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
101	2026-03-15	Dissecting the regulatory logic of specification and differentiation during vertebrate embryogenesis 2024-Aug-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.609971 PMID:39253514	研究论文	本研究通过构建斑马鱼早期胚胎发生的单细胞多组学图谱，结合深度学习模型，揭示了转录因子与染色质可及性在细胞类型分化中的调控逻辑，并发现了即时分化这一新机制	发现了Nanog在启动中内胚层基因增强子可及性中的新功能，并描述了跳过中间命运转变的即时分化过程	研究主要基于斑马鱼模型，结果在哺乳动物中的普适性有待验证	系统解析脊椎动物胚胎发生过程中细胞类型分化的基因调控逻辑	斑马鱼早期胚胎	计算生物学	NA	单细胞RNA表达与染色质可及性测序	深度学习模型	DNA序列、RNA表达数据、染色质可及性数据	NA	NA	NA	NA	NA
102	2026-03-15	Artificial Intelligence-Guided Gut-Microenvironment-Triggered Imaging Sensor Reveals Potential Indicators of Parkinson's Disease 2024-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307819 PMID:38569219	研究论文	本文介绍了一种基于人工智能的肠道微环境触发成像传感器，用于非侵入性、准确地筛查帕金森病的不同阶段	开发了一种新型人工智能引导的肠道微环境触发成像传感器，通过深度学习算法分析肠道中的α-突触核蛋白，实现帕金森病的高精度预测	NA	开发非侵入性生物标志物用于帕金森病的早期诊断	帕金森病患者肠道中的α-突触核蛋白	机器学习	帕金森病	成像传感器技术	深度学习算法	图像数据	NA	NA	NA	准确度	NA
103	2026-03-14	Deep learning enhanced transmembranous electromyography in the diagnosis of sleep apnea 2024-12-31, BMC neuroscience IF:2.4Q3 DOI:10.1186/s12868-024-00913-9 PMID:39741274	研究论文	本文探索了使用基于注意力机制的深度学习模型（Transformer）分析跨膜肌电图（tmEMG）数据，以区分健康对照、神经源性损伤和睡眠呼吸暂停患者的肌电信号	首次将Transformer架构应用于tmEMG信号分析，通过迁移学习、模拟数据增强和正则化策略，在小数据集上训练出具有良好泛化能力的模型，用于睡眠呼吸暂停的诊断和神经肌肉病理分型识别	研究样本量相对较小（仅177条记录），且模型在区分OSA与对照时的特异性较低（64%），可能影响临床应用的可靠性	开发一种基于深度学习的tmEMG分析方法，以无创、便捷地诊断阻塞性睡眠呼吸暂停（OSA）并识别涉及神经肌肉病理的OSA内型	健康对照者、中度至重度OSA患者以及伴有延髓受累证据的肌萎缩侧索硬化症（ALS）患者（代表神经源性损伤）的跨口腔肌电图记录	数字病理学	睡眠呼吸暂停	跨膜肌电图（tmEMG）	Transformer	肌电信号，频谱图	177条跨口腔肌电图记录，来自6名健康对照、5名中度至重度OSA患者和5名伴有延髓受累的ALS患者	未明确指定，但提及使用标准反向传播进行微调	音频频谱Transformer（AST）	灵敏度，特异性	NA
104	2026-03-14	Prediction of intraoperative hypotension using deep learning models based on non-invasive monitoring devices 2024-12, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01206-6 PMID:39158783	研究论文	本研究开发了一种基于多通道无创监测设备的深度学习模型，用于预测术中低血压	首次将深度学习算法应用于常规无创监测设备（而非有创动脉血压监测）来预测术中低血压，并采用注意力机制量化各监测设备的贡献度	研究为回顾性分析，未来需要前瞻性研究来验证模型在临床实践中预防低血压的实际效果	开发并验证一种基于无创监测设备的深度学习算法，用于预测术中低血压	接受非心脏手术的患者	机器学习	NA	无创血压监测、心电图、光电容积描记、二氧化碳描记、双频指数监测	深度学习	多通道生理监测时间序列数据	算法开发阶段4754例患者，外部验证阶段421例患者	NA	多头注意力全连接模型, 全局注意力局部循环模型	受试者工作特征曲线下面积	NA
105	2026-03-14	Radiographer Education and Learning in Artificial Intelligence (REAL-AI): A survey of radiographers, radiologists, and students' knowledge of and attitude to education on AI 2024-12, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.10.010 PMID:39481214	研究论文	本研究通过调查放射技师、放射科医生和学生对人工智能（AI）的知识和态度，评估了医疗影像专业人员对AI的当前理解水平	首次在2023年欧洲放射学大会上针对医疗影像专业人员（包括学生）进行跨国家、跨大洲的AI知识和教育需求调查	样本量较小（136人），且调查主要基于自我报告，可能存在偏差	评估医疗影像专业人员和学生对AI的认知水平及教育需求，为AI教育提供依据	放射技师（诊断和治疗）、放射科医生、学生	医疗影像	NA	问卷调查	NA	调查数据	136名参与者，来自25个国家和5大洲	NA	NA	NA	NA
106	2026-03-14	Multimodal Artificial Intelligence in Medicine 2024-11-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000000000556 PMID:39167446	综述	本文探讨了多模态人工智能在医学中的应用，特别是基于Transformer的模型如何整合文本、图像和结构化数据以提升医疗诊断和治疗的适用性	强调了多模态Transformer模型在医疗领域处理多样化数据形式的潜力，并指出其在标准基准测试（如美国医学执照考试题库）上的出色表现	多模态深度学习模型的集成面临伦理和环境挑战，需要谨慎考虑	研究多模态人工智能在医学诊断和治疗中的适用性和挑战	医疗人工智能模型，特别是多模态Transformer模型	人工智能在医疗	NA	多模态深度学习	Transformer	文本, 图像, 结构化数据	NA	NA	Transformer	NA	NA
107	2026-03-14	Impact of artificial intelligence assisted compressed sensing technique on scan time and image quality in musculoskeletal MRI - A systematic review 2024-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.012 PMID:39217002	系统综述	本文系统综述了人工智能辅助压缩感知技术在肌肉骨骼MRI中对扫描时间和图像质量的影响	首次系统评估AI-CS技术在肌肉骨骼MRI中结合不同加速因子对扫描时间与图像质量的综合影响	纳入研究数量有限（9篇），部分研究质量中等，高加速因子仍会导致图像评分降低	评估人工智能辅助压缩感知技术对肌肉骨骼MRI扫描时间和图像质量的影响	肌肉骨骼MRI扫描	医学影像分析	肌肉骨骼疾病	MRI, 压缩感知, 人工智能重建	深度学习算法	MRI图像	730名参与者	NA	NA	扫描时间减少百分比, 图像质量评分	NA
108	2026-03-14	Deep learning-based automated liver contouring using a small sample of radiotherapy planning computed tomography images 2024-08, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.005 PMID:39179459	研究论文	本研究探讨了使用少量放疗计划CT图像进行深度学习自动肝脏轮廓勾画的可行性	首次研究基于深度学习的肝脏轮廓勾画所需的最小数据量，并采用改进的注意力U-Net和残差U-Net网络在有限数据下实现高精度分割	未明确说明具体预处理方法的详细参数或网络修改的具体细节，且外部数据集数量可能有限	研究使用有限数据实现自动肝脏轮廓勾画的可行性，并评估模型的泛化能力	放疗计划CT图像中的肝脏区域	数字病理	NA	CT成像	深度学习	图像	62个训练案例，外加两个未见外部数据集	NA	改进的注意力U-Net, 改进的残差U-Net	Dice相似系数, 平均Hausdorff距离	NA
109	2026-03-14	DIMOND: DIffusion Model OptimizatioN with Deep Learning 2024-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307965 PMID:38634608	研究论文	提出了一种名为DIMOND的基于物理信息与自监督深度学习的扩散模型优化框架，用于从扩散磁共振成像数据中高效、准确地估计微观结构模型参数	提出了一种结合物理信息与自监督深度学习的全新框架（DIMOND），无需额外训练数据，通过最小化输入数据与网络输出参数生成的合成数据之间的差异来优化网络，实现了跨受试者和数据集的泛化能力，并将复杂模型（如NODDI）的拟合时间从数小时大幅缩短至数分钟甚至数秒	未在摘要中明确说明	解决扩散磁共振成像中模型参数估计计算成本高且受图像噪声影响的问题，提高微观结构和结构连接性映射的实用性与临床采纳度	人脑活体扩散磁共振成像数据	医学影像分析	NA	扩散磁共振成像	深度学习神经网络	图像	NA	NA	NA	NA	NA
110	2026-03-14	DeepTrayMeal: Automatic dietary assessment for Chinese tray meals based on deep learning 2024-Feb-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2023.137525 PMID:37742550	研究论文	本研究开发了一个基于深度学习的自动饮食评估框架，用于中国托盘餐，包括菜品识别、体积估计和营养映射	建立了首个中国托盘餐数据集ChinaLunchTray-99，并提出了一个结合检测、体积估计和营养映射的完整自动饮食评估框架	未在摘要中明确提及	开发自动饮食评估方法以促进中国托盘餐的公共健康应用	中国托盘餐图像	计算机视觉	NA	深度学习	CNN	图像	1185张托盘餐图像，覆盖99个菜品类别	未在摘要中明确提及	未在摘要中明确提及	平均精度均值	未在摘要中明确提及
111	2026-03-14	A neural speech decoding framework leveraging deep learning and speech synthesis 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00824-8 PMID:41799923	研究论文	本文提出了一种基于深度学习的神经语音解码框架，用于从大脑皮层信号解码人类语音	开发了一种包含ECoG解码器和可微分语音合成器的新型框架，并引入了语音到语音自编码器以辅助训练	NA	开发脑机接口技术以恢复神经功能缺损患者的语音能力	48名参与者的皮层电信号	自然语言处理	神经功能缺损	皮层电图	深度学习	信号	48名参与者	NA	自编码器	相关性	NA
112	2026-03-13	Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy 2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110567 PMID:39374675	研究论文	开发并评估了一个基于国家共识的深度学习自动分割模型，用于乳腺癌放疗中淋巴结水平的临床靶区勾画	首次基于全国多机构专家共识数据集训练和验证深度学习自动分割模型，用于乳腺癌放疗的淋巴结临床靶区勾画，并进行了全面的定量和定性评估	模型在某些特定淋巴结区域（如CTVn胸肌间淋巴结）的性能可能略低，且存在少数例外情况未达到专家间变异水平	开发一个全国临床可实施的深度学习自动分割模型，用于乳腺癌放疗中淋巴结临床靶区的勾画，以提高勾画的一致性和效率	高风险乳腺癌患者的淋巴结临床靶区（CTVn）	数字病理	乳腺癌	深度学习	深度学习模型	医学图像（放疗勾画数据）	由丹麦所有放疗中心的21位乳腺癌勾画专家创建的金标准数据集和高质量训练数据集	未明确指定	未明确指定	Dice相似系数（DSC）	未明确指定
113	2026-03-13	Unsupervised Segmentation of 3D Microvascular Photoacoustic Images Using Deep Generative Learning 2024-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202402195 PMID:38923324	研究论文	本文提出了一种无监督的深度学习模型VAN-GAN，用于从3D光声图像中分割血管网络，无需人工标注数据	引入了一种无监督的图像到图像转换深度学习模型VAN-GAN，该模型在训练中整合了合成血管网络，并学习复制PAI系统的物理原理，从而减少对人工标注的依赖	与监督方法U-Net相比，F1分数略低（0.84 vs 0.87），可能在某些复杂血管结构上存在分割精度限制	开发一种无监督方法，用于从3D光声图像中准确分割血管网络，以促进血管结构和功能的临床前与临床研究	3D微血管光声图像，包括计算机模拟、体外实验、体内数据、患者来源的乳腺癌异种移植模型和3D临床血管造影	计算机视觉	乳腺癌	光声成像	GAN	3D图像	多样化的计算机模拟、体外和体内数据，包括患者来源的乳腺癌异种移植模型和3D临床血管造影	NA	VAN-GAN	F1分数	NA
114	2026-03-13	Non-Invasive Detection of Early-Stage Fatty Liver Disease via an On-Skin Impedance Sensor and Attention-Based Deep Learning 2024-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400596 PMID:38887178	研究论文	本研究开发了一种用于早期非酒精性脂肪肝病（NAFLD）检测的软性皮肤传感器，并结合注意力深度学习算法，实现了高精度的非侵入式诊断	创新点包括合成铂纳米颗粒和还原石墨烯量子点以降低电极-皮肤接触阻抗，以及引入注意力深度学习算法来区分早期NAFLD的阻抗信号	研究目前仅在小鼠模型中进行，尚未在人类临床环境中验证	开发一种非侵入、成本效益高的早期NAFLD检测方法	高脂饮食喂养的低密度脂蛋白受体敲除（Ldlr）小鼠与健康对照组	机器学习	非酒精性脂肪肝病	皮肤阻抗传感	注意力深度学习	阻抗信号	高脂饮食喂养的Ldlr小鼠与健康对照组	NA	NA	准确率, AUC	NA
115	2026-03-13	Deep Batch Integration and Denoise of Single-Cell RNA-Seq Data 2024-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202308934 PMID:38778573	研究论文	本文介绍了一种名为DeepBID的新型深度学习方法，用于同时进行单细胞RNA测序数据的批次效应校正、非线性降维、嵌入和细胞聚类	DeepBID采用基于负二项分布的自编码器与双重Kullback-Leibler散度损失函数，通过迭代聚类在一致的低维潜在空间中对齐不同批次的细胞点，从而逐步消除批次效应	NA	开发一种高效且有利于下游分析的scRNA-seq数据集成与去噪方法	来自不同实验室或scRNA-seq协议的单细胞转录组数据集	机器学习	阿尔茨海默病	单细胞RNA测序	自编码器	单细胞转录组数据	NA	NA	基于负二项分布的自编码器	聚类准确性	NA
116	2026-03-13	Ultrasound and diffuse optical tomography-transformer model for assessing pathological complete response to neoadjuvant chemotherapy in breast cancer 2024-07, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076007 PMID:39050779	研究论文	本文开发了一种结合超声和弥散光学断层成像的Transformer模型，用于预测乳腺癌患者对新辅助化疗的病理完全缓解	首次提出将超声和弥散光学断层成像图像与肿瘤受体生物标志物结合，利用双输入Transformer模型进行多模态融合，以预测病理完全缓解	研究样本量较小（60名患者），未来需要扩大数据集以提高模型的准确性和泛化能力	评估整合超声和弥散光学断层成像图像在预测乳腺癌患者对新辅助化疗的病理完全缓解方面的效率	乳腺癌患者	医学影像分析	乳腺癌	超声成像，弥散光学断层成像	Transformer	图像，生物标志物	60名患者在化疗期间的多个时间点的影像数据	NA	双输入Transformer	AUC，准确率	NA
117	2026-03-13	Context-Aware Transformer GAN for Direct Generation of Attenuation and Scatter Corrected PET Data 2024-Jul, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2024.3397318 PMID:41809058	研究论文	提出一种上下文感知的生成式深度学习框架，用于直接从非衰减和非散射校正的PET图像生成光子衰减和散射校正的PET图像	设计了四种条件生成对抗网络模型，包括基于视觉变换器和移位窗口变换器的创新架构，并首次在单模态和多模态输入数据上评估了这些模型，用于直接生成衰减和散射校正的PET图像	研究仅基于33名受试者的回顾性数据，样本量相对较小，且仅针对F-FDG全身PET图像进行了验证	开发一种深度学习框架，用于生成衰减和散射校正的PET图像，以改善PET图像质量	F-氟脱氧葡萄糖全身PET图像	医学影像分析	NA	PET/CT扫描, PET/MRI扫描	cGAN, Transformer	图像	33名受试者的全身PET图像	NA	Pix2Pix, AG-Pix2Pix, ViT-GAN, Swin-GAN	PSNR, MS-SSIM, NRMSE, MAE	NA
118	2026-03-13	Label-free SERS detection of prostate cancer based on multi-layer perceptron surrogate model method 2024-Jan-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2023.123407 PMID:37717486	研究论文	本研究利用多层感知器（MLP）简化前列腺癌患者血浆SERS样本的预处理过程，并提高SERS技术诊断的敏感性和特异性	采用PCA-MLP方法直接分析原始SERS数据，简化实验流程，同时保持高且稳定的分类准确率	未提及样本多样性或方法普适性的具体验证，可能局限于特定类型样本	简化前列腺癌SERS样本预处理，提升诊断准确率	前列腺癌患者与正常人群的血浆SERS样本	机器学习	前列腺癌	表面增强拉曼光谱（SERS）	多层感知器（MLP）	光谱数据	NA	NA	多层感知器（MLP）	分类准确率	NA
119	2026-03-10	RNA language models predict mutations that improve RNA function 2024-12-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54812-y PMID:39638800	研究论文	本文介绍了一个名为GARNET的新数据库，用于RNA结构和功能分析，并基于此开发了序列和结构感知的RNA生成模型，以预测能提高RNA功能的突变	提出了GARNET数据库，将RNA序列与实验和预测的最适生长温度关联，并开发了基于GPT-like模型的RNA生成模型，用于识别增强核糖体热稳定性的突变	NA	理解RNA序列、结构和功能之间的联系，并预测能改善RNA功能的突变	结构化RNA，特别是与核糖体热稳定性相关的RNA	自然语言处理	NA	RNA序列分析，温度关联分析	GPT-like模型	RNA序列数据，温度数据	基于GTDB参考生物的数据，具体样本数量未明确说明	NA	GPT-like	NA	NA
120	2026-03-10	From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning 2024-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405404 PMID:39206846	研究论文	本研究开发了一种基于图的深度学习模型Dynaformer，利用分子动力学模拟轨迹预测蛋白质-配体结合亲和力，以改进基于结构的药物设计	首次将分子动力学模拟轨迹整合到基于图的深度学习模型中，以捕捉蛋白质-配体相互作用的动态几何特征，从而更准确地预测结合亲和力	模型性能依赖于分子动力学模拟的质量和计算成本，且数据集规模（3,218个复合物）可能仍有限	提高蛋白质-配体结合亲和力的预测准确性，以加速早期药物发现过程	蛋白质-配体复合物	机器学习	NA	分子动力学模拟	图神经网络	分子动力学轨迹，图结构数据	3,218个不同的蛋白质-配体复合物	NA	Dynaformer	评分能力，排序能力	NA