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
581	2026-04-10	Integrating Clinical Data and Radiomics and Deep Learning Features for End-to-End Delayed Cerebral Ischemia Prediction on Noncontrast CT 2024-09-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8301 PMID:39025637	研究论文	本研究开发了一种基于非增强CT的端到端模型，用于预测动脉瘤性蛛网膜下腔出血后的迟发性脑缺血	提出了一种结合临床数据、影像组学和深度学习特征的两阶段端到端模型，实现了快速准确的出血区域分割和优越的迟发性脑缺血预测性能	研究为回顾性设计，样本量相对有限（400例患者），且仅基于单中心数据，可能影响模型的泛化能力	开发自动化模型以早期预测动脉瘤性蛛网膜下腔出血后的迟发性脑缺血	400例动脉瘤性蛛网膜下腔出血患者（其中156例伴有迟发性脑缺血）	数字病理学	心血管疾病	非增强CT	深度学习, 机器学习	图像	400例患者	NA	ATT-Deeplabv3+, 逻辑回归, 朴素贝叶斯, AdaBoost, 多层感知机	Dice相似系数, AUC, 校准曲线	NA
582	2026-04-10	MR Cranial Bone Imaging: Evaluation of Both Motion-Corrected and Automated Deep Learning Pseudo-CT Estimated MR Images 2024-09-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8335 PMID:38991771	研究论文	本研究评估了基于运动校正和深度学习生成的伪CT图像在儿科颅骨成像中的临床应用潜力	结合自动运动校正与深度学习技术从MR图像生成伪CT图像，为无辐射的骨成像提供新方法	样本量较小（共72例患者），且仅针对儿科患者，未涉及成人群体	评估运动校正伪CT图像在临床颅骨成像中的诊断准确性	儿科患者（年龄小于18岁）的颅骨，包括创伤评估和颅缝通畅性检查	医学影像分析	儿科颅骨疾病	MR成像（黄金角星形径向容积插值屏气扫描）	深度学习	医学图像（CT和MR图像）	72例患者（12例评估颅缝通畅性，60例评估头部创伤）	NA	NA	特异性, 敏感性	NA
583	2026-04-10	Assessing the Emergence and Evolution of Artificial Intelligence and Machine Learning Research in Neuroradiology 2024-09-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8252 PMID:38521092	研究论文	本文通过文献计量分析评估了神经放射学领域人工智能与机器学习研究的出现与演变趋势	首次对《美国神经放射学杂志》中AI/ML相关研究进行系统性文献计量分析，并提出了基于临床整合程度的文章分类框架（类型1-3）	仅分析单一期刊可能无法代表整个神经放射学领域的研究全貌，且分类标准具有一定主观性	表征神经放射学领域AI/ML研究的出现与演变规律，分析该领域的趋势、挑战与未来方向	1980年至2022年间《美国神经放射学杂志》发表的AI/ML相关原创研究文章	神经放射学	NA	文献计量分析	NA	文献数据	182篇文章（类型1:53篇，类型2:90篇，类型3:39篇）	NA	NA	NA	NA
584	2026-04-10	Enhancing Missense Variant Pathogenicity Prediction with MissenseNet: Integrating Structural Insights and ShuffleNet-Based Deep Learning Techniques 2024-09-02, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091105 PMID:39334871	研究论文	本文介绍了一种名为MissenseNet的新型深度学习模型，用于增强错义变异致病性预测，通过整合AlphaFold2的结构洞察和ShuffleNet架构，显著提升了分类性能	该研究创新性地将AlphaFold2预测的蛋白质结构信息整合到错义变异致病性预测中，并采用基于ShuffleNet的编码器-解码器框架与Squeeze-and-Excitation模块，以自适应调整通道权重并增强特征融合与交互	NA	提高错义变异致病性预测的准确性，以支持疾病诊断和个性化治疗策略	错义变异	机器学习	NA	深度学习	CNN	结构数据	NA	NA	ShuffleNet	准确率, ROC曲线下面积, 精确率-召回率曲线下面积	NA
585	2026-04-10	DRpred: A Novel Deep Learning-Based Predictor for Multi-Label mRNA Subcellular Localization Prediction by Incorporating Bayesian Inferred Prior Label Relationships 2024-08-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091067 PMID:39334834	研究论文	提出了一种名为DRpred的新型深度学习预测器，用于通过整合贝叶斯推断的先验标签关系来预测mRNA的多标签亚细胞定位	首次将贝叶斯网络捕获的标签依赖关系与从mRNA序列中提取的特征相结合，并采用结合BiLSTM和注意力机制的神经网络进行多标签预测	未在摘要中明确说明	提高mRNA亚细胞定位预测的性能，特别是在多标签预测方面	信使RNA（mRNA）	自然语言处理	NA	Word2vec	BiLSTM, 注意力机制	序列（mRNA序列）	NA	NA	BiLSTM结合注意力机制	准确率	NA
586	2026-04-10	MMFSyn: A Multimodal Deep Learning Model for Predicting Anticancer Synergistic Drug Combination Effect 2024-08-22, Biomolecules IF:4.8Q1 DOI:10.3390/biom14081039 PMID:39199425	研究论文	提出一种基于多模态药物数据与细胞系特征的新型深度学习模型MMFSyn，用于预测抗癌药物的协同组合效应	首次综合运用Morgan指纹、原子序列、分子图和原子点云数据四种药物模态，并结合细胞系组学特征，通过多模态深度学习框架预测药物协同效应	未提及模型在临床验证或新药组合泛化能力方面的具体评估	开发能够准确预测抗癌药物协同组合效应的计算模型	药物组合与癌细胞系	机器学习	癌症	药物分子特征提取（SMILES转换）、组学数据分析	深度学习多模态融合模型	多模态药物数据（分子指纹、序列、图像、点云）、细胞系组学数据（基因表达、突变）	NA	NA	Bi-LSTM, gMLP, 多头注意力机制, 多尺度GCNs	均方根误差, 皮尔逊相关系数	NA
587	2026-04-10	A Deep Learning Approach to Predict Recanalization First-Pass Effect following Mechanical Thrombectomy in Patients with Acute Ischemic Stroke 2024-08-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8272 PMID:38871371	研究论文	本研究开发了一种基于深度学习的全自动方法，利用治疗前CT和MR影像预测急性缺血性卒中患者机械取栓后的首次通过再通效果	首次实现了仅基于MR影像的首次通过效果分类，并提出了首个CT影像的自动化首次通过效果分类方法，无需耗时的手动分割	研究样本仅来自单一医疗中心，可能影响模型的泛化能力	预测急性缺血性卒中患者机械取栓后的首次通过再通效果	接受血管内取栓术的急性缺血性卒中患者	医学影像分析	急性缺血性卒中	CT和MR影像	深度学习	图像	326名患者	NA	混合Transformer模型	ROC-AUC, 敏感性, 特异性	NA
588	2026-04-10	Identification, Design, and Application of Noncoding Cis-Regulatory Elements 2024-08-05, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080945 PMID:39199333	综述	本文综述了非编码顺式调控元件的识别、设计与应用，强调了其在基因调控中的核心作用及在基因治疗和合成生物学中的潜力	整合了大规模功能基因组学数据与深度学习算法（特别是大语言模型）来解析CRE功能，并探讨了其从头设计的新方法	NA	探讨顺式调控元件的识别、功能解析及其在生物技术和医学中的应用	非编码顺式调控元件及其与转录因子、RNA结合蛋白和非编码RNA的相互作用	自然语言处理	NA	大规模并行报告基因检测，功能基因组学数据分析	大语言模型	基因组序列数据，多模态功能基因组数据	NA	NA	NA	NA	NA
589	2026-04-10	Non-Invasive Detection of Early-Stage Fatty Liver Disease via an On-Skin Impedance Sensor and Attention-Based Deep Learning 2024-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400596 PMID:38887178	研究论文	本研究开发了一种低电极-皮肤接触阻抗的柔性贴肤传感器，结合注意力深度学习算法，用于非侵入性检测早期非酒精性脂肪肝病	通过合成铂纳米颗粒和还原石墨烯量子点降低传感器阻抗，并首次引入注意力深度学习算法分析阻抗信号，显著提升早期NAFLD检测准确率	研究仅在Ldlr基因敲除小鼠模型中进行验证，尚未在人体临床试验中应用	开发非侵入性、经济高效的早期非酒精性脂肪肝病检测方法	高脂饮食喂养的低密度脂蛋白受体敲除（Ldlr）小鼠与健康对照组	机器学习	非酒精性脂肪肝病	皮肤阻抗传感技术	注意力深度学习模型	生物阻抗信号	Ldlr基因敲除小鼠与健康对照组（具体数量未明确）	未明确说明	注意力机制深度学习架构	准确率, AUC	NA
590	2026-04-10	RETRACTED: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311897 PMID:39392828	研究论文	本研究开发了一种基于可见光的高速通信信号处理方法，结合自适应均衡算法与深度学习，应用于铁路通信信号处理	将自适应均衡算法与深度学习结合，应用于可见光通信，有效降低多径传输和反射干扰，误码率降至0.0001水平	NA	提升铁路通信系统的信号处理能力，满足高速信号处理需求	铁路通信信号	信号处理	NA	波分复用(WDM)、正交频分复用(OFDM)、直流偏置光正交频分复用(DCO-OFDM)	深度学习	通信信号	NA	NA	NA	误码率	NA
591	2026-04-10	Identifying Disease of Interest With Deep Learning Using Diagnosis Code 2023-Mar-20, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2023.38.e77 PMID:36942391	研究论文	本文提出了一种新型的端到端监督自编码器模型，用于仅使用诊断代码预测感兴趣疾病的共存情况	开发了一种端到端监督自编码器模型，该模型在学习过程中同时更新自编码器和分类器的参数，提高了预测性能	研究仅基于韩国国家健康信息数据库的数据，可能限制了模型的泛化能力	预测感兴趣疾病的共存诊断，仅使用诊断代码作为输入	来自韩国国家健康信息数据库的100万随机抽样患者的诊断代码	机器学习	胃癌	深度学习	自编码器, 多层感知机	诊断代码	100万患者	NA	自编码器, 多层感知机	F1分数, AUC, 召回率, 精确率	NA
592	2026-04-10	Bipartite invariance in mouse primary visual cortex 2023-Mar-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.15.532836 PMID:36993218	研究论文	本研究通过扩展“inception loops”范式，系统性地表征了小鼠初级视皮层中单个神经元的感受野不变性，并发现了一种新颖的二分不变性	发现了小鼠初级视皮层神经元的一种新型二分不变性，即感受野的一部分编码相位不变的纹理样模式，另一部分编码固定的空间模式，且这种划分与自然图像中空间频率差异定义的物体边界对齐	研究主要集中于小鼠初级视皮层，尚未扩展到整个视觉层次、细胞类型或其他感觉模态；实验时间有限可能影响对自然刺激下神经元调谐和不变性的全面表征	理解大脑如何从高维感官输入中泛化并推断行为相关的潜在原因，特别是识别神经元选择性响应和不变性的特征	小鼠初级视皮层中的单个神经元	计算神经科学	NA	大规模记录、神经预测模型、实验验证	深度学习模型	神经活动记录数据、自然图像刺激	NA	NA	NA	NA	NA
593	2026-04-10	Deep learning of gene relationships from single cell time-course expression data 2021-09-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab142 PMID:33876191	研究论文	本文提出了一种基于深度学习的单细胞时间序列基因表达数据分析方法，用于预测基因间的调控和信号关系	开发了针对单细胞RNA测序时间序列数据的新型编码方法，并构建了结合卷积和循环神经网络的深度学习模型	未明确说明模型在非时间序列数据或不同实验条件下的泛化能力	从单细胞时间序列基因表达数据中推断基因间的调控和信号关系	基因间的相互作用和调控关系	机器学习	NA	单细胞RNA测序（scRNA-Seq）	CNN, RNN	时间序列基因表达数据	五个不同的时间序列单细胞RNA测序数据集	未明确指定	卷积神经网络（CNN），循环神经网络（RNN）	未明确指定具体指标	NA
594	2026-04-10	Detection of dementia on voice recordings using deep learning: a Framingham Heart Study 2021-08-31, Alzheimer's research & therapy DOI:10.1186/s13195-021-00888-3 PMID:34465384	研究论文	本研究利用深度学习模型分析神经心理学测试的语音录音，以检测痴呆症	首次在社区队列研究中应用深度学习自动分析语音录音进行痴呆筛查，结合LSTM和CNN模型处理多说话者录音数据	样本量相对有限（1264个录音），仅基于Framingham心脏研究队列，未在外部验证集上测试	开发可靠、经济、易用的痴呆症自动检测方法	Framingham心脏研究参与者的神经心理学测试语音录音	自然语言处理	老年疾病	语音录音分析	LSTM, CNN	音频	1264个语音录音（483个正常认知，451个轻度认知障碍，330个痴呆）	NA	双层LSTM网络，卷积神经网络	AUC，平衡准确率，加权F1分数	NA
595	2026-04-10	Imputation of the continuous arterial line blood pressure waveform from non-invasive measurements using deep learning 2021-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-94913-y PMID:34344934	研究论文	本文提出了一种基于深度学习的方法，利用心电图和光电容积脉搏波信号，非侵入性地推算连续动脉血压波形	首次开发了一种能够从标准监护信号（ECG和PPG）中推算连续动脉血压波形的方法，而非仅间歇性地估算收缩压和舒张压	研究数据来自两个医疗系统的463名患者，样本量相对有限，且模型性能可能受限于数据质量和患者群体的多样性	开发一种非侵入性、连续监测动脉血压的方法，以替代有创监测，降低并发症风险	重症监护室和手术患者	机器学习	心血管疾病	深度学习	CNN	生理波形信号（ECG, PPG, ABP）	463名患者，超过150,000分钟的数据	NA	基于图像分割架构的深度学习模型	均方根误差, 平均差异	NA
596	2026-04-10	Impact of Upstream Medical Image Processing on Downstream Performance of a Head CT Triage Neural Network 2021-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200229 PMID:34350412	研究论文	开发了一个卷积神经网络用于头CT检查的自动分诊，并研究了上游医学图像处理对CNN性能的影响	首次系统性地探讨了图像采集、重建和预处理等上游处理环节对下游CNN分诊性能的影响，特别是发现投影数量可减少16倍且原始传感器数据可直接输入CNN而不影响性能	研究基于单一机构的回顾性数据，可能存在选择偏倚；未在外部验证集上测试模型泛化能力	开发头CT自动分诊系统并评估上游图像处理流程对深度学习模型性能的影响	头CT检查图像	计算机视觉	神经系统疾病	CT成像	CNN	医学图像	9776个头CT研究（训练集7856，验证集936，测试集984）	NA	NA	AUROC, 敏感性	NA
597	2026-04-10	Automated Identification of Orthopedic Implants on Radiographs Using Deep Learning 2021-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200183 PMID:34350407	研究论文	本研究开发并评估了一种基于深度学习的卷积神经网络，用于从X光片中自动识别骨科植入物模型	结合U-Net分割网络与分类网络集成，实现自动零掩码处理，并在识别准确率上显著超越资深骨科专家	研究仅涵盖膝关节和髋关节的12种植入物模型，未来需扩展到更多关节和植入物类型	开发自动识别骨科植入物模型的深度学习系统，以辅助翻修关节成形术的术前规划	骨科植入物在X光片上的图像	计算机视觉	骨科疾病	X光成像	CNN	图像	427张膝关节和922张髋关节单侧前后位X光片，来自650名患者，涵盖12种植入物模型	NA	U-Net	准确率, top-three准确率	NA
598	2026-04-10	Novel Autosegmentation Spatial Similarity Metrics Capture the Time Required to Correct Segmentations Better Than Traditional Metrics in a Thoracic Cavity Segmentation Workflow 2021-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00460-3 PMID:34027588	研究论文	本研究探讨了在胸部腔体分割工作流中，新型空间相似性指标如何比传统指标更好地预测临床医生修正分割所需的时间	首次系统比较了多种空间相似性指标与临床修正时间的相关性，发现新增路径长度、假阴性路径长度和表面Dice相似系数等新型指标优于传统体积Dice相似系数	研究仅针对胸部腔体分割，且修正工作由单一医学学生完成，需要在其他解剖部位和临床工作流中验证结果	评估自动分割工具修正时间与空间相似性指标的相关性，以优化临床工作流程效率	329例CT扫描中的双侧胸部腔体体积分割	数字病理学	NA	CT扫描	CNN	图像	329例CT扫描	NA	U-Net	Spearman等级相关系数, Mann-Whitney U检验, 体积Dice相似系数, 表面Dice相似系数	NA
599	2026-04-10	Deep Learning Analysis of Echocardiographic Images to Predict Positive Genotype in Patients With Hypertrophic Cardiomyopathy 2021, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2021.669860 PMID:34513940	研究论文	本研究利用深度学习卷积神经网络分析超声心动图图像，以预测肥厚型心肌病患者基因检测阳性结果	首次将深度学习卷积神经网络应用于超声心动图图像分析，结合传统临床评分模型，显著提高了肥厚型心肌病患者基因阳性预测的准确性	样本量较小（仅99名患者），且为单中心研究，可能存在选择偏倚	提高肥厚型心肌病患者基因阳性预测的准确性，以优化基因检测策略	肥厚型心肌病成年患者	计算机视觉	心血管疾病	超声心动图成像	CNN	图像	99名成年肥厚型心肌病患者（其中45名基因阳性）	NA	深度卷积神经网络	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 净重分类改善指数	NA
600	2026-04-09	Usability and Clinician Acceptance of a Deep Learning-Based Clinical Decision Support Tool for Predicting Glaucomatous Visual Field Progression 2023-03-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002163 PMID:36877820	研究论文	本研究评估了临床医生对集成人工智能预测视觉场指标的临床决策支持工具GLANCE的可用性和接受度	更新并评估了集成深度学习预测视觉场指标的临床决策支持工具，并首次系统调查了临床医生对该工具中AI预测指标的信任度、实用性和降低检测频率意愿的接受程度	样本量较小（10名临床医生参与），仅评估了原型工具，尚未进行临床部署验证	评估临床医生对集成人工智能预测视觉场指标的临床决策支持工具的感知和接受度	眼科医生和验光师对临床决策支持工具GLANCE的使用体验和态度	数字病理	青光眼	深度学习	深度学习模型	视觉场指标数据	10名眼科医生和验光师，6个病例（11只眼睛）	NA	NA	Likert量表评分，系统可用性量表评分	NA