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	2026-06-02	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
2	2026-05-31	An efficient hybrid deep learning architecture for predicting short antimicrobial peptides 2024-07, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300382 PMID:38837544	研究论文	提出了一种高效的混合深度学习架构iAMP-DL，用于预测短抗菌肽	结合长短期记忆网络和卷积神经网络构建混合模型，在独立测试集上表现优于现有方法，并通过10次重复实验验证了模型的鲁棒性和稳定性	未明确说明局限性，可能对非短抗菌肽的预测效果需进一步验证	开发一种高效、鲁棒的短抗菌肽预测方法以支持抗菌药物研发	短抗菌肽序列	机器学习	NA	NA	长短期记忆网络（LSTM）和卷积神经网络（CNN）	序列数据	使用了独立测试集进行性能评估，具体样本数量未在摘要中说明	NA	LSTM, CNN	未在摘要中明确列出具体指标，但通过比较分析和重复实验评估性能	NA
3	2026-05-30	Echocardiographic Detection of Regional Wall Motion Abnormalities Using Artificial Intelligence Compared to Human Readers 2024-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2024.03.017 PMID:38556038	research paper	开发深度学习模型用于检测超声心动图中的区域室壁运动异常，并与专家和初学者阅读者进行比较	首次大规模比较深度学习模型与专家和初学者在区域室壁运动异常检测中的表现，证明模型达到专家水平且优于多数初学者	深度学习模型在前间隔区域的F1分数低于专家（75 vs 89），且模型训练依赖临床报告作为金标准，可能引入偏差	评估深度学习模型在区域室壁运动异常检测中的准确性，并与人类阅读者进行比较	区域室壁运动异常（RWMA）的检测	computer vision, machine learning, digital pathology	心血管疾病	NA	卷积神经网络（CNN）	超声心动图视频（经胸超声心动图图像）	15,746项经胸超声心动图研究，包含25,529个心尖视频，分为训练、验证和测试数据集	NA	卷积神经网络（具体架构未明确说明）	曲线下面积（AUC）、F1分数	NA
4	2026-05-26	Automating Wood Species Detection and Classification in Microscopic Images of Fibrous Materials with Deep Learning 2024-07-04, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozae038 PMID:38709570	研究论文	采用深度学习方法，基于自制木材显微图像数据集，首次实现纤维材料中硬木树种的自动化识别与分类	首次将深度学习应用于纤维材料显微图像中的硬木树种自动识别，并开发了系统性生成木化木材参考图像数据集的方法学，以及灵活标注导管元件的流水线	未提及具体限制	实现木材纤维材料显微图像中硬木树种的自动化检测与分类，以改进全球木纤维产品流管控，保护森林	九种硬木属的纤维材料显微图像	计算机视觉	NA	显微图像分析	神经网络（CNN等）	图像数据	九种硬木属的木化木材参考图像数据集（具体数量未提及）	NA	多种神经网络架构（具体如ResNet、VGG等未指明）	与人类专家性能相当（具体指标未提及）	NA
5	2026-05-24	The changing landscape of text mining: a review of approaches for ecology and evolution 2024-07, Proceedings. Biological sciences DOI:10.1098/rspb.2024.0423 PMID:39082244	综述	本文综述了用于生态学和进化生物学文献中文本挖掘的方法，涵盖从频率基础方法到深度学习语言模型的发展	将文本挖掘方法映射到三种主要范式（频率基础方法、传统自然语言处理和深度学习语言模型），为生态学和进化研究提供入门指导	未详细说明具体实施中的计算资源需求或模型评估指标	促进文本挖掘工具在生态学和进化研究中的整合	生态学和进化生物学领域的文本数据及文献	自然语言处理	NA	NA	深度学习语言模型	文本	NA	NA	NA	NA	NA
6	2026-05-24	Towards Interactive and Interpretable Image Retrieval-Based Diagnosis: Enhancing Brain Tumor Classification with LLM Explanations and Latent Structure Preservation 2024-Jul, Artificial intelligence in medicine. Conference on Artificial Intelligence in Medicine (2005- ) DOI:10.1007/978-3-031-66535-6_35 PMID:41930254	研究论文	提出一种交互式可解释图像检索系统，结合监督对比学习和大型语言模型，用于脑肿瘤分类	通过监督对比学习保留图像潜在结构，并集成现成的大语言模型实现检索报告总结和用户问答交互，增强了系统的可解释性和可用性	未明确提及具体局限性	开发一种交互式、可解释的基于图像检索的诊断系统，提高脑肿瘤分类的准确性和可解释性	脑肿瘤影像数据	计算机视觉	脑肿瘤	NA	CNN（编码器）、大语言模型（LLM）	图像	NA	PyTorch	ResNet 或其他监督对比学习编码器	分类准确率	NA
7	2026-05-23	A practical machine learning approach for predicting the quality of 3D (bio)printed scaffolds 2024-07-25, Biofabrication IF:8.2Q1 DOI:10.1088/1758-5090/ad6374 PMID:39008994	研究论文	本研究提供了一个关于3D打印支架的最大规模开源数据集，并运用多种机器学习和深度学习算法预测支架质量、细胞响应和可打印性	提供了最全面的开源数据集，涵盖1171个支架、60种生物材料、49种细胞系及不同打印条件，并使用超过40种机器学习与深度学习算法进行预测	信息缺乏，待进一步说明	利用人工智能技术预测3D生物打印支架的质量，克服数据稀缺问题	3D打印支架的质量、细胞响应和可打印性	机器学习	NA	3D生物打印	机器学习与深度学习算法	表格数据	1171个3D打印支架样本	Scikit-learn, XGBoost, LightGBM, PyTorch	KMeans, XGBoost, Gradient Boosting, Extra Trees Classifier, Random Forest Classifier, LightGBM, 全连接神经网络（6个隐藏层）	准确率, F1分数	NA
8	2026-05-23	A variational autoencoder trained with priors from canonical pathways increases the interpretability of transcriptome data 2024-07, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011198 PMID:38959284	研究论文	利用先验来自规范通路的变分自编码器提高转录组数据的可解释性	提出一种利用生物学数据先验指导网络学习基于可理解生物学概念的转录组表示的变分自编码器	NA	通过变分自编码器提高转录组数据的可解释性，实现基于生物通路水平的差异分析	转录组数据	机器学习	NA	RNA-seq	变分自编码器	基因表达数据	NA	NA	VAE, β-VAE, 先验引导VAE	重构准确度, 语义准确性	NA
9	2026-05-20	Unsupervised motion artifact correction of turbo spin-echo MRI using deep image prior 2024-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30026 PMID:38282279	研究论文	提出了一种基于深度图像先验的无监督运动伪影校正方法，用于涡轮自旋回波MRI	利用神经网络参数化对运动伪影的高阻抗特性，提出无监督的深度学习校正框架，无需大型数据集训练	未提及具体局限性	开发无监督深度学习方法校正涡轮自旋回波MRI中的运动伪影	涡轮自旋回波MRI图像中的运动伪影	计算机视觉	NA	MRI	CNN	图像	14名受试者的280张切片	PyTorch	深度图像先验网络	结构相似性指数	NA
10	2026-05-17	MMDB: Multimodal dual-branch model for multi-functional bioactive peptide prediction 2024-07, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115491 PMID:38460901	研究论文	提出了一种新型多模态双分支轻量级深度学习模型，用于多功能生物活性肽预测	首次在不增加参数的情况下利用多尺度膨胀卷积提取肽序列特征，并设计了双分支结构分别捕获肽序列和结构特性的互补信息	未提及具体局限性	准确检测多功能的复杂和多样化生物活性肽	多功能生物活性肽	机器学习	NA	NA	深度学习	序列和结构数据	NA	NA	多尺度膨胀卷积, Bi-LSTM, 多层卷积	覆盖率, 精确度, 准确率	NA
11	2026-05-17	PhosAF: An integrated deep learning architecture for predicting protein phosphorylation sites with AlphaFold2 predicted structures 2024-07, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115510 PMID:38513769	研究论文	提出一种集成深度学习架构PhosAF，利用AlphaFold2预测的蛋白结构来预测人类蛋白磷酸化位点	首次将AlphaFold2预测的蛋白结构信息与序列信息集成用于磷酸化位点预测，并提出通过蛋白二级结构构建可靠负样本的新策略	NA	提高磷酸化位点预测的准确性，特别是通过利用蛋白空间结构信息	人类蛋白质磷酸化位点	机器学习	NA	NA	CNN, 多头注意力机制, 深度神经网络	蛋白质序列数据和结构数据	NA	PyTorch	CMA-Net, MFC-Net	精确率, 召回率, F1分数, AUC	NA
12	2026-05-15	Approaching artificial intelligence to Hospital Pharmacy 2024-07, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria IF:1.0Q4 DOI:10.1016/j.farma.2024.02.007 PMID:39097366	综述文章	探讨人工智能在医院药学中的应用及其潜在影响	强调人工智能技术（如机器学习、深度学习）如何在医院药房中优化药物管理流程、提升患者安全性和用药效率	未提及具体实验数据或案例验证，缺乏对实际部署挑战和局限性的深入分析	阐述人工智能在医院药学领域的应用前景，推动药学服务智能化转型	医院药学实践中的药物相互作用检测、安全性评估、疗效优化等场景	自然语言处理, 机器学习	不适用	机器学习, 深度学习, 自然语言处理	神经网络（通用）	患者电子健康记录、实验室结果、用药档案等医疗文本数据	不适用	不适用	不适用	不适用	不适用
13	2026-05-15	[Translated article] Introducing artificial intelligence to hospital pharmacy departments 2024-07, Farmacia hospitalaria : organo oficial de expresion cientifica de la Sociedad Espanola de Farmacia Hospitalaria IF:1.0Q4 DOI:10.1016/j.farma.2024.04.001 PMID:39097375	综述	介绍人工智能在医院药房部门的应用及其潜在影响	系统性地阐述人工智能技术在医院药房中的多维度应用，从药物相互作用检测到临床决策支持	未提供具体实施案例或量化评估结果，缺乏临床验证数据	探讨人工智能如何提升医院药房服务质量、优化流程并促进创新	医院药房部门的药剂师及相关临床工作流程	机器学习	NA	机器学习、深度学习、自然语言处理	神经网络	文本（医疗记录、实验室结果、用药档案）	NA	NA	NA	NA	NA
14	2026-05-15	Deep Learning-Enabled Quantification of 99mTc-Pyrophosphate SPECT/CT for Cardiac Amyloidosis 2024-07-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267542 PMID:38724278	研究论文	利用深度学习量化99mTc-焦磷酸盐SPECT/CT图像以诊断心脏淀粉样变性	首次使用基础深度学习模型从CT衰减图中分割心脏腔室和心肌，并将其应用于衰减校正的SPECT图像，实现全自动体积量化99mTc-焦磷酸盐放射性示踪剂活性	未提及具体限制	评估深度学习方法在全自动定量化评估99mTc-焦磷酸盐SPECT/CT图像中的诊断准确性	疑似转甲状腺素蛋白心脏淀粉样变性（ATTR CA）患者	机器学习的医学影像应用	心脏淀粉样变性	SPECT/CT成像, 99mTc-焦磷酸盐显像, 深度学习分割	基础深度学习模型（用于CT衰减图分割）	CT衰减图, SPECT图像	299名患者（中位年龄76岁，其中83名诊断为ATTR CA）	NA	基础深度学习模型（具体架构未提及）	AUC, 风险比（HR）	NA
15	2026-05-15	Deep learning pipeline for quality filtering of MRSI spectra 2024-07, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5012 PMID:37518942	研究论文	提出一种基于深度学习集成模型的质量过滤管道，用于自动筛选3D磁共振波谱成像中的光谱数据	首次将卷积自编码器与多层感知机网络配对并采用多数投票机制，针对不同光谱表示（实部、虚部、两者结合）进行鲁棒分类，实现高质量光谱自动筛选	对受脂质轻微污染的最少代表类别谱，F1分数较低（0.82），且数据集仅来自一名健康受试者和五名脑肿瘤患者	开发自动化预处理管道，在代谢物定量前过滤低质量光谱并识别可修复的污染光谱	来自一名健康受试者和五名脑肿瘤患者的36,338个大脑光谱数据	数字病理学	脑肿瘤	MRSI, EPSI, SLOW编辑	集成深度学习网络（卷积自编码器 + 多层感知机）	频谱	36,338个光谱（来自1名健康受试者和5名脑肿瘤患者）	NA	卷积自编码器, 多层感知机	F1分数	NA
16	2026-05-15	Electromagnetic interference elimination via active sensing and deep learning prediction for radiofrequency shielding-free MRI 2024-07, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.4956 PMID:37088894	研究论文	提出一种结合主动感知与深度学习预测的方法，用于消除无射频屏蔽或屏蔽不完整磁共振成像中的电磁干扰	首次利用主动感知线圈和卷积神经网络模型预测并去除MRI信号中的电磁干扰成分，实现无射频屏蔽MRI扫描	方法在更高场强或复杂干扰环境中的泛化能力有待验证，且依赖额外传感线圈硬件支持	实现无射频屏蔽或屏蔽不完整条件下的高图像信噪比MRI成像	电磁干扰信号与MRI接收线圈中的信号关系建模及干扰消除	机器学习	NA	MRI成像	卷积神经网络	磁共振信号数据	0.055T和1.5T MRI扫描仪各一台的初步实验数据	PyTorch	卷积神经网络	信噪比	NA
17	2026-05-09	Deep Learning Models for the Screening of Cognitive Impairment Using Multimodal Fundus Images 2024-07, Ophthalmology. Retina DOI:10.1016/j.oret.2024.01.019 PMID:38280426	研究论文	利用深度学习模型基于多模态眼底图像筛查认知障碍	首次验证多模态眼底图像（眼底照片与OCT图像）联合深度学习模型在认知障碍筛查中的有效性，优于单模态模型	多模态模型在外部验证集的AUC约为0.78，性能仍有提升空间；未详细说明数据集的种族或地域多样性可能影响泛化性	开发基于多模态眼部图像的深度学习系统，快速简便地识别认知障碍个体	认知障碍患者与正常对照人群	计算机视觉、数字病理学	认知障碍	眼底照相、OCT成像	CNN	图像	9424张眼底照片和4712张OCT图像用于模型开发；外部验证集包括1180张眼底照片和590张OCT图像	NA	NA	AUC	NA
18	2026-05-09	Artificial Intelligence, Digital Imaging, and Robotics Technologies for Surgical Vitreoretinal Diseases 2024-07, Ophthalmology. Retina DOI:10.1016/j.oret.2024.01.018 PMID:38280425	综述	回顾了人工智能、数字成像和机器人技术在玻璃体视网膜手术疾病中的最新进展	总结了成像、手术可视化、机器人技术和人工智能在玻璃体视网膜手术中的综合应用，强调了这些技术对改善患者管理的潜力	未提及具体研究设计的局限或数据来源的限制	综述人工智能、数字成像和机器人技术在玻璃体视网膜手术疾病中的应用进展	玻璃体视网膜手术疾病	计算机视觉、机器学习、数字病理学	视网膜疾病	OCT、OCT血管成像、深度学习	NA	图像、文本	NA	NA	NA	NA	NA
19	2026-05-08	Association of retinal image-based, deep learning cardiac BioAge with telomere length and cardiovascular biomarkers 2024-07-01, Optometry and vision science : official publication of the American Academy of Optometry IF:1.6Q3 DOI:10.1097/OPX.0000000000002158 PMID:38935034	研究论文	基于视网膜图像的深度学习心脏生物年龄模型与端粒长度及心血管生物标志物的关联研究	首次利用视网膜图像深度学习模型评估心脏生物年龄，并与端粒长度和传统心血管风险生物标志物进行关联分析，实现快速、无创的心血管疾病筛查	研究为横断面设计，无法建立因果关系；模型基于UK Biobank人群，可能限制结果向其他人群的推广	验证深度学习心脏生物年龄模型与端粒长度及传统心血管风险生物标志物之间的一致性	UK Biobank中具有白细胞端粒长度数据的个体	计算机视觉	心血管疾病	视网膜成像	深度学习	图像	NA	NA	NA	血压、糖化血红蛋白、10年汇集队列方程心血管风险评分、端粒长度	NA
20	2026-05-07	The scope of artificial intelligence in retinopathy of prematurity (ROP) management 2024-07-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_2544_23 PMID:38454859	综述	探讨人工智能在早产儿视网膜病变管理中的应用范围	聚焦印度背景下AI在ROP筛查中的应用潜力，并讨论其作为流行病学工具的客观优势	AI实施存在医法律问题，可能遗漏视网母细胞瘤等致命疾病	评估AI在ROP管理中的角色与未来方向	AI系统在ROP筛查、风险预测及流行病学分析中的性能	机器学习	早产儿视网膜病变	NA	卷积神经网络	图像	NA	NA	CNN	NA	NA