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	2026-07-13	Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults: Study of Domain Adaptation and Deep Learning 2024-09-16, JMIR aging IF:5.0Q1 DOI:10.2196/53793 PMID:39283346	研究论文	利用深度学习和领域自适应技术预测老年人坚持计算机化认知训练程序的情况	首次使用领域自适应技术预测老年人对认知训练程序的日常依从性	NA	提高预测依从性中断的准确性，以开发定制化依从支持系统，促进老年人参与认知训练	老年参与者	机器学习	老年疾病	深层卷积神经网络、领域自适应、Gramian角场	深度卷积神经网络	时间序列	来自两项认知训练干预研究的数据	NA	深层卷积神经网络	准确率	NA
2	2026-07-10	Deep learning-based compressed SENSE improved diffusion-weighted image quality and liver cancer detection: A prospective study 2024-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.04.010 PMID:38604347	研究论文	评估基于深度学习的压缩感知弥散加权成像（DL-CS-DWI）在改善肝细胞癌高风险患者图像质量和病变检测中的作用	首次前瞻性研究结合压缩感知和深度学习技术优化弥散加权成像，显著提高图像质量和对临床相关肝病变的检测率，尤其是肝穹窿区域	单中心研究，样本量相对较小（67名参与者），未包含非肝病对照；深度学习模型的具体架构和训练细节未详细说明	评估DL-CS-DWI是否能在肝细胞癌高风险患者中改善DWI图像质量和病变检测能力	肝细胞癌高风险参与者，共67人，含197个临床相关肝病变	数字病理学	肝癌	DWI，压缩感知	CNN	图像	67名参与者，197个临床相关肝病变	NA	NA	定性图像质量，定量图像质量，检测率	NA
3	2026-07-10	MLMFNet: A multi-level modality fusion network for multi-modal accelerated MRI reconstruction 2024-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.04.028 PMID:38663831	研究论文	提出一种名为MLMFNet的多级模态融合网络，用于多模态加速MRI重建	通过辅助模态信息跨特征通道和层级融合，改进目标模态的重建效果，并包含基于UNet的单流编码器、多级特征解码器和通道注意力模块三个创新组件	未明确说明局限	实现更快、更准确的MRI重建，利用多模态信息提高重建质量	脑部MRI图像（公共脑数据集和膝盖骨数据集）	计算机视觉	NA	MRI	CNN	图像	公共脑数据集和膝盖骨数据集	PyTorch	UNet	定量分析、定性分析	NA
4	2026-07-10	Frequency and phase correction of GABA-edited magnetic resonance spectroscopy using complex-valued convolutional neural networks 2024-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.05.008 PMID:38744351	研究论文	使用复数卷积神经网络对GABA编辑磁共振波谱数据进行频率和相位校正	首次系统评估了复数输入和复数卷积在CNN中对GABA编辑MRS数据频率相位校正的效果，并证明复数配置最优	仅针对GABA编辑的MEGA-PRESS数据，未验证其他MRS序列的泛化能力	确定复数输入与复数卷积相比实数输入与实数卷积在CNN中对GABA编辑MRS数据频率相位校正的有效性	GABA编辑磁共振波谱数据	机器学习	NA	磁共振波谱	卷积神经网络	仿真数据和体内MRS数据	仿真数据集和体内数据集（具体数量未明确）	NA	复数卷积神经网络	信噪比、GABA峰线宽、胆碱伪影、平均绝对误差	NA
5	2026-07-07	Deep learning-based detection of indicator species for monitoring biodiversity in semi-natural grasslands 2024-Sep, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100419 PMID:38706811	研究论文	开发了基于深度学习的物体检测模型，用于识别半天然草地中的指示物种，以监测生物多样性	首次利用温室培育的标本进行实地植物识别，克服了数据稀缺问题，并实现了从温室到实地条件的成功迁移	未明确说明，但可能受限于温室条件与自然环境的差异、以及数据集的规模	利用深度学习技术检测指示物种，以支持半天然草地的生物多样性监测和保护工作	指示物种（一组维管植物物种），作为高自然价值草原生物多样性评估的替代指标	计算机视觉	NA	物体检测	基于深度学习的物体检测模型	图像	温室培育的指示植物数据集、实验草地和自然草地的小型数据集	NA	物体检测模型（具体架构未在摘要中指定）	平均精度	NA
6	2026-07-06	Controlled and Real-Life Investigation of Optical Tracking Sensors in Smart Glasses for Monitoring Eating Behavior Using Deep Learning: Cross-Sectional Study 2024-09-26, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/59469 PMID:39325528	研究论文	利用智能眼镜光学追踪传感器和深度学习实现进食行为的非侵入性监测	通过智能眼镜中的光学传感器实时监测面部肌肉活动，结合深度学习和隐马尔可夫模型，对咀嚼事件进行细粒度分析，区分咀嚼与其他面部活动	未明确提及研究局限性	开发一种准确且非侵入性的系统，用于自动监测进食和咀嚼活动	不同个体的进食、说话和咬牙等面部活动	机器学习	肥胖症	光学传感器	卷积长短期记忆网络 (ConvLSTM)	时间序列数据	未明确提及具体样本数量	NA	卷积长短期记忆网络	F1分数, 精确率, 召回率	NA
7	2026-07-05	Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data 2024-Sep, Psychological medicine IF:5.9Q1 DOI:10.1017/S0033291724001557 PMID:39245902	研究论文	使用深度学习方法分析军事社交媒体帖子以检测服役人员和退伍军人的自杀风险	首次针对军事特定社交媒体平台开发基于深度学习的自杀风险检测算法，并集成帖文文本与元数据	研究仅基于公开社交媒体数据，可能无法完全代表所有服役人员的真实情况，且需进一步验证在真实干预场景中的有效性	开发能自动检测社交媒体中自杀相关内容的算法，用于识别高危服役人员和退伍军人	美国军事服役人员和退伍军人	自然语言处理	自杀风险	社交媒体数据分析	深度学习模型 (RoBERTa)	文本数据（社交媒体帖子）	8449条军事特定社交媒体平台的公开帖子	NA	RoBERTa	敏感性, 特异性, 精确度, F1分数, 精确率-召回率曲线下面积	NA
8	2026-07-04	Single-detector multiplex imaging flow cytometry for cancer cell classification with deep learning 2024-09, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24890 PMID:39101554	研究论文	开发了一种单探测器多路成像流式细胞仪，结合深度学习实现癌细胞分类	通过空间波分复用技术实现单探测器同时获取明场和多色荧光图像，并设计包含U-net、VDSR和VGG19三种深度学习网络的图像处理方法	未提及	开发一种单探测器多路成像流式细胞仪并用于癌细胞自动分类	三种卵巢细胞系（IOSE80正常细胞、A2780和OVCAR3癌细胞）	数字病理学	卵巢癌	成像流式细胞术	CNN	图像	三种卵巢细胞系（未提及具体细胞数量）	NA	U-net, VDSR (very deep super resolution), VGG-19	准确率	NA
9	2026-07-04	Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis 2024-Sep, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e30 PMID:39372118	研究论文	本研究探讨使用预训练深度学习模型Wav2Vec对帕金森病语音障碍患者进行语音转文本分析的可行性	首次将预训练Wav2Vec模型应用于帕金森病语音障碍的语音转文本分析，验证其在临床评估中的潜力	样本量较小（仅20例），数据集规模有限可能影响模型泛化能力；仅使用了公开数据集的单次录音，缺乏多时间点或多样化样本的验证	探究预训练深度学习模型（Wav2Vec）在帕金森病语音障碍患者语音转文本分析中的有效性，为临床诊断和评估工具开发提供基础	帕金森病语音障碍患者和健康对照组的语音录音数据	自然语言处理	帕金森病	语音转文本分析	Wav2Vec	语音录音	20例（包括帕金森病患者和健康对照组）	PyTorch	Wav2Vec	准确率	NA
10	2026-07-03	Results of an Artificial Intelligence-Based Image Review System to Detect Patient Misalignment Errors in a Multi-institutional Database of Cone Beam Computed Tomography-Guided Radiation Therapy 2024-09-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.065 PMID:38485098	研究论文	应用基于深度学习的图像误配准检测算法对多机构锥形束CT引导放疗数据库进行全自动回顾性错误搜索，以确定患者摆位误差率	首次使用深度学习算法对临床放疗数据库进行全自动回顾性错误搜索，代替传统手动审查，能够发现既往未报告的错误案例	假阳性案例常因图像伪影、患者旋转及软组织解剖变化导致，需人工复核	评估深度学习误配准检测算法自动检测患者摆位误差的临床实用性，并确定绝对粗大误差发生率	2016-2017年及2021-2022年间两家放疗机构共17612次配准记录	计算机视觉	NA	锥形束CT图像引导放疗	CNN	图像	680名患者，17612次配准记录	NA	深度学习误配准检测算法	受试者工作特征曲线分析、标记率、错误检出率、假阳性率	NA
11	2026-07-03	Deep-Learning for Rapid Estimation of the Out-of-Field Dose in External Beam Photon Radiation Therapy - A Proof of Concept 2024-09-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.03.007 PMID:38554830	研究论文	提出基于深度学习的3D U-Net模型，用于快速估算外部束光子放疗中的场外剂量，作为概念验证	首次利用深度学习实现场外剂量图的快速估算，展示出前所未有的泛化能力，并接近临床应用可行性	模型性能仍有限，尤其对未见放疗设备的数据集泛化能力需进一步提升	开发适合临床实施的场外剂量估算工具，替代蒙特卡罗模拟和分析方法的不足	3151名儿童患者的全身剂量图，来自FCCSS数据库及5个临床中心	机器学习, 数字病理学	NA	NA	CNN	图像	3151名儿童患者（训练验证），433名患者（测试，分为5个子数据集）	NA	3D U-Net	均方根偏差	NA
12	2026-07-01	The impacts of positive selection on genomic variation in Drosophila serrata: Insights from a deep learning approach 2024-09, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17499 PMID:39188068	研究论文	利用深度学习方法探究正选择对果蝇塞拉塔种群基因组变异的影响	采用先进深度学习算法（partialS/HIC）对果蝇种群正选择进行全面分析，揭示了软性选择扫荡的普遍性和正选择通过搭车效应增加有害变异频率的新见解	算法在区分中性区域与部分扫荡及连锁区域时受人口统计学错误设定影响，且依赖于推断的人口历史模型	探究正选择如何直接和间接影响果蝇塞拉塔种群的基因组组成	澳大利亚东部果蝇塞拉塔种群	机器学习	不适用	全基因组测序	深度学习算法（partialS/HIC）	基因组序列数据	110个全基因组序列	不适用	不适用	不适用	不适用
13	2026-07-01	Development and Validation of a Deep Learning Model for Prediction of Adult Physiological Deterioration 2024-09-01, Critical care explorations DOI:10.1097/CCE.0000000000001151 PMID:39258951	研究论文	开发并验证了一种基于深度学习模型（DETERIO）用于预测成人生理恶化	基于共识定义（AIDE标准）将恶化问题视为状态价值估计问题，并优于商业恶化评分系统（EDI）	需要进一步研究评估模型的泛化能力和实际临床影响	开发并验证一种深度学习恶化预测模型，以改善临床干预时机	成人住院及急诊患者	机器学习	心血管疾病	NA	深度学习模型	临床数据	推导队列330,729名患者（住院71,735人，急诊258,994人）；验证队列65,898名患者（住院13,750人，急诊52,148人）	NA	基于先前工作的架构	AUC, 灵敏度, 阳性预测值	NA
14	2026-06-30	Enhanced Osteoporosis Detection Using Artificial Intelligence: A Deep Learning Approach to Panoramic Radiographs with an Emphasis on the Mental Foramen 2024-09-20, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci12030049 PMID:39311162	研究论文	该研究开发了一种基于深度学习的AI应用，通过全景X射线影像的颏孔区域检测骨质疏松症	聚焦于全景X射线片的颏孔区域进行骨质疏松症检测，并强调方法学严谨性以解决先前研究中乐观结果可信度不足的问题	研究中未提及具体的局限性	开发稳健的人工智能应用，实现全景X射线片中骨质疏松症的准确识别，促进早期和可靠的诊断	250张全景X射线影像，分为骨质疏松组、年龄性别匹配非骨质疏松组以及年龄性别不匹配非骨质疏松组	医学影像分析	骨质疏松症	深度学习	卷积神经网络（CNN）	图像	250张全景X射线影像	NA	预训练CNN分类器	F1分数, AUC	NA
15	2026-06-17	Dissection of core promoter syntax through single nucleotide resolution modeling of transcription initiation 2024-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.13.583868 PMID:38559255	研究论文	通过单核苷酸分辨率模型解析核心启动子语法对转录起始的编码机制	提出了CLIPNET深度学习模型，能够以单核苷酸分辨率准确预测转录起始的位置和数量，揭示了核心启动子序列与转录因子相互作用的复杂语法	模型主要基于PRO-cap数据，可能无法完全覆盖所有细胞类型或条件下的转录起始机制	探究DNA序列如何编码转录起始模式，揭示核心启动子语法的分子机制	转录起始位点附近的核心启动子序列及转录激活因子基序	机器学习	NA	PRO-cap测序、深度学习	深度学习模型（CLIPNET）	序列数据	群体规模的PRO-cap数据集	TensorFlow或PyTorch（未明确指定，推测可能使用）	NA	预测准确率（优于现有方法）	NA
16	2026-06-15	Combining propensity score methods with variational autoencoders for generating synthetic data in presence of latent sub-groups 2024-09-09, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02327-x PMID:39251921	研究论文	结合倾向性评分方法与变分自编码器，在存在潜在子组的情况下生成合成数据	提出将变分自编码器与预变换结合以忠实再现边际分布中的未知异质性，并利用倾向性评分回归模型处理已知子组异质性，从而在合成数据中保留和可控异质性	未明确提及局限性，但可能包括对复杂异质性场景的泛化能力需进一步验证	研究如何在临床队列中利用变分自编码器生成合成数据时，保留和控制个体间已知或未知的异质性	临床队列数据，包括模拟数据和一个国际卒中试验的真实数据	机器学习	卒中	NA	变分自编码器	临床数据	使用模拟数据和一个国际卒中试验的真实数据，具体样本量未提及	PyTorch	变分自编码器	边际分布恢复效果评估	NA
17	2026-06-15	READRetro: natural product biosynthesis predicting with retrieval-augmented dual-view retrosynthesis 2024-09, The New phytologist DOI:10.1111/nph.20012 PMID:39081009	研究论文	提出了一种名为READRetro的检索增强双视角逆合成工具，用于预测植物天然产物的生物合成途径	融合了先进的深度学习架构、集成方法和两个检索器，以优化复杂代谢途径的预测能力	NA	开发一种实用的生物逆合成工具，用于预测植物天然产物的完整生物合成途径	植物天然产物（如单萜吲哚生物碱和门尼糖苷内酯）的代谢途径	机器学习	NA	NA	深度学习模型	文本（分子结构与逆合成数据）	NA	PyTorch	深度学习架构、集成方法和检索器	单步和多步逆合成评估指标	NA
18	2026-06-02	Leveraging advances in data-driven deep learning methods for hybrid epidemic modeling 2024-09, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2024.100782 PMID:38971085	研究论文	本文总结了在COVID-19情景建模中心的工作，强调深度学习技术通过灵活的数据驱动框架补充传统机械模型，用于评估未来疫情情景	提出基于多元长短期记忆网络的两种深度学习模型，解决了传统数据驱动模型的挑战，能够整合异构监测数据源（如症状、环境、基因组、血清学、信息监测和移动数据）	NA	利用深度学习技术改进混合疫情建模，为公共卫生决策提供更准确的情景预测	COVID-19疫情中的病例数、住院人数和死亡人数等流行病学数据	机器学习	COVID-19	LSTM	LSTM	时间序列数据、异构监测数据（症状、环境、基因组、血清学等）	12轮以上的COVID-19情景建模	PyTorch	多元LSTM	NA	NA
19	2026-06-01	mACPpred 2.0: Stacked Deep Learning for Anticancer Peptide Prediction with Integrated Spatial and Probabilistic Feature Representations 2024-09-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168687 PMID:39237191	研究论文	开发了mACPpred 2.0模型，通过堆叠深度学习整合空间与概率特征表示，用于抗癌肽的高效预测	首次整合空间与概率特征表示来预测抗癌肽，并采用堆叠深度学习（SDL）方法结合1D CNN和混合特征	NA	提升抗癌肽预测的准确性和鲁棒性，更新并超越现有预测方法	抗癌肽（ACPs）和非抗癌肽的氨基酸序列数据	机器学习	癌症	深度学习、自然语言处理（NLP）嵌入、特征选择	堆叠深度学习（SDL）、1D卷积神经网络（1D CNN）	序列数据（氨基酸序列）	整合所有公开可用的ACPs数据集构建更新基准数据集	深度学习框架（未指定具体名称）	1D CNN	交叉验证、独立测试（具体指标如准确率、F1值等未列出）	NA
20	2026-06-01	GalaxySagittarius-AF: Predicting Targets for Drug-Like Compounds in the Extended Human 3D Proteome 2024-09-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168617 PMID:39237198	研究论文	GalaxySagittarius-AF是一个结合深度学习预测结构进行药物类似化合物靶点预测的网络服务器	利用AlphaFold预测的结构扩展人类蛋白质组覆盖范围，并采用基于相似性和基于结构的双重方法进行靶点预测	未明确提及，但可能依赖于预测结构的准确性以及数据库的完整性	开发一个能够预测药物类似化合物在扩展人类3D蛋白质组中靶点的网络服务器	药物类似化合物及其在人类蛋白质组中的潜在靶点	机器学习和计算生物学	不适用	AlphaFold结构预测和GalaxySite结合位点预测	基于相似性和基于结构的预测模型	蛋白质结构数据和化合物结构数据	不适用	不适用	不适用	不适用	网络服务器，无需注册即可访问，运行速度比前代快2-3倍