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	2026-05-31	High compression deep learning based single-pixel hyperspectral macroscopic fluorescence lifetime imaging in vivo 2020-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.396771 PMID:33149959	研究论文	提出一种基于高压缩深度学习的高光谱宏观荧光寿命单像素成像方法，用于活体成像	结合压缩感知和卷积神经网络，实现仅需1%测量即可重建128×128像素的强度和寿命图像，无需实验训练数据集	未提及模型在更低压缩率或更高分辨率下的表现，以及潜在的计算资源限制	加速单像素宏观荧光寿命成像的采集和处理速度，提高分辨率，以促进其活体应用	用于活体小鼠成像，监测肝脏和膀胱中的受体-配体相互作用，以及HER2阳性乳腺肿瘤异种移植中曲妥珠单抗药物的细胞内递送	计算机视觉	未明确指定疾病类型，但涉及肿瘤（乳腺肿瘤异种移植）	荧光寿命成像、压缩感知	卷积神经网络 (CNN)	荧光寿命图像	包括合成数据、体外数据和活体小鼠数据，具体数量未提及	PyTorch	NetFLICS-CR	强度重建和寿命重建精度，具体指标未提及但可能包括结构相似性等	未提及具体GPU类型或平台
2	2026-05-31	Real-time, wide-field and high-quality single snapshot imaging of optical properties with profile correction using deep learning 2020-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.397681 PMID:33149980	研究论文	提出一种基于深度学习和GPU的单次快照光学特性成像方法，实现实时、宽场、高质量成像及表面轮廓校正	在滤波阶段结合深度学习网络和GPU，实现高视觉质量图像重建、表面轮廓校正和实时光学特性提取，处理时间仅18毫秒，性能接近传统轮廓校正SFDI方法	相对SFDI方法的误差小于10%，未提及对其他组织类型或临床场景的泛化能力	开发实时、宽场、定量的漫反射光学成像方法，用于图像引导手术等临床应用中可视化活体组织的功能和结构生物标志物	活体组织的光学特性和表面轮廓	计算机视觉	不适用	空间频域成像（SFDI）	深度学习网络	图像	不适用	不适用	深度学习网络（未具体指定架构类型）	处理时间，相对误差	GPU（未具体指定类型）
3	2026-05-31	UNMIX-ME: spectral and lifetime fluorescence unmixing via deep learning 2020-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.391992 PMID:33014571	研究论文	提出基于深度学习的UNMIX-ME方法，同时利用光谱和时间特征进行荧光解混	首次同时利用光谱和时间特征进行定量荧光解混，克服传统独立解混方法的局限性	可能依赖特定压缩超光谱荧光寿命成像平台的数据采集框架，通用性需进一步验证	开发基于深度学习的荧光解混方法，实现多荧光团定量成像	模拟的三指数和四指数样本，以及近红外FRET临床前应用样本	机器学习	NA	超光谱荧光寿命成像	深度学习模型	光谱-时间荧光衰减数据	模拟样本（三指数和四指数），以及临床前FRET样本	NA	UNMIX-ME	NA	NA
4	2026-05-29	Deep learning-based image analysis methods for brightfield-acquired multiplex immunohistochemistry images 2020-Jul-28, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-020-01003-0 PMID:32723384	研究论文	基于深度学习的方法分析明场采集的多重免疫组织化学全切片图像，用于定量评估六种生物标志物	采用互补的深度学习工具（ColorAE自编码器和U-Net卷积神经网络）解决传统方法无法处理超过四种标记物的问题，并避免对专用光谱分离设备的需求	未明确提及局限性，但研究仅在胰腺导管腺癌的定制 mIHC panel 中进行了验证，方法可扩展性可能需要进一步评估	开发深度学习工具以自动检测和分类多重免疫组化图像中的六种细胞类型，并用于肿瘤微环境的空间分析	胰腺导管腺癌组织切片中的T细胞（CD3、CD4、CD8）、B细胞（CD20）、巨噬细胞（CD16）和肿瘤细胞（K17）	数字病理学	胰腺导管腺癌	多重免疫组织化学	自编码器、卷积神经网络	图像	3张多重免疫组化全切片图像用于空间分析用例	NA	ColorAE, U-Net	结构相似性指数、DICE系数、F1分数、灵敏度、阳性预测值	NA
5	2026-05-29	AI in Medical Imaging Informatics: Current Challenges and Future Directions 2020-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2020.2991043 PMID:32609615	综述	本文综述医学成像信息学中的前沿研究，讨论临床转化，并为推进临床实践提供未来方向	总结不同模态的医学图像采集技术进展，强调大数据背景下高效医疗数据管理策略的必要性，并对基于AI和深度学习的分类与分割算法进行系统综述	未提及具体算法的局限性或比较性评估	为医学成像信息学的临床转化和未来研究提供全面概述与方向指引	医学成像信息学领域的现有研究文献和技术	计算机视觉	NA	医学成像	深度学习	图像	NA	NA	NA	NA	NA
6	2026-05-24	Quantifying behavior to understand the brain 2020-12, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-020-00734-z PMID:33169033	综述	回顾了用于量化动物行为的技术进展，特别是运动追踪和动态结构表征方法，并探讨了深度学习在计算行为学中的应用及其对神经科学研究的推动作用	强调深度学习作为核心驱动力，推动了行为量化从传统任务（如心理物理学）向完整行为描述扩展，并提出了连接神经活动与行为的量化框架	未明确提及具体局限性，但隐含挑战包括行为量化的完整性和动态结构的解析难度	综述行为量化技术进展，探讨如何通过量化行为理解脑功能，最终解析神经环路、认知过程与行为之间的关系	动物行为，包括自然环境中的运动和心理物理学任务中的行为表现	计算机视觉、机器学习	不适用	深度学习、行为追踪、运动动力学分析	深度学习模型（如用于特征提取和动态表征的神经网络）	行为视频、运动追踪数据	不适用	不适用	不适用	不适用	不适用
7	2026-05-18	A Comparison of the Efficiency of Using a Deep CNN Approach with Other Common Regression Methods for the Prediction of EGFR Expression in Glioblastoma Patients 2020-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-019-00290-4 PMID:31797142	研究论文	比较深度CNN方法与其他常见回归方法在预测胶质母细胞瘤患者EGFR表达中的效率	首次系统比较深度CNN回归与LASSO、弹性网络等多种回归方法在基于MRI的放射基因组学分析中的性能，证明深度CNN在高维回归任务中的优势	样本量较小（仅166例患者），且未提及模型的外部验证或泛化性测试	利用放射基因组学分析MRI图像，预测胶质母细胞瘤患者的EGFR表达水平	166例胶质母细胞瘤患者的MRI影像及其EGFR表达数据	计算机视觉	胶质母细胞瘤	MRI成像	卷积神经网络（CNN）	图像	166例胶质母细胞瘤患者	NA	深度CNN, 深度神经网络, LASSO回归, 弹性网络回归, 无正则化线性回归	损失值（loss）	NA
8	2026-05-09	Deep learning extended depth-of-field microscope for fast and slide-free histology 2020-12-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2013571117 PMID:33318169	研究论文	提出一种基于深度学习的扩展景深显微镜，用于快速、无切片的组织学检查	通过在荧光显微镜瞳孔平面添加廉价相位掩模并结合联合优化的图像重建算法，实现200微米的扩展景深，无需物理切片即可获得组织学质量图像	未明确提及当前处理的组织表面不规则性是否影响所有样本，以及算法在不同显微镜配置下的通用性	开发可在术中快速评估手术切缘的显微镜技术，减少传统组织处理的时间和成本	口腔外科手术切除的组织样本	计算机视觉, 数字病理学	癌症	荧光显微镜	深度学习	图像	口腔手术切除标本	NA	NA	衍射极限光学性能	NA
9	2026-05-06	Comparative analysis between convolutional neural network learned and engineered features: A case study on cardiac arrhythmia detection 2020 Jul-Aug, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2020.04.001 PMID:35265872	研究论文	比较卷积神经网络学习特征与人工设计特征在心房颤动检测中的性能	系统比较了CNN自动学习特征与人工设计特征（包括时频域和线性非线性特征）在心房颤动分类中的效果，并分析了两种特征之间的相关性	仅使用短时单导联心电图记录（9-61秒），可能无法涵盖所有心律失常类型；外部验证集规模有限（3,658例）	评估CNN和随机森林机器学习模型在心房颤动分类中的信息提取能力	单导联心电图记录中的正常、心房颤动、其他节律和噪声窦性节律	机器学习	心血管疾病	NA	CNN, 随机森林, 支持向量机	心电图信号	训练及内部验证8,528例心电图，外部验证3,658例心电图	NA	一维12层CNN	F1分数	NA
10	2026-05-06	Atrial fibrillation detection from raw photoplethysmography waveforms: A deep learning application 2020-Apr, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2020.02.002 PMID:34113853	研究论文	本研究测试了深度学习算法使用原始光电容积描记图波形检测心房颤动的能力，并对比了仅依赖心率数据的算法	首次使用原始PPG波形的深度卷积-循环神经网络进行房颤检测，相比仅用心率数据的LSTM模型和传统心率变异性分析，显著提高了检测准确性	样本量较小（仅51名持续性房颤患者），且种族和性别分布不均（88%白人，78%男性）	验证深度学习算法使用原始PPG波形检测房颤的准确性是否优于仅使用心率数据的算法	接受房颤复律治疗的患者	机器学习	心血管疾病	PPG	深度卷积-循环神经网络、LSTM	时间序列数据	51名持续性房颤患者（40人训练，11人测试）	NA	深度卷积-循环神经网络、LSTM	AUC, 灵敏度, 特异度	NA
11	2026-05-05	Deep Learning for Prediction and Optimization of Fast-Flow Peptide Synthesis 2020-Dec-23, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.0c00979 PMID:33376788	研究论文	利用深度学习预测和优化快速流动肽合成中的Fmoc脱保护效率	首次将深度学习应用于快速流动肽合成的原位紫外-可见光谱数据，实现序列依赖的脱保护反应预测，并建立实验感知的计算设计方法以减少聚集事件	未明确提及方法的通用性验证（如不同合成仪或肽序列类型）及实际反应优化中的实时部署挑战	开发一种基于深度学习的计算方法，用于预测和优化快速流动肽合成中的Fmoc脱保护效率	35,427个Fmoc脱保护反应的紫外-可见光谱数据及对应氨基酸和肽序列	机器学习	不适用	Fmoc固相肽合成、紫外-可见光谱	深度学习模型（具体架构未明确）	时间分辨紫外-可见光谱数据	35,427个Fmoc脱保护反应	不适用	未明确指定具体架构	误差（低于6%）	未明确提及
12	2026-05-05	Single-Nanoparticle Orientation Sensing by Deep Learning 2020-Dec-23, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.0c01252 PMID:33376795	研究论文	利用深度学习平台在差分干涉对比显微镜下确定各向异性光学探针的取向	通过深度学习模型突破DIC方法的固有角度限制（20°），实现金纳米棒平面角预测误差低于此限，并首次在0-360°范围内检测低对称性金纳米星的平面取向，同时扩展模型实现多分支纳米星平面外旋转角的同时预测	NA	开发计算成像平台以精确检测各向异性光学探针在DIC显微镜下的取向	金属纳米颗粒光学探针（金纳米棒、金纳米星）	计算机视觉	NA	差分干涉对比显微镜	深度学习模型	图像	NA	NA	NA	误差（角度误差）	NA
13	2026-05-03	From Regression Analysis to Deep Learning: Development of Improved Proxy Measures of State-Level Household Gun Ownership 2020-Dec-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2020.100154 PMID:33336203	研究论文	利用传统回归分析和深度学习开发了两种高精度州级家庭枪支拥有率代理指标	首次将深度学习应用于枪支拥有率代理指标建模，并指出传统FS/S代理指标存在严重偏差	代理指标依赖有限协变量（自杀枪支比例和狩猎执照率），可能忽略其他影响因素	开发更准确的州级家庭枪支拥有率代理指标，替代现有偏见严重的FS/S指标	美国各州家庭枪支拥有率	机器学习	NA	NA	深度学习模型、回归分析模型	数值型数据	NA	NA	NA	R²	NA
14	2026-05-03	An automated tissue-to-diagnosis pipeline using intraoperative stimulated Raman histology and deep learning 2020, Molecular & cellular oncology IF:2.6Q3 DOI:10.1080/23723556.2020.1736742 PMID:32391430	研究论文	利用术中受激拉曼组织学与深度学习实现自动化组织诊断流程	开发了基于床边的组织到诊断的全自动流程，结合受激拉曼组织学（SRH）和深度卷积神经网络（CNN），无需标记即可快速识别脑肿瘤区域	NA	建立并验证一种术中快速、自动化的脑肿瘤诊断方法	脑组织标本，特别是常见脑肿瘤	机器学习的医学图像分析	脑肿瘤	受激拉曼组织学（SRH）	深度卷积神经网络（CNN）	SRH图像	NA	NA	卷积神经网络（CNN）	分割准确性	NA
15	2026-05-01	DeepciRGO: functional prediction of circular RNAs through hierarchical deep neural networks using heterogeneous network features 2020-Nov-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-020-03748-3 PMID:33183227	研究论文	提出一种基于层次深度神经网络的模型DeepciRGO，利用异构网络特征预测环状RNA的基因本体功能	首次利用异构网络中的拓扑特征和层次深度神经网络预测环状RNA功能，并通过HIN2Vec表示学习方法融合多源交互网络信息	仅基于人工构建的小规模数据集circRNA2GO-62，且预测性能指标较低（最高F值为0.412），未整合RNA结构和序列信息以获得更优性能	利用深度学习模型预测环状RNA的生物学功能，以降低实验成本并揭示其在疾病中的调控机制	62种环状RNA及其185个基因本体注释	自然语言处理	NA	NA	层次深度神经网络	异构网络数据	62个环状RNA样本	NA	层次深度神经网络	F值, 召回率, 准确率	NA
16	2026-05-01	Artificial intelligence quantified tumour-stroma ratio is an independent predictor for overall survival in resectable colorectal cancer 2020-Nov, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2020.103054 PMID:33039706	研究论文	开发深度学习模型自动量化肿瘤间质比，验证其对可切除结直肠癌总生存期的独立预测价值	首次实现基于深度学习对结直肠癌HE染色全切片图像进行全自动化肿瘤间质比量化，并在独立队列中验证其预后价值，可减少病理学家工作负担	NA	评估深度学习量化的肿瘤间质比对结直肠癌患者总生存期的独立预测能力	结直肠癌患者的HE染色全切片图像	数字病理学	结直肠癌	HE染色	卷积神经网络	图像	发现队列 499 例，验证队列 315 例	NA	CNN	风险比，95%置信区间，P值	NA
17	2026-04-30	DeepACP: A Novel Computational Approach for Accurate Identification of Anticancer Peptides by Deep Learning Algorithm 2020-Dec-04, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2020.10.005 PMID:33230481	研究论文	提出一种基于深度学习的计算方法DeepACP，用于准确识别抗癌肽	系统比较了卷积、循环和卷积-循环三种深度学习架构，发现双向长短期记忆网络表现最优，并实现了模型可视化与理解	未明确说明，但可推断仅限于序列信息，且需进一步验证对非ACP肽的泛化能力	探索最佳深度学习架构以准确预测抗癌肽，并开发实用工具	抗癌肽序列数据集	机器学习	癌症	NA	循环神经网络	序列数据	未提及具体数量	深度学习框架未明确指定	双向长短期记忆网络	准确率	NA
18	2026-04-30	Cellular State Transformations Using Deep Learning for Precision Medicine Applications 2020-Sep-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2020.100087 PMID:33205131	研究论文	提出基于生成对抗网络的新型深度学习方法TSPG，用于识别组织状态间的基因表达变化	首次在单样本场景下应用生成对抗网络学习转录组扰动，实现从单个患者活检样本中识别与健康组织的差异表达基因	NA	开发精准医学中识别组织状态间转录组变化的深度学习方法	人类正常与肿瘤组织样本的RNA测序表达数据	机器学习	肾癌	RNA测序	生成对抗网络	基因表达数据	单个患者肾癌活检样本	NA	NA	NA	NA
19	2026-04-22	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	本研究构建了一个基于深度学习的模型，通过整合多组学数据来预测头颈部鳞状细胞癌患者的疾病进展	利用自编码器整合RNA测序、miRNA测序和甲基化数据，构建了预测无进展生存期的深度学习模型，相比传统方法（如主成分分析或单独Cox比例风险模型）更准确高效	未明确提及样本量是否充足或模型在其他独立数据集上的泛化能力	预测头颈部鳞状细胞癌患者的疾病进展	头颈部鳞状细胞癌患者	机器学习	头颈部鳞状细胞癌	RNA测序, miRNA测序, 甲基化测序	自编码器, SVM	多组学数据	来自TCGA的数据，具体样本数未明确	NA	自编码器	C-index	NA
20	2026-04-20	Deep learning for automated detection of Drosophila suzukii: potential for UAV-based monitoring 2020-Sep, Pest management science IF:3.8Q1 DOI:10.1002/ps.5845 PMID:32246738	研究论文	本研究利用深度学习技术，基于ResNet-18卷积神经网络，开发了一种自动检测和计数果蝇Drosophila suzukii的方法，并探索了无人机在昆虫监测中的应用潜力	首次将深度学习与无人机图像采集结合，用于自动检测和计数果蝇Drosophila suzukii，包括性别预测和区分，为害虫综合管理提供了新的自动化监测方案	无人机采集的图像质量较低，导致检测性能下降，AUC值较低，这主要是由于无人机在图像采集过程中的稳定操作所致	开发一种高效、自动化的昆虫监测系统，以替代传统耗时、劳动密集型的害虫监测方法，支持害虫综合管理策略	果蝇Drosophila suzukii（斑点翅果蝇）	计算机视觉	NA	图像采集、深度学习	CNN	图像	4753个标注的果蝇图像	NA	ResNet-18	AUC（精确召回曲线下面积）	NA