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
1461	2026-04-14	A fully open AI foundation model applied to chest radiography 2025-07, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09079-8 PMID:40500447	研究论文	本文介绍了Ark，一个应用于胸部X光片的开放基础模型，通过循环积累和重用多个数据集中异构专家标签的知识进行预训练	Ark模型通过聚合多样化数据集和专家知识，扩展了诊断范围，适应新疾病，支持小样本学习和联邦学习，并开源代码和模型	未在摘要中明确提及具体限制	开发一个开放的基础模型，用于自动化胸部X光片解释，以克服现有深度学习模型的局限性	胸部X光片图像数据	医学影像	肺部疾病	深度学习	基础模型	图像	多个公共数据集，具体数量未在摘要中指定	NA	Ark	NA	NA
1462	2026-04-14	Longitudinal Tracking of Emphysema Holes at Noncontrast CT: Dynamic Patterns and Clinical Relationships 2025-07, Radiology IF:12.1Q1 DOI:10.1148/radiol.243239 PMID:40662972	研究论文	本研究利用深度学习软件纵向追踪肺气肿空洞的动态变化，并分析其与肺功能下降、疾病进展及死亡率的关系	首次采用深度学习技术对肺气肿空洞进行纵向追踪，并根据直径变化将其动态分组，揭示了空洞动态模式与临床结局的关联	研究为二次分析，样本量较小（108名参与者），且主要为男性，可能限制结果的普适性	追踪肺气肿空洞的纵向变化，探究其动态模式与临床指标（FEV1下降、疾病进展、死亡率）的关系	韩国阻塞性肺疾病队列研究中完成基线和6年随访CT扫描的参与者	数字病理学	肺气肿	CT扫描	深度学习	CT图像	108名参与者（平均年龄63.4岁，其中104名男性）	NA	NA	线性回归系数（β）、P值、对数秩检验（log-rank test）	NA
1463	2026-04-14	Computational pathology applied to clinical colorectal cancer cohorts identifies immune and endothelial cell spatial patterns predictive of outcome 2025-02, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.6378 PMID:39788558	研究论文	本研究应用计算病理学方法，在三个临床结直肠癌队列中识别出可预测预后的免疫细胞和内皮细胞空间模式	利用基于深度学习的细胞分类器，在大型临床队列中系统量化肿瘤微环境中细胞类型的空间组织和共定位，并发现内皮细胞与癌细胞的比例等空间模式是独立的预后预测因子	研究队列虽然具有临床异质性，但样本量仍有限，且结果需要在独立队列中进行进一步验证	探究结直肠癌肿瘤微环境的空间组织特征及其对治疗反应和预后的影响	三个临床结直肠癌患者队列（MISSONI、BRAF、VALENTINO），总计375名患者	计算病理学	结直肠癌	深度学习细胞分类，多重免疫荧光验证	深度学习细胞分类器	H&E染色组织切片图像	375名临床注释的结直肠癌患者（MISSONI: n=59, BRAF: n=141, VALENTINO: n=175），验证集n=26	NA	NA	风险比，置信区间，p值	NA
1464	2026-04-14	Identification of cardiac wall motion abnormalities in diverse populations by deep learning of the electrocardiogram 2025-Jan-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-024-01407-y PMID:39799179	研究论文	本研究利用深度学习分析心电图，以识别心脏壁运动异常，并参考超声心动图作为金标准进行验证	开发了一种名为ECG-WMA-Net的深度神经网络，通过分析心电图中的QRS和T波区域，显著提高了心脏壁运动异常的检测准确性，超越了传统基于Q波的筛查方法	研究依赖于超声心动图报告的文本解析进行标注，可能存在标注误差；外部验证队列规模相对较小（n=2338），可能影响模型的泛化能力评估	通过深度学习技术，从心电图中提取新特征，以增强心脏壁运动异常的检测能力，并解决传统方法在不同种族和民族群体中准确性差异的问题	来自加利福尼亚州和佐治亚州的多样化患者群体，包括35,210名患者用于训练和验证，以及2,338名患者用于外部验证	机器学习	心血管疾病	深度学习，超声心动图	深度神经网络	心电图，超声心动图报告文本	训练和验证队列：35,210名患者；外部验证队列：2,338名患者	NA	ECG-WMA-Net	AUROC, AUC	NA
1465	2026-04-14	ACTION: Augmentation and computation toolbox for brain network analysis with functional MRI 2025-Jan, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120967 PMID:39716522	研究论文	本文介绍了一个名为ACTION的开源工具箱，用于功能磁共振成像（fMRI）的脑网络分析，提供数据增强和深度学习模型支持	开发了一个综合性的开源工具箱，首次集成fMRI数据增强（包括BOLD信号和脑网络增强），并支持深度学习模型预训练及联邦学习策略，以处理有限或不平衡数据	未明确说明工具箱在特定疾病或任务上的性能限制，或对计算资源的具体要求	开发一个用户友好的工具箱，以简化和增强fMRI分析，特别是通过数据增强和深度学习方法来改善脑网络研究	功能磁共振成像（fMRI）数据，用于脑网络分析	机器学习	NA	功能磁共振成像（fMRI）	深度学习模型	fMRI图像数据	超过3,800个静息态fMRI扫描作为辅助未标记数据用于预训练	Python	NA	NA	NA
1466	2026-04-14	DeepIMAGER: Deeply Analyzing Gene Regulatory Networks from scRNA-seq Data 2024-06-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom14070766 PMID:39062480	研究论文	本文介绍了一种名为DeepIMAGER的先进计算工具，该工具通过深度学习和数据整合来推断细胞特异性基因调控网络	提出了一种将基因对的共表达模式转化为类图像表示，并利用转录因子结合信息进行模型训练的监督学习方法，显著提高了推断精度和鲁棒性	未明确说明模型在处理极大规模数据集时的计算效率或对特定细胞类型的泛化能力限制	开发一种能够从单细胞RNA测序数据中准确推断细胞特异性基因调控网络的工具	基因调控网络，特别是跨不同细胞类型的动态调控关系	机器学习	多发性骨髓瘤	scRNA-seq, ChIP-seq	深度学习	基因表达数据，转录因子结合数据	六个细胞系的综合数据集	NA	NA	精度，鲁棒性	NA
1467	2026-04-14	A Survey of Deep Learning Methods for Estimating the Accuracy of Protein Quaternary Structure Models 2024-05-13, Biomolecules IF:4.8Q1 DOI:10.3390/biom14050574 PMID:38785981	综述	本文综述了近年来用于评估蛋白质复合物四级结构模型准确性的深度学习方法	首次对蛋白质复合物结构模型准确性评估的深度学习方法进行了全面综述，填补了该领域缺乏系统性概述的空白	作为综述文章，不涉及原始实验或模型开发，主要基于现有文献进行分析	为蛋白质复合物结构模型准确性评估领域提供方法学综述和发展展望	蛋白质复合物的四级结构模型	计算生物学	NA	深度学习	NA	蛋白质结构数据	NA	NA	NA	NA	NA
1468	2026-04-14	GTADC: A Graph-Based Method for Inferring Cell Spatial Distribution in Cancer Tissues 2024-04-03, Biomolecules IF:4.8Q1 DOI:10.3390/biom14040436 PMID:38672453	研究论文	本文提出了一种基于图深度学习的GTADC方法，用于推断癌症组织中细胞的空间分布	利用Silhouette分数精确捕获每种细胞类型中表达差异显著的基因，并通过图结构有效整合空间转录组学和单细胞测序数据的空间关系与拓扑结构	未明确提及方法在特定癌症类型或大规模数据集上的验证局限性	推断癌症组织中细胞的空间组成，以早期检测潜在癌细胞区域并评估其数量与空间信息	癌症组织中的细胞，特别是癌细胞与正常细胞的差异	机器学习	癌症	空间转录组学(ST), 单细胞测序(scRNA-seq)	图深度学习	基因表达数据, 空间数据	NA	NA	GTADC	NA	NA
1469	2026-04-14	Continuous tracking using deep learning-based decoding for noninvasive brain-computer interface 2024-Apr, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgae145 PMID:38689706	研究论文	本研究利用基于深度学习的解码器，在线连续追踪任务中提升非侵入性脑机接口的性能	提出了一种新的标签系统以利用连续追踪数据进行监督学习，并首次将PointNet架构的改编版本应用于脑机接口解码任务	预训练模型未能显著提升性能，且研究仅针对28名参与者，样本规模有限	通过深度学习解码器改善非侵入性脑机接口在复杂任务中的性能，扩展其应用潜力	28名人类参与者，包括健康个体和运动障碍个体	机器学习	运动障碍	脑电图	深度学习	脑电图信号	28名人类参与者	NA	PointNet	NA	NA
1470	2026-04-14	A Review for Artificial Intelligence Based Protein Subcellular Localization 2024-03-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom14040409 PMID:38672426	综述	本文综述了基于人工智能的蛋白质亚细胞定位方法的最新进展，包括序列、知识和图像三种典型方法，并讨论了该领域的现有挑战与未来方向	系统性地总结了人工智能在蛋白质亚细胞定位领域的应用，涵盖序列、知识和图像三种方法，并指出了当前挑战和未来研究方向	作为综述文章，未提出新的实验或模型，主要基于现有文献进行总结和讨论	综述人工智能在蛋白质亚细胞定位领域的方法发展，以应对高通量测序时代蛋白质定位的挑战	蛋白质亚细胞定位方法	机器学习	癌症,阿尔茨海默病	荧光显微镜成像,免疫电子显微镜,荧光生物标记标签	深度学习	序列数据,知识数据,图像数据	NA	NA	NA	NA	NA
1471	2026-04-14	A self-supervised learning approach for registration agnostic imaging models with 3D brain CTA 2024-Mar-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109004 PMID:38375230	研究论文	本文提出了一种自监督学习方法，使卷积神经网络能够处理未配准的脑CTA图像，用于急性卒中检测	提出了一种通用的对比自监督学习方法，将针对配准图像设计的卷积神经网络适应到未配准图像域，无需依赖标签	未明确说明方法在其他神经影像任务或数据集上的泛化能力	开发一种无需图像配准的深度学习神经影像管道，用于急性卒中检测	脑CTA图像，特别是用于大血管闭塞检测	计算机视觉	心血管疾病	计算机断层扫描血管造影	CNN	3D图像	402名CTA患者	NA	NA	AUC	NA
1472	2026-04-14	An Innovative Inducer of Platelet Production, Isochlorogenic Acid A, Is Uncovered through the Application of Deep Neural Networks 2024-02-23, Biomolecules IF:4.8Q1 DOI:10.3390/biom14030267 PMID:38540688	研究论文	本研究利用深度神经网络筛选天然产物库，发现异绿原酸A可促进巨核细胞分化成熟及血小板生成，为治疗辐射诱导的血小板减少症提供了潜在新药	首次结合CNN、DNN及混合神经网络（HCD）构建药物活性预测模型，并成功应用于从《中国药典》天然产物库中筛选出具有促血小板生成活性的新化合物异绿原酸A	研究仅通过体外实验验证活性，尚未开展动物模型或临床试验；模型训练数据来源及规模未具体说明	开发治疗辐射诱导血小板减少症（RIT）的新药物	天然化合物库中的分子（特别是异绿原酸A）、巨核细胞及血小板	机器学习	血小板减少症	深度学习算法	CNN, DNN, 混合神经网络	分子理化性质数据	10种FDA批准的血小板减少症治疗药物作为测试集	NA	Hybrid CNN+DNN (HCD)	准确率, 精确率	NA
1473	2026-04-14	Forecasting the Acute Heart Failure Admissions: Development of Deep Learning Prediction Model Incorporating the Climate Information 2024-02, Journal of cardiac failure IF:6.7Q1 DOI:10.1016/j.cardfail.2023.10.476 PMID:37952642	研究论文	本研究开发了一种结合气候信息的深度学习预测模型，用于预测急性心力衰竭的入院情况	首次将深度学习模型应用于结合气候信息预测急性心力衰竭入院，并证明其优于传统回归模型	研究仅基于东京地区数据，可能无法推广到其他气候或地理区域	预测急性心力衰竭的入院情况，以优化医疗资源管理	东京CCU网络数据库中2014年至2019年的27,799例急性心力衰竭入院病例	机器学习	心血管疾病	深度学习	DNN	时间序列数据	27,799例急性心力衰竭入院病例	NA	深度神经网络	R2, c-statistics	NA
1474	2026-04-14	Deep Learning for Inference of Hepatic Proton Density Fat Fraction From T1-Weighted In-Phase and Opposed-Phase MRI: Retrospective Analysis of Population-Based Trial Data 2023-11, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29607 PMID:37466189	研究论文	本研究利用深度学习卷积神经网络从常规T1加权同相和反相MRI图像推断肝脏质子密度脂肪分数，并与传统两点Dixon信号脂肪分数方法进行比较，以化学位移编码MRI PDFF作为参考标准	首次开发基于CNN的模型，能够从广泛可用的常规T1加权同相和反相MRI图像中准确推断肝脏质子密度脂肪分数，避免了传统信号脂肪分数方法的偏差问题	需要在中度至重度铁过载个体中进行进一步研究验证	比较基于深度学习的PDFF推断方法与传统的两点Dixon信号FF方法在肝脏脂肪定量中的准确性	来自美国印第安社区的292名参与者（203名女性，89名男性；平均年龄53.7±12.0岁）的肝脏MRI数据	医学影像分析	非酒精性脂肪肝病	化学位移编码MRI，T1加权同相和反相MRI，两点Dixon方法	CNN	MRI图像	292名参与者（训练集218人，测试集74人）	NA	卷积神经网络	组内相关系数，Bland-Altman分析，线性回归分析	NA
1475	2026-04-14	Discovering design principles of collagen molecular stability using a genetic algorithm, deep learning, and experimental validation 2022-10-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2209524119 PMID:36161946	研究论文	本文开发了一种结合遗传算法和深度学习的通用模型，用于设计具有特定熔化温度的胶原蛋白序列，并通过实验和计算方法验证了其预测准确性	首次将遗传算法与深度学习框架结合，用于设计胶原蛋白序列并预测其熔化温度，实现了高通量序列生成和验证	模型预测的熔化温度与实际值存在几摄氏度的误差，且研究主要关注序列设计，对实际生物材料应用的长期稳定性验证不足	开发一个稳健的框架，以设计具有特定熔化温度的胶原蛋白序列，用于生物材料制造和生物医学应用	胶原蛋白的氨基酸序列及其熔化温度	机器学习	NA	遗传算法，深度学习，分子动力学模拟，实验验证	深度学习模型	序列数据	1,000个新设计的胶原蛋白序列	NA	NA	熔化温度预测误差（摄氏度）	NA
1476	2026-04-14	Automated Determination of Left Ventricular Function Using Electrocardiogram Data in Patients on Maintenance Hemodialysis 2022-07, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.16481221 PMID:35667835	研究论文	本研究开发了一种基于心电图数据的深度学习模型，用于自动化评估维持性血液透析患者的左心室射血分数	利用迁移学习策略，通过在非血液透析患者的心电图数据上进行预训练，有效解决了血液透析患者样本量较小的问题，并提升了模型性能	研究样本主要来自特定医疗机构的患者，可能限制了模型的泛化能力；且模型在中等射血分数类别（41%-50%）上的预测性能相对较低	开发并评估深度学习模型，以自动化方式从心电图数据中分类维持性血液透析患者的左心室射血分数	维持性血液透析患者，以及作为预训练数据来源的非血液透析患者	机器学习	心血管疾病	深度学习, 迁移学习	深度学习模型	心电图数据	血液透析患者：2,168名患者，18,626对心电图-超声心动图数据；非血液透析患者：158,840名患者，705,075对心电图-超声心动图数据	NA	NA	受试者工作特征曲线下面积	NA
1477	2026-04-14	Deep learning for cancer type classification and driver gene identification 2021-Oct-25, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04400-4 PMID:34689757	研究论文	本研究提出了一种名为DeepCues的深度学习模型，利用卷积神经网络从原始癌症DNA测序数据中提取特征，用于癌症类型分类和相关基因发现	开发了能够同时整合胚系变异和体细胞突变（包括插入和缺失）的深度学习模型，直接从原始全外显子组测序数据中无偏倚地提取特征，显著提高了癌症类型预测的准确性	研究仅针对七种主要癌症类型进行分类，未涵盖所有癌症亚型；模型性能可能受限于训练数据的规模和多样性	开发一种能够有效探索遗传变异景观（包括胚系变异和小片段插入缺失）的新方法，用于癌症类型预测和驱动基因识别	癌症患者的DNA测序数据，包括胚系变异和体细胞突变	机器学习	癌症	全外显子组测序	CNN	DNA测序数据	TCGA数据集中的七种主要癌症类型样本	NA	卷积神经网络	准确率	NA
1478	2026-04-14	Improved prediction of smoking status via isoform-aware RNA-seq deep learning models 2021-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009433 PMID:34634029	研究论文	本文开发了一种基于RNA-seq数据的深度学习模型，利用外显子和异构体量化信息来预测吸烟状态，相比传统基因水平模型有显著性能提升	首次在吸烟状态预测中引入外显子与异构体水平的RNA-seq量化数据，并设计了包含外显子到异构体映射层的深度学习架构，挖掘了基因剪接的潜在信息	研究样本仅来自COPDGene研究队列，可能缺乏人群多样性；模型性能依赖于特定基因集合的选择	利用RNA-seq数据中的异构体信息改进临床预测模型的性能	2,557名COPDGene研究参与者的RNA-seq数据	机器学习	NA	RNA-seq	深度神经网络	基因表达数据（基因、外显子、异构体水平量化）	2,557名受试者	NA	包含外显子到异构体映射层的深度神经网络	AUC	NA
1479	2026-04-13	Pushing the Limits of Surface-Enhanced Raman Spectroscopy (SERS) with Deep Learning: Identification of Multiple Species with Closely Related Molecular Structures 2022-May, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028221077119 PMID:35081756	研究论文	本研究评估了将深度学习算法应用于表面增强拉曼光谱（SERS）以区分和分类不同胆汁酸物种的潜力	结合SERS与深度学习算法，成功识别了分子结构仅相差单个羟基的多种胆汁酸物种，即使在低分析物浓度下也表现出可靠性	NA	评估深度学习在SERS光谱中区分和分类结构相近的化学物种的能力	五种胆汁酸物种	机器学习	肠道微生物失衡	表面增强拉曼光谱（SERS）	CNN	光谱数据	NA	NA	卷积神经网络	NA	NA
1480	2026-04-12	BlotDx: A deep learning tool for Western blot-based diagnostics 2026-Jun, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2026.115385 PMID:41856415	研究论文	本研究介绍了一种名为BlotDx的深度学习工具，用于辅助解释Western blot图像，以提高单纯疱疹病毒（HSV）血清学诊断的效率和一致性	开发了一种两阶段深度学习方法，结合实例分割/目标检测和分类模型，用于自动化Western blot图像解释，减少人工依赖并提高诊断一致性	研究中排除了不确定结果，且验证数据集来自单一机构，可能限制了模型的泛化能力	开发一个深度学习工具，以自动化Western blot图像解释，提高HSV血清学诊断的效率和准确性	单纯疱疹病毒（HSV-1和HSV-2）的Western blot图像	计算机视觉	单纯疱疹病毒感染	Western blot	实例分割, 目标检测, 分类模型	图像	主要数据集包含926个斑点对（2016-2017年采集，2018年拍摄），验证数据集包含185个斑点对（2019-2024年采集，2025年拍摄）	NA	NA	诊断准确率, 95%置信区间	NA