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	2026-07-10	Hierarchical multi-task deep learning-assisted construction of human gut microbiota reactive oxygen species-scavenging enzymes database 2024-07-30, mSphere IF:3.7Q2 DOI:10.1128/msphere.00346-24 PMID:38995053	研究论文	提出系统性工作流，采用层级多任务深度学习方法构建人类肠道微生物群活性氧清除酶数据库	首次建立了人类肠道微生物群活性氧清除酶数据库，并采用层级多任务深度学习方法来收集、扩展和探索相关条目	NA	准确预测活性氧清除酶类型，理解氧化应激机制，为对抗与肠道-器官轴相关的疾病提供策略	人类肠道微生物群中的活性氧清除酶	机器学习	NA	NA	层级多任务深度学习模型	序列数据	7,689条条目	NA	NA	NA	NA
2	2026-07-10	Exploring the roles of RNAs in chromatin architecture using deep learning 2024-07-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50573-w PMID:39075082	研究论文	提出深度学习框架AkitaR，结合基因组序列和RNA-DNA互作数据，探究染色质相关RNA在HFFc6细胞中对基因组折叠的调控作用	首次通过深度学习模型系统区分染色质相关RNA的顺式和反式调控作用，识别出多个可能通过反式互作影响染色质结构的新RNA分子，并揭示Alu等重复元件转录本通过反式R-loop形成促进染色质互作的机制	NA	阐明染色质相关RNA在三维基因组组织中的作用机制	HFFc6细胞中的染色质相关RNA及其对染色质构象的调控	机器学习	NA	RNA-seq, 全局RNA-DNA互作分析	深度学习框架	基因组序列, RNA-DNA互作数据, 开放染色质数据	NA	NA	AkitaR	NA	NA
3	2026-07-10	Reduction of ADC bias in diffusion MRI with deep learning-based acceleration: A phantom validation study at 3.0 T 2024-07, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.04.018 PMID:38631532	研究论文	通过深度学习加速减少扩散磁共振成像中ADC偏差的体模验证研究	首次使用商业扩散体模验证深度学习重建技术（C-SENSE AI）在高加速因子和低翻转角条件下减少ADC偏差和随机测量误差的有效性	仅使用体模而非临床患者数据，可能无法完全反映实际诊断场景中的性能	评估深度学习重建方法在加速DWI扫描时对降低ADC偏差和改善变异性的效果	商业扩散体模和数值模拟数据	机器学习	不适用	扩散加权成像	深度学习重建网络	图像	一个商业扩散体模及数值模拟数据集	Philips MR系统内嵌深度学习算法	C-SENSE AI（基于压缩感知和人工智能的深度学习网络）	Lin一致性相关系数, 变异系数, 置信区间, 非参数统计检验	3.0T临床MRI扫描仪
4	2026-07-07	Association of Retinal Biomarkers With the Subtypes of Ischemic Stroke and an Automated Classification Model 2024-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.50 PMID:39083310	研究论文	利用OCTA图像通过深度学习模型自动识别缺血性卒中及其亚型，并探索视网膜生物标志物与卒中亚型的关联	首次将深度学习模型应用于OCTA图像以区分缺血性卒中的腔隙性和非腔隙性亚型，并揭示了浅层血管丛的迂曲度和FAZ圆形度与卒中亚型的相关性	外部数据验证中模型AUC略低于内部验证，可能存在数据集偏差；视网膜生物标志物的临床解释需进一步验证	研究基于OCTA图像的深度学习模型在缺血性卒中检测及其亚型分类中的可行性，以及视网膜微血管变化与卒中亚型的关联	865名参与者的1730只眼睛，包括缺血性卒中患者和健康对照者	计算机视觉	缺血性卒中	OCTA成像	深度学习模型	图像	1730只眼睛（来自865名参与者）	PyTorch	ResNet	AUC	NA
5	2026-07-07	Quantifying Geographic Atrophy in Age-Related Macular Degeneration: A Comparative Analysis Across 12 Deep Learning Models 2024-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.42 PMID:39046755	研究论文	比较12种深度学习模型在年龄相关性黄斑变性中地理萎缩分割的性能	系统比较多种编码器-解码器组合（包括视觉变换器）在GA分割中的效果，发现视觉变换器与FPN和UNet架构更优	样本量有限且仅使用两个数据集，未探索其他可能更优的架构组合	确定用于GA分割的最有效的深度学习架构	眼底自发荧光图像中的地理萎缩区域	计算机视觉	年龄相关性黄斑变性	NA	深度学习模型（包括CNN和视觉变换器）	图像	训练集601张FAF图像（AREDS2研究），验证集156张FAF图像（GlaxoSmithKline研究）	NA	FPN, UNet, PSPNet, EfficientNet, ResNet, VGG, Mix Vision Transformer (mViT)	平均绝对差异，Dice系数 (DC)	NA
6	2026-07-07	Sequence of Morphological Changes Preceding Atrophy in Intermediate AMD Using Deep Learning 2024-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.30 PMID:39028907	研究论文	利用深度学习分析中间AMD中外丛状层下陷前形态变化序列	首次使用高精度人工智能量化OCT图像中中间AMD向外层丛状层下陷演变的形态学序列，并揭示光感受器和外核层变薄是早期亚临床特征	NA	研究中间AMD中在外丛状层下陷之前的形态变化序列以预测进展为地图样萎缩	中间AMD患者（280只眼，来自140名个体）	计算机视觉	老年性黄斑变性	OCT成像	CNN	图像	280只眼，来自140名中间AMD患者	PyTorch	U-Net	NA	NA
7	2026-07-06	Wearable Data From Subjects Playing Super Mario, Taking University Exams, or Performing Physical Exercise Help Detect Acute Mood Disorder Episodes via Self-Supervised Learning: Prospective, Exploratory, Observational Study 2024-07-17, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/55094 PMID:39018100	research paper	利用自监督学习从穿戴设备数据中检测急性情绪障碍发作	首次将自监督学习应用于穿戴设备数据检测急性情绪障碍发作，提出E4mer模型架构和E4SelfLearning数据集，解决了数据标注瓶颈	自监督学习性能依赖于预训练代理任务的选择和无标签数据的规模	克服穿戴设备数据标注瓶颈，提升急性情绪障碍发作检测性能	急性情绪障碍患者和稳定期患者的穿戴设备数据	machine learning	mood disorder	NA	Transformer	穿戴设备数据（来自Empatica E4腕带）	161名受试者（其中64名患者，32名急性期，32名稳定期）	NA	E4mer, XGBoost	正确分类的片段数量（3353/4128 vs 3110/4128 vs 2973/4128）	NA
8	2026-07-04	Comprehensive data analysis of white blood cells with classification and segmentation by using deep learning approaches 2024-07, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24839 PMID:38563259	研究论文	使用深度学习方法对白细胞进行分类和分割的综合数据分析	首次结合四种不同数据集进行白细胞分类，并在分割中使用CNN、UNet和SegNet三种神经网络	未提及具体局限性	通过深度学习方法实现白细胞的分类和分割，提高诊断工具的性能	人类外周血白细胞	计算机视觉	NA	显微镜成像	CNN, UNet, SegNet	图像	四种不同数据集的混合	NA	CNN, UNet, SegNet	平衡准确率, 测试准确率	NA
9	2026-07-04	Segmentation, feature extraction and classification of leukocytes leveraging neural networks, a comparative study 2024-07, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24832 PMID:38420862	研究论文	通过对比机器学习与深度学习方法，研究白细胞分割、特征提取与分类的性能	首次系统比较传统机器学习（K-means）与深度学习（U-Net、U-Net+ResNet18/34）在白细胞分割中的表现，并评估多种深度网络（AlexNet、VGG16、ResNet18）在特征提取与分类中的效果	未提及对多中心数据集或真实临床环境的验证，可能限制泛化能力	评估并比较不同机器学习与深度学习方法在白细胞自动化分类中的表现	白细胞	计算机视觉	非特定疾病（涉及白血病）	血涂片显微镜成像	CNN、U-Net、ResNet、AlexNet、VGG16	图像	CellaVision、BCCD、ALL-IDB2、PCB-HBC四个数据集的具体样本量未明确给出	PyTorch, TensorFlow	U-Net, ResNet18, ResNet34, AlexNet, VGG16	准确率	NA
10	2026-07-03	A survey of label-noise deep learning for medical image analysis 2024-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103166 PMID:38613918	综述	对医学图像分析中标签噪声深度学习的最新研究进行了全面综述	首次对医学图像领域标签噪声学习方法进行了统一分类和系统比较，并基于医学图像特性提出了新的研究方向	未详细说明具体实验对比结果及量化性能指标	为研究人员和从业者提供医学标签噪声学习的全面理解，助力开发抗噪声新方法	医学图像分析中的标签噪声问题及相应深度学习方法	医学图像分析	NA	NA	NA	医学图像	NA	NA	NA	NA	NA
11	2026-07-03	Multi-center Dose Prediction Using Attention-aware Deep learning Algorithm Based on Transformers for Cervical Cancer Radiotherapy 2024-07, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2024.03.022 PMID:38631974	研究论文	开发一种基于注意力机制的Transformer深度学习算法AtTranNet，用于多中心宫颈癌放疗剂量预测	首次提出AtTranNet算法，结合注意力机制和Transformer架构，实现多中心宫颈癌VMAT剂量的快速准确预测，并验证其可泛化至不同处方剂量的子宫内膜癌	内部测试中D98和膀胱Dmean等剂量指标存在一定误差；仅针对特定类型癌症（宫颈癌和子宫内膜癌）验证；样本量有限	开发用于宫颈癌容积调强放射治疗（VMAT）的快速准确剂量预测深度学习算法，并探索其对不同处方子宫内膜癌的泛化能力	来自多个医疗中心的宫颈癌患者数据集和子宫内膜癌患者数据集	机器学习	宫颈癌	深度学习	Transformer	三维剂量数据	367名宫颈癌患者（4个中心），70名子宫内膜癌患者	NA	AtTranNet（基于注意力机制的Transformer）	平均绝对误差，剂量差，剂量体积直方图指标	NA
12	2026-07-03	Anat-SFSeg: Anatomically-guided superficial fiber segmentation with point-cloud deep learning 2024-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103165 PMID:38608510	研究论文	提出一种基于点云深度学习的新框架Anat-SFSeg，用于解剖学引导的表层纤维分割，以提高扩散磁共振成像中浅层白质分割的准确性	创新性地结合了纤维解剖描述符FiberAnatMap和基于点云数据的深度学习网络，提出新的度量指标FARP和ARFC用于纤维分割评估	未明确提及局限性	改进浅层白质分割性能，探索其在神经退行性疾病中的潜在生物标志物应用	脑白质纤维束，特别是浅层白质	数字病理学	阿尔茨海默病	扩散磁共振成像（dMRI）	点云深度学习网络	点云数据	人类连接组项目（HCP）数据集及具有不同认知障碍水平的临床受试者	PyTorch	PointNet	准确性、FARP、ARFC	NA
13	2026-06-30	PHACTboost: A Phylogeny-Aware Pathogenicity Predictor for Missense Mutations via Boosting 2024-07-03, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msae136 PMID:38934805	研究论文	提出PHACTboost，一种基于梯度提升树的错义突变致病性预测器，通过整合系统发育信息和多重序列比对来提升预测性能	首次将梯度提升树与系统发育树信息结合，利用PHACT评分、多重序列比对和祖先重建数据，在硬变异（不同预测器结果冲突的变异）上表现出显著优势	未提及具体限制，但可能依赖高质量的序列比对和系统发育树；对罕见变异或非编码区变异的适用性未说明	开发更准确的错义突变致病性预测方法，改进遗传疾病的理解和诊断	错义突变及其致病性预测	机器学习	遗传疾病	NA	梯度提升树 (Gradient Boosting Tree)	序列数据（多重序列比对、系统发育树、祖先重建）	191个蛋白质的21500万氨基酸变异	NA	梯度提升树分类器	精确率、召回率、F1分数、AUC	NA
14	2026-06-29	A Multimorbidity Analysis of Hospitalized Patients With COVID-19 in Northwest Italy: Longitudinal Study Using Evolutionary Machine Learning and Health Administrative Data 2024-07-18, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52353 PMID:39024001	研究论文	使用进化机器学习分析意大利西北部COVID-19住院患者的共病特征，并识别与疾病严重程度相关的组合	将进化算法与Apriori算法结合，处理共病数据的稀疏性和组合爆炸问题，从行政数据中提取预测性共病特征组合	未在论文中明确说明局限性	评估多病患者COVID-19严重程度，并识别与严重性强的共病特征组合	意大利皮埃蒙特地区12,793名45-74岁COVID-19阳性患者	机器学习	COVID-19	NA	进化机器学习模型、深度学习分类器	行政健康数据	12,793名45-74岁COVID-19阳性患者	NA	深度学习分类器	预测适应度评分	NA
15	2026-06-19	Explainable deep learning and biomechanical modeling for TMJ disorder morphological risk factors 2024-07-11, JCI insight IF:6.3Q1 DOI:10.1172/jci.insight.178578 PMID:38990647	研究论文	提出结合3D可解释深度学习与多尺度生物力学建模的混合方法，用于识别颞下颌关节紊乱病的形态学风险因素并阐明其机制	首次将可解释深度学习与多尺度生物力学建模结合，系统识别TMJ紊乱风险因素并揭示其力学与力学生物学机制，解决了深度学习“机制未知”的临床转化瓶颈	基于较小临床数据集可能影响模型泛化性；生物力学建模假设可能简化真实生理复杂性	探究颞下颌关节紊乱病的病因学机制，通过形态学风险因素识别与生物力学验证提升临床可解释性	颞下颌关节紊乱病患者的下颌骨形态特征（髁突、下颌支、颏部）	计算机视觉, 机器学习	颞下颌关节紊乱病	3D卷积神经网络, 多尺度生物力学建模	CNN	3D医学影像（形态学数据）	小型临床数据集（具体数量未明确）	NA	3D卷积神经网络	NA	NA
16	2026-06-19	Prediction of cardiovascular risk factors from retinal fundus photographs: Validation of a deep learning algorithm in a prospective non-interventional study in Kenya 2024-07, Diabetes, obesity & metabolism DOI:10.1111/dom.15587 PMID:38618987	研究论文	在肯尼亚进行的一项前瞻性非干预性研究中，验证基于眼底照片预测心血管风险因素的深度学习算法	首次在肯尼亚人群中验证基于英国生物银行数据集训练的算法，评估其在不同种族和环境下的泛化能力	样本量相对较小（301人），且模型性能略低于原始训练人群，可能需要重新校准	评估机器学习算法在肯尼亚人群中从眼底照片估计心血管参数的准确性，以促进早期筛查在资源有限环境中的应用	肯尼亚地区的参与者，包括血压、糖化血红蛋白、估计肾小球滤过率及糖尿病和高血压诊断状态	计算机视觉, 机器学习	心血管疾病, 高血压, 糖尿病	眼底视网膜照片	CNN	图像	301名肯尼亚参与者	NA	NA	平均绝对误差, 受试者工作特征曲线下面积	NA
17	2026-06-18	Deciphering lung adenocarcinoma prognosis and immunotherapy response through an AI-driven stemness-related gene signature 2024-07, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.18564 PMID:39046884	研究论文	通过人工智能驱动的干性相关基因签名解析肺腺癌预后和免疫治疗反应	首次整合传统回归、机器学习和深度学习算法构建干性相关基因签名，结合单细胞RNA测序和多重组学数据，全面揭示干性与肿瘤免疫微环境的关系	NA	构建可预测肺腺癌预后和免疫治疗反应的人工智能驱动的干性相关基因签名	肺腺癌上皮细胞的干性相关基因	机器学习	肺癌	单细胞RNA测序	NA	基因表达数据	NA	NA	NA	NA	NA
18	2026-06-18	Construction and validation of a deep learning prognostic model based on digital pathology images of stage III colorectal cancer 2024-07, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2024.108369 PMID:38703632	研究论文	基于深度学习方法构建并验证III期结直肠癌数字病理图像的预后模型	首次针对III期结直肠癌患者，通过深度学习方法量化肿瘤微环境中的九种组织类型，并构建肿瘤风险特征（TRS）用于预后预测	样本量较小，仅包含265例TCGA和70例外部验证队列，且仅针对III期结直肠癌患者，未涉及其他分期	探索基于深度学习的肿瘤风险特征（TRS）对III期结直肠癌患者预后的预测价值	III期结直肠癌患者的全切片图像（WSI）	数字病理学	结直肠癌	NA	卷积神经网络（CNN）	图像（全切片病理图像）	265例来自TCGA的III期结直肠癌患者和70例来自中山大学附属第六医院的III期结直肠癌患者	NA	NA	准确率、Harrell一致性指数（C-index）、风险比（HR）	NA
19	2026-06-17	Clisp: A Robust Interactive Segmentation Framework for Pathological Images 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782318 PMID:40039941	研究论文	提出一种名为Clisp的鲁棒交互式分割框架，用于病理图像的低成本交互式标注	构建包含约79,000张图像的多源病理图像标注数据集，并采用重参数视觉Transformer作为图像编码器以提升大规模数据的特征表示能力和泛化性能	未明确提及局限性	开发一种基于点击的交互式分割方法，以减少病理图像标注成本并提高对不同任务或分割对象的泛化能力	病理图像	数字病理学	NA	NA	视觉Transformer	图像	约79,000张病理图像用于训练，7个开源数据集用于评估	NA	重参数视觉Transformer	分割性能（具体指标未说明）	NA
20	2026-06-02	Revisiting the current and emerging concepts of postharvest fresh fruit and vegetable pathology for next-generation antifungal technologies 2024-07, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.13397 PMID:38924311	综述	审视采后新鲜果蔬病理学当前与新兴概念，推动下一代抗真菌技术发展	从微生物组和病原组视角提出整体性采后病害控制策略，整合合成生物学、sRNA技术、深度学习等新技术	未提及具体实验验证或定量分析，偏重概念性综述	总结采后病理学新概念，开发可持续安全策略以控制真菌感染和真菌毒素污染	新鲜果蔬中的真菌感染、微生物组与病原组	机器学习	果蔬真菌病害	NA	深度学习	基因组数据、微生物组数据	NA	NA	NA	NA	NA