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	2026-05-19	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
2	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
3	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
4	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
5	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
6	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
7	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
8	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
9	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
10	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
11	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
12	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
13	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
14	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
15	2026-05-04	Exploring the potential of representation and transfer learning for anatomical neuroimaging: Application to psychiatry 2024-08-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120665 PMID:38848981	research paper	比较深度学习与标准机器学习在精神疾病的解剖神经影像预测中的性能，并探索迁移学习的潜力	首次在多站点、多临床任务上系统比较深度学习与标准机器学习性能，并通过大规模健康人群的自我监督预训练证明深度学习可学习鲁棒且可迁移的表示，在多数临床任务中显著优于标准机器学习	研究仅关注结构神经影像，未涉及功能影像或其他模态；临床数据集样本量相对较小（N≤1k），可能影响泛化性	评估深度学习与标准机器学习在基于解剖神经影像的精神疾病预测中的性能差异，并探索迁移学习（特别是自我监督预训练）的潜在优势	精神分裂症、双相障碍和自闭症谱系障碍的诊断预测，以及性别预测	machine learning	精神分裂症, 双相障碍, 自闭症谱系障碍	NA	深度学习（Deep Ensemble）、标准机器学习（SML）	解剖神经影像（sMRI）	大规模健康人群约10,000例，临床数据集各约1,000例以下	NA	Deep Ensemble	准确率	NA
16	2026-05-04	Automated segmentation of epilepsy surgical resection cavities: Comparison of four methods to manual segmentation 2024-08-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120682 PMID:38866195	研究论文	比较四种自动分割方法与手动分割在癫痫手术切除腔MRI上的准确性	首次在混合的颞叶和颞外癫痫手术队列中比较多种自动分割管道，包括基于SPM和深度学习的方法	算法未能识别所有切除腔，且自动分割仍需人工质量控制	评估自动分割管道在癫痫手术切除腔分割中的准确性和适用性	50名接受癫痫手术的患者（30名颞叶手术，20名颞外手术）的切除腔MRI图像	计算机视觉	癫痫	MRI	3D U-net卷积神经网络	图像	50名受试者（30名颞叶，20名颞外）	MATLAB, SPM-12	3D U-net	Dice相似系数	NA
17	2026-05-03	An Integral R-Banded Karyotype Analysis System of Bone Marrow Metaphases Based on Deep Learning 2024-08-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2022-0533-OA PMID:37931220	研究论文	基于深度学习开发了一整套R显带骨髓中期染色体核型分析系统	首次将深度学习应用于R显带骨髓中期染色体核型分析的完整流程，包括去噪、分割、分类和极性识别四个关键步骤	全文未提及局限性	评估深度学习模型和整个核型分析系统在R显带骨髓中期染色体检测中的性能	R显带正常骨髓中期染色体	计算机视觉、数字病理学	血液系统肿瘤	深度学习	CNN	图像	4442组R显带正常骨髓中期染色体及核型图像，测试集含885张中期染色体图像	NA	NA	IoU、Dice相似系数、准确率	NA
18	2026-05-02	Deep Learning Reconstruction of Accelerated MRI: False-Positive Cartilage Delamination Inserted in MRI Arthrography Under Traction 2024-Aug-01, Topics in magnetic resonance imaging : TMRI DOI:10.1097/RMR.0000000000000313 PMID:39016321	病例报告	通过深度学习重建加速MRI中出现的假阳性软骨分层案例	首次报告深度学习重建加速MRI在髋关节牵引下关节造影中产生假阳性软骨分层的现象	仅基于单个病例，未进行系统性测试，且未深入分析训练数据偏差的影响	指出深度学习重建技术在临床应用中的潜在假阳性风险	30岁健康男性患者的右髋关节	计算机视觉	软骨病变	MRI加速成像	深度学习重建模型	图像	1例患者	NA	NA	假阳性率	NA
19	2024-08-07	FasterRib: A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans: Erratum 2024-08-01, The journal of trauma and acute care surgery IF:2.9Q1 DOI:10.1097/TA.0000000000004427 PMID:38996424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20	2026-05-02	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	提出可扩展深度学习框架EPInformer，通过整合启动子-增强子序列与多模态表观基因组数据预测基因表达	集成启动子-增强子相互作用、序列、表观基因组信号和染色质接触信息，在跨染色体验证中超越现有模型，并能通过CRISPR扰动实验验证增强子-基因相互作用	现有方法无法捕捉增强子等远端元件的调控效应导致预测精度受限，且需要大量资源进行训练或适应新数据	开发可扩展的深度学习框架用于基因表达预测	基因表达预测中的启动子-增强子相互作用、表观基因组信号和染色质接触	机器学习	NA	深度学习	EPInformer框架	序列数据、表观基因组信号、染色质接触数据	NA	PyTorch	EPInformer	跨染色体验证准确性、CRISPR扰动验证准确性	NA