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
701	2026-08-30	Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome 2024-04-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0039 PMID:38446445	研究论文	本研究利用深度学习增强的心电图分析，开发了一种用于筛查先天性长QT综合征和预测其基因型的卷积神经网络模型	首次利用深度学习模型从静息12导联心电图中识别先天性长QT综合征并区分LQTS1和LQTS2两种基因型，超越了传统QTc间隔检测方法	研究仅限于高风险人群验证，缺乏在未选择的普通人群中的广泛验证	开发基于深度学习的神经网络，用于识别先天性长QT综合征并区分基因型（LQTS1和LQTS2）	疑似遗传性心律失常患者的心电图及其对应的基因型	计算机视觉	先天性长QT综合征	心电图	卷积神经网络	心电图图像	990名患者的4521份心电图	NA	CNN	AUC、F1分数、敏感性	NA
702	2026-08-30	Humans use tools: From handcrafted tools to artificial intelligence 2024-03, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2023.101705 PMID:37956905	研究论文	本文探讨了从手工工具到人工智能的技术演进，并聚焦于AI在血管外科手术中的应用、优势及伦理挑战。	综合回顾了工具历史并提出AI作为未来外科工具的愿景，强调了AI在提高手术精度、决策支持和风险评估中的潜力。	AI在外科中的应用仍处于早期阶段，面临数据代表性、隐私保护和决策透明度等问题。	阐述人工智能在血管外科手术中的潜在应用，并讨论其伦理和社会影响。	血管外科手术中的人工智能应用，包括疾病风险识别、影像解读和机器人辅助。	机器学习	血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
703	2026-08-30	Multi-focused image fusion algorithm based on multi-scale hybrid attention residual network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302545 PMID:38787800	研究论文	提出了一种基于多尺度混合注意力残差网络的多聚焦图像融合算法，通过无监督学习实现端到端的决策图优化，以提高融合图像的质量和细节丰富度。	引入多尺度混合注意力残差网络模型，结合混合多尺度残差块和上下投影模块，在不增加参数数量的情况下有效利用多尺度特征信息，并通过空间频率域测量活动水平获得初始决策图，实现端到端的决策图优化。	文中未提及具体局限性。	提高多聚焦图像融合的检测性能，实现端到端的决策图优化，生成高质量、细节丰富的融合图像。	多聚焦图像（不同焦点的两幅源图像）。	计算机视觉	NA	深度学习，无监督学习	混合注意力残差网络	图像	NA	NA	多尺度混合注意力残差网络（含混合多尺度残差块MSRB和上下投影模块UDP）	主观评价、客观评价指标（如互信息、边缘保持度等，具体未列出）	NA
704	2026-08-30	A hybrid feature weighted attention based deep learning approach for an intrusion detection system using the random forest algorithm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302294 PMID:38781186	研究论文	提出了一种结合均值卷积层、特征加权注意力和双向长短期记忆网络及随机森林算法的混合深度学习模型，用于处理网络入侵检测中的类不平衡问题，并在NSL-KDD和UNSW-NB-15数据集上实现了高准确率。	创新性地将CNN-MCL、BILSTM、自注意力特征权重和随机森林算法结合，通过特征加权注意力机制和BILSTM来缓解类不平衡的影响，提高入侵检测的准确性和降低误报率。	未明确提及局限性。	开发一种高效的入侵检测系统，能够处理类不平衡问题，提高检测准确率，减少误报，并有效识别新的网络入侵。	网络入侵检测数据集（NSL-KDD和UNSW-NB-15），包含正常和恶意网络流量数据。	机器学习	NA	NA	CNN、BILSTM、随机森林	网络流量数据（表格数据）	采用了NSL-KDD和UNSW-NB-15两个公开数据集，具体样本数量未在标题和摘要中提及。	NA	MCL-FWA-BILSTM（包括均值卷积层、特征加权注意力、双向长短期记忆网络，随机森林用于分类）	准确率、检测率、假阳性率、F1分数	NA
705	2026-08-30	A calculation method for optical properties of yolk shell based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302262 PMID:38696523	研究论文	提出了一种基于深度学习的蛋黄壳结构光学特性计算方法，利用反向传播神经网络建立尺寸与吸收效率之间的关系	利用BPNN简化蛋黄壳结构光学特性的计算过程，通过正反向预测全面描述吸收效率，在保持精度的同时显著提高计算速度和降低内存消耗	NA	开发一种高效且精确的计算方法，用于预测蛋黄壳结构的光学特性（吸收效率）	蛋黄壳结构及其光学特性（吸收效率）	机器学习	NA	NA	BPNN	数值模拟数据	NA	NA	BPNN	精度、计算速度、内存消耗	NA
706	2026-08-30	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	开发并外部验证了一种基于深度学习的自然语言处理模型，用于自动识别出院摘要中射血分数降低的心力衰竭患者	首次采用半监督学习框架的深度学习语言模型识别HFrEF患者，并进行了全面的内部和外部验证	未提及明确的局限性	开发自动化工具以准确识别HFrEF患者，从而促进护理质量评估和改进	心力衰竭患者的出院摘要	自然语言处理	心力衰竭	深度学习语言模型	深度学习语言模型	文本	13,251份出院摘要来自5,392名患者，外部验证包括19,242份来自西北医学的摘要、139份来自耶鲁社区医院的摘要和146份MIMIC-III摘要	NA	NA	AUROC, AUPRC, NRI	NA
707	2026-08-30	A 2D convolutional neural network to detect sleep apnea in children using airflow and oximetry 2022-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105784 PMID:35797888	研究论文	本研究评估了一种基于气流和血氧饱和度信号的二维卷积神经网络架构，用于估计儿童阻塞性睡眠呼吸暂停的严重程度	首次在儿科背景下使用深度学习方法同时分析气流和血氧饱和度信号来检测睡眠呼吸暂停，并优于仅使用血氧饱和度或传统特征工程方法	未在摘要中明确提及局限性	评估基于气流和血氧饱和度信号的CNN架构在估计儿童OSA严重程度中的诊断能力	儿童阻塞性睡眠呼吸暂停（OSA）患者	深度学习	阻塞性睡眠呼吸暂停	多导睡眠监测（PSG）	二维卷积神经网络（2D CNN）	信号数据（气流和血氧饱和度信号）	CHAT数据库1638例，临床数据库974例	未提及具体框架，可能使用TensorFlow或PyTorch（NA）	未提及具体架构，仅提及2D CNN	准确率、Cohen's Kappa	未提及（NA）
708	2026-08-29	Epileptic seizure detection in EEG signals using deep learning: LSTM and bidirectional LSTM 2026-Sep, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2490136 PMID:40255197	研究论文	本文提出了一种基于离散小波变换和深度学习（LSTM与BiLSTM）的自动检测脑电图癫痫发作的方法，并实现了100%的分类准确率	创新性地将LSTM和BiLSTM网络各一层串联组合成混合模型，用于脑电信号癫痫检测，相比其他方法性能更优	未提及具体局限性	开发一种自动检测脑电图癫痫发作的高效方法	脑电图（EEG）信号	深度学习	癫痫	离散小波变换（DWT）	LSTM, BiLSTM	脑电图（EEG）信号	未提及具体样本数量	NA	LSTM, BiLSTM	准确率	NA
709	2026-08-29	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-11-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	本研究提出了一种基于自监督学习训练的病理学基础模型，用于预测胃肠道癌症患者的预后及辅助化疗获益	采用超过1.3亿个图像块和10万多张全切片图像训练病理学基础模型，并首次在多国队列中验证其对胃癌和结直肠癌预后预测及辅助化疗获益预测的能力	尚需前瞻性验证以确认其临床应用价值	开发并验证基于H&E染色病理切片的AI模型，用于预测胃肠道癌症患者预后和辅助化疗获益，以改善风险分层并辅助个体化治疗决策	胃肠道癌症（包括胃癌、食管癌和结直肠癌）患者的病理图像及生存数据	数字病理学、机器学习	胃肠道癌症（含胃癌、食管癌、结直肠癌）	全切片成像（WSI）	基础模型、深度学习模型（自监督学习微调）	病理图像（H&E染色全切片图像）	训练集：104,876张全切片图像（超过1.3亿个图像块）；验证集：1,619例胃/食管癌患者和2,594例结直肠癌患者，共7个队列	NA	自监督学习基础模型（具体架构未在摘要中提及）、微调的深度学习模型（未指定具体架构）	一致性指数（C-index），5年生存率，多变量分析中的独立预后因素，治疗-模型交互作用P值	NA
710	2026-08-29	GRU4ACE: Enhancing ACE inhibitory peptide prediction by integrating gated recurrent unit with multi-source feature embeddings 2025-06, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70026 PMID:40371738	研究论文	本研究提出了GRU4ACE，一种基于门控循环单元和多源特征嵌入的深度学习框架，用于预测ACE抑制肽，并在独立测试中表现出优于现有方法的性能。	首次将多源特征编码方法（包括序列、图形、语义和上下文信息）与门控循环单元结合，利用弹性网进行特征优化，以增强ACE抑制肽预测的准确性。	未提供明确局限性信息。	开发一种计算方法来准确识别ACE抑制肽，以支持高通量表征，并加速潜在抗高血压药物的发现。	ACE抑制肽。	机器学习	高血压	蛋白质语言模型嵌入，自然语言处理嵌入，特征描述符	门控循环单元（GRU）	蛋白质序列数据	未提供具体样本数量。	未明确指定	GRU	平衡准确率、灵敏度、Matthews相关系数	未提供具体计算资源信息。
711	2026-08-29	Quaternary stabilization of a GH2 β-galactosidase from the psychrophile A. ikkensis, a flexible and unstable dimeric enzyme 2025-05, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70141 PMID:40277444	研究论文	本文研究了来自嗜冷菌Alkalilactibacillus ikkensis的GH2 β-半乳糖苷酶（AiLac）的冷适应机制及其四级结构稳定性，并通过深度学习模型成功设计了稳定化寡聚体变体	利用AlphaFold结构预测与SAXS结合解析冷适应酶的二聚体动态，并通过生成式深度学习模型定向进化出稳定的二聚体和四聚体变体，展示了一种探索序列适应度景观以调节寡聚化平衡的新方法	未提及	探究冷活性酶的低温活性基础及其在节能工艺中的应用潜力，并揭示寡聚化与进化之间的关系	A. ikkensis的GH2 β-半乳糖苷酶（AiLac）及其工程化变体	结构生物学、蛋白质工程	不适用	AlphaFold结构预测、小角X射线散射（SAXS）、流诱导分散分析（FIDA）、圆二色光谱、内源荧光光谱	生成式深度学习模型	蛋白质序列和结构数据	未明确	未明确	生成式深度学习模型（未指定具体架构）	酶活性、热稳定性、化学稳定性、寡聚化状态	未提及
712	2026-08-29	Deep Learning-Enhanced Chemiluminescence Vertical Flow Assay for High-Sensitivity Cardiac Troponin I Testing 2025-03, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202411585 PMID:39910838	研究论文	本文介绍了一种基于化学发光垂直流检测和深度学习分析的高灵敏度心肌肌钙蛋白I检测方法。	创新点在于结合化学发光垂直流检测、便携式高灵敏成像设备和神经网络算法，实现了对心肌肌钙蛋白I的现场快速高精度定量检测，灵敏度超过传统台式分析仪一个数量级。	摘要未提及明确的局限性。	实现高灵敏度、低成本的心肌肌钙蛋白I检测，以满足不同医疗环境（如急诊和资源匮乏地区）的即时检测需求。	心肌肌钙蛋白I（cTnI），一种用于评估心肌损伤和心肌梗死的关键心脏蛋白。	生物医学工程、深度学习	心血管疾病（心肌梗死）	化学发光检测、垂直流检测、酶联免疫吸附、深度学习	神经网络	图像（成像数据）	患者样本（具体数量未在摘要中提供）	NA	神经网络	检测限、变异系数、相关系数	NA
713	2026-08-29	Unmet Needs in Spondyloarthritis: Imaging in Axial Spondyloarthritis 2024-12-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2024-0937 PMID:39448248	综述	本文综述了中轴型脊柱关节炎（axSpA）影像学生物标志物的现状与前沿技术，涵盖放射摄影、低剂量及双能CT、MRI等成像方式，并讨论其在诊断、治疗反应评估和疾病进展监测中的优势与局限	介绍了MRI新兴序列（如容积内插呼吸屏气检查、超短回波时间、零回波时间）及基于深度学习的合成CT技术，无需电离辐射即可生成类似CT的影像，强化了MRI检测和量化结构性病变的能力	未明确列出研究的局限性	概述脊柱关节炎影像学在临床实践中的应用谱，讨论不同成像技术的优缺点及实用性	中轴型脊柱关节炎患者及相关的影像学检查方法	医学影像	脊柱关节炎	放射摄影、低剂量CT、双能CT、MRI（含容积内插呼吸屏气检查、超短回波时间、零回波时间）、深度学习合成CT,NA	深度学习	影像数据	NA	NA	NA	NA	NA
714	2024-08-07	Deeper insights from deep learning: Enhanced myocardial perfusion assessments using multimodal artificial intelligence 2024-08, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102014 PMID:39089361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
715	2026-08-29	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍EPInformer，一个可扩展的深度学习框架，通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达。	创新性地结合启动子-增强子相互作用及其序列、表观遗传信号和染色质接触，以捕捉远端调控元件的影响，提高基因表达预测的准确性，并在跨染色体验证中优于现有模型。	尽管模型性能优越，但仍可能受限于训练资源需求和对新数据的适应性，且未在摘要中详细说明具体局限性。	开发一个可扩展的深度学习框架，以整合启动子-增强子序列和多模态表观基因组数据，提高基因表达预测的准确性。	基因表达预测，启动子-增强子相互作用，转录因子基序。	深度学习	NA	深度学习	深度学习模型（具体类型未提及）	DNA序列、表观遗传信号、染色质接触数据	NA	NA	NA	准确性（优于现有模型）	NA
716	2026-08-29	Sharing massive biomedical data at magnitudes lower bandwidth using implicit neural function 2024-07-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2320870121 PMID:38959033	研究论文	提出一种基于隐式神经函数的生物医学数据压缩方法BRIEF，实现大规模数据的低带宽共享，压缩率提升2-3个数量级且保持高保真度	使用数据特定的紧凑神经网络表示生物医学数据，避免了传统深度学习方法的泛化问题，并支持自定义空间变化保真度	摘要中未明确提及局限性，可能需要进一步评估在不同数据类型上的计算开销和实际部署效率	实现大规模生物医学数据的低带宽存储与共享，促进跨机构合作	多种生物医学数据，包括图像、视频等	机器学习	NA	隐式神经函数	隐式神经函数	生物医学图像和视频	多种生物医学数据集，具体数量未在摘要中说明	NA	紧凑神经网络	压缩比、保真度	未在摘要中说明
717	2026-08-29	Interpretation of SPECT wall motion with deep learning 2024-07, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.101881 PMID:38723886	研究论文	本研究开发了一种基于深度学习的工作流程，用于解释SPECT心肌壁运动，并评估其性能优于人类专家和定量参数	创新地使用深度学习模型预测异常壁运动的概率，并实现了区域壁运动的评估，同时提供了GUI界面以便在30秒内产生初步解释	未明确说明，但可能受限于单中心数据、回顾性设计以及需要外部验证	开发一种深度学习工作流程，以提高SPECT壁运动解释的准确性	静息ECG门控SPECT图像和超声心动图数据	医学影像分析	心血管疾病	SPECT成像	深度学习模型（未指定具体类型）	医学影像（SPECT）	1038名患者，其中317名用于训练DL-model 2	NA	NA	AUC, 准确率, 净重分类指数	NA
718	2026-08-29	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2024-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.28.596078 PMID:38853998	研究论文	利用迁移学习训练深度模型，从DNA序列预测转录因子剂量对染色质可及性的定量影响，并揭示序列决定因素	首次将迁移学习应用于预测转录因子扰动下染色质状态的定量响应，结合报告基因实验和生物物理模型验证预测特征	未明确提及，但可能受限于特定细胞类型和转录因子，以及模型的可解释性	揭示顺式调控编码中转录因子剂量响应的序列决定因素，提高对染色质状态预测的理解	面部祖细胞中的调控元件，以及两个剂量敏感转录因子TWIST1和SOX9	深度学习，基因组学	非特定疾病，但涉及面部发育相关	深度学习（转移学习），报告基因分析，生物物理建模	深度神经网络	DNA序列数据和染色质可及性数据	特定细胞类型（面部祖细胞）中的调控元件，具体数量未在摘要中提及	未明确，可能使用TensorFlow或PyTorch	未明确，可能为卷积神经网络或Transformer	准确率，与实验可重复性相比	未明确提及
719	2026-08-29	Inverse radon transform with deep learning: an application in cardiac motion correction 2024-01-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0eb5 PMID:37988757	研究论文	本文提出了一种结合深度学习的逆Radon变换方法，用于心脏运动校正，直接从运动损坏的sinogram重建运动校正后的图像。	提出了一个适合心脏图像重建的ANN架构，能够同时执行逆Radon变换和心脏运动校正，消除了对硬件门控的需求。	未提及具体的局限性。	实现基于深度学习的逆Radon变换，并在心脏图像重建中同时进行运动校正，以消除硬件门控。	心脏图像重建，包括心形模拟对象和人类心脏门控数据。	机器学习	心血管疾病	NA	人工神经网络（ANN）	图像（sinogram）	两种数据集：心形模拟对象和人类心脏门控数据集	NA	NA	NA	NA
720	2026-08-29	A 3D transfer learning approach for identifying multiple simultaneous errors during radiotherapy 2024-01-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1547 PMID:38091615	研究论文	本研究评估基于三维卷积神经网络（3D CNN）的迁移学习方法在放疗过程中识别多种同时发生的治疗误差的能力。	采用三维迁移学习策略训练多标签分类的3D CNN，以处理临床上复杂的多误差同时发生场景，并引入集成模型以提高性能。	Level 2分类性能较低，过拟合现象较明显，需要进一步优化模型和数据处理方法。	评估基于CNN的误差识别方法在复杂多误差同时发生场景下的能力，以实现更准确的放疗质量控制。	40例肺癌患者的治疗计划和CT图像，以及模拟的多种组合治疗误差。	计算机视觉	肺癌	剂量比较成像	3D CNN (卷积神经网络)	图像（三维剂量分布比较图）	40例肺癌患者，2580个三维剂量分布	NA	CNN，集成模型（由三个CNN组成）	F1得分	NA