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
1	2026-09-01	An enhanced drought forecasting in coastal arid regions using deep learning approach with evaporation index 2024-04-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118171 PMID:38215925	研究论文	本文采用深度学习方法，结合蒸发指数，提出一种增强的沿海干旱区干旱预测模型	首次将自注意力机制的卷积长短期记忆网络应用于沿海干旱区干旱预测，整合蒸发指数以提高预测精度	未提及具体限制，但可能包括对特定区域和数据集依赖，以及模型泛化性的潜在限制	开发可靠的干旱预测模型，并评估不同模型在沿海干旱区分析干旱因素的能力	沿海干旱区的干旱事件，利用SPEI指数和CRU数据集	机器学习	不适用	气候数据挖掘	卷积长短期记忆网络（CLSTM）	时间序列数据	1901-2018年的CRU数据集	不明确，但可能基于PyTorch或TensorFlow	自注意力机制增强的卷积长短期记忆网络（SA-CLSTM）	决定系数（R）、均方根误差（RMSE）、平均绝对误差（MAE）、ROC-AUC	未提及具体资源，但可能使用GPU进行训练
2	2026-09-01	Enabling large-scale screening of Barrett's esophagus using weakly supervised deep learning in histopathology 2024-03-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46174-2 PMID:38467600	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3	2026-09-01	DeepETPicker: Fast and accurate 3D particle picking for cryo-electron tomography using weakly supervised deep learning 2024-03-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46041-0 PMID:38453943	research paper	开发了一种名为DeepETPicker的深度学习模型，用于从冷冻电子断层扫描图像中快速准确地挑选三维粒子，训练仅需弱监督和少量简化标签	采用弱监督学习结合简化标签和轻量化模型架构，以及加速池化技术，显著提高了粒子挑选的准确性和速度	未提及具体局限性	开发一种快速且准确的自动化粒子挑选方法，以支持冷冻电子断层扫描原位结构解析	冷冻电子断层扫描中的生物大分子颗粒	computer vision	NA	cryo-electron tomography	deep learning model	图像	模拟和真实断层扫描图像	NA	轻量化卷积神经网络	准确率，速度，坐标准确性，重建分辨率	NA
4	2026-09-01	Deep learning model for personalized prediction of positive MRSA culture using time-series electronic health records 2024-03-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46211-0 PMID:38448409	研究论文	本研究开发了深度学习模型PyTorch_EHR，利用电子健康记录时间序列数据预测两周内MRSA培养阳性结果	利用广泛的患者特异性时间序列EHR数据，构建深度学习模型预测MRSA培养阳性，性能优于逻辑回归和LGBM等传统机器学习模型，并成功进行外部验证	未提供明确的限制信息	快速准确地分层MRSA感染风险，优化抗生素治疗，减少不必要的MRSA特异性抗菌药物使用	MRSA阳性与阴性患者事件数据	机器学习	耐甲氧西林金黄色葡萄球菌感染	电子健康记录分析	深度学习模型	时间序列电子健康记录数据	30,557患者事件（来自Memorial Hermann医院系统），393,713患者事件（来自MIMIC-IV数据集）	PyTorch	NA	AUROC	NA
5	2026-09-01	Subcutaneous fat predicts bone metastasis in breast cancer: A novel multimodality-based deep learning model 2024, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-230219 PMID:38043007	研究论文	本研究利用深度学习结合临床信息和CT影像特征，预测乳腺癌患者的骨转移情况	提出了一种基于多模态深度学习的模型，结合皮下脂肪指数和CT影像特征来预测乳腺癌骨转移，这是首次将脂肪指数作为独立预后因素纳入预测模型	未提及具体局限性	探索使用深度学习方法和临床信息（如脂肪指数）及CT影像特征来预测乳腺癌患者的骨转移	431名接受根治性手术切除的乳腺癌患者	医学影像分析	乳腺癌	CT成像	CNN	CT图像和临床数据	431例乳腺癌患者	NA	CNN	AUC	NA
6	2026-09-01	The segmentation and intelligent recognition of structural surfaces in borehole images based on the U2-Net network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299471 PMID:38451909	研究论文	基于U2-Net网络对钻孔图像中的结构面进行智能分割和识别，以提高效率和准确性	首次将U2-Net网络应用于钻孔图像结构面的智能分割，通过数据增强和深度学习技术实现了高精度分割，为结构面智能识别提供了新方法	未明确提及局限性，可能包括对不同地质条件的泛化能力有限以及依赖高质量图像数据	实现钻孔图像结构面的自动、智能分割，提高处理效率和准确性，为岩体力学分析提供支持	钻孔图像中的结构面，包括不同岩性和颜色的结构面特征	计算机视觉	不适用	钻孔摄像	U2-Net网络	图像	1013张原始钻孔图像，扩展后共12421张	PyTorch	U2-Net	F-measure值、准确率、召回率、平均绝对误差	未明确提及，可能使用普通GPU
7	2026-09-01	Assessment of lymph node area coverage with total marrow irradiation and implementation of total marrow and lymphoid irradiation using automated deep learning-based segmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299448 PMID:38457432	研究论文	本研究评估了全骨髓照射计划中淋巴结区域的剂量覆盖情况，并利用深度学习模型实现全骨髓及淋巴照射的自动分割。	首次量化TMI计划中淋巴结区域的剂量覆盖，并利用nnU-NET框架开发自动化分割模型以促进TMLI的实施。	样本量可能有限，且淋巴结自动分割的准确性仍有提升空间。	评估TMI计划下淋巴结区域的剂量覆盖，并训练和评估基于深度学习的淋巴结区域自动分割模型。	接受全骨髓照射计划治疗的患者的全身淋巴结区域和全身计算机断层扫描数据。	数字病理学	血液系统肿瘤	CT成像、深度学习	nnU-Net	图像（CT数据）	未提供具体数量，涉及患者和CT数据分为训练/验证和测试组。	nnU-Net框架	nnU-Net	Dice相似系数、精确度、召回率、Hausdorff距离95	未提供具体信息
8	2026-09-01	Trustworthy deep learning framework for the detection of abnormalities in X-ray shoulder images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299545 PMID:38466693	研究论文	提出一个可信的深度学习框架，用于X射线肩部图像异常检测，该框架结合同域迁移学习和特征融合，显著提高了检测准确率和可解释性	提出了同域迁移学习策略，缓解了ImageNet预训练模型与X射线图像的域不匹配问题；并采用特征融合技术结合多个深度学习模型，提高了检测准确度和结果的信任度	由于是摘要，未提及具体局限性，但可能包括数据集的规模和多样性限制，以及临床部署的挑战	开发一个可靠且可解释的深度学习框架，用于自动检测X射线肩部图像中的异常，如骨折、畸形和关节炎，以提高诊断准确性和信任度	肩部X射线图像，包含骨折、畸形、关节炎等异常样本	计算机视觉, 数字病理学	肌肉骨骼疾病	X射线成像	CNN	图像	未明确，但包括大量各种身体部位的标记X射线图像，以及目标数据集肩部X射线图像，测试集由三位骨科医生评估	NA	ResNet, VGG, DenseNet, EfficientNet	准确率, F1分数, Cohen's kappa, Grad-CAM, 激活可视化和LIME	NA
9	2026-09-01	BetaBuddy: An end-to-end computer vision pipeline for the automated analysis of insulin secreting β-cells 2023-Apr-06, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.06.535890 PMID:37066375	研究论文	本文介绍了一个用于自动分析胰岛素分泌β细胞的内皮到端计算机视觉流程，包括细胞分割、跟踪和钙水平分析。	利用深度学习算法自动分割和跟踪数千个细胞，减少人工干预和偏见，并发现先前手动分割低估了电刺激后钙尖峰活动的变化。	未在摘要中明确提及局限性。	开发一个自动化的计算机视觉流程，以减少分析β细胞钙信号的时间并提高准确性。	胰腺β细胞及其钙信号活动。	计算机视觉	NA	活细胞成像	深度学习模型（具体类型未在摘要中指定，可能包括CNN）	图像（时间序列图像堆栈）	未在摘要中明确提及样本数量，但提到重新分析了电刺激后的β细胞数据集。	NA	NA	准确性（未具体列出其他指标）	NA
10	2026-09-01	Applications of artificial intelligence (AI) in ovarian cancer, pancreatic cancer, and image biomarker discovery 2022, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-210301 PMID:35213360	综述	本文详细介绍了人工智能在卵巢癌、胰腺癌及图像生物标志物发现中的应用进展与挑战，并概述了相关监管和伦理考虑。	系统综述了AI在罕见癌症生物标志物发现中的应用现状，并特别关注了数据可用性、透明度和可解释性等关键问题。	研究受限于文献综述方法，且大多数AI模型尚未应用于临床，成像数据的公开性有限。	探讨人工智能在卵巢癌和胰腺癌生物标志物发现中的进展、挑战及监管伦理问题。	卵巢癌、胰腺癌及其生物标志物相关的人工智能应用研究。	机器学习	卵巢癌, 胰腺癌	NA	NA	图像	NA	NA	NA	NA	NA
11	2026-09-01	Optimal vocabulary selection approaches for privacy-preserving deep NLP model training for information extraction and cancer epidemiology 2022, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-210306 PMID:35213361	研究论文	本研究探讨了在癌症流行病学中，为隐私保护型深度学习自然语言处理模型选择最佳词汇表的方法，以降低隐私泄露风险并保持任务性能。	提出了两种词汇表选择方案（跨登记处频繁出现词和高互信息词），在保持临床任务性能的同时显著降低了模型的隐私脆弱性。	未明确说明局限性。	量化深度学习模型在从医疗文本中提取信息时的隐私脆弱性，并探索保护患者信息、减少机密泄露的方法。	多任务卷积神经网络模型，用于从癌症病理报告中提取信息，数据来自多个州级癌症登记处。	自然语言处理	癌症	NA	CNN	文本	NA	NA	多任务卷积神经网络	隐私脆弱性指标，临床任务性能指标	高性能计算环境
12	2026-09-01	Deep learning-based model for predicting progression in patients with head and neck squamous cell carcinoma 2020, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-190380 PMID:31658045	研究论文	本研究旨在通过整合多组学数据构建深度学习模型，预测头颈鳞状细胞癌患者的疾病进展。	利用自编码器集成RNA测序、miRNA测序和甲基化数据，结合SVM算法构建预后模型，相较于PCA和Cox-PH模型具有更高的准确性和效率。	未明确提及，但可能包括样本量有限、依赖TCGA数据库、需外部验证等。	构建并验证基于深度学习的预后模型，预测HNSCC患者的无进展生存期，并识别相关分子特征。	头颈鳞状细胞癌患者的多组学数据，包括RNA测序、miRNA测序和甲基化数据。	数字病理学	头颈鳞状细胞癌	RNA测序、miRNA测序、甲基化测序	自编码器、支持向量机	基因组数据	未明确说明，但基于TCGA数据库，包含训练集和三个验证集	未明确说明	自编码器、PCA、Cox-PH	C-index、准确性、效率	未明确说明
13	2026-08-31	Challenges and future directions in AI-driven biomaterials for microbiome-associated oral infectious diseases: A systematic review 2026-Oct, Dental materials : official publication of the Academy of Dental Materials IF:4.6Q2 DOI:10.1016/j.dental.2026.04.025 PMID:42086397	系统综述	本研究系统综述了人工智能驱动的生物材料在微生物组相关口腔感染性疾病中的应用，涵盖核心机制、技术瓶颈及未来方向	首次系统整合AI在口腔生物材料设计、性能预测和动态调控方面的应用，提出精准传感-响应回路和多机制协同生物膜破坏策略	未明确指出具体局限性	综述AI驱动的生物材料在微生物组相关口腔感染性疾病中的研究进展，并分析其挑战与未来方向	微生物组相关口腔感染性疾病（龋病、牙周炎、种植体周炎、根管感染）及AI驱动的口腔生物材料	材料科学与人工智能交叉领域	口腔感染性疾病	机器学习、深度学习、多物理场模拟	NA	文本数据（文献数据）	99篇文献	NA	NA	NA	NA
14	2026-08-31	Deep learning-based motion correction: cardiac motion artifact and image quality improvements on chest CT 2026-Sep, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-01986-8 PMID:42156667	研究论文	本文评估了基于深度学习的运动校正算法CLEAR Motion在胸部CT中减少心脏运动伪影和改善图像质量的效果。	首次临床评估CLEAR Motion算法在胸部CT中的应用，该算法通过深度学习显著减少心脏运动伪影并改善图像质量。	研究样本量较小（56例），且仅限于非心电图门控的胸部CT扫描。	确定CLEAR Motion算法在胸部CT肺窗设置中改善图像质量的效用。	56例患有各种胸部疾病的患者，接受非心电图门控的胸部螺旋CT检查。	医学影像	胸部疾病	CT成像	深度学习模型	图像（CT图像）	56例患者	NA	NA	定性指标，包括心肺部边缘距离（CPED）、斜率（CPES）、总体图像质量、心脏运动伪影、区域可见性。	NA
15	2026-08-31	Performance of Deep Learning Reconstruction for Detection of Early Ischemic Changes in NCCT: Comparison with ASIR-V in Acute Stroke 2026-Sep, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-026-01645-5 PMID:41954793	研究论文	本研究评估了深度学习重建（DLIR）与自适应统计迭代重建-Veo（ASIR-V）在非对比CT（NCCT）中检测急性卒中早期缺血性变化的性能，包括图像质量和诊断准确性。	首次比较DLIR与ASIR-V在急性卒中NCCT中检测早期缺血性变化的效果，并探讨其对ASPECT评分的影响。	样本量有限，且为回顾性研究，可能限制统计效能；主观评估可能受读者经验影响。	评估DLIR对急性卒中患者NCCT图像质量和早期缺血性变化检测能力的影响，并与ASIR-V进行比较。	急性卒中疑似患者，症状发作后6小时内接受NCCT检查的图像。	计算机视觉、医学影像	急性卒中	非对比计算机断层扫描（NCCT）	深度学习重建（DLIR）模型	医学图像（NCCT）	未具体说明，但为连续患者，具体数量在摘要中未提供	NA	深度学习重建（DLIR）架构，具体未指定	准确性、敏感性、特异性	未具体说明
16	2026-08-31	Automated Deep Learning-Based Demyelination Load Segmentation in Metachromatic Leukodystrophy 2026-Sep, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-026-01652-6 PMID:42012644	研究论文	本研究开发并验证了一种基于深度学习的自动化分割方法，用于异染性白质营养不良症中脱髓鞘白质的定量分析	首次将自配置卷积神经网络应用于MLD脱髓鞘负荷的自动化分割，并证明其优于传统半自动方法	研究依赖于特定MRI序列，且样本量相对较小	开发并验证用于MLD脱髓鞘白质自动分割的深度学习方法，并评估其与传统半自动方法的性能差异	35名MLD患者的189个3D T1和轴位T2加权扫描，以及49名患者的130个独立测试扫描	机器学习	异染性白质营养不良症	MRI成像	CNN	医学影像	训练集：189个扫描（35名患者）；测试集：130个扫描（49名患者）	NA	nnU-Net	Dice系数，Bland-Altman偏差，Spearman相关系数	NA
17	2026-08-31	Fully automated three-dimensional deep learning-based magnetic resonance imaging segmentation of brain cavities in epilepsy surgery 2026-Aug, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70296 PMID:42284022	研究论文	开发并评估了一种基于深度学习的自动分割工具ResectVol DL，用于癫痫手术后的脑切除腔MRI分割	提出了一种全自动、基于三维深度学习的MRI分割方法，并首次在癫痫手术后切除腔分割中验证其性能优于现有自动方法	应用于手术结果预测模型尚未验证，且训练数据仅来自单中心	开发并基准测试一种免费的、基于深度学习的自动分割工具ResectVol DL，以精确分割癫痫手术后切除的脑组织	癫痫手术患者术后T1加权MRI图像，以及健康对照和脑肿瘤患者的MRI图像用于泛化性测试	医学影像分析	癫痫	MRI	UNet	MRI图像	120例癫痫患者（训练72例，测试48例），外加42例（22例健康对照，20例脑肿瘤病例）	NA	UNet	Dice相似系数，Pearson相关系数，相对体积差异	NA
18	2026-08-31	Multimodality Artificial Intelligence for Involved-Site Radiation Therapy: Clinical Target Volume Delineation in High-Risk Pediatric Hodgkin Lymphoma 2026-07-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.12.005 PMID:41391612	研究论文	开发并评估了集成多模态成像的深度学习模型，用于自动勾画高危儿童霍奇金淋巴瘤受累野放疗的临床靶体积	首次将多时间点PET/CT图像与计划CT结合，用于自动化CTV勾画，并采用多种深度学习架构比较，其中SwinUNETR表现最佳	未提及具体的局限性	开发自动CTV分割算法，整合多模态影像以促进受累野放疗计划制定，提高医生效率	高危儿童霍奇金淋巴瘤患者的临床靶体积	计算机视觉, 数字病理学	儿童霍奇金淋巴瘤	PET/CT成像	深度学习模型	医学影像（计划CT、基线PET/CT、中期PET/CT）	288例患者，其中外部测试58例，开发230例	NA	SegResNet, ResUNet, SwinUNETR	Dice相似系数, 95%豪斯多夫距离	NA
19	2026-08-31	drGT: interpretable drug response prediction with attention-guided gene attribution on a drug-cell-gene heterogeneous graph 2026-Jun-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06417-z PMID:42304175	研究论文	提出drGT，一种基于药物-细胞-基因异构图和注意力引导基因归因的可解释药物反应预测模型	将注意力系数与机制导向的可解释性相结合，实现了预测与生物学解释的统一	未在论文中明确提及局限性	提高药物反应预测的准确性并提供生物学上合理的预测特征解释	药物、基因、细胞系，以及GDSC、NCI60、CTRP数据集	机器学习, 图学习	癌症	文本挖掘（PubMed）	异构图深度学习模型	文本, 图结构数据	GDSC、NCI60、CTRP数据集，976种具有已知药物-靶点相互作用的药物	NA	异构图神经网络	AUROC, R^2, 回归性能	NA
20	2026-08-31	Hybrid deep learning ensemble model for detecting small to medium rotator cuff tears from shoulder radiographs 2026-Jun-16, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-026-06890-5 PMID:42298598	研究论文	开发了一种混合深度学习集成模型，用于从肩关节X光片中检测小型到中型的肩袖撕裂，并评估其性能。	通过多数投票策略整合三种预训练深度学习模型（ResNet-50, ResNet-101, InceptionV3），形成混合集成模型，以提高对小型到中型肩袖撕裂的检测准确性。	研究为回顾性研究，证据级别为III；样本量有限（587张X光片），且测试集结果可能受数据分布影响。	探索深度学习模型在初步评估肩袖撕裂中的应用，以避免不必要的先进成像并加快患者护理。	肩关节X光片，来自患有小型到中型肩袖撕裂的患者和无肩袖撕裂的患者。	计算机视觉	肩袖撕裂	NA	深度学习模型（集成模型）	图像（肩关节X光片）	587张肩关节X光片（339张来自小型到中型肩袖撕裂患者，248张无撕裂），其中训练集406张，验证集101张，独立测试集80张。	NA	ResNet-50, ResNet-101, InceptionV3	准确率、精确率、召回率（灵敏度）、特异度、F1分数、AUC（AUROC）	NA