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
141	2026-06-02	BOATMAP: Bayesian Optimization Active Targeting for Monomorphic Arrhythmia Pace-mapping 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109201 PMID:39342676	研究论文	提出BOATMAP主动学习方法，通过12导联心电图定位心室激活起源，指导室性心动过速消融治疗	创新性地将输入输出关系倒置，利用高斯过程作为替代模型主动学习目标心电图与起搏心电图之间的相似性，并提供可解释的临床指导	仅在模拟环境中测试，未在真实临床数据中验证	开发一种主动学习方法，从12导联心电图精准定位心室激活起源，辅助消融治疗决策	心室激活起源点定位与起搏心电图数据	机器学习	室性心动过速	心电图（ECG）	高斯过程	心电图信号	模拟多种心脏几何结构和组织特性，平均使用8.0±4.0个起搏点	NA	高斯过程	定位精度	NA
142	2026-06-02	Multimodal brain tumor segmentation and classification from MRI scans based on optimized DeepLabV3+ and interpreted networks information fusion empowered with explainable AI 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109183 PMID:39357134	研究论文	提出一个基于深度学习和可解释人工智能的框架，用于脑肿瘤MRI图像的分割与分类	采用贝叶斯优化初始化DeepLabV3+超参数进行分割，并设计IRB-96和IRB-Self两个定制模型进行特征提取与融合，结合LIME可解释性方法提升模型透明度	仅在Figshare单一数据集上验证，未测试泛化能力；计算资源需求未提及	实现脑肿瘤MRI图像的高精度分割与分类，并通过可解释性增强临床信任度	脑肿瘤MRI扫描图像	计算机视觉, 数字病理学	脑肿瘤	MRI	CNN, 注意力机制	图像	Figshare数据集（具体样本数未提及）	PyTorch	DeepLabV3+, IRB-96, IRB-Self	分割准确率, 分类准确率	NA
143	2026-06-02	On-site burn severity assessment using smartphone-captured color burn wound images 2024-11, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109171 PMID:39362001	研究论文	提出了一种利用智能手机拍摄的彩色烧伤伤口图像进行烧伤严重程度自动评估的分析平台	引入了非对称注意力机制，通过身体部位分割任务引导烧伤区域分割任务，并开发了便于临床使用的移动应用程序	NA	实现烧伤严重程度的快速、准确自动评估	烧伤伤口图像中的烧伤区域和身体部位	计算机视觉	烧伤	彩色图像捕捉	联合任务深度学习模型	图像	1340张彩色烧伤伤口图像	PyTorch	非对称注意力机制网络	Dice系数, R值	NA
144	2024-10-11	Responds to the Comments on "A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI" 2024-11, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29310 PMID:38363190	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
145	2024-10-11	Comments on "A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI" 2024-11, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29311 PMID:38366814	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
146	2026-06-02	Review of deep representation learning techniques for brain-computer interfaces 2024-11-01, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad8962 PMID:39433072	综述	综述深度学习表示学习技术在脑机接口中的应用现状	系统总结了81篇使用深度表示学习技术的脑机接口研究，发现自编码器是主流，自监督学习为新兴方向，但尚未形成通用的基础模型	目前尚无标准基础模型被脑机接口社区广泛采用，且仅少数研究对学习到的表示进行了深入分析	分析深度表示学习技术在脑机接口解码中的应用现状与趋势	脑电图信号	机器学习	神经疾病	脑电图	自编码器、自监督学习	脑电图信号	81篇相关研究论文	NA	自编码器	NA	NA
147	2026-06-02	Deep learning based local feature classification to automatically identify single molecule fluorescence events 2024-10-28, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07122-4 PMID:39468368	研究论文	介绍DEBRIS，一种基于深度学习的局部特征分类方法，用于自动识别单分子荧光事件	首次使用深度学习模型通过同一训练模型准确分类四种不同类型的单分子荧光事件，展示其通用性	未提及具体限制	开发一种深度学习模型，专注于局部特征分类，自动识别稳态荧光信号和动态涌现的不同模式信号	单分子荧光事件，包括单色和双色事件	机器学习	NA	单分子荧光测量	CNN	时序数据	NA	NA	DEBRIS	准确率	NA
148	2026-06-02	Graph masked self-distillation learning for prediction of mutation impact on protein-protein interactions 2024-10-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07066-9 PMID:39462102	研究论文	提出一个名为PIANO的深度学习框架，通过图掩码自蒸馏学习预测蛋白质-蛋白质相互作用中突变对结合亲和力变化的影响	采用图掩码自蒸馏方案对蛋白质结构几何表示进行预训练，并利用多分支网络整合氨基酸、原子和蛋白质序列编码器，同时适用于全息复合物和载脂单体结构	NA	改进蛋白质-蛋白质相互作用中突变结合亲和力变化的预测性能，并为药物设计、治疗干预和蛋白质工程提供见解	蛋白质-蛋白质相互作用中的突变位点及其周围结构上下文	机器学习	NA	深度学习	图神经网络、多分支网络	蛋白质结构数据	NA	NA	图掩码自蒸馏编码器、多分支编码器（氨基酸、原子、蛋白质序列）	预测性能（具体指标未说明）	NA
149	2026-06-02	Leveraging advances in data-driven deep learning methods for hybrid epidemic modeling 2024-09, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2024.100782 PMID:38971085	研究论文	本文总结了在COVID-19情景建模中心的工作，强调深度学习技术通过灵活的数据驱动框架补充传统机械模型，用于评估未来疫情情景	提出基于多元长短期记忆网络的两种深度学习模型，解决了传统数据驱动模型的挑战，能够整合异构监测数据源（如症状、环境、基因组、血清学、信息监测和移动数据）	NA	利用深度学习技术改进混合疫情建模，为公共卫生决策提供更准确的情景预测	COVID-19疫情中的病例数、住院人数和死亡人数等流行病学数据	机器学习	COVID-19	LSTM	LSTM	时间序列数据、异构监测数据（症状、环境、基因组、血清学等）	12轮以上的COVID-19情景建模	PyTorch	多元LSTM	NA	NA
150	2026-06-02	Revisiting the current and emerging concepts of postharvest fresh fruit and vegetable pathology for next-generation antifungal technologies 2024-07, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.13397 PMID:38924311	综述	审视采后新鲜果蔬病理学当前与新兴概念，推动下一代抗真菌技术发展	从微生物组和病原组视角提出整体性采后病害控制策略，整合合成生物学、sRNA技术、深度学习等新技术	未提及具体实验验证或定量分析，偏重概念性综述	总结采后病理学新概念，开发可持续安全策略以控制真菌感染和真菌毒素污染	新鲜果蔬中的真菌感染、微生物组与病原组	机器学习	果蔬真菌病害	NA	深度学习	基因组数据、微生物组数据	NA	NA	NA	NA	NA
151	2026-06-02	Artificial-intelligence-based risk prediction and mechanism discovery for atrial fibrillation using heart beat-to-beat intervals 2024-05-10, Med (New York, N.Y.) DOI:10.1016/j.medj.2024.02.006 PMID:38492571	研究论文	基于心跳间期数据，开发可解释的深度学习模型预测房颤风险并探究其机制	提出基于模型可解释性的房颤机制推测，并验证自主神经失衡与多种房颤风险因素的关联	依赖心跳间期数据，可能忽略其他临床特征对房颤风险的影响	利用窦性心律时的心跳间期数据预测房颤风险，并揭示潜在机制	房颤风险预测及自主神经失衡机制	机器学习	心血管疾病	NA	深度学习模型	心率间期数据	大型院内及外部公共数据集	NA	NA	NA	NA
152	2026-06-02	A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI 2024-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28895 PMID:37403945	研究论文	提出一种通道维度特征重构的深度学习模型，利用全b值扩散加权MRI预测乳腺癌分子亚型	首次通过通道维度特征重构机制充分挖掘无对比剂DW-MRI的潜力，使得DW-MRI达到与DCE-MRI相当的预测性能	未具体说明模型在外部验证集上的表现，且研究仅针对单一机构的前瞻性数据	开发无需对比剂的深度学习模型预测乳腺癌分子亚型，并比较DW-MRI与DCE-MRI的预测性能	486名女性乳腺癌患者肿瘤的分子亚型分类（luminal A、luminal B、HER2+、三阴性）	数字病理学	乳腺癌	扩散加权成像（DWI）、动态对比增强MRI（DCE-MRI）	卷积神经网络（CNN）、深度神经网络（DNN）	MRI图像	486名女性乳腺癌患者（训练/验证/测试：64%/16%/20%）	NA	通道维度特征重构深度神经网络（CDFR-DNN）、非CDFR深度神经网络（NCDFR-DNN）、混合集成深度神经网络（ME-DNN）	准确率、敏感性、特异性、AUC	NA
153	2026-06-02	Oktoberfest: Open-source spectral library generation and rescoring pipeline based on Prosit 2024-04, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300112 PMID:37672792	研究论文	介绍Oktoberfest开源Python包，实现基于Prosit的谱图库生成与重评分流程	将原本仅通过ProteomicsDB在线访问的谱图库生成与重评分流程开源化，提供跨搜索平台兼容的本地安装包	NA	促进机器学习与深度学习模型在蛋白质组学分析流程中的采用	肽段属性预测模型及谱图库生成流程	机器学习	NA	机器学习，深度学习	深度学习模型	质谱数据	NA	PyTorch	Prosit	NA	NA
154	2026-06-02	Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis 2024-01, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07982-0 PMID:37875679	research paper	通过深度学习模型大规模评估腰椎旁肌肉横截面积和脂肪浸润	利用验证的深度学习模型对4434名背部疾病患者进行大规模自动化分析，揭示性别、年龄和疾病类型对腰椎肌肉形态的影响	未提及具体限制	评估背部疾病患者腰椎肌肉横截面积和脂肪浸润的差异	4434名背部疾病患者（包括骨折、疝气、脊柱手术等）的T2轴向MRI图像	digital pathology	背部疾病	MRI	深度学习	图像	4434名患者（2609名女性，1825名男性）	NA	NA	NA	NA
155	2026-06-02	Computer-aided Diagnosis of Various Diseases Using Ultrasonography Images 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405619666230306101012 PMID:36876845	综述	本文全面调研了基于计算机辅助诊断系统从超声图像中自动检测多种疾病的方法	将疾病检测按颈动脉、经腹盆腔、肌肉骨骼和甲状腺区域分组，并总结了基于支持向量机的纹理特征提取方法在分类精度上的优势，同时指出了深度学习趋势带来的自动化和精确度提升	分类精度依赖于训练模型所用的图像数量，且文中提到了超声成像模态的局限性及自动化疾病诊断技术的显著缺陷	调研基于机器学习和深度学习算法从超声图像进行疾病自动检测的计算机辅助诊断系统	超声图像中的疾病检测（包括颈动脉、经腹盆腔、肌肉骨骼和甲状腺区域）	计算机视觉, 机器学习	多种疾病（颈动脉疾病、经腹盆腔疾病、肌肉骨骼疾病和甲状腺疾病）	超声成像	支持向量机, 深度学习	图像	NA	NA	支持向量机	分类精度	NA
156	2026-06-02	Grading surface urban heat island and investigating factor weight based on interpretable deep learning model across global cities 2023-10, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2023.108196 PMID:37708813	研究论文	基于可解释深度学习模型对全球城市地表城市热岛进行分级并探究因子权重	首次对全球城市进行地表城市热岛分级，并利用可解释机器学习TabNet量化不同指标和等级的因子权重	未明确提及局限性	提出地表城市热岛分级方法并量化不同指标和等级的因子权重，以支持全球缓解措施	全球城市地表城市热岛	机器学习	NA	NA	TabNet	数值数据	全球城市	NA	TabNet	因子权重	NA
157	2026-06-02	Differential Role for Hippocampal Subfields in Alzheimer's Disease Progression Revealed with Deep Learning 2022-01-22, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhab223 PMID:34322704	research paper	利用深度学习揭示海马亚区在阿尔茨海默病进展中的差异化作用	提出密集卷积神经网络架构，基于海马形态测量区分稳定型和进展型轻度认知障碍，并创新性地使用遮挡分析揭示海马亚区对模型性能的不同贡献	未提及	探究海马亚区在轻度认知障碍进展中的作用机制	海马亚区形态测量数据	machine learning	Alzheimer's disease	NA	CNN	影像数据	NA	NA	DenseNet	accuracy	NA
158	2026-06-02	Towards Robot-Assisted Therapy for Children With Autism-The Ontological Knowledge Models and Reinforcement Learning-Based Algorithms 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.713964 PMID:35462779	研究论文	本文提出一种基于本体知识模型和强化学习算法的机器人辅助自闭症儿童疗法	结合深度学习、强化学习与本知识库，实现自闭症检测、治疗方案推荐和远程监控一体化的人形机器人辅助系统	NA	开发辅助治疗师的社交机器人，通过分析儿童行为实现自闭症检测、疗法推荐和监控	自闭症儿童	机器人技术、机器学习	自闭症	NA	卷积神经网络、强化学习	NA	NA	NA	NA	NA	NA
159	2026-06-01	Quantitative comparison of GRAPPA and RAKI simultaneous multi-slice reconstruction algorithms 2026-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110697 PMID:42066870	研究论文	定量比较基于GRAPPA和RAKI的同步多层重建算法，并提供开源工具箱	首次系统比较线性GRAPPA与非线性数据驱动RAKI方法在同步多层MRI重建中的性能，并开源GPU加速重建工具箱	结果基于特定供应商、线圈阵列、脉冲序列和体模数据，需更多实验验证才能推广至体内观察	定量比较不同k空间插值同步多层重建算法性能，提供GPU加速开源重建工具箱	不同加速因子组合下的同步多层MRI重建算法	磁共振成像	不适用	GRAPPA, RAKI, 同步多层成像	线性GRAPPA, 非线性RAKI	MRI k空间数据	单个体模数据，含全采样参考和不同加速因子下的加速数据	开源工具箱（未指明具体框架）	Slice-GRAPPA, split-slice-GRAPPA, readout-SENSE-GRAPPA, 其RAKI对应模型（含超参数调优）	结构相似性指数（SSIM）, 变异系数（CV）	GPU加速（未指定具体GPU型号）
160	2026-06-01	A unified approach for maintaining MRI reconstruction quality and quantifying both aleatoric and epistemic uncertainty 2026-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110680 PMID:41966495	研究论文	提出一种统一方法，在模型驱动深度学习加速MRI重建中同时维持图像质量并量化偶然不确定性和认知不确定性	系统比较了蒙特卡洛丢弃与贝叶斯反向传播在不同随机层放置模式下的表现，并提出两阶段训练策略以提升重建网络性能	未说明	为模型驱动深度学习加速MRI重建提供贝叶斯不确定性量化的实用设计选择指导	加速MRI重建中的不确定性估计方法	计算机视觉	不适用	加速MRI重建	模型驱动深度学习, 贝叶斯神经网络	图像	未说明	NA	NA	峰值信噪比	NA