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
321	2026-06-02	Deep learning enabled in vitro predicting biological tissue thickness using force measurement device 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109181 PMID:39326264	研究论文	提出了一种结合力测试系统和离散多小波变换卷积神经网络的新型生物组织厚度体外测量方法	首次将力测试系统与离散多小波变换卷积神经网络结合用于体外预测生物组织厚度	仅在受控实验环境中对人工生物组织和猪肉样本进行了验证，尚未在活体组织上进行测试	开发一种低成本、非侵入性的生物组织厚度体外测量方法	生物组织厚度测量	机器学习	NA	力测试系统	卷积神经网络	力学测量数据	四种不同厚度的猪肉组织样本	NA	DMWA-CNN	准确率	NA
322	2026-06-02	A multi-task learning model for clinically interpretable sesamoiditis grading 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109179 PMID:39326263	研究论文	提出一种多任务学习模型，用于可临床解释的籽骨炎分级	提出一种双分支解码器的多任务学习模型，融合临床知识与机器学习，同时进行籽骨炎分级和血管通道分割，并通过生成诊断报告增强模型决策的可解释性	未明确说明局限性	实现籽骨炎的准确分级并提高临床可解释性	马匹籽骨炎	机器学习	籽骨炎	NA	多任务学习模型	图像	两个数据集	NA	双分支解码器	准确率, 泛化能力	NA
323	2026-06-02	Personalized food consumption detection with deep learning and Inertial Measurement Unit sensor 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109167 PMID:39326266	研究论文	利用惯性测量单元传感器和深度学习模型实现个性化食物消费检测，以准确记录碳水化合物摄入	开发了个性化深度学习模型，使用递归神经网络（LSTM）处理IMU传感器数据，实现高精度碳水化合物摄入检测	数据集主要包含单日数据点，多日性能未知；部分离群值存在；预测延迟平均5.5秒	为糖尿病患者提供自动化的碳水化合物摄入检测方法，以辅助人工胰腺管理	用于记录碳水化合物摄入的饮食习惯检测	机器学习	糖尿病	IMU传感器（加速度计和陀螺仪）	LSTM	传感器数据（加速度计和陀螺仪）	公共数据集中多个患者样本	NA	LSTM	F1分数, 混淆矩阵时间差	NA
324	2026-06-02	A multimodal cross-transformer-based model to predict mild cognitive impairment using speech, language and vision 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109199 PMID:39332117	research paper	提出一种基于多模态交叉Transformer的模型，利用语音、语言和视觉数据预测轻度认知障碍	在嵌入层通过共注意力机制融合语音、语言和视觉三种模态，在交叉Transformer层内捕获模态间的互补信息，优于早期和晚期融合方法	未明确讨论数据集的规模限制、模型泛化到其他人群的潜在偏差，以及计算资源需求	开发一种能够有效利用多模态数据预测轻度认知障碍（MCI）的深度学习模型	年龄75岁以上的参与者，通过互联网/摄像头记录半结构化对话中的语音、语言和面部视频数据	machine learning	geriatric disease	深度学习	交叉Transformer	音频、文本、视频	I-CONECT数据集中的大量75岁以上参与者，具体样本数量未给出	NA	交叉Transformer、共注意力机制	AUC	NA
325	2026-06-02	Wfold: A new method for predicting RNA secondary structure with deep learning 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109207 PMID:39341115	研究论文	提出了一种基于深度学习的端到端方法Wfold，用于预测RNA二级结构	结合U-net的局部信息收集能力和Transformer编码器的自注意力机制，以图像形式表示RNA序列，从而提高预测精度	在跨家族数据集上性能与传统方法相当，可能仍需更多验证	提高RNA二级结构预测的准确性，并可靠预测假结	RNA序列的二级结构	机器学习	NA	深度学习	CNN, Transformer	图像	使用RNA数据集	NA	U-net, Transformer	准确率	NA
326	2026-06-02	Development and validation of a deep learning-based survival prediction model for pediatric glioma patients: A retrospective study using the SEER database and Chinese data 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109185 PMID:39341114	研究论文	开发并验证一种基于深度学习的时间依赖模型，用于预测儿童胶质瘤患者的预后	首次构建了一个基于DeepSurv的儿童胶质瘤在线预后预测工具，并结合SEER数据库和中国数据进行了外部验证	研究可能受到回顾性设计、数据来源的偏倚以及样本量（尤其中国队列）相对较小的限制	准确预测儿童胶质瘤患者的生存率，辅助临床决策	儿童胶质瘤患者（来自SEER数据库和中国唐都医院）	深度学习	儿童胶质瘤	NA	深度学习生存模型（DeepSurv、N-MTLR）、集成学习模型（RSF）和Cox比例风险模型	生存数据（包括临床特征、治疗信息和生存时间）	共9532名患者（SEER数据库9274名，中国唐都医院258名）	PyTorch	DeepSurv、N-MTLR、RSF	C-index、Brier score、Integrated Brier Score (IBS)、ROC曲线、AUC、校准曲线、决策曲线分析 (DCA)	NA
327	2026-06-02	BOATMAP: Bayesian Optimization Active Targeting for Monomorphic Arrhythmia Pace-mapping 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109201 PMID:39342676	研究论文	提出BOATMAP主动学习方法，通过12导联心电图定位心室激活起源，指导室性心动过速消融治疗	创新性地将输入输出关系倒置，利用高斯过程作为替代模型主动学习目标心电图与起搏心电图之间的相似性，并提供可解释的临床指导	仅在模拟环境中测试，未在真实临床数据中验证	开发一种主动学习方法，从12导联心电图精准定位心室激活起源，辅助消融治疗决策	心室激活起源点定位与起搏心电图数据	机器学习	室性心动过速	心电图（ECG）	高斯过程	心电图信号	模拟多种心脏几何结构和组织特性，平均使用8.0±4.0个起搏点	NA	高斯过程	定位精度	NA
328	2026-06-02	Multimodal brain tumor segmentation and classification from MRI scans based on optimized DeepLabV3+ and interpreted networks information fusion empowered with explainable AI 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109183 PMID:39357134	研究论文	提出一个基于深度学习和可解释人工智能的框架，用于脑肿瘤MRI图像的分割与分类	采用贝叶斯优化初始化DeepLabV3+超参数进行分割，并设计IRB-96和IRB-Self两个定制模型进行特征提取与融合，结合LIME可解释性方法提升模型透明度	仅在Figshare单一数据集上验证，未测试泛化能力；计算资源需求未提及	实现脑肿瘤MRI图像的高精度分割与分类，并通过可解释性增强临床信任度	脑肿瘤MRI扫描图像	计算机视觉, 数字病理学	脑肿瘤	MRI	CNN, 注意力机制	图像	Figshare数据集（具体样本数未提及）	PyTorch	DeepLabV3+, IRB-96, IRB-Self	分割准确率, 分类准确率	NA
329	2026-06-02	On-site burn severity assessment using smartphone-captured color burn wound images 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109171 PMID:39362001	研究论文	提出了一种利用智能手机拍摄的彩色烧伤伤口图像进行烧伤严重程度自动评估的分析平台	引入了非对称注意力机制，通过身体部位分割任务引导烧伤区域分割任务，并开发了便于临床使用的移动应用程序	NA	实现烧伤严重程度的快速、准确自动评估	烧伤伤口图像中的烧伤区域和身体部位	计算机视觉	烧伤	彩色图像捕捉	联合任务深度学习模型	图像	1340张彩色烧伤伤口图像	PyTorch	非对称注意力机制网络	Dice系数, R值	NA
330	2024-10-11	Responds to the Comments on "A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI" 2024-11, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29310 PMID:38363190	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
331	2024-10-11	Comments on "A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI" 2024-11, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29311 PMID:38366814	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
332	2026-06-02	Review of deep representation learning techniques for brain-computer interfaces 2024-11-01, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad8962 PMID:39433072	综述	综述深度学习表示学习技术在脑机接口中的应用现状	系统总结了81篇使用深度表示学习技术的脑机接口研究，发现自编码器是主流，自监督学习为新兴方向，但尚未形成通用的基础模型	目前尚无标准基础模型被脑机接口社区广泛采用，且仅少数研究对学习到的表示进行了深入分析	分析深度表示学习技术在脑机接口解码中的应用现状与趋势	脑电图信号	机器学习	神经疾病	脑电图	自编码器、自监督学习	脑电图信号	81篇相关研究论文	NA	自编码器	NA	NA
333	2026-06-02	Deep learning based local feature classification to automatically identify single molecule fluorescence events 2024-10-28, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07122-4 PMID:39468368	研究论文	介绍DEBRIS，一种基于深度学习的局部特征分类方法，用于自动识别单分子荧光事件	首次使用深度学习模型通过同一训练模型准确分类四种不同类型的单分子荧光事件，展示其通用性	未提及具体限制	开发一种深度学习模型，专注于局部特征分类，自动识别稳态荧光信号和动态涌现的不同模式信号	单分子荧光事件，包括单色和双色事件	机器学习	NA	单分子荧光测量	CNN	时序数据	NA	NA	DEBRIS	准确率	NA
334	2026-06-02	Graph masked self-distillation learning for prediction of mutation impact on protein-protein interactions 2024-10-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07066-9 PMID:39462102	研究论文	提出一个名为PIANO的深度学习框架，通过图掩码自蒸馏学习预测蛋白质-蛋白质相互作用中突变对结合亲和力变化的影响	采用图掩码自蒸馏方案对蛋白质结构几何表示进行预训练，并利用多分支网络整合氨基酸、原子和蛋白质序列编码器，同时适用于全息复合物和载脂单体结构	NA	改进蛋白质-蛋白质相互作用中突变结合亲和力变化的预测性能，并为药物设计、治疗干预和蛋白质工程提供见解	蛋白质-蛋白质相互作用中的突变位点及其周围结构上下文	机器学习	NA	深度学习	图神经网络、多分支网络	蛋白质结构数据	NA	NA	图掩码自蒸馏编码器、多分支编码器（氨基酸、原子、蛋白质序列）	预测性能（具体指标未说明）	NA
335	2026-06-02	Leveraging advances in data-driven deep learning methods for hybrid epidemic modeling 2024-09, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2024.100782 PMID:38971085	研究论文	本文总结了在COVID-19情景建模中心的工作，强调深度学习技术通过灵活的数据驱动框架补充传统机械模型，用于评估未来疫情情景	提出基于多元长短期记忆网络的两种深度学习模型，解决了传统数据驱动模型的挑战，能够整合异构监测数据源（如症状、环境、基因组、血清学、信息监测和移动数据）	NA	利用深度学习技术改进混合疫情建模，为公共卫生决策提供更准确的情景预测	COVID-19疫情中的病例数、住院人数和死亡人数等流行病学数据	机器学习	COVID-19	LSTM	LSTM	时间序列数据、异构监测数据（症状、环境、基因组、血清学等）	12轮以上的COVID-19情景建模	PyTorch	多元LSTM	NA	NA
336	2026-06-02	Revisiting the current and emerging concepts of postharvest fresh fruit and vegetable pathology for next-generation antifungal technologies 2024-07, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.13397 PMID:38924311	综述	审视采后新鲜果蔬病理学当前与新兴概念，推动下一代抗真菌技术发展	从微生物组和病原组视角提出整体性采后病害控制策略，整合合成生物学、sRNA技术、深度学习等新技术	未提及具体实验验证或定量分析，偏重概念性综述	总结采后病理学新概念，开发可持续安全策略以控制真菌感染和真菌毒素污染	新鲜果蔬中的真菌感染、微生物组与病原组	机器学习	果蔬真菌病害	NA	深度学习	基因组数据、微生物组数据	NA	NA	NA	NA	NA
337	2026-06-02	Artificial-intelligence-based risk prediction and mechanism discovery for atrial fibrillation using heart beat-to-beat intervals 2024-05-10, Med (New York, N.Y.) DOI:10.1016/j.medj.2024.02.006 PMID:38492571	研究论文	基于心跳间期数据，开发可解释的深度学习模型预测房颤风险并探究其机制	提出基于模型可解释性的房颤机制推测，并验证自主神经失衡与多种房颤风险因素的关联	依赖心跳间期数据，可能忽略其他临床特征对房颤风险的影响	利用窦性心律时的心跳间期数据预测房颤风险，并揭示潜在机制	房颤风险预测及自主神经失衡机制	机器学习	心血管疾病	NA	深度学习模型	心率间期数据	大型院内及外部公共数据集	NA	NA	NA	NA
338	2026-06-02	A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI 2024-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28895 PMID:37403945	研究论文	提出一种通道维度特征重构的深度学习模型，利用全b值扩散加权MRI预测乳腺癌分子亚型	首次通过通道维度特征重构机制充分挖掘无对比剂DW-MRI的潜力，使得DW-MRI达到与DCE-MRI相当的预测性能	未具体说明模型在外部验证集上的表现，且研究仅针对单一机构的前瞻性数据	开发无需对比剂的深度学习模型预测乳腺癌分子亚型，并比较DW-MRI与DCE-MRI的预测性能	486名女性乳腺癌患者肿瘤的分子亚型分类（luminal A、luminal B、HER2+、三阴性）	数字病理学	乳腺癌	扩散加权成像（DWI）、动态对比增强MRI（DCE-MRI）	卷积神经网络（CNN）、深度神经网络（DNN）	MRI图像	486名女性乳腺癌患者（训练/验证/测试：64%/16%/20%）	NA	通道维度特征重构深度神经网络（CDFR-DNN）、非CDFR深度神经网络（NCDFR-DNN）、混合集成深度神经网络（ME-DNN）	准确率、敏感性、特异性、AUC	NA
339	2026-06-02	Oktoberfest: Open-source spectral library generation and rescoring pipeline based on Prosit 2024-04, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300112 PMID:37672792	研究论文	介绍Oktoberfest开源Python包，实现基于Prosit的谱图库生成与重评分流程	将原本仅通过ProteomicsDB在线访问的谱图库生成与重评分流程开源化，提供跨搜索平台兼容的本地安装包	NA	促进机器学习与深度学习模型在蛋白质组学分析流程中的采用	肽段属性预测模型及谱图库生成流程	机器学习	NA	机器学习，深度学习	深度学习模型	质谱数据	NA	PyTorch	Prosit	NA	NA
340	2026-06-02	Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis 2024-01, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07982-0 PMID:37875679	research paper	通过深度学习模型大规模评估腰椎旁肌肉横截面积和脂肪浸润	利用验证的深度学习模型对4434名背部疾病患者进行大规模自动化分析，揭示性别、年龄和疾病类型对腰椎肌肉形态的影响	未提及具体限制	评估背部疾病患者腰椎肌肉横截面积和脂肪浸润的差异	4434名背部疾病患者（包括骨折、疝气、脊柱手术等）的T2轴向MRI图像	digital pathology	背部疾病	MRI	深度学习	图像	4434名患者（2609名女性，1825名男性）	NA	NA	NA	NA