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	2026-09-28	A Deep Network for Joint Registration and Parcellation of Cortical Surfaces 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87202-1_17 PMID:35994035	研究论文	提出一个深度学习框架，联合进行皮层表面配准和分区，利用球形拓扑和共享编码器，通过分区图相似性损失和配准增强数据来提升两个任务的性能	1. 首次联合优化皮层表面配准和分区任务，利用共享特征表示；2. 引入分区图相似性损失强制区域边界一致性，为配准提供额外监督；3. 配准通过变形手动分区图生成增强数据，帮助分区网络在少量标注数据下训练	未明确说明框架在其它模态或疾病上的泛化能力，也未讨论计算复杂度或实时性	联合优化皮层表面配准和分区，提高两个任务的准确率，并减少对大量标注数据的依赖	皮层表面（来自神经影像数据集）	医学图像分析	NA	神经影像分析	深度学习	图像	超过600个皮层表面	NA	球形网络（共享编码器），两个任务特定解码器	分区准确率，配准准确率	NA
2	2026-09-21	TVnet: Automated Time-Resolved Tracking of the Tricuspid Valve Plane in MRI Long-Axis Cine Images with a Dual-Stage Deep Learning Pipeline 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87231-1_55 PMID:41641013	研究论文	该文章提出了一种基于双阶段深度学习流程的TVnet，用于在MRI长轴电影图像中自动跟踪三尖瓣平面	提出了一种新颖的双阶段深度学习流程，结合ResNet-50和自动图像线性变换，能够自动推导三尖瓣环平面收缩期位移	未明确提及	自动跟踪MRI长轴电影图像中的三尖瓣，以辅助评估右心室功能障碍	140名具有不同心血管病理的患者	计算机视觉	心血管疾病	磁共振成像	CNN	图像	4170张图像来自140名患者	NA	ResNet-50	欧几里得距离误差, ICC	NA
3	2026-09-05	Protein Family Classification from Scratch: A CNN Based Deep Learning Approach 2021 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2020.2966633 PMID:31944984	研究论文	本文提出了一种基于CNN的深度学习方法，用于从头进行蛋白质家族分类，利用有限的已表征蛋白质并考虑氨基酸位置信息。	创新点在于：1) 使用CNN进行氨基酸表示学习，摒弃了传统的N-Gram特征提取，同时关注基序及基序与邻近氨基酸的亲和性信息；2) 在有限样本下进行训练，并利用UniProt数据库中已审阅和未审阅的蛋白质序列进行验证	尚未提供明确的局限性说明	利用CNN和氨基酸表示学习，提高蛋白质家族分类的准确性，特别是对于未表征蛋白质。	蛋白质家族分类，以及来自UniProt数据库的蛋白质序列。	机器学习	不适用	NGS，CNN	CNN	蛋白质序列数据	不明确，但包含UniProt数据库中已审阅和未审阅的蛋白质序列	不明确	CNN	不明确	不明确
4	2026-08-16	Inter-laboratory automation of the in vitro micronucleus assay using imaging flow cytometry and deep learning 2021-09, Archives of toxicology IF:4.8Q1 DOI:10.1007/s00204-021-03113-0 PMID:34245348	研究论文	本文展示了利用成像流式细胞术和深度学习实现体外微核试验的跨实验室自动化操作	首次将成像流式细胞术与深度学习结合，实现微核试验的自动化跨实验室评分，无需用户配置即可处理全新实验室的数据	对极其罕见的三核和四核细胞伴微核的分类成功率较低（≤57%）	开发一种自动化、跨实验室适用的体外微核试验评分方法，以替代耗时且主观的人工评分	TK6细胞，经甲磺酸甲酯（1.25-5.0 μg/mL）和/或多菌灵（0.8-1.6 μg/mL）处理	计算机视觉, 数字病理学	NA	成像流式细胞术	深度学习神经网络	图像	三个实验室的图像集，具体数量未在摘要中说明	NA	DeepFlow神经网络	准确率	NA
5	2026-07-07	Recent advances in blood-based and artificial intelligence-enhanced approaches for gastrointestinal cancer diagnosis 2021-Sep-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v27.i34.5666 PMID:34629793	综述	概述血液生物标志物和人工智能增强技术在胃肠道癌症诊断中的最新进展	同时讨论血液基础生物标志物和人工智能病理图像分析两种前沿方法，并预测未来临床整合方向	未提供具体实验结果或定量分析，缺乏对方法性能的详细比较	总结胃肠道癌症诊断领域的最新进展并展望未来发展方向	胃肠道癌症（包括多种消化道恶性肿瘤）	数字病理学、自然语言处理	胃肠道癌症	液体活检（血浆游离细胞DNA、循环肿瘤细胞、细胞外囊泡、游离细胞RNA）、组织活检分析	深度学习模型	病理图像、血液样本数据	NA	NA	NA	NA	NA
6	2026-06-19	The Reproducibility of Deep Learning-Based Segmentation of the Prostate Gland and Zones on T2-Weighted MR Images 2021-Sep-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11091690 PMID:34574031	research paper	在T2加权MR图像上，使用深度学习进行前列腺及其分区分割的可重复性研究	首次系统评估深度学习分割方法在前列腺MRI中的患者内可重复性，并比较了三种不同CNN架构与人工分割的稳定性	仅使用了单中心数据集，未探讨不同采集参数或MRI设备对可重复性的影响	探究深度学习分割方法在前列腺MRI中14个形状特征的重复性，为CAD系统临床应用提供依据	前列腺整体、外周区和剩余区（非外周区）的MRI分割	machine learning	prostate cancer	T2加权MRI	CNN	image	244名患者的内部数据集	PyTorch	V-Net, nnU-Net-2D, nnU-Net-3D	ICC	NA
7	2026-05-08	Image Quality Assessment of Fetal Brain MRI Using Multi-Instance Deep Learning Methods 2021-09, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.27649 PMID:33891778	research paper	提出多实例深度学习方法用于自动评估三维胎儿脑MR图像质量	首次将多实例计数、投票和特征嵌入三种深度学习方法应用于胎儿脑MR图像质量自动评估，并量化胎龄对模型性能的影响	研究为回顾性设计，样本量有限，且仅针对T2加权单次激发快速自旋回波序列在1.5T场强下的数据	开发并评估多实例深度学习方法以实现胎儿脑MR图像质量的自动、客观、快速评估	211名胎儿的271次MR检查影像（平均胎龄30.9±5.5周）	computer vision	NA	MRI	多实例深度学习模型	图像	271次MR检查（来自211名胎儿）	NA	MI-CB-DLM, MI-VB-DLM, MI-FE-DLM	精确率, 召回率, F-score, 准确率, AUC	NA
8	2026-04-10	Deep learning of gene relationships from single cell time-course expression data 2021-09-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab142 PMID:33876191	研究论文	本文提出了一种基于深度学习的单细胞时间序列基因表达数据分析方法，用于预测基因间的调控和信号关系	开发了针对单细胞RNA测序时间序列数据的新型编码方法，并构建了结合卷积和循环神经网络的深度学习模型	未明确说明模型在非时间序列数据或不同实验条件下的泛化能力	从单细胞时间序列基因表达数据中推断基因间的调控和信号关系	基因间的相互作用和调控关系	机器学习	NA	单细胞RNA测序（scRNA-Seq）	CNN, RNN	时间序列基因表达数据	五个不同的时间序列单细胞RNA测序数据集	未明确指定	卷积神经网络（CNN），循环神经网络（RNN）	未明确指定具体指标	NA
9	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
10	2026-03-22	Deep learning analysis of resting electrocardiograms for the detection of myocardial dysfunction, hypertrophy, and ischaemia: a systematic review 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab048 PMID:34604757	系统综述	本文系统综述了深度学习在分析静息心电图以检测心肌功能障碍、心肌肥厚和缺血等结构性心脏病变方面的证据	首次系统性地评估了端到端深度学习模型在静息心电图分析中用于检测结构性心脏病变（非心律失常性）的性能，并总结了其相较于基于规则的模型和其他机器学习模型的优越性	仅纳入了12篇符合标准的研究，样本量和研究设计存在异质性；排除了动态心电图、负荷心电图、心内或植入式设备获取的心电图数据，可能限制了结论的普适性	评估深度学习分析静息心电图在预测结构性心脏病变（如左心室收缩功能障碍、心肌肥厚和缺血性心脏病）方面的证据和临床适用性	已发表的关于使用端到端深度学习分析静息心电图信号以检测结构性心脏病变的原始研究文章	数字病理学	心血管疾病	深度学习	CNN	心电图信号	NA	NA	卷积神经网络	AUC, 准确率	NA
11	2026-03-22	The discerning ear: cardiac auscultation in the era of artificial intelligence and telemedicine 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab059 PMID:36713594	综述	本文综述了人工智能和远程医疗时代下心脏杂音听诊的现代进展，包括儿科心脏杂音的病因、诊断、管理，以及计算机辅助听诊和深度学习技术的影响	结合人工智能和远程医疗技术，为儿科心脏杂音听诊提供更新的视角，并探讨深度学习对杂音分析的范式转变影响	NA	为现代儿科心脏病学家提供关于人工智能对心脏听诊影响的更新视角	儿科心脏杂音，从早产新生儿到青春期晚期	数字病理学	心血管疾病	计算机辅助听诊，数字听诊器	深度学习	听诊音频数据	NA	NA	NA	NA	NA
12	2026-03-21	Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling 2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-21-1252 PMID:34233961	研究论文	本文介绍了一种结合生物正交化学和计算分析流程的创新技术FAST-FNA，用于通过细针抽吸对肿瘤免疫微环境进行快速、连续的免疫分析	首次证明通过简单的细针抽吸可以准确、连续地测量治疗期间复杂且快速演变的肿瘤免疫微环境，结合了生物正交化学和深度学习辅助分析流程	NA	开发一种微创方法，用于在免疫治疗期间连续评估肿瘤免疫微环境，以发现和整合预测性或预后性生物标志物	临床前小鼠模型和人类癌症患者的肿瘤免疫微环境中的单细胞	数字病理学	癌症	细针抽吸、生物正交化学、流式细胞术	深度学习	图像、单细胞数据	临床前样本和人类样本（具体数量未在摘要中明确说明）	NA	NA	R2（决定系数）	NA
13	2026-03-10	Deep learning for abdominal ultrasound: A computer-aided diagnostic system for the severity of fatty liver 2021-09-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000585 PMID:34282076	研究论文	本文开发了一种基于深度学习的计算机辅助诊断系统，利用B型超声图像评估脂肪肝并分类其严重程度	开发了基于卷积神经网络的模型，用于从B型超声图像中自动评估脂肪肝严重程度，实现了与昂贵非侵入性诊断方法相当的预测性能，特别是在轻度脂肪变性的鉴别能力方面	存在机器依赖性变异、运动伪影、缺乏其他工具的二次确认以及医院依赖性区域偏差	开发一种非侵入性、成本效益高的脂肪肝严重程度评估方法	B型超声图像	计算机视觉	脂肪肝	B型超声成像	CNN	图像	来自2070名患者的21855张图像，包括正常（11307张）、轻度（4467张）、中度（3155张）和重度脂肪变性（2926张）	NA	VGG19, ResNet-50 v2, MobileNet v2, Xception, Inception v2	AUC	NA
14	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
15	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
16	2025-10-06	Deep Learning Improves Speed and Accuracy of Prostate Gland Segmentations on Magnetic Resonance Imaging for Targeted Biopsy 2021-09, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000001783 PMID:33878887	研究论文	开发深度学习模型ProGNet用于快速准确分割MRI图像中的前列腺，并应用于靶向活检临床实践	首个在常规泌尿科临床实践中应用深度学习模型进行前列腺分割用于靶向活检的研究，并在线公开了代码	样本主要来自单一机构的活检数据，外部验证病例数相对较少	开发快速准确的前列腺MRI分割方法以改善靶向活检流程	前列腺MRI图像	医学影像分析	前列腺癌	多参数MRI，磁共振-超声融合活检	深度学习	医学影像	905名受试者（805例训练，100例内部测试，56例外部测试，11例前瞻性验证）	NA	ProGNet, U-Net, holistically-nested edge detector	Dice相似系数	NA
17	2025-10-06	When the ventral visual stream is not enough: A deep learning account of medial temporal lobe involvement in perception 2021-09-01, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2021.06.018 PMID:34265252	研究论文	通过深度学习框架研究内侧颞叶在视觉感知中的作用，解决了关于嗅周皮层参与感知的长期争议	建立了一个近似腹侧视觉流功能的深度学习框架，将病变研究、电生理记录和行为结果置于统一的计算框架中	模型仅近似腹侧视觉流功能而缺乏嗅周皮层，可能无法完全模拟完整大脑的视觉行为	研究内侧颞叶特别是嗅周皮层在视觉感知中的作用机制	人类参与者、猕猴电生理记录、已发表的视觉辨别实验数据	计算神经科学	NA	深度学习、电生理记录	深度学习模型	行为数据、电生理记录	30个已发表视觉辨别实验、新的行为实验参与者	NA	NA	行为表现对比	NA
18	2025-10-06	Quantitative analysis of metastatic breast cancer in mice using deep learning on cryo-image data 2021-09-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-96838-y PMID:34471169	研究论文	本研究开发了一种基于卷积神经网络的深度学习算法，用于自动分析小鼠转移性乳腺癌的冷冻成像数据	提出结合多尺度CNN特征与手工特征的三步式转移灶分割算法，显著减少人工干预时间	需要专家使用MATLAB软件进行半自动校正，算法泛化性需进一步验证	开发自动化方法定量分析小鼠模型中转移性乳腺癌的分布和大小	携带4T1乳腺癌细胞的小鼠模型	计算机视觉	乳腺癌	冷冻成像技术	CNN, 随机森林	3D彩色解剖图像和荧光图像	4只癌症小鼠	MATLAB	卷积神经网络	灵敏度, 特异度, AUC	NA
19	2025-10-06	QSM reconstruction challenge 2.0: Design and report of results 2021-09, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28754 PMID:33783037	研究论文	报告第二届定量磁化率成像重建挑战赛的设计方案与结果分析	采用两阶段挑战赛设计，首次在合成脑数据中系统评估不同QSM偶极反演算法的准确性	基于合成数据评估，未来需在包含背景场和偶极不相容相位贡献的更真实场景中验证	测试定量磁化率成像重建算法在模拟脑数据中的准确性	合成多回波梯度回波图像数据	医学影像分析	脑部疾病	定量磁化率成像，多回波梯度回波成像	迭代方法，深度学习，直接反演方法	磁共振图像	两个真实头模生成的合成数据集	NA	基于总变分的算法	八个数值指标，视觉评分	NA
20	2025-02-21	EEG-based emotion classification using LSTM under new paradigm 2021-09-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ac27c4 PMID:34534973	研究论文	本文探讨了使用LSTM模型基于EEG信号进行情绪分类的新方法	将情绪分类问题建模为序列分类问题，并利用EEG信号的时间域特征进行训练	未提及具体的数据集来源和样本多样性问题	提高基于EEG信号的情绪分类准确率	EEG信号	机器学习	NA	EEG信号分析	LSTM	EEG信号	32通道EEG数据	NA	NA	NA	NA