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
241	2026-06-17	Deep Learning Models Compared to Experimental Variability for the Prediction of CYP3A4 Time-Dependent Inhibition 2024-04-15, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.3c00305 PMID:38501689	研究论文	利用深度学习模型预测CYP3A4时间依赖性抑制，并与实验变异进行比较	通过多任务学习和联邦学习整合多种数据源，首次将深度学习预测与实验检测的可重复性进行比较	主要依赖高度不平衡和小型数据集，模型泛化能力可能受限	开发并评估机器学习模型用于CYP3A4时间依赖性抑制的早期预测，以提升药物研发效率	CYP3A4酶抑制活性及药物-药物相互作用	machine learning	NA	NA	图神经网络	分子结构及抑制活性数据	约16000个公开化合物结构，若干内部和外部数据集	NA	多任务图神经网络	错误分类率	NA
242	2026-06-17	Deciphering the Lexicon of Protein Targets: A Review on Multifaceted Drug Discovery in the Era of Artificial Intelligence 2024-04-01, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.3c01161 PMID:38466810	综述	综述了人工智能时代以蛋白质及其相互作用热点为靶点的合理药物设计方法、挑战及应用	系统整合了机器学习和深度学习技术在蛋白质结合热点识别与表征中的应用，并通过热休克蛋白27和基质金属蛋白酶（MMP2/MMP9）的案例展示了药物发现范式	未明确说明，但从综述性质推测可能缺乏对实际临床应用效果的深入讨论	探讨人工智能辅助的合理药物设计技术在靶向蛋白质及蛋白质-蛋白质相互作用热点中的策略、方法与挑战，并提供对药物设计的见解	蛋白质结合热点、蛋白质-蛋白质相互作用（PPIs）、热休克蛋白27（HSP27）及基质金属蛋白酶（MMP2和MMP9）	机器学习	癌症	合理药物设计、人工智能方法（机器学习和深度学习）、量子化学	NA	NA	NA	NA	NA	NA	NA
243	2026-06-17	An extended bore length solid-state digital-BGO PET/CT system: design, preliminary experience, and performance characteristics 2024-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06514-8 PMID:38012446	研究论文	评估一款扩展轴向视野（32 cm）、基于BGO闪烁晶体与硅光电倍增管固态数字PET/CT系统的性能，包括符合NEMA和EARL标准的空间分辨率、灵敏度等参数	首次报告了32 cm轴向视野固态数字BGO-PET/CT系统（使用BGO晶体与硅光电倍增管）的全面性能特征，并验证其在高灵敏度和低剂量快速临床采集中的可行性	未明确提及局限性，但样本量小（仅3例患者）、未长期随访或对比其他PET系统、深度学习算法细节未详述	评估基于BGO晶体与硅光电倍增管的固态数字PET/CT系统（轴向视野32 cm）的性能特征	两台首次临床安装的PET/CT系统及3例患者（使用低剂量[18F]FDG、[68Ga]Ga-DOTA-TATE和[82Rb]RbCl）	计算机视觉	NA	PET/CT	深度学习对比增强算法	图像	2个临床安装站点、3例患者（低剂量示踪剂活性分别为2 MBq/kg、2.3 MBq/kg和14.5 MBq/kg）	NA	贝叶斯罚似然重建（BPL）、顺序子集期望最大化（OSEM）、滤波反投影（FBP）、对比增强深度学习算法	空间分辨率、散射分数、噪声等效计数率、灵敏度、计数率准确性、图像质量、能量分辨率	NA
244	2026-06-17	Deep Trans-Omic Network Fusion for Molecular Mechanism of Alzheimer's Disease 2024, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-240098 PMID:38728189	research paper	提出一种新型深度学习模型MoFNet，通过整合多组学数据和先验功能相互作用，研究阿尔茨海默病的分子机制及其遗传贡献因素	首次建模从DNA到RNA和蛋白质的动态信息流，整合SNP、基因和蛋白质间的先验功能相互作用，提升模型可解释性	NA	通过新型多组学数据整合方法，发现功能连接的多组学特征以阐明阿尔茨海默病的分子机制	阿尔茨海默病的分子机制及其上游遗传贡献因素	machine learning	阿尔茨海默病	NA	深度学习	多组学数据	NA	NA	MoFNet	预测性能	NA
245	2026-06-15	Intersection of Performance, Interpretability, and Fairness in Neural Prototype Tree for Chest X-Ray Pathology Detection: Algorithm Development and Validation Study 2024-12-05, JMIR formative research IF:2.0Q4 DOI:10.2196/59045 PMID:39636692	研究论文	研究神经原型树（NPT）分类器在胸部X光病理检测中的性能、可解释性和公平性，并探讨三者之间的相互作用	首次系统研究了神经原型树分类器在性能、可解释性和公平性三个维度的表现及其复杂交互关系，提供了可解释深度学习分类器在胸部X光病理检测中的新视角	未明确提及局限性，但数据来源为公开数据集，可能存在分布偏差	评估NPT分类器在胸部X光病理检测中的表现、可解释性和公平性，并分析三者关系	胸部X光图像	计算机视觉	多种胸部X光病理	深度学习	神经原型树（NPT）	图像	来自Chest X-ray 14、CheXpert和MIMIC-CXR三个公开数据集，具体数量未明确说明	NA	ResNet-152, 神经原型树（NPT）	ROC AUC, 解释复杂性（IC）, 平均真阳性率差异（mean TPR disparity）	NA
246	2026-06-15	DNA breathing integration with deep learning foundational model advances genome-wide binding prediction of human transcription factors 2024-10-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae783 PMID:39271116	研究论文	本研究开发了基于DNA呼吸与深度学习基础模型的多模态模型EPBDxDNABERT-2，用于预测人类转录因子在全基因组上的结合位点	首次将DNA呼吸特性（基于EPBD非线性动力学模型）与预训练基础模型DNABERT-2结合，通过交叉注意力机制融合多模态特征，显著提升转录因子-DNA结合预测的准确性	未明确提及局限性，但可能涉及ChIP-seq数据噪声、模型泛化性测试范围有限等问题	通过整合DNA呼吸热力学特征与深度学习模型，改进人类转录因子结合位点的全基因组预测	人类转录因子与DNA的相互作用，包括161种不同转录因子和91种人类细胞类型	人工智能, 自然语言处理, 机器学习, 数字病理学, 计算机视觉	基因组关联研究中发现的疾病相关非编码变异相关疾病	ChIP-seq, HT-SELEX	多模态深度学习模型	序列数据	690个ChIP-seq实验数据（涵盖161种转录因子、91种细胞类型）及215种转录因子的HT-SELEX体外数据集	PyTorch	EPBDxDNABERT-2: DNABERT-2基础模型 + 交叉注意力机制	AUROC（曲线下面积）	NA
247	2026-06-15	A deep learning-based method enables the automatic and accurate assembly of chromosome-level genomes 2024-10-28, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae789 PMID:39287126	研究论文	提出一种基于深度学习的AutoHiC方法，用于自动且准确地组装染色体级别基因组	AutoHiC利用Hi-C数据实现自动化流程和迭代纠错，无需手动修正，在300多个物种的数据上平均错误检测准确率超过90%	未提及局限	解决染色体级别基因组组装中的纠错和序列锚定挑战，提高组装的连续性和准确性	Hi-C数据辅助的染色体级别基因组组装	机器学习	NA	Hi-C高通量染色体构象捕获	深度学习模型	基因组数据	300+物种数据	NA	NA	准确率	NA
248	2026-06-15	Combining propensity score methods with variational autoencoders for generating synthetic data in presence of latent sub-groups 2024-09-09, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02327-x PMID:39251921	研究论文	结合倾向性评分方法与变分自编码器，在存在潜在子组的情况下生成合成数据	提出将变分自编码器与预变换结合以忠实再现边际分布中的未知异质性，并利用倾向性评分回归模型处理已知子组异质性，从而在合成数据中保留和可控异质性	未明确提及局限性，但可能包括对复杂异质性场景的泛化能力需进一步验证	研究如何在临床队列中利用变分自编码器生成合成数据时，保留和控制个体间已知或未知的异质性	临床队列数据，包括模拟数据和一个国际卒中试验的真实数据	机器学习	卒中	NA	变分自编码器	临床数据	使用模拟数据和一个国际卒中试验的真实数据，具体样本量未提及	PyTorch	变分自编码器	边际分布恢复效果评估	NA
249	2026-06-15	READRetro: natural product biosynthesis predicting with retrieval-augmented dual-view retrosynthesis 2024-09, The New phytologist DOI:10.1111/nph.20012 PMID:39081009	研究论文	提出了一种名为READRetro的检索增强双视角逆合成工具，用于预测植物天然产物的生物合成途径	融合了先进的深度学习架构、集成方法和两个检索器，以优化复杂代谢途径的预测能力	NA	开发一种实用的生物逆合成工具，用于预测植物天然产物的完整生物合成途径	植物天然产物（如单萜吲哚生物碱和门尼糖苷内酯）的代谢途径	机器学习	NA	NA	深度学习模型	文本（分子结构与逆合成数据）	NA	PyTorch	深度学习架构、集成方法和检索器	单步和多步逆合成评估指标	NA
250	2026-06-15	Identify the most appropriate imputation method for handling missing values in clinical structured datasets: a systematic review 2024-08-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02310-6 PMID:39198744	综述	系统评价了处理临床结构化数据集中缺失值的最佳插补方法	基于缺失机制、模式和比例，构建证据图谱推荐插补方法	仅包括截至2023年9月20日的已发表文章，可能遗漏最新研究	确定临床结构化数据集中处理缺失值的最合适插补方法	PubMed、Web of Science、Scopus和IEEE Xplore数据库中讨论临床结构化数据集缺失值插补方法的文章	机器学习	NA	NA	传统统计方法、机器学习、深度学习、混合插补	表格数据	纳入58篇论文（从2955篇中筛选）	NA	NA	NA	NA
251	2026-06-15	Can supervised deep learning architecture outperform autoencoders in building propensity score models for matching? 2024-08-02, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02284-5 PMID:39095707	研究论文	评估监督式深度学习架构与无监督自编码器在倾向得分匹配中的表现，并与传统方法比较	首次系统比较监督式深度学习与无监督自编码器在倾向得分估计中的偏差和方差准确性	基于单一数据集（右心导管插入术）的模拟研究，可能限制泛化能力	评估监督式深度学习和无监督自编码器用于倾向得分估计的性能	倾向得分匹配模型，包括监督式深度学习、无监督自编码器、逻辑回归和样条方法	机器学习	心血管疾病	NA	监督式深度学习、无监督自编码器	观察性数据（右心导管插入术数据集）	NA	NA	NA	偏差、标准误差、覆盖概率	NA
252	2026-06-15	Demographic bias in misdiagnosis by computational pathology models 2024-04, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02885-z PMID:38641744	研究论文	该文章通过分析计算病理学模型在不同人口群体中的表现差异，揭示了性别和种族等因素导致的诊断偏差	首次系统性评估了计算病理学模型在乳腺癌、肺癌亚型分类和胶质瘤IDH1突变预测中的人口统计偏差，并比较了自监督视觉基础模型与偏见缓解策略的效果	自监督视觉基础模型未能完全消除人口统计偏差，表明需要进一步研究更有效的偏见缓解方法	评估并量化计算病理学模型在不同人口群体中的性能差异，并探讨自监督视觉基础模型对减少偏见的作用	乳腺癌、肺癌、胶质瘤患者全切片图像及其人口统计信息（种族、性别等）	数字病理学	乳腺肿瘤, 肺肿瘤, 胶质瘤	全切片图像 (WSI) 分析	CNN, 自监督视觉基础模型	图像	涉及TCGA、EBRAINS脑肿瘤图谱及内部患者数据，具体样本数量未在摘要中明确	PyTorch	ResNet, 自监督视觉基础模型 (如BYOL, SwAV等)	AUC, 接收者操作特征曲线下面积	NA
253	2026-06-07	Bidirectional Encoder Representations from Transformers in Radiology: A Systematic Review of Natural Language Processing Applications 2024-06, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.01.012 PMID:38302036	综述	系统评估BERT在放射学领域自然语言处理应用的影响和现状	首次系统综述BERT在放射学中的应用，涵盖分类、信息提取、协议分配和报告生成等新兴方向	仅检索PubMed数据库，可能遗漏部分文献；纳入研究均为回顾性设计	评估BERT在放射学领域的影响和应用	BERT在放射学中的应用研究	自然语言处理	NA	BERT	BERT	文本	30篇文献	NA	BERT	NA	NA
254	2026-06-07	Unsupervised deep learning model for correcting Nyquist ghosts of single-shot spatiotemporal encoding 2024-04, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29925 PMID:38073072	研究论文	提出一种用于校正单次激发时空编码中的奈奎斯特鬼影的无监督深度学习模型	结合残差编码器和受限子空间映射的无监督网络RERSM-net，利用自旋物理前向模型和循环一致性损失训练	NA	校正单次激发时空编码MRI中的奈奎斯特鬼影	单次激发时空编码MRI图像	机器学习	NA	MRI	无监督深度学习模型	MRI图像	NA	NA	残差编码器与受限子空间映射网络	NA	NA
255	2026-06-07	K-t PCA accelerated in-plane balanced steady-state free precession phase-contrast (PC-SSFP) for all-in-one diastolic function evaluation 2024-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29897 PMID:37927206	研究论文	提出一种基于k-t PCA加速的平面内平衡稳态自由进动相位对比（PC-SSFP）MRI方法，用于一站式评估舒张功能	首次实现单次扫描同时测量舒张功能参数E、A和e'，结合平衡稳态自由进动对比和k-t主成分分析加速技术	仅在10名健康受试者中验证，缺乏在患者群体中的评估；未提及对心律失常等临床常见挑战的处理	开发一种基于MRI的一站式舒张功能评估方法	舒张功能相关的血液流速和组织运动参数	计算机视觉	心血管疾病	MRI相位对比成像	深度学习框架	图像	10名健康受试者	NA	NA	相关系数r	NA
256	2026-06-07	CEST and nuclear Overhauser enhancement imaging with deep learning-extrapolated semisolid magnetization transfer reference: Scan-rescan reproducibility and reliability studies 2024-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29937 PMID:38009996	研究论文	提出一种基于深度学习的半固态磁化转移参考框架（DeepEMR），用于快速、可靠地估算磁化转移对比和化学交换饱和转移信号，并评估其可重复性和可靠性	开发了物理驱动的深度学习外推半固态磁化转移参考框架，通过少量高频偏移Z谱特征快速预测水直接饱和与磁化转移主导信号，相比传统拟合方法实现约190倍的计算效率提升	未提及明显局限性，可能需进一步验证在不同场强和病理类型中的泛化能力	提供快速、可靠的磁化转移对比和化学交换饱和转移信号估算方法，评估其扫描-重扫可重复性和可靠性	数值体模、健康志愿者（3T）和脑肿瘤患者	数字病理	脑肿瘤	磁共振成像（MRI）	神经网络	磁共振Z谱数据	健康志愿者和脑肿瘤患者（具体数量未说明）	NA	神经网络（具体架构未指定）	组内相关系数（ICC）、受试者间变异系数、受试者内变异系数、计算效率	NA
257	2026-06-07	Deep learning-assisted preclinical MR fingerprinting for sub-millimeter T1 and T2 mapping of entire macaque brain 2024-03, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29905 PMID:37929695	研究论文	开发一种深度学习辅助的快速磁共振指纹成像框架，用于在临床前9.4T磁共振系统上对完整猕猴大脑进行亚毫米T1和T2映射	利用自注意力辅助残差U-Net抑制混叠引起的量化误差，并通过模拟图像进行网络训练，避免获取完全采样数据的困难	未明确指出	实现临床前高分辨率定量MRI的器官级快速成像	离体和在体猕猴大脑	机器学习	无特定疾病	磁共振指纹成像(MRF)	残差U-Net与自注意力机制	磁共振图像	未明确说明样本数量	PyTorch	Residual U-Net, Self-attention assisted Residual U-Net	无明确提及	9.4T临床前磁共振系统
258	2026-06-07	Deep-learning based automated quantification of critical optical coherence tomography features in neovascular age-related macular degeneration 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02720-8 PMID:37670143	研究论文	验证深度学习算法在新生血管性年龄相关性黄斑变性（nAMD）中自动分割视网膜内液体（IRF）、视网膜下液体（SRF）和新生血管性色素上皮脱离（nPED）的性能	提出两种基于深度学习的分割模型（A1和A2），并利用掩膜阅读者分级进行验证，实现了与人工分级相当的自动化分析性能	样本量较小（50名患者），且未明确提及跨种族的验证等潜在限制	评估深度学习算法在nAMD中自动量化关键OCT特征的准确性和可靠性	50名患有渗出性nAMD的患者（50只眼）	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	卷积神经网络	图像	50名患者（50只眼）	NA	NA	曲线下面积、Dice系数、相关系数(R2)	NA
259	2026-06-07	Image quality assessment of retinal fundus photographs for diabetic retinopathy in the machine learning era: a review 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02717-3 PMID:37667028	综述	对机器学习时代用于糖尿病视网膜病变的视网膜眼底照片图像质量评估进行综述	强调了图像质量评估在人工智能模型开发中的重要性，并指出需要清晰、易获取的报告方式	仅检索了20个数据集，且仅8个明确了质量评价标准，信息获取存在挑战	评估公开数据集中糖尿病视网膜病变图像质量评估及质量标准的现状	糖尿病视网膜病变相关公开数据集	计算机视觉	糖尿病视网膜病变	NA	深度学习	图像	20个数据集	NA	NA	NA	NA
260	2026-06-07	Prediction of immunotherapy response in idiopathic membranous nephropathy using deep learning-pathological and clinical factors 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1328579 PMID:38524629	研究论文	利用深度学习结合病理和临床特征预测特发性膜性肾病免疫治疗反应	首次将深度学习训练的病理特征与临床因素结合构建模型，用于预测特发性膜性肾病患者对免疫治疗的反应，并发现病理特征整合模型优于临床特征模型	样本量较小（291例），且模型在验证集上AUC较低（0.77），可能影响泛化能力	建立并验证一种结合病理和临床特征的深度学习模型，以评估特发性膜性肾病患者对免疫抑制治疗的反应	291例特发性膜性肾病（IMN）患者	数字病理学	特发性膜性肾病	全切片病理图像分析	卷积神经网络（CNN）	全切片病理图像和临床数据	291例患者（训练集219例，验证集72例）	NA	CNN	AUC	NA