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
2021	2026-03-10	Deep Learning-Based Automated Echocardiographic Measurements in Pediatric and Congenital Heart Disease 2026-Feb-09, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.06.26345782 PMID:41728295	研究论文	本研究开发了一个名为EchoFocus-Measure的AI平台，用于自动从儿科和先天性心脏病患者的超声心动图研究中提取定量和定性参数	扩展了多任务、视图无关的PanEcho架构，并引入了研究级Transformer来优先处理具有诊断信息的视图，从而在儿科和先天性心脏病超声心动图的全面自动化测量方面取得了进展	外部验证中定性指标的AUROC表现相对一般（0.73-0.86），且研究主要基于特定医院的数据，可能在不同医疗环境中的泛化能力有待进一步验证	开发一个AI平台，以在全球范围内提供专家级别的超声心动图测量精度和标准化，特别是在资源有限和农村地区	儿科和先天性心脏病患者的超声心动图研究	计算机视觉	先天性心脏病	超声心动图	Transformer, 深度学习模型	视频	内部队列包括来自217,435次超声心动图的1,140万段视频（60,269名患者），外部验证包括来自3,096次超声心动图的289,613段视频（2,506名患者）	NA	PanEcho, Transformer	中位绝对误差, AUROC	NA
2022	2026-03-10	Technological Advancements in Cranial and Spinal Navigation in the Past 30 Years: A Detailed Patent Bibliometric Analysis 2026-Feb, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.124779 PMID:41482266	研究论文	本文通过专利文献计量学分析，系统回顾了过去30年颅脑和脊柱导航技术的技术发展历程	首次采用专利文献计量学框架系统探索颅脑和脊柱导航领域的技术发展，并量化科学出版物对专利的影响	研究主要基于前向引用次数筛选专利，可能忽略其他重要但引用较少的专利；数据来源限于Lens数据库	评估颅脑和脊柱导航领域的技术创新趋势和知识产权发展	颅脑和脊柱导航技术相关的专利和科学出版物	医学工程	神经系统疾病	专利文献计量学分析	NA	专利记录和科学出版物	714项相关专利，其中100项高引用专利；近15,000篇科学出版物，其中1,107篇被专利引用	NA	NA	前向引用次数	NA
2023	2026-03-10	Ab initio prediction of RNA structure ensembles with RNAnneal 2026-Feb-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.01.703098 PMID:41659490	研究论文	介绍了一种名为RNAnneal的方法，用于预测RNA结构集合，该方法结合了生成式深度学习、统计物理学和分子动力学建模	RNAnneal首次将生成式深度学习与统计物理学和分子动力学建模无缝集成，用于RNA结构集合的从头预测，并引入了交互熵作为构象异质性的度量	对于包含假结（PK-comprising）的结构，性能仍有改进空间	预测RNA结构集合，以加速RNA靶向药物发现和功能性RNA分子设计	RNA分子，特别是核糖开关RNA的实验解析构象	机器学习	NA	生成式深度学习，统计物理学，分子动力学建模	深度学习模型	RNA序列	16个实验解析的核糖开关RNA构象	NA	NA	RNAnneal评分，Rosetta评分，RNA力场分类性能	NA
2024	2026-03-10	A dataset and benchmark of carbonate thin-section images for deep learning 2026-Jan-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06633-5 PMID:41605971	研究论文	本文介绍了DeepCarbonate数据集，这是一个用于深度学习碳酸盐岩薄片图像分析的标准化基准数据集	提出了首个经过专家清理和标准化的大规模公开碳酸盐岩薄片图像数据集，并提供了分层分类和标准化实验设置	数据集主要来源于特定地质层位和地区，可能无法完全代表全球碳酸盐岩的多样性	为碳酸盐岩薄片图像分析提供可重复和公平的深度学习模型比较基准	碳酸盐岩薄片图像	计算机视觉	NA	薄片图像分析	CNN	图像	包含22个岩性类别的图像，具体数量未在摘要中明确说明	PyTorch	ResNet, VGG, DenseNet, MobileNet, EfficientNet	NA	使用CUDA加速的GPU，具体型号未在摘要中明确说明
2025	2026-03-10	GaitDynamics: a generative foundation model for analyzing human walking and running 2026-Jan-05, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01565-8 PMID:41491893	研究论文	本文介绍了GaitDynamics，一个用于分析人类行走和跑步的生成式基础模型，能够灵活处理输入输出并应用于临床场景	开发了基于大规模多样化步态数据训练的生成式基础模型，支持灵活输入输出，克服了现有模型数据量小、输出单一的限制	未明确说明模型在极端或病理步态条件下的泛化能力，以及计算资源需求的具体细节	通过深度学习模型分析人类步态动力学，以替代昂贵的实验室实验和物理模拟，促进人类移动能力	人类行走和跑步的步态模式，包括运动学和动力学数据	机器学习	NA	深度学习	生成式基础模型	运动学数据（如关节角度）、动力学数据（如地面反作用力）	大规模多样化步态数据集（具体数量未在摘要中说明）	NA	NA	准确性	NA
2026	2026-03-10	Predicting Primary Graft Dysfunction in Systemic Sclerosis Lung Transplantation Using Machine-Learning and CT Features 2025-Jul, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70217 PMID:40552679	研究论文	本研究利用机器学习和CT特征预测系统性硬化症患者肺移植后的原发性移植物功能障碍	首次在系统性硬化症肺移植患者中，结合深度学习自动提取的CT图像特征和多种机器学习算法预测原发性移植物功能障碍	样本量相对较小（92名患者），且为单中心回顾性研究，可能存在选择偏倚	预测系统性硬化症患者肺移植后的原发性移植物功能障碍	92名接受双侧肺移植的系统性硬化症患者	数字病理学	系统性硬化症	CT扫描，深度学习算法	逻辑回归, SVM, 随机森林, MLP	CT图像	92名系统性硬化症肺移植患者	未明确指定	多层感知机	AUROC	NA
2027	2026-03-10	CPDMS: a database system for crop physiological disorder management 2025-04-22, Database : the journal of biological databases and curation DOI:10.1093/database/baaf031 PMID:40261733	研究论文	本研究开发了一个用于收集番茄作物生理障碍实时图像的系统，并构建了一个包含多种胁迫条件下番茄图像的大型数据库	开发了一个系统化收集作物多角度实时图像的系统，并构建了包含多种生理障碍类型、多个番茄品种的大规模图像数据库，为农业AI研究提供了关键资源	模型性能仍有提升空间（mAP 0.46），系统在不同农业环境中的泛化能力需要进一步探索	开发用于作物生理障碍管理的实时数据收集与分析系统	番茄作物及其生理障碍（细菌性萎蔫病、病毒病、干旱、盐胁迫）	计算机视觉	作物生理障碍	实时图像采集	深度学习模型	图像	58,479张图像（43,894张可标注，其中24,000张用于训练，13,037张用于测试），涵盖7个番茄品种	NA	NA	平均精度均值（mAP），召回率	NA
2028	2026-03-10	Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs 2025-03-18, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00832 PMID:40056143	研究论文	本文开发了基于迁移学习的深度学习模型，用于大规模虚拟筛选针对A类GPCRs的、具有潜在更高安全性的药物化合物	通过迁移学习策略，在A类GPCRs全序列和配体数据集上进行预训练，并针对低效激动剂和偏向性激动剂分别进行微调，结合了目标序列的自然语言处理和受体突变对信号传导的影响分析	模型开发面临高质量数据可用性有限的挑战，且目前仅针对A类GPCRs	预测具有低内在效能或配体偏向性的更安全化合物，以推进药物开发	A类G蛋白偶联受体及其配体	机器学习	NA	自然语言处理	神经网络	序列数据, 化学数据	NA	NA	NA	NA	NA
2029	2026-03-10	RNA language models predict mutations that improve RNA function 2024-12-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-54812-y PMID:39638800	研究论文	本文介绍了一个名为GARNET的新数据库，用于RNA结构和功能分析，并基于此开发了序列和结构感知的RNA生成模型，以预测能提高RNA功能的突变	提出了GARNET数据库，将RNA序列与实验和预测的最适生长温度关联，并开发了基于GPT-like模型的RNA生成模型，用于识别增强核糖体热稳定性的突变	NA	理解RNA序列、结构和功能之间的联系，并预测能改善RNA功能的突变	结构化RNA，特别是与核糖体热稳定性相关的RNA	自然语言处理	NA	RNA序列分析，温度关联分析	GPT-like模型	RNA序列数据，温度数据	基于GTDB参考生物的数据，具体样本数量未明确说明	NA	GPT-like	NA	NA
2030	2026-03-10	From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning 2024-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202405404 PMID:39206846	研究论文	本研究开发了一种基于图的深度学习模型Dynaformer，利用分子动力学模拟轨迹预测蛋白质-配体结合亲和力，以改进基于结构的药物设计	首次将分子动力学模拟轨迹整合到基于图的深度学习模型中，以捕捉蛋白质-配体相互作用的动态几何特征，从而更准确地预测结合亲和力	模型性能依赖于分子动力学模拟的质量和计算成本，且数据集规模（3,218个复合物）可能仍有限	提高蛋白质-配体结合亲和力的预测准确性，以加速早期药物发现过程	蛋白质-配体复合物	机器学习	NA	分子动力学模拟	图神经网络	分子动力学轨迹，图结构数据	3,218个不同的蛋白质-配体复合物	NA	Dynaformer	评分能力，排序能力	NA
2031	2026-03-10	Enhanced Electroacoustic Tomography with Supervised Learning for Real-time Electroporation Monitoring 2024-Sep, Precision radiation oncology DOI:10.1002/pro6.1242 PMID:40336975	研究论文	本研究提出了一种基于监督学习的增强电声层析成像方法，用于实时监测基于纳秒脉冲电场的电穿孔治疗	首次利用监督学习解决电声层析成像中因超声换能器有限视角导致的图像失真问题，通过定制旋转平台获取配对的全视角和单视角信号进行模型训练	研究仅基于56个实验数据集，样本量相对较小，且未在临床环境中验证	提高电声层析成像的图像质量，以实时监测纳秒脉冲电场电穿孔治疗的能量沉积	纳秒脉冲电场产生的电声信号	医学影像处理	NA	电声层析成像，纳秒脉冲电场	深度学习模型	电声信号，图像	56个不同的电声数据集（46个用于训练，10个用于测试）	NA	NA	均方根误差，峰值信噪比，结构相似性指数	NA
2032	2026-03-10	DP2LM: leveraging deep learning approach for estimation and hypothesis testing on mediation effects with high-dimensional mediators and complex confounders 2024-Jul-01, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxad037 PMID:38330064	研究论文	提出一种基于深度神经网络的惩罚部分线性中介模型（DP2LM），用于处理高维中介变量和复杂混杂因素下的中介效应估计与假设检验	结合深度神经网络处理混杂因素的非线性效应，并利用惩罚部分线性模型适应高维性，专注于中介效应的估计与推断而非仅中介变量选择	未明确提及模型在极端高维或小样本情况下的性能限制，也未讨论计算复杂度或可扩展性问题	开发一种新方法以准确估计和严格推断高维中介变量及复杂混杂因素下的中介效应	高维中介变量（如DNA甲基化）和复杂混杂因素下的中介效应分析	机器学习	NA	深度神经网络，惩罚部分线性模型	深度神经网络	高维中介变量数据	NA	NA	NA	Type-I错误率	NA
2033	2026-03-10	Integrative single-cell analysis of cardiogenesis identifies developmental trajectories and non-coding mutations in congenital heart disease 2022-12-22, Cell IF:45.5Q1 DOI:10.1016/j.cell.2022.11.028 PMID:36563664	研究论文	本研究通过单细胞染色质可及性图谱，揭示了心脏发育的细胞分化轨迹和转录因子活动，并利用深度学习模型解析调控序列，发现先天性心脏病中非编码突变的富集	整合单细胞分析识别心脏发育轨迹，结合深度学习模型解读染色质可及性，首次在先天性心脏病中富集预测影响动脉内皮细胞可及性的非编码突变	研究基于胎儿心脏组织，可能无法完全反映成人或疾病晚期状态；体外验证仅限于iPSC模型，体内功能影响需进一步探索	解析心脏发育的细胞类型特异性调控景观，并探究先天性心脏病的非编码突变机制	人类胎儿心脏组织、iPSC衍生的心脏细胞类型	计算生物学	先天性心脏病	单细胞染色质可及性测序、iPSC分化、深度学习建模	深度学习模型	单细胞染色质可及性数据、基因组序列	人类胎儿心脏组织样本，具体数量未明确说明	NA	NA	NA	NA
2034	2026-03-10	Deep learning for abdominal ultrasound: A computer-aided diagnostic system for the severity of fatty liver 2021-09-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000585 PMID:34282076	研究论文	本文开发了一种基于深度学习的计算机辅助诊断系统，利用B型超声图像评估脂肪肝并分类其严重程度	开发了基于卷积神经网络的模型，用于从B型超声图像中自动评估脂肪肝严重程度，实现了与昂贵非侵入性诊断方法相当的预测性能，特别是在轻度脂肪变性的鉴别能力方面	存在机器依赖性变异、运动伪影、缺乏其他工具的二次确认以及医院依赖性区域偏差	开发一种非侵入性、成本效益高的脂肪肝严重程度评估方法	B型超声图像	计算机视觉	脂肪肝	B型超声成像	CNN	图像	来自2070名患者的21855张图像，包括正常（11307张）、轻度（4467张）、中度（3155张）和重度脂肪变性（2926张）	NA	VGG19, ResNet-50 v2, MobileNet v2, Xception, Inception v2	AUC	NA
2035	2026-03-10	Accurate diagnosis of endoscopic mucosal healing in ulcerative colitis using deep learning and machine learning 2021-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000559 PMID:34050105	研究论文	本研究开发了一种结合深度学习和机器学习的计算机辅助诊断系统，用于准确诊断溃疡性结肠炎患者的黏膜愈合状态	开发了DLML-CAD系统，结合预训练神经网络特征提取与多种分类器（DNN、SVM、k-NN）及集成学习，实现了对溃疡性结肠炎内镜下黏膜愈合的高精度自动诊断	研究样本量有限（仅54名患者的856张图像），且数据来源于单一医疗中心，可能影响模型的泛化能力	开发一种计算机辅助诊断系统，以客观、准确地评估溃疡性结肠炎患者的内镜下黏膜愈合状态	溃疡性结肠炎患者的内镜结肠图像	数字病理学	溃疡性结肠炎	内镜成像	DNN, SVM, k-NN	图像	54名患者的856张内镜图像	NA	预训练神经网络（具体架构未指定）	准确率, 灵敏度, 特异性	NA
2036	2026-03-10	Concordance analysis of intrapartum cardiotocography between physicians and artificial intelligence-based technique using modified one-dimensional fully convolutional networks 2021-Feb-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000416 PMID:32858548	研究论文	本研究使用基于一维全卷积网络的人工智能方法，分析产时胎心监护图，并与临床医生评估进行一致性比较	首次将改进的一维全卷积网络应用于胎心监护图的自动识别，并评估其在非安心胎儿状态评估中的潜力	研究为单中心回顾性研究，样本量有限（3239条记录），且模型假阳性率较高	评估人工智能技术在胎心监护图识别中的性能，探索其在胎儿健康监测中的应用	产时胎心监护记录和新生儿Apgar评分	医疗人工智能	产科疾病	电子胎儿监护	FCN	时间序列数据	3239条胎心监护记录，来自292次分娩	NA	改进的一维全卷积网络	Cohen's kappa系数, AUC, 灵敏度, 假阳性率	NA
2037	2026-03-10	Segmentation of Glomeruli Within Trichrome Images Using Deep Learning 2019-Jul, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2019.04.008 PMID:31317118	研究论文	本文开发了一个深度学习框架，用于从人类肾脏活检的数字图像中准确识别和分割肾小球	利用卷积神经网络（CNN）自动分割三色染色图像中的肾小球，特别是全局硬化（GS）肾小球，提高了评估效率和标准化程度	样本量相对较小（275张图像），仅基于单一医疗中心的数据，可能限制模型的泛化能力	开发一个深度学习框架，以自动化、标准化地评估肾脏活检图像中的肾小球数量和肾小球硬化	人类慢性肾脏病患者的肾脏活检三色染色图像	数字病理学	慢性肾脏病	三色染色	CNN	图像	275张三色染色图像，来自171名患者，包含751张非肾小球区域图像、611张正常或部分硬化肾小球图像和134张全局硬化肾小球图像	NA	NA	准确率, Kappa系数, 马修斯相关系数	NA
2038	2026-03-10	AutoCryoPicker: an unsupervised learning approach for fully automated single particle picking in Cryo-EM images 2019-Jun-13, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-2926-y PMID:31195977	研究论文	本文提出了一种名为AutoCryoPicker的全自动、无监督学习方法，用于在冷冻电镜图像中自动识别单颗粒	开发了一种无需标记训练数据或人工干预的全自动、无偏框架，结合图像预处理、基于强度分布模型的粒子聚类以及改进的圆形霍夫变换算法进行粒子拾取	未在摘要中明确提及	开发一种全自动、无监督的单颗粒拾取方法，以解决当前技术中人工参与耗时、产生假阳性和假阴性以及依赖训练数据或模板的问题	冷冻电镜图像中的单颗粒	计算机视觉	NA	冷冻电镜	无监督学习	图像	NA	NA	NA	NA	NA
2039	2026-03-09	Non-invasive screening for ovarian cancer by combining serum SERS with interpretable machine learning models 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129572 PMID:41724105	研究论文	本研究结合血清表面增强拉曼光谱与可解释机器学习模型，开发了一种用于卵巢癌非侵入性筛查的诊断模型	首次将血清SERS光谱与两阶段特征选择（基于LightGBM特征重要性及SHAP值）及深度神经网络相结合，构建了高精度的卵巢癌筛查模型	未提及模型在更大规模、多中心数据集上的验证情况，也未讨论不同亚型卵巢癌的鉴别能力	实现卵巢癌的高效、精准非侵入性筛查	临床确诊的卵巢癌患者、健康个体及卵巢子宫内膜异位症患者的血清样本	机器学习	卵巢癌	表面增强拉曼光谱	LightGBM, DNN	光谱数据	未明确说明具体样本数量，但包含三类人群（卵巢癌患者、健康者、卵巢子宫内膜异位症患者）的血清样本	未明确说明，但提及了LightGBM和DNN	深度神经网络	准确率	NA
2040	2026-03-09	Open-set deep learning enabled LIBS sensor for label-free and on-site identification of unknown pathogen powders 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129539 PMID:41712987	研究论文	本研究开发了一种基于开放集深度学习的LIBS传感技术，用于病原体粉末的无标记现场识别	通过将分类-重构开放集识别策略集成到残差网络中，构建了改进的开放集深度学习模型，显著提升了模型对未知样本的拒绝能力	未在摘要中明确说明	开发一种能够现场、无标记识别病原体粉末的技术，以提高生物安全和反恐应对的有效性	病原体粉末，包括已知目标病原体和未知样本（如生物样本、培养基和非生物干扰物）	机器学习	NA	激光诱导击穿光谱	深度学习	光谱数据	测试集包含五种已知目标病原体和九种未知样本	NA	ResNet	识别准确率	NA