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
121	2026-03-10	Enhanced Electroacoustic Tomography with Supervised Learning for Real-time Electroporation Monitoring 2024-Sep, Precision radiation oncology DOI:10.1002/pro6.1242 PMID:40336975	研究论文	本研究提出了一种基于监督学习的增强电声层析成像方法，用于实时监测基于纳秒脉冲电场的电穿孔治疗	首次利用监督学习解决电声层析成像中因超声换能器有限视角导致的图像失真问题，通过定制旋转平台获取配对的全视角和单视角信号进行模型训练	研究仅基于56个实验数据集，样本量相对较小，且未在临床环境中验证	提高电声层析成像的图像质量，以实时监测纳秒脉冲电场电穿孔治疗的能量沉积	纳秒脉冲电场产生的电声信号	医学影像处理	NA	电声层析成像，纳秒脉冲电场	深度学习模型	电声信号，图像	56个不同的电声数据集（46个用于训练，10个用于测试）	NA	NA	均方根误差，峰值信噪比，结构相似性指数	NA
122	2026-03-10	DP2LM: leveraging deep learning approach for estimation and hypothesis testing on mediation effects with high-dimensional mediators and complex confounders 2024-Jul-01, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxad037 PMID:38330064	研究论文	提出一种基于深度神经网络的惩罚部分线性中介模型（DP2LM），用于处理高维中介变量和复杂混杂因素下的中介效应估计与假设检验	结合深度神经网络处理混杂因素的非线性效应，并利用惩罚部分线性模型适应高维性，专注于中介效应的估计与推断而非仅中介变量选择	未明确提及模型在极端高维或小样本情况下的性能限制，也未讨论计算复杂度或可扩展性问题	开发一种新方法以准确估计和严格推断高维中介变量及复杂混杂因素下的中介效应	高维中介变量（如DNA甲基化）和复杂混杂因素下的中介效应分析	机器学习	NA	深度神经网络，惩罚部分线性模型	深度神经网络	高维中介变量数据	NA	NA	NA	Type-I错误率	NA
123	2024-12-20	Author Correction: Fast inter-frame motion correction in contrast-free ultrasound quantitative microvasculature imaging using deep learning 2024-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82620-3 PMID:39695241	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
124	2026-03-06	Reconstructing Molecular Networks by Causal Diffusion Do-Calculus Analysis with Deep Learning 2024-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202409170 PMID:39440482	研究论文	本文提出了一种结合干预操作和扩散模型的深度学习新方法CDD，用于从观测数据中推断分子间的因果网络	将干预操作和扩散模型整合到do-calculus框架中，通过深度学习实现因果网络推断，显著提升了准确性和泛化能力	NA	从观测数据中量化基因/分子间的因果调控关系，以阐明生物过程的分子机制	基因调控网络、生物网络、疾病表型相关分子	机器学习	复杂疾病	omics数据	深度学习	模拟数据、omics数据	NA	NA	扩散模型	准确性、泛化能力	NA
125	2026-03-06	Volumetric imaging and computation to explore contractile function in zebrafish hearts 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.14.623621 PMID:39605398	研究论文	本研究开发了一种结合光场检测和细胞追踪的框架，用于实时捕获斑马鱼心脏的容积数据，以探索收缩功能	开发了一种实时容积成像框架，结合光场检测和深度学习细胞追踪，在细胞分辨率下实现整个心室收缩动力学的评估	NA	探索心脏收缩功能的细胞机制，以促进心血管疾病的筛查和治疗	斑马鱼心脏	计算机视觉	心血管疾病	光场检测，容积成像	深度学习	容积图像	NA	NA	NA	NA	NA
126	2026-03-06	Deep learning of structural MRI predicts fluid, crystallized, and general intelligence 2024-11-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78157-0 PMID:39537706	研究论文	本研究探讨了利用T1加权结构磁共振成像（sMRI）通过深度学习模型预测个体流体智力、晶体智力及一般智力的可能性	首次全面应用深度学习模型预测包括晶体智力在内的多种智力类型，并验证了模型解释与顶额整合理论（P-FIT）的一致性	样本量相对有限（850名受试者），且模型复杂度增加并未显著提升预测精度，表明可能存在数据或方法限制	探究脑结构MRI是否能够预测个体的智力水平，特别是流体智力、晶体智力及一般智力	850名6至64岁的健康及自闭症谱系障碍受试者	医学影像分析	自闭症谱系障碍	T1加权结构磁共振成像（sMRI）	CNN	图像	850名受试者（包括健康个体和自闭症谱系障碍患者）	NA	2D CNN, 3D CNN	Pearson相关系数	NA
127	2026-03-06	Deep learning to predict cardiovascular mortality from aortic disease in heavy smokers 2024-Nov-06, NPJ cardiovascular health DOI:10.1038/s44325-024-00029-3 PMID:41775893	研究论文	本研究开发了一个深度学习框架，用于自动量化胸部主动脉疾病特征，并评估其在预测重度吸烟者心血管疾病死亡率中的预后价值	利用深度学习自动量化主动脉特征（如最大直径、体积和钙化负担），并首次在大型队列中证明这些特征与心血管疾病死亡率独立相关，超越了传统风险因素和冠状动脉钙化的预测能力	研究基于非对比胸部CT数据，可能无法全面评估所有主动脉病变；结果主要适用于重度吸烟人群，泛化性需进一步验证	开发深度学习框架以自动量化主动脉疾病特征，并评估其对心血管疾病死亡率的预测价值	来自国家肺癌筛查试验（NLST）的重度吸烟者参与者	数字病理学	心血管疾病	非对比胸部CT成像	深度学习	医学影像（CT图像）	24,770名参与者	NA	NA	NA	NA
128	2026-03-06	Space-Confined Amplification for In Situ Imaging of Single Nucleic Acid and Single Pathogen on Biological Samples 2024-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407055 PMID:39373849	研究论文	本研究开发了一种基于水凝胶的原位空间限制界面扩增技术，用于在生物样品上直接成像单个核酸和单个病原体	提出了无需甲醛固定的水凝胶原位空间限制扩增技术，可在20分钟内实现大规模表面的单核酸/单病原体成像，检测限低至1拷贝/10 cm	未明确说明技术对复杂临床样本的适用性及长期稳定性验证	开发无需DNA提取的快速原位成像技术，用于病原体检测和生物样品分析	植物叶片和食品表面的病原体	生物传感与成像	植物病害与食源性疾病	水凝胶空间限制扩增技术	深度学习模型	显微图像	未明确说明具体样本数量	NA	NA	检测限（1拷贝/10 cm），成像时间（20分钟）	NA
129	2026-03-06	Exploring Protein Conformational Changes Using a Large-Scale Biophysical Sampling Augmented Deep Learning Strategy 2024-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400884 PMID:39387316	研究论文	本文提出了一种结合大规模生物物理采样与深度学习的策略，用于探索蛋白质构象变化	通过结合分子动力学模拟与增强采样方法，构建了大规模蛋白质构象变化数据库，并开发了能预测蛋白质过渡路径的通用深度学习模型	未明确提及模型在更复杂或多状态构象变化中的泛化能力，或对计算资源的具体需求	开发能预测蛋白质构象变化的深度学习模型，以揭示蛋白质动态行为的本质	2635个具有两个已知稳定状态的蛋白质	机器学习	NA	分子动力学模拟，增强采样方法	深度学习模型	结构信息（蛋白质构象数据）	2635个蛋白质	NA	NA	与实验数据的一致性	NA
130	2026-03-06	External Validation of a Digital Pathology-based Multimodal Artificial Intelligence Architecture in the NRG/RTOG 9902 Phase 3 Trial 2024-Oct, European urology oncology IF:8.3Q1 DOI:10.1016/j.euo.2024.01.004 PMID:38302323	研究论文	本研究在NRG/RTOG 9902三期试验中，对基于数字病理学的多模态人工智能模型进行了外部验证，以评估其在局部高危前列腺癌患者中的预后能力	首次在随机对照试验队列中外部验证了结合数字组织病理学和临床特征的多模态人工智能模型，用于预测高危前列腺癌的远处转移和癌症特异性死亡率	样本量相对有限（318例），且部分患者因图像质量差被排除（5.6%），可能影响模型的泛化性	验证多模态人工智能模型在局部高危或局部晚期前列腺癌患者中的预后预测能力	局部高危前列腺癌患者	数字病理学	前列腺癌	数字组织病理学	多模态人工智能模型	图像, 临床数据	318例局部高危前列腺癌患者（来自NRG/RTOG 9902试验，原始397例中有337例有可用切片，其中19例因图像质量差被排除）	NA	NA	亚分布风险比, 置信区间, p值, 5年和10年远处转移率	NA
131	2026-03-06	Automated magnetic resonance imaging-based grading of the lumbar intervertebral disc and facet joints 2024-Sep, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.1353 PMID:39011368	研究论文	本研究开发了一种基于卷积神经网络的自动化技术，用于对腰椎间盘和关节突关节进行磁共振成像分级，旨在提高Pfirrmann和Fujiwara分级系统的可靠性	首次利用公开可用的腰椎MRI数据集，训练CNN模型自动执行Pfirrmann（椎间盘退变）和Fujiwara（关节突关节退变）分级，以增强评分者间的一致性	CNN在Fujiwara分级中表现出较大的误差，反映了该评分系统的高变异性，需要改进成像和评分技术	开发自动化技术以客观、可靠地对腰椎间盘和关节突关节的健康状况进行MRI分级	腰椎间盘和关节突关节	数字病理学	退行性脊柱疾病	磁共振成像	CNN	图像	来自公开访问的Lumbar Spine MRI数据集的临床MRI图像	NA	NA	一致性百分比, Pearson相关系数, Fleiss kappa值	NA
132	2026-03-06	Structure-based prediction of protein-nucleic acid binding using graph neural networks 2024-Jun, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-024-01201-w PMID:39345796	研究论文	本文开发了一种名为PNAbind的深度学习方法，利用图神经网络预测蛋白质与核酸的结合，基于未结合蛋白质结构预测整体结合功能及单个结合残基位置	首次使用图神经网络编码蛋白质结构的物理化学和几何特性空间分布，以预测蛋白质-核酸结合，并能区分DNA或RNA结合特异性	方法依赖于未结合蛋白质结构模型，且结构模型相对于未结合蛋白质模型较为稀缺，可能影响预测的普遍适用性	预测蛋白质-核酸结合，以理解基因组转录、翻译、调控和三维组织中的关键作用	蛋白质结构与核酸（DNA/RNA）的结合	机器学习	NA	图神经网络，深度学习	图神经网络	蛋白质结构数据	NA	NA	图神经网络	AUROC	NA
133	2026-03-06	Learning peptide properties with positive examples only 2024-May-15, Digital discovery IF:6.2Q1 DOI:10.1039/d3dd00218g PMID:38756224	研究论文	本文提出了一种仅使用阳性样本的深度学习方法来预测肽的性质	采用阳性-未标记学习策略，仅利用有限的已知阳性样本，克服了传统监督学习需要正负样本的局限	未明确说明模型在更广泛肽序列或性质上的泛化能力，且依赖已知阳性样本的质量和数量	开发仅需阳性样本的肽性质预测模型，解决负样本数据稀缺问题	肽序列及其性质（溶解度、溶血性、SHP-2结合能力、非污损活性）	机器学习	NA	阳性-未标记学习	深度学习模型	序列数据	NA	NA	NA	NA	NA
134	2026-03-06	Overcoming Limitations to Deep Learning in Domesticated Animals with TrioTrain 2024-Apr-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.15.589602 PMID:38659907	研究论文	本研究提出了一种名为TrioTrain的新方法，用于扩展DeepVariant模型，以克服深度学习在驯养动物基因组变异检测中的局限性	首次开发了多物种DeepVariant模型，通过TrioTrain方法自动化扩展模型至缺乏GIAB资源的物种，并利用区域重排技术优化SLURM集群计算	受限于动物基因组的不完美真实标签	评估人类基因组训练的模型在其他物种中的局限性，并开发适用于多物种的稳健变异检测模型	牛、牦牛和野牛的基因组数据	生物信息学	NA	基因组测序，变异检测	深度学习模型	基因组序列数据	牛、牦牛和野牛的三联体数据，共进行了30个模型迭代	DeepVariant	DeepVariant	孟德尔遗传错误率，SNP F1分数	基于SLURM的集群
135	2026-03-06	Prediction of multiclass surgical outcomes in glaucoma using multimodal deep learning based on free-text operative notes and structured EHR data 2024-01-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad213 PMID:37964658	研究论文	本研究开发了一种基于多模态深度学习的模型，用于预测青光眼手术的多类别结果，结合了自由文本手术记录和结构化电子健康记录数据	首次将术中信息（自由文本手术记录）纳入多模态深度学习模型，用于青光眼手术的多类别结果预测，而非传统的二元分类	未明确提及模型在外部验证或不同医疗机构的泛化能力，可能受限于数据质量和样本多样性	预测青光眼手术的多类别结果，以改善术后管理和临床决策	青光眼患者的手术数据，包括结构化电子健康记录和自由文本手术记录	自然语言处理, 机器学习	青光眼	深度学习, 多模态学习	神经网络	文本, 结构化数据	NA	NA	NA	宏平均AUROC, F1分数, 召回率, 精确率	NA
136	2026-03-06	Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1385424 PMID:38895589	研究论文	本研究开发了一种基于3D U-Net卷积神经网络的自动化颅内血管分割方法，用于处理颅内动脉粥样硬化狭窄患者的4D血流MRI数据	首次将深度学习应用于颅内狭窄血管的自动化分割，提高了分割的可重复性和鲁棒性，并显著加速了数据分析过程	未来需要纳入更多颅内动脉粥样硬化疾病（ICAD）的分割数据以及其他颅内血管病理学数据，以进一步提升模型的性能和泛化能力	开发一种准确、全自动的分割方法，用于颅内狭窄血管的4D血流MRI数据分析，以提高定量评估的效率和一致性	颅内动脉粥样硬化狭窄患者（68例）和健康对照者（86例）的4D血流MRI扫描数据	数字病理学	心血管疾病	4D血流MRI, 双速度编码（dual-VENC）	CNN	图像	154例4D血流MRI扫描（68例患者，86例健康对照）	NA	3D U-Net	Dice分数, Hausdorff距离, 平均对称表面距离, Bland-Altman分析, 组内相关系数	NA
137	2026-03-05	PPB-Affinity: Protein-Protein Binding Affinity dataset for AI-based protein drug discovery 2024-12-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03997-4 PMID:39627219	研究论文	本文介绍了一个名为PPB-Affinity的大型蛋白质-蛋白质结合亲和力数据集，并开发了基于深度学习的基准模型来预测亲和力	创建了目前最大的公开可用的蛋白质-蛋白质结合亲和力数据集，填补了该领域开源数据稀缺的空白	未明确提及数据集的潜在偏差或模型预测的局限性	促进基于AI的大分子药物发现，特别是蛋白质-蛋白质结合亲和力的预测	蛋白质-蛋白质复合物及其结合亲和力数据	机器学习	NA	深度学习	深度学习模型	蛋白质晶体结构数据、结合亲和力数据	未明确指定具体样本数量，但描述为大型数据集	未明确指定	未明确指定具体架构	未明确指定	未明确指定
138	2026-03-05	Seizure Sources Can Be Imaged from Scalp EEG by Means of Biophysically Constrained Deep Neural Networks 2024-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405246 PMID:39473085	研究论文	本文研究了一种基于深度学习的源成像框架DeepSIF，用于从耐药性局灶性癫痫患者的头皮脑电图中成像癫痫发作活动	采用具有生物物理约束的深度神经网络，并利用神经质量模型生成与发作动态时空谱特征相似的合成训练数据	研究仅针对33名耐药性局灶性癫痫患者，样本量相对有限	研究DeepSIF框架在从头皮脑电图成像癫痫发作活动源方面的能力，以辅助难治性癫痫的管理	耐药性局灶性癫痫患者的高密度（76通道）脑电图癫痫发作记录	机器学习	癫痫	脑电图	深度神经网络	脑电图信号	33名耐药性局灶性癫痫患者	NA	DeepSIF	空间特异性, 空间离散度, 平均距离	NA
139	2026-03-05	Wise Roles and Future Visionary Endeavors of Current Emperor: Advancing Dynamic Methods for Longitudinal Microbiome Meta-Omics Data in Personalized and Precision Medicine 2024-12, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400458 PMID:39535493	综述	本文探讨了动态方法在整合纵向微生物组多组学数据于个性化与精准医学中的当前角色与未来愿景	提出统一分析框架和深度学习工具等先进动态方法，并强调其在微生物组研究中的创新应用	缺乏验证分析协议和数据资源的金标准，工作流程步骤的相互依赖性影响整体结果	探索动态方法在个性化与精准医学中整合纵向微生物组多组学数据的最佳实践与未来方向	微生物、代谢物、基因等实体及其与宿主生理和外部刺激的相互作用	机器学习	NA	高级测序工具，多组学数据整合	深度学习	纵向微生物组多组学数据	NA	NA	NA	NA	NA
140	2026-03-05	A continuous pursuit dataset for online deep learning-based EEG brain-computer interface 2024-11-20, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04090-6 PMID:39567538	研究论文	本文介绍了一个用于在线连续追踪脑机接口研究的EEG数据集，该数据集基于深度学习解码器，旨在促进复杂连续对象控制范式的新解码算法开发	提供了首个针对复杂连续追踪任务的在线深度学习脑机接口数据集，采用随机移动目标而非传统静态目标，包含多会话的大规模受试者特定数据	数据集主要针对特定连续追踪范式，可能不直接适用于其他传统脑机接口任务；在线解码器的性能可能受实时计算约束影响	开发适用于连续对象控制的脑机接口解码算法，推动脑电脑机接口走向实际应用	28名人类受试者在多会话中采集的脑电信号	脑机接口	NA	脑电图	深度学习	脑电信号	28名受试者，总计约168小时脑电记录	NA	NA	NA	NA