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	2026-08-17	Toward accurate prediction of apple firmness and brix across countries, seasons and cultivars with hyperspectral imaging 2026, Discover food DOI:10.1007/s44187-026-01072-y PMID:42602185	研究论文	本研究利用多品种、多季节、多国家的高光谱苹果数据集，结合深度学习模型（特别是Vision Transformer）实现苹果可溶性固形物含量（Brix）和硬度的非破坏性预测。	首次构建包含多品种、多季节、多国家的大型高光谱苹果数据集，并采用迭代建模框架系统评估不同深度学习架构、图像分辨率、品种编码和季节影响，同时进行波长和空间区域重要性分析，实现跨生产条件的鲁棒预测。	Brix预测精度相对较低，可能受数据集内增加的生物和环境变异影响；模型预测性能受季节特异性限制；空间区域对Brix预测不重要，但仅对硬度有相关性。	开发一种基于高光谱成像和深度学习的方法，实现苹果Brix和硬度的准确、非破坏性预测，并验证其跨国家、季节和品种的泛化能力。	苹果样品，涵盖多个品种、季节和国家。	计算机视觉	NA	高光谱成像	Vision Transformer (ViT)	高光谱图像	多品种、多季节、多国家的大型高光谱苹果数据集，具体样本数量未在摘要中提供。	PyTorch	Vision Transformer (ViT)	RMSE, R²	未在摘要中明确指定
1982	2026-08-17	Q-TriLSTM-Vision: a quantum-interference- augmented tri-stream LSTM for multi-label plant stress recognition on the OLID-I benchmark 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1903924 PMID:42602219	研究论文	提出了一种名为Q-TriLSTM-Vision的新型混合深度学习框架，用于多标签植物胁迫识别，在OLID-I等基准数据集上取得了优异性能	创新性地将量子启发的干涉门机制与三流LSTM和EfficientNet-B0结合，干涉机制完全使用经典神经操作实现，无需量子硬件；引入纠缠启发的注意力融合模块和多种类别不平衡处理策略	文中未明确提及局限性	解决现有深度学习模型在植物胁迫识别中难以捕捉复杂空间依赖、区分视觉相似症状和应对类别不平衡的问题，提供高效可靠的智能识别方案	植物胁迫识别，包括疾病、虫害和营养缺乏症状，涉及OLID-I、PlantVillage和PlantDoc数据集中的植物图像	计算机视觉	植物病害	图像分类	LSTM、EfficientNet	图像	OLID-I、PlantVillage和PlantDoc三个基准数据集，具体样本数量未明确	NA	EfficientNet-B0、三流LSTM、量子启发干涉门、纠缠启发注意力融合模块	Macro-F1分数、汉明损失、召回率	NA
1983	2026-08-17	Application of a deep learning-based system for eyelid margin signs identification training and testing in dry eye disease education 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1896446 PMID:42602288	研究论文	本研究开发了一个基于深度学习的眼睑缘体征识别交互式教学平台，并评估其在干眼病教育中的有效性，结果显示平台学习组在识别异常眼睑缘体征方面表现优于传统学习组	首次将深度学习模型整合到眼睑缘体征的教学平台中，提供实时反馈，弥补传统教学方法反馈不足的问题	样本量较小（仅40名医学生），研究周期短，未评估长期学习效果，且平台适用范围可能有限	开发并评估基于深度学习的交互式教学平台对医学生识别眼睑缘体征（特别是睑板腺开口堵塞）能力的影响	40名北京健康科学中心的医学生，包括本科生和研究生	医学教育	干眼病	深度学习	深度学习模型	图像	40名医学生（平台组21人，常规组19人）	NA	NA	准确率、总分	NA
1984	2026-08-17	UNKAI: A Protein Functional Identity Prediction Model Based on ESM-C Latent Representations and the Attention Mechanism 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0206 PMID:42602309	研究论文	本文开发了一种基于ESM-C潜在表示和注意力机制的深度学习模型UNKAI，用于预测两种蛋白质是否催化相同的酶促反应	利用ESM-C蛋白质语言模型的潜在表示，并结合注意力机制，无需手动特征工程，且能自主识别催化残基等生物关键位点，提高了预测准确性和可解释性	摘要中未提及，输出NA	预测两种蛋白质是否催化相同的酶促反应，以改进蛋白质功能预测的准确性和可解释性	蛋白质序列及其功能特性	机器学习	NA	蛋白质语言建模	注意力机制增强的神经网络	蛋白质序列	摘要中未提供具体样本数量，输出NA	NA	ESM-C与注意力机制结合	准确率，以及超越现有方法的性能比较	NA
1985	2026-08-17	Artificial intelligence in pediatric arrhythmias: current landscape, unique challenges, and translational perspectives 2026, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2026.1932796 PMID:42602689	综述	本文综述了人工智能在儿科心律失常检测、风险分层和管理中的当前应用、方法学严谨性、临床准备度及转化挑战	系统评估了AI在儿科心律失常中的独特挑战，包括数据稀缺、缺乏前瞻性外部验证、可解释性不足以及成人训练算法在儿童中的不适用性	大多数已发表工具仍是未经前瞻性验证的回顾性概念验证，且算法仅分析孤立的ECG波形，无法替代包含病史、家族筛查、遗传学和多模态诊断的整体临床评估	批判性评估AI在儿科心律失常检测、风险分层和管理中的当前证据、方法学严谨性、临床准备度及转化挑战	儿科心律失常患者，包括WPW综合征、长QT综合征和新生儿心动过缓等特定电表型	机器学习，深度学习，自然语言处理，数字病理学	儿科心律失常，沃尔夫-帕金森-怀特综合征，长QT综合征，新生儿心动过缓	心电图，机器学习，深度学习，大语言模型，可穿戴传感器	机器学习，深度学习，大语言模型	心电图波形，临床数据，多模态诊断数据	不适用	不适用	不适用	诊断性能，错误率，可重复性，假警报	不适用
1986	2026-08-17	Determinants of ascending aortic morphology: cross-sectional deep learning-based analysis on 25 073 non-contrast-enhanced NAKO MRI studies 2025-04-30, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf081 PMID:40052574	研究论文	基于25,073例非对比增强NAKO MRI研究，通过深度学习自动表征升主动脉形态，并探讨其中段直径的决定因素。	首次在大规模流行病学队列中应用深度学习结合因果分析（Peter-Clark算法）来分离升主动脉直径的相关性和潜在因果关系，超越了传统统计方法。	NA, 未在摘要中明确说明局限性。	自动表征升主动脉形态，并确定升主动脉中段直径的可能决定因素。	来自德国国家队列的25,073例非对比增强磁共振血管成像（NC-MRA）数据。	计算机视觉、机器学习、数字病理学（注：数字病理学不相关，应改为心血管影像学）	心血管疾病	磁共振成像（MRI），非对比增强磁共振血管成像（NC-MRA）	深度学习分割模型（具体类型未指定，可能为U-Net等）	3D医学影像（MRI）	25,073例非对比增强MRI研究	NA	NA（可能为U-Net，但未指定）	r²值、P值、均值±标准差	NA
1987	2026-08-17	Improved diagnosis of arrhythmogenic right ventricular cardiomyopathy using electrocardiographic deep learning 2025-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.08.030 PMID:39168295	研究论文	开发并验证了一种基于心电图深度学习的工具，用于改善致心律失常性右心室心肌病的诊断	首次利用深度学习模型从心电图中自动诊断ARVC，性能达到专家水平，并能区分真正的ARVC与表型模拟者及风险家庭成员	研究可能受限于单中心开发、回顾性设计，以及外部验证队列中ARVC患病率较低	开发和验证一种心电图深度学习工具用于ARVC诊断，以提高诊断准确性和可及性	ARVC患者和疑似患者的心电图数据，包括基因变异携带者	机器学习	致心律失常性右心室心肌病	心电图	深度学习模型	心电图数据	开发队列551例，测试队列137例，外部验证队列167例	NA	NA	c-statistic	NA
1988	2026-08-17	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	提出TACIT，一种基于预定义特征的无监督算法，用于多组学空间数据的细胞类型和状态注释，无需训练数据	使用无偏阈值区分阳性细胞与背景，针对多组学测定中的模棱两可细胞，无需训练数据，实现高准确性和可扩展性	未明确提及局限性	开发一种可扩展的无监督算法，利用预定义特征自动注释空间生物学中的细胞类型和状态，以克服泛化难题	来自大脑、肠道和腺体三个生态位的五种数据集，共500万个细胞和51种细胞类型	数字病理学	炎症性腺体疾病	空间转录组学和蛋白质组学	无监督算法	空间转录组和蛋白质组数据	五个数据集，共500万个细胞，51种细胞类型	NA	NA	准确性、可扩展性	NA
1989	2026-08-17	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	开发了一种名为TACIT的无监督算法，用于空间生物学中细胞类型和状态的去卷积注释，无需训练数据，并验证其在多组学数据中的准确性和可扩展性。	TACIT算法创新性地采用无监督学习，利用预定义特征签名和基于无偏阈值的方法区分阳性细胞与背景，无需训练数据即可在多组学检测中识别模糊细胞。	摘要未明确提及局限性。	解决空间生物学中细胞类型和状态识别的耗时和易错问题，提高注释的准确性和可扩展性。	来自脑、肠道和腺体三种微环境的五个数据集，包含约5百万个细胞和51种细胞类型。	数字病理学	炎症性腺体疾病	空间转录组学和蛋白质组学	无监督学习算法	空间多组学数据（包括转录组和蛋白质组）	五个数据集，约5百万个细胞，51种细胞类型。	未指定	未指定	准确性、可扩展性	未指定
1990	2026-08-17	CovMediScanX: A medical imaging solution for COVID-19 diagnosis from chest X-ray images 2024-06, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.03.046 PMID:38594085	研究论文	提出CovMediScanX框架，利用深度学习从胸部X光图像中快速自动诊断COVID-19	开发了自定义CNN模型，并在独立数据集上评估，该数据集来自与训练数据不同的扫描机器，以验证泛化能力	模型对正常病例的检测性能较低，在独立数据上的总体性能需改进，可能存在数据偏差	开发一种基于深度学习的框架，用于从胸部X光图像中自动诊断COVID-19	胸部X光图像	计算机视觉, 数字病理学	COVID-19	医学影像分析	卷积神经网络（CNN）	图像（胸部X光）	未指定具体数量，但包括训练数据集和独立测试数据集	未指定	自定义CNN，预训练模型，混合迁移学习模型	准确率, 精确率, 召回率	未指定
1991	2026-08-17	Advances in Clinical Care with Contemporary Cardiac SPECT 2024-06, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.02.024 PMID:38553298	综述	综述了当代心脏SPECT成像在临床实践中的最新进展和应用	涵盖了数字SPECT技术、超低剂量成像、深度学习算法、无源发射衰减校正、心肌血流定量等最新技术，并展示了其在多种心脏疾病管理中的新应用	未提供具体的研究数据或实验结果，可能缺乏对技术细节和临床效能的深入分析	总结和展示当代心脏SPECT成像在临床护理中的最新进展和实际应用	心脏SPECT成像技术及其在心肌灌注、心肌血流、淀粉样心肌病、心脏移植血管病变、肺动脉高压等临床场景中的应用	医学影像	心血管疾病	SPECT	深度学习算法	影像数据	NA	NA	NA	NA	NA
1992	2026-08-17	Lung Transplantation Advanced Prediction Tool: Determining Recipient's Outcome for a Certain Donor 2022-10-01, Transplantation IF:5.3Q1 DOI:10.1097/TP.0000000000004131 PMID:35389371	研究论文	开发了一个综合性的肺移植风险预测工具，整合受体、供体和移植相关因素，提供短期和长期生存概率以指导受体-供体匹配。	结合多种受体、供体和移植因素，使用机器/深度学习方法建立风险评分模型，并开发交互式网络工具，提供短期和长期生存预测。	未提及具体限制，但可能包括数据来源的局限性和模型的外部验证不足。	开发一个全面的模型来指导肺移植中的受体-供体匹配，改善供体利用和患者预后。	肺移植受体及其匹配的供体和移植相关因素。	机器学习和预测建模	终末期肺病	NA	Cox比例风险模型	临床数据（UNOS注册数据）	15124例双肺移植受体（2005-2020年），其中推导队列10660例，验证队列4464例	未明确指定，但可能使用R或Python中的相关库	Lasso变量选择结合Cox比例风险模型	C统计量	未提及
1993	2026-08-17	Prot2Prot: a deep learning model for rapid, photorealistic macromolecular visualization 2022-09, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-022-00471-4 PMID:36008698	研究论文	Prot2Prot是一个深度学习模型，用于快速生成逼真的分子可视化图像，模仿高级计算机图形程序的渲染风格。	首次将图像到图像的转换应用于大分子可视化，显著减少了渲染时间，并能在网页浏览器中运行。	未提及具体限制，但可能受限于输入表示的简化和模型对特定风格的依赖。	开发一个快速、逼真的大分子可视化工具，以简化分子场景设置和渲染过程。	大分子结构，包括蛋白质等生物大分子。	深度学习	NA	深度学习	图像到图像转换模型（生成对抗网络或类似）	图像	未提及具体样本数量	NA	图像到图像转换架构（例如，基于U-Net或生成对抗网络）	图像相似度（未明确指定，可能包括视觉比较或定量指标）	网页浏览器运行，无需高性能GPU，具体资源未提及
1994	2026-08-17	Protein tertiary structure prediction and refinement using deep learning and Rosetta in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26194 PMID:34331359	研究论文	本文介绍了在CASP14中利用深度学习与Rosetta进行蛋白质三级结构预测和优化的方法，通过引入语言模型嵌入和模板信息，并开发了基于DeepAccNet的优化流程，显著提升了预测性能。	创新点在于将语言模型嵌入和基于序列相似性加权的模板信息作为输入，结合DeepAccNet精度预测器指导的模板自由和模板利用版本trRosetta模型的组合优化流程，提高了预测速度和资源效率。	限制在于优化改进相对有限，部分原因在于缺失结构域间或链间接触信息，导致高分辨率优化效果不显著。	旨在改进trRosetta蛋白质结构预测方法，提高预测精度和效率，并开发有效的优化流程。	研究对象是蛋白质三级结构，涉及CASP14中的目标蛋白质。	机器学习和结构生物学	不适用	深度学习，语言模型嵌入，模板信息加权，Rosetta	深度学习网络（如trRosetta），精度预测器DeepAccNet	蛋白质序列和模板信息	CASP14中的多个目标蛋白质，具体数量未在标题和摘要中提及。	未明确提及，可能涉及TensorFlow或PyTorch等，但未在摘要中说明。	trRosetta（残基间距离和方向预测），DeepAccNet	预测精度（如TM-score，GDT），计算时间（中位数<3小时），资源消耗	计算资源较少，完成整个建模过程的中位时间少于3小时，但具体GPU类型等未提及。
1995	2026-08-17	Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram 2021-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-021-01264-7 PMID:34711971	研究论文	本文提出Tangram方法，将单细胞/单核RNA测序数据与多种空间转录组数据（如MERFISH、STARmap等）对齐，以在单细胞分辨率下构建全基因组空间图谱	创新性地提出一种通用的空间转录组对齐算法，能处理包括多模态数据在内的多种单细胞数据，并首次将染色质可及性数据映射到空间模式	方法依赖于同一区域的空间数据，且对数据质量和分辨率有较高要求，可能限制其在低质量数据上的应用	开发一种计算方法，将单细胞转录组数据与空间转录组数据整合，以在单细胞分辨率下绘制组织器官的生物学图谱	小鼠大脑（视觉和躯体运动区域）的组织样本	机器学习	不适用	单细胞/单核RNA测序、MERFISH、STARmap、smFISH、空间转录组学（Visium）、SHARE-seq	概率对齐模型	基因表达数据、空间转录组数据、组织学图像	小鼠大脑组织（具体样本数未提及）	PyTorch	嵌入层、线性层（具体架构未详细描述）	准确度、相关性、F1分数	未提及
1996	2026-08-17	Limits of trust in medical AI 2020-07, Journal of medical ethics IF:3.3Q1 DOI:10.1136/medethics-2019-105935 PMID:32220870	研究论文	本文探讨医学人工智能中信任的局限性，认为AI系统可以被依赖但不具备可信赖性，可能导致临床实践中信任缺失	从哲学角度分析AI在医学中的信任问题，提出AI可依赖但不可信任的观点	未提供实证数据或具体案例支持，仅基于理论论证	探讨医学AI对临床实践中信任关系的影响	医学人工智能系统及其在临床实践中的应用	医学人工智能	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用
1997	2026-08-17	Paired cycle-GAN-based image correction for quantitative cone-beam computed tomography 2019-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.13656 PMID:31206709	研究论文	提出了一种基于配对循环GAN的图像校正方法，用于定量锥形束计算机断层扫描，以提高CBCT图像质量。	将残差块概念整合到循环一致对抗网络（cycle-GAN）框架中，实现CBCT到CT图像的端到端转换，并通过逆变换约束模型，提升校正精度。	研究仅评估了脑部和骨盆的少量患者数据，可能缺乏泛化性；未提及计算资源消耗或临床应用中的实际挑战。	开发一种基于深度学习的方法，生成高质量校正CBCT图像，使其与计划CT图像质量相当，以支持定量自适应放射治疗。	脑部和骨盆的锥形束CT图像及其对应的计划CT图像。	计算机视觉	肿瘤（脑部和骨盆肿瘤）	CBCT成像	Cycle-GAN	图像（3D CT图像）	24组脑部患者数据和20组骨盆患者数据	未提及，可能使用深度学习框架如PyTorch或TensorFlow	残差块全卷积神经网络（作为生成器），配套判别器（未具体指定）	平均绝对误差（MAE）、峰值信噪比（PSNR）、归一化互相关（NCC）、空间非均匀性（SNU）	未提及（输出NA）
1998	2026-08-17	Shading artifact correction in breast CT using an interleaved deep learning segmentation and maximum-likelihood polynomial fitting approach 2019-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.13599 PMID:31102462	研究论文	提出一种交错深度学习分割与最大似然多项式拟合方法，用于校正乳腺CT中的阴影伪影并提高亨氏单位准确性	采用交错迭代的分割和低阶多项式拟合方法校正阴影伪影，无需硬件修改或扫描协议变更，且网络参数开放获取	摘要未明确提及局限性	提高乳腺CT图像分割的鲁棒性和准确性，并通过后处理校正低频谱阴影伪影，从而改善亨氏单位准确性	乳房CT体积数据集、患者扫描、数学和物理体模	医学图像分析	乳腺癌	CT成像	CNN（卷积神经网络）	CT图像	45621张冠状CT图像，来自111个患者体积数据集	NA	U-Net（修改版）	Dice相似系数、精确率、召回率、F1分数	NA
1999	2026-08-17	Technical Note: Design and implementation of a high-throughput pipeline for reconstruction and quantitative analysis of CT image data 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13401 PMID:30677145	技术报告	本文章描述了一种用于CT图像数据重建和定量分析的高通量计算流水线的设计与实现。	提出了一个开源的高通量计算流水线框架，能够高效地进行大规模CT图像的定量分析，并通过GPU队列和模块化设计加速数据处理。	由于摘要中未提及，未明确说明局限性，可能包括对特定类型图像数据的适用性或计算资源需求等。	建立一种高效、广泛可用的计算流水线，以支持大规模CT图像的定量分析研究。	142名受试者的肺部筛查队列，用于演示流水线的效率。	医学影像分析	肺部疾病（如肺气肿）	CT成像	NA	CT图像数据	142名受试者的肺部筛查队列，每个队列36种不同参数配置，共5112个重建数据集。	NA	NA	处理时间（约10天，72倍加速）、分割和肺气肿评分质量。	GPU（图形处理单元）用于重建，集群处理用于分析。
2000	2026-08-17	Combining handcrafted features with latent variables in machine learning for prediction of radiation-induced lung damage 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13497 PMID:30891794	研究论文	本文研究并比较了传统机器学习方法和深度学习方法在放疗结果预测中的应用，提出了一种基于变分自编码器的联合架构，用于预测放射性肺损伤。	提出了一种将手工特征选择与VAE-MLP联合架构结合的新方法，利用隐变量补充手工特征，显著提高预测性能。	数据集规模有限（106例患者），且仅基于单中心数据，模型泛化性需进一步验证。	探索结合传统机器学习和深度学习方法，以解决放疗毒副作用建模中变量多而样本少的问题，提高放射性肺炎预测准确性。	106例接受放疗的非小细胞肺癌患者，其中22例发生2级及以上放射性肺炎。	医学影像分析, 机器学习	肺癌	NA	随机森林, 支持向量机, 多层感知机, 变分自编码器	表格数据（临床特征和生物标志物）	106例非小细胞肺癌患者	NA	VAE-MLP联合架构	AUC	NA