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	2026-02-20	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
242	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
243	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）
244	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
245	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
246	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
247	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
248	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
249	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
250	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
251	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
252	2026-02-15	Deep learning for drug-drug interaction prediction: A comprehensive review 2024-Mar, Quantitative biology (Beijing, China) DOI:10.1002/qub2.32 PMID:41676018	综述	本文全面回顾了基于深度学习的药物-药物相互作用预测方法，并将其分为四类进行总结与讨论	系统性地将近年来的深度学习方法归纳为四大类别（神经网络、图神经网络、知识图谱、多模态），并对比了深度学习与传统机器学习在DDI预测上的性能提升	NA	总结和评估基于深度学习的药物-药物相互作用预测方法，探讨现有挑战与未来方向	药物-药物相互作用预测方法	机器学习	NA	深度学习	神经网络, 图神经网络	多模态数据	大规模数据集	NA	NA	NA	NA
253	2026-02-14	Advancements in computer vision and pathology: Unraveling the potential of artificial intelligence for precision diagnosis and beyond 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.05.006 PMID:39032956	综述	本章探讨了计算机视觉与人工智能在病理学领域的整合及其对精准诊断和自动化工作流程的变革潜力	系统阐述了AI驱动的计算机视觉如何通过深度学习架构（如CNN和U-Net）增强病理诊断能力，并提出了跨学科协作的必要性	承认AI在病理学应用中的技术、实践和伦理限制，包括开发与实施过程中的挑战	分析人工智能与计算机视觉在数字病理学中的整合潜力，以提升诊断精度和工作效率	数字病理切片图像及其自动化分析流程	数字病理学	NA	切片数字化	CNN, U-Net	图像	NA	NA	CNN, U-Net	NA	NA
254	2026-02-14	Deep learning-based multimodal spatial transcriptomics analysis for cancer 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.08.001 PMID:39271260	书籍章节	本章探讨了深度学习与多模态空间转录组学在癌症研究中的整合，以推进癌症诊断、治疗规划和精准医学	整合深度学习与多模态空间转录组学，提供对肿瘤生物学前所未有的洞察，实现更精确和个性化的肿瘤学方法	NA	推进癌症诊断、治疗规划和精准医学	癌症研究，特别是肿瘤生物学、诊断和治疗	数字病理学	癌症	空间转录组学	CNN	多模态数据（包括基因组、蛋白质组、影像和临床数据）	NA	NA	NA	NA	NA
255	2026-02-13	Enhancing spatial inference of air pollution using machine learning techniques with low-cost monitors in data-limited scenarios 2024-Mar-14, Environmental science: atmospheres DOI:10.1039/d3ea00126a PMID:38496327	研究论文	本研究提出了一种基于深度学习的模型，利用低成本监测器和广泛可用的免费数据集，在数据有限场景下增强空气污染的空间推断能力	引入了深度学习模型用于邻里尺度的颗粒物扩散预测，仅依赖低成本监测器和免费数据集，克服了低收入地区缺乏补充数据源（如智能手机追踪和实时交通监测）的限制	模型在特定区域验证，可能需进一步优化以适应更广泛的地理环境；依赖的免费数据集可能在某些地区覆盖不全	提高空气污染数据的可及性，特别是在数据有限的发展中国家和脆弱社区，以促进环境正义	颗粒物（PM）的扩散空间推断	机器学习	NA	低成本空气监测器，免费气象与环境数据集	深度学习模型	时间序列数据（PM浓度、气象变量）	NA	NA	NA	均方根误差（RMSE）	NA
256	2026-02-12	Relationship between the volume of ventricles, brain parenchyma and neurocognition in children after hydrocephalus treatment 2024-Dec-14, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06674-4 PMID:39673623	研究论文	本研究探讨了脑积水治疗后儿童脑室、脑实质体积与神经认知功能之间的关系，并利用深度学习模型预测脑发育情况	结合深度学习框架与统计分析方法，定量评估脑积水术后脑发育与神经认知的关联，超越了传统Evans指数的评估范围	样本量较小（52名儿童），年龄范围有限（10岁以下），且未考虑长期随访数据	评估脑积水治疗后儿童脑发育与神经认知功能的关系，并探索深度学习在预测术后恢复中的应用	52名接受脑积水治疗的10岁以下儿童	数字病理学	脑积水	T1加权磁共振成像（T1w MRI），Gesell发育量表评估	分类模型	图像（MRI），临床评估数据	52名儿童	NA	NA	准确率	NA
257	2026-02-12	Machine learning for automated classification of lung collagen in a urethane-induced lung injury mouse model 2024-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.527972 PMID:39421774	研究论文	本文提出了一种基于机器学习的自动化框架，用于对小鼠肺胶原含量进行评分，以克服传统手动病理评估的主观性和不一致性问题	结合了手动提取的胶原统计特征和预训练VGG16模型提取的隐藏特征，并采用多种无监督技术进行图像分析，实现了对肺胶原的自动分类	研究基于小鼠模型，结果可能无法直接推广到人类；多标签分类中某些组别的ROC AUC值较低（如0.38），表明模型在某些类别上性能有限	开发自动化评分框架以准确评估肺胶原含量，辅助理解肺疾病进展机制	成年雌性小鼠的肺组织切片图像，来自氨基甲酸乙酯诱导的肺损伤模型	数字病理学	肺癌	二次谐波生成（SHG）显微镜	SVM, 深度学习模型	图像	未明确指定样本数量，但使用了成年雌性小鼠的肺切片图像数据集	未明确指定，但提及了预训练VGG16模型及多种机器学习技术	VGG16	准确率, ROC AUC	NA
258	2026-02-11	Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration on Optical Coherence Tomography 2024-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.11.24312817 PMID:39314940	研究论文	本研究开发了一种基于深度学习的模型，用于从光学相干断层扫描图像中自动检测和量化年龄相关性黄斑变性中的网状假性玻璃膜疣	开发的深度学习模型在分割网状假性玻璃膜疣方面，其与四位视网膜专家的共识一致性（DSC=0.76）甚至超过了专家之间的一致性（DSC=0.68），并在多个外部测试集上达到了专家级别的性能	NA	开发一个能够自动、可靠地检测和量化年龄相关性黄斑变性中网状假性玻璃膜疣的深度学习模型，以辅助临床管理	年龄相关性黄斑变性患者的视网膜光学相干断层扫描图像	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	深度学习模型	图像	9,800张OCT B扫描图像用于模型开发，并在包含812名个体（1,017只眼）的五个外部测试数据集上进行验证	NA	NA	Dice相似系数, 曲线下面积	NA
259	2026-02-11	Analysis and Comparison of New-Born Calf Standing and Lying Time Based on Deep Learning 2024-04-29, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14091324 PMID:38731328	研究论文	本研究提出了一种基于深度学习的计算机视觉方法，用于无创监测新生小牛的站立和躺卧行为，并分析其与健康状态的关系	采用多视角摄像头和YOLOv8n模型，实现了对小牛站立和躺卧行为的高精度、实时自动监测，并首次将自动测量的行为时间与腹泻等健康指标进行了关联分析	研究仅针对六头小牛进行了六天的监测，样本量较小，且未考虑其他可能影响行为的因素（如环境变化）	通过自动监测小牛的站立和躺卧时间，评估其健康状态，以改善农场管理和动物福利	新生小牛（六头）的站立和躺卧行为	计算机视觉	NA	计算机视觉，行为监测	YOLO	视频	六头小牛，连续六天的监测数据	NA	YOLOv8n	平均精度均值，推理速度（帧每秒），最大时间估计误差	NA
260	2026-02-11	Application of Deep Learning Algorithms Based on the Multilayer Y0L0v8 Neural Network to Identify Fungal Keratitis 2024, Sovremennye tekhnologii v meditsine DOI:10.17691/stm2024.16.4.01 PMID:39881837	研究论文	本文开发了一种基于深度学习算法分析眼前段照片来诊断真菌性角膜炎的方法	应用多层Y0L0v8神经网络进行真菌性角膜炎的识别，这是一种新的深度学习算法应用	NA	开发一种诊断真菌性角膜炎的方法，并评估其敏感性和特异性	眼前段照片	计算机视觉	真菌性角膜炎	深度学习算法	CNN	图像	NA	NA	多层Y0L0v8神经网络	敏感性, 特异性	NA