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
101	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
102	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
103	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
104	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
105	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
106	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
107	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
108	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
109	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
110	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
111	2026-05-02	Deep Learning Reconstruction Improves the Image Quality of CT Angiography Derived From 80-kVp Cerebral CT Perfusion Data 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.02.007 PMID:37758584	研究论文	探讨深度学习重建技术对基于80-kVp脑CT灌注数据的CT血管成像图像质量的影响，并与混合迭代重建进行比较	首次在80-kVp低剂量脑CTP数据衍生的CTA中评估深度学习重建的临床价值，证明其相比HIR能显著改善图像质量	样本量较小（33例患者），且未对不同重建技术在诊断准确性方面的差异性进行深入分析	评估深度学习重建技术对低剂量CTP源图衍生的CTA图像质量的提升效果	接受80-kVp脑CT灌注扫描的33例患者	计算机视觉	脑血管疾病	CT灌注成像	深度学习重建	图像	33例患者	NA	NA	CT值，标准差，信噪比，对比噪声比，五分制主观评分	NA
112	2026-05-02	OrBITS: label-free and time-lapse monitoring of patient derived organoids for advanced drug screening 2023-Apr, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-022-00750-0 PMID:36508089	研究论文	开发了一种名为OrBITS的自动化活细胞图像分析软件，结合计算机视觉与卷积网络机器学习，用于患者来源类器官的动力学监测和药物筛选	首次实现基于明场成像的类器官无标记、高通量时间序列监测，可同时获得类器官计数、平均面积和总面积等动态指标，并整合细胞死亡荧光标记实现孔内标准化	可能受限于明场成像的分辨率和类器官重叠问题，需进一步验证在复杂基质中的适用性	开发可用于患者来源类器官动力学监测和药物筛选的自动化、高通量活细胞图像分析平台	患者来源的肺癌和胰腺癌类器官	计算机视觉	肺癌, 胰腺癌	明场成像, 荧光成像, 深度学习	卷积神经网络	图像	包括标准ECM穹顶、Gri3D-96孔板和384孔板中的类器官样本	NA	CNN	相关分析, 细胞核染色对比, 药物反应指标（生长率标准化）	NA
113	2026-05-01	Deep Learning and Gastric Cancer: Systematic Review of AI-Assisted Endoscopy 2023-12-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13243613 PMID:38132197	综述	系统评估深度学习在胃癌内镜辅助诊断中应用的研究现状	首次系统总结深度学习在胃癌分类、检测、肿瘤浸润深度评估、癌灶勾画、病变分割及早期和癌前病变识别中的多种应用，并对比AI与内镜医师的诊断性能	主要受限于单中心研究、未公开数据集、回顾性算法训练可能不代表真实临床表现、模型细节缺乏影响可重复性	评估深度学习在胃癌前病变、早期胃癌和胃肿瘤分析中的应用现状	深度学习算法用于胃肿瘤内镜图像检测的研究	计算机视觉	胃癌	内镜成像	CNN	图像	42项研究	NA	NA	诊断准确率	NA
114	2026-05-01	Brain-Wide Projections and Differential Encoding of Prefrontal Neuronal Classes Underlying Learned and Innate Threat Avoidance 2023-08-09, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.0697-23.2023 PMID:37491314	研究论文	通过全脑连接组图谱和光纤光度记录，揭示内侧前额叶皮层不同神经元类别在习得性和先天性威胁回避中的差异编码机制	开发了DeepTraCE和DeepCOUNT两种基于深度学习的定量分析方法，首次实现了对全脑范围内大量标记轴突和细胞体的高通量量化，并揭示了mPFC不同投射类别在威胁回避中的功能特化	未提及具体限制	阐明mPFC神经元连接与功能之间的关系，理解威胁回避行为的神经基础	雄性和雌性小鼠内侧前额叶皮层投射至伏隔核、腹侧被盖区或对侧mPFC的神经元类别	机器学习, 数字病理学	恐惧症, 焦虑症, 情绪障碍	组织透明化, 光片荧光显微镜, 纤维光度记录, TRAP2小鼠	CNN, U-Net	图像	雄性小鼠、雌性小鼠	PyTorch	U-Net, 深度学习追踪模型	NA	NA
115	2026-05-01	Comparison between renal pelvic and ureteral tumors in muscle-invasive upper tract urothelial carcinoma 2023-Mar, Cancer science IF:4.5Q1 DOI:10.1111/cas.15634 PMID:36330561	研究论文	比较肌层浸润性上尿路上皮癌中肾盂与输尿管肿瘤的临床特征、分子亚型和肿瘤微环境差异	利用深度学习算法从H&E组织切片中分类分子亚型，揭示肾盂肿瘤倾向管腔型而输尿管肿瘤倾向基底型和P53样型，并首次对比肿瘤微环境异质性	NA	探究肌层浸润性上尿路上皮癌中肾盂与输尿管肿瘤在临床特征、分子亚型和肿瘤微环境方面的差异	肌层浸润性上尿路上皮癌患者	数字病理学	上尿路上皮癌	深度学习、H&E组织学	深度学习算法	临床数据、H&E组织切片图像	来自SEER数据库的多中心数据及单中心数据	NA	NA	NA	NA
116	2026-05-01	Restaining-based annotation for cancer histology segmentation to overcome annotation-related limitations among pathologists 2023-Feb-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100688 PMID:36873900	研究论文	提出SegPath数据集用于癌症组织学分割，通过免疫荧光复染克服病理学家注释局限	开发了SegPath生成流程，利用脱色后免疫荧光复染获得大规模注释数据集（比公开注释大10倍以上），并能克服病理学家注释偏差	未讨论模型在不同癌症类型或染色条件下的泛化能力，也未提及计算资源消耗	解决深度学习中病理图像分割训练数据不足和注释偏差问题	H&E染色癌症组织切片中的八种主要细胞类型	数字病理学	癌症	H&E染色、免疫荧光染色	深度学习分割模型（未明确指定）	图像	SegPath数据集，规模为公开注释的10倍以上	NA	NA	分割准确性	NA
117	2026-04-29	Artificial intelligence for natural product drug discovery 2023-11, Nature reviews. Drug discovery DOI:10.1038/s41573-023-00774-7 PMID:37697042	综述	描述人工智能与计算组学技术在天然产物药物发现中的协同作用，以及如何克服相关挑战	系统阐述人工智能（尤其是机器学习）与计算组学技术在天然产物药物发现中的协同潜力，并提出了高质量数据集构建和算法验证等关键问题的解决策略	未详细说明具体的技术实现细节或实验验证结果，主要停留在理论框架和未来展望层面	探讨人工智能与计算组学技术协同作用在天然产物药物发现中的应用，为从自然界分子中筛选药物候选物提供新思路	天然产物分子、药物候选物	机器学习	NA	计算组学技术	机器学习、深度学习	分子数据	NA	NA	NA	NA	NA
118	2026-04-29	Microbial carbon use efficiency promotes global soil carbon storage 2023-06, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06042-3 PMID:37225998	研究论文	通过全球数据集、微生物过程显式模型、数据同化、深度学习和元分析，研究微生物碳利用效率（CUE）与土壤有机碳储存之间的关系	首次在全球尺度上证明微生物碳利用效率是决定土壤有机碳储存的主要因素，且其重要性至少是其他评估因素的四倍	未明确讨论CUE在不同生态系统类型中的具体机制，对气候变化的反馈预测仍需进一步微观过程理解	探究微生物碳利用效率在全球土壤有机碳储存中的作用及其与气候、植被和土壤性质的交互影响	全球范围的土壤样品及相关的微生物过程数据	机器学习	NA	NA	深度学习模型	数值数据	来自全球尺度的大规模数据集，具体样本数量未明确给出	PyTorch, TensorFlow	NA	NA	NA
119	2026-04-29	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	提出一种基于深度学习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与异常行为检测	融合时空特征提取结构，在MotionNet中加入光流特征子网络；提出基于序列池的行为检测方法，结合注意力机制和聚类池	在复杂背景下HMDB51数据集上准确率仅63.81%，模型泛化能力有限	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的异常行为特征	计算机视觉	自闭症谱系障碍	NA	CNN	视频	SDUFall, Weizmann, HMDB51数据集	NA	MotionNet, 光流特征子网络	准确率	NA
120	2026-04-28	Boosting the performance of pretrained CNN architecture on dermoscopic pigmented skin lesion classification 2023-Nov, 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.13505 PMID:38009020	研究论文	通过数据增强和贝叶斯超参数调优提升预训练CNN模型在黑色素皮肤病变分类中的性能	结合数据增强与贝叶斯超参数调优两种方法，显著提升预训练CNN模型在皮肤镜图像分类中的性能，尤其Inception-V3模型取得了最高准确率96.40%和AUC 0.98	未提及具体限制	提升预训练卷积神经网络在黑色素皮肤病变分类中的性能	皮肤镜图像中的色素性皮肤病变	计算机视觉	黑色素瘤	皮肤镜成像	CNN	图像	2019年ISIC数据集，包含八种疾病类别	NA	Inception-V3	准确率, AUC	NA