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
481	2026-08-13	Deep learning based ECG segmentation for delineation of diverse arrhythmias 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303178 PMID:38870233	研究论文	本文介绍了一种基于深度学习的U-Net-like分割模型，用于心电图（ECG）中P波、QRS波和T波的精确分割，特别关注多种心律失常情况下的性能提升。	首次系统研究心律失常对ECG分割质量的影响，提出针对多种心律失常的U-Net-like分割模型和后处理算法，以自动确定波形边界并提高在心律失常下的表现。	未明确提及局限性，但可能包括对某些心律失常类型（如心动过速）在标准基准测试中表现不佳的问题。	旨在提高ECG分割模型在处理多种心律失常时的准确性和鲁棒性。	ECG信号中的P波、QRS波和T波。	深度学习、医学影像分析	心律失常	ECG信号处理	U-Net-like分割模型	ECG信号数据	训练集包含多种心律失常数据，评估集包括LUDB和QTDB数据集	NA	U-Net	F1分数	NA
482	2026-08-13	MRET: Modified Recursive Elimination Technique for ranking author assessment parameters 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303105 PMID:38870157	研究论文	提出了一种改进的递归消除技术（MRET）用于对作者评估参数进行排序，并利用多层感知机分类器对64种指标进行重要性评分和统计分析	首次将改进的递归消除技术（MRET）与多层感知机结合用于作者评估参数的排序，并通过对64种指标的系统性统计分析揭示参数间的潜在关联	数据仅来自数学领域，结果可能不适用于其他学科；样本仅包含525名获奖者和525名非获奖者，规模有限	识别和排序最有效的作者评估指标，以提升学术影响力评估的准确性	作者评估参数（共64种指标）以及数学领域研究人员的学术数据	数据挖掘，机器学习	不适用	大数据分析，统计建模	多层感知机（MLP）	数值型元数据，文本	525名未获奖者与525名获奖者（数学领域，共1050个样本）	不适用	多层感知机（MLP）	准确率，重要性分数，发生率	不适用
483	2026-08-13	Postoperative Karnofsky performance status prediction in patients with IDH wild-type glioblastoma: A multimodal approach integrating clinical and deep imaging features 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303002 PMID:39527541	研究论文	本研究旨在开发一种结合临床数据和基于深度学习提取的MRI影像特征的多模态模型，用于预测IDH野生型胶质母细胞瘤患者术后6个月的KPS评分	结合VAE提取的MRI影像特征与临床参数，构建多模态预测模型，提高KPS预测性能，优于单一临床或影像模型	回顾性单中心分析，样本量有限（150例），需要外部验证	开发预测IDH野生型胶质母细胞瘤患者术后6个月KPS评分（<70）的多模态模型，以改善预后预测和个性化治疗	150例新诊断的IDH野生型胶质母细胞瘤患者，包括术前和术后MRI图像及临床参数	医学影像分析、深度学习	胶质母细胞瘤	MRI成像	变分自编码器（VAE）和神经网络	MRI图像和临床数据	150例患者（训练集100例，测试集50例），另使用1,476个MRI数据集用于预训练	未明确指定	变分自编码器（VAE）	AUC	未明确提及
484	2026-08-13	Systematic analysis of the relationship between fold-dependent flexibility and artificial intelligence protein structure prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313308 PMID:39591473	研究论文	系统分析蛋白质折叠依赖性灵活性与人工智能蛋白质结构预测之间的关系	首次大规模评估AI预测结构是否代表蛋白质的一种特定构象或平均构象，并发现预测结果与折叠类型相关	未明确说明局限性，可能包括对实验结构数量和质量的依赖	确定AI蛋白质结构预测是否反映蛋白质的灵活性，并评估这种预测与实验结构的差异是否依赖折叠类型	2878个具有至少十个不同实验结构的蛋白质，涵盖628种折叠类型	蛋白质结构预测	NA	人工智能结构预测（AlphaFold v2）和实验结构测定	深度学习模型（AlphaFold v2）	蛋白质三维结构数据	2878个蛋白质，628种折叠类型	NA	AlphaFold v2	RMSD	NA
485	2026-08-13	Leveraging transfer learning with deep learning for crime prediction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0296486 PMID:38630687	研究论文	本研究采用迁移学习范式，通过微调多种统计和深度学习方法，特别是基于BiLSTM的架构，来预测犯罪趋势	提出了一种基于BiLSTM的迁移学习架构，能够将犯罪知识从一个社区迁移到另一个社区，以解决数据不足和资源有限的问题	未明确指出局限性	利用迁移学习和深度学习提高犯罪预测的准确性，并减少训练时间和资源需求	芝加哥、纽约和拉合尔的犯罪数据集	机器学习	NA	迁移学习	SMA, WMA, EMA, LSTM, BiLSTM, CNN-LSTM	犯罪统计数据（时间序列）	未指明具体样本数量，但涉及三个城市的犯罪数据集	NA	BiLSTM, LSTM, CNN-LSTM	误差值（如MAE或RMSE）和运行时间	NA
486	2026-08-13	Deep Learning Mammography Classification with a Small Set of Data 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405620666230811142718 PMID:37860999	研究论文	本研究评估了使用七层卷积神经网络在小型数据集上对乳腺X线图像进行分类，以区分良性和恶性乳腺癌的能力。	在仅使用322张图像的有限数据集上，通过七层CNN架构实现了高精度（99.89%）的乳腺癌分类，优于以往研究。	数据集规模较小，可能影响模型的泛化能力；未提及外部验证或跨机构数据集的测试。	评估七层CNN在乳腺X线图像上区分良性和恶性肿瘤的有效性，以辅助医生诊断。	乳腺X线图像（乳腺钼靶图像）	计算机视觉	乳腺癌	乳腺X线摄影（钼靶成像）	卷积神经网络（CNN）	图像	322张乳腺X线图像（207张正常，115张异常）	未提及	七层CNN	损失率、准确率、精确率、召回率、F1分数、AUC	未提及
487	2026-08-12	GeneCompass: deciphering universal gene regulatory mechanisms with a knowledge-informed cross-species foundation model 2024-12, Cell research IF:28.1Q1 DOI:10.1038/s41422-024-01034-y PMID:39375485	研究论文	本研究构建了一个知识引导的跨物种基础模型GeneCompass，用于解码人类和小鼠的通用基因调控机制	创新性地整合四种先验生物学知识，在自监督预训练中提升对基因调控机制的理解，并实现了跨物种的基因调控机制探索	未明确提及局限性	利用人工智能技术解码跨物种的通用基因调控机制，并加速发现关键细胞命运调控因子和候选药物靶点	人类和小鼠的单细胞转录组数据，以及细胞命运转变相关因素	机器学习	不适用	单细胞测序	基础模型	单细胞转录组数据	超过1.2亿个人类和小鼠单细胞转录组，预处理后获得101,768,420个单细胞转录组	不适用	不适用	不适用	不适用
488	2026-08-12	An early warning indicator trained on stochastic disease-spreading models with different noises 2024-08, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0199 PMID:39118548	研究论文	本文利用深度学习算法，在带有不同噪声的随机疾病传播模型上训练早期预警指标，用于及时检测传染病爆发，并在实际COVID-19数据和模拟数据中验证其有效性	首次将深度学习应用于噪声诱导的疾病传播模型，以生成在多种噪声（加性白噪声、乘性环境噪声和人口噪声）下均表现稳健的早期预警信号，且优于现有指标	未明确说明，但可能受限于模型训练的特定噪声类型和早期爆发数据有限性	开发可靠的早期预警指标，以在噪声干扰和早期数据有限的条件下及时检测传染病爆发	噪声诱导的疾病传播模型、真实世界COVID-19病例（加拿大埃德蒙顿）及模拟时间序列	机器学习	传染病	NA	深度学习模型	时间序列数据	未明确说明，涉及COVID-19病例和模拟数据	NA	深度学习架构（具体未指明）	早期预警性能指标（具体未指明，但包含与现有指标的比较）	NA
489	2026-08-12	DiffPROTACs is a deep learning-based generator for proteolysis targeting chimeras 2024-07-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae358 PMID:39101502	研究论文	提出了一种基于深度学习的扩散模型DiffPROTACs，用于生成蛋白降解靶向嵌合体（PROTACs）的链接子	首次将O(3)等变图Transformer模块引入PROTACs链接子生成，结合扩散模型和Transformer，通过图神经网络更新原子坐标，实现了对PROTACs结构特征的利用	未在摘要中明确提及，可能包括模型对特定数据集的依赖性和生成分子的实际生物活性验证不足	开发一种新的扩散模型，利用深度学习生成新的PROTAC链接子，提高PROTACs设计的合理性和效率	PROTACs分子及其链接子，特别是基于给定配体的链接子生成	机器学习	NA	深度学习（扩散模型、Transformer、图神经网络）	扩散模型	分子结构数据（包括ZINC、GEOM数据集和自建PROTACs数据集）	未明确提及，但使用了ZINC、GEOM数据集和自建PROTACs数据集进行训练和微调	PyTorch	Transformer, 图神经网络（GNN）, O(3)等变图Transformer	有效性（validity rate）	未在摘要中明确提及
490	2026-08-12	CAPE: a deep learning framework with Chaos-Attention net for Promoter Evolution 2024-07-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae398 PMID:39120645	研究论文	本文提出了CAPE框架，利用混沌注意力网络预测原核生物启动子强度并指导其定向进化，融合了进化信息和深度学习模型。	首次在启动子强度预测中整合混沌游戏表示和注意力机制，结合改进的DenseNet与Transformer结构，并引入迁移学习提升泛化能力。	摘要未提及明确的局限性，可能需要依赖高质量训练数据和计算资源。	开发一个深度学习框架，提高原核生物启动子强度预测的准确性，并支持启动子的计算机模拟定向进化。	原核生物启动子序列及其强度预测任务。	深度学习，合成生物学	不适用	混沌游戏表示，深度学习	DenseNet，Transformer，注意力机制	启动子序列数据	不明确（摘要未提供具体样本数量）	PyTorch（推断，未明确提及）	改进的DenseNet和Transformer	准确率（推断，具体指标未在摘要中列出）	未明确提及
491	2026-08-12	MPEK: a multitask deep learning framework based on pretrained language models for enzymatic reaction kinetic parameters prediction 2024-07-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae387 PMID:39129365	研究论文	提出一个基于预训练语言模型的多任务深度学习框架MPEK，用于同时预测酶动力学参数kcat和Km，并整合pH、温度和生物体信息。	首次将多任务学习与预训练语言模型结合用于酶动力学参数预测，同时考虑kcat和Km的内在关联，并整合多种条件信息，显著提升预测性能。	未提及具体限制，但可能包括预训练模型对突变序列变化的敏感性局限或数据集的固有偏倚。	提高酶动力学参数kcat和Km的预测准确性，助力酶工程和生物制造。	酶促反应动力学参数kcat和Km，以及相关酶和突变体。	机器学习, 蛋白质工程	NA	预训练语言模型, 深度学习	多任务深度学习模型	序列数据, 数值条件数据	未明确	NA	预训练语言模型, 多任务学习架构	皮尔逊相关系数	NA
492	2026-08-12	Attribute-guided prototype network for few-shot molecular property prediction 2024-07-25, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae394 PMID:39133096	研究论文	本文提出了一种属性引导的原型网络（APN），用于解决少样本分子性质预测问题	引入分子属性提取器，提取多种指纹属性和自监督深度属性，并设计属性引导的双通道注意力模块来增强分子表示	未在摘要中明确提及，可能缺乏大规模验证或跨领域通用性的深入讨论	提升少样本分子性质预测的性能	分子性质预测中的分子图数据	机器学习	NA	自监督学习	原型网络	分子图	基准数据集（未指定具体数量）	NA	原型网络、双通道注意力模块	状态-of-the-art性能（未指定具体指标）	NA
493	2026-08-12	BarlowTwins-CXR: enhancing chest X-ray abnormality localization in heterogeneous data with cross-domain self-supervised learning 2024-05-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02529-9 PMID:38755563	研究论文	提出BarlowTwins-CXR方法，通过跨域自监督学习提升胸部X射线异常定位性能	首次将调整后的Barlow Twins算法应用于胸部X射线跨域自监督预训练，解决域不一致问题，提高异构数据的异常定位精度	未提及具体限制，可能包括对特定数据集的依赖及泛化性验证不足	解决跨域迁移学习中的域不一致问题，提升异构胸部X射线图像分析中异常定位的自动化性能	胸部X射线图像中的异常定位	计算机视觉	胸部疾病（未特指）	自监督学习、迁移学习	ResNet50, Faster R-CNN	图像	NIH数据集112,120张图像，VinDr-CXR数据集18,000张图像	NA	ResNet50, Faster R-CNN with FPN	mAP50, AUC	NA
494	2026-08-12	Optimizing deep learning-based segmentation of densely packed cells using cell surface markers 2024-05-15, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02502-6 PMID:38750526	研究论文	本文评估了18种基于深度学习的细胞分割模型在免疫荧光图像上的性能，并通过训练和参数调优提升了细胞分割精度。	系统比较了多种预训练和自训练的深度学习模型，并通过对最成功模型进行参数调优，显著提高了密集细胞分割的性能。	最终模型性能受限于图像集的信噪比中等，导致分割结果不完美。	优化深度学习模型对密集排列细胞的自动分割，以支持空间分子 profiling。	皮肤组织中感染单纯疱疹病毒（HSV）的免疫荧光图像中的免疫细胞。	计算机视觉	病毒感染	免疫荧光成像	深度学习分割模型（如Cellpose中的cyto模型）	图像	超过10,000个训练实例，来自两个公开图像集和当前图像集	NA	Cellpose（cyto模型）等，具体未详述	平均精度（mAP）	NA
495	2026-08-12	Examining evolutionary scale modeling-derived different-dimensional embeddings in the antimicrobial peptide classification through a KNIME workflow 2024-04, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4928 PMID:38501511	研究论文	本研究利用KNIME工作流评估了ESM-2模型不同维度嵌入在抗菌肽分类中的效用，发现特定维度嵌入和特征融合能提升QSAR模型性能	首次系统比较ESM-2模型不同维度嵌入在抗菌肽分类中的表现，并开发了保证公平分析的KNIME工作流	未提及明确的局限性，但可能受限于仅使用特定数据集和模型配置	评估ESM-2模型衍生嵌入在抗菌肽分类中的有用性，并比较非深度学习与深度学习QSAR模型的性能	抗菌肽	机器学习	抗菌肽相关疾病（如感染性疾病）	ESM-2模型嵌入提取、特征融合、QSAR建模	ESM-2、QSAR模型（非深度学习）、深度学习模型（用于比较）	蛋白质序列数据（抗菌肽）	未明确指定，但涉及抗菌肽数据集	KNIME	ESM-2 (30层和33层)	统计性能指标（具体未详述，可能包括准确率、F1分数等）	未提及具体GPU或云平台，但KNIME工作流可自由获取
496	2026-08-12	Alzheimer's Disease Prediction Using Fly-Optimized Densely Connected Convolution Neural Networks Based on MRI Images 2024, The journal of prevention of Alzheimer's disease DOI:10.14283/jpad.2024.66 PMID:39044523	研究论文	本研究利用基于蝇优化的密集连接卷积神经网络（DenseNet）对MRI图像进行阿尔茨海默病的预测，通过图像预处理、分割和特征提取，提高了诊断的准确性。	采用元启发式算法（蝇优化）调优的密集连接卷积神经网络进行阿尔茨海默病检测，改进了图像处理流程，包括自适应直方图均衡和加权中值滤波，以及基于相关信息的特征选择，在性能上优于现有技术。	研究主要依赖于Kaggle数据集，可能限制泛化性；未提及具体计算资源或更广泛验证。	开发一种自动化的阿尔茨海默病检测方法，利用深度学习从MRI图像中准确识别受影响的脑区，以促进早期诊断和治疗。	MRI图像中阿尔茨海默病影响的脑区。	计算机视觉	阿尔茨海默病	MRI成像	卷积神经网络（CNN）	图像（MRI）	基于Kaggle数据集，具体样本数量未提及。	未提及	密集连接卷积神经网络（DenseNet）	敏感性、特异性、准确性、错误率、F-measure	未提及
497	2026-08-12	A Reinforcement Learning (RL)-Motivated Simulation Framework for Evaluating Vancomycin Dosing Strategies 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726479	研究论文	开发了一个基于强化学习的模拟框架，用于评估万古霉素给药策略，以提高治疗药物监测的精准性	首次将强化学习与深度学习的药代动力学模型结合，并引入AUC奖励分数来转化临床指南为强化学习奖励信号	未提及具体局限性	利用强化学习框架评估和优化万古霉素给药策略，以达到目标治疗范围	万古霉素的给药策略和患者个体化的时间-浓度曲线	机器学习、药代动力学模拟	感染性疾病（未特指）	强化学习、深度学习药代动力学建模	递归神经网络（RNN）	患者特异性药代动力学数据（模拟生成）	未提及具体样本量	未提及	PK-RNN-2CM（两室药代动力学递归神经网络）	AUC奖励分数、24小时AUC评估、均方根误差（RMSE）	未提及
498	2026-08-11	Improved deep learning prediction of antigen-antibody interactions 2024-10-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2410529121 PMID:39361651	研究论文	本文评估了深度学习在预测抗原-抗体相互作用中的性能，通过两个基准测试预测SARS-CoV-2刺突蛋白受体结合域的特异性抗体	采用了三种不同的输入序列比对策略来预测抗原-抗体复合物结构，并发现利用已知抗原结合序列的策略在预测精度上优于其他方法	召回率较低（仅25%），且测试集有限，预测准确性仍有提升空间	提高抗原-抗体相互作用的预测准确性，并探索与单B细胞测序结合的潜力	SARS-CoV-2刺突蛋白受体结合域及其特异性抗体	自然语言处理	新冠	NA	深度学习模型	序列数据	初始测试集包含已知实验结构，后续测试集约1000个抗体	NA	NA	精确度、召回率、成功率	NA
499	2026-08-11	Overcoming CRISPR-Cas9 off-target prediction hurdles: A novel approach with ESB rebalancing strategy and CRISPR-MCA model 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012340 PMID:39226304	研究论文	本研究提出了一种结合ESB类重平衡策略和CRISPR-MCA混合模型的新方法，用于克服CRISPR-Cas9脱靶预测中的挑战	首次提出专门针对仅含错配脱靶实例数据集的ESB类重平衡策略，并开发了基于多特征提取的CRISPR-MCA混合模型	研究主要针对错配仅脱靶数据集，对包含插入缺失的数据集适用性可能需要进一步验证	提高CRISPR-Cas9系统脱靶效应的预测准确性，解决数据集不平衡和模型复杂性挑战	CRISPR-Cas9系统中的脱靶效应	机器学习	NA	深度学习	混合神经网络模型	序列数据	四个不同的错配仅数据集和包含错配及插入缺失的数据集	NA	CRISPR-MCA	预测准确性	NA
500	2026-08-11	aiSEGcell: User-friendly deep learning-based segmentation of nuclei in transmitted light images 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012361 PMID:39178193	研究论文	本文介绍了aiSEGcell，一个用户友好的基于深度学习的软件，用于明场图像中细胞核和细胞的自动分割。	提供用户友好的CNN软件，无需荧光标记即可分割细胞核，且只需少量图像（32张）即可重新训练以适应新用例，并提供包含110万个细胞核和2万张图像的精选数据集。	未明确提及局限性，但可能包括对2D培养细胞图像的针对性，可能不适用于3D或组织结构。	开发并验证一个易用的深度学习工具，用于明场图像中细胞核的精确分割，减少对荧光标记和计算专家的依赖。	多种原代细胞类型的2D培养细胞，来自不同成像模态的明场图像。	计算机视觉，数字病理学	不适用	明场显微镜	卷积神经网络（CNN）	图像	20,000张图像，包含1.1百万个细胞核	不适用	不适用（可能是U-Net类，但未具体说明）	与手动分割结果的相似度（未具体列出指标）	不适用