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	2026-04-10	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
2	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
3	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
4	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
5	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
6	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
7	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
8	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
9	2026-02-08	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	本研究提出了一种名为TVnet的双阶段深度学习管道，用于在MRI长轴电影图像中自动追踪三尖瓣平面，以评估右心室功能障碍	提出了一种基于ResNet-50和自动图像线性变换的双阶段深度学习管道，首次实现了三尖瓣平面的自动时间分辨追踪，显著提高了标注准确性	模型仅在140名患者的数据上进行训练和评估，样本量相对有限，且未提及在外部验证集上的性能	开发一种自动化方法，用于在MRI长轴电影图像中追踪三尖瓣平面，以辅助评估右心室功能障碍	来自140名患有多种心血管疾病患者的MRI长轴电影图像	计算机视觉	心血管疾病	MRI	CNN	图像	140名患者的4170张图像	NA	ResNet-50	欧几里得距离误差, ICC	NA
10	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
11	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
12	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
13	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
14	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
15	2024-12-13	A Pilot Study on Automatic Three-Dimensional Quantification of Barrett's Esophagus for Risk Stratification and Therapy Monitoring 2021-09, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2021.05.059 PMID:34116029	研究论文	本文提出了一种基于人工智能的自动三维量化Barrett食管的方法，用于风险分层和治疗监测	本文首次实现了Barrett食管的三维重建和自动量化，能够准确测量Prague C&M评分和Barrett食管区域面积	研究样本量相对较小，且仅限于高清晰度视频数据	评估所提出的人工智能系统在模拟和内镜患者数据上的准确性	Barrett食管的三维量化和风险分层	计算机视觉	消化系统疾病	深度学习	深度估计网络	视频	194个高清晰度视频来自131名患者	NA	NA	NA	NA
16	2024-11-18	DeePhage: distinguishing virulent and temperate phage-derived sequences in metavirome data with a deep learning approach 2021-09-08, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab056 PMID:34498685	研究论文	本文介绍了一种名为DeePhage的新计算方法，用于区分metavirome数据中的烈性和温和噬菌体序列	DeePhage使用卷积神经网络检测序列特征，准确率高达89%，比现有工具PhagePred和PHACTS分别高出10%和30%，并且在运行时间上显著减少	NA	开发一种能够有效分类metavirome数据中烈性和温和噬菌体序列的新计算方法	metavirome数据中的烈性和温和噬菌体序列	机器学习	NA	卷积神经网络	CNN	DNA序列	NA	NA	NA	NA	NA
17	2024-11-18	VC@Scale: Scalable and high-performance variant calling on cluster environments 2021-09-07, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab057 PMID:34494101	研究论文	本文提出了一种基于Apache Spark的本地工作流程，用于在集群环境中实现可扩展和高性能的变异检测	本文的创新点在于提出了一种紧密集成预处理阶段的本地Spark工作流程，利用Python和Apache Arrow实现高效的数据传输，从而提高了变异检测的性能和可扩展性	NA	研究目的是开发一种可扩展且高性能的变异检测工作流程，以应对深度学习方法在变异检测中的高计算成本问题	研究对象是下一代测序数据的预处理和变异检测工作流程	生物信息学	NA	Apache Spark, Apache Arrow	NA	测序数据	NA	NA	NA	NA	NA
18	2024-10-13	Detection of Optic Disc Abnormalities in Color Fundus Photographs Using Deep Learning 2021-Sep-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000001358 PMID:34415271	研究论文	本文研究了使用深度学习技术检测彩色眼底照片中的视盘异常	本文扩展了深度学习在视盘分析中的应用，以检测一系列非青光眼性视神经病变	本文的模型在外部测试数据集上的特异性较低	开发一种能够检测彩色眼底照片中视盘异常的深度学习算法	视盘异常，包括缺血性视神经病变、萎缩、压迫性视神经病变、遗传性视神经病变、发育不全、视乳头水肿和中毒性视神经病变	计算机视觉	NA	深度学习	ResNet-152深度卷积神经网络	图像	训练数据集包含944张去识别化的彩色眼底照片（异常364张，正常580张），测试数据集包含151张去识别化的彩色眼底照片（异常71张，正常80张）	NA	NA	NA	NA
19	2024-10-06	An Unsupervised Learning-Based Multi-Organ Registration Method for 3D Abdominal CT Images 2021-Sep-18, Sensors (Basel, Switzerland) DOI:10.3390/s21186254 PMID:34577461	研究论文	本文提出了一种基于无监督学习的3D腹部CT图像多器官配准方法	引入了一种改进的无监督学习框架，通过嵌入粗到细递归级联网络（RCN）模块和拓扑保持损失函数，提高了多器官配准的准确性	未提及具体限制	开发一种能够满足实时和高精度临床需求的3D腹部CT图像多器官配准方法	3D腹部CT图像的多器官配准	计算机视觉	NA	无监督学习	U-net	图像	使用了四个公开数据库进行验证	NA	NA	NA	NA
20	2024-10-06	Artificial intelligence-driven assessment of radiological images for COVID-19 2021-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.104665 PMID:34343890	综述	本文综述了人工智能（AI）在COVID-19放射影像评估中的应用及其相关挑战	探讨了AI在COVID-19诊断和预后中的潜力，特别是通过胸部X光（CXR）和计算机断层扫描（CT）影像	样本量不足、非标准化影像协议、分割问题、公开COVID-19数据库的可用性、影像与临床信息的结合以及全面的临床验证是主要限制和挑战	旨在概述COVID-19 AI分析的工作流程，并讨论现有AI分析的局限性及其潜在改进	COVID-19的放射影像评估	计算机视觉	COVID-19	深度学习	混合模型（结合深度学习和显式放射组学）	影像	NA	NA	NA	NA	NA