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
161	2026-04-10	Automated Identification of Orthopedic Implants on Radiographs Using Deep Learning 2021-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200183 PMID:34350407	研究论文	本研究开发并评估了一种基于深度学习的卷积神经网络，用于从X光片中自动识别骨科植入物模型	结合U-Net分割网络与分类网络集成，实现自动零掩码处理，并在识别准确率上显著超越资深骨科专家	研究仅涵盖膝关节和髋关节的12种植入物模型，未来需扩展到更多关节和植入物类型	开发自动识别骨科植入物模型的深度学习系统，以辅助翻修关节成形术的术前规划	骨科植入物在X光片上的图像	计算机视觉	骨科疾病	X光成像	CNN	图像	427张膝关节和922张髋关节单侧前后位X光片，来自650名患者，涵盖12种植入物模型	NA	U-Net	准确率, top-three准确率	NA
162	2026-04-10	Novel Autosegmentation Spatial Similarity Metrics Capture the Time Required to Correct Segmentations Better Than Traditional Metrics in a Thoracic Cavity Segmentation Workflow 2021-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00460-3 PMID:34027588	研究论文	本研究探讨了在胸部腔体分割工作流中，新型空间相似性指标如何比传统指标更好地预测临床医生修正分割所需的时间	首次系统比较了多种空间相似性指标与临床修正时间的相关性，发现新增路径长度、假阴性路径长度和表面Dice相似系数等新型指标优于传统体积Dice相似系数	研究仅针对胸部腔体分割，且修正工作由单一医学学生完成，需要在其他解剖部位和临床工作流中验证结果	评估自动分割工具修正时间与空间相似性指标的相关性，以优化临床工作流程效率	329例CT扫描中的双侧胸部腔体体积分割	数字病理学	NA	CT扫描	CNN	图像	329例CT扫描	NA	U-Net	Spearman等级相关系数, Mann-Whitney U检验, 体积Dice相似系数, 表面Dice相似系数	NA
163	2026-04-10	Deep Learning Analysis of Echocardiographic Images to Predict Positive Genotype in Patients With Hypertrophic Cardiomyopathy 2021, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2021.669860 PMID:34513940	研究论文	本研究利用深度学习卷积神经网络分析超声心动图图像，以预测肥厚型心肌病患者基因检测阳性结果	首次将深度学习卷积神经网络应用于超声心动图图像分析，结合传统临床评分模型，显著提高了肥厚型心肌病患者基因阳性预测的准确性	样本量较小（仅99名患者），且为单中心研究，可能存在选择偏倚	提高肥厚型心肌病患者基因阳性预测的准确性，以优化基因检测策略	肥厚型心肌病成年患者	计算机视觉	心血管疾病	超声心动图成像	CNN	图像	99名成年肥厚型心肌病患者（其中45名基因阳性）	NA	深度卷积神经网络	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 净重分类改善指数	NA
164	2026-04-09	Extracting postmarketing adverse events from safety reports in the vaccine adverse event reporting system (VAERS) using deep learning 2021-07-14, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocab014 PMID:33647938	研究论文	本研究利用深度学习算法从疫苗不良事件报告系统（VAERS）中提取神经系统障碍相关的不良事件，以自动化分析疫苗上市后监测报告	首次在VAERS报告中应用并评估了最先进的深度学习算法进行命名实体识别，并预训练了领域特定的BERT模型（VAERS BERT）	样本量较小，仅包含91份VAERS报告，可能影响模型的泛化能力	自动化提取疫苗安全报告中的神经系统障碍相关不良事件，以支持疫苗上市后监测	疫苗不良事件报告系统（VAERS）中与格林-巴利综合征（GBS）相关的流感疫苗安全报告	自然语言处理	神经系统障碍	命名实体识别	BERT, Bi-LSTM, CRF	文本	91份VAERS报告，包含2512个实体	TensorFlow, PyTorch	BERT, BioBERT, Bi-LSTM	F1-score, 精确匹配F1分数, 宽松匹配F1分数	NA
165	2026-04-09	Accelerated in Vivo Cardiac Diffusion-Tensor MRI Using Residual Deep Learning-based Denoising in Participants with Obesity 2021-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.2021200580 PMID:34250491	研究论文	本研究开发了一种基于残差深度学习的去噪算法，用于加速活体心脏扩散张量磁共振成像，并在减少信号平均次数的同时保持图像质量和扩散参数	首次将残差深度学习的去噪卷积神经网络应用于心脏扩散张量磁共振成像加速，实现了至少两倍的加速率，同时保留了肥胖与非肥胖个体间的关键扩散参数差异	样本量较小（共26名参与者，其中仅6名肥胖者），研究人群年龄分布不均（肥胖组平均年龄显著高于非肥胖组），且未在更广泛的人群或疾病状态下验证	开发并评估一种基于深度学习的去噪算法，以加速活体心脏扩散张量磁共振成像的采集过程	26名成年参与者（20名非肥胖者，6名肥胖者）的心脏扩散张量磁共振成像数据	医学影像分析	肥胖症	心脏扩散张量磁共振成像	CNN	磁共振图像	26名参与者（20名非肥胖者，6名肥胖者）	未明确说明	去噪卷积神经网络	信噪比, 结构相似性指数, 平均扩散率, 分数各向异性, 螺旋角跨壁性	未明确说明
166	2026-04-09	A novel deep learning method for predictive modeling of microbiome data 2021-05-20, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaa073 PMID:32406914	研究论文	本文提出了一种名为MDeep的新型深度学习方法，用于基于微生物组数据进行预测建模	开发了首个高效且严谨地整合系统发育树结构的深度学习方法，通过设计卷积层模拟分类等级，捕获不同分类水平上的微生物信号	未明确说明方法对高维稀疏数据的处理能力，也未讨论计算复杂度	构建基于微生物组数据的临床结果预测模型	人类微生物组数据（包含物种丰度和系统发育树）	机器学习	NA	下一代测序技术	CNN	微生物组数据（物种丰度与系统发育树）	NA	NA	自定义卷积神经网络架构	回归与二分类性能评估指标（未具体说明）	NA
167	2026-04-09	Deep Learning-Based Approaches for Decoding Motor Intent From Peripheral Nerve Signals 2021, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2021.667907 PMID:34248481	研究论文	本研究探讨了基于深度学习的运动意图解码方法，比较了不同策略在效率和实时性方面的优劣，旨在为临床实时应用提供参考	提出并比较了单步和双步两种深度学习部署策略，针对不同数据量场景优化模型效率，并创建了“伪在线”数据集模拟实时条件	研究主要基于离线分析，虽然模拟了实时条件，但未在真实实时系统中完全验证；样本来源仅限于截肢者的残余周围神经信号	提高基于深度学习的运动解码范式的效率，为其实时临床应用提供实施参考	截肢者残余周围神经信号	机器学习	NA	神经信号记录	RNN, 深度学习模型, 机器学习模型	神经信号	NA	NA	RNN	准确率, F1分数, 均方误差, 方差解释率	NA
168	2026-04-08	Learning from crowds in digital pathology using scalable variational Gaussian processes 2021-06-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90821-3 PMID:34078955	研究论文	本文研究了在数字病理学中应用可扩展变分高斯过程进行众包标注的方法，以解决病理学标注中专家稀缺和数据标注规模化的挑战	首次将可扩展变分高斯过程众包方法应用于数字病理学领域，并展示了其在处理多标注者噪声数据中的有效性，同时能学习标注者的类别条件可靠性	研究主要针对乳腺癌组织区域标注，未涉及其他疾病或更广泛的病理学任务，且依赖于特定多标注者数据集	探索利用众包标注和可扩展变分高斯过程来提升数字病理学中机器学习模型的标注效率和质量	乳腺癌组织区域的标注数据，涉及病理学家、病理学住院医师和医学生等多类标注者	数字病理学	乳腺癌	众包标注	高斯过程	图像	大型多标注者数据集，具体数量未明确说明	NA	可扩展变分高斯过程	NA	NA
169	2026-04-08	Identifying genomic islands with deep neural networks 2021-Jun-02, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-021-07575-5 PMID:34078279	研究论文	本文提出了一种名为Shutter Island的方法，利用深度学习模型（Inception V3）通过图像表示基因组片段来检测基因组岛	采用基于图像的深度学习方法（Inception V3）检测基因组岛，通过迁移学习在有限数据集上实现泛化，优于现有工具	模型仅在有限数量的基因组岛数据集上进行再训练，数据可能不足或难以整理	开发一种能检测所有类型基因组岛的通用计算方法	细菌的基因组岛，涉及来自细菌、古菌、病毒和真核生物的基因簇	机器学习	NA	迁移学习	CNN	图像	NA	TensorFlow, PyTorch	Inception V3	NA	NA
170	2026-04-08	Leveraging Genetic Reports and Electronic Health Records for the Prediction of Primary Cancers: Algorithm Development and Validation Study 2021-May-25, JMIR medical informatics IF:3.1Q2 DOI:10.2196/23586 PMID:34032581	研究论文	本研究开发了一种结合遗传报告和电子健康记录数据的方法，用于预测原发性癌症类型和未知原发癌症	利用HL7 FHIR和语义网资源描述框架整合表型和遗传数据，构建患者-表型-遗传网络，并应用Node2vec图嵌入算法生成特征，以提升癌症预测性能	研究样本量相对较小（1011名患者），且仅基于单一医疗中心（梅奥诊所）的数据，可能限制模型的泛化能力	通过整合临床和基因组数据，实现原发性癌症的早期检测和未知原发癌症的预测，以支持精准肿瘤学的治疗决策	1011名癌症患者的肿瘤遗传报告和对应的电子健康记录数据	机器学习	癌症	遗传报告分析，电子健康记录数据提取	机器学习，深度学习	文本，结构化数据	1011名癌症患者	Node2vec，多种机器学习框架（未指定具体名称）	多种机器学习模型（未指定具体架构）	AUROC（受试者工作特征曲线下面积）	NA
171	2026-04-08	Joint regression-classification deep learning framework for analyzing fluorescence lifetime images using NADH and FAD 2021-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.417108 PMID:34123498	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
172	2026-04-07	VEHiCLE: a Variationally Encoded Hi-C Loss Enhancement algorithm for improving and generating Hi-C data 2021-04-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-88115-9 PMID:33893353	研究论文	本文提出了一种名为VEHiCLE的深度学习算法，用于提高Hi-C接触数据的分辨率	VEHiCLE算法结合了变分自编码器和对抗训练策略，并引入了四种损失函数（对抗损失、变分损失、染色体拓扑启发的绝缘损失和均方误差损失），以增强接触图，使其更适用于下游分析，同时提供了对生物意义和人类可解释特征提取的新见解，并允许用户调整生成合成Hi-C数据	NA	提高Hi-C接触数据的分辨率，以改善染色质构象分析	Hi-C接触数据	机器学习	NA	Hi-C	变分自编码器, GAN	接触图	NA	NA	变分自编码器	NA	NA
173	2026-04-07	A Hybrid Model for Family History Information Identification and Relation Extraction: Development and Evaluation of an End-to-End Information Extraction System 2021-Apr-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/22797 PMID:33885370	研究论文	本文开发并评估了一个用于从电子健康记录中提取家族史信息的端到端信息提取系统	提出了一种结合机器学习和基于规则方法的混合模型，用于实体识别和关系提取，并利用额外标注数据和临床文本嵌入模型提升性能	未明确说明系统在更广泛数据集或不同医疗环境中的泛化能力	开发一个高性能的端到端信息提取系统，用于从非结构化自由文本中识别家族成员和观察结果及其关系	电子健康记录中的非结构化自由文本笔记	自然语言处理	NA	自然语言处理	双向长短期记忆深度学习模型, 在线梯度下降模型	文本	使用了2019年n2c2/OHNLP共享任务数据集、BioCreative/OHNLP 2018语料库以及MIMIC-III临床数据库的临床笔记	NA	双向长短期记忆	精确率, 召回率, F1分数	NA
174	2026-04-07	Evaluating recommender systems for AI-driven biomedical informatics 2021-04-19, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa698 PMID:32766825	研究论文	本文研究了一种基于网络AI平台的自动化生物医学数据科学方法，通过推荐模型选择和实验来简化机器学习在生物信息学中的应用	提出基于矩阵分解的推荐系统在自动化机器学习中优于元学习方法，并开发了AI驱动的平台PennAI，能够自动选择和配置算法，减少计算负担	研究主要基于165个分类问题进行验证，可能未覆盖所有生物医学数据类型；自动化方法可能无法完全替代专家手动调参	自动化生物医学数据科学，使缺乏机器学习或编程经验的领域专家能够轻松应用机器学习	生物信息学数据，特别是脓毒性休克预测的临床数据	机器学习	脓毒性休克	机器学习自动化	矩阵分解推荐系统，深度学习模型	生物医学数据	165个分类问题	NA	NA	AUROC	NA
175	2026-04-07	Ultrafast light field tomography for snapshot transient and non-line-of-sight imaging 2021-04-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-22461-0 PMID:33846338	研究论文	本文提出了一种名为超快光场断层扫描（LIFT）的瞬态成像策略，用于实现高时间分辨率的三维和非视距成像	LIFT技术能够以超过1000帧的速率捕获完整的四维时空信息，实现单次快照成像，解决了现有超快相机在扩展三维场景和非视距成像中的局限性	NA	开发一种高效的瞬态成像方法，以支持三维光传播现象和非视距成像的应用	光在飞行中的现象及非视距场景	计算机视觉	NA	超快光场断层扫描	深度学习	光场数据	NA	NA	NA	时间分辨率（<10皮秒），帧率（30 Hz）	NA
176	2026-04-07	DeepPurpose: a deep learning library for drug-target interaction prediction 2021-04-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaa1005 PMID:33275143	研究论文	本文介绍了DeepPurpose，一个用于药物-靶点相互作用预测的深度学习库，旨在简化模型使用并提升预测性能	DeepPurpose通过集成15种化合物和蛋白质编码器及超过50种神经架构，提供了一个全面且易用的深度学习库，降低了生物医学领域和深度学习初学者使用门槛	未在摘要中明确提及	开发一个易于使用的深度学习库，以促进药物-靶点相互作用预测的研究和应用	药物-靶点相互作用预测模型	机器学习	NA	深度学习	多种神经网络架构	化合物和蛋白质数据	NA	NA	多种编码器和神经架构	在多个基准数据集上展示了最先进的性能	NA
177	2026-04-06	Automatic semantic segmentation of kidney cysts in MR images of patients affected by autosomal-dominant polycystic kidney disease 2021-03, Abdominal radiology (New York) DOI:10.1007/s00261-020-02748-4 PMID:32940759	研究论文	本文开发了一种基于卷积神经网络的自动语义分割方法，用于在常染色体显性多囊肾病患者的磁共振图像中分割肾脏囊肿	提出了一种全自动的语义分割方法，用于区分和分析ADPKD患者的肾脏囊肿，其性能达到观察者间变异性水平	研究样本量较小（60例MR图像），且仅使用T2加权图像，可能限制了模型的泛化能力	开发并评估一种全自动语义分割方法，以区分和分析ADPKD患者的肾脏囊肿，用于自动分类患者表型、临床决策和疾病进展监测	常染色体显性多囊肾病患者的磁共振图像中的肾脏囊肿	数字病理学	常染色体显性多囊肾病	磁共振成像	CNN	图像	60例MR T2加权图像	NA	NA	Dice系数, 总囊肿体积百分比差异	NA
178	2026-04-05	CADD-Splice-improving genome-wide variant effect prediction using deep learning-derived splice scores 2021-02-22, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-021-00835-9 PMID:33618777	研究论文	本研究通过整合深度学习衍生的剪接评分，改进了CADD工具在全基因组变异效应预测中的性能	首次将两种专门的剪接评分整合到CADD模型中，显著提升了剪接变异预测的准确性，同时保持整体性能	仅针对剪接评分进行了验证，未扩展到其他分子过程；且剪接特异性预测器在一般变异解释中无法与考虑无义和错义效应的评分竞争	改进全基因组变异效应预测工具，特别是针对影响剪接的遗传变异	遗传变异对剪接的影响，以及其在遗传疾病中的作用	机器学习	遗传疾病	深度神经网络	DNN	基因组变异数据	NA	NA	NA	分类准确性	NA
179	2026-04-04	Feasibility of Simulated Postcontrast MRI of Glioblastomas and Lower-Grade Gliomas by Using Three-dimensional Fully Convolutional Neural Networks 2021-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200276 PMID:34617027	研究论文	本研究评估了使用三维全卷积神经网络从预处理MRI图像模拟胶质母细胞瘤和低级别胶质瘤患者对比后T1加权脑部MR图像的可行性和准确性	首次开发了基于三维深度卷积神经网络的模型，能够从八种预处理序列生成模拟的对比后T1加权图像，并在多中心外部数据集上通过迁移学习验证了其泛化能力	研究为回顾性设计，样本量有限（400例内部数据集），且外部数据集的性别比例未知，可能影响模型的普适性	评估使用预处理MR图像模拟胶质瘤患者对比后T1加权脑部MR图像的可行性和准确性	脑胶质瘤患者（包括胶质母细胞瘤和低级别胶质瘤）的MR图像	医学影像分析	脑胶质瘤	MRI（磁共振成像）	CNN（卷积神经网络）	图像（三维脑部MR图像）	内部数据集400例患者（332例胶质母细胞瘤，68例低级别胶质瘤），外部数据集286例（来自2019年多模态脑肿瘤分割挑战赛）	NA	三维全卷积神经网络	结构相似性指数，对称平均绝对百分比误差，Dice系数，准确率	NA
180	2026-04-04	Automated digital TIL analysis (ADTA) adds prognostic value to standard assessment of depth and ulceration in primary melanoma 2021-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-82305-1 PMID:33531581	研究论文	本研究应用深度学习算法自动分析黑色素瘤H&E图像中的肿瘤浸润淋巴细胞，以提升疾病特异性生存预测的准确性	开发并验证了一种开源深度学习算法，用于自动数字TIL分析，为早期黑色素瘤的预后评估提供了新的生物标志物	研究样本规模较小，需要更大规模的研究进一步验证ADTA在分期算法中的适用性	评估自动数字TIL分析在预测早期黑色素瘤患者疾病特异性生存方面的价值	早期黑色素瘤患者的H&E病理图像	数字病理学	黑色素瘤	H&E染色	深度学习算法	图像	训练队列80例，验证队列145例	NA	NA	HR, CI, p值	NA