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
1981	2026-01-06	A deep learning AI model for determining the relationship between X-Ray detectors and patient positioning in chest radiography 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0333209 PMID:41082558	研究论文	本研究开发了一种基于深度学习的人工智能系统，用于自动检测胸部X光摄影中X射线探测器与患者之间的位置关系	提出了一种定制化的卷积神经网络模型，首次实现了在胸部X光摄影中自动检测探测器与患者位置关系的AI系统	研究仅基于22,299张图像，可能需要在更大规模数据集上进行验证；未提及模型在不同设备或临床环境中的泛化能力	开发能够自动确定X射线探测器与患者位置关系的AI系统，以减轻放射技师的工作负担并提高成像准确性	胸部X光摄影中X射线探测器与患者的位置关系图像	计算机视觉	NA	胸部X光摄影	CNN	图像	22,299张图像	PyTorch	定制化CNN	准确率, 损失函数值, 真阴性率, 阴性预测值, 精确率, 召回率, F1分数	NA
1982	2026-01-06	In silico evolution of autoinhibitory domains for a PD-L1 antagonist using deep learning models 2023-12-05, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2307371120 PMID:38032933	研究论文	本研究利用基于深度学习的蛋白质结构预测与序列优化流程，设计了针对PD-L1拮抗剂的自抑制结构域，以开发可在肿瘤微环境中被激活的抗癌药物	首次将AlphaFold2与ProteinMPNN结合，通过迭代循环设计自抑制结构域，无需实验亲和力成熟即可获得纳摩尔级高亲和力结合剂	研究仅针对PD-L1拮抗剂进行设计验证，未在体内模型中测试其治疗效果与安全性	开发一种可通过肿瘤富集蛋白酶激活的条件性PD-L1拮抗剂，用于癌症治疗	PD-L1蛋白及其拮抗剂	计算生物学	癌症	深度学习蛋白质设计	深度学习模型	蛋白质序列与结构数据	设计了23种不同长度与拓扑结构的自抑制结构域	AlphaFold2, ProteinMPNN	AlphaFold2, ProteinMPNN	平衡解离常数（Kd）	NA
1983	2026-01-06	Deep learning for embryo evaluation using time-lapse: a systematic review of diagnostic test accuracy 2023-11, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2023.04.027 PMID:37116822	系统综述	本文系统综述了卷积神经网络模型在延时监测胚胎评估中的准确性	首次系统性地评估了深度学习在胚胎延时监测中的诊断测试准确性，并识别了模型在囊胚阶段分类方面的最佳预测性能	纳入研究之间存在高度异质性，且部分研究存在患者偏倚的高风险	研究卷积神经网络模型在胚胎评估中的准确性	胚胎图像数据	数字病理学	生殖医学	延时监测	CNN	图像	222,998个胚胎的522,516张图像	NA	NA	准确性	NA
1984	2026-01-06	Are current machine learning applications comparable to radiologist classification of degenerate and herniated discs and Modic change? A systematic review and meta-analysis 2023-11, 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/s00586-023-07718-0 PMID:37150769	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估当前机器学习算法在识别椎间盘退变、突出、膨出和Modic改变方面与放射科医生分类性能的可比性	首次针对机器学习在脊柱MRI中识别椎间盘退变及相关病变与放射科医生性能比较的系统综述和荟萃分析	现有研究存在验证尝试少、样本量不足、报告不完整等问题，且算法在外部验证中性能下降	评估机器学习算法在脊柱MRI中自动识别椎间盘退变、突出、膨出和Modic改变的诊断性能，并与放射科医生比较	腰椎间盘退变（LDD）、椎间盘突出、膨出和Modic改变的MRI影像	医学影像分析	腰椎间盘退变性疾病	MRI	深度学习, 支持向量机, k近邻, 随机森林, 朴素贝叶斯	MRI影像	NA	NA	NA	分类性能指标	NA
1985	2026-01-06	Screening for peripartum cardiomyopathies using artificial intelligence in Nigeria (SPEC-AI Nigeria): Clinical trial rationale and design 2023-07, American heart journal IF:3.7Q1 DOI:10.1016/j.ahj.2023.03.008 PMID:36966922	研究论文	本文描述了在尼日利亚使用人工智能心电图筛查围产期心肌病的临床试验方案	在尼日利亚产科人群中前瞻性评估AI-ECG工具用于心肌病检测，为AI在临床实践中的广泛应用提供关键试验数据	研究仅针对尼日利亚特定人群，结果可能无法直接推广到其他地区或种族群体	评估人工智能心电图在尼日利亚产科人群中检测心肌病的有效性和实用性	尼日利亚的孕妇和产后妇女	机器学习	心血管疾病	心电图	深度学习	心电图数据	1000名孕妇和产后妇女	NA	NA	心肌病新诊断率、左心室功能受损检测率、心血管疾病新诊断率、复合不良母体心血管结局	NA
1986	2026-01-06	ECG AI-Guided Screening for Low Ejection Fraction (EAGLE): Rationale and design of a pragmatic cluster randomized trial 2020-01, American heart journal IF:3.7Q1 DOI:10.1016/j.ahj.2019.10.007 PMID:31710842	研究论文	本研究旨在通过一项实用的集群随机试验，评估一种基于深度学习的AI筛查工具在初级保健实践中检测低射血分数的有效性	首次在真实世界初级保健实践中前瞻性评估AI驱动的ECG筛查工具，用于检测无症状低射血分数，并整合到电子健康记录中实现自动筛查	试验仅限于明尼苏达州和威斯康星州的48个初级保健诊所，可能无法完全代表其他地区或医疗环境，且依赖电子健康记录数据，未直接接触患者	评估AI筛查工具在初级保健中检测低射血分数的临床有效性和实施价值	初级保健诊所的临床团队、约400名临床医生和20,000名患者，特别是接受ECG检查且未被诊断为低射血分数的成人	机器学习	心血管疾病	深度学习算法，12导联心电图	深度学习算法	心电图数据，电子健康记录数据	约20,000名患者，涉及48个初级保健诊所和400名临床医生	NA	NA	新发现的射血分数≤50%	NA
1987	2026-01-05	CUSP: Complex spike sorting from multi-electrode array recordings with U-net sequence-to-sequence prediction 2026-Feb, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2025.110631 PMID:41265572	研究论文	本文介绍了一种名为CUSP的深度学习框架，用于从高密度多电极阵列记录中自动检测和分类小脑浦肯野细胞中的复杂峰电位	提出了一种结合U-Net架构与混合自注意力inception模块的序列到序列预测方法，能够整合局部场电位和动作电位信号，并实现对复杂峰电位事件的概率输出，在波形变异性和电极漂移下仍保持鲁棒性	未明确提及模型在非灵长类动物或不同脑区记录中的泛化性能，也未讨论计算资源需求或实时处理能力	开发一个自动化、可扩展的框架，用于准确检测和分类小脑浦肯野细胞中的复杂峰电位，以研究神经信息编码	恒河猴小脑神经像素记录中的浦肯野细胞复杂峰电位和简单峰电位	机器学习	NA	高密度多电极阵列记录	U-Net	神经电生理信号序列	基于恒河猴小脑神经像素记录的训练数据，具体样本数量未明确说明	NA	U-Net with hybrid self-attention inception blocks	F1分数	NA
1988	2026-01-05	[Application and research progress of artificial intelligence in the diagnosis and treatment of rare lung diseases] 2026-Jan-12, Zhonghua jie he he hu xi za zhi = Zhonghua jiehe he huxi zazhi = Chinese journal of tuberculosis and respiratory diseases DOI:10.3760/cma.j.cn112147-20250728-00445 PMID:41483922	综述	本文系统回顾了人工智能在罕见肺病诊断与治疗中的应用与研究进展	综述了从传统机器学习到深度学习、强化学习、迁移学习等多种AI技术在罕见肺病领域的综合应用，并强调了AI在疾病分类、治疗评估和预后预测中的潜在益处	NA	探讨人工智能技术在罕见肺病早期识别、精准诊断和个性化管理中的应用机会	特发性肺纤维化、囊性纤维化、特发性肺动脉高压等罕见肺病	机器学习	肺病	NA	深度学习, 强化学习, 迁移学习	NA	NA	NA	NA	NA	NA
1989	2026-01-05	Impact of image processing techniques on deep learning-based classification accuracy of cervical vertebral maturation 2026-Jan-04, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00887-2 PMID:41484816	研究论文	本研究探讨了不同图像处理技术对深度学习模型在颈椎成熟度分类中准确性的影响	通过引入低密度图像和多种标注技术（标准标注、低密度标注、双色标注），显著提升了基于AlexNet架构的卷积神经网络在颈椎成熟度分类中的性能	数据集规模相对较小（799张头影测量X光片），且仅基于单一模型架构（AlexNet）进行评估，可能限制了结果的泛化能力	研究图像处理技术对深度学习模型在颈椎成熟度分类准确性的影响	头影测量X光片中的第二至第四颈椎（C2-C4）区域	计算机视觉	骨科相关疾病	图像处理技术（包括低密度处理、区域标注）	CNN	图像	799张头影测量X光片（641张用于训练，158张用于测试）	Neural Network Console	AlexNet	分类准确率	NA
1990	2026-01-05	A Deep Learning-Enabled Ionogram Dataset for Detection and Classification of Low-latitude Spread-F Phenomena 2026-Jan-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06493-5 PMID:41484136	研究论文	本文介绍了一个用于检测和分类低纬度Spread-F现象的开源深度学习离子图数据集	首次公开了专家指导的离子图数据集，覆盖最全面的类别、最大数据量和最长的时间跨度	NA	解决离子图Spread-F分类依赖人工解释的低效和主观性问题	低纬度Spread-F现象	计算机视觉	NA	离子图分析	CNN	图像	150,000张离子图（每类30,000张，包括非SF组）	NA	SA-ResNet50	NA	NA
1991	2026-01-05	Memory-efficient full-volume inference for large-scale 3D dense prediction without performance degradation 2026-Jan-03, Communications engineering DOI:10.1038/s44172-025-00576-2 PMID:41484251	研究论文	本文提出了一种无需重新训练即可实现大规模3D密集预测的推理优化框架，旨在解决内存限制和低效算子执行问题	通过集成算子空间分块、算子融合、归一化统计聚合和按需特征重计算，实现了全尺寸体积推理且无性能损失，相比传统方法显著提升了处理体积大小	未明确提及框架在非地震勘探模型或其他工业领域的泛化性能验证细节	优化大规模3D密集预测的推理过程，以支持全尺寸体积输入并保持性能	3D密集预测模型，特别是地震勘探和医学图像分割应用	计算机视觉	NA	深度学习推理优化	NA	3D体积数据（如地震数据、医学图像）	NA	NA	NA	推理时间、内存使用量、体积大小处理能力	未明确指定，但提及在1024体积上使用27.6 GB内存完成推理
1992	2026-01-05	Explainable judgment prediction and article-violation analysis using deep LexFaith hierarchical BERT model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32833-x PMID:41484298	研究论文	本研究提出了一种名为LexFaith-HierBERT的深度模型，用于预测法律违规行为并分析具体违反的条款，以提高法律文档分析的透明度和可解释性	提出了一种结合分层BERT编码器、关系推理头和忠实感知注意力机制的新架构，能够捕获令牌间和令牌内的依赖关系，提供更深层的上下文理解	未明确提及模型在处理多语言或跨司法管辖区法律文档时的泛化能力限制	预测法律违规行为并识别具体违反的法律条款，以增强法律文档分析的准确性和透明度	法律文档	自然语言处理	NA	深度学习	BERT	文本	NA	NA	分层BERT	准确率, 微平均F1分数	NA
1993	2026-01-05	Gallbladder disease diagnosis from ultrasound using squeeze-and-excitation capsule network with convolutional bidirectional long short-term memory 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32978-9 PMID:41484311	研究论文	本文提出了一种结合特征工程的混合深度学习模型HDLMFE-ADGDT，用于从超声图像中准确诊断胆囊疾病类型	提出了一种新颖的混合深度学习模型，整合了非局部均值滤波、Squeeze-and-Excitation胶囊网络和CNN-BiLSTM架构，用于胆囊疾病的超声图像分类	未提及模型在外部验证集或临床环境中的泛化能力，也未讨论计算复杂度或实时诊断的可行性	开发一种有效的基于深度学习的胆囊疾病分类方法，以辅助早期诊断	胆囊疾病患者的超声图像	计算机视觉	胆囊疾病	超声成像	CNN, BiLSTM, Capsule Network	图像	NA	NA	Squeeze-and-Excitation Capsule Network, CNN-BiLSTM	准确率, 精确率, 灵敏度, 特异性	NA
1994	2026-01-05	Differential privacy for medical deep learning: methods, tradeoffs, and deployment implications 2026-Jan-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02280-z PMID:41484344	综述	本文是一篇关于医学深度学习（DL）中差分隐私（DP）应用的范围综述，总结了在集中式和联邦式设置下的方法、权衡及部署影响	系统性地综述了DP在医学DL中的应用，识别了公平性审计和标准化方面的关键差距，并提出了促进公平、临床稳健的隐私保护DL的优先事项	纳入研究中对隐私参数的报告不一致，且只有少数研究评估了公平性	探讨差分隐私在医学深度学习中的应用，分析其方法、性能权衡及部署影响，以促进敏感患者数据的保护	医学深度学习模型及其在保护患者隐私方面的应用	机器学习	NA	差分隐私（DP），包括DP-SGD、生成建模、本地DP和混合联邦设计	深度学习模型	多模态医学数据（如图像）	基于74项符合条件的研究（截至2025年3月发表）	NA	NA	准确性、公平性（子组性能差距）	NA
1995	2026-01-05	Deterministic nowcasting of geostationary satellite infrared brightness temperature using 3D U-Net diffusion model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34207-9 PMID:41484451	研究论文	本文提出了一种结合去噪扩散概率模型与3D U-Net的生成建模方法，用于对地静止卫星红外亮度温度进行确定性临近预报	首次将去噪扩散概率模型与3D U-Net架构耦合，用于卫星红外亮度温度的临近预报，相比传统外推和深度学习基线模型，在预测精度和结构保真度方面均有显著提升	模型在超过2小时预报时效后优势有所减弱，尽管增益仍然明显	开发一种更准确、结构更保真的卫星红外亮度温度临近预报方法	对地静止卫星观测的红外亮度温度数据	计算机视觉	NA	卫星红外观测	扩散模型, 3D U-Net	图像序列	使用SEVIRI观测数据，并在2022年7月至9月的独立测试集上进行评估	NA	3D U-Net	SSIM, CRPS, MAE, 相关性	NA
1996	2026-01-05	Classification of pulmonary diseases using machine learning and deep learning models on GLI-2012 standardized spirometry features 2026-Jan-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03335-7 PMID:41484760	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1997	2026-01-05	Molecular and multimodal biomarkers in Moyamoya disease: from pathogenic mechanisms to clinical translation 2026-Jan-03, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03769-9 PMID:41484923	综述	本文综述了烟雾病分子和多模态生物标志物的研究进展，涵盖从致病机制到临床转化的各个方面	系统整合了基因组学、蛋白质组学、代谢组学、非编码RNA、外泌体生物标志物以及人工智能增强的神经影像学标志物，并提出了超越单组学范式的多维整合框架	当前临床可用的生物标志物仍然有限，缺乏足够的敏感性和特异性来预测疾病发作、进展或治疗反应	总结烟雾病生物标志物的最新研究进展，并探讨其向临床精准诊断和个体化治疗转化的路径	烟雾病	数字病理学	烟雾病	基因组学, 转录组学, 蛋白质组学, 代谢组学, 神经影像学	深度学习	影像数据, 分子数据	NA	NA	NA	诊断准确率	NA
1998	2026-01-05	Diagnostic accuracy of deep learning using ultra-widefield fundus imaging for retinal detachment: a systematic review and meta-analysis 2026-Jan-03, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-04605-8 PMID:41485001	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1999	2026-01-05	Genome-wide association study reveals genetic architecture and evolution of human retinal pigmentation 2026-Jan-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw7768 PMID:41477839	研究论文	本研究开发了一个深度学习框架DeepGRP，用于从高分辨率眼底图像量化视网膜色素沉着，并通过全基因组关联研究揭示了其遗传结构和进化基础	首次开发了深度学习框架DeepGRP来量化视网膜色素沉着，并发现了26个新的遗传位点，揭示了视网膜色素上皮和光感受器细胞的关键作用，以及欧洲人群中的多基因适应证据	研究主要基于欧洲人群，可能限制了结果的普适性；深度学习模型的泛化能力未在多样化人群中充分验证	探究人类视网膜色素沉着的遗传结构和进化基础	人类视网膜色素沉着	计算机视觉	NA	全基因组关联研究（GWAS）、单核转座酶可及染色质测序（ATAC-seq）、RNA测序	深度学习	高分辨率眼底图像	NA	NA	DeepGRP	NA	NA
2000	2026-01-05	A structure-process hydrological connectivity framework for estuarine wetland management: Case study of a typical Estuary in Northern China 2026-Jan-02, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2025.128477 PMID:41483761	研究论文	本文提出了一种适用于河口湿地管理的结构-过程水文连通性框架，并以中国北方典型河口为例进行了应用分析	开发了一种广泛适用的双结构-过程框架，首次将结构连通性（通过深度学习和多维地貌水文参数量化）与过程连通性（基于概率的“源-汇”模型评估）动态结合，揭示了二者在湿地恢复中的异步性	案例研究仅聚焦于中国北方辽河口，框架在其他地理和气候条件下的普适性有待进一步验证	建立一种综合评估河口湿地水文连通性的框架，以支持湿地生态系统的适应性管理	河口湿地生态系统，特别是潮汐河道网络的水文连通性	环境科学与生态学	NA	深度学习，多维地貌与水文参数分析，概率模型	深度学习模型	地理空间数据，水文数据	中国北方辽河口区域	NA	NA	结构连通性增加百分比（39%），过程连通性增加百分比（11.2%）	NA