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
201	2026-05-31	A Graph-Transformer for Whole Slide Image Classification 2022-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3176598 PMID:35594209	研究论文	提出一种融合图表示与视觉Transformer的Graph-Transformer（GTP）方法，用于全切片图像分类，在肺癌组织学分类上取得高准确率	首次将图结构表示（Graph）与Vision Transformer融合构建GTP框架，用于全切片级别的病理图像分类，并引入基于图的显著性映射技术GraphCAM提升模型可解释性	NA（摘要未明确提及局限性）	开发一种能够利用WSI整体信息进行疾病分级预测的深度学习框架，并以肺癌亚型分类为验证任务	肺腺癌（LUAD）、肺鳞癌（LSCC）及癌旁正常组织	数字病理学	肺癌	深度学习、对比学习、病理图像全切片分析	Graph-Transformer（融合图神经网络与视觉Transformer）	病理全切片图像（WSI）	4,818张WSI，来自CPTAC、NLST和TCGA数据库	PyTorch	Vision Transformer、图神经网络	准确率	NA（摘要未明确提及计算资源）
202	2026-05-31	Measuring and modelling perceptions of the built environment for epidemiological research using crowd-sourcing and image-based deep learning models 2022-11, Journal of exposure science & environmental epidemiology DOI:10.1038/s41370-022-00489-8 PMID:36369372	研究论文	利用众包和基于图像的深度学习模型测量和模拟建筑环境感知，并应用于流行病学研究	通过众包方法收集特定健康研究（华盛顿州双胞胎登记处）的建筑环境感知数据，并利用迁移学习优化深度学习模型，提高模型性能	未明确提及，但可能包括感知数据的主观性和样本代表性有限	开发可客观测量和预测建筑环境感知的方法，用于流行病学研究	华盛顿州双胞胎登记处参与者的居住地址及街道图像	计算机视觉, 机器学习	心理健康相关	众包, 图像采集	深度学习模型	图像	超过36,000张图像比较	PyTorch, Keras	迁移学习模型	模型解释方差（nature quality 77.6%, beauty 68.1%, relaxation 72.0%, safety 64.7%）, 平均改进率3.8%	亚马逊Mechanical Turk众包平台, GPU（具体类型未提及）
203	2026-05-31	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	利用深度学习对阿尔茨海默病谱系进行亚型分类，基于结构影像对认知障碍个体进行分型	通过深度学习技术基于结构性影像对认知障碍个体进行亚型分类，以量化阿尔茨海默病异质性，为靶向治疗提供新方法	NA	探索基于结构影像的阿尔茨海默病亚型分类方法，以促进疾病修饰疗法的应用和改善患者护理	认知障碍个体	机器学习	阿尔茨海默病	结构影像	深度学习	影像	NA	NA	NA	NA	NA
204	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
205	2026-05-27	Primary Open-Angle Glaucoma Diagnosis from Optic Disc Photographs Using a Siamese Network 2022-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100209 PMID:36531584	research paper	提出了一种基于孪生神经网络POAGNet的方法，通过模拟临床分级过程，利用视盘照片诊断原发性开角型青光眼	首次使用孪生神经网络模拟临床医生对比随访图像与基线图像的过程，从视盘照片诊断原发性开角型青光眼，并引入深度监督的侧输出层	未在文中明确说明，但跨数据集验证的AUC仍低于单数据集训练效果，泛化能力有限	开发一种通过模拟临床比较过程来提高青光眼诊断准确性的深度学习方法	原发性开角型青光眼诊断中的视盘照片	computer vision	glaucoma	optic disc photography	Siamese neural network	image	OHTS数据集包含37,339张视盘照片（来自1,636名参与者），SIG数据集包含3,684张视盘照片	NA	Siamese network	area under the receiver operating characteristic curve, accuracy, sensitivity, specificity	NA
206	2026-05-27	Machine Learning for Early Detection of Hypoxic-Ischemic Brain Injury After Cardiac Arrest 2022-06, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-021-01405-y PMID:34873672	研究论文	利用深度学习迁移学习分析心脏骤停后早期头颅CT平扫，预测缺氧缺血性脑损伤的进展	首次在正常头颅CT平扫结果中，使用深度迁移学习识别早期缺氧缺血性脑损伤证据，准确预测后续影像学进展	样本量较小（仅54例患者），且为单中心研究，外部验证集仅16例	探索深度迁移学习在心脏骤停后早期正常头颅CT平扫中发现潜在缺氧缺血性脑损伤标志物的能力	心脏骤停后昏迷存活的成年患者	医学影像分析	缺氧缺血性脑损伤	计算机断层扫描（CT），深度学习迁移学习	CNN（卷积神经网络）	医学影像（头颅CT平扫图像）	54例患者（内部队列），16例患者（外部验证队列）	NA	深度迁移学习模型（未注明具体架构）	AUC, 敏感度, 特异度, 准确率, 阳性预测值	NA
207	2026-05-24	AI MSK clinical applications: cartilage and osteoarthritis 2022-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-021-03909-2 PMID:34735607	综述	综述人工智能在骨关节炎和软骨成像中的临床应用进展	系统整合了机器学习与深度学习在软骨分割、病变检测及未来膝关节OA风险预测模型中的创新应用	未提及当前AI方法在临床部署中的数据偏差、可解释性及验证挑战	总结AI在骨关节炎研究中的应用，包括成像优化、定量评估及自动化分析	软骨和骨关节炎的影像数据（X光片、MRI图像）	计算机视觉	骨关节炎	MRI、X线成像	CNN	图像	NA	NA	NA	NA	NA
208	2026-05-23	Scoring metrics for assessing skills in arthroscopic rotator cuff repair: performance comparison study of novice and expert surgeons 2022-Oct, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02683-3 PMID:35672594	研究论文	开发定量性能指标和深度学习模型来客观评估关节镜肩袖修复手术技能	提出了一套定量性能指标和深度学习模型AAVET用于自动评估手术技能，并验证了其在区分新手与专家医生方面的有效性	样本量较小且仅涉及肩关节镜手术，指标和模型的通用性和可扩展性需要进一步验证	构建客观量化的手术技能评估平台，为外科医生提供自我评估工具	新手和专家医生在进行关节镜肩袖修复手术时的技能表现	计算机视觉	肩袖损伤	深度学习视频分析技术	深度学习模型（AAVET）	手术视频	24例肩关节镜肩袖修复手术（10例由新手执行，14例由专家执行）	PyTorch	可能基于卷积神经网络（具体架构未明确）	F1分数、有效性指标	NA
209	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
210	2026-05-18	A Comparative Study of Deep Learning Algorithms for Detecting Food Intake 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871278 PMID:36085821	研究论文	比较多种深度学习算法在利用可穿戴传感器信号检测食物摄入上的性能	首次系统比较了多种先进时域深度学习算法（MLP、time-CNN、FCN、ResNet和Inception）在基于可穿戴传感器信号的食物摄入分类任务中的表现，并发现ResNet效果最优	样本量较小（17名受试者，23天数据），可能影响模型的泛化能力	比较不同深度学习算法在食物摄入分类中的性能，以确定最优算法	可穿戴传感器（AIM-2）采集的咀嚼肌活动信号	机器学习	不适用	可穿戴传感器（光学和3轴加速度计）	MLP, time-CNN, FCN, ResNet, Inception	时序信号	17名受试者，23天自由生活数据	不适用	MLP, time-CNN, FCN, ResNet, Inception	平衡分类准确率	不适用
211	2026-05-17	Image Quality Classification for Automated Visual Evaluation of Cervical Precancer 2022-Sep, Medical image learning with limited and noisy data : first international workshop, MILLanD 2022, held in conjunction with MICCAI 2022, Singapore, September 22, 2022, proceedings. MILLanD (Workshop) (1st : 2022 : Singapore) DOI:10.1007/978-3-031-16760-7_20 PMID:36315110	研究论文	提出一种深度学习集成框架，用于宫颈癌前病变自动视觉评估的图像质量分类	集成网络框架包含宫颈检测、错误标签识别和质量分类三大模块，自动识别错误标签和模糊图像以提升分类性能	未提及具体局限性	提升宫颈癌前病变自动视觉评估的图像质量分类性能	宫颈癌前病变筛查中的宫颈图像	计算机视觉	宫颈癌	NA	深度学习集成框架	图像	来自全球不同机构、设备和地区的14,183名患者的87,420张图像	NA	集成网络（包含宫颈检测网络、错误标签识别网络和质量分类网络）	准确率	NA
212	2026-05-17	Improved 3D tumour definition and quantification of uptake in simulated lung tumours using deep learning 2022-04-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac65d6 PMID:35395657	研究论文	提出一种深度学习方法来改善肺肿瘤PET成像中的放射性示踪剂摄取量化和肿瘤形状定义	使用模拟肿瘤生成真实PET原始数据，训练3D卷积神经网络以恢复肿瘤形状和改进摄取估计，且模型对采用不同点扩散函数的重建PET数据具有泛化能力	NA	提高肺肿瘤放射性示踪剂摄取的量化准确性和肿瘤形状定义	模拟肺肿瘤及其在PET图像中的放射性示踪剂分布	数字病理学	肺癌	PET成像	3D卷积神经网络	图像	模拟肿瘤，具有不同大小和活性分布，放置于拟人模型左肺	NA	3D卷积神经网络	肿瘤最大和中等活性估计	NA
213	2026-05-16	Ten quick tips for deep learning in biology 2022-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009803 PMID:35324884	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
214	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
215	2026-05-12	Hierarchical Individual Naturalistic Functional Brain Networks with Group Consistency Uncovered by a Two-Stage NAS-Volumetric Sparse DBN Framework 2022 Sep-Oct, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0200-22.2022 PMID:35995557	研究论文	提出了一种两阶段神经架构搜索与体积稀疏深度信念网络模型，用于从自然范式功能磁共振成像数据中识别具有群体一致性和个体独特性的分层功能脑网络	首次将神经架构搜索与体积稀疏深度信念网络结合，自动优化网络架构以建模自然范式fMRI数据，同时兼顾群体一致性与个体变异性	未提及	从自然范式fMRI数据中自动识别具有群体一致性和个体独特性的分层时空脑功能特征	自然范式下的人脑功能网络及时间特征	机器学习	NA	NfMRI	深度信念网络 (DBN)	fMRI体积图像	NA	NA	两阶段神经架构搜索, 体积稀疏深度信念网络	群体一致性, 个体独特性	NA
216	2026-05-09	Deep Learning CT-based Quantitative Visualization Tool for Liver Volume Estimation: Defining Normal and Hepatomegaly 2022-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.2021210531 PMID:34698566	研究论文	利用深度学习工具自动分割肝脏，建立基于CT的肝脏体积估算和肝肿大阈值	提出了一个基于深度学习的全自动CT肝脏体积分割工具，并推导出基于体重的肝肿大线性阈值，比传统线性测量更准确和客观	未明确说明，但可能包括样本来自单一医学中心，无症状成人，未涵盖所有人群或疾病状态	确定肝脏体积并建立肝肿大的阈值	3065名接受结肠癌筛查或肾脏捐赠评估的无症状成人门诊患者	计算机视觉	肝肿大	多层螺旋CT	深度学习	CT图像	3065名患者（1639名女性，平均年龄54岁），其中1960例结肠癌筛查，1105例肾脏捐赠评估	NA	NA	敏感度，特异度，中位差异百分比	NA
217	2026-05-08	Artificial intelligence and deep learning to map immune cell types in inflamed human tissue 2022-06, Journal of immunological methods IF:1.6Q4 DOI:10.1016/j.jim.2022.113233 PMID:35131237	研究论文	开发深度学习算法，识别炎症组织活检中的免疫细胞类型	提出一种基于深度学习的方法，能够无偏且全面地识别炎症组织中的免疫细胞，包括罕见的Tfh细胞亚群，并可用于细胞间距离映射	NA	利用人工智能和深度学习技术，自动化识别和分类炎症组织中的免疫细胞，以量化活检切片中的复杂免疫细胞交互信息	皮肌炎活检图像中的Tfh细胞亚群和B细胞	计算机视觉	自身免疫疾病（皮肌炎）	NA	深度学习	图像	NA	NA	深度学习算法（未具体指定）	检测和分类性能（未具体指定）	NA
218	2026-05-08	Brain Functional Connectivity Analysis via Graphical Deep Learning 2022-05, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2021.3127173 PMID:34882539	研究论文	提出一种基于图卷积网络的框架，用于脑功能连接分析，通过结合区域间连接和受试者间关系来研究认知功能	在脑网络分析中引入拉普拉斯正则化项解决过拟合问题，并采用遮挡敏感性分析方法识别与认知功能相关的脑网络和脑区	样本量有限，且脑区之间关系复杂，限制了图深度学习模型的应用	开发一种基于图卷积网络的框架，用于分析脑功能连接并识别与认知功能相关的脑网络和脑区	费城神经发育队列（Philadelphia Neurodevelopmental Cohort）中的受试者脑功能连接数据	机器学习	NA	NA	图卷积网络（GCN）	脑功能连接数据	基于费城神经发育队列的数据，具体样本量未在摘要中指定	NA	图卷积网络	分类准确率	NA
219	2026-05-04	One Clinician Is All You Need-Cardiac Magnetic Resonance Imaging Measurement Extraction: Deep Learning Algorithm Development 2022-Sep-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/38178 PMID:35960155	研究论文	本研究开发了一种基于预训练Transformer语言模型的深度学习算法，通过少量专家标注从心脏磁共振成像临床报告中提取21项测量指标	使用预训练Transformer模型实现标签高效的数字提取，无需大量专家标注或人工规则，探索临床预训练和数字表示方法对性能的影响	未明确提及限制，但论文指出模型性能因测量类型而异（如左心房前后径F1=0.92），且工作流程需在实际应用中进一步验证	开发标签高效的方法从非结构化临床文本中自动提取CMR测量值，支持临床研究	多机构医疗系统中的心脏磁共振成像临床报告	自然语言处理	心血管疾病	N/A	Transformer	文本	99,252名患者（12,720份CMR报告，其中370份经临床医生标注）	PyTorch	Transformer	宏平均F1分数	N/A
220	2026-04-30	OpenFL: the open federated learning library 2022-10-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac97d9 PMID:36198326	研究论文	介绍开源联邦学习库OpenFL，一个基于Python的工具，支持TensorFlow和PyTorch框架，用于训练机器学习与深度学习算法，同时保护数据隐私	提供可扩展的联邦学习框架，支持可信执行环境以确保模型安全与完整性，并实现从集中式到联邦训练管线的简易迁移	NA	促进联邦学习在生产环境中的应用，并扩展到非医疗用例	联邦学习库OpenFL的设计、开发特性及其在医疗等领域的实际应用	机器学习	NA	NA	NA	NA	NA	TensorFlow, PyTorch	NA	NA	NA