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
101	2026-03-10	Concordance analysis of intrapartum cardiotocography between physicians and artificial intelligence-based technique using modified one-dimensional fully convolutional networks 2021-Feb-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000416 PMID:32858548	研究论文	本研究使用基于一维全卷积网络的人工智能方法，分析产时胎心监护图，并与临床医生评估进行一致性比较	首次将改进的一维全卷积网络应用于胎心监护图的自动识别，并评估其在非安心胎儿状态评估中的潜力	研究为单中心回顾性研究，样本量有限（3239条记录），且模型假阳性率较高	评估人工智能技术在胎心监护图识别中的性能，探索其在胎儿健康监测中的应用	产时胎心监护记录和新生儿Apgar评分	医疗人工智能	产科疾病	电子胎儿监护	FCN	时间序列数据	3239条胎心监护记录，来自292次分娩	NA	改进的一维全卷积网络	Cohen's kappa系数, AUC, 灵敏度, 假阳性率	NA
102	2026-03-06	Replay in Deep Learning: Current Approaches and Missing Biological Elements 2021-10-12, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01433 PMID:34474476	综述	本文首次全面比较了哺乳动物大脑中的重播机制与人工神经网络中的重播算法，并探讨了深度学习系统中缺失的生物重播元素及其潜在改进方向	首次系统性地对比生物神经重播与人工重播机制，识别深度学习系统中缺失的关键生物元素，并提出改进假设	未进行实证验证，主要基于理论分析和假设	探讨重播机制在生物与人工神经网络中的异同，并提出改进深度学习系统的方法	哺乳动物大脑的重播机制与人工神经网络中的重播算法	机器学习	NA	NA	深度人工神经网络	NA	NA	NA	NA	NA	NA
103	2026-03-06	A statistical framework for non-negative matrix factorization based on generalized dual divergence 2021-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2021.03.020 PMID:33892302	研究论文	提出了一种基于广义对偶Kullback-Leibler散度的非负矩阵分解统计框架，并开发了相应的算法家族	该框架基于广义对偶散度，可涵盖指数族模型成员，并推广了针对不同噪声结构的现有方法，与最近发展的拟似然方法形成对比	未在摘要中明确说明	为非负矩阵分解提供一个统一的统计框架和算法家族	非负矩阵分解模型及其在无监督和半监督学习中的应用	机器学习	癌症	非负矩阵分解	NA	模拟数据和真实数据	NA	NA	NA	拟合优度度量	NA
104	2026-03-06	Multi-channel attention-fusion neural network for brain age estimation: Accuracy, generality, and interpretation with 16,705 healthy MRIs across lifespan 2021-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102091 PMID:34038818	研究论文	本文提出了一种多通道注意力融合神经网络（FiA-Net），用于从健康脑部T1加权磁共振图像中准确估计大脑年龄，并提升模型的泛化能力和可解释性	首次将T1加权图像显式分割为对比度和形态学两个3D图像通道，并引入“带注意力的融合”深度学习卷积神经网络（FiA-Net），以优化不同脑解剖结构和特征层中图像通道的融合方式	NA	提高健康脑部MRI年龄估计的准确性、泛化性和可解释性，以辅助脑部疾病的早期检测	16,705名健康个体的T1加权磁共振图像，年龄跨度为0-97岁	数字病理学	NA	T1加权磁共振成像	CNN	图像	16,705名健康个体的MRI数据	NA	FiA-Net	平均绝对误差（MAE）, 皮尔逊相关系数（r）	NA
105	2026-03-06	Metrics of sleep apnea severity: beyond the apnea-hypopnea index 2021-07-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsab030 PMID:33693939	综述	本文回顾了阻塞性睡眠呼吸暂停（OSA）严重程度评估指标的历史、预测价值及局限性，并探讨了替代指标和未来研究方向	系统性地批判了传统呼吸暂停低通气指数（AHI）的不足，并引入了缺氧负荷、觉醒强度、比值乘积和心肺耦合等新兴指标，同时展望了利用遗传学、生物标志物、机器学习/深度学习和可穿戴技术的未来研究方向	文章为综述性质，未提供原始实验数据或新模型的验证结果，主要基于现有文献进行分析和总结	评估和比较阻塞性睡眠呼吸暂停（OSA）严重程度的不同度量指标，探索更有效的诊断和预后评估方法	阻塞性睡眠呼吸暂停（OSA）患者及其相关临床数据	NA	阻塞性睡眠呼吸暂停	NA	NA	NA	NA	NA	NA	NA	NA
106	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
107	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
108	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
109	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
110	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
111	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
112	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
113	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
114	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
115	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
116	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
117	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
118	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
119	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
120	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