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
41	2026-03-28	Investigating the role of auditory cues in modulating motor timing: insights from EEG and deep learning 2024-10-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae427 PMID:39475113	研究论文	本研究探讨听觉线索在调节运动计时中的作用，通过EEG和深度学习分析手指敲击任务中的神经机制	应用深度学习方法对单次试验EEG数据进行分类，以预测行为计时条件，并揭示听觉输入在运动计时中的关键作用	当从EEG数据中移除听觉成分时，阶段间的区分变得不确定，突显了在缺乏听觉刺激时隔离运动激活的挑战	研究基于动作的计时的神经机制，特别是在涉及同步和异步模式的手指敲击任务中	12名健康参与者	机器学习	NA	脑电图	深度学习	脑电图数据	12名健康参与者	NA	NA	分类准确率	NA
42	2026-03-28	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery using multi-omics data 2024-Sep-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.10.612292 PMID:39314346	研究论文	介绍G2PDeep-v2，一个基于深度学习的网络平台，用于从多组学数据中预测表型和发现生物标志物	提供了一个交互式界面，允许用户创建深度学习模型，并利用高性能计算资源自动进行超参数调优，支持跨多种生物体的多组学数据分析	未提及具体性能限制或数据规模限制	开发一个网络平台，用于表型预测和生物标志物发现，以揭示复杂疾病和其他生物过程的分子机制	人类、植物、动物和病毒的多组学数据	机器学习	NA	多组学数据分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
43	2026-03-28	Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma 2024-05-12, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2024.0169 PMID:38916736	研究论文	本研究开发了一种基于增强CT图像的深度学习模型，用于预测肺鳞癌患者对新辅助化疗免疫治疗的病理缓解反应	首次将深度学习模型应用于预测肺鳞癌患者对新辅助化疗免疫治疗的主要病理缓解，并探索了其与基因突变、免疫微环境和瘤内微生物的关联机制	样本量相对有限（309例），且为回顾性研究，需要前瞻性验证	开发预测模型以识别对新辅助化疗免疫治疗有响应的肺鳞癌患者，并阐明其生物学机制	肺鳞癌患者	数字病理学	肺癌	增强计算机断层扫描	CNN	图像	309例肺鳞癌患者	NA	ResNet50	AUC	NA
44	2026-03-28	Cardiovascular Significance and Genetics of Epicardial and Pericardial Adiposity 2024-May-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0080 PMID:38477908	研究论文	本研究利用深度学习模型量化心外膜和心包脂肪组织面积，评估其与心血管疾病的关联，并进行了全基因组关联分析	首次在大规模人群队列中结合深度学习语义分割技术量化EPAT，并系统评估其与多种心血管疾病的横断面及前瞻性关联，同时进行了全基因组关联研究以阐明其遗传基础	研究结果可能受到残余混杂因素的影响，且EPAT与心血管疾病的关联在控制腹部内脏脂肪组织体积后不再显著，表明关联可能主要反映代谢不健康的脂肪表型	评估心外膜和心包脂肪组织与心血管疾病的关联，并阐明其遗传基础	来自UK Biobank的44,475名参与者（平均年龄64.1岁，51.7%为女性）以及独立FinnGen队列的453,733名参与者	数字病理学	心血管疾病	磁共振成像，全基因组关联研究	深度学习模型	图像（四腔磁共振图像）	UK Biobank: 44,475名参与者；FinnGen: 453,733名参与者	NA	语义分割模型	β系数，Pearson相关系数，风险比，比值比，95%置信区间，P值	NA
45	2026-03-28	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	本研究通过多国外部验证，评估了基于自主人工智能的早产儿视网膜病变筛查系统在检测中重度及以上ROP和1型ROP方面的性能	首次在多个国家（美国和印度）的大规模外部数据集上，对自主AI ROP筛查算法进行了全面验证，证明了其在真实世界远程医疗环境中的有效性和泛化能力	研究为回顾性分析，可能存在选择偏倚；算法性能在不同人群和医疗环境中的长期稳定性仍需前瞻性研究验证	评估自主人工智能系统在早产儿视网膜病变远程筛查中的诊断性能，以解决医疗资源不足地区的筛查可及性问题	来自美国和印度新生儿重症监护室的早产儿视网膜图像	数字病理学	早产儿视网膜病变	远程医疗眼底成像	深度学习	视网膜图像	总计11,880次检查（来自4,244名婴儿）：i-ROP研究2,530次检查（843名婴儿），SUNDROP数据集6,245次检查（1,545名婴儿），AECS数据集5,635次检查（2,699名婴儿）	NA	NA	AUROC, 灵敏度, 特异性	NA
46	2026-03-25	Multiclass arrhythmia classification using multimodal smartwatch photoplethysmography signals collected in real-life settings 2024-Dec-13, Research square DOI:10.21203/rs.3.rs-5463126/v1 PMID:39711547	研究论文	本研究提出了一种使用多模态智能手表光电容积脉搏波信号在真实生活环境中进行多类心律失常分类的方法	使用真实生活环境中收集的多模态数据（包括PPG、加速度计和心率数据），并采用计算高效的1D双向门控循环单元模型，在独立数据集上实现了对PAC/PVC的高灵敏度检测，同时保持了AF检测的高准确率	研究依赖于特定临床试验收集的数据集，样本量相对有限（106名受试者），且模型在更广泛人群和设备上的泛化能力仍需进一步验证	开发一种能够在真实生活环境中准确检测多种心律失常（特别是房颤和房性/室性早搏）的智能手表监测系统	智能手表收集的光电容积脉搏波信号及其相关多模态数据	机器学习	心血管疾病	光电容积脉搏波	深度学习	时间序列数据	106名受试者，收集为期两周的智能手表PPG数据	NA	1D双向门控循环单元	灵敏度, 准确率, 宏平均受试者工作特征曲线下面积	NA
47	2026-03-25	Modernizing histopathological analysis: a fully automated workflow for the digital image analysis of the intestinal microcolony survival assay 2024-Dec-12, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.09.627578 PMID:39713436	研究论文	本文开发了一个全自动工作流程，用于数字图像分析肠道微菌落存活实验，以量化辐射引起的胃肠道损伤	实现了微菌落存活实验中空肠隐窝计数的全自动化，消除了主观观察者间变异和人为错误	未明确说明自动化工作流程在不同实验室或设备间的泛化能力	自动化组织病理学分析，提高微菌落存活实验的效率和准确性	小鼠空肠组织切片图像	数字病理学	辐射损伤	组织病理学成像	深度学习语义图像分割	图像	60只小鼠的540张图像	NA	NA	平均绝对百分比偏差	NA
48	2026-03-25	EM-COGLOAD: An investigation into age and cognitive load detection using eye tracking and deep learning 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.03.014 PMID:38638116	研究论文	本文介绍了一个公开可用的眼动数据集EM-COGLOAD，并利用深度学习技术对健康成年人在不同认知负荷下的眼动轨迹进行分类，以探索年龄和认知负荷检测的可行性	提出了一个新的公开眼动数据集EM-COGLOAD，并首次将卷积神经网络应用于眼动时间序列分类，以区分不同认知负荷和年龄组	研究仅涉及75名健康成年人，未包括阿尔茨海默病患者，且样本量相对较小	探索眼动行为作为非侵入性生物标志物，用于检测认知负荷和年龄相关变化，以辅助阿尔茨海默病的早期诊断	75名健康成年人的眼动数据	机器学习	阿尔茨海默病	眼动追踪	CNN	时间序列	75名健康成年人	NA	卷积神经网络	准确率	NA
49	2026-03-25	DeepGenomeScan of 15 Worldwide Bovine Populations Detects Spatially Varying Positive Selection Signals 2024-10, Omics : a journal of integrative biology IF:2.2Q3 DOI:10.1089/omi.2024.0154 PMID:39315920	研究论文	本研究利用深度学习框架DeepGenomeScan，在全球15个牛种群中检测空间变化的阳性选择信号	首次在牛基因组选择信号研究中应用深度学习，发现了传统方法未能检测到的38个新选择基因	未明确说明样本的具体地理分布或种群规模细节	识别牛基因组中受空间变化选择影响的区域，以理解物种进化与适应的遗传机制	全球15个牛种群的基因组数据	机器学习	NA	基因组扫描	深度学习	基因组数据	15个牛种群	DeepGenomeScan	NA	NA	NA
50	2026-03-25	Automatic grading of intervertebral disc degeneration in lumbar dog spines 2024-Jun, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.1326 PMID:38633660	研究论文	本文开发并测试了一种深度学习工具，用于自动评估犬类腰椎间盘退变程度	首次将针对人类脊柱设计的Pfirrmann分类方案应用于犬类，并开发了自动评分工具，扩展了深度学习在兽医影像分析中的应用	工具性能略低于人类模型，且对于罕见的5级退变敏感度较低，修改后的分级方案未显示显著优势	开发自动评估犬类腰椎间盘退变程度的工具，以支持临床管理和再生疗法研究	犬类腰椎间盘	数字病理学	椎间盘退变	T2加权MRI扫描	深度学习模型	图像	5991个腰椎间盘	NA	NA	敏感度, 特异度	NA
51	2026-03-25	An optimised YOLOv4 deep learning model for efficient malarial cell detection in thin blood smear images 2024-Apr-16, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-024-06215-7 PMID:38627870	研究论文	本研究提出了一种优化的YOLOv4深度学习模型，用于高效检测薄血涂片图像中的疟疾细胞	通过直接层剪枝和骨干网络替换（将CSP-DarkNet53替换为较浅的ResNet50）来优化YOLOv4模型，提高了检测精度并减少了模型大小和计算复杂度	未明确说明模型在更大或更多样化数据集上的泛化能力，也未详细讨论实际部署中的计算资源需求	开发一种更轻量、更快且精度更高的自动化诊断工具，用于疟疾的早期和准确检测	薄血涂片图像中的感染红细胞	计算机视觉	疟疾	深度学习对象检测	YOLOv4	图像	NA	NA	YOLOv4, CSP-DarkNet53, ResNet50	平均精度均值（mAP）, 十亿浮点运算（B-FLOPS）, 模型大小	NA
52	2026-03-25	Predicting drug response through tumor deconvolution by cancer cell lines 2024-Apr-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100949 PMID:38645769	研究论文	本研究开发了一种深度学习模型Scaden-CA，用于将肿瘤数据反卷积为癌症类型特异性细胞系的比例，并基于此预测药物反应	通过结合癌症细胞系药物敏感性数据和肿瘤反卷积技术，开发了Scaden-CA模型，以桥接细胞系与患者药物反应数据之间的差距	仅使用了有限的患者药物反应数据，且模型性能验证主要依赖于CCLE和TCGA数据集，可能未覆盖所有癌症类型或临床场景	预测药物反应并探索药物重利用的潜在机制	癌症细胞系（如CCLE数据）和肿瘤样本（如TCGA数据）	机器学习	癌症	RNA测序（bulk RNA数据）	深度学习模型	RNA数据	大规模癌症细胞系和肿瘤样本（具体数量未在摘要中指定）	NA	Scaden-CA	一致性相关系数（concordance correlation coefficients），正确反卷积率（correctly deconvoluted rate）	NA
53	2026-03-25	Enhancing molecular design efficiency: Uniting language models and generative networks with genetic algorithms 2024-Apr-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100947 PMID:38645768	研究论文	本研究探讨了生成模型在药物发现、材料科学和聚合物科学中的应用，提出了一种结合语言模型和生成对抗网络的混合架构以提高分子设计效率	提出了一种结合掩码语言模型和生成对抗网络的混合架构，以克服传统生成模型中的模式崩溃问题，并在小规模群体中展现出优于单独语言模型的性能	未明确提及具体实验数据或样本量的局限性	提高分子设计效率，优化生成模型在药物发现和材料科学中的应用	分子设计、药物发现、材料科学和聚合物科学中的生成模型	自然语言处理, 机器学习	NA	生成对抗网络, 掩码语言模型	GAN, LM	合成数据, 分子数据	NA	NA	混合LM-GAN架构	NA	NA
54	2026-03-25	Quantitative Assessment of Fundus Tessellated Density in Highly Myopic Glaucoma Using Deep Learning 2024-04-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.4.17 PMID:38591943	研究论文	本研究利用深度学习定量评估高度近视性青光眼与高度近视患者的眼底豹纹状密度，以发现早期诊断标志物	首次使用深度学习量化眼底豹纹状密度，并发现其在高度近视性青光眼与高度近视患者中存在程度和分布的差异，特别是黄斑区鼻侧/颞侧比值可作为鉴别指标	研究为回顾性横断面设计，样本量相对较小（共206只眼），且仅来自单一中心，可能限制结果的普适性	表征高度近视性青光眼与高度近视患者的眼底豹纹状密度，探索早期诊断标志物	高度近视和高度近视性青光眼患者的眼底图像	计算机视觉	青光眼	眼底摄影	深度学习	图像	206只眼（高度近视133只，高度近视性青光眼73只）	NA	NA	曲线下面积	NA
55	2026-03-25	Deep learning to predict rapid progression of Alzheimer's disease from pooled clinical trials: A retrospective study 2024-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000479 PMID:38598464	研究论文	本研究利用深度学习模型，基于临床试验数据预测阿尔茨海默病患者的快速进展风险	首次将注意力机制与循环神经网络结合，利用纵向临床数据预测阿尔茨海默病的快速进展，并识别关键预测因子	研究数据来源于特定制药公司的临床试验，可能缺乏人群多样性；模型性能在外部验证中有所下降	预测阿尔茨海默病患者的快速进展，以优化临床试验设计和治疗效果评估	轻度至中度阿尔茨海默病患者	机器学习	阿尔茨海默病	纵向临床观察数据	RNN	临床数据	1603名患者	NA	带有注意力机制的循环神经网络	AUROC, AUPRC	NA
56	2026-03-25	Integrating Phenotypic Information of Obstructive Sleep Apnea and Deep Representation of Sleep-Event Sequences for Cardiovascular Risk Prediction 2024-Mar-15, Research square DOI:10.21203/rs.3.rs-4084889/v1 PMID:38559110	研究论文	本研究探索了结合阻塞性睡眠呼吸暂停（OSA）表型信息和夜间生理信息，利用机器学习和深度学习模型进行心血管风险预测的有效策略	提出了结合OSA表型信息和睡眠事件序列深度表示的方法，并采用表型对比训练策略优化深度学习模型性能	研究基于MESA数据集，样本量有限（1,874名参与者），且仅针对无心血管疾病史的人群，可能无法推广到更广泛群体	探索整合OSA表型信息和夜间生理信息，用于普通人群心血管风险预测的有效策略	来自MESA数据集的1,874名无心血管疾病史的参与者	机器学习	心血管疾病	多导睡眠图（PSG）特征分析，K-均值聚类	机器学习模型，深度学习模型	静态PSG特征，夜间睡眠事件特征序列	1,874名参与者	NA	NA	ROC曲线下面积（AUC）	NA
57	2026-03-25	CHD-CXR: a de-identified publicly available dataset of chest x-ray for congenital heart disease 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1351965 PMID:38650917	研究论文	本文发布了一个用于先天性心脏病检测的公开去标识化胸部X射线数据集，并进行了初步模型验证	首次公开了一个针对儿童先天性心脏病、包含DICOM格式胸部X射线和心脏超声报告的高质量数据集，强调复杂结构特征，促进深度学习从机器学习向机器教学的转变	数据集样本量相对较小（828例），且仅针对儿童先天性心脏病，可能限制模型的泛化能力	通过构建公开医学影像数据集推动先天性心脏病的早期检测，特别是在医疗资源匮乏地区	儿童先天性心脏病患者的胸部X射线影像	计算机视觉	先天性心脏病	胸部X射线成像，心脏超声	深度学习模型	医学影像（DICOM格式胸部X射线）	828例儿童先天性心脏病患者的DICOM胸部X射线文件	NA	NA	ROC曲线下面积（AUC）	NA
58	2026-03-24	AI-driven innovations in Alzheimer's disease: Integrating early diagnosis, personalized treatment, and prognostic modelling 2024-11, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2024.102497 PMID:39293530	综述	本文综述了人工智能在阿尔茨海默病早期诊断、个性化治疗和预后建模中的创新应用	整合多模态数据（临床、遗传、影像）并利用深度学习技术揭示疾病机制，推动AI在AD管理中的全面应用	存在伦理考量、数据隐私问题以及AI工具与临床工作流无缝整合的需求等挑战	探索人工智能在阿尔茨海默病诊断、治疗和预后建模中的潜在应用，以改善痴呆症护理	阿尔茨海默病患者及其相关的神经影像、遗传、蛋白组学、认知行为数据	机器学习	阿尔茨海默病	神经影像技术（MRI、PET、CT）、遗传和蛋白组学生物标志物检测、认知行为评估	机器学习模型、深度学习技术	图像、遗传数据、蛋白组学数据、临床数据、语音和语言模式数据	NA	NA	NA	NA	NA
59	2026-03-24	Cycle-consistent Learning for Fetal Cortical Surface Reconstruction 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72104-5_21 PMID:41868474	研究论文	本文提出了一种基于深度学习的多任务先验知识监督的胎儿皮层表面重建方法，采用循环一致策略提升表示能力	引入循环一致策略，利用先验知识和多个静态速度场学习从模板表面网格到内外表面的微分同胚变形，通过内外表面相互引导迭代优化，特别针对模糊和挑战性皮层区域提高准确性	NA	开发一种专门针对胎儿皮层表面重建的方法，以应对胎儿脑部MRI图像中的独特挑战，如低组织对比度、低分辨率和运动伪影	胎儿脑部MRI图像	计算机视觉	NA	MRI	深度学习	图像	83名受试者的胎儿MRI数据集	NA	NA	几何误差, 自相交面百分比	NA
60	2026-03-24	Disentangled Hybrid Transformer for Identification of Infants with Prenatal Drug Exposure 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72390-2_7 PMID:41869677	研究论文	本文提出了一种名为解耦混合体积-表面Transformer的深度学习模型，用于识别有产前药物暴露的婴儿	提出了一种结合3D体积网络和表面网络的双分支模型，并引入解耦策略分离互补变量和共同变量，以去除冗余信息并提升表达能力	NA	早期识别有产前药物暴露的婴儿及其相关生物标志物，以支持更早、更有效和个性化的干预	婴儿	计算机视觉	NA	MRI扫描	Transformer	图像	210个婴儿MRI扫描	NA	Transformer	NA	NA