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	2026-05-29	A novel pipeline employing deep multi-attention channels network for the autonomous detection of metastasizing cells through fluorescence microscopy 2024-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109052 PMID:39216406	研究论文	开发了一种基于深度多注意力通道网络的自动化荧光显微镜检测转移细胞的新流程	提出了多注意力通道网络架构，并结合可解释的全局方法（GradCam）来解析细胞骨架在转移中的作用	未明确提及局限性	利用深度学习自动区分正常细胞和转移性癌细胞，并提高模型的可解释性	人类正常细胞及其同基因匹配的致癌转化、侵袭和转移细胞	计算机视觉	癌症转移	荧光显微镜	卷积神经网络（CNN），多注意力通道网络	图像	未明确提及样本数量	NA	多注意力通道网络	GradCam得分	NA
102	2026-05-29	Mpox outbreak: Time series analysis with multifractal and deep learning network 2024-10-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0236082 PMID:39413265	研究论文	本文利用多重分形和深度学习网络对猴痘疫情进行时间序列分析，预测未来传播趋势	结合分形插值预处理和多重分形测度分析猴痘传播的异质性，并使用双向长短期记忆神经网络预测疫情爆发	NA	分析猴痘疫情的多重分形特征并预测未来传播以预警全球流行	猴痘病例的时间序列数据	机器学习	猴痘	NA	双向长短期记忆神经网络（BiLSTM）	时间序列数据	非洲、美洲和欧洲地区的猴痘病例数据	NA	双向长短期记忆神经网络	NA	NA
103	2026-05-29	Dynamic entrainment: A deep learning and data-driven process approach for synchronization in the Hodgkin-Huxley model 2024-10-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0219848 PMID:39470595	研究论文	利用深度学习和数据驱动方法在Hodgkin-Huxley模型中实现动态牵引同步	提出了一种名为“动态牵引”的创新技术，结合数据驱动方法和Hodgkin-Huxley模型输出，利用深度学习动态维持系统在牵引范围内	文中未明确提及局限性	研究动态系统中共振与同步节律现象，特别是生物背景下的应用	Hodgkin-Huxley模型描述的神经元动作电位传播	机器学习	神经退行性疾病（如亨廷顿病）	数据驱动方法	深度学习模型	数值仿真数据	NA	NA	NA	NA	NA
104	2026-05-29	Classification Method of ECG Signals Based on RANet 2024-10, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-024-00730-5 PMID:38653933	研究论文	提出基于残差注意力神经网络（RANet）的心电信号分类方法，解决梯度消失和信号特征重要性差异问题	结合ResNet解决梯度消失、引入注意力机制聚焦关键特征、改进投票方法缓解数据不平衡	仅基于单个数据集（PhysioNet/CinC Challenge 2017）验证，未提及泛化性测试	提升心电信号分类性能，解决深层网络梯度消失和特征重要性差异问题	不同类型心律失常的心电信号	机器学习	心血管疾病	NA	残差注意力神经网络（RANet）	心电信号	PhysioNet/CinC Challenge 2017数据集	NA	ResNet, 注意力机制	F1值	NA
105	2026-05-29	Deep learning-based IDH1 gene mutation prediction using histopathological imaging and clinical data 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108902 PMID:39038392	研究论文	利用组织病理学图像和临床数据，通过深度学习方法预测IDH1基因突变	采用集成学习策略，结合深度学习图像模型和机器学习临床数据模型，并通过超参数优化提高分类性能，在WSI和临床数据上分别达到最高AUC 0.823和0.782，集成结果达到0.852	NA	分类胶质瘤患者IDH1基因突变的存在与否	成年型弥漫性胶质瘤患者的组织病理学全切片图像和临床数据	数字病理学	胶质瘤	H&E染色WSI成像	深度学习模型（注意力多实例学习）和梯度提升机	图像和表格数据	546名患者	PyTorch, LightGBM	MaxViT, ABMIL	AUC, 准确率	NA
106	2026-05-29	Improving the diagnosis of ductal carcinoma in situ with microinvasion without immunohistochemistry: An innovative method with H&E-stained and multiphoton microscopy images 2024-05-15, International journal of cancer IF:5.7Q1 DOI:10.1002/ijc.34855 PMID:38268429	研究论文	提出一种结合H&E染色和多光子显微镜图像的新方法，用于无免疫组化诊断导管原位癌伴微浸润	首次将H&E染色图像中的可疑区域通过深度学习分割细胞核，并融合多光子显微镜图像（TPEF和SHG信号）来区分DCISM与DCIS，避免了对免疫组化标记物的依赖	需要依赖H&E图像中的可疑区域标注，且多光子显微镜设备的可用性可能受限	开发一种快速准确、无需免疫组化的DCISM诊断方法	乳腺导管原位癌伴微浸润和导管原位癌组织样本	数字病理学	乳腺癌（导管原位癌伴微浸润）	H&E染色, 多光子显微镜	深度学习模型	图像（H&E染色图像，多光子显微镜图像）	研究未明确说明样本量，涉及DCISM和DCIS组织标本	NA	NA	Kappa系数	NA
107	2026-05-29	scDisInFact: disentangled learning for integration and prediction of multi-batch multi-condition single-cell RNA-sequencing data 2024-01-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45227-w PMID:38291052	研究论文	提出scDisInFact深度学习框架，用于解缠多批次多条件下单细胞RNA测序数据的批次效应与条件效应	首次提出同时实现批次效应去除、条件相关关键基因检测和扰动预测的整合框架	未见明确阐述	开发能同时处理批次效应和条件效应的深度学习模型	单细胞RNA测序数据中的批次效应和条件效应	机器学习	NA	单细胞RNA测序	深度学习框架	单细胞RNA测序数据	NA	PyTorch	scDisInFact	NA	NA
108	2026-05-29	Race, Sex, and Age Disparities in the Performance of ECG Deep Learning Models Predicting Heart Failure 2024-01, Circulation. Heart failure DOI:10.1161/CIRCHEARTFAILURE.123.010879 PMID:38126168	研究论文	本研究调查了深度学习心电图模型在预测心力衰竭时基于种族、性别和年龄的性能差异	首次系统评估深度学习模型在不同种族、性别和年龄群体中预测心力衰竭的性能偏差，并探索了减少偏差的策略	研究基于单一医院数据，可能无法推广至其他人群；未包含其他潜在影响因子如社会经济状态	评估深度学习ECG模型在预测心力衰竭时的人口统计学偏差，并提出缓解算法偏差的方法	326,518次患者就诊的心电图数据，涵盖2008-2018年斯坦福医院的标准临床指征	机器学习	心力衰竭	12导联心电图	卷积神经网络	ECG信号	326,518次患者就诊，160,312例ECG测试集	NA	卷积神经网络	AUC, F1分数	NA
109	2026-05-27	Accuracy of a deep learning-based algorithm for the detection of thoracic aortic calcifications in chest computed tomography and cardiovascular surgery planning 2024-06-03, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezae219 PMID:38837348	研究论文	评估基于深度学习算法在胸部CT中全自动检测胸主动脉钙化的准确性，重点关注主动脉钳夹区域	首次聚焦于主动脉钳夹区的钙化检测，并优化算法参数以实现术前关键评估	NA	评估深度学习算法在胸部CT中全自动检测胸主动脉钙化的准确性，特别是用于心血管手术规划中主动脉钳夹区评估	胸主动脉钙化	计算机视觉	心血管疾病	CT成像	深度学习模型	图像	100次胸部CT扫描（来自91名患者），包括47次心电图门控主动脉血管造影和53次非增强扫描	NA	NA	灵敏度、特异度、受试者工作特征曲线下面积、Cohen's Kappa	NA
110	2026-05-26	Structural Insights into Cold-Active Lipase from Glaciozyma antarctica PI12: Alphafold2 Prediction and Molecular Dynamics Simulation 2024-12, Journal of molecular evolution IF:2.1Q3 DOI:10.1007/s00239-024-10219-3 PMID:39549052	研究论文	利用Alphafold2预测与分子动力学模拟，解析南极嗜冷真菌Glaciozyma antarctica PI12中冷活性脂肪酶Glalip03的结构与低温适应机制	首次结合系统发育分析与Alphafold2深度学习结构预测，识别含冷活性保守基序的新型脂肪酶，并通过低温分子动力学模拟揭示其全局稳定性和柔韧性	NA	理解冷活性脂肪酶的低温适应机制，为工业应用奠定分子基础	南极嗜冷真菌Glaciozyma antarctica PI12中假定的冷活性脂肪酶Glalip03	机器学习	NA	系统发育分析、Alphafold2结构预测、分子动力学模拟	分子动力学模拟	蛋白质序列与结构	单一酶蛋白Glalip03	Alphafold2, GROMACS	Alphafold2, 分子动力学模型	全局稳定性、柔韧性	NA
111	2026-05-26	Automating Wood Species Detection and Classification in Microscopic Images of Fibrous Materials with Deep Learning 2024-07-04, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozae038 PMID:38709570	研究论文	采用深度学习方法，基于自制木材显微图像数据集，首次实现纤维材料中硬木树种的自动化识别与分类	首次将深度学习应用于纤维材料显微图像中的硬木树种自动识别，并开发了系统性生成木化木材参考图像数据集的方法学，以及灵活标注导管元件的流水线	未提及具体限制	实现木材纤维材料显微图像中硬木树种的自动化检测与分类，以改进全球木纤维产品流管控，保护森林	九种硬木属的纤维材料显微图像	计算机视觉	NA	显微图像分析	神经网络（CNN等）	图像数据	九种硬木属的木化木材参考图像数据集（具体数量未提及）	NA	多种神经网络架构（具体如ResNet、VGG等未指明）	与人类专家性能相当（具体指标未提及）	NA
112	2026-05-26	Transformer-based deep learning denoising of single and multi-delay 3D arterial spin labeling 2024-02, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29887 PMID:37849048	研究论文	提出基于Swin Transformer的深度学习模型用于单延迟和多延迟3D动脉自旋标记去噪，并与CNN及其他Transformer方法比较	首次将Swin Transformer应用于ASL去噪，并对比伪3D与2D模型性能，探索多输入条件优化	多延迟ASL数据集较小（6名受试者），未提及模型泛化到更多厂商或临床场景的验证	开发高效去噪模型以提升ASL图像质量并缩短扫描时间	3D动脉自旋标记（ASL）图像数据	机器学习	NA	动脉自旋标记（ASL）	Swin Transformer, CNN	图像	单延迟：66名受试者（119次扫描）训练，39名受试者（44次扫描）测试；多延迟：6名受试者（10次扫描）	PyTorch	SwinIR, CNN	相似度指标、空间信噪比、脑血流定量精度、动脉通过时间	NA
113	2026-05-25	The prognostic value of visual and automatic coronary calcium scoring from low-dose computed tomography-[15O]-water positron emission tomography 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae081 PMID:38525588	research paper	验证低剂量CT扫描中视觉和自动冠脉钙化评分的预后价值	首次在[15O]-水PET心肌灌注成像的低剂量CT扫描中评估视觉和自动CAC评分对主要不良心脏事件的预测价值	研究为单中心回顾性设计，且低剂量CT与参考CSCT扫描间的风险分类一致性仅为中等	评估低剂量CT扫描中视觉和自动冠脉钙化评分对主要不良心脏事件预测的附加价值	疑似冠脉疾病患者	计算机视觉	心血管疾病	低剂量CT, [15O]-水PET	深度学习	医学影像	572名连续患者	NA	NA	风险分类一致性（Cohen's kappa）, 风险比	NA
114	2026-05-25	Prospective deep learning-based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae115 PMID:38700097	研究论文	前瞻性多中心国际研究，比较基于深度学习自动分析CCTA与IVUS评估冠脉斑块的准确性和一致性	首次在多中心前瞻性研究中验证AI驱动的CCTA斑块量化系统与IVUS金标准的一致性，实现钙化、非钙化及低衰减斑块的全自动分割	样本量相对有限（237例患者432个病变），且仅纳入临床稳定型冠心病患者，未包含急性冠脉综合征人群	评估基于深度学习的CCTA自动斑块分析系统与IVUS金标准在冠脉粥样硬化量化表征中的一致性	临床稳定型冠心病患者的冠脉粥样硬化斑块，包括总斑块体积、钙化斑块、非钙化斑块及低衰减斑块	计算机视觉	冠心病	冠状动脉CT血管造影（CCTA）、血管内超声（IVUS）	深度学习模型（具体架构未明确说明）	医学影像（CCTA和IVUS图像）	237例患者（来自美国及日本15个中心），共432个冠脉病变	NA	NA	相关系数、Bland-Altman分析、Y截距、斜率	NA
115	2026-05-25	Diagnostic support in pediatric craniopharyngioma using deep learning 2024-08, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06400-0 PMID:38647660	研究论文	利用深度学习开发儿童颅咽管瘤诊断支持模型	首次在机构中应用可解释人工智能与深度学习模型结合，辅助放射学诊断儿童颅咽管瘤	NA	开发卷积深度学习算法，用于儿童鞍区-鞍上肿瘤的放射学辅助分类	226名智利儿童患者的术前T1w和T2w磁共振图像	医学影像分析	颅咽管瘤	磁共振成像	卷积神经网络	图像	226名患者（68名健康对照、58名颅咽管瘤患者、100名其他鞍区肿瘤患者）	NA	卷积神经网络	阳性预测值、阴性预测值	NA
116	2026-05-24	Deep learning for quantifying spatial patterning and formation process of early differentiated human-induced pluripotent stem cells with micropattern images 2024-10, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13346 PMID:38994744	研究论文	提出一种深度学习方法，利用微图案图像量化早期分化的人诱导多能干细胞的空间模式与形成过程	创新性地采用解码和编码U-net结构，同时结合Hoechst和明场图像分割hiPSC，并提取胚外区域及对比荧光强度量化多能性	未明确说明局限性	通过微图案图像定量评估hiPSC的多能性和早期分化中胚层的空间模式	人诱导多能干细胞（hiPSC）的早期分化阶段	计算机视觉	NA	微图案成像	U-net	图像	包含多个hiPSC系、不同微图案尺寸、多种标记组、活细胞和固定细胞的样本	NA	U-net（解码结构、编码结构）	细胞数量准确率、细胞区域准确率	NA
117	2026-05-24	Enhancing the activity and succinyl-CoA specificity of 3-ketoacyl-CoA thiolase Tfu_0875 through rational binding pocket engineering 2024-Sep, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2024.04.014 PMID:38694995	研究论文	通过理性结合口袋工程提升3-酮脂酰辅酶A硫解酶Tfu_0875的活性及琥珀酰辅酶A特异性	采用深度学习方法DLKcat识别有效突变体，并结合贪婪累积蛋白工程策略（GRAPE）对酶进行优化，显著提高了酶活性和底物特异性	未提及	提升3-酮脂酰辅酶A硫解酶的活性和底物特异性，以提高己二酸产量	3-酮脂酰辅酶A硫解酶Tfu_0875及其突变体	机器学习	NA	蛋白结构分析、深度学习	DLKcat	序列、结构	多个突变体，具体数量未提及	NA	DLKcat	比活性、催化效率、底物特异性、底物结合能	NA
118	2026-05-24	Focal liver lesion diagnosis with deep learning and multistage CT imaging 2024-08-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51260-6 PMID:39147767	研究论文	开发一种基于深度学习和多期增强CT的自动肝脏病灶诊断系统LiLNet	利用多中心大规模数据（4039名患者）开发并外部验证了LiLNet网络，能够区分六种肝脏病灶类型，并实现高准确率	未提及	提高肝脏病灶诊断的自动化水平，辅助放射科医生，尤其是在资源匮乏地区	肝脏病灶包括肝细胞癌、肝内胆管癌、转移性肿瘤、局灶性结节增生、血管瘤和囊肿	计算机视觉	肝脏疾病	多期增强CT	CNN	图像	4039名患者，来自六个数据中心	PyTorch	LiLNet	准确率, AUC	NA
119	2026-05-24	Artificial organic afferent nerves enable closed-loop tactile feedback for intelligent robot 2024-08-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51403-9 PMID:39147776	研究论文	本文报告了一种人工有机传入神经，通过集成有机电化学突触晶体管和人工机械感受器，实现了低工作电压下的触觉感知，并协同闭环反馈程序使智能机器人能够快速识别和防止物体滑动	首次报道了低工作电压(-0.6 V)的人工有机传入神经，通过树突整合功能实现了对物体方向性运动的感知，并利用分布式并行网络降低了控制复杂度	未提及具体局限性	模拟触觉神经以实现机器人的高级感知功能，并构建智能化闭环触觉反馈系统	人工有机传入神经、智能机器人	机器学习,机器人与仿生电子学	NA	NA	深度神经网络	尖峰编码信号	NA	NA	NA	识别准确率	NA
120	2026-05-24	End-to-end reproducible AI pipelines in radiology using the cloud 2024-08-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51202-2 PMID:39138215	研究论文	展示基于云基础设施的可重复、透明的人工智能放射学管道的端到端实施	首次系统展示基于云平台实现放射学AI管道的完整可重复性，从数据获取到最终结果分析的全流程透明化和可扩展性	仅应用于两个特定用例，且未讨论不同云平台间的互操作性问题	论证云基础设施在实现可重复和透明的人工智能放射学管道中的潜力	基于云托管数据和计算的AI放射学管道	计算机视觉	癌症	NA	深度学习	医学图像	NA	NA	NA	NA	云基础设施