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	2026-03-15	Feasibility of Multimodal MRI-Based Deep Learning Prediction of High Amino Acid Uptake Regions and Survival in Patients With Glioblastoma 2019, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2019.01305 PMID:31920928	研究论文	本研究探索了一种基于多模态MRI的端到端深度学习框架（U-Net）的可行性，用于预测胶质母细胞瘤患者的高氨基酸摄取区域和生存期	首次使用U-Net深度学习框架，通过临床多模态MRI序列预测胶质母细胞瘤的高氨基酸摄取区域（代谢肿瘤体积），并评估其与无进展生存期的关联	样本量较小（21名患者），在随机选择的受试者中重复验证时，敏感性和阳性预测值仅为中等水平	探索深度学习在利用多模态MRI预测胶质母细胞瘤代谢肿瘤体积和患者生存期方面的可行性	新诊断的胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多模态MRI（T2, FLAIR, 表观扩散系数图, 对比增强T1）和AMT-PET成像	CNN	图像	21名新诊断的胶质母细胞瘤患者	NA	U-Net	敏感性, 特异性, 阳性预测值, 阴性预测值	NA
2	2026-03-02	Validation of automated artificial intelligence segmentation of optical coherence tomography images 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0220063 PMID:31419240	研究论文	本文验证了使用卷积神经网络自动分割光学相干断层扫描图像中眼后部各腔室的性能，并与不同专业水平的人工分割结果进行了比较	首次将深度学习算法应用于SDOCT和SSOCT图像的自动分割，并系统评估了其与多类人工分级者的一致性，证明了算法性能与人工分割相当	研究仅基于特定数据集（6210张图像），未在更广泛或多样化的临床环境中验证，且分割仅限于眼后部腔室	评估和验证人工智能算法在光学相干断层扫描图像分割中的性能，以替代或辅助人工分割	光学相干断层扫描（OCT）B扫描图像中的眼后部腔室（玻璃体、视网膜、脉络膜、巩膜）	计算机视觉	眼科疾病	光学相干断层扫描（OCT），包括谱域（SD）和扫频源（SS）技术	CNN	图像	6210张手动分割图像，来源于2070个B扫描（1046个SDOCT和1024个SSOCT；630个C扫描）	NA	NA	Intersection over Union（IOU）	NA
3	2026-03-02	Forecasting future Humphrey Visual Fields using deep learning 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0214875 PMID:30951547	研究论文	本研究利用深度学习网络预测未来Humphrey视野检查结果	首次使用深度学习网络基于单次HVF数据预测未来长达5.5年的视野变化，并在真实世界数据上验证了其优于线性模型的性能	研究基于回顾性数据，未在外部验证集上进行测试，且预测时间范围限于5.5年内	开发能够预测未来Humphrey视野检查结果的深度学习模型	青光眼患者的24-2 Humphrey视野检查数据	计算机视觉	青光眼	Humphrey视野检查	深度学习人工神经网络	视野检查数据点	32,443次24-2 HVF检查，包含超过170万个视野点	NA	CascadeNet-5	点状平均绝对误差, 平均偏差差异, 相关系数	NA
4	2026-03-02	A feature agnostic approach for glaucoma detection in OCT volumes 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0219126 PMID:31260494	研究论文	本研究提出了一种基于3D卷积神经网络的深度学习技术，直接从原始、未分割的视神经头OCT体积中检测青光眼，无需依赖传统分割特征	采用特征无关方法，直接从原始OCT体积进行分类，避免了传统基于分割特征的依赖，并通过类激活图提供可解释性，识别出与青光眼相关的关键解剖区域	未明确说明样本量、数据来源多样性或模型泛化能力，可能受限于特定数据集或采集条件	开发一种无需手动特征提取的青光眼检测方法，提高诊断准确性	视神经头的OCT体积数据，用于区分健康眼和青光眼	计算机视觉	青光眼	光学相干断层扫描	CNN	3D图像	NA	NA	3D CNN	AUC	NA
5	2026-02-11	Comparing Unet training with three different datasets to correct CBCT images for prostate radiotherapy dose calculations 2019-01-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf496 PMID:30523998	研究论文	本研究评估了三种基于U-Net的深度学习校正方法，用于前列腺癌放疗剂量计算中CBCT图像的强度校正	首次使用单一U-Net架构，在三种不同数据集（CBCT投影、vCT图像切片、校正CBCT图像切片）上进行训练，并比较了它们在光子和质子剂量计算中的准确性	研究仅基于42名前列腺癌患者的数据，样本量有限；未对其他肿瘤类型或更复杂的放疗计划进行评估	评估不同深度学习校正方法对CBCT图像在放疗剂量计算中准确性的影响	42名前列腺癌患者的CT和CBCT成像数据	数字病理	前列腺癌	锥形束计算机断层扫描（CBCT）、可变形图像配准（DIR）、容积旋转调强放疗（VMAT）、质子笔形束扫描（PBS）	CNN	图像	42名前列腺癌患者	NA	U-Net	平均误差（ME）、平均绝对误差（MAE）、剂量差异通过率、Gamma评估通过率、范围差异分布百分位数	NA
6	2025-12-27	Blood Biochemistry Analysis to Detect Smoking Status and Quantify Accelerated Aging in Smokers 2019-01-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-35704-w PMID:30644411	研究论文	本研究首次利用血液生化与细胞计数数据，结合人工智能技术预测吸烟状态并量化吸烟导致的生物衰老加速	首次将深度学习技术应用于常规血液检测数据，实现吸烟状态的客观预测及吸烟所致衰老加速的量化评估	未明确说明样本的具体人口学特征分布，且模型在跨人群的泛化能力有待验证	开发基于血液检测的吸烟状态评估方法并量化吸烟对生物衰老的影响	吸烟者与非吸烟者的血液生化及细胞计数数据	机器学习	心血管疾病	血液生化分析、细胞计数	深度学习	结构化数据（血液检测指标）	NA	NA	NA	NA	NA
7	2025-10-07	A primer on deep learning in genomics 2019-01, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-018-0295-5 PMID:30478442	综述	本文提供基因组学中深度学习应用的入门指南和前景展望	整合深度学习在基因组分析中的成功应用案例，并提供交互式在线教程	NA	为基因组分析领域的深度学习应用提供指导性框架	基因组数据	机器学习	NA	基因组分析	深度学习	基因组数据	NA	NA	NA	NA	NA
8	2025-10-07	BO-LSTM: classifying relations via long short-term memory networks along biomedical ontologies 2019-Jan-07, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-018-2584-5 PMID:30616557	研究论文	提出一种利用生物医学本体增强长短期记忆网络的关系分类模型BO-LSTM	首次将生物医学本体中的实体祖先序列信息整合到深度学习模型中，用于关系分类任务	未明确说明模型在更大规模数据集上的泛化能力	改进生物医学文本挖掘中的关系检测与分类任务	药物-药物相互作用、基因-表型关系	自然语言处理	NA	文本挖掘	LSTM	文本	792个药物描述和233篇科学摘要（DDI），228篇基因-表型关系标注摘要	NA	LSTM	F1-score	NA
9	2025-10-07	Analysis and prediction of unplanned intensive care unit readmission using recurrent neural networks with long short-term memory 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0218942 PMID:31283759	研究论文	使用长短期记忆循环神经网络分析和预测ICU非计划再入院	利用LSTM网络捕捉电子健康记录中的多变量特征和生命体征的突然波动，能够更好地识别ICU患者的高波动性和不稳定状态	NA	开发高效的出院决策支持系统，预测ICU患者30天内非计划再入院风险	ICU患者	机器学习	重症监护	电子健康记录分析	RNN, LSTM	临床数据	MIMIC-III数据库中的综合纵向临床数据	NA	LSTM	灵敏度, AUC	NA
10	2025-02-21	A Stacked BiLSTM Neural Network Based on Coattention Mechanism for Question Answering 2019, Computational intelligence and neuroscience DOI:10.1155/2019/9543490 PMID:31531011	研究论文	本文提出了一种基于共注意力机制的堆叠双向长短期记忆（BiLSTM）神经网络，用于问答系统中的语义交互提取	结合余弦相似度和欧几里得距离对问题和答案句子进行评分，以提高问答系统的性能	未提及具体局限性	提高问答系统的语义理解和交互能力	问答系统中的问题和答案	自然语言处理	NA	深度学习	BiLSTM	文本	TREC 8-13数据集和Wiki-QA数据集	NA	NA	NA	NA
11	2025-02-21	Mixed convolutional and long short-term memory network for the detection of lethal ventricular arrhythmia 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0216756 PMID:31107876	研究论文	本文提出了一种基于1D卷积神经网络（CNN）和长短期记忆（LSTM）网络的深度学习架构，用于检测致死性心室心律失常	结合1D-CNN和LSTM网络，提出了一种新的深度学习架构，用于心室颤动（VF）检测，并在OHCA数据上达到了迄今为止最高的准确率	研究使用了两个数据集，其中一个来自公共存储库，另一个来自OHCA患者，但未提及数据集的多样性和样本量的具体大小	开发一种能够在极短时间内准确诊断心室颤动的算法，以提高院外心脏骤停（OHCA）患者的生存率	心室颤动（VF）的检测	机器学习	心血管疾病	深度学习	1D-CNN和LSTM	ECG信号	两个数据集，一个来自公共存储库的Holter记录，另一个来自OHCA患者，具体样本量未提及	NA	NA	NA	NA
12	2024-12-17	Machine Learning and Deep Learning Approaches in Breast Cancer Survival Prediction Using Clinical Data 2019, Folia biologica IF:1.1Q4 DOI:10.14712/fb2019065050212 PMID:32362304	研究论文	本研究使用机器学习和深度学习方法，基于4902名患者的临床数据预测乳腺癌生存率	本研究测试了深度学习算法以提高预测模型的准确性，并发现肿瘤大小是乳腺癌生存预测的最重要特征	参数配置和数据转换等因素会影响预测模型的准确性	提高乳腺癌生存预测的准确性	乳腺癌患者的生存率	机器学习	乳腺癌	机器学习、深度学习	多层感知器（MLP）、随机森林（RF）、决策树（DT）、支持向量机（SVM）	临床数据	4902名患者	NA	NA	NA	NA
13	2024-12-06	Using unfolding case studies to better prepare the public health nutrition workforce to address the social determinants of health 2019-01, Public health nutrition IF:3.0Q2 DOI:10.1017/S1368980018002811 PMID:30394260	研究论文	本研究测试了展开案例研究方法对公共卫生营养工作队伍在改善营养食品获取方面的支持能力	提出了一种展开案例研究方法，以支持公共卫生营养工作队伍应对社会决定因素	需要进一步研究展开案例研究在课程中的应用如何影响公共卫生营养实践的准备情况	测试展开案例研究方法对公共卫生营养工作队伍的支持能力	公共卫生营养工作队伍和营养与饮食学本科生	NA	NA	NA	NA	NA	38名本科营养与饮食学学生	NA	NA	NA	NA
14	2024-11-23	Convolutional neural network scoring and minimization in the D3R 2017 community challenge 2019-01, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-018-0133-y PMID:29992528	研究论文	本文评估了基于卷积神经网络（CNN）的评分函数在药物发现领域中执行常见任务的能力	本文提出了一种基于CNN的评分函数，并在D3R 2017社区挑战中进行了评估，发现其在多个虚拟筛选任务中表现优异	CNN在某些任务中表现不佳，特别是在Cathepsin S的从头对接任务中	评估基于CNN的评分函数在药物发现中的应用效果	评估CNN评分函数在识别配体姿态和分类活性或非活性配体方面的能力	机器学习	NA	卷积神经网络（CNN）	CNN	结构信息	涉及D3R 2017社区挑战中的多个任务和配体	NA	NA	NA	NA
15	2024-11-15	Learning from Longitudinal Data in Electronic Health Record and Genetic Data to Improve Cardiovascular Event Prediction 2019-01-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-36745-x PMID:30679510	研究论文	本研究利用电子健康记录和基因数据中的纵向数据，应用机器学习和深度学习模型来预测心血管事件	本研究首次将纵向电子健康记录和基因数据结合，通过后期融合方法进一步提高心血管事件预测的准确性	本研究仅限于特定人群和特定时间段的数据，可能无法推广到其他人群或更长时间段	提高心血管事件预测的准确性	心血管疾病事件	机器学习	心血管疾病	NA	卷积神经网络 (CNN) 和长短期记忆网络 (LSTM)	电子健康记录和基因数据	109,490 名个体	NA	NA	NA	NA
16	2024-11-06	A collaborative computer aided diagnosis (C-CAD) system with eye-tracking, sparse attentional model, and deep learning 2019-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2018.10.010 PMID:30399507	研究论文	本文开发了一种名为协作计算机辅助诊断（C-CAD）的系统，结合了眼动追踪、稀疏注意力模型和深度学习技术，以帮助放射科医生提高诊断准确性	本文提出了一种新的基于图的聚类和稀疏化算法，将眼动追踪数据转化为图模型，以定量和定性解释注视模式	本文未详细讨论系统的实际部署和长期使用中的潜在问题	开发一种能够结合眼动追踪和计算机辅助诊断系统的创新方法，以提高放射科医生的诊断效率和准确性	放射科医生在低剂量胸部CT和多参数磁共振成像（mp-MRI）中的诊断行为	计算机视觉	肺部疾病	眼动追踪、深度学习	图模型、多任务学习平台	图像	多个放射科医生参与的肺癌筛查实验	NA	NA	NA	NA
17	2024-10-10	A feasibility study on an automated method to generate patient-specific dose distributions for radiotherapy using deep learning 2019-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.13262 PMID:30367492	研究论文	研究开发了一种基于深度学习技术的自动化方法，用于生成放射治疗中的患者个性化剂量分布	提出了将辐射几何信息添加到输入中以提高剂量分布预测准确性的创新方法	研究仅限于早期鼻咽癌病例，且样本量较小	开发一种能够预测最佳剂量分布的方法，以应用于放射治疗计划	早期鼻咽癌患者的放射治疗剂量分布	机器学习	鼻咽癌	深度学习	ResNet101	图像	80例早期鼻咽癌患者，其中70例用于训练，10例用于测试	NA	NA	NA	NA
18	2024-10-04	Comparison Study of Computational Prediction Tools for Drug-Target Binding Affinities 2019, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2019.00782 PMID:31824921	综述	本文综述了用于预测药物-靶点结合亲和力的计算预测工具，重点关注人工智能、机器学习和深度学习方法	首次全面比较分析了基于AI/ML/DL的DTBA预测工具	NA	探讨药物-靶点相互作用预测方法，特别是结合亲和力的预测	药物-靶点结合亲和力预测工具及其相关基准数据集和数据库	机器学习	NA	人工智能、机器学习、深度学习	NA	NA	NA	NA	NA	NA	NA
19	2024-10-04	Peptide-Major Histocompatibility Complex Class I Binding Prediction Based on Deep Learning With Novel Feature 2019, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2019.01191 PMID:31850062	研究论文	本文提出了一种基于深度学习的新特征来预测肽与主要组织相容性复合体I类（MHC I）蛋白的结合亲和力	本文采用了深度卷积神经网络（CNN）来预测肽与MHC I的结合亲和力，并引入了新的特征，如序列顺序、疏水性指数、极性和肽长度，以提高预测准确性	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种更准确的预测肽与MHC I结合亲和力的方法，以支持基于肽的疫苗开发	肽与MHC I蛋白的结合亲和力	机器学习	NA	深度学习	CNN	序列数据	涉及数十种肽数据	NA	NA	NA	NA
20	2024-10-02	Combining Citizen Science and Deep Learning to Amplify Expertise in Neuroimaging 2019, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2019.00029 PMID:31139070	研究论文	本文提出了一种结合公民科学和深度学习的方法，以放大神经影像学中的专家知识	通过公民科学平台放大专家标签，并利用这些标签训练深度学习模型，以模拟专家的决策	NA	探索如何通过结合公民科学和深度学习来提高大规模数据集的质量控制	脑部磁共振图像的质量控制	计算机视觉	NA	深度学习	深度学习算法	图像	NA	NA	NA	NA	NA