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
2181	2026-09-10	Deep learning-based anterior segment identification and parameter assessment of primary angle closure disease in ultrasound biomicroscopy images 2025-01-20, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2023-001600 PMID:39837590	研究论文	开发一种基于深度学习的人工智能算法，用于自动识别超声生物显微镜图像中的眼前节结构并评估原发性房角关闭疾病的多个参数。	首次提出并验证了一种基于深度学习的多组织分割模型，能够自动识别角膜、虹膜和睫状体并精确定位巩膜突，从而实现房角参数的自动化测量。	未提及，但可能包括样本量有限、需要多中心进一步验证以及算法对不同设备和图像质量的泛化能力等潜在限制。	开发并验证一种人工智能算法，用于自动识别眼前节结构并评估原发性房角关闭疾病的关键参数，以提高诊断效率和准确性。	超声生物显微镜图像中的眼前节结构，包括角膜、虹膜、睫状体和巩膜突。	深度学习、计算机视觉、医学图像分析	原发性房角关闭疾病	超声生物显微镜	深度学习模型（多组织分割模型）	图像	开发阶段共使用592名受试者的2339张UBM图像；验证阶段使用45名受试者的222张图像（来自两个中心）	NA（未在标题和摘要中指定）	NA（具体架构未在标题和摘要中提及）	平均交并比、平均误差距离、自动与手动测量参数的平均差异	NA（未在标题和摘要中提及）
2182	2026-09-10	Deep learning-based assessment of missense variants in the COG4 gene presented with bilateral congenital cataract 2025-01-14, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2024-001906 PMID:39809522	研究论文	首次使用AlphaFold2、Alpha Missense和ThermoMPNN深度学习算法评估COG4基因错义变异的蛋白质结构和致病性，特别关注与双侧先天性白内障相关的p.Y714F变异。	首次将AlphaFold2、Alpha Missense和ThermoMPNN结合用于COG4基因变异评估，并整合多维度致病性指标进行主成分分析。	研究基于计算预测，缺乏体外或体内功能实验验证；样本量小，仅涉及四个临床相关变异。	通过深度学习算法预测COG4基因错义变异的蛋白质结构和致病性，以辅助评估意义不确定的变异。	COG4基因的错义变异，包括一个新发现的p.Y714F和三个已知变异（p.G512R、p.R729W、p.L769R），以及所有可能的COG4错义变异（n=14915）。	深度学习	先天性白内障，Saul-Wilson综合征	蛋白质结构预测，深度学习	AlphaFold2, Alpha Missense, ThermoMPNN	蛋白质序列	4个临床相关变异，14915个所有可能错义变异	NA	AlphaFold2, Alpha Missense, ThermoMPNN	主成分分析，多维尺度分析	NA
2183	2026-09-10	Machine Learning Approaches in High Myopia: Systematic Review and Meta-Analysis 2025-01-03, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/57644 PMID:39753217	系统综述与荟萃分析	系统评估机器学习在高度近视和病理性近视诊断、预测及相关青光眼诊断中的性能	首次对机器学习在高度近视领域的应用进行系统综述和荟萃分析，量化比较深度学习与传统机器学习方法的诊断准确性	纳入研究数量有限，且存在异质性；部分研究未提供足够数据用于定量分析；缺乏外部验证队列研究	评估机器学习方法在临床实践中检测高度近视和病理性近视的性能，为未来智能诊断工具的研发提供循证依据	高度近视、病理性近视及高度近视相关青光眼的检测与预测研究	机器学习	眼科疾病, 高度近视	NA	深度学习（DL）、传统机器学习（非DL）	眼科影像及临床数据	纳入45项研究，其中32项用于定量荟萃分析	NA	NA	汇总受试者工作特征（SROC）、灵敏度、特异性	NA
2184	2026-09-10	Investigation of Unsafe Construction Site Conditions Using Deep Learning Algorithms Using Unmanned Aerial Vehicles 2024-Oct-20, Sensors (Basel, Switzerland) DOI:10.3390/s24206737 PMID:39460217	研究论文	本研究利用无人机搭载深度学习算法，实时检测建筑工人是否佩戴安全帽，以提升施工安全。	将无人机与Faster R-CNN算法结合，实现实时、高精度的工人安全帽佩戴检测，并集成警报系统。	实验在特定施工场景下进行，可能无法完全覆盖所有复杂环境条件。	利用无人机技术监测个人防护装备使用情况，特别是安全帽佩戴，以减少高处坠落和物体打击事故。	建筑工地工人及其安全帽佩戴状态。	计算机视觉	不适用	无人机成像	Faster R-CNN	图像	未提供具体样本数量	TensorFlow	Faster R-CNN	精确率、平均精度均值、每秒帧数	未提供具体计算资源信息
2185	2026-09-10	Toward an Explainable Large Language Model for the Automatic Identification of the Drug-Induced Liver Injury Literature 2024-09-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00134 PMID:39190012	研究论文	开发了首个专门用于药物性肝损伤文献自动识别的可解释大型语言模型，基于LLaMA-2并在公开数据集上达到高准确率	首次将LLaMA-2大型语言模型应用于药物性肝损伤文献的自动识别，相比BERT、GPT等较小模型表现出更优性能，并实现了对大量文档的高通量精确分类	研究主要基于训练集的交叉验证，未提及在独立外部验证集上的表现；模型性能虽优但未达完美，可能仍有改进空间	利用大型语言模型自动、高效地识别药物性肝损伤相关科学文献，以支持药物安全监控和监管审查	CAMDA 2022文献AI挑战赛中的14203篇训练出版物	自然语言处理	药物性肝损伤	大型语言模型微调	LLaMA-2	文本（文献标题和摘要）	14203篇训练出版物	PyTorch	LLaMA-2	准确率、ROC曲线下面积	未指定
2186	2026-09-10	Prediction of Cytochrome P450 Substrates Using the Explainable Multitask Deep Learning Models 2024-09-16, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.4c00199 PMID:39196814	研究论文	本研究构建多任务深度学习模型，同时预测五种主要药物代谢P450酶（CYP3A4, 2C9, 2C19, 2D6, 1A2）的底物，并利用可解释性方法揭示与底物相关的子结构。	采用多任务学习框架结合指纹和图形神经网络，实现了多酶底物的并行预测，并引入SHAP和注意力机制进行模型解释，该解释结果通过子结构挖掘工具和文献得到验证。	摘要中未明确提及研究的局限性。	在药物开发早期阶段，提高P450底物预测的准确性，并增强模型可解释性，以支持化合物代谢性质评估。	五种主要药物代谢P450酶（CYP3A4, 2C9, 2C19, 2D6, 1A2）及其底物化合物。	药物发现, 机器学习	NA	多任务学习, 图形神经网络, 指纹表示	多任务深度学习模型, 图形神经网络	分子结构数据, 化合物底物标签	五种P450酶的底物数据集（具体数量未在摘要中提供）	NA	多任务指纹模型, 多任务图形神经网络	AUC	NA
2187	2026-09-10	Research on precise phenotype identification and growth prediction of lettuce based on deep learning 2024-07-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118845 PMID:38570128	研究论文	本文以生菜为研究对象，利用深度学习模型基于RGB图像进行精确表型识别与生长预测，并结合损失函数优化提升预测精度。	引入自定义表型指标，并结合MSE、SSIM和感知损失来优化预测，提高生长图像和表型指数的准确性。	未提及。	实现生菜全生育期的智能监测与管理，为精准农业提供技术支持。	生菜	计算机视觉	不适用	RGB图像采集	深度学习模型	图像	未提及具体样本数量	不明确，可能使用PyTorch或TensorFlow	不明确，可能基于卷积神经网络结构	SSIM、PSNR、平均误差	未提及
2188	2026-09-10	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2024-05-07, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2403384121 PMID:38691585	研究论文	利用自动微分算法搜索质量作用动力学模型参数空间，以发现自组装的最优动力学途径，提高组装效率和产量。	将深度学习中的自动微分算法应用于自组装动力学参数的优化，类比于深层神经网络的表达性，并展示了该方法不仅用于设计，还可用于推断亚基结合速率。	外部控制法效率较低且鲁棒性不如内部设计法，且对某些系统可能需要高精度的外部控制。	识别最优动力学协议，使得自组装过程能高效、高产量地组装，同时避免动力学陷阱。	由多个亚基组成的生物大分子复合物的自组装过程，如异源四聚体。	机器学习	NA	自动微分	质量作用动力学模型	合成时间序列数据（产量随时间变化）	异源四聚体系统，具体数量未提及	NA	NA	产量、效率、鲁棒性	NA
2189	2026-09-10	DeepDRA: Drug repurposing using multi-omics data integration with autoencoders 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307649 PMID:39058696	研究论文	提出DeepDRA模型，利用自编码器和多层感知机整合多组学数据预测癌症药物反应，并促进药物再利用	采用多任务学习框架，将自编码器与MLP相连，有效降低多组学数据维度并提升药物反应预测性能	未提及	开发一种基于深度学习的模型，通过整合多组学数据、药物描述符和药物指纹预测癌症药物反应，并支持药物再利用	癌症药物反应和药物再利用相关数据及模型	机器学习	癌症	多组学数据整合	自编码器, 多层感知机	多组学数据, 药物描述符, 药物指纹	三个主要数据集：GDSC、CTRP、CCLE	NA	自编码器, MLP	AUPRC	NA
2190	2026-09-10	Two-stage ship detection at long distances based on deep learning and slicing technique 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313145 PMID:39561153	研究论文	提出一种结合深度学习和切片技术的两阶段船舶远距离检测方法	创新性地结合了传统和深度学习方法的优势，采用两阶段检测策略，先检测海天线区域，再对区域内切片进行船舶检测，以提高远距离小目标船舶的检测精度	未提及	提高远距离下智能船舶视觉感知中的船舶检测性能	远距离场景中的船舶	计算机视觉	NA	深度学习	目标检测模型	图像	未提及	未提及	YOLOv8	平均精度（AP50）、检测速度	未提及
2191	2026-09-10	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2023-Sep-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.30.555551 PMID:37693527	研究论文	本文利用自动微分算法优化可逆自组装的物理模型，发现不同亚基复合物在速率常数空间中的最优动力学路径，以避免动力学陷阱并提高组装产量	首次将深度学习框架中的自动微分技术应用于自组装动力学优化，发现多种避免动力学陷阱的新策略，并识别出动力学陷阱成本的通用标度规律	研究仅限于3-7个亚基的复合物，且未考虑实际生物系统中的空间效应或分子拥挤等复杂因素	通过数值优化发现自组装过程中的最优动力学路径，理解生物机制并设计高效的合成组装系统	3-7个亚基的可逆自组装复合物	机器学习	NA	自动微分	物理模型	数值模拟数据	NA	NA	NA	组装产量	NA
2192	2026-09-10	Deep Learning-Based Water-Fat Separation from Dual-Echo Chemical Shift-Encoded Imaging 2022-Oct-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9100579 PMID:36290546	研究论文	提出一种基于深度学习的双回波化学位移编码成像水脂分离方法，旨在解决传统方法计算时间长且易发生水脂交换的问题	首次将密集连接分层卷积网络应用于双回波水脂分离，显著缩短计算时间并减轻水脂交换，且能有效减少金属伪影	训练数据仅包含儿童膝部对比增强图像，未见金属植入物图像，但对非对比增强图像和金属伪影仍有良好泛化能力	开发快速、稳健的水脂分离深度学习方法，同时具备金属伪影补偿能力	68例儿童临床双回波扫描数据，共19382幅对比增强图像，以及来自踝、足和臂部的分布外数据	深度学习	不适用	双回波化学位移编码成像	密集连接分层卷积网络	医学图像（核磁共振图像）	68例儿科临床双回波扫描，对应19382幅对比增强图像，以及踝、足和臂部的分布外数据	未明确提及	密集连接卷积网络	相关系数、L1误差、SSIM、pSNR	未明确提及
2193	2026-09-10	A deep learning approach to real-time HIV outbreak detection using genetic data 2022-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010598 PMID:36240224	研究论文	提出一种基于深度学习的实时HIV疫情暴发检测方法，利用基因数据生成成对遗传距离矩阵图像，通过卷积神经网络分类识别疫情暴发特征	创新性地将成对遗传距离矩阵视为图像，应用图像分类的深度学习方法进行疫情暴发检测，避免了传统系统发育树推断对重组错误敏感且计算成本高昂的问题，实现实时检测	摘要中未提及，可能包括对R0小于2.5的疫情检测能力有限	开发一种可扩展的实时疫情暴发检测方法，利用基因序列数据快速识别传染病暴发，以便及时干预	HIV-1病毒序列，包括欧洲的CRF01亚型，涵盖地方性流行序列和静脉吸毒者中的双重暴发序列	深度学习、传染病监测	HIV/艾滋病	基因测序	卷积神经网络（CNN）	成对遗传距离矩阵（源自病毒序列）	具体样本数量未提供，但涉及欧洲HIV-1 CRF01数据，包含地方性流行序列和暴发序列	未指定	卷积神经网络（CNN），具体架构未指定	特异性、敏感性	未指定
2194	2026-09-10	Intratumoral Resolution of Driver Gene Mutation Heterogeneity in Renal Cancer Using Deep Learning 2022-08-03, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-21-2318 PMID:35654752	研究论文	本研究应用深度学习算法从肾癌的苏木精-伊红（H&E）染色组织切片中预测驱动基因突变，并解决了肿瘤内亚克隆空间分辨率的突变异质性	首次利用深度学习算法在亚克隆空间分辨率下解析肾癌的瘤内突变异质性，预测BAP1、PBRM1和SETD2三个基因的突变状态，并验证了其独立性和临床相关性	未提及	探索深度学习算法在解决癌症瘤内突变异质性方面的能力，并评估其潜在的诊断、预后和生物学意义	透明细胞肾细胞癌（ccRCC）组织样本，包括H&E染色图像和免疫组化（IHC）图像	数字病理学	肾癌	H&E染色、免疫组化（IHC）	深度学习模型	组织病理图像（H&E和IHC）	训练队列为1,282例，测试队列包括TCGA队列363例患者、两个组织微阵列队列分别为118例和365例患者，以及一个患者来源的异种移植（PDX）组织微阵列队列	NA	NA	AUC（曲线下面积）、敏感性	NA
2195	2026-09-10	Reliability of Automatic Computer Vision-Based Assessment of Orofacial Kinematics for Telehealth Applications 2022, Digital biomarkers DOI:10.1159/000525698 PMID:36262771	研究论文	本研究评估了使用自动计算机视觉技术测量口面部运动学在远程医疗应用中的可靠性，并比较了实验室3D摄像头与居家2D摄像头的测量结果	首次探究了基于2D移动摄像头和深度学习的面部运动学测量系统的心理测量学特性（内部一致性和可靠性），并证明居家远程获取的运动学数据与实验室3D摄像头数据具有同等可靠性	未提供具体局限性信息	验证自动计算机视觉评估口面部运动学在远程医疗中的可靠性和内部一致性，并探讨其作为神经退行性疾病数字生物标志物的潜力	口面部运动学特征，包括速度、运动范围和偏侧化	计算机视觉	神经退行性疾病	2D和3D摄像头视频采集及面部关键点追踪	深度学习面部关键点追踪模型	视频	未提供具体样本量	未提供	未提供	Cronbach α系数、组内相关系数、线性混合效应模型	未提供
2196	2026-09-09	mm-HrtEMO: Non-Invasive Emotion Recognition via Heart Rate Using mm-Wave Sensing in Diverse Scenarios 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3522316 PMID:40030825	研究论文	提出了一种基于毫米波雷达和深度学习的非接触式、保护隐私的情感识别框架，用于在多种动态场景中通过心率信号识别情绪	利用毫米波雷达实现非接触式心率检测，并集成混合一维卷积神经网络（1D-CNN）和双向长短期记忆网络（Bi-LSTM）进行特征提取和时序分析，具有实时性和环境鲁棒性	未明确提及限制	开发一种不依赖环境因素（如光照或衣物）的隐私保护情感识别方法，以应用于医疗、人机交互和教育等领域	心率信号及基于毫米波雷达的动态场景数据	机器学习	NA	毫米波雷达	混合1D-CNN和Bi-LSTM	雷达信号数据	NA	NA	1D-CNN、Bi-LSTM	ROC曲线、F1分数、精确率-召回率	NA
2197	2026-09-09	Vox-MMSD: Voxel-Wise Multi-Scale and Multi-Modal Self-Distillation for Self-Supervised Brain Tumor Segmentation 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3592116 PMID:40705573	研究论文	提出了一种名为Vox-MMSD的体素级多尺度多模态自蒸馏自监督学习框架，用于脑肿瘤分割，通过掩蔽和采样策略提升小标注数据下的分割性能	引入了Siamese Block-wise Modality Masking (SiaBloMM)策略和Overlapping Random Modality Sampling (ORMS)，充分利用多模态MRI和体素级多尺度特征进行自蒸馏	未明确提及局限性	开发自监督预训练方法，减少对大量标注数据的依赖，提高脑肿瘤分割性能	多模态脑MRI图像及脑肿瘤区域	计算机视觉、医学图像分析	脑肿瘤	多模态MRI	自监督学习框架	图像	BraTS 2024成人胶质瘤分割数据集及三个小型下游数据集	未明确指定	未明确指定（SiaBloMM和ORMS策略）	Dice系数	未明确指定
2198	2026-09-09	Enhancing EEG-Based Schizophrenia Diagnosis With Explainable Multi-Branch Deep Learning 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3593647 PMID:40729717	研究论文	提出了一种名为MBSzEEGNet的多分支深度学习模型，用于基于EEG的精神分裂症分类，该模型能够捕捉振荡和空间频谱特征，并在两个静息态EEG数据集上实现了较好性能，同时通过显著性图提供可解释性	设计了一个专门的多分支深度学习架构，分别提取振荡和空间频谱特征，增强了模型在不同数据集上的泛化能力，并利用基于显著性的解释方法识别潜在的生物标志物	未提及具体限制	提高基于EEG的精神分裂症诊断的准确性和可解释性，并探索相关的神经标记	静息态脑电图（EEG）数据，用于精神分裂症患者与健康对照的分类	机器学习	精神分裂症	脑电图（EEG）	多分支深度学习模型（MBSzEEGNet）	EEG信号	两个静息态EEG数据集	NA	多分支架构（具体如卷积层等未明确）	准确率	NA
2199	2026-09-09	Precise Identification of Gastric Cancer Pathological Differentiation Based on Hyperspectral Imaging and Lightweight Deep Learning Models 2026-01, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500242 PMID:40903818	研究论文	本研究提出结合高光谱成像与轻量级深度学习模型的改进深度残差网络，以实现胃癌组织病理分化的精确识别	提出轻量级改进深度残差网络（IDRN），结合光谱预处理、降维和带注意力机制的残差CNN，在保持高效性的同时增强特征提取能力	摘要未提及研究局限性，如样本量、外部验证或潜在临床转化挑战	利用高光谱图像和轻量级深度学习模型实现对胃癌组织分化程度的精确分类，以辅助预后和治疗决策	胃癌组织样本	数字病理学、机器学习、计算机视觉	胃癌	高光谱成像	CNN、SVM、ResNet、ViT、改进深度残差网络（IDRN）	高光谱图像	未提及	未提及	改进深度残差网络（IDRN）、ResNet50、ViT	性能指标（具体如准确率等未提及，但比较实验使用）	未提及
2200	2026-09-09	ADMGCN: graph convolutional network for Alzheimer's disease diagnosis with a meta-learning paradigm 2025-12-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf580 PMID:41148043	研究论文	提出一种基于元学习范式的图卷积网络（ADMGCN），用于阿尔茨海默病的早期诊断，通过权重和降维技术提升性能与效率	采用元学习范式来采样受试者以创建多个标签平衡的任务，最大化数据利用并减轻标签不平衡的影响，同时使GCN能够快速适应新任务并支持独立测试	未在摘要中明确提及局限性	解决深度学习在阿尔茨海默病诊断中需要大数据集和对标签分布不平衡敏感的问题，增强图卷积网络的灵活性并实现早期诊断	阿尔茨海默病患者及对照受试者的大脑影像数据	计算机视觉, 机器学习	阿尔茨海默病	NA	图卷积网络（GCN）	影像数据	NA	NA	NA	准确率	NA