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	2026-04-17	Recent Technical Developments in ASL: A Review of the State of the Art 2022-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29381 PMID:35983963	综述	本文综述了自Alsop等人发表ASL共识论文以来，先进动脉自旋标记（ASL）技术的最新发展	系统总结了ASL在读出与轨迹、图像重建、噪声抑制、部分容积校正、非灌注参数量化、fMRI、指纹识别、血管选择性ASL、血管造影、深度学习及超高场ASL等多个方面的最新技术进展	未涵盖速度选择性ASL、多时间点ASL、体部ASL及临床ASL建议等主题，这些内容已在其他文章中详细讨论	促进研究机构和MRI厂商采纳ASL技术的最新进展，并提供实施指导	先进动脉自旋标记（ASL）技术	医学影像	NA	动脉自旋标记（ASL）	NA	磁共振成像（MRI）数据	NA	NA	NA	NA	NA
2	2026-04-17	Weakly Supervised Polyp Segmentation in Colonoscopy Images Using Deep Neural Networks 2022-Apr-22, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging8050121 PMID:35621885	研究论文	本研究提出了一种利用弱监督学习（边界框标注）训练深度神经网络进行结肠镜图像中息肉实时分割的方法	开发了首个结合弱监督策略（仅使用边界框标注）进行息肉分割的深度学习方法，显著提升了分割性能	研究仅基于单一数据集（Polyp-Box-Seg），且弱监督标注可能无法完全捕捉复杂息肉轮廓	提高结肠镜检查中息肉分割的准确性和效率，以辅助结直肠癌筛查	结肠镜图像中的息肉区域	计算机视觉	结直肠癌	深度学习	深度神经网络	图像	4070张来自超过2000名患者的结肠镜图像，其中1300张带有手动分割标注	NA	NA	Dice系数	NA
3	2026-04-14	Discovering design principles of collagen molecular stability using a genetic algorithm, deep learning, and experimental validation 2022-10-04, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2209524119 PMID:36161946	研究论文	本文开发了一种结合遗传算法和深度学习的通用模型，用于设计具有特定熔化温度的胶原蛋白序列，并通过实验和计算方法验证了其预测准确性	首次将遗传算法与深度学习框架结合，用于设计胶原蛋白序列并预测其熔化温度，实现了高通量序列生成和验证	模型预测的熔化温度与实际值存在几摄氏度的误差，且研究主要关注序列设计，对实际生物材料应用的长期稳定性验证不足	开发一个稳健的框架，以设计具有特定熔化温度的胶原蛋白序列，用于生物材料制造和生物医学应用	胶原蛋白的氨基酸序列及其熔化温度	机器学习	NA	遗传算法，深度学习，分子动力学模拟，实验验证	深度学习模型	序列数据	1,000个新设计的胶原蛋白序列	NA	NA	熔化温度预测误差（摄氏度）	NA
4	2026-04-14	Automated Determination of Left Ventricular Function Using Electrocardiogram Data in Patients on Maintenance Hemodialysis 2022-07, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.16481221 PMID:35667835	研究论文	本研究开发了一种基于心电图数据的深度学习模型，用于自动化评估维持性血液透析患者的左心室射血分数	利用迁移学习策略，通过在非血液透析患者的心电图数据上进行预训练，有效解决了血液透析患者样本量较小的问题，并提升了模型性能	研究样本主要来自特定医疗机构的患者，可能限制了模型的泛化能力；且模型在中等射血分数类别（41%-50%）上的预测性能相对较低	开发并评估深度学习模型，以自动化方式从心电图数据中分类维持性血液透析患者的左心室射血分数	维持性血液透析患者，以及作为预训练数据来源的非血液透析患者	机器学习	心血管疾病	深度学习, 迁移学习	深度学习模型	心电图数据	血液透析患者：2,168名患者，18,626对心电图-超声心动图数据；非血液透析患者：158,840名患者，705,075对心电图-超声心动图数据	NA	NA	受试者工作特征曲线下面积	NA
5	2026-04-13	Pushing the Limits of Surface-Enhanced Raman Spectroscopy (SERS) with Deep Learning: Identification of Multiple Species with Closely Related Molecular Structures 2022-May, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028221077119 PMID:35081756	研究论文	本研究评估了将深度学习算法应用于表面增强拉曼光谱（SERS）以区分和分类不同胆汁酸物种的潜力	结合SERS与深度学习算法，成功识别了分子结构仅相差单个羟基的多种胆汁酸物种，即使在低分析物浓度下也表现出可靠性	NA	评估深度学习在SERS光谱中区分和分类结构相近的化学物种的能力	五种胆汁酸物种	机器学习	肠道微生物失衡	表面增强拉曼光谱（SERS）	CNN	光谱数据	NA	NA	卷积神经网络	NA	NA
6	2026-04-11	Deep learning approach to predict pain progression in knee osteoarthritis 2022-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-021-03773-0 PMID:33835240	研究论文	本研究开发并评估了深度学习模型，用于预测膝关节骨关节炎患者的疼痛进展	首次将深度学习应用于膝关节X光片分析，以预测疼痛进展，并开发了结合传统风险因素和深度学习分析的组合模型	研究为回顾性分析，且仅基于特定队列数据，可能无法完全推广到其他人群	预测膝关节骨关节炎患者的疼痛进展	膝关节骨关节炎患者或有患病风险的人群	数字病理学	骨关节炎	X光成像	深度学习, 人工神经网络	图像	9348个膝盖（来自4674名受试者），其中训练集4200个膝盖，测试集500个膝盖	NA	NA	AUC, 敏感性, 特异性	NA
7	2026-04-05	Artificial Intelligence Based on Machine Learning in Pharmacovigilance: A Scoping Review 2022-05, Drug safety IF:4.0Q1 DOI:10.1007/s40264-022-01176-1 PMID:35579812	综述	本文通过范围综述探讨了基于机器学习的人工智能在药物警戒领域的应用现状、与其他领域的差异以及改进机会	首次系统性地综述了2000年至2021年间机器学习在药物警戒中的应用，并识别了当前最佳实践和趋势	仅涵盖截至2021年9月的研究，可能未反映最新进展；依赖手动筛选，可能存在主观偏差	理解机器学习在药物警戒任务中的应用方式，并识别通过机器学习改进药物警戒的机会	2000年至2021年发表的关于机器学习在药物警戒中应用的393篇研究论文	机器学习	NA	机器学习	深度学习, 传统统计方法	文本, 结构化数据	7744篇摘要经筛选后纳入393篇论文	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	2026-04-01	PK-RNN-V E: A deep learning model approach to vancomycin therapeutic drug monitoring using electronic health record data 2022-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104166 PMID:35985620	研究论文	本文提出了一种基于深度学习的万古霉素药代动力学预测模型（PK-RNN-V E），利用大规模电子健康记录数据进行治疗药物监测	利用大型电子健康记录数据集开发深度学习模型，能够处理实时稀疏和不规则观测数据，提供动态预测，相比传统贝叶斯模型具有更优性能	模型仅在特定患者群体（5,483名患者）中开发，可能未涵盖所有真实世界患者多样性	开发用于万古霉素治疗药物监测的深度学习药代动力学预测模型	万古霉素治疗患者	机器学习	NA	电子健康记录数据分析	RNN	电子健康记录数据	5,483名患者，55,336次万古霉素给药	NA	PK-RNN-V E	均方根误差	NA
10	2026-03-31	Symphonizing pileup and full-alignment for deep learning-based long-read variant calling 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00387-x PMID:38177392	研究论文	本文介绍了Clair3，一种基于深度学习的变异检测工具，通过结合pileup和全比对方法，提高了长读长测序中单核苷酸多态性检测的性能和速度	Clair3创新性地整合了pileup和全比对两种方法，前者处理大多数变异候选以提升速度，后者处理复杂候选以最大化精确度和召回率，从而在低覆盖度下实现更优性能	NA	开发一种高效且准确的基于深度学习的变异检测工具，用于长读长测序数据	长读长测序数据中的单核苷酸多态性	机器学习	NA	长读长测序	深度学习	测序数据	NA	NA	NA	精确度, 召回率	NA
11	2026-03-31	Single-sequence protein structure prediction using supervised transformer protein language models 2022-12, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-022-00373-3 PMID:38177395	研究论文	本文介绍了一种名为trRosettaX-Single的自动化算法，用于单序列蛋白质结构预测	结合了监督式Transformer蛋白质语言模型的序列嵌入，并通过知识蒸馏增强的多尺度网络来预测残基间二维几何，从而重建三维结构	未明确提及具体局限性，但可能依赖于特定数据集或计算资源	开发一种高效的单序列蛋白质结构预测方法	孤儿蛋白质、人工设计蛋白质以及网络幻觉生成的蛋白质	机器学习	NA	蛋白质结构预测	Transformer	蛋白质序列	2,000个网络幻觉生成的设计蛋白质	NA	Transformer	模板建模分数（TM-score）	未指定具体资源，但提到计算资源使用少于10%且比AlphaFold2快两倍
12	2026-03-25	Validation of a deep learning, value-based care model to predict mortality and comorbidities from chest radiographs in COVID-19 2022-Aug, PLOS digital health DOI:10.1371/journal.pdig.0000057 PMID:36812559	研究论文	本研究验证了一个基于深度学习、以价值为导向的护理模型，该模型利用胸部X光片预测COVID-19患者的死亡率和合并症	开发并验证了一个仅使用正面胸部X光片预测COVID-19患者合并症和死亡率的深度学习模型，并与传统的分层条件类别（HCC）风险调整模型进行了性能比较	模型训练数据来自单一机构（2010-2019年），且外部验证队列规模有限（共900例COVID-19患者），可能影响模型的泛化能力	验证深度学习模型在预测COVID-19患者合并症和死亡率方面的性能，并评估其在临床决策中的潜在应用价值	COVID-19患者的正面胸部X光片	数字病理学	COVID-19	胸部X光成像	深度学习模型	图像	训练集：14,121张门诊患者正面胸部X光片（2010-2019年）；验证集：413例门诊COVID-19患者（内部队列）和487例住院COVID-19患者（外部队列）的初始正面胸部X光片	NA	NA	ROC曲线下面积（AUC）、相关系数、绝对平均误差	NA
13	2026-03-25	Deep 3D Neural Network for Brain Structures Segmentation Using Self-Attention Modules in MRI Images 2022-03-27, Sensors (Basel, Switzerland) DOI:10.3390/s22072559 PMID:35408173	研究论文	本文提出了一种基于深度学习的3D神经网络，结合自注意力模块用于MRI图像中的脑结构分割	提出了一种结合局部卷积特征和全局自注意力机制的3D深度学习模型，用于脑结构分割，据称是使用注意力机制分割最多脑结构（37个）的3D方法	NA	开发一种用于脑结构分割的深度学习模型，以提高分割精度和速度	脑MRI图像中的37个脑结构	计算机视觉	NA	磁共振成像	CNN, 自注意力模块	三维MRI图像	Mindboggle-101数据集	NA	基于UNet的架构，包含卷积层和自注意力模块	平均Dice分数	NA
14	2026-03-24	Evaluation of different registration methods and dental restorations on the registration duration and accuracy of cone beam computed tomography data and intraoral scans: a retrospective clinical study 2022-Sep, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-022-04533-7 PMID:35538331	研究论文	本研究评估了不同配准方法及牙齿修复体比例对锥形束CT与口内扫描数据配准时长和准确性的影响	首次结合深度学习平台与多种传统配准软件，系统性分析牙齿修复体比例对配准性能的影响	样本量较小（36例患者），且为单操作者回顾性研究，可能存在操作偏倚	比较不同配准方法在虚拟种植规划中的效率与精度差异	锥形束CT数据与口内扫描的三维模型	医学影像分析	牙科疾病	锥形束CT扫描, 口内扫描	深度学习模型	三维医学影像数据	36例患者（每人单颌数据）	未明确说明	未明确说明	配准精度（三维模型间距离测量）, 时间消耗	未明确说明
15	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
16	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
17	2026-03-18	Artificial intelligence study on left ventricular function among normal individuals, hypertrophic cardiomyopathy and dilated cardiomyopathy patients using 1.5T cardiac cine MR images obtained by SSFP sequence 2022-May-01, The British journal of radiology DOI:10.1259/bjr.20201060 PMID:35084208	研究论文	本研究利用深度学习卷积神经网络自动量化不同心肌病患者左心室功能，评估其在肥厚型心肌病和扩张型心肌病中的性能差异	首次客观评估商业化深度学习方法在不同心肌病心功能评估中的表现，并指出其在各类心肌病中的优缺点	未尝试设计新算法，仅将现有方法应用于临床数据测试集，且评估的心肌病类型有限	评估基于深度学习的自动左心室功能量化方法在不同心肌病中的性能	肥厚型心肌病患者、扩张型心肌病患者及健康参与者的心脏磁共振图像	医学影像分析	心肌病	心脏磁共振成像	CNN	图像	388名患者	NA	卷积神经网络	Bland-Altman分析, ROC曲线分析, Pearson相关系数, 敏感性, 特异性	NA
18	2026-03-16	Subcortical segmentation of the fetal brain in 3D ultrasound using deep learning 2022-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.119117 PMID:35331871	研究论文	本研究开发了一种基于深度学习的卷积神经网络，用于从3D胎儿超声图像中自动分割皮层下结构	采用少样本学习方法，仅使用少量手动标注数据（n=9）训练CNN，实现了接近观察者内部变异性的分割性能，并生成了妊娠中期特定结构的超声特异性生长曲线	手动标注数据稀缺且获取成本高，超声图像存在软组织对比度低、斑点噪声和阴影伪影等挑战	通过自动分割3D胎儿超声图像中的皮层下结构，量化其体积发育，为妊娠监测提供重要诊断信息	胎儿大脑的脉络丛、侧脑室后角、透明隔腔及小脑	医学影像分析	胎儿发育	3D超声成像	CNN	3D超声图像	手动标注样本9个，弱标注样本278个	NA	NA	分割性能接近观察者内部变异性	NA
19	2026-03-15	Multimodal deep learning for Alzheimer's disease dementia assessment 2022-06-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31037-5 PMID:35725739	研究论文	本文提出了一种多模态深度学习框架，用于阿尔茨海默病痴呆的自动化诊断与评估	开发了能够灵活整合多种临床信息（人口统计学、病史、神经心理学测试、神经影像、功能评估）的深度学习模型，并在诊断准确性上可与执业神经科医生和神经放射科医生相媲美	未明确说明模型在不同人群或医疗中心间的泛化能力，也未详细讨论数据不平衡或缺失值处理的具体方法	改善由多种病因引起的认知障碍个体的诊断流程	认知正常个体、轻度认知障碍患者、阿尔茨海默病患者及非阿尔茨海默病痴呆患者	数字病理学	阿尔茨海默病	多模态深度学习	深度学习模型	多模态临床数据（人口统计学、病史、神经心理学测试、神经影像、功能评估）	NA	NA	NA	诊断准确性	NA
20	2026-03-15	Deep learning for subtyping the Alzheimer's disease spectrum 2022-02, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2021.12.004 PMID:34996710	研究论文	本文探讨了利用深度学习对阿尔茨海默病谱系进行亚型分类的方法	通过结构成像对认知受损个体进行亚型分类，为疾病异质性量化提供了新视角	NA	亚型分类阿尔茨海默病以促进靶向治疗和改善患者护理	认知受损个体	数字病理学	老年疾病	结构成像	深度学习	图像	NA	NA	NA	NA	NA