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	2026-06-02	Differential Role for Hippocampal Subfields in Alzheimer's Disease Progression Revealed with Deep Learning 2022-01-22, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhab223 PMID:34322704	research paper	利用深度学习揭示海马亚区在阿尔茨海默病进展中的差异化作用	提出密集卷积神经网络架构，基于海马形态测量区分稳定型和进展型轻度认知障碍，并创新性地使用遮挡分析揭示海马亚区对模型性能的不同贡献	未提及	探究海马亚区在轻度认知障碍进展中的作用机制	海马亚区形态测量数据	machine learning	Alzheimer's disease	NA	CNN	影像数据	NA	NA	DenseNet	accuracy	NA
2	2026-06-02	Towards Robot-Assisted Therapy for Children With Autism-The Ontological Knowledge Models and Reinforcement Learning-Based Algorithms 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.713964 PMID:35462779	研究论文	本文提出一种基于本体知识模型和强化学习算法的机器人辅助自闭症儿童疗法	结合深度学习、强化学习与本知识库，实现自闭症检测、治疗方案推荐和远程监控一体化的人形机器人辅助系统	NA	开发辅助治疗师的社交机器人，通过分析儿童行为实现自闭症检测、疗法推荐和监控	自闭症儿童	机器人技术、机器学习	自闭症	NA	卷积神经网络、强化学习	NA	NA	NA	NA	NA	NA
3	2026-06-01	Automated grading of enlarged perivascular spaces in clinical imaging data of an acute stroke cohort using an interpretable, 3D deep learning framework 2022-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04287-4 PMID:35039524	研究论文	开发了一种可解释的3D深度学习框架，用于自动化分级急性卒中患者临床影像数据中的血管周围间隙扩大	首次利用3D-ResNet-152和3DGradCAM可解释性技术，在异质性急性卒中队列的临床级影像数据中实现自动化EPVS严重程度分级	样本量较小（n=262），且仅基于T2加权图像进行单一解剖区域（基底节）的评估	开发一个可解释的3D神经网络，用于自动化分级急性卒中患者基底节区血管周围间隙扩大（EPVS）的严重程度	262名急性卒中患者的T2加权影像数据	计算机视觉，数字病理学	脑血管疾病	磁共振成像（MRI）	3D卷积神经网络（CNN）	图像（临床级T2加权MRI）	262名急性卒中患者（训练/测试集：85%/15%）	PyTorch	3D-ResNet-152	准确率（0.897），AUC（0.879）	NA
4	2026-05-31	Prospectively-validated deep learning model for segmenting swallowing and chewing structures in CT 2022-01-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac4000 PMID:34874302	研究论文	开发并前瞻性验证了一种用于CT图像中咀嚼和吞咽结构分割的深度学习模型	首个经过前瞻性验证的用于CT图像中咀嚼和吞咽结构分割的深度学习模型	NA	开发准确高效的方法来自动勾画头颈部放疗中涉及咀嚼和吞咽的关键结构	242例头颈癌患者的CT扫描数据（用于模型开发）和91例CT扫描数据（用于前瞻性评估）	计算机视觉	头颈癌	CT成像	卷积神经网络	图像	242例患者CT扫描（模型开发），91例CT扫描（前瞻性评估），24例（回顾性测试）	PyTorch	DeepLabV3+	Dice相似系数	NA
5	2026-05-22	AlphaFold Models of Small Proteins Rival the Accuracy of Solution NMR Structures 2022, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2022.877000 PMID:35769913	研究论文	评估AlphaFold对小分子量刚性蛋白质的建模精度与溶液NMR结构相当	首次系统验证AlphaFold模型在溶液NMR数据上的拟合度与实验NMR结构相当甚至更优，挑战了AlphaFold不能准确建模溶液NMR结构的普遍误解	研究仅针对小分子量、刚性蛋白质，未涉及大分子、柔性蛋白或多结构域蛋白，且评估工具依赖特定软件套件（PSVS）	验证AlphaFold对小分子量刚性蛋白质的建模精度是否与实验溶液NMR结构相当	六种代表性小蛋白质（同时具有NMR和X射线晶体结构）及三个CASP靶标	结构生物学，分子建模	NA	NMR， X射线晶体学	AlphaFold（深度学习蛋白质结构预测模型）	蛋白质序列、NMR数据（NOESY峰列表、化学位移、残余偶极耦合数据）	6种代表性小蛋白质 + 3个CASP靶标	NA	AlphaFold2	RPF-DP分数、ANSURR分数、RDC Q因子	NA
6	2026-05-15	Ultrasonic Image Feature Analysis under Deep Learning Algorithm to Evaluate the Efficacy of Drug-Coated Balloon for Treatment of Arteriosclerotic Occlusion 2022, Computational and mathematical methods in medicine DOI:10.1155/2022/3176716 PMID:35720043	研究论文	利用深度学习算法分析超声图像，评估药物涂层球囊治疗动脉硬化闭塞症的效果	首次将基于深度学习的区域更快卷积神经网络目标检测算法应用于超声图像，以评估药物涂层球囊治疗动脉硬化闭塞症的疗效，并与数字减影血管造影结果进行一致性比较	对于胫前动脉狭窄的诊断，算法超声与数字减影血管造影的一致性一般	探索基于深度学习算法的超声图像在评估药物涂层球囊治疗动脉硬化闭塞症疗效中的应用价值	56例接受下肢动脉药物涂层球囊手术的患者	计算机视觉	动脉硬化闭塞症	超声成像，数字减影血管造影	区域更快卷积神经网络	超声图像	56名患者	NA	Faster R-CNN	Dice系数，精确率，灵敏度	NA
7	2026-04-22	Applications of artificial intelligence (AI) in ovarian cancer, pancreatic cancer, and image biomarker discovery 2022, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-210301 PMID:35213360	综述	本文综述了人工智能在卵巢癌、胰腺癌及影像生物标志物发现中的应用、进展与挑战	系统总结了AI在卵巢癌和胰腺癌生物标志物发现中的具体应用，并强调了可解释性和可信赖AI在罕见癌症研究中的重要性	大多数AI模型尚未应用于临床，许多研究的影像数据未公开，疾病低流行率和无症状特性限制了数据可用性	探讨人工智能在卵巢癌和胰腺癌生物标志物发现中的应用进展、挑战及监管伦理考量	卵巢癌和胰腺癌的影像生物标志物	机器学习	卵巢癌,胰腺癌	NA	NA	影像数据	NA	NA	NA	NA	NA
8	2026-04-04	Interinstitutional Portability of a Deep Learning Brain MRI Lesion Segmentation Algorithm 2022-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200152 PMID:35146430	研究论文	本研究评估了深度学习脑部MRI病灶分割算法在不同机构间的可移植性，并探讨了多机构训练数据对性能损失缓解的效果	首次系统评估了脑部MRI病灶分割算法在跨机构应用时的性能变化，并发现添加少量具有异质病理特征的外部机构训练数据即可显著提升模型在新机构的性能	研究为回顾性设计，样本量相对有限，且仅涉及两个机构的数据，可能无法完全代表所有临床场景的多样性	评估脑部MRI病灶分割算法在不同机构间的可移植性，并探索提升跨机构性能的训练策略	脑部MRI图像中的病灶区域	医学影像分析	脑部疾病	脑部MRI成像	深度学习	医学影像（MRI）	训练集：293例患者（机构IN1）；测试集：51例患者（机构IN2）；额外训练数据：285例多机构脑肿瘤分割、198例IN2脑肿瘤分割、34例IN2多种脑部病理病灶分割	NA	三维U-Net	Dice系数，Spearman相关系数	NA
9	2026-03-22	A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765307 PMID:37850173	研究论文	本文提出了一种低成本高性能的数据增强策略，用于深度学习皮肤病变分类，旨在提升智能皮肤癌筛查设备在资源有限环境下的性能	提出搜索空间为10的高性能数据增强策略，可通过即插即用模式与任何模型结合，以低成本为医学数据库搜索最佳增强方法	NA	开发适用于资源有限环境的高性能低成本数据增强策略，以促进智能皮肤癌筛查设备的部署	皮肤病变图像数据	计算机视觉	皮肤癌	数据增强	CNN	图像	HAM10000、ISIC 2017、ISIC 2018、Derm7pt数据集	NA	EfficientNet	BACC, AUC	NA
10	2026-03-19	Recent advancements in machine vision methods for product code recognition: A systematic review 2022, F1000Research DOI:10.12688/f1000research.124796.1 PMID:37767074	综述	本文系统回顾了过去八年中用于识别产品表面制造标记文本的机器视觉方法的发展，并探讨了该领域最常见的挑战	系统梳理了从光学字符识别到深度学习方法的演进，特别强调了使用两个连续深度学习网络（一个用于检测文本区域，另一个用于识别字符）的最新方法	符合纳入标准的研究数量有限，仅筛选出10篇相关论文	评估用于识别产品表面制造标记文本的机器视觉方法的发展	产品表面印刷的制造标记文本，特别是药品和易腐食品上的代码	计算机视觉	NA	机器视觉，光学字符识别，深度学习	CNN, DNN	图像	NA	NA	卷积神经网络	NA	NA
11	2026-03-15	Uncertainty-aware deep learning in healthcare: A scoping review 2022, PLOS digital health DOI:10.1371/journal.pdig.0000085 PMID:36590140	综述	本文对医疗健康领域中深度学习不确定性量化方法进行了范围性综述，并提出了一个指定深度学习预测确定性的概念框架	首次系统性地评估了医疗健康应用中深度学习的不确定性量化方法，并提出了一个用于指定预测确定性的概念框架	报告方法的异质性阻碍了进行荟萃分析，且模型学习曲线在量化认知不确定性方面的应用较为稀疏	批判性评估医疗健康应用中深度学习的不确定性量化方法，并建立一个指定预测确定性的概念框架	医疗健康领域的深度学习模型及其不确定性估计方法	医疗健康	NA	深度学习	卷积神经网络	医学影像, 非影像数据	30项研究	NA	卷积神经网络及其变体	NA	NA
12	2026-03-15	PrimSeq: A deep learning-based pipeline to quantitate rehabilitation training 2022, PLOS digital health DOI:10.1371/journal.pdig.0000044 PMID:36420347	研究论文	本文介绍了一种名为PrimSeq的深度学习流程，用于分类和计数中风康复训练中的功能性动作	开发了PrimSeq流程，整合可穿戴传感器、深度学习模型和计数算法，首次实现对中风康复训练中功能性动作的自动量化测量	未明确说明模型在更广泛患者群体或不同康复环境中的泛化能力，且可能依赖于特定传感器设置	旨在量化中风康复训练中的功能性动作剂量，以支持康复治疗的定量研究	中风患者的上肢运动	机器学习	中风	可穿戴传感器运动捕捉	深度学习模型	运动传感器数据	未明确指定样本数量，但涉及具有不同程度上肢运动障碍的中风患者	NA	NA	准确性	NA
13	2026-03-06	Deep Learning for Per-Fraction Automatic Segmentation of Gross Tumor Volume (GTV) and Organs at Risk (OARs) in Adaptive Radiotherapy of Cervical Cancer 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.854349 PMID:35664789	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于宫颈癌自适应放疗中的肿瘤体积和危及器官分割	首次将MASK R-CNN应用于宫颈癌MRI引导在线自适应放疗中的多结构自动分割，并探索了不同训练场景下的性能	样本量较小（仅15名患者），对于较小器官（如阴道和乙状结肠）的分割效果欠佳	开发自动分割工具以提高自适应放疗工作流程效率	局部晚期宫颈癌患者	数字病理	宫颈癌	MRI成像	CNN	MRI图像	15名局部晚期宫颈癌患者的计划和每日治疗分数MRI	NA	MASK R-CNN	Dice相似系数, Hausdorff距离, Pearson相关系数	NA
14	2026-03-06	Enabling Scientific Reproducibility through FAIR Data Management: An ontology-driven deep learning approach in the NeuroBridge Project 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128458	研究论文	本文介绍了一个名为NeuroBridge的集成搜索平台，该平台通过基于本体的深度学习方法，支持科学研究的可重复性，特别是在神经科学领域	结合了基于W3C PROV规范的元数据本体与BERT深度学习模型，用于自动识别与神经认知评估相关的候选数据集，相比现有搜索引擎表现出更好的性能、可训练性和透明度	研究仅使用了51篇文章进行注释和模型训练，样本规模相对较小，可能影响模型的泛化能力	开发一个平台，使研究人员能够高效搜索相关研究数据集，以验证假设或复制已发表的研究结果，促进科学研究的可重复性	已发表的科学论文及其相关的神经影像数据集，特别是涉及药物滥用或精神分裂症神经认知评估的研究	自然语言处理	精神分裂症	神经影像学	BERT	文本	51篇文章	NA	BERT	准确率, 召回率	NA
15	2026-03-06	Multicontrast Pocket Colposcopy Cervical Cancer Diagnostic Algorithm for Referral Populations 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9823184 PMID:37850189	研究论文	本研究利用深度学习模型对通过低成本便携式口袋阴道镜采集的宫颈图像进行分类，以诊断活检确认的高级别癌前病变和癌症	通过使用类别平衡损失函数并结合绿色光阴道镜图像对，提升了在筛查阳性人群中的分类性能，且无需额外成本	研究主要基于已预筛查人群，可能未涵盖所有临床场景，且样本量相对有限	开发自动化分类算法以克服低收入国家因专业医疗人员短缺和诊断变异性导致的宫颈癌早期检测障碍	宫颈图像，来自880次患者就诊	计算机视觉	宫颈癌	阴道镜成像	CNN	图像	880次患者就诊的宫颈图像	NA	ResNet-18	AUC, 灵敏度, 特异性	NA
16	2026-03-02	Machine-learning based investigation of prognostic indicators for oncological outcome of pancreatic ductal adenocarcinoma 2022, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2022.895515 PMID:36568148	研究论文	本文提出了一种基于3D-CNN的机器学习预测模型，利用术前CT扫描可靠预测胰腺导管腺癌的淋巴结转移和术后切缘阳性状态	首次将3D-CNN应用于胰腺导管腺癌的术前CT扫描，以预测淋巴结转移和术后切缘状态，为治疗决策提供新工具	样本量较小（仅110名患者），需更大队列研究以提高模型的泛化能力	改善胰腺导管腺癌的术前影像学肿瘤分期，预测术后切缘和淋巴结状态，以优化治疗顺序	胰腺导管腺癌（PDAC）患者	计算机视觉	胰腺癌	计算机断层扫描（CT）	CNN	图像	110名患者的881个CT扫描	NA	3D-CNN	准确率	NA
17	2026-02-14	Combating data incompetence in pollen images detection and classification for pollinosis prevention 2022-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.105064 PMID:34861642	研究论文	本文提出了一种用于花粉图像检测和分类的新型开放数据集，并研究了在小数据情况下的学习方法，包括检测任务中的贝叶斯RetinaNet网络和分类任务中的生成对抗网络预训练及少样本学习	提出了一个针对检测和分类任务的新型开放花粉数据集，并引入了贝叶斯RetinaNet网络来建模随机不确定性，同时在分类任务中探索了基于生成对抗网络（StyleGAN和自注意力GAN）的合成图像预训练方法	数据集规模相对较小，仅包含13种花粉植物物种，可能限制了模型的泛化能力	通过深度学习技术自动识别花粉图像，以预防和治疗花粉症症状	花粉图像	计算机视觉	花粉症	图像识别	CNN, GAN, Siamese神经网络	图像	13种花粉植物物种的图像数据集	NA	RetinaNet, StyleGAN, Self-attention GAN	平均精度均值, F值	NA
18	2025-11-27	Prostate Cancer Risk Stratification via Nondestructive 3D Pathology with Deep Learning-Assisted Gland Analysis 2022-01-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-21-2843 PMID:34853071	研究论文	开发了一种基于深度学习的非破坏性3D病理学工作流程，用于前列腺癌风险分层	提出ITAS3D策略实现无需标注的3D腺体分割，使用荧光类似物替代传统H&E染色	初步验证阶段，样本量有限（300个活检样本）	改进前列腺癌风险评估和治疗决策	前列腺活检组织	数字病理学	前列腺癌	3D病理学，荧光染色	深度学习	3D图像	300个活检样本（来自50个前列腺切除标本，其中118个含癌）	NA	NA	风险分层能力，临床生化复发结果	NA
19	2025-11-18	GlyphCreator: Towards Example-based Automatic Generation of Circular Glyphs 2022-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2021.3114877 PMID:34596552	研究论文	介绍GlyphCreator——一种基于示例自动生成圆形字形图的交互式工具	提出了首个基于示例的圆形字形图自动生成方法，建立了圆形字形图的设计空间并开发了字形解析深度学习模型	NA	开发能够自动生成圆形字形图的交互式工具，简化多维数据可视化过程	圆形字形图的设计与生成	数据可视化	NA	深度学习	深度学习模型	图像数据，多维数据	NA	NA	NA	定量实验评估	NA
20	2025-11-12	A Lightweight Hybrid Dilated Ghost Model-Based Approach for the Prognosis of Breast Cancer 2022, Computational intelligence and neuroscience DOI:10.1155/2022/9325452 PMID:39262920	研究论文	提出一种基于轻量级混合扩张Ghost模型的乳腺癌预后方法，实现恶性细胞检测和家族分类	采用改进的随机通道注意力机制和DenseNet模型，结合轻量级深度学习架构，在保持高精度的同时满足严格的执行、训练和能耗限制	NA	开发自动化的乳腺癌恶性细胞检测和家族分类系统	数字乳腺X线摄影图像中的肿瘤	计算机视觉	乳腺癌	数字乳腺X线摄影	CNN, DenseNet	图像	NA	NA	Ghost模型, DenseNet	准确率	NA