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
21	2026-07-10	Preliminary exploration of deep learning-assisted recognition of superior labrum anterior and posterior lesions in shoulder MR arthrography 2024-01, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-023-05987-4 PMID:37726561	research paper	利用深度学习辅助识别肩关节MR关节造影中的上盂唇前后部损伤	首次探索深度学习在肩关节MR关节造影中辅助识别SLAP损伤，并与不同资历放射科医生进行比较	NA	评估深度学习模型SLAP-Net在识别SLAP损伤中的诊断性能	SLAP损伤患者	machine learning	肩关节损伤	MR关节造影	CNN	image	636例患者，其中514例用于训练和测试（数据集1），122例用于独立测试（数据集2）	NA	SLAP-Net	AUC, accuracy	NA
22	2026-07-09	Failure Modes of Time Series Interpretability Algorithms for Critical Care Applications and Potential Solutions 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726394	研究论文	系统分析时间序列可解释性算法在重症监护应用中失效的模式，并提出可学习的基于掩码的可解释性框架作为替代方案	首次系统研究梯度、遮挡和置换方法在动态预测任务中因时间依赖性和时间平滑性导致的失效模式，并支持可学习掩码框架融入时间连续性和标签一致性约束	未提供具体实验验证或在大型临床数据集上的评估结果，仅提出概念性替代方案	识别和解决常见可解释性算法在重症监护动态预测中的失效问题，提高模型解释的可靠性	深度学习模型在重症监护中的应用，特别是随时间演变的患者轨迹动态预测任务	机器学习	重症监护相关疾病	NA	可学习掩码模型	时间序列数据	NA	NA	NA	NA	NA
23	2026-07-09	HIBERT: A Hybrid Clustering BERT for Interpretable Opioid Overdose Risk Prediction 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726407	research paper	提出一种混合BERT模型HIBERT，结合深度聚类与Transformer，用于可解释的阿片类药物过量风险预测	采用多BERT架构处理不同类别的电子健康记录特征，并融合深度显著性聚类以生成具有临床意义的风险分层	NA	实现早期、可解释的阿片类药物过量风险预测	阿片类药物过量风险预测问题	machine learning	阿片类药物过量	深度学习	BERT	电子健康记录	Health Facts数据库中的样本	NA	BERT	NA	NA
24	2026-07-09	A Treatment Selection Model for Opioid Use Disorder Using Electronic Health Record and ZIP-Level Data 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726412	研究论文	利用电子健康记录和ZIP级别数据开发预测模型，指导阿片类药物使用障碍的治疗选择	首次将ZIP级别数据与电子健康记录结合，用于阿片类药物使用障碍的治疗反应预测，并比较了多种模型及数据融合方法	ZIP级别数据未能显著提升仅使用电子健康记录的模型性能，且模型一致推荐丁丙诺啡而非美沙酮，未来需探索不同建模方法及社会外部因素	开发预测模型以指导阿片类药物使用障碍的治疗选择，提高药物使用率	阿片类药物使用障碍患者的治疗反应	机器学习	阿片类药物使用障碍	NA	广义线性回归、随机森林、梯度提升机、深度学习模型	电子健康记录、ZIP级别数据	NA	NA	NA	NA	NA
25	2026-07-09	No Black Box Anymore: Demystifying Clinical Predictive Modeling with Temporal-Feature Cross Attention Mechanism 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726437	研究论文	提出时间-特征交叉注意力机制（TFCAM），用于临床预测建模，同时提升预测精度和可解释性	创新性地提出时间-特征交叉注意力机制，能够捕捉临床特征在时间维度上的动态交互，提供多层次可解释性，包括识别关键时间周期、特征重要性排序及跨时间特征影响量化	未明确说明，但可能涉及数据集规模有限（仅1,422例患者）和单病种验证（慢性肾病）	解决深度学习模型在临床预测任务中的“黑箱”问题，同时保持高预测性能	慢性肾病患者向终末期肾病的进展预测	机器学习	慢性肾病	NA	Temporal-Feature Cross Attention Mechanism (TFCAM)	临床特征时间序列数据	1,422名慢性肾病患者	NA	TFCAM	AUROC, F1分数	NA
26	2026-07-09	Predicting Chemotherapy-Related Symptom Deterioration Using Hybrid Deep Learning Architecture 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726450	研究论文	利用混合深度学习架构（CNN-LSTM）预测化疗患者症状恶化趋势，实现早期干预和预后改善	首次将CNN-LSTM混合架构应用于化疗症状恶化的时间序列预测，并探索最佳数据聚合间隔（5天）以处理高度不平衡数据	NA	预测化疗患者自我报告症状（身体和心理类别）的恶化，以支持实时临床决策	化疗患者的日常自我报告症状数据	自然语言处理	癌症	NA	CNN-LSTM混合模型	时间序列症状日志	NA	NA	CNN-LSTM	准确率, 精确率, 召回率, F1分数, AUC	NA
27	2026-07-09	Opportunistic Screening for Pancreatic Cancer using Computed Tomography Imaging and Radiology Reports 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726519	研究论文	利用深度学习融合模型整合CT影像和放射学报告预测胰腺导管腺癌风险	首次实现利用CT影像和放射学报告的深度学习融合模型进行胰腺癌机会性筛查和生存风险预测	未提及	利用深度学习融合模型预测胰腺导管腺癌风险，用于机会性筛查	胰腺导管腺癌患者	数字病理学、计算机视觉、自然语言处理	胰腺癌	CT成像、放射学报告	DeepSurv	CT影像、文本（放射学报告）	内部和外部数据集	NA	DeepSurv	C-index	NA
28	2026-07-07	Machine learning and deep learning models for the diagnosis of apical periodontitis: a scoping review 2024-10-18, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-05989-5 PMID:39419893	综述	评估机器学习与深度学习模型在诊断根尖周炎中的应用现况	系统性地总结了AI模型在根尖周炎诊断中的表现，特别是强调了AI辅助对临床医生诊断敏感性的提升作用	研究间数据集大小、标注技术和算法配置差异显著，且缺乏统一的方法学和性能指标报告标准	评估机器学习与深度学习模型在人类根尖周炎诊断中的应用效果	根尖周炎患者及对应的牙科X光影像	机器学习	根尖周炎	NA	机器学习与深度学习模型	牙科X光影像	纳入19篇研究，具体样本量未统一说明	NA	NA	敏感性，特异性	NA
29	2026-07-07	Deep learning-based detection of indicator species for monitoring biodiversity in semi-natural grasslands 2024-Sep, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100419 PMID:38706811	研究论文	开发了基于深度学习的物体检测模型，用于识别半天然草地中的指示物种，以监测生物多样性	首次利用温室培育的标本进行实地植物识别，克服了数据稀缺问题，并实现了从温室到实地条件的成功迁移	未明确说明，但可能受限于温室条件与自然环境的差异、以及数据集的规模	利用深度学习技术检测指示物种，以支持半天然草地的生物多样性监测和保护工作	指示物种（一组维管植物物种），作为高自然价值草原生物多样性评估的替代指标	计算机视觉	NA	物体检测	基于深度学习的物体检测模型	图像	温室培育的指示植物数据集、实验草地和自然草地的小型数据集	NA	物体检测模型（具体架构未在摘要中指定）	平均精度	NA
30	2026-07-07	Extent and Topography of Subretinal Drusenoid Deposits Associate With Rod-Mediated Vision in Aging and AMD: ALSTAR2 Baseline 2024-08-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.10.25 PMID:39163034	研究论文	利用监督深度学习量化视网膜下玻璃疣样沉积物（SDD）面积，并分析其与年龄相关性黄斑变性（AMD）中视杆介导视觉的关系	首次使用监督深度学习对55°宽近红外反射图像进行SDD分割量化，并结合OCT手动校对，系统评估SDD面积与视杆视觉功能及地形分布的关系	未说明	研究SDD负担与视杆介导的暗适应及视网膜光感受器地形分布之间的关联	年龄≥60岁的正常、早期AMD和中期AMD眼睛	数字病理学	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	428人428只眼（正常218眼，早期AMD 120眼，中期AMD 90眼）	NA	卷积神经网络	Dice系数	NA
31	2026-07-07	Association of Retinal Biomarkers With the Subtypes of Ischemic Stroke and an Automated Classification Model 2024-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.50 PMID:39083310	研究论文	利用OCTA图像通过深度学习模型自动识别缺血性卒中及其亚型，并探索视网膜生物标志物与卒中亚型的关联	首次将深度学习模型应用于OCTA图像以区分缺血性卒中的腔隙性和非腔隙性亚型，并揭示了浅层血管丛的迂曲度和FAZ圆形度与卒中亚型的相关性	外部数据验证中模型AUC略低于内部验证，可能存在数据集偏差；视网膜生物标志物的临床解释需进一步验证	研究基于OCTA图像的深度学习模型在缺血性卒中检测及其亚型分类中的可行性，以及视网膜微血管变化与卒中亚型的关联	865名参与者的1730只眼睛，包括缺血性卒中患者和健康对照者	计算机视觉	缺血性卒中	OCTA成像	深度学习模型	图像	1730只眼睛（来自865名参与者）	PyTorch	ResNet	AUC	NA
32	2026-07-07	Quantifying Geographic Atrophy in Age-Related Macular Degeneration: A Comparative Analysis Across 12 Deep Learning Models 2024-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.42 PMID:39046755	研究论文	比较12种深度学习模型在年龄相关性黄斑变性中地理萎缩分割的性能	系统比较多种编码器-解码器组合（包括视觉变换器）在GA分割中的效果，发现视觉变换器与FPN和UNet架构更优	样本量有限且仅使用两个数据集，未探索其他可能更优的架构组合	确定用于GA分割的最有效的深度学习架构	眼底自发荧光图像中的地理萎缩区域	计算机视觉	年龄相关性黄斑变性	NA	深度学习模型（包括CNN和视觉变换器）	图像	训练集601张FAF图像（AREDS2研究），验证集156张FAF图像（GlaxoSmithKline研究）	NA	FPN, UNet, PSPNet, EfficientNet, ResNet, VGG, Mix Vision Transformer (mViT)	平均绝对差异，Dice系数 (DC)	NA
33	2026-07-07	Sequence of Morphological Changes Preceding Atrophy in Intermediate AMD Using Deep Learning 2024-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.30 PMID:39028907	研究论文	利用深度学习分析中间AMD中外丛状层下陷前形态变化序列	首次使用高精度人工智能量化OCT图像中中间AMD向外层丛状层下陷演变的形态学序列，并揭示光感受器和外核层变薄是早期亚临床特征	NA	研究中间AMD中在外丛状层下陷之前的形态变化序列以预测进展为地图样萎缩	中间AMD患者（280只眼，来自140名个体）	计算机视觉	老年性黄斑变性	OCT成像	CNN	图像	280只眼，来自140名中间AMD患者	PyTorch	U-Net	NA	NA
34	2026-07-07	Fusion of multi-source relationships and topology to infer lncRNA-protein interactions 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102187 PMID:38706631	研究论文	提出一种基于路径掩盖和度回归策略的图自编码器模型FMSRT-LPI，用于预测lncRNA-蛋白质相互作用	首次将路径掩盖和度回归策略整合到图自编码器框架中用于lncRNA-蛋白质相互作用推断，并引入PolyLoss函数优化预测任务	现有深度学习模型在LPI预测中尚未取得满意结果，但本文未明确说明自身模型的局限性	提升lncRNA-蛋白质相互作用预测的准确性，以阐明lncRNA的功能和致病机制	lncRNA和蛋白质之间的相互作用	机器学习	NA	NA	图自编码器	蛋白质序列和lncRNA序列数据	多个公共数据集	PyTorch	图自编码器	NA	NA
35	2026-07-07	D3EGFR: a webserver for deep learning-guided drug sensitivity prediction and drug response information retrieval for EGFR mutation-driven lung cancer 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae121 PMID:38555474	研究论文	构建了一个用于EGFR突变驱动的肺癌药物敏感性预测和药物响应信息检索的深度学习网络服务器D3EGFR	首个实现临床级别对EGFR突变驱动的肺癌所有获批小分子药物进行药物响应预测的平台	NA	开发用于EGFR突变驱动的非小细胞肺癌药物敏感性预测的深度学习模型和相关数据库	EGFR突变驱动的非小细胞肺癌患者	机器学习	肺癌	文献挖掘	深度学习模型	临床病理特征和药物响应数据	1339名EGFR突变患者	NA	NA	准确率	NA
36	2026-07-07	KDGene: knowledge graph completion for disease gene prediction using interactional tensor decomposition 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae161 PMID:38605639	研究论文	提出一种基于交互张量分解的知识图谱补全框架KDGene，用于疾病基因预测	在张量分解中引入交互模块桥接实体和关系嵌入，以提升领域特定生物数据中语义相似概念的表示能力	当前表示学习技术在域特定生物数据上的性能仍不理想，且忽略知识图谱中实体间的复杂关系	实现准确的疾病相关基因预测，为湿实验提供参考	疾病与基因为中心的生物知识图谱	机器学习	疾病（通用）	NA	知识图谱嵌入模型	知识图谱	NA	PyTorch	交互张量分解	准确率、精确率、召回率、F1分数、AUC	NA
37	2026-07-07	MS-BACL: enhancing metabolic stability prediction through bond graph augmentation and contrastive learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae127 PMID:38555479	研究论文	提出基于键图增强和对比学习的MS-BACL模型，用于预测分子代谢稳定性	首次在代谢稳定性预测任务中考虑分子图中键与键之间的关系，构建基于“原子-键-原子”的键图，并采用对比学习策略增强分子表示	未明确讨论模型的局限性	提升分子代谢稳定性预测的准确性和可靠性	分子代谢稳定性	机器学习	NA	NA	图神经网络、对比学习	分子图数据	公共数据集（具体样本数未提及）	NA	MS-BACL（基于键图增强的图神经网络）	准确率等（未具体列出）	NA
38	2026-07-07	scNovel: a scalable deep learning-based network for novel rare cell discovery in single-cell transcriptomics 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae112 PMID:38555470	研究论文	介绍scNovel，一个基于深度学习的可扩展神经网络，专门用于单细胞转录组学中发现新的稀有细胞类型	针对现有自动注释工具未能充分解决新稀有细胞类型发现的问题，提出scNovel模型，其在AUROC性能上显著优于现有方法，平均AUROC结果超过94%，比第二好的方法高出16.26%	NA	开发一个可扩展的深度学习网络，专门用于从单细胞转录组数据中发现新的稀有细胞类型，以支持高通量临床数据分析	单细胞转录组学数据中的稀有细胞类型	机器学习, 数字病理学	COVID-19	单细胞RNA测序	神经网络	单细胞转录组数据	多个不同规模、协议和不平衡程度的数据集，包括一百万规模的数据集和临床COVID-19数据集	PyTorch	scNovel	AUROC	NA
39	2026-07-07	A microbial knowledge graph-based deep learning model for predicting candidate microbes for target hosts 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae119 PMID:38555472	研究论文	基于微生物知识图谱的深度学习模型用于预测目标宿主的候选微生物	构建了新型异质微生物网络（HMN）模型KGVHI，结合知识图谱嵌入与自然语言处理算法，融合全局拓扑结构和局部生物属性信息进行预测	NA	开发计算模型预测微生物与宿主间的相互作用，以降低湿实验的高风险和成本	人类蛋白质、病毒和致病细菌及其生物属性	机器学习	微生物感染	宏基因组测序	深度神经网络（DNN）	生物属性数据	三个微生物-宿主相互作用数据集	NA	深层神经网络	与现有方法比较的精确度、预测能力	NA
40	2026-07-07	SpatialcoGCN: deconvolution and spatial information-aware simulation of spatial transcriptomics data via deep graph co-embedding 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae130 PMID:38557675	研究论文	提出了一种基于深度图共嵌入的空间转录组数据去卷积和空间信息感知模拟框架	首次引入深度图共嵌入框架同时解决空间转录组数据的低分辨率问题和有限转录本检测问题，并通过自监督共图卷积网络实现细胞类型去卷积和未检测转录本的空间分布恢复	未提及该方法在处理大规模数据时的计算效率或对噪声数据的鲁棒性等潜在限制	开发改进空间转录组数据分析的方法，包括细胞类型去卷积和空间信息感知模拟	模拟空间转录组数据和真实空间转录组数据集（人类导管原位癌、发育中人类心脏和小鼠大脑）	数字病理学	导管原位癌	空间转录组学	共图卷积网络	空间转录组数据、单细胞数据	多个人类和小鼠组织样本，具体数量未明确	NA	共图卷积网络	准确性	NA