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
681	2025-06-20	Author Correction: Focal liver lesion diagnosis with deep learning and multistage CT imaging 2025-Jun-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-61097-2 PMID:40533457	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
682	2026-05-24	Pixel super-resolved virtual staining of label-free tissue using diffusion models 2025-May-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60387-z PMID:40447613	研究论文	本研究提出了一种基于扩散模型的像素超分辨率虚拟染色方法，通过布朗桥过程增强无标记组织的空间分辨率和染色保真度	首次将扩散模型与布朗桥过程结合用于无标记组织像素超分辨率虚拟染色，通过采样技术减少生成图像的方差，实现4-5倍超分辨率因子和16-25倍空间带宽积提升	目前仅在人肺组织样本上验证，算法性能依赖于输入的低分辨率自荧光图像质量，且未在多种组织类型或染色方法上测试	开发一种无需传统化学染色的像素超分辨率虚拟染色方法，提高虚拟染色的分辨率和图像质量，支持临床诊断应用	无标记人肺组织样本的低分辨率自荧光图像	计算机视觉、数字病理学	肺癌	无标记显微镜、扩散模型、布朗桥过程	扩散模型	图像	人肺组织样本（具体数量未提及）	NA	扩散模型（基于布朗桥过程）	分辨率、结构相似性、感知精度	NA
683	2026-05-24	Predicting seizure episodes and high-risk events in autism through adverse behavioral patterns 2025-04-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adcafd PMID:40203864	research paper	基于九年的行为与癫痫发作数据，利用深度学习算法预测自闭症谱系障碍患者的高风险行为事件和癫痫发作	首次证明行为模式可以预测癫痫发作及不良行为，拓展了预测模型在自闭症谱系障碍中的临床应用	未在论文摘要中明确说明	确定历史行为数据能否预测重度自闭症谱系障碍患者的高风险行为或癫痫事件，以促进早期干预	353名自闭症谱系障碍患者的九年行为与癫痫发作数据	machine learning	autism	NA	deep learning	categorical behavioral data, seizure labels	353名自闭症谱系障碍患者	NA	NA	accuracy	NA
684	2026-05-24	Decoding pathology: the role of computational pathology in research and diagnostics 2025-04, Pflugers Archiv : European journal of physiology DOI:10.1007/s00424-024-03002-2 PMID:39095655	综述	综述计算病理学在研究和诊断中的作用，介绍其利用深度学习技术分析组织病理标本的进展	系统介绍计算病理学从传统组织病理学到数字病理的演进，强调多模态数据整合和多用途基础模型的应用	未具体说明，可能涉及综述本身的局限性，如未涵盖所有最新研究	提供计算病理学进展的入门概述，讨论其对组织病理学研究和诊断未来的影响	组织病理标本和计算病理学相关方法	数字病理学	NA	NA	深度学习	组织病理图像	NA	NA	NA	NA	NA
685	2026-05-24	Machine learning models for pharmacogenomic variant effect predictions - recent developments and future frontiers 2025 Apr-Apr, Pharmacogenomics IF:1.9Q3 DOI:10.1080/14622416.2025.2504863 PMID:40401639	review	综述了基于机器学习的药物基因组学变异效应预测模型的最新进展与未来方向	系统评估了整合多源数据（DNA、蛋白质序列、进化保守性和单倍型结构）的深度学习与集成方法在药物基因组学应用中的优势与不足，并探讨了底物特异性预测和变异上位性等新兴方法论	未详述模型在不同人群和药物类别中的泛化能力验证，且对计算资源需求与临床转化难点讨论有限	总结当前机器学习驱动的药物相关变异功能效应预测方法，并展望其向药物遗传学推荐转化的可行策略	药物基因组学变异效应预测模型	machine learning	NA	NGS, DNA/蛋白质序列分析	深度学习模型、集成模型	DNA序列、蛋白质序列、进化保守性数据、单倍型结构数据	NA	NA	NA	准确性、鲁棒性、可解释性	NA
686	2026-05-24	Parallel convolutional neural networks for non-invasive cardiac hemodynamic estimation: integrating uncalibrated PPG signals with nonlinear feature analysis 2025-03-31, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/adc366 PMID:40112453	研究论文	提出一种利用无标定光电容积脉搏波信号和非线性特征分析的非侵入性心脏血流动力学参数预测方法	首次结合无标定PPG信号、非线性特征与并行卷积神经网络，实现非侵入性心脏血流动力学状态综合评估	目前仅在虚拟受试者数据集上验证，需在真实临床环境中进一步验证	开发基于PPG信号和深度学习的非侵入性方法预测心输出量、全身血管阻力和动脉顺应性等心脏血流动力学参数	4374名虚拟受试者	机器学习	心血管疾病	数字光电容积描记术	并行卷积神经网络	信号数据	4374名虚拟受试者	NA	并行卷积神经网络	均方根误差、均方误差、平均绝对误差	NA
687	2026-05-24	Deep learning for quantifying spatial patterning and formation process of early differentiated human-induced pluripotent stem cells with micropattern images 2024-10, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13346 PMID:38994744	研究论文	提出一种深度学习方法，利用微图案图像量化早期分化的人诱导多能干细胞的空间模式与形成过程	创新性地采用解码和编码U-net结构，同时结合Hoechst和明场图像分割hiPSC，并提取胚外区域及对比荧光强度量化多能性	未明确说明局限性	通过微图案图像定量评估hiPSC的多能性和早期分化中胚层的空间模式	人诱导多能干细胞（hiPSC）的早期分化阶段	计算机视觉	NA	微图案成像	U-net	图像	包含多个hiPSC系、不同微图案尺寸、多种标记组、活细胞和固定细胞的样本	NA	U-net（解码结构、编码结构）	细胞数量准确率、细胞区域准确率	NA
688	2026-05-24	Enhancing the activity and succinyl-CoA specificity of 3-ketoacyl-CoA thiolase Tfu_0875 through rational binding pocket engineering 2024-Sep, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2024.04.014 PMID:38694995	研究论文	通过理性结合口袋工程提升3-酮脂酰辅酶A硫解酶Tfu_0875的活性及琥珀酰辅酶A特异性	采用深度学习方法DLKcat识别有效突变体，并结合贪婪累积蛋白工程策略（GRAPE）对酶进行优化，显著提高了酶活性和底物特异性	未提及	提升3-酮脂酰辅酶A硫解酶的活性和底物特异性，以提高己二酸产量	3-酮脂酰辅酶A硫解酶Tfu_0875及其突变体	机器学习	NA	蛋白结构分析、深度学习	DLKcat	序列、结构	多个突变体，具体数量未提及	NA	DLKcat	比活性、催化效率、底物特异性、底物结合能	NA
689	2026-05-24	Focal liver lesion diagnosis with deep learning and multistage CT imaging 2024-08-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51260-6 PMID:39147767	研究论文	开发一种基于深度学习和多期增强CT的自动肝脏病灶诊断系统LiLNet	利用多中心大规模数据（4039名患者）开发并外部验证了LiLNet网络，能够区分六种肝脏病灶类型，并实现高准确率	未提及	提高肝脏病灶诊断的自动化水平，辅助放射科医生，尤其是在资源匮乏地区	肝脏病灶包括肝细胞癌、肝内胆管癌、转移性肿瘤、局灶性结节增生、血管瘤和囊肿	计算机视觉	肝脏疾病	多期增强CT	CNN	图像	4039名患者，来自六个数据中心	PyTorch	LiLNet	准确率, AUC	NA
690	2026-05-24	Artificial organic afferent nerves enable closed-loop tactile feedback for intelligent robot 2024-08-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51403-9 PMID:39147776	研究论文	本文报告了一种人工有机传入神经，通过集成有机电化学突触晶体管和人工机械感受器，实现了低工作电压下的触觉感知，并协同闭环反馈程序使智能机器人能够快速识别和防止物体滑动	首次报道了低工作电压(-0.6 V)的人工有机传入神经，通过树突整合功能实现了对物体方向性运动的感知，并利用分布式并行网络降低了控制复杂度	未提及具体局限性	模拟触觉神经以实现机器人的高级感知功能，并构建智能化闭环触觉反馈系统	人工有机传入神经、智能机器人	机器学习,机器人与仿生电子学	NA	NA	深度神经网络	尖峰编码信号	NA	NA	NA	识别准确率	NA
691	2026-05-24	End-to-end reproducible AI pipelines in radiology using the cloud 2024-08-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51202-2 PMID:39138215	研究论文	展示基于云基础设施的可重复、透明的人工智能放射学管道的端到端实施	首次系统展示基于云平台实现放射学AI管道的完整可重复性，从数据获取到最终结果分析的全流程透明化和可扩展性	仅应用于两个特定用例，且未讨论不同云平台间的互操作性问题	论证云基础设施在实现可重复和透明的人工智能放射学管道中的潜力	基于云托管数据和计算的AI放射学管道	计算机视觉	癌症	NA	深度学习	医学图像	NA	NA	NA	NA	云基础设施
692	2026-05-24	The changing landscape of text mining: a review of approaches for ecology and evolution 2024-07, Proceedings. Biological sciences DOI:10.1098/rspb.2024.0423 PMID:39082244	综述	本文综述了用于生态学和进化生物学文献中文本挖掘的方法，涵盖从频率基础方法到深度学习语言模型的发展	将文本挖掘方法映射到三种主要范式（频率基础方法、传统自然语言处理和深度学习语言模型），为生态学和进化研究提供入门指导	未详细说明具体实施中的计算资源需求或模型评估指标	促进文本挖掘工具在生态学和进化研究中的整合	生态学和进化生物学领域的文本数据及文献	自然语言处理	NA	NA	深度学习语言模型	文本	NA	NA	NA	NA	NA
693	2026-05-24	Towards Interactive and Interpretable Image Retrieval-Based Diagnosis: Enhancing Brain Tumor Classification with LLM Explanations and Latent Structure Preservation 2024-Jul, Artificial intelligence in medicine. Conference on Artificial Intelligence in Medicine (2005- ) DOI:10.1007/978-3-031-66535-6_35 PMID:41930254	研究论文	提出一种交互式可解释图像检索系统，结合监督对比学习和大型语言模型，用于脑肿瘤分类	通过监督对比学习保留图像潜在结构，并集成现成的大语言模型实现检索报告总结和用户问答交互，增强了系统的可解释性和可用性	未明确提及具体局限性	开发一种交互式、可解释的基于图像检索的诊断系统，提高脑肿瘤分类的准确性和可解释性	脑肿瘤影像数据	计算机视觉	脑肿瘤	NA	CNN（编码器）、大语言模型（LLM）	图像	NA	PyTorch	ResNet 或其他监督对比学习编码器	分类准确率	NA
694	2026-05-24	A multi-featured expression recognition model incorporating attention mechanism and object detection structure for psychological problem diagnosis 2024-06-01, Physiology & behavior IF:2.4Q2 DOI:10.1016/j.physbeh.2024.114561 PMID:38641188	研究论文	提出一种结合注意力机制和目标检测结构的多特征表情识别模型，用于心理问题诊断	设计自适应多端融合注意力机制，结合目标检测模型提取人体不同区域和不同尺度的特征，通过融合网络进行特征融合和分类	在Emotic数据集上平均准确率仅为34.51%，性能有限	开发基于表情、姿态和环境的多特征融合方法，提高非约束自然条件下人类情绪分析的准确性	人类面部表情、身体姿态及环境信息	计算机视觉	心理障碍	深度学习	目标检测模型	图像	NA	NA	NA	平均准确率	NA
695	2026-05-24	LUNet: deep learning for the segmentation of arterioles and venules in high resolution fundus images 2024-05-03, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad3d28 PMID:38599224	研究论文	提出LUNet深度学习模型，用于高分辨率眼底图像中视网膜小动脉和小静脉的自动分割	设计了双扩张卷积块以扩大感受野并减少参数量，结合高分辨率尾部模块细化分割细节，并针对血管分割连续性设计了自定义损失函数	未提及模型在低分辨率图像或极端病理条件下的表现，且数据集涉及人群和标注者变异性但未涵盖所有可能场景	实现视网膜小动脉和小静脉的自动分割，以通过眼底图像辅助诊断心血管疾病	视网膜小动脉和小静脉	计算机视觉	心血管疾病	眼底成像	CNN	图像	240张数字眼底图像，由15名医学生和1名眼科医生标注	NA	LUNet	准确率	NA
696	2026-05-24	Multi-branch myocardial infarction detection and localization framework based on multi-instance learning and domain knowledge 2024-04-26, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad3d25 PMID:38599223	研究论文	提出基于多实例学习和领域知识的多分支心肌梗死检测与定位框架	将多实例学习与领域知识结合，通过注意力机制和新的损失函数lead-loss改进心肌梗死定位，并利用Grad-CAM可视化决策过程	未明确说明局限性	实现心电图中心肌梗死的自动检测与定位，辅助医生诊断	心肌梗死患者的心电图数据	机器学习	心血管疾病	心电图	CNN	图像	PTB和PTB-XL数据库，未说明具体样本数量	NA	SENet	准确率	NA
697	2026-05-24	Photoplethysmography based atrial fibrillation detection: a continually growing field 2024-04-17, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad37ee PMID:38530307	review	综述基于光电容积描记法的心房颤动检测领域的最新进展	系统回顾了2019年7月至2022年12月间PPG房颤检测的先进技术，涵盖统计学方法、传统机器学习与深度学习方法，并持续更新研究数据库	仅纳入已发表研究，存在发表偏倚；PRISMA原则未提及其他数据库如ClinicalTrials.gov；文献检索时间范围有限	全面综述基于PPG的房颤检测技术进展，评估统计方法、机器学习与深度学习方法的有效性	57篇相关研究论文	机器学习	心血管疾病	PPG	CNN, LSTM	时间序列信号数据	57项研究	NA	NA	NA	NA
698	2026-05-24	Algorithmic detection of sleep-disordered breathing using respiratory signals: a systematic review 2024-03-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2c13 PMID:38387048	综述	系统回顾2012至2022年间基于呼吸信号的睡眠呼吸障碍算法检测文献，涵盖信号来源、处理、特征提取、分类及应用	首次全面综述呼吸信号在睡眠呼吸障碍算法检测中的范围与性能，填补了该领域缺乏综合回顾的空白	单源呼吸信号用于低通气检测的灵敏度有限，最高仅73.34%	系统综述基于呼吸信号的睡眠呼吸障碍检测算法，为未来研究提供参考	睡眠呼吸障碍检测算法，涉及的呼吸信号包括鼻气流、口鼻气流、胸呼吸努力和腹呼吸努力	机器学习	心血管疾病，糖尿病，高血压	NA	阈值规则法，机器学习模型，深度学习模型	文本	初步筛选342篇论文，32项研究符合数据提取标准	NA	NA	准确率，灵敏度	NA
699	2026-05-24	SwinUNet: a multiscale feature learning approach to cardiovascular magnetic resonance parametric mapping for myocardial tissue characterization 2024-03-20, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2c15 PMID:38387052	研究论文	提出一种基于卷积U-Net和Swin Transformer的多尺度特征学习深度学习模型SwinUNet，用于加速心血管磁共振T1/T2参数映射	首次将卷积U-Net与Swin Transformer结合形成分层3D计算结构，实现空间和时间多尺度特征学习，实现高度加速的T1/T2参数映射	未明确说明，但可能包括样本量有限或加速倍数受限于心率变异性等实际临床因素	加速心血管磁共振T1/T2参数映射，实现心肌组织特征的快速定量评估	心肌组织，通过左心室心肌壁的T1/T2指标进行表征	数字病理学, 机器学习	心血管疾病	心血管磁共振, T1/T2参数映射	深度学习模型, 卷积神经网络, Transformer	图像（CMR图像）	未明确说明样本数量，但包括加速T1映射（≤4次心跳）和T2映射（2次心跳）的实验	NA	SwinUNet, 卷积U-Net, Swin Transformer, MyoMapNet	平均绝对误差, 结构相似性指数, 相关性分析, Bland-Altman一致性分析	NA
700	2026-05-24	An interpretable shapelets-based method for myocardial infarction detection using dynamic learning and deep learning 2024-03-01, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2217 PMID:38266290	研究论文	提出一种基于可解释性形状特征的方法，结合动态学习和深度学习进行心肌梗死检测	首次将形状特征与动态学习结合，用于提取心电信号的局部病理变化特征，并构建多维度心电动态信号的集成模型	未说明	提高心电检测心肌梗死的准确性，提取显著特征	心肌梗死患者与健康对照者的心电图信号	机器学习	心血管疾病	心电信号动态学习与深度学习	深度神经网络集成模型	心电信号	公开PTB数据集	NA	形状特征提取与深度神经网络集成模型	准确率, 灵敏度, 特异性	NA