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
6381	2026-03-31	Visceral and Subcutaneous Abdominal Fat Predict Brain Volume Loss at Midlife in 10,001 Individuals 2024-08-01, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2023.0820 PMID:37728587	研究论文	本研究通过深度学习分析10,001名健康个体的腹部脂肪与脑体积关系，发现内脏和皮下脂肪可预测中年脑体积损失	首次在大规模人群（10,001人）中系统量化内脏/皮下脂肪与多脑区体积的关联，并揭示脂肪分布对脑健康的年龄特异性影响	横断面研究无法确定因果关系，仅使用1.5T MRI可能限制空间分辨率，未考虑饮食/运动等混杂因素	探究腹部脂肪类型与脑体积损失的关联及其作为脑健康可调控因素的潜力	10,001名健康参与者（52.8%男性，47.2%女性），平均年龄52.9±13.1岁	数字病理学	老年疾病	MRI成像	深度学习	医学影像	10,001名参与者	FastSurfer	NA	相关系数(r值), p值, 比值比(OR)	NA
6382	2026-03-31	An assessment of the value of deep neural networks in genetic risk prediction for surgically relevant outcomes 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294368 PMID:39008506	研究论文	本研究评估了深度神经网络在预测手术相关结局（如心房颤动、静脉血栓栓塞和肺炎）的遗传风险中的价值	结合深度神经网络、基因组学与已建立的临床预测因子，以改进手术风险预测	未明确说明模型在减少相关死亡率和发病率方面的实际效果	评估深度神经网络在预测手术相关结局遗传风险中的价值	UK Biobank中的手术患者数据	机器学习	心血管疾病	GWAS	线性模型, 深度神经网络	遗传数据, 临床特征数据	UK Biobank数据集	NA	NA	ROC-AUC, 精确度, 召回率	NA
6383	2026-03-31	Validation of a Natural Language Machine Learning Model for Safety Literature Surveillance 2024-01, Drug safety IF:4.0Q1 DOI:10.1007/s40264-023-01367-4 PMID:37938539	研究论文	本研究验证了一种用于安全文献监测的自然语言机器学习模型，通过前瞻性验证比较其与人工监测团队在真实世界中的性能	采用深度学习算法自动化文献监测的初步尝试，并在良好药物警戒实践框架下进行前瞻性验证，关注模型召回率以降低安全信号漏报风险	深度学习算法引入独特风险，且模型在药物警戒实践中的验证仍是一个开放性问题，未来需进一步改进和社区协作	验证自动化深度学习方法在文献监测中的应用，以提升AstraZeneca公司的安全监测效率	安全文献监测中的文章筛选过程	自然语言处理	NA	自然语言处理	深度学习模型	文本	数千篇潜在相关文章	NA	NA	召回率	NA
6384	2026-03-31	Symphonizing pileup and full-alignment for deep learning-based long-read variant calling 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00387-x PMID:38177392	研究论文	本文介绍了Clair3，一种基于深度学习的变异检测工具，通过结合pileup和全比对方法，提高了长读长测序中单核苷酸多态性检测的性能和速度	Clair3创新性地整合了pileup和全比对两种方法，前者处理大多数变异候选以提升速度，后者处理复杂候选以最大化精确度和召回率，从而在低覆盖度下实现更优性能	NA	开发一种高效且准确的基于深度学习的变异检测工具，用于长读长测序数据	长读长测序数据中的单核苷酸多态性	机器学习	NA	长读长测序	深度学习	测序数据	NA	NA	NA	精确度, 召回率	NA
6385	2026-03-31	Single-sequence protein structure prediction using supervised transformer protein language models 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00373-3 PMID:38177395	研究论文	本文介绍了一种名为trRosettaX-Single的自动化算法，用于单序列蛋白质结构预测	结合了监督式Transformer蛋白质语言模型的序列嵌入，并通过知识蒸馏增强的多尺度网络来预测残基间二维几何，从而重建三维结构	未明确提及具体局限性，但可能依赖于特定数据集或计算资源	开发一种高效的单序列蛋白质结构预测方法	孤儿蛋白质、人工设计蛋白质以及网络幻觉生成的蛋白质	机器学习	NA	蛋白质结构预测	Transformer	蛋白质序列	2,000个网络幻觉生成的设计蛋白质	NA	Transformer	模板建模分数（TM-score）	未指定具体资源，但提到计算资源使用少于10%且比AlphaFold2快两倍
6386	2026-03-31	Optimization of a Sports Activity Development Model Using Artificial Intelligence under New Curriculum Reform 2021-08-27, International journal of environmental research and public health DOI:10.3390/ijerph18179049 PMID:34501638	研究论文	本研究利用人工智能技术优化体育教学活动模型，通过深度学习建立基于LSTM神经网络的人体运动识别模型，以提升学生运动识别和身体状况检测的准确性	提出结合人工智能和深度学习技术的新型体育教学活动模型，采用智能穿戴系统进行学生状态检测并建立反馈系统，相比传统算法具有更高的运动识别准确率	未明确说明模型在不同年龄、性别或运动能力学生群体中的泛化能力，以及长期实际教学环境中的稳定性验证	优化体育教学活动模型，提高学生身体素质和运动技能，满足新课程改革对体育教育发展的要求	体育教学活动中的学生运动状态和身体状况	机器学习	NA	深度学习，智能穿戴系统	LSTM	运动数据	未明确说明具体样本数量，仅提及构建了数据集进行模型训练和测试	未明确说明	LSTM神经网络	识别准确率，损失值	未明确说明
6387	2026-03-31	Reproductive outcomes predicted by phase imaging with computational specificity of spermatozoon ultrastructure 2020-08-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2001754117 PMID:32690677	研究论文	本研究通过结合高灵敏度相位成像与深度学习，开发了一种无标记精子超微结构分析方法，用于预测辅助生殖技术中的生殖结果	提出了一种结合相位成像与计算特异性（PICS）的模板，通过深度学习对定量相位图进行语义分割，在无标记条件下实现精子细胞的高通量分析，并发现细胞干质量含量与生殖结果的相关性	未明确提及样本量的具体限制或外部验证的充分性，且方法可能依赖于特定成像设备	开发一种无标记、高通量的精子评估方法，以优化辅助生殖技术中的精子选择	精子细胞	计算机视觉	生殖医学	相位成像，深度学习	CNN	图像	数千个精子细胞	未指定	深度卷积神经网络	未指定	未指定
6388	2026-03-30	A benchmarking of genomic selection models for predicting grain-yield related traits using haplotype-based and genome-wide association study-based markers in rice 2026-Jun, The plant genome DOI:10.1002/tpg2.70226 PMID:41894430	研究论文	本研究通过基准测试比较了17种基因组选择模型在预测水稻粒长、粒宽和千粒重等产量相关性状中的表现，评估了基于单倍型和全基因组关联研究标记的预测准确性	首次在水稻中系统比较了基于单倍型标记和全基因组关联研究标记的基因组选择模型性能，并探讨了群体规模和标记数量对预测准确性的影响	研究仅基于688个水稻种质资源，可能无法完全代表更广泛的水稻遗传多样性	评估不同基因组选择模型在水稻产量相关性状预测中的性能，以加速育种进程	水稻（Oryza sativa）的688个种质资源，关注粒长、粒宽和千粒重性状	机器学习	NA	基因组选择，单倍型分析，全基因组关联研究	RRBLUP，机器学习模型，深度学习模型	基因型数据（单核苷酸多态性标记）	688个水稻种质资源，包含66,456个基于单倍型的单核苷酸多态性标记	NA	NA	预测准确性	NA
6389	2026-03-30	AI-powered insights in pediatric nephrology: current applications and future opportunities 2026-May, Pediatric nephrology (Berlin, Germany) DOI:10.1007/s00467-025-06911-1 PMID:40957986	综述	本文综述了人工智能在儿科肾病学中的当前应用与未来机遇，涵盖诊断、治疗、工作流程优化及研究加速等方面	整合了多源数据（如患者历史、基因组学、影像和临床记录）的AI工具，用于检测肾脏异常、预测急性肾损伤和疾病进展，并探讨了AI在改善患者参与、文档处理及研究中的创新潜力	存在伦理和实践挑战，包括数据隐私、算法偏见、标准化监管框架缺乏，以及医护人员需要充分培训以确保技术不损害医患关系	探讨人工智能在儿科肾病学中的转型作用，以提升诊断准确性、治疗精确性、工作流程效率和研究创新	儿科肾病学领域，包括儿童肾脏疾病患者及其相关临床数据（如病史、基因组、影像、临床记录）	数字病理学	儿科肾病	深度学习	深度学习模型	多源数据（包括患者历史、基因组学、影像、纵向临床记录）	NA	NA	NA	NA	NA
6390	2026-03-30	Software-based de-filtering restores quantitative accuracy in Clarity2D-enhanced whole-body bone scintigraphy 2026-Apr, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02145-1 PMID:41460439	研究论文	本研究评估了基于深度学习的软件去滤波方法在恢复Clarity2D降噪滤波器影响的全身骨闪烁扫描图像定量准确性方面的效果	提出了一种基于深度学习的软件去滤波算法，能够有效逆转Clarity2D滤波器引起的定量失真，从而在保持降噪优势的同时恢复骨扫描指数和热点数量的测量准确性	研究为回顾性设计，样本量相对有限（101名成人），且仅基于特定CZT SPECT/CT系统和99mTc-HMDP示踪剂，结果可能无法直接推广到其他设备或协议	评估软件去滤波技术是否能够恢复因Clarity2D降噪滤波器而退化的全身骨闪烁扫描图像的定量准确性	接受99mTc-HMDP全身骨闪烁扫描的成人患者（n=101，平均年龄67±13岁）及其图像数据	数字病理学	骨相关疾病（通过骨闪烁扫描评估）	99mTc-HMDP全身骨闪烁扫描，Clarity2D噪声减少滤波，基于深度学习的软件去滤波	深度学习	医学图像（平面骨闪烁扫描图像）	101名成人患者	NA	NA	Pearson相关系数，Bland-Altman分析（偏差±95%限），Dice系数，Hausdorff距离，基于交并比的精确度、召回率、F1分数	NA
6391	2026-03-30	Integrating Eye Tracking and Inertial Sensing for Enhanced Freezing of Gait Detection in Parkinson's Disease 2026-Apr, The European journal of neuroscience DOI:10.1111/ejn.70472 PMID:41891752	研究论文	本研究通过结合眼动追踪和惯性传感数据，旨在提升帕金森病患者步态冻结的检测准确性	首次将眼动运动学数据与踝部惯性测量单元数据相结合，以区分步态冻结和自主停止，从而提高了分类性能	研究样本量较小（10名参与者），且仅在标准化行走任务中进行评估，可能限制了结果的普适性	提高帕金森病患者步态冻结的自动检测准确性	帕金森病患者的步态冻结事件	机器学习	帕金森病	惯性测量单元，眼动追踪	深度学习分类器	传感器数据（加速度计、陀螺仪、眼动数据）	10名参与者	NA	NA	宏平均F1分数，召回率	NA
6392	2026-03-30	Fast 3D whole-body occupational dose estimation in interventional radiology using physics-informed deep learning 2026-Mar-28, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01043-z PMID:41903035	研究论文	本研究提出了一种基于物理信息深度学习的框架，用于快速预测介入放射学中医师的三维辐射剂量分布	首次将物理信息深度学习与GPU加速的蒙特卡洛模拟相结合，实现了快速、准确且具有解剖学细节的三维职业剂量估计，解决了传统点剂量测量的关键局限	未明确提及模型在临床实际环境中的泛化能力验证，以及不同设备或场景下的适用性评估	开发一种快速、准确的三维全身职业剂量估计方法，以改进介入放射学中的辐射防护	介入放射学中医师的全身三维辐射剂量分布	医学物理与深度学习交叉领域	NA	GPU加速的蒙特卡洛模拟、X射线散射辐射测量	深度学习	三维剂量图（体素数据）	通过GPU Geant4蒙特卡洛模拟平台生成的多种X射线能量、C臂角度和医师配置下的三维剂量图数据集	未明确指定（可能为PyTorch或TensorFlow）	残差3D U-Net、基于Transformer的3D U-Net	平均绝对误差、伽马通过率、体素级误差指标、个人剂量当量	GPU加速（具体型号未指定）、GPU Geant4蒙特卡洛模拟平台
6393	2026-03-30	Convolutional neural network for real‑time localization of ganglionated plexi from bipolar intracardiac electrograms 2026-Mar-28, Journal of interventional cardiac electrophysiology : an international journal of arrhythmias and pacing IF:2.1Q3 DOI:10.1007/s10840-026-02307-9 PMID:41903033	研究论文	本研究提出了一种基于一维卷积神经网络（CNN）的模型，用于从双极心内电图（EGM）中实时定位神经节丛（GP），以支持心脏神经消融手术	首次将轻量级一维CNN应用于原始双极EGM数据，实现GP的自动化检测，并结合梯度加权类激活映射（GCAM）增强模型可解释性，提供实时生理学感知决策支持	GP在数据集中占比极低（约3.5%），存在显著的类别不平衡问题；模型在外部测试集上的精确度（0.09）和F1分数（0.17）仍有提升空间	开发一种深度学习模型，以自动化和改进心脏神经消融手术中神经节丛（GP）的定位	从18名患者收集的189,760个双极心内电图（EGM）窗口，用于神经节丛（GP）的检测	机器学习	心血管疾病	双极心内电图（EGM）	CNN	一维信号数据（心内电图）	18名患者，共189,760个双极EGM窗口（左心房18张图，右心房15张图），其中119,222个清洁窗口用于模型开发	PyTorch	一维卷积神经网络（CNN）	准确率, 精确度, 召回率, F1分数, ROC-AUC, PR-AUC	NA
6394	2026-03-30	Editorial for "Clinical Feasibility of Deep Learning Contrast Synthesis From MR Fingerprinting in Knee Osteoarthritis" 2026-Mar-28, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70305 PMID:41903188	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6395	2026-03-30	PTBP1 knockdown reprograms glioma stem cells into neuronal-like cells and suppresses tumorigenesis via the DUSP5-ERK1/2 signaling pathway 2026-Mar-28, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noag068 PMID:41903206	研究论文	本研究揭示了PTBP1通过调控DUSP5-ERK1/2信号通路影响胶质瘤干细胞增殖与分化的新机制，并开发了一种靶向PTBP1的纳米治疗策略	发现了PTBP1/DUSP5/ERK1/2轴调控胶质瘤干细胞命运的新机制，并首次将白血病药物venetoclax重新用于靶向PTBP1的胶质瘤治疗	研究主要基于小鼠模型和体外实验，尚未在人体临床试验中得到验证	探究胶质瘤细胞形态与患者生存的关系，并开发新的治疗策略	胶质瘤患者样本、胶质瘤干细胞、小鼠原位模型	数字病理学	胶质母细胞瘤	深度学习形态分类、组织透明化3D成像、转录组测序、单细胞RNA测序	深度学习模型	H&E染色图像、转录组数据、单细胞测序数据	65例胶质瘤患者标本、小鼠模型	NA	NA	NA	NA
6396	2026-03-30	A systematic review of the use of artificial intelligence in mental health-based diabetes care: Current applications and future directions 2026-Mar-28, Diabetic medicine : a journal of the British Diabetic Association IF:3.2Q2 DOI:10.1111/dme.70299 PMID:41904510	系统综述	本文系统综述了人工智能在心理健康为基础的糖尿病护理中的应用，总结了当前研究趋势、方法学局限及未来方向	首次系统性地梳理了人工智能在糖尿病心理健康护理领域的研究现状，并识别了研究空白与方法学不足	研究样本多样性不足，前瞻性实验和随机对照试验设计使用较少，过度依赖监督学习算法	梳理人工智能在心理健康为基础的糖尿病护理中的研究现状，识别趋势、方法学局限及未来研究方向	涉及人类、糖尿病背景、心理健康因素及人工智能方法的同行评审实证定量研究	机器学习	糖尿病	NA	监督学习算法, 深度学习模型	NA	41项研究	NA	NA	NA	NA
6397	2026-03-30	Contrastive representation learning and capsule networks enable accurate identification of ferroptosis-related proteins 2026-Mar-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01183-9 PMID:41904560	研究论文	本文提出了一种名为FeroConCap的新型深度学习框架，用于准确识别铁死亡相关蛋白	首次将分形混沌游戏表示编码、胶囊网络和监督对比学习相结合，以捕获与铁死亡相关的层次和空间序列依赖性，并开发了用户友好的Web服务器	受限于实验验证数据的有限可用性，且模型性能可能依赖于基准数据集的规模和代表性	开发一种准确且高通量的计算方法来识别铁死亡相关蛋白	铁死亡相关蛋白	自然语言处理	癌症	蛋白质序列分析	Capsule Networks, 深度学习	蛋白质序列	2298个非冗余蛋白质序列	NA	Capsule Networks	准确率, MCC	NA
6398	2026-03-30	Toward ultimate NMR resolution with deep learning 2026-Mar-27, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ady7995 PMID:41894514	研究论文	本文提出了一种基于深度学习的核磁共振谱峰概率表示方法，以逼近理论极限的分辨率	引入了峰值概率表示法，并开发了物理启发的深度学习神经网络MR-Ai，实现了多谱协同处理与信息交换	方法在60种数据库蛋白质上验证，但未明确说明在更广泛生物样本或临床样本中的泛化能力	提升核磁共振光谱的分辨率，实现接近理论极限的峰定位精度	蛋白质核磁共振光谱	机器学习	NA	核磁共振光谱	深度学习神经网络	光谱数据	60种数据库蛋白质，包括Tau和MATL1蛋白	NA	MR-Ai	峰定位精度，与克拉美-罗下界和贝叶斯蒙特卡洛估计的理论极限对比	NA
6399	2026-03-30	DFENet: A Novel Dual-Path Feature Extraction Network for Semantic Segmentation of Remote Sensing Images 2026-Mar-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030141 PMID:41892943	研究论文	本文提出了一种新颖的双路径特征提取网络（DFENet），用于遥感图像的语义分割，旨在解决特征融合和频域信息利用的挑战	提出了一种双路径模块（DPM）来分别提取全局和局部特征，并创新性地集成了四种特征提取策略以从不同粒度提取全局特征；设计了一个以离散小波变换（DWT）为主的频域特征提取块（FFEB），有效捕获高频和低频分量	NA	提高遥感图像语义分割的性能，解决语义混淆和边界模糊问题	遥感图像（RSIs）	计算机视觉	NA	离散小波变换（DWT）	CNN	图像	ISPRS Vaihingen数据集和ISPRS Potsdam数据集	NA	DFENet	平均交并比（mIoU）	NA
6400	2026-03-30	Validation of conformal prediction in cervical atypia classification 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44850-5 PMID:41866425	研究论文	本文验证了在宫颈非典型性分类中应用保形预测方法，通过专家标注集评估其预测集的真实性和价值	首次基于专家标注集全面验证保形预测在宫颈癌分类中的表现，揭示传统覆盖率验证高估性能，并探讨保形预测在识别模糊和分布外数据方面的能力	研究仅针对宫颈非典型性分类任务，未扩展到其他疾病或数据模态，且依赖于特定专家标注集，可能受标注者主观性影响	验证保形预测在宫颈癌筛查深度学习模型中的有效性，确保预测集真实反映模型不确定性并与人类期望一致	宫颈非典型性分类的深度学习模型及其保形预测集	数字病理学	宫颈癌	深度学习	深度学习模型	图像	NA	NA	NA	覆盖率	NA