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
141	2026-05-23	IntroUNET: identifying introgressed alleles via semantic segmentation 2024-Jan-23, bioRxiv : the preprint server for biology DOI:10.1101/2023.02.07.527435 PMID:36865105	研究论文	将语义分割深度学习算法应用于识别种群遗传比对中的渗入等位基因	首次将语义分割任务应用于渗入等位基因的个体水平精确识别，能推断每个个体的渗入等位基因及其在基因组中的具体位置	依赖模拟数据训练，真实数据应用需要验证；对未采样“幽灵”种群的性能需进一步评估	开发一种能够识别基因组中渗入区域和个体渗入等位基因的深度学习方法	两个种群的遗传比对数据（模拟数据及真实种群数据如邓氏鱼）	机器学习	NA	NGS	CNN (语义分割网络)	图像（种群遗传比对图像）	具体样本量未说明，但包括模拟数据和来自果蝇的真实数据	NA	语义分割网络（具体架构未明确提及）	准确率（highly accurate）	NA
142	2026-05-23	The Value of Topological Radiomics Analysis in Predicting Malignant Risk of Pulmonary Ground-Glass Nodules: A Multi-Center Study 2024 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338241287089 PMID:39363876	研究论文	通过拓扑放射组学分析预测肺部磨玻璃结节的恶性风险	首次将拓扑数据分析应用于肺磨玻璃结节的放射组学分析，结合同调理论提取拓扑特征，显著提升了良恶性鉴别性能	研究中未提及外部验证，可能限制模型的泛化能力	预测肺CT扫描中磨玻璃结节的恶性风险，提升早期诊断准确性	肺部磨玻璃结节（GGNs）患者	计算机视觉	肺癌	CT扫描，放射组学分析	机器学习与深度学习算法结合的模型	影像数据	来自两个中心的3223名患者（2018年1月至2023年6月）	NA	NA	曲线下面积（AUC）、敏感度	NA
143	2026-05-20	NeuroPred-ResSE: Predicting neuropeptides by integrating residual block and squeeze-excitation attention mechanism 2024-12, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115648 PMID:39154878	研究论文	提出基于残差块和挤压激励注意力机制的神经肽预测模型NeuroPred-ResSE	首次将残差块与挤压激励注意力机制结合用于神经肽预测，能捕获并识别最相关的属性特征	未明确提及具体局限性，但可能依赖特定序列编码方法，需进一步验证泛化能力	开发快速准确的神经肽预测工具，助力神经系统疾病药物研发	神经肽序列及其预测模型	机器学习	神经系统疾病	NA	CNN（基于残差块和注意力机制）	序列数据（蛋白质/肽序列）	未明确样本数量，但提及训练集和测试集（基于5折交叉验证和独立测试）	NA	ResNet（残差块）、Squeeze-and-Excitation Network（挤压激励注意力机制）	准确率（accuracy）	NA
144	2026-05-20	The development of machine learning approaches in two-dimensional NMR data interpretation for metabolomics applications 2024-12, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115654 PMID:39187053	研究论文	利用机器学习方法开发二维核磁共振数据处理自动化流程，用于代谢组学定量分析	首次将多种机器学习分类方法（PLS-DA、ANN-DA、XGBoost-DA和ANNDL-DA）与自动峰选择相结合，实现二维核磁共振数据的自动化定量分析	PLS-DA和XGBoost-DA在数据变异或过拟合方面存在局限性，ANN-DA和ANNDL-DA的准确性仍约90%需进一步提升	开发自动化方法处理二维核磁共振数据，推动其在代谢组学定量研究中的常规应用	标准混合物、海葵提取物和小鼠粪便样本	机器学习	NA	NMR	PLS-DA, ANN-DA, XGBoost-DA, ANNDL-DA	二维核磁共振谱数据	标准混合物、海葵提取物和小鼠粪便样本	NA	NA	准确性（约90%）	NA
145	2026-05-20	Integrating predictive coding and a user-centric interface for enhanced auditing and quality in cancer registry data 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.007 PMID:38690549	研究论文	开发了一个结合深度学习与规则方法的混合自然语言处理系统，集成于医院信息系统，为癌症登记员提供患者病程可视化平台，以辅助肺癌登记数据的编码工作	将预测编码与用户中心界面整合，提出混合加权神经符号系统，并构建患者病程可视化平台以辅助编码审核	NA	简化医院癌症登记数据的人工提取流程，提升编码质量与效率	肺癌登记相关文本数据及编码项目	自然语言处理	肺癌	自然语言处理、深度学习、规则方法	混合深度学习-规则模型	文本	1428例肺癌患者数据	NA	混合神经符号架构	F1分数	NA
146	2026-05-20	AI-readiness for Biomedical Data: Bridge2AI Recommendations 2024-Nov-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.23.619844 PMID:39484409	评论	本文介绍了Bridge2AI项目提出的生物医学数据AI就绪性评估方法及数据标准	提出生物医学数据AI就绪性的评估标准，并整合可解释人工智能以及伦理、法律和社会影响考量	领域快速演进，所提标准为初步基础框架，可能需持续更新	制定生物医学数据AI就绪性的评估方法和数据标准，确保科学严谨性和伦理设计	Bridge2AI项目开发的旗舰数据集及相关AI/ML分析方法	机器学习	未指定	NA	NA	生物医学数据	NA	NA	NA	NA	NA
147	2026-05-20	Application and performance enhancement of FAIMS spectral data for deep learning analysis using generative adversarial network reinforcement 2024-11, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115627 PMID:39033946	研究论文	使用生成对抗网络增强高场非对称离子迁移谱（FAIMS）谱图数据以改进深度学习分析性能	首次将生成对抗网络（GAN）引入FAIMS谱图数据增强，通过生成高保真度和多样性的谱图有效扩展数据集，无需增加额外实验成本	未提及模型对复杂混合物中未知或罕见成分的泛化能力，以及生成数据的潜在偏差或过拟合风险	解决FAIMS深度学习分析中因数据质量不足和样本多样性低导致的识别性能差的问题	通过FAIMS收集的15类真实混合谱图数据	机器学习	NA	高场非对称离子迁移谱（FAIMS）	生成对抗网络（GAN）、VGG、ResNeXt	谱图数据	15类混合谱图样本	NA	VGG, ResNeXt	准确率, 精确率, 召回率, F1分数	NA
148	2026-05-20	Protein-peptide binding residue prediction based on protein language models and cross-attention mechanism 2024-11, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115637 PMID:39121938	研究论文	设计了一种基于蛋白质语言模型和交叉注意力机制的端到端深度学习方法E2EPep，用于蛋白质-肽结合残基预测	首次将两种预训练蛋白质语言模型与交叉注意力特征融合模块结合，实现仅基于蛋白质序列的端到端预测，无需依赖第三方工具提取显式特征	方法在独立测试集上的性能仍有提升空间，且仅适用于学术用途，未提及临床或工业部署的可行性	提高蛋白质-肽结合残基预测的准确性和计算效率，推动药物发现	蛋白质-肽结合残基	自然语言处理，机器学习	不适用	不适用	深度学习模型	蛋白质序列	两个独立测试数据集	PyTorch	蛋白质语言模型，交叉注意力机制	AUC， Matthew相关系数	不适用
149	2026-05-20	Visceral Adiposity and Progression of ADPKD: A Cohort Study of Patients From the TEMPO 3:4 Trial 2024-Sep, American journal of kidney diseases : the official journal of the National Kidney Foundation IF:9.4Q1 DOI:10.1053/j.ajkd.2024.02.014 PMID:38608748	研究论文	利用深度学习从TEMPO 3:4试验患者的冠状面MRI扫描中量化内脏脂肪，分析其与常染色体显性多囊肾病肾脏进展及托伐普坦疗效的关系	首次在ADPKD队列中通过深度学习分割模型从冠状面MRI量化内脏脂肪，发现其在预测肾脏生长速率方面优于BMI，并影响托伐普坦疗效	回顾性研究设计、研究对象为快速进展患者、深度学习计算需求高	探讨内脏脂肪堆积与ADPKD肾脏生长速率的关系以及对托伐普坦疗效的影响	ADPKD高风险快速进展患者	数字病理学	常染色体显性多囊肾病	MRI	深度学习分割模型	图像（冠状面MRI）	1053名ADPKD患者	NA	NA	曲线下面积（AUC）、Delong检验	需要高计算资源（深度学习）
150	2026-05-20	Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software 2024-09, Journal of medical screening IF:2.6Q2 DOI:10.1177/09691413231219952 PMID:38115810	meta-analysis	本研究通过系统综述和meta分析评估了基于深度学习的人工智能系统对乳腺癌筛查乳腺X线影像进行分诊的潜力，重点关注其对放射科医生工作量的减少效果	首次通过meta分析量化了AI分诊在乳腺癌筛查中减少约68.3%放射科工作量的同时保持93.1%高敏感性的效果，提供了基于商业DL算法的实际证据	仅纳入三种使用同一商业DL算法的研究，异质性较高（I²值大），且未深入分析AI实施过程的复杂性和异质性对实际应用的影响	评估基于AI的乳腺X线分诊能否在非劣效敏感性的前提下减少放射科医生工作量	乳腺癌筛查中的乳腺X线影像及放射科医生的工作流程	机器学习	乳腺癌	深度学习的计算机辅助分诊技术	深度学习	医学影像（乳腺X线影像）	三个纳入研究的156,852次检查	NA	NA	敏感性, 特异性, 工作量减少比例	NA
151	2026-05-20	Unsupervised motion artifact correction of turbo spin-echo MRI using deep image prior 2024-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30026 PMID:38282279	研究论文	提出了一种基于深度图像先验的无监督运动伪影校正方法，用于涡轮自旋回波MRI	利用神经网络参数化对运动伪影的高阻抗特性，提出无监督的深度学习校正框架，无需大型数据集训练	未提及具体局限性	开发无监督深度学习方法校正涡轮自旋回波MRI中的运动伪影	涡轮自旋回波MRI图像中的运动伪影	计算机视觉	NA	MRI	CNN	图像	14名受试者的280张切片	PyTorch	深度图像先验网络	结构相似性指数	NA
152	2026-05-19	A Multiscale Connected UNet for the Segmentation of Lung Cancer Cells in Pathology Sections Stained Using Rapid On-Site Cytopathological Evaluation 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.011 PMID:38897537	研究论文	提出一种基于深度学习的多尺度连接UNet（CUNet3+）网络模型，用于快速现场细胞病理学评估（ROSE）染色的病理切片中肺癌细胞簇的精确分割	通过CUNet3+网络模型减少过分割、降低网络参数、提高计算效率，在ROSE染色图像中准确识别肺癌细胞簇，优于经典分割算法	NA	提高支气管内超声引导下经支气管针吸活检术（EBUS-TBNA）术中诊断效率，实现实时患者评估	肺癌患者的ROSE染色病理切片中的细胞簇	数字病理学	肺癌	快速现场细胞病理学评估（ROSE）	卷积神经网络（CNN）	病理图像	NA	NA	CUNet3+	F1-score, 召回率, 精确率, 准确率, ROC曲线下面积	NA
153	2026-05-19	Deep Learning Classification and Quantification of Pejorative and Nonpejorative Architectures in Resected Hepatocellular Carcinoma from Digital Histopathologic Images 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.007 PMID:38879083	研究论文	利用深度学习对肝细胞癌数字病理图像中的不良与非不良组织架构进行分类和量化	首次构建基于ResNet34的监督深度学习算法，用于识别和量化微血管侵犯、低分化、不良巨梁架构和血管包裹肿瘤巢等不良组织架构，并验证其在外部队列的泛化能力	仅限于肝细胞癌的术后样本，且算法性能在外部验证中准确率略下降，仍需进一步优化以构建复合预测算法	识别术后复发高风险肝细胞癌患者，通过深度学习预测不良组织架构以替代微血管侵犯评估	肝细胞癌手术切除标本的整张切片图像	数字病理学	肝细胞癌	NA	CNN	图像	107例肝细胞癌患者的680张整张切片图像，外部验证组为29例肝细胞癌	PyTorch	ResNet34	准确率	NA
154	2026-05-19	Deep Learning for Grading Endometrial Cancer 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.003 PMID:38879079	研究论文	介绍EndoNet，利用卷积神经网络和视觉Transformer对子宫内膜癌全切片图像进行高低级别分类	结合卷积神经网络提取组织学特征与视觉Transformer聚合特征，实现无需人工标注的子宫内膜癌分级	需要进一步验证才能支持临床使用	开发深度学习模型自动分类子宫内膜癌的高级别和低级别	子宫内膜癌的苏木精-伊红染色全切片图像	数字病理学	子宫内膜癌	NA	卷积神经网络, 视觉Transformer	图像	929张全切片图像用于训练，内部测试110名患者，外部测试100名患者（来自TCGA数据库）	PyTorch（推测）	CNN, ViT	F1分数, AUC	NA
155	2026-05-19	AlphaFold predictions of fold-switched conformations are driven by structure memorization 2024-08-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51801-z PMID:39181864	研究论文	测试AlphaFold在预测折叠转换蛋白构象方面的能力，发现其预测能力较弱且部分成功源于结构记忆而非学习到的能量特性	首次系统评估AlphaFold对折叠转换蛋白的预测能力，揭示其通过记忆训练集结构而非学习物理能量学实现部分成功预测	AlphaFold对折叠转换蛋白的预测成功率仅35%，且主要限于训练集中存在的蛋白；对训练集外蛋白几乎完全失败；置信度指标无法区分高低能量构象；存在结构信息记忆和共进化约束错误分配问题	评估AlphaFold模型预测折叠转换蛋白（形成两种不同二级/三级结构区域）构象的能力及其机理	折叠转换蛋白（fold-switching proteins）	机器学习	NA	深度学习结构预测（AlphaFold2/3）	AlphaFold（深度神经网络）	蛋白质序列与结构数据	超过56万个模型（AF2和AF3的多种实现）	NA	AlphaFold2, AlphaFold3	成功率（35%）、置信度指标	NA
156	2026-05-19	Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases 2024-May-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.14.594252 PMID:38798507	研究论文	介绍scPRS，一个几何深度学习模型，通过单细胞染色质可及性数据构建单细胞层面多基因风险评分，用于复杂疾病预测和生物学发现	首次将多基因风险评分降维至单细胞层面，结合几何深度学习解析疾病细胞异质性和分子机制	未明确说明局限性，可能依赖于参考单细胞染色质数据质量及计算资源需求	开发单细胞分辨率的PRS方法，增强复杂疾病的遗传风险预测和生物学机制理解	2型糖尿病、肥厚性心肌病和阿尔茨海默病的单细胞数据	机器学习	2型糖尿病, 肥厚性心肌病, 阿尔茨海默病	单细胞ATAC测序, 多组学分析	几何深度学习模型	单细胞染色质可及性数据、多组学数据	NA	NA	scPRS	预测能力	NA
157	2026-05-19	Opportunities for Improving Glaucoma Clinical Trials via Deep Learning-Based Identification of Patients with Low Visual Field Variability 2024 May-Jun, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.01.005 PMID:38296108	研究论文	开发深度学习模型预测低视野变异性的青光眼患者，并评估其对神经保护试验样本量的影响	首次利用深度学习模型从单次基线临床访问数据预测低视野变异性，并证明其可显著减少临床试验所需样本量	未提及模型在实际临床试验中的验证，可能存在外部有效性限制	评估深度学习模型在识别低视野变异性患者中的作用，以及降低青光眼临床试验样本量的潜力	青光眼患者的视野变异性和临床试验样本量	医疗影像	青光眼	NA	深度学习模型	视野测量数据、OCT图像、临床数据	2817只眼（每位患者一只眼）	NA	NA	受试者工作特征曲线下面积（AUC）	NA
158	2026-05-19	LEARNING SPATIALLY-CONTINUOUS FIBER ORIENTATION FUNCTIONS 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635838 PMID:42148456	研究论文	提出一种名为FENRI的新方法，从低分辨率扩散加权图像中学习空间连续的纤维取向分布函数，以提升纤维追踪的准确性	首次提出学习空间连续纤维取向分布函数的方法，满足纤维追踪对连续场的需求，并引入新的模拟数据集用于评估基于学习的纤维追踪模型	未提及，可能包括对计算资源的要求或需要在临床数据上进一步验证	解决低分辨率扩散MRI中纤维追踪因插值方法导致精度不足的问题	人脑连接组中的神经通路纤维方向	机器学习	NA	扩散磁共振成像	神经网络	图像	NA	NA	FENRI	NA	NA
159	2026-05-19	Deep Learning Classification of Angle Closure based on Anterior Segment OCT 2024 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2023.06.011 PMID:37437884	研究论文	评估卷积神经网络模型在前段OCT图像中识别原发性闭角型疾病及其阶段分化的性能和泛化能力	首次利用深度学习模型在多中心、跨国数据上系统评估了前段OCT图像中闭角型疾病的自动分类性能，并验证了模型在不同人群间的泛化能力	模型在区分PACS与PAC+PACG时表现中等，泛化能力下降	评估CNN模型用于客观、高通量识别原发性闭角型疾病及其阶段分化	前段OCT图像中的原发性闭角型疾病（PACD）	计算机视觉	闭角型青光眼	OCT	CNN	图像	中国两个中心841只眼（170只对照，488只PACS，183只PAC+PACG）和新加坡测试集300只眼	NA	CNN	AUC, precision, recall	NA
160	2026-05-18	Advancements in microneedle fabrication techniques: artificial intelligence assisted 3D-printing technology 2024-06, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-023-01510-9 PMID:38218999	综述	综述了人工智能辅助3D打印技术在微针制造中的应用，包括预测药物释放模式、质量控制及生物标志物水平预测，并讨论了物联网与机器学习集成的自主3D打印系统	系统探讨了人工智能（机器学习和深度学习）与3D打印技术在微针制造中的协同作用，特别是其在预测药物释放、质量控制和生物传感方面的应用潜力	未深入讨论实际应用中的挑战，如材料生物相容性、大规模生产的成本效益及临床转化障碍	总结人工智能在3D打印微针装置中的角色，包括预测药物释放模式、质量控制及生物标志物水平，并探讨自主3D打印和生物传感应用	基于微针的装置和人工智能工具（机器学习、深度学习、物联网）	机器学习	NA	3D打印	NA	NA	NA	NA	NA	NA	NA