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
601	2026-03-29	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	研究论文	本研究开发了一个名为AmyloidPETNet的端到端深度学习模型，用于对最小化处理的脑部PET扫描进行淀粉样蛋白阳性或阴性的自动分类	该模型无需依赖经验丰富的放射科医生或结构MRI，可直接对最小化处理的PET扫描进行端到端分类，并在不同示踪剂和独立数据集上表现出良好的泛化能力	本研究为回顾性研究，模型性能在主要为模棱两可的病例样本上与医生的一致性仅为一般水平	开发一个深度学习模型，用于自动、准确地分类脑部PET扫描的淀粉样蛋白状态，并评估其在不同数据集和示踪剂上的性能	脑部PET扫描图像	数字病理学	阿尔茨海默病	PET成像	深度学习模型	图像	8476次PET扫描（6722名患者），训练集1538次扫描（766名患者），验证集205次扫描（95名患者），内部测试集184次扫描（95名患者）	NA	AmyloidPETNet	AUC, 其他性能指标, Cohen κ	NA
602	2026-03-29	Graph Structured Neural Networks for Perturbation Biology 2024-Feb-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.28.582164 PMID:38464019	研究论文	本文提出了一种称为图结构化神经网络（GSNN）的新方法，用于扰动生物学中的计算建模，以更准确地预测分子相互作用和细胞反应	提出了一种替代传统图神经网络（GNN）的GSNN方法，通过将细胞信号知识编码为图数据结构，为深度学习添加归纳偏置，从而鼓励更具机制性的预测逻辑	方法需要进一步精炼才能产生适用于临床决策辅助的可信药物反应模型	开发能够更准确捕获分子相互作用序列并支持精准医学实现的扰动生物学计算模型	分子元素与细胞反应之间的关系，特别是药物扰动下的基因表达、细胞活力和疾病特异性药物优先排序	机器学习	NA	NA	GSNN	图数据	使用LINCS L1000数据集和文献整理的分子相互作用数据	NA	图结构化神经网络	NA	NA
603	2026-03-29	Direct Observation and Automated Measurement of Stomatal Responses to Pseudomonas syringae pv. tomato DC3000 in Arabidopsis thaliana 2024-02-09, Journal of visualized experiments : JoVE DOI:10.3791/66112 PMID:38407316	研究论文	本文介绍了一种评估拟南芥气孔对细菌入侵反应的新方法，包括喷雾接种、便携式成像设备直接观察和基于深度学习的图像分析管道自动测量气孔孔径	结合便携式成像设备和深度学习图像分析管道，实现了在植物不离体条件下直接观察和自动测量气孔对细菌入侵的动态响应，更贴近自然感染过程	方法目前仅应用于拟南芥，可能不适用于其他植物物种；便携式设备的分辨率和适用性可能有限	开发一种更简便、更贴近自然条件的方法来评估植物气孔对病原细菌入侵的响应	拟南芥（Arabidopsis thaliana）的气孔及其对Pseudomonas syringae pv. tomato DC3000（Pto）入侵的反应	植物病理学与计算机视觉交叉	植物细菌性病害	喷雾接种、便携式成像设备观察、深度学习图像分析	深度学习模型	图像	NA	NA	NA	NA	NA
604	2026-03-29	MKMR: a multi-kernel machine regression model to predict health outcomes using human microbiome data 2023-05-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad158 PMID:37099694	研究论文	本文提出了一种多核机器回归模型，用于利用人类微生物组数据预测健康结果	首次开发了能够同时利用多种微生物组信号形式（如丰度、存在/缺失、系统发育关系）的预测模型	未明确说明模型在更广泛数据集或不同疾病类型中的泛化能力	开发一个预测模型，以利用人类微生物组数据预测健康结果	人类微生物组数据，包括喉咙和肠道微生物组	机器学习	NA	微生物组测序	多核机器回归	微生物组丰度数据、存在/缺失数据	NA	NA	多核机器回归	预测性能	NA
605	2026-03-29	Prediction of postoperative infection in elderly using deep learning-based analysis: an observational cohort study 2023-Mar, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-022-02325-3 PMID:36598653	研究论文	本研究旨在开发和验证基于深度学习的模型，用于预测老年患者术后感染风险	首次在老年患者中应用深度学习模型整合围手术期风险因素进行术后感染预测	研究为观察性队列设计，样本量有限（2014例），且未在外部验证集中测试模型泛化能力	开发并验证深度学习模型以预测老年患者术后感染	2014年4月至6月期间中国28家医院接受择期手术的2014名老年患者	机器学习	老年疾病	NA	深度学习模型	临床特征数据	2014名老年患者（训练集1510例，验证集504例）	NA	NA	AUC, 敏感性, 特异性	NA
606	2026-03-29	Socioeconomic disparity in the association between fine particulate matter exposure and papillary thyroid cancer 2023-02-23, Environmental health : a global access science source IF:5.3Q1 DOI:10.1186/s12940-023-00972-1 PMID:36823621	研究论文	本研究评估了细颗粒物（PM2.5）累积暴露与乳头状甲状腺癌（PTC）的关联，并发现这种关联在社会经济群体中存在差异	首次使用深度学习神经网络模型结合气象和卫星数据计算PM2.5累积暴露，并揭示了PM2.5暴露与PTC诊断之间的关联在不同家庭收入群体中的差异	研究为回顾性病例对照设计，可能存在选择偏倚和未测量的混杂因素，且PM2.5暴露评估基于居住地邮政编码，未考虑个体移动性	评估PM2.5暴露与乳头状甲状腺癌（PTC）的关联，并确定高风险患者亚组	成年患者（年龄≥18岁），包括2013年1月至2016年12月期间新诊断为PTC的患者以及无甲状腺疾病的对照组患者	环境流行病学	甲状腺癌	深度学习神经网络模型，结合气象和卫星测量数据	深度学习神经网络	电子病历数据、气象数据、卫星数据	1990名PTC患者和6919名无甲状腺疾病的对照组患者	NA	NA	调整后比值比（aOR）、95%置信区间（95%CI）、交互作用p值	NA
607	2026-03-29	EPViz: A flexible and lightweight visualizer to facilitate predictive modeling for multi-channel EEG 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282268 PMID:36848345	研究论文	介绍了一种名为EPViz的新型开源可视化工具，用于辅助多通道脑电图（EEG）的预测建模开发、验证和结果报告	开发了一个轻量级、独立的软件包，能够加载PyTorch深度学习模型，将输出预测叠加在原始EEG时间序列上，并支持高分辨率图像保存，填补了EEG可视化领域的空白	NA	促进计算神经科学中时空预测分析的发展，并推动工程师与临床医生之间的合作	多通道头皮脑电图（EEG）数据	机器学习	NA	脑电图（EEG）	深度学习模型	时间序列数据	NA	PyTorch	NA	NA	NA
608	2026-03-29	A novel deep learning method for predictive modeling of microbiome data 2021-05-20, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaa073 PMID:32406914	研究论文	本文提出了一种名为MDeep的新型深度学习方法，用于基于微生物组数据进行预测建模	开发了首个能高效且严谨地整合系统发育树结构的深度学习方法，通过设计卷积层模拟分类学层级，在局部感受野中捕捉微生物物种间的系统发育相关性	未明确说明方法在超大规模数据集或实时预测场景下的计算效率限制	构建基于微生物组数据的临床结果预测模型，用于药物反应预测和疾病诊断等应用	人类微生物组数据（包含物种丰度和系统发育树）	机器学习	NA	下一代测序技术	CNN	微生物组数据（物种丰度与系统发育树）	NA	NA	自定义卷积神经网络架构	回归和二元分类评估指标（具体指标未明确说明）	NA
609	2026-03-29	Deep learning models for the prediction of intraoperative hypotension 2021-04, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2020.12.035 PMID:33558051	研究论文	本研究开发并验证了基于深度学习算法，利用患者监测的生物信号波形，在低血压事件发生前5、10和15分钟进行实时预测的模型	提出了结合多种生物信号（如动脉压波形、心电图、光电容积脉搏波和二氧化碳波形）的多通道深度学习模型，相较于单一信号模型，在预测低血压事件方面表现出更高的性能	研究为回顾性观察性研究，可能存在选择偏倚；模型性能在非侵入性监测中相对较低，且未在外部数据集上进行验证	开发能够实时预测术中低血压事件的深度学习算法，以降低术后器官功能障碍的风险	接受非心脏手术的患者，通过患者监测获取的生物信号波形	机器学习	心血管疾病	生物信号波形分析	深度学习模型	生物信号波形数据	3301名患者	NA	NA	AUROC, MAE	NA
610	2026-03-29	Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors 2021-Jan-04, Sensors (Basel, Switzerland) DOI:10.3390/s21010280 PMID:33406613	研究论文	本研究利用遥感传感器和GIS数据，通过四种集成模型评估罗马尼亚一个小流域的突发洪水潜在风险	结合深度学习神经网络与频率比、证据权重等传统方法，以及交替决策树，构建了四种集成模型来绘制突发洪水潜在图	研究区域局限于罗马尼亚的一个小流域，样本点数量有限（481个受影响点和481个随机点），可能影响模型的泛化能力	评估突发洪水潜在风险，为自然灾害监测和评估提供方法支持	罗马尼亚Bâsca Chiojdului河流域的突发洪水潜在风险	机器学习	NA	遥感传感器、地理信息系统（GIS）、高分辨率卫星图像	深度学习神经网络、交替决策树	图像、地理空间数据	962个点（481个受洪水影响点，481个随机非影响点）	NA	深度学习神经网络、交替决策树	灵敏度、特异性、总体准确率、K指数、ROC曲线、AUC	NA
611	2026-03-29	Development of novel machine learning model for right ventricular quantification on echocardiography-A multimodality validation study 2020-05, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.14674 PMID:32396705	研究论文	本研究开发了一种基于卷积神经网络的机器学习模型，用于在超声心动图上自动追踪三尖瓣环，以量化右心室功能	首次提出一种全自动的机器学习模型，通过追踪三尖瓣环来评估右心室功能，无需额外成像或手动分析，具有高效率和零观察者变异性	模型在诊断性能方面（AUC 0.69-0.73）仍有提升空间，且样本量相对较小（101名患者）	开发并验证一种用于右心室功能自动量化的机器学习模型	右心室功能评估，特别是通过超声心动图追踪三尖瓣环	医学影像分析	心血管疾病	超声心动图，心脏磁共振成像	CNN	图像	101名患者的前瞻性数据，包括7791个图像帧用于训练	NA	卷积神经网络	AUC, 阴性预测值, ICC	NA
612	2026-03-29	Effects of Study Population, Labeling and Training on Glaucoma Detection Using Deep Learning Algorithms 2020-04, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.27 PMID:32818088	研究论文	本研究比较了独立开发的深度学习算法在眼底照片中检测青光眼的性能，并评估了将新数据整合到模型中的策略	比较了不同研究人群、标签和训练策略对深度学习算法检测青光眼性能的影响，并提出了基于相关协变量分层报告准确性的重要性	模型性能受疾病严重程度、标签、训练策略和人群特征影响，可能限制了在更广泛人群中的泛化能力	评估深度学习算法在检测青光眼方面的性能，并优化训练策略以提高跨数据集的准确性	眼底照片数据集，包括来自Diagnostic Innovations in Glaucoma Study/African Descent and Glaucoma Evaluation Study和Matsue Red Cross Hospital的数据	计算机视觉	青光眼	眼底摄影	深度学习算法	图像	来自两个独立数据集的眼底照片，具体数量未在摘要中明确说明	NA	NA	受试者工作特征曲线下面积	NA
613	2026-03-29	Applications of Artificial Intelligence to Electronic Health Record Data in Ophthalmology 2020-02-27, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.13 PMID:32704419	综述	本文综述了人工智能技术在眼科电子健康记录数据中的应用，包括疾病诊断、风险评估和进展预测	聚焦于眼科领域，系统回顾了AI技术（如监督机器学习、深度学习和自然语言处理）在EHR数据中的具体应用，填补了该领域研究的空白	NA	概述人工智能方法在眼科电子健康记录数据中的应用，以促进患者护理和临床决策	眼科电子健康记录数据，特别是青光眼、糖尿病视网膜病变、年龄相关性黄斑变性和白内障相关数据	自然语言处理, 机器学习	青光眼, 糖尿病视网膜病变, 年龄相关性黄斑变性, 白内障	NA	监督机器学习, 深度学习, 自然语言处理	电子健康记录数据	NA	NA	NA	NA	NA
614	2026-03-29	MU-PseUDeep: A deep learning method for prediction of pseudouridine sites 2020, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2020.07.010 PMID:32774783	研究论文	提出了一种名为MU-PseUDeep的深度学习方法，用于预测RNA中的假尿苷修饰位点	首次结合原始RNA序列和预测的二级结构特征，使用两组卷积神经网络来捕获假尿苷位点的序列和结构上下文信息，显著提升了预测准确性	未明确说明模型在跨物种或不同RNA类型上的泛化能力，也未讨论计算复杂度或运行时间	开发更准确的假尿苷修饰位点预测工具	RNA序列中的假尿苷修饰位点	生物信息学	NA	RNA二级结构预测	CNN	序列数据	NA	NA	卷积神经网络	准确性	NA
615	2026-03-29	Classification of the urinary metabolome using machine learning and potential applications to diagnosing interstitial cystitis 2020, Bladder (San Francisco, Calif.) DOI:10.14440/bladder.2020.815 PMID:32775485	研究论文	本研究开发了一种基于机器学习的诊断模型，用于利用尿液代谢组学数据诊断间质性膀胱炎	首次将机器学习算法（SVM和逻辑回归）应用于间质性膀胱炎的尿液代谢组学诊断，并展示了在样本量较小的情况下仍能取得高区分能力	样本量相对较小（43名患者和16名健康对照），无法应用复杂的深度学习模型	开发一种基于机器学习的诊断方法，用于间质性膀胱炎的客观诊断	间质性膀胱炎患者和健康对照的尿液代谢组学数据	机器学习	间质性膀胱炎	代谢组学	SVM, LR	代谢组学数据	43名间质性膀胱炎患者和16名健康对照	NA	NA	准确率, 精确率, 召回率, AUC	NA
616	2026-03-29	Data-efficient deep learning of radiological image data for outcome prediction after endovascular treatment of patients with acute ischemic stroke 2019-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2019.103516 PMID:31707199	研究论文	本研究利用深度学习技术，基于CT血管造影图像直接预测急性缺血性卒中患者血管内治疗后的良好再灌注和功能结局，无需图像标注	首次将深度学习直接应用于卒中结局预测，而非复制传统影像生物标志物，并引入了结构化感受野和自编码器进行网络权重初始化	研究基于单一注册数据集（MR CLEAN Registry），样本量有限（1301名患者），且未在外部数据集上进行验证	开发数据高效的深度学习模型，以改善急性缺血性卒中患者血管内治疗后的结局预测和治疗选择	急性缺血性卒中患者	医学影像分析	急性缺血性卒中	CT血管造影	CNN	图像	1301名患者	NA	ResNet, RFNN, AE	AUC	NA
617	2026-03-29	Deep Learning Convolutional Neural Networks for the Automatic Quantification of Muscle Fat Infiltration Following Whiplash Injury 2019-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44416-8 PMID:31138878	研究论文	本研究利用深度学习卷积神经网络自动量化挥鞭伤后肌肉脂肪浸润，并探索其与疼痛和残疾临床指标的关系	首次应用CNN模型自动分割肌肉并计算MFI，提高了效率和客观性，替代了耗时且依赖评分者的手动技术	样本量较小（仅39名参与者），且MFI与残疾的相关性未达到统计学显著性（p=0.105）	开发自动量化肌肉脂肪浸润的方法，以监测颈椎疾病及其他疾病的肌肉特性	挥鞭伤后3个月的39名参与者（26名女性，平均年龄31.7±9.3岁）	计算机视觉	颈椎疾病	高分辨率脂肪-水成像	CNN	图像	39名参与者	NA	NA	可靠性, 准确性, 相关系数, p值	NA
618	2026-03-28	Advanced deep learning strategies in nanopore RNA sequencing 2026-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2627968 PMID:41663212	综述	本文综述了纳米孔直接RNA测序中用于解析RNA修饰的先进深度学习策略	聚焦于利用专门学习框架和集成策略应对数据稀缺、噪声和生物变异性等挑战，以提供更高分辨率的输出	NA	评估RNA修饰作为新兴生物标志物和治疗靶点，并总结人工智能在表征表观转录组中的应用	RNA分子上的化学修饰（表观转录组）	自然语言处理, 机器学习	NA	纳米孔直接RNA测序	CNN, RNN	测序信号数据	NA	NA	NA	NA	NA
619	2026-03-28	Deep Learning Reconstruction Enables Diagnostic-Quality 0.4T Knee and Spine MRI in One-Third of the Time 2026-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70274 PMID:41866229	研究论文	本研究利用深度学习模型加速低场强0.4T膝关节和脊柱MRI扫描，通过优化重建算法在三分之一时间内获得诊断质量图像	首次将CIRIM模型应用于低场强MRI加速重建，并优化了欠采样模式和损失函数以实现最大加速因子	放射科医生对高加速因子图像评分存在差异，观察者间一致性较低，最优加速因子需根据具体诊断任务调整	加速低场强肌肉骨骼MRI扫描时间，同时保持诊断图像质量	膝关节和脊柱的MRI图像数据	医学影像分析	肌肉骨骼疾病	MRI扫描，k空间欠采样	深度学习	图像	包含膝关节和脊柱的异质性2D多切片扫描数据集	NA	CIRIM（级联独立循环推理机）	Kendall's Tau, Cohen's Kappa, SSIM, L1损失, 感知损失	NA
620	2026-03-28	Determination of Modified Waldenström Staging in Legg-Calvé-Perthes Disease Using Deep Learning 2026-May, Journal of the Pediatric Orthopaedic Society of North America DOI:10.1016/j.jposna.2026.100334 PMID:41890888	研究论文	本研究开发了一种深度学习模型，用于从标准髋关节X光片中自动确定Legg-Calvé-Perthes病的改良Waldenström分期	首次利用深度学习自动提取临床相关且可量化的参数，构建机器学习分类流程，以改进LCPD分期的客观性和效率	早期阶段LCPD的样本代表性不足，可能影响模型在完整分类中的准确性，需要更大规模的多中心数据集来提升性能	开发一个深度学习模型，用于从标准髋关节X光片中自动确定Legg-Calvé-Perthes病的改良Waldenström分期	来自两家三级儿童医院的Legg-Calvé-Perthes病患者的配对前后位和蛙式侧位髋关节X光片	计算机视觉	Legg-Calvé-Perthes病	X光成像	深度学习	图像	机构1共2164张图像，留出测试集229对X光片，外部验证集533对X光片	NA	NA	Dice系数, AUROC	NA