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
10701	2026-05-17	Artificial Intelligence-Assisted Visualized Microspheres for Biochemical Analysis: From Encoding to Decoding 2025-08-19, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.5c00396 PMID:40748254	综述	总结课题组在人工智能辅助可视化微球用于生物化学分析方面的研究，重点介绍从编码到解码的策略与生化传感平台	系统整合了基于微球编码与人工智能解码的新型生物传感策略，涵盖多色/多尺寸微球编码、定制化高速解码算法（如计算机视觉、机器学习、深度学习）以及便携式成像设备，实现多重靶标快速灵敏检测	未明确讨论当前微球编码容量限制、算法泛化性及实际应用中的干扰因素	开发并优化人工智能辅助的可视化微球生物传感系统，实现快速、灵敏、多重靶标检测	蛋白质、细菌、病毒、抗生素等生化分析靶标	计算机视觉	NA	荧光微球编码、光学成像、生物识别分子修饰	CNN, LSTM, GAN	图像	NA	PyTorch, TensorFlow	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	准确率、精确率、召回率、F1分数、AUC、Dice系数	NVIDIA RTX 3090, V100, A100
10702	2026-05-17	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-08, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	meta分析	系统综述和荟萃分析关于眼动追踪与人工智能在痴呆检测中的交叉研究	首次系统评估眼动追踪与人工智能结合在痴呆检测中的性能，并进行了元分析	纳入研究数量有限，样本量较小，缺乏标准化指南，未涵盖所有痴呆类型	评估眼动追踪与人工智能在痴呆检测中的有效性	痴呆患者和健康对照者的眼动行为数据	机器学习	阿尔茨海默病	眼动追踪	机器学习模型, 深度学习模型	眼动数据	57至583名参与者	NA	NA	准确率, 灵敏度, 特异度	NA
10703	2026-05-17	Drawing as a means to characterize memory and cognition 2025-01, Memory & cognition IF:2.2Q2 DOI:10.3758/s13421-024-01618-4 PMID:39192141	评论	本文介绍绘画作为研究记忆和认知的工具，并概述了特刊中25项前沿研究，涉及不同人群和认知过程	将绘画作为表征记忆和认知的多功能工具，整合了多种认知过程，并采用心理物理实验、深度学习和神经成像等跨学科方法	特刊文章可能存在样本多样性限制，且绘画作为工具的解释范围有限，未详细讨论具体方法的局限性	探讨绘画如何用于揭示记忆、注意力、数学推理等认知机制	儿童、年轻人、老年人以及盲人、顺行性遗忘症、失用症和语义性痴呆等特殊人群	自然语言处理	老年性疾病	NA	深度学习	图像	多种人群，具体样本量未说明	NA	NA	NA	NA
10704	2026-05-17	Construction of a Multi-View Deep Learning Model for the Severity Classification of Acute Pancreatitis 2025-01, Discovery medicine IF:2.0Q3 DOI:10.24976/Discov.Med.202537192.7 PMID:39851225	研究论文	利用多视图深度学习模型，结合临床数据和CT图像，对急性胰腺炎严重程度进行分类预测	首次构建多视图深度学习模型，融合人口统计学信息、生命体征、实验室指标和CT图像两种数据，用于AP严重程度分类，优于传统单一数据模型	NA	建立更准确、数据兼容的急性胰腺炎严重程度预测方法	新入院急性胰腺炎患者的最终严重程度分类	计算机视觉, 机器学习	急性胰腺炎	深度学习	DNN, CNN	图像, 文本	NA	NA	DNN, CNN	准确率, 95%置信区间	NA
10705	2026-05-17	Post-translational modifications of proteins in cardiovascular diseases examined by proteomic approaches 2025-01, The FEBS journal DOI:10.1111/febs.17108 PMID:38440918	综述	总结基于质谱的蛋白质组学方法在心血管疾病蛋白质翻译后修饰研究中的应用	概述了基于质谱的蛋白质组学方法在心血管疾病PTM研究中的最新进展，包括机器学习与深度学习在PTM位点预测中的应用	未详细讨论特定PTM类型的功能机制或临床转化挑战	综述基于质谱的蛋白质组学在心血管疾病PTM研究中的方法与应用	心血管疾病相关的蛋白质翻译后修饰（PTM）	蛋白质组学	心血管疾病	质谱（MS）	机器学习、深度学习	蛋白质组学数据	NA	NA	NA	NA	NA
10706	2025-05-03	The Updated Registry of Fast Myocardial Perfusion Imaging with Next-Generation SPECT (REFINE SPECT 2.0) 2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268292 PMID:39362762	研究论文	介绍了更新后的REFINE SPECT 2.0注册表，包括更多患者和CT衰减校正成像的设计和初步结果	扩展了REFINE SPECT注册表，增加了CT衰减校正成像，并利用深度学习软件检测冠状动脉钙化	仅8.4%的患者有侵入性冠状动脉造影相关数据	评估SPECT心肌灌注成像的价值，验证新的人工智能工具在多模态成像中预测不良结局的效果	45,252名患者的心肌灌注成像数据	数字病理学	心血管疾病	SPECT, CT衰减校正成像, 深度学习	深度学习	图像	45,252名患者来自13个中心	NA	NA	NA	NA
10707	2026-05-17	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-10, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	综述人工智能在口腔癌和口腔上皮不典型增生中的应用，旨在开发预测生物标志物	系统回顾了基于人工智能的方法，包括机器学习和深度学习，在预测口腔上皮不典型增生恶变、口腔癌患者死亡率和治疗反应方面的进展	NA	强调基于人工智能的方法在开发预测口腔上皮不典型增生向口腔癌转化或口腔癌患者死亡率和治疗反应预测生物标志物方面的进展	口腔鳞状细胞癌和口腔上皮不典型增生	数字病理学	口腔癌	多重免疫组化、表观基因组学	深度学习	图像	NA	NA	神经网络	NA	NA
10708	2026-05-17	Research progress on prediction of RNA-protein binding sites in the past five years 2024-08, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115535 PMID:38643894	综述	综述过去五年中预测RNA-蛋白质结合位点的计算方法的进展	系统总结了2018-2023年间利用传统机器学习和深度学习的计算方法，包括数据库利用、特征选择与编码、分类算法创新和评估策略	现有计算方法存在局限性，未来发展方向有待探索	总结RNA-蛋白质结合位点预测的计算方法，探讨未来发展方向	RNA-蛋白质结合位点预测方法	机器学习	NA	传统机器学习、深度学习	CNN、LSTM	序列数据	NA	NA	DeepRKE, RDense, DeepDW	NA	NA
10709	2026-05-17	MMDB: Multimodal dual-branch model for multi-functional bioactive peptide prediction 2024-07, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115491 PMID:38460901	研究论文	提出了一种新型多模态双分支轻量级深度学习模型，用于多功能生物活性肽预测	首次在不增加参数的情况下利用多尺度膨胀卷积提取肽序列特征，并设计了双分支结构分别捕获肽序列和结构特性的互补信息	未提及具体局限性	准确检测多功能的复杂和多样化生物活性肽	多功能生物活性肽	机器学习	NA	NA	深度学习	序列和结构数据	NA	NA	多尺度膨胀卷积, Bi-LSTM, 多层卷积	覆盖率, 精确度, 准确率	NA
10710	2026-05-17	PhosAF: An integrated deep learning architecture for predicting protein phosphorylation sites with AlphaFold2 predicted structures 2024-07, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115510 PMID:38513769	研究论文	提出一种集成深度学习架构PhosAF，利用AlphaFold2预测的蛋白结构来预测人类蛋白磷酸化位点	首次将AlphaFold2预测的蛋白结构信息与序列信息集成用于磷酸化位点预测，并提出通过蛋白二级结构构建可靠负样本的新策略	NA	提高磷酸化位点预测的准确性，特别是通过利用蛋白空间结构信息	人类蛋白质磷酸化位点	机器学习	NA	NA	CNN, 多头注意力机制, 深度神经网络	蛋白质序列数据和结构数据	NA	PyTorch	CMA-Net, MFC-Net	精确率, 召回率, F1分数, AUC	NA
10711	2026-05-17	Cerebellar Volume and Disease Staging in Parkinson's Disease: An ENIGMA-PD Study 2023-12, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.29611 PMID:37964373	研究论文	利用ENIGMA-PD全球工作组的大样本MRI数据，量化帕金森病患者不同Hoehn-Yahr分期的小脑各小叶体积变化	首次在大型多中心样本中揭示帕金森病前叶（运动）和后叶（非运动）小脑区域的分离变化，即疾病早期前叶体积增大、晚期后叶体积缩小	NA	探究帕金森病不同疾病分期中小脑区域体积的差异及其与运动和非运动功能的关系	帕金森病患者	医学影像分析	帕金森病	磁共振成像	深度学习	三维T1加权结构MRI图像	2487名帕金森病患者和1212名年龄性别匹配的对照组，来自22个中心	NA	NA	Cohen's d效应量	NA
10712	2026-05-17	At-home wireless sleep monitoring patches for the clinical assessment of sleep quality and sleep apnea 2023-05-24, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adg9671 PMID:37224243	研究论文	本文报告了一种家用无线睡眠监测贴片系统，用于临床评估睡眠质量和睡眠呼吸暂停	开发了集成机器学习的无线可穿戴电子设备，实现家庭自然睡眠环境下的睡眠质量评估和睡眠呼吸暂停检测，相比传统多导睡眠监测系统更便携、低负担	NA	开发一种家用、便携的无线睡眠监测系统，用于评估睡眠质量和检测睡眠呼吸暂停	睡眠障碍患者和健康对照者	机器学习	睡眠呼吸暂停	机器学习	深度学习	脑电、眼电、肌电信号	NA	NA	NA	准确率	NA
10713	2026-05-17	Image Quality Classification for Automated Visual Evaluation of Cervical Precancer 2022-Sep, Medical image learning with limited and noisy data : first international workshop, MILLanD 2022, held in conjunction with MICCAI 2022, Singapore, September 22, 2022, proceedings. MILLanD (Workshop) (1st : 2022 : Singapore) DOI:10.1007/978-3-031-16760-7_20 PMID:36315110	研究论文	提出一种深度学习集成框架，用于宫颈癌前病变自动视觉评估的图像质量分类	集成网络框架包含宫颈检测、错误标签识别和质量分类三大模块，自动识别错误标签和模糊图像以提升分类性能	未提及具体局限性	提升宫颈癌前病变自动视觉评估的图像质量分类性能	宫颈癌前病变筛查中的宫颈图像	计算机视觉	宫颈癌	NA	深度学习集成框架	图像	来自全球不同机构、设备和地区的14,183名患者的87,420张图像	NA	集成网络（包含宫颈检测网络、错误标签识别网络和质量分类网络）	准确率	NA
10714	2026-05-17	Improved 3D tumour definition and quantification of uptake in simulated lung tumours using deep learning 2022-04-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac65d6 PMID:35395657	研究论文	提出一种深度学习方法来改善肺肿瘤PET成像中的放射性示踪剂摄取量化和肿瘤形状定义	使用模拟肿瘤生成真实PET原始数据，训练3D卷积神经网络以恢复肿瘤形状和改进摄取估计，且模型对采用不同点扩散函数的重建PET数据具有泛化能力	NA	提高肺肿瘤放射性示踪剂摄取的量化准确性和肿瘤形状定义	模拟肺肿瘤及其在PET图像中的放射性示踪剂分布	数字病理学	肺癌	PET成像	3D卷积神经网络	图像	模拟肿瘤，具有不同大小和活性分布，放置于拟人模型左肺	NA	3D卷积神经网络	肿瘤最大和中等活性估计	NA
10715	2026-05-17	Retinal optical coherence tomography image enhancement via deep learning 2018-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.9.006205 PMID:31065423	研究论文	引入基于深度学习的视网膜光学相干断层扫描图像增强方法，有效降低散斑噪声并提高图像质量	提出两种网络版本（基于均方误差的CNN和基于Wasserstein距离与感知相似性的GAN），满足不同用户需求，并在定量和定性指标上取得优异效果	训练数据仅来自健康眼睛，对青光眼等病变眼睛的泛化能力有待进一步验证	开发一种基于深度学习的视网膜OCT图像去噪方法，改善图像质量并辅助层分割	OCT图像，包括健康眼睛和青光眼眼睛的横截面	计算机视觉	青光眼	光学相干断层扫描（OCT）	卷积神经网络（CNN）和生成对抗网络（GAN）	图像	NA	PyTorch	CNN和GAN（含Wasserstein距离与感知相似性）	PSNR, SSIM, 准确率, 清晰度, 个人偏好	NA
10716	2026-05-16	Physics-aware imaging AI for quantitative MASLD biomarker mapping: a systematic review of deep learning and radiomics across ultrasound, CT, and MRI 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05317-9 PMID:41291295	综述	系统综述了物理感知人工智能在MASLD量化生物标志物成像中的应用，涵盖超声、CT和MRI的深度学习和影像组学方法	首次聚焦物理感知AI在MASLD/MASH多模态成像中的应用，强调物理先验与AI结合的自动化定量映射方法比较	缺少标准化纵向评估流程和多厂商数据统一化验证，MASLD特异性纤维化验证不足	评估物理感知AI在MASLD/MASH医学成像中用于定量生物标志物映射的研究现状和部署准备度	代谢功能障碍相关脂肪性肝病及其进展形式MASH的医学影像数据	数字病理学	肝病	MRI, CT, 超声	深度学习, 影像组学	影像	33项研究纳入分析	NA	领域自适应技术	性能指标	NA
10717	2026-05-16	Comparative Performance of YOLO Models in the Automated Segmentation of Dental Traumas on Panoramic Radiographs 2026-Jun, Dental traumatology : official publication of International Association for Dental Traumatology IF:2.3Q2 DOI:10.1111/edt.70034 PMID:41305998	研究论文	比较YOLOv8、YOLOv11和YOLOv12三种深度学习模型在儿童全景X光片上自动分割牙科创伤的性能	首次系统比较YOLOv8、YOLOv11和YOLOv12三种最新YOLO模型在牙科创伤分割任务上的表现，发现YOLOv12在硬组织和软组织损伤检测中均表现最佳	人工智能尚未在牙科创伤学中达到完美性能，仍需与专家牙医合作开发以更好地支持临床决策	比较基于人工智能的深度卷积神经网络（YOLOv8、YOLOv11和YOLOv12）在儿童全景X光片上分割牙科损伤的性能	6-13岁有牙科创伤的儿科患者的全景X光片	计算机视觉	牙科创伤	全景X光成像	YOLOv8, YOLOv11, YOLOv12	图像	来自加济安泰普大学牙科学院儿科患者的全景X光片	CranioCatch	YOLOv8, YOLOv11, YOLOv12	AUC, 多类F1分数	NA
10718	2026-05-16	Proof-of-concept: Differentiating upper trapezius muscle with myofascial trigger point using deep learning model on a small prospective sEMG dataset 2026-Jun, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology IF:2.0Q2 DOI:10.1016/j.jelekin.2026.103132 PMID:41818939	研究论文	本研究验证了使用深度学习模型从表面肌电信号中区分肌筋膜触发点的概念	首次证明表面肌电信号单独包含可用于区分肌筋膜触发点的判别信息，并在小样本数据上使用1D卷积神经网络实现高分类性能	样本量小（9名健康对照和13名患者），且未进行大规模验证	探究表面肌电信号是否包含判别信息以识别肌筋膜触发点	健康对照者和肌筋膜疼痛患者的上斜方肌表面肌电信号	机器学习	肌筋膜疼痛综合征	表面肌电信号（sEMG）	1D卷积神经网络（1D CNN）	生物信号数据（表面肌电信号）	22名受试者（9名健康对照和13名患者），共279个收缩段（140个干预前和139个干预后）	NA	1D卷积神经网络	ROC-AUC, 准确率	NA
10719	2026-05-16	Advances in In silico predictive models for DDI prediction: Implications and practical applications in drug discovery 2026-Jun, Drug metabolism and pharmacokinetics IF:2.7Q2 DOI:10.1016/j.dmpk.2026.101532 PMID:41962322	综述	综述了利用机器学习和人工智能预测药物-药物相互作用的最新进展及其在药物发现中的应用	全面总结了基于深度学习的DDI预测算法，并提供了将计算工具整合到现代药物发现工作流中的专家意见	NA	评估和讨论不同DDI类别的计算预测方法及其在药物开发中的实际应用	药物-药物相互作用(DDI)的计算预测模型	机器学习	NA	NA	深度学习	文本, 分子结构数据	NA	NA	NA	NA	NA
10720	2026-05-16	Advancement of an (in vitro/ex vivo) hybrid model framework to forecast polyviral lung disease outcomes 2026-Jun, Journal of investigative medicine : the official publication of the American Federation for Clinical Research IF:2.5Q3 DOI:10.1177/10815589251382266 PMID:40947513	研究论文	开发一种（体外/离体）混合模型框架来预测多病毒性肺部疾病的结果	提出了一个结合体外和离体模型的混合框架，用于预测多病毒性肺部感染的结果	未来研究需要通过整合深度学习和人工智能等先进计算技术来改善预测准确性和可扩展性	推进一个（体外/离体）混合模型框架的发展和应用，以预测多病毒性肺部疾病结果	多病毒性肺部感染结果	机器学习	多病毒性肺部疾病	NA	VGG16、CBRACDC、随机生存森林	图像	NA	Python	VGG16、CBRACDC、随机生存森林	最小成本值	NA