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
21	2026-08-21	MultiSC: a deep learning pipeline for analyzing multiomics single-cell data 2024-Sep-23, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae492 PMID:39376034	研究论文	提出一个名为MultiSC的深度学习流程，用于分析多组学单细胞数据，整合基因表达、染色质可及性和转录因子蛋白表达，并预测基因调控网络	首次提出针对多组学单细胞数据的综合分析流程，结合多模态约束自编码器（单细胞层次约束自编码器）和矩阵分解模型（scMF）进行数据整合及下游预测	未提及	解决多组学单细胞数据整合分析工具缺乏的问题，提供更全面的细胞活动和基因调控网络分析	使用NEAT-seq技术获得的单细胞多组学数据，包括基因表达、染色质可及性和转录因子蛋白表达	深度学习、多组学分析、单细胞分析	NA	NEAT-seq	自编码器、矩阵分解模型（scMF）、多元线性回归模型	多组学单细胞数据（基因表达、染色质可及性、蛋白表达）	未提及	NA	多模态约束自编码器（单细胞层次约束自编码器）、scMF（矩阵分解模型）	未提及	未提及
22	2026-08-20	Predicting splicing patterns from the transcription factor binding sites in the promoter with deep learning 2024-Sep-03, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-024-10667-7 PMID:39227799	研究论文	本研究提出计算方法，利用启动子中的转录因子结合位点预测下游剪接模式	首次系统探讨启动子结合转录因子与下游可变剪接的关系，并采用卷积神经网络结合计算机模拟突变分析识别潜在的剪接调控因子	预测不同组织中单基因的剪接形式时泛化能力有限	揭示启动子结合转录因子结合位点与下游剪接模式之间的调控关系	转录因子结合位点及下游剪接模式	机器学习	NA	DNase I超敏感位点测序、RNA-seq	卷积神经网络（CNN）	基因序列和转录组数据	来自ENCODE的十五种人类组织的样本	NA	CNN	剪接效率变化预测的准确性	NA
23	2026-08-18	Single-cell analysis via manifold fitting: A framework for RNA clustering and beyond 2024-09-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2400002121 PMID:39226348	研究论文	提出scAMF框架，通过流形拟合去噪单细胞RNA测序数据，提高聚类准确性和数据可视化	引入流形拟合模块，通过展开数据在环境空间中的分布来去噪，并改善细胞间的空间分布，捕获类一致的邻域	未提及具体限制	提高单细胞RNA测序数据分析中的聚类准确性和数据可视化清晰度	单细胞RNA测序数据（scRNA-seq）	机器学习	NA	单细胞RNA测序（scRNA-seq）	流形拟合	基因表达数据	25个公开可用的scRNA-seq数据集，涵盖多种测序平台、物种和器官类型	NA	NA	聚类效率、数据可视化清晰度	NA
24	2026-08-18	Joint trajectory inference for single-cell genomics using deep learning with a mixture prior 2024-09-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2316256121 PMID:39226366	研究论文	本文介绍了VITAE，一种结合潜在层次混合模型与变分自编码器的统计方法，用于单细胞基因组学中的轨迹推断和数据整合。	VITAE首次将层次混合模型与变分自编码器结合，实现同时轨迹推断和数据整合，并提供不确定性量化。	文中未明确提及局限性。	提出一种具备统计模型和不确定性量化的轨迹推断方法，并实现多数据集整合分析。	单细胞RNA测序数据及多组学数据。	机器学习	NA	单细胞RNA测序	变分自编码器	基因表达数据	小鼠新皮层的三个单细胞RNA测序数据集	NA	变分自编码器	准确性	NA
25	2026-08-18	Deep learning models map rapid plant species changes from citizen science and remote sensing data 2024-09-10, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2318296121 PMID:39236239	研究论文	利用深度学习和遥感图像及公民科学数据绘制超过2000种植物物种的高分辨率分布图	首次将公民科学观测与遥感图像结合训练深度学习模型，实现几米分辨率下的物种分布精细绘图，并能检测野火等干扰后的快速变化	未明确提及限制，可能包括对数据质量的依赖和模型的可迁移性未知	开发深度学习模型以高空间、时间及分类分辨率绘制植物物种分布变化，支持生物多样性监测	美国加利福尼亚州的2000多种植物物种	计算机视觉, 机器学习	NA	遥感成像, 公民科学观测	深度学习模型	遥感图像, 公民科学观测数据	超过50万条公民科学观测记录	NA	NA	AUC	NA
26	2026-08-16	Deep learning reveals a damage signalling hierarchy that coordinates different cell behaviours driving wound re-epithelialisation 2024-09-15, Development (Cambridge, England) DOI:10.1242/dev.202943 PMID:39177163	研究论文	利用深度学习工具量化果蝇蛹翅上皮伤口再上皮化过程中细胞行为，并揭示损伤信号层级协调这些行为	首次应用深度学习工具从活体成像视频中量化细胞分裂、形状变化和迁移对伤口再上皮化的贡献，并通过基因扰动实验揭示钙信号、JNK和巨噬细胞信号在伤口修复中的层级调控关系	研究仅基于果蝇蛹翅上皮模型，可能不直接适用于哺乳动物伤口愈合；深度学习工具可能未捕捉所有细胞行为复杂性	阐明伤口再上皮化过程中不同细胞行为的贡献及其信号调控层级	果蝇蛹翅上皮伤口修复过程中的细胞行为及信号分子（Ca2+、JNK、巨噬细胞信号）	深度学习	伤口愈合（组织修复）	活体成像显微镜	深度学习模型（类型未具体说明）	图像（活体显微镜视频）	未具体说明样本量，但包括多个果蝇蛹翅上皮伤口视频	未明确提及	未明确具体架构，但使用深度学习工具（如卷积神经网络）	量化细胞行为（如细胞分裂率、形状变化、迁移速度）的指标	未明确提及
27	2026-08-13	An efficient brain tumor detection and classification using pre-trained convolutional neural network models 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36773 PMID:39281484	研究论文	本文提出使用预训练卷积神经网络模型进行脑肿瘤检测与分类，并评估其性能	结合预训练CNN模型（如ResNet50和EfficientNet）并利用数据增强技术，提高脑肿瘤检测的准确率、精确率和召回率	未在摘要中提及明确的局限性	开发并评估一种高效的脑肿瘤检测和分类方法，以提高诊断准确性	脑肿瘤MRI图像，包括三类肿瘤样本和一类非肿瘤样本	计算机视觉	脑肿瘤	MRI成像	卷积神经网络（CNN）	图像	未在摘要中明确提及样本数量	未指定	ResNet50, EfficientNet	准确率, 精确率, 召回率, 验证损失, 混淆矩阵, 总体损失	未提及
28	2026-08-11	Overcoming CRISPR-Cas9 off-target prediction hurdles: A novel approach with ESB rebalancing strategy and CRISPR-MCA model 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012340 PMID:39226304	研究论文	本研究提出了一种结合ESB类重平衡策略和CRISPR-MCA混合模型的新方法，用于克服CRISPR-Cas9脱靶预测中的挑战	首次提出专门针对仅含错配脱靶实例数据集的ESB类重平衡策略，并开发了基于多特征提取的CRISPR-MCA混合模型	研究主要针对错配仅脱靶数据集，对包含插入缺失的数据集适用性可能需要进一步验证	提高CRISPR-Cas9系统脱靶效应的预测准确性，解决数据集不平衡和模型复杂性挑战	CRISPR-Cas9系统中的脱靶效应	机器学习	NA	深度学习	混合神经网络模型	序列数据	四个不同的错配仅数据集和包含错配及插入缺失的数据集	NA	CRISPR-MCA	预测准确性	NA
29	2026-08-10	AI in Neuro-Ophthalmology: Current Practice and Future Opportunities 2024-09-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002205 PMID:38965655	综述	本文综述了人工智能在神经眼科领域的应用现状和未来机遇，涵盖多种AI技术及其在诊断、预测模型和临床实践中的潜力	首次全面探讨生成式AI在神经眼科教育和临床实践中的整合，并强调其改善稀缺专科资源获取的潜力	未具体说明局限性，但综述可能受限于现有文献的覆盖范围和搜索策略	提供AI在神经眼科中应用的全面概述，评估其当前实践和未来机会，以及整合面临的挑战	神经眼科疾病及其诊断相关的影像数据（如OCT、眼底照片）和AI技术应用	计算机视觉、机器学习、自然语言处理	神经眼科疾病	光学相干断层扫描（OCT）、眼底摄影	机器学习算法、深度学习	图像数据、文本数据	不适用	不适用	不适用	不适用	不适用
30	2026-08-10	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012423 PMID:39255309	研究论文	本文训练半监督深度自编码器以识别斑马鱼幼体的正常行为，并检测化学物质暴露引起的异常行为变化，其性能优于传统统计方法。	首次将半监督深度自编码器应用于高维斑马鱼行为数据，可识别出传统方法（如仅基于距离移动）遗漏的、多种化学物质浓度组合下的异常行为。	文中未明确提及局限性。	开发一种基于深度自编码器的行为模式识别模型，以改进斑马鱼行为数据的分析，识别化学物质暴露引起的异常行为，并促进机制研究。	未暴露的斑马鱼幼体（用于训练）及暴露于不同有毒物质（包括纳米材料、芳香族化合物、全氟和多氟烷基物质等）的斑马鱼幼体（用于评估）。	机器学习	NA	行为学分析技术（包括高维行为数据采集）	深度自编码器（半监督）	行为学数据（高维、时空）	未明确说明具体样本数量，但涉及未暴露和暴露的斑马鱼幼体。	NA	自编码器	NA（但提到传统统计框架作为比较基准）	NA
31	2026-08-09	Evaluating Performance of Different RNA Secondary Structure Prediction Programs Using Self-cleaving Ribozymes 2024-09-13, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzae043 PMID:39317944	研究论文	本文比较了七种计算预测工具在不同复杂度任务中对数十种自切割核酶序列的RNA二级结构预测准确性，发现现代深度学习方法在复杂任务中表现更优	首次系统比较七种RNA二级结构预测工具（包括深度学习方法）在自切割核酶序列上的表现，并展示深度学习在复杂折叠问题上的优势	仅基于特定类别的序列（自切割核酶）进行测试，可能不适用于所有RNA类型	评估不同RNA二级结构预测程序的准确性，以确定其在生物相关结构预测中的适用性	数十种自切割核酶序列的RNA二级结构	机器学习	不适用	计算预测程序	深度学习模型	RNA序列	数十种自切割核酶序列	不适用	不适用	预测准确性	不适用
32	2026-08-08	Exploring the potential of structure-based deep learning approaches for T cell receptor design 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012489 PMID:39348412	研究论文	该研究探索了基于结构的深度学习方法（ProteinMPNN和ESM-IF1）在T细胞受体设计中的潜力	首次将两种结构感知的深度学习方法应用于T细胞受体的固定骨架设计，以应对低亲和力和交叉反应性等挑战，并相比传统物理方法进行了评估	缺乏实验验证，发现的方法缺陷需通过改进来克服	评估基于结构的深度学习在T细胞受体设计中的应用潜力，以增强免疫治疗靶向性	T细胞受体及其与抗原肽-MHC复合物的相互作用	机器学习和蛋白质设计	癌症	结构设计深度学习方法（如ProteinMPNN和ESM-IF1）	图神经网络（如ProteinMPNN和ESM-IF1）	蛋白质三维结构序列	未具体说明	PyTorch	ProteinMPNN, ESM-IF1	序列和结构指标	未具体说明
33	2026-08-08	Managing spatio-temporal heterogeneity of susceptibles by embedding it into an homogeneous model: A mechanistic and deep learning study 2024-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012497 PMID:39348420	研究论文	本研究提出了一种将易感人群时空异质性嵌入同质模型的新型建模框架，通过引入连续招募过程，并利用深度学习和MCMC方法进行模型训练与校准，以提高流行病预测准确性	创新性地将易感人群的时空异质性通过连续招募过程整合进同质模型，并借助通用微分方程（UDE）结合神经网络逼近招募率，提供了对比同质模型的改进预测方法	摘要未提及具体限制，但可推断模型依赖特定假设和实际数据校准，可能对大规模或不同场景的适用性有限	旨在改进传染病流行预测，通过整合易感人群的时空异质性，提高预测精度并理解其在疾病传播中的作用	研究对象为急性呼吸道传染病（如COVID-19奥密克戎变异株）的传播动态，具体包括易感人群的异质性及其对流行病冲击的影响	机器学习	传染病	NA（摘要未指定特定测序或实验技术）	神经网络（用于UDE模型）和机械模型	数值和流行病学数据	研究使用了中国上海COVID-19奥密克戎疫情的数据，但未明确样本量	PyTorch、MCMC	通用微分方程（UDE）结构和机械传播模型	准确率、攻击率、感染峰值	未指定，但可能使用GPU进行深度学习和MCMC模拟
34	2026-08-07	Deep learning-based segmentation for high-dose-rate brachytherapy in cervical cancer using 3D Prompt-ResUNet 2024-09-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7ad1 PMID:39270708	研究论文	开发并评估了一种结合提示模型与3D nnUNet的3D Prompt-ResUNet模块，用于宫颈癌高剂量率近距离治疗中高危临床靶体积和危及器官的自动分割	提出了新的3D Prompt-ResUNet架构，将提示基础模型与nnUNet结合，并进行了与nnUNet和SAM-Med3D的新颖比较，在临床评估中表现与经验丰富的放射肿瘤学家最相似	摘要中未明确提及局限性	快速且一致地自动分割宫颈癌近距离治疗中的HRCTV和OAR，减少观察者间差异并缩短治疗时间	来自两家医院的135名宫颈癌患者的73次CT扫描和62次MRI扫描	医学图像分割	宫颈癌	CT和MRI成像	深度学习神经网络（3D Prompt-ResUNet, nnUNet, SAM-Med3D）	影像数据（CT和MRI）	135名患者	PyTorch（推断）	3D Prompt-ResUNet, nnUNet, SAM-Med3D	DSC, HD95%, JI, MCC	未提及
35	2026-08-07	ECG-Image-Database: A Dataset of ECG Images with Real-World Imaging and Scanning Artifacts; A Foundation for Computerized ECG Image Digitization and Analysis 2024-Sep-25, ArXiv PMID:39398215	研究论文	本文介绍了ECG-Image-Database，一个包含真实世界成像和扫描伪影的ECG图像数据集，用于心电图数字化与分析	创建了首个包含物理和数字伪影的大规模ECG图像数据集，并提供了配套的ECG-Image-Kit工具包	未明确提及局限性	提供基准数据集，以开发将ECG图像转换为时间序列的鲁棒机器学习模型	心电图图像及其对应的时间序列数据	计算机视觉, 机器学习	心血管疾病	图像生成与处理	NA	图像, 时间序列	35,595张ECG图像，源于977份PTB-XL记录和1,000份Emory Healthcare记录	NA	NA	NA	NA
36	2026-08-07	Deep learning-based statistical robustness evaluation of intensity-modulated proton therapy for head and neck cancer 2024-09-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad780b PMID:39241803	研究论文	提出了一种基于深度学习的统计稳健性评估方法，用于预测头颈癌质子治疗的百分位剂量分布，避免中间剂量计算步骤	直接预测百分位剂量分布而非通过剂量计算模拟不确定性场景，规避了传统方法在计算效率和统计意义之间的冲突	未明确提及，但可能涉及对极端不确定性场景的泛化能力有限	验证基于深度学习的统计稳健性评估方法在头颈癌调强质子治疗中的准确性和效率	头颈癌患者的质子治疗计划，包括不同束流配置（束流角度、床角度、束流数量）及有无束流掩膜	深度学习、医学图像分析	头颈癌	质子治疗计划剂量分布预测	3D U-Net	计划CT图像和剂量分布	582例头颈癌患者，另加前列腺癌患者用于混合训练	PyTorch	密集膨胀3D U-Net	伽马指数（2mm,2%）、剂量体积直方图误差分析	未明确提及
37	2026-08-07	Semi-supervised lung adenocarcinoma histopathology image classification based on multi-teacher knowledge distillation 2024-09-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad7454 PMID:39191290	研究论文	提出一种基于多教师知识蒸馏的半监督学习方法，用于肺癌组织病理图像中七种肿瘤生长模式的高精度分类	引入动态置信度阈值机制和多教师知识蒸馏技术，以改善伪标签质量和数量，提高模型泛化能力	未明确说明局限性	在少量标注数据下实现对肺癌组织病理图像中肿瘤生长模式的高精度分类	肺癌组织病理图像中的七种肿瘤生长模式	数字病理学	肺癌	组织病理图像分析	深度学习模型	图像	150张全切片图像（WSI）	未明确说明	多教师知识蒸馏架构	准确率、泛化性指标	未明确说明
38	2026-08-07	Deep learning method with integrated invertible wavelet scattering for improving the quality ofin vivocardiac DTI 2024-09-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6f6a PMID:39142339	研究论文	提出了一种基于无监督学习的可逆小波散射深度学习方法，用于提高活体心脏弥散张量成像的质量。	创新性地将可逆小波散射与多尺度编码器-解码器网络相结合，提取变换不变和噪声鲁棒的特征，以改善心脏DTI图像质量。	未提及明确的局限性。	提高活体心脏DTI图像质量，同时处理噪声和残余运动问题。	心脏弥散加权图像，特别是舒张期、胃蠕动影响和收缩末期的心脏DW图像。	机器学习	不适用	心脏弥散张量成像	自编码器	图像	三个心脏DTI数据集	PyTorch	多尺度编码器-解码器网络	信噪比、对比度噪声比、分数各向异性、平均扩散率、螺旋角	未提及
39	2026-08-07	Noise-imitation learning: unpaired speckle noise reduction for optical coherence tomography 2024-09-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad708c PMID:39151463	研究论文	提出一种名为噪声模仿学习（NIL）的无配对光学相干断层扫描图像去噪方法，通过噪声提取、噪声模仿和对抗学习三个模块高效降低散斑噪声，并构建了NIL-NAFNet去噪流水线	采用单一生成器和单一判别器实现无配对OCT去噪，网络结构复杂度显著低于以往方法，通过高效融合无配对图像和对抗训练提取更多散斑噪声信息	未提及具体局限性	开发一种简化且有效的无配对OCT图像去噪方法，以提升图像质量和诊断准确性	光学相干断层扫描图像中的散斑噪声	计算机视觉	不适用	光学相干断层扫描	生成对抗网络（GAN）	图像	PKU37数据集（具体样本数未提及）	PyTorch	NAFNet	峰值信噪比（PSNR）、结构相似性指数（SSIM）、均方根误差（RMSE）	未提及
40	2026-08-05	PharmRL: Pharmacophore elucidation with Deep Geometric Reinforcement Learning 2024-Sep-24, Research square DOI:10.21203/rs.3.rs-5033986/v1 PMID:39399689	研究论文	开发了一种名为PharmRL的深度几何强化学习方法，用于在无配体情况下从蛋白质结合位点识别药效团，并提高虚拟筛选性能	首次在无配体情况下利用深度几何强化学习进行药效团识别，并结合CNN模型预测有利相互作用点，优于随机选择共晶结构特征	未明确提及，但可能依赖于CNN对结合位点的特征预测精度，且算法选择子集可能受限于训练数据的多样性	开发一种无需配体共晶结构即可识别药效团的深度学习方法，以提升虚拟筛选效率	蛋白质结合位点及其中的药效团特征，应用于虚拟筛选	机器学习、药物设计	NA	深度几何强化学习、CNN模型	CNN、深度Q学习	分子结构数据（结合位点、药效团点）	DUD-E、LIT-PCBA和COVID moonshot数据集	NA	CNN、深度Q网络	F1分数	Google Colab笔记本