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
161	2026-08-21	Imaging and analysis for simultaneous tracking of fluorescent biosensors in barcoded cells 2022-09-16, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2022.101611 PMID:36042884	研究论文	本文详细描述了使用条形码蛋白标记表达不同荧光生物传感器的活细胞，并通过并行成像和深度学习分析实现高度多重化的分子活动追踪的实验方案。	引入生物传感器条形码方法，结合并行成像和深度学习，实现高多重化的活细胞分子活动追踪。	文中未明确提及局限性。	提供一种实验方案，用于同时追踪多种荧光生物传感器在活细胞中的动态变化。	表达不同基因编码荧光生物传感器的活细胞。	计算生物学	NA	荧光成像	深度学习模型	图像	NA	NA	NA	NA	NA
162	2026-08-21	Lung Cancer Recurrence Risk Prediction through Integrated Deep Learning Evaluation 2022-Aug-27, Cancers IF:4.5Q1 DOI:10.3390/cancers14174150 PMID:36077686	研究论文	本研究通过集成深度学习评估，结合术前低剂量CT图像和组织学特征，预测完全切除的IA期非小细胞肺癌患者的复发风险，并评估其对TNM分期和肿瘤分级的附加价值	首次将术前CT图像和切除肺标本的组织学发现通过深度学习整合，以增强对IA期NSCLC复发风险的预测能力，并展示跨平台标志物结合的协同效应	研究仅基于182例患者，样本量较小，且未在外部独立队列中验证模型性能	开发并评估集成深度学习评估（IDLE）在预测IA期非小细胞肺癌复发风险中的效能，以及与标准分期系统的比较	182例来自国家肺筛查试验的IA期非小细胞肺癌患者，包括术前低剂量CT图像和切除肿瘤标本的组织学切片	医学影像分析、数字病理学、机器学习	肺癌（非小细胞肺癌）	CT成像、组织学染色（H&E）	深度学习模型（具体架构未指定）	图像（CT图像和组织学切片）	182例（IA期NSCLC患者）	NA	NA	AUC（曲线下面积，值为0.817 ± 0.037）、风险分层关联显著性（p < 0.0001）	NA
163	2026-08-21	Self-Supervised Adversarial Learning with a Limited Dataset for Electronic Cleansing in Computed Tomographic Colonography: A Preliminary Feasibility Study 2022-Aug-26, Cancers IF:4.5Q1 DOI:10.3390/cancers14174125 PMID:36077662	研究论文	本研究评估了一种基于自监督对抗学习的新型电子清洁方案，在有限数据集下实现亚体素精度的CT结肠成像电子清洁，并初步验证其技术可行性	提出了一种自监督对抗学习方案，用于在有限训练数据集下进行电子清洁，实现亚体素精度，无需图像标注	初步可行性研究，仅使用拟人模型和18例临床CT结肠成像数据，样本量有限	评估使用自监督对抗学习方案在有限训练数据集下进行电子清洁的技术可行性	CT结肠成像数据集，包括拟人模型和18例临床病例	计算机视觉	结肠癌	CT成像	生成对抗网络（GAN）	图像（CT结肠成像）	1个拟人模型和18例临床CT结肠成像案例	未提及	三维生成对抗网络（3D GAN）	视觉感知质量评估	未提及
164	2026-08-21	Glaucoma Diagnosis Through the Integration of Optical Coherence Tomography/Angiography and Machine Learning Diagnostic Models 2022, Clinical ophthalmology (Auckland, N.Z.) DOI:10.2147/OPTH.S367722 PMID:36003072	研究论文	本研究整合光学相干断层扫描及其血管成像参数与机器学习模型，用于青光眼诊断	首次为北德克萨斯人群建立OCT/A参数规范数据库，并通过超2500个机器学习模型优化，识别出关键诊断参数	未提供明确的局限性信息	建立健康眼和青光眼OCT/A参数范围，开发机器学习诊断工具并识别最准确的诊断参数	1371只眼（462只健康眼和909只青光眼）来自735名受试者	机器学习	青光眼	OCT/OCTA	XGBoost（也涉及深度学习和经典机器学习算法）	图像和临床数据	1371只眼，735名受试者	scikit-learn	XGBoost	准确率，F1分数	NA
165	2026-08-21	Robust High-Throughput Phenotyping with Deep Segmentation Enabled by a Web-Based Annotator 2022, Plant phenomics (Washington, D.C.) DOI:10.34133/2022/9893639 PMID:36059601	研究论文	提出一个基于Web注释器的高通量表型分析系统，结合语义引导的交互式对象分割算法，以减少注释工作量并加速植物遗传发现。	引入新颖的交互式分割算法SGIOS，结合语义先验图，减少用户输入，加快训练过程，并提供一个用户友好的图形界面，使无计算背景的研究人员也能使用深度分割。	尚未明确提及，但可能依赖大规模训练数据，仍需人工注释验证，初步GWAS结果未深入分析。	开发一个高效、用户友好的高通量植物表型分析系统，以支持大规模遗传研究如GWAS。	植物，特别是杨树的再生性状。	计算机视觉、数字病理学（如适用）	不适用（植物表型研究）	深度分割、交互式分割、基因组关联研究（GWAS）	交互式分割模型（SGIOS）	图像数据	来自杨树GWAS再生数据集的一个样本，具体规模未明确。	未指定	SGIOS（语义引导的交互式对象分割）	用户输入次数，可能包括准确性等，但未明确列出。	未指定
166	2026-08-20	Uncovering shape signatures of resting-state functional connectivity by geometric deep learning on Riemannian manifold 2022-09, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25897 PMID:35538672	研究论文	提出了一种基于黎曼流形的几何深度学习网络Geo-Net4Net，用于学习静息态功能连接的内在低维特征表示，并揭示其形状特征以支持行为与认知。	首次利用流形上的正映射和ReLU层，结合自监督学习策略，利用任务态数据来监督静息态特征学习，从而超越传统无监督方法的限制。	依赖于任务态数据作为辅助监督信息，可能不完全适用于纯静息态场景；结论基于模拟数据和HCP数据集，泛化性需进一步验证。	探索静息态功能连接的自发波动如何支持行为与认知，通过流形上的几何模式（形状特征）来理解脑功能。	静息态功能脑网络，涉及功能磁共振成像（fMRI）数据与模拟数据。	机器学习，脑成像分析	不适用	功能磁共振成像（fMRI）	几何深度学习网络（Geo-Net4Net）	功能磁共振成像（fMRI）图像数据	来自人类连接组计划（HCP）数据库的任务态和静息态fMRI数据，具体样本数未在摘要中说明	未明确指定，但可能涉及深度学习框架如PyTorch或TensorFlow	基于黎曼流形的几何神经网络结构，包含正映射层和ReLU层	变化检测的准确率	未在摘要中说明
167	2026-08-20	Evaluating the utility of deep learning for predicting therapeutic response in diabetic eye disease 2022, Frontiers in ophthalmology DOI:10.3389/fopht.2022.852107 PMID:36744216	研究论文	本研究评估了深度学习在预测糖尿病眼病治疗反应中的效用，发现在小样本临床数据集上性能有限。	首次系统评估深度学习在预测糖尿病眼病治疗反应中的效用，并探讨了数据集大小对模型性能的影响。	临床试验数据集规模小，导致深度学习模型性能不佳，预测能力有限。	评估深度学习在眼科临床问题（如预测治疗反应）中的实用性，特别是在样本量不足的情况下。	糖尿病眼病患者，包括超广角荧光血管造影和液体分区光学相干断层扫描图像。	医学影像分析	糖尿病眼病	无特定测序技术，使用影像采集技术	CNN	图像	29名患者，217张UWFA图像，以及OCT图像	未提及	四种深度学习架构（具体未提及）	AUC	未提及
168	2026-08-18	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	开发并验证了一种用于不同淀粉样蛋白PET示踪剂图像协调的深度学习模型，以改善共识解释和定量分析	提出了一种基于残差Inception编码器-解码器的新型深度学习模型，用于不同淀粉样蛋白PET示踪剂图像之间的协调	进一步研究正在进行中，以改进模型并应用到其他示踪剂	开发一种深度学习模型作为淀粉样蛋白PET图像协调策略，以解决不同示踪剂间的图像差异问题	匹兹堡化合物B和florbetapir示踪剂的淀粉样蛋白PET图像对	数字病理学，机器学习	阿尔茨海默病（与淀粉样蛋白成像相关）	PET成像	深度学习模型，编码器-解码器神经网络	图像	92名受试者用于训练（10折交叉验证），独立外部数据集46名受试者用于验证	NA	Residual Inception Encoder-Decoder Network	相关性（P值）	NA
169	2026-08-18	Uncertainty-aware deep learning in healthcare: A scoping review 2022, PLOS digital health DOI:10.1371/journal.pdig.0000085 PMID:36590140	综述	本文对医疗保健中深度学习的不确定性量化方法进行了范围综述，并提出了一个概念框架来明确深度学习预测的确定性。	提出了一个概念框架来指定深度学习预测的确定性，并比较了蒙特卡洛丢弃法和一致预测等方法在医疗应用中的表现。	研究报告方法的异质性阻碍了荟萃分析的进行，且关于模型学习曲线用于量化认知不确定性的文献较少。	评估深度学习中量化不确定性的方法，并提出一个概念框架以提高模型在医疗环境下可信任度。	纳入30项研究，主要涉及医学影像应用（24项）和非影像应用（6项），包括模型架构和不确定性估计方法。	深度学习	不适用	不适用	卷积神经网络（CNN）	医学影像（图像）和非图像数据	30项研究，其中24项为医学影像应用，6项为非影像应用	不适用	卷积神经网络及其变体	不适用	不适用
170	2026-08-18	PrimSeq: A deep learning-based pipeline to quantitate rehabilitation training 2022, PLOS digital health DOI:10.1371/journal.pdig.0000044 PMID:36420347	研究论文	本文提出PrimSeq，一种结合可穿戴传感器和深度学习模型来量化和计数中风康复训练中功能性运动的流程。	创新性地集成可穿戴传感器、深度学习模型和运动计数算法，实现自动分类和计数康复训练中的功能性运动，且性能优于竞争性机器学习方法，并大幅降低人力和时间成本。	未提及具体限制。	开发一种实用工具来测量中风康复训练中的功能性运动数量，以支持定量剂量试验。	中风患者的上肢运动训练。	数字病理学	中风	可穿戴传感器	深度学习模型	运动序列数据	多位中风患者（具体数量未提及）	NA	NA	准确性（优于竞争方法）	NA
171	2026-08-18	Clinical time-to-event prediction enhanced by incorporating compatible related outcomes 2022, PLOS digital health DOI:10.1371/journal.pdig.0000038 PMID:35757279	研究论文	本文开发了能够整合兼容相关临床结果的时序事件预测模型，并验证其在真实和合成数据上对传统Cox模型和深度学习模型的性能提升作用	提出将非竞争性相关临床结果纳入时序事件预测模型，同时保持模型的可解释性，且模型部署时无需辅助结果数据	未提及	提高临床结果时序事件预测的准确性，通过整合相关辅助临床结果来增强模型性能	临床数据集中的相关患者结果，包括共病或单一疾病多面终点	机器学习	不适用（未指定特定疾病）	不适用（未提及具体测序或实验技术）	Cox模型、深度学习模型（如状态-of-the-art模型）	临床数据（可能包含表格数据）	未提及	未提及	未提及	未提及	未提及
172	2026-08-17	Lung Transplantation Advanced Prediction Tool: Determining Recipient's Outcome for a Certain Donor 2022-10-01, Transplantation IF:5.3Q1 DOI:10.1097/TP.0000000000004131 PMID:35389371	研究论文	开发了一个综合性的肺移植风险预测工具，整合受体、供体和移植相关因素，提供短期和长期生存概率以指导受体-供体匹配。	结合多种受体、供体和移植因素，使用机器/深度学习方法建立风险评分模型，并开发交互式网络工具，提供短期和长期生存预测。	未提及具体限制，但可能包括数据来源的局限性和模型的外部验证不足。	开发一个全面的模型来指导肺移植中的受体-供体匹配，改善供体利用和患者预后。	肺移植受体及其匹配的供体和移植相关因素。	机器学习和预测建模	终末期肺病	NA	Cox比例风险模型	临床数据（UNOS注册数据）	15124例双肺移植受体（2005-2020年），其中推导队列10660例，验证队列4464例	未明确指定，但可能使用R或Python中的相关库	Lasso变量选择结合Cox比例风险模型	C统计量	未提及
173	2026-08-17	Prot2Prot: a deep learning model for rapid, photorealistic macromolecular visualization 2022-09, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-022-00471-4 PMID:36008698	研究论文	Prot2Prot是一个深度学习模型，用于快速生成逼真的分子可视化图像，模仿高级计算机图形程序的渲染风格。	首次将图像到图像的转换应用于大分子可视化，显著减少了渲染时间，并能在网页浏览器中运行。	未提及具体限制，但可能受限于输入表示的简化和模型对特定风格的依赖。	开发一个快速、逼真的大分子可视化工具，以简化分子场景设置和渲染过程。	大分子结构，包括蛋白质等生物大分子。	深度学习	NA	深度学习	图像到图像转换模型（生成对抗网络或类似）	图像	未提及具体样本数量	NA	图像到图像转换架构（例如，基于U-Net或生成对抗网络）	图像相似度（未明确指定，可能包括视觉比较或定量指标）	网页浏览器运行，无需高性能GPU，具体资源未提及
174	2026-08-13	Letter to the editor regarding 'deep learning for vessel-specific coronary artery calcium scoring: validation on a multi-centre dataset' 2022-12-19, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeac203 PMID:36208191	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
175	2026-08-13	Reply to: Letter to the editor regarding 'Deep learning for vessel-specific coronary artery calcium scoring: validation on a multi-centre data set' 2022-12-19, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeac213 PMID:36288548	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
176	2026-08-13	Performance and usability testing of an automated tool for detection of peripheral artery disease using electronic health records 2022-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-17180-5 PMID:35922657	研究论文	开发并评估一种利用电子健康记录自动检测外周动脉疾病的工具，同时调查医生对风险仪表盘表示的接受度。	使用时间工程特征训练的深度学习模型优于随机森林和传统逻辑回归模型，并首次结合医生可用性测试来评估自动化PAD检测工具的接受度。	模型尚未在前瞻性研究中得到验证，且对患者结局的影响未评估。	开发一种基于电子健康记录的自动化工具，用于识别未诊断的外周动脉疾病，并评估医生对风险仪表盘的接受度。	外周动脉疾病患者和对照组个体，以及参与可用性测试的初级和专科保健医生。	机器学习	心血管疾病	电子健康记录数据	深度学习、随机森林、逻辑回归	电子健康记录	3168名患者和16863名对照组	未指定	未指定	AUC	未指定
177	2026-08-13	Automated wide-field malaria parasite infection detection using Fourier ptychography on stain-free thin-smears 2022-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.448099 PMID:35991917	研究论文	本研究利用傅里叶叠层成像技术生成无染色薄涂片全血样本中感染疟原虫红细胞的高分辨率定量相位图像，并结合机器学习和深度学习模型自动检测疟疾感染。	首次将傅里叶叠层成像与人工智能结合，实现全血样本中无染色、宽场、高分辨率疟疾感染检测，并利用GFP荧光标记进行自动标注。	深度学习模型的灵敏度较低（57%），可能影响实际诊断的检出率。	开发一种快速、无染色、灵敏的疟疾诊断平台，直接识别外周血中的寄生虫。	感染疟原虫的红细胞（红血细胞）和未感染的红细胞	数字病理学	疟疾	傅里叶叠层成像（Fourier ptychography）	随机森林、VGG16	定量相位图像	每个视野中数千个红细胞（具体数量未在摘要中给出）	NA	随机森林、VGG16	特异性、灵敏度	NA
178	2026-08-12	Prediction of atomic stress fields using cycle-consistent adversarial neural networks based on unpaired and unmatched sparse datasets 2022-Aug-01, Materials advances IF:5.2Q2 DOI:10.1039/d2ma00223j PMID:35979503	研究论文	本文提出一种基于循环一致对抗神经网络的深度学习方法，无需输入-输出配对数据即可直接从原子微结构预测应力场，并以含缺陷石墨烯片为例进行验证	首次在无需任何微结构-应力场配对数据的情况下，利用循环一致对抗神经网络实现原子级应力场预测，模型包含四个独立深度神经网络，支持正反两个方向生成	未提及具体局限性，但可推断对稀疏数据集和非配对数据的依赖可能限制其在复杂系统中的应用，且验证仅局限于石墨烯材料	开发一种无需物理定律知识、无需配对数据的深度学习方法，实现原子级应力场预测，并探索其用于材料设计和实验数据增强的潜力	含缺陷的石墨烯片（张力下）的原子微结构和应力场	机器学习	NA	NA	生成对抗网络（GAN）	图像（原子微结构）	未具体说明样本数量，但涉及多组石墨烯晶格系统（含缺陷）	未明确提及，但通常基于TensorFlow或PyTorch	U-Net, ResNet, 混合U-Net-ResNet	未明确列出具体指标，但通过与反应分子动力学模拟的对比验证准确性	未提及具体计算资源
179	2026-08-10	Silhouette images enable estimation of body fat distribution and associated cardiometabolic risk 2022-Jul-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-022-00654-1 PMID:35896726	研究论文	开发了一种基于身体轮廓图像的深度学习模型，用于准确估计特定脂肪组织体积及脂肪分布相关的心血管代谢风险	首次利用从全身磁共振图像构建的二维轮廓图（silhouette）作为卷积神经网络的输入，实现脂肪分布的无创、可扩展评估，并优于传统人体测量和生物电阻抗方法	未提及具体局限性	利用身体轮廓图像估计脂肪分布指标（如VAT、ASAT、GFAT）及其与心血管代谢风险的关联	英国生物银行40,032名参与者（平均年龄65岁，51%为女性）的全身磁共振图像	计算机视觉	心血管疾病、2型糖尿病	磁共振成像（MRI）	卷积神经网络（CNN）	二维轮廓图像	40,032名参与者的磁共振图像	NA	卷积神经网络（CNN）	相关系数（R）	NA
180	2026-08-10	Mortality Prediction Analysis among COVID-19 Inpatients Using Clinical Variables and Deep Learning Chest Radiography Imaging Features 2022-07-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography8040151 PMID:35894016	研究论文	本文探讨了使用临床变量和胸部X光影像特征预测COVID-19住院患者死亡率的机器学习方法。	结合了胸部X光影像的深度学习特征与传统临床变量，并应用LIME方法解释模型预测，以量化影像和临床数据对死亡预测的贡献。	该研究基于疫苗广泛可用前的数据，可能不适用于当前情况；样本量有限，且未提及外部验证。	旨在通过结合临床和影像数据开发可解释的AI模型，以预测COVID-19住院患者死亡率，辅助临床决策。	COVID-19住院患者，包括其人口统计学、入院前临床史、既往病史及胸部X光影像。	医学影像分析, 机器学习	COVID-19	胸部X光成像	多层感知机, 卷积神经网络	临床文本数据、胸部X光图像	未在摘要中明确说明，但提到使用去标识化数据集，包含疫苗广泛可用前的经历。	未明确提及，可能使用常见框架如PyTorch或TensorFlow	多层感知机, 卷积神经网络（使用迁移学习）	ROC-AUC	未明确提及，但使用深度学习，可能需GPU支持。