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
681	2026-07-23	A structural-based virtual screening and in vitro validation reveals novel effective inhibitors for SARS-CoV-2 helicase and endoribonuclease 2024-10, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2250479 PMID:37615430	研究论文	通过分层结构虚拟筛选和体外验证，发现针对SARS-CoV-2的解旋酶和核糖核酸内切酶的新型有效抑制剂	首次结合深度学习和分子对接技术进行大规模虚拟筛选，发现两种具有高结合亲和力的新型化合物（90616和CNP0111740）对SARS-CoV-2的非结构蛋白NSP15和解旋酶具有抑制作用	需要进一步的体内验证和临床研究来确认其有效性和安全性	发现能够抑制SARS-CoV-2生命周期中关键非结构蛋白（解旋酶和核糖核酸内切酶）的新型化合物	SARS-CoV-2的解旋酶（helicase）和核糖核酸内切酶（NSP15）	机器学习	新型冠状病毒肺炎（COVID-19）	虚拟筛选	CNN	文本	756,275个化合物来自四个数据库	NA	NA	结合亲和力，CC50，IC50，选择性指数	NA
682	2026-07-23	Patient-Specific Myocardial Infarction Risk Thresholds From AI-Enabled Coronary Plaque Analysis 2024-Oct, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.016958 PMID:39405390	研究论文	利用深度学习从冠状动脉CT血管造影中量化斑块，提出基于患者年龄和性别的特异性心肌梗死风险阈值	首次建立基于深度学习的冠状动脉斑块体积的年龄和性别特异性分布，并评估其对心肌梗死风险的预测价值	未在文中明确提及局限性	评估深度学习量化的冠状动脉斑块体积的年龄和性别特异性分布对心肌梗死风险的预测能力	冠状动脉斑块体积与心肌梗死风险的关联	深度学习	心血管疾病	冠状动脉CT血管造影	深度学习模型	图像	2803名患者	NA	NA	风险比，置信区间，P值	NA
683	2026-07-23	Predictive ability of hypotension prediction index and machine learning methods in intraoperative hypotension: a systematic review and meta-analysis 2024-08-05, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05481-4 PMID:39103852	综述	系统评价和荟萃分析探讨人工智能预测术中低血压的能力，特别是低血压预测指数和机器学习方法	首次通过两组荟萃分析分别评估HPI和非HPI模型的预测性能，提供AI在术中低血压预测中的综合证据	非HPI模型对减少低血压相关指标的能力尚不明确；研究数量有限可能影响结果普遍性	评估AI模型（特别是HPI和机器学习方法）在预测术中低血压中的表现及其对降低低血压持续时间的影响	术中低血压患者	机器学习	术中低血压	NA	低血压预测指数（HPI）和多种AI模型（包括深度学习方法）	临床数据（血压、MAP等指标）	43项研究纳入综述	NA	NA	累积低血压持续时间、时间加权平均MAP<65、曲线下面积（AUT-MAP）、受试者工作特征曲线下面积（AUROC）	NA
684	2026-07-23	Single-cell hdWGCNA reveals metastatic protective macrophages and development of deep learning model in uveal melanoma 2024-07-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05421-2 PMID:39075441	研究论文	通过单细胞RNA测序和高维加权基因共表达网络分析，鉴定葡萄膜黑色素瘤中转移保护性巨噬细胞，并构建深度学习模型区分原发和转移患者	首次识别出转移保护性巨噬细胞亚群及其相关基因模块，并基于此开发了深度学习CNN模型和预后模型	NA	探索葡萄膜黑色素瘤转移机制并构建预测模型以改善患者预后	葡萄膜黑色素瘤原发和转移样本中的巨噬细胞亚群及相关基因	数字病理学	葡萄膜黑色素瘤	scRNA-seq, HdWGCNA, NMF聚类分析	CNN, 机器学习模型	单细胞转录组数据	NA	NA	卷积神经网络	NA	NA
685	2024-08-07	Correction: Evaluation of deep learning-based reconstruction late gadolinium enhancement images for identifying patients with clinically unrecognized myocardial infarction 2024-Jul-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01375-5 PMID:39048934	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
686	2026-07-23	Spatial and geometric learning for classification of breast tumors from multi-center ultrasound images: a hybrid learning approach 2024-06-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01307-3 PMID:38840240	研究论文	提出一种混合学习方法，结合卷积神经网络和图神经网络，从多中心超声图像中提取空间和几何特征，用于乳腺肿瘤分类	首次将联邦学习与混合CNN-GNN架构结合，实现多中心超声数据的空间和几何特征联合学习，并自动生成无监督图结构，降低标注成本	在OASBUD数据集上平衡准确率仅61.4%，说明模型对小规模或差异化数据集的泛化能力有限	开发一种混合学习方法，通过从局部和多中心超声数据中提取更多潜在特征，提高乳腺肿瘤良恶性分类性能	乳腺超声图像中的肿瘤区域	计算机视觉, 机器学习	乳腺癌	超声成像	卷积神经网络(CNN), 图神经网络(GNN)	图像, 图数据	三个多中心数据集：BUSI, BUS, OASBUD	PyTorch, 联邦学习框架	CNN, GNN	AUCROC, 平衡准确率	NA
687	2026-07-23	Evaluation of deep learning-based reconstruction late gadolinium enhancement images for identifying patients with clinically unrecognized myocardial infarction 2024-05-31, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01308-2 PMID:38822240	研究论文	评估基于深度学习重建的晚期钆增强图像在识别临床未识别心肌梗死患者中的应用	首次比较了深度学习重建与传统方法在识别未识别心肌梗死中的检测率，并优化了定量参数以提高诊断效能	未明确提及，但可能包括样本量较小（98例）和单中心研究设计	提高对疑似未识别心肌梗死患者的诊断和管理水平	98例疑似未识别心肌梗死患者（68名男性，平均年龄55.8岁）	机器学习	心血管疾病	晚期钆增强磁共振成像	深度学习重建	图像	98例患者	NA	NA	信噪比, 对比度噪声比, 增强区域百分比, 受试者工作特征曲线, 诊断效能	商用内联深度学习重建算法
688	2026-07-23	Fog-based deep learning framework for real-time pandemic screening in smart cities from multi-site tomographies 2024-05-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01302-8 PMID:38797827	研究论文	提出一种基于雾计算的多解码器分割网络框架，用于在智慧城市中通过多站点CT扫描实现大流行疾病的实时筛查	首次提出结合多站点数据融合与雾计算技术的大流行疾病诊断框架，并设计了多解码器分割网络以处理异构域CT图像的感染区域分割	未提及对隐私保护的详细分析，且验证仅基于三个公开数据集，实际多源临床数据的复杂性和差异性可能带来挑战	提升大流行疾病诊断的准确性，并解决集中式云系统的可扩展性和延迟问题	COVID-19肺部感染区域分割任务，基于跨域CT扫描数据	计算机视觉	COVID-19感染	CT扫描	多解码器分割网络	图像	三个公开数据集，具体样本量未说明	NA	多解码器分割网络	平均Dice系数（89.9%），平均表面Dice系数（86.87%）	雾计算边缘节点（PANDFOG系统）
689	2026-07-23	VER-Net: a hybrid transfer learning model for lung cancer detection using CT scan images 2024-05-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01238-z PMID:38789925	研究论文	提出一种名为VER-Net的混合迁移学习模型，用于基于CT扫描图像的肺癌检测	通过堆叠三种不同的迁移学习模型构建新型混合模型，在肺癌CT图像分类任务上优于八种现有迁移学习模型	NA	开发基于CT扫描图像的肺癌检测高性能迁移学习模型	肺部CT扫描图像	计算机视觉	肺癌	CT扫描	混合迁移学习模型	图像	NA	NA	VER-Net	准确率、精确率、召回率、F1分数	NA
690	2026-07-23	A deep learning-based radiomics model for predicting lymph node status from lung adenocarcinoma 2024-05-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01300-w PMID:38789936	研究论文	基于深度学习的影像组学模型，利用增强CT预测肺腺癌淋巴结状态	结合传统和深度学习方法提取2218个特征，通过特征选择后使用XGBoost构建非侵入性分类模型，实现高精度预测	仅使用回顾性数据，未提及模型在不同人群或设备上的泛化验证，可能受样本量限制	开发一种非侵入性方法，准确预测肺腺癌患者的淋巴结转移状态，辅助临床诊断	肺腺癌患者的淋巴结转移状态	计算机视觉	肺腺癌	放射组学，增强CT	XGBoost	图像（增强CT影像）	503例患者（287例淋巴结转移阳性，216例阴性）	NA	XGBoost	准确性，AUC，特异性，精确度，召回率，F1分数	NA
691	2026-07-23	Real-time sports injury monitoring system based on the deep learning algorithm 2024-05-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01304-6 PMID:38789963	研究论文	基于深度学习算法开发实时运动损伤监测系统，以SVM模型为例，通过视频检测、人体关节追踪和多项式拟合分析实现损伤监测	结合多项式拟合与奇异值分解降维技术，提升处理效率和模型训练速度，并与随机森林、朴素贝叶斯等主流模型对比验证SVM优势	训练数据平均值作为参考点可能受异常值影响，未考虑复杂运动场景下多目标遮挡问题	解决传统运动损伤监测实时性差、准确率低的问题	运动损伤监测系统中的SVM模型及视频运动数据	计算机视觉	运动损伤	视频检测	SVM	视频	未提及具体样本数量	Scikit-learn	支持向量机	准确率、敏感性、特异性	未提及
692	2026-07-23	Refining neural network algorithms for accurate brain tumor classification in MRI imagery 2024-05-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01285-6 PMID:38773391	研究论文	提出一种基于卷积神经网络的深度学习模型，对MRI影像中的脑肿瘤进行分类，提高诊断准确率	采用序贯CNN架构结合多个卷积层、最大池化层和Dropout层，并利用Grad-CAM可视化增强模型可解释性	仅在特定测试集上评估，泛化能力有待进一步验证	提高MRI影像中脑肿瘤诊断的准确率和可靠性	脑肿瘤MRI影像	计算机视觉	脑肿瘤	MRI成像	CNN	图像	未明确说明	NA	CNN (sequential CNN architecture with convolutional, max-pooling, dropout, and dense layers)	准确率, 精确率, 召回率, F1分数, ROC-AUC	NA
693	2026-07-23	Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314707 PMID:39693322	研究论文	分析视网膜OCT扫描中标注质量与病理特征的一致性的研究	使用自定义标注软件系统性地评估OCT影像中多种病理特征的标注者间信度	部分病理特征（如视网膜下液和高反射点）标注一致性较低	评估视网膜OCT扫描的标注质量与常见影像特征在两名标注者间的一致性	视网膜OCT扫描图像的质量和病理特征（包括视网膜下液、视网膜内液、玻璃膜疣、色素上皮脱离等）	数字病理学	视网膜疾病	OCT	NA	图像	500次OCT扫描，来自CIRRUS HD-OCT 5000设备，每位患者眼睛16个随机扫描	NA	NA	原始百分比一致性, Cohen's kappa系数	NA
694	2026-07-22	Clinical impact of deep learning-derived intravascular ultrasound characteristics in patients with deferred coronary artery 2024-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132543 PMID:39265789	研究论文	利用深度学习模型从血管内超声图像中提取特征，预测非罪犯冠状动脉病变患者的长期预后	首次利用深度学习从IVUS图像中自动提取几何参数和斑块负荷指数，并验证其对心脏死亡和靶血管血运重建的预测价值	NA	识别预测非罪犯冠状动脉病变不良预后的形态学标准并验证其临床影响	1115例非罪犯冠状动脉病变患者的血管内超声图像	计算机视觉	冠状动脉疾病	血管内超声	深度学习模型	图像	1115例患者的非罪犯血管IVUS图像	NA	NA	心脏死亡免于发生率、靶血管血运重建率、风险比	NA
695	2026-07-22	Automated echocardiographic diastolic function grading: A hybrid multi-task deep learning and machine learning approach 2024-12-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132504 PMID:39218252	研究论文	开发了一种混合多任务深度学习与机器学习算法，用于自动评估超声心动图舒张功能分级	提出轻量级混合算法MMnet，结合多模态输入和多任务输出，利用ASE舒张功能决策树和总概率理论提供分级概率，实现了全自动的舒张功能分级	未明确提及，但基于抽象可能包括对数据集大小和外部验证范围的依赖	开发一种完全自动化的超声心动图舒张功能评估方法，简化遵循ASE指南的繁琐流程	左心室舒张功能（LVDF）评估，包括LVEF、LAESV、多普勒参数（E、A、e'、TRmax）	计算机视觉，机器学习	心血管疾病	超声心动图	CNN（卷积神经网络）与机器学习混合	视频（2D超声心动图视频）和图像（多普勒图像）	内部数据集862和239个超声心动图，外部数据集包括EchoNet-Dynamic和CAMUS	NA	MMnet（多任务多模态网络）	Dice系数（0.922-0.932）、分类准确率（0.9977-1.0）、平均绝对误差（MAE，LVEF 3.7%-5.6%，LAESV 5.8 ml）、舒张功能分级准确率（硬标准0.88，软标准0.98）	NA
696	2026-07-22	A 25-Year Retrospective of the Use of AI for Diagnosing Acute Stroke: Systematic Review 2024-09-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/59711 PMID:39255472	综述	本文系统回顾了过去25年间人工智能在急性卒中诊断中的应用，总结了性能指标和算法发展趋势	首次对1999年至2024年间AI辅助卒中诊断的50篇代表性文献进行了系统回顾，分析了从传统方法到机器学习再到深度学习的演变过程	未明确说明	总结AI技术在卒中诊断中的应用进展，提供临床实践参考	学术文献	机器学习	脑卒中	NA	传统机器学习、深度学习	NA	NA	NA	NA	NA	NA
697	2026-07-22	An artificial intelligence-enabled electrocardiogram algorithm for the prediction of left atrial low-voltage areas in persistent atrial fibrillation 2024-09, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.16373 PMID:39054663	研究论文	构建一种基于人工智能的心电图算法，用于预测持续性心房颤动患者左心房低电压区的存在	首次利用深度学习算法仅从心电图数据预测左心房低电压区，且性能优于传统临床评分系统	NA	开发和验证一个能准确预测持续性心房颤动患者左心房低电压区存在的人工智能心电图算法	587名持续性心房颤动患者及其942张术前12导联心电图扫描图像	机器学习	持续性心房颤动	心电图	深度学习、随机森林	图像	587名患者，942张心电图图像	NA	深度学习模型、随机森林分类模型	AUROC、敏感度、特异度、校准曲线、决策曲线分析	NA
698	2026-07-22	RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction 2024-09-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168552 PMID:38552946	研究论文	介绍了一个名为RNA3DB的结构化RNA数据集，用于深度学习模型的训练和基准测试	通过将RNA 3D链分组为序列和结构上均非冗余的不同组分，确保了训练集与测试集在序列和结构上无重叠，解决了现有数据集结构重叠导致的性能评估虚高问题	未提及具体的性能评估或模型对比结果，且当前深度学习方法在CASP15中仍逊于传统方法	提供一种用于训练和基准测试深度学习RNA结构预测模型的结构非冗余数据集和方法	来自蛋白质数据银行（PDB）的结构化RNA 3D链	机器学习	NA	NA	深度学习模型	3D结构数据	NA	NA	NA	NA	NA
699	2026-07-22	A novel model for predicting postoperative liver metastasis in R0 resected pancreatic neuroendocrine tumors: integrating computational pathology and deep learning-radiomics 2024-08-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05449-4 PMID:39143624	研究论文	结合计算病理学和深度学习影像组学，构建预测胰腺神经内分泌肿瘤R0切除术后肝转移的新型模型	首次将Ki67染色全切片图像的计算病理特征与深度学习影像组学特征整合到列线图中，用于预测术后肝转移	单中心回顾性研究，样本量较小（163例），需多中心外部验证	开发一种能准确预测胰腺神经内分泌肿瘤R0切除术后肝转移的整合模型	R0切除术后胰腺神经内分泌肿瘤患者	计算病理学, 深度学习影像组学	胰腺神经内分泌肿瘤	数字病理学, Ki67免疫组化染色, 增强CT扫描	深度学习 (CNN), 逻辑回归, 列线图	病理全切片图像 (WSI), 增强CT影像, 临床数据	163例胰腺神经内分泌肿瘤患者（来自复旦大学附属肿瘤医院及病理会诊中心）	NA	深度学习模型 (未指定具体架构), 列线图	AUC, 中位无复发生存期	NA
700	2026-07-22	Enhancing recognition and interpretation of functional phenotypic sequences through fine-tuning pre-trained genomic models 2024-08-12, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05567-z PMID:39135093	研究论文	本研究通过微调预训练基因组模型（如DNA_bert_6和human_gpt2-v1）来增强对功能表型序列的识别与解读，构建了多个基因型-表型数据集，并在HERV数据集上取得了优异分类性能	创新性地将预训练基因组模型表示与经典分析方法相结合，通过微调模型识别HERV序列中高平均局部表示权重的特定基序，并揭示了这些基序与神经系统疾病和癌症的关联	NA	探索深度学习，特别是预训练基因组模型，在解读和表示人类基因组序列方面的应用，以提升DNA序列功能分类的准确性	人类基因组序列，特别是HERV序列中的特定基序	自然语言处理	神经系统疾病，癌症	预训练基因组模型微调	DNA_bert_6，human_gpt2-v1	DNA序列	NA	NA	Transformer	准确率，F1值	NA