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	2026-02-03	A deep learning adversarial autoencoder with dynamic batching displays high performance in denoising and ordering scRNA-seq data 2024-Mar-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109027 PMID:38361616	研究论文	本文提出了一种名为动态批处理对抗自编码器（DB-AAE）的深度神经网络生成框架，用于有效去噪和排序单细胞RNA测序（scRNA-seq）数据	DB-AAE直接捕获输入数据中的最优特征，增强特征保留，包括细胞类型特异性基因表达模式，并在去噪准确性和生物信号保留方面优于其他方法	NA	提高scRNA-seq数据的质量和可靠性，以增强下游分析的准确性	单细胞RNA测序（scRNA-seq）数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	对抗自编码器（AAE）	基因表达数据	模拟和真实数据集	NA	动态批处理对抗自编码器（DB-AAE）	去噪准确性, 生物信号保留	NA
22	2026-02-03	Identification of Neural Crest and Neural Crest-Derived Cancer Cell Invasion and Migration Genes Using High-throughput Screening and Deep Attention Networks 2024-Mar-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.07.583913 PMID:38496683	研究论文	本研究通过高通量siRNA筛选和深度学习注意力网络分析，识别了神经嵴及神经嵴来源的癌细胞侵袭和迁移的关键基因	结合高通量筛选与深度学习注意力网络，从45个基因面板中快速筛选出对黑色素瘤细胞侵袭至关重要的基因子集，并揭示了BMP4等基因在细胞迁移中的关键作用	研究主要聚焦于c8161黑色素瘤细胞和HT1080纤维肉瘤细胞，可能无法完全代表其他神经嵴来源癌症类型	识别神经嵴及神经嵴来源癌细胞侵袭和迁移的关键基因，以深入理解细胞迁移机制	神经嵴细胞、c8161黑色素瘤细胞系、HT1080纤维肉瘤细胞系	机器学习	黑色素瘤	高通量siRNA筛选、重组蛋白添加、体内外侵袭实验	深度学习注意力网络	基因表达数据、细胞迁移数据	45个基因面板，涉及c8161和HT1080细胞系	NA	注意力网络	NA	NA
23	2026-01-29	Transformer-based spatial-temporal detection of apoptotic cell death in live-cell imaging 2024-03-18, eLife IF:6.4Q1 DOI:10.7554/eLife.90502 PMID:38497754	研究论文	本研究开发了一种基于Transformer的深度学习系统ADeS，用于在活细胞成像中检测细胞凋亡的时空动态	首次提出能够检测完整显微镜时间序列中多个凋亡事件位置和持续时间的计算方法，性能超越现有方法和人类专家	未明确说明模型在极端成像条件或罕见细胞类型中的泛化能力限制	开发用于活细胞成像中细胞凋亡自动检测和量化的计算工具	体外和体内实验中的凋亡细胞	计算机视觉	NA	活细胞成像、活体显微镜	Transformer	显微镜时间序列图像	超过10,000个凋亡实例（体外和体内数据）	NA	基于活动识别原理的深度学习架构	分类准确率	NA
24	2026-01-23	Automated mood disorder symptoms monitoring from multivariate time-series sensory data: getting the full picture beyond a single number 2024-03-26, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-02876-1 PMID:38531865	研究论文	本文提出了一种基于可穿戴设备生理数据的深度学习管道，用于自动监测情绪障碍症状，超越单一标签预测，实现HDRS和YMRS量表所有项目的推断	首次提出从多变量时间序列传感器数据推断完整标准化量表（HDRS和YMRS）所有项目的任务，解决了临床中相同标签可能对应不同症状谱的问题	未明确说明样本的具体人口学特征或数据收集时长，且测试集中在分布外样本的重要性上，可能面临泛化挑战	开发一种基于可穿戴设备生理数据的自动化方法，以全面监测情绪障碍症状，支持临床决策	情绪障碍患者	机器学习	情绪障碍	可穿戴设备生理数据采集	深度学习	多变量时间序列传感器数据	大型情绪障碍患者队列（具体数量未提供）	NA	NA	二次Cohen's κ, 宏平均F1分数	NA
25	2026-01-21	Brain volume is a better biomarker of outcomes in ischemic stroke compared to brain atrophy 2024-Mar-19, ArXiv PMID:38562453	研究论文	本研究评估了缺血性卒中发生时脑体积与脑萎缩指标BPF作为功能预后生物标志物的优劣	首次通过深度学习自动分割和贝叶斯信息准则比较，证明急性卒中时的脑体积比脑萎缩指标BPF能更好地预测功能预后	单中心回顾性研究，样本量有限（467例），仅纳入动脉缺血性卒中患者	比较脑体积与脑萎缩指标在缺血性卒中功能预后预测中的效能	急性缺血性卒中患者的神经影像数据与90天功能预后	数字病理学	缺血性卒中	MR神经影像	深度学习分割模型	医学影像	467例动脉缺血性卒中患者	NA	NA	贝叶斯信息准则	NA
26	2026-01-16	Classification Algorithm for fNIRS-based Brain Signals Using Convolutional Neural Network with Spatiotemporal Feature Extraction Mechanism 2024-03-26, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2024.02.011 PMID:38369007	研究论文	本文提出了一种基于卷积神经网络和时空特征提取机制的fNIRS脑信号分类算法	提出了一种端到端的混合神经网络，结合时空卷积层和空间注意力机制，自动提取fNIRS信号的有效时空信息，并利用时间卷积网络进一步利用时间信息	NA	解决fNIRS解码中深度学习应用不足以及同时考虑时空维度的研究较少的问题	基于fNIRS的脑机接口中的脑信号	机器学习	NA	功能性近红外光谱技术	CNN, TCN	脑信号数据	29名受试者，包括左手和右手运动想象、心算和基线任务	NA	混合神经网络，包含时空卷积层、空间注意力机制和时间卷积网络	准确率	NA
27	2025-12-19	Strategies to optimise machine learning classification performance when using biomechanical features 2024-03, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.111998 PMID:38377743	研究论文	本研究探讨了在生物力学特征有限样本量下，利用现代机器学习算法优化分类性能的策略	比较了多种机器学习算法（包括传统回归、XGBoost、深度学习时间序列算法）在生物力学数据分类中的表现，并探索了数据增强和迁移学习对样本量限制问题的缓解效果	研究基于两个特定生物力学数据集（行走和跳跃），样本量差异较大（2295 vs 31），可能影响结果的普适性	优化生物力学特征在有限样本量下的机器学习分类性能	行走数据集中的2295名参与者（健康、跟骨、踝、膝、髋疾病分类）和跳跃数据集中的31名参与者（健康 vs 髌股疼痛综合征）	机器学习	骨科疾病	三维地面反作用力（GRFs）测量	多分类/LASSO回归, XGBoost, 深度学习时间序列算法	时间序列生物力学数据	行走数据集2295名参与者，跳跃数据集31名参与者	NA	InceptionTime	加权多分类AUC	NA
28	2025-12-04	A visual-language foundation model for computational pathology 2024-03, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02856-4 PMID:38504017	研究论文	本文介绍了一种用于计算病理学的视觉-语言基础模型CONCH，通过任务无关的预训练处理多样化的病理图像和文本数据	开发了首个利用超过117万图像-标题对进行视觉-语言对比学习的病理学基础模型，支持多任务迁移且无需额外监督微调	未明确讨论模型在特定疾病或小样本场景下的泛化能力限制	构建一个能够处理病理学图像和文本的多任务基础模型，以解决医学领域标签稀缺和任务局限性问题	多样化的病理学图像、生物医学文本及图像-标题对	计算病理学	NA	深度学习，视觉-语言对比学习	视觉-语言基础模型	图像，文本	超过117万图像-标题对	NA	CONCH	图像分类，分割，标题生成，文本到图像检索，图像到文本检索的先进性能	NA
29	2025-11-19	Mapping single-cell developmental potential in health and disease with interpretable deep learning 2024-Mar-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.19.585637 PMID:38562882	研究论文	开发可解释深度学习框架CytoTRACE 2，用于从单细胞RNA测序数据中表征细胞发育潜能和分化状态	提出首个可在绝对尺度上量化细胞潜能的可解释深度学习框架，涵盖31个跨物种数据集并验证其优于现有方法	方法验证主要基于已公开数据集，需要进一步实验验证在更多疾病模型中的适用性	建立单细胞水平发育潜能定量分析平台	人类和小鼠单细胞RNA测序数据	生物信息学	癌症	单细胞RNA测序	深度学习	基因表达数据	31个数据集，涵盖28种组织类型，62个小鼠胚胎发育时间点	NA	NA	潜能水平恢复准确度，分化状态重建精度	NA
30	2025-10-05	Myocardial scar and left ventricular ejection fraction classification for electrocardiography image using multi-task deep learning 2024-03-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-58131-6 PMID:38553581	研究论文	开发基于计算机视觉的多任务深度学习模型，通过分析12导联心电图二维图像预测心肌瘢痕和左心室射血分数降低	首次将多任务深度学习应用于心电图图像分析，同时预测心肌瘢痕和左心室射血分数，性能优于心脏病专家	研究基于特定数据集，在资源有限环境中的实际应用效果需进一步验证	开发低成本的心血管参数筛查方法，替代昂贵的心脏磁共振检查	心肌瘢痕和左心室射血分数低于50%的患者	计算机视觉	心血管疾病	心脏磁共振，心电图	深度学习	图像	14,052份心电图数据	NA	多任务深度学习	AUC	NA
31	2025-10-06	Characterization of organic fouling on thermal bubble-driven micro-pumps 2024 Mar-Apr, Biofouling IF:2.6Q1 DOI:10.1080/08927014.2024.2353034 PMID:38785127	研究论文	本研究通过高速成像和深度学习网络表征热气泡驱动微泵在生物流体中的有机污垢现象	首次研究热气泡微泵与生物流体的相互作用，提出基于气泡面积减少的污垢量化新指标	仅测试了蛋清蛋白和牛全血两种生物流体，未涉及其他生物流体类型	表征热气泡驱动微泵在生物流体中的有机污垢效应	热气泡驱动微泵与生物流体（蛋清蛋白、牛全血）的相互作用	微流控技术	NA	频闪高速成像、深度学习	CNN	图像	使用蛋清蛋白和牛全血两种生物流体进行测试	PyTorch	ResNet-18	气泡面积减少量	NA
32	2025-10-06	iEEG-recon: A fast and scalable pipeline for accurate reconstruction of intracranial electrodes and implantable devices 2024-Mar, Epilepsia IF:6.6Q1 DOI:10.1111/epi.17863 PMID:38148517	研究论文	开发了一个用于颅内电极和植入设备重建的快速可扩展管道iEEG-recon	创建了模块化、容器化的电极重建管道，支持云端部署并与临床工作流集成	需要半自动电极标注，对编程和影像专业知识有限的用户仍有一定门槛	自动化颅内电极重建过程，促进癫痫治疗的数据协作	耐药性癫痫患者的颅内脑电图数据和脑部磁共振成像	数字病理	癫痫	脑磁共振成像，颅内脑电图	深度学习	医学影像，电极坐标数据	来自两个癫痫中心的132名患者数据	ANTsPyNet, FreeSurfer	深度学习脑部分割模型	运行时间，放射学验证，与FreeSurfer分割一致性	云端平台，每例30分钟运行时间
33	2025-10-06	Machine learning-based detection of sarcopenic obesity and association with adverse outcomes in patients undergoing surgical treatment for spinal metastases 2024-03-01, Journal of neurosurgery. Spine DOI:10.3171/2023.9.SPINE23864 PMID:38039533	研究论文	本研究利用机器学习方法检测脊柱转移瘤手术患者的肌少性肥胖，并分析其与不良预后的关联	首次在脊柱转移瘤手术患者中系统研究肌少性肥胖的表型特征及其预后价值	样本量较小（62例），单中心回顾性研究设计	探讨肌少性肥胖作为脊柱转移瘤手术患者预后因素的潜在价值	接受手术治疗的脊柱转移瘤肥胖患者	医学影像分析	脊柱转移瘤	深度学习	深度学习	CT图像	62例肥胖患者（37例非肌少性肥胖，25例肌少性肥胖）	NA	NA	OR值, 95%置信区间, p值, 标准化均值差异	NA
34	2025-10-06	LST-AI: a Deep Learning Ensemble for Accurate MS Lesion Segmentation 2024-Mar-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.11.23.23298966 PMID:38045345	研究论文	提出了一种基于深度学习的脑白质病变自动分割工具LST-AI，通过集成三个3D-UNet模型提高多发性硬化症病变分割精度	采用集成学习策略结合三个3D-UNet模型，使用复合损失函数（二元交叉熵和Tversky损失）解决白质病变与非病变区域的不平衡问题	训练数据仅来自单一机构的3T MRI扫描仪，样本多样性可能有限	开发高精度的多发性硬化症脑白质病变自动分割工具	多发性硬化症患者的脑部MRI图像中的白质病变	医学图像分析	多发性硬化症	3T MRI扫描	深度学习集成模型	3D MRI图像（T1加权和FLAIR序列）	491对MS患者的T1w和FLAIR图像用于训练，103个测试案例	NA	3D-UNet	Dice系数，F1分数，病变检测率	NA
35	2025-10-06	A 3D convolutional neural network to classify subjects as Alzheimer's disease, frontotemporal dementia or healthy controls using brain 18F-FDG PET 2024-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120530 PMID:38311126	研究论文	本研究开发并验证了一种基于脑部18F-FDG PET图像的3D卷积神经网络，用于区分阿尔茨海默病、额颞叶痴呆和认知正常受试者	这是首个基于[18F]-FDG PET扫描使用深度学习模型区分AD和FTD，并以极高准确度识别认知正常受试者的研究	研究数据来源于特定数据库，需要进一步验证在其他中心数据上的泛化能力	开发用于神经退行性疾病分类的深度学习模型	阿尔茨海默病、额颞叶痴呆和认知正常受试者	医学影像分析	神经退行性疾病	18F-FDG PET脑部成像	CNN	3D医学影像	591个受试者（199 AD, 192 FTD, 200 CN）	NA	3D VGG16-like	准确率, ROC曲线下面积, kappa系数	NA
36	2025-10-06	Early prediction of distant metastasis in patients with uterine cervical cancer treated with definitive chemoradiotherapy by deep learning using pretreatment [ 18 F]fluorodeoxyglucose positron emission tomography/computed tomography 2024-Mar-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001799 PMID:38165173	研究论文	开发基于深度学习模型，利用治疗前[18F]FDG-PET/CT图像预测局部晚期子宫颈癌患者远处转移风险	采用三维图像增强技术的深度学习模型，首次基于基线PET/CT图像预测子宫颈癌远处转移	需要外部验证来确定模型的预测性能，样本量相对有限	早期预测接受确定性放化疗的子宫颈癌患者远处转移风险	局部晚期子宫颈癌患者	数字病理	子宫颈癌	[18F]FDG-PET/CT成像	深度学习	医学影像（PET/CT图像）	训练队列186例患者，验证队列25例患者	NA	NA	AUC, 敏感度, 特异度, 准确度	NA
37	2025-10-06	Unified deep learning models for enhanced lung cancer prediction with ResNet-50-101 and EfficientNet-B3 using DICOM images 2024-03-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01241-4 PMID:38500083	研究论文	开发基于ResNet-50、ResNet-101和EfficientNet-B3的融合深度学习模型，用于DICOM图像的肺癌预测分类	提出融合三种深度学习模型的统一框架，并采用迁移学习技术提升肺癌预测性能	深度学习在癌症数据分析能力方面仍在发展中，模型精度存在不精确问题	通过深度学习模型早期检测和预防肺癌，降低死亡率	肺癌DICOM图像	计算机视觉	肺癌	迁移学习	CNN	医学图像	1000张来自LIDC-IDRI数据库的DICOM肺癌图像	NA	ResNet-50, ResNet-101, EfficientNet-B3	精确度	NA
38	2025-10-06	Deep learning-based automatic segmentation of meningioma from T1-weighted contrast-enhanced MRI for preoperative meningioma differentiation using radiomic features 2024-03-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01218-3 PMID:38443817	研究论文	本研究开发了基于深度学习的脑膜瘤自动分割模型，并利用自动分割提取的影像组学特征进行术前脑膜瘤分级	首次将SegResNet网络应用于脑膜瘤自动分割，并验证了基于自动分割的影像组学特征在脑膜瘤分级中的可行性	样本量相对有限（326例），未进行外部验证	开发脑膜瘤自动分割模型并建立术前脑膜瘤分级系统	经病理证实的脑膜瘤患者	数字病理	脑膜瘤	T1加权增强MRI	深度学习	医学影像	326例患者，按6:2:2比例分为训练集、验证集和测试集	PyRadiomics	SegResNet	Dice系数, 95% Hausdorff距离, ICC, 灵敏度, 特异度, 准确率, AUC	NA
39	2025-10-06	Transfer learning-based PET/CT three-dimensional convolutional neural network fusion of image and clinical information for prediction of EGFR mutation in lung adenocarcinoma 2024-03-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01232-5 PMID:38438844	研究论文	开发基于迁移学习的PET/CT三维卷积神经网络，融合影像和临床信息预测肺腺癌EGFR突变状态	提出三流迁移学习模型，首次将PET/CT影像与临床数据融合用于EGFR突变预测	回顾性研究，样本量有限（516例），存在类别不平衡问题	预测肺腺癌患者的EGFR突变状态	516例肺腺癌患者	医学影像分析	肺腺癌	PET/CT成像	3D CNN	医学影像（PET/CT）、临床数据	516例患者（训练集404例，测试集112例）	NA	三维卷积神经网络，双流融合模型，三流迁移学习模型	AUC, ROC曲线	NA
40	2025-10-06	Deep learning in structural bioinformatics: current applications and future perspectives 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae042 PMID:38701422	综述	探讨深度学习在结构生物信息学中的变革性影响、当前应用与未来展望	系统阐述深度学习从浅层神经网络到卷积/循环/Transformer等先进模型在结构生物信息学中的革命性应用	NA	分析深度学习在结构生物信息学中的应用现状并展望未来发展	生物分子结构	生物信息学	NA	深度学习	CNN, RNN, Transformer	生物分子结构数据	NA	NA	卷积神经网络, 循环神经网络, Transformer	NA	强大计算资源