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
201	2026-06-29	Metabolic phenotyping with computed tomography deep learning for metabolic syndrome, osteoporosis and sarcopenia predicts mortality in adults 2024-08, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13487 PMID:38649795	研究论文	利用CT深度学习模型预测代谢综合征、骨质疏松和肌少症，并评估这些代谢表型与长期死亡率的关系	首次使用基于CT多层身体成分参数的多输出深度学习模型同时检测代谢综合征、骨质疏松和肌少症，并探讨其代谢表型对长期死亡率的预测价值	未提及明显的局限性，但可能存在样本选择偏倚或模型泛化性问题	开发基于CT身体成分的深度学习模型，同时检测代谢综合征、骨质疏松和肌少症，并评估其对长期死亡率的预测价值	社区居住和住院成人	机器学习、计算机视觉	代谢综合征、骨质疏松、肌少症	CT扫描	多层感知机（MLP）	CT图像及身体成分参数	训练及内部测试集516人，外部测试集1为380人，外部测试集2为10141人	NA	多层感知机（MLP）	受试者工作特征曲线下面积（AUC）、调整风险比（aHR）	NA
202	2026-06-29	Estimating three-dimensional foot bone kinematics from skin markers using a deep learning neural network model 2024-08, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112252 PMID:39116677	研究论文	提出基于深度神经网络的模型，利用皮肤标记点估计足部骨骼的三维运动学	首次提出非侵入性方法，利用深度神经网络从皮肤标记点估算足部骨骼三维运动学，为研究足部功能及足部疾病发病机制提供新途径	NA	开发一种非侵入性方法，通过皮肤标记点准确估计足部骨骼的运动学	健康成人及尸体标本的足部	机器学习	足部疾病	CT扫描	深度神经网络	CT图像及皮肤标记点位置数据	11名健康成人和13具尸体标本，涉及不同足部姿势	NA	四层神经网络	平均位置误差、平均方向误差	NA
203	2026-06-29	A Multimorbidity Analysis of Hospitalized Patients With COVID-19 in Northwest Italy: Longitudinal Study Using Evolutionary Machine Learning and Health Administrative Data 2024-07-18, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52353 PMID:39024001	研究论文	使用进化机器学习分析意大利西北部COVID-19住院患者的共病特征，并识别与疾病严重程度相关的组合	将进化算法与Apriori算法结合，处理共病数据的稀疏性和组合爆炸问题，从行政数据中提取预测性共病特征组合	未在论文中明确说明局限性	评估多病患者COVID-19严重程度，并识别与严重性强的共病特征组合	意大利皮埃蒙特地区12,793名45-74岁COVID-19阳性患者	机器学习	COVID-19	NA	进化机器学习模型、深度学习分类器	行政健康数据	12,793名45-74岁COVID-19阳性患者	NA	深度学习分类器	预测适应度评分	NA
204	2026-06-29	Exploring the Association Between Structural Racism and Mental Health: Geospatial and Machine Learning Analysis 2024-05-03, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52691 PMID:38701436	研究论文	通过地理空间和机器学习方法，探讨结构种族主义与心理健康差异的关联	首次结合地理加权随机森林、自组织映射和K-means聚类，量化结构种族主义对心理健康的复合影响，并在分析中先排除种族因素再重新纳入以测量歧视效应	NA	阐明结构种族主义与心理健康差异的关联机制	威斯康星州密尔沃基县社区的217个地理参考解释变量及心理健康数据	机器学习	心理健康	NA	地理加权随机森林、自组织映射、K-means聚类	地理空间数据	217个地理参考变量	NA	随机森林、自组织映射	NA	NA
205	2026-06-26	A computational deep learning investigation of animacy perception in the human brain 2024-12-31, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07415-8 PMID:39741161	研究论文	通过深度学习模型探讨人类对动物感知的神经机制，特别是对类动物物体的“动物偏差”	首次在深度神经网络中成功诱导出人类特有的动物偏差，并证明该偏差可通过特定训练方法复现	未探讨其他物种的动物感知机制，且模型训练数据可能无法完全模拟人类真实感知环境	探究人类大脑对动物类物体感知偏差的计算机制	动物类物体（类动物形状的物体）及深度神经网络	机器学习	NA	深度学习神经网络训练	深度神经网络（DNNs）	图像数据	NA	NA	NA	NA	NA
206	2026-06-26	Annotating protein functions via fusing multiple biological modalities 2024-12-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07411-y PMID:39730886	研究论文	提出MIF2GO方法，通过融合多种生物模态数据注释蛋白质功能	首次提出三步融合多达六种不同生物层次模态的流程，生成高质量蛋白质表征，同时解决稀疏标签导致的次优解收敛问题	NA	通过多模态数据融合提升蛋白质功能注释的准确性和泛化能力	蛋白质功能预测与基因本体术语推断	机器学习	NA	NA	深度学习模型	多模态生物数据（序列、结构、相互作用等）	七个基准数据集	NA	NA	NA	NA
207	2026-06-26	Improved enzyme functional annotation prediction using contrastive learning with structural inference 2024-12-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07359-z PMID:39715863	研究论文	提出了一个结合对比学习和结构推理的酶功能注释预测框架CLEAN-Contact	首次将蛋白质氨基酸序列与接触图两种模态通过对比学习融合，填补了单一模态方法的空白	未明确提及局限性	提升酶功能预测的准确性	酶的功能注释	机器学习	NA	对比学习，结构推理	对比学习框架	蛋白质氨基酸序列，接触图	多个基准数据集，Prochlorococcus marinus MED4的蛋白质组	PyTorch	NA	准确性	NA
208	2026-06-26	A deep learning framework deploying segment anything to detect pan-cancer mitotic figures from haematoxylin and eosin-stained slides 2024-12-19, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07398-6 PMID:39702417	研究论文	提出一个名为OMG-Net的深度学习框架，用于在H&E染色的全切片图像中检测泛癌有丝分裂像	构建迄今为止最大的有丝分裂像数据集（74,620个），并采用Segment Anything模型自动勾画细胞轮廓的两阶段框架，在泛癌检测中优于现有模型	未提及具体限制	开发人工智能方法自动检测有丝分裂像，提高癌症分级准确性和效率	有丝分裂像（分裂中细胞）在H&E染色全切片图像中的检测	数字病理学	泛癌（包括乳腺癌、神经内分泌肿瘤、黑色素瘤）	H&E染色	深度学习（CNN）	图像（全切片图像）	74,620个有丝分裂像样本，结合内部软组织肿瘤数据集与五个开源数据集	PyTorch	Segment Anything Model, ResNet18	F1分数	NA
209	2026-06-26	Machine Learning and Omics Analysis in Aortic Aneurysm 2024 Nov-Dec, Angiology IF:2.6Q2 DOI:10.1177/00033197231206427 PMID:37817423	综述	总结机器学习与深度学习在主动脉瘤组学分析中的最新进展，用于解析病理生理机制并开发个性化风险预测模型	系统综述了机器学习/深度学习在主动脉瘤组学数据分析中的应用，强调其在多组学数据整合和风险预测建模中的潜力	目前仅有少数研究报道了机器学习/深度学习在主动脉瘤组学分析中的实际应用	总结机器学习/深度学习在主动脉瘤组学分析中的最新进展，讨论当前局限并展望未来方向	主动脉瘤的组学数据（基因组学、转录组学、蛋白质组学等）	机器学习	主动脉瘤	NA	机器学习、深度学习	组学数据	NA	NA	NA	NA	NA
210	2026-06-26	A deep-learning-based framework for identifying and localizing multiple abnormalities and assessing cardiomegaly in chest X-ray 2024-02-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45599-z PMID:38355644	研究论文	基于深度学习框架，实现胸部X光片中多异常识别定位与心脏肥大评估	创建了包含165,988张胸片和253,844个边界框的大型数据集CXR-AL14，并开发了同时识别14种常见异常和计算心胸比的深度学习框架，性能优于资深放射科医生	NA	开发一个能够准确识别和定位多种异常并计算心胸比的深度学习框架，以支持临床胸部X光解读	胸部X光片中的14种常见异常和心脏肥大评估	计算机视觉	心血管疾病	X光成像	CNN	图像	165,988张胸部X光片，包含253,844个边界框	NA	NA	平均精度均值, 组内相关系数	NA
211	2026-06-26	Urban Air-Quality Estimation Using Visual Cues and a Deep Convolutional Neural Network in Bengaluru (Bangalore), India 2024-01-09, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c04495 PMID:38104325	研究论文	使用车载摄像头视频和深度卷积神经网络估算印度班加罗尔的空气质量	首次利用视频而非静态图像，通过目标识别和运动分析获取视觉线索，并结合CNN回归模型实现实时道路污染物浓度推断	研究仅在一座城市进行，未验证模型在其他环境下的泛化性；视频质量可能受光照、天气等条件影响	开发基于视频的深度学习方法来推断道路污染物浓度	印度班加罗尔道路上的四种污染物（黑碳、颗粒物数浓度、PM质量浓度、二氧化碳）	机器学习, 计算机视觉	环境健康	视频采集, 目标检测, 光流法	CNN（卷积神经网络）	视频	50小时车载道路测量数据	NA	回归CNN	归一化均方根误差	NA
212	2026-06-26	Deep learning based predictive modeling to screen natural compounds against TNF-alpha for the potential management of rheumatoid arthritis: Virtual screening to comprehensive in silico investigation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303954 PMID:39636801	研究论文	采用深度学习方法虚拟筛选天然化合物以抑制TNF-α，用于类风湿关节炎的潜在管理	将深度学习预测模型与虚拟筛选、分子对接、ADMET评估及分子动力学模拟相结合，系统筛选天然化合物针对TNF-α的潜在抑制剂	未提及体外或体内实验验证，结果完全基于计算预测	寻找治疗类风湿关节炎的天然化合物候选药物	TNF-α蛋白及天然化合物库	机器学习	类风湿关节炎	分子对接, ADMET分析, 分子动力学模拟	深度学习预测模型	分子结构数据	2563个天然化合物	NA	NA	MSE, MAPE, MAE	NA
213	2026-06-20	Motivations for Artificial Intelligence, for Deep Learning, for ALife: Mortality and Existential Risk 2024-02-01, Artificial life IF:1.6Q2 DOI:10.1162/artl_a_00427 PMID:38346273	综述文章	回顾人工智能在过去一个世纪的发展轨迹，探讨人工生命的影响，并分析由此带来的机遇与风险	揭示了AI问题构建方式中存在的二元对立（符号主义与生命主义），并探讨其对存在风险的深远影响	未提供具体的实验验证或数据支持，可能缺乏实证基础	分析AI发展中的技术路径分歧及其对人类存在风险的哲学影响	AI发展的历史轨迹、生命主义与符号主义的方法论对比	机器学习	NA	NA	NA	文本	NA	NA	NA	NA	NA
214	2026-06-19	Exploring "dark-matter" protein folds using deep learning 2024-10-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.006 PMID:39383860	研究论文	使用卷积变分自编码器探索蛋白质折叠空间，设计新型蛋白质结构	提出名为Genesis的卷积变分自编码器，能够学习蛋白质结构模式，并成功重构原生折叠和新型“暗物质”折叠，实现快速探索蛋白质折叠空间	未说明	解决从头蛋白质设计中的主链可设计性问题，通过深度学习探索未知蛋白质折叠空间	蛋白质折叠结构	机器学习	NA	深度学习	卷积变分自编码器	蛋白质结构数据	五个原生折叠和三个新型折叠	PyTorch	变分自编码器	成功率	NA
215	2026-06-19	Putting proteins in context 2024-10-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.09.009 PMID:39418999	研究论文	介绍PINNACLE，一种利用几何深度学习结合蛋白质相互作用和多器官单细胞转录组学生成蛋白质情境化表示的方法	提出几何深度学习框架PINNACLE，通过联合分析蛋白质相互作用和多器官单细胞转录组数据，生成具有细胞类型特异性的蛋白质情境化表示	NA	解决蛋白质表示缺乏生物或环境情境（如细胞类型特异性）的问题	蛋白质相互作用和多器官单细胞转录组数据	机器学习	NA	单细胞转录组测序	几何深度学习	文本、图结构数据	NA	NA	NA	NA	NA
216	2026-06-19	Contextual AI models for single-cell protein biology 2024-Aug, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02341-3 PMID:39039335	research paper	介绍了PINNACLE，一种用于单细胞蛋白质生物学的上下文感知几何深度学习方法	提出了一种生成上下文感知蛋白质表征的几何深度学习方法，能从多器官单细胞图谱中学习，实现了基于细胞类型上下文的蛋白质表征，并能在零样本情况下检索组织层次结构	NA	开发能够建模蛋白质在不同生物上下文间相互作用的算法，以理解蛋白质功能和开发分子疗法	蛋白质、细胞类型上下文、组织层次结构	machine learning	类风湿性关节炎、炎症性肠病	单细胞测序	几何深度学习	文本、结构数据	156个细胞类型上下文，24个组织，394,760个蛋白质表征	NA	PINNACLE	零样本检索准确性、治疗靶点提名预测能力、细胞类型上下文预测能力	NA
217	2026-06-19	Explainable deep learning and biomechanical modeling for TMJ disorder morphological risk factors 2024-07-11, JCI insight IF:6.3Q1 DOI:10.1172/jci.insight.178578 PMID:38990647	研究论文	提出结合3D可解释深度学习与多尺度生物力学建模的混合方法，用于识别颞下颌关节紊乱病的形态学风险因素并阐明其机制	首次将可解释深度学习与多尺度生物力学建模结合，系统识别TMJ紊乱风险因素并揭示其力学与力学生物学机制，解决了深度学习“机制未知”的临床转化瓶颈	基于较小临床数据集可能影响模型泛化性；生物力学建模假设可能简化真实生理复杂性	探究颞下颌关节紊乱病的病因学机制，通过形态学风险因素识别与生物力学验证提升临床可解释性	颞下颌关节紊乱病患者的下颌骨形态特征（髁突、下颌支、颏部）	计算机视觉, 机器学习	颞下颌关节紊乱病	3D卷积神经网络, 多尺度生物力学建模	CNN	3D医学影像（形态学数据）	小型临床数据集（具体数量未明确）	NA	3D卷积神经网络	NA	NA
218	2026-06-19	Prediction of cardiovascular risk factors from retinal fundus photographs: Validation of a deep learning algorithm in a prospective non-interventional study in Kenya 2024-07, Diabetes, obesity & metabolism DOI:10.1111/dom.15587 PMID:38618987	研究论文	在肯尼亚进行的一项前瞻性非干预性研究中，验证基于眼底照片预测心血管风险因素的深度学习算法	首次在肯尼亚人群中验证基于英国生物银行数据集训练的算法，评估其在不同种族和环境下的泛化能力	样本量相对较小（301人），且模型性能略低于原始训练人群，可能需要重新校准	评估机器学习算法在肯尼亚人群中从眼底照片估计心血管参数的准确性，以促进早期筛查在资源有限环境中的应用	肯尼亚地区的参与者，包括血压、糖化血红蛋白、估计肾小球滤过率及糖尿病和高血压诊断状态	计算机视觉, 机器学习	心血管疾病, 高血压, 糖尿病	眼底视网膜照片	CNN	图像	301名肯尼亚参与者	NA	NA	平均绝对误差, 受试者工作特征曲线下面积	NA
219	2026-06-19	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-05-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.04.006 PMID:38754367	研究论文	提出Polaris分析流程，结合弱监督深度学习模型进行细胞分割和斑点检测，用于图像空间转录组学数据分析	首次将弱监督深度学习应用于单分子斑点检测，无需人工标注即可实现高精度分析，并整合了概率基因解码器以量化单细胞基因表达	未明确讨论局限，但可能依赖于图像质量及实验条件对斑点检测精度的影响	开发一种统一、自动化的分析流程，用于处理MERFISH、seqFISH和ISS等多种图像空间转录组学实验数据的单细胞基因表达定量	图像空间转录组学数据中的单分子荧光斑点及细胞区域	数字病理学，计算机视觉	不适用	MERFISH， seqFISH， ISS（原位RNA测序）	CNN（卷积神经网络），弱监督深度学习	图像	不适用	DeepCell	未指定具体架构（描述为深度学习模型结合概率基因解码器）	不适用	不适用
220	2026-06-19	Adapting Deep Learning QSPR Models to Specific Drug Discovery Projects 2024-04-01, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.3c01124 PMID:38373038	研究论文	提出基于迁移学习的混合全局-局部策略，将深度学习QSPR模型适配到特定药物发现项目中	提出基于微调预训练全局模型的混合全局-局部迁移学习策略，在小样本场景下（每项目约10个分子）效果显著	NA	改进药物发现项目中的分子性质预测，通过领域适配提升局部模型性能	超过300个诺华药物发现项目的ADME实验数据	机器学习	NA	ADME实验	深度学习QSPR模型	分子结构数据	300多个药物发现项目，每个项目约10个分子	NA	预训练全局模型	平均绝对误差（MAE）	NA