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
41	2026-05-15	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	提出一种基于深度学习的前列腺癌多通道图像血管自动检测与分布分析流水线	首次结合CD31、CD34和胶原IV三种标记物训练深度学习模型，实现前列腺癌组织微血管的自动分割，并系统分析血管大小和分布模式与疾病进展的关联	NA	开发自动化流水线用于前列腺癌多通道图像中血管检测和分布分析，以替代手动分割并研究血管特征与预后相关性	前列腺癌患者队列中的血管	数字病理学, 机器学习	前列腺癌	多重免疫荧光成像	深度学习分割模型	图像（CD31、CD34和胶原IV多通道显微图像）	215例前列腺癌患者的组织样本	NA	NA	精确率、召回率、Dice相似系数	NA
42	2026-05-10	[Mitigating metal artifacts in cone-beam CT images through deep learning techniques] 2023-12-29, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20231030-00228 PMID:38172064	研究论文	开发和评估基于深度学习的人工智能金属伪影去除系统（MARS），用于处理锥形束CT（CBCT）图像中由不同厚度金属引起的伪影	首次系统评估不同厚度钴铬合金在CBCT图像中产生的伪影范围，并开发CNN-MARS和U-net-MARS两种深度学习模型进行伪影去除，比较其效果	未详细说明模型训练的样本量、计算资源以及模型中使用的具体超参数，且仅使用了特定材料（钴铬合金）和特定厚度范围，可能限制泛化性	开发并评估基于深度学习的金属伪影去除系统，以提升CBCT图像质量	不同厚度（1.0mm、1.5mm、2.0mm）钴铬合金冠在CBCT图像中产生的伪影	数字病理学, 计算机视觉	NA	CBCT（锥形束CT）	CNN, U-net	图像	NA（未明确说明样本数量，但使用了标准口腔模型生成匹配的CBCT图像）	NA	卷积神经网络（CNN）, U-net	结构相似性指数（SSIM）, 峰值信噪比（PSNR）	NA
43	2026-05-10	[Research status and outlook of deep learning in oral and maxillofacial medical imaging] 2023-06-05, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230405-00138 PMID:37271997	综述	综述深度学习在口腔颌面医学影像领域的研究现状与展望	系统总结了深度学习在口腔颌面影像中的应用，包括牙齿及解剖结构检测识别分割、疾病诊断及法医鉴定，并指出未来发展方向	现有研究可能存在的局限性未具体说明	总结深度学习在口腔颌面医学影像分析中的应用进展与挑战	口腔颌面影像中的牙齿、解剖结构、疾病病灶及法医鉴定对象	计算机视觉	口腔颌面疾病	NA	深度学习模型	医学影像	NA	NA	NA	NA	NA
44	2026-05-10	[Survival analysis of patients with intrahepatic cholangiocarcinoma treated with adjuvant chemotherapy after radical resection based on CoxPH model and deep learning algorithm] 2023-Apr-01, Zhonghua wai ke za zhi [Chinese journal of surgery] DOI:10.3760/cma.j.cn112139-20230105-00007 PMID:36822588	研究论文	基于CoxPH模型和深度学习算法建立肝内胆管癌根治术后辅助化疗患者的生存预测模型	首次比较了传统CoxPH模型与深度学习DeepSurv模型在肝内胆管癌辅助化疗生存预测中的性能，并发现DeepSurv模型具有更高的预测准确性	样本量较小（249例），且为回顾性研究，可能存在选择偏倚	建立预测肝内胆管癌患者根治术后辅助化疗生存获益的模型	接受根治性切除和辅助化疗的肝内胆管癌患者	机器学习	肝内胆管癌	NA	CoxPH, DeepSurv	临床病理数据	249例患者（男121例，女128例；>60岁88例，≤60岁161例）	NA	DeepSurv	C-index	NA
45	2026-05-09	Key therapeutic targets implicated at the early stage of hepatocellular carcinoma identified through machine-learning approaches 2023-03-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-30720-x PMID:36882466	研究论文	利用机器学习算法识别肝细胞癌早期和晚期阶段的关键mRNA和miRNA，以揭示主导的分子机制	结合t检验/方差分析和二进制粒子群优化进行特征选择，并使用关联规则挖掘算法识别与肝细胞癌不同阶段相关的关键基因	未提及模型性能的临床验证或独立数据集测试，可能影响结果的泛化性	识别肝细胞癌早期阶段的关键治疗靶点及分子机制	肝细胞癌（HCC）的早期和晚期阶段基因表达数据（mRNA和miRNA）	机器学习	肝细胞癌	NA	机器学习、深度学习	基因表达数据（mRNA、miRNA）	NA	NA	NA	NA	NA
46	2026-05-09	Predicting near-term glaucoma progression: An artificial intelligence approach using clinical free-text notes and data from electronic health records 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1157016 PMID:37122330	研究论文	利用电子健康记录中的结构化数据和临床自由文本笔记，开发预测青光眼一年内是否进展至需手术的人工智能模型	首次结合眼科领域神经词嵌入与深度学习模型，融合结构化临床数据和自由文本笔记特征，预测青光眼手术需求	未纳入影像数据，未来研究可进一步优化预测方法	开发基于电子健康记录数据预测青光眼患者一年内是否需要手术的模型	从斯坦福大学2008-2020年电子健康记录中识别的成年青光眼患者	自然语言处理	青光眼	NA	深度学习模型	文本、结构化数据	3469名青光眼患者（其中26%接受了手术）	NA	随机森林、逻辑回归、深度学习	AUC, F1分数	NA
47	2026-05-08	Predicting Glaucoma Progression to Surgery with Artificial Intelligence Survival Models 2023-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2023.100336 PMID:37415920	研究论文	开发基于人工智能的生存模型预测青光眼患者进展至手术的风险，并比较不同方法的性能	首次将生存分析方法（包括深度生存模型）用于青光眼进展预测，弥补了传统分类器忽视纵向随访数据的不足	仅使用结构化电子健康记录数据，未纳入临床笔记或影像学信息；需进一步开发更复杂的深度生存模型	比较回归、树模型和深度学习三种生存分析预测青光眼手术进展的性能	2008-2020年某学术中心4512名青光眼患者	机器学习	青光眼	电子健康记录数据提取	生存模型（DeepSurv, 随机生存森林, 梯度提升生存, 惩罚Cox比例风险模型）	结构化表格数据（人口学、眼部检查、诊断、用药共361个特征）	4512名患者（748例接受手术）	NA	DeepSurv（深度学习生存网络）	一致性指数（C-index）, 均值累积/动态曲线下面积（mean AUC）	NA
48	2026-05-08	PhacoTrainer: Deep Learning for Cataract Surgical Videos to Track Surgical Tools 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.23 PMID:36947046	研究论文	构建深度学习模型自动分析白内障手术视频中的手术工具位置并导出技能相关运动指标	首次将YOLACT实例分割用于白内障手术视频中瞳孔、角膜缘和8类手术器械的联合检测，并通过椭圆/直线拟合将掩码转化为关键解剖标志位置，实现自动化的手术技能评估	工具尖端定位误差（第二器械尖端平均误差17.1像素）可能影响精确运动指标计算；样本仅包含10个超声乳化视频片段用于验证	开发深度学习模型自动分析白内障手术视频中手术关键点位置，推导与手术技能相关的运动指标	白内障手术视频中的瞳孔、角膜缘和8类手术器械（包括超声乳化手术器械）	计算机视觉	白内障	视频分析	CNN（实例分割模型）	图像	1156帧（来自268个视频），5853帧（来自10个超声乳化视频片段），及CaDIS公开数据集	PyTorch	YOLACT	平均精确率均值、交并比、平均距离（像素）	NA
49	2026-05-08	An explainable autoencoder with multi-paradigm fMRI fusion for identifying differences in dynamic functional connectivity during brain development 2023-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2022.12.007 PMID:36580711	研究论文	提出一种基于多范式融合的可解释深度稀疏自编码器，用于识别脑发育过程中动态功能连接的差异	首次将多范式功能磁共振成像融合与可解释深度自编码器结合，通过非线性融合层和多范式超图正则化整合互补信息，同时保持模型可解释性	未提及具体限制，但可能受限于单一数据集（费城神经发育队列）的验证	开发可解释的多范式融合模型，识别脑发育过程中动态功能连接的变化模式	正常儿童和成人的大脑功能连接差异	机器学习	神经系统发育	功能磁共振成像	深度稀疏自编码器	图像（功能磁共振成像数据）	费城神经发育队列的数据集	NA	多范式融合深度稀疏自编码器	NA	NA
50	2026-05-07	Delineating yeast cleavage and polyadenylation signals using deep learning 2023-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.10.561764 PMID:37873420	研究论文	利用深度学习模型解析酵母的切割和聚腺苷酸化信号	首次利用深度学习对酵母中退化的顺式调控元件进行解卷积，并量化其在介导酵母多聚A位点形成、切割异质性及强度中的位置重要性	未明确提及	阐明酵母中多聚腺苷酸化信号如何形成及其对mRNA成熟的作用机制	酵母物种中的多聚A位点及其调控元件	机器学习	NA	深度测序	深度学习模型	DNA序列	未明确提及	NA	深度学习模型（未明确具体架构）	NA	NA
51	2026-05-06	Localizing Post-Admixture Adaptive Variants with Object Detection on Ancestry-Painted Chromosomes 2023-04-04, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msad074 PMID:36947126	研究论文	开发一种基于深度学习的对象检测方法，应用于祖先绘制的基因组图像，以定位后混合适应性变异	将深度学习对象检测技术应用于祖先绘制的染色体图像，无需用户定义汇总统计量，保留基因组上下文信息，能够更精确地定位适应性变异	缺乏各种人口统计学场景下祖先分布的理论模型，可能导致假阳性和假阴性结果；远距离位点间的祖先模式常不独立，当前方法倾向于推断包含多个基因的宽基因组区域	提高后混合正选择的检测精度，将适应性变异定位到更窄的基因组区域	人类和动物的后混合基因组，包括免疫力、代谢和动物颜色等适应性变异	机器学习	NA	NA	深度学习对象检测模型	基因组图像	模拟数据和来自Cabo Verde的人类基因型数据	NA	对象检测架构（未明确具体名称）	NA	NA
52	2026-05-05	A deep learning algorithm with good prediction efficacy for cancer-specific survival in osteosarcoma: A retrospective study 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0286841 PMID:37768965	研究论文	利用DeepSurv算法预测骨肉瘤患者癌症特异性生存率，并与Cox比例风险模型比较效果	首次在骨肉瘤中应用DeepSurv深度学习算法构建癌症特异性生存预测模型，并提供便捷的网页计算工具	DeepSurv在预测性能上未显著优于传统Cox模型	评估DeepSurv算法在骨肉瘤患者癌症特异性生存预测中的效果，为个体化治疗提供数据支持	2004至2017年诊断为骨肉瘤的患者	机器学习	骨肉瘤	NA	DeepSurv、Cox比例风险模型	表格数据	3218名患者，训练组2252人，验证组966人	NA	DeepSurv	一致性指数、综合Brier分数、均方根误差、平均绝对误差	NA
53	2026-05-03	An Automatic Grading System for Neonatal Endotracheal Intubation with Multi-Task Convolutional Neural Network 2023-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi58575.2023.10313510 PMID:38846334	研究论文	提出一个基于多任务卷积神经网络的新生儿气管插管自动评分系统，用于评估操作熟练度	将多变量时间序列数据的隐式特征与直观观察特征相结合，利用多任务深度学习技术实现自动评分	NA	开发自动评分系统，辅助新生儿气管插管培训中的技能评估	新生儿气管插管操作技能	计算机视觉	新生儿疾病	NA	多任务卷积神经网络	多变量时间序列数据	NA	NA	NA	分类准确率	NA
54	2026-05-03	Segmentation of X-ray coronary angiography with an artificial intelligence deep learning model: Impact in operator visual assessment of coronary stenosis severity 2023-10, Catheterization and cardiovascular interventions : official journal of the Society for Cardiac Angiography & Interventions IF:2.1Q3 DOI:10.1002/ccd.30805 PMID:37579212	研究论文	比较操作者在冠脉造影中目测评估狭窄程度与使用AI深度学习模型分割后图像评估的差异	首次系统性评估AI分割冠脉造影图像对操作者目测评估狭窄程度的改善效果	样本量较小（123个病变），未评估AI分割对临床决策的长期影响	评估AI深度学习分割模型能否减少操作者对冠脉狭窄程度的高估	冠脉造影图像中123个病变的目测狭窄程度	医学影像分析	冠状动脉疾病	X射线冠脉造影	深度学习	图像	123个冠脉病变	NA	深度学习分割模型（论文未明确说明具体架构名称）	百分比直径狭窄差异、一致性比率	NA
55	2026-05-03	Integration of deep learning with Ramachandran plot molecular dynamics simulation for genetic variant classification 2023-Mar-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.106122 PMID:36879825	研究论文	开发一个结合蛋白质结构信息和深度学习的方法用于遗传变异分类	创新性地将Ramachandran图分子动力学模拟与自编码器无监督学习和神经网络分类器相结合，用于提取蛋白质结构和热力学信息并进行遗传变异分类	未明确提及局限性	开发一种结合蛋白质结构和深度学习的高通量遗传变异分类系统	三个DNA损伤修复基因（BRCA1、MLH1、MSH2）的遗传变异	机器学习	遗传疾病	NGS	自编码器, 神经网络分类器	蛋白质结构数据和遗传变异数据	未明确提及样本数量	NA	自编码器, 神经网络	特异性	NA
56	2026-05-02	Deep Learning MRI Reconstruction for Accelerating Turbo Spin Echo Hand and Wrist Imaging: A Comparison of Image Quality, Visualization of Anatomy, and Detection of Common Pathologies with Standard Imaging 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.042 PMID:36797172	研究论文	评估深度学习重建技术加速手部和腕部涡轮自旋回波MRI的图像质量、解剖结构显示和常见病理检测，并与标准成像进行比较	首次将深度学习重建应用于手部和腕部涡轮自旋回波序列的加速成像，相比标准GRAPPA重建显著降低噪声、提高边缘锐度，同时将扫描时间减少60%以上	研究样本量较小（21名患者），且为单中心研究；未对不同深度学习重建参数进行优化比较	评估深度学习重建技术在手部和腕部MRI涡轮自旋回波序列中的图像质量、解剖结构显示和常见病理诊断性能	手部和腕部MRI检查的患者（21名，平均年龄43岁，10名男性、11名女性）	计算机视觉, 数字病理学	NA	MRI, 涡轮自旋回波, GRAPPA重建, 深度学习重建	深度学习重建模型	MRI图像	21名患者	NA	NA	图像质量, 噪声, 边缘锐度, 伪影, 诊断信心, 解剖结构显示（五点评分量表）, 病理检测一致性（加权Kappa系数）	NA
57	2026-05-02	Improvement of Spatial Resolution on Coronary CT Angiography by Using Super-Resolution Deep Learning Reconstruction 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.044 PMID:36681533	研究论文	比较超分辨率深度学习重建与混合迭代重建在冠状动脉CT血管成像中的图像质量	首次将超分辨率深度学习重建应用于冠状动脉CT血管成像，显著提高图像空间分辨率和斑块检测能力	回顾性研究设计，样本量相对较小（100例），且未进行大规模多中心验证	评估超分辨率深度学习重建相较于混合迭代重建在冠状动脉CT血管成像中的图像质量提升	100例接受320排CT冠状动脉血管成像的患者图像	计算机视觉	心血管疾病	NA	超分辨率深度学习重建	图像	100例患者，其中14例接受有创冠状动脉造影作为参考	NA	NA	图像噪声标准差、对比噪声比、边缘上升斜率、图像质量评分、斑块可检测性	NA
58	2026-05-02	Impact of a Deep Learning-based Super-resolution Image Reconstruction Technique on High-contrast Computed Tomography: A Phantom Study 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.040 PMID:36690564	研究论文	评估基于深度学习的超分辨率图像重建技术在高对比度计算机断层扫描中的图像质量	通过利用高分辨率CT学习，DLSRR在噪声抑制和空间分辨率上超越传统DLR和迭代重建技术	研究基于模体实验，未涉及临床患者数据，可能无法完全代表真实临床场景	评估DLSRR的图像质量及其临床潜力	高对比度CT图像质量，通过Mercury CT 4.0模体进行分析	计算机视觉	NA	CT	深度学习	图像	一个Mercury CT 4.0模体，在不同管电流（100、200、300 mA）下扫描	NA	超分辨率图像重建网络	噪声功率谱、任务传递函数、可检测性指数	NA
59	2026-05-02	Detection of Intracranial Aneurysms Using Multiphase CT Angiography with a Deep Learning Model 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.043 PMID:36737273	研究论文	利用多相融合深度学习模型自动选择最佳相位，从CT血管造影图像中检测颅内动脉瘤，并与单相算法进行比较	提出多相融合深度学习模型，实现自动相位选择，显著提升颅内动脉瘤检测的灵敏度，特别是在不同动脉瘤位置、形状、大小和破裂状态下的召回率优于单相方法	基于单中心回顾性数据，未说明模型泛化性及外部验证范围，且未涉及模型的计算资源消耗	评估多相融合深度学习模型在CT血管造影图像中检测颅内动脉瘤的效果	颅内动脉瘤及其CT血管造影图像	计算机视觉	颅内动脉瘤	CT血管造影	深度学习模型	图像	训练数据1110名患者（1493个动脉瘤），内部验证数据139名患者（174个动脉瘤），测试数据134名患者（175个动脉瘤），独立验证数据来自数字减影血管造影检查	NA	多相融合深度学习模型	灵敏度，召回率	NA
60	2026-05-02	Deep Learning-based Post Hoc CT Denoising for the Coronary Perivascular Fat Attenuation Index 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.01.023 PMID:36868878	研究论文	评估基于深度学习的后处理CT降噪技术对冠状动脉周围脂肪衰减指数诊断性能的影响	首次将深度学习降噪技术应用于冠状动脉周围脂肪衰减指数，提高其在高危出血斑块中的诊断能力	样本量较小（仅43例患者），回顾性研究设计，需进一步前瞻性验证	评估深度学习降噪后CCTA图像中FAI的诊断性能，与MRI检测的高危出血斑块对比	43名接受CCTA和冠状动脉斑块MRI检查的患者	计算机视觉, 数字病理学	冠状动脉疾病	CCTA, 冠状动脉斑块MRI	CNN	图像	43例患者（其中13例有高危出血斑块）	NA	残差密集网络	曲线下面积, 敏感性, 特异性, 准确率	NA