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	2026-09-16	Capturing continuous, long timescale behavioral changes in Drosophila melanogaster postural data 2025-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012753 PMID:39899595	研究论文	该研究通过连续7天以100帧/秒记录果蝇在无特征环境中的姿态数据，使用SLEAP深度学习框架构建包含47个个体、近20亿姿态实例的全身体态数据集，识别梳理、喙伸展和运动等刻板行为，并分析行为随昼夜和实验天数的变化模式。	首次在无特征环境中连续7天以100帧/秒记录果蝇行为，生成近20亿姿态实例的大规模数据集；发现黎明后一小时是果蝇日常行为中的独特时间点，且该小时的行为组成与运动速度、移动与休息时间比例等健康指标高度相关。	摘要中未提及。	捕捉果蝇在连续、长时间尺度上的行为变化，探索行为如何随昼夜节律和实验天数变化，并揭示与健康相关的行为特征。	黑腹果蝇（Drosophila melanogaster）个体。	计算机视觉	NA	深度学习姿态估计	深度学习	图像	47个果蝇个体，近20亿姿态实例	SLEAP	NA	NA	NA
22	2026-09-16	Mapping the learning curves of deep learning networks 2025-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012286 PMID:39928655	研究论文	该研究提出了一种受认知科学启发的多维量化与可视化方法，通过追踪深度神经网络的学习曲线来捕捉模型学习的两个时间维度：信息处理轨迹和发展轨迹	提出了一种受认知科学启发的多维量化与可视化方法，能够捕捉模型学习的两个时间维度（信息处理轨迹和发展轨迹），并定义了四个描述性指标（start、end - start、max、tmax）来量化学习曲线	未明确说明	系统性地解释深度神经网络的内部表征，并追踪其学习曲线	深度神经网络在时间任务上的学习过程	机器学习	不适用	不适用	深度神经网络	不适用	750次模拟运行，涉及手势检测和句子分类两个任务	不适用	不适用	start、end - start、max、tmax	不适用
23	2026-09-13	Deep learning-based organ-wise dosimetry of 64Cu-DOTA-rituximab through only one scanning 2025-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88498-z PMID:39955298	研究论文	本研究旨在通过深度学习从早期扫描的PET图像生成延迟的64Cu-DOTA-rituximab图像，以减轻剂量估算的负担	使用基于生成对抗网络的配对图像到图像翻译模型，从早期PET图像生成延迟图像，用于器官剂量学	对于与身体清除相关的器官，吸收剂量的预测相对不准确	减少放射性药物剂量估算的不便和成本	六名恶性肿瘤患者	医学影像分析	恶性肿瘤	正电子发射断层扫描（PET）	生成对抗网络	图像	6名患者	NA	生成对抗网络	图像相似度	NA
24	2026-09-13	Classification patterns identification of immunogenic cell death-related genes in heart failure based on deep learning 2025-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89333-1 PMID:39955386	研究论文	该研究利用深度学习编码器模型基于免疫原性细胞死亡相关基因对心力衰竭进行聚类分型，识别诊断相关基因并构建列线图模型，同时探索免疫浸润和基因调控互作	首次将免疫原性细胞死亡相关基因与深度学习编码器模型相结合用于心力衰竭分型，并通过差异表达基因细化亚型，同时识别诊断相关基因并构建列线图模型，诊断模型AUC超过0.99	摘要中未明确提及研究的局限性	改善心力衰竭亚型分类，识别潜在药物靶点，并应用深度学习模型增强心力衰竭分类及识别诊断相关基因	心力衰竭患者及其免疫原性细胞死亡相关基因	机器学习	心血管疾病	NA	NA	基因表达数据	NA	NA	NA	AUC	NA
25	2026-09-13	An explainable and accurate transformer-based deep learning model for wheeze classification utilizing real-world pediatric data 2025-02-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-89533-9 PMID:39955399	研究论文	本文开发了一种基于Transformer的深度学习模型，利用真实儿科数据对喘息声进行分类	将Audio Spectrogram Transformer模型应用于真实临床儿科呼吸音数据，并使用Score-CAM可视化分类过程	样本量较小，仅包括194个喘息音和531个其他呼吸音	开发准确且可解释的深度学习模型，用于儿科呼吸音中喘息声的分类	2019至2020年访问韩国两所大学医院儿科部门的儿童	数字病理学	儿科呼吸疾病	听诊	Transformer	音频	725个呼吸音样本（194个喘息音，531个其他呼吸音）	NA	Audio Spectrogram Transformer	准确率, AUC, 精确率, 召回率, F1分数	NA
26	2026-09-13	Functional profiling of the sequence stockpile: a protein pair-based assessment of in silico prediction tools 2025-02-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf035 PMID:39854283	研究论文	本文通过基于蛋白质对的功能相似性评估方法，系统评估了现有多种蛋白质功能预测工具在预测非 homologous 蛋白质分子功能方面的表现与局限	提出将功能预测评估转化为蛋白质对功能相似性评估的新策略，突破了传统功能注释词汇表的限制，可跨本体评估不同注释方法，并揭示了深度学习工具在捕获蛋白质序列功能信号方面的不足	缺乏真正的“ground truth”功能注释，评估依赖于蛋白质对的功能相似性间接推断，可能无法完全反映实际功能预测的准确性	探究现有蛋白质功能预测方法在预测与已知蛋白质家族非同源或远缘蛋白质分子功能方面的潜力和局限性	数千个与已知功能注释序列非同源或远缘的蛋白质	机器学习	NA	计算机模拟功能注释、蛋白质序列分析	深度学习模型	蛋白质序列数据	数千个蛋白质	NA	NA	功能相似性、预测准确性	NA
27	2026-09-13	ParaSurf: a surface-based deep learning approach for paratope-antigen interaction prediction 2025-02-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf062 PMID:39921885	研究论文	提出了一种基于表面的深度学习模型ParaSurf，用于预测抗体paratope与抗原的相互作用，在三个基准数据集上取得了最先进的结果。	结合表面几何和非几何因素进行paratope预测，且能够预测整个Fab区域的结合分数，而不仅限于可变区。	未明确提及	提高抗体paratope预测的准确性，以加速疫苗和治疗性抗体的开发。	抗体-抗原相互作用，特别是paratope结合位点	计算生物学	NA	深度学习	深度学习模型	蛋白质结构数据	三个抗体-抗原基准数据集	NA	NA	多种评估指标（未具体列出）	NA
28	2026-09-13	A conditional denoising VAE-based framework for antimicrobial peptides generation with preserving desirable properties 2025-02-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf069 PMID:39932977	研究论文	本文提出了一种基于条件去噪变分自编码器（VAE）的框架，用于生成具有理想理化性质（如分子量、等电点、疏水性等）的抗菌肽（AMPs），以应对抗生素耐药性问题	1. 提出了一种新颖的基于去噪VAE的生成模型，由理想的理化性质引导生成抗菌肽；2. 集成位置编码和Transformer架构以提高生成准确性；3. 设计了一种自定义损失函数，结合重构损失、KL散度和性质保持损失，确保有效训练；4. 引入去噪机制，使模型能够从扰动输入中学习，在有限训练数据下保持性能	未在摘要中明确提及	生成具有理想功能性质的抗菌肽，为抗菌肽设计与分析提供可行方法，以对抗抗生素耐药性	抗菌肽（AMPs）	机器学习	细菌感染	深度学习生成模型	去噪变分自编码器（Denoising VAE）	分子序列与理化性质数据	NA	NA	Transformer, VAE	NA	NA
29	2026-09-13	An accelerated deep learning model can accurately identify clinically important humeral and scapular landmarks on plain radiographs obtained before and after anatomic arthroplasty 2025-02, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-024-06401-3 PMID:39760903	研究论文	本文使用加速的深度学习模型在肩关节置换术前后X光片上识别肱骨和肩胛骨标志点，并评估其准确性	仅使用240张标注图像即可训练出高精度的深度学习模型，并能在术前和术后X光片上准确识别标志点	样本量较小，证据等级为IV级	评估深度学习模型在识别肩关节置换术前后X光片上肱骨和肩胛骨标志点的准确性	接受解剖型肩关节置换术患者的术前和术后X光片	计算机视觉	骨科疾病	Flat panel X-ray radiography	深度学习模型	图像	240张X光片用于训练，60张用于测试	NA	NA	平均偏差	NA
30	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
31	2026-09-09	Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82639-6 PMID:39952935	研究论文	本研究验证了Cellpose深度学习网络在自发荧光显微图像中用于单细胞分割的可靠性，并开发了针对NAD(P)H图像的自动荧光训练模型。	首次将Cellpose应用于自发荧光显微图像的单细胞分割，并针对低信噪比图像训练了专用模型，提高了分割的重复性和准确性。	未明确提及，但可能依赖于手动分割掩膜进行训练，且测试范围仅限于特定细胞类型和治疗条件。	验证Cellpose在自发荧光显微图像中单细胞分割的可靠性，并评估其在2D和3D细胞培养中的功能变化捕捉能力。	PANC-1细胞和来自9名患者的癌症类器官，均在化疗或代谢抑制剂处理下观察。	计算机视觉	癌症	自发荧光显微镜，多光子成像，荧光寿命成像显微镜（FLIM）	深度学习网络（Cellpose）	图像（自发荧光显微图像，包括NAD(P)H强度图像和FLIM图像）	PANC-1细胞和来自9名患者的癌症类器官样本	未明确提及，但Cellpose通常基于PyTorch	Cellpose（可能基于U-Net架构）	Dice得分，相关性（R值），均值、方差和效应大小比较	未在标题和摘要中提及，因此为不适用（NA）
32	2026-09-09	Early detection of Parkinson's disease using a multi area graph convolutional network 2025-02-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82027-0 PMID:39952991	研究论文	本研究提出了一种多区域注意力时空有向图卷积网络（Ma-ST-DGN），用于早期检测帕金森病，通过分析步态视频数据实现高精度诊断	引入了多区域自注意力机制和有向图重构人体骨骼特征，能够自适应关注不同区域的关键信息并有效融合全局与局部特征，提高了对帕金森病细微运动异常的敏感性	文中未提及明确的局限性	提高早期帕金森病检测的准确性，并增强运动识别模型的鲁棒性	帕金森病患者和健康个体的步态视频数据	计算机视觉	帕金森病	视频分析	图卷积网络	视频	95名帕金森病患者和96名健康个体的行走视频	NA	Ma-ST-DGN	准确率	NA
33	2026-09-08	Balancing accuracy and Interpretability: An R package assessing complex relationships beyond the Cox model and applications to clinical prediction 2025-02, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105700 PMID:39546831	研究论文	开发了一个R包“survcompare”，旨在评估Cox比例风险模型与基于树和深度学习的生存模型在临床预测中的性能，平衡准确性和可解释性	提出了一个公开可用的R包，通过集成学习和嵌套交叉验证系统地比较传统Cox模型与机器学习生存模型，并整合Cox-PH与SRF或DeepHit的集成方法来量化边际价值	未明确提及具体限制，但可能包括对模拟和临床数据的依赖以及计算复杂度	探索Cox-PH在临床预测建模中相对于树基和深度学习模型的性能极限，帮助研究人员评估准确性-可解释性权衡	Cox-PH、Cox-Lasso、生存随机森林（SRF）、DeepHit模型，以及它们的集成方法	机器学习	NA	生存分析	Cox比例风险模型、Lasso、随机森林、深度生存模型（DeepHit）	临床表格数据、影像和模拟数据	样本量从少到多，包括≥500的模拟数据集和不同复杂度的临床数据集（具体数量未在标题/摘要中提供）	R语言环境	Cox-PH、Cox-Lasso、SRF、DeepHit	一致性指数（C-index），时间依赖性AUC-ROC，校准斜率	未明确提及具体计算资源
34	2026-09-07	Deep learning-based cell-specific gene regulatory networks inferred from single-cell multiome data 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf138 PMID:40037709	研究论文	开发了scMultiomeGRN，一种通过整合单细胞RNA测序和单细胞ATAC测序数据推断细胞类型特异性基因调控网络的深度学习框架	提出了一种新颖的深度学习框架，通过模态特异性邻居聚合器和跨模态注意力模块相结合，统一整合单细胞基因组和表观基因组数据，以推断转录因子调控网络	未提供明确的局限性信息	旨在利用单细胞多组学数据推断细胞类型特异性的基因调控网络，特别是在处理单细胞测序数据高丢失率带来的挑战	转录因子调控网络，特别关注小胶质细胞中与阿尔茨海默病相关的SPI1和RUNX1调控网络	机器学习	阿尔茨海默病	单细胞RNA测序和单细胞ATAC测序	深度学习框架（包含图神经网络和注意力机制）	单细胞多组学数据（基因组和表观基因组）	多个涉及疾病和健康的基准数据集	NA	图神经网络和注意力模块	NA	NA
35	2026-09-06	A multi-modal transformer for cell type-agnostic regulatory predictions 2025-Feb-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100762 PMID:39884279	研究论文	本文介绍了一种名为EpiBERT的多模态Transformer模型，通过掩码可及性预训练目标学习基因组序列与细胞类型特异性染色质可及性的通用表示，并可微调用于基因表达预测。	创新点在于提出多模态Transformer架构，采用掩码可及性预训练目标，使模型能够泛化到未见过的细胞状态。	摘要未明确提及局限性。	提高基于序列的深度神经网络在调控基因组学中的泛化能力。	人类基因组序列与细胞类型特异性染色质可及性数据。	深度学习	不适用	DNA测序	Transformer	序列数据	不适用	NA	Transformer	准确性	NA
36	2026-09-06	Multi-modal prediction of extracorporeal support-a resource intensive therapy, utilizing a large national database 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae158 PMID:39764170	研究论文	本研究利用大型国家数据库，开发了一种基于多模态数据的层级深度学习模型，用于持续预测体外膜氧合（ECMO）使用需求，以改善患者分诊和资源分配。	提出了一种层级深度学习模型'PreEMPT-ECMO'，该模型整合了静态和多粒度时间序列特征，能够从ECMO启动前96小时至0小时连续预测ECMO使用风险，优于传统的预测模型，并提供了特征贡献度的时间变化分析。	该研究主要基于COVID-19患者数据，未来需要在非COVID-19难治性呼吸衰竭患者中进行前瞻性验证和泛化性研究。	开发一个连续的ECMO风险预测模型，以增强患者分诊和资源分配。	ECMO支持的患者，来自国家COVID队列协作组（N3C）。	机器学习	COVID-19相关呼吸衰竭	NA	层级深度学习模型	静态和时间序列临床数据（多模态）	101,400名患者，其中1,298名（1.28%）接受了ECMO。	NA	NA	准确度、精确度	NA
37	2026-09-04	Multi-task magnetic resonance imaging reconstruction using meta-learning 2025-02, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110278 PMID:39580007	研究论文	提出一种基于元学习的多任务磁共振成像重建方法，可同时处理不同成像序列和对比度的MRI数据	将元学习（学习到学习）策略与近端梯度下降启发的优化方法相结合，在多任务框架下同时从图像和k空间域学习特征，以提升多对比度MRI重建性能	文中未明确提及局限性	开发一种多任务元学习算法，以高效重建来自不同成像序列和对比度的MRI图像，并提高模型泛化性	多个MRI数据集，包含不同成像序列和对比度的图像	机器学习和医学影像	不适用	MRI重建	元学习模型	图像（MRI图像和k空间数据）	文中未明确提及样本数量（多个MRI数据集）	文中未明确提及具体框架	元学习网络与近端梯度下降启发方法	像素级误差、定性重建质量	文中未提及具体计算资源
38	2026-08-31	Deep learning-based classifier for carcinoma of unknown primary using methylation quantitative trait loci 2025-02-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae123 PMID:39607989	研究论文	利用甲基化数量性状位点构建基于深度学习的未知原发癌分类器，以帮助确定肿瘤起源部位	利用器官特异性甲基化数量性状位点（mQTL）来构建分类器，减少了所需参考样本数量，并提高了分类准确性	未在文中明确说明局限性	开发一种基于DNA甲基化的深度学习分类器，以辅助病理学家确定未知原发癌的起源部位，从而指导治疗并改善患者预后	759例福尔马林固定石蜡包埋组织样本的癌组织	数字病理学	癌症	Illumina EPIC阵列	深度学习分类器	DNA甲基化图谱数据	759例福尔马林固定石蜡包埋组织样本	NA	NA	准确率，F1分数	NA
39	2026-08-30	Diagnosis of Chronic Kidney Disease Using Retinal Imaging and Urine Dipstick Data: Multimodal Deep Learning Approach 2025-02-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/55825 PMID:39924305	研究论文	本文评估了将视网膜图像与尿液试纸数据整合到深度学习模型中，以增强慢性肾脏病（CKD）诊断效果的多模态方法。	首次结合视网膜图像和尿液试纸数据进行多模态深度学习用于CKD诊断，并发现两者协同效果优于单一数据，且能提供互补信息。	模型在65岁及以上年龄组中性能有限，仍需常规血液检测补充。	评估整合视网膜图像和尿液试纸数据对提高CKD诊断准确性的有效性。	年龄在20-79岁的参与者，包括开发集（65,082人）和外部队列验证集（58,284人）。	机器学习	慢性肾脏病	深度学习、多模态学习	卷积神经网络（CNN）	视网膜图像和尿液试纸数据	开发集65,082人，外部验证集58,284人。	NA	宽残差网络	曲线下面积（AUC）、DeLong检验	NA
40	2026-08-28	Retinal Arteriovenous Information Improves the Prediction Accuracy of Deep Learning-Based baPWV Index From Color Fundus Photographs 2025-02-03, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.66.2.63 PMID:39998460	研究论文	本研究比较了不同深度学习模型从彩色眼底照片预测肱踝脉搏波传导速度（baPWV）的准确性，并验证了视网膜动静脉信息对预测精度的提升作用	首次将基于改良深度U-net（HURVS模型）自动计算的视网膜小动脉和小静脉概率图作为通道注意力应用到baPWV预测中，通过三输入模型显著提高了预测准确性	研究为回顾性设计，样本量相对较小（696例），且未提及外部验证队列	比较不同深度学习模型从彩色眼底照片预测baPWV的准确性，并评估视网膜动静脉信息对预测的贡献	696名健康体检者的彩色眼底照片和对应的肱踝脉搏波传导速度数据	深度学习	心血管疾病	视网膜血管分割	深度U-net、深度可分网络	眼底图像	696名受试者的彩色眼底照片和baPWV数据	NA	U-Net、深度可分网络	相关系数	NA