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
621	2026-09-28	Homeostatic neuro-metasurfaces for dynamic wireless channel management 2022-Jul-08, Science advances IF:11.7Q1 DOI:10.1126/sciadv.abn7905 PMID:35857461	研究论文	本文介绍了一种用于动态无线信道管理的稳态神经超表面，通过深度学习实现全局逆向设计，无需迭代计算和人工参与	提出了稳态神经超表面的概念，实现了自动且单片化的动态无线信道管理，摆脱了对传统射频组件的依赖，无需迭代计算和人工参与	目前仅进行了初步的概念验证验证和按需无线信道管理实验，可能尚未在实际复杂环境中全面验证	实现动态无线信道的自动和单片化管理，推动下一代电磁智能城市的发展	无线信道和电磁超表面	机器学习	NA	深度学习	深度学习范式	NA	NA	NA	NA	准确率	NA
622	2026-09-28	Machine Learning-Enabled Prediction of 3D-Printed Microneedle Features 2022-Jul-06, Biosensors DOI:10.3390/bios12070491 PMID:35884294	研究论文	本文提出了一种基于人工智能的框架，用于评估和预测3D打印微针的特征，通过机器学习和深度学习优化制造过程	将人工智能预测与3D打印微针相结合，利用深度学习进行质量控制和异常检测，并使用机器学习模型根据设计参数和蚀刻剂量预测制造结果	未明确说明	利用人工智能评估和预测3D打印微针的特征，以优化制造生物医学设备	3D打印的可生物降解微针	机器学习	NA	熔融沉积建模3D打印、化学蚀刻	深度学习、机器学习	图像	10种不同的微针设计及多种蚀刻曝光剂量	NA	NA	相似性度量	NA
623	2026-09-28	Deep Learning to Measure the Intensity of Indocyanine Green in Endometriosis Surgeries with Intestinal Resection 2022-Jun-16, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm12060982 PMID:35743768	研究论文	该研究提出了一种基于深度学习的方法，用于量化子宫内膜异位症肠道切除术中吻合口的血液灌注水平，先使用U-Net自动分割手术视频中的肠道，再利用纹理特征量化吲哚菁绿（ICG）的灌注强度	首次将基于U-Net的深度学习自动分割与纹理特征分析相结合，用于量化子宫内膜异位症肠道手术中吻合口的ICG血液灌注水平	摘要中未明确提及研究局限性	量化子宫内膜异位症肠道切除术中吻合口的血液灌注水平，以帮助预测术后并发症并辅助临床决策	子宫内膜异位症手术视频中的肠道及吻合口区域	计算机视觉	子宫内膜异位症	吲哚菁绿（ICG）荧光成像，深度学习图像分割	CNN	图像（手术视频帧）	NA	NA	U-Net	准确率，Dice系数	NA
624	2026-09-28	Using Deep Neural Networks for Human Fall Detection Based on Pose Estimation 2022-Jun-16, Sensors (Basel, Switzerland) DOI:10.3390/s22124544 PMID:35746325	研究论文	利用深度神经网络和快速姿态估计方法进行人体跌倒检测	首次将快速姿态估计方法应用于人体跌倒检测	未提及	准确检测人体跌倒事件，特别是老年人	老年人	计算机视觉	老年疾病	快速姿态估计	1D-CNN, TD-CNN-LSTM	图像	NA	NA	1D-CNN, TD-CNN-LSTM	准确率	NA
625	2026-09-28	InterPepScore: a deep learning score for improving the FlexPepDock refinement protocol 2022-06-13, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btac325 PMID:35575349	研究论文	本文介绍了一种图神经网络InterPepScore，作为额外的评分项来补充和改进Rosetta FlexPepDock精修协议，提高肽-蛋白质复合物模型的质量	首次将图神经网络作为额外的评分项整合到FlexPepDock精修协议中，利用模拟轨迹数据进行训练，显著提高了模型质量	摘要中未明确提及研究的局限性	改进肽-蛋白质对接和结构预测的精度，特别是提高Rosetta FlexPepDock精修协议的性能	肽-蛋白质复合物的结构和对接模型	机器学习	NA	深度学习、图神经网络、蒙特卡洛模拟	图神经网络	结构数据、模拟轨迹数据	109个肽-蛋白质复合物（独立基准测试），训练使用数千个复合物的模拟轨迹	NA	图神经网络	DockQ分数	NA
626	2026-09-28	Assessing sequence-based protein-protein interaction predictors for use in therapeutic peptide engineering 2022-06-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-13227-9 PMID:35688894	研究论文	该文评估了基于序列的蛋白质-蛋白质相互作用预测器在治疗性肽工程中的应用	使用FDA批准的肽数据集，首次系统评估基于序列的PPI预测器在肽治疗工程中的筛选适用性，并发现基于相似性的方法优于深度学习	该方法主要适用于已知天然相互作用物的靶标，对于从头肽工程可能需要额外的靶标特异性训练数据	评估基于序列的蛋白质-蛋白质相互作用预测器作为肽治疗工程筛选工具的适用性	FDA批准的肽	机器学习	NA	基于序列的蛋白质-蛋白质相互作用预测	基于相似性的模型, 深度学习模型	序列数据	一组FDA批准的肽（未指定具体数量）	NA	NA	NA	NA
627	2026-09-28	A multi-task Gaussian process self-attention neural network for real-time prediction of the need for mechanical ventilators in COVID-19 patients 2022-06, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104079 PMID:35489596	研究论文	提出一种结合多任务高斯过程和自注意力神经网络的模型，用于实时预测COVID-19患者是否需要机械通气	将多任务高斯过程与自注意力神经网络结合，处理不规则采样率的观测数据，实现端到端的实时预测	未明确说明	实时准确预测COVID-19患者需要机械通气的风险，帮助合理分配医疗资源和提供早期呼吸支持	住院COVID-19患者	机器学习	COVID-19	NA	多任务高斯过程, 自注意力神经网络	临床观测数据	9,532名全国住院COVID-19患者	NA	多任务高斯过程, 自注意力神经网络	AUROC, AUPRC	NA
628	2026-09-28	Deep learning on reflectance confocal microscopy improves Raman spectral diagnosis of basal cell carcinoma 2022-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.27.6.065004 PMID:35773774	研究论文	本研究通过结合拉曼光谱与深度学习辅助的反射共聚焦显微镜，提高基底细胞癌诊断的特异性	首次将深度学习应用于反射共聚焦显微镜图像，以改进拉曼光谱对基底细胞癌诊断的特异性，通过识别假阳性的正常皮肤结构（毛囊和表皮）	样本量较小，仅使用了191张反射共聚焦显微镜图像，需要更大规模的研究来验证泛化能力	提高拉曼光谱检测基底细胞癌的特异性	基底细胞癌肿瘤与正常皮肤组织（毛囊和表皮）	数字病理学	皮肤癌	拉曼光谱, 反射共聚焦显微镜	CNN	图像, 光谱	191张反射共聚焦显微镜图像	NA	ResNet50	灵敏度, 特异性	NA
629	2026-09-28	Computer-Aided Diagnosis of Coal Workers' Pneumoconiosis in Chest X-ray Radiographs Using Machine Learning: A Systematic Literature Review 2022-05-25, International journal of environmental research and public health DOI:10.3390/ijerph19116439 PMID:35682023	系统综述	本文系统综述了使用胸部X射线放射照片对煤工尘肺进行计算机辅助诊断的特征提取和检测方法	识别并比较了过去50年中的40篇文章，覆盖了基于经典手工特征、传统机器学习和深度学习三大类方法	综述的局限性未具体说明，仅讨论了未来改进方向	对基于胸部X射线放射照片的煤工尘肺计算机分析的特征提取和检测方法进行分类和总结	煤工尘肺的计算机辅助诊断研究	数字病理学/医学影像分析	煤工尘肺	胸部X射线放射照片分析	传统机器学习方法, 深度学习方法	图像	40篇文章	NA	NA	NA	NA
630	2026-09-28	[Study on the accuracy of automatic segmentation of knee CT images based on deep learning] 2022-May-15, Zhongguo xiu fu chong jian wai ke za zhi = Zhongguo xiufu chongjian waike zazhi = Chinese journal of reparative and reconstructive surgery DOI:10.7507/1002-1892.202201072 PMID:35570625	研究论文	本研究开发了一种基于深度学习的神经网络架构，用于膝关节CT图像的自动分割，并验证了其准确性。	独立开发了一种深度学习神经网络架构，用于膝关节CT图像的自动分割，实现了高精度和快速分割。	未提及	开发一种基于深度学习的神经网络架构，辅助膝关节CT图像自动分割，并验证其准确性。	膝关节CT图像	计算机视觉	膝关节疾病	CT	深度学习神经网络	图像	未提及	未提及	未提及	Dice系数, 平均表面距离, Hausdorff距离, 时间, Likert量表评分	未提及
631	2026-09-28	BeCaked: An Explainable Artificial Intelligence Model for COVID-19 Forecasting 2022-05-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-11693-9 PMID:35562369	研究论文	该论文提出了一种名为BeCaked的可解释人工智能模型，用于COVID-19疫情预测。	将易感-感染-恢复-死亡（SIRD） compartmental模型与变分自编码器（VAE）神经网络相结合，实现了高精度且可解释的预测。	未明确提及	为了控制COVID-19疫情，需要准确预测疫情发展趋势，同时希望模型具有可解释性，以便决策者采取及时正确的措施。	COVID-19疫情数据	机器学习	COVID-19	NA	VAE，SIRD	时间序列数据	全球及国家层面的疫情数据（来自约翰斯·霍普金斯大学）	NA	VAE，SIRD	R2，MAPE	NA
632	2026-09-28	Deep learning of a bacterial and archaeal universal language of life enables transfer learning and illuminates microbial dark matter 2022-05-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-30070-8 PMID:35545619	研究论文	该文提出了LookingGlass，一种深度学习模型，用于编码短DNA读长的上下文感知、功能和进化相关表示，能够区分不同功能、同源性和环境来源的读长，并通过迁移学习完成多种任务	提出LookingGlass模型，能够编码具有上下文感知、功能和进化相关性的短DNA读长表示，并可通过迁移学习微调以完成多种不同任务，包括识别新型氧化还原酶、预测酶最适温度和识别DNA序列片段的阅读框	NA	利用深度学习编码细菌和古菌的通用生命语言，实现迁移学习并揭示微生物暗物质	微生物基因组中的短DNA读长、环境序列中的蛋白质编码序列	机器学习	NA	NA	深度学习	DNA序列文本	NA	NA	LookingGlass	NA	NA
633	2026-09-28	Evaluation of Deep Learning Architectures for Aqueous Solubility Prediction 2022-May-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.2c00642 PMID:35571767	研究论文	该研究评估了不同的深度学习架构和分子表示方法在水溶性预测中的性能	使用最大的水溶性数据集，系统比较了四种神经网络架构和多种分子表示方法，并结合误差分析、特征分析和迁移学习研究	未明确提及	评估当前深度学习水溶性预测方法，开发通用模型预测广泛有机分子的水溶性，并理解数据特性、分子表示和建模架构对预测性能的影响	有机分子的水溶性	机器学习	NA	深度学习	全连接神经网络，循环神经网络，图神经网络， SchNet	分子描述符， SMILES字符串，分子图，三维原子坐标	使用当前最大的水溶性数据集	NA	全连接神经网络，循环神经网络，图神经网络， SchNet	NA	NA
634	2026-09-28	Evolution of Brains and Computers: The Roads Not Taken 2022-May-09, Entropy (Basel, Switzerland) DOI:10.3390/e24050665 PMID:35626550	综述	文章从进化视角比较大脑与计算机的发展历程，讨论两者的趋同与分歧，以及实现人工智能的前提条件	提出重要相似性既来自趋同进化（架构约束的必然结果），也来自受神经生物学简化图景启发的软硬件原理；同时指出生物计算中曾开辟道路的重大创新在人工领域中完全缺失	文章为综述性讨论，缺乏具体实验数据、定量分析和系统性验证	从进化角度探讨大脑与计算机的演化与设计，分析生物设计与人工设计之间的趋同现象及实现人工智能的前提条件	大脑（生物计算系统）与计算机（人工计算系统）	机器学习	NA	NA	人工神经网络	文本	NA	NA	NA	NA	NA
635	2026-09-28	Analysis of Deep Learning-Based Phase Retrieval Algorithm Performance for Quantitative Phase Imaging Microscopy 2022-May-06, Sensors (Basel, Switzerland) DOI:10.3390/s22093530 PMID:35591220	研究论文	该论文提出了一个理论框架，用于分析和量化基于深度学习的相位恢复算法在定量相位成像显微镜中的性能，通过比较恢复的相位图像与其理论相位轮廓来评估正确性	提出了一个理论框架来分析和量化基于深度学习的相位恢复算法的性能，并通过比较恢复相位图像与理论相位轮廓来评估正确性；使用有损和无损样本（包括均匀等离子体金传感器和介电层样本）进行验证；采用上下文聚合网络演示相位图像回归	研究主要基于模拟数据，未涉及真实实验数据；仅使用了上下文聚合网络一种模型；样本类型有限	分析和量化基于深度学习的相位恢复算法在定量相位成像显微镜中的性能，评估其正确性和可靠性	均匀等离子体金传感器（有损）和介电层样本（无损）	计算机视觉	NA	定量相位成像显微镜、深度学习	上下文聚合网络	图像	NA	NA	上下文聚合网络	NA	NA
636	2026-09-28	Computational Saturation Mutagenesis to Investigate the Effects of Neurexin-1 Mutations on AlphaFold Structure 2022-04-28, Genes IF:2.8Q2 DOI:10.3390/genes13050789 PMID:35627176	研究论文	该研究应用计算饱和突变方法分析错义突变对人类NRXN1蛋白功能的影响，基于AlphaFold预测结构和实验结构计算折叠能量变化	利用AlphaFold预测的NRXN1膜蛋白结构进行大规模计算饱和突变分析，并与实验结构比较验证其可靠性，揭示了与精神分裂症和自闭症谱系障碍相关的突变对蛋白稳定性的影响	缺乏实验全长膜蛋白结构，研究主要依赖计算预测，需要进一步实验验证	研究NRXN1错义突变对蛋白质功能的影响，为表征致病突变和阐明精神分裂症和自闭症谱系障碍的分子机制提供信息	人类NRXN1蛋白结构，包括AlphaFold预测结构和实验结构	计算生物学	精神分裂症, 自闭症谱系障碍	计算饱和突变, AlphaFold结构预测	深度学习	蛋白质结构数据	29,540个突变	NA	AlphaFold	能量变化相关性	NA
637	2026-09-28	LM-GVP: an extensible sequence and structure informed deep learning framework for protein property prediction 2022-04-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-10775-y PMID:35477726	研究论文	该研究开发了LM-GVP，一个结合蛋白质语言模型和图神经网络的深度学习框架，利用蛋白质的1D氨基酸序列和3D结构信息进行蛋白质属性预测	提出了一种可扩展的深度学习框架LM-GVP，首次将蛋白质语言模型（LM）与图神经网络（GNN）相结合，同时利用1D序列和3D结构信息进行蛋白质属性预测，并在多个任务上超越了现有的蛋白质语言模型	摘要中未明确提及研究的局限性	开发一个通用的深度学习框架，基于蛋白质的序列和结构信息预测其属性，以加速蛋白质工程和药物开发	蛋白质，包括其1D氨基酸序列和3D结构	机器学习	NA	蛋白质语言模型（LM）、图神经网络（GNN）	语言模型（LM）、图神经网络（GNN）	蛋白质序列（1D氨基酸序列）、蛋白质结构（3D结构）	NA	NA	蛋白质语言模型（LM）、图神经网络（GNN）	NA	NA
638	2026-09-28	Predicting Breast Tumor Malignancy Using Deep ConvNeXt Radiomics and Quality-Based Score Pooling in Ultrasound Sequences 2022-Apr-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12051053 PMID:35626208	研究论文	本文提出了一种基于深度学习的放射组学方法，利用乳腺超声序列预测乳腺肿瘤的恶性程度	采用ConvNeXt网络提取放射组学特征，并提出基于图像质量统计的恶性评分池化机制融合超声序列中各帧的评分	摘要中未明确提及	提高乳腺超声计算机辅助诊断系统对乳腺肿瘤良恶性分类的准确性	乳腺超声序列中的乳腺肿瘤	计算机视觉, 医学影像分析	乳腺癌	超声成像	CNN	图像序列	NA	NA	ConvNeXt	NA	NA
639	2026-09-28	Machine Learning, Deep Learning, and Mathematical Models to Analyze Forecasting and Epidemiology of COVID-19: A Systematic Literature Review 2022-04-22, International journal of environmental research and public health DOI:10.3390/ijerph19095099 PMID:35564493	系统综述	本文对使用机器学习、深度学习和数学模型分析COVID-19预测和流行病学的最新研究进行了系统文献综述	遵循PRISMA指南对218篇文献进行筛选，最终纳入57项研究，系统总结了COVID-19预测和流行病学分析中ML、DL和数学模型的应用现状，并汇总了流行病倍增时间和基本传染数的估计范围	仅纳入57项研究，可能存在选择偏倚；未进行定量荟萃分析；纳入研究的质量未进行系统评价	阐述机器学习、深度学习和数学模型在COVID-19预测和流行病学分析中的应用，为研究人员、权威机构和医疗行业提供有价值的解决方案以减轻疫情影响	COVID-19相关研究文献	机器学习	COVID-19	NA	CNN, SVM	文本	218篇文献中筛选出57项研究	NA	CNN, SVM	NA	NA
640	2026-09-28	Deep learning enhanced Rydberg multifrequency microwave recognition 2022-Apr-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-29686-7 PMID:35422054	研究论文	将里德堡原子与深度学习模型相结合，实现多频微波信号的识别，并直接解码频分复用信号	利用深度学习模型增强里德堡原子的微波识别能力，避免求解主方程，同时降低噪声影响	未明确说明模型的泛化能力和实际应用中的鲁棒性	解决多频微波电场识别中的复杂干扰问题，并实现频分复用信号的解码	里德堡原子、多频微波电场信号	机器学习	NA	里德堡原子测量	深度学习	微波信号	NA	NA	NA	NA	NA