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
1041	2026-08-25	Neural representations of cryo-EM maps and a graph-based interpretation 2022-Sep-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04942-1 PMID:36171544	研究论文	本文提出了一种名为神经冷冻电镜图的新数据格式，通过神经网络参数化冷冻电镜图，提供连续的空间数据，并基于图进行蛋白质结构解释	首次提出神经冷冻电镜图格式，利用神经网络实现冷冻电镜图的连续参数化，并开发了基于图的冷冻电镜图解释方法	在较低分辨率下，图的节点特异性较低，受实验噪声和密度差异影响	开发一种新的冷冻电镜图数据格式，以实现连续空间插值，并用于基于图的结构解释	高分辨率实验冷冻电镜图及其对应的蛋白质结构	数字病理学	NA	冷冻电子显微镜	神经网络	三维体素图像	115张实验冷冻电镜图，分辨率从1.15至4.0 Å	NA	神经网络	平均绝对误差，残基覆盖率，全原子覆盖率，均方根偏差	NA
1042	2026-08-25	Characterizing Subjects Exposed to Humidifier Disinfectants Using Computed-Tomography-Based Latent Traits: A Deep Learning Approach 2022-09-20, International journal of environmental research and public health DOI:10.3390/ijerph191911894 PMID:36231196	研究论文	本研究利用基于深度学习从CT图像提取的组织模式潜在特征，对接触加湿器消毒剂但肺部外观正常的个体与未接触个体进行聚类分析，以探究加湿器消毒剂暴露的潜在影响	首次使用深度学习提取的CT潜在特征对加湿器消毒剂暴露者进行聚类分析，并结合计算流体与粒子动力学模拟揭示气道尺寸对颗粒沉积的影响，发现女性可能更易受影响	未提供具体局限性信息，可能包括样本代表性、潜在特征的可解释性、以及模拟与真实情况的差异等	研究加湿器消毒剂暴露对肺部外观正常个体的潜在影响，并识别具有不同特征的亚组，以解释暴露者的不适症状	接触加湿器消毒剂的个体和未接触个体，包括健康对照	数字病理学, 机器学习	加湿器消毒剂相关肺损伤（HDLI）	计算断层扫描（CT）	深度学习模型（具体未指定，可能为卷积神经网络）	CT图像	未在标题和摘要中提供具体样本数量，但涉及约九百万暴露人群的研究背景	NA	NA	未提供具体性能指标，可能使用聚类质量评估如轮廓系数等，但未明确	NA
1043	2026-08-25	Feasibility of Automated Segmentation of Pigmented Choroidal Lesions in OCT Data With Deep Learning 2022-09-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.11.9.25 PMID:36156729	研究论文	评估深度学习在OCT数据中自动分割色素性脉络膜病变的可行性，并比较不同深度神经网络性能	首次证明深度学习在OCT数据中自动分割色素性脉络膜病变的可行性，并比较多种网络架构，表明3D nnU-Net性能最优	研究样本量较小，且仅作为概念验证，需进一步改进以满足临床需求	评估自动分割色素性脉络膜病变的可行性，比较不同深度神经网络性能	121个OCT体积图像（100个正常，21个PCLs）	计算机视觉	色素性脉络膜病变	OCT成像	深度学习模型	图像	121个OCT体积图像	PyTorch（基于nnU-Net框架）	MD-GRU, V-Net, nnU-Net	召回率, Dice系数, Hausdorff距离	未提及
1044	2026-08-25	Deep Learning Approaches for Predicting Glaucoma Progression Using Electronic Health Records and Natural Language Processing 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100127 PMID:36249690	研究论文	本研究利用深度学习模型结合电子健康记录中的结构化数据和临床自由文本的自然语言处理特征，预测青光眼患者需要手术的进展，并评估了模型性能。	首次将眼科领域特定的神经词嵌入与深度学习结合，整合临床自由文本特征和结构化数据以预测青光眼手术需求，优于仅用结构化数据或仅用自由文本的模型。	研究为单中心回顾性队列，样本来源受限；未纳入影像数据，且需进一步探索整合影像数据的最佳方法。	开发基于深度学习模型，利用电子健康记录中的结构化数据和临床自由文本预测青光眼进展至需要手术的情况，以改善预测性能。	单中心2008至2020年间接受治疗的成人青光眼患者。	数字病理学	青光眼	自然语言处理和神经词嵌入	深度学习模型	电子健康记录数据，包括结构化临床数据和临床自由文本	4512名青光眼患者，其中748名接受了手术	NA	神经网络	AUC, F1分数	NA
1045	2026-08-25	Improved Training Efficiency for Retinopathy of Prematurity Deep Learning Models Using Comparison versus Class Labels 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100122 PMID:36249702	研究论文	该论文比较了使用比较标签与类别标签训练深度学习模型在早产儿视网膜病变图像分类中的有效性和效率	首次提出使用比较标签（表示相对疾病严重程度）而非类别标签来训练医学图像分类网络，以提高训练效率和准确性，尤其在数据有限的情况下	随着训练集规模增大，两种标签类型之间的效率和准确性差异减小，且比较标签的优势在部分数据集中不显著	评估比较标签相对于类别标签在训练深度学习模型进行医学图像分类时的有效性和效率，以应对数据变异性和稀缺性问题	早产儿视网膜病变（ROP）的宽角度视网膜图像，来自i-ROP队列研究	计算机视觉	早产儿视网膜病变	深度学习	神经网络	图像	未提供具体样本数量，但涉及两个数据集及专家标注的宽角度视网膜图像	NA	神经网络（未指定具体架构）	AUC（接收者操作特征曲线下面积）	NA
1046	2026-08-25	Detecting glaucoma from multi-modal data using probabilistic deep learning 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.923096 PMID:36250081	研究论文	本研究评估了概率深度学习模型在通过眼底照片和视野数据区分正常眼和青光眼方面的准确性。	采用概率深度学习模型，能够输出预测的不确定性水平，为临床决策提供额外置信度，这是与确定性CNN模型相比的显著创新。	摘要中未明确提及研究的局限性。	评估概率深度学习模型在青光眼检测中的准确性，并比较不同模态（眼底照片、视野、组合模态）的性能。	正常和青光眼受试者的眼睛，涉及眼底照片和视野数据。	机器学习和医学影像分析	青光眼	眼底摄影和视野测试	概率深度卷积神经网络（CNN）和确定性CNN模型	眼底照片和视野数据（图像和数值）	开发和测试数据集包含1,655只眼睛（929名受试者），独立验证数据集包含196只眼睛（98名受试者）。	未明确指定（如TensorFlow、PyTorch等），因此设为NA。	深度卷积神经网络（CNN），具体架构未在摘要中说明。	准确率、曲线下面积（AUC）	未明确提及计算资源（如GPU类型或云平台），因此设为NA。
1047	2026-08-25	Federated Learning for Microvasculature Segmentation and Diabetic Retinopathy Classification of OCT Data 2021-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2021.100069 PMID:36246944	研究论文	评估联邦学习框架在基于深度神经网络的视网膜微血管分割和可参考糖尿病视网膜病变分类中的应用，使用OCT和OCTA数据	首次在OCT和OCTA数据上应用联邦学习进行微血管分割和糖尿病视网膜病变分类，并比较了与其他协作训练方法的效果	未明确提及局限性，但可能包括数据异质性、通信开销等	评估联邦学习在视网膜微血管分割和RDR分类中的性能，并保持数据隐私	OCT和OCTA扫描图像，包括153张OCTA en face图像用于分割，700只眼睛用于分类	计算机视觉	糖尿病视网膜病变	OCT和OCTA成像	深度神经网络	图像	153张OCTA en face图像用于分割，700只眼睛用于分类	NA	NA	准确率, Dice相似系数, AUROC, 精确率-召回率曲线下面积, 平衡准确率, F1分数, 灵敏度, 特异度	NA
1048	2026-08-25	Deepfakes in Ophthalmology: Applications and Realism of Synthetic Retinal Images from Generative Adversarial Networks 2021-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2021.100079 PMID:36246951	研究论文	本研究评估专家区分由生成对抗网络合成的视网膜眼底图像与真实图像的能力，并回顾了GAN在眼科中的当前应用和局限性。	首次评估眼科专家区分真实与合成视网膜眼底图像的能力，并系统回顾了GAN在眼科中的应用。	专家数量有限，且图像生成基于特定疾病（ROP）的单一数据集，可能影响泛化性。	评估GAN合成的视网膜图像的真实性，并总结其在眼科中的应用和局限。	基于多中心ROP筛查项目获取的4282对眼底图像和视网膜血管图。	计算机视觉	早产儿视网膜病变	GAN	GAN	图像	4282对图像，其中880张用于生成，50张合成图像和50张真实图像用于专家评估	PyTorch	Pix2Pix HD	准确率	未提及
1049	2026-08-25	Quantification of Nonperfusion Area in Montaged Widefield OCT Angiography Using Deep Learning in Diabetic Retinopathy 2021-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2021.100027 PMID:36249293	研究论文	本研究评估了一种基于深度学习的算法，用于量化拼接宽视野OCT血管成像中的非灌注区，以评估糖尿病视网膜病变的严重程度。	开发了一种深度学习算法，能够区分非灌注区与阴影伪影，并在拼接的宽视野OCTA图像上准确量化非灌注区，显示出比单独黄斑扫描更高的检测灵敏度。	未在文中明确提及局限性。	评估基于深度学习的算法在拼接宽视野OCT血管成像中量化非灌注区的效果，用于糖尿病视网膜病变严重程度的评估。	137名不同严重程度的糖尿病视网膜病变参与者和26名健康参与者。	深度学习	糖尿病视网膜病变	OCT血管成像	深度学习算法（具体类型未指定，推测为卷积神经网络）	OCT血管成像图像	163名参与者，978个OCT血管成像扫描	未明确指定	未明确指定	F1分数、曲线下面积、灵敏度、特异性	未明确提及
1050	2026-08-25	A deep learning approach for 18F-FDG PET attenuation correction 2018-Nov-12, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-018-0225-8 PMID:30417316	研究论文	开发并评估了一种基于深度学习的PET图像衰减校正方法（deepAC），无需解剖成像即可从非衰减校正的18F-FDG PET图像生成伪CT图像	首次提出无需解剖成像的深度学习PET衰减校正方法，能够从单张非衰减校正PET图像直接生成连续值的伪CT图像	研究仅基于100例回顾性头部PET图像训练，且评估样本量较小（28例），可能缺乏泛化性；未涉及其他部位或不同示踪剂的验证	开发一种数据驱动的深度学习PET图像衰减校正方法，以避免额外解剖成像需求	18F-FDG PET头部图像及对应的CT图像	深度学习, 医学图像处理	不适用	PET成像, CT成像	卷积编码器-解码器网络	图像（3D PET和CT）	100例训练图像，28例测试图像	不明确	卷积编码器-解码器	Dice系数, 平均绝对误差（MAE）	不明确
1051	2026-08-24	Deep learning-driven de novo design of ribosome binding sites in Paracoccus denitrificans 2027-Mar, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2026.07.013 PMID:42630760	研究论文	本文通过深度学习方法设计副球菌中的核糖体结合位点，实现基因表达的精确调控	首次建立了副球菌的深度学习驱动的RBS设计平台，结合转录组和蛋白质组数据的系统分析及WGAN-GP生成模型	摘要中未提及明确的局限性	开发深度学习驱动的核糖体结合位点设计平台，实现副球菌中基因表达的精确调控	副球菌中的核糖体结合位点序列	机器学习, 合成生物学	不适用	RNA-seq, 蛋白质组学	CNN, BiLSTM, Transformer, WGAN-GP	序列数据	1335个天然RBS序列	NA	CNN, BiLSTM, Transformer, WGAN-GP	皮尔逊相关系数	NA
1052	2026-08-24	Automated Tissue Classification and Candidate Biomarker Feature Extraction in Mass Spectrometry Imaging Based on Interpretable Deep Learning Algorithm 2026-Nov-15, Rapid communications in mass spectrometry : RCM IF:1.8Q2 DOI:10.1002/rcm.70168 PMID:42625524	研究论文	本研究开发了一种基于可解释深度学习算法的综合分析流程，用于质谱成像数据中的自动组织分类和候选生物标志物特征提取	利用Grad-CAM和SHAP两种可解释性方法计算组织层特异性重要性评分，评估质谱特征并提取类别判别特征，增强模型预测的透明度	跨患者泛化能力在不同数据源间存在差异，独立数据集上的测试准确率较低	开发一个准确且可解释的深度学习框架，用于MSI数据中的组织分类和生物标志物发现	小鼠膀胱MSI数据集和独立结直肠癌数据集	数字病理学、机器学习	膀胱癌、结直肠癌	质谱成像（MSI）	卷积神经网络（CNN）	质谱成像数据	小鼠膀胱MSI数据集和独立结直肠癌数据集	NA	CNN	准确率、Grad-CAM和SHAP重要性评分	NA
1053	2026-08-24	Do deep learning models learn beyond average gait? A comparison of architectures, kinematic representations, and marker sparsity for vertical ground reaction force prediction 2026-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110269 PMID:42435638	研究论文	本研究比较了LSTM、BiLSTM和Transformer等深度学习模型在不同运动学输入表示和标记点稀疏性条件下预测垂直地面反作用力（vGRF）的性能，并探究模型是否仅学习健康步态的平均波形。	首次系统对比多种深度学习架构和运动学表示在vGRF预测中的表现，并引入训练集平均波形基线来评估模型是否真正超越平均步态学习能力，同时探索标记点减少到极少数的可行性。	研究主要基于健康步态数据，波形变异性有限，可能限制了对异常步态的泛化能力；此外，仅评估了特定数据集和模型配置，结果可能不适用于其他人群或临床场景。	评估不同深度学习模型和输入表示在从运动学数据预测vGRF时的准确性、鲁棒性及对标记点稀疏性的敏感性，并提出使用平均波形基线来避免过度解读。	健康个体的步态数据，包括3D标记点轨迹和关节角度，以及减少至3个或单个踝部标记点的输入设置。	机器学习, 生物医学工程	不适用	运动捕捉	LSTM, BiLSTM, Transformer	时间序列数据（运动学轨迹和角度）	未在摘要中明确指定样本数量	未在摘要中指定	LSTM, BiLSTM, Transformer	均方根误差（RMSE）, R平方（R2）	未在摘要中指定
1054	2026-08-24	An explainable deep learning model classifies eight categories of pigmented skin lesions on clinical photographs: A multicenter retrospective internal validation study in Japan 2026-Oct, JAAD international DOI:10.1016/j.jdin.2026.07.002 PMID:42633241	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1055	2026-08-24	Deep learning of CT imaging predicts PD-L1 expression and immunotherapy response in metastatic NSCLC: A multi-center study 2026-Sep-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2026.218687 PMID:42314966	研究论文	开发并验证了一种基于CT影像的深度学习模型SCENT，用于非侵入性预测转移性非小细胞肺癌患者的PD-L1状态和免疫治疗反应	提出可扩展集成变压器（SCENT）模型，基于CT影像非侵入性预测PD-L1状态，并在外部多中心队列中验证其泛化性	纵向使用需要前瞻性验证，且部分数据集缺乏配对治疗后组织确认	开发一种无创、可推广的CT影像深度学习模型，预测PD-L1状态和免疫治疗结果	转移性非小细胞肺癌（NSCLC）患者	医学影像分析	非小细胞肺癌	CT成像	深度学习方法（特别提及Transformer）	CT影像	972名来自MD Anderson的IV期NSCLC患者；外部验证包括Mayo Clinic（72例）和LONESTAR试验（116例）	NA	Transformer	AUC、特异性、敏感性、风险比（HR）	NA
1056	2026-08-24	Artificial intelligence in forensic science: a systematic review. Part I: personal identification 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03855-5 PMID:42236556	系统性综述	对人工智能在法医个人识别中的应用进行系统性回顾，涵盖性别估计、人类识别、祖先估计和亲缘分析等任务，并评估其性能与方法学特征	首次按照PRISMA指南系统性地综述了AI在法医个人识别中的各类应用，并对性能指标进行汇总分析	方法学异质性、人群特异性数据集以及外部验证有限	综合评估AI在法医个人识别中的应用、方法学特征及性能表现	法医个人识别相关的研究，包括性别估计、人类识别、祖先估计和亲缘验证	数字病理学	不适用	计算机断层扫描和放射影像	深度学习模型和传统机器学习模型	图像数据	89项研究	不适用	不适用	准确率	不适用
1057	2026-08-24	An augmentation-enhanced transformer model for forensic identification using panoramic dental x-rays 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03852-8 PMID:42246972	研究论文	提出了一种基于增强变换器的模型DentID-Net，用于通过全景牙科X光片进行法医身份鉴定	创新性地结合了形态学增强方法（DentAug-Min）、双分支编码器（卷积与变换器）以及基于胶囊的身份匹配器（IDMatch-Caps），以应对数据不足和死后变化问题	未在摘要中明确提及局限性	开发一种自动、准确的法医牙科身份鉴定系统，适用于活体和死者	全景牙科X光片	计算机视觉	不适用	X光成像	变换器、卷积神经网络、胶囊网络	图像	未在摘要中明确提及	未在摘要中明确提及	双分支编码器（卷积与变换器）、胶囊网络	准确率、特异性、AUC	未在摘要中明确提及
1058	2026-08-24	Next-generation bloodstain pattern analysis: methodological gaps, digital advances, and forensic admissibility 2026-Sep, Legal medicine (Tokyo, Japan) DOI:10.1016/j.legalmed.2026.102937 PMID:42526128	综述	本文批判性评估了血迹形态分析从传统经验性方法向现代计算技术（如3D激光扫描、地面LiDAR和AI计算机视觉模型）演变的轨迹，并针对方法碎片化、数据集偏差和缺乏多变量基板验证等挑战，提出了融合人类专家推理与物理动力学约束算法的混合法医范式。	提出混合法医范式，结合人类专家推理与物理动力学约束算法，以弥合传统经验方法与现代计算技术之间的差距；强调了在Daubert标准下建立误差传播模型和似然比贝叶斯推断模型的需求。	现有自动化软件和深度学习网络在操作整合中受到方法碎片化、数据集偏差及缺乏多变量基板验证的限制；法律可采性上缺乏误差传播建模。	旨在通过提出定量框架（如似然比贝叶斯推断模型和标准化倡议）来提高血迹形态分析在法庭科学中的可靠性和可采性，并指导未来研究方向。	血迹形态分析及其相关工具和技术，包括传统宏观检查、3D激光扫描、地面LiDAR、AI驱动的计算机视觉模型和自动化软件平台。	计算机视觉	NA	3D激光扫描、地面LiDAR、人工智能计算机视觉模型、深度学习和统计分析	深度学习网络	图像、点云数据、数值数据	NA	NA	NA	可复现性、分类速度、误差传播建模	NA
1059	2026-08-24	Artificial intelligence in forensic science: a systematic review. Part II: long-range postmortem interval estimation 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03856-4 PMID:42277392	系统综述	本系统综述评估了人工智能和机器学习技术在法医学中用于长期死后间隔（PMI）估计的当前证据，总结了64项研究的方法和性能。	采用PRISMA 2020指南进行系统评价，涵盖了多种数据模态（如微生物组、代谢组学、蛋白质组学和影像）的AI模型，并比较了它们的预测性能。	现有证据受限于方法异质性、数据集规模小和缺乏外部验证，限制了结果的普遍适用性。	评估AI和机器学习模型在PMI估计中的应用现状，并指出未来研究方向，以改善法医学中PMI预测的准确性和客观性。	法医学中的死后间隔（PMI）估计模型，涉及微生物组、代谢组学、蛋白质组学和影像数据。	机器学习	不适用	微生物组测序、代谢组学分析、蛋白质组学分析、影像分析	随机森林、深度学习模型	微生物数据、代谢数据、蛋白质数据、影像数据	64项研究（根据纳入标准）	不适用	随机森林、其他机器学习架构（具体未详述）	准确率、预测误差（具体指标未详述）	不适用
1060	2026-08-24	IBS-CNN: a novel computer vision-based kinship classification model for high-density SNP microarray 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03874-2 PMID:42319452	研究论文	提出了一种基于计算机视觉的IBS-CNN模型，用于高密度SNP微阵列数据的亲缘关系分类，在中国人群中验证了其有效性。	创新性地将计算机视觉与同一性状态（IBS）理论结合，通过将配对SNP基因型按IBS状态进行颜色编码生成热图，并利用CNN进行图像识别，直接处理VCF文件转换的图像，对数据异质性具有更强的鲁棒性。	未明确提及局限性，但可能包括模型依赖特定人群（汉族）数据、实验验证样本规模有限，以及需进一步评估在不同人群和更复杂亲缘关系中的泛化能力。	探索基于机器学习（ML）和深度学习（DL）的亲缘关系分类新策略，以解决法医系谱学在中国人群应用中面临的挑战。	第一至五度亲属关系对及无关个体，包括模拟数据（70,000对）和19个家系的汉族志愿者实验验证数据。	计算机视觉	不适用	高密度SNP微阵列（Infinium Asian Screening Array）	CNN	图像（IBS热图），由SNP基因型数据转换而来	70,000对模拟亲属/无关个体，以及来自19个家系的汉族志愿者数据（包括所有亲缘等级对应的亲属对和无关个体）	未明确提及，但可能与深度学习框架相关（如TensorFlow或PyTorch）	CNN（具体架构未指定，可能为自定义或常见架构如ResNet、VGG等）	准确率	未明确提及，但可能使用GPU（如NVIDIA）进行训练