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
201	2026-05-19	Dual-Network Deep Learning for Accelerated Head and Neck MRI: Enhanced Image Quality and Reduced Scan Time 2025-12, Head & neck DOI:10.1002/hed.28255 PMID:40693394	研究论文	评估双网络深度学习超分辨率方法在头颈部T1和T2加权MRI中提升图像质量和缩短扫描时间的效果	提出双网络深度学习超分辨率方法同时提升图像质量和缩短扫描时间，并通过前瞻性临床研究验证其有效性	样本量较小（58例），且未报告算法对诊断准确性的影响	评估双网络深度学习超分辨率方法在头颈部MRI中的应用，以提升图像质量和缩短扫描时间	头颈部肿块患者	医学影像	头颈部肿块	MRI	双网络深度学习	MRI图像	58名参与者（34男，24女，平均年龄51.37±13.24岁）	NA	双网络深度学习超分辨率网络	信噪比, 对比度噪声比, 对比度, 图像清晰度Likert评分, 病灶显著性Likert评分, 结构描绘Likert评分, 伪影Likert评分	NA
202	2026-05-19	Artificial Intelligence-Assisted Standard Plane Detection in Hip Ultrasound for Developmental Dysplasia of the Hip: A Novel Real-Time Deep Learning Approach 2025-10, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.70020 PMID:40619593	研究论文	本研究提出了一种基于人工智能的实时标准平面检测软件AI-SPS，用于髋关节超声检查中发育性髋关节发育不良的诊断	首个将实时深度学习目标检测模型用于髋关节超声标准平面自动检测的创新方法，特别是YOLOv11n模型在准确性和速度上表现优异	研究仅基于单一机构的45个临床超声视频数据，样本量有限，且未涉及不同超声设备和操作者的泛化性验证	开发一种基于AI的实时标准平面检测系统，以减少DDH超声筛查中的操作者依赖性，提高诊断一致性和准确性	髋关节超声视频中的标准平面与非标准平面帧	计算机视觉	发育性髋关节发育不良	超声成像	SSD-MobileNet V2, YOLOv11n	图像	2,737个标注帧（1,737个标准+1,000个非标准）来自45个临床超声视频，另含934个独立验证帧	PyTorch, TensorFlow	SSD-MobileNet V2, YOLOv11n	准确率, 精确率, 召回率, F1分数	NA
203	2026-05-19	Combinatorial Tuning of 5'UTR and N-Terminal Coding Sequences for Enhanced Recombinant Protein Expression in Corynebacterium glutamicum 2025-08-15, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00250 PMID:40748894	研究论文	本文通过组合优化5'UTR和N端编码序列，实现了谷氨酸棒状杆菌中重组蛋白表达水平的连续调控，并建立了序列特征与表达水平之间的关联模式	首次系统建立5'UTR与NCS特征序列与蛋白表达之间的关系模式，并筛选出与外源蛋白兼容性强的特征序列，通过组合实现蛋白表达的动态调节	目前对5'UTR和NCS序列与蛋白表达率之间关系的研究仍不充分	探究谷氨酸棒状杆菌中5'UTR和NCS特征序列与蛋白表达模式的关系，并为精细调控基因表达或蛋白生产提供潜在工具	谷氨酸棒状杆菌中外源蛋白的表达调控	机器学习	NA	深度测序	深度学习模型	序列数据	两个文库（5'UTR库和NCS库）包含碱基N，并通过FACS和深度测序筛选	NA	深度学习	荧光强度	NA
204	2026-05-19	AI in Orthopedic Research: A Comprehensive Review 2025-08, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26109 PMID:40415515	综述	全面回顾人工智能在骨科研究中的应用，包括诊断、预测分析及新兴技术，并讨论其局限性与未来方向	系统整合了AI在骨折检测、骨关节炎分级、预后预测及机器人、增强现实、数字孪生和外部骨骼控制等新兴应用，提供了跨领域的综合视角	数据异质性、算法偏差、模型“黑箱”特性以及鲁棒性验证不足等挑战仍需解决	综述AI在肌肉骨骼诊疗中的当前发展、关键限制及未来整合方向	骨科诊断影像（X光、MRI）、患者多模态数据（步态、影像特征）及手术规划工具	计算机视觉, 机器学习	骨科疾病（骨折、骨关节炎）	深度学习、预测分析	深度学习算法	影像数据（X光、MRI）、步态运动数据	未提及	NA	NA	诊断准确率、可重复性评估	NA
205	2026-05-19	Mapping the Conformational Heterogeneity Intrinsic to the Protein Native Ensemble 2025-07-15, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.5c00201 PMID:40615361	综述	本文综述了如何在AlphaFold时代利用实验和计算技术绘制蛋白质天然构象集合的异质性，强调从单一结构到构象集合的转变	提出了序列-集合-功能的新范式，强调即使对于看似良好折叠的蛋白质也需要考虑构象集合的异质性	未深入探讨具体方法的技术细节或定量比较方法间差异	阐明蛋白质构象多样性对功能理解的重要性，推动从单一结构到构象集合的研究范式转变	蛋白质天然构象集合	自然语言处理	不适用	多探针实验、计算建模	不适用	文本	不适用	不适用	不适用	不适用	不适用
206	2026-05-19	Extracerebral Normalization of 18F-FDG PET Imaging Combined with Behavioral CRS-R Scores Predict Recovery from Disorders of Consciousness 2025-06, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-024-02142-8 PMID:39532777	研究论文	利用18F-FDG PET颅外归一化结合行为CRS-R评分建立预测意识障碍患者一年后恢复的预后模型	首次将18F-FDG PET图像的颅外组织归一化方法与行为CRS-R评分相结合，构建多模态预后模型，显著提升了意识恢复预测的准确性	初步研究，样本量有限（87例），且未在独立的大规模外部验证集上进行验证	开发一个基于18F-FDG PET和临床行为评分的预后模型，用于预测长期意识障碍患者一年后的恢复情况	87名新诊断为长期意识障碍的患者	机器学习, 数字病理	意识障碍	18F-FDG PET/CT	DenseNet121, 深度学习表格模型	图像（PET/CT）、表格数据（行为评分）	87名意识障碍患者，其中52名恢复意识，35名未恢复	PyTorch	DenseNet121	AUC, 特异性, 灵敏度, 准确率	NA
207	2026-05-19	Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29646 PMID:39467097	研究论文	通过扩展相位图建模提高OAI数据集中软骨T2映射的准确性和可重复性	首次将EPG建模应用于OAI数据集，并系统比较EPG方法与单指数方法在软骨T2映射中的表现	未明确提及具体限制	评估不同拟合方法（包括基于EPG和基于指数的方法）对OAI数据集中软骨T2准确性和可重复性的影响	OAI数据集中50名按骨关节炎严重程度分层的受试者和50名无骨关节炎诊断的受试者	机器学习	骨关节炎	多回波自旋回波序列	深度学习	图像	100名受试者（50名OA患者，50名健康者，每组25名女性，平均年龄约61岁）	NA	NA	平均绝对误差, Bland-Altman分析, Lin's一致性系数, 变异系数	NA
208	2026-05-19	Stigmatisation of gambling disorder in social media: a tailored deep learning approach for YouTube comments 2025-04-18, Harm reduction journal IF:4.0Q1 DOI:10.1186/s12954-025-01169-0 PMID:40247272	研究论文	通过深度学习分析YouTube评论中关于赌博障碍的污名化现象	结合引导主题建模和定性总结性内容分析，创建扩展污名词典，专门针对赌博障碍的社交媒体污名化进行自动化分析	仅分析了两段视频下的用户评论，样本代表性有限；方法依赖预定义词典，可能遗漏未被收录的污名表达	理解德国社交媒体中赌博障碍的污名化模式，为减少污名化策略提供依据	YouTube视频中关于赌博障碍的用户评论	自然语言处理	赌博障碍	深度学习、引导主题建模、定性内容分析	深度学习模型	文本	从34个视频收集84,024条评论，最终聚焦2个视频	NA	引导主题模型	NA	NA
209	2026-05-19	Classification of 3D shoe prints using the PointNet architecture: proof of concept investigation of binary classification of nike and adidas outsoles 2025-03, Forensic science, medicine, and pathology DOI:10.1007/s12024-024-00877-6 PMID:39235752	研究论文	利用PointNet架构对3D鞋印进行二元分类的概念验证研究，区分耐克和阿迪达斯品牌	首次使用深度学习方法（PointNet架构）对3D鞋印进行分类研究	二元分类目前可能无法完全满足法医学实际需求，数据集仅包含两个品牌且样本量有限	证明深度学习方法在3D鞋印分类中的可行性，为法医学应用奠定基础	160双鞋的3D鞋印图像（797张阿迪达斯和2445张耐克）	计算机视觉	不适用	3D扫描	PointNet	3D点云图像	160双鞋的3D图像，共3242张	PyTorch	PointNet	准确率	未提及
210	2026-05-19	Flexible Tail of Antimicrobial Peptide PGLa Facilitates Water Pore Formation in Membranes 2025-02-06, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.4c06190 PMID:39847609	研究论文	通过全原子模拟和深度学习算法，研究了抗菌肽PGLa诱导细胞膜水孔形成的完整过程，揭示了C末端尾部柔性的关键作用	首次阐明PGLa多肽C末端尾部柔性在膜插入和寡聚化过程中的重要性，并利用基于深度学习的中间状态识别算法解析了水孔形成的分子机制	未提及具体局限性	揭示抗菌肽PGLa诱导细胞膜水孔形成的分子机制，特别是结构柔性的作用	抗菌肽PGLa与阴离子细胞膜（DMPC/DMPG组成）的相互作用	机器学习	NA	全原子模拟（all-atom simulations）	深度学习模型	模拟轨迹数据	NA	NA	NA	NA	NA
211	2026-05-19	Applications of deep learning in intracranial aneurysm imaging: A scoping review of detection, risk prediction, and emerging prognostic models 2025-Jan-04, Current journal of neurology IF:0.5Q4 DOI:10.18502/cjn.v24i1.20302 PMID:42148237	综述	系统梳理深度学习在颅内动脉瘤影像检测、风险预测和预后模型中的应用现状与挑战	通过系统范围综述方法，整合42项研究，覆盖超过1万例患者，全面评估DL在IA检测、分割、风险预测和预后评估中的方法学严谨性、临床实用性和转化局限性，并指出缺乏模型间基准比较、可解释性不足以及伦理法规框架缺失等关键空白	仅少数研究进行了外部验证或关注治疗后结局，且存在模型间基准比较缺失、可解释性有限、数据集异质性和泛化性不足等主要局限	系统评估深度学习在颅内动脉瘤影像检测、分割、风险预测和预后评估中的应用格局，并关注方法学严谨性、临床实用性和转化障碍	PubMed、Scopus和Web of Science中截至2023年8月的42项研究，涵盖超过1万例患者	计算机视觉	脑血管疾病	放射影像	卷积神经网络	影像	42项研究，超过1万例患者	NA	卷积神经网络	灵敏度, AUC	NA
212	2026-05-19	A Review of Deep Learning Techniques for EEG-Based Emotion Recognition: Models, Methods, and Datasets 2025, F1000Research DOI:10.12688/f1000research.171170.2 PMID:41585461	综述	系统综述了基于脑电图的深度学习情绪识别方法，涵盖模型、方法和数据集	遵循PRISMA指南系统筛选2020-2025年文献，并评估公共数据集在刺激程序和情绪表征方面的多样性	未提及具体局限性	为开发更可解释、泛化性更强且数据高效的基于脑电图的情绪识别系统提供路线图	基于脑电图信号使用深度学习架构的情绪识别研究	机器学习	NA	脑电图	深度学习	脑电图信号	233篇文献	NA	NA	分类准确率, 模型效率	NA
213	2026-05-19	Time series-based forecasting of infectious disease outbreak using information systems in public health 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1680534 PMID:42145969	研究论文	提出EpiCastNet框架，通过融合时空注意力机制与混合编码架构，实现对传染病爆发的准确预测	创新地整合了时空注意力机制与因果正则化语义锚定模块，将流行病学原理（如干预效果和季节传播动态）融入神经网络的可微训练过程，提高了模型在现实不确定性下的语义对齐性和鲁棒性	NA	开发可靠且可解释的传染病爆发预测系统，以支持及时公共卫生干预	传染病爆发时间序列数据	机器学习	传染病	时间序列分析	EpiCastNet（结合时空注意力与混合编码的深度学习框架）	时间序列数据	COVIDcast 和 JHU COVID-19 公共健康时间序列数据集	NA	EpiCastNet（包含时空注意力机制、混合编码架构和因果正则化语义锚定模块）	均方根误差, 平均绝对误差, R2, 平均绝对百分比误差	NA
214	2026-05-19	A Multiscale Connected UNet for the Segmentation of Lung Cancer Cells in Pathology Sections Stained Using Rapid On-Site Cytopathological Evaluation 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.011 PMID:38897537	研究论文	提出一种基于深度学习的多尺度连接UNet（CUNet3+）网络模型，用于快速现场细胞病理学评估（ROSE）染色的病理切片中肺癌细胞簇的精确分割	通过CUNet3+网络模型减少过分割、降低网络参数、提高计算效率，在ROSE染色图像中准确识别肺癌细胞簇，优于经典分割算法	NA	提高支气管内超声引导下经支气管针吸活检术（EBUS-TBNA）术中诊断效率，实现实时患者评估	肺癌患者的ROSE染色病理切片中的细胞簇	数字病理学	肺癌	快速现场细胞病理学评估（ROSE）	卷积神经网络（CNN）	病理图像	NA	NA	CUNet3+	F1-score, 召回率, 精确率, 准确率, ROC曲线下面积	NA
215	2026-05-19	Deep Learning Classification and Quantification of Pejorative and Nonpejorative Architectures in Resected Hepatocellular Carcinoma from Digital Histopathologic Images 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.007 PMID:38879083	研究论文	利用深度学习对肝细胞癌数字病理图像中的不良与非不良组织架构进行分类和量化	首次构建基于ResNet34的监督深度学习算法，用于识别和量化微血管侵犯、低分化、不良巨梁架构和血管包裹肿瘤巢等不良组织架构，并验证其在外部队列的泛化能力	仅限于肝细胞癌的术后样本，且算法性能在外部验证中准确率略下降，仍需进一步优化以构建复合预测算法	识别术后复发高风险肝细胞癌患者，通过深度学习预测不良组织架构以替代微血管侵犯评估	肝细胞癌手术切除标本的整张切片图像	数字病理学	肝细胞癌	NA	CNN	图像	107例肝细胞癌患者的680张整张切片图像，外部验证组为29例肝细胞癌	PyTorch	ResNet34	准确率	NA
216	2026-05-19	Deep Learning for Grading Endometrial Cancer 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.003 PMID:38879079	研究论文	介绍EndoNet，利用卷积神经网络和视觉Transformer对子宫内膜癌全切片图像进行高低级别分类	结合卷积神经网络提取组织学特征与视觉Transformer聚合特征，实现无需人工标注的子宫内膜癌分级	需要进一步验证才能支持临床使用	开发深度学习模型自动分类子宫内膜癌的高级别和低级别	子宫内膜癌的苏木精-伊红染色全切片图像	数字病理学	子宫内膜癌	NA	卷积神经网络, 视觉Transformer	图像	929张全切片图像用于训练，内部测试110名患者，外部测试100名患者（来自TCGA数据库）	PyTorch（推测）	CNN, ViT	F1分数, AUC	NA
217	2026-05-19	AlphaFold predictions of fold-switched conformations are driven by structure memorization 2024-08-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51801-z PMID:39181864	研究论文	测试AlphaFold在预测折叠转换蛋白构象方面的能力，发现其预测能力较弱且部分成功源于结构记忆而非学习到的能量特性	首次系统评估AlphaFold对折叠转换蛋白的预测能力，揭示其通过记忆训练集结构而非学习物理能量学实现部分成功预测	AlphaFold对折叠转换蛋白的预测成功率仅35%，且主要限于训练集中存在的蛋白；对训练集外蛋白几乎完全失败；置信度指标无法区分高低能量构象；存在结构信息记忆和共进化约束错误分配问题	评估AlphaFold模型预测折叠转换蛋白（形成两种不同二级/三级结构区域）构象的能力及其机理	折叠转换蛋白（fold-switching proteins）	机器学习	NA	深度学习结构预测（AlphaFold2/3）	AlphaFold（深度神经网络）	蛋白质序列与结构数据	超过56万个模型（AF2和AF3的多种实现）	NA	AlphaFold2, AlphaFold3	成功率（35%）、置信度指标	NA
218	2026-05-19	Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases 2024-May-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.14.594252 PMID:38798507	研究论文	介绍scPRS，一个几何深度学习模型，通过单细胞染色质可及性数据构建单细胞层面多基因风险评分，用于复杂疾病预测和生物学发现	首次将多基因风险评分降维至单细胞层面，结合几何深度学习解析疾病细胞异质性和分子机制	未明确说明局限性，可能依赖于参考单细胞染色质数据质量及计算资源需求	开发单细胞分辨率的PRS方法，增强复杂疾病的遗传风险预测和生物学机制理解	2型糖尿病、肥厚性心肌病和阿尔茨海默病的单细胞数据	机器学习	2型糖尿病, 肥厚性心肌病, 阿尔茨海默病	单细胞ATAC测序, 多组学分析	几何深度学习模型	单细胞染色质可及性数据、多组学数据	NA	NA	scPRS	预测能力	NA
219	2026-05-19	Opportunities for Improving Glaucoma Clinical Trials via Deep Learning-Based Identification of Patients with Low Visual Field Variability 2024 May-Jun, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.01.005 PMID:38296108	研究论文	开发深度学习模型预测低视野变异性的青光眼患者，并评估其对神经保护试验样本量的影响	首次利用深度学习模型从单次基线临床访问数据预测低视野变异性，并证明其可显著减少临床试验所需样本量	未提及模型在实际临床试验中的验证，可能存在外部有效性限制	评估深度学习模型在识别低视野变异性患者中的作用，以及降低青光眼临床试验样本量的潜力	青光眼患者的视野变异性和临床试验样本量	医疗影像	青光眼	NA	深度学习模型	视野测量数据、OCT图像、临床数据	2817只眼（每位患者一只眼）	NA	NA	受试者工作特征曲线下面积（AUC）	NA
220	2026-05-19	LEARNING SPATIALLY-CONTINUOUS FIBER ORIENTATION FUNCTIONS 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635838 PMID:42148456	研究论文	提出一种名为FENRI的新方法，从低分辨率扩散加权图像中学习空间连续的纤维取向分布函数，以提升纤维追踪的准确性	首次提出学习空间连续纤维取向分布函数的方法，满足纤维追踪对连续场的需求，并引入新的模拟数据集用于评估基于学习的纤维追踪模型	未提及，可能包括对计算资源的要求或需要在临床数据上进一步验证	解决低分辨率扩散MRI中纤维追踪因插值方法导致精度不足的问题	人脑连接组中的神经通路纤维方向	机器学习	NA	扩散磁共振成像	神经网络	图像	NA	NA	FENRI	NA	NA