深度学习在生物医药领域中的应用

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
1	2025-09-24	Segmenting Skin Biopsy Images with Coarse and Sparse Annotations using U-Net 2022-10, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-022-00641-8 PMID:35501416	研究论文	提出一种使用粗标注和稀疏标注的两阶段分割流程，用于皮肤活检图像中黑色素细胞病变的语义分割	开发了基于U-Net的两阶段分割流程，仅需对全切片图像的小区域进行粗标注和稀疏标注即可训练模型	需要专家标注作为金标准，标注过程仍然需要专业医学知识	开发高效的医学图像分割方法以辅助黑色素瘤诊断	皮肤活检组织切片中的黑色素细胞病变区域	数字病理学	黑色素瘤	深度学习图像分析	U-Net	医学图像	NA
2	2025-09-20	A multimodal deep learning model for cardiac resynchronisation therapy response prediction 2022-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2022.102465 PMID:35487111	研究论文	提出一种新颖的多模态深度学习框架，用于基于2D超声心动图和心脏磁共振数据预测心脏再同步化治疗反应	首个用于CRT反应预测的多模态深度学习方法，结合两种影像模态的潜在空间，测试时仅需超声数据即可利用学习到的模态间隐含关系	NA	提高心脏再同步化治疗反应预测的准确性	心脏再同步化治疗患者	机器学习	心血管疾病	2D超声心动图，心脏磁共振成像	nnU-Net分割模型，多模态深度学习分类器	医学影像	50名配对拥有超声心动图/心脏磁共振数据的CRT患者
3	2025-09-19	Machine Learning and Deep Learning in Cardiothoracic Imaging: A Scoping Review 2022-Oct-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12102512 PMID:36292201	综述	对心胸影像领域中机器学习和深度学习应用的系统回顾与总结	系统梳理了ML/DL在心胸影像中的多样化应用，并针对该领域特点提出研究建议	作为范围综述，主要提供领域概览而非深入质量评估	探讨ML/DL在心胸影像领域的应用现状与发展趋势	心胸影像相关医学文献	计算机视觉	心血管疾病	机器学习(ML)和深度学习(DL)	NA	图像	NA
4	2025-09-13	GPU Accelerated Estimation of a Shared Random Effect Joint Model for Dynamic Prediction 2022-Oct, Computational statistics & data analysis IF:1.5Q2 DOI:10.1016/j.csda.2022.107528 PMID:39257897	研究论文	提出一种基于GPU加速的共享随机效应联合模型估计方法，用于动态预测临床终点事件风险	结合新颖的两阶段估计算法与GPU编程（通过PyTorch实现），显著加速联合模型的估计过程，并处理纵向预测因子的非线性轨迹	NA	解决纵向和生存数据联合模型在大型数据集或非线性预测因子下的计算挑战，提高动态预测效率	纵向队列研究中的受试者及其临床终点事件风险	机器学习	临床疾病	GPU加速计算，PyTorch框架	共享随机效应联合模型	纵向数据和生存数据	大型数据集（具体数量未明确说明）
5	2025-09-07	Fast and scalable search of whole-slide images via self-supervised deep learning 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00929-8 PMID:36217022	研究论文	提出一种基于自监督深度学习的全切片图像快速检索方法SISH	实现与数据库大小无关的检索速度，仅需切片级别标注即可训练	NA	开发无需监督训练的数字化病理图像快速检索系统	全切片图像（WSIs）	数字病理学	癌症（多种亚型）	自监督深度学习	深度学习（具体架构未说明）	图像	超过22,000例患者病例，涵盖56种疾病亚型
6	2025-09-06	Detection of signs of disease in external photographs of the eyes via deep learning 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00867-5 PMID:35352000	研究论文	利用深度学习模型分析眼部外部照片以检测糖尿病视网膜病变等疾病	首次证明无需视网膜眼底照片，仅通过眼部外部照片即可利用深度学习检测多种糖尿病相关眼病和血糖控制不良	需要进一步在不同相机设备和患者群体中验证模型的通用性	开发基于深度学习的眼部外部照片分析系统用于疾病筛查	糖尿病患者及普通眼科护理人群	计算机视觉	糖尿病视网膜病变	深度学习	深度学习模型	图像	145,832名糖尿病患者用于训练，48,644名患者用于验证
7	2025-09-06	Derivation of prognostic contextual histopathological features from whole-slide images of tumours via graph deep learning 2022-Dec, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00923-0 PMID:35982331	研究论文	通过图深度学习从肿瘤全切片图像中提取具有预后价值的上下文组织病理学特征	首次在半监督方式下利用图深度神经网络分析肿瘤微环境的上下文特征，并生成可解释的预后生物标志物	NA	开发能够从全切片图像中提取预后相关上下文特征的计算病理学方法	肾癌、乳腺癌、肺癌和子宫癌患者的全切片图像	数字病理	多癌种（肾癌、乳腺癌、肺癌、子宫癌）	图深度学习、注意力机制	图神经网络（GNN）	全切片图像（WSI）	3,950名患者（四种癌症类型），其中1,333名肾透明细胞癌患者用于风险分层验证
8	2025-09-06	Graph deep learning detects contextual prognostic biomarkers from whole-slide images 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00927-w PMID:35986140	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9	2025-09-06	Graph deep learning for the characterization of tumour microenvironments from spatial protein profiles in tissue specimens 2022-12, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-022-00951-w PMID:36357512	研究论文	利用图神经网络分析空间蛋白质数据以表征肿瘤微环境并预测临床结果	提出基于局部子图的图深度学习模型，捕捉与临床结果相关的独特细胞相互作用，优于基于细胞类型局部组成的深度学习方法	NA	识别与癌症复发和患者生存相关的空间模式，并预测患者预后	人类头颈癌和结直肠癌组织样本	数字病理	头颈癌和结直肠癌	多重免疫荧光成像	图神经网络	空间蛋白质数据	NA
10	2025-09-01	Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG 2022-Mar-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030654 PMID:35328207	研究论文	开发并验证了一种基于人工智能的智能手表心电图技术，用于检测心力衰竭伴射血分数降低	利用生成对抗网络从异步双导联心电图生成十导联心电图，再通过卷积神经网络检测HFrEF，实现了智能手表ECG的临床级应用	研究仅基于两家医院数据，外部验证和泛化能力有待进一步评估	开发人工智能驱动的智能手表心电图系统，用于非侵入性筛查心力衰竭	成年患者，特别是接受心电图和超声心动图检查的心脏病患者	医疗人工智能	心血管疾病	深度学习，心电图分析	GAN, CNN	心电图信号	医院A: 137,673名患者（458,745份ECG）用于模型开发；医院B: 755名患者用于验证
11	2025-09-01	Using Deep-Learning Algorithms to Simultaneously Identify Right and Left Ventricular Dysfunction From the Electrocardiogram 2022-03, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.08.004 PMID:34656465	研究论文	利用深度学习算法从心电图中同时识别左右心室功能障碍	首次开发能够从心电数据中全面量化左右心室功能障碍的深度学习模型，特别是填补了右心室功能评估工具的空白	模型性能在外部验证中略有下降（如LVEF 40%-50%分类AUC从0.82降至0.73），且依赖自然语言处理提取的超声心动图报告数据	开发基于心电图的深度学习工具，用于左右心室功能障碍的快速筛查和诊断	来自5家纽约医院的患者心电数据和超声心动图报告	机器学习	心血管疾病	深度学习，自然语言处理（NLP）	DL（深度学习模型）	心电图信号，文本报告	147,636名患者的715,890份心电图（左心室功能），148,227名患者的761,510份心电图（右心室功能）
12	2025-09-01	Fairness in Cardiac Magnetic Resonance Imaging: Assessing Sex and Racial Bias in Deep Learning-Based Segmentation 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.859310 PMID:35463778	研究论文	本研究首次在大规模数据库中评估基于深度学习的电影CMR分割模型在性别和种族方面的公平性	首次针对基于AI的电影心脏磁共振成像分割进行性别和种族偏见的系统性分析	研究基于UK Biobank数据库，该数据库种族不平衡（81%为白人）	评估深度学习模型在心脏MRI分割中是否存在性别和种族偏见	5,903名来自UK Biobank的受试者（61.5±7.1岁，52%男性，81%白人）	医学影像分析	心血管疾病	心脏磁共振成像（CMR），深度学习分割	深度学习模型	医学影像	5,903名受试者的电影短轴CMR图像
13	2025-08-29	The Application of Artificial Intelligence Technology in Art Teaching Taking Architectural Painting as an Example 2022, Computational intelligence and neuroscience DOI:10.1155/2022/8803957 PMID:35619771	研究论文	本研究探讨人工智能技术在艺术教学中的应用，以建筑绘画为例，提出了一种结合L-BFGS算法的轻量级深度学习模型	将L-BFGS优化算法首次应用于艺术教学领域，并实现了97-98%的高精度表现	NA	研究人工智能技术在艺术教学中的具体应用方法与效果	建筑绘画艺术教学	机器学习	NA	深度学习，L-BFGS算法，互联网技术，无线传感器网络(WSNs)	轻量级深度学习模型	图像数据	NA
14	2025-08-12	Deep learning-based identification of genetic variants: application to Alzheimer's disease classification 2022-03-10, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbac022 PMID:35183061	研究论文	提出了一种基于深度学习的三步法（SWAT-CNN）用于识别与表型相关的单核苷酸多态性（SNPs），并应用于阿尔茨海默病的分类	开发了一种新颖的三步法SWAT-CNN，结合卷积神经网络（CNN）和滑动窗口关联测试（SWAT）来识别与表型相关的SNPs，并构建疾病分类模型	方法在阿尔茨海默病数据集上进行了测试，但在其他疾病或更大规模数据集上的泛化能力尚未验证	开发一种基于深度学习的全基因组方法，用于识别与疾病相关的遗传变异并构建分类模型	阿尔茨海默病相关的单核苷酸多态性（SNPs）	机器学习	阿尔茨海默病	全基因组关联研究（GWAS）	CNN	基因组数据	981（认知正常老年人650名，阿尔茨海默病患者331名）
15	2025-08-12	Preparation and Mechanical Properties of High Silicon Molybdenum Cast Iron Materials: Based on Deep Learning Model 2022, Computational intelligence and neuroscience DOI:10.1155/2022/4825356 PMID:39262918	研究论文	本研究探讨了高铬铸铁的静态腐蚀性能，以及钼和钒元素的添加与含量变化对其耐腐蚀性的影响，旨在获得性能更优、成本更低的高铬铸铁铸件	通过研究钼和钒元素的添加及含量变化对高铬铸铁耐腐蚀性的影响，结合亚临界处理工艺，优化高铬铸铁的微观结构和性能	研究主要关注静态腐蚀性能，未涉及动态工作环境下的性能表现	提高高铬铸铁的耐腐蚀性和耐磨性，同时降低成本	高铬铸铁材料	材料科学	NA	亚临界处理工艺	深度学习模型	实验数据	未明确说明
16	2025-08-07	From systems to structure - using genetic data to model protein structures 2022-06, Nature reviews. Genetics DOI:10.1038/s41576-021-00441-w PMID:35013567	review	本文综述了利用大规模遗传数据和深度学习方法来建模蛋白质结构及其相互作用的新兴方法	结合共进化、深度突变扫描和基因组规模遗传或化学遗传相互作用映射等新方法，实现了对单个蛋白质或蛋白质复合物结构的建模	NA	理解遗传变异的影响，分析序列变化在系统层面和机制层面的物理及功能后果	蛋白质结构及其相互作用	生物信息学	NA	共进化、深度突变扫描、基因组规模遗传或化学遗传相互作用映射、深度学习	深度学习	遗传数据	NA
17	2025-08-07	A hybrid deep learning model for forecasting lymphocyte depletion during radiation therapy 2022-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.15584 PMID:35229311	research paper	提出了一种混合深度学习模型，用于预测食管癌患者在放射治疗过程中淋巴细胞减少的趋势	采用堆叠结构的混合深度学习模型，结合LSTM和神经网络处理多类别特征，并开发了判别性核以提取时间特征和分配不同权重	研究仅针对食管癌患者，未涉及其他类型的癌症	预测放射治疗引起的淋巴细胞减少，以优化治疗计划	食管癌患者	machine learning	esophageal cancer	deep learning	LSTM, neural networks	clinical data, dosimetric features	860名接受同步放化疗的食管癌患者
18	2025-08-06	SODA: Detecting COVID-19 in Chest X-Rays With Semi-Supervised Open Set Domain Adaptation 2022 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2021.3066331 PMID:33729944	研究论文	该论文提出了一种名为SODA的半监督开放集域适应方法，用于在胸部X光片中检测COVID-19	SODA方法在通用域空间和源数据与目标数据的共同子空间中对齐不同域的数据分布，解决了胸部X光数据集中的大域偏移和COVID-19胸部X光数据集规模较小的问题	COVID-19胸部X光数据集的规模相对较小	通过深度学习自动检测胸部X光片中的COVID-19疾病	胸部X光片	计算机视觉	COVID-19	深度学习	CNN, SODA	图像	NA
19	2025-08-04	Comparison of Retinal Imaging Techniques in Individuals with Pulmonary Artery Hypertension Using Vessel Generation Analysis 2022-Nov-28, Life (Basel, Switzerland) DOI:10.3390/life12121985 PMID:36556350	研究论文	比较视网膜成像技术在肺动脉高压患者中的应用，使用血管生成分析	首次使用非侵入性彩色眼底成像（CF）与荧光素血管造影（FA）在肺动脉高压（PAH）患者中进行视网膜血管变化的比较，并应用深度学习（DL）加速分析	样本量较小（n=9），且微血管变化未在两种成像技术中表现一致	评估非侵入性CF成像是否能提供与FA相同的视网膜血管信息，以促进PAH的临床诊断和管理	肺动脉高压（PAH）患者的视网膜血管	数字病理	肺动脉高压	荧光素血管造影（FA）、彩色眼底成像（CF）、深度学习（DL）	深度学习	图像	9名PAH患者
20	2025-08-04	Federated Learning for Multicenter Collaboration in Ophthalmology: Improving Classification Performance in Retinopathy of Prematurity 2022-08, Ophthalmology. Retina DOI:10.1016/j.oret.2022.02.015 PMID:35296449	研究论文	比较集中式数据与联邦学习(FL)在早产儿视网膜病变(ROP)诊断中的深度学习分类器性能	首次在ROP诊断中比较集中式数据与联邦学习的性能，证实FL在多机构协作中的有效性	研究仅涉及7个机构的5255张图像，样本量和机构数量有限	评估联邦学习在ROP诊断中的性能及其在多机构协作中的可行性	早产儿视网膜病变(ROP)的视网膜图像	数字病理	早产儿视网膜病变	深度学习	CNN	图像	5255张广角视网膜图像，来自7个机构的新生儿重症监护室