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
2281	2026-04-14	An Innovative Inducer of Platelet Production, Isochlorogenic Acid A, Is Uncovered through the Application of Deep Neural Networks 2024-02-23, Biomolecules IF:4.8Q1 DOI:10.3390/biom14030267 PMID:38540688	研究论文	本研究利用深度神经网络筛选天然产物库，发现异绿原酸A可促进巨核细胞分化成熟及血小板生成，为治疗辐射诱导的血小板减少症提供了潜在新药	首次结合CNN、DNN及混合神经网络（HCD）构建药物活性预测模型，并成功应用于从《中国药典》天然产物库中筛选出具有促血小板生成活性的新化合物异绿原酸A	研究仅通过体外实验验证活性，尚未开展动物模型或临床试验；模型训练数据来源及规模未具体说明	开发治疗辐射诱导血小板减少症（RIT）的新药物	天然化合物库中的分子（特别是异绿原酸A）、巨核细胞及血小板	机器学习	血小板减少症	深度学习算法	CNN, DNN, 混合神经网络	分子理化性质数据	10种FDA批准的血小板减少症治疗药物作为测试集	NA	Hybrid CNN+DNN (HCD)	准确率, 精确率	NA
2282	2026-04-14	Forecasting the Acute Heart Failure Admissions: Development of Deep Learning Prediction Model Incorporating the Climate Information 2024-02, Journal of cardiac failure IF:6.7Q1 DOI:10.1016/j.cardfail.2023.10.476 PMID:37952642	研究论文	本研究开发了一种结合气候信息的深度学习预测模型，用于预测急性心力衰竭的入院情况	首次将深度学习模型应用于结合气候信息预测急性心力衰竭入院，并证明其优于传统回归模型	研究仅基于东京地区数据，可能无法推广到其他气候或地理区域	预测急性心力衰竭的入院情况，以优化医疗资源管理	东京CCU网络数据库中2014年至2019年的27,799例急性心力衰竭入院病例	机器学习	心血管疾病	深度学习	DNN	时间序列数据	27,799例急性心力衰竭入院病例	NA	深度神经网络	R2, c-statistics	NA
2283	2026-04-14	Discovering design principles of collagen molecular stability using a genetic algorithm, deep learning, and experimental validation 2022-10-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2209524119 PMID:36161946	研究论文	本文开发了一种结合遗传算法和深度学习的通用模型，用于设计具有特定熔化温度的胶原蛋白序列，并通过实验和计算方法验证了其预测准确性	首次将遗传算法与深度学习框架结合，用于设计胶原蛋白序列并预测其熔化温度，实现了高通量序列生成和验证	模型预测的熔化温度与实际值存在几摄氏度的误差，且研究主要关注序列设计，对实际生物材料应用的长期稳定性验证不足	开发一个稳健的框架，以设计具有特定熔化温度的胶原蛋白序列，用于生物材料制造和生物医学应用	胶原蛋白的氨基酸序列及其熔化温度	机器学习	NA	遗传算法，深度学习，分子动力学模拟，实验验证	深度学习模型	序列数据	1,000个新设计的胶原蛋白序列	NA	NA	熔化温度预测误差（摄氏度）	NA
2284	2026-04-14	Automated Determination of Left Ventricular Function Using Electrocardiogram Data in Patients on Maintenance Hemodialysis 2022-07, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.16481221 PMID:35667835	研究论文	本研究开发了一种基于心电图数据的深度学习模型，用于自动化评估维持性血液透析患者的左心室射血分数	利用迁移学习策略，通过在非血液透析患者的心电图数据上进行预训练，有效解决了血液透析患者样本量较小的问题，并提升了模型性能	研究样本主要来自特定医疗机构的患者，可能限制了模型的泛化能力；且模型在中等射血分数类别（41%-50%）上的预测性能相对较低	开发并评估深度学习模型，以自动化方式从心电图数据中分类维持性血液透析患者的左心室射血分数	维持性血液透析患者，以及作为预训练数据来源的非血液透析患者	机器学习	心血管疾病	深度学习, 迁移学习	深度学习模型	心电图数据	血液透析患者：2,168名患者，18,626对心电图-超声心动图数据；非血液透析患者：158,840名患者，705,075对心电图-超声心动图数据	NA	NA	受试者工作特征曲线下面积	NA
2285	2026-04-14	Deep learning for cancer type classification and driver gene identification 2021-Oct-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04400-4 PMID:34689757	研究论文	本研究提出了一种名为DeepCues的深度学习模型，利用卷积神经网络从原始癌症DNA测序数据中提取特征，用于癌症类型分类和相关基因发现	开发了能够同时整合胚系变异和体细胞突变（包括插入和缺失）的深度学习模型，直接从原始全外显子组测序数据中无偏倚地提取特征，显著提高了癌症类型预测的准确性	研究仅针对七种主要癌症类型进行分类，未涵盖所有癌症亚型；模型性能可能受限于训练数据的规模和多样性	开发一种能够有效探索遗传变异景观（包括胚系变异和小片段插入缺失）的新方法，用于癌症类型预测和驱动基因识别	癌症患者的DNA测序数据，包括胚系变异和体细胞突变	机器学习	癌症	全外显子组测序	CNN	DNA测序数据	TCGA数据集中的七种主要癌症类型样本	NA	卷积神经网络	准确率	NA
2286	2026-04-14	Improved prediction of smoking status via isoform-aware RNA-seq deep learning models 2021-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009433 PMID:34634029	研究论文	本文开发了一种基于RNA-seq数据的深度学习模型，利用外显子和异构体量化信息来预测吸烟状态，相比传统基因水平模型有显著性能提升	首次在吸烟状态预测中引入外显子与异构体水平的RNA-seq量化数据，并设计了包含外显子到异构体映射层的深度学习架构，挖掘了基因剪接的潜在信息	研究样本仅来自COPDGene研究队列，可能缺乏人群多样性；模型性能依赖于特定基因集合的选择	利用RNA-seq数据中的异构体信息改进临床预测模型的性能	2,557名COPDGene研究参与者的RNA-seq数据	机器学习	NA	RNA-seq	深度神经网络	基因表达数据（基因、外显子、异构体水平量化）	2,557名受试者	NA	包含外显子到异构体映射层的深度神经网络	AUC	NA
2287	2026-04-13	Pushing the Limits of Surface-Enhanced Raman Spectroscopy (SERS) with Deep Learning: Identification of Multiple Species with Closely Related Molecular Structures 2022-May, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028221077119 PMID:35081756	研究论文	本研究评估了将深度学习算法应用于表面增强拉曼光谱（SERS）以区分和分类不同胆汁酸物种的潜力	结合SERS与深度学习算法，成功识别了分子结构仅相差单个羟基的多种胆汁酸物种，即使在低分析物浓度下也表现出可靠性	NA	评估深度学习在SERS光谱中区分和分类结构相近的化学物种的能力	五种胆汁酸物种	机器学习	肠道微生物失衡	表面增强拉曼光谱（SERS）	CNN	光谱数据	NA	NA	卷积神经网络	NA	NA
2288	2026-04-12	BlotDx: A deep learning tool for Western blot-based diagnostics 2026-Jun, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2026.115385 PMID:41856415	研究论文	本研究介绍了一种名为BlotDx的深度学习工具，用于辅助解释Western blot图像，以提高单纯疱疹病毒（HSV）血清学诊断的效率和一致性	开发了一种两阶段深度学习方法，结合实例分割/目标检测和分类模型，用于自动化Western blot图像解释，减少人工依赖并提高诊断一致性	研究中排除了不确定结果，且验证数据集来自单一机构，可能限制了模型的泛化能力	开发一个深度学习工具，以自动化Western blot图像解释，提高HSV血清学诊断的效率和准确性	单纯疱疹病毒（HSV-1和HSV-2）的Western blot图像	计算机视觉	单纯疱疹病毒感染	Western blot	实例分割, 目标检测, 分类模型	图像	主要数据集包含926个斑点对（2016-2017年采集，2018年拍摄），验证数据集包含185个斑点对（2019-2024年采集，2025年拍摄）	NA	NA	诊断准确率, 95%置信区间	NA
2289	2026-04-12	Tumor burden in metastatic colorectal cancer quantified using deep learning models: Prognostic value and maintenance treatment benefit in the CAIRO3 trial 2026-May-02, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116668 PMID:41819026	研究论文	本研究利用深度学习模型量化转移性结直肠癌的肿瘤负荷，探讨其在预后评估和维持治疗获益中的价值	首次在CAIRO3试验中应用自动化深度学习分割模型量化肿瘤负荷，并发现低肿瘤体积患者从维持治疗中获益更显著	探索性分析，样本量较小（104例患者），需进一步验证	评估转移性结直肠癌中肿瘤负荷的预后和预测价值	CAIRO3试验中伴有肝和/或肺转移的转移性结直肠癌患者	数字病理学	结直肠癌	深度学习分割模型	深度学习模型	医学影像	104例患者，共3989个转移性病灶	NA	NA	p值	NA
2290	2026-04-12	MuTriM: A multiscale deep learning model integrating longitudinal radiomics and pathomic features for predicting recurrence and adjuvant radiation benefit in breast cancer 2026-May-02, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116679 PMID:41850009	研究论文	本文提出了一种名为MuTriM的多模态深度学习模型，通过整合动态对比增强磁共振成像的放射组学特征和全切片病理图像的病理组学特征，用于预测乳腺癌的复发和辅助放疗获益	开发了一个基于注意力的跨模态和跨时间融合框架，首次同时整合了纵向DCE-MRI放射组学特征和WSI上的细胞形态病理组学特征，以多尺度方式预测乳腺癌预后	研究样本量相对有限（训练集335例，外部测试集126例），且仅使用了FUSCC和TCGA两个队列的数据，可能缺乏更广泛人群的验证	预测乳腺癌患者的无复发生存期和辅助放疗获益，为个体化治疗提供指导	乳腺癌患者，包括HER2+和ER+亚型人群	数字病理学	乳腺癌	DCE-MRI, 全切片病理成像	深度学习模型	图像（DCE-MRI和WSI）	训练集：FUSCC队列335例；外部测试集：TCGA队列126例	NA	基于注意力的跨模态和跨时间融合框架	风险比, 95%置信区间, p值, C指数	NA
2291	2026-04-12	18F-FDG PET-based ensemble deep learning model for the prediction of lymphovascular invasion in colorectal cancer patients 2026-May, Abdominal radiology (New York) DOI:10.1007/s00261-025-05282-3 PMID:41217477	研究论文	本研究开发了一种基于18F-FDG PET图像的2.5维集成深度学习模型，用于预测结直肠癌患者的淋巴血管侵犯	提出了一种结合不同肿瘤区域（原发灶、近端及远端瘤周）的2.5D集成深度学习模型，并利用支持向量机融合多个深度学习模型的预测结果，以提高淋巴血管侵犯的预测性能	研究为回顾性设计，样本量相对较小（177例患者），且仅进行了内部测试，缺乏外部验证	评估基于18F-FDG PET图像的深度学习模型在预测结直肠癌患者淋巴血管侵犯方面的诊断性能	结直肠癌患者	数字病理学	结直肠癌	18F-FDG PET/CT成像	集成深度学习模型	PET图像	177名结直肠癌患者	NA	VGG16, Googlenet, ResNet50, DenseNet201, Vision Transformer	AUC, 准确率, F1分数	NA
2292	2026-04-12	Poincaré feature-based classification of electroencephalography signals for multiple sclerosis diagnosis 2026-May, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2026.107092 PMID:41747647	研究论文	本研究探索使用基于Poincaré图的EEG信号特征来区分多发性硬化症患者与健康个体	首次将Poincaré图特征应用于EEG信号以辅助多发性硬化症的诊断，并结合传统机器学习与深度学习模型进行比较分析	样本量有限（仅50名受试者），结果需视为初步发现，需要更大规模的数据集进行验证	开发一种基于EEG的低成本、无创方法来辅助多发性硬化症的诊断	多发性硬化症患者和健康对照个体的EEG信号	机器学习	多发性硬化症	EEG信号处理	KNN, DT, RF, MLP, CNN, LSTM, GRU	EEG信号	50名受试者（25名多发性硬化症患者，25名健康对照）	NA	CNN+LSTM, LSTM+GRU	准确率, 灵敏度, 特异性	NA
2293	2026-04-12	The evolution of T1-weighted lesion inpainting tools in patients with brain injury: A scoping review 2026-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121869 PMID:41881175	综述	本文对脑损伤患者T1加权MRI病灶修复工具的演变进行了范围综述，系统分类并评估了传统方法和深度学习方法	首次对脑损伤病灶修复工具进行全面范围综述，系统分类传统与深度学习方法，并提出使用与开发建议	仅纳入24篇文献，可能未覆盖所有相关研究；未进行定量荟萃分析	综述脑损伤患者MRI病灶修复工具的发展与应用	获得性脑损伤患者的T1加权MRI图像	数字病理学	脑损伤	T1加权磁共振成像	CNN, GAN, 去噪扩散模型	医学影像	NA	NA	NA	NA	NA
2294	2026-04-12	Multi-dimensional CT feature screening, construction, and validation of a clinical diagnostic model for thyroid eye disease 2026-May, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104534 PMID:41895192	研究论文	本研究通过多维CT特征筛选、构建并验证了甲状腺眼病的临床诊断模型	首次系统性地结合CT三维重建和多平面重建数据，通过四维参数（点、线、面、体积）的定量测量，并利用LASSO回归进行特征筛选，构建了高精度的TED诊断模型，相比单一筛查指标性能更优	研究未整合机器学习、深度学习或影像组学方法，可能限制了模型的进一步优化和临床工作流程效率	开发并验证一个用于甲状腺眼病筛查的定量、可重复的临床诊断模型	甲状腺眼病患者和对照受试者的眼眶CT影像数据	数字病理	甲状腺眼病	计算机断层扫描（CT）、三维重建、多平面重建	逻辑回归	CT影像	未明确具体样本数量，但数据集按7:3比例随机分为训练集和验证集	SPSS, R语言	NA	AUC（ROC曲线下面积）、分类准确率	NA
2295	2026-04-12	ConforFold recovers alternative protein conformations beyond MSA subsampling 2026-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70564 PMID:41954434	研究论文	本文介绍了一个结合二级结构采样与深度学习预测的框架ConforFold，用于恢复多种蛋白质构象状态	通过整合二级结构采样到深度学习预测中，克服了基于MSA子采样或扩散模型的限制，能恢复传统方法无法访问的构象	未明确提及具体的数据集规模或计算资源限制，可能依赖于特定测试数据集	开发一个系统性地采样蛋白质结构集合的预测工具，以研究构象异质性和功能机制	具有两种替代构象的蛋白质样本	机器学习	NA	深度学习，二级结构预测	Transformer, OpenFold	蛋白质结构数据	未明确指定具体样本数量，但基于测试数据集	PyTorch（假设基于OpenFold），TensorFlow（可能用于Transformer训练）	Transformer, OpenFold	TM-score, 准确率	未明确指定，可能使用GPU进行深度学习训练
2296	2026-04-12	Deep-Learning-Based Automatic Measurement of the Distance Between the Maxillary Sinus and Maxillary Posterior Teeth on CBCT Images 2026-Apr-11, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.70141 PMID:41964309	研究论文	本研究开发了一种基于深度学习和三维点云算法的自动框架，用于在CBCT图像上量化上颌窦与上颌后牙之间的距离关系	结合U-Net卷积块注意力架构的深度学习分割模型与三维点云算法，实现了对上颌窦与上颌后牙距离的自动测量，提高了检测准确性和一致性	样本量相对较小（88个上颌窦和352颗上颌后牙），且成功检测率在1毫米阈值下为70.3%，仍有提升空间	探索基于CBCT图像的深度学习模型，自动测量上颌窦与上颌后牙之间的距离，以辅助临床诊断和治疗规划	上颌窦和上颌后牙	数字病理学	NA	锥形束计算机断层扫描	CNN	图像	88个上颌窦和352颗上颌后牙	NA	U-Net卷积块注意力架构	Dice相似系数, Jaccard系数, 成功检测率	NA
2297	2026-04-12	Deep Learning-Enabled Multimodal AFM Image Enhancement: Correlation Analysis between Surface Topography and Multiphysics Fields 2026-Apr-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06947 PMID:41961746	研究论文	本文提出了一种基于深度学习的多模态AFM图像增强模型，用于分析纳米尺度下材料表面形貌与多物理场之间的相关性	提出了一种基于多模态数据融合的图像增强模型，利用深度学习框架从多尺度AFM数据中提取和增强特征，实现了表面形貌特征与物理性能之间的潜在关联分析	NA	实现纳米尺度下材料表面形貌与多物理场的同步关联分析，以推进材料表征技术的发展	染色体表面	计算机视觉	NA	原子力显微镜（AFM），超分辨率（SR）成像	CNN	图像	NA	NA	NA	NA	NA
2298	2026-04-12	An Open-Source Deep Learning Framework for Automated Corneal Segmentation in Anterior Segment Optical Coherence Tomography With Cross-Device External Validation 2026-Apr-10, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004130 PMID:41962147	研究论文	本文开发了一个名为CUNEX的深度学习模型，用于自动分割前段光学相干断层扫描（AS-OCT）图像中的全厚度角膜，并在多个设备上进行了外部验证	CUNEX是首个开源的AS-OCT角膜分割模型，在多个独立OCT平台上进行了评估，提供了可重复的分割基础	分割对性别预测的准确性有影响，从81%降至68%，表明性别相关特征可能位于角膜之外	开发并评估一个深度学习模型，用于AS-OCT图像中的角膜分割，并集成到临床和人工智能研究流程中	AS-OCT图像，包括正常、圆锥角膜和Fuchs内皮角膜营养不良的眼睛	计算机视觉	角膜疾病	光学相干断层扫描（OCT）	深度学习模型	图像	194,599次扫描来自37,499名患者，其中300只眼睛用于模型训练	nnU-Net	nnU-Net	Dice相似系数（DSC），交并比（IoU），准确率	NA
2299	2026-04-12	Deep learning based automated assessment of end-inspiratory pause maneuver reliability in invasive mechanical ventilation 2026-Apr-10, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae5e16 PMID:41962572	研究论文	本研究开发了一个基于深度学习的自动化框架，用于评估有创机械通气中吸气末暂停操作的可靠性	首次提出使用一维卷积神经网络自动评估吸气末暂停操作的可靠性，解决了手动测量变异性大且缺乏客观评估工具的问题	未在摘要中明确提及	开发自动化工具以评估机械通气中吸气末暂停操作的可靠性，支持肺保护性通气策略的标准化实施	有创机械通气中的吸气末暂停操作	机器学习	NA	NA	CNN	波形数据（压力、流量、体积）	未在摘要中明确提及	未在摘要中明确提及	一维卷积神经网络	F1分数, 灵敏度	未在摘要中明确提及
2300	2026-04-12	Developing an Artificial Intelligence Solution to Autosegment the Edentulous Maxillary Bone for Implant Planning 2026-Apr-10, European journal of dentistry DOI:10.1055/s-0046-1818558 PMID:41962579	研究论文	本研究开发了一种基于U-Net架构的深度学习系统，用于自动分割上颌无牙颌骨区域，以辅助数字化种植体规划	首次将基于U-Net的卷积神经网络应用于CBCT影像的上颌无牙颌骨自动分割，并在某些情况下展现出比人工分割更高的解剖学精度	数据集规模较小（77例），且存在类别不平衡问题（后牙区无牙颌病例占多数），人工标注协议有待优化	开发人工智能解决方案以自动化上颌无牙颌骨的分割，从而简化数字化种植体规划流程	上颌无牙颌骨区域	数字病理学	NA	锥形束计算机断层扫描（CBCT）	CNN	医学影像	77例CBCT扫描（来自209例初始数据），包含30例单侧和47例双侧无牙颌空间	MONAI	U-Net	Dice相似系数（DSC）	NA