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
121	2025-10-06	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	提出一种半监督开放集域自适应方法SODA，用于在胸部X光片中检测COVID-19	首次将COVID-19胸部X光图像分类问题建模为半监督开放集域自适应问题，提出SODA方法在通用域空间和源目标数据共同子空间中对齐数据分布	COVID-19胸部X光数据集规模相对较小	开发自动检测胸部X光片中COVID-19疾病的深度学习方法	胸部X光图像	计算机视觉	COVID-19	胸部X光成像	CNN	图像	小规模COVID-19胸部X光数据集	NA	NA	分类性能，病理定位	NA
122	2025-10-06	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	比较荧光素血管造影和彩色眼底成像在肺动脉高压患者视网膜血管分析中的效果	首次将VESGEN软件应用于肺动脉高压患者的彩色眼底成像分析，并探索深度学习技术在此领域的应用	样本量较小（n=9），深度学习分割与传统手动分割在部分指标上存在差异	评估彩色眼底成像能否替代荧光素血管造影用于肺动脉高压患者的视网膜血管分析	肺动脉高压患者的视网膜血管	数字病理	心血管疾病	荧光素血管造影，彩色眼底成像，血管生成分析	深度学习	视网膜图像	9例肺动脉高压患者	NA	NA	分形维数，血管迂曲度，血管面积密度	NA
123	2025-10-06	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	比较联邦学习与集中式学习在早产儿视网膜病变分类任务中的性能表现	首次在眼科多中心研究中系统比较联邦学习与集中式学习方法的性能，证明联邦学习可作为跨机构协作的有效替代方案	研究仅涉及7个机构的5255张图像，样本规模相对有限	评估联邦学习在多中心眼科协作中的可行性及性能	早产儿视网膜病变的眼底图像	计算机视觉	早产儿视网膜病变	深度学习	深度学习分类器	视网膜图像	5255张广角视网膜图像，来自7个机构的新生儿重症监护室	NA	NA	AUROC, κ系数	NA
124	2025-10-06	Automatic extraction of upper-limb kinematic activity using deep learning-based markerless tracking during deep brain stimulation implantation for Parkinson's disease: A proof of concept study 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0275490 PMID:36264986	研究论文	本研究开发了一种基于深度学习的手部运动自动追踪系统，用于帕金森病脑深部电刺激手术中的运动评估	首次将基于深度学习的无标记追踪技术应用于DBS手术中的运动行为分析，实现了运动类型的自动分类	样本量较小（仅5名患者），属于概念验证研究	开发自动化的运动行为分析系统以提高DBS手术电极植入的精准度	帕金森病患者的上肢运动行为	计算机视觉	帕金森病	视频记录，运动学分析	SVM	视频	5名帕金森病患者	DeepLabCut, Python	NA	准确率，重投影像素误差	NA
125	2025-10-06	Classification of multiple sclerosis clinical profiles using machine learning and grey matter connectome 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.926255 PMID:36313252	研究论文	本研究利用灰质形态连接组数据和机器学习方法对多发性硬化症的临床分型进行分类	首次结合灰质厚度连接组数据和集成机器学习模型对MS四种临床分型进行自动分类，避免了复杂的MR扩散技术和深度学习架构	样本量相对较小（90名患者），仅使用了两种脑图谱进行灰质分区	研究灰质形态连接组数据在多发性硬化症临床分型鉴别中的能力	90名多发性硬化症患者，包括CIS、RRMS、SPMS和PPMS四种临床分型	机器学习	多发性硬化症	MRI T1加权成像，灰质分割，皮层厚度测量	Logistic Regression, Random Forest, Support Vector Machine, AdaBoost, 集成模型	医学影像数据，图论指标数据	90名MS患者	Scikit-learn	多数投票集成模型	F1-score	NA
126	2025-10-06	Deep learning assisted mechanotyping of individual cells through repeated deformations and relaxations in undulating channels 2022-Jan, Biomicrofluidics IF:2.6Q2 DOI:10.1063/5.0077432 PMID:40746947	研究论文	本研究开发了一种结合微流体通道和序列深度学习模型的方法，通过重复变形和松弛过程对单个细胞进行机械表型分析	设计了能够对细胞施加重复变形和松弛的微流体通道，并首次将序列深度学习模型应用于动态变形性细胞术	研究仅使用HL60细胞系作为模型系统，未验证在其他细胞类型上的适用性	开发能够接近最大潜在分类精度的单细胞机械表型分析方法	HL60细胞（经过化学处理扰动肌动蛋白或微管网络的细胞）	机器学习	NA	微流体通道技术，动态变形性细胞术	循环神经网络，卷积神经网络	细胞形状时间序列数据	数百个细胞每秒的测量速率	NA	NA	准确率	NA
127	2025-10-06	Emphysema Progression at CT by Deep Learning Predicts Functional Impairment and Mortality: Results from the COPDGene Study 2022-09, Radiology IF:12.1Q1 DOI:10.1148/radiol.213054 PMID:35579519	研究论文	本研究使用深度学习算法评估吸烟者连续CT扫描中肺气肿严重程度的变化，并分析其与功能损害和死亡率的关系	首次使用深度学习算法自动评估Fleischner肺气肿分级系统在连续CT扫描中的进展，并验证其与临床预后的关联	研究为对已有前瞻性研究的二次分析，可能存在选择偏倚	评估基于深度学习的肺气肿严重程度分级在连续CT扫描中的临床和影像学意义	COPDGene研究中的吸烟者参与者	医学影像分析	慢性阻塞性肺疾病	CT扫描	深度学习	医学影像	5056名参与者（平均年龄60岁±9，2566名男性）	NA	NA	风险比, 统计显著性	NA
128	2025-10-06	Artificial Intelligence-Based Total Mesorectal Excision Plane Navigation in Laparoscopic Colorectal Surgery 2022-05-01, Diseases of the colon and rectum DOI:10.1097/DCR.0000000000002393 PMID:35170546	研究论文	开发基于深度学习的直肠癌手术中全直肠系膜切除平面图像引导导航系统	首个使用图像引导导航系统进行全直肠系膜切除的研究，创新性地利用深度学习对疏松结缔组织进行语义分割	仅使用600张图像进行训练，数据量有限，需要更多图像来提高识别精度	开发辅助外科医生识别全直肠系膜切除平面的导航系统	接受腹腔镜左侧结直肠切除术的32名患者	计算机视觉	直肠癌	深度学习语义分割	深度学习	手术视频图像	32名患者的600张标注图像（训练集528张，测试集72张）	NA	NA	Dice系数	NA
129	2025-10-06	Deep Learning-Accelerated Designs of Tunable Magneto-Mechanical Metamaterials 2022-Jul-27, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.2c09052 PMID:35833606	研究论文	开发了一种基于深度学习的逆向设计框架，用于设计可调谐磁机械超材料	使用深度残差网络替代传统有限元分析，实现快速逆向设计磁机械超材料	NA	开发能够根据预定性能逆向设计磁机械超材料的框架	磁机械超材料	机器学习	NA	直接墨水书写打印方法	深度学习	模拟数据	NA	NA	ResNet	NA	NA
130	2025-10-06	Automatic Classification of Cancer Pathology Reports: A Systematic Review 2022, Journal of pathology informatics DOI:10.1016/j.jpi.2022.100003 PMID:35242443	系统综述	对2010-2021年间发表的癌症病理报告自动分类自然语言处理系统进行系统性回顾和分析	首次系统性回顾和比较了不同NLP方法在癌症病理报告分类中的应用，并基于PRISMA指南进行规范化分析	仅纳入2010-2021年间的25篇文献，部分癌症特征提取任务仍存在挑战	评估自然语言处理技术在癌症病理报告自动分类中的应用现状和发展趋势	癌症病理报告文本数据	自然语言处理	癌症	自然语言处理	基于规则的系统,统计机器学习,深度学习	文本	25篇研究论文	NA	NA	NA	NA
131	2025-10-06	LONGL-Net: temporal correlation structure guided deep learning model to predict longitudinal age-related macular degeneration severity 2022-Mar, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgab003 PMID:35360552	研究论文	提出一种基于时间相关结构引导的深度学习模型LONGL-Net，用于同时评估当前年龄相关性黄斑变性严重程度并预测纵向进展	首次设计时间相关结构引导的生成对抗网络模型，学习连续时间点CFP图像的时间变化相互关系，并通过预测未来CFP中的AMD症状提供分类决策的可解释性	NA	开发能够同时评估当前AMD严重程度并预测未来晚期AMD风险的自动化方法	年龄相关性黄斑变性患者	计算机视觉	年龄相关性黄斑变性	彩色眼底摄影	GAN, 深度学习分类模型	图像	约30,000张CFP图像，来自4,628名参与者（年龄相关眼病研究）和300张CFP图像（UK Biobank数据集验证）	NA	LONGL-Net, 生成对抗网络	AUC, 准确率, 灵敏度	NA
132	2025-10-06	Using deep learning for the automated identification of cone and rod photoreceptors from adaptive optics imaging of the human retina 2022-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.470071 PMID:36425636	研究论文	提出一种名为RC-UPerNet的新型深度学习算法，用于从人类视网膜自适应光学成像中自动识别视锥和视杆细胞	开发了能够同时识别两种光感受器（视锥和视杆细胞）的新型深度学习算法RC-UPerNet，在中心和外周视网膜区域均表现出色	NA	开发自动化算法以识别视网膜中的光感受器细胞	人类视网膜中的视锥和视杆细胞	计算机视觉	眼科疾病	自适应光学成像	深度学习	图像	来自中央和外周视网膜（延伸至距中央凹30°的鼻侧和颞侧方向）的图像	NA	RC-UPerNet	精确率, 召回率, Dice系数	NA
133	2025-10-06	Assessment of right ventricular size and function from cardiovascular magnetic resonance images using artificial intelligence 2022-04-11, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-022-00861-5 PMID:35410226	研究论文	本研究开发了一种改进的深度学习算法，用于从心血管磁共振图像自动测量右心室射血分数	使用包含更广泛右心室病理学数据的数据集，并在交叉验证阶段采用领域特异性定量性能评估指标	研究仅针对100名手动与自动测量差异最大的患者，样本量相对有限	提高从心血管磁共振图像自动量化右心室功能的准确性	右心室尺寸和功能	医学影像分析	心血管疾病	心血管磁共振成像	深度学习	医学图像	100名患者	NA	NA	线性回归分析，Bland-Altman分析，分类准确率	NA
134	2025-10-06	Deep learning-based pancreas volume assessment in individuals with type 1 diabetes 2022-01-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-021-00729-7 PMID:34986790	研究论文	本研究开发了一种基于深度学习的自动化胰腺体积测量方法，用于糖尿病患者	首次将卷积神经网络应用于糖尿病患者胰腺体积的自动测量，解决了传统手动标注耗时且主观的问题	训练数据仅包含160例腹部MRI扫描，测试集仅25例T1D患者，样本量有限	开发自动化胰腺体积测量方法以应用于大型影像数据库	1型糖尿病患者、对照组人群及其混合人群	医学影像分析	糖尿病	磁共振成像	CNN	医学影像	160例腹部MRI扫描用于训练，25例T1D患者用于测试	NA	卷积神经网络	Dice系数,R值	NA
135	2025-10-06	A multi-use deep learning method for CITE-seq and single-cell RNA-seq data integration with cell surface protein prediction and imputation 2022-Nov, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-022-00545-w PMID:36873621	研究论文	提出一种名为sciPENN的多功能深度学习方法，用于整合CITE-seq和单细胞RNA-seq数据，并实现细胞表面蛋白预测和插补	开发支持多种功能的数据整合方法，包括跨数据集整合、蛋白表达预测与插补、不确定性量化和细胞类型标签转移	未在摘要中明确说明	解决CITE-seq和单细胞RNA-seq数据整合中的计算挑战，提高数据利用效率	CITE-seq和单细胞RNA-seq数据集	生物信息学	免疫相关疾病，流感，COVID-19	CITE-seq，单细胞RNA-seq	深度学习	单细胞多组学数据	多个数据集（未指定具体数量）	NA	sciPENN	NA	NA
136	2025-10-06	Deep learning tackles single-cell analysis-a survey of deep learning for scRNA-seq analysis 2022-01-17, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab531 PMID:34929734	综述	本文系统综述了深度学习在单细胞RNA测序数据分析中的应用方法和算法	建立了变分自编码器、自编码器、生成对抗网络和监督深度学习模型的统一数学表示框架，并关联了损失函数与数据处理步骤的具体目标	仅涵盖25种深度学习算法，可能未完全覆盖该领域所有最新进展	为单细胞RNA测序数据分析提供深度学习算法的系统综述和应用指南	单细胞RNA测序数据	机器学习	NA	单细胞RNA测序	VAE, AE, GAN, 监督深度学习	基因表达数据	NA	NA	变分自编码器, 自编码器, 生成对抗网络	NA	NA
137	2025-10-06	Diabetic Foot Ulcer Ischemia and Infection Classification Using EfficientNet Deep Learning Models 2022, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2022.3219725 PMID:36660100	研究论文	本研究开发了基于EfficientNet深度学习模型的糖尿病足溃疡缺血和感染分类系统	首次将EfficientNet模型应用于糖尿病足溃疡的缺血和感染分类，在准确率和计算效率上均显著优于现有方法	未提及模型在临床环境中的验证情况及对不同类型糖尿病足溃疡的泛化能力	开发基于图像的糖尿病足溃疡缺血和感染自动检测系统	糖尿病足溃疡图像	计算机视觉	糖尿病足溃疡	图像增强技术	CNN	图像	NA	NA	EfficientNet, ResNet, Inception, Ensemble CNN	准确率	NA
138	2025-10-06	Deep residual inception encoder-decoder network for amyloid PET harmonization 2022-12, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.12564 PMID:35142053	研究论文	开发了一种基于深度学习的淀粉样蛋白PET图像协调方法，用于不同示踪剂图像之间的标准化	提出了一种新颖的残差初始编码器-解码器神经网络架构，首次实现不同淀粉样蛋白PET示踪剂图像间的协调处理	目前仅验证了两种示踪剂（Pittsburgh Compound-B和florbetapir），需要扩展到更多示踪剂	解决不同淀粉样蛋白PET示踪剂成像数据的一致性问题，实现定量分析的标准化	淀粉样蛋白PET图像数据	医学影像分析	阿尔茨海默病	正电子发射断层扫描（PET）	编码器-解码器网络	医学影像	训练集92名受试者（10折交叉验证），外部测试集46名受试者	NA	Residual Inception Encoder-Decoder Neural Network	相关性分析（P值）	NA
139	2025-10-06	OrganoID: A versatile deep learning platform for tracking and analysis of single-organoid dynamics 2022-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010584 PMID:36350878	研究论文	开发了一个名为OrganoID的深度学习平台，用于自动识别、标记和跟踪单个类器官的动态变化	提出了首个能够像素级自动识别、标记和跟踪单个类器官的通用深度学习平台，无需参数调整即可在多种癌症类器官上实现高精度分析	在四天延时显微镜研究中单类器官跟踪准确率保持在89%以上，仍有提升空间	开发自动化类器官图像分析平台以加速药物发现和个性化药物筛选	胰腺癌、肺癌、结肠癌和腺样囊性癌类器官	计算机视觉	多种癌症	明场和相差显微镜	深度学习	显微镜图像	多种癌症类器官图像数据集	NA	NA	类器官计数准确率95%，大小测量准确率97%，单类器官跟踪准确率89%	NA
140	2025-10-06	Deep learning combined with radiomics for the classification of enlarged cervical lymph nodes 2022-Oct, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-022-04047-5 PMID:35562596	研究论文	本研究探讨深度学习结合传统影像组学方法在颈部肿大淋巴结分类中的应用	将深度学习特征与传统影像组学特征相结合构建分类模型，显著优于放射科医生的诊断性能	回顾性研究设计，样本量相对有限（276例患者）	开发基于CT影像的颈部肿大淋巴结自动分类方法	276例颈部肿大淋巴结患者（150例淋巴结转移，65例淋巴瘤，61例良性淋巴结病）	医学影像分析	淋巴结疾病	CT成像	深度学习	CT影像	276例患者，按8:2比例随机分为训练组和测试组	PyTorch	卷积神经网络	AUC, 准确率, 敏感性, 特异性	NA