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
121	2026-09-08	Supporting the care to breast cancer patients with unique needs: Evidence from online community members' responses 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105695 PMID:39546951	研究论文	本研究提出了一种唯一性评分提取框架，用于识别在线癌症社区中具有独特健康或非健康话题的帖子，并分析这些帖子的唯一性如何影响社区成员的响应行为	创新性地结合深度学习和计量经济学模型，提出唯一性评分提取框架，首次量化在线社区帖子中健康和非健康话题的唯一性，并分析其对社区响应的影响	研究仅基于在线社区帖子的文本数据，未考虑患者个体差异和社区外部因素，且模型可能受限于特定平台和数据来源	开发一种方法以识别和支持在线癌症社区中讨论独特话题的帖子，增强社区响应和支持策略	在线癌症社区中乳腺癌患者发布的帖子	自然语言处理	乳腺癌	深度学习、自然语言处理	BERTopic模型	文本	未在标题和摘要中提供具体样本数量	PyTorch	BERTopic	未在标题和摘要中提供具体性能指标	未在标题和摘要中提供具体计算资源信息
122	2026-09-08	Machine Learning Techniques to Infer Protein Structure and Function from Sequences: A Comprehensive Review 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_5 PMID:39576576	综述	本文综述了机器学习技术在从蛋白质序列推断其结构和功能中的应用，涵盖主要方法、挑战及最新进展	综合讨论了卷积神经网络和自然语言处理在蛋白质结构预测、残基接触预测、功能注释和亚细胞定位预测中的应用，并强调了最新深度学习架构的进展	未提供具体实验结果，主要讨论挑战包括高质量训练数据集的可用性和模型可解释性	全面概述机器学习在推断蛋白质结构和功能中的重要性及应用	蛋白质序列及其结构和功能的预测	机器学习	NA	NA	卷积神经网络和自然语言处理模型	蛋白质序列数据	NA	NA	卷积神经网络、自然语言处理模型	NA	NA
123	2026-09-08	The Iconic α-Helix: From Pauling to the Present 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_1 PMID:39576572	研究论文	从保罗ing的α-螺旋模型到深度学习预测蛋白质结构的演变历程。	强调深度学习在蛋白质结构预测中的突破性进展。	未提及具体的局限性。	探讨蛋白质结构预测的历史发展，特别是深度学习在该领域的应用。	蛋白质结构预测方法和相关历史发展。	计算机视觉, 机器学习	NA	NA	深度学习, 神经网络	文本	NA	NA	AlphaFold2	NA	NA
124	2026-09-08	LMPTMSite: A Platform for PTM Site Prediction in Proteins Leveraging Transformer-Based Protein Language Models 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4196-5_16 PMID:39576587	研究论文	本文介绍了一种基于Transformer蛋白质语言模型的PTM位点预测平台LMPTMSite，包含pLMSNOSite和LMSuccSite两个工具，分别用于预测S-亚硝基化位点和琥珀酰化位点	利用两种基于Transformer的蛋白质语言模型（pLM）进行序列编码，并展示了其在预测S-亚硝基化和琥珀酰化位点上的优越性，提供了网络服务器和独立软件包	未提及	开发和评估基于蛋白质语言模型的PTM位点预测平台，并展示其在实际生物学场景中的性能和应用	蛋白质中的S-亚硝基化位点和琥珀酰化位点	机器学习, 数字病理学	NA	蛋白质语言模型（pLM），基于Transformer的深度学习	Transformer	蛋白质序列数据	NA	NA	Transformer	准确性，AUC（推测）	CPU和RAM使用情况分析
125	2026-09-08	CrossViT with ECAP: Enhanced deep learning for jaw lesion classification 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105666 PMID:39492085	研究论文	本研究评估了CrossViT与扩展裁剪和填充（ECAP）技术在颌骨透光性病变分类中的有效性，并与ResNet模型进行比较	首次将CrossViT和ECAP技术应用于牙科放射影像分类，ECAP通过保留上下文的迭代裁剪方法扩展训练数据以提升模型性能	未明确提及局限性	评估CrossViT和ECAP在常见颌骨透光性病变分类中的效果，并与ResNet模型进行比较	208例常见颌骨透光性病变，包括成釉细胞瘤（AM）、含牙囊肿（DC）、牙源性角化囊肿（OKC）和根尖囊肿（RC）	医学影像分析	牙源性颌骨病变	影像学检查（全景X光片或口腔全景摄影）	Transformer（CrossViT）、CNN（ResNet）	图像	208例病变（49例AM，59例DC，48例OKC，54例RC）	NA	CrossViT-15, CrossViT-18, ResNet-50, ResNet-101, ResNet-152	准确率、特异度、精确率、召回率（敏感性）、F1分数、AUC	NA
126	2026-09-08	Deep learning-driven ultrasound equipment quality assessment with ATS-539 phantom data 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105698 PMID:39541619	研究论文	本研究引入一个两阶段深度学习框架，利用ATS-539体模数据客观评估超声设备图像质量，涵盖死区、轴向/横向分辨率和灰度及动态范围三个关键参数	创新点在于开发了一个两阶段深度学习框架，自动化提取感兴趣区域并进行质量评估，结合逻辑回归模型生成总体设备质量评分，提供客观、定量的超声图像质量评估方法	未明确说明局限性	旨在客观评估超声图像质量，减少主观性，实现一致的质量控制和基于评分的设备评估	研究对象为不同超声设备的ATS-539体模图像，以及用于评估的关键图像质量参数	深度学习、医学影像分析	不适用	深度学习（框架）	分类模型、检测模型、逻辑回归模型	超声体模图像	未明确说明，但涉及多个数据集及个别设备的合规图像	未明确提及，可能包含PyTorch或TensorFlow	未明确指定，可能使用CNN等架构	AUC	未明确提及
127	2026-09-08	MRI-based whole-brain elastography and volumetric measurements to predict brain age 2025, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae086 PMID:39902188	研究论文	本文开发了一种基于MRI的全身脑弹性成像和体积测量的机器学习框架，用于预测健康个体的脑年龄	首次结合磁共振弹性成像的力学特性（如剪切刚度）和体积测量，利用3D卷积网络进行多模态脑年龄预测，并强调不同模态的互补价值	未在神经病理个体中验证模型，且局限于健康人群的年龄预测	开发一个机器学习框架，以准确预测健康个体的时间年龄，并可用于未来研究神经发育或神经退行性疾病中的脑结构偏离	健康个体的脑部MRI数据，包括刚度、阻尼比和体积图	机器学习	神经退行性疾病	磁共振弹性成像（MRE）	3D卷积网络	图像（MRI脑部数据）	未提供具体样本数量，但涉及多个受试者的脑部成像数据	未指定，可能使用深度学习框架如PyTorch或TensorFlow	3D卷积网络	准确性（预测脑年龄的准确性）	未提供具体信息
128	2026-09-08	Deep learning bias correction of GEMS tropospheric NO2: A comparative validation of NO2 from GEMS and TROPOMI using Pandora observations 2024-08, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108818 PMID:38878653	研究论文	本研究首次采用深度卷积神经网络对地球静止环境监测光谱仪（GEMS）在对流层NO2柱密度（TCDNO）测量中的偏差进行校正，并通过与Pandora观测及TROPOMI数据的比较验证其效果	创新性地将深度卷积神经网络应用于GEMS TCDNO数据的偏差校正，显著提高了测量准确性	未明确提及限制，但可能包括对Pandora站点地理覆盖的依赖以及模型泛化性的潜在问题	校正GEMS TCDNO数据中的偏差，提高其准确性，并验证深度学习方法的有效性	GEMS和TROPOMI卫星的对流层NO2柱密度数据，以及Pandora地面观测数据	深度学习	NA	卫星遥感	深度卷积神经网络	卫星遥感数据和地面观测数据	Pandora站点数据（具体数量未说明），时间跨度2021-2023年	NA	深度卷积神经网络（具体架构未指定）	相关系数R，一致性指数IOA，平均绝对偏差MAB，平均绝对偏差百分比MABP	NA
129	2026-09-08	High-spatial resolution ground-level ozone in Yunnan, China: A spatiotemporal estimation based on comparative analyses of machine learning models 2024-06-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118609 PMID:38442812	研究论文	本研究比较多种机器学习和深度学习方法，利用3-D CNN模型高精度模拟中国云南省的地面臭氧浓度，生成了2021年日最大8小时平均臭氧数据集。	首次在云南省尺度上比较集成学习与深度学习模型的时间和空间泛化性能，并选用3维卷积神经网络实现高空间分辨率（0.05°×0.05°）的地面臭氧估算。	卫星数据产品缺乏地面臭氧表征，且地面观测不连续，可能导致模型泛化受限。	通过比较多种机器学习模型，开发高精度模型以模拟地面臭氧浓度，评估和提供云南省臭氧污染的时空分布数据。	云南省的地面臭氧浓度（以日最大8小时平均臭氧表示）及其时空分布。	机器学习、环境科学	NA	卫星数据、地面观测数据	3-D CNN、集成学习模型（包括随机森林、梯度提升等，具体未明确）	卫星遥感数据、地面监测站数据（包括气象和地理信息）	云南省范围内2021年的日最大8小时平均臭氧数据，具体样本数量未提及。	NA	3维卷积神经网络（3-D CNN）	决定系数（R）、均方根误差（RMSE）	NA
130	2026-09-08	The greener the living environment, the better the health? Examining the effects of multiple green exposure metrics on physical activity and health among young students 2024-06-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118520 PMID:38401683	研究论文	本研究探讨校园绿色空间多种暴露指标（2D、2.5D、3D及主观指标）对大学生体力活动与健康的影响机制	创新性地开发了从二维（绿地面积）、二维半（绿地可视性）到三维（绿地体积）的系统客观暴露评估框架，结合空间分析、深度学习和无人机测量技术，并考虑校园内不同空间场景	未在摘要中明确提及局限性	解析校园绿色空间暴露与大学生体力活动和健康之间的复杂关系及中介机制，为健康导向的校园绿地规划提供参考	中国南京市820名大学生	环境健康、空间分析	不适用	空间分析、深度学习、无人机测量技术、问卷调查	广义线性模型（GLM）、结构方程模型（SEM）	问卷调查数据、空间数据、无人机影像	820名大学生	NA	NA	NA	NA
131	2026-09-08	Towards development of functional climate-driven early warning systems for climate-sensitive infectious diseases: Statistical models and recommendations 2024-05-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118568 PMID:38417659	综述	本文概述了开发面向气候敏感传染病的气候驱动早期预警系统的方法，重点关注统计模型的适用性与选择，并给出利用时空模型和机器学习技术的建议	系统性地总结了气候驱动早期预警系统开发中统计模型的选择与适用性，结合时空模型和机器学习技术，提出针对未来研究的建议	未明确提及具体局限性，但指出气候-疾病相互作用的复杂性和非线性需要更先进的技术来整合和分析多样数据	探讨如何利用统计建模和先进技术开发气候驱动的传染病早期预警系统，以提高公共卫生应对能力	气候敏感传染病及其与环境、气候因素的关系	机器学习	传染病	NA	时间序列回归模型、时空模型、机器学习、深度学习、神经网络	气候、天气、环境变化数据、疾病发生数据、基于网络的数据	NA	NA	NA	NA	NA
132	2026-09-08	Precise and Rapid Whole-Head Segmentation from Magnetic Resonance Images of Older Adults using Deep Learning 2024-Mar, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00090 PMID:38465203	研究论文	提出一种名为GRACE的深度学习方法，用于老年人MRI全脑分割，精确且快速，支持有限元建模	针对老年人头部结构（如脑萎缩）优化的全脑分割方法，使用迄今最大的手动校正数据集（177例MRI）进行训练和验证	未在论文标题和摘要中明确提及局限性	开发并验证一种适用于老年人T1加权MRI的通用、快速、全面的全脑组织分割方法	老年人头部MRI扫描，涵盖11种组织类型（如白质、灰质、脑脊液等）	深度学习	年龄相关脑疾病	MRI（T1加权）	深度学习，基于3D U-Net的变体	MRI图像	177例手动校正的MRI分割数据	PyTorch	3D U-Net	Hausdorff Distance，平均3秒处理时间	未在标题和摘要中明确提及
133	2026-09-08	Lumpy skin disease diagnosis in cattle: A deep learning approach optimized with RMSProp and MobileNetV2 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302862 PMID:39102387	研究论文	提出一种基于MobileNetV2和RMSProp优化器的深度学习方法，用于牛结节性皮肤病的诊断，准确率达95%	将MobileNetV2与RMSProp优化器结合应用于牛结节性皮肤病诊断，较现有基准提升4-10%的准确率	未在摘要中提及具体限制	开发一种高效的深度学习方法来诊断牛结节性皮肤病，以减少畜牧业损失	牛结节性皮肤病（LSD）的患病和健康牛只图像	计算机视觉	牛结节性皮肤病	深度学习图像分类	MobileNetV2	图像	数据集包含健康牛和患结节性皮肤病牛的图像（具体数量未提及）	NA	MobileNetV2	准确率	NA
134	2026-09-08	PredIL13: Stacking a variety of machine and deep learning methods with ESM-2 language model for identifying IL13-inducing peptides 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0309078 PMID:39172871	研究论文	本文开发了PredIL13，一种结合ESM-2蛋白质语言模型和多种机器学习与深度学习方法的集成学习方法，用于识别IL13诱导肽	首次将ESM-2语言模型与168个单特征模型的堆叠集成，通过迭代基于绝对权重系数的顺序删除方法选择最优模型，构建了预测性能显著优于现有工具的元分类器	未在摘要中提及	提高IL13诱导肽的计算预测能力，以加速发现能诱导IL-13的肽段，辅助COVID-19等相关疾病的研究	IL13诱导肽序列	机器学习	COVID-19	蛋白质语言模型（ESM-2）	集成学习（堆叠泛化）	肽序列	未在摘要中提及	NA	ESM-2, 逻辑回归元分类器	准确性	NA
135	2026-09-08	LERCause: Deep learning approaches for causal sentence identification from nuclear safety reports 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308155 PMID:39172869	研究论文	本文介绍了LERCause数据集，并比较了多种方法（包括BERT模型、机器学习方法和深度学习CNN）用于从核安全报告中识别因果句，其中BioBERT取得了最佳性能	首次在核安全领域应用BERT中心模型进行因果句分类，并公开共享带标签的数据集和代码以促进可重复性研究	NA	为核安全领域的因果句分类提供基础数据集和自动化技术，并评估不同方法的性能	核安全报告中的因果句分类	自然语言处理	NA	NA	BERT, BioBERT, SciBERT, CNN, 逻辑回归, 梯度提升, 支持向量机	文本数据（核事件报告中的句子）	10,608个带注释的句子	NA	BERT, BioBERT, SciBERT, CNN	准确率, 精确率, 召回率, F1分数	NA
136	2026-09-08	A deep learning approach to estimate stress distribution: a fast and accurate surrogate of finite-element analysis 2018-01, Journal of the Royal Society, Interface DOI:10.1098/rsif.2017.0844 PMID:29367242	研究论文	利用深度学习模型作为有限元分析的快速且准确的替代方法，直接估算主动脉壁的应力分布	首次证明深度学习技术可作为有限元分析在应力分析中的快速准确替代方案	NA	开发深度学习模型，直接估计主动脉的应力分布，以绕过硬骨有限元分析的计算过程，为临床提供快速反馈	主动脉壁应力分布	深度学习	心血管疾病	有限元分析	深度学习模型	数值模拟数据	NA	NA	NA	平均误差	NA
137	2026-09-07	Data diversity vs. model complexity in the prediction of pediatric bipolar disorder: Evidence from academic and community clinical samples 2026-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122378 PMID:42600789	研究论文	本研究评估了多种统计与机器学习方法在预测儿童双相障碍中的性能，并比较了三种建模策略，发现训练数据多样性比增加模型复杂度更能提升模型鲁棒性	对比跨数据集验证、带交互项跨数据集验证和合并数据集三种建模策略，系统评估数据多样性与模型复杂度对预测性能的影响	研究主要局限于学术和社区两个数据集，可能限制结论的普遍性；增加模型复杂度未能提升外部性能，但可能受限于数据规模	通过比较不同建模策略和模型复杂度，探索提高儿童双相障碍预测模型泛化能力的方法，强调训练数据多样性对于开发稳健精神科预测模型的重要性	儿童双相障碍患者及其预测模型，涉及学术（N=550）和社区（N=511）临床样本	机器学习	儿童双相障碍	NA	多层感知机、支持向量机、随机森林、K近邻、极端梯度提升、逻辑回归、LASSO	表格数据	学术数据集550例，社区数据集511例，共1061例样本	NA	多层感知机、支持向量机、随机森林、K近邻、极端梯度提升、逻辑回归、LASSO	区分度、校准度、预测因子重要性排序	NA
138	2026-09-07	Multimodal deep learning for detecting current depressive symptom status using wearable time-series data and structural brain MRI in high-risk occupational groups 2026-Dec-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122270 PMID:42501836	研究论文	本研究评估了结合可穿戴时间序列数据和结构脑MRI的多模态深度学习方法，用于识别高风险职业群体（消防员和检察调查员）中当前抑郁症状状态	首次将可穿戴动态行为信号与结构脑MRI的神经解剖信息相结合，通过多模态深度学习识别当前抑郁症状，并应用于高风险职业群体	未明确提及局限性	评估多模态深度学习方法（结合可穿戴数据和结构脑MRI）是否能更客观地识别高风险职业群体的当前抑郁症状状态	消防员和检察调查员等高危职业群体中的抑郁症状检测	深度学习，多模态学习	抑郁症	可穿戴传感器、结构脑MRI	LSTM	时间序列数据（来自可穿戴设备）和图像（结构脑MRI）	291名参与者（184名消防员和107名检察调查员），平均监测时长4.8周	NA	LSTM	AUROC	NA
139	2026-09-07	Performance of MRI-based deep learning models in differentiation of triple negative breast cancer from other breast cancer subtypes: A systematic review and meta-analysis 2026-Dec, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100808 PMID:42699276	系统综述与荟萃分析	该系统综述与荟萃分析综合评估了基于MRI的深度学习模型在鉴别三阴性乳腺癌与其他乳腺癌亚型中的诊断性能	首次对MRI深度学习模型鉴别三阴性乳腺癌的诊断性能进行系统综述和荟萃分析，并采用METRICS工具评估研究质量	纳入研究存在异质性、外部验证有限、方法学质量参差不齐、证据确定性评级为低	综合评估基于MRI的深度学习模型在鉴别三阴性乳腺癌与其他乳腺癌亚型中的诊断性能	组织学确诊的乳腺癌患者，共2985例	医学影像分析, 深度学习	三阴性乳腺癌, 乳腺癌	磁共振成像（MRI）	深度学习模型	MRI图像	9项研究共包含2985例患者	不明确	不明确	曲线下面积（AUC）、敏感性、特异性、阳性似然比、阴性似然比、诊断比值比，异质性I²	不明确
140	2026-09-07	LocaliType: Development of locality-based social determinants of health archetypes using census tract data from the UCSF Health Atlas 2026-Dec, Wellbeing, space and society DOI:10.1016/j.wss.2026.100440 PMID:42699821	研究论文	利用UCSF健康图谱的普查区数据开发基于地区的健康社会决定因素原型（LocaliTypes），并验证其能反映地区健康不平等。	提出了基于地区的健康社会决定因素原型概念，并结合大语言模型文本嵌入、主成分分析和无监督深度学习识别原型，以保护数据机密性。	未在摘要中明确说明局限性，但可能包括依赖普查区数据的空间结构、原型标签随机分配、验证基于历史数据等。	开发并验证一种全新的地方原型（LocaliTypes）框架，用于捕捉多维健康社会决定因素及其空间结构，从而研究地区健康不平等并支持政策相关研究。	美国普查区及其居民，涵盖健康社会决定因素指标和健康结果。	机器学习	非特定（多种慢性疾病负担）	NA（基于公开普查数据和文本嵌入技术，非实验技术）	无监督深度学习模型（例如自编码器或聚类网络，具体未指定）	表格数据（社会人口、社会经济、环境暴露、灾害风险）及文本数据（用于变量描述的嵌入）	77,054个普查区，代表美国92.6%的人口	NA（未指定具体框架）	大语言模型（用于文本嵌入）、无监督深度学习模型（具体架构未指定）	全局检验p值、成对比较（涉及差异显著性）、历史红线和健康结局的比例差异	NA（未提及具体资源）