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	2026-02-21	Deep social neuroscience: the promise and peril of using artificial neural networks to study the social brain 2024-02-21, Social cognitive and affective neuroscience IF:3.9Q1 DOI:10.1093/scan/nsae014 PMID:38334747	综述	本文为社交神经科学家提供了一个关于人工神经网络在社交大脑研究中的应用、潜力及挑战的入门指南	提出了“深度社交神经科学”这一新概念，并系统阐述了神经网络在社交神经科学中的三种应用方式	讨论了深度学习在社交神经科学中面临的实际挑战、理论限制和伦理问题	探讨人工神经网络在社交神经科学研究中的应用潜力与风险	社交大脑、神经成像数据、自然主义刺激和社会互动	自然语言处理	NA	NA	人工神经网络	神经成像数据、行为数据、自然主义刺激数据	NA	NA	NA	NA	NA
2	2026-02-20	AI driven interpretable deep learning based fetal health classification 2024-12, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100206 PMID:39396731	研究论文	本研究提出了一种基于深度学习的胎儿健康分类模型，将胎儿健康分为正常、可疑和病理三类，旨在提高诊断过程的效率和效果	结合可解释性深度学习技术，通过特征重要性和特征显著性分析增强分类器决策的透明度，促进临床信任和采用	NA	利用深度学习改进胎儿健康评估，为早期风险检测提供可靠工具	通过Cardiotocography (CTG)获取的胎儿健康数据	机器学习	NA	Cardiotocography (CTG)	DNN	表格数据	NA	NA	深度神经网络（包含多个隐藏层，并采用批量归一化和Dropout层）	准确率, 灵敏度, 特异性, AUC, 精确率, F1分数	NA
3	2026-02-20	Automatic sleep staging based on 24/7 EEG SubQ (UNEEG medical) data displays strong agreement with polysomnography in healthy adults 2024-12, Sleep health IF:3.4Q2 DOI:10.1016/j.sleh.2024.08.007 PMID:39406630	研究论文	本文评估了基于双通道皮下脑电图（SubQ）的自动睡眠分期模型U-SleepSQ在健康成人中的性能，并与多导睡眠图（PSG）手动评分进行对比	开发了U-SleepSQ模型，首次在24/7皮下脑电图数据上实现自动睡眠分期，并展示了与PSG金标准的高度一致性	研究样本仅包括22名健康成人，未涉及睡眠障碍患者，且样本量相对较小	评估自动睡眠分期技术在双通道皮下脑电图数据上的性能	健康成年人的睡眠脑电图数据	数字病理学	NA	皮下脑电图（SubQ），多导睡眠图（PSG）	深度学习模型	脑电图（EEG）数据	22名健康成人，每人1-6次记录	NA	U-SleepSQ（基于U-Sleep的微调版本）	Bland-Altman分析，阶段特异性准确率，特异性，敏感性，kappa系数，F1分数，Cohen's κ系数，宏观F1分数	NA
4	2026-02-20	Prosthesis repair of oral implants based on artificial intelligenc`e finite element analysis 2024-12, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100226 PMID:39638253	研究论文	本文提出了一种基于人工智能有限元分析的口腔种植体修复新框架AI-FEA，用于自动化修复规划	结合AI与FEA，开发了患者特定的3D模型构建、仿真求解和决策支持系统，实现口腔种植体修复的自动化和个性化	未提及具体验证数据或临床实验规模，可能依赖有限的数据集进行训练	自动化并简化口腔种植体修复过程，提高修复效率和个性化治疗水平	口腔种植体系统及其修复策略	数字病理	NA	有限元分析，深度学习，机器学习	深度学习模型，机器学习算法	医学影像数据，如CT或锥形束CT	NA	NA	NA	NA	NA
5	2026-02-20	Enhanced climate change resilience on wheat anther morphology using optimized deep learning techniques 2024-10-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-74875-7 PMID:39424825	研究论文	本研究利用优化的深度学习技术分析小麦花药形态，以增强小麦对气候变化的抗逆性	结合高分辨率显微镜图像与深度学习算法（CNN、LeNet、Inception-V3）进行小麦花药形态分类，并发现LeNet在记录分类中表现最优，准确率超越CNN 52%和Inception-V3 70%	未明确提及样本规模、计算资源细节或模型泛化能力的验证	探索深度学习算法在农业记录分类中的应用，以监测和识别春小麦种质资源的变异，提升植物育种管理效率	小麦花药形态（长度和宽度），特别是受终端热胁迫影响的春小麦种质资源	计算机视觉	NA	高分辨率显微镜成像（DinoLite Microscope）	CNN, LeNet, Inception-V3	图像	NA	NA	CNN, LeNet, Inception-V3	准确率, 精确率, 召回率, F1分数	NA
6	2026-02-20	CardioGuard: AI-driven ECG authentication hybrid neural network for predictive health monitoring in telehealth systems 2024-10, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100193 PMID:39307457	研究论文	本文提出了一种基于深度学习的ECG身份验证系统CardioGuard，用于远程医疗系统中的预测性健康监测	结合卷积神经网络和长短时记忆网络的混合模型，利用ECG信号进行身份验证，并兼具心血管异常早期迹象的预测功能	未明确提及系统在多样化人群或噪声环境下的鲁棒性评估	开发一种安全且具有预测性的ECG身份验证系统，用于远程医疗	心电图（ECG）信号	机器学习	心血管疾病	ECG信号分析	CNN, LSTM	ECG信号	NA	NA	混合卷积和长短时记忆网络	NA	NA
7	2026-02-20	Application of Artificial Intelligence in rehabilitation science: A scientometric investigation Utilizing Citespace 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100162 PMID:38971228	研究论文	本研究利用Citespace工具对2002年至2022年间康复科学与人工智能交叉领域的研究进行了科学计量分析	首次运用Citespace对康复科学与人工智能交叉领域进行长达二十年的科学计量分析，识别了九个热点主题、研究前沿及知识基础的演变	分析仅基于Web of Science数据库，可能未涵盖所有相关文献；研究为回顾性分析，未涉及具体技术应用验证	探究人工智能在康复科学领域的应用趋势、研究热点及知识结构演变	Web of Science数据库中2002-2022年康复科学与人工智能交叉领域的学术文献	机器学习	NA	科学计量分析，文献挖掘	NA	文献元数据，文本	2002年至2022年Web of Science数据库中的相关出版物	Citespace	NA	NA	NA
8	2026-02-20	Bio-inspired deep learning-personalized ensemble Alzheimer's diagnosis model for mental well-being 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100161 PMID:38901762	研究论文	本文提出了一种个性化动态集成卷积神经网络（PDECNN），用于阿尔茨海默病的诊断，该模型能够根据输入样本的独特性构建特定的集成策略	模型能够根据样本脑区退化的差异动态调整感兴趣区域，并基于注意力机制评估特定脑区的退化程度，从而选择并集成脑区特征，实现了针对个体样本的个性化诊断	NA	开发一种能够考虑样本间个性化差异的阿尔茨海默病诊断模型	阿尔茨海默病患者	数字病理学	阿尔茨海默病	NA	CNN	图像	NA	NA	个性化动态集成卷积神经网络（PDECNN）	分类准确率	NA
9	2026-02-20	Systematic training of table tennis players' physical performance based on artificial intelligence technology and data fusion of sensing devices 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100151 PMID:38796032	研究论文	本研究结合人工智能技术和传感设备数据融合，系统训练乒乓球运动员的身体表现，提升技术动作识别准确率至98.88%	将人工智能物理训练模型与深度学习、卷积神经网络结合，实现智能摄像、多角度播放和3D场景再现功能，增强比赛信息呈现	未明确说明样本规模、数据具体来源或模型泛化能力，可能局限于特定训练环境	通过人工智能技术优化乒乓球运动员的身体训练，提高技术动作识别准确性和观赛体验	乒乓球运动员的身体表现和技术动作	计算机视觉	NA	深度学习, 卷积神经网络	CNN	视频	NA	NA	NA	准确率	NA
10	2026-02-20	Assessment and classification of COVID-19 DNA sequence using pairwise features concatenation from multi-transformer and deep features with machine learning models 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100147 PMID:38796034	研究论文	本文提出了一种基于多Transformer和深度特征融合的机器学习模型，用于COVID-19 DNA序列的分类与评估	提出了一种新颖的多Transformer深度学习模型和成对特征融合技术，用于DNA序列分类，并结合k-mer和one-hot编码方法	未明确说明模型在跨数据集或实际临床环境中的泛化能力，以及计算资源需求的具体细节	通过深度学习与机器学习方法对COVID-19病毒DNA序列进行分类，以支持病毒基因组分析、疾病检测和药物设计	COVID-19（SARS-CoV-2）病毒的DNA序列	生物信息学	COVID-19	DNA序列转换技术（k-mer编码、one-hot编码）	Transformer, 深度学习模型, 机器学习模型	DNA序列数据	NA	NA	多Transformer模型	NA	NA
11	2026-02-20	Assessing robustness to adversarial attacks in attention-based networks: Case of EEG-based motor imagery classification 2024-08, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100142 PMID:38723895	研究论文	本文研究了注意力网络在脑电信号分类中对对抗攻击的鲁棒性	首次系统评估注意力网络在脑电信号分类任务中对对抗攻击的脆弱性	仅使用单一数据集进行评估，未探索更广泛的对抗防御策略	评估注意力网络在对抗攻击下的鲁棒性，以提升脑机接口系统的安全性	基于脑电信号的运动想象分类任务	机器学习	NA	脑电图	注意力网络	脑电信号	使用BCI Competition 2a数据集	NA	注意力网络	准确率, kappa分数	NA
12	2026-02-20	Slideflow: deep learning for digital histopathology with real-time whole-slide visualization 2024-Mar-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05758-x PMID:38539070	研究论文	本文介绍了Slideflow，一个用于数字病理学的灵活深度学习库，支持多种深度学习方法，并包含实时全玻片可视化界面	Slideflow提供了独特的工具，包括全玻片图像处理、高效染色归一化和增强、弱监督全玻片分类、不确定性量化、特征生成、特征空间分析和可解释性，且框架无关的数据处理管道支持TensorFlow和PyTorch	未在摘要中明确提及具体限制	开发一个支持广泛深度学习方法的数字病理学库，以促进实验和模型部署	数字病理学中的全玻片图像	数字病理学	NA	深度学习	NA	图像	NA	TensorFlow, PyTorch	NA	NA	ARM-based设备（如Raspberry Pi）
13	2026-02-18	Diagnostic performance of deep learning for infectious keratitis: a systematic review and meta-analysis 2024-Nov, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2024.102887 PMID:39469534	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在感染性角膜炎诊断中的准确性及其与眼科医生的比较性能	首次对深度学习在感染性角膜炎诊断中的性能进行全面系统综述和荟萃分析，并直接与眼科医生的诊断准确性进行比较	分析基于图像，未考虑个体内潜在相关性；研究人群相对同质；缺乏深度学习阈值的预先设定；外部验证有限	评估深度学习在感染性角膜炎诊断中的准确性，并比较其与眼科医生的诊断性能	感染性角膜炎	数字病理学	感染性角膜炎	深度学习	深度学习模型	角膜图像	136,401张角膜图像，来自超过56,011名患者	NA	NA	灵敏度, 特异性	NA
14	2026-02-17	Scaling behaviours of deep learning and linear algorithms for the prediction of stroke severity 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae007 PMID:38274570	研究论文	本研究比较了线性回归和深度学习算法在预测中风严重程度方面的性能，特别关注样本量对预测效果的影响	首次系统比较了线性算法和深度学习在真实世界中风患者样本（规模较小）中预测中风严重程度的性能，并揭示了深度学习在较大样本量（900例患者）下开始显著优于线性方法	研究样本量相对有限（最大900例训练样本），且仅基于MRI病灶位置进行预测，未考虑其他临床因素	评估深度学习算法在预测中风后症状严重程度方面的潜力，并与传统线性方法进行比较	缺血性中风患者	医学影像分析	中风	扩散加权MRI, 病灶自动分割, 空间标准化, 主成分分析	线性回归, 神经网络	MRI图像	总计1430例患者（来自MRI-Genetics Interface Exploration合作和麻省总医院研究），训练子集包括100、300和900例	未明确提及	八层神经网络	解释方差	NA
15	2026-02-17	[Recent Review Article in RPT: Deep learning-based PET image denoising and reconstruction: A review] 2024, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics DOI:10.11323/jjmp.44.4_78 PMID:41692459	综述	本文回顾了基于深度学习的PET图像去噪和重建技术的历史与发展	NA	NA	综述医学物理领域，特别是PET图像处理中深度学习的应用历史	PET图像的去噪和重建技术	医学物理	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
16	2026-02-15	Pep2TCR: Accurate prediction of CD4 T cell receptor binding specificity through transfer learning and ensemble approach 2024-Dec, iMetaOmics DOI:10.1002/imo2.43 PMID:41676119	研究论文	本文介绍了一种名为Pep2TCR的先进深度学习模型，用于预测CD4 T细胞受体的结合特异性	通过迁移学习和集成方法，显著提升了在有限CD4 TCR数据下的预测准确性	NA	预测CD4 T细胞受体的结合特异性，以支持个性化癌症免疫疗法	CD4 T细胞受体	机器学习	癌症	NA	深度学习	NA	NA	NA	NA	NA	NA
17	2026-02-15	A penalized integrative deep neural network for variable selection among multiple omics datasets 2024-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.51 PMID:41674850	研究论文	提出一种惩罚性集成深度神经网络（PIN），用于从多个组学数据集中同时选择重要变量	PIN方法直接聚合多个数据集作为输入，并在集成分析框架中考虑数据集间的同质性和异质性，解决了现有方法在小样本或忽略数据集间变量结构差异时的不准确性问题	未明确提及具体局限性，但可能依赖于数据集的多样性和样本量	促进基于多源研究/数据集识别疾病相关重要变量	老年人的不同认知状态或卵巢癌患者不同阶段的基因表达数据集	机器学习	卵巢癌	基因表达分析	深度神经网络	组学数据	未明确指定具体样本数量，但涉及多个数据集	未指定	深度神经网络	未明确指定具体指标，但提及性能改进	未指定
18	2026-02-15	CShaperApp: Segmenting and analyzing cellular morphologies of the developing Caenorhabditis elegans embryo 2024-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.47 PMID:41674855	研究论文	本文介绍了一款名为CShaperApp的桌面软件，用于分割秀丽隐杆线虫胚胎发育过程中的荧光标记细胞膜图像并交互式分析细胞形态	开发了基于CShaper框架的交互式桌面软件，允许生物学家使用现有或微调的深度学习模型自动高效提取定量细胞形态数据，并验证了其跨实验室数据集的鲁棒性	未明确说明软件在极端图像条件（如低信噪比、高密度细胞）下的性能限制	加速发育生物学中系统级定量数据的高通量生成，支持细胞形态发育研究	秀丽隐杆线虫胚胎发育过程中的细胞	数字病理学	NA	荧光标记成像，三维延时（4D）成像	深度学习模型	荧光标记的细胞膜图像，三维图像堆栈	包含150个图像堆栈的4D数据集，覆盖从4细胞到350细胞阶段的胚胎发育过程	未明确说明	基于CShaper框架（具体架构未说明）	处理时间（约30分钟处理完整4D数据集），鲁棒性验证	可在Windows、macOS和Linux操作系统上执行的桌面软件
19	2026-02-15	A glimpse into the future: Integrating artificial intelligence for precision HER2-positive breast cancer management 2024-Sep, iMetaOmics DOI:10.1002/imo2.19 PMID:41675540	综述	本文全面回顾了利用人工智能（AI）评估和管理HER2阳性乳腺癌的诊断与预测模型，并探讨了AI在抗HER2治疗中面临的挑战与未来方向	系统性地整合了基于组织病理切片、影像组学和HER2结合位点数据的AI模型，并提出了AI辅助抗HER2治疗未来发展的具体方向	文章为综述性研究，未涉及原始数据或新模型的实验验证，主要基于现有文献进行归纳分析	评估AI在HER2阳性乳腺癌精准管理中的应用现状与前景，促进AI辅助抗HER2治疗的临床整合	HER2阳性乳腺癌患者	数字病理学	乳腺癌	组织病理学分析、影像组学、分子结合位点检测	深度学习模型	组织病理切片图像、医学影像数据、分子结合位点数据	NA	NA	NA	NA	NA
20	2026-02-15	GCARDTI: Drug-target interaction prediction based on a hybrid mechanism in drug SELFIES 2024-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.39 PMID:41676368	研究论文	提出一种基于卷积神经网络和图注意力网络的混合机制框架GCARDTI，用于预测药物与靶点之间的相互作用	首次将SELFIES分子表示方法引入药物-靶点相互作用预测，并设计混合神经网络架构以充分挖掘药物分子结构信息	未明确说明模型在跨数据集泛化能力方面的具体表现，也未讨论模型对新型药物分子的预测可靠性	提升药物-靶点相互作用预测的准确性，支持药物研发和重定位	药物分子与靶点蛋白质	机器学习	NA	SELFIES分子表示	CNN, GAT	分子结构数据	两个不同数据集（具体数量未说明）	NA	卷积神经网络与图注意力网络的混合架构	多种不同指标（具体名称未列出）	NA