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
1361	2026-09-21	Benchmarking explanation methods for mental state decoding with deep learning models 2023-06, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120109 PMID:37059157	研究论文	本文对多种解释方法在深度学习模型进行心理状态解码时的表现进行了基准测试，使用多个fMRI数据集进行分析	首次全面基准测试了多种解释方法在心理状态解码中的忠实性与与其他经验证据的一致性之间的权衡关系	研究仅限于fMRI数据，未探索其他神经影像模态；解释方法的评估依赖于特定数据集和模型	评估和比较不同解释方法在深度学习模型心理状态解码中的表现，为神经影像研究者提供选择解释方法的指导	多个功能磁共振成像数据集中的心理状态解码任务	机器学习	NA	功能磁共振成像	深度学习模型	图像	多个功能磁共振成像数据集	NA	NA	忠实性，与其他经验证据的一致性	NA
1362	2026-09-21	Three-Dimensional Craniofacial Landmark Detection in Series of CT Slices Using Multi-Phased Regression Networks 2023-Jun-01, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13111930 PMID:37296782	研究论文	本文开发了一个多阶段深度学习网络系统，用于自动预测颅面标志点的三维坐标值，通过粗检测和逐步缩小检测区域来提高精度。	提出了多阶段回归网络，先进行粗检测再逐步缩小检测区域，以应对内存和计算限制。	未明确提及	自动检测颅面标志点，以带来医学和人类学益处。	颅面区域的CT图像，重建为三维对象。	计算机视觉	NA	CT	深度学习回归网络	图像	120个CT数据集（90训练，30测试）	NA	NA	3D误差（像素）	NA
1363	2026-09-21	Dynamic learning for imbalanced data in learning chest X-ray and CT images 2023-Jun, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e16807 PMID:37313141	研究论文	该文章提出了一种针对胸部X光与CT图像中类别不平衡问题的动态学习技术（3PDL）和并行CNN模型（HFF），用于肺部疾病的检测与分类	提出3-Phase动态学习（3PDL）算法解决类别不平衡问题，并结合混合特征融合（HFF）的并行CNN模型处理多模态图像，实现了高精度和泛化能力	未明确说明，可能受限于有限注释数据集及类别不平衡场景，且未提及模型在更广泛疾病或数据集上的验证	解决深度学习在胸部X光和CT图像分析中因数据不平衡导致的分类困难，提高肺部疾病检测的准确性和泛化能力	胸部X光图像和CT图像	计算机视觉	肺癌	深度学习	CNN, SVM	图像	NA	NA	CNN, 支持向量机	F1分数, 精确率	NA
1364	2026-09-21	An open database of computed bulk ternary transition metal dichalcogenides 2023-05-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-023-02103-4 PMID:37253748	研究论文	通过平面波密度泛函理论计算，构建了块体三元过渡金属二硫属化物的结构弛豫数据集	构建了包含多种过渡金属和硫属元素组合的块体三元TMDs的DFT数据集，生成了大量结构弛豫构型，可用于机器学习和深度学习模型训练	摘要中未明确提及局限性	为机器学习和深度学习模型生成训练集，并获得不同化学计量比下的结构最小值以支持未来电子分析	块体三元过渡金属二硫属化物	材料科学	NA	DFT	NA	VASP XML文件，ASE数据库	672种独特的化学计量比，50337个单独构型	VASP，ASE	NA	NA	NA
1365	2026-09-21	Dispersal inference from population genetic variation using a convolutional neural network 2023-05-26, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyad068 PMID:37052957	研究论文	使用卷积神经网络从群体遗传变异数据中推断平均每代扩散距离	首次使用深度学习从SNP数据中推断扩散距离，无需地理坐标，仅需SNP数据和采样空间尺度，且在小样本量下表现优于或相当于现有方法	未提及	开发一种从遗传变异数据中推断扩散距离的工具	12个不同物种的群体遗传数据	机器学习	NA	SNP基因分型	CNN	基因型数据	12个物种的公开数据	NA	卷积神经网络	NA	NA
1366	2026-09-21	Neural Network Models for Sequence-Based TCR and HLA Association Prediction 2023-May-26, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.25.542327 PMID:37293077	研究论文	本文提出了一种名为DePTH的神经网络方法，基于氨基酸序列预测T细胞受体（TCR）与人类白细胞抗原（HLA）的关联，并利用该模型量化HLA等位基因的功能相似性，发现这些相似性与接受免疫检查点阻断治疗的癌症患者的生存结果相关	首次提出基于序列的神经网络模型DePTH用于预测TCR-HLA关联，并创新性地将预测的HLA功能相似性应用于免疫检查点治疗预后分析	摘要中未明确提及研究局限性	基于氨基酸序列预测TCR与HLA的关联，并探索其在量化HLA功能相似性及癌症免疫治疗预后中的潜在应用	T细胞受体（TCR）和人类白细胞抗原（HLA）的氨基酸序列	机器学习	肺癌	深度学习	神经网络	序列	摘要中未提供具体样本量	NA	NA	NA	NA
1367	2026-09-21	Transfer learning based cascaded deep learning network and mask recognition for COVID-19 2023-May-26, World wide web IF:2.7Q2 DOI:10.1007/s11280-023-01149-z PMID:37361139	研究论文	本文提出了一种基于迁移学习的级联深度学习网络，并设计了口罩识别系统，用于检测行人是否佩戴口罩及口罩类型	基于轻量级网络MobilenetV3，通过修改激活函数和模型结构得到两个适合级联的MobilenetV3网络，并与多任务卷积神经网络级联，结合迁移学习降低计算量，分类准确率提升7%	未明确说明数据集的多样性、模型的泛化能力以及在实际场景中的部署效果	设计一种能够检测行人是否佩戴口罩以及口罩类型的口罩识别系统	公共场所行人的面部图像及口罩类型	计算机视觉	COVID-19	深度学习，迁移学习	CNN	图像	NA	NA	MobilenetV3, 多任务卷积神经网络	准确率	NA
1368	2026-09-21	DELMEP: a deep learning algorithm for automated annotation of motor evoked potential latencies 2023-05-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-34801-9 PMID:37217502	研究论文	本文开发了一种基于深度学习的算法DELMEP，用于自动估计运动诱发电位的潜伏期	提出了首个基于深度学习的MEP潜伏期自动估计算法，准确度高且计算成本低，可适用于实时和闭环脑刺激协议	未明确说明算法的泛化能力、对不同数据集的适应性以及临床验证的规模	开发一种自动、准确的算法来估计MEP潜伏期，以替代耗时且易出错的人工视觉检查	经颅磁刺激产生的运动诱发电位	机器学习	NA	经颅磁刺激	CNN	信号	NA	NA	NA	平均绝对误差	NA
1369	2026-09-21	GARCHNet: Value-at-Risk Forecasting with GARCH Models Based on Neural Networks 2023-May-22, Computational economics IF:1.9Q2 DOI:10.1007/s10614-023-10390-7 PMID:37362594	研究论文	本文提出了一种新的GARCH模型规范GARCHNet，将LSTM神经网络与GARCH模型中的最大似然估计相结合，用于条件方差建模和风险价值预测	将LSTM神经网络架构与GARCH模型的最大似然估计相结合，提出了一种非线性条件方差建模方法，能够更好地描述金融数据中的非线性关系，并支持正态分布、t分布和偏t分布	论文未具体说明计算复杂度和训练时间等实际应用限制，仅提供了一些进一步发展的方向	提出一种基于LSTM神经网络的非线性GARCH模型，以改进条件方差的建模和风险价值预测的准确性	WIG 20（华沙证券交易所指数）、S&P 500（标准普尔500指数）和FTSE 100（富时100指数）的对数收益率	机器学习	NA	NA	LSTM, GARCH	数值数据（金融时间序列）	WIG 20、S&P 500和FTSE 100指数在2005年至2021年间四个不同时间段的对数收益率数据	NA	LSTM	NA	NA
1370	2026-09-21	A systematic review of biologically-informed deep learning models for cancer: fundamental trends for encoding and interpreting oncology data 2023-May-15, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-023-05262-8 PMID:37189058	系统综述	本文系统综述了用于癌症生物学推断的深度学习模型，重点关注多组学分析，探讨了模型如何整合先验生物知识、生物合理性和可解释性	提出了以生物为中心的可解释性概念，并对该概念进行了分类学讨论，强调了将先验知识编码与可解释性提升相融合的趋势	仅检索和分析了42项研究，可能未覆盖所有相关文献；综述本身未进行新的实验验证	系统回顾用于癌症生物学的深度学习模型，特别是多组学分析中的模型，关注其如何整合先验知识、生物合理性和可解释性	42项关于癌症深度学习模型的研究，重点关注多组学分析、生物学知识编码和可解释性方法	机器学习, 数字病理学	肺癌, 前列腺癌, 心血管疾病, 老年疾病	NA	NA	文本	42项研究	NA	NA	NA	NA
1371	2026-09-21	Deep versus Handcrafted Tensor Radiomics Features: Prediction of Survival in Head and Neck Cancer Using Machine Learning and Fusion Techniques 2023-May-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13101696 PMID:37238180	研究论文	该研究比较了深度张量放射组学特征与传统手工放射组学特征在头颈癌生存预测中的性能，并探索了多种图像融合技术和机器学习方法	首次将张量深度特征（tensor DF）应用于头颈癌生存预测，并结合多种图像级融合技术（如DTCWT）和机器学习分类器，展示了张量深度特征相对于传统放射组学特征和端到端CNN的优越性能	研究仅使用了408例头颈癌患者数据，样本量相对有限，且未在其他独立数据集上验证泛化能力	比较深度特征与传统手工放射组学特征在头颈癌无进展生存结局预测中的性能，并探索张量放射组学范式的附加价值	408例头颈癌患者的PET和CT影像数据	数字病理学, 计算机视觉	头颈癌	PET-CT图像融合, 放射组学特征提取, 深度学习特征提取	CNN, 3D自编码器, MLP, 随机森林, 逻辑回归	图像	408例头颈癌患者的PET和CT影像	NA	3D自编码器, CNN, MLP	准确率	NA
1372	2026-09-21	Attention-Based Deep Learning System for Classification of Breast Lesions-Multimodal, Weakly Supervised Approach 2023-May-10, Cancers IF:4.5Q1 DOI:10.3390/cancers15102704 PMID:37345041	研究论文	本文提出了一种基于弱监督聚类约束注意力多实例学习（CLAM）分类器的深度学习系统，用于乳腺病变的分类，并在私有数据集和中国乳腺X线数据库上进行了评估	采用弱监督CLAM分类器在数据稀缺情况下有效训练，并使用多模态视图（CC和MLO图像同时）进行分类，提供了注意力图以增强可解释性	未明确提及	利用深度学习自动化系统辅助乳腺X线筛查的早期诊断	乳腺病变（癌症和非癌症）的乳腺X线图像	医学图像分析	乳腺癌	乳腺X线摄影	聚类约束注意力多实例学习（CLAM）	图像	私有数据集包含1174张非癌症和794张癌症图像（图像级标签，病理确认）；中国乳腺X线数据库（样本量未明确）	NA	ResNet-18, ResNet-34, ResNet-50, EfficientNet-B0	AUC-ROC, F1-score, 准确率, 精确率, 召回率	NA
1373	2026-09-21	Protein structure prediction with energy minimization and deep learning approaches 2023-May-08, Natural computing IF:1.7Q2 DOI:10.1007/s11047-023-09943-4 PMID:37363286	研究论文	本文讨论了从头蛋白质结构预测的两种替代方法的优势和问题：基于深度学习的方法和基于能量最小化的方法	结合差分进化与片段替换技术的模因算法，并引入小生境进化搜索，提出两种方法集成的可能性	未明确提及局限性	讨论从头蛋白质结构预测的两种替代方法的优势和问题，并提出集成可能性	不同蛋白质	计算生物学	NA	从头蛋白质结构预测，能量最小化，深度学习	深度学习模型，差分进化，片段替换	蛋白质结构数据	NA	NA	NA	NA	NA
1374	2026-09-21	In silico evolution of protein binders with deep learning models for structure prediction and sequence design 2023-May-03, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.03.539278 PMID:37205527	研究论文	本文测试了一种蛋白质设计流程，使用基于深度学习的结构预测和序列优化迭代设计针对PD-L1拮抗剂的自身抑制域，以创建可被蛋白酶条件激活的掩蔽形式	使用深度学习模型进行迭代结构预测和序列优化，无需实验亲和力成熟即可快速生成高亲和力蛋白质结合剂，并创建可条件激活的自身抑制形式	设计的自身抑制域数量有限（23个），需要进一步实验验证和优化，未进行广泛的筛选和成熟	设计高亲和力蛋白质结合剂，特别是针对PD-L1拮抗剂的自身抑制域	PD-L1拮抗剂和设计的自身抑制域	机器学习	癌症	深度学习、结构预测、序列设计	AlphaFold2, ProteinMPNN	蛋白质序列和结构数据	23个设计的自身抑制域	NA	AlphaFold2, ProteinMPNN	平衡解离常数（Kd）	NA
1375	2026-09-21	Denoising digital breast tomosynthesis projections using deep learning with synthetic data as training set 2023-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.3.034001 PMID:37223635	研究论文	本文提出使用软件生成的合成数据训练深度神经网络，以对数字乳腺断层摄影投影进行去噪。	使用合成数据（虚拟DBT投影和基于噪声模型合成的噪声图像）训练DNN来去噪真实DBT数据，并利用t-SNE验证合成噪声与真实噪声是否处于同一样本空间。	研究依赖于合成数据的质量以及噪声模型的准确性，可能无法完全覆盖真实DBT数据的全部噪声变化。	解决训练DNN去噪DBT投影时缺乏合适训练数据的问题。	数字乳腺断层摄影（DBT）投影图像。	计算机视觉	乳腺癌	DBT成像，合成数据生成，OpenVCT，t-SNE降维	深度神经网络（DNN）	图像	NA	NA	NA	PSNR, SSIM	NA
1376	2026-09-21	Influence of Data Distribution on Federated Learning Performance in Tumor Segmentation 2023-May, Radiology. Artificial intelligence DOI:10.1148/ryai.220082 PMID:37293342	研究论文	本文研究了数据分布差异与联邦深度学习算法在肿瘤分割性能之间的相关性	本文首次系统地量化了数据分布差异并通过多种距离度量方法分析了其对联邦深度学习模型在肿瘤分割任务中性能的影响	研究仅使用了两个数据集（肝脏CT和大脑MRI），样本类型有限，未涵盖其他类型的肿瘤或成像模态	探讨数据分布差异与联邦深度学习算法在CT和MR图像肿瘤分割中的性能之间的相关性	肝脏肿瘤CT图像数据集（FILTS）和大脑肿瘤MR图像数据集（FeTS）	医学图像分割	肝癌, 脑癌	联邦深度学习	CNN	图像	总共1943个扫描（692个肝脏CT扫描，1251个脑部MR扫描）	NA	nnU-Net	Dice系数比率	NA
1377	2026-09-21	Smart brain tumor diagnosis system utilizing deep convolutional neural networks 2023-Apr-28, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-023-15422-w PMID:37362644	研究论文	本研究开发了一种基于深度卷积神经网络（CNN）的脑肿瘤诊断系统，采用改进的EfficientNetv2s架构，并与多种先进深度学习架构进行了性能对比	采用Ranger优化器和广泛预处理改进EfficientNetv2s架构，在脑肿瘤分类任务上取得了优异的性能	未明确说明（摘要中未提及）	利用计算机辅助智能系统辅助医生进行脑肿瘤的早期诊断	脑肿瘤MRI图像	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	未明确说明（摘要中未提及具体样本量）	NA	EfficientNetv2s, ResNet18, ResNet200d, InceptionV4	准确率, AUC, 精确率, 召回率, F1分数	NA
1378	2026-09-21	Sample-to-answer platform for the clinical evaluation of COVID-19 using a deep learning-assisted smartphone-based assay 2023-04-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-38104-5 PMID:37095107	研究论文	该论文提出了一种基于深度学习的智能手机侧向层析检测（SMART-LFA）平台，用于提高COVID-19检测的准确性	结合深度学习与智能手机，通过两步算法实现免孵育的现场检测，在低滴度样本中保持高准确性	未在摘要中明确提及	开发一种准确、高灵敏度的COVID-19检测方法，以改善患者护理和公共卫生	COVID-19临床样本和智能手机应用测试数据	机器学习	COVID-19	侧向层析检测	深度学习	图像	1500个临床数据，135个智能手机应用测试	NA	NA	准确率	NA
1379	2026-09-21	Systematic comparison of multi-omics survival models reveals a widespread lack of noise resistance 2023-04-24, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2023.100461 PMID:37159669	研究论文	系统比较了八种深度学习与四种统计多组学整合方法在17个数据集上的生存预测表现，重点关注准确性与抗噪性	首次在大规模多组学数据集上系统评估并比较多种整合方法的抗噪能力，揭示了现有方法普遍缺乏抗噪性的问题	未提出新的抗噪模型，仅对现有方法进行比较；当模态数量过多时，所有方法均难以有效处理噪声	比较多组学生存模型在整体准确性和抗噪性方面的性能，探讨多组学整合是否总能提升模型表现	17个多组学癌症数据集（涵盖多种癌症类型）	机器学习	癌症（多癌种）	多组学整合分析	深度学习, 统计模型	多组学数据（基因组、转录组、表观组等）	17个多组学数据集（具体样本量未明确说明）	NA	NA	整体准确性, 区分度, 校准度, 抗噪性	NA
1380	2026-09-21	Improving the Detection of Epidemic Clones in Candida parapsilosis Outbreaks by Combining MALDI-TOF Mass Spectrometry and Deep Learning Approaches 2023-Apr-20, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms11041071 PMID:37110493	研究论文	本研究将MALDI-TOF质谱与深度学习相结合，用于识别住院暴发中传播的近平滑念珠菌流行克隆，并评估了培养时间、培养基和质谱仪等制备参数对分类器性能的影响	首次将深度学习应用于MALDI-TOF质谱光谱的分类，以区分近平滑念珠菌暴发中的流行克隆株与非克隆株；系统评估了培养时间、培养基类型和质谱仪差异等制备参数对深度神经网络分类性能的影响；发现将不同培养时间的光谱纳入训练步骤可恢复预测准确性；提出在预处理阶段加入光谱对齐步骤可显著改善因设备差异导致的性能下降	样本量相对较小（仅95株分离株）；研究仅限于两家巴黎医院的暴发场景，外部推广性有待验证；深度学习模型对培养条件和设备差异高度敏感，需要严格控制实验参数才能获得可靠结果；未与其他克隆分型方法（如全基因组测序或微卫星分析）进行直接比较	利用深度学习对MALDI-TOF质谱常规鉴定中获得的光谱进行分类，以区分属于流行克隆的分离株与其他分离株，并评估光谱制备参数对分类器性能的影响	近平滑念珠菌（Candida parapsilosis）临床分离株，包括39株属于克隆亚群的氟康唑耐药分离株和56株同期收集的大多数氟康唑敏感且不属于克隆亚群的分离株	数字病理学, 机器学习	真菌感染, 院内感染	MALDI-TOF质谱	深度神经网络	质谱光谱数据	95株近平滑念珠菌临床分离株（39株克隆亚群分离株和56株非克隆亚群分离株），在4台不同质谱仪上、3种不同培养基中培养24或48小时后获得光谱	NA	深度神经网络	准确率	NA