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	2026-05-25	The prognostic value of visual and automatic coronary calcium scoring from low-dose computed tomography-[15O]-water positron emission tomography 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae081 PMID:38525588	research paper	验证低剂量CT扫描中视觉和自动冠脉钙化评分的预后价值	首次在[15O]-水PET心肌灌注成像的低剂量CT扫描中评估视觉和自动CAC评分对主要不良心脏事件的预测价值	研究为单中心回顾性设计，且低剂量CT与参考CSCT扫描间的风险分类一致性仅为中等	评估低剂量CT扫描中视觉和自动冠脉钙化评分对主要不良心脏事件预测的附加价值	疑似冠脉疾病患者	计算机视觉	心血管疾病	低剂量CT, [15O]-水PET	深度学习	医学影像	572名连续患者	NA	NA	风险分类一致性（Cohen's kappa）, 风险比	NA
2	2026-05-25	Prospective deep learning-based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae115 PMID:38700097	研究论文	前瞻性多中心国际研究，比较基于深度学习自动分析CCTA与IVUS评估冠脉斑块的准确性和一致性	首次在多中心前瞻性研究中验证AI驱动的CCTA斑块量化系统与IVUS金标准的一致性，实现钙化、非钙化及低衰减斑块的全自动分割	样本量相对有限（237例患者432个病变），且仅纳入临床稳定型冠心病患者，未包含急性冠脉综合征人群	评估基于深度学习的CCTA自动斑块分析系统与IVUS金标准在冠脉粥样硬化量化表征中的一致性	临床稳定型冠心病患者的冠脉粥样硬化斑块，包括总斑块体积、钙化斑块、非钙化斑块及低衰减斑块	计算机视觉	冠心病	冠状动脉CT血管造影（CCTA）、血管内超声（IVUS）	深度学习模型（具体架构未明确说明）	医学影像（CCTA和IVUS图像）	237例患者（来自美国及日本15个中心），共432个冠脉病变	NA	NA	相关系数、Bland-Altman分析、Y截距、斜率	NA
3	2026-05-25	Diagnostic support in pediatric craniopharyngioma using deep learning 2024-08, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06400-0 PMID:38647660	研究论文	利用深度学习开发儿童颅咽管瘤诊断支持模型	首次在机构中应用可解释人工智能与深度学习模型结合，辅助放射学诊断儿童颅咽管瘤	NA	开发卷积深度学习算法，用于儿童鞍区-鞍上肿瘤的放射学辅助分类	226名智利儿童患者的术前T1w和T2w磁共振图像	医学影像分析	颅咽管瘤	磁共振成像	卷积神经网络	图像	226名患者（68名健康对照、58名颅咽管瘤患者、100名其他鞍区肿瘤患者）	NA	卷积神经网络	阳性预测值、阴性预测值	NA
4	2026-05-24	Focal liver lesion diagnosis with deep learning and multistage CT imaging 2024-08-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51260-6 PMID:39147767	研究论文	开发一种基于深度学习和多期增强CT的自动肝脏病灶诊断系统LiLNet	利用多中心大规模数据（4039名患者）开发并外部验证了LiLNet网络，能够区分六种肝脏病灶类型，并实现高准确率	未提及	提高肝脏病灶诊断的自动化水平，辅助放射科医生，尤其是在资源匮乏地区	肝脏病灶包括肝细胞癌、肝内胆管癌、转移性肿瘤、局灶性结节增生、血管瘤和囊肿	计算机视觉	肝脏疾病	多期增强CT	CNN	图像	4039名患者，来自六个数据中心	PyTorch	LiLNet	准确率, AUC	NA
5	2026-05-24	Artificial organic afferent nerves enable closed-loop tactile feedback for intelligent robot 2024-08-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51403-9 PMID:39147776	研究论文	本文报告了一种人工有机传入神经，通过集成有机电化学突触晶体管和人工机械感受器，实现了低工作电压下的触觉感知，并协同闭环反馈程序使智能机器人能够快速识别和防止物体滑动	首次报道了低工作电压(-0.6 V)的人工有机传入神经，通过树突整合功能实现了对物体方向性运动的感知，并利用分布式并行网络降低了控制复杂度	未提及具体局限性	模拟触觉神经以实现机器人的高级感知功能，并构建智能化闭环触觉反馈系统	人工有机传入神经、智能机器人	机器学习,机器人与仿生电子学	NA	NA	深度神经网络	尖峰编码信号	NA	NA	NA	识别准确率	NA
6	2026-05-24	End-to-end reproducible AI pipelines in radiology using the cloud 2024-08-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51202-2 PMID:39138215	研究论文	展示基于云基础设施的可重复、透明的人工智能放射学管道的端到端实施	首次系统展示基于云平台实现放射学AI管道的完整可重复性，从数据获取到最终结果分析的全流程透明化和可扩展性	仅应用于两个特定用例，且未讨论不同云平台间的互操作性问题	论证云基础设施在实现可重复和透明的人工智能放射学管道中的潜力	基于云托管数据和计算的AI放射学管道	计算机视觉	癌症	NA	深度学习	医学图像	NA	NA	NA	NA	云基础设施
7	2026-05-19	AlphaFold predictions of fold-switched conformations are driven by structure memorization 2024-08-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51801-z PMID:39181864	研究论文	测试AlphaFold在预测折叠转换蛋白构象方面的能力，发现其预测能力较弱且部分成功源于结构记忆而非学习到的能量特性	首次系统评估AlphaFold对折叠转换蛋白的预测能力，揭示其通过记忆训练集结构而非学习物理能量学实现部分成功预测	AlphaFold对折叠转换蛋白的预测成功率仅35%，且主要限于训练集中存在的蛋白；对训练集外蛋白几乎完全失败；置信度指标无法区分高低能量构象；存在结构信息记忆和共进化约束错误分配问题	评估AlphaFold模型预测折叠转换蛋白（形成两种不同二级/三级结构区域）构象的能力及其机理	折叠转换蛋白（fold-switching proteins）	机器学习	NA	深度学习结构预测（AlphaFold2/3）	AlphaFold（深度神经网络）	蛋白质序列与结构数据	超过56万个模型（AF2和AF3的多种实现）	NA	AlphaFold2, AlphaFold3	成功率（35%）、置信度指标	NA
8	2026-05-17	Research progress on prediction of RNA-protein binding sites in the past five years 2024-08, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115535 PMID:38643894	综述	综述过去五年中预测RNA-蛋白质结合位点的计算方法的进展	系统总结了2018-2023年间利用传统机器学习和深度学习的计算方法，包括数据库利用、特征选择与编码、分类算法创新和评估策略	现有计算方法存在局限性，未来发展方向有待探索	总结RNA-蛋白质结合位点预测的计算方法，探讨未来发展方向	RNA-蛋白质结合位点预测方法	机器学习	NA	传统机器学习、深度学习	CNN、LSTM	序列数据	NA	NA	DeepRKE, RDense, DeepDW	NA	NA
9	2026-05-15	Long axial-range double-helix point spread functions for 3D volumetric super-resolution imaging 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.31.605907 PMID:39131321	研究论文	展示长轴向范围双螺旋点扩散函数在三维体积超分辨成像中的应用	简化了三维单分子超分辨成像的工作流程，利用长轴向范围双螺旋点扩散函数实现无拼接的全细胞成像，并结合深度学习算法提高稠密发射体的定位速度与分辨率	未详细提及局限性，需进一步评估在实际厚样本中的性能限制	优化三维超分辨成像技术，简化厚样本的体积成像流程	荧光珠和U-2 OS细胞中的核纤层蛋白lamin B1	计算机视觉	NA	单分子定位显微镜、DNA-PAINT	深度学习定位算法	图像	荧光珠样本及U-2 OS细胞样本	NA	NA	定位精度、成像速度、分辨率	NA
10	2026-05-07	Delineating yeast cleavage and polyadenylation signals using deep learning 2024-08-20, Genome research IF:6.2Q1 DOI:10.1101/gr.278606.123 PMID:38914436	research paper	利用深度学习模型解析酵母裂解与聚腺苷酸化信号的退化解码机制	首次通过深度学习量化退化调控元件的位置重要性，揭示裂解异质性与位点强度的关联机制，以及远缘物种中聚腺苷酸信号的差异	未明确提及模型在不同酵母菌株或环境条件下的泛化能力评估	解析酵母裂解与聚腺苷酸化信号的退化解码机制及其在替代聚腺苷酸化调控中的作用	酵母（包括酿酒酵母等物种）的mRNA 3'端裂解与聚腺苷酸化位点	machine learning	NA	深度学习模型	深度学习模型（未指定具体类型，可能包含卷积神经网络或循环神经网络）	基因组序列数据	NA	NA	NA	NA	NA
11	2026-05-06	Machine learning and deep learning tools for the automated capture of cancer surveillance data 2024-08-01, Journal of the National Cancer Institute. Monographs DOI:10.1093/jncimonographs/lgae018 PMID:39102883	研究论文	应用机器学习和深度学习模型自动化从非结构化临床文本中提取癌症监测数据	利用先进计算能力自动化数据提取，弥补关键信息空白，创建灵活平台以便添加基因组学等新信息源	NA	自动化癌症监测数据捕获，提高报告及时性，加深对癌症驱动因素和结果的理解	病理报告、放射学报告、生物标志物信息、复发识别	自然语言处理	癌症	NA	机器学习，深度学习	文本	NA	NA	NA	NA	NA
12	2026-05-05	Differentiating loss of consciousness causes through artificial intelligence-enabled decoding of functional connectivity 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120749 PMID:39033787	研究论文	通过人工智能解码功能连接来区分意识丧失的病因	首次开发利用功能连接变化模式进行不同病因意识丧失鉴别诊断的人工智能模型	未在论文标题和摘要中明确说明	开发人工智能模型以区分急性意识丧失的不同病因	非惊厥性癫痫持续状态、代谢性脑病和苯二氮卓类中毒引起的意识丧失患者	机器学习	意识丧失	脑电图	卷积神经网络及多种机器学习算法	脑电图信号	前瞻性队列数据	NA	卷积神经网络	AUC	NA
13	2026-05-05	Anatomically constrained tractography of the fetal brain 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120723 PMID:39029605	研究论文	提出一种基于深度学习的胎儿脑组织分割方法，并结合解剖约束的纤维束追踪技术，以改善胎儿脑白质纤维束的重建	通过在dMRI空间直接进行精确的胎儿脑组织分割，并结合深度学习自动计算，实现了高弯曲度纤维束（如视辐射）的重建，且可适用于常规胎儿dMRI扫描	NA	提高胎儿脑dMRI纤维束追踪的准确性，解决假阳性纤维束和主要白质纤维束重建失败的问题	胎儿脑组织和白质纤维束	数字病理学	NA	扩散加权磁共振成像（dMRI）、扩散张量成像	深度学习模型	图像	独立测试数据（具体数量未提及）	NA	NA	分割准确率、纤维束追踪结果质量	NA
14	2026-05-05	Brain age prediction using interpretable multi-feature-based convolutional neural network in mild traumatic brain injury 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120751 PMID:39048043	研究论文	利用可解释的多特征卷积神经网络预测轻度创伤性脑损伤患者的大脑年龄	提出结合多结构特征的三维组合CNN模型，利用大规模异构数据集实现大脑年龄预测，并引入基于脑图谱的遮挡分析方案，揭示了健康对照组和mTBI患者中与年龄分层相关的贡献性脑区	未在标题和摘要中明确提及	开发可解释的深度学习框架，准确预测健康个体和轻度创伤性脑损伤患者的大脑年龄，并分析年龄预测差距与认知损伤及神经退行性标志物的关联	健康对照者和轻度创伤性脑损伤患者	计算机视觉	轻度创伤性脑损伤	MRI结构成像	卷积神经网络（CNN）	图像	总样本量1464人，其中154名健康对照者用于测试，其余用于训练和验证	NA	3D组合CNN	平均绝对误差（MAE）、皮尔逊相关系数（Pearson's r）	NA
15	2026-05-05	Disentangling brain atrophy heterogeneity in Alzheimer's disease: A deep self-supervised approach with interpretable latent space 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120737 PMID:39004409	研究论文	提出一种基于深度学习的自监督框架，通过可解释的潜在空间表征来解析阿尔茨海默病的大脑萎缩异质性	首次将特征工程、分类和聚类协同整合到自监督框架中，在潜在空间同时揭示疾病进展和亚型两个核心异质性维度，并识别出两种不同的疾病进展路径	NA	解析阿尔茨海默病的大脑萎缩异质性	阿尔茨海默病患者的大脑萎缩模式	机器学习	阿尔茨海默病	NA	自监督深度学习模型	神经影像数据	NA	NA	NA	NA	NA
16	2026-05-05	Predicting changes in brain metabolism and progression from mild cognitive impairment to dementia using multitask Deep Learning models and explainable AI 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120695 PMID:38942101	研究论文	利用多任务深度学习模型和可解释人工智能预测轻度认知障碍向痴呆进展中的脑代谢变化	首次在阿尔茨海默病预测建模中引入多任务学习框架，整合脑代谢变化数据以增强识别进展型轻度认知障碍患者的能力	基于ADNI数据集，可能存在样本选择偏差，且未提及模型在不同人群中的泛化性	探索利用脑代谢变化（FDG-PET评估）建模多维度疾病信息，识别轻度认知障碍患者向痴呆进展的风险	轻度认知障碍患者（MCI）及进展为痴呆的个体（pMCI）	机器学习	阿尔茨海默病	FDG-PET	深度学习模型（多任务学习）	图像（FDG-PET扫描）	1,617名参与者（来自ADNI数据库）	NA	NA	敏感性、特异性	NA
17	2026-05-05	Deep learning based decoding of single local field potential events 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120696 PMID:38909761	研究论文	使用无监督机器学习方法从单次试验的局部场电位事件中提取有意义信息	首次证明单通道LFP事件形状在自发活动期间采样了可能的刺激诱发事件形状的范畴，这一发现此前仅在多通道群体编码中被证实	NA	探索使用无监督机器学习从单次试验的神经电生理记录中提取信息，解码皮层信息处理机制	鼠类细胞外神经记录和人类颅内脑电图记录	机器学习	NA	细胞外神经记录, 颅内脑电图	自编码器网络	局部场电位事件	NA	NA	自编码器	NA	NA
18	2026-05-05	Precision Drug Repurposing: A Deep Learning Toolkit for Identifying 34 Hyperpigmentation-Associated Genes and Optimizing Treatment Selection 2024-08-01, Annals of plastic surgery IF:1.4Q3 DOI:10.1097/SAP.0000000000004007 PMID:38896860	研究论文	整合文本挖掘与深度学习工具，识别色素沉着相关基因及潜在治疗药物	首次将深度学习药物重定位工具DeepPurpose应用于色素沉着治疗，结合多种生物信息学方法系统筛选靶向基因与候选药物	未在细胞或动物模型中对预测的药物-靶点相互作用进行实验验证	利用计算方法识别色素沉着的新型靶向治疗药物	色素沉着相关基因及潜在药物	机器学习	色素沉着	文本挖掘、基因富集分析、蛋白质-蛋白质相互作用网络分析、药物-基因相互作用分析	深度学习模型（DeepPurpose）	文本数据、基因表达数据、药物-靶点相互作用数据	NA	DeepPurpose, PyTorch	DeepPurpose（默认架构，可能包括CNN、Transformer等）	结合亲和力预测得分	NA
19	2026-05-05	Fully Automated Deep Learning Model to Detect Clinically Significant Prostate Cancer at MRI 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.232635 PMID:39105640	研究论文	开发一种全自动深度学习模型，用于在MRI中检测临床显著性前列腺癌，并比较其与放射科医生的表现	首次使用患者级别标签（不依赖肿瘤位置信息）训练深度学习模型预测临床显著性前列腺癌，并结合Grad-CAM可视化肿瘤定位	未明确提及，但可能包括回顾性单中心研究设计及外部测试集样本量有限	开发并验证深度学习模型在MRI中检测临床显著性前列腺癌的性能	5215名患者（5735次检查）的MRI图像及病理诊断结果	计算机视觉	前列腺癌	MRI（T2加权图像、扩散加权图像、表观扩散系数图、T1加权对比增强图像）	卷积神经网络（CNN）	图像	5735次检查（5215名患者，平均年龄66岁，全部为男性）	NA	CNN（未具体说明架构名称，如ResNet等）	AUC	NA
20	2026-05-04	Gray matters: ViT-GAN framework for identifying schizophrenia biomarkers linking structural MRI and functional network connectivity 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120674 PMID:38851549	研究论文	提出一种基于条件高效视觉变换器生成对抗网络（cEViT-GAN）的框架，通过从结构MRI中分割灰质体积来生成功能网络连接矩阵，以识别精神分裂症的影像学生物标志物	首次使用生成对抗网络将结构MRI灰质信息转化为功能网络连接矩阵，并开发了轻量级自注意力机制以优化注意力图，从而识别与精神分裂症相关的结构生物标志物	NA	探索脑结构（灰质）与功能（功能网络连接）之间的关系，并为精神分裂症识别新的影像学生物标志物	精神分裂症患者的脑结构MRI和功能MRI数据	计算机视觉	精神分裂症	结构MRI、功能MRI、ICA算法	条件高效视觉变换器生成对抗网络（cEViT-GAN）	3D结构MRI图像、功能网络连接矩阵	NA	PyTorch	ViT（视觉变换器）、GAN（生成对抗网络）	Pearson相关系数	NA