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
6481	2026-07-07	From tradition to innovation: conventional and deep learning frameworks in genome annotation 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae138 PMID:38581418	综述	综述了从传统方法到深度学习框架在基因组注释中的应用，并强调了该领域的动态进展	对比传统方法如浅层学习与当代深度学习框架，提供了基因组注释挑战的新视角	未提及具体局限，但综述性文章可能缺乏实证比较	回顾和比较基因组注释中的传统与深度学习框架，突出挑战与创新	基因组序列中的基因及功能元件	机器学习	NA	RNA-Seq, ChIP-Seq	深度学习框架	序列数据	未提及具体样本量	NA	NA	NA	NA
6482	2026-07-07	A new paradigm for applying deep learning to protein-ligand interaction prediction 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae145 PMID:38581420	研究论文	提出一种利用蛋白质-配体复合物几何信息预测对接姿态均方根偏差与结合强度的新型深度学习框架IGModel	通过在同一预测框架内同时输出具有直观物理意义的对接姿态偏差和结合亲和力分数，并引入几何特征编码的潜空间可视化与可解释性分析	NA	开发具有物理意义的高精度蛋白质-配体相互作用预测方法，推动药物设计领域发展	蛋白质-配体复合物的对接姿态和结合亲和力	机器学习	NA	分子对接	深度学习（DL）	蛋白质-配体复合物结构数据	包含CASF-2016基准测试集、PDBbind-CrossDocked-Core和DISCO等多类测试集	PyTorch	IGModel	均方根偏差、结合亲和力（pKd）预测精度、AUROC等	NA
6483	2026-07-07	SPDesign: protein sequence designer based on structural sequence profile using ultrafast shape recognition 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae146 PMID:38600663	研究论文	提出了一种基于结构序列图谱和超快形状识别的蛋白质序列设计方法SPDesign，显著优于现有方法	利用超快形状识别向量加速搜索类似蛋白质结构，并结合结构预训练知识与几何特征，通过增强图神经网络进行序列预测	NA	探索结构序列图谱在蛋白质序列设计中的应用，以提高设计准确率	蛋白质序列及其对应的三维骨架结构	机器学习	NA	蛋白质序列设计, 结构比对	增强图神经网络 (GNN)	蛋白质结构数据	CATH 4.2基准数据集，孤儿基准和从头设计基准	NA	增强图神经网络	序列恢复率	NA
6484	2026-07-07	Improving drug response prediction via integrating gene relationships with deep learning 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae153 PMID:38600666	研究论文	提出一种名为DIPK的深度学习框架，通过整合基因相互作用关系、基因表达谱和分子拓扑结构来提升药物反应预测的准确性和鲁棒性	采用自监督技术整合多种信息源（基因相互作用关系、表达谱和分子拓扑结构），首次将基因关系显式融入深度学习模型以提升药物反应预测效果，并扩展到单细胞RNA-seq数据分析	NA	通过深度学习整合基因关系信息，提高抗癌药物反应预测性能，助力个性化癌症治疗	癌细胞系的药物反应预测，包括已知和新型细胞及药物	机器学习	癌症	RNA-seq（含单细胞RNA-seq）	深度学习（自监督深度神经网络）	基因表达谱、分子拓扑结构、基因相互作用关系	NA	PyTorch	Deep neural network Integrating Prior Knowledge（DIPK）	accuracy, robustness (与现有方法比较)	NA
6485	2026-07-07	DSNetax: a deep learning species annotation method based on a deep-shallow parallel framework 2024-03-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae157 PMID:38600668	研究论文	提出一种基于深度-浅层并行框架的深度学习物种分类方法DSNetax，用于微生物群落分析中的物种注释	结合深度-浅层并行网络结构提取16S rRNA基因序列的语义和细节特征，利用DNABERT模型生成词向量，实现更准确的属和种级别分类	未提及具体计算资源消耗或对长序列处理效率的详细比较，且依赖SILVA数据库的序列特征	解决现有微生物物种注释方法在准确性、时间和内存方面的限制，提供高效准确的分类方法	16S rRNA基因序列	自然语言处理, 机器学习	NA	16S rRNA基因测序	平行神经网络	基因序列	428,748条长度为1500碱基对的16S rRNA序列	PyTorch	DNABERT, DSNetax并行网络（包括深层和浅层模块）	准确率	NA
6486	2026-07-07	Correction to: A new paradigm for applying deep learning to protein-ligand interaction prediction 2024-Mar-27, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae226 PMID:38701423	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6487	2026-07-07	Malignancy diagnosis of liver lesion in contrast enhanced ultrasound using an end-to-end method based on deep learning 2024-03-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01247-y PMID:38515044	研究论文	提出一种基于深度学习的端到端方法，用于超声造影中肝脏病变的恶性诊断	无需手动特征选择，直接利用CNN和LSTM从不同造影期相的CEUS动态序列中提取时空特征，实现端到端的恶性诊断	研究样本量相对有限（420例），且未探讨模型在不同设备和参数设置下的泛化能力	开发一种基于深度学习的端到端方法，提高超声造影中肝脏病变恶性诊断的准确性和客观性	超声造影中的局灶性肝脏病变（良性136例和恶性284例）	计算机视觉	肝癌	超声造影	CNN-LSTM	超声造影动态视频序列	420例局灶性肝脏病变（136例良性，284例恶性）	NA	二维卷积神经网络，长短期记忆网络，线性分类器（Sigmoid）	AUC	NA
6488	2026-07-07	Automatic de-identification of French electronic health records: a cost-effective approach exploiting distant supervision and deep learning models 2024-02-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02422-5 PMID:38365677	研究论文	提出了一种利用远程监督和深度学习模型自动去识别法语电子健康记录的成本效益方法	采用远程监督方法显著降低手动标注成本，并利用eHOP临床数据仓库和国家知识库实现自动化标注，同时结合Prodigy工具进行辅助数据标注	研究未明确说明外部验证或不同临床机构间的泛化能力	开发一种自动去识别临床文档的管道，减少手动标注成本，便于在不同临床中心推广	法语电子健康记录中的个人识别信息	自然语言处理	NA	NA	Bi-LSTM + CRF	文本	基于法国雷恩大学医院eHOP临床数据仓库的电子健康记录数据集	NA	Bi-LSTM + CRF, Flair + FastText词嵌入	F1分数	NA
6489	2026-07-07	InsightSleepNet: the interpretable and uncertainty-aware deep learning network for sleep staging using continuous Photoplethysmography 2024-02-14, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02437-y PMID:38355559	研究论文	基于连续光电容积描记信号，开发了可解释且具不确定性意识的睡眠分期深度学习网络InsightSleepNet	创新性地融合局部注意力模块、InceptionTime、时间分布密集层、时间卷积网络和1D卷积网络，同时考虑模型预测的可解释性和不确定性，并引入能量分数估计进行选择性预测	未明确提及	利用穿戴设备连续监测睡眠，开发更高效的睡眠分期方法，为医学决策提供支持	从连续PPG信号中提取的睡眠分期数据	机器学习	睡眠相关疾病	光电容积描记	CNN, TCN, InceptionTime	信号数据	使用三个数据集：MESA、CFS、CAP，样本量未明确	NA	InceptionTime, TCN, 1D CNN	准确率，Cohen's kappa，加权F1分数	NA
6490	2026-07-07	DeepVAQ : an adaptive deep learning for prediction of vascular access quality in hemodialysis patients 2024-02-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02441-2 PMID:38347504	研究论文	开发了一种名为DeepVAQ的深度学习模型，用于从光电容积脉搏波传感器数据预测血液透析患者的血管通路质量	首次将深度学习模型应用于从光电容积脉搏波传感器数据预测血管通路质量，实现了非侵入性、低成本的诊断方法替代金标准超声稀释技术	研究为回顾性单中心设计，样本量有限（398名患者），且未提及模型在外部数据集上的验证	开发一种专用于预测血液透析患者血管通路质量的深度学习模型	398名血液透析患者的临床数据（2021年2月至2022年2月）	机器学习	慢性肾病相关血管通路质量	光电容积脉搏波传感器	卷积神经网络	光电容积脉搏波传感器信号数据	398名血液透析患者	NA	卷积神经网络（CNN）	准确率、特异度、精确率、F分数、AUC	NA
6491	2026-07-07	Prediction of emergency department revisits among child and youth mental health outpatients using deep learning techniques 2024-02-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02450-1 PMID:38331816	研究论文	利用深度学习技术预测儿童和青少年心理健康门诊患者的急诊再次就诊	首次将图神经网络模型应用于儿童青少年心理健康电子健康档案数据中的急诊再次就诊预测，并与循环神经网络及传统机器学习模型进行比较	模型性能可能不足以支持临床实施	预测儿童青少年心理健康门诊患者的急诊再次就诊，以便早期干预和优化医疗资源配置	在麦克马斯特儿童医院儿童青少年心理健康项目门诊服务中寻求帮助的4-17岁患者	机器学习	心理健康疾病	NA	图神经网络，循环神经网络，XGBoost，决策树，逻辑回归	电子健康档案数据	未明确说明	NA	图神经网络，循环神经网络	F1分数，精确率，召回率，ROC曲线，阳性预测值，阴性预测值	NA
6492	2026-07-07	Exploring the performance and explainability of fine-tuned BERT models for neuroradiology protocol assignment 2024-02-07, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02444-z PMID:38326769	研究论文	评估微调BERT模型在神经放射学协议分配中的表现和可解释性	首次将BERT模型应用于医学影像协议分配任务，并利用梯度方法进行词语重要性分析以评估决策过程	NA	评估预训练BERT模型在神经放射学协议分类中的表现，并探究其决策过程的可解释性	四种BERT模型（BERT、BioBERT、ClinicalBERT、RoBERTa）及放射科医生的判断	自然语言处理	神经放射学相关疾病	NA	BERT	文本	NA	PyTorch	BERT, BioBERT, ClinicalBERT, RoBERTa	接近人类水平的表现	NA
6493	2026-07-07	A reliable diabetic retinopathy grading via transfer learning and ensemble learning with quadratic weighted kappa metric 2024-02-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02446-x PMID:38321416	研究论文	提出一种结合迁移学习与集成学习的糖尿病视网膜病变分级方法，使用二次加权卡帕指标评估性能	结合预训练模型权重迁移学习与数据增强，提出三层分类器架构，并采用二次加权卡帕指标提高分级准确性	未提及具体计算资源需求或模型在真实临床环境中的验证	开发高效且可靠的糖尿病视网膜病变分级方法，解决现有模型计算负担重且分级不准确的问题	糖尿病视网膜病变患者眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	迁移学习与集成学习模型	图像	Eyepacs、Aptos和Messidor三个数据集	未明确提及	三层分类器（含Dropout和ReLU激活）	二次加权卡帕指标	未提及
6494	2026-07-07	Susceptibility of AutoML mortality prediction algorithms to model drift caused by the COVID pandemic 2024-02-02, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02428-z PMID:38308256	研究论文	研究COVID疫情导致的数据漂移对AutoML死亡率预测算法模型漂移的影响	首次系统评估COVID疫情导致的突然数据漂移对AutoML死亡率预测模型的影响，并测试多种简单易行的训练方法能否防止模型性能下降	仅测试了少数简单易行的修改方法，未涉及更复杂的技术如在线学习或增量学习；数据集仅来自一家医院的105,666例病例，泛化性有限	表征COVID疫情导致的突然数据漂移，并评估不同模型训练方法对防止模型退化效果	手术患者的术后死亡率预测模型	机器学习	手术相关死亡率	NA	广义线性模型、默认随机森林、梯度提升机、极限梯度提升、深度学习、堆叠集成	结构化表格数据	105,666例手术患者数据（2014-2019年）	H2O AutoML	GLM、随机森林、GBM、XGBoost、深度学习、堆叠集成	AUC、精确率-召回率曲线	NA
6495	2026-07-07	Heteroscedastic Uncertainty Estimation Framework for Unsupervised Registration 2024, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72069-7_61 PMID:41960565	研究论文	提出了一种用于无监督图像配准的异方差不确定性估计框架，通过自适应降低高不确定性区域的影响来提升配准性能	提出协作训练策略和基于信噪比的图像保真度加权方案，能够处理医学图像中依赖于输入的异方差噪声分布	NA	解决无监督配准中均匀噪声假设导致的性能下降问题，实现更精确的位移估计	针对医学图像配准任务中的噪声分布异质性问题	计算机视觉	NA	NA	CNN	图像	NA	PyTorch	ResNet, U-Net	准确率, 均方误差, 信噪比	NA
6496	2026-07-07	Overview of current applications and trends in artificial intelligence for cystoscopy and transurethral resection of bladder tumours 2024-01-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001135 PMID:37902120	综述	综述人工智能在膀胱镜检查和经尿道膀胱肿瘤切除术中的当前应用和趋势	总结了近一年半内膀胱镜深度学习数据集的丰富性，包括多种肿瘤类型图像以及人工智能在间质性膀胱炎诊断中的新应用	真实世界临床应用滞后	评估人工智能在膀胱镜检查和膀胱肿瘤切除术中的辅助诊断和治疗作用	膀胱肿瘤和间质性膀胱炎	计算机视觉	膀胱癌、间质性膀胱炎	NA	深度学习	图像	NA	NA	NA	NA	NA
6497	2026-07-07	Overproduce and select, or determine optimal molecular descriptor subset via configuration space optimization? Application to the prediction of ecotoxicological endpoints 2023-06, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202200227 PMID:36894503	研究论文	提出通过配置空间优化确定最佳分子描述符子集的方法，用于预测生态毒理学终点	将分子描述符生成建模为多准则优化问题，采用标准遗传算法的变体求解，并通过Choquet积分聚合四个准则计算适应度函数	未明确说明	改进传统分子描述符选择方法在预测化合物生物活性中的性能	生态毒理学终点预测中的化学数据集	机器学习	NA	NA	遗传算法	化学分子描述符数据	NA	NA	NA	NA	NA
6498	2026-07-07	The role of deep learning-based survival model in improving survival prediction of patients with glioblastoma 2021-10, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.4230 PMID:34453413	研究论文	深度学习生存模型在胶质母细胞瘤患者生存预测中的性能验证	证实基于深度学习生存模型在GBM患者中优于传统CoxPH和RSF模型，并通过贝叶斯超参数优化显著提升了预测精度	NA	验证深度学习生存模型在GBM患者中的预测性能，并探究超参数优化方法对预测准确性的影响	260名胶质母细胞瘤患者	机器学习	胶质母细胞瘤	NA	深度学习生存模型	表格数据	260名GBM患者	NA	深度学习生存模型	一致性指数（c-index）	NA
6499	2026-07-07	Recent advances in blood-based and artificial intelligence-enhanced approaches for gastrointestinal cancer diagnosis 2021-Sep-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v27.i34.5666 PMID:34629793	综述	概述血液生物标志物和人工智能增强技术在胃肠道癌症诊断中的最新进展	同时讨论血液基础生物标志物和人工智能病理图像分析两种前沿方法，并预测未来临床整合方向	未提供具体实验结果或定量分析，缺乏对方法性能的详细比较	总结胃肠道癌症诊断领域的最新进展并展望未来发展方向	胃肠道癌症（包括多种消化道恶性肿瘤）	数字病理学、自然语言处理	胃肠道癌症	液体活检（血浆游离细胞DNA、循环肿瘤细胞、细胞外囊泡、游离细胞RNA）、组织活检分析	深度学习模型	病理图像、血液样本数据	NA	NA	NA	NA	NA
6500	2026-07-06	Wide-range and multi-target trace-level quantification of renal biomarkers in serum via a chromatography-SERS-AI platform 2026-Sep-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345737 PMID:42401461	研究论文	提出了一种基于色谱纸-SERS-人工智能平台，用于血清中肾脏生物标志物的宽范围、多目标痕量定量检测	开发了集分离、原位富集和SERS增强于一体的色谱纸-SERS基底，解决了基质干扰、竞争吸附和时效性问题；引入具有三个独立回归器的ResUNet-MT多任务深度学习算法，修正浓度依赖的定量偏差	未明确提及局限性	开发一种宽动态范围、多目标、准确且成本低廉的痕量血液分析技术，用于肾脏疾病的临床监测	血清样本中的肌酐、尿酸和血尿素氮三种肾脏生物标志物	机器学习	肾脏疾病	表面增强拉曼散射（SERS）、色谱纸	深度学习模型	光谱数据	20微升血清样本；使用不同肾脏生物标志物水平的临床血清样本验证	NA	ResUNet-MT	相关系数、平均回收率、变异系数	NA