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
1	2026-06-03	The Use and Importance ofArtificial Intelligence in Vaccine Research, Development, and Production 2025-Sep, Archives of Razi Institute DOI:10.32598/ARI.80.5.3442 PMID:42226986	综述	评估人工智能技术在疫苗研究、开发和制造中的应用及其重要性	系统综述了人工智能在疫苗靶点识别、配方优化、制造流程精简及供应链优化中的多重作用，并展望了量子计算等未来技术对疫苗开发的增强潜力	伦理问题（数据隐私、算法偏见）及AI与现有框架的整合挑战	评估AI技术（ML、DL、NLP）在疫苗研究、开发和生产中的角色，加速疫苗上市	人工智能在疫苗研发及制造中的应用	机器学习	传染病	NA	NA	文本	NA	NA	NA	NA	NA
2	2026-06-02	Deep learning-based detection of generalized convulsive seizures using a wrist-worn accelerometer 2025-09, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18406 PMID:40265999	研究论文	开发和验证基于腕戴式加速度计和深度学习的算法，用于自动检测全面性或双侧强直阵挛性发作，并集成到商用智能手表中	采用基于分位数聚合的可调灵敏度集成的卷积神经网络架构，实现高检测性能与可调灵敏度	错过了两次发作，其中一次因佩戴传感器的患者手臂被床栏杆卡住而未能检测到	自动检测全面性惊厥性发作	全面性或双侧强直阵挛性发作患者	机器学习	癫痫	三维加速度计	卷积神经网络	加速度数据	384名患者（训练集37人含54次发作，独立测试集347人含49次发作）	NA	集成卷积神经网络（Episave）	灵敏度、误报率、检测潜伏期	NA
3	2026-05-31	InfEHR: Clinical phenotype resolution through deep geometric learning on electronic health records 2025-Sep-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63366-6 PMID:41006287	研究论文	提出一种名为InfEHR的框架，利用深度几何学习从电子健康记录中自动计算临床可能性，无需大量标注数据	将电子健康记录转换为时序图以捕捉表型动态，实现无偏表示，并在低患病率疾病中表现出高效推理性能	未提及	开发一种能够从电子健康记录中自动计算临床可能性的框架，减少对大量标注数据的依赖	电子健康记录中的临床表型解析与概率推理	机器学习	新生儿培养阴性败血症、术后急性肾损伤	深度几何学习	几何深度学习模型	电子健康记录数据	来自西奈山卫生系统和加州大学欧文分校医学中心的电子健康记录	NA	NA	敏感性、特异性	NA
4	2026-05-31	Scalable Deep Learning of Histology Images Reveals Genetic and Phenotypic Determinants of Adipocyte Hypertrophy 2025-Sep-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.11.25322053 PMID:39990583	研究论文	本文介绍了一种用于脂肪组织组织学图像语义分割的深度学习模型Adipocyte U-Net 2.0，并对超过2700万个脂肪细胞进行分析，揭示了脂肪细胞肥大的遗传和表型决定因素	首次实现大规模脂肪细胞形态的深度学习分析，并通过最大规模的脂肪细胞大小全基因组关联研究，发现了四个全基因组显著位点	NA	探讨脂肪细胞形态的遗传基础及其与代谢疾病的关系	来自2667名个体的脂肪组织组织学图像中的脂肪细胞	计算机视觉, 数字病理学	心血管疾病, 代谢疾病	NA	U-Net	图像	2667名个体，超过2700万个脂肪细胞	NA	U-Net	NA	NA
5	2026-05-31	Dwarf Updated Pelican Optimization Algorithm for Depression and Suicide Detection from Social Media 2025-09, The Psychiatric quarterly DOI:10.1007/s11126-024-10111-9 PMID:39946018	研究论文	提出一种新颖的基于社会媒体的抑郁与自杀检测方法，通过改进的鹈鹕优化算法优化深度学习集成模型	引入矮化更新鹈鹕优化算法（DU-POA）优化深度学习集成模型权重，结合改进互信息分数进行特征融合	未提及模型在不同社会媒体平台或语言上的泛化能力验证，且未讨论数据隐私和伦理问题	解决社会媒体数据中抑郁和自杀检测的变异性及模型泛化挑战	社会媒体文本数据中的抑郁和自杀倾向检测	自然语言处理	抑郁症、自杀倾向	自然语言处理（NLP）	RNN, DBN, 改进LSTM	文本	NA	NA	RNN, DBN, 改进LSTM	准确率	NA
6	2026-05-31	Machine learning driven semi-automated framework for yeast sporulation efficiency quantification using ilastik segmentation and Fiji nuclear enumeration 2025-09, Fungal genetics and biology : FG & B IF:2.4Q3 DOI:10.1016/j.fgb.2025.104024 PMID:40876769	研究论文	提出一个基于机器学习驱动的半自动化框架，结合ilastik分割和Fiji细胞核计数，用于酵母孢子形成效率的定量分析	创新性地结合ilastik纹理特征优化分割与Fiji图像处理，避免显式四联体判别，实现不同孢子形态的鲁棒量化，并引入人工质控检查点平衡通量与精度	需要手动质控检查点（分割验证），无法完全自动化；未提供与其他深度学习工具（如cellpose）的直接性能对比	开发一种可替代人工计数的酵母孢子形成效率半自动化定量方法，提高处理速度并减少主观偏差	酵母孢子形成过程中的母细胞及孢子（二联体、三联体、四联体）	机器学习	不适用	荧光显微镜成像	ilastik纹理特征分割模型	图像	未明确说明样本数量，但提及Hsp82磷酸化突变体验证	ilastik, Fiji	ilastik随机森林分类器	与人工计数的一致性（93.4%）、组内相关系数（ICC=0.94）、处理时间减少（68%）	标准显微镜设备（未指定GPU或高性能计算资源）
7	2026-05-30	Metaproteomics Beyond Databases: Addressing the Challenges and Potentials of De Novo Sequencing 2025-09, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202400321 PMID:39888246	观点文章	探讨从头测序在宏蛋白质组学中的应用，包括其从手动注释到基于图、标签和深度学习方法的演变，以及其在检测未测序物种和提供微生物群落功能洞察方面的潜力	系统性地回顾了从头测序方法从手动注释到基于图、标签和深度学习方法的演变，并重点讨论了其在宏蛋白质组学中检测未测序物种的潜力	主要依赖观点阐述，缺乏实验验证；未提供具体性能指标或与数据库搜索的定量比较	探讨从头测序在宏蛋白质组学中的演变、优势、局限性和未来机遇	宏蛋白质组学中的微生物群落蛋白质	机器学习	NA	质谱法	深度学习	质谱数据	NA	NA	NA	NA	NA
8	2026-05-30	TFKT V2: task-focused knowledge transfer from natural images for computed tomography perceptual image quality assessment 2025-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.5.051805 PMID:40444137	研究论文	提出一种任务聚焦知识迁移方法，用于CT图像感知质量评估	首次将自然图像中的任务相似知识迁移至CT图像质量评估，采用混合卷积神经网络-变压器模型，无需参考图像且减少对大规模标注数据集的依赖	未具体说明局限性，但可能涉及对CT图像领域特定失真的泛化能力有限或需要进一步临床验证	开发一种无参考、自动化的CT图像质量评估方法，以密切反映放射科医生的评估并减少对标注数据集的依赖	低剂量CT图像质量和儿科CT检查图像	计算机视觉	NA	CT	混合卷积神经网络-变压器模型	图像	涉及低剂量CT感知图像质量评估数据集和儿科CT检查数据集，但未明确具体样本数量	PyTorch	CNN-Transformer混合架构	NA	NA
9	2026-05-30	Opioid misuse detection from cognitive and physiological data with temporal fusion deep learning 2025-Sep-01, Drug and alcohol dependence IF:3.9Q1 DOI:10.1016/j.drugalcdep.2025.112774 PMID:40684523	研究论文	通过身体传感器和认知任务数据，利用时间融合深度学习模型检测阿片类药物滥用	首次将时间融合变换器机器学习模型应用于结合身体传感器和认知任务数据来检测阿片类药物滥用	行为反应比生理信号对滥用状态预测更强，可穿戴传感器预测能力有限，且需与客观阿片类药物滥用测量基准对比	利用机器学习检测阿片类药物滥用，预防过量使用和阿片类药物使用障碍等风险	169名使用阿片类镇痛药管理慢性疼痛的患者	机器学习	阿片类药物滥用	NA	时间融合变换器	生理数据（心率变异性、呼吸率）、行为数据（反应时间、任务准确率）	169名患者，9238个数据点	NA	时间融合变换器	AUC、特异性、敏感性	NA
10	2026-05-27	A Novel Two-step Classification Approach for Differentiating Bone Metastases From Benign Bone Lesions in SPECT/CT Imaging 2025-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.010 PMID:40610298	研究论文	提出一种新型两步深度学习框架，用于SPECT/CT成像中骨转移瘤的自动检测、分割和分类，以区分恶性与良性骨病变	结合多尺度注意力融合模块和三重注意力机制的分割模型，以及基于影像组学的集成学习分类器，实现代谢和纹理特征融合	NA	开发并验证两步深度学习框架，提升骨转移瘤早期诊断和个性化治疗规划	SPECT/CT图像中的骨病变	计算机视觉	骨转移瘤	SPECT/CT成像	CNN	图像	机构内部SPECT/CT数据集，分为训练集和测试集	NA	BL-Seg	Dice系数, 灵敏度, 特异度, AUC	NA
11	2026-05-27	A Deep Learning Model for Comprehensive Automated Bone Lesion Detection and Classification on Staging Computed Tomography Scans 2025-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.021 PMID:40634223	研究论文	开发了一种用于分期计算机断层扫描（CT）中自动检测和分类骨病变的深度学习模型	首次开发并验证了全面自动检测和分类骨病变的深度学习模型，可区分良恶性骨病变，并提高了检测和分类的准确性	模型在某些良性病例中产生假阳性结果，且需要在更大规模、更多样化的数据集以及临床实践中进一步验证	提升骨病变在分期CT中的检测和分类效率与准确性	402名患者的CT影像，包括前列腺癌患者（有良性或恶性成骨细胞性骨病变）以及多种原发癌患者（有良性或恶性溶骨性骨病变）	计算机视觉，医学影像分析	骨转移瘤，前列腺癌，多种癌症	计算机断层扫描（CT）	nnUNet	CT影像	训练集402名患者，独立测试集69名患者（其中32名有骨转移）	PyTorch	nnUNet	检测率，准确率，灵敏度，特异度， AUC	NA
12	2026-05-26	Deep Learning for Cardiac Overload Estimation　- Predicting B-Type Natriuretic Peptide (BNP) Levels From Heart Sounds and Electrocardiogram 2025-09-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-25-0098 PMID:40533163	研究论文	开发深度学习模型从心音和心电图数据估计血浆BNP水平以辅助心力衰竭筛查	利用短时（8秒）无创心音和心电图信号通过深度学习模型估算BNP水平，在外部验证集上表现良好	NA	验证利用无创动态生理信号估计BNP水平的深度学习模型的临床可行性	血浆BNP水平≥100 pg/mL的预测	机器学习	心血管疾病	NNN	深度学习模型	心音和心电图信号	外部验证集140名患者，亚组分析127名BMI 18.5-25患者	NNN	NNN	AUROC, 敏感性, 特异性	NA
13	2026-05-25	A systematic review of contactless respiratory rate measurement using RGB cameras 2025-09-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adfc24 PMID:40816317	综述论文	系统综述了使用RGB摄像机进行无接触呼吸率测量的最新进展	对比RGB摄像机与其他传感器模态（热成像、红外）的优缺点，并系统分析公开数据集在光照、肤色和运动方面的多样性	RGB摄像机方法在低光照、高运动或复杂非受控环境下性能显著下降，且缺乏真实世界数据集	探索RGB摄像机估计呼吸率的方法，评估公开数据集和信号预处理方法，指出未来研究方向	呼吸率测量方法及相关公开数据集	计算机视觉	NA	RGB摄像机	深度学习、混合模型	图像视频数据	分析了多个公开数据集，但未提供具体样本数量	NA	NA	误差（错误率）	NA
14	2026-05-25	DeepEM Playground: Bringing deep learning to electron microscopy labs 2025-09, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70005 PMID:40579897	研究论文	介绍DeepEM Playground平台，将深度学习引入电子显微镜实验室	开发了交互式、用户友好的平台，无需编码经验即可训练和调整深度学习模型，弥合了前沿深度学习研究与电子显微镜实验室实际应用之间的鸿沟	NA	降低深度学习在电子显微镜领域的应用门槛，使研究人员能够更自信、有效地将AI驱动分析集成到工作流程中	电子显微镜研究人员	计算机视觉、数字病理学	NA	电子显微镜	深度学习	图像	NA	NA	NA	NA	NA
15	2026-05-23	Molecular dynamics simulations of proteins: an in-depth review of computational strategies, structural insights, and their role in medicinal chemistry and drug development 2025-09-26, Biological cybernetics IF:1.7Q4 DOI:10.1007/s00422-025-01026-0 PMID:41003729	综述	本文深入回顾了分子动力学模拟在蛋白质研究中的计算策略、结构见解及其在药物化学与药物开发中的作用	系统性地归纳了分子动力学模拟在蛋白质行为及其与抑制剂相互作用中的应用，并指出机器学习与深度学习技术有望推动该领域发展	现有挑战包括缩小计算模型与实际细胞条件之间的差距	综述分子动力学模拟在药物化学与药物开发中的角色及其计算策略和结构见解	蛋白质及其与抑制剂的相互作用	机器学习	NA	分子动力学模拟	机器学习	NA	NA	GROMACS, DESMOND, AMBER	NA	NA	NA
16	2026-05-23	Deep learning radiomics model based on contrast-enhanced MRI for distinguishing between tuberculous spondylitis and pyogenic spondylitis 2025-Sep, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08696-1 PMID:39920318	研究论文	基于增强MRI的深度学习影像组学模型用于区分结核性脊柱炎和化脓性脊柱炎	首次将增强MRI影像组学特征与深度学习特征融合，构建深度学习影像组学列线图用于区分结核性脊柱炎和化脓性脊柱炎	单中心回顾性研究，样本量较小，需进一步多中心前瞻性验证	开发并验证基于增强MRI的深度学习影像组学列线图以区分结核性脊柱炎和化脓性脊柱炎	结核性脊柱炎和化脓性脊柱炎患者	计算机视觉、数字病理学	结核性脊柱炎、化脓性脊柱炎	增强MRI	深度学习模型	图像	147例患者，训练队列102例（52例TS，50例PS），外部测试队列45例（17例TS，28例PS）	NA	NA	AUC、校准曲线、决策曲线分析	NA
17	2026-05-23	A multi-stage training and deep supervision based segmentation approach for 3D abdominal multi-organ segmentation 2025-Sep, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251355806 PMID:40671620	研究论文	提出一种结合多阶段训练和深度监督的3D腹部多器官分割方法	创新性地集成多阶段训练策略、伪标签技术及带注意力机制的深度监督模型DLAU-Net，加速模型收敛并提升泛化能力	未明确讨论对极小或边缘模糊器官的分割性能，且依赖FLARE挑战赛数据集的可推广性有待验证	解决3D CT腹部多器官分割中器官分布复杂、标注数据稀缺及结构多样性导致的训练困难与精度不足问题	腹部CT影像中的多器官（如肝脏、脾脏、肾脏等）	计算机视觉	腹部疾病	CT	卷积神经网络	3D CT图像	FLARE 2023挑战赛中的大规模数据集	NA	DLAU-Net (深度监督注意力U-Net)	平均器官精度(AVG), Dice相似系数(DSC)	NA
18	2026-05-16	Toroidal indentation for measuring cell and tissue mechanical anisotropy 2025-09-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2025.07.064 PMID:40749995	研究论文	提出一种环形压痕法结合深度学习模型，用于测量从宏观组织到单细胞的生物材料机械各向异性	首次开发了环形探针与有限元深度学习模型结合的方法，实现跨尺度的各向异性弹性模量测量，摆脱了对成像或专用设备的依赖	仅适用于线性和不可压缩的横观各向同性材料，且训练数据基于模拟，可能无法完全涵盖真实材料的复杂行为	开发一种通用的压痕方法，用于估算跨尺度生物材料（从宏观组织到单细胞）的各向异性弹性模量	各向异性肌肉组织、细胞单层和单个极化细胞	生物力学	NA	压痕测试	深度学习模型	有限元模拟数据	NA	NA	NA	各向异性度	NA
19	2026-05-16	A deep learning model for diagnosing autism using brain time series 2025-Sep-13, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.08.001 PMID:40763894	研究论文	提出一种结合LSTM和注意力机制的混合模型，利用脑时间序列数据诊断自闭症	创新性地引入基于滑动窗口的数据预处理方法及投票策略，并采用主体级5折交叉验证确保泛化能力	NA	提高自闭症诊断的准确性，尤其在早期识别方面	自闭症患者和神经典型个体的脑区感兴趣区（ROI）时间序列数据	机器学习	自闭症	NA	LSTM, 注意力机制	时间序列数据	来自ABIDE数据集的ROI时间序列数据	NA	混合模型（LSTM + 注意力机制）、残差块与通道注意力	准确率	NA
20	2026-05-16	Explainable ResNet-long short-term memory model for the classification of bowel sounds frequency based on multifeature fusion 2025-Sep, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605251376915 PMID:41027655	研究论文	提出一种基于多特征融合的可解释ResNet-长短期记忆网络模型，用于肠鸣音频率分类	首次将多特征融合与可解释ResNet-LSTM模型结合，实现肠鸣音三分类（正常、活跃、减弱），并采用局部可解释模型无关解释增强透明度	未提及模型在不同设备或噪声环境下的泛化能力	开发基于肠鸣音频率分类的可解释深度学习模型，用于评估胃肠动力功能	肠鸣音音频信号	机器学习	胃肠动力相关疾病	音频特征提取（色度特征、滤波器组能量、梅尔频率倒谱系数）	ResNet长短期记忆网络	音频	10秒音频片段，来自三个医疗机构的样本	NA	ResNet50 V2, 长短期记忆网络	准确率、马修斯相关系数、加权科恩卡帕系数、敏感性、特异性	NA