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	2026-05-30	Artificial intelligence for human gunshot wound classification 2024-Dec, Journal of pathology informatics DOI:10.1016/j.jpi.2023.100361 PMID:38234590	研究论文	探索使用深度学习模型对数字彩色图像中的枪弹射入口和射出口进行分类的可行性	代表人工智能在法医病理学领域的首批应用之一，证实深度学习模型能够高准确度区分数码图像中的射入口和射出口	NA	评估利用深度学习模型自动分类枪弹射入口和射出口的可行性	枪弹射入口和射出口的数字彩色图像	计算机视觉	NA	NA	ConvNext Tiny 深度学习模型	图像	训练/验证集：2028张射入口图像和1314张射出口图像；测试集：415张射入口图像和293张射出口图像	Fastai	ConvNext Tiny	准确率, 精确率, 召回率, F1分数	NA
22	2026-05-26	Structural Insights into Cold-Active Lipase from Glaciozyma antarctica PI12: Alphafold2 Prediction and Molecular Dynamics Simulation 2024-12, Journal of molecular evolution IF:2.1Q3 DOI:10.1007/s00239-024-10219-3 PMID:39549052	研究论文	利用Alphafold2预测与分子动力学模拟，解析南极嗜冷真菌Glaciozyma antarctica PI12中冷活性脂肪酶Glalip03的结构与低温适应机制	首次结合系统发育分析与Alphafold2深度学习结构预测，识别含冷活性保守基序的新型脂肪酶，并通过低温分子动力学模拟揭示其全局稳定性和柔韧性	NA	理解冷活性脂肪酶的低温适应机制，为工业应用奠定分子基础	南极嗜冷真菌Glaciozyma antarctica PI12中假定的冷活性脂肪酶Glalip03	机器学习	NA	系统发育分析、Alphafold2结构预测、分子动力学模拟	分子动力学模拟	蛋白质序列与结构	单一酶蛋白Glalip03	Alphafold2, GROMACS	Alphafold2, 分子动力学模型	全局稳定性、柔韧性	NA
23	2026-05-20	NeuroPred-ResSE: Predicting neuropeptides by integrating residual block and squeeze-excitation attention mechanism 2024-12, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115648 PMID:39154878	研究论文	提出基于残差块和挤压激励注意力机制的神经肽预测模型NeuroPred-ResSE	首次将残差块与挤压激励注意力机制结合用于神经肽预测，能捕获并识别最相关的属性特征	未明确提及具体局限性，但可能依赖特定序列编码方法，需进一步验证泛化能力	开发快速准确的神经肽预测工具，助力神经系统疾病药物研发	神经肽序列及其预测模型	机器学习	神经系统疾病	NA	CNN（基于残差块和注意力机制）	序列数据（蛋白质/肽序列）	未明确样本数量，但提及训练集和测试集（基于5折交叉验证和独立测试）	NA	ResNet（残差块）、Squeeze-and-Excitation Network（挤压激励注意力机制）	准确率（accuracy）	NA
24	2026-05-20	The development of machine learning approaches in two-dimensional NMR data interpretation for metabolomics applications 2024-12, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115654 PMID:39187053	研究论文	利用机器学习方法开发二维核磁共振数据处理自动化流程，用于代谢组学定量分析	首次将多种机器学习分类方法（PLS-DA、ANN-DA、XGBoost-DA和ANNDL-DA）与自动峰选择相结合，实现二维核磁共振数据的自动化定量分析	PLS-DA和XGBoost-DA在数据变异或过拟合方面存在局限性，ANN-DA和ANNDL-DA的准确性仍约90%需进一步提升	开发自动化方法处理二维核磁共振数据，推动其在代谢组学定量研究中的常规应用	标准混合物、海葵提取物和小鼠粪便样本	机器学习	NA	NMR	PLS-DA, ANN-DA, XGBoost-DA, ANNDL-DA	二维核磁共振谱数据	标准混合物、海葵提取物和小鼠粪便样本	NA	NA	准确性（约90%）	NA
25	2026-05-20	Integrating predictive coding and a user-centric interface for enhanced auditing and quality in cancer registry data 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.007 PMID:38690549	研究论文	开发了一个结合深度学习与规则方法的混合自然语言处理系统，集成于医院信息系统，为癌症登记员提供患者病程可视化平台，以辅助肺癌登记数据的编码工作	将预测编码与用户中心界面整合，提出混合加权神经符号系统，并构建患者病程可视化平台以辅助编码审核	NA	简化医院癌症登记数据的人工提取流程，提升编码质量与效率	肺癌登记相关文本数据及编码项目	自然语言处理	肺癌	自然语言处理、深度学习、规则方法	混合深度学习-规则模型	文本	1428例肺癌患者数据	NA	混合神经符号架构	F1分数	NA
26	2026-05-16	Toward trustable use of machine learning models of variant effects in the clinic 2024-12-05, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2024.10.011 PMID:39561772	研究论文	针对临床变异效应预测模型的信任度问题，提出核心原则与建议以提升模型在临床中的可靠性和影响力	针对ClinGen工作组提出的验证策略存在的局限性，首次提出克服这些局限的核心原则与建议，为未来更可靠和更具影响力的变异效应预测模型使用奠定基础	未提及具体定量评估结果或大规模验证，提出的原则和推荐尚未经过实际临床数据测试	提升机器学习变异效应预测模型在临床中的可信赖度和实用性	蛋白质编码基因中错义替换效应预测的机器学习模型	机器学习	遗传性疾病	深度学习	机器学习模型（未指定具体类型）	序列数据	NA	NA	NA	模型性能、适用范围、鲁棒性	NA
27	2026-05-15	Accelerated 2D radial Look-Locker T1 mapping using a deep learning-based rapid inversion recovery sampling technique 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5266 PMID:39358992	研究论文	开发一种基于深度学习的快速反转恢复采样技术，用于加速二维径向Look-Locker T1映射	通过结合快速T1恢复曲线采样、切片选择性反转、优化切片交错和卷积神经网络T1估计，实现单次屏气内的全腹部T1映射	NA	开发一种能够在单次屏气内高效覆盖腹部的T1映射框架	腹部器官的T1值估计	数字病理学	NA	T1映射	卷积神经网络	图像	21个切片，单次屏气20秒	NA	卷积神经网络	皮尔逊相关系数、重复性系数、变异系数	NA
28	2026-05-07	Validation of SynthSeg segmentation performance on CT using paired MRI from radiotherapy patients 2024-12-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120922 PMID:39557139	研究论文	本研究利用来自放射治疗患者的配对CT和MRI数据集，验证了深度学习模型SynthSeg在CT图像上进行脑部分割的性能	首次在多中心临床数据上系统评估SynthSeg用于CT脑部分割的可行性，并引入质量评分阈值以提升分割准确性	SynthSeg在CT上分割精度低于MRI，仅适用于对精度要求不高的应用场景	验证SynthSeg模型在CT图像上的脑部分割性能，并探讨其与MRI分割的一致性	来自5个医疗中心的260名放射治疗患者的配对CT和MRI图像	计算机视觉	NA	CT成像, MRI成像	深度学习模型 (SynthSeg)	医学图像 (CT和MRI)	260对CT和MRI图像	Freesurfer	SynthSeg	Dice系数, Hausdorff 95距离 (HD95)	NA
29	2026-05-06	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-12, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	利用卷积神经网络对动态超声中盆底不同器官进行自动识别	首次验证深度学习在动态超声中实时识别盆底不同器官的可行性，比较了UNet、FPN和LinkNet三种架构，并通过Dice相似指数评估性能	样本量较小（仅86例训练和24例测试），膀胱和子宫的Dice系数较低（约0.71和0.70），可能受器官变形或标记差异影响	创建并验证卷积神经网络在中矢面动态超声中识别盆底不同器官的实用性	110例患者的盆底器官（包括膀胱、子宫、肛门、提肛肌等）	数字病理学	盆底功能障碍疾病	动态超声	卷积神经网络	视频	110例患者（86例训练，24例测试）	NA	UNet, FPN, LinkNet	Dice相似指数	NA
30	2026-05-04	Bioprospecting of culturable marine biofilm bacteria for novel antimicrobial peptides 2024-Dec, iMeta IF:23.7Q1 DOI:10.1002/imt2.244 PMID:39742298	研究论文	本研究利用可培养海洋生物膜细菌构建菌库并通过核糖体分析和深度学习预测新型抗菌肽	结合核糖体分析和深度学习提高小开放阅读框的鉴定和验证，发现与已知抗菌肽序列相似度低于40%的新型肽，且来自先前未知产抗菌肽的细菌类群	NA	加速新型抗菌肽的发现，扩展抗菌肽化合物的范围	可培养海洋生物膜细菌及其基因组和表达的抗菌肽	机器学习	NA	核糖体分析	深度学习	序列数据	713株细菌菌株及80,430个表达的小开放阅读框，其中341个为候选抗菌肽，化学合成60个序列	PyTorch	深度学习模型	抗菌活性	NA
31	2026-05-03	Evaluation of a Deep Learning Model for Metastatic Squamous Cell Carcinoma Prediction From Whole Slide Images 2024-12-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0406-OA PMID:38387604	研究论文	设计并验证了一种基于深度学习模型（EfficientNetB1），利用全切片图像预测转移性鳞状细胞癌	专门针对鳞状细胞癌的深度学习预测模型，仅使用全切片级别标签进行训练，无需人工标注，在多个器官来源的样本上表现出高检测性能	假阳性主要源于生发中心、灰尘细胞聚集和标本处理伪影；假阴性主要源于低分化肿瘤	提高鳞状细胞癌淋巴结转移的检测效率，减轻病理学家的工作负担	食管、头颈、肺和皮肤来源的鳞状细胞癌淋巴清扫全切片图像	数字病理学	鳞状细胞癌	NA	CNN（卷积神经网络）	图像	6587张WSI训练（2413张SCC和4174张非肿瘤），541张WSI测试（41张SCC和500张非肿瘤）	NA	EfficientNetB1	受试者工作特征曲线下面积（AUC）	NA
32	2026-05-02	Automated assessment of EEG background for neurodevelopmental prediction in neonatal encephalopathy 2024-12, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.52233 PMID:39543820	研究论文	评估新生儿脑病中基于深度学习的脑状态指数（BSN）预测神经发育结局的能力	首次将深度学习的BSN趋势用于新生儿脑病EEG背景自动评估，并证明其在出生后24小时内即可提供客观、定量的预后预测能力	样本量较小（92名婴儿），且仅针对18个月时的神经发育结局，缺乏长期随访数据	评估BSN趋势预测新生儿脑病神经发育结局的能力	92名新生儿脑病患儿	机器学习	新生儿脑病	深度学习	BSN（深度神经网络）	EEG信号	92名婴儿	NA	NA	AUC	NA
33	2026-04-23	External Validation of Deep Learning Models for Classifying Etiology of Retinal Hemorrhage Using Diverse Fundus Photography Datasets 2024-Dec-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010020 PMID:39851294	研究论文	本研究通过外部验证，评估了FastVit_SA12和ResNet18深度学习模型在利用多样眼底摄影数据集区分视网膜出血的创伤性与医学性病因方面的性能	首次对FastVit_SA12和ResNet18模型在视网膜出血病因分类任务上进行大规模外部验证，并利用Grad-CAM分析揭示了不同模型在特征关注区域上的差异	研究未提及模型在更广泛或更具挑战性的临床场景（如不同种族、设备或疾病阶段）中的泛化能力，也未讨论模型的可解释性在临床决策中的具体应用限制	旨在通过外部验证评估深度学习模型在视网膜出血病因分类中的准确性和可靠性，以推动AI在眼科临床诊断中的应用	视网膜出血（RH）的眼底摄影图像，用于区分创伤性与医学性病因	计算机视觉	视网膜出血	眼底摄影	深度学习模型	图像	2661张图像，包括来自韩国和弗吉尼亚的私人收藏以及公开数据集（RFMiD、BRSET、DeepEyeNet）	NA	FastVit_SA12, ResNet18	准确率, 精确率, 召回率	NA
34	2026-04-18	Global Land Use Change and Its Impact on Greenhouse Gas Emissions 2024-12, Global change biology IF:10.8Q1 DOI:10.1111/gcb.17604 PMID:39614423	研究论文	本文通过合成29年全球历史数据，利用结构方程模型和深度学习模型，分析了全球土地利用变化对温室气体排放的影响，并预测了未来排放趋势	结合长期全球历史数据，首次使用结构方程模型量化土地利用与温室气体排放的关联，并应用深度学习模型进行未来排放预测	模型预测基于当前趋势延续假设，未考虑未来可能出现的突发性政策、技术或自然变化	探究全球土地利用变化对温室气体排放的影响，并预测未来排放情景	全球陆地表面，包括人工表面、农田、牧场、森林和荒地等土地利用类型	环境科学	NA	结构方程建模，深度学习	深度学习模型	时间序列数据，空间数据	29年全球历史数据	NA	NA	NA	NA
35	2026-04-18	Detection and prioritization of COVID-19 infected patients from CXR images: Analysis of AI-assisted diagnosis in clinical settings 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.11.045 PMID:39734754	研究论文	本文介绍了基于人工智能的Covid放射成像系统（Co.R.S.A.）项目的研究成果，旨在通过胸部X光图像诊断新冠肺炎	提出了一个基于两步法的检测模型，结合客观放射学发现提供可靠结果；开发了患者优先级排序方案，确保重症病例优先处理；并进行了临床验证和偏差分析以增强AI系统的可信度	未明确说明模型在外部数据集上的泛化能力，以及可能存在的样本选择偏差	开发用于新冠肺炎诊断和患者优先级排序的AI系统，并评估其在临床环境中的实际效益	新冠肺炎患者的胸部X光图像	计算机视觉	新冠肺炎	胸部X光成像	深度学习	图像	未明确说明具体样本数量，但提及了公开的CORDA数据集	未明确说明	未明确说明具体架构，但提及基于两步法	准确性、时间效率	未明确说明
36	2026-04-18	Leveraging anatomical constraints with uncertainty for pneumothorax segmentation 2024-Dec, Health care science DOI:10.1002/hcs2.119 PMID:39735285	研究论文	本文提出了一种结合解剖学约束和不确定性的深度学习方法，用于在二维胸部X光片上分割气胸病变	创新性地将“肺+空间”作为解剖学约束引入深度学习模型训练，并利用外部数据集和辅助任务生成约束，同时通过判别器消除不可靠约束，提高了气胸分割的准确性和鲁棒性	方法依赖于外部数据集进行辅助任务，可能受领域偏移影响；未在更多疾病或更广泛数据集上验证通用性	通过结合医学领域知识，提升深度学习模型在气胸病变分割任务中的性能	二维胸部X光片中的气胸病变区域	计算机视觉	气胸	深度学习	CNN	图像	NA	NA	U-Net, LinkNet, PSPNet, VGG-11, MobileOne-S0	交并比, Dice相似系数, Hausdorff距离	NA
37	2026-04-17	Development of an individualized dementia risk prediction model using deep learning survival analysis incorporating genetic and environmental factors 2024-12-30, Alzheimer's research & therapy DOI:10.1186/s13195-024-01663-w PMID:39736679	研究论文	本研究开发并验证了一个结合遗传和临床因素的深度学习生存分析模型，用于预测60岁及以上个体的痴呆风险	首次将遗传和临床因素整合到深度学习生存分析模型中，用于开发个体化动态痴呆风险预测模型，并部署在阿里云服务器上促进临床转化	研究基于英国生物银行队列，可能受限于特定人群和随访时间，模型在其他人群中的泛化能力需进一步验证	开发个体化痴呆风险预测模型，实现早期检测高风险患者并提供临床决策支持	英国生物银行队列中的41,484名参与者，年龄60岁及以上	机器学习	老年疾病	生存分析	深度学习生存分析模型	遗传和临床数据	41,484名参与者，平均随访12.6年	NA	DeepSurv, DeepHit	Harrell's C-index, D-Calibration Survival Measure, Brier score	阿里云服务器
38	2026-04-11	Ligand identification in CryoEM and X-ray maps using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae749 PMID:39700427	研究论文	本文提出了一种基于深度学习的配体识别方法，用于在CryoEM和X射线密度图中识别小分子配体	首次将深度学习应用于CryoEM密度图的配体识别，采用3D点云处理方法，实现了端到端的深度学习模型	电子显微镜图的标准化和CryoEM配体质量评估存在挑战	开发一种自动化的配体识别方法，以支持结构引导的药物设计	X射线衍射和CryoEM密度图中的小分子配体	计算机视觉	NA	X射线衍射, 冷冻电镜	深度学习	3D点云	NA	NA	NA	NA	NA
39	2026-04-11	Integrating Drug Target Information in Deep Learning Models to Predict the Risk of Adverse Events in Patients with Comorbid Post-Traumatic Stress Disorder and Alcohol Use Disorder 2024-Dec-05, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12122772 PMID:39767679	研究论文	本研究开发了一种名为T-DeepBiomarker的新型深度学习模型，通过整合药物靶点信息等多模态数据，预测共患创伤后应激障碍和酒精使用障碍患者的不良事件风险，并识别潜在治疗药物	首次将药物靶点信息整合到深度学习模型中用于预测共患PTSD和AUD患者的不良结局，并基于模型识别出的重要蛋白靶点筛选潜在治疗药物	研究基于单一医疗中心（UPMC）的电子病历数据，外部验证和泛化能力有待进一步评估	预测共患创伤后应激障碍和酒精使用障碍患者的不良事件风险，并识别潜在治疗药物	共患创伤后应激障碍和酒精使用障碍的患者	机器学习	精神疾病	电子病历数据分析	深度学习模型	多模态数据（实验室结果、药物靶点信息、共病、社会健康决定因素等）	5565名PTSD+AUD患者	NA	T-DeepBiomarker	AUROC	NA
40	2026-04-11	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-12-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	本研究利用卫星遥感和街景图像数据，探究了美国儿童居住区绿地暴露与多种肥胖指标之间的关联	首次同时结合卫星遥感（NDVI）和街景图像深度学习算法提取的绿地指标，并关联了多种全面的肥胖测量指标（BMI、腰围、总脂肪质量指数、躯干脂肪质量指数），而非仅使用BMI	研究为观察性研究，不能确定因果关系；绿地暴露测量基于家庭住址，可能未完全捕捉个体的日常活动范围；样本来自特定队列，可能限制结果的普遍性	探究居住区绿地暴露与儿童肥胖指标之间的前瞻性关联	美国儿童（来自Project Viva队列）	环境健康与流行病学	儿童肥胖	卫星遥感（NDVI）、街景图像分析、深度学习算法、双能X射线吸收测定法	深度学习算法（未指定具体类型）	卫星遥感数据、街景图像、人体测量数据	843名儿童（基线时平均年龄7.9岁，50.2%为女孩）	NA	NA	回归系数、95%置信区间	NA