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	2026-04-11	Deep learning methods in metagenomics: a review 2024-Apr, Microbial genomics IF:4.0Q2 DOI:10.1099/mgen.0.001231 PMID:38630611	综述	本文综述了深度学习在宏基因组学中的应用，包括卷积网络、自编码器和注意力模型等方法	深度学习为宏基因组学分析提供了新颖且有前景的补充方法，能够处理微生物组分析的多个方面，如新病原体检测、序列分类、患者分层和疾病预测，并强调可解释性	NA	综述深度学习在宏基因组学中的应用，以改进患者护理并更好地理解微生物组在健康中的关键作用	宏基因组数据，特别是人类肠道等微生物环境的数据	机器学习	NA	宏基因组测序	CNN, 自编码器, 注意力模型	序列数据	NA	NA	NA	NA	NA
22	2026-04-04	Deep learning to assess right ventricular ejection fraction from two-dimensional echocardiograms in precapillary pulmonary hypertension 2024-04, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15812 PMID:38634241	研究论文	本研究开发了一种基于深度学习的全自动工具，用于从二维超声心动图视频中估计右心室射血分数，以评估毛细血管前肺动脉高压患者的右心室收缩功能	首次利用3D-ResNet50模型从二维超声心动图视频中全自动估计右心室射血分数，无需人工干预，诊断性能与经验丰富的超声技师相当	样本量较小（仅85名患者），且仅针对毛细血管前肺动脉高压患者，可能限制了模型的泛化能力	开发一种全自动深度学习工具，用于从二维超声心动图视频中准确估计右心室射血分数，以评估右心室收缩功能	毛细血管前肺动脉高压患者	计算机视觉	肺动脉高压	二维超声心动图, 心脏磁共振成像	CNN	视频	85名疑似毛细血管前肺动脉高压患者	NA	3D-ResNet50	平均绝对误差, AUC	NA
23	2026-04-03	Modeling Zinc Complexes Using Neural Networks 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00095 PMID:38587510	研究论文	本文构建了一个深度学习架构，用于模拟锌有机金属配合物的能量学	针对锌配合物，开发了深度学习模型，并强调了部分电荷在神经网络模拟长程相互作用中的重要作用，克服了传统采样方法的限制	NA	研究锌有机金属配合物的能量学，以加速基于量子化学的模型开发	锌有机金属配合物	机器学习	NA	元动力学	神经网络	化学结构数据	NA	NA	NA	平均绝对误差	NA
24	2026-04-03	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	本研究开发了一种基于深度学习的方法，利用黄斑光学相干断层扫描（OCT）图像来检测青光眼的功能性进展并预测未来进展	提出了一种新颖的深度学习模型，通过自监督预训练视觉变换器（ViT）在大规模未标记OCT图像数据集上，实现了对青光眼进展的检测和预测	研究为回顾性队列研究，可能存在选择偏倚，且样本量在预测任务中相对较小	利用黄斑OCT成像预测未来并检测并发的青光眼视野进展	青光眼患者的黄斑OCT图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	ViT	图像	预训练数据集包含来自151,389项黄斑OCT研究的7,702,201张B扫描图像；进展检测任务包括来自828名青光眼患者1534只眼的3902项黄斑OCT成像研究；进展预测任务包括来自784名患者1205只眼的1346项黄斑OCT研究	NA	视觉变换器（ViT）	AUC, 灵敏度, 特异性	NA
25	2026-04-02	Digital Response to Physical Crises: The Role of an E-Health Platform in the 2023 Southern Turkey Earthquakes 2024-04-09, Disaster medicine and public health preparedness IF:1.9Q3 DOI:10.1017/dmp.2024.63 PMID:38591261	评论	本文分析了2023年土耳其南部地震中一个电子健康平台在支持非专业急救人员方面的应用，探讨了数字健康技术在灾害响应中的整合潜力	首次评估了电子健康平台在重大自然灾害中支持非专业急救人员的实际效果，并引入了深度学习模型用于儿科X射线分析	评论性文章，缺乏实证数据支持平台的具体效果，可能未全面考虑所有实施障碍	探讨数字健康技术在灾害管理中的应用，特别是支持非专业急救人员	2023年土耳其南部地震中的急救响应情况	数字病理学	NA	深度学习	NA	X射线图像	NA	NA	NA	NA	NA
26	2026-04-02	Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104621 PMID:38447600	综述	本文综述了机器学习和深度学习方法在临床文本基准数据集中用于药物不良事件检测的有效性，重点关注命名实体识别和关系分类任务	系统比较了机器学习和深度学习在药物不良事件提取任务中的优缺点，并扩展了数据源范围至生物医学文献、社交媒体数据和药品标签	仅纳入了12篇文献进行综述，可能未覆盖所有相关研究	评估机器学习和深度学习方法在药物不良事件提取中的效果，推动药物警戒领域发展	临床文本基准数据集中的药物不良事件	自然语言处理	NA	命名实体识别, 关系分类	机器学习, 深度学习	文本	NA	NA	BERT, 梯度提升, 多层感知机, 随机森林	NA	NA
27	2026-04-01	Measurement Variability of Same-Day CT Quantification of Interstitial Lung Disease: A Multicenter Prospective Study 2024-04, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230287 PMID:38483245	研究论文	本研究通过分析同一天两次CT扫描的数据，评估了基于深度学习的定量CT在测量间质性肺疾病纤维化范围时的变异性	首次在前瞻性多中心研究中，使用同一天两次CT扫描来量化QCT测量间质性肺疾病纤维化范围的变异性，并评估了不同重建参数对变异性的影响	样本量相对较小（65名参与者），且仅评估了短期（同一天内）的测量变异性，未评估长期变异性	评估定量CT在测量间质性肺疾病纤维化范围时的测量变异性	间质性肺疾病患者	数字病理学	间质性肺疾病	CT扫描，基于深度学习的纹理分析软件	深度学习	CT图像	65名参与者（47名男性，18名女性）	NA	NA	Bland-Altman分析，95%一致性界限，特异性	NA
28	2026-03-28	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	本研究通过多国外部验证，评估了基于自主人工智能的早产儿视网膜病变筛查系统在检测中重度及以上ROP和1型ROP方面的性能	首次在多个国家（美国和印度）的大规模外部数据集上，对自主AI ROP筛查算法进行了全面验证，证明了其在真实世界远程医疗环境中的有效性和泛化能力	研究为回顾性分析，可能存在选择偏倚；算法性能在不同人群和医疗环境中的长期稳定性仍需前瞻性研究验证	评估自主人工智能系统在早产儿视网膜病变远程筛查中的诊断性能，以解决医疗资源不足地区的筛查可及性问题	来自美国和印度新生儿重症监护室的早产儿视网膜图像	数字病理学	早产儿视网膜病变	远程医疗眼底成像	深度学习	视网膜图像	总计11,880次检查（来自4,244名婴儿）：i-ROP研究2,530次检查（843名婴儿），SUNDROP数据集6,245次检查（1,545名婴儿），AECS数据集5,635次检查（2,699名婴儿）	NA	NA	AUROC, 灵敏度, 特异性	NA
29	2026-03-25	An optimised YOLOv4 deep learning model for efficient malarial cell detection in thin blood smear images 2024-Apr-16, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-024-06215-7 PMID:38627870	研究论文	本研究提出了一种优化的YOLOv4深度学习模型，用于高效检测薄血涂片图像中的疟疾细胞	通过直接层剪枝和骨干网络替换（将CSP-DarkNet53替换为较浅的ResNet50）来优化YOLOv4模型，提高了检测精度并减少了模型大小和计算复杂度	未明确说明模型在更大或更多样化数据集上的泛化能力，也未详细讨论实际部署中的计算资源需求	开发一种更轻量、更快且精度更高的自动化诊断工具，用于疟疾的早期和准确检测	薄血涂片图像中的感染红细胞	计算机视觉	疟疾	深度学习对象检测	YOLOv4	图像	NA	NA	YOLOv4, CSP-DarkNet53, ResNet50	平均精度均值（mAP）, 十亿浮点运算（B-FLOPS）, 模型大小	NA
30	2026-03-25	Predicting drug response through tumor deconvolution by cancer cell lines 2024-Apr-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100949 PMID:38645769	研究论文	本研究开发了一种深度学习模型Scaden-CA，用于将肿瘤数据反卷积为癌症类型特异性细胞系的比例，并基于此预测药物反应	通过结合癌症细胞系药物敏感性数据和肿瘤反卷积技术，开发了Scaden-CA模型，以桥接细胞系与患者药物反应数据之间的差距	仅使用了有限的患者药物反应数据，且模型性能验证主要依赖于CCLE和TCGA数据集，可能未覆盖所有癌症类型或临床场景	预测药物反应并探索药物重利用的潜在机制	癌症细胞系（如CCLE数据）和肿瘤样本（如TCGA数据）	机器学习	癌症	RNA测序（bulk RNA数据）	深度学习模型	RNA数据	大规模癌症细胞系和肿瘤样本（具体数量未在摘要中指定）	NA	Scaden-CA	一致性相关系数（concordance correlation coefficients），正确反卷积率（correctly deconvoluted rate）	NA
31	2026-03-25	Enhancing molecular design efficiency: Uniting language models and generative networks with genetic algorithms 2024-Apr-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100947 PMID:38645768	研究论文	本研究探讨了生成模型在药物发现、材料科学和聚合物科学中的应用，提出了一种结合语言模型和生成对抗网络的混合架构以提高分子设计效率	提出了一种结合掩码语言模型和生成对抗网络的混合架构，以克服传统生成模型中的模式崩溃问题，并在小规模群体中展现出优于单独语言模型的性能	未明确提及具体实验数据或样本量的局限性	提高分子设计效率，优化生成模型在药物发现和材料科学中的应用	分子设计、药物发现、材料科学和聚合物科学中的生成模型	自然语言处理, 机器学习	NA	生成对抗网络, 掩码语言模型	GAN, LM	合成数据, 分子数据	NA	NA	混合LM-GAN架构	NA	NA
32	2026-03-25	Quantitative Assessment of Fundus Tessellated Density in Highly Myopic Glaucoma Using Deep Learning 2024-04-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.4.17 PMID:38591943	研究论文	本研究利用深度学习定量评估高度近视性青光眼与高度近视患者的眼底豹纹状密度，以发现早期诊断标志物	首次使用深度学习量化眼底豹纹状密度，并发现其在高度近视性青光眼与高度近视患者中存在程度和分布的差异，特别是黄斑区鼻侧/颞侧比值可作为鉴别指标	研究为回顾性横断面设计，样本量相对较小（共206只眼），且仅来自单一中心，可能限制结果的普适性	表征高度近视性青光眼与高度近视患者的眼底豹纹状密度，探索早期诊断标志物	高度近视和高度近视性青光眼患者的眼底图像	计算机视觉	青光眼	眼底摄影	深度学习	图像	206只眼（高度近视133只，高度近视性青光眼73只）	NA	NA	曲线下面积	NA
33	2026-03-25	Deep learning to predict rapid progression of Alzheimer's disease from pooled clinical trials: A retrospective study 2024-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000479 PMID:38598464	研究论文	本研究利用深度学习模型，基于临床试验数据预测阿尔茨海默病患者的快速进展风险	首次将注意力机制与循环神经网络结合，利用纵向临床数据预测阿尔茨海默病的快速进展，并识别关键预测因子	研究数据来源于特定制药公司的临床试验，可能缺乏人群多样性；模型性能在外部验证中有所下降	预测阿尔茨海默病患者的快速进展，以优化临床试验设计和治疗效果评估	轻度至中度阿尔茨海默病患者	机器学习	阿尔茨海默病	纵向临床观察数据	RNN	临床数据	1603名患者	NA	带有注意力机制的循环神经网络	AUROC, AUPRC	NA
34	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
35	2026-03-03	DeepWMH: A deep learning tool for accurate white matter hyperintensity segmentation without requiring manual annotations for training 2024-04-15, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2024.01.034 PMID:38320896	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
36	2026-03-03	Biometric contrastive learning for data-efficient deep learning from electrocardiographic images 2024-04-03, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae002 PMID:38269618	研究论文	本文提出了一种名为生物特征对比学习（BCL）的自监督预训练方法，用于从心电图（ECG）图像中高效学习，以检测心房颤动、性别和左心室射血分数降低等疾病	开发了一种利用同一患者不同时间点、不同布局的ECG图像对进行自监督预训练的新方法，该方法在标签数据有限的情况下显著优于传统的ImageNet初始化和通用的图像对比学习方法	研究主要基于特定队列（耶鲁大学2000-2015年数据），外部验证队列有限；未详细探讨方法对其他类型心脏疾病的泛化能力	开发一种数据高效的深度学习模型，用于从心电图图像中检测心脏疾病	心电图（ECG）图像	计算机视觉	心血管疾病	心电图成像	CNN	图像	78,288名个体的心电图图像对（来自耶鲁大学2000-2015年数据），以及2015-2021年的心电图用于微调	NA	NA	AUROC	NA
37	2026-03-02	Demographic bias in misdiagnosis by computational pathology models 2024-Apr, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02885-z PMID:38641744	研究论文	本研究揭示了基于深度学习的计算病理学模型在乳腺癌、肺癌亚型分型和胶质瘤IDH1突变预测中，因人口统计学因素（如种族）导致的性能偏差，并探讨了自监督视觉基础模型在缓解这种偏差方面的作用	首次系统性地量化了计算病理学模型在不同人口统计学群体（如白人和黑人患者）间的性能差异，并验证了自监督视觉基础模型在减少这些偏差方面的有效性	自监督视觉基础模型未能完全消除性能差异，且研究主要基于公开数据集，可能无法涵盖所有人口统计学群体	评估计算病理学模型在不同人口统计学群体中的性能偏差，并探索缓解策略	乳腺癌、肺癌的亚型分型以及胶质瘤的IDH1突变预测	计算病理学	乳腺癌, 肺癌, 胶质瘤	全切片图像分类	深度学习模型	全切片图像	来自癌症基因组图谱、EBRAINS脑肿瘤图谱及内部患者数据的公开数据集	NA	自监督视觉基础模型	受试者工作特征曲线下面积	NA
38	2026-02-27	OCTDL: Optical Coherence Tomography Dataset for Image-Based Deep Learning Methods 2024-04-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03182-7 PMID:38605088	研究论文	本文介绍了一个用于基于图像深度学习方法的光学相干断层扫描数据集OCTDL，并应用深度学习分类技术进行分析	提供了一个包含超过2000张标记OCT图像的开源数据集，涵盖多种视网膜疾病，并首次在该数据集上应用深度学习分类方法	数据集仅包含特定扫描协议获取的图像，且疾病类别有限，可能无法代表所有临床场景	为视网膜疾病的早期检测和监测提供开源OCT数据集，并探索深度学习在眼科图像分析中的应用	年龄相关性黄斑变性、糖尿病性黄斑水肿、视网膜前膜、视网膜动脉阻塞、视网膜静脉阻塞和玻璃体黄斑界面疾病患者的OCT图像	计算机视觉	视网膜疾病	光学相干断层扫描	深度学习分类模型	图像	超过2000张OCT图像	NA	NA	NA	NA
39	2026-02-27	A dataset for fine-grained seed recognition 2024-04-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03176-5 PMID:38582756	研究论文	本文建立了一个名为LZUPSD的细粒度种子识别数据集，包含88种不同种子的4496张图像，旨在支持农业和林业研究及计算机视觉应用	通过结合手机和微距镜头建立图像采集设备，创建了一个专门针对农业领域的细粒度种子识别数据集，填补了该领域数据集的空白	数据集仅包含88种种子，样本多样性可能有限，且未提及图像采集环境或光照条件的标准化控制	旨在为农业和林业研究提供计算机视觉基础数据，促进人工智能技术在种子识别领域的应用	植物种子，具体包括88种不同种类的种子	计算机视觉	NA	基于手机和微距镜头的图像采集技术	深度学习模型（未指定具体类型）	图像	4496张图像，涵盖88种不同种子	NA	NA	NA	NA
40	2026-02-25	WET-UNet: Wavelet integrated efficient transformer networks for nasopharyngeal carcinoma tumor segmentation 2024 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504241232537 PMID:38567422	研究论文	本文提出了一种基于UNet的混合模型WET-UNet，用于鼻咽癌图像分割，通过集成小波变换和注意力机制来提升分割精度和鲁棒性	将小波变换集成到UNet中，利用低频分量调整编码器并优化Transformer的计算过程，同时结合注意力机制捕获远程依赖关系，以增强病变边界信息和模型识别能力	未明确提及模型在更广泛数据集上的泛化能力或计算效率的具体限制	解决鼻咽癌图像分割中因数据集不准确、边界模糊和线条复杂导致的分割不精确和不稳定问题	鼻咽癌肿瘤图像	数字病理	鼻咽癌	NA	CNN, Transformer	图像	5000个样本，训练与验证比例为8:2	NA	UNet, Transformer	准确率, 精确率	NA