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
201	2026-03-06	GestAltNet: aggregation and attention to improve deep learning of gestational age from placental whole-slide images 2021-07, Laboratory investigation; a journal of technical methods and pathology DOI:10.1038/s41374-021-00579-5 PMID:33674784	研究论文	本文提出GestAltNet模型，通过注意力机制和区域聚合来从胎盘全玻片图像中深度学习预测孕周	开发了GestAltNet模型，模拟人类对高产出区域的注意力并跨区域聚合数据，以改善胎盘全玻片图像中孕周的深度学习预测	NA	利用深度学习模型从胎盘全玻片图像中准确估计孕周，并研究绒毛成熟度的机器识别	胎盘全玻片图像	数字病理学	妊娠期糖尿病, 先兆子痫	全玻片图像扫描	深度学习模型	图像	36张未见过的全玻片图像用于测试	NA	GestAltNet	相关系数(r), 平均绝对误差(MAE)	NA
202	2026-03-06	Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19 2021-02, Metabolism: clinical and experimental DOI:10.1016/j.metabol.2020.154436 PMID:33221381	研究论文	本研究探讨了心外膜脂肪组织（EAT）在胸部CT上的量化指标与COVID-19肺炎范围及不良临床结局之间的关联	首次利用深度学习软件量化EAT体积和衰减，并发现其与COVID-19肺炎负担及临床恶化或死亡风险独立相关	研究为回顾性分析，样本量较小（109例），且仅基于单中心数据，可能存在选择偏倚	评估EAT作为COVID-19患者肺炎程度和不良结局预测因子的临床价值	实验室确诊的COVID-19患者	数字病理学	COVID-19	胸部CT成像，深度学习软件分析	深度学习模型	医学影像（CT图像）	109例连续患者	NA	NA	回归系数（β），比值比（OR），相关性系数（r），p值	NA
203	2026-03-05	Pseudonymisation of neuroimages and data protection: Increasing access to data while retaining scientific utility 2021-Dec, Neuroimage. Reports DOI:10.1016/j.ynirp.2021.100053 PMID:40568426	综述	本文探讨了神经影像数据在开放科学与数据保护之间的平衡，分析了现有去标识化技术的隐私局限性，并提出了促进数据共享的技术和组织措施	结合机器学习的最新进展，重新评估了神经影像去标识化技术的隐私风险，并提出了综合性的解决方案以在保护隐私的同时保持数据科学效用	未提供具体的实验验证或量化分析来支持所讨论的技术措施的有效性	旨在澄清神经影像数据匿名化、假名化和去标识化的概念，并探索在满足数据保护要求的同时最大化数据科学效用的方法	神经影像数据及其相关的隐私保护技术	机器学习和数字病理学	NA	去脸、颅骨剥离、面部掩码/模糊化等面部特征移除技术	NA	神经影像数据	NA	NA	NA	NA	NA
204	2026-03-03	MB-GAN: Microbiome Simulation via Generative Adversarial Network 2021-02-05, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab005 PMID:33543271	研究论文	本文提出了一种基于生成对抗网络（GAN）的微生物组模拟框架MB-GAN，用于生成逼真的微生物组数据	MB-GAN避免了显式统计建模假设，仅需真实数据集作为输入，且相比传统GAN更易应用和高效收敛	未明确提及具体限制，可能包括对大规模数据或特定微生物组类型的适用性	开发一种模拟真实微生物组数据的方法，以评估分析工具的优缺点	人类微生物组数据，特别是肠道微生物组	机器学习	NA	宏基因组关联研究，深度学习方法	GAN	微生物丰度数据	396个样本（来自病例对照肠道微生物组研究）	NA	MB-GAN	稀疏性、多样性、类群-类群相关性	NA
205	2026-03-02	A Deep-Learning Proteomic-Scale Approach for Drug Design 2021-Dec-07, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph14121277 PMID:34959678	研究论文	本研究利用深度学习技术，通过降维和生成模型，基于药物-蛋白质组相互作用签名设计新型药物样化合物，以加速药物发现过程	首次将深度学习中的降维自编码器和条件变分自编码器应用于CANDO平台，用于生成具有目标相互作用签名的新型药物化合物，实现了药物设计的自动化	研究仅基于计算预测，未进行实验验证；模型性能可能受限于训练数据的质量和覆盖范围	开发一种基于深度学习的全自动药物设计方法，以提高药物发现的效率和安全性	药物/化合物与人类蛋白质组结构的相互作用签名，以及针对特定疾病（如非小细胞肺癌和抗衰老）的药物设计	机器学习	肺癌	深度学习，蛋白质组学分析	自编码器，条件变分自编码器	药物-蛋白质组相互作用签名数据	涉及20种已批准和实验性药物，以及13种与非小细胞肺癌和抗衰老相关的药物/化合物	NA	自编码器，条件变分自编码器	行为相似性预测的p值（≤0.05）	NA
206	2026-03-02	MRI-based Identification and Classification of Major Intracranial Tumor Types by Using a 3D Convolutional Neural Network: A Retrospective Multi-institutional Analysis 2021-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200301 PMID:34617029	研究论文	本研究开发了一种基于3D卷积神经网络的算法，用于对增强后T1加权MRI扫描中的主要颅内肿瘤类型进行分类，并区分健康组织与肿瘤图像	利用多机构、多数据集（包括公开和内部临床数据）训练3D卷积神经网络，实现了对六种颅内肿瘤类型及健康组织的自动分类，并通过特征图可视化网络注意力	研究为回顾性分析，可能存在选择偏倚；模型性能在外部数据上略有下降，特别是阳性预测值	开发一种能够自动分类颅内肿瘤类型并区分健康与病变组织的算法	增强后T1加权MRI扫描图像	计算机视觉	颅内肿瘤	MRI	CNN	图像	2105张图像（来自多个公开数据集和内部临床数据集）	NA	3D卷积神经网络	准确率, 阳性预测值, 阴性预测值, 灵敏度, 特异性, F1分数, AUC, AUPRC	NA
207	2026-03-02	Student becomes teacher: training faster deep learning lightweight networks for automated identification of optical coherence tomography B-scans of interest using a student-teacher framework 2021-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.433432 PMID:34692189	研究论文	本研究探索了一种学生-教师框架，利用未标记图像训练参数较少的轻量级深度学习模型，以快速自动检测光学相干断层扫描B扫描中的感兴趣图像	采用学生-教师框架结合大量未标记B扫描数据（约500K）训练轻量级模型，实现了比传统ResNet50教师模型更快的推理速度（2.53至4.13倍），同时保持可比的敏感性和特异性	未明确说明模型在更广泛临床数据集上的泛化能力，且未讨论不同轻量级模型家族间的具体架构差异对性能的影响	开发快速自动检测光学相干断层扫描B扫描中异常图像的轻量级深度学习模型	光学相干断层扫描B扫描图像（包括标记和未标记数据）	计算机视觉	NA	光学相干断层扫描	CNN	图像	约70K专家标记B扫描（训练集）和约500K未标记B扫描（学生-教师框架增强）	NA	ResNet50（教师网络），四种轻量级模型家族的27个变体（学生网络）	验证准确率，敏感性，特异性	NA
208	2026-03-02	Deep representation learning of patient data from Electronic Health Records (EHR): A systematic review 2021-03, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103671 PMID:33387683	系统综述	本文对使用深度学习从电子健康记录中学习患者表示的研究进行了系统性回顾，并提供了方法论角度的定性和定量分析	首次系统性回顾了患者表示学习领域，总结了从2015年至2019年该领域的发展趋势、典型工作流程、主流方法及应用	现有预测模型主要关注单一疾病预测，未从整体角度考虑患者的复杂机制；由于电子健康记录数据的隐私问题，基准数据集大多不可用	回顾和分析使用深度学习方法从电子健康记录中学习患者表示的研究进展	从电子健康记录中提取的患者数据	自然语言处理, 机器学习	NA	深度学习	RNN, LSTM, GRU	结构化电子健康记录数据	49篇研究论文	NA	长短期记忆网络, 门控循环单元	交叉熵损失	NA
209	2026-03-02	An Artificial Intelligence-Assisted Method for Dementia Detection Using Images from the Clock Drawing Test 2021, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-210299 PMID:34334396	研究论文	本文提出了一种基于人工智能辅助的方法，利用钟表绘图测试图像进行痴呆检测	首次将深度学习算法应用于钟表绘图测试图像，结合年龄和教育水平预测痴呆状态，实现了高精度的计算机辅助筛查工具	研究样本中认知受损者数量相对较少（160例），且方法尚未完全验证，需进一步临床确认	评估机器学习模型是否能利用钟表绘图测试图像预测轻度认知障碍或痴呆	3,263名认知正常者和160名认知受损者绘制的模拟钟表图像	数字病理学	老年疾病	深度学习算法	深度学习模型	图像	3,423名受试者（3,263名认知正常，160名认知受损）	NA	NA	AUC, F1分数	NA
210	2026-02-27	Multi-Time Attention Networks for Irregularly Sampled Time Series 2021-May, ... International Conference on Learning Representations PMID:41737905	研究论文	本文提出了一种名为多时间注意力网络的新深度学习框架，用于处理不规则采样的时间序列数据，特别是在电子健康记录中的生理时间序列分析	提出了一种新的深度学习框架，通过连续时间值嵌入和注意力机制处理不规则采样时间序列，相比现有方法训练速度显著更快	未明确说明模型在处理极端稀疏数据或特定噪声模式下的性能限制	开发一种能够有效处理不规则采样时间序列的深度学习模型，用于插值和分类任务	电子健康记录中的生理时间序列数据，这些数据具有稀疏性、不规则采样和多变量特性	机器学习	NA	NA	注意力机制, 深度学习	时间序列数据	NA	NA	多时间注意力网络	NA	NA
211	2026-02-25	PodoSighter: A Cloud-Based Tool for Label-Free Podocyte Detection in Kidney Whole-Slide Images 2021-11, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.2021050630 PMID:34479966	研究论文	本研究开发了PodoSighter，一种基于云的在线工具，用于通过深度学习自动识别和量化肾全玻片图像中的足细胞核	首次提出一种无需标记的自动化足细胞检测工具，利用深度学习在标准组织学染色全玻片图像中实现足细胞核的识别与量化	研究基于多机构队列但样本量有限（122个组织切片），且工具性能在不同物种间存在差异	开发自动化工具以改进足细胞检测与量化，促进足细胞研究并支持未来临床应用	小鼠、大鼠和人类肾脏组织切片，包括糖尿病肾病、新月体性肾小球肾炎等疾病模型	数字病理学	肾脏疾病	免疫组织化学染色、免疫荧光染色、周期性酸-Schiff染色	深度学习模型	图像	122个组织切片（来自小鼠、大鼠和人类肾脏的多机构队列）	NA	NA	灵敏度, 特异性	基于云的Web应用平台
212	2026-02-24	Accelerated Brain Aging and Cerebral Blood Flow Reduction in Persons With Human Immunodeficiency Virus 2021-11-16, Clinical infectious diseases : an official publication of the Infectious Diseases Society of America IF:8.2Q1 DOI:10.1093/cid/ciab169 PMID:33621317	研究论文	本研究通过MRI生物标志物比较了不同病毒载量的HIV感染者与未感染者的脑老化差异，发现脑血流与年龄和病毒载量相关，而结构老化与认知功能下降相关	首次系统比较了不同病毒载量HIV感染者的脑老化特征，揭示了脑血流与结构老化的不同影响因素	横断面研究设计无法确定因果关系，样本量相对有限	探究HIV感染对脑老化的影响及其与病毒载量的关系	HIV感染者（分为可检测和不可检测病毒载量两组）与HIV未感染者	医学影像分析	人类免疫缺陷病毒感染	磁共振成像，动脉自旋标记，神经心理学测试	深度学习算法	MRI图像，神经心理学测试数据	529人（230名不可检测病毒载量HIV感染者，93名可检测病毒载量HIV感染者，206名HIV未感染者）	NA	公开可用的深度学习算法（具体架构未说明）	P值	NA
213	2026-02-22	Segmentor: a tool for manual refinement of 3D microscopy annotations 2021-May-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04202-8 PMID:34022787	研究论文	本文介绍Segmentor，一个用于手动细化和标注3D显微镜图像的开源工具	提出一种混合2D-3D可视化与分割方法，并集成自动区域分割功能，专门优化3D核分割流程	NA	开发高效、用户友好的手动标注工具，以支持深度学习分割算法的训练数据准备	3D光片显微镜图像中的对象（如细胞核）	数字病理学	NA	光片显微镜成像	NA	3D图像	NA	NA	NA	准确性	NA
214	2026-02-22	CancerSiamese: one-shot learning for predicting primary and metastatic tumor types unseen during model training 2021-May-12, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-04157-w PMID:33980137	研究论文	本文提出了一种名为CancerSiamese的新型一次性学习模型，用于预测训练期间未见过的原发性和转移性肿瘤类型	首次展示了预测样本有限的未见癌症类型的可行性，通过一次性学习模型学习类型无关的表达表示	模型依赖于现有训练样本，可能对罕见癌症类型的预测能力有限	利用现有训练样本预测训练期间未见过的癌症类型	原发性和转移性肿瘤的基因表达谱	机器学习	癌症	基因表达谱分析	CNN	基因表达数据	来自TCGA和MET500的样本	NA	CancerSiamese（基于孪生卷积神经网络）	准确率	NA
215	2026-02-21	STAN: spatio-temporal attention network for pandemic prediction using real-world evidence 2021-03-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaa322 PMID:33486527	研究论文	本文提出了一种时空注意力网络（STAN），用于基于真实世界证据的疫情预测	结合患者索赔数据、人口统计相似性和地理邻近性，并将疫情传播动力学整合到深度学习模型中，以提升预测准确性	NA	开发一种混合模型，以更早、更准确地预测疫情中的感染病例数	美国各县的疫情数据和患者索赔数据	机器学习	COVID-19	深度学习	图注意力网络	索赔数据, 统计数据	美国各县的疫情数据和患者索赔数据	NA	时空注意力网络	均方误差	NA
216	2026-01-30	Deep learning reveals disease-specific signatures of white matter pathology in tauopathies 2021-10-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-021-01271-x PMID:34674762	研究论文	本研究利用深度学习技术，从三种tau蛋白病（阿尔茨海默病、进行性核上性麻痹和皮质基底节变性）的脑组织切片中，识别出白质tau蛋白聚集体的疾病特异性形态学特征	首次采用数据驱动的机器学习方法，系统性地揭示了tau蛋白病中白质病理的疾病特异性形态学签名，挑战了传统神经病理学以皮质为中心的视角	样本量相对较小（49例），且仅分析了三种tau蛋白病，未来需要更大规模的研究来验证和扩展这些发现	识别tau蛋白病中白质tau蛋白聚集体的疾病特异性形态特征，以改进疾病分类和诊断	人类尸检脑组织（来自阿尔茨海默病、进行性核上性麻痹和皮质基底节变性患者）	数字病理学	tau蛋白病（包括阿尔茨海默病、进行性核上性麻痹、皮质基底节变性）	tau免疫染色、全切片成像	深度学习模型	图像（全切片病理图像）	49例人类尸检脑组织（16例阿尔茨海默病、13例皮质基底节变性、20例进行性核上性麻痹）	NA	NA	疾病分类准确性	NA
217	2025-12-20	End-to-end deep learning for recognition of ploidy status using time-lapse videos 2021-Jul, Journal of assisted reproduction and genetics IF:3.2Q2 DOI:10.1007/s10815-021-02228-8 PMID:34021832	研究论文	本研究开发了一种端到端深度学习模型，利用原始延时视频识别胚胎的倍性状态	首次提出使用端到端深度学习模型直接从原始延时视频中预测胚胎倍性状态，无需人工特征提取	研究为回顾性设计，样本量相对较小，未来需要更大规模数据和前瞻性验证	通过深度学习自动识别胚胎的倍性状态，辅助胚胎植入前遗传学检测	人类胚胎的延时视频	计算机视觉	生殖健康	延时视频成像，胚胎植入前遗传学检测（PGT-A）	深度学习模型	视频	690组延时视频图像，其中138个用于测试	NA	NA	AUC	NA
218	2025-12-18	Position paper of the EACVI and EANM on artificial intelligence applications in multimodality cardiovascular imaging using SPECT/CT, PET/CT, and cardiac CT 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-021-05341-z PMID:33864509	立场论文	本文概述了人工智能在心血管多模态成像中的应用，重点介绍了机器学习算法在SPECT/CT、PET/CT和心脏CT中的潜力	提出了将机器学习和深度学习算法整合到心血管成像中的新策略，以提升诊断和预后评估能力	NA	为心血管成像领域的人工智能应用提供概念框架和实践指南，支持临床决策	心血管疾病患者，使用SPECT/CT、PET/CT和心脏CT等成像技术	数字病理学	心血管疾病	SPECT/CT, PET/CT, 心脏CT, 冠状动脉CT血管造影	机器学习, 深度学习	图像	NA	NA	NA	NA	NA
219	2025-11-30	A comparison of methods for fully automatic segmentation of tumors and involved nodes in PET/CT of head and neck cancers 2021-03-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abe553 PMID:33666176	研究论文	比较传统PET阈值方法、经典机器学习算法和2D U-Net卷积神经网络在头颈癌PET/CT图像中自动分割肿瘤体积的性能	首次系统比较传统阈值法、经典机器学习和深度学习在头颈癌多模态影像分割中的表现，并评估单模态与多模态输入对分割质量的影响	仅使用2D U-Net架构，未探索3D或其他更先进的深度学习模型	开发头颈癌放疗中自动肿瘤体积分割方法，提高分割准确性和效率	头颈癌患者的PET/CT影像数据	数字病理	头颈癌	PET/CT影像技术	CNN	医学影像	197名患者（训练集157名，测试集40名）	NA	2D U-Net	Sørensen-Dice相似系数, 真阳性率, 阳性预测值, 表面距离指标	NA
220	2025-11-30	Thyroid gland delineation in noncontrast-enhanced CTs using deep convolutional neural networks 2021-02-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abc5a6 PMID:33590826	研究论文	本研究开发了一种基于深度学习的甲状腺自动分割方法，用于非增强头颈部CT图像	首次在非增强CT中实现高精度甲状腺分割，通过六项交叉验证实验证明方法的鲁棒性	仅针对疑似甲状腺癌患者数据，未在其他疾病类型中验证	开发高精度、高效且鲁棒的甲状腺自动分割方法	1977例疑似甲状腺癌患者的非增强头颈部CT图像	医学影像分析	甲状腺癌	CT成像	CNN	医学影像	1977例患者	NA	3D U-Net, V-Net	Dice相似系数, 敏感度, 特异度, Jaccard指数, Hausdorff距离, 平均表面距离, 残差均方根距离, 质心距离, Pearson相关系数, Bland-Altman分析	NA