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
81	2026-05-31	Deep learning methods for protein function prediction 2025-01, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300471 PMID:38996351	综述	综述近期深度学习在蛋白质功能预测中的进展，涵盖数据源和评估指标	深入总结该领域的重要进展，识别主要挑战并探讨未来方向	未提供具体实验或方法比较，仅依赖于现有文献分析	梳理深度学习在蛋白质功能预测中的现状并指引未来发展	蛋白质功能预测方法	机器学习	NA	NA	深度学习	序列、结构、相互作用数据	NA	NA	NA	评估指标	NA
82	2026-05-30	Utilizing Deep Learning to Identify Electron-Dense Deposits in Renal Biopsy Electron Microscopy Images 2025, American journal of nephrology IF:4.3Q1 DOI:10.1159/000546131 PMID:40388893	研究论文	利用深度学习自动分类肾活检电子显微镜图像中电子致密沉积物的位置	开发了一个基于ResNet18的深度学习平台，能够自动识别肾小球内电子致密沉积物的四种位置类型（系膜、上皮下、膜内、内皮下），并且其性能超过了经验丰富的综合肾病理学家，同时提供了一个网络平台供用户上传图像并获取预测概率	研究未明确提及局限性	开发一个基于深度学习的平台，用于自动分类肾活检电子显微镜图像中电子致密沉积物的位置，以提高效率和一致性	肾活检电子显微镜图像中的电子致密沉积物	计算机视觉, 数字病理学	肾脏疾病	电子显微镜	CNN	图像	4303张电子显微镜图像，来自1039例肾活检	PyTorch	ResNet18	AUC, 准确率, Cohen's Kappa	NA
83	2026-05-27	Effect of flipped classroom method on the reflection ability in nursing students in the professional ethics course; Solomon four-group design 2025-Jan-13, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-06556-y PMID:39806386	研究论文	探究翻转课堂教学方法对护理专业学生在职业道德课程中反思能力的影响	采用所罗门四组准实验设计，增强了实验的内部效度，较传统前后测对照设计更严谨	仅针对一所大学学生的样本，可能影响结果的外推性；未详细说明翻转课堂的具体实施细节	评估翻转课堂方法对护理学生反思能力的影响，以促进深度学习	护理专业学生	教育技术	NA	NA	NA	问卷数据	80名护理学生，分为四组	SPSS	NA	反思能力得分	NA
84	2026-05-27	A deep learning approach versus expert clinician panel in the classification of posterior circulation infarction 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103732 PMID:39826393	研究论文	利用深度学习模型（3D DenseNet）基于CTP图像对后循环梗死进行分类，并与临床专家团队的性能进行比较	首次将深度学习应用于后循环梗死的CTP图像分类，并系统对比了模型与多位临床专家的诊断性能	未在外部数据集验证，且模型仅采用固定输入组合，未探索全部CTP参数优化	开发并验证基于CTP的深度学习模型用于后循环梗死分类，评估其与临床专家诊断的差异	541名患者（123名POCI患者，418名非POCI患者），来自INSPIRE国际卒中灌注登记数据库	计算机视觉，数字病理学	脑卒中（后循环梗死）	CT灌注成像	3D DenseNet	CT灌注图像（包括NCCT和延迟时间图）	541名患者（POCI与非POCI比例为1:3）	NA	3D-Dense卷积网络	AUC，灵敏度，特异度，准确率，精确率	NA
85	2026-05-27	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	综述	研究人工智能和机器学习在非编码RNA发现中的应用	系统性地介绍了AI技术（包括机器学习和深度学习）在长链非编码RNA功能预测、疾病关联识别和蛋白质相互作用注释中的应用，并详细描述了深度学习的处理流程	主要聚焦于理论框架和方法论概述，未提供具体的定量性能比较或跨数据集验证结果	探讨AI技术在非编码RNA研究中的启发式方法，促进计算预测与实验验证的整合	长链非编码RNA（lncRNA）及其结合蛋白（lncRBP）	机器学习	NA	RNA-seq	LSTM, CNN, 基于Transformer的模型	文本	NA	NA	LSTM, CNN, Transformer	NA	NA
86	2026-05-27	Artificial intelligence in wearable biosensing: Enhancing data analysis and decision-making 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.06.012 PMID:40921531	综述	探讨人工智能与可穿戴生物传感器的融合如何通过多模态大语言模型增强数据处理和实时决策能力	提出将多模态大语言模型与可穿戴生物传感器相结合，用于理解复杂健康语境并生成个性化健康建议	未讨论实际临床应用中的数据隐私、传感器准确性及模型可解释性等关键挑战	系统性分析机器学习和深度学习算法联合多模态大语言模型在可穿戴生物传感数据分析中的应用	可穿戴生物传感器收集的生理数据	机器学习	NA	NA	多模态大语言模型（MLLM）	生理数据	NA	NA	NA	NA	NA
87	2026-05-25	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	评估深度学习示踪术TractSeg在半球切开术患者中的表现并提出改进方法	首次记录TractSeg在严重异常数据中幻觉重建已手术断开纤维束的情况，并提出基于低秩张量近似的改进方法以提高数据保真度	推荐在临床应用时谨慎并进行人工质量控制	探索TractSeg在病理数据中的泛化极限并提出改进方案	接受半球切开术的癫痫患者和健康对照组	机器学习	癫痫	弥散磁共振成像示踪术	深度学习模型	图像	25名接受半球切开术的癫痫患者和25名健康对照	NA	TractSeg	NA	NA
88	2026-05-25	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	系统综述和荟萃分析	评估基于神经影像特征的AI算法在额颞叶变性诊断和预测中的效能	首次对AI驱动的神经影像在FTLD诊断中的效能进行系统综述和荟萃分析，涵盖了多个疾病对比场景和多分类任务	较高类别分类（如5类和11类）的灵敏度较低，且研究局限于已发表的英文文献	评估神经影像特征为基础的人工智能算法对额颞叶变性的诊断和预测效能	额颞叶变性（FTLD）患者及其与健康对照、阿尔茨海默病、帕金森病、非典型帕金森综合征等的区分	计算机视觉, 机器学习	额颞叶变性, 阿尔茨海默病, 帕金森病, 非典型帕金森综合征	神经影像学	机器学习, 深度学习	图像	75篇文章共20601名受试者，包括8051名FTLD患者	NA	NA	灵敏度, 特异度	NA
89	2026-05-25	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	报告了南德克萨斯阿尔茨海默病研究中心死后脑库的首个形态测量分析，结合多图谱与多模态MRI数据	首次利用该新脑库数据集进行形态测量分析，开发了针对死后MRI挑战的轻量级深度学习网络和MRI合成工具	死后扫描中区域脑体积测量具有挑战性，但可获取对性别和年龄差异敏感的稳健估计	开展死后脑库的多模态MRI形态测量分析，解决死后神经影像学挑战	南德克萨斯阿尔茨海默病研究中心死后脑库的200例脑捐赠和100例MRI扫描	机器学习	阿尔茨海默病	MRI	深度学习	图像	200例脑捐赠和100例MRI扫描	NA	轻量级深度网络	NA	NA
90	2026-05-23	Enhancer-driven cell type comparison reveals similarities between the mammalian and bird pallium 2025-01-02, Science (New York, N.Y.) DOI:10.1126/science.adp3957 PMID:39946451	研究论文	利用深度学习表征增强子代码，比较羊膜动物端脑细胞类型的相似性	提出了三种基于增强子代码的指标，用于跨物种比较细胞类型；生成了鸡端脑的单细胞多组学和空间分辨转录组数据	未明确说明局限性	比较羊膜动物（哺乳动物和鸟类）端脑细胞类型的相似性	羊膜动物的端脑细胞类型，包括非神经元、GABA能神经元和兴奋性神经元	机器学习	NA	单细胞多组学、空间分辨转录组学	深度学习模型	基因表达数据、增强子序列数据	鸡端脑的单细胞多组学和空间分辨转录组数据	NA	NA	NA	NA
91	2026-05-23	Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor 2025-Jan-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35548 PMID:39238433	研究论文	使用机器学习和深度学习技术预测胃肠间质瘤患者对伊马替尼的依从性	首次在真实世界中使用机器学习技术预测胃肠间质瘤患者伊马替尼不依从的相关因素	NA	调查胃肠间质瘤患者的伊马替尼依从率并开发基于机器学习和深度学习的预测模型	胃肠间质瘤患者的伊马替尼依从行为	机器学习	胃肠间质瘤	问卷调查	极限梯度提升、轻量级梯度提升机、分类提升、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet、Wide&Deep	问卷数据	397名胃肠间质瘤患者	NA	LGBM, XGBoost, CatBoost, RF, SVM, ANN, MLP, NaiveBayes, TabNet, Wide&Deep	F1分数	NA
92	2026-05-23	Researching public health datasets in the era of deep learning: a systematic literature review 2025 Jan-Mar, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582241307839 PMID:39794941	综述	对深度学习在公共卫生数据预测分析中的应用进行系统文献综述，识别挑战与趋势	系统梳理了2015年以来深度学习在公共卫生数据应用中的激增趋势，归纳了可解释AI、患者嵌入学习及多源数据融合等新兴方向	未提出标准化方法解决现有挑战，缺乏跨学科协作的具体指南	探索深度学习在公共卫生数据预测分析中的应用现状、挑战与发展趋势	公共卫生领域的多样化数据集	机器学习	公共卫生相关疾病（14类疾病类别）	NA	深度学习模型	公共卫生数据	2004篇文献	NA	NA	NA	NA
93	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
94	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
95	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
96	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
97	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
98	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
99	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
100	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