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
8001	2026-04-11	Convolutional Neural Network-Transformer Model to Predict and Classify Early Arrhythmia Using Electrocardiogram Signal 2025-07-03, Journal of visualized experiments : JoVE DOI:10.3791/68227 PMID:40690419	研究论文	本文提出了一种基于深度学习的混合模型，用于从心电图信号中预测和分类早期心律失常	结合1D CNN和Transformer层，以同时提取空间特征并建模时间依赖性，从而在心律失常分类中实现高精度	NA	开发精确且自动化的技术，用于心血管疾病（特别是心律失常）的早期诊断和检测	心电图信号，重点关注五种主要心跳类型：正常、左束支传导阻滞、右束支传导阻滞、房性早搏和室性早搏	机器学习	心血管疾病	心电图信号分析	CNN, Transformer	信号	超过390万个训练段和112,575个测试段	NA	1D CNN, Transformer	准确率, 精确率, F1分数	NA
8002	2026-04-11	Unsupervised learning reveals landscape of local structural motifs across protein classes 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf377 PMID:40569048	研究论文	本文利用自监督深度学习表征，对蛋白质数据库中的局部结构微环境进行聚类，构建了一个局部3D基序词典，并展示了其在蛋白质结构搜索、模型质量评估和药物脱靶相互作用预测中的应用	通过无监督学习聚类超过1500万个蛋白质局部结构环境，创建了一个全面的局部3D基序词典，并基于此开发了新的蛋白质表征方法，在多个任务中达到最先进性能	NA	旨在通过无监督学习揭示蛋白质局部结构基序的景观，并应用于蛋白质结构功能分析	蛋白质数据库中的局部三维结构微环境	机器学习	NA	自监督深度学习	NA	三维结构数据	超过1500万个局部环境	NA	NA	NA	NA
8003	2026-04-11	Deep Learning of Suboptimal Spirometry to Predict Respiratory Outcomes and Mortality 2025-Jun-30, Research square DOI:10.21203/rs.3.rs-6296752/v1 PMID:40630516	研究论文	本研究开发了一种基于对比学习的深度学习模型Spiro-CLF，利用次优肺活量测定数据预测呼吸系统结局和死亡率	首次利用次优肺活量测定数据（包括未通过质量控制的测试）通过对比学习框架进行呼吸系统结局预测，突破了传统方法仅使用最优测试结果的限制	在COPDGene队列中，添加通过质量控制的次优测试数据并未改善肺功能或死亡率的预测效果，需要进一步研究在特定临床场景中的性能和实用性	探索机器学习模型是否能够基于次优肺活量测定数据预测呼吸系统结局和死亡率	英国生物银行（UK Biobank）和COPDGene队列的参与者，年龄40-80岁，包括吸烟者和无呼吸系统疾病（除COPD或哮喘外）的个体	机器学习	呼吸系统疾病	肺活量测定（spirometry）	深度学习模型	原始肺活量图（体积-时间曲线）	352,684名UK Biobank参与者（940,705条曲线）和10,110名COPDGene参与者	对比学习框架	Spiro-CLF（基于肺活量图的对比学习框架）	AUROC（受试者工作特征曲线下面积）, 一致性指数（concordance index）, 预测改善百分比	NA
8004	2026-04-11	Investigating the Domain Adaptability of General-Purpose Foundation Models for Left Atrium Segmentation from MR Images 2025-Jun, Functional imaging and modeling of the heart : ... International Workshop, FIMH ..., proceedings. FIMH (Conference) DOI:10.1007/978-3-031-94562-5_25 PMID:41883586	研究论文	本研究探讨了通用基础模型（如DINOv2、SAM、MedSAM）在磁共振图像左心房分割任务中的领域适应性和鲁棒性	提出了一种结合预训练基础模型与改进UNet解码器的架构，利用基础模型的全局上下文特征，在数据稀缺的医学图像分割任务中展现出优越性能	研究主要针对左心房分割任务，在其他医学图像分割任务中的普适性有待进一步验证；且依赖于特定基础模型的预训练特征	探索预训练基础模型在医学图像分割领域的适应能力，为数据稀缺的医学应用提供更通用的解决方案	磁共振图像中的左心房结构	医学图像分析	心房颤动	磁共振成像	CNN, Transformer	医学图像	2022 LAScarQS和2018 LASC分割挑战数据集	PyTorch	UNet, DINOv2, SAM, MedSAM	Dice系数, IoU	NA
8005	2026-04-11	Multisequence 3-T Image Synthesis from 64-mT Low-Field-Strength MRI Using Generative Adversarial Networks in Multiple Sclerosis 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.233529 PMID:40261176	研究论文	本研究开发了一种名为LowGAN的生成对抗网络架构，用于从64-mT低场强MRI生成高质量的3-T多序列脑部图像，并在多发性硬化症患者中进行了评估	提出了一种专门用于低场强到高场强MRI图像翻译的生成对抗网络架构LowGAN，能够从便携式低场强扫描仪生成接近常规高场强质量的图像	研究样本量相对较小（主要组50人，验证组13人），且仅针对多发性硬化症患者，可能限制了模型的泛化能力	开发并评估一种深度学习架构，以从低场强MRI输入生成高场强质量的脑部图像，提高便携式低场强扫描仪的图像质量	多发性硬化症患者的脑部MRI图像	计算机视觉	多发性硬化症	MRI（T1加权、T2加权、FLAIR序列）	GAN	图像	主要组50名参与者，验证组13名参与者	NA	LowGAN	结构相似性指数, Dice分数	NA
8006	2026-04-11	Ligand identification in CryoEM and X-ray maps using deep learning 2024-12-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae749 PMID:39700427	研究论文	本文提出了一种基于深度学习的配体识别方法，用于在CryoEM和X射线密度图中识别小分子配体	首次将深度学习应用于CryoEM密度图的配体识别，采用3D点云处理方法，实现了端到端的深度学习模型	电子显微镜图的标准化和CryoEM配体质量评估存在挑战	开发一种自动化的配体识别方法，以支持结构引导的药物设计	X射线衍射和CryoEM密度图中的小分子配体	计算机视觉	NA	X射线衍射, 冷冻电镜	深度学习	3D点云	NA	NA	NA	NA	NA
8007	2026-04-11	Integrating Drug Target Information in Deep Learning Models to Predict the Risk of Adverse Events in Patients with Comorbid Post-Traumatic Stress Disorder and Alcohol Use Disorder 2024-Dec-05, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12122772 PMID:39767679	研究论文	本研究开发了一种名为T-DeepBiomarker的新型深度学习模型，通过整合药物靶点信息等多模态数据，预测共患创伤后应激障碍和酒精使用障碍患者的不良事件风险，并识别潜在治疗药物	首次将药物靶点信息整合到深度学习模型中用于预测共患PTSD和AUD患者的不良结局，并基于模型识别出的重要蛋白靶点筛选潜在治疗药物	研究基于单一医疗中心（UPMC）的电子病历数据，外部验证和泛化能力有待进一步评估	预测共患创伤后应激障碍和酒精使用障碍患者的不良事件风险，并识别潜在治疗药物	共患创伤后应激障碍和酒精使用障碍的患者	机器学习	精神疾病	电子病历数据分析	深度学习模型	多模态数据（实验室结果、药物靶点信息、共病、社会健康决定因素等）	5565名PTSD+AUD患者	NA	T-DeepBiomarker	AUROC	NA
8008	2026-04-11	Satellite-Based and Street-View Green Space and Adiposity in US Children 2024-12-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.49113 PMID:39636637	研究论文	本研究利用卫星遥感和街景图像数据，探究了美国儿童居住区绿地暴露与多种肥胖指标之间的关联	首次同时结合卫星遥感（NDVI）和街景图像深度学习算法提取的绿地指标，并关联了多种全面的肥胖测量指标（BMI、腰围、总脂肪质量指数、躯干脂肪质量指数），而非仅使用BMI	研究为观察性研究，不能确定因果关系；绿地暴露测量基于家庭住址，可能未完全捕捉个体的日常活动范围；样本来自特定队列，可能限制结果的普遍性	探究居住区绿地暴露与儿童肥胖指标之间的前瞻性关联	美国儿童（来自Project Viva队列）	环境健康与流行病学	儿童肥胖	卫星遥感（NDVI）、街景图像分析、深度学习算法、双能X射线吸收测定法	深度学习算法（未指定具体类型）	卫星遥感数据、街景图像、人体测量数据	843名儿童（基线时平均年龄7.9岁，50.2%为女孩）	NA	NA	回归系数、95%置信区间	NA
8009	2026-04-11	Enhancing Amyloid PET Quantification: MRI-Guided Super-Resolution Using Latent Diffusion Models 2024-Dec-01, Life (Basel, Switzerland) DOI:10.3390/life14121580 PMID:39768288	研究论文	本研究提出了一种基于潜在扩散模型的MRI引导超分辨率方法，用于增强淀粉样蛋白PET图像的量化精度	采用潜在扩散模型进行分辨率恢复，并结合加权L1、L2和MS-SSIM损失在噪声和图像尺度上增强MRI引导重建	未明确提及具体局限性	解决PET扫描中部分容积效应导致的淀粉样蛋白沉积量化不准确问题	阿尔茨海默病患者的淀粉样蛋白PET图像	医学影像分析	阿尔茨海默病	PET成像，MRI引导	潜在扩散模型	PET图像，MRI图像	NA	NA	潜在扩散模型	量化准确性，示踪剂间变异性，纵向变化检测统计功效	NA
8010	2026-04-11	Deep-Learning Model for Mortality Prediction of ICU Patients with Paralytic Ileus 2024-Nov-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11121214 PMID:39768031	研究论文	本文提出了一种基于深度学习的预测框架DLMP，用于预测ICU中麻痹性肠梗阻患者的死亡率	通过SHAP分析筛选出六个关键临床实验室指标，结合一个人口统计学变量，构建了一个仅包含两层神经网络的简化深度学习模型，显著提高了预测性能	模型基于单一数据集MIMIC-IV开发，可能缺乏外部验证，且样本量相对有限	开发一个简化且可靠的深度学习模型，以预测ICU中麻痹性肠梗阻患者的死亡率	ICU中的麻痹性肠梗阻患者	机器学习	麻痹性肠梗阻	深度学习，SHAP分析	神经网络	临床实验室数据，人口统计学数据	1017名ICU麻痹性肠梗阻患者	NA	两层神经网络	AUC	NA
8011	2026-04-11	Significance of Artificial Intelligence in the Study of Virus-Host Cell Interactions 2024-07-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080911 PMID:39199298	综述	本文综述了人工智能（特别是机器学习和深度学习）在病毒-宿主细胞相互作用分子水平研究中的应用及其对药物发现和预防策略的推动作用	整合了机器学习和深度学习在预测病毒-宿主细胞蛋白质-蛋白质及蛋白质-糖相互作用、转录翻译分析以及快速药物发现模型开发方面的最新进展，强调了AI在处理大规模遗传和分子数据中的高效性和准确性	NA	探讨人工智能在病毒-宿主细胞相互作用研究中的应用，以促进新治疗和预防策略的开发	病毒-宿主细胞在分子水平的相互作用，包括蛋白质-蛋白质和蛋白质-糖的相互作用	机器学习	NA	机器学习，深度学习	NA	遗传数据，分子数据，基因组序列，图像	NA	NA	NA	NA	NA
8012	2026-04-11	Accurate Identification of Spatial Domain by Incorporating Global Spatial Proximity and Local Expression Proximity 2024-06-09, Biomolecules IF:4.8Q1 DOI:10.3390/biom14060674 PMID:38927077	研究论文	本文提出了一种名为SECE的深度学习方法，用于准确识别空间转录组学数据中的空间域，通过整合全局空间邻近性和局部表达邻近性来提升识别精度	SECE方法首次同时捕获了spots之间的局部和全局关系，并利用表达相似性和空间相似性聚合信息，克服了现有方法仅基于局部或全局空间关系进行域分割的局限性	NA	提高空间转录组学数据中空间域识别的准确性，以阐明组织微环境和生物功能	空间转录组学数据中的spots	机器学习	NA	空间转录组学	深度学习	空间转录组学数据	六个真实空间转录组学数据集，涵盖四个不同平台	NA	NA	空间域识别准确率，低维可视化清晰度，轨迹推断准确性	NA
8013	2026-04-11	Workshop summaries from the 2024 voice AI symposium, presented by the Bridge2AI-voice consortium 2024, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2024.1484818 PMID:39540145	研讨会总结	本文总结了2024年语音AI研讨会的内容，该研讨会由Bridge2AI-Voice联盟组织，旨在探讨语音生物标志物和人工智能在医疗保健中的最新进展	通过跨学科研讨会形式，整合了学术界、工业界和医疗保健领域的专家，共同探讨语音生物标志物研究的标准化、伦理实践和实际部署挑战	研讨会内容基于转录和总结，可能无法完全捕捉所有讨论细节；且未涉及具体模型性能的量化评估	促进语音生物标志物和人工智能在医疗保健领域的开发与应用，推动跨领域合作	语音生物标志物、人工智能在医疗保健中的应用、语音数据收集与伦理实践	自然语言处理	语音障碍	语音信号处理、深度学习、机器学习运维	深度学习模型	语音数据	NA	Whisper, ChatGPT	NA	NA	NA
8014	2026-04-11	Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064504 PMID:38162317	研究论文	评估预训练的深度学习模型在胸部X光片上分类COVID-19阳性和阴性患者的表现，并考虑图像采集参数、临床因素和患者人口统计学	通过比较不同图像采集技术（标准与软组织X光）和临床因素（如病毒变体、免疫状态）来评估模型性能，并探讨了模型在新测试集上性能下降的原因	模型在新测试集上性能显著下降，且时间匹配、免疫状态、疾病严重程度、年龄和性别分布未能完全解释性能差异，表明模型可能存在过拟合和泛化能力不足	评估深度学习模型在COVID-19分类任务中的性能，并分析图像采集技术和临床因素对模型表现的影响	胸部X光片（标准与软组织图像）	计算机视觉	COVID-19	胸部X光成像	CNN	图像	原始数据集9860名患者，当前测试集5893名患者	NA	DenseNet-121	ROC AUC	NA
8015	2026-04-11	Weakly supervised perivascular spaces segmentation with salient guidance of Frangi filter 2023-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29593 PMID:36692103	研究论文	本文提出了一种结合Frangi滤波器与卷积神经网络的弱监督3D血管周围空间分割模型	通过条件随机场理论将基于规则的Frangi滤波器与U-Net深度学习算法结合，实现弱监督学习，减少对大规模标注数据的依赖	未明确说明模型在更广泛数据集上的泛化能力或计算效率的具体限制	开发用于血管周围空间分割的弱监督3D分割模型，提高分割准确性并区分PVS与白质高信号	人类连接组计划数据中的血管周围空间	数字病理学	NA	Frangi滤波器，卷积神经网络	CNN	3D图像	人类连接组计划数据，具体样本数量未明确	NA	U-Net	真阳性率，假阳性率	NA
8016	2026-04-11	Deep learning approach to predict pain progression in knee osteoarthritis 2022-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-021-03773-0 PMID:33835240	研究论文	本研究开发并评估了深度学习模型，用于预测膝关节骨关节炎患者的疼痛进展	首次将深度学习应用于膝关节X光片分析，以预测疼痛进展，并开发了结合传统风险因素和深度学习分析的组合模型	研究为回顾性分析，且仅基于特定队列数据，可能无法完全推广到其他人群	预测膝关节骨关节炎患者的疼痛进展	膝关节骨关节炎患者或有患病风险的人群	数字病理学	骨关节炎	X光成像	深度学习, 人工神经网络	图像	9348个膝盖（来自4674名受试者），其中训练集4200个膝盖，测试集500个膝盖	NA	NA	AUC, 敏感性, 特异性	NA
8017	2026-04-11	DeepLSR: a deep learning approach for laser speckle reduction 2019-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.002869 PMID:31259057	研究论文	提出了一种名为DeepLSR的对抗性深度学习框架，用于减少激光散斑噪声，将相干照明图像转换为无散斑的非相干照明图像	采用对抗性深度学习框架进行激光散斑减少，相比传统方法（如优化非局部均值处理、BM3D和光学散斑减少器）能显著降低噪声（6.4 dB），并可结合光学方法进一步减少至9.4 dB	未明确提及具体局限性，如泛化能力、计算成本或对不同成像模态的适应性	减少激光散斑噪声，提高相干光源成像质量，以支持医疗内窥镜等需要小型照明源和高品质成像的应用	使用多波长激光照明的物体和组织宽场图像，以LED照明图像作为真实参考	计算机视觉	NA	激光照明成像，宽场成像	GAN	图像	未明确提及具体样本数量，但涉及胃肠道组织图像	未明确指定，但基于对抗性深度学习框架	未明确指定具体架构，但为对抗性框架	散斑噪声减少（dB）	NA
8018	2026-04-11	Deep EHR: A Survey of Recent Advances in Deep Learning Techniques for Electronic Health Record (EHR) Analysis 2018-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2017.2767063 PMID:29989977	综述	本文综述了深度学习技术在电子健康记录分析中的最新进展和应用	系统性地总结了深度学习在EHR分析中的多种应用，如信息提取、表示学习、结果预测等，并指出了当前研究的局限性	当前研究存在模型可解释性不足、数据异质性、缺乏统一基准等问题	调查深度学习技术在电子健康记录分析中的研究现状和应用	电子健康记录数据	自然语言处理	NA	NA	NA	文本	NA	NA	NA	NA	NA
8019	2026-04-10	Deep Learning Methods for De Novo Peptide Sequencing 2026 May-Jun, Mass spectrometry reviews IF:6.9Q1 DOI:10.1002/mas.21919 PMID:39611290	综述	本文综述了深度学习在从头肽段测序中的应用方法、性能评估流程及领域挑战	系统总结了自2017年DeepNovo算法以来深度学习主导的从头测序技术发展脉络	未提出新的算法模型，主要侧重于现有方法的归纳与讨论	探讨深度学习在质谱数据从头肽段测序中的方法学进展与评估标准	蛋白质串联质谱数据及其对应的肽段序列	机器学习	NA	串联质谱	多层神经网络	质谱数据	NA	NA	NA	NA	NA
8020	2026-04-10	DeepFit: Physically and Chemically Informed XAS-Structure Fitting Made Simple 2026-Apr-09, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c04009 PMID:41711252	研究论文	DeepFit提出了一种基于深度学习的通用方法，通过结合光谱失配和量子化学能量的可微分最小化，解决X射线吸收光谱分析中的病态挑战，实现催化剂和材料局部结构的物理化学知情拟合	首次将深度学习与量子化学约束相结合，通过E(3)等变神经网络实现XAS数据的物理等变和化学合理结构精修，将定量XAS分析转化为黑盒常规工具	主要验证于均相催化剂的实验案例，可能尚未广泛测试于更复杂的材料体系或非过渡金属化合物	开发一种简化且准确的X射线吸收光谱结构拟合方法，以克服传统方法的高计算成本和模糊解问题	3d/4d过渡金属配合物的局部结构，特别是均相催化剂	机器学习	NA	X射线吸收光谱	E(3)-equivariant neural network	光谱数据	67,000个理论K边光谱	NA	E(3)-equivariant neural network	MAE, ROC-AUC	NA