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
681	2026-09-10	Deep learning-based automatic differentiation of acute angle closure with or without zonulopathy using ultrasound biomicroscopy: a comparison of diagnostic performance with ophthalmologists 2025-05-22, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-002114 PMID:40409764	研究论文	本研究旨在开发基于超声生物显微镜图像的深度学习模型，用于术前区分伴或不伴晶状体悬韧带病变的急性闭角型青光眼，并比较其与眼科医生的综合诊断性能。	首次使用深度学习模型基于UBM图像自动区分急性闭角型青光眼是否伴有晶状体悬韧带病变，并与眼科医生的诊断性能进行对比，同时验证模型在不同成像设备上的鲁棒性。	摘要中未提及明确的局限性，但鲁棒性验证的准确率相对较低，表明模型在不同成像设备上的泛化能力有待提高。	开发并评估基于UBM图像的AI模型，用于术前区分急性闭角型青光眼是否伴有晶状体悬韧带病变，并比较其与眼科医生的诊断性能。	急性闭角型青光眼患者，分为伴有和不伴有晶状体悬韧带病变（晶状体悬韧带松弛或晶状体脱位）两类。	医学影像分析，深度学习	青光眼	超声生物显微镜（UBM）和前段光学相干断层扫描（AS-OCT）	深度学习模型（具体类型未指定，但可能为卷积神经网络（CNN））	超声生物显微镜图像（UBM），前段光学相干断层扫描（AS-OCT）图像和眼部参数	537只眼睛	未提及	未提及	曲线下面积（AUC），准确率，处理时间	未提及
682	2026-09-10	scSDNE: A semi-supervised method for inferring cell-cell interactions based on graph embedding 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013027 PMID:40333631	研究论文	构建了一个手动整理的配体-受体（L-R）相互作用数据库，并开发了一种名为scSDNE的半监督图嵌入模型，用于推断由L-R相互作用介导的细胞间相互作用，通过深度学习将交互细胞的基因映射到共享潜在空间中，并利用数据库先验信息推断细胞通讯中的显著L-R对	采用半监督深度学习图嵌入方法，整合了数据库先验信息和细胞内基因调控信息，用于推断细胞间L-R介导的相互作用，增强了推断的准确性和生物学可解释性，提供了细胞间相互作用更全面的视图	NA（摘要中未提供明确的局限性信息）	开发和验证一种基于图嵌入和数据库先验信息的半监督方法，以推测细胞间通过配体-受体相互作用介导的细胞通讯	细胞间配体-受体相互作用的推断以及真实单细胞RNA测序（scRNA-seq）数据集	深度学习, 基因组学	NA（未指定特定疾病）	单细胞RNA测序（scRNA-seq）	图嵌入深度学习模型	单细胞基因表达数据（scRNA-seq数据）	NA（未提及具体样本数量或类型）	NA（未明确说明使用的框架）	自编码器，图嵌入	可靠性（与其他方法比较，未提供具体指标如准确率、召回率等）	NA（未提及具体计算资源）
683	2026-09-10	Scoring protein-ligand binding structures through learning atomic graphs with inter-molecular adjacency 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013074 PMID:40344574	研究论文	本文提出了一种基于深度学习的蛋白质-配体结合结构评分框架，通过原子图和分子间邻接关系来预测结合强度	提出了一种高分辨率原子图表示方法，通过引入多个距离范围识别分子间相互作用作为图边，并进行了模型级和事后分析的解释	摘要未提及明确局限性	开发高效的评分框架来预测蛋白质-配体结合结构的结合强度，以辅助计算药物发现	蛋白质-配体结合复合物	机器学习	NA	NA	深度学习模型（未指定具体类型）	分子结构数据	NA	NA	原子图神经网络	评分和筛选性能（未指定具体指标）	NA
684	2026-09-10	Cell-TRACTR: A transformer-based model for end-to-end segmentation and tracking of cells 2025-05, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013071 PMID:40408631	research paper	本文介绍了一种基于Transformer的深度学习模型Cell-TRACTR，用于显微镜图像中细胞的端到端分割与跟踪，并提出了新的评估指标Cell-HOTA	Cell-TRACTR首次采用Transformer架构实现细胞的端到端分割和跟踪，无需后处理，同时提出了Cell-HOTA指标以平衡评估检测、关联和分裂准确性	摘要未明确提及局限性	旨在解决现有基于CNN的细胞跟踪方法在处理空间和全局上下文依赖方面的不足，提高细胞分割和跟踪的准确性	细菌在微流控几何结构中生长以及哺乳动物细胞在二维自由生长的图像	computer vision	NA	显微镜成像	Transformer	显微图像	多个数据集，包括细菌和哺乳动物细胞图像	NA	Transformer	Cell-HOTA, HOTA, 检测准确性	NA
685	2026-09-10	N6-methyladenine identification using deep learning and discriminative feature integration 2025-03-29, BMC medical genomics IF:2.1Q3 DOI:10.1186/s12920-025-02131-6 PMID:40158097	研究论文	提出了一种名为Deep-N6mA的深度神经网络模型，通过最优混合特征精确识别N6-甲基腺嘌呤位点	采用多种特征提取方法（k-mer、DCC、TAC、PseSNC、PseDNC、PseTNC）并结合PCA进行特征降维，构建多层DNN模型，显著提高了6mA位点识别的准确性和泛化能力	未提及具体局限性	开发一种准确高效的N6-甲基腺嘌呤位点识别方法，以支持表观遗传学研究和计算生物学领域的发展	N6-甲基腺嘌呤位点	机器学习	不适用	测序技术	深度神经网络（DNN）	DNA序列	两个基准数据集（F. vesca和R. chinensis）	未提及	多层DNN	准确率	未提及
686	2026-09-10	Enhancing Patient Outcome Prediction Through Deep Learning With Sequential Diagnosis Codes From Structured Electronic Health Record Data: Systematic Review 2025-03-18, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57358 PMID:40100249	系统评价	本系统评价旨在描述深度学习中顺序诊断数据的使用情况，重点关注数据整合方式、样本量对性能的影响及模型的可推广性	首次系统评估了使用顺序诊断编码进行患者结局预测的深度学习模型，并分析了数据整合、样本量与性能之间的关联	该研究的主要局限性在于方法及结局指标的异质性	描述顺序诊断数据在深度学习模型中的应用，理解数据整合方式，评估样本量对性能的影响以及模型的可推广性	使用顺序诊断编码训练深度学习模型预测患者结局的研究	自然语言处理	不适用	不适用	循环神经网络、Transformer	结构化电子健康记录数据	84项研究	不适用	循环神经网络（包括其变体）及Transformer	受试者工作特征曲线下面积	不适用
687	2026-09-10	Exploring Psychological Trends in Populations With Chronic Obstructive Pulmonary Disease During COVID-19 and Beyond: Large-Scale Longitudinal Twitter Mining Study 2025-03-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/54543 PMID:40053739	研究论文	通过大规模Twitter挖掘，研究了慢性阻塞性肺疾病（COPD）人群在COVID-19期间及之后的长期心理趋势和模式。	首次使用两阶段深度学习框架结合大规模Twitter数据，揭示COPD人群在疫情长期内的心理变化模式，包括性别、年龄和社会经济地位的影响。	未提及具体局限性。	揭示COPD人群在COVID-19大流行期间及之后的长期心理趋势和模式。	COPD和非COPD的Twitter用户。	自然语言处理	慢性阻塞性肺疾病	Twitter挖掘	深度学习算法	文本数据（推文）	15,347名COPD用户，超过25亿条推文（2020年1月至2023年6月）	NA	深度学习框架（具体架构未指定）	比值比（OR），95%置信区间	NA
688	2026-09-10	Understanding the Engagement and Interaction of Superusers and Regular Users in UK Respiratory Online Health Communities: Deep Learning-Based Sentiment Analysis 2025-02-13, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/56038 PMID:39946690	研究论文	本研究利用深度学习情感分析方法，探索英国呼吸系统在线健康社区中超活跃用户与普通用户的互动模式及情感动态。	首次结合BioBERT模型和网络影响力算法（VoteRank）分析在线健康社区中超级用户的情感互动，揭示了超级用户在维持积极社区氛围中的作用。	研究依赖于公开的匿名社交媒体数据，可能不具普遍性；情感分类模型主要基于COVID-19数据微调，可能不完全适用于呼吸系统疾病专用术语。	理解两个呼吸系统在线健康社区中帖子情感的分布和动态，重点研究普通用户与超级用户互动时的情感变化。	两个英国呼吸系统在线健康社区的用户，包括超级用户和普通用户，以及他们在2006-2016年和2012-2016年间发布的帖子。	自然语言处理	呼吸系统疾病	深度学习方法（BioBERT）进行情感分析，以及VoteRank算法识别超级用户。	Transformer模型（BioBERT）	文本数据（在线健康社区帖子）	未提及具体样本量，但涵盖两个社区在特定时间段的全部帖子。	未明确指定，但BioBERT基于Transformer架构。	BioBERT（预训练语言模型）	准确率	未提及
689	2026-09-10	Transformers for Neuroimage Segmentation: Scoping Review 2025-01-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57723 PMID:39879621	综述	本综述系统检索并综合了2019至2023年间应用Transformer模型进行神经影像分割的文献，共纳入67项研究，重点分析了图像模态、数据集、神经疾病类型、Transformer模型和评估指标等关键要素	首次对Transformer模型在神经影像分割领域的应用进行范围综述，系统总结并分析2019至2023年间的相关研究趋势和架构特点	研究领域过度依赖脑肿瘤分割数据集，且Transformer模型的临床适用性受限于高计算成本和小数据集上潜在的过拟合风险	综述并评估各类Transformer模型在神经影像分割中的应用现状及其性能表现	基于Transformer的神经影像分割研究及其相关数据集、图像模态和神经疾病类型	医学影像分析	神经系统疾病	MRI	Transformer、CNN、混合CNN-Transformer架构	图像	共纳入67项符合标准的研究	NA	视觉Transformer、3D Transformer、2D Transformer、混合CNN-Transformer架构	Dice分数	NA
690	2026-09-10	Deep learning-based anterior segment identification and parameter assessment of primary angle closure disease in ultrasound biomicroscopy images 2025-01-20, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2023-001600 PMID:39837590	研究论文	开发一种基于深度学习的人工智能算法，用于自动识别超声生物显微镜图像中的眼前节结构并评估原发性房角关闭疾病的多个参数。	首次提出并验证了一种基于深度学习的多组织分割模型，能够自动识别角膜、虹膜和睫状体并精确定位巩膜突，从而实现房角参数的自动化测量。	未提及，但可能包括样本量有限、需要多中心进一步验证以及算法对不同设备和图像质量的泛化能力等潜在限制。	开发并验证一种人工智能算法，用于自动识别眼前节结构并评估原发性房角关闭疾病的关键参数，以提高诊断效率和准确性。	超声生物显微镜图像中的眼前节结构，包括角膜、虹膜、睫状体和巩膜突。	深度学习、计算机视觉、医学图像分析	原发性房角关闭疾病	超声生物显微镜	深度学习模型（多组织分割模型）	图像	开发阶段共使用592名受试者的2339张UBM图像；验证阶段使用45名受试者的222张图像（来自两个中心）	NA（未在标题和摘要中指定）	NA（具体架构未在标题和摘要中提及）	平均交并比、平均误差距离、自动与手动测量参数的平均差异	NA（未在标题和摘要中提及）
691	2026-09-10	Deep learning-based assessment of missense variants in the COG4 gene presented with bilateral congenital cataract 2025-01-14, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-001906 PMID:39809522	研究论文	首次使用AlphaFold2、Alpha Missense和ThermoMPNN深度学习算法评估COG4基因错义变异的蛋白质结构和致病性，特别关注与双侧先天性白内障相关的p.Y714F变异。	首次将AlphaFold2、Alpha Missense和ThermoMPNN结合用于COG4基因变异评估，并整合多维度致病性指标进行主成分分析。	研究基于计算预测，缺乏体外或体内功能实验验证；样本量小，仅涉及四个临床相关变异。	通过深度学习算法预测COG4基因错义变异的蛋白质结构和致病性，以辅助评估意义不确定的变异。	COG4基因的错义变异，包括一个新发现的p.Y714F和三个已知变异（p.G512R、p.R729W、p.L769R），以及所有可能的COG4错义变异（n=14915）。	深度学习	先天性白内障，Saul-Wilson综合征	蛋白质结构预测，深度学习	AlphaFold2, Alpha Missense, ThermoMPNN	蛋白质序列	4个临床相关变异，14915个所有可能错义变异	NA	AlphaFold2, Alpha Missense, ThermoMPNN	主成分分析，多维尺度分析	NA
692	2026-09-10	Machine Learning Approaches in High Myopia: Systematic Review and Meta-Analysis 2025-01-03, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57644 PMID:39753217	系统综述与荟萃分析	系统评估机器学习在高度近视和病理性近视诊断、预测及相关青光眼诊断中的性能	首次对机器学习在高度近视领域的应用进行系统综述和荟萃分析，量化比较深度学习与传统机器学习方法的诊断准确性	纳入研究数量有限，且存在异质性；部分研究未提供足够数据用于定量分析；缺乏外部验证队列研究	评估机器学习方法在临床实践中检测高度近视和病理性近视的性能，为未来智能诊断工具的研发提供循证依据	高度近视、病理性近视及高度近视相关青光眼的检测与预测研究	机器学习	眼科疾病, 高度近视	NA	深度学习（DL）、传统机器学习（非DL）	眼科影像及临床数据	纳入45项研究，其中32项用于定量荟萃分析	NA	NA	汇总受试者工作特征（SROC）、灵敏度、特异性	NA
693	2026-09-09	ADMGCN: graph convolutional network for Alzheimer's disease diagnosis with a meta-learning paradigm 2025-12-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf580 PMID:41148043	研究论文	提出一种基于元学习范式的图卷积网络（ADMGCN），用于阿尔茨海默病的早期诊断，通过权重和降维技术提升性能与效率	采用元学习范式来采样受试者以创建多个标签平衡的任务，最大化数据利用并减轻标签不平衡的影响，同时使GCN能够快速适应新任务并支持独立测试	未在摘要中明确提及局限性	解决深度学习在阿尔茨海默病诊断中需要大数据集和对标签分布不平衡敏感的问题，增强图卷积网络的灵活性并实现早期诊断	阿尔茨海默病患者及对照受试者的大脑影像数据	计算机视觉, 机器学习	阿尔茨海默病	NA	图卷积网络（GCN）	影像数据	NA	NA	NA	准确率	NA
694	2026-09-09	Self-supervised representation learning on gene expression data 2025-11-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf533 PMID:41028963	研究论文	本研究探讨在批量基因表达数据上应用自监督学习方法进行表型预测，验证其有效性和优势	首次将自监督学习方法应用于批量RNA-Seq数据，评估多种自监督方法在基因表达数据上的表现，并提供使用建议	未提及具体硬件配置或大规模实验，可能需更多验证数据	评估自监督学习方法在基因表达数据表型预测中的潜力，减少对标注数据的依赖	批量基因表达数据（bulk RNA-Seq）及对应的表型	机器学习	NA	RNA-Seq	自监督学习模型（具体类型未明确）	基因表达数据	多个公开基因表达数据集（具体数量未提及）	NA	NA	预测准确性（具体指标未明确）	NA
695	2026-09-09	RNAtive to recognize native-like structure in a set of RNA 3D models 2025-11-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf601 PMID:41183118	研究论文	本文介绍RNAtive，首个利用共识推导的二级结构进行RNA三维模型无参考评估的计算工具	首次将共识原理应用于RNA三维模型评估，引入条件加权共识模式和模糊集处理交互网络，并整合用户定义的二维结构约束	摘要中未提供明确的局限性信息	开发RNAtive工具，用于无参考地评估RNA三维结构模型，识别类天然构象	RNA三维结构模型，特别是来自CASP15竞赛的预测模型	生物信息学	不适用	计算建模，共识分析	不适用	RNA三维结构数据	基于CASP15竞赛数据进行基准测试，具体样本数量未在摘要中提及	不适用	不适用	准确性，基于二分类的评分	网络服务器
696	2026-09-09	Multimodal Multitask Learning for Predicting Depression Severity and Suicide Risk Using Pretrained Audio and Text Embeddings: Methodology Development and Application 2025-10-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/66907 PMID:41166502	研究论文	本研究提出了一种结合多任务学习、多模态学习和迁移学习的框架，利用预训练音频和文本嵌入进行抑郁症严重程度和自杀风险的联合分类	将多任务学习、多模态融合和迁移学习集成到单一框架中，同时预测抑郁症严重程度和自杀风险，并比较不同预训练嵌入组合的效果	建议谨慎实施多任务学习以减少潜在负迁移效应	评估多任务学习、多模态学习和迁移学习结合方法对深度学习模型在抑郁症严重程度和自杀风险联合分类中的效能提升	100名抑郁症患者和100名健康对照者的中文录音和临床问卷评分数据	多模态学习	抑郁症	预训练嵌入（wav2vec 2.0, HuBERT, ERNIE-health）	多任务学习模型	音频和文本数据	200个样本（100名抑郁症患者和100名健康对照者）	NA	NA	AUC	NA
697	2026-09-09	Rapid Liver Fibrosis Evaluation Using the UNet-ResNet50-32 × 4d Model in Magnetic Resonance Elastography: Retrospective Study 2025-10-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/80351 PMID:41115237	研究论文	本研究旨在开发和评估基于深度学习的分割模型，用于使用磁共振弹性成像图像自动评估肝纤维化严重程度，并比较传统U-Net模型和UNet-ResNet50-32×4d架构模型的性能。	提出并评估了UNet-ResNet50-32×4d架构模型在MRE图像分割中的性能，该模型在准确性和与人工标注的一致性方面优于传统U-Net模型。	文章未提及具体的局限性。	旨在开发并评估基于深度学习的自动分割模型，以利用MRE图像无创评估肝纤维化严重程度，提高临床工作流程。	319例患者（2018年1月至2020年12月期间纳入）的MRE图像。	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	UNet-ResNet50-32×4d	MRE图像	319例患者的MRE图像	NA	U-Net, ResNet50-32×4d	相关系数, 交并比, Dice系数	NA
698	2026-09-09	UAMRL: multi-granularity uncertainty-aware multimodal representation learning for drug-target affinity prediction 2025-10-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf512 PMID:41025463	研究论文	提出一种基于不确定性感知的多模态表示学习框架UAMRL，用于药物-靶点亲和力预测，以提高预测精度和决策透明度。	引入基于正态-逆伽马分布的不确定性量化机制，用于建模多模态数据的可靠性并抑制不可靠信息的融合，从而提升预测性能。	摘要中未提及明确的局限性。	开发一种不确定性感知的多模态表示学习框架，以解决药物-靶点亲和力预测中的多模态数据异质性和模型可解释性不足的问题。	药物和靶点（蛋白质）的多模态数据。	机器学习	NA	NA	深度学习（具体模型未在摘要中明确）	多模态数据（包括化合物和蛋白质的数据）	多个公共DTA数据集（数量未具体说明）	NA	双流编码器	预测准确率等（具体指标未在摘要中明确）	NA
699	2026-09-09	MRI-based habitat analysis for Intratumoral heterogeneity quantification combined with deep learning for HER2 status prediction in breast cancer 2025-10, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110429 PMID:40414575	研究论文	本研究旨在建立基于MRI的肿瘤内异质性（ITH）量化模型，并结合深度学习预测乳腺癌中HER2表达状态	创新性地将MRI影像中的肿瘤内异质性量化与深度学习结合，用于预测乳腺癌HER2状态，特别是区分HER2-low和HER2-zero亚型	未在文摘中明确提及	利用MRI影像建立预测模型，非侵入性预测乳腺癌HER2表达状态，以辅助治疗决策	340例经病理证实的浸润性乳腺癌患者	医学影像分析	乳腺癌	动态对比增强磁共振成像（DCE-MRI）	深度学习模型（未指定具体架构，如CNN等）	MRI影像数据	340例患者	NA	NA	AUC（曲线下面积）	NA
700	2026-09-09	Fully automated measurement of aortic pulse wave velocity from routine cardiac MRI studies 2025-10, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110442 PMID:40451442	研究论文	开发了一种基于深度学习的全自动方法，从常规心脏MRI图像中测量主动脉脉搏波速度，无需特殊序列或人工分析。	首次实现从标准2D横轴SSFP定位图像和单相位对比成像平面全自动测量主动脉PWV，使用两个深度学习模型分别进行3D主动脉分割和相位对比图像分割，整个流程无需特殊扫描序列，并已在大规模生物库数据上验证。	依赖心脏MRI中特定序列图像，对图像质量或患者体位变化敏感可能导致部分受试者分析失败；方法仅针对主动脉PWV，未涵盖其他心血管生物标志物。	实现从常规心脏MRI序列中完全自动测量主动脉PWV，促进其在临床和大型队列研究中的广泛应用。	主动脉路径长度、血流曲线、脉搏传输时间、PWV测量	医学影像分析, 深度学习	心血管疾病	心脏MRI（SSFP定位序列和相位对比成像）	深度学习模型（具体类型未指定，可能为卷积神经网络）	MRI图像	外部临床数据集（具体数量未明确）及UK Biobank的1053名受试者	NA	NA	Dice系数、均值±标准差、P值、成功率、PWV中位数及增长率	NA