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
1	2026-04-17	An interpretable machine learning framework for measuring urban perceptions from panoramic street view images 2023-Mar-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.106132 PMID:36843850	研究论文	本文提出了一种可解释的机器学习框架，用于从全景街景图像中提取城市感知	强调特征和结果的可解释性，通过五步框架克服现有端到端“黑盒”模型的局限性	未明确提及具体限制，但暗示现有框架因缺乏可解释性而价值受限	测量城市感知，以支持城市规划	城市街景，特别是伦敦内城区的输出区域级别	计算机视觉	NA	深度学习	NA	全景街景图像	使用MIT Place Pulse数据集，具体样本数量未明确	NA	NA	通过犯罪率验证，未明确具体评估指标	NA
2	2026-04-14	Deep Learning for Inference of Hepatic Proton Density Fat Fraction From T1-Weighted In-Phase and Opposed-Phase MRI: Retrospective Analysis of Population-Based Trial Data 2023-11, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29607 PMID:37466189	研究论文	本研究利用深度学习卷积神经网络从常规T1加权同相和反相MRI图像推断肝脏质子密度脂肪分数，并与传统两点Dixon信号脂肪分数方法进行比较，以化学位移编码MRI PDFF作为参考标准	首次开发基于CNN的模型，能够从广泛可用的常规T1加权同相和反相MRI图像中准确推断肝脏质子密度脂肪分数，避免了传统信号脂肪分数方法的偏差问题	需要在中度至重度铁过载个体中进行进一步研究验证	比较基于深度学习的PDFF推断方法与传统的两点Dixon信号FF方法在肝脏脂肪定量中的准确性	来自美国印第安社区的292名参与者（203名女性，89名男性；平均年龄53.7±12.0岁）的肝脏MRI数据	医学影像分析	非酒精性脂肪肝病	化学位移编码MRI，T1加权同相和反相MRI，两点Dixon方法	CNN	MRI图像	292名参与者（训练集218人，测试集74人）	NA	卷积神经网络	组内相关系数，Bland-Altman分析，线性回归分析	NA
3	2026-04-12	Deep learning-based automated pipeline for blood vessel detection and distribution analysis in multiplexed prostate cancer images 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1296667 PMID:38323039	研究论文	本文提出了一种基于深度学习的自动化流程，用于在多重前列腺癌图像中检测和分析血管分布	结合CD31、CD34和胶原蛋白IV图像训练深度学习模型进行血管分割，并自动化分析血管大小和分布模式与疾病进展的关系	模型性能可能受到标注者间变异性的影响，且研究队列规模有限（n=215）	开发自动化管道以标准化血管分析，并探索血管特征与前列腺癌预后的关联	前列腺癌患者的多重免疫荧光图像	数字病理学	前列腺癌	多重免疫荧光成像	深度学习模型	图像	215名前列腺癌患者	NA	NA	精确率, 召回率, Dice相似系数	NA
4	2026-04-11	trRosettaRNA: automated prediction of RNA 3D structure with transformer network 2023-11-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-42528-4 PMID:37945552	研究论文	本文介绍了trRosettaRNA，一种基于深度学习的自动化方法，用于预测RNA三维结构，并在基准测试和盲测中表现出色	开发了首个结合transformer网络和能量最小化的自动化RNA三维结构预测方法，在CASP15和RNA-Puzzles实验中与顶尖人工预测结果竞争	对于合成RNA的准确结构预测仍具有挑战性	解决RNA三维结构预测的长期难题	RNA分子	机器学习	NA	深度学习	Transformer	RNA序列和结构数据	NA	NA	Transformer	均方根偏差Z分数	NA
5	2026-04-11	Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors 2023-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.10.6.064504 PMID:38162317	研究论文	评估预训练的深度学习模型在胸部X光片上分类COVID-19阳性和阴性患者的表现，并考虑图像采集参数、临床因素和患者人口统计学	通过比较不同图像采集技术（标准与软组织X光）和临床因素（如病毒变体、免疫状态）来评估模型性能，并探讨了模型在新测试集上性能下降的原因	模型在新测试集上性能显著下降，且时间匹配、免疫状态、疾病严重程度、年龄和性别分布未能完全解释性能差异，表明模型可能存在过拟合和泛化能力不足	评估深度学习模型在COVID-19分类任务中的性能，并分析图像采集技术和临床因素对模型表现的影响	胸部X光片（标准与软组织图像）	计算机视觉	COVID-19	胸部X光成像	CNN	图像	原始数据集9860名患者，当前测试集5893名患者	NA	DenseNet-121	ROC AUC	NA
6	2026-04-11	Weakly supervised perivascular spaces segmentation with salient guidance of Frangi filter 2023-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29593 PMID:36692103	研究论文	本文提出了一种结合Frangi滤波器与卷积神经网络的弱监督3D血管周围空间分割模型	通过条件随机场理论将基于规则的Frangi滤波器与U-Net深度学习算法结合，实现弱监督学习，减少对大规模标注数据的依赖	未明确说明模型在更广泛数据集上的泛化能力或计算效率的具体限制	开发用于血管周围空间分割的弱监督3D分割模型，提高分割准确性并区分PVS与白质高信号	人类连接组计划数据中的血管周围空间	数字病理学	NA	Frangi滤波器，卷积神经网络	CNN	3D图像	人类连接组计划数据，具体样本数量未明确	NA	U-Net	真阳性率，假阳性率	NA
7	2026-04-11	Automatic International Hidradenitis Suppurativa Severity Score System (AIHS4): A novel tool to assess the severity of hidradenitis suppurativa using artificial intelligence 2023-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI) IF:2.0Q3 DOI:10.1111/srt.13357 PMID:37357665	研究论文	本文介绍了一种基于人工智能的自动国际化脓性汗腺炎严重程度评分系统（AIHS4），用于评估化脓性汗腺炎的严重程度	开发了首个自动化的IHS4评分工具，利用基于YOLOv5架构的深度学习模型进行病变检测，并通过专家共识和知识统一算法训练	当前数据集规模可能有限，未具体说明模型在更广泛人群或不同设备上的泛化能力	开发一种自动化工具来评估化脓性汗腺炎的严重程度，以辅助临床实践和临床试验	化脓性汗腺炎患者的皮肤图像	计算机视觉	化脓性汗腺炎	深度学习，图像分析	CNN	图像	NA	PyTorch	YOLOv5	NA	NA
8	2026-04-10	Identifying Disease of Interest With Deep Learning Using Diagnosis Code 2023-Mar-20, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2023.38.e77 PMID:36942391	研究论文	本文提出了一种新型的端到端监督自编码器模型，用于仅使用诊断代码预测感兴趣疾病的共存情况	开发了一种端到端监督自编码器模型，该模型在学习过程中同时更新自编码器和分类器的参数，提高了预测性能	研究仅基于韩国国家健康信息数据库的数据，可能限制了模型的泛化能力	预测感兴趣疾病的共存诊断，仅使用诊断代码作为输入	来自韩国国家健康信息数据库的100万随机抽样患者的诊断代码	机器学习	胃癌	深度学习	自编码器, 多层感知机	诊断代码	100万患者	NA	自编码器, 多层感知机	F1分数, AUC, 召回率, 精确率	NA
9	2026-04-10	Bipartite invariance in mouse primary visual cortex 2023-Mar-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.15.532836 PMID:36993218	研究论文	本研究通过扩展“inception loops”范式，系统性地表征了小鼠初级视皮层中单个神经元的感受野不变性，并发现了一种新颖的二分不变性	发现了小鼠初级视皮层神经元的一种新型二分不变性，即感受野的一部分编码相位不变的纹理样模式，另一部分编码固定的空间模式，且这种划分与自然图像中空间频率差异定义的物体边界对齐	研究主要集中于小鼠初级视皮层，尚未扩展到整个视觉层次、细胞类型或其他感觉模态；实验时间有限可能影响对自然刺激下神经元调谐和不变性的全面表征	理解大脑如何从高维感官输入中泛化并推断行为相关的潜在原因，特别是识别神经元选择性响应和不变性的特征	小鼠初级视皮层中的单个神经元	计算神经科学	NA	大规模记录、神经预测模型、实验验证	深度学习模型	神经活动记录数据、自然图像刺激	NA	NA	NA	NA	NA
10	2026-04-09	Usability and Clinician Acceptance of a Deep Learning-Based Clinical Decision Support Tool for Predicting Glaucomatous Visual Field Progression 2023-03-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002163 PMID:36877820	研究论文	本研究评估了临床医生对集成人工智能预测视觉场指标的临床决策支持工具GLANCE的可用性和接受度	更新并评估了集成深度学习预测视觉场指标的临床决策支持工具，并首次系统调查了临床医生对该工具中AI预测指标的信任度、实用性和降低检测频率意愿的接受程度	样本量较小（10名临床医生参与），仅评估了原型工具，尚未进行临床部署验证	评估临床医生对集成人工智能预测视觉场指标的临床决策支持工具的感知和接受度	眼科医生和验光师对临床决策支持工具GLANCE的使用体验和态度	数字病理	青光眼	深度学习	深度学习模型	视觉场指标数据	10名眼科医生和验光师，6个病例（11只眼睛）	NA	NA	Likert量表评分，系统可用性量表评分	NA
11	2026-04-07	Deep Learning of Coronary Calcium Scores From PET/CT Attenuation Maps Accurately Predicts Adverse Cardiovascular Events 2023-05, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2022.06.006 PMID:36284402	研究论文	本研究开发了一种深度学习模型，用于从PET/CT衰减校正扫描中自动量化冠状动脉钙化评分，以预测心血管不良事件	首次将原本为视频应用开发的深度学习模型应用于PET/CT衰减校正扫描，实现冠状动脉钙化评分的全自动快速量化，无需改变现有扫描协议	研究主要基于外部队列验证，且未详细讨论模型在不同人群或设备间的泛化能力	开发一种深度学习模型，从PET/CT衰减校正扫描中自动定义冠状动脉钙化评分，以预测心血管不良事件风险	接受PET/CT成像的患者，包括有心血管不良事件随访数据的队列	数字病理学	心血管疾病	PET/CT成像，心电图门控CT扫描	深度学习模型	CT扫描图像	训练集：9,543张专家标注的CT扫描；测试集：4,331名患者（其中2,737名有配对的心电图门控CAC扫描）	NA	NA	风险比，净重分类改善，阴性预测值	NA
12	2026-04-05	Data-driven multimodal fusion: approaches and applications in psychiatric research 2023, Psychoradiology DOI:10.1093/psyrad/kkad026 PMID:38143530	综述	本文全面概述了数据驱动的多模态融合方法及其在精神病学研究中的应用	强调了在无先验信息或有先验信息下，利用典型相关分析和独立成分分析等方法进行多模态融合的创新性，并讨论了N向多模态融合、深度学习方法和临床转化等新兴趋势	未具体说明方法在实际应用中可能面临的数据异质性、模型泛化能力或计算资源限制等挑战	整合多样化的神经影像视角，以更全面地理解复杂的精神疾病	神经影像数据，包括遗传、环境、认知和治疗结果等多因素	机器学习	精神疾病	神经影像分析，如磁共振成像	深度学习	多模态数据（如神经影像、遗传、环境数据）	NA	NA	NA	NA	NA
13	2026-04-04	Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study 2023-Nov-11, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-023-00597-0 PMID:37952058	研究论文	本研究利用深度学习从组织病理学图像中预测早期乳腺癌复发	首次在卡罗莱纳乳腺癌研究队列中应用深度学习模型从H&E染色肿瘤切片图像预测早期复发，并发现图像模型能识别70%的早期复发低中级别肿瘤	样本量相对有限（202名参与者），预测准确率（62.4%）与现有临床标记物（分级、ER状态）相近但未显著超越	开发基于图像的快速筛查方法以识别早期乳腺癌复发高风险患者	乳腺癌患者的H&E染色肿瘤组织切片图像	数字病理学	乳腺癌	H&E染色组织病理学成像	深度学习模型	图像	704张1毫米肿瘤核心H&E图像（来自202名参与者，其中101名复发，101名未复发）	NA	NA	准确率	NA
14	2026-04-04	A Deep Learning Approach for Automated Bone Removal from Computed Tomography Angiography of the Brain 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00788-y PMID:36781588	研究论文	提出了一种基于深度学习的自动化方法，用于从脑部CT血管造影图像中去除骨骼干扰	设计并训练了一个深度卷积神经网络，专门用于脑部CTA图像的骨骼去除，特别是在颅底区域表现优于现有方法	训练数据量相对较小（72个CTA），且未明确说明模型对不同病理状况或图像质量的泛化能力	开发一种快速、准确的自动化工具，以改善脑部CTA图像中血管结构的可视化	脑部CT血管造影图像	计算机视觉	脑血管疾病	CT血管造影	CNN	医学图像	训练集：72个脑部CTA；内部测试集：15个CTA；外部独立测试集：17个CTA	未明确说明	深度卷积神经网络	Dice系数, 卡方检验, p值	未明确说明
15	2026-04-04	A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features 2023-06, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202306_32608 PMID:37318465	研究论文	本文提出了一种基于深度学习算法的视觉策略干预方法，用于自闭症谱系障碍儿童的行为特征提取和异常行为检测	结合时空特征融合结构和顺序池行为检测方法，在复杂背景下有效描述儿童行为动态，并整合视觉提示策略以促进社交融入	NA	探索自闭症谱系障碍儿童的有效干预方法	自闭症谱系障碍儿童	计算机视觉	自闭症谱系障碍	深度学习算法	CNN	视频	SDUFall、Weizmann和HMDB51数据集	NA	MotionNet, OFF子网络	准确率	NA
16	2026-04-04	A transparent artificial intelligence framework to assess lung disease in pulmonary hypertension 2023-03-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-30503-4 PMID:36882484	研究论文	本文开发了一个透明的人工智能框架，用于评估肺动脉高压患者的肺部疾病	提出了一种结合局部可解释性和可解释降维方法（PCA-GradCam、PCA-Shape）的新通用技术，以验证框架的可信度	NA	评估肺动脉高压患者的肺部疾病程度	肺动脉高压患者的肺部疾病	计算机视觉	肺动脉高压	计算机断层扫描	深度学习	3D解剖模型	NA	NA	NA	准确性、鲁棒性、泛化性	NA
17	2026-04-04	RETRACTED: Gastrointestinal tract disorders classification using ensemble of InceptionNet and proposed GITNet based deep feature with ant colony optimization 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292601 PMID:37831692	研究论文	提出一种基于深度特征学习和蚁群优化的自动系统，用于胃肠道疾病的内窥镜图像分类	提出新的GITNet深度网络架构，并结合InceptionNetV3进行深度特征提取，首次将蚁群优化（ACO）用于胃肠道疾病分类的特征优化，并采用串行特征融合与多种SVM分类器变体	仅在两个特定数据集（KVASIR和NERTHUS）上进行评估，未在更广泛或临床实际数据中验证，未讨论模型的计算效率或实时性	开发自动化的计算机辅助诊断系统，提高胃肠道疾病内窥镜筛查的准确性和效率	胃肠道疾病的内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN, SVM	图像	两个数据集（KVASIR含8类，NERTHUS含4类），具体样本数未提供	NA	InceptionNetV3, GITNet	准确率	NA
18	2026-04-03	Pathomic Features Reveal Immune and Molecular Evolution From Lung Preneoplasia to Invasive Adenocarcinoma 2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100326 PMID:37678674	研究论文	本研究利用深度学习与人工智能技术，从常规H&E组织病理图像中提取病理组学特征，揭示肺腺癌从癌前病变到侵袭性腺癌的免疫与分子演化过程	首次结合深度学习细胞分割与病理组学特征分析，系统解码肺腺癌癌前病变演化，并验证了与昂贵分子/免疫分析结果的一致性	样本量相对有限（98例患者），且仅基于H&E图像分析，未整合多组学数据	探究肺腺癌早期癌变过程中的免疫与分子演化规律	肺组织样本，包括正常组织、非典型腺瘤样增生、原位腺癌、微浸润腺癌及侵袭性腺癌	数字病理	肺癌	深度学习，人工智能，H&E组织病理图像分析	深度学习模型	图像	98例患者，162张切片，669个感兴趣区域（包括143正常、129非典型腺瘤样增生、94原位腺癌、98微浸润腺癌、205侵袭性腺癌）	NA	NA	NA	NA
19	2026-04-03	Multimodal Deep Learning Classifier for Primary Open Angle Glaucoma Diagnosis Using Wide-Field Optic Nerve Head Cube Scans in Eyes With and Without High Myopia 2023-10-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002267 PMID:37523623	研究论文	本研究提出了一种基于光学相干断层扫描（OCT）的多模态深度学习分类模型，用于诊断伴有或不伴有高度近视的原发性开角型青光眼	引入了结合纹理信息的多模态深度学习分类器，在青光眼诊断中优于单模态模型及不含纹理信息的多模态模型，尤其是在高度近视眼中表现更佳	样本量相对有限，且研究仅针对特定类型的青光眼（POAG）和高度近视定义（眼轴长度>26mm）	评估基于宽视野OCT视神经头立方扫描的多模态深度学习分类器在伴有或不伴有轴性高度近视眼中的青光眼诊断准确性	原发性开角型青光眼（POAG）患者和健康受试者的眼睛，分为非高度近视组（眼轴长度≤26mm）和高度近视组（眼轴长度>26mm）	数字病理学	青光眼	光学相干断层扫描（OCT），共焦扫描激光检眼镜（cSLO）	深度学习分类器	图像	593只眼睛（非高度近视组：371只POAG眼，86只健康眼；高度近视组：92只POAG眼，44只健康眼）	NA	VGG-16	调整后的受试者工作特征曲线下面积（AUC）	NA
20	2026-04-03	SwarmDeepSurv: swarm intelligence advances deep survival network for prognostic radiomics signatures in four solid cancers 2023-Aug-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100777 PMID:37602223	研究论文	本文提出了一种名为SwarmDeepSurv的新方法，通过集成群体智能算法与深度生存模型，优化预后预测并减少高维特征中的冗余信息	首次将群体智能算法与深度生存模型结合，设计了四个目标函数以同时优化预后预测和特征选择数量	未提及具体局限性	研究放射组学特征与生存终点之间的关系，并提高预后预测的准确性	四种实体癌症的多中心数据集（n=1,058）	机器学习	肺癌,前列腺癌,心血管疾病,老年疾病	NA	深度生存网络	放射组学特征	1,058例患者	NA	SwarmDeepSurv	患者风险分层	NA