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
61	2025-10-07	EvoAI enables extreme compression and reconstruction of the protein sequence space 2024-Feb-23, Research square DOI:10.21203/rs.3.rs-3930833/v1 PMID:38464127	研究论文	开发了一种名为EvoAI的混合实验计算方法，能够极端压缩和重建蛋白质序列空间	结合EvoScan方法获取锚点和深度学习模型重建序列空间，无需同源或结构信息即可预测新型高适应性序列	方法依赖于能够与转录输出耦合的生物分子功能	探索蛋白质序列与功能关系，实现蛋白质序列空间的压缩和重建	阻遏蛋白及其高适应性序列空间	机器学习	NA	转录输出耦合技术	深度学习模型,大语言模型	蛋白质序列数据	82个锚点	NA	NA	压缩比	NA
62	2025-10-07	Enabling late-stage drug diversification by high-throughput experimentation with geometric deep learning 2024-02, Nature chemistry IF:19.2Q1 DOI:10.1038/s41557-023-01360-5 PMID:37996732	研究论文	开发了一个结合几何深度学习和高通量实验的药物后期功能化平台	首次将几何深度学习与高通量实验相结合用于药物后期功能化，并引入了用户友好的反应格式	未知底物的反应性分类准确率相对较低（67%），区域选择性分类的F分数为67%	优化药物候选分子的性质通过后期功能化	23种不同的商业药物分子	机器学习	NA	高通量反应筛选	几何深度学习	化学反应数据	23种商业药物分子	NA	NA	平均绝对误差, 平衡准确率, F分数	NA
63	2025-10-07	Deep learning-based automatic segmentation of cardiac substructures for lung cancers 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110061 PMID:38122850	研究论文	开发基于深度学习的自动分割模型用于肺癌患者心脏亚结构分割	首次使用nnU-Net模型对19个心脏亚结构（包括冠状动脉）进行自动分割	冠状动脉分割的DSC系数相对较低（0.60±0.14），样本量有限	开发自动分割心脏亚结构的深度学习模型以降低肺癌放疗中心脏损伤风险	非小细胞肺癌患者的心脏亚结构	数字病理学	肺癌	医学图像分割	深度学习	医学影像	100例患者用于模型开发，42例患者用于主观评估	nnU-Net	nnU-Net	Dice相似系数, 剂量指标	NA
64	2025-10-07	Development and Validation of an Automated Classification System for Osteonecrosis of the Femoral Head Using Deep Learning Approach: A Multicenter Study 2024-02, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2023.08.018 PMID:37572719	研究论文	开发并验证基于深度学习的股骨头坏死自动分类系统	首次采用多中心数据开发卷积神经网络模型实现股骨头坏死的自动分类和坏死区域定位	回顾性研究设计，样本来源仅限于4家机构	通过深度学习技术对股骨头坏死进行准确分类	股骨头坏死患者的磁共振影像	计算机视觉	股骨头坏死	磁共振成像	CNN	图像	1,806张中冠状位磁共振图像（来自1,337个髋关节），其中1,472张用于模型开发，334张用于外部验证	NA	卷积神经网络	准确率, AUC, 精确率, 召回率, F值	NA
65	2025-10-07	Digital pathology-based artificial intelligence models for differential diagnosis and prognosis of sporadic odontogenic keratocysts 2024-02-26, International journal of oral science IF:10.8Q1 DOI:10.1038/s41368-024-00287-y PMID:38403665	研究论文	开发基于数字病理学的人工智能模型用于牙源性角化囊肿的鉴别诊断和预后预测	首次将深度学习与机器学习算法结合，利用全切片图像开发牙源性角化囊肿的诊断和预后AI模型，并展示了多切片模型整合组织病理学信息的优势	样本量相对有限（519例病例），未提及外部验证集的结果	开发基于数字病理学的AI模型用于牙源性角化囊肿的鉴别诊断和预后预测	519例牙源性角化囊肿病例，包含2,157张H&E染色图像	数字病理学	牙源性角化囊肿	数字病理学，H&E染色	CNN	病理图像	519例病例，2,157张H&E染色图像	TensorFlow	Inception_v3	AUC	NA
66	2025-10-07	Variability of the femoral mechanical-anatomical axis angle and its implications in primary and revision total knee arthroplasty 2024-Feb-06, Bone & joint open IF:2.8Q1 DOI:10.1302/2633-1462.52.BJO-2023-0056.R1 PMID:38316146	研究论文	本研究开发深度学习工具测量股骨机械-解剖轴角度，并分析其在全膝关节置换术中的临床意义	首次应用深度学习技术在大规模异质人群中自动测量股骨机械-解剖轴角度，并比较两种不同测量方法的差异	研究仅基于骨关节炎倡议数据库的影像数据，未直接验证在手术中的实际应用效果	评估股骨机械-解剖轴角度的变异性及其对全膝关节置换术对线准确性的影响	骨关节炎倡议数据库中拥有全长下肢X线片的患者	医学影像分析	骨关节炎	深度学习，X线影像分析	深度学习模型	X线影像	1,078张X线片，包含2,156个独立测量	NA	NA	测量一致性(p值)，测量时间	NA
67	2025-10-07	Examining the Role of Passive Design Indicators in Energy Burden Reduction: Insights from a Machine Learning and Deep Learning Approach 2024-Feb-15, Building and environment IF:7.1Q1 DOI:10.1016/j.buildenv.2023.111126 PMID:39155966	研究论文	本研究结合深度学习和机器学习方法，分析被动设计特征与住宅建筑能源负担之间的关系	首次将基于计算机视觉的深度学习与机器学习技术相结合，利用街景图像自动识别被动设计指标	研究仅限于芝加哥大都市区，被动设计特征数据仍然有限	探索被动设计特征在降低能源负担中的作用，为可持续城市建设提供依据	芝加哥大都市区的住宅建筑	计算机视觉, 机器学习	NA	计算机视觉, 街景图像分析	CNN, 决策树回归, 随机森林回归, 支持向量回归	图像, 人口统计数据	芝加哥大都市区的Google街景图像	NA	卷积神经网络	准确率	NA
68	2025-10-07	Deep learning of sleep apnea-hypopnea events for accurate classification of obstructive sleep apnea and determination of clinical severity 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2024.01.015 PMID:38232604	研究论文	本研究开发了一种基于多模态信号和深度学习的睡眠呼吸暂停-低通气事件自动检测系统，用于阻塞性睡眠呼吸暂停的筛查和严重程度分类	结合鼻呼吸流、血氧饱和度和心电图信号特征，并整合人口统计学数据，使用Xception网络提升睡眠呼吸事件的检测精度	在低通气事件为主的参与者中分类错误率较高	改进睡眠呼吸暂停-低通气事件的自动检测和阻塞性睡眠呼吸暂停严重程度筛查	多导睡眠监测期间采集的生理信号数据和人口统计学数据	医疗人工智能	阻塞性睡眠呼吸暂停	多导睡眠监测	深度学习	生理信号数据（呼吸流、血氧饱和度、心电图）和人口统计学数据	NA	NA	Xception	准确率, AUC	NA
69	2025-10-07	Sleep, physical activity and panic attacks: A two-year prospective cohort study using smartwatches, deep learning and an explainable artificial intelligence model 2024-02, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2023.12.013 PMID:38154150	研究论文	本研究通过智能手表监测、深度学习和可解释AI模型，探索睡眠与体力活动对惊恐发作的预测作用	首次结合可穿戴设备数据与深度学习模型（RNN/LSTM/GRU）进行惊恐发作的7天预测，并采用SHAP模型提供临床可解释性	样本量适中且依赖自评问卷	预测未来一周的惊恐发作、状态焦虑、特质焦虑和惊恐障碍严重程度	114名来自综合医院的惊恐障碍患者	机器学习	惊恐障碍	智能手表监测、深度学习、可解释人工智能	RNN, LSTM, GRU	睡眠数据、体力活动数据、心率数据、临床问卷数据	114名患者（2020年6月16日至2022年6月10日）	NA	RNN, LSTM, GRU	准确率	NA
70	2025-10-07	Taxonomy of hybridly polarized Stokes vortex beams 2024-Feb-26, Optics express IF:3.2Q2 DOI:10.1364/OE.512409 PMID:38439421	研究论文	提出结合深度学习与衍射斯托克斯偏振测量法的高效识别混合偏振斯托克斯涡旋光束方法	首次将深度学习与广义衍射斯托克斯偏振测量法相结合，解决复杂偏振结构光束的简并识别难题	实验噪声因素（相对相位、振幅和偏振差异）与光束波动会增加识别过程的复杂性	开发高效识别混合偏振斯托克斯涡旋光束的分类方法	15类基于斯托克斯奇点类型及模式指数的光束	光学	NA	斯托克斯偏振测量法，衍射技术	深度神经网络	光束强度图像（总强度与偏振分量强度）	15类斯托克斯奇点光束	NA	深度神经网络	分类准确率（98.67%）	NA
71	2025-10-07	Automated detection of incidental abdominal aortic aneurysms on computed tomography 2024-02, Abdominal radiology (New York) DOI:10.1007/s00261-023-04119-1 PMID:38091064	研究论文	开发全自动深度学习软件用于在CT扫描中检测和评估无症状成年患者的腹主动脉瘤	首次使用全自动深度学习模型在大规模无症状人群中进行腹主动脉瘤的自动化检测，并与钙化动脉粥样硬化斑块进行关联分析	研究基于特定筛查人群，模型在其他患者群体中的泛化能力需要进一步验证	开发自动化工具用于腹主动脉瘤的早期检测和评估	无症状成年患者群体	数字病理	心血管疾病	CT结肠造影	深度学习	CT图像	训练集66例手动分割的腹部CT扫描，外部验证集9172例无症状门诊患者	NA	NA	灵敏度, 特异度, AUC, p值	NA
72	2025-03-14	A new computer-aided diagnosis tool based on deep learning methods for automatic detection of retinal disorders from OCT images 2024-Feb-23, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-024-03033-9 PMID:38396074	研究论文	本文介绍了一种基于深度学习的计算机辅助诊断工具，用于从OCT图像中自动检测视网膜疾病	通过嵌入眼科医生的解释和医学描述中的丰富语义信息，提高了深度神经网络的解释性，克服了其模糊和黑箱性质	研究仅使用了UCSD数据集的一个小子集进行训练，可能限制了模型的泛化能力	开发一种可靠的计算机辅助诊断软件，用于早期检测视网膜疾病，防止视力丧失	视网膜疾病	计算机视觉	视网膜疾病	深度学习	深度神经网络	图像	29,800张OCT图像	NA	NA	NA	NA
73	2025-10-07	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.09.579600 PMID:38405889	研究论文	本研究提出一种可解释的多模型深度学习方法，用于识别精神分裂症的重要EEG生物标志物	提出(1)基于特征交互的可解释性方法和(2)多模型解释汇总的新方法，通过分析训练集和测试集解释来提取可泛化的见解	NA	识别精神分裂症的可重现EEG生物标志物	精神分裂症患者的脑电图数据	机器学习	精神分裂症	脑电图频谱功率分析	深度学习	EEG频谱功率数据	NA	NA	NA	NA	NA
74	2025-10-07	Synthesizing 3D Multi-Contrast Brain Tumor MRIs Using Tumor Mask Conditioning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009331 PMID:38715792	研究论文	本研究开发了一种基于肿瘤掩码条件的3D多对比度脑肿瘤MRI生成方法	将2D潜在扩散模型适配用于生成3D多对比度脑肿瘤MRI数据，并在DPM的UNet骨干中集成条件模块以捕获语义类别依赖的数据分布	NA	解决脑肿瘤MRI数据稀缺和数据不平衡问题，增强训练数据可用性	脑肿瘤MRI数据	医学影像生成	脑肿瘤	扩散概率模型，生成式人工智能	扩散模型，自编码器	3D多对比度脑肿瘤MRI图像	TCGA公共数据集和德克萨斯大学西南医学中心内部数据集	NA	UNet，3D自编码器，3D扩散概率模型	Fréchet Inception Distance (FID)	NA
75	2025-10-07	Deep learning segmentation of the choroid plexus from structural magnetic resonance imaging (MRI): validation and normative ranges across the adult lifespan 2024-Feb-29, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00525-9 PMID:38424598	研究论文	开发三种深度学习模型从结构MRI中自动分割脉络丛，并验证其性能及提供成人生命周期内的规范范围	首次提出基于常规临床MRI序列的深度学习脉络丛分割方法，并提供跨成人生命周期的规范体积范围	样本量相对有限（初始训练集n=50），需要更多外部验证	改进脉络丛体积量化方法，为神经退行性疾病研究提供工具	健康对照和神经退行性疾病患者的脉络丛结构	医学影像分析	神经退行性疾病	结构磁共振成像（3D T1加权、3D T2加权、2D T2加权FLAIR）	全卷积神经网络	MRI图像	训练集50人（21-85岁），验证集98人（21-89岁）	NA	全卷积神经网络	Dice系数, 95% Hausdorff距离, AUC, 组内相关系数	NA
76	2025-10-07	Spatiotemporal profiling defines persistence and resistance dynamics during targeted treatment of melanoma 2024-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.02.577085 PMID:38370717	研究论文	本研究通过空间转录组学和深度学习分析，揭示了BRAF突变黑色素瘤靶向治疗中的细胞持续状态和耐药性动态机制	首次结合空间转录组学和深度学习技术，在患者来源异种移植模型中解析黑色素瘤治疗过程中的克隆谱系演变和时空动态	研究基于患者来源异种移植模型，可能与实际患者肿瘤微环境存在差异	阐明黑色素瘤靶向治疗中细胞持续状态和耐药性形成的时空动态机制	BRAF突变黑色素瘤细胞和患者来源异种移植模型	数字病理学	黑色素瘤	空间转录组学, 深度学习, 组织病理学分析	深度学习模型	空间转录组数据, 组织病理学切片图像	患者来源异种移植模型样本	NA	NA	NA	NA
77	2025-02-21	High-Precision Microscale Particulate Matter Prediction in Diverse Environments Using a Long Short-Term Memory Neural Network and Street View Imagery 2024-Feb-27, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c06511 PMID:38355131	研究论文	本研究提出了一种新颖的长短期记忆（LSTM）神经网络模型，利用从街景图像中提取的颜色特征（HSV：色调、饱和度、亮度）来估计四种典型欧洲环境中的空气质量（颗粒物PM）	创新点在于使用LSTM神经网络结合街景图像的颜色特征来预测多种环境下的颗粒物浓度，并展示了模型在时间和空间维度上的良好泛化能力	研究仅基于德国奥格斯堡市非供暖季节的数据，未涵盖全年数据，且模型在其他城市和季节的适用性需进一步验证	研究目的是开发一种高精度的颗粒物预测模型，以支持城市规划和公共健康倡议	研究对象为四种典型欧洲环境（城市、郊区、村庄和港口）中的颗粒物浓度	计算机视觉	NA	LSTM神经网络	LSTM	图像、浓度数据	德国奥格斯堡市非供暖季节的移动监测平台数据及同步街景图像	NA	NA	NA	NA
78	2025-02-21	Single Person Identification and Activity Estimation in a Room from Waist-Level Contours Captured by 2D Light Detection and Ranging 2024-Feb-17, Sensors (Basel, Switzerland) DOI:10.3390/s24041272 PMID:38400430	研究论文	本文提出了一种使用2D激光雷达在房间内进行人员识别和活动估计的新方法	利用深度学习技术从2D激光雷达数据中提取人体轮廓并进行人员识别和活动估计，创新性地比较了LSTM和VGG16两种深度学习模型的效果	2D激光雷达在腰部高度捕获的点云数据包含的步态特征较少，可能影响识别精度	开发用于家庭老年人监控的社交辅助机器人，确保隐私不受侵犯	房间内的居民及其活动	计算机视觉	老年疾病	2D激光雷达	LSTM, VGG16	点云数据	四名参与者，共收集了120分钟的步行数据和100分钟的额外活动数据（开门、坐下和站立）	NA	NA	NA	NA
79	2025-02-21	Enhancing Stress Detection: A Comprehensive Approach through rPPG Analysis and Deep Learning Techniques 2024-Feb-07, Sensors (Basel, Switzerland) DOI:10.3390/s24041096 PMID:38400254	研究论文	本文提出了一种基于远程光电容积描记术（rPPG）和深度学习技术的压力检测方法，旨在通过面部视频实现高效的压力检测	本文提出了新颖的混合深度学习网络，结合LSTM、GRU和1D-CNN模型，并通过超参数优化和数据增强技术提高压力检测的准确性和效率	NA	提高压力检测的准确性和效率，特别是在远程压力监测领域	面部视频数据	计算机视觉	NA	远程光电容积描记术（rPPG）	LSTM, GRU, 1D-CNN	视频	UBFC-Phys数据集	NA	NA	NA	NA
80	2025-02-17	Characterizing Anti-Vaping Posts for Effective Communication on Instagram Using Multimodal Deep Learning 2024-Feb-15, Nicotine & tobacco research : official journal of the Society for Research on Nicotine and Tobacco IF:3.0Q2 DOI:10.1093/ntr/ntad189 PMID:38366336	研究论文	本研究旨在通过人工智能识别Instagram上反电子烟图片帖子中与高社交媒体用户参与度相关的关键特征	利用深度学习模型和统计模型识别反电子烟Instagram图片帖子中与高用户参与度显著相关的特征	研究主要基于Instagram平台，可能不适用于其他社交媒体平台	识别反电子烟Instagram图片帖子中与高社交媒体用户参与度相关的关键特征	Instagram上的反电子烟图片帖子	自然语言处理	NA	深度学习模型（OpenAI: contrastive language-image pre-training with ViT-B/32）和统计模型（负二项回归模型）	CNN（ViT-B/32）	图像和文本	8972个反电子烟Instagram图片帖子，其中2200个手工编码	NA	NA	NA	NA