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
21	2026-08-21	Disentangled deep generative models reveal coding principles of the human face processing network 2024-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011887 PMID:38408105	研究论文	本文介绍了一种使用解纠缠深度生成模型解释人类面部处理网络编码原理的方法。	提出了一种利用解纠缠表示学习模型来无监督地学习面部语义维度，并用于解释人类fMRI数据的新方法，提高了模型的可解释性。	未提及明显的局限性，但可能包括解纠缠维度中的少数不可解释维度仍需进一步研究。	揭示人类面部处理网络的计算原理，并提供一种可解释的深度学习模型来模拟和解释大脑数据。	人类面部处理网络，面部特征（如旋转、光照、发型等），以及人类fMRI数据。	机器学习	NA	fMRI	解纠缠生成模型	图像和fMRI数据	未提及具体样本数量	NA	解纠缠表示学习模型	未明确提及，但可能包括编码模型的预测性能指标	NA
22	2026-08-21	Bidirectional de novo peptide sequencing using a transformer model 2024-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011892 PMID:38416757	研究论文	提出了一种名为NovoB的Transformer模型，用于从串联质谱数据中双向预测肽序列，以提高de novo测序的准确性。	首次将Transformer模型应用于双向de novo肽测序，同时从肽序列的首尾氨基酸开始预测，利用b离子和y离子碎片共存的特点，显著提升预测性能。	未提供具体的局限性信息，可能包括模型复杂性和训练数据需求等。	开发一种改进的深度学习方法，用于从串联质谱数据中准确预测肽序列。	肽序列，特别是来自不同物种的质谱数据中的肽段。	蛋白质组学	NA	串联质谱（Tandem Mass Spectrometry）	Transformer	质谱数据	所有物种的样本，具体数量未提供。	NA	Transformer	肽级准确率（peptide-level accuracy）	NA
23	2026-08-21	DeepD3, an open framework for automated quantification of dendritic spines 2024-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011774 PMID:38422112	研究论文	提出了一个开放框架DeepD3，利用深度学习全自动量化显微镜数据中的树突棘。	利用多专家注释和分割的训练数据训练神经网络，提供全自动且稳健的树突棘量化方法，并公开了完整框架、基准数据集和模型库，解决了树突棘数据公开可用性缺乏的问题。	未在摘要中明确提及局限性，但可能存在对不同实验条件的泛化限制和依赖高质量训练数据。	开发一个全自动、稳健且可复现的树突棘量化方法，以克服人工量化中的变异性和错误。	显微镜数据中的树突和树突棘。	计算机视觉	不适用	光显微镜成像	卷积神经网络	图像	未在摘要中明确提及样本数量	未明确提及，可能包括TensorFlow或PyTorch，但不适用	未在摘要中明确指定，可能为U-Net等分割架构，但不适用	可靠性指标（包括人与人之间的可靠性）	未在摘要中提及，不适用
24	2026-08-20	Drug target prediction through deep learning functional representation of gene signatures 2024-02-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46089-y PMID:38424040	研究论文	开发了一种名为FRoGS的深度学习框架，将基因签名投影到其生物学功能上（类似于word2vec），以增强基于OMICS数据集的化合物-靶点预测	不同于传统基于基因身份匹配的方法，FRoGS利用基因功能的预训练知识，通过深度学习将基因签名转化为功能表示，从而提升预测效果	摘要中未明确提及局限性，可能包括依赖预定义的功能注释库及L1000数据集的特性	通过功能表示基因签名，改进化合物-靶点预测和机制作用研究	基因签名、化合物、靶点、L1000数据集	机器学习	NA	深度学习	深度学习模型	基因表达数据	NA	NA	NA	NA	NA
25	2026-08-20	Local and global changes in cell density induce reorganisation of 3D packing in a proliferating epithelium 2024-Feb-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.08.579268 PMID:38370815	研究论文	本文通过活体成像和深度学习分割技术，研究增殖上皮中局部和整体细胞密度变化如何引发3D包装的重组	首次结合活体成像和深度学习分割，动态解析细胞密度、组织压实和细胞增殖对3D上皮包装中scutoid形成的相对贡献	研究主要基于海星胚胎模型，可能不适用于其他物种或组织类型，且对scutoid形成的分子机制涉及较少	阐明增殖上皮中3D细胞包装重组的动态变化及scutoid形成的驱动因素	海星胚胎的上皮组织	数字病理学、计算机视觉、机器学习	不适用	活体成像、深度学习分割	深度学习分割模型（未具体指定）	图像	海星胚胎样本（具体数量未提供）	深度学习（具体框架未提供）	未指定	未指定	未提供
26	2026-07-07	Automatic de-identification of French electronic health records: a cost-effective approach exploiting distant supervision and deep learning models 2024-02-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02422-5 PMID:38365677	研究论文	提出了一种利用远程监督和深度学习模型自动去识别法语电子健康记录的成本效益方法	采用远程监督方法显著降低手动标注成本，并利用eHOP临床数据仓库和国家知识库实现自动化标注，同时结合Prodigy工具进行辅助数据标注	研究未明确说明外部验证或不同临床机构间的泛化能力	开发一种自动去识别临床文档的管道，减少手动标注成本，便于在不同临床中心推广	法语电子健康记录中的个人识别信息	自然语言处理	NA	NA	Bi-LSTM + CRF	文本	基于法国雷恩大学医院eHOP临床数据仓库的电子健康记录数据集	NA	Bi-LSTM + CRF, Flair + FastText词嵌入	F1分数	NA
27	2026-07-07	InsightSleepNet: the interpretable and uncertainty-aware deep learning network for sleep staging using continuous Photoplethysmography 2024-02-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02437-y PMID:38355559	研究论文	基于连续光电容积描记信号，开发了可解释且具不确定性意识的睡眠分期深度学习网络InsightSleepNet	创新性地融合局部注意力模块、InceptionTime、时间分布密集层、时间卷积网络和1D卷积网络，同时考虑模型预测的可解释性和不确定性，并引入能量分数估计进行选择性预测	未明确提及	利用穿戴设备连续监测睡眠，开发更高效的睡眠分期方法，为医学决策提供支持	从连续PPG信号中提取的睡眠分期数据	机器学习	睡眠相关疾病	光电容积描记	CNN, TCN, InceptionTime	信号数据	使用三个数据集：MESA、CFS、CAP，样本量未明确	NA	InceptionTime, TCN, 1D CNN	准确率，Cohen's kappa，加权F1分数	NA
28	2026-07-07	DeepVAQ : an adaptive deep learning for prediction of vascular access quality in hemodialysis patients 2024-02-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02441-2 PMID:38347504	研究论文	开发了一种名为DeepVAQ的深度学习模型，用于从光电容积脉搏波传感器数据预测血液透析患者的血管通路质量	首次将深度学习模型应用于从光电容积脉搏波传感器数据预测血管通路质量，实现了非侵入性、低成本的诊断方法替代金标准超声稀释技术	研究为回顾性单中心设计，样本量有限（398名患者），且未提及模型在外部数据集上的验证	开发一种专用于预测血液透析患者血管通路质量的深度学习模型	398名血液透析患者的临床数据（2021年2月至2022年2月）	机器学习	慢性肾病相关血管通路质量	光电容积脉搏波传感器	卷积神经网络	光电容积脉搏波传感器信号数据	398名血液透析患者	NA	卷积神经网络（CNN）	准确率、特异度、精确率、F分数、AUC	NA
29	2026-07-07	Prediction of emergency department revisits among child and youth mental health outpatients using deep learning techniques 2024-02-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02450-1 PMID:38331816	研究论文	利用深度学习技术预测儿童和青少年心理健康门诊患者的急诊再次就诊	首次将图神经网络模型应用于儿童青少年心理健康电子健康档案数据中的急诊再次就诊预测，并与循环神经网络及传统机器学习模型进行比较	模型性能可能不足以支持临床实施	预测儿童青少年心理健康门诊患者的急诊再次就诊，以便早期干预和优化医疗资源配置	在麦克马斯特儿童医院儿童青少年心理健康项目门诊服务中寻求帮助的4-17岁患者	机器学习	心理健康疾病	NA	图神经网络，循环神经网络，XGBoost，决策树，逻辑回归	电子健康档案数据	未明确说明	NA	图神经网络，循环神经网络	F1分数，精确率，召回率，ROC曲线，阳性预测值，阴性预测值	NA
30	2026-07-07	Exploring the performance and explainability of fine-tuned BERT models for neuroradiology protocol assignment 2024-02-07, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02444-z PMID:38326769	研究论文	评估微调BERT模型在神经放射学协议分配中的表现和可解释性	首次将BERT模型应用于医学影像协议分配任务，并利用梯度方法进行词语重要性分析以评估决策过程	NA	评估预训练BERT模型在神经放射学协议分类中的表现，并探究其决策过程的可解释性	四种BERT模型（BERT、BioBERT、ClinicalBERT、RoBERTa）及放射科医生的判断	自然语言处理	神经放射学相关疾病	NA	BERT	文本	NA	PyTorch	BERT, BioBERT, ClinicalBERT, RoBERTa	接近人类水平的表现	NA
31	2026-07-07	A reliable diabetic retinopathy grading via transfer learning and ensemble learning with quadratic weighted kappa metric 2024-02-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02446-x PMID:38321416	研究论文	提出一种结合迁移学习与集成学习的糖尿病视网膜病变分级方法，使用二次加权卡帕指标评估性能	结合预训练模型权重迁移学习与数据增强，提出三层分类器架构，并采用二次加权卡帕指标提高分级准确性	未提及具体计算资源需求或模型在真实临床环境中的验证	开发高效且可靠的糖尿病视网膜病变分级方法，解决现有模型计算负担重且分级不准确的问题	糖尿病视网膜病变患者眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	迁移学习与集成学习模型	图像	Eyepacs、Aptos和Messidor三个数据集	未明确提及	三层分类器（含Dropout和ReLU激活）	二次加权卡帕指标	未提及
32	2026-07-07	Susceptibility of AutoML mortality prediction algorithms to model drift caused by the COVID pandemic 2024-02-02, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02428-z PMID:38308256	研究论文	研究COVID疫情导致的数据漂移对AutoML死亡率预测算法模型漂移的影响	首次系统评估COVID疫情导致的突然数据漂移对AutoML死亡率预测模型的影响，并测试多种简单易行的训练方法能否防止模型性能下降	仅测试了少数简单易行的修改方法，未涉及更复杂的技术如在线学习或增量学习；数据集仅来自一家医院的105,666例病例，泛化性有限	表征COVID疫情导致的突然数据漂移，并评估不同模型训练方法对防止模型退化效果	手术患者的术后死亡率预测模型	机器学习	手术相关死亡率	NA	广义线性模型、默认随机森林、梯度提升机、极限梯度提升、深度学习、堆叠集成	结构化表格数据	105,666例手术患者数据（2014-2019年）	H2O AutoML	GLM、随机森林、GBM、XGBoost、深度学习、堆叠集成	AUC、精确率-召回率曲线	NA
33	2026-07-03	TB-DROP: deep learning-based drug resistance prediction of Mycobacterium tuberculosis utilizing whole genome mutations 2024-Feb-12, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10066-y PMID:38347478	研究论文	基于全基因组突变构建深度学习模型TB-DROP用于结核分枝杆菌耐药性预测	首次提出端到端的定制化深度学习框架TB-DROP，克服了以往模型依赖已知耐药相关位点的局限，采用全新学习方法基于全基因组水平突变进行预测，并集成到一个用户友好的图形化工具中	未提及具体的局限性信息	构建定制化深度学习模型以实现基于基因型的结核分枝杆菌耐药性预测	结核分枝杆菌的全基因组突变数据	机器学习	结核病	全基因组测序	多层感知器	基因突变数据	未明确提及样本数量	TensorFlow	多层感知器	灵敏度, 特异度	未明确提及计算资源
34	2026-07-03	Differentiable partition function calculation for RNA 2024-02-09, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkad1168 PMID:38038257	研究论文	提出了一种可微分的RNA配分函数计算方法，实现了端到端的梯度优化	首次将McCaskill算法推广到连续输入，实现配分函数的可微分计算，从而将RNA热力学与深度学习等可微分编程工具相结合	NA	建立RNA热力学与可微分编程之间的桥梁，解决RNA逆折叠问题	RNA序列	机器学习	NA	动态规划	可微分计算模型	序列数据	NA	PyTorch	NA	NA	NA
35	2026-06-30	Mobile Apps for COVID-19 Detection and Diagnosis for Future Pandemic Control: Multidimensional Systematic Review 2024-02-22, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/44406 PMID:38231538	系统综述	对移动应用在COVID-19检测与诊断中的应用进行多维系统综述，评估其技术领域与效果	首次对移动应用在COVID-19大流行防控中的诊断应用进行多维度系统综述，涵盖接触追踪、数据收集、AI诊断等6大领域，并比较了不同数据类型和AI技术的效果	仅纳入42项研究，可能存在发表偏倚；未深入分析不同地区或经济背景下移动应用的可及性和实际部署障碍	为软件公司和临床研究人员提供移动应用在COVID-19诊断中应用领域的全面信息	535项初始研究中筛选出的42项关于移动应用诊断和检测COVID-19的研究	数字病理学	新型冠状病毒肺炎	NA	卷积神经网络、轻量级神经网络	临床数据、地理数据、人口统计数据、放射学图像、血清学数据、实验室数据（含症状、咳嗽声和放射学图像）	535项初始研究，最终纳入42项研究	NA	深度学习方法（如卷积神经网络）、轻量级神经网络	NA	移动设备处理核心（含云计算、第五代通信技术）
36	2026-06-30	Deep learning based synthesis of MRI, CT and PET: Review and analysis 2024-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103046 PMID:38052145	综述	全面回顾2018至2023年间基于深度学习的医学影像合成方法，涵盖伪CT、合成MR和合成PET	系统梳理了从传统CNN到最新Transformer和扩散模型的网络架构，对比了损失函数、数据集和下游任务性能	未提及对生成影像临床可信度的系统性验证，也未分析模型在不同成像设备间的泛化能力	为医学图像合成领域研究人员提供技术路线图，总结挑战并提出未来方向	基于深度学习的医学影像翻译方法，包括CT、MRI和PET间的跨模态合成	计算机视觉, 数字病理学	NA	深度学习	CNN, Transformer, 扩散模型	医学图像（CT、MRI、PET）	NA	PyTorch, TensorFlow	CNN, Transformer, 扩散模型	图像质量评估, 下游任务性能	NA
37	2026-06-30	Random Forest Modeling of Acute Toxicity in Anal Cancer: Effects of Peritoneal Cavity Contouring Approaches on Model Performance 2024-02-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.08.042 PMID:37619789	研究论文	分析不同腹腔轮廓勾画方法对基于随机森林的肛门癌急性毒性模型性能的影响	比较了基于医生勾画、深度学习和全肠腔自动分割的三种腹腔轮廓方法对毒性预测模型的影响，发现全肠腔自动分割显著提升模型性能	结果需要外部数据集进一步验证	评估不同腹膜腔轮廓勾画方法对随机森林模型预测肛门癌急性3级及以上胃肠道毒性的效果	246例接受根治性放化疗的肛门鳞状细胞癌患者	机器学习	肛门癌	放射治疗、剂量体积指标	随机森林	临床和剂量体积指标数据	246例患者（毒性发生率9.5%）	NA	随机森林, nnU-Net	AUPRC, AUROCC, F1分数	NA
38	2026-06-30	Modeling annotator preference and stochastic annotation error for medical image segmentation 2024-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103028 PMID:38070453	研究论文	提出一种偏好参与标注分布学习框架，通过建模标注者偏好和随机误差来处理医学图像分割中的标注偏差	提出PADL框架，同时建模标注者偏好和随机误差，生成元分割和标注者特定分割	未明确提及局限性	解决医学图像分割中的标注者偏好偏差问题	医学图像标注偏差及其对分割模型的影响	计算机视觉	未指定	深度学习	CNN	图像	两个医学图像基准数据集，包含多个标注者标注	PyTorch	NA	Dice系数或其它分割指标	NA
39	2026-06-30	Correcting synthetic MRI contrast-weighted images using deep learning 2024-02, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.11.015 PMID:38092082	研究论文	提出一种基于深度学习的校正方法，以纠正合成MRI对比加权图像与实验图像之间的差异	提出一种物理启发的深度学习模型，通过生成乘法校正项来隐式捕捉未被建模的物理效应（如部分容积、扩散、流动、磁化传递等），从而改善合成MRI图像与实验对比的匹配度	仅作为概念验证，使用了一种特定的商用2D多对比序列，且初步阅读者研究样本量可能有限	改善合成MRI图像的对比度准确性，使其更接近实验采集的对比图像	合成MRI对比加权图像，特别是通过多对比序列生成的任意反转恢复快速自旋回波扫描	计算机视觉	NA	合成MRI	深度学习模型	图像	NA	NA	物理启发的深度学习模型	对比度、信噪比（SNR）	NA
40	2026-06-30	TestFit: A plug-and-play one-pass test time method for medical image segmentation 2024-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103069 PMID:38154382	研究论文	提出一种即插即用的单次测试时间方法TestFit，用于在测试阶段提升给定现成分割网络的性能	首次提出在线测试时间学习和处理结合的方法，无需训练数据准备，仅需一次遍历每个测试样本	未提及实验中的计算资源消耗或与其他在线方法的详细比较	研究如何稳定地在测试时通过在线处理与学习改善现成分割网络的结果	医疗图像分割任务中的现成深度学习分割网络	数字病理学	NA	NA	深度学习分割网络	图像（2D和3D）	大量2D和3D数据集	NA	NA	NA	NA