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
1	2026-10-08	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-06, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	该文章介绍了MRD-EDGE，一种基于机器学习引导的全基因组测序ctDNA检测平台，用于提高信号富集，实现超灵敏的肿瘤负荷监测	利用深度学习和ctDNA特异性特征空间，将SNV信号富集提高约300倍，并将超灵敏CNV检测所需非整倍体程度从1 Gb降低到200 Mb	未明确提及	克服低肿瘤分数下ctDNA稀疏性，提高MRD灵敏度，实现超灵敏肿瘤负荷监测	实体瘤患者，包括肺癌、黑色素瘤、结直肠腺瘤等	数字病理学, 机器学习	肺癌, 黑色素瘤, 结直肠癌	血浆全基因组测序	深度学习	基因组测序数据	未明确提及	NA	NA	信噪比富集倍数, 非整倍体检测阈值	NA
2	2026-10-04	Higher blood biochemistry-based biological age developed by advanced deep learning techniques is associated with frailty in geriatric rehabilitation inpatients: RESORT 2024-06-01, Experimental gerontology IF:3.3Q2 DOI:10.1016/j.exger.2024.112421 PMID:38588752	研究论文	本研究旨在探讨基于血液生化指标的生物年龄是否与老年康复住院患者的衰弱相关，利用深度学习技术开发生物年龄时钟，并在RESORT队列中进行验证	使用先进的深度学习技术基于常规血液生化指标开发生物年龄时钟，并首次在老年康复住院患者中探讨其与衰弱的关系，同时发现合并症负担（CIRS评分）对该关联有效应修饰作用	研究未发现年龄差与入院至出院期间衰弱变化之间存在关联，且研究人群为老年康复住院患者，结果外推至其他人群需谨慎	研究基于血液生化指标的生物年龄与老年康复住院患者衰弱之间的关联	老年康复住院患者	机器学习	老年疾病	血液生化检测	深度学习	表格数据	1187名老年康复住院患者	NA	NA	Spearman相关系数, OR值, 95%置信区间	NA
3	2026-09-19	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2024-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26707 PMID:38798082	研究论文	本文提出了一种利用模型可解释性增强分类模型在不同队列间泛化能力的框架，用于基于神经影像的阿尔茨海默病评估	通过将类别级注意力与统一的视觉显著性先验对齐，其中显著性先验使用所有训练数据离线计算，从而提升模型的域泛化能力，并与尸检组织学显示更好的相关性	未明确提及	开发能够应对不同数据生成协议、成像设备、放射学伪影和人口统计学分布变化等挑战的深度学习模型，用于评估MRI扫描中由认知障碍引起的结构性大脑变化	来自四个独立队列的MRI扫描和临床诊断数据：ADNI（n=1821）、FHS（n=304）、AIBL（n=661）和NACC（n=4647）	数字病理学	阿尔茨海默病	MRI扫描、临床诊断	深度神经网络	图像	7433例MRI扫描（ADNI n=1821，FHS n=304，AIBL n=661，NACC n=4647）	NA	NA	与尸检组织学的相关性	NA
4	2026-09-13	Sitetack: A Deep Learning Model that Improves PTM Prediction by Using Known PTMs 2024-Jun-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.03.596298 PMID:38895359	研究论文	本文提出一种深度学习模型Sitetack，通过将已知的翻译后修饰（PTM）位点编码为独立氨基酸并结合词嵌入和卷积神经网络，提升了PTM位点预测性能	将已知PTM位点作为额外特征编码到序列中，显著提高了PTM预测的准确性，并且发现已知的一种PTM信息可以提升另一种PTM的可预测性	摘要中未明确提及研究的局限性	评估在基于序列的深度学习算法中利用已知PTM位点来预测PTM位置的有效性	蛋白质序列及其翻译后修饰位点	机器学习	NA	NA	CNN	序列	NA	NA	卷积神经网络（CNN），词嵌入	NA	NA
5	2026-09-09	Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103066 PMID:38748882	研究论文	本文展示了一种使用可解释深度学习技术moETM对高维单细胞多模态数据进行整合分析的操作流程，包括数据预处理、多组学整合、先验通路知识纳入和跨组学插补。	提出了一种名为moETM的可解释深度学习方法，专门用于高维单细胞多模态数据的整合分析。	NA	提供一种可解释的深度学习技术moETM，用于单细胞多模态数据整合分析，并给出详细操作步骤。	单细胞多模态数据，特别是来自骨髓单核细胞的多组学数据。	机器学习	NA	单细胞多组学测序技术（如scRNA-seq、scATAC-seq等）	深度学习（moETM，基于主题模型的深度学习方法）	单细胞多模态数据（例如基因表达、染色质可及性等）	使用了GSE194122数据集中的人骨髓单核细胞样本	NA	moETM（基于ETM的主题模型架构）	NA	NA
6	2026-09-09	A deep learning framework for denoising and ordering scRNA-seq data using adversarial autoencoder with dynamic batching 2024-06-21, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2024.103067 PMID:38748883	研究论文	介绍了一个基于动态批处理对抗自编码器的深度学习框架DB-AAE，用于单细胞RNA测序数据的去噪和排序	提出了动态批处理对抗自编码器（DB-AAE）框架，通过动态调整批处理策略来改善去噪效果和细胞排序	未明确提及局限性，可能依赖于具体数据集且需进一步验证泛化性	开发一种深度学习框架用于scRNA-seq数据的去噪和细胞排序，以提高数据分析准确性	单细胞RNA测序（scRNA-seq）数据	机器学习	NA	scRNA-seq	对抗自编码器（AAE）	基因表达数据	NA	NA	自编码器、对抗网络	NA	NA
7	2026-09-08	High-spatial resolution ground-level ozone in Yunnan, China: A spatiotemporal estimation based on comparative analyses of machine learning models 2024-06-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118609 PMID:38442812	研究论文	本研究比较多种机器学习和深度学习方法，利用3-D CNN模型高精度模拟中国云南省的地面臭氧浓度，生成了2021年日最大8小时平均臭氧数据集。	首次在云南省尺度上比较集成学习与深度学习模型的时间和空间泛化性能，并选用3维卷积神经网络实现高空间分辨率（0.05°×0.05°）的地面臭氧估算。	卫星数据产品缺乏地面臭氧表征，且地面观测不连续，可能导致模型泛化受限。	通过比较多种机器学习模型，开发高精度模型以模拟地面臭氧浓度，评估和提供云南省臭氧污染的时空分布数据。	云南省的地面臭氧浓度（以日最大8小时平均臭氧表示）及其时空分布。	机器学习、环境科学	NA	卫星数据、地面观测数据	3-D CNN、集成学习模型（包括随机森林、梯度提升等，具体未明确）	卫星遥感数据、地面监测站数据（包括气象和地理信息）	云南省范围内2021年的日最大8小时平均臭氧数据，具体样本数量未提及。	NA	3维卷积神经网络（3-D CNN）	决定系数（R）、均方根误差（RMSE）	NA
8	2026-09-08	The greener the living environment, the better the health? Examining the effects of multiple green exposure metrics on physical activity and health among young students 2024-06-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118520 PMID:38401683	研究论文	本研究探讨校园绿色空间多种暴露指标（2D、2.5D、3D及主观指标）对大学生体力活动与健康的影响机制	创新性地开发了从二维（绿地面积）、二维半（绿地可视性）到三维（绿地体积）的系统客观暴露评估框架，结合空间分析、深度学习和无人机测量技术，并考虑校园内不同空间场景	未在摘要中明确提及局限性	解析校园绿色空间暴露与大学生体力活动和健康之间的复杂关系及中介机制，为健康导向的校园绿地规划提供参考	中国南京市820名大学生	环境健康、空间分析	不适用	空间分析、深度学习、无人机测量技术、问卷调查	广义线性模型（GLM）、结构方程模型（SEM）	问卷调查数据、空间数据、无人机影像	820名大学生	NA	NA	NA	NA
9	2026-09-05	Attention-based deep convolutional neural network for classification of generalized and focal epileptic seizures 2024-06, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.109732 PMID:38636140	研究论文	提出一种基于注意力机制的深度卷积神经网络，用于脑电信号中广义和局灶性癫痫发作的自动多分类。	将多头自注意力机制与深度CNN结合，用于癫痫发作亚型的多分类，显著提高了分类性能。	未提及	开发一种自动化的癫痫发作分类模型，以提高诊断效率和准确性。	从Temple University Hospital Seizure Corpus中提取的脑电信号。	机器学习	癫痫	脑电图（EEG）	CNN	时间序列信号	未提及	NA	多头自注意力机制与深度CNN	加权准确率、加权F1分数	NA
10	2026-09-04	Associations of street-view greenspace with Parkinson's disease hospitalizations in an open cohort of elderly US Medicare beneficiaries 2024-06, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108739 PMID:38754245	研究论文	本研究评估了街景绿地特征与美国老年医疗保险受益人帕金森病住院风险的关联。	使用大规模街景图像和深度学习来区分特定绿地类型（树木、草地等），而非传统的俯视测量。	未提供明确的局限性描述。	评估街景绿地特征与帕金森病住院风险的关联。	美国65岁及以上医疗保险按服务收费受益人的开放队列。	深度学习、环境健康	帕金森病	深度学习图像识别	深度学习模型	图像（街景）和医疗记录	约4560万名医疗保险受益人，506,899次首次帕金森病相关住院，254,917,192人年随访	NA	深度学习算法（具体未指定）	风险比（HR）和置信区间	NA
11	2026-08-30	Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence 2024-06-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0749 PMID:38691380	研究论文	利用卫星图像和深度学习评估建成环境与心血管代谢疾病患病率之间的关联	首次利用Google卫星图像和卷积神经网络在大规模城市范围内评估建成环境与心血管代谢疾病患病率的关联	论文未提供明确的局限性信息，但可推测其可能包括数据来源的局限性、模型泛化能力及因果关系推断的限制	研究基于图像的建成环境与城市心血管代谢疾病患病率之间的关联	美国7个城市的789个人口普查区及其建成环境特征	计算机视觉, 数字病理学	心血管疾病	卫星图像分析	卷积神经网络 (CNN), 轻量梯度提升机 (LightGBM)	图像	31,786张卫星图像，覆盖789个人口普查区	NA	卷积神经网络, 轻量梯度提升机	R² (决定系数)	NA
12	2026-08-28	Diagnosing schizophrenia using deep learning: Novel interpretation approaches and multi-site validation 2024-06-15, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2024.148876 PMID:38513996	研究论文	本研究利用多中心数据验证3D ResNet模型在精神分裂症诊断中的泛化能力，并通过SHAP方法提供神经解剖学解释	采用留一中心交叉验证策略，利用来自九个全球中心的大型多样样本评估模型泛化性，并结合解剖图谱改进SHAP方法以提供精确的脑区功能解释	未明确提及局限性，但可能受限于样本多样性、模型可解释性的固有挑战及验证方法的计算成本	提高精神分裂症诊断的准确性和客观性，增强深度学习模型的可解释性和泛化能力，以促进临床应用	精神分裂症患者和健康对照个体	深度学习	精神分裂症	NA	3D ResNet	图像（脑部影像）	来自九个全球中心的大型多样样本（具体数量未提供）	NA	3D ResNet	曲线下面积（AUC）	NA
13	2026-08-27	Automated wound segmentation and classification of seven common injuries in forensic medicine 2024-06, Forensic science, medicine, and pathology DOI:10.1007/s12024-023-00668-5 PMID:37378809	研究论文	本文探讨了在法医医学中，利用深度学习架构对照片中的伤口进行自动分割和分类，以辅助法医病理学家评估损伤并加速报告过程。	首次将多种预训练的深度学习架构应用于法医相关照片的伤口分割和分类，针对七种常见伤害类型，并处理了类别不平衡问题。	模型难以区分背景与伤口区域，尤其是皮下血肿或皮肤擦伤的像素被错误归类为背景的比率高达31%，部分原因是某些伤口类型边界不明确。	旨在开发一种工具，通过自动分割和分类法医照片中的伤口，提高损伤评估的准确性和报告过程的效率。	法医相关照片中的七种常见伤口类型，包括刺伤、皮下血肿等。	计算机视觉	法医损伤	深度学习图像分割和分类技术	预训练深度学习模型（如CNN）	图像	未具体说明，但使用来自数据库的法医相关照片进行训练和测试	NA	多种预训练深度学习架构（具体名称未提及）	平均像素准确率、平均交并比（IoU）	NA
14	2026-08-26	Assessing CT-based Volumetric Analysis via Transfer Learning with MRI and Manual Labels for Idiopathic Normal Pressure Hydrocephalus 2024-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.23.24309144 PMID:38978640	研究论文	本研究旨在利用迁移学习增强CT扫描中脑室脑脊液的分割，并评估自动化CT体积分析在特发性正常压力脑积水诊断中的性能	采用两阶段方法，先利用MRI配对标签训练2D U-Net模型，再用iNPH患者手动分割的CT标签进行微调，实现了CT影像中脑室脑脊液的精准分割	未提及	提升脑CT扫描中脑室脑脊液的分割性能，并评估自动化CT体积测量在特发性正常压力脑积水患者诊断中的效用	特发性正常压力脑积水患者和健康对照者的脑CT扫描影像	医学影像分析	特发性正常压力脑积水	CT成像和MRI成像	U-Net	CT和MRI图像	734套健康对照CT和配对MRI，62例iNPH患者CT，外部验证11例和30例iNPH患者CT	NA	2D U-Net	相关系数(ϱ)、AUC	NA
15	2026-08-26	Approved AI-based fluid monitoring to identify morphological and functional treatment outcomes in neovascular age-related macular degeneration in real-world routine 2024-06-20, The British journal of ophthalmology DOI:10.1136/bjo-2022-323014 PMID:37775259	研究论文	该研究利用人工智能流体监测技术，在真实世界队列中预测新生血管性年龄相关性黄斑变性的抗VEGF治疗需求、视力和形态学结果	采用监管批准的AI流体监测工具（Vienna Fluid Monitor）实现自动量化视网膜内、下液和色素上皮脱离体积，并构建预测模型用于长期结局预测	未明确提及局限，但可能包括样本量有限（158例）、单中心数据和回顾性分析等	利用AI流体量化预测nAMD患者的治疗需求、视力结果和形态学结局	158例新诊断的nAMD患者（202只眼）	数字病理学	新生血管性年龄相关性黄斑变性	光学相干断层扫描（OCT）、深度学习算法	机器学习模型	OCT图像	158例患者（202只眼）	未提及	深度学习分割模型（Vienna Fluid Monitor）	准确率、AUC	未提及
16	2026-08-26	Deep learning detection of diabetic retinopathy in Scotland's diabetic eye screening programme 2024-06-20, The British journal of ophthalmology DOI:10.1136/bjo-2023-323395 PMID:37704266	研究论文	本研究开发了一种基于深度学习的自动分级系统，用于苏格兰糖尿病视网膜病变筛查项目，并与现有的支持向量机分级系统进行比较。	首次在大型国家筛查项目数据上评估深度学习系统，并显示在相同灵敏度下比现有系统具有更好的特异性和减少人工分级工作量的潜力。	研究仅基于苏格兰地区数据，可能需要进一步验证在其他人群中的可推广性；QA数据量相对较小（744张图像），可能影响某些比较的统计效力。	开发并评估深度学习自动分级器在糖尿病视网膜病变筛查中的性能，与现有系统进行对比，并探索减少人工分级工作量的可能性。	视网膜图像及其对应的筛查分级记录，以及质量保证数据。	计算机视觉、医学影像分析	糖尿病视网膜病变	眼底照相	深度学习（未指定具体模型结构）	图像	来自179,944名患者的视网膜图像和分级数据，覆盖2006-2016年；质量保证分级数据来自744张图像	未提及（推测可能使用TensorFlow或PyTorch）	未指定（深度学习算法）	灵敏度、特异性	未提及
17	2026-08-26	Automated classification of multiple ophthalmic diseases using ultrasound images by deep learning 2024-06-20, The British journal of ophthalmology DOI:10.1136/bjo-2022-322953 PMID:37852741	研究论文	开发了一种多分支Transformer网络（MBT-Net），用于基于B模式超声图像自动分类多种眼科疾病。	提出了一种多分支Transformer网络结构，能够从超声图像中自动分类多种眼科疾病，并在多个设备与操作者间保持高准确性。	未明确提及，但可能包括模型在特定设备或操作者上的性能差异，以及模型的可解释性。	开发并评估一种用于多种眼科疾病自动化分类的深度学习模型。	10,184张超声图像，涵盖正常、视网膜脱离、玻璃体出血、眼内肿瘤、后巩膜葡萄肿和其他异常六类。	计算机视觉	眼科疾病	超声成像	Transformer	图像	10,184张超声图像	NA	多分支Transformer网络（MBT-Net）	准确率、微平均AUC、Kappa系数	NA
18	2026-08-25	A Deep Learning-Based Assay for Programmed Death Ligand 1 Immunohistochemistry Scoring in Non-Small Cell Lung Carcinoma: Does it Help Pathologists Score? 2024-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100485 PMID:38588885	研究论文	本研究开发了一种基于深度学习的AI模型，用于非小细胞肺癌中PD-L1免疫组化检测的肿瘤比例评分，并评估AI辅助系统对病理学家评分准确性的影响	首次专注于AI辅助系统如何帮助病理学家确定PD-L1肿瘤比例评分的具体方式，并评估了四种不同的AI辅助方法对病理学家评分准确性的影响	未在摘要中明确说明	评估AI辅助系统是否以及如何帮助病理学家确定PD-L1 22C3检测的肿瘤比例评分，并分析其对病理学家评估准确性的影响	非小细胞肺癌患者的PD-L1免疫组化检测样本（组织微阵列）	数字病理学	非小细胞肺癌	免疫组化（IHC）	深度学习模型	组织微阵列图像	584个样本	NA	NA	比值比（OR）和95%置信区间	NA
19	2026-08-25	Lung Cancer Diagnosis on Virtual Histologically Stained Tissue Using Weakly Supervised Learning 2024-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100487 PMID:38588884	研究论文	提出一种基于弱监督学习的虚拟组织学染色方法，用于无标记组织的肺腺癌分类诊断，并验证其在虚拟H&E染色全切片图像上的性能与可解释性	首次将弱监督深度生成模型用于无标记组织的虚拟H&E染色，并结合注意力多实例学习实现肺腺癌分类，无需繁琐的染色步骤，提供快速且可解释的诊断路径	研究局限于肺腺癌单一癌症类型，且依赖公开数据集进行训练，验证数据集规模有限，未涉及其他癌症或组织类型	开发一种无标记组织切片上基于虚拟H&E染色的肺腺癌自动诊断方法，以加速术后病理检查并减少人工干预，同时保持较高的诊断性能	无标记组织切片的自动荧光图像，以及对应的虚拟H&E染色全切片图像，用于肺腺癌分类	数字病理学	肺腺癌	虚拟H&E染色, 自动荧光成像, 弱监督学习	深度生成模型, 注意力多实例学习模型	全切片图像, 自动荧光图像	150张真实H&E染色全切片图像（来自玛丽医院和威尔士亲王医院）；58张虚拟H&E染色全切片图像；58张标准H&E染色全切片图像	NA	注意力多实例学习, 深度生成模型	曲线下面积, 注意力热图	NA
20	2026-08-21	The human hypothalamus coordinates switching between different survival actions 2024-06, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3002624 PMID:38941452	研究论文	本研究通过虚拟掠食者与猎物互动范式，利用深度学习分割和功能磁共振成像，首次揭示人类下丘脑在切换生存行为（狩猎与逃跑）中的协调作用。	首次识别人类下丘脑在生存行为切换中的作用，结合深度学习分割、优化成像序列和模型-based fMRI分析，展示了多体素连接性及预测性行为协调。	未明确提及，但样本量有限（假设），且依赖虚拟场景可能影响生态效度。	探究人类下丘脑在生存行为切换中的具体作用及其神经机制。	人类志愿者，下丘脑及其亚核，以及相关脑区（海马、导水管周围灰质、杏仁核）。	神经科学	NA	功能磁共振成像（fMRI），深度学习分割	计算模型	影像数据（MRI），行为数据	两个实验，具体志愿者数量未提及	NA	深度学习分割模型（具体未指定）	参数解码准确率（基于计算模型参数）	未提及