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
61	2026-05-20	The development of machine learning approaches in two-dimensional NMR data interpretation for metabolomics applications 2024-12, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115654 PMID:39187053	研究论文	利用机器学习方法开发二维核磁共振数据处理自动化流程，用于代谢组学定量分析	首次将多种机器学习分类方法（PLS-DA、ANN-DA、XGBoost-DA和ANNDL-DA）与自动峰选择相结合，实现二维核磁共振数据的自动化定量分析	PLS-DA和XGBoost-DA在数据变异或过拟合方面存在局限性，ANN-DA和ANNDL-DA的准确性仍约90%需进一步提升	开发自动化方法处理二维核磁共振数据，推动其在代谢组学定量研究中的常规应用	标准混合物、海葵提取物和小鼠粪便样本	机器学习	NA	NMR	PLS-DA, ANN-DA, XGBoost-DA, ANNDL-DA	二维核磁共振谱数据	标准混合物、海葵提取物和小鼠粪便样本	NA	NA	准确性（约90%）	NA
62	2026-05-20	Integrating predictive coding and a user-centric interface for enhanced auditing and quality in cancer registry data 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.007 PMID:38690549	研究论文	开发了一个结合深度学习与规则方法的混合自然语言处理系统，集成于医院信息系统，为癌症登记员提供患者病程可视化平台，以辅助肺癌登记数据的编码工作	将预测编码与用户中心界面整合，提出混合加权神经符号系统，并构建患者病程可视化平台以辅助编码审核	NA	简化医院癌症登记数据的人工提取流程，提升编码质量与效率	肺癌登记相关文本数据及编码项目	自然语言处理	肺癌	自然语言处理、深度学习、规则方法	混合深度学习-规则模型	文本	1428例肺癌患者数据	NA	混合神经符号架构	F1分数	NA
63	2026-05-20	AI-readiness for Biomedical Data: Bridge2AI Recommendations 2024-Nov-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.23.619844 PMID:39484409	评论	本文介绍了Bridge2AI项目提出的生物医学数据AI就绪性评估方法及数据标准	提出生物医学数据AI就绪性的评估标准，并整合可解释人工智能以及伦理、法律和社会影响考量	领域快速演进，所提标准为初步基础框架，可能需持续更新	制定生物医学数据AI就绪性的评估方法和数据标准，确保科学严谨性和伦理设计	Bridge2AI项目开发的旗舰数据集及相关AI/ML分析方法	机器学习	未指定	NA	NA	生物医学数据	NA	NA	NA	NA	NA
64	2026-05-20	Application and performance enhancement of FAIMS spectral data for deep learning analysis using generative adversarial network reinforcement 2024-11, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115627 PMID:39033946	研究论文	使用生成对抗网络增强高场非对称离子迁移谱（FAIMS）谱图数据以改进深度学习分析性能	首次将生成对抗网络（GAN）引入FAIMS谱图数据增强，通过生成高保真度和多样性的谱图有效扩展数据集，无需增加额外实验成本	未提及模型对复杂混合物中未知或罕见成分的泛化能力，以及生成数据的潜在偏差或过拟合风险	解决FAIMS深度学习分析中因数据质量不足和样本多样性低导致的识别性能差的问题	通过FAIMS收集的15类真实混合谱图数据	机器学习	NA	高场非对称离子迁移谱（FAIMS）	生成对抗网络（GAN）、VGG、ResNeXt	谱图数据	15类混合谱图样本	NA	VGG, ResNeXt	准确率, 精确率, 召回率, F1分数	NA
65	2026-05-20	Protein-peptide binding residue prediction based on protein language models and cross-attention mechanism 2024-11, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115637 PMID:39121938	研究论文	设计了一种基于蛋白质语言模型和交叉注意力机制的端到端深度学习方法E2EPep，用于蛋白质-肽结合残基预测	首次将两种预训练蛋白质语言模型与交叉注意力特征融合模块结合，实现仅基于蛋白质序列的端到端预测，无需依赖第三方工具提取显式特征	方法在独立测试集上的性能仍有提升空间，且仅适用于学术用途，未提及临床或工业部署的可行性	提高蛋白质-肽结合残基预测的准确性和计算效率，推动药物发现	蛋白质-肽结合残基	自然语言处理，机器学习	不适用	不适用	深度学习模型	蛋白质序列	两个独立测试数据集	PyTorch	蛋白质语言模型，交叉注意力机制	AUC， Matthew相关系数	不适用
66	2026-05-20	Visceral Adiposity and Progression of ADPKD: A Cohort Study of Patients From the TEMPO 3:4 Trial 2024-Sep, American journal of kidney diseases : the official journal of the National Kidney Foundation IF:9.4Q1 DOI:10.1053/j.ajkd.2024.02.014 PMID:38608748	研究论文	利用深度学习从TEMPO 3:4试验患者的冠状面MRI扫描中量化内脏脂肪，分析其与常染色体显性多囊肾病肾脏进展及托伐普坦疗效的关系	首次在ADPKD队列中通过深度学习分割模型从冠状面MRI量化内脏脂肪，发现其在预测肾脏生长速率方面优于BMI，并影响托伐普坦疗效	回顾性研究设计、研究对象为快速进展患者、深度学习计算需求高	探讨内脏脂肪堆积与ADPKD肾脏生长速率的关系以及对托伐普坦疗效的影响	ADPKD高风险快速进展患者	数字病理学	常染色体显性多囊肾病	MRI	深度学习分割模型	图像（冠状面MRI）	1053名ADPKD患者	NA	NA	曲线下面积（AUC）、Delong检验	需要高计算资源（深度学习）
67	2026-05-20	Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software 2024-09, Journal of medical screening IF:2.6Q2 DOI:10.1177/09691413231219952 PMID:38115810	meta-analysis	本研究通过系统综述和meta分析评估了基于深度学习的人工智能系统对乳腺癌筛查乳腺X线影像进行分诊的潜力，重点关注其对放射科医生工作量的减少效果	首次通过meta分析量化了AI分诊在乳腺癌筛查中减少约68.3%放射科工作量的同时保持93.1%高敏感性的效果，提供了基于商业DL算法的实际证据	仅纳入三种使用同一商业DL算法的研究，异质性较高（I²值大），且未深入分析AI实施过程的复杂性和异质性对实际应用的影响	评估基于AI的乳腺X线分诊能否在非劣效敏感性的前提下减少放射科医生工作量	乳腺癌筛查中的乳腺X线影像及放射科医生的工作流程	机器学习	乳腺癌	深度学习的计算机辅助分诊技术	深度学习	医学影像（乳腺X线影像）	三个纳入研究的156,852次检查	NA	NA	敏感性, 特异性, 工作量减少比例	NA
68	2026-05-20	Unsupervised motion artifact correction of turbo spin-echo MRI using deep image prior 2024-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30026 PMID:38282279	研究论文	提出了一种基于深度图像先验的无监督运动伪影校正方法，用于涡轮自旋回波MRI	利用神经网络参数化对运动伪影的高阻抗特性，提出无监督的深度学习校正框架，无需大型数据集训练	未提及具体局限性	开发无监督深度学习方法校正涡轮自旋回波MRI中的运动伪影	涡轮自旋回波MRI图像中的运动伪影	计算机视觉	NA	MRI	CNN	图像	14名受试者的280张切片	PyTorch	深度图像先验网络	结构相似性指数	NA
69	2026-05-20	Functional non-uniformity of periodontal ligaments tunes mechanobiological stimuli across soft- and hard-tissue interfaces 2023-10-15, Acta biomaterialia IF:9.4Q1 DOI:10.1016/j.actbio.2023.08.047 PMID:37634832	研究论文	提出结合纳米压痕、图像本构建模和深度学习的框架，揭示牙周膜功能非均匀性在骨-牙周膜-牙复合体机械生物刺激传导中的作用	首次整合动态纳米力学测试、高分辨率图像建模和机器学习（高斯混合模型与U-net深度学习），从微观结构非均匀性角度阐明牙周膜对机械生物刺激的调节机制	NA	探究牙周膜先天功能非均匀性如何调节传递给周围牙槽骨的机械生物刺激，维持组织稳态	骨-牙周膜-牙复合体（BPT复合体）中的牙周膜微观结构及其机械生物学功能	数字病理学	NA	纳米压痕	U-net	图像	NA	PyTorch	U-net	NA	NA
70	2026-05-20	Deep learning for subtyping the Alzheimer's disease spectrum 2022-02, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2021.12.004 PMID:34996710	研究论文	利用深度学习对阿尔茨海默病谱系进行亚型分类	基于结构影像对认知受损个体进行亚型分类，提供新的疾病修饰疗法和针对性护理方法	NA	通过亚型分类量化阿尔茨海默病的异质性，以便更好地应用疾病修饰疗法和改善患者护理	认知受损个体	计算机视觉	阿尔茨海默病	结构影像	深度学习	影像	NA	NA	NA	NA	NA
71	2026-05-20	Classification of COVID-19 by Compressed Chest CT Image through Deep Learning on a Large Patients Cohort 2021-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-020-00408-1 PMID:33565027	研究论文	提出一种基于深度学习的原型诊断系统，通过压缩胸部CT图像对COVID-19进行快速分类，并在大型患者队列上进行验证	无需数据增强即可区分COVID-19与正常对照，特异性0.92、敏感性0.93；测试时无需原始DICOM图像，可使用高度压缩的JPEG图像实现快速诊断；在6秒内区分病毒感染，支持低成本在线测试	小样本无症状患者验证有限；仅使用特定数据集，泛化性需进一步评估	开发一种快速、准确的COVID-19诊断系统，克服RT-PCR检测准确率低和传统AI方法耗时长的问题	1357名确诊COVID-19患者和未感染人群的胸部CT序列	计算机视觉	COVID-19	CT成像	深度学习模型	图像（胸部CT序列，含JPEG压缩图像）	2267个CT序列来自1357名确诊患者，1235个CT序列来自未感染者；额外48名无症状患者	NA	NA	特异性、敏感性	在线检测系统，要求低成本计算
72	2026-05-20	Complex Human Action Recognition Using a Hierarchical Feature Reduction and Deep Learning-Based Method 2021, SN computer science DOI:10.1007/s42979-021-00484-0 PMID:33615240	研究论文	提出一种基于层级特征降维和深度学习的方法，用于识别复杂的人类动作	通过自动化选取代表性帧并结合层级特征降维技术（背景减除、HOG）、深度学习网络（CNN和LSTM）以及骨骼建模，有效提取时间信息并降低计算成本	未提及具体限制，但可能依赖特定数据集（UCF101）的性能表现	解决视频序列中人类动作识别的时间信息利用不足和计算成本高的问题	视频序列中的复杂人类动作	计算机视觉	不适用	不适用	CNN, LSTM, Softmax-KNN	视频	UCF101数据集，包含101类复杂动作	不适用	不适用	准确性, 速度	不适用
73	2026-05-19	Technical system of electroencephalography-based brain-computer interface: Advances, applications, and challenges 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00217 PMID:40903968	综述	系统分析基于脑电图的脑机接口技术在信号采集、范式设计、解码算法及应用方面的进展与挑战	全面梳理了脑电-脑机接口系统的四大支柱（信号采集、范式设计、解码算法、应用），并特别强调了非侵入式电极舒适性提升、微创技术实现近侵入式信号保真度、多模态融合（如结合眼动追踪）以及Riemann几何与深度学习的解码算法创新	信号质量长期稳定性不足、运动干扰、伦理数据问题、跨设备兼容性差以及跨个体校准需求高	弥合脑电-脑机接口技术与实际应用之间的差距，指导未来研究方向	基于脑电图的脑机接口系统、信号采集技术（湿/干/半干电极、微针阵列、血管内探针）、范式设计（运动想象、稳态视觉诱发电位、P300拼写器）、解码算法（Riemann几何、深度学习、迁移学习）	机器学习	卒中	脑电图	深度学习	脑电图信号	NA	NA	NA	NA	NA
74	2026-05-19	Artificial intelligence and peripheral neuropathies: Strategies for the development, application, and repair of regenerative biomaterials 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00561 PMID:41017675	review	探讨人工智能在周围神经再生生物材料开发中的应用，涵盖材料设计、性能预测和虚拟实验	系统探讨人工智能通过机器学习和深度学习优化神经再生生物材料的策略	数据整合、算法复杂性及临床转化的挑战	探索人工智能在神经再生生物材料研发中的应用潜力	周围神经再生生物材料	machine learning	周围神经病	NA	machine learning, deep learning	NA	NA	NA	NA	NA	NA
75	2026-05-19	Deep learning-based cognitive impairment brain imaging analysis: New methods, new technologies, and new paradigms 2026-Sep-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00332 PMID:42148603	综述	探讨深度学习在由缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍脑磁共振成像分析中的应用，聚焦于病变分割、目标检测和图像分类三大核心任务	系统总结了U-Net、混合CNN-Transformer和3D-CNN等模型在三种疾病中的最新应用进展，并提出了联邦学习、域适应、自动标注和可解释人工智能等新范式以克服临床整合障碍	高质量标注数据集稀缺、站点间差异性大、标注成本高以及模型可解释性有限，阻碍了临床整合	探索深度学习在认知障碍脑磁共振成像分析中的应用，提升病变分割、异常区域定位和疾病分类的准确性、鲁棒性和泛化能力	缺血性中风、阿尔茨海默病和帕金森病引起的认知障碍患者的脑磁共振成像数据	计算机视觉	心血管疾病、阿尔茨海默病、帕金森病	磁共振成像	卷积神经网络、变换器	图像	NA	NA	U-Net、混合卷积神经网络-变换器、三维卷积神经网络、ResNet、Vision Transformer	Dice系数、准确率	NA
76	2026-05-19	An integrated wearable microfluidic electrochemical/colorimetric intelligent sensing platform for comprehensive sweat analysis 2026-Aug-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118746 PMID:42061345	研究论文	提出了一种集成微流控电化学/比色传感的智能可穿戴平台，用于全面汗液分析	首次将高性能CuS/PDA@MXene纳米复合材料电化学传感层与水凝胶微流控/比色传感层结合，实现汗液成分与皮肤微环境的多模态监测，并采用CNN-LSTM深度学习架构处理比色信号	未提及	开发智能可穿戴平台用于动态监测汗液成分和皮肤微环境，推动个性化健康监测和数字医疗	汗液中的葡萄糖、乳酸、钾离子、钠离子，以及汗液皮肤微环境的pH值、温度和紫外线强度	机器学习, 数字化病理学	未指定	电化学传感, 微流控比色传感	CNN-LSTM	图像信号（比色信号）	未提及	NA	CNN-LSTM	未提及	NA
77	2026-05-19	Self-supervised Deep Learning for Denoising in Ultrasound Microvascular Imaging 2026-Aug-15, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2026.110368 PMID:42147495	研究论文	提出一种自监督深度学习框架HA2HA，用于超声微血管成像中的去噪，提升图像质量	创新性地使用互补角度子集的超声射频血流数据构建自监督训练对，无需标记数据即可实现去噪，并适用于无对比剂和增强对比剂的场景	未提及	解决超声微血管成像中低信噪比问题，提高血管可视化和下游分析质量	猪肾脏、人类肾脏和人类肝脏的超声微血管成像数据	计算机视觉, 数字病理学	未提及	超声成像	深度学习	图像（超声射频血流数据）	训练数据：无对比剂猪肾脏数据；测试数据：未见过个体的无对比剂和增强对比剂猪肾脏、人类肾脏和人类肝脏数据	NA	NA	对比噪声比	NA
78	2026-05-19	Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis 2026-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73094-0 PMID:42144397	研究论文	提出一种端到端自动化流程，结合深度学习与信号处理，用于血吸虫病现场即时检测的读取与质量控制	首次将深度学习与信号处理结合，实现血吸虫病侧流层析检测的自动定量分类，解决视觉判读不确定性，并在大规模现场队列中验证	NA	为被忽视热带疾病的即时检测开发自动化诊断分类流程	血吸虫病现场循环阴极抗原检测的侧流层析测试	计算机视觉，信号处理	血吸虫病	侧流层析检测	深度学习模型（CNN）	图像	乌干达农村SchistoTrack队列中3188名个体	NA	NA	灵敏度、特异度	NA
79	2026-05-19	Construction of a multi-dimensional predictive model for college students' academic performance based on deep learning 2026-May-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51012-0 PMID:42144405	研究论文	构建基于深度学习的大学生学业成绩多维预测模型，融合时间序列、行为与人口学特征	提出一种新型GatedLSTMU-Dove模型，通过优化算法提升收敛速度与预测精度，并实现可解释的时间模式可视化	未说明模型在更大规模或多样化数据集上的泛化能力，以及实际教学干预中的效果验证	开发一个鲁棒的预测模型，利用多维数据（时间、行为和人口学特征）预测大学生学业表现	2000名大学生的学业数据，包括成绩、出勤率、学习管理系统交互、心理测量和人口统计记录	机器学习	NA	NA	门控长短期记忆单元（Gated LSTM）	表格数据（数值型与分类型特征）	2000名学生样本	Python 3.10（未明确指定具体框架）	GatedLSTMU-Dove	分类准确率（98.85%）、低误差指标、可解释的时间模式可视化	NA
80	2026-05-19	Comparative evaluation of deep learning architectures for microbial colony classification in microbiological imaging 2026-May-18, BMC microbiology IF:4.0Q2 DOI:10.1186/s12866-026-05028-1 PMID:42144581	研究论文	对六种深度学习架构在微生物菌落分类中的性能进行头对头比较	在统一数据集和训练协议下，首次系统比较六种主流CNN架构在微生物菌落分类中的表现	仅使用单一数据集AGAR，且图像经过标准化裁剪和预处理，可能与实际临床环境存在差异	评估不同CNN架构在微生物菌落自动分类中的性能，为自动化微生物图像分析提供依据	五种微生物菌落（枯草芽孢杆菌、大肠杆菌、铜绿假单胞菌、金黄色葡萄球菌、白色念珠菌）	计算机视觉	NA	NA	CNN	图像	5,269张琼脂板图像，提取86,045个菌落裁剪图像，涵盖4,424个可计数板	PyTorch	AlexNet, SqueezeNet 1.1, ResNet18, ShuffleNetV2, EfficientNetB0, MobileNetV2	准确率、精确率、召回率、F1分数	NA