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
761	2026-03-28	Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model 2024-10-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae412 PMID:39445422	研究论文	本研究使用深度学习模型预测个体认知特质，基于任务态动态功能连接性数据	结合多尺度卷积和长短期记忆层，利用任务态动态功能连接性预测认知得分，并证明其优于静息态连接性	未发现特定皮层网络在预测一般和流体智力中具有显著相关性，可能限制了空间特异性解释	预测个体认知特质，如一般智力和流体智力，从神经影像数据中理解其神经基础	874名来自人类连接组计划的受试者，使用语言和工作记忆功能磁共振成像任务状态	机器学习	NA	功能磁共振成像	CNN, LSTM	图像	874名受试者	NA	多尺度卷积层, 长短期记忆层	方差解释率	NA
762	2026-03-28	Investigating the role of auditory cues in modulating motor timing: insights from EEG and deep learning 2024-10-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae427 PMID:39475113	研究论文	本研究探讨听觉线索在调节运动计时中的作用，通过EEG和深度学习分析手指敲击任务中的神经机制	应用深度学习方法对单次试验EEG数据进行分类，以预测行为计时条件，并揭示听觉输入在运动计时中的关键作用	当从EEG数据中移除听觉成分时，阶段间的区分变得不确定，突显了在缺乏听觉刺激时隔离运动激活的挑战	研究基于动作的计时的神经机制，特别是在涉及同步和异步模式的手指敲击任务中	12名健康参与者	机器学习	NA	脑电图	深度学习	脑电图数据	12名健康参与者	NA	NA	分类准确率	NA
763	2026-03-28	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery using multi-omics data 2024-Sep-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.10.612292 PMID:39314346	研究论文	介绍G2PDeep-v2，一个基于深度学习的网络平台，用于从多组学数据中预测表型和发现生物标志物	提供了一个交互式界面，允许用户创建深度学习模型，并利用高性能计算资源自动进行超参数调优，支持跨多种生物体的多组学数据分析	未提及具体性能限制或数据规模限制	开发一个网络平台，用于表型预测和生物标志物发现，以揭示复杂疾病和其他生物过程的分子机制	人类、植物、动物和病毒的多组学数据	机器学习	NA	多组学数据分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
764	2026-03-28	Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma 2024-05-12, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2024.0169 PMID:38916736	研究论文	本研究开发了一种基于增强CT图像的深度学习模型，用于预测肺鳞癌患者对新辅助化疗免疫治疗的病理缓解反应	首次将深度学习模型应用于预测肺鳞癌患者对新辅助化疗免疫治疗的主要病理缓解，并探索了其与基因突变、免疫微环境和瘤内微生物的关联机制	样本量相对有限（309例），且为回顾性研究，需要前瞻性验证	开发预测模型以识别对新辅助化疗免疫治疗有响应的肺鳞癌患者，并阐明其生物学机制	肺鳞癌患者	数字病理学	肺癌	增强计算机断层扫描	CNN	图像	309例肺鳞癌患者	NA	ResNet50	AUC	NA
765	2026-03-28	Cardiovascular Significance and Genetics of Epicardial and Pericardial Adiposity 2024-May-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0080 PMID:38477908	研究论文	本研究利用深度学习模型量化心外膜和心包脂肪组织面积，评估其与心血管疾病的关联，并进行了全基因组关联分析	首次在大规模人群队列中结合深度学习语义分割技术量化EPAT，并系统评估其与多种心血管疾病的横断面及前瞻性关联，同时进行了全基因组关联研究以阐明其遗传基础	研究结果可能受到残余混杂因素的影响，且EPAT与心血管疾病的关联在控制腹部内脏脂肪组织体积后不再显著，表明关联可能主要反映代谢不健康的脂肪表型	评估心外膜和心包脂肪组织与心血管疾病的关联，并阐明其遗传基础	来自UK Biobank的44,475名参与者（平均年龄64.1岁，51.7%为女性）以及独立FinnGen队列的453,733名参与者	数字病理学	心血管疾病	磁共振成像，全基因组关联研究	深度学习模型	图像（四腔磁共振图像）	UK Biobank: 44,475名参与者；FinnGen: 453,733名参与者	NA	语义分割模型	β系数，Pearson相关系数，风险比，比值比，95%置信区间，P值	NA
766	2026-03-28	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	本研究通过多国外部验证，评估了基于自主人工智能的早产儿视网膜病变筛查系统在检测中重度及以上ROP和1型ROP方面的性能	首次在多个国家（美国和印度）的大规模外部数据集上，对自主AI ROP筛查算法进行了全面验证，证明了其在真实世界远程医疗环境中的有效性和泛化能力	研究为回顾性分析，可能存在选择偏倚；算法性能在不同人群和医疗环境中的长期稳定性仍需前瞻性研究验证	评估自主人工智能系统在早产儿视网膜病变远程筛查中的诊断性能，以解决医疗资源不足地区的筛查可及性问题	来自美国和印度新生儿重症监护室的早产儿视网膜图像	数字病理学	早产儿视网膜病变	远程医疗眼底成像	深度学习	视网膜图像	总计11,880次检查（来自4,244名婴儿）：i-ROP研究2,530次检查（843名婴儿），SUNDROP数据集6,245次检查（1,545名婴儿），AECS数据集5,635次检查（2,699名婴儿）	NA	NA	AUROC, 灵敏度, 特异性	NA
767	2026-03-28	Deep learning combining FDG-PET and neurocognitive data accurately predicts MCI conversion to Alzheimer's dementia 3-year post MCI diagnosis 2023-Oct-15, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2023.106310 PMID:37769746	研究论文	本研究开发了一种结合FDG-PET和神经认知数据的深度学习模型，用于预测轻度认知障碍在诊断后三年内转化为阿尔茨海默病痴呆	首次将全脑FDG-PET与认知评分结合，利用卷积神经网络预测MCI向AD的转化，并通过显著性图识别关键脑区	样本量相对有限（共612名受试者），且仅基于ADNI数据库，可能缺乏外部验证	预测轻度认知障碍在三年内转化为阿尔茨海默病痴呆	阿尔茨海默病神经影像学倡议（ADNI）中的150名正常对照、257名MCI患者和205名AD患者	数字病理学	老年疾病	FDG-PET成像	CNN	图像, 文本	612名受试者（150名正常对照、257名MCI、205名AD）	NA	卷积神经网络	AUC, 平衡准确度	NA
768	2026-03-28	The Cardiovascular Impact and Genetics of Pericardial Adiposity 2023-Jul-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.07.16.23292729 PMID:37502935	研究论文	本研究利用深度学习模型量化心包脂肪组织面积，评估其与心血管疾病的关联，并揭示其遗传基础	首次在大规模人群队列中结合深度学习量化心包脂肪组织，并发现5个新的遗传位点，阐明其与腹部肥胖的共享遗传决定因素	研究主要基于欧洲血统人群（英国生物银行和FinnGen），可能限制结果在其他人群中的普适性	评估心包脂肪组织与心血管疾病的关联，并阐明其遗传基础	英国生物银行中的44,725名参与者以及FinnGen研究中的453,733名独立参与者	数字病理学	心血管疾病	语义分割，全基因组关联研究	深度学习模型	四腔磁共振图像	44,725名英国生物银行参与者（51.7%女性，平均年龄64.1岁）和453,733名FinnGen研究参与者	NA	NA	β系数，风险比，比值比，P值	NA
769	2026-03-28	Protocol for vision transformer-based evaluation of drug potency using images processed by an optimized Sobel operator 2023-Jun-16, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102259 PMID:37133992	研究论文	提出一种基于视觉Transformer和Conv2D的无标记高通量药物效力评估协议，用于抗癌药物筛选	结合优化的Sobel算子图像处理与视觉Transformer模型，实现无标记、高通量的药物效力评估，替代传统耗时费力的化学反应方法	协议细节需参考Wang等人的完整文献，可能对计算资源有特定要求	开发一种高效、低成本的抗癌药物筛选方法	细胞培养物及经药物处理的细胞图像	计算机视觉	癌症	细胞培养、药物处理、图像采集与预处理	Vision Transformer, Conv2D	图像	NA	NA	Vision Transformer, Conv2D	NA	NA
770	2026-03-28	Development and validation of an interpretable deep learning framework for Alzheimer's disease classification 2020-06-01, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaa137 PMID:32357201	研究论文	开发并验证了一种用于阿尔茨海默病分类的可解释深度学习框架，该框架整合了MRI、年龄、性别和简易精神状态检查评分等多模态输入	提出了一种可解释的深度学习策略，能够从多模态输入中描绘独特的阿尔茨海默病特征，并生成个体疾病风险的直观可视化，其诊断性能超过了执业神经科医生团队	研究主要依赖于临床诊断数据，未明确提及模型在不同种族或医疗资源不均群体中的泛化能力验证	开发一种临床可适应的策略，利用常规影像技术生成阿尔茨海默病的神经影像特征以辅助诊断	阿尔茨海默病患者和认知正常受试者	数字病理学	阿尔茨海默病	MRI	深度学习	图像, 临床数据	训练集：ADNI数据集（n=417）；验证集：AIBL（n=382）、Framingham心脏研究（n=102）、NACC（n=582）	NA	全卷积网络, 多层感知机	曲线下面积	NA
771	2026-03-27	Enhancing explainability and performance of the depression detection model on social media utilizing feature engineering and LLMs 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-026-00446-x PMID:41883984	研究论文	本研究通过特征工程和大型语言模型（LLMs）提升社交媒体上抑郁症检测模型的可解释性和性能	结合情感状态特征工程和LLMs，不仅提高分类性能，还通过LLM将情感状态与抑郁症特征关联，增强模型可解释性	未明确说明模型在跨平台或不同语言社交媒体数据上的泛化能力，且依赖特定时间段的情感状态计算	提升社交媒体上抑郁症检测模型的可解释性和分类性能	社交媒体帖子数据	自然语言处理	抑郁症	特征工程、词嵌入模型、注意力机制、大型语言模型（LLMs）	序列模型、注意力机制	文本	NA	NA	NA	NA	NA
772	2026-03-27	HyCoSwin-PD: An explainable hybrid ConvNeXtV2-Swin transformer framework for Parkinson's disease detection from neuroimaging 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103868 PMID:41884659	研究论文	本研究提出了一种名为HyCoSwin-PD的可解释混合深度学习框架，用于从结构MRI中检测帕金森病	该研究创新性地将ConvNeXt-V2和Swin Transformer结合，共同建模细粒度局部形态和分层全局上下文，并通过专用融合机制统一这些互补表示	研究依赖于单模态MRI数据集和有限队列，需要多模态和多中心验证	开发一个用于从神经影像中准确检测帕金森病的可解释混合深度学习框架	帕金森病患者的结构MRI数据	计算机视觉	帕金森病	结构MRI	CNN, Transformer	图像	PPMI数据集中的有限队列	NA	ConvNeXt-V2, Swin Transformer	准确率, 灵敏度, 特异性	NA
773	2026-03-27	Improving Fairness and Mitigating Bias in Multicenter Electronic Health Records Models to Predict Glaucoma Outcomes 2026-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101119 PMID:41883731	研究论文	本研究评估了在多中心电子健康记录中预测青光眼进展模型的偏见缓解方法的有效性和泛化性，并提出了一种平衡性能与公平性的新评估指标	提出了FairOdds-AUC这一复合指标，用于调整AUROC以平衡性别和种族/民族间的公平性，并系统比较了预处理、处理中和后处理三种偏见缓解方法在大型多中心青光眼队列中的效果	后处理和预处理偏见缓解策略的FairOdds-AUC变化较为不稳定（-0.009至+0.021），且在外部站点间的泛化能力较弱	评估偏见缓解方法在青光眼进展预测模型中的有效性和泛化性，并开发一种平衡性能与公平性的临床AI评估指标	来自美国SOURCE联盟七个机构的50,656名青光眼患者	机器学习	青光眼	电子健康记录分析	XGBoost, 神经网络, Transformer	电子健康记录	50,656名患者	Python	Transformer, 全连接网络	AUROC, 公平化机会差异, FairOdds-AUC	NA
774	2026-03-27	Feasibility of Free-breathing Deep Learning-reconstructed Single-Shot Cine MRI in Participants with Arrhythmia: Comparison with Conventional Segmented Cine MRI 2026-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250298 PMID:41885622	研究论文	本研究评估了基于深度学习压缩感知重建的自由呼吸单次激发心脏电影MRI在心律失常患者中的可行性，并与传统分段采集电影MRI进行对比	首次将深度学习增强的压缩感知技术应用于自由呼吸、单次激发的心脏电影MRI序列，并在心律失常患者中验证其临床可行性，显著缩短扫描时间并减少运动伪影	样本量相对较小（70名参与者），研究仅在1.5T MRI扫描仪上进行，缺乏多中心验证	评估深度学习重建单次激发电影MRI在测量左心室结构和功能方面的临床可行性	健康志愿者和疑似心律失常的参与者	医学影像分析	心血管疾病	心脏磁共振成像，深度学习增强压缩感知，平衡稳态自由进动序列	深度学习模型	心脏磁共振图像	70名参与者（25名健康志愿者，45名疑似心律失常患者）	NA	NA	欧洲心血管磁共振注册评分，图像质量评分，扫描时间，左心室容积参数一致性	1.5T MRI扫描仪
775	2026-03-27	Automated acquisition of explainable knowledge from unannotated colposcopic images for predicting the natural course of CIN2 2026-Mar-26, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70976 PMID:41884887	研究论文	本研究开发了一种基于深度学习的预后模型，利用阴道镜图像预测CIN2的自然病程结局（消退、持续、进展），并提供临床风险分层	首次利用无标注的阴道镜图像通过自动化特征提取和聚类分析，结合机器学习模型预测CIN2预后，并提供了可解释的风险特征	研究为回顾性设计，样本量相对较小（212例），且仅基于单一中心数据，可能影响模型的泛化能力	开发预测宫颈上皮内瘤变2级（CIN2）自然病程结局的预后模型，实现个体化临床管理	212例诊断为CIN2的患者及其阴道镜图像（包括未染色、醋酸染色和卢戈碘染色图像）	数字病理学	宫颈癌	阴道镜成像，醋酸染色，卢戈碘染色	逻辑回归, XGBoost, 随机森林, Extra Trees	图像	212例患者	Scikit-learn, XGBoost	NA	宏AUC, 灵敏度, 准确率, 精确召回曲线, 决策曲线分析	NA
776	2026-03-27	FDS-CAP: Modeling Fragmented Disease Subgraphs with Component-Level Attention for Comorbidity Prediction 2026-Mar-26, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261427466 PMID:41885386	研究论文	提出一种名为FDS-CAP的新型图深度学习框架，用于通过建模人类相互作用组中的碎片化疾病子图来预测疾病共病	首次引入组件级注意力机制来聚合碎片化疾病子图中连接组件的嵌入，从而更准确地表示反映生物复杂性的疾病，以改进共病预测	仅通过一个胶质瘤的案例研究来展示其生物学可解释性，可能缺乏更广泛的验证	预测人类疾病之间的共病关系，以揭示共享的病理生理机制并改进诊断和治疗策略	人类疾病网络中的疾病关联	机器学习	胶质瘤	图深度学习	Subgraph Neural Networks (SUBGNN), Variational Graph Auto-Encoder	图数据	基准数据集（具体数量未提及）	NA	SUBGNN, Variational Graph Auto-Encoder	AUROC	NA
777	2026-03-27	A Two-Module Parallel Dual-Domain Network for interior tomography reconstruction 2026-Mar-26, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996261433954 PMID:41885505	研究论文	本文提出了一种用于内部断层扫描重建的双模块并行双域网络（TPDDN），通过整合投影域和图像域信息来提升重建图像质量	提出了一个端到端的深度学习框架TPDDN，包含初始恢复模块和交互融合模块，通过并行交互分支实现投影域与图像域的双向特征交互与信息融合，有效抑制截断数据引起的杯状伪影	NA	开发一种并行网络，有效整合投影域和图像域信息，以改进内部断层扫描重建	内部断层扫描重建	计算机视觉	NA	计算机断层扫描（CT）	深度学习网络	图像	NA	NA	双模块并行双域网络（TPDDN）	定性性能，定量性能	NA
778	2026-03-27	Enhancing drug synergy in malignant diseases with deep architecture optimization algorithms 2026-Mar-26, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2646310 PMID:41885799	研究论文	本文通过超参数优化算法提升深度学习模型在预测恶性疾病药物协同作用方面的性能	强调超参数优化算法在药物协同作用预测模型中的关键作用，并探讨不同优化策略和超参数选择对模型效果的影响	超参数优化的效果高度依赖于具体任务和数据集，可能缺乏普适性	优化深度学习模型的超参数以提高恶性疾病药物协同作用的预测准确性	恶性疾病（如癌症）的药物协同作用预测	机器学习	癌症	深度学习	深度学习模型	大规模数据集（可能包括药物筛选数据）	NA	NA	NA	准确率	NA
779	2026-03-27	Fundus tessellation density as a quantitative marker of myopia progression: a five-year longitudinal deep learning study 2026-Mar-26, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07200-9 PMID:41886079	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
780	2026-03-27	Fast and accurate identification of emerging viral reassortment from genome sequences 2026-Mar-19, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag255 PMID:41885208	研究论文	本研究开发了一种名为VReassort的工具，用于基于基因组序列快速准确地识别新兴病毒重配事件	结合深度学习模型和系统发育树衍生特征，实现了对病毒重配事件的高效检测，速度比基准工具快100倍以上	未明确说明工具在其他类型分段病毒上的泛化性能限制	开发快速准确识别新兴病毒重配事件的工具	分段病毒基因组序列，特别是甲型流感病毒和轮状病毒	生物信息学	流感	基因组测序	深度学习模型	基因组序列数据	模拟数据、约1000株甲型流感病毒株、超过8000株甲型流感病毒株的大规模数据	NA	NA	F1分数	NA