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	2026-05-23	Identifying protected health information by transformers-based deep learning approach in Chinese medical text 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582251315594 PMID:39862116	研究论文	提出基于BERT的深度学习算法以识别中文医疗文本中的受保护健康信息，并验证其在中文临床上下文中隐私保护的可行性	首次将BERT结合BiLSTM-CRF模型应用于中文临床文本隐私信息识别，并预训练医学语料库提升性能	未明确说明局限性	提出一种基于Transformer的深度学习方法来识别中文临床文本中的受保护健康信息，并验证该方法在隐私保护中的效果	中文临床文本中的受保护健康信息	自然语言处理	不适用	BERT	深度学习模型	文本	来自151家医疗机构的33017份出院小结	PyTorch	BERT, BiLSTM, CRF	微平均召回率, F1值	不适用
22	2026-05-23	Ventilator pressure prediction employing voting regressor with time series data of patient breaths 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241295912 PMID:39988551	研究论文	提出一种新颖的混合呼吸机压力预测器（H-VPP），利用患者呼吸时间序列数据预测呼吸机气道压力	提出混合投票回归器方法，结合时间序列数据分析肺部属性R和C对高压的影响，预测性能优于现有机器学习与深度学习模型	NA	准确预测呼吸机呼吸回路中的气道压力，降低因压力不当导致患者肺损伤或供氧不足的风险	患者呼吸时的呼吸机气道压力与肺部属性（R和C）	机器学习	呼吸机相关疾病（COVID-19相关）	NA	投票回归器（Voting Regressor）	时间序列数据（患者呼吸）	NA	NA	混合投票回归器（H-VPP）	R值、平均绝对误差、均方误差	NA
23	2026-05-20	Impurity detection of premium green tea based on improved lightweight deep learning model 2025-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2024.115516 PMID:39779147	研究论文	提出了一种基于改进轻量级深度学习模型的优质绿茶杂质检测方法	通过替换损失函数、轻量级卷积、模型剪枝和知识蒸馏，在提升检测性能的同时实现模型轻量化	未提及在实际生产环境中的部署验证及对其他茶叶品种的泛化能力	解决优质绿茶杂质检测中计算资源受限和大模型难以部署的问题	优质绿茶中的杂质	计算机视觉	不适用	深度学习	YOLOv8	图像	使用自建数据集	PyTorch	YOLOv8	GFLOPs, 参数量, 精确率, 召回率, 平均精度均值, 每秒帧数	未提及
24	2026-05-19	Applications of deep learning in intracranial aneurysm imaging: A scoping review of detection, risk prediction, and emerging prognostic models 2025-Jan-04, Current journal of neurology IF:0.5Q4 DOI:10.18502/cjn.v24i1.20302 PMID:42148237	综述	系统梳理深度学习在颅内动脉瘤影像检测、风险预测和预后模型中的应用现状与挑战	通过系统范围综述方法，整合42项研究，覆盖超过1万例患者，全面评估DL在IA检测、分割、风险预测和预后评估中的方法学严谨性、临床实用性和转化局限性，并指出缺乏模型间基准比较、可解释性不足以及伦理法规框架缺失等关键空白	仅少数研究进行了外部验证或关注治疗后结局，且存在模型间基准比较缺失、可解释性有限、数据集异质性和泛化性不足等主要局限	系统评估深度学习在颅内动脉瘤影像检测、分割、风险预测和预后评估中的应用格局，并关注方法学严谨性、临床实用性和转化障碍	PubMed、Scopus和Web of Science中截至2023年8月的42项研究，涵盖超过1万例患者	计算机视觉	脑血管疾病	放射影像	卷积神经网络	影像	42项研究，超过1万例患者	NA	卷积神经网络	灵敏度, AUC	NA
25	2026-05-19	Time series-based forecasting of infectious disease outbreak using information systems in public health 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1680534 PMID:42145969	研究论文	提出EpiCastNet框架，通过融合时空注意力机制与混合编码架构，实现对传染病爆发的准确预测	创新地整合了时空注意力机制与因果正则化语义锚定模块，将流行病学原理（如干预效果和季节传播动态）融入神经网络的可微训练过程，提高了模型在现实不确定性下的语义对齐性和鲁棒性	NA	开发可靠且可解释的传染病爆发预测系统，以支持及时公共卫生干预	传染病爆发时间序列数据	机器学习	传染病	时间序列分析	EpiCastNet（结合时空注意力与混合编码的深度学习框架）	时间序列数据	COVIDcast 和 JHU COVID-19 公共健康时间序列数据集	NA	EpiCastNet（包含时空注意力机制、混合编码架构和因果正则化语义锚定模块）	均方根误差, 平均绝对误差, R2, 平均绝对百分比误差	NA
26	2026-05-17	Drawing as a means to characterize memory and cognition 2025-01, Memory & cognition IF:2.2Q2 DOI:10.3758/s13421-024-01618-4 PMID:39192141	评论	本文介绍绘画作为研究记忆和认知的工具，并概述了特刊中25项前沿研究，涉及不同人群和认知过程	将绘画作为表征记忆和认知的多功能工具，整合了多种认知过程，并采用心理物理实验、深度学习和神经成像等跨学科方法	特刊文章可能存在样本多样性限制，且绘画作为工具的解释范围有限，未详细讨论具体方法的局限性	探讨绘画如何用于揭示记忆、注意力、数学推理等认知机制	儿童、年轻人、老年人以及盲人、顺行性遗忘症、失用症和语义性痴呆等特殊人群	自然语言处理	老年性疾病	NA	深度学习	图像	多种人群，具体样本量未说明	NA	NA	NA	NA
27	2026-05-17	Construction of a Multi-View Deep Learning Model for the Severity Classification of Acute Pancreatitis 2025-01, Discovery medicine IF:2.0Q3 DOI:10.24976/Discov.Med.202537192.7 PMID:39851225	研究论文	利用多视图深度学习模型，结合临床数据和CT图像，对急性胰腺炎严重程度进行分类预测	首次构建多视图深度学习模型，融合人口统计学信息、生命体征、实验室指标和CT图像两种数据，用于AP严重程度分类，优于传统单一数据模型	NA	建立更准确、数据兼容的急性胰腺炎严重程度预测方法	新入院急性胰腺炎患者的最终严重程度分类	计算机视觉, 机器学习	急性胰腺炎	深度学习	DNN, CNN	图像, 文本	NA	NA	DNN, CNN	准确率, 95%置信区间	NA
28	2026-05-17	Post-translational modifications of proteins in cardiovascular diseases examined by proteomic approaches 2025-01, The FEBS journal DOI:10.1111/febs.17108 PMID:38440918	综述	总结基于质谱的蛋白质组学方法在心血管疾病蛋白质翻译后修饰研究中的应用	概述了基于质谱的蛋白质组学方法在心血管疾病PTM研究中的最新进展，包括机器学习与深度学习在PTM位点预测中的应用	未详细讨论特定PTM类型的功能机制或临床转化挑战	综述基于质谱的蛋白质组学在心血管疾病PTM研究中的方法与应用	心血管疾病相关的蛋白质翻译后修饰（PTM）	蛋白质组学	心血管疾病	质谱（MS）	机器学习、深度学习	蛋白质组学数据	NA	NA	NA	NA	NA
29	2026-05-16	Forecasting stock prices using long short-term memory involving attention approach: An application of stock exchange industry 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319679 PMID:40100866	研究论文	该研究利用长短期记忆网络结合注意力机制预测股票价格，以卡拉奇证券交易所100指数为应用案例	首次将注意力机制与LSTM结合用于卡拉奇证券交易所的股价预测，并比较了四种深度学习模型的性能	未提及模型的泛化能力及在不同市场条件下的适用性，可能存在过拟合风险	通过深度学习模型提高股票价格预测的准确性，以稳定经济	卡拉奇证券交易所100指数的每日商业数据	自然语言处理	NA	NA	人工神经网络、递归神经网络、长短期记忆网络、门控循环单元	时间序列数据	从2008年2月22日至2021年2月23日的每日股票数据	TensorFlow, PyTorch	人工神经网络、RNN+Attention、LSTM+Attention、GRU+Attention	R平方	NA
30	2026-05-16	IV3TM: Inception V3 enabled bidirectional long short-term memory network for brain tumor classification 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0335397 PMID:41134912	研究论文	提出一种基于Inception V3和双向长短期记忆网络的脑肿瘤分类方法	结合Inception V3的空间特征提取能力和BiLSTM的序列依赖学习能力，用于脑肿瘤MRI图像分类	未提及具体限制	提高脑肿瘤分类的准确性和效率，以辅助早期诊断和治疗	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI成像	Inception V3, BiLSTM	图像	使用Brain MRI图像数据集和Figshare脑肿瘤数据集	NA	Inception V3, BiLSTM	特异性、准确率、精确率、F1分数、敏感度、均方根误差	NA
31	2026-05-15	Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics 2025-01, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408353 PMID:39497614	研究论文	提出一种基于深度学习和数字微流控的无标记并行细胞分选方法	将深度学习图像识别与微流控操控结合，利用YOLOv8目标检测模型实现精确液滴分类，并结合安全区间路径规划算法实现多目标、无碰撞的液滴路径规划	未提及具体局限性	实现基于形态学的高精度、无标记细胞分选，以支持诊断、治疗和基础细胞生物学研究	HeLa细胞、聚苯乙烯微珠、红细胞、Jurkat细胞、HL-60细胞	计算机视觉, 数字病理学	不适用	数字微流控（AM-DMF）	YOLOv8（目标检测模型）	图像	HeLa细胞和聚苯乙烯微珠用于初步实验，后续扩展至红细胞、Jurkat细胞和HL-60细胞；具体数量未提及	PyTorch（推测，基于YOLOv8框架）	YOLOv8	分选精度（98.5%）、纯度（96.49%）、回收率（80%）	未提及
32	2026-05-15	How to accurately predict nanobody structure: Classical physics-based simulations or deep learning approaches 2025, Advances in protein chemistry and structural biology DOI:10.1016/bs.apcsb.2024.12.001 PMID:40973396	研究论文	本文系统比较了基于物理的模拟和深度学习方法在预测不同类别纳米抗体结构中的准确性	针对纳米抗体CDR3结构预测难题，首次系统性比较经典物理模拟（同源建模+分子动力学）与深度学习（AlphaFold2和RoseTTAFold）两种策略在三种结构类别（凹面、环状、凸面）纳米抗体上的表现，并提出纳米抗体与靶蛋白结合需诱导契合机制的观点	仅选取了三种代表性纳米抗体（Nb32、Nb80、Nb35）进行研究，样本量有限	评估不同预测策略对纳米抗体结构预测的准确性，特别是CDR3区域，并为不同类别纳米抗体提供最佳预测方法建议	三种代表性纳米抗体（Nb32、Nb80、Nb35），分别代表凹面、环状和凸面结构类别	机器学习, 计算机视觉	NA	NA	深度学习模型	蛋白质结构数据	3种纳米抗体（Nb32、Nb80、Nb35）	AlphaFold2, RoseTTAFold	AlphaFold2, RoseTTAFold	预测准确度（通过与实验结构比较）	NA
33	2026-05-15	MDL-CA: a multimodal deep learning approach with a cross attention mechanism for accurate brain cancer diagnosis 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687335 PMID:41561860	研究论文	提出一种名为MDL-CA的多模态深度学习框架，通过交叉注意力机制整合基因组和MRI数据，用于脑癌诊断	首次将图注意力网络提取的基因组图嵌入与3D DenseNet的MRI特征图通过交叉注意力机制融合，并采用Entmax sigmoid函数增强分类稀疏性和可解释性	论文未明确提及局限性	提高脑癌诊断的准确性、全面性和可解释性	脑癌患者基因组数据和MRI图像	数字病理学	脑癌	MRI, 基因组测序	图注意力网络, 3D DenseNet, 交叉注意力机制	图像（MRI），基因组数据	四个基准数据集，具体数量未提及	PyTorch	GAT, 3D DenseNet, 交叉注意力	准确率, F1分数	NA
34	2026-05-12	Spike rate inference from mouse spinal cord calcium imaging data 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.17.603957 PMID:39829770	研究论文	利用监督深度学习与非监督反卷积算法，从小鼠脊髓钙成像数据中推断神经元放电率，并通过真实数据验证和优化模型	首次评估现有尖峰推断算法在脊髓神经元上的适用性，并通过重新训练CASCADE模型显著提升性能，展示了算法在不同神经系统区域间的泛化能力	未提及算法在更广泛脑区或病理条件下的泛化性，且真实数据仅来自小鼠脊髓背角特定细胞类型	验证并优化从脊髓钙成像数据推断神经元放电率的算法，为其在脊髓研究中的可靠应用提供基础	小鼠脊髓背角浅层的谷氨酸能和GABA能体感神经元	机器学习	NA	钙成像	CNN（CASCADE）和OASIS	钙成像信号和电生理记录的真实数据	包含谷氨酸能和GABA能神经元的小鼠脊髓背角样本	CASCADE（基于TensorFlow/PyTorch）和OASIS	CASCADE（深度学习模型）和OASIS（非负反卷积）	准确性和泛化性能（具体指标未明确提及，但基于推断准确性评估）	NA
35	2026-05-12	Artificial intelligence: the human response to approach the complexity of big data in biology 2025-01-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf057 PMID:40504538	综述	本文探讨人工智能如何应对生物学大数据复杂性，重点分析其在植物科学、动物科学和微生物学等生命科学领域的应用	系统梳理了高通量组学数据增长驱动AI分析需求的过程，特别强调组学预测分析在系统生物学中的角色及FAIR原则对组学数据的重要性	未提供具体实验验证或定量比较结果，仅进行文献综述性讨论	探索AI在生命科学中应用的发展现状、挑战与机遇	生命科学领域中的高通量组学数据（植物、动物、微生物学数据）	机器学习	NA	NA	NA	组学数据	NA	NA	NA	NA	NA
36	2026-05-12	CellBinDB: a large-scale multimodal annotated dataset for cell segmentation with benchmarking of universal models 2025-01-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf069 PMID:40552981	research paper	介绍CellBinDB，一个大规模多模态标注数据集，用于细胞分割并基准测试通用模型	构建了涵盖多种组织类型和染色方法的大规模多模态标注数据集，并系统评估了8种主流细胞分割技术的性能	复杂细胞形状会降低分割精度，数据集主要覆盖常规染色类型和常见组织，对罕见细胞类型的适应性未知	建立支持通用模型训练和多技术评估的细胞分割数据集，推动更通用分割技术的发展	细胞或细胞核边界	digital pathology	NA	DAPI、ssDNA、H&E、多重免疫荧光染色	深度学习分割模型（具体未指定）	图像	1000余张标注图像，覆盖30余种正常和疾病组织类型（人类和小鼠样本）	NA	NA	分割精度、边界检测效果（具体指标如Dice系数等未明确）	NA
37	2026-05-12	Prediction of Bone Mineral Density based on Computer Tomography Images Using Deep Learning Model 2025, Gerontology IF:3.1Q3 DOI:10.1159/000542396 PMID:39527924	研究论文	基于深度学习模型利用计算机断层扫描图像预测骨密度	提出了一种多阶段深度学习模型，可自动测量椎体骨密度并提高骨质疏松诊断率	未明确说明	开发自动测量骨密度的深度学习模型，提高骨质疏松诊断率	801名受试者的2,080个椎体（T11-L4）	计算机视觉	骨质疏松症	QCT	CNN	图像	801名受试者（410名男性和391名女性），共2,080个椎体	NA	多阶段深度学习模型	判定系数R², 准确率, 精确率, 召回率, F1分数	NA
38	2026-05-12	Dynamic Prediction of Cardiovascular Death among Old People with Mildly Reduced Kidney Function Using Deep Learning Models Based on a Prospective Cohort Study 2025, Gerontology IF:3.1Q3 DOI:10.1159/000545679 PMID:40359927	研究论文	利用深度学习模型基于前瞻性队列研究动态预测肾功能轻度减退老年人的心血管死亡	首次使用动态深度学习算法（Dynamic DeepHit）对肾功能轻度减退老年人群进行心血管死亡动态预测，随随访次数增加预测性能提升	该研究未提及具体限制	识别肾功能轻度减退老年人群中与心血管死亡相关的目标特征并利用深度学习模型降低死亡风险	肾功能轻度减退的老年人（年龄≥60岁）	机器学习	心血管疾病	NA	深度学习模型	临床纵向数据	12,650名老年人（年龄≥60岁）	NA	动态深度生存模型	一致性指数、布里尔分数	NA
39	2026-05-10	The development of artificial intelligence in the histological diagnosis of Inflammatory Bowel Disease (IBD-AI) 2025-01, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2024.05.033 PMID:38853093	研究论文	开发基于人工智能的炎症性肠病组织学诊断系统，用于半自动量化基底浆细胞增多	首次将深度学习模型应用于量化基底浆细胞，以辅助炎症性肠病（克罗恩病和溃疡性结肠炎）的病理诊断，并验证其与人类金标准的一致性	未提及局限性信息	开发基于AI的诊断支持系统，评估基底浆细胞增多以鉴别炎症性肠病亚型	4881张标注图像（训练集）及356例肠道活检样本（验证集，含克罗恩病、溃疡性结肠炎和健康对照）	数字病理学	炎症性肠病	组织学活检	深度学习模型	图像	4981张标注图像（训练集），356例肠道活检（验证集）	NA	NA	基底浆细胞数量、比值比（OR）、95%置信区间	NA
40	2026-05-10	Machine Learning, Deep Learning, Artificial Intelligence and Aesthetic Plastic Surgery: A Qualitative Systematic Review 2025-01, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04421-3 PMID:39384606	综述	对机器学习和深度学习在美容整形手术中的应用进行定性系统综述	首次系统评估机器学习、深度学习和人工智能在美容整形手术中的应用，涵盖多种手术类型并分析其潜力与风险	纳入研究数量有限（18项），且研究人群、算法类型和手术类型差异大，可能导致结果异质性；此外，人工智能可能产生不切实际的患者期望	评估机器学习、深度学习和人工智能在美容整形手术中的应用现状	美容整形手术相关的研究，包括隆乳术、乳房缩小术、鼻整形术、面部年轻化手术（如面部提升术、眼睑成形术）和身体塑形手术	machine learning	NA	NA	机器学习、深度学习、人工智能算法	图像	共筛选2,148项研究，最终纳入18项研究	NA	NA	NA	NA