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
161	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
162	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
163	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
164	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
165	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
166	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
167	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
168	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
169	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
170	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
171	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
172	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
173	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
174	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
175	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
176	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
177	2026-04-12	Tumor burden in metastatic colorectal cancer quantified using deep learning models: Prognostic value and maintenance treatment benefit in the CAIRO3 trial 2026-May-02, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116668 PMID:41819026	研究论文	本研究利用深度学习模型量化转移性结直肠癌的肿瘤负荷，探讨其在预后评估和维持治疗获益中的价值	首次在CAIRO3试验中应用自动化深度学习分割模型量化肿瘤负荷，并发现低肿瘤体积患者从维持治疗中获益更显著	探索性分析，样本量较小（104例患者），需进一步验证	评估转移性结直肠癌中肿瘤负荷的预后和预测价值	CAIRO3试验中伴有肝和/或肺转移的转移性结直肠癌患者	数字病理学	结直肠癌	深度学习分割模型	深度学习模型	医学影像	104例患者，共3989个转移性病灶	NA	NA	p值	NA
178	2026-04-12	MuTriM: A multiscale deep learning model integrating longitudinal radiomics and pathomic features for predicting recurrence and adjuvant radiation benefit in breast cancer 2026-May-02, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116679 PMID:41850009	研究论文	本文提出了一种名为MuTriM的多模态深度学习模型，通过整合动态对比增强磁共振成像的放射组学特征和全切片病理图像的病理组学特征，用于预测乳腺癌的复发和辅助放疗获益	开发了一个基于注意力的跨模态和跨时间融合框架，首次同时整合了纵向DCE-MRI放射组学特征和WSI上的细胞形态病理组学特征，以多尺度方式预测乳腺癌预后	研究样本量相对有限（训练集335例，外部测试集126例），且仅使用了FUSCC和TCGA两个队列的数据，可能缺乏更广泛人群的验证	预测乳腺癌患者的无复发生存期和辅助放疗获益，为个体化治疗提供指导	乳腺癌患者，包括HER2+和ER+亚型人群	数字病理学	乳腺癌	DCE-MRI, 全切片病理成像	深度学习模型	图像（DCE-MRI和WSI）	训练集：FUSCC队列335例；外部测试集：TCGA队列126例	NA	基于注意力的跨模态和跨时间融合框架	风险比, 95%置信区间, p值, C指数	NA
179	2026-04-12	Deep learning-based combined noise reduction and contrast enhancement for post-neoadjuvant pancreatic cancer CT: does improved image quality translate to better resectability assessment? 2026-May, Abdominal radiology (New York) DOI:10.1007/s00261-025-05271-6 PMID:41186714	研究论文	本研究评估了深度学习联合降噪与对比度增强重建技术（DLR）在胰腺癌新辅助治疗后CT评估中，相较于传统迭代重建（IR）在图像质量和可切除性预测准确性方面的表现	首次在胰腺癌新辅助治疗后CT评估中，系统性地比较了深度学习联合降噪与对比度增强重建技术与传统迭代重建在图像质量和诊断准确性方面的差异	研究为回顾性设计，样本量有限（114例），且所有读者均注意到DLR图像存在人工伪影增加的问题	评估深度学习重建技术是否能改善胰腺癌新辅助治疗后CT的图像质量并提高肿瘤可切除性预测的准确性	接受新辅助治疗后进行CT检查的胰腺癌患者	数字病理学	胰腺癌	CT成像	深度学习	医学影像（CT图像）	114例胰腺癌患者	NA	NA	AUC, 敏感性, 特异性, 准确性, 读者置信度	NA
180	2026-04-12	18F-FDG PET-based ensemble deep learning model for the prediction of lymphovascular invasion in colorectal cancer patients 2026-May, Abdominal radiology (New York) DOI:10.1007/s00261-025-05282-3 PMID:41217477	研究论文	本研究开发了一种基于18F-FDG PET图像的2.5维集成深度学习模型，用于预测结直肠癌患者的淋巴血管侵犯	提出了一种结合不同肿瘤区域（原发灶、近端及远端瘤周）的2.5D集成深度学习模型，并利用支持向量机融合多个深度学习模型的预测结果，以提高淋巴血管侵犯的预测性能	研究为回顾性设计，样本量相对较小（177例患者），且仅进行了内部测试，缺乏外部验证	评估基于18F-FDG PET图像的深度学习模型在预测结直肠癌患者淋巴血管侵犯方面的诊断性能	结直肠癌患者	数字病理学	结直肠癌	18F-FDG PET/CT成像	集成深度学习模型	PET图像	177名结直肠癌患者	NA	VGG16, Googlenet, ResNet50, DenseNet201, Vision Transformer	AUC, 准确率, F1分数	NA