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
41	2026-08-04	AndroPred: an artificial intelligence-based model for predicting androgen receptor inhibitors 2024-09, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2023.2239935 PMID:37493402	研究论文	本文介绍了一种基于人工智能的模型AndroPred，用于预测雄激素受体抑制剂，以加速前列腺癌药物发现	首次将多种机器学习与深度学习算法应用于雄激素受体抑制剂的预测，并发现深度神经网络模型性能最优，准确率达93.05%	模型缺乏实验验证，未来需通过实验分析和前瞻性测试确认其预测能力	利用人工智能算法快速预测雄激素受体抑制剂，以简化前列腺癌药物发现过程	雄激素受体抑制剂及其相关化合物	机器学习	前列腺癌	分子描述符与分子指纹分析	机器学习及深度学习模型，包括深度神经网络	化合物数据	2242个化合物	NA	深度神经网络	准确率	NA
42	2026-07-26	From organs to algorithms: Redefining cancer classification in the age of artificial intelligence 2024-09, Clinical and translational science DOI:10.1111/cts.70001 PMID:39206604	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
43	2024-10-01	Deep Learning-Based Obesity Identification System for Young Adults Using Smartphone Inertial Measurements 2024-09-04, International journal of environmental research and public health DOI:10.3390/ijerph21091178 PMID:39338061	研究论文	本文提出了一种基于深度学习的肥胖识别系统，利用智能手机的惯性测量数据来识别年轻人的肥胖情况	本文创新性地将智能手机的惯性测量数据与深度学习模型结合，用于识别肥胖	研究样本较小，且排除了步态异常的个体	开发一种基于智能手机惯性测量数据的深度学习模型，用于识别年轻人的肥胖情况	年轻人的肥胖识别	机器学习	NA	惯性测量	CNN, LSTM, CNN-LSTM	惯性测量数据	训练集包含138名受试者，测试集包含35名受试者	NA	NA	NA	NA
44	2026-07-24	Interpretation of SNP combination effects on schizophrenia etiology based on stepwise deep learning with multi-precision data 2024-09-27, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elad041 PMID:37738675	研究论文	提出一种基于逐步深度学习的多精度数据技术（SLEM），探索SNP组合效应对精神分裂症病因的影响	利用多精度数据（高精度小样本的多层级实验数据与低精度大样本的GWAS数据）构建逐步深度学习模型，从大量可能的SNP组合中识别有效交互效应	NA	解析SNP组合效应如何通过分子和细胞功能相互作用影响精神分裂症的易感性	精神分裂症相关的多层级基因组数据（GWAS数据和实验数据）	机器学习	精神分裂症	GWAS	深度学习	基因组数据	NA	NA	NA	准确率	NA
45	2026-07-24	A comprehensive review of machine learning techniques for multi-omics data integration: challenges and applications in precision oncology 2024-09-27, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae013 PMID:38600757	综述	全面回顾机器学习技术在多组学数据整合中的应用，重点关注精准肿瘤学中的挑战与机遇	系统分类和总结机器学习方法用于整合基因组学、转录组学、蛋白质组学和代谢组学等多组学数据，并探讨深度学习与网络方法的最新进展	未提及具体局限性	总结机器学习技术在多组学数据整合中的进展，并提供精准肿瘤学中患者分层的方法选择建议	基因组学、转录组学、蛋白质组学、代谢组学及临床数据	机器学习	肿瘤	NA	深度学习, 网络方法	多组学数据（基因组、转录组、蛋白质组、代谢组）及临床数据	NA	NA	NA	NA	NA
46	2026-07-22	A 25-Year Retrospective of the Use of AI for Diagnosing Acute Stroke: Systematic Review 2024-09-10, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/59711 PMID:39255472	综述	本文系统回顾了过去25年间人工智能在急性卒中诊断中的应用，总结了性能指标和算法发展趋势	首次对1999年至2024年间AI辅助卒中诊断的50篇代表性文献进行了系统回顾，分析了从传统方法到机器学习再到深度学习的演变过程	未明确说明	总结AI技术在卒中诊断中的应用进展，提供临床实践参考	学术文献	机器学习	脑卒中	NA	传统机器学习、深度学习	NA	NA	NA	NA	NA	NA
47	2026-07-22	An artificial intelligence-enabled electrocardiogram algorithm for the prediction of left atrial low-voltage areas in persistent atrial fibrillation 2024-09, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.16373 PMID:39054663	研究论文	构建一种基于人工智能的心电图算法，用于预测持续性心房颤动患者左心房低电压区的存在	首次利用深度学习算法仅从心电图数据预测左心房低电压区，且性能优于传统临床评分系统	NA	开发和验证一个能准确预测持续性心房颤动患者左心房低电压区存在的人工智能心电图算法	587名持续性心房颤动患者及其942张术前12导联心电图扫描图像	机器学习	持续性心房颤动	心电图	深度学习、随机森林	图像	587名患者，942张心电图图像	NA	深度学习模型、随机森林分类模型	AUROC、敏感度、特异度、校准曲线、决策曲线分析	NA
48	2026-07-22	RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction 2024-09-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168552 PMID:38552946	研究论文	介绍了一个名为RNA3DB的结构化RNA数据集，用于深度学习模型的训练和基准测试	通过将RNA 3D链分组为序列和结构上均非冗余的不同组分，确保了训练集与测试集在序列和结构上无重叠，解决了现有数据集结构重叠导致的性能评估虚高问题	未提及具体的性能评估或模型对比结果，且当前深度学习方法在CASP15中仍逊于传统方法	提供一种用于训练和基准测试深度学习RNA结构预测模型的结构非冗余数据集和方法	来自蛋白质数据银行（PDB）的结构化RNA 3D链	机器学习	NA	NA	深度学习模型	3D结构数据	NA	NA	NA	NA	NA
49	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
50	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
51	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
52	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
53	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
54	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
55	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
56	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
57	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
58	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
59	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
60	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