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	2026-01-03	Emerging Brain-to-Content Technologies from Generative AI and Deep Representation Learning 2024-Nov, IEEE signal processing magazine IF:9.4Q1 DOI:10.1109/msp.2024.3484629 PMID:40786597	综述	本文探讨了生成式AI和深度表示学习在脑机接口（BCI）领域催生的新兴脑到内容技术	提出了由生成式AI和深度学习驱动的BCI 2.0系统，将传统脑机接口升级为能够生成内容的范式转变技术	NA	回顾并展望生成式AI与深度学习在脑到内容技术中的应用与发展	脑机接口系统及其与生成式AI结合的技术	自然语言处理, 计算机视觉, 机器学习	NA	生成式AI, 深度表示学习	NA	信号, 图像, 语音, 文本	NA	NA	NA	NA	NA
2	2026-01-03	HAMIL-QA: Hierarchical Approach to Multiple Instance Learning for Atrial LGE MRI Quality Assessment 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72378-0_26 PMID:41473352	研究论文	本研究提出了一种名为HAMIL-QA的分层多示例学习框架，用于自动化评估心房纤维化LGE MRI图像的质量	提出了一种分层袋与子袋结构的多示例学习方法，能够在子袋内进行针对性分析并在体积层面聚合信息，从而减少对大量标注的依赖、降低计算负担，并专注于诊断关键特征	未在摘要中明确说明	开发一种自动化、可扩展的解决方案，用于评估左心房纤维化3D LGE MRI图像的质量，以提高诊断准确性、标准化评估并改善患者预后	左心房纤维化的3D晚期钆增强（LGE）MRI图像	数字病理学	心血管疾病	晚期钆增强（LGE）MRI	多示例学习（MIL）	图像	NA	NA	分层多示例学习框架（HAMIL-QA）	准确率, AUROC, F1分数	NA
3	2025-12-31	Transformer technology in molecular science 2024 Jul-Aug, Wiley interdisciplinary reviews. Computational molecular science DOI:10.1002/wcms.1725 PMID:41451391	综述	本文深入探讨了Transformer技术在分子科学领域的技术细节和应用算法	聚焦于分子科学领域，对多种Transformer模型（如GPT、BERT、ViT等）的内部工作机制进行系统性梳理，并探讨其在处理复杂分子数据方面的技术能力和跨学科研究潜力	由于Transformer在分子科学中的应用非常广泛，本文仅聚焦于分子领域的技术层面，未涵盖所有应用场景	阐明Transformer架构的创新如何促进其在处理复杂分子数据方面的有效性，并讨论其在分子科学中的发展趋势	分子科学领域的Transformer模型算法	自然语言处理, 机器学习	NA	NA	Transformer	序列数据	NA	NA	GPT, BART, BERT, Graph Transformer, Transformer-XL, Text-to-Text Transfer Transformer, ViT, DETR, Conformer, CLIP, Sparse Transformers, Mobile and Efficient Transformers	NA	NA
4	2025-12-31	Self-supervised deep representation learning of a foundation transformer model enabling efficient ECG-based assessment of cardiac and coronary function with limited labels 2024-May-21, medRxiv : the preprint server for health sciences DOI:10.1101/2023.10.25.23297552 PMID:37961713	研究论文	本研究开发了一种基于自监督学习的视觉Transformer基础模型，用于从心电图数据中识别心肌血流储备受损和左心室射血分数降低的患者，并在有限标注数据下实现了高诊断准确性和预后预测能力	首次将自监督预训练的视觉Transformer基础模型应用于心电图分析，以解决心脏微血管和血管舒缩功能障碍等难以通过标准临床方法识别的关键问题，在标签稀缺的情况下显著提升了模型性能	研究依赖于特定数据库的心电图波形，且金标准PET数据仅在有限中心可用，可能影响模型的泛化能力；自监督预训练需要大量未标注数据	开发一种能够利用有限标注数据，从静息和负荷心电图中有效识别心肌血流储备受损和左心室功能异常的人工智能方法	接受正电子发射断层扫描心肌灌注成像或单光子发射计算机断层扫描心肌灌注成像的患者	机器学习	心血管疾病	心电图，正电子发射断层扫描心肌灌注成像，单光子发射计算机断层扫描心肌灌注成像	Transformer	心电图波形	自监督预训练使用800,035例未标注心电图；微调使用4,167例带有PET标注的数据；测试集包含1,031例PET患者和6,635例SPECT患者	NA	视觉Transformer	AUROC, 灵敏度, 特异性, 风险比	NA
5	2025-12-30	Deep generative design of RNA aptamers using structural predictions 2024-Nov, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00720-6 PMID:39506080	研究论文	本文开发了一个基于结构预测的深度学习平台，用于从头生成设计RNA适配体	利用准确的RNA三维结构预测方法，实现结构引导的RNA序列生成设计，并通过实验验证了设计出的RNA适配体具有荧光活性	NA	开发一个结构到序列的深度学习平台，用于从头生成设计RNA适配体	RNA适配体，特别是光激活适配体	机器学习	NA	RNA三维结构预测	深度学习	结构数据，序列数据	NA	NA	NA	NA	NA
6	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
7	2025-12-29	Impact of retraining and data partitions on the generalizability of a deep learning model in the task of COVID-19 classification on chest radiographs 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064503 PMID:39734609	研究论文	本研究探讨了在标准胸部X光片上进行COVID-19分类任务时，不同模型再训练方案和数据划分对模型性能及泛化能力的影响	通过比较四种再训练策略（包括在Set B上重新训练、微调、L2正则化以及200次重新划分Set A训练集），深入分析了数据划分对深度学习模型泛化性能的影响，揭示了模型性能差异的原因	研究仅使用来自同一机构的数据集，可能限制了结果的广泛适用性；未涉及外部验证集，泛化能力评估可能不全面	评估不同再训练方案和数据划分对深度学习模型在COVID-19胸部X光分类任务中泛化性能的影响	标准胸部X光片（CXRs）	计算机视觉	COVID-19	深度学习	深度学习模型	图像	Set A：9860名患者（2020年2月20日至2021年2月3日）；Set B：5893名患者（2020年3月15日至2022年1月1日）	NA	NA	AUC（曲线下面积）	NA
8	2025-12-29	MRI-based prostate cancer classification using 3D efficient capsule network 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16975 PMID:38346111	研究论文	本研究提出了一种基于T2加权MRI的3D高效胶囊网络，用于前列腺癌风险分层	开发了3D高效胶囊网络，结合全连接胶囊层构建更深层次结构，并引入动态加权边缘损失以处理数据不平衡问题	未明确说明模型对图像翻转、缩放或旋转等变化的鲁棒性具体提升程度，且低风险与中风险分类性能相对较低（AUC 0.59）	通过计算机辅助诊断实现前列腺癌Gleason评分的非侵入性预测	前列腺癌患者	数字病理	前列腺癌	MRI	胶囊网络	图像	976名患者	NA	3D Efficient CapsNet	AUC, F1-score, 加权Cohen's Kappa	NA
9	2025-12-29	A framework for the unsupervised and semi-supervised analysis of visual frames 2024-Apr, Political analysis : an annual publication of the Methodology Section of the American Political Science Association IF:4.7Q1 PMID:41450450	研究论文	本文介绍了一种用于通过无监督和半监督方法分析视觉材料内容的框架	将计算机视觉领域的Bag of Visual Words工具引入政治科学，用于定义和提取视觉“标记”，构建类似于文本分析中Document-Term矩阵的Image-Visual Word矩阵，并开发了新颖的视觉结构主题模型	NA	为政治科学领域提供一种分析视觉材料内容的框架	视觉材料，特别是中美洲移民大篷车图片	计算机视觉	NA	Bag of Visual Words, 主题模型	NA	图像	NA	NA	NA	NA	NA
10	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
11	2025-12-24	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618559 PMID:39463944	研究论文	本研究利用AlphaFold2探索电压门控钠通道的多种构象，并评估AlphaFold Multimer在模拟钠通道α亚基与其蛋白质伴侣相互作用方面的准确性	首次系统性地将AlphaFold2应用于电压门控钠通道的构象采样，并利用改进的采样策略（子采样多序列比对和调整循环次数）发现了新的、实验尚未识别的构象状态和潜在中间态	研究依赖于计算模型预测，仍需实验验证新发现的构象状态；AlphaFold2在采样极端或罕见构象方面可能存在局限	探索深度学习模型AlphaFold2在采样电压门控钠通道构象及预测其蛋白质-蛋白质相互作用方面的能力	电压门控钠通道（Na通道）的α亚基、辅助β亚基和钙调蛋白	计算生物学, 结构生物信息学	NA	AlphaFold2, AlphaFold Multimer, 冷冻电镜（作为背景参考）	深度学习模型	蛋白质序列, 多序列比对	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2架构	准确性（与实验结构比较）	NA
12	2025-12-22	Multimodality model investigating the impact of brain atlases, connectivity measures, and dimensionality reduction techniques on Attention Deficit Hyperactivity Disorder diagnosis using resting state functional connectivity 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064502 PMID:39713730	研究论文	本文提出了一种多模态模型，用于研究不同脑图谱、连接性测量和降维技术对注意力缺陷多动障碍诊断的影响	首次全面评估多种脑图谱、连接性测量和降维技术对ADHD诊断的影响，并整合表型数据构建高效多模态分类模型	未明确说明模型在外部验证集上的泛化能力，且样本量可能有限	研究不同脑图谱、连接性测量和降维技术对ADHD诊断的影响，并构建高效的多模态分类模型	注意力缺陷多动障碍患者	机器学习	注意力缺陷多动障碍	静息态功能连接分析	传统机器学习分类器	功能连接数据，表型数据	ADHD-200数据集	NA	NA	准确率，AUC，F1分数	NA
13	2025-12-22	Traditional Machine Learning, Deep Learning, and BERT (Large Language Model) Approaches for Predicting Hospitalizations From Nurse Triage Notes: Comparative Evaluation of Resource Management 2024-Aug-27, JMIR AI DOI:10.2196/52190 PMID:39190905	研究论文	本研究比较了传统机器学习、深度学习和基于BERT的大语言模型在预测护士分诊笔记中住院需求方面的性能，以评估资源管理策略	首次系统比较了不同计算资源需求模型（从简单逻辑回归到复杂BERT模型）在护士分诊笔记预测任务中的表现，为资源受限环境提供实用指导	研究仅基于单一医疗系统数据，外部泛化能力需进一步验证；未考虑其他可能影响住院预测的临床因素	评估不同计算复杂度模型在预测急诊患者住院需求方面的性能差异，为医疗系统资源管理提供决策依据	急诊科护士分诊笔记	自然语言处理	NA	自然语言处理	逻辑回归, BERT	文本	1,391,988名患者（来自2017-2022年Mount Sinai医疗系统急诊科）	NA	Bio-Clinical-BERT	受试者工作特征曲线下面积	NA
14	2025-12-20	A practical guide to the implementation of artificial intelligence in orthopaedic research-Part 2: A technical introduction 2024-Jul, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.12025 PMID:38715910	综述	本文为骨科研究人员提供了实施人工智能技术所需的技术基础入门指南	系统性地为骨科研究领域定制了人工智能技术分类、任务和架构的实用介绍，并特别关注了生成式AI和大语言模型的最新进展	作为入门指南，未涉及具体研究案例或深度技术细节，主要侧重于概念性介绍	为骨科研究人员提供参与人工智能驱动研究项目所需的基础技术知识	骨科研究人员	机器学习	骨科疾病	NA	神经网络, 深度学习架构	复杂医学数据, 医学文本	NA	NA	NA	NA	NA
15	2025-12-20	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-Jun, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	介绍了一种名为MRD-EDGE的机器学习引导的ctDNA检测平台，用于通过血浆全基因组测序超灵敏监测肿瘤负荷	开发了MRD-EDGE平台，利用深度学习和ctDNA特异性特征空间，将WGS中SNV的信噪比富集提高了约300倍，并将超灵敏CNV检测所需的非整倍性程度从1 Gb降低到200 Mb	未在摘要中明确说明	提高循环肿瘤DNA（ctDNA）检测的灵敏度，以用于微小残留病（MRD）评估和治疗反应监测	循环肿瘤DNA（ctDNA），涉及多种癌症类型（如肺癌、结直肠癌、黑色素瘤）	机器学习	肺癌，结直肠癌，黑色素瘤	血浆全基因组测序（WGS）	深度学习	基因组测序数据	NA	NA	NA	信噪比富集，检测灵敏度	NA
16	2025-12-19	Deep learning for segmentation of colorectal carcinomas on endoscopic ultrasound 2024-Dec-13, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-03056-5 PMID:39671056	研究论文	本研究开发了一种基于卷积神经网络的自动化图像分割方法，用于内镜超声图像中结直肠癌的分割，以标准化早期直肠癌的浸润深度评估	首次将深度学习应用于内镜超声图像的结直肠癌自动分割，旨在解决现有方法（如磁共振成像分辨率不足和内镜超声解释依赖操作者）的局限性，提供标准化的肿瘤浸润深度评估	研究基于373个专家手动分割样本，样本量相对有限，且未在更广泛或多样化的临床数据集中进行外部验证，可能影响模型的泛化能力	开发自动化图像分割技术，以标准化内镜超声对早期直肠癌浸润深度的解释，辅助临床决策	早期直肠癌的内镜超声图像，重点关注黏膜下层、肌层和肿瘤的分割	计算机视觉	结直肠癌	内镜超声	CNN	图像	373个专家手动分割的内镜超声图像样本	NA	NA	平均表面距离, 豪斯多夫距离, Dice相似性指数	NA
17	2025-12-19	Strategies to optimise machine learning classification performance when using biomechanical features 2024-03, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.111998 PMID:38377743	研究论文	本研究探讨了在生物力学特征有限样本量下，利用现代机器学习算法优化分类性能的策略	比较了多种机器学习算法（包括传统回归、XGBoost、深度学习时间序列算法）在生物力学数据分类中的表现，并探索了数据增强和迁移学习对样本量限制问题的缓解效果	研究基于两个特定生物力学数据集（行走和跳跃），样本量差异较大（2295 vs 31），可能影响结果的普适性	优化生物力学特征在有限样本量下的机器学习分类性能	行走数据集中的2295名参与者（健康、跟骨、踝、膝、髋疾病分类）和跳跃数据集中的31名参与者（健康 vs 髌股疼痛综合征）	机器学习	骨科疾病	三维地面反作用力（GRFs）测量	多分类/LASSO回归, XGBoost, 深度学习时间序列算法	时间序列生物力学数据	行走数据集2295名参与者，跳跃数据集31名参与者	NA	InceptionTime	加权多分类AUC	NA
18	2025-12-18	Deep Learning-Based Automated Optical Inspection System for the Additive Manufacturing of Diamond Tools 2024-Dec, 3D printing and additive manufacturing IF:2.3Q3 DOI:10.1089/3dp.2023.0208 PMID:39734731	研究论文	本文提出了一种基于改进YOLOv5s的自动光学检测系统，用于监测增材制造金刚石工具过程中金刚石磨粒的吸附状态	改进了YOLOv5s模型，通过添加检测头、使用深度可分离卷积模块替代标准卷积模块、引入坐标注意力机制，实现了参数和计算量的显著降低，同时提高了检测精度	未明确说明模型在其他工业检测场景中的泛化能力，且未与其他先进检测模型进行广泛对比	开发一种自动光学检测系统，以维持增材制造过程中金刚石磨粒的植砂率	增材制造金刚石工具过程中，针孔上金刚石磨粒的吸附状态	计算机视觉	NA	自动光学检测	CNN	图像	大量空缺和磨损空缺针孔数据	PyTorch	YOLOv5s	检测精度, 检测时间	NA
19	2025-12-18	Deep Learning in Image-Based Plant Phenotyping 2024-07, Annual review of plant biology IF:21.3Q1 DOI:10.1146/annurev-arplant-070523-042828 PMID:38382904	综述	本文综述了深度学习在基于图像的植物表型分析中的应用，包括其基础、评估方法、应用实例、最佳实践和开放挑战	系统性地回顾了深度学习在植物表型分析中的最新进展，并总结了最佳实践和未来挑战	作为综述文章，未提供新的实验数据或模型，主要基于现有文献进行总结	探讨深度学习如何加速和优化基于图像的植物表型分析，以促进作物改良	植物表型分析，特别是通过图像数据进行的表型测量	计算机视觉	NA	图像分析	深度学习	图像	NA	NA	NA	NA	NA
20	2025-12-17	MMETHANE: interpretable AI for predicting host status from microbial composition and metabolomics data 2024-Dec-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.13.628441 PMID:39713330	研究论文	本文介绍了一种名为MMETHANE的开源软件包，用于从微生物组成和代谢组学数据预测宿主状态	MMETHANE结合了先验生物学知识（如系统发育和化学关系），并具有内在可解释性，能输出解释其决策的英文规则集	NA	开发一种计算工具，将微生物组组成和代谢物数据与宿主状态联系起来	宿主状态预测，涉及微生物组成和代谢组学数据	机器学习	炎症性肠病	微生物测序，代谢组学测量	深度学习模型	微生物组成数据，代谢组学数据	六个数据集，包含配对的微生物组成和代谢组学测量	NA	NA	NA	NA