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	2026-10-16	An X-Ray C-Arm Guided Automatic Targeting System for Histotripsy 2023-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2022.3198600 PMID:35984807	研究论文	本文提出了一种基于X射线C臂的自动瞄准系统，用于组织碎化术的精确治疗。	利用锥形束CT和2D荧光透视进行3D定位，结合深度学习特征分割和机器人校准，实现全自动瞄准，不依赖超声引导。	当前评估仅限于体模研究，尚未在活体或临床环境中验证。	开发一种替代超声引导的组织碎化术瞄准方法，用于治疗深部或被遮挡的肿瘤。	组织碎化术治疗中的肿瘤靶点。	医学影像	癌症	锥形束CT、2D荧光透视、深度学习特征分割	深度学习模型	图像	体模研究（具体数量未指定）	NA	NA	欧几里得距离、预测治疗半径的平均绝对误差	NA
2	2026-10-05	Imaging inside highly scattering media using hybrid deep learning and analytical algorithm 2023-10, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300127 PMID:37434270	研究论文	提出一种名为Hybrid-DOT的混合方案，将解析推导的图像估计与深度学习网络相结合，用于高散射介质内部成像	将解析推导的图像估计与深度学习网络相结合，克服了现有方法中简化前向模型或需要先验物理知识的局限性，在提高图像质量的同时显著减少所需训练数据集规模	未明确提及	解决高散射介质中的成像问题，提高图像重建质量和分辨率，同时减少对大规模训练数据库的依赖	高散射介质中的成像目标	计算机视觉	NA	飞行时间扩散光学层析成像（ToF-DOT）	深度学习混合模型	图像	NA	NA	NA	PSNR、分辨率	NA
3	2026-10-01	Deep Learning Segmentation of the Nucleus Basalis of Meynert on 3T MRI 2023-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7950 PMID:37562826	研究论文	本研究建立并评估了一种深度学习网络，用于在3T MRI上自动、准确地分割Meynert基底核	开发了首个用于Meynert基底核自动、准确、患者特异性分割的模型	样本量较小，仅使用了21名健康受试者和14名癫痫患者的数据	建立并评估一种深度学习网络，用于在3T MRI上实现自动、准确、患者特异性的Meynert基底核分割	Meynert基底核	计算机视觉, 医学图像分割	神经系统疾病, 颞叶癫痫	3T MRI, 7T MRI	CNN	图像	21名健康受试者（配对3T和7T MRI数据），6名测试受试者，14名颞叶癫痫患者（外部测试集）	NA	3D U-Net	Dice系数, 质心距离	NA
4	2026-10-01	A segmentation-informed deep learning framework to register dynamic two-dimensional magnetic resonance images of the vocal tract during speech 2023-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2022.104290 PMID:36743699	研究论文	本文开发并评估了一种分割信息引导的深度学习框架，用于配准语音期间声道的动态二维磁共振图像，以估计发音器官的运动	首次专门针对语音期间声道动态二维MR图像配准开发的深度学习框架，并优化了分割信息引导的配准框架	未明确提及	适应并优化分割信息引导的可变形配准框架，用于估计语音期间声道动态二维MR图像之间的位移场	语音期间声道的动态二维磁共振图像	医学图像配准	NA	动态磁共振成像	CNN	图像	NA	NA	NA	Dice系数, 平均表面距离, 腭咽闭合度量	NA
5	2026-09-29	Gradient-based sparse principal component analysis with extensions to online learning 2023-Jun, Biometrika IF:2.4Q1 DOI:10.1093/biomet/asac041 PMID:37197740	研究论文	本文结合稀疏主成分分析问题的几何结构与凸优化进展，开发了基于梯度的稀疏主成分分析算法，并扩展到在线学习	将稀疏主成分分析的几何结构与凸优化进展结合，开发基于梯度的算法，具有与原始交替方向乘子法相同的全局收敛保证，且能利用深度学习中的梯度方法工具箱高效实现，并可结合随机梯度下降产生在线算法	未明确提及	开发基于梯度的稀疏主成分分析算法，并扩展到在线学习	高维数据，特别是RNA测序数据	机器学习	NA	稀疏主成分分析，梯度方法，随机梯度下降，凸优化	基于梯度的算法，在线学习算法	高维数据，RNA测序数据	NA	NA	NA	NA	NA
6	2026-09-29	Deep learning to estimate lung disease mortality from chest radiographs 2023-05-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37758-5 PMID:37193717	研究论文	该研究开发了一种名为CXR Lung-Risk的深度学习模型，通过胸部X光片预测肺部疾病死亡风险	首次利用深度学习从常规胸部X光片中预测肺部疾病死亡风险，并在多个独立队列中验证了其预测能力	未明确说明模型在不同种族、地区或医疗环境中的泛化能力，且未详细讨论模型的可解释性	开发并验证一种深度学习模型，从胸部X光片中预测肺部疾病死亡风险，以改善个性化预防和治疗策略	接受胸部X光检查的个体	医学影像分析	肺部疾病（包括哮喘、肺癌等）	深度学习	CNN	图像	训练集：40,643人的147,497张X光图像；测试集：三个独立队列共15,976人	NA	NA	风险比	NA
7	2026-09-29	Classifying Malignancy in Prostate Glandular Structures from Biopsy Scans with Deep Learning 2023-Apr-17, Cancers IF:4.5Q1 DOI:10.3390/cancers15082335 PMID:37190264	研究论文	本文开发了一种深度学习模型，用于从前列腺活检扫描中识别主要Gleason模式，并在独立数据集上进行验证	使用转移学习和微调方法比较多种深度神经网络架构，并针对小样本组织病理学判别进行优化	在区分GS3和GS4时，准确率仅为68%，AUC为0.71，性能相对较低	开发深度学习模型以识别前列腺腺体结构中的主要Gleason模式，并验证其性能	前列腺活检组织切片图像中的腺体结构	数字病理学	前列腺癌	组织病理学成像	深度学习神经网络	图像	14,509个图像块；基线测试52名患者，GS3与GS4区分40名患者	NA	NA	准确率, F-score, AUC	NA
8	2026-09-29	Medical image-based detection of COVID-19 using Deep Convolution Neural Networks 2023, Multimedia systems IF:3.5Q1 DOI:10.1007/s00530-021-00794-6 PMID:33935377	研究论文	本研究利用深度学习卷积神经网络从胸部X光图像中检测COVID-19，并区分正常和病毒性肺炎病例	采用迁移学习评估三种预训练CNN模型（EfficientNetB0、VGG16、InceptionV3），选择这些模型是因为它们在准确性和效率之间取得平衡，参数较少，适合移动应用	摘要中未明确提及	开发一种实用的解决方案，从胸部X光图像中自动检测COVID-19，并区分正常和病毒性肺炎病例	胸部X光图像	计算机视觉	COVID-19	深度学习	CNN	图像	NA	TensorFlow, Keras	EfficientNetB0, VGG16, InceptionV3	准确率, 召回率, 特异性, 精确率, F1分数	NA
9	2026-09-29	Deep learning model for predicting tunnel damages and track serviceability under seismic environment 2023, Modeling earth systems and environment IF:2.7Q3 DOI:10.1007/s40808-022-01556-7 PMID:36281341	研究论文	本文提出了一种基于深度学习的数学公式化地震隧道损伤预测（STDP）模型，用于预测地震环境下的隧道损伤和轨道可服务性	提出了基于深度学习的STDP模型，并开发了STD多图工具，提供损伤指数、损伤模式和裂缝预测规范，同时提出了隧道工程抗震设计指南	摘要中未明确提及研究局限性	预测地震环境下的隧道损伤和轨道可服务性	隧道损伤数据，包括1999年集集地震、2004年中越地震和2008年汶川地震的历史地震数据	机器学习	NA	深度学习	前馈神经网络（FNN）	数值数据	来自1999年集集地震、2004年中越地震和2008年汶川地震的历史地震隧道损伤数据	NA	前馈神经网络	适应度指标，包括损伤指数、损伤模式和裂缝预测规范	NA
10	2026-09-28	DeepRCI: predicting RNA-chromatin interactions via deep learning with multi-omics data 2023-Sep, Quantitative biology (Beijing, China) DOI:10.15302/J-QB-022-0316 PMID:41675247	研究论文	该文提出了一种名为DeepRCI的可解释计算框架，用于利用多组学数据通过深度学习预测RNA与染色质的相互作用	DeepRCI是一个高度可解释的计算框架，能够识别多种类型RNA与染色质之间的相互作用，并可用于表征RNA-染色质相互作用及研究潜在的基因调控密码	NA	预测RNA与染色质之间的相互作用，并研究潜在的基因调控密码	多种类型的RNA和染色质	机器学习	NA	多组学数据整合	深度学习	多组学数据	NA	NA	NA	NA	NA
11	2026-09-28	Feasibility of Bone Mineral Density and Bone Microarchitecture Assessment Using Deep Learning With a Convolutional Neural Network 2023 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001437 PMID:37185012	研究论文	该文章评估了使用卷积神经网络深度学习从常规CT图像中预测骨密度和骨微结构的可行性	使用ResNet50卷积神经网络深度学习从多厂商扫描仪获取的常规CT图像中预测骨密度和骨小梁评分，作为检测潜在骨质疏松或骨微结构损伤的筛查工具	未明确说明局限性，但样本量相对较小且仅针对特定椎体区域	评估使用卷积神经网络深度学习从常规CT图像中预测骨密度和骨微结构的可行性	接受非对比CT检查包括L1-L4椎体和双能X线吸收测定法检查的患者	医学影像分析	骨质疏松	深度学习结合卷积神经网络	CNN	医学图像	402名患者，其中训练集280名患者3360张矢状椎体图像，验证集70名患者280张矢状椎体图像，测试集52名患者208张矢状椎体图像	NA	ResNet50	Pearson相关系数, 灵敏度, 特异度, 接收者操作特征曲线分析	NA
12	2026-09-28	Photon-counting Detector CT with Deep Learning Noise Reduction to Detect Multiple Myeloma 2023-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.220311 PMID:36066364	研究论文	本研究比较了光子计数探测器CT与深度学习去噪和传统能量积分探测器CT在多发性骨髓瘤检测中的诊断效果	使用光子计数探测器CT结合深度学习去噪技术，在低辐射剂量下提高空间分辨率，改善多发性骨髓瘤病变的可见性	样本量较小（27名参与者），缺乏组织病理学验证，仅评估图像质量而未评估诊断准确性	证明在全身低剂量CT扫描中，使用光子计数探测器CT与深度学习去噪相比传统能量积分探测器CT能提高多发性骨髓瘤检测的诊断效果	接受全身CT扫描的成年参与者	医学影像	多发性骨髓瘤	光子计数探测器CT，深度学习去噪	卷积神经网络	医学图像	27名参与者，2个体模	NA	卷积神经网络	图像质量评分，病变检测可见性	NA
13	2026-09-23	InfoCD: A Contrastive Chamfer Distance Loss for Point Cloud Completion 2023-Dec, Advances in neural information processing systems PMID:42131075	研究论文	本文提出了一种新的对比Chamfer距离损失函数InfoCD，用于点云补全任务。	提出InfoCD，一种对比Chamfer距离损失，通过最大化点云所代表的潜在几何表面之间的互信息下界，使匹配点更好地对齐分布，从而获得稳健且计算高效的CD度量。	未明确提及。	改进点云补全任务中的损失函数，提高表面相似度度量的稳健性和计算效率。	点云数据。	计算机视觉	不适用	不适用	不适用	点云	未明确提及。	不适用	不适用	未明确提及，但提及了表面相似度度量。	未明确提及。
14	2026-09-23	Motion-Aware Neural Networks Improve Rigid Motion Correction of Accelerated Segmented Multislice MRI 2023-May, Proceedings of the International Society for Magnetic Resonance in Medicine ... Scientific Meeting and Exhibition. International Society for Magnetic Resonance in Medicine. Scientific Meeting and Exhibition PMID:42099534	研究论文	该文章展示了一种深度学习方法，用于快速回顾性层内刚性运动校正的分段多层MRI	使用超网络根据辅助刚性运动参数估计生成特定于输入图像的重建网络，从而提高重建质量并减轻对运动参数误估计的敏感性	未明确说明	快速回顾性层内刚性运动校正的分段多层MRI	分段多层MRI图像	医学图像处理	NA	MRI	超网络、神经网络	图像	NA	NA	NA	重建质量	NA
15	2026-09-23	A Privacy Nihilist Perspective on Clinical Data Sharing: Open Clinical Data Sharing is Dead, Long Live the Walled Garden 2023, Journal of the Society for Clinical Data Management DOI:10.47912/jscdm.234 PMID:42281764	评论	本文从隐私虚无主义视角论证开放临床数据共享已不可行，主张采用“围墙花园”式受控访问模式	提出隐私虚无主义视角，借鉴物理学和天文学社区的围墙花园方法，并讨论设计考虑与推荐行动	未提供具体技术实现或实证数据，主要基于论证和观点	探讨临床数据共享中的隐私风险，并倡导围墙花园式数据共享方法	临床数据共享实践、隐私风险、数据共享政策	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
16	2026-09-21	A Data-Free Approach to Mitigate Catastrophic Forgetting in Federated Class Incremental Learning for Vision Tasks 2023-Dec, Advances in neural information processing systems PMID:41573098	研究论文	本文提出了一种在联邦类增量学习中使用无数据生成模型合成过去分布样本来缓解灾难性遗忘的框架	在服务器端使用无数据方法训练生成模型，无需客户端存储旧数据或模型，并引入 SuperImageNet 数据集	未明确提及	解决联邦类增量学习中的灾难性遗忘问题	联邦学习中的视觉任务	计算机视觉	NA	无数据生成模型	生成模型	图像	未明确提及	NA	NA	NA	NA
17	2026-09-21	Evaluating Drug Effectiveness for Antihypertensives in Heart Failure Prognosis: Leveraging Composite Clinical Endpoints and Biomarkers from Electronic Health Records 2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3584371.3612977 PMID:41527552	研究论文	本研究利用电子健康记录中的复合临床终点和生物标志物，通过监督深度学习分类器评估抗高血压药物在心力衰竭预后中的有效性	首次利用EHR中的硬临床终点和生物标志物设计选择策略来评估抗高血压药物有效性，并构建了约9500名患者的标注语料库，训练的分类器取得了0.97的最佳F1性能	未明确提及	评估抗高血压药物（ACE抑制剂和β受体阻滞剂）在心力衰竭管理中的有效性，并预测患者最适合的药物	心力衰竭患者、抗高血压药物（ACE抑制剂和β受体阻滞剂）	机器学习	心血管疾病	电子健康记录分析	深度学习分类器	电子健康记录文本数据	约9500名患者的EHR序列	NA	NA	F1分数	NA
18	2026-09-21	Coronary X-ray angiography segmentation using Artificial Intelligence: a multicentric validation study of a deep learning model 2023-Jul, The international journal of cardiovascular imaging DOI:10.1007/s10554-023-02839-5 PMID:37027105	研究论文	本文对一种基于深度学习的冠状动脉造影自动分割AI模型进行了多中心验证研究	在多中心数据集上验证了AI模型用于冠状动脉造影分割的性能，证明了其泛化能力	回顾性研究设计，样本量相对较小，仅从四个中心的一个月期间选择患者	验证先前开发的AI模型在自动冠状动脉造影分割中的性能，使用新的多中心数据集	接受冠状动脉造影和经皮冠状动脉介入治疗或侵入性生理评估的患者	医学图像分割	心血管疾病	冠状动脉X射线血管造影	NA	图像	来自90名患者的117张图像中的123个感兴趣区域	NA	NA	重叠准确率, 灵敏度, Dice分数, 全局分割分数	NA
19	2026-09-21	Contrastive learning in protein language space predicts interactions between drugs and protein targets 2023-06-13, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2220778120 PMID:37289807	研究论文	该文开发了一种名为ConPLex的深度学习模型，利用预训练蛋白质语言模型和蛋白质锚定的对比共嵌入方法来预测药物与蛋白质靶点之间的相互作用	结合了预训练蛋白质语言模型（PLex）和蛋白质锚定的对比共嵌入（Con），基于学习表示之间的距离进行结合预测，可在大规模化合物库和人类蛋白质组规模上进行预测，且嵌入具有可解释性	仅对19个激酶-药物相互作用预测进行了实验验证，验证规模较小，需要更大规模的实验验证来进一步确认模型的泛化能力	加速药物发现，通过互补实验筛选实现基于序列的药物-靶点相互作用预测，使其具有泛化性、可扩展性并能捕捉输入的细微变化	药物-蛋白质靶点相互作用，包括激酶-药物相互作用和人类细胞表面蛋白	机器学习	NA	预训练蛋白质语言模型、对比学习、深度学习	深度学习模型	序列数据（蛋白质序列和药物分子序列）	19个激酶-药物相互作用预测，其中验证了12个相互作用	NA	ConPLex（基于预训练蛋白质语言模型和对比共嵌入的架构）	准确率、结合亲和力	NA
20	2026-09-21	Benchmarking explanation methods for mental state decoding with deep learning models 2023-06, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120109 PMID:37059157	研究论文	本文对多种解释方法在深度学习模型进行心理状态解码时的表现进行了基准测试，使用多个fMRI数据集进行分析	首次全面基准测试了多种解释方法在心理状态解码中的忠实性与与其他经验证据的一致性之间的权衡关系	研究仅限于fMRI数据，未探索其他神经影像模态；解释方法的评估依赖于特定数据集和模型	评估和比较不同解释方法在深度学习模型心理状态解码中的表现，为神经影像研究者提供选择解释方法的指导	多个功能磁共振成像数据集中的心理状态解码任务	机器学习	NA	功能磁共振成像	深度学习模型	图像	多个功能磁共振成像数据集	NA	NA	忠实性，与其他经验证据的一致性	NA