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
141	2026-09-10	Deep Learning-Based Water-Fat Separation from Dual-Echo Chemical Shift-Encoded Imaging 2022-Oct-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering9100579 PMID:36290546	研究论文	提出一种基于深度学习的双回波化学位移编码成像水脂分离方法，旨在解决传统方法计算时间长且易发生水脂交换的问题	首次将密集连接分层卷积网络应用于双回波水脂分离，显著缩短计算时间并减轻水脂交换，且能有效减少金属伪影	训练数据仅包含儿童膝部对比增强图像，未见金属植入物图像，但对非对比增强图像和金属伪影仍有良好泛化能力	开发快速、稳健的水脂分离深度学习方法，同时具备金属伪影补偿能力	68例儿童临床双回波扫描数据，共19382幅对比增强图像，以及来自踝、足和臂部的分布外数据	深度学习	不适用	双回波化学位移编码成像	密集连接分层卷积网络	医学图像（核磁共振图像）	68例儿科临床双回波扫描，对应19382幅对比增强图像，以及踝、足和臂部的分布外数据	未明确提及	密集连接卷积网络	相关系数、L1误差、SSIM、pSNR	未明确提及
142	2026-09-10	A deep learning approach to real-time HIV outbreak detection using genetic data 2022-10, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010598 PMID:36240224	研究论文	提出一种基于深度学习的实时HIV疫情暴发检测方法，利用基因数据生成成对遗传距离矩阵图像，通过卷积神经网络分类识别疫情暴发特征	创新性地将成对遗传距离矩阵视为图像，应用图像分类的深度学习方法进行疫情暴发检测，避免了传统系统发育树推断对重组错误敏感且计算成本高昂的问题，实现实时检测	摘要中未提及，可能包括对R0小于2.5的疫情检测能力有限	开发一种可扩展的实时疫情暴发检测方法，利用基因序列数据快速识别传染病暴发，以便及时干预	HIV-1病毒序列，包括欧洲的CRF01亚型，涵盖地方性流行序列和静脉吸毒者中的双重暴发序列	深度学习、传染病监测	HIV/艾滋病	基因测序	卷积神经网络（CNN）	成对遗传距离矩阵（源自病毒序列）	具体样本数量未提供，但涉及欧洲HIV-1 CRF01数据，包含地方性流行序列和暴发序列	未指定	卷积神经网络（CNN），具体架构未指定	特异性、敏感性	未指定
143	2026-09-10	Intratumoral Resolution of Driver Gene Mutation Heterogeneity in Renal Cancer Using Deep Learning 2022-08-03, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-21-2318 PMID:35654752	研究论文	本研究应用深度学习算法从肾癌的苏木精-伊红（H&E）染色组织切片中预测驱动基因突变，并解决了肿瘤内亚克隆空间分辨率的突变异质性	首次利用深度学习算法在亚克隆空间分辨率下解析肾癌的瘤内突变异质性，预测BAP1、PBRM1和SETD2三个基因的突变状态，并验证了其独立性和临床相关性	未提及	探索深度学习算法在解决癌症瘤内突变异质性方面的能力，并评估其潜在的诊断、预后和生物学意义	透明细胞肾细胞癌（ccRCC）组织样本，包括H&E染色图像和免疫组化（IHC）图像	数字病理学	肾癌	H&E染色、免疫组化（IHC）	深度学习模型	组织病理图像（H&E和IHC）	训练队列为1,282例，测试队列包括TCGA队列363例患者、两个组织微阵列队列分别为118例和365例患者，以及一个患者来源的异种移植（PDX）组织微阵列队列	NA	NA	AUC（曲线下面积）、敏感性	NA
144	2026-09-10	Reliability of Automatic Computer Vision-Based Assessment of Orofacial Kinematics for Telehealth Applications 2022, Digital biomarkers DOI:10.1159/000525698 PMID:36262771	研究论文	本研究评估了使用自动计算机视觉技术测量口面部运动学在远程医疗应用中的可靠性，并比较了实验室3D摄像头与居家2D摄像头的测量结果	首次探究了基于2D移动摄像头和深度学习的面部运动学测量系统的心理测量学特性（内部一致性和可靠性），并证明居家远程获取的运动学数据与实验室3D摄像头数据具有同等可靠性	未提供具体局限性信息	验证自动计算机视觉评估口面部运动学在远程医疗中的可靠性和内部一致性，并探讨其作为神经退行性疾病数字生物标志物的潜力	口面部运动学特征，包括速度、运动范围和偏侧化	计算机视觉	神经退行性疾病	2D和3D摄像头视频采集及面部关键点追踪	深度学习面部关键点追踪模型	视频	未提供具体样本量	未提供	未提供	Cronbach α系数、组内相关系数、线性混合效应模型	未提供
145	2026-09-07	A cascaded nested network for 3T brain MR image segmentation guided by 7T labeling 2022-Apr, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2021.108420 PMID:38469076	研究论文	提出一种级联嵌套网络（CaNes-Net），利用7T MRI标记指导3T脑MR图像分割，以提高灰质、白质和脑脊液分割的准确性	提出级联嵌套网络（CaNes-Net），通过迭代的嵌套网络模块逐步细化分割，并利用相关性系数图减轻3T与7T图像间的错位影响	未提及	实现对3T脑MR图像的准确分割，利用7T图像的高组织对比度进行训练	脑MR图像，包括灰质、白质和脑脊液	计算机视觉	不适用	磁共振成像（MRI）	级联嵌套网络	图像	18名成年受试者及ADNI数据集	未提及	嵌套网络（Nes-Net）	分割准确率	未提及
146	2026-09-04	A new deep learning approach based on bilateral semantic segmentation models for sustainable estuarine wetland ecosystem management 2022-Sep-10, The Science of the total environment DOI:10.1016/j.scitotenv.2022.155826 PMID:35561903	研究论文	提出一种基于双边语义分割模型的新型深度学习方法，用于河口湿地生态系统的可持续管理	提出了一种基于双边分割网络（BiSeNet）的新型深度学习模型，通过空间和上下文路径集成，比常用神经网络的训练速度和精度提高超过十倍，能够有效监测河口生态系统	未明确提及具体局限性，但可从多传感器和多时相卫星图像的分类中推断，主要依赖于特定区域的图像质量	旨在提出并实施一种新型深度学习方法，用于监测和评估河口区域的各种生态系统，以支持可持续的湿地管理	河口生态系统，包括河口水域、潮间带森林湿地和潮下带水产养殖土地等	计算机视觉	NA	多传感器和多时相卫星图像（包括Sentinel-2、ALOS-DEM和NOAA-DEM图像）	卷积神经网络（CNN）	卫星图像	共使用了12幅卫星图像，覆盖越南北部最大的河口地区五年的时间段，并训练了20个模型	NA	双边分割网络（BiSeNet）	精度（accuracy）	NA
147	2026-09-01	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	本文详细介绍了人工智能在卵巢癌、胰腺癌及图像生物标志物发现中的应用进展与挑战，并概述了相关监管和伦理考虑。	系统综述了AI在罕见癌症生物标志物发现中的应用现状，并特别关注了数据可用性、透明度和可解释性等关键问题。	研究受限于文献综述方法，且大多数AI模型尚未应用于临床，成像数据的公开性有限。	探讨人工智能在卵巢癌和胰腺癌生物标志物发现中的进展、挑战及监管伦理问题。	卵巢癌、胰腺癌及其生物标志物相关的人工智能应用研究。	机器学习	卵巢癌, 胰腺癌	NA	NA	图像	NA	NA	NA	NA	NA
148	2026-09-01	Optimal vocabulary selection approaches for privacy-preserving deep NLP model training for information extraction and cancer epidemiology 2022, Cancer biomarkers : section A of Disease markers IF:2.2Q3 DOI:10.3233/CBM-210306 PMID:35213361	研究论文	本研究探讨了在癌症流行病学中，为隐私保护型深度学习自然语言处理模型选择最佳词汇表的方法，以降低隐私泄露风险并保持任务性能。	提出了两种词汇表选择方案（跨登记处频繁出现词和高互信息词），在保持临床任务性能的同时显著降低了模型的隐私脆弱性。	未明确说明局限性。	量化深度学习模型在从医疗文本中提取信息时的隐私脆弱性，并探索保护患者信息、减少机密泄露的方法。	多任务卷积神经网络模型，用于从癌症病理报告中提取信息，数据来自多个州级癌症登记处。	自然语言处理	癌症	NA	CNN	文本	NA	NA	多任务卷积神经网络	隐私脆弱性指标，临床任务性能指标	高性能计算环境
149	2026-08-31	Antibody structure prediction using interpretable deep learning 2022-Feb-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2021.100406 PMID:35199061	研究论文	本文介绍了一种名为DeepAb的深度学习方法来预测抗体F区结构，并评估了其在治疗性抗体上的性能，超越了现有替代方案，同时引入可解释的注意力机制和突变评分指标	引入可直接解释的注意力机制，使网络能够关注物理上重要的残基对；提出基于网络置信度的新型突变评分指标，预测的突变能改善结合亲和力	未在摘要中明确提及局限性	开发一种可解释的深度学习方法，用于准确预测抗体结构，并辅助抗体的理性设计	治疗性抗体及其F区结构	深度学习	NA	深度学习	深度神经网络（具体为DeepAb）	序列数据（抗体序列）	一组结构多样、治疗相关的抗体（具体数量未给出）	NA	DeepAb	准确率（相对于领先替代方法的性能比较）	NA
150	2026-08-31	Simultaneous prediction of antibody backbone and side-chain conformations with deep learning 2022, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0258173 PMID:35704640	研究论文	本文介绍了一种名为DeepSCAb的深度学习方法，用于同时预测抗体的主链和侧链构象，以提高抗体结构预测的准确性。	提出了一种新的深度学习方法DeepSCAb，它不仅能预测抗体主链的残基间距离和方向，还首次实现了同时预测侧链二面角，无需输入主链结构，并且使用可解释的自注意力层来识别保守锚点位置。	本文未明确提及局限性，但可能包括模型对序列多样性的依赖或对计算资源的需求。	开发一种深度学习方法，以提高抗体结构预测的准确性，特别是侧链构象的预测，从而支持抗体工程和设计。	抗体的可变片段（Fv）结构，包括主链和侧链构象。	深度学习, 蛋白质结构预测	NA	深度学习	深度神经网络	蛋白质序列	未提供具体样本数量	NA	自注意力层	性能评估包括对近天然结构的判别能力，但具体指标未在摘要中提及。	NA
151	2026-08-30	A 2D convolutional neural network to detect sleep apnea in children using airflow and oximetry 2022-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105784 PMID:35797888	研究论文	本研究评估了一种基于气流和血氧饱和度信号的二维卷积神经网络架构，用于估计儿童阻塞性睡眠呼吸暂停的严重程度	首次在儿科背景下使用深度学习方法同时分析气流和血氧饱和度信号来检测睡眠呼吸暂停，并优于仅使用血氧饱和度或传统特征工程方法	未在摘要中明确提及局限性	评估基于气流和血氧饱和度信号的CNN架构在估计儿童OSA严重程度中的诊断能力	儿童阻塞性睡眠呼吸暂停（OSA）患者	深度学习	阻塞性睡眠呼吸暂停	多导睡眠监测（PSG）	二维卷积神经网络（2D CNN）	信号数据（气流和血氧饱和度信号）	CHAT数据库1638例，临床数据库974例	未提及具体框架，可能使用TensorFlow或PyTorch（NA）	未提及具体架构，仅提及2D CNN	准确率、Cohen's Kappa	未提及（NA）
152	2026-08-28	Deep Learning Approaches for Prognosis of Automated Skin Disease 2022-Mar-15, Life (Basel, Switzerland) DOI:10.3390/life12030426 PMID:35330177	研究论文	本研究利用MobileNetV2和LSTM开发了一种皮肤病自动分类系统，旨在提高皮肤病预测的准确性，同时高效存储完整状态信息以实现精确预测。	提出了一种混合深度学习模型，结合MobileNetV2和LSTM，用于皮肤病分类，以提高预测精度并处理复杂皮肤特征。	未提及具体局限性，可能包括对多样皮肤类型和条件的数据依赖及模型泛化能力的挑战。	开发一个基于深度学习的皮肤病分类系统，提高皮肤病预测的准确性，同时确保高效存储状态信息。	皮肤病图像，包括不同皮肤色调、毛发颜色和发型下的正常和异常皮肤组织。	计算机视觉	皮肤病	深度学习，图像分类	MobileNetV2, LSTM	图像	未提供具体样本数量	NA	MobileNetV2, LSTM	准确率	未提供具体计算资源信息
153	2026-08-25	Potential Impact of FDA Flavor Enforcement Policy on Vaping Behavior on Twitter 2022-10-07, International journal of environmental research and public health DOI:10.3390/ijerph191912836 PMID:36232136	研究论文	本研究利用Twitter数据分析FDA风味执法政策对用户戒烟电子烟行为的影响	首次利用社交媒体数据评估FDA风味政策对戒烟行为的影响，并结合深度学习推断用户人口统计特征	研究仅基于Twitter数据，可能无法全面代表所有电子烟用户的行为	评估FDA风味执法政策对用户戒烟电子烟行为的影响	提到戒烟电子烟的美国Twitter用户及其相关推文	自然语言处理	电子烟相关疾病	NA	深度学习	文本数据（推文）	从2019年6月至2020年10月收集的相关推文及用户	NA	deepFace	NA	NA
154	2026-08-25	Neural representations of cryo-EM maps and a graph-based interpretation 2022-Sep-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04942-1 PMID:36171544	研究论文	本文提出了一种名为神经冷冻电镜图的新数据格式，通过神经网络参数化冷冻电镜图，提供连续的空间数据，并基于图进行蛋白质结构解释	首次提出神经冷冻电镜图格式，利用神经网络实现冷冻电镜图的连续参数化，并开发了基于图的冷冻电镜图解释方法	在较低分辨率下，图的节点特异性较低，受实验噪声和密度差异影响	开发一种新的冷冻电镜图数据格式，以实现连续空间插值，并用于基于图的结构解释	高分辨率实验冷冻电镜图及其对应的蛋白质结构	数字病理学	NA	冷冻电子显微镜	神经网络	三维体素图像	115张实验冷冻电镜图，分辨率从1.15至4.0 Å	NA	神经网络	平均绝对误差，残基覆盖率，全原子覆盖率，均方根偏差	NA
155	2026-08-25	Characterizing Subjects Exposed to Humidifier Disinfectants Using Computed-Tomography-Based Latent Traits: A Deep Learning Approach 2022-09-20, International journal of environmental research and public health DOI:10.3390/ijerph191911894 PMID:36231196	研究论文	本研究利用基于深度学习从CT图像提取的组织模式潜在特征，对接触加湿器消毒剂但肺部外观正常的个体与未接触个体进行聚类分析，以探究加湿器消毒剂暴露的潜在影响	首次使用深度学习提取的CT潜在特征对加湿器消毒剂暴露者进行聚类分析，并结合计算流体与粒子动力学模拟揭示气道尺寸对颗粒沉积的影响，发现女性可能更易受影响	未提供具体局限性信息，可能包括样本代表性、潜在特征的可解释性、以及模拟与真实情况的差异等	研究加湿器消毒剂暴露对肺部外观正常个体的潜在影响，并识别具有不同特征的亚组，以解释暴露者的不适症状	接触加湿器消毒剂的个体和未接触个体，包括健康对照	数字病理学, 机器学习	加湿器消毒剂相关肺损伤（HDLI）	计算断层扫描（CT）	深度学习模型（具体未指定，可能为卷积神经网络）	CT图像	未在标题和摘要中提供具体样本数量，但涉及约九百万暴露人群的研究背景	NA	NA	未提供具体性能指标，可能使用聚类质量评估如轮廓系数等，但未明确	NA
156	2026-08-25	Feasibility of Automated Segmentation of Pigmented Choroidal Lesions in OCT Data With Deep Learning 2022-09-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.11.9.25 PMID:36156729	研究论文	评估深度学习在OCT数据中自动分割色素性脉络膜病变的可行性，并比较不同深度神经网络性能	首次证明深度学习在OCT数据中自动分割色素性脉络膜病变的可行性，并比较多种网络架构，表明3D nnU-Net性能最优	研究样本量较小，且仅作为概念验证，需进一步改进以满足临床需求	评估自动分割色素性脉络膜病变的可行性，比较不同深度神经网络性能	121个OCT体积图像（100个正常，21个PCLs）	计算机视觉	色素性脉络膜病变	OCT成像	深度学习模型	图像	121个OCT体积图像	PyTorch（基于nnU-Net框架）	MD-GRU, V-Net, nnU-Net	召回率, Dice系数, Hausdorff距离	未提及
157	2026-08-25	Deep Learning Approaches for Predicting Glaucoma Progression Using Electronic Health Records and Natural Language Processing 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100127 PMID:36249690	研究论文	本研究利用深度学习模型结合电子健康记录中的结构化数据和临床自由文本的自然语言处理特征，预测青光眼患者需要手术的进展，并评估了模型性能。	首次将眼科领域特定的神经词嵌入与深度学习结合，整合临床自由文本特征和结构化数据以预测青光眼手术需求，优于仅用结构化数据或仅用自由文本的模型。	研究为单中心回顾性队列，样本来源受限；未纳入影像数据，且需进一步探索整合影像数据的最佳方法。	开发基于深度学习模型，利用电子健康记录中的结构化数据和临床自由文本预测青光眼进展至需要手术的情况，以改善预测性能。	单中心2008至2020年间接受治疗的成人青光眼患者。	数字病理学	青光眼	自然语言处理和神经词嵌入	深度学习模型	电子健康记录数据，包括结构化临床数据和临床自由文本	4512名青光眼患者，其中748名接受了手术	NA	神经网络	AUC, F1分数	NA
158	2026-08-25	Improved Training Efficiency for Retinopathy of Prematurity Deep Learning Models Using Comparison versus Class Labels 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100122 PMID:36249702	研究论文	该论文比较了使用比较标签与类别标签训练深度学习模型在早产儿视网膜病变图像分类中的有效性和效率	首次提出使用比较标签（表示相对疾病严重程度）而非类别标签来训练医学图像分类网络，以提高训练效率和准确性，尤其在数据有限的情况下	随着训练集规模增大，两种标签类型之间的效率和准确性差异减小，且比较标签的优势在部分数据集中不显著	评估比较标签相对于类别标签在训练深度学习模型进行医学图像分类时的有效性和效率，以应对数据变异性和稀缺性问题	早产儿视网膜病变（ROP）的宽角度视网膜图像，来自i-ROP队列研究	计算机视觉	早产儿视网膜病变	深度学习	神经网络	图像	未提供具体样本数量，但涉及两个数据集及专家标注的宽角度视网膜图像	NA	神经网络（未指定具体架构）	AUC（接收者操作特征曲线下面积）	NA
159	2026-08-25	Detecting glaucoma from multi-modal data using probabilistic deep learning 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.923096 PMID:36250081	研究论文	本研究评估了概率深度学习模型在通过眼底照片和视野数据区分正常眼和青光眼方面的准确性。	采用概率深度学习模型，能够输出预测的不确定性水平，为临床决策提供额外置信度，这是与确定性CNN模型相比的显著创新。	摘要中未明确提及研究的局限性。	评估概率深度学习模型在青光眼检测中的准确性，并比较不同模态（眼底照片、视野、组合模态）的性能。	正常和青光眼受试者的眼睛，涉及眼底照片和视野数据。	机器学习和医学影像分析	青光眼	眼底摄影和视野测试	概率深度卷积神经网络（CNN）和确定性CNN模型	眼底照片和视野数据（图像和数值）	开发和测试数据集包含1,655只眼睛（929名受试者），独立验证数据集包含196只眼睛（98名受试者）。	未明确指定（如TensorFlow、PyTorch等），因此设为NA。	深度卷积神经网络（CNN），具体架构未在摘要中说明。	准确率、曲线下面积（AUC）	未明确提及计算资源（如GPU类型或云平台），因此设为NA。
160	2026-08-22	Deep neural networks allow expert-level brain meningioma segmentation and present potential for improvement of clinical practice 2022-09-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-19356-5 PMID:36104424	研究论文	本文展示了一个三维卷积神经网络（3D-CNN）在MRI扫描中实现专家级脑膜瘤分割和体积估计，并通过模拟临床场景评估其可行性和对临床实践的潜在改善。	首次在脑膜瘤分割中评估深度学习解决方案的临床影响和可用性，而不局限于分割任务本身，并利用迁移学习从健康脑MRI预训练模型进行微调。	未明确提及局限性，但可能包括依赖标注数据质量、模拟场景与真实临床的差异等。	开发并验证一个自动化的脑膜瘤分割和体积评估深度学习模型，以提高临床工作流程的准确性和效率。	脑膜瘤患者的MRI扫描图像。	计算机视觉	脑膜瘤	MRI	3D-CNN	图像（MRI）	10,099个健康脑MRI用于预训练，806个专家标注的MRI用于微调。	NA	3D-CNN（未指定具体架构）	中位数性能（88.2%），与专家间变异性（82.6-91.6%）比较	NA