管医学中优化外周动脉疾病临床策略的应用	整合电子健康记录、影像数据和蛋白质组学生物标志物，利用机器学习实现自动化筛查、诊断和风险分层，推动精准医疗	蛋白质组学生物标志物的临床应用可能受成本和可及性限制，且模型需在真实世界临床实践中进行验证和前瞻性评估	更新机器学习在外周动脉疾病管理中的应用，以优化临床策略	外周动脉疾病患者	机器学习	心血管疾病	电子健康记录分析、影像数据分析、蛋白质组学生物标志物检测	深度学习算法	电子健康记录、影像数据、生物标志物数据	NA	NA	NA	准确性	NA
120	2026-03-02	Patient-Specific Heart Geometry Modeling for Solid Biomechanics Using Deep Learning 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3294128 PMID:37432807	研究论文	提出了一种基于深度学习的自动化患者特异性心脏几何体网格生成方法，用于固体生物力学分析	使用最小化表面网格标签实现精确空间精度，并同时优化各向同性和各向异性变形能量以提高体网格质量	未明确说明方法在极端病理形态或不同成像模态下的泛化能力	开发自动化患者特异性心脏体网格生成方法以加速生物力学研究	患者特异性心脏几何体（包括瓣膜薄壁结构）	数字病理学	心血管疾病	深度学习	深度学习变形方法	医学影像扫描数据	NA	NA	DeepCarve（深度心脏体网格）	空间精度，网格元素质量，生成速度（0.13秒/扫描）	NA