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
2101	2026-04-07	Structure-Based Approaches for Protein-Protein Interaction Prediction Using Machine Learning and Deep Learning 2025-01-17, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010141 PMID:39858535	综述	本文总结了利用蛋白质结构信息进行蛋白质-蛋白质相互作用预测的计算方法，重点关注机器学习和深度学习技术	通过整合三维空间和生化特征，结构基方法比序列基方法提供更高的生物准确性，并揭示功能位点如结合和催化残基	面临高分辨率结构数据有限和有效负采样需求等挑战	推动蛋白质-蛋白质相互作用预测，以理解细胞过程并揭示健康和疾病的分子机制	蛋白质-蛋白质相互作用	机器学习	NA	结构基预测	机器学习,深度学习	蛋白质结构数据	NA	NA	NA	预测准确性	NA
2102	2026-04-07	Utilizing Feature Selection Techniques for AI-Driven Tumor Subtype Classification: Enhancing Precision in Cancer Diagnostics 2025-01-08, Biomolecules IF:4.8Q1 DOI:10.3390/biom15010081 PMID:39858475	综述	本文综述了特征选择技术如何通过提高机器学习模型在高维数据集中的可解释性和性能，来应对癌症异质性带来的诊断挑战	探讨了人工智能驱动的特征选择在自动化特征提取方面的潜力，并强调了整合深度学习模型和多组学策略的未来方向	方法仍面临数据质量保证、过拟合缓解和可扩展性处理等关键限制	提升癌症诊断的精确性，特别是肿瘤亚型的分类	肿瘤亚型及其生物行为	机器学习	癌症	多组学数据整合	机器学习模型，深度学习模型	高维数据集	NA	NA	NA	NA	NA
2103	2026-04-07	Dynamic modulation of social gaze by sex and familiarity in marmoset dyads 2024-Nov-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.16.580693 PMID:38405818	研究论文	本文开发了一种新框架，用于准确追踪自由活动的普通狨猴的面部特征和三维头部注视方向，并量化了性别和熟悉度对其社交注视行为的影响	结合深度学习计算机视觉工具与三角测量算法，首次实现了对自由活动狨猴面部特征和三维头部注视方向的准确追踪，克服了传统实验中头部固定限制自然行为的挑战	研究仅针对狨猴这一物种，且实验环境为受控的竞技场，可能不完全反映完全自然状态下的行为	研究社交因素（性别和熟悉度）如何影响非人灵长类动物的社交注视行为	自由活动的普通狨猴	计算机视觉	NA	深度学习计算机视觉工具与三角测量算法	NA	视频	NA	NA	NA	NA	NA
2104	2026-04-07	Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model 2024-10-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae412 PMID:39445422	研究论文	本研究使用深度学习模型从任务态动态功能连接中预测个体认知特质	结合多尺度卷积和长短时记忆层，利用任务态动态功能连接预测认知分数，并证明其比静息态具有更高预测力	未发现特定皮层网络在预测中具有显著相关性，且去除混杂因素会显著降低预测性能	从神经影像数据中预测个体认知特质，如一般智力和流体智力	874名来自人类连接组计划的受试者	机器学习	NA	功能磁共振成像	CNN, LSTM	神经影像数据	874名受试者	NA	多尺度卷积和长短时记忆层组合模型	方差解释率	NA
2105	2026-04-07	Investigating the role of auditory cues in modulating motor timing: insights from EEG and deep learning 2024-10-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae427 PMID:39475113	研究论文	本研究通过EEG和深度学习探讨听觉线索在调节运动计时中的作用，重点关注手指敲击任务中的神经机制	首次结合深度学习对单试次EEG数据进行分类，以预测行为计时条件，并揭示听觉输入在运动计时中的关键作用	在移除EEG数据中的听觉成分后，阶段间的区分变得不确定，突显了在无听觉刺激下隔离运动激活的挑战	探究基于动作的计时神经机制，特别是在涉及同步和异步模式的手指敲击任务中	12名健康参与者	机器学习	NA	脑电图	深度学习	脑电图数据	12名参与者	NA	NA	分类准确率, 平均异步准确率	NA
2106	2026-04-07	Performance of Artificial Intelligence in Detecting Diabetic Macular Edema From Fundus Photography and Optical Coherence Tomography Images: A Systematic Review and Meta-analysis 2024-02-01, Diabetes care IF:14.8Q1 DOI:10.2337/dc23-0993 PMID:38241500	系统综述与荟萃分析	本文通过系统综述与荟萃分析评估了人工智能在利用眼底摄影和光学相干断层扫描图像检测糖尿病性黄斑水肿方面的性能	首次通过荟萃分析综合评估了基于FP和OCT图像的AI算法在DME检测中的性能，并识别了影响模型性能的潜在因素，如深度学习技术、训练数据集规模和多样性	分析受到算法结果未标准化、患者人口统计学数据不足、OCT体积扫描数据缺乏以及外部验证数据不充分的限制	评估人工智能从眼底摄影或光学相干断层扫描图像中检测糖尿病性黄斑水肿的性能，并识别影响模型性能的潜在因素	使用人工智能从眼底摄影或光学相干断层扫描图像中检测糖尿病性黄斑水肿的研究	医学影像分析	糖尿病性黄斑水肿	眼底摄影，光学相干断层扫描	深度学习	图像	53项研究被纳入荟萃分析	NA	NA	AUROC，灵敏度，特异性	NA
2107	2026-04-07	Deep Learning of Coronary Calcium Scores From PET/CT Attenuation Maps Accurately Predicts Adverse Cardiovascular Events 2023-05, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2022.06.006 PMID:36284402	研究论文	本研究开发了一种深度学习模型，用于从PET/CT衰减校正扫描中自动量化冠状动脉钙化评分，以预测心血管不良事件	首次将原本为视频应用开发的深度学习模型应用于PET/CT衰减校正扫描，实现冠状动脉钙化评分的全自动快速量化，无需改变现有扫描协议	研究主要基于外部队列验证，且未详细讨论模型在不同人群或设备间的泛化能力	开发一种深度学习模型，从PET/CT衰减校正扫描中自动定义冠状动脉钙化评分，以预测心血管不良事件风险	接受PET/CT成像的患者，包括有心血管不良事件随访数据的队列	数字病理学	心血管疾病	PET/CT成像，心电图门控CT扫描	深度学习模型	CT扫描图像	训练集：9,543张专家标注的CT扫描；测试集：4,331名患者（其中2,737名有配对的心电图门控CAC扫描）	NA	NA	风险比，净重分类改善，阴性预测值	NA
2108	2026-04-07	Sparse deep neural networks on imaging genetics for schizophrenia case-control classification 2021-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25387 PMID:33724588	研究论文	本研究提出了一种稀疏深度神经网络方法，用于精神分裂症病例-对照分类，通过L1范数正则化实现稀疏特征选择，以提高可解释性	在深度神经网络输入层引入L1范数正则化进行稀疏特征选择，使模型能够直接解释原始特征，并有效融合灰质体积和单核苷酸多态性数据	未详细讨论模型在不同扫描协议数据集上的性能波动原因，且外部验证样本量相对较小	开发可解释的深度学习方法，用于精神分裂症的病例-对照分类和生物标志物识别	精神分裂症患者和对照个体的灰质体积及单核苷酸多态性数据	机器学习	精神分裂症	灰质体积测量，单核苷酸多态性分析	深度神经网络	影像遗传学数据	训练集634人，外部验证集三个独立数据集（分别394人、255人、160人）	NA	稀疏深度神经网络	错误率	NA
2109	2026-04-07	VEHiCLE: a Variationally Encoded Hi-C Loss Enhancement algorithm for improving and generating Hi-C data 2021-04-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-88115-9 PMID:33893353	研究论文	本文提出了一种名为VEHiCLE的深度学习算法，用于提高Hi-C接触数据的分辨率	VEHiCLE算法结合了变分自编码器和对抗训练策略，并引入了四种损失函数（对抗损失、变分损失、染色体拓扑启发的绝缘损失和均方误差损失），以增强接触图，使其更适用于下游分析，同时提供了对生物意义和人类可解释特征提取的新见解，并允许用户调整生成合成Hi-C数据	NA	提高Hi-C接触数据的分辨率，以改善染色质构象分析	Hi-C接触数据	机器学习	NA	Hi-C	变分自编码器, GAN	接触图	NA	NA	变分自编码器	NA	NA
2110	2026-04-07	A Hybrid Model for Family History Information Identification and Relation Extraction: Development and Evaluation of an End-to-End Information Extraction System 2021-Apr-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/22797 PMID:33885370	研究论文	本文开发并评估了一个用于从电子健康记录中提取家族史信息的端到端信息提取系统	提出了一种结合机器学习和基于规则方法的混合模型，用于实体识别和关系提取，并利用额外标注数据和临床文本嵌入模型提升性能	未明确说明系统在更广泛数据集或不同医疗环境中的泛化能力	开发一个高性能的端到端信息提取系统，用于从非结构化自由文本中识别家族成员和观察结果及其关系	电子健康记录中的非结构化自由文本笔记	自然语言处理	NA	自然语言处理	双向长短期记忆深度学习模型, 在线梯度下降模型	文本	使用了2019年n2c2/OHNLP共享任务数据集、BioCreative/OHNLP 2018语料库以及MIMIC-III临床数据库的临床笔记	NA	双向长短期记忆	精确率, 召回率, F1分数	NA
2111	2026-04-07	Evaluating recommender systems for AI-driven biomedical informatics 2021-04-19, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa698 PMID:32766825	研究论文	本文研究了一种基于网络AI平台的自动化生物医学数据科学方法，通过推荐模型选择和实验来简化机器学习在生物信息学中的应用	提出基于矩阵分解的推荐系统在自动化机器学习中优于元学习方法，并开发了AI驱动的平台PennAI，能够自动选择和配置算法，减少计算负担	研究主要基于165个分类问题进行验证，可能未覆盖所有生物医学数据类型；自动化方法可能无法完全替代专家手动调参	自动化生物医学数据科学，使缺乏机器学习或编程经验的领域专家能够轻松应用机器学习	生物信息学数据，特别是脓毒性休克预测的临床数据	机器学习	脓毒性休克	机器学习自动化	矩阵分解推荐系统，深度学习模型	生物医学数据	165个分类问题	NA	NA	AUROC	NA
2112	2026-04-07	Ultrafast light field tomography for snapshot transient and non-line-of-sight imaging 2021-04-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-22461-0 PMID:33846338	研究论文	本文提出了一种名为超快光场断层扫描（LIFT）的瞬态成像策略，用于实现高时间分辨率的三维和非视距成像	LIFT技术能够以超过1000帧的速率捕获完整的四维时空信息，实现单次快照成像，解决了现有超快相机在扩展三维场景和非视距成像中的局限性	NA	开发一种高效的瞬态成像方法，以支持三维光传播现象和非视距成像的应用	光在飞行中的现象及非视距场景	计算机视觉	NA	超快光场断层扫描	深度学习	光场数据	NA	NA	NA	时间分辨率（<10皮秒），帧率（30 Hz）	NA
2113	2026-04-07	DeepPurpose: a deep learning library for drug-target interaction prediction 2021-04-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa1005 PMID:33275143	研究论文	本文介绍了DeepPurpose，一个用于药物-靶点相互作用预测的深度学习库，旨在简化模型使用并提升预测性能	DeepPurpose通过集成15种化合物和蛋白质编码器及超过50种神经架构，提供了一个全面且易用的深度学习库，降低了生物医学领域和深度学习初学者使用门槛	未在摘要中明确提及	开发一个易于使用的深度学习库，以促进药物-靶点相互作用预测的研究和应用	药物-靶点相互作用预测模型	机器学习	NA	深度学习	多种神经网络架构	化合物和蛋白质数据	NA	NA	多种编码器和神经架构	在多个基准数据集上展示了最先进的性能	NA
2114	2026-04-06	Enhancing explainability and performance of the depression detection model on social media utilizing feature engineering and LLMs 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00446-x PMID:41883984	研究论文	本研究通过特征工程和大型语言模型（LLMs）提升社交媒体上抑郁症检测模型的可解释性和性能	结合情感状态特征工程和LLMs，将情感状态与抑郁症特征关联，增强模型可解释性	未明确提及具体局限性	提升社交媒体抑郁症检测模型的可解释性和性能	社交媒体数据	自然语言处理	抑郁症	特征工程、词嵌入模型、序列模型、注意力机制、LLMs	序列模型、注意力机制、LLMs	文本	NA	NA	NA	NA	NA
2115	2026-04-06	Modeling spectral EEG interactions using graph-structured variational representation learning 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10434-2 PMID:41883490	研究论文	提出一种基于图表示学习的框架，用于从脑电图信号中识别情感	将频域EEG特征建模为结构化图中的节点，并利用GNN-VAE学习紧凑的潜在表示，通过k环邻域连接定义谱邻接关系，实现了跨连续频段的局部消息传递	当前研究侧重于固定的谱连接和受试者依赖的评估	解决从脑电图信号中进行情感识别这一具有挑战性的问题	脑电图信号	机器学习	NA	脑电图	GNN, VAE, 循环神经网络, 注意力模型	脑电图信号	NA	NA	Graph Neural Network-Variational Autoencoder	准确率, F1分数	NA
2116	2026-04-06	Bmssnet: a multi-scale feature and efficient spatial attention fusion model for early recognition of Alzheimer's disease 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10441-3 PMID:41883492	研究论文	提出一种基于多尺度特征和高效空间注意力融合的模型BMSSnet，用于阿尔茨海默病的早期识别	采用CNN-Transformer混合架构，结合多尺度注意力机制和轻量级空间门控单元，以捕获局部解剖细节和全局长程依赖，同时提供可解释性	模型性能依赖于ADNI数据集，可能在其他数据集上泛化能力有限，且计算效率虽优化但可能仍受Transformer部分影响	自动化诊断阿尔茨海默病，通过深度学习技术提高识别准确性和可解释性	阿尔茨海默病患者的结构磁共振成像数据	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, Transformer	图像	ADNI数据集中的样本，具体数量未在摘要中明确	NA	CNN-Transformer混合架构，具体为BMSSnet	诊断性能指标未在摘要中具体说明，但提及了优越性能	NA
2117	2026-04-06	HyCoSwin-PD: An explainable hybrid ConvNeXtV2-Swin transformer framework for Parkinson's disease detection from neuroimaging 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103868 PMID:41884659	研究论文	提出了一种名为HyCoSwin-PD的混合深度学习框架，用于从结构MRI中检测帕金森病	通过整合ConvNeXt-V2和Swin Transformer，联合建模细粒度局部形态和分层全局上下文，并采用专用融合机制统一互补表示	依赖单模态MRI数据集和有限队列，需要多模态和多中心验证	开发一个用于MRI基于帕金森病检测的稳健且临床相关的框架	帕金森病患者	计算机视觉	帕金森病	结构MRI	CNN, Transformer	图像	PPMI数据集中的有限队列	NA	ConvNeXt-V2, Swin Transformer	准确率, 灵敏度, 特异性	NA
2118	2026-04-06	A benchmark dataset for primitive Indian paddy field images with deep learning based classification 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112647 PMID:41883571	研究论文	本文介绍了一个用于水稻品种自动识别的印度原始稻田图像基准数据集，并提供了基于深度学习的分类基线方法	创建了首个包含33种印度原始水稻品种、总计3400张田间图像的基准数据集，并采用预训练的NASNet-Large模型提取深度特征，结合线性纠错输出码分类器进行品种识别	数据集仅包含印度特定地区的33个水稻品种，可能无法推广到其他地区或更多品种；计算时间较长（约82811秒）	开发自动化水稻品种识别方法，以支持作物监测、品种鉴定和精准农业研究	印度原始水稻品种的田间图像	计算机视觉	NA	深度学习图像分类	CNN	图像	33个水稻品种，每个品种100张图像，总计3400张图像	NA	NASNet-Large	准确率, 灵敏度, 特异性, 精确率, 假阳性率, F1分数, 马修斯相关系数, 科恩卡帕系数	NA
2119	2026-04-06	Deep Learning Integration in Optical Microscopy: Advancements and Applications 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70112 PMID:41486782	综述	本文探讨了深度学习在光学显微镜中的集成，重点关注图像分类、分割和计算重建等关键应用	深度学习作为变革性方法，提升了图像重建、增强和分析的精度，减少了手动干预和对领域专业知识的依赖	需要大量标注数据集、动态样本变异性、模型可解释性以及潜在的数据偏差	探索深度学习在光学显微镜中的应用，以解决传统显微镜面临的挑战	光学显微镜图像及其处理	计算机视觉	NA	光学显微镜	CNN, U-Net, ResNet, GAN	图像	NA	NA	卷积神经网络, U-Net, 残差网络, 生成对抗网络	NA	NA
2120	2026-04-06	Artificial intelligence model for cardiovascular disease risk prediction in breast cancer patients using electronic health records and computed tomography scans 2026-May, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111455 PMID:41759965	研究论文	本研究开发了一种融合深度学习模型，利用电子健康记录和CT扫描预测接受放疗的乳腺癌患者的心血管疾病死亡风险	首次结合电子健康记录和CT扫描数据，通过融合深度学习模型预测乳腺癌患者的心血管疾病死亡风险	研究仅针对接受放疗的乳腺癌患者，可能不适用于其他癌症类型或治疗方式	预测乳腺癌患者心血管疾病死亡风险，实现早期检测	接受放疗的乳腺癌患者	数字病理学	心血管疾病	CT扫描，电子健康记录分析	融合深度学习模型	图像，文本	23,067名患者，包含约500万张CT切片和约60万份电子健康记录文档	NA	NA	AUC，准确率	NA