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
141	2026-03-13	MLACNN: an attention mechanism-based CNN architecture for predicting genome-wide DNA methylation 2023-Nov, Theory in biosciences = Theorie in den Biowissenschaften DOI:10.1007/s12064-023-00402-3 PMID:37648910	研究论文	本文提出了一种基于注意力机制的CNN架构MLACNN，用于预测全基因组DNA甲基化	引入基于注意力机制的瓶颈网络，结合三种编码方法进行特征融合，以学习更多有效特征并减少过拟合	未明确说明模型在特定生物环境或数据集外的泛化能力	开发深度学习模型以改进DNA甲基化预测	DNA序列及其甲基化状态	机器学习	NA	DNA甲基化预测	CNN	DNA序列	NA	NA	MLACNN	NA	NA
142	2026-03-13	Interindividual distances and orientations of laying hens under 8 stocking densities measured by integrative deep learning techniques 2023-Nov, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2023.103076 PMID:37742450	研究论文	本研究通过集成深度学习技术，测量了蛋鸡在不同饲养密度下的个体间距离和方向，以优化鸡群空间分配	首次将深度学习技术应用于蛋鸡个体间距离和方向的自动检测，并系统分析了8种不同饲养密度下的行为指标	研究仅针对特定品种（京粉蛋鸡）和年龄（35周龄），且实验环境为受控的隔间，可能无法完全反映实际养殖场条件	开发深度学习技术以自动测量蛋鸡的个体间距离和方向，并评估不同饲养密度对这些指标的影响	蛋鸡（京粉品种，35周龄）	计算机视觉	NA	深度学习图像分类、定向目标检测	CNN	视频	8种饲养密度（3-10只鸡/隔间），具体数量未明确	NA	YOLOv5m	准确率、精确率、召回率、F1分数	NA
143	2026-03-13	A Multichannel Fluorescence Isothermal Amplification Device with Integrated Internet of Medical Things for Rapid Sensing of Pathogens through Deep Learning 2023-Oct-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.3c02973 PMID:37733965	研究论文	本文介绍了一种集成了医疗物联网和深度学习的高效多通道荧光等温扩增设备，用于在公共卫生危机中快速检测病原体	该设备结合了多通道同时检测、医疗物联网远程控制和深度学习批量处理系统，实现了快速（9.4毫秒）且准确的病原体类型识别	在追求便携性的同时，设备可能在功能上存在限制，影响其在突发病原体爆发时应对紧急公共卫生事件的效果	开发一种用于快速检测病原体的便携式等温扩增设备，以应对公共卫生危机	金黄色葡萄球菌（SA）和耐甲氧西林金黄色葡萄球菌（MRSA）	机器学习	NA	多重RPA检测和CRISPR/Cas12a介导的核酸检测	深度学习	荧光数据	NA	NA	NA	检测限（LOD），准确度	NA
144	2026-03-13	Screening Station, a novel laboratory automation system for physiologically relevant cell-based assays 2023-Oct, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2023.04.002 PMID:37121549	研究论文	本文介绍了一种名为Screening Station的新型实验室自动化系统，用于自动化执行基于人类诱导多能干细胞（iPSC）的细胞实验，包括长期培养、活细胞成像和免疫荧光成像	开发了Screening Station系统，通过Green Button Go软件集成多种设备，实现了多样本、多流程的自动化细胞实验，并首次结合深度学习分析iPSC分化程度	未明确提及系统在处理极高通量样本或复杂三维细胞模型时的性能限制	开发一个自动化系统，以增强基于iPSC的细胞实验的重复性、效率并实现远程操作	来自面肩肱型肌营养不良症患者的iPSC及其分化细胞	实验室自动化	面肩肱型肌营养不良症	活细胞延时成像，免疫荧光成像，深度学习分析	深度学习模型	活细胞成像数据，免疫荧光图像	未明确说明具体样本数量，涉及多孔板中的iPSC	NA	NA	NA	NA
145	2026-03-13	Deciphering the Morphology of Tumor-Stromal Features in Invasive Breast Cancer Using Artificial Intelligence 2023-Oct, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100254 PMID:37380057	研究论文	本研究利用人工智能分析浸润性乳腺癌中肿瘤-间质特征的形态学，评估了间质-肿瘤比（S:TR）和肿瘤负荷的临床意义	首次使用人工智能对乳腺癌肿瘤-间质特征进行客观形态学评估，揭示了S:TR异质性和肿瘤负荷作为独立预后指标的价值	研究仅针对luminal型乳腺癌病例，未涵盖其他亚型，且样本量虽大但为单中心数据	开发基于人工智能的标准化方法，评估乳腺癌肿瘤-间质形态学特征及其与预后的关联	luminal型浸润性乳腺癌患者的全切片图像	数字病理学	乳腺癌	全切片图像分析，细胞级注释	监督深度学习模型	图像	1968例luminal型乳腺癌病例（发现集1027例，测试集941例）	NA	NA	风险比，P值，95%置信区间	NA
146	2026-03-13	Risk stratification by nomogram of deep learning radiomics based on multiparametric magnetic resonance imaging in knee meniscus injury 2023-Oct, International orthopaedics IF:2.0Q2 DOI:10.1007/s00264-023-05875-x PMID:37386277	研究论文	本研究基于多参数磁共振成像，构建并验证了一个整合深度学习影像组学特征和临床特征的列线图模型，用于膝关节半月板损伤的风险分层	首次结合深度学习V-net自动分割半月板、LASSO回归提取最优影像组学特征，并整合临床特征构建列线图模型进行风险分层	样本量较小（仅167例），且来自两个机构，可能存在选择偏倚	构建并验证一个用于膝关节半月板损伤风险分层的列线图模型	膝关节磁共振图像及患者临床特征	数字病理学	膝关节半月板损伤	多参数磁共振成像	CNN	图像	167例膝关节磁共振图像	NA	V-net	Dice相似系数, AUC, 准确率	NA
147	2026-03-13	Noise-insensitive defocused signal and resolution enhancement for optical-resolution photoacoustic microscopy via deep learning 2023-Oct, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300149 PMID:37491832	研究论文	提出一种基于深度学习的噪声不敏感方法，用于增强光学分辨率光声显微镜的离焦信号和分辨率	利用深度学习技术提升离焦区域的信号质量和空间分辨率，克服传统光学分辨率光声显微镜景深窄的限制	NA	提高光学分辨率光声显微镜在离焦区域的成像质量和分辨率	光声显微镜图像，特别是离焦区域的信号	计算机视觉	NA	光学分辨率光声显微镜，k-wave模拟	CNN	图像	NA	NA	全密集U-Net	PSNR，横向分辨率，轴向分辨率	NA
148	2026-03-13	A deep learning-based simulator for comprehensive two-dimensional GC applications 2023-Oct, Journal of separation science IF:2.8Q2 DOI:10.1002/jssc.202300187 PMID:37525343	研究论文	本研究开发了一个基于深度神经网络的模拟器，用于优化二维气相色谱方法并模拟实验室外的操作条件	利用深度神经网络预测二维气相色谱中洗脱物的空间位置，提供了一种高适应性且可靠的计算模型	需要持续更新数据库以准确预测较少见化合物的保留时间	优化色谱方法并模拟操作条件	二维气相色谱中的洗脱物，包括环境污染物、生物化学分子、制药及个人护理产品等	机器学习	NA	二维气相色谱	深度神经网络	色谱数据	NA	NA	深度神经网络	均方误差, 相对平均偏差, R平方	NA
149	2026-03-13	L-SeqSleepNet: Whole-cycle Long Sequence Modeling for Automatic Sleep Staging 2023-Oct, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3303197 PMID:37552591	研究论文	本文提出了一种名为L-SeqSleepNet的深度学习模型，用于高效建模长序列睡眠数据，以提升自动睡眠分期的性能	首次在睡眠分期模型中考虑整个睡眠周期的长时依赖关系，并引入高效的长序列建模方法	未明确提及模型在极端噪声或数据缺失情况下的鲁棒性	开发能够利用整个睡眠周期信息的自动睡眠分期模型	睡眠数据，包括头皮EEG、耳内EEG和耳周EEG（cEEGrid）	机器学习	NA	EEG信号处理	深度学习模型	EEG信号	四个不同规模的数据库	NA	L-SeqSleepNet	NA	NA
150	2026-03-13	Application of IoT technology based on neural networks in basketball training motion capture and injury prevention 2023-Oct, Preventive medicine IF:4.3Q1 DOI:10.1016/j.ypmed.2023.107660 PMID:37573953	研究论文	本文研究基于神经网络和物联网技术的篮球运动轨迹捕捉算法，用于运动损伤预防	设计了一种多视角人体运动轨迹捕捉算法框架，结合深度学习二维姿态估计与多视角相机位姿知识，实现三维空间关节点分布转换	NA	预防篮球运动中的运动损伤，并研究篮球运动轨迹捕捉技术	篮球运动员的运动姿态	计算机视觉	NA	物联网技术，深度学习	神经网络	图像	NA	NA	NA	NA	NA
151	2026-03-13	Deep learning enabled miniature mass spectrometer for rapid qualitative and quantitative analysis of pesticides on vegetable surfaces 2023-Oct, Food and chemical toxicology : an international journal published for the British Industrial Biological Research Association IF:3.9Q1 DOI:10.1016/j.fct.2023.114000 PMID:37648105	研究论文	本研究开发了一种基于微型质谱仪的深度学习算法，用于蔬菜表面农药残留的快速现场定性和定量分析	结合微型质谱仪与一维卷积神经网络深度学习算法，实现农药残留的自主判别和现场快速检测	NA	开发一种快速现场筛查蔬菜表面农药残留的方法，以应对食品安全威胁	蔬菜表面的农药残留	机器学习和数字病理学	食品安全相关疾病	质谱分析（全扫描MS和串联MS）	CNN	质谱数据	NA	NA	一维卷积神经网络	定性识别准确率	NA
152	2026-03-13	Quantitative assessment of adaptive radiotherapy for prostate cancer using deep learning: Bladder dose as a decision criterion 2023-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.16710 PMID:37696263	研究论文	本研究利用深度学习技术，通过合成伪CT图像并评估剂量学影响，为前列腺癌自适应放疗提供了一种基于膀胱剂量的定量决策标准	首次结合CycleGAN合成高质量伪CT与U-Net自动勾画膀胱，实现基于实时膀胱解剖结构的剂量计算，为自适应放疗决策提供客观、自动化的定量标准	研究样本量较小（74例患者），且仅针对前列腺癌放疗中的膀胱剂量进行评估，未考虑其他器官或肿瘤靶区的变化	开发一种自动化的定量标准，以确定在前列腺癌分次放疗中是否需要立即进行自适应放疗	前列腺癌患者	数字病理	前列腺癌	锥形束CT, 自适应放疗	CycleGAN, U-net	CT图像, CBCT图像	74例患者（60例用于训练，14例用于评估）	NA	CycleGAN, U-Net	平均绝对误差, gamma通过率, Dice系数	NA
153	2026-03-13	Grading surface urban heat island and investigating factor weight based on interpretable deep learning model across global cities 2023-Oct, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2023.108196 PMID:37708813	研究论文	本研究基于可解释深度学习模型，对全球城市的地表城市热岛进行分级，并量化不同指标和等级的影响因素权重	首次在全球尺度上对地表城市热岛进行分级，并利用可解释机器学习模型TabNet量化不同指标和等级的影响因素权重	未明确说明数据的具体来源和预处理细节，且模型可能受限于所选特征和全球数据的异质性	准确监测地表城市热岛的时空变化并理解其控制因素，以提出有效的缓解措施	全球城市的地表城市热岛现象	机器学习	NA	聚合层次聚类，可解释机器学习	TabNet	遥感数据、气候数据、夜间灯光数据等	全球多个城市，具体数量未在摘要中明确	TabNet	TabNet	因素权重百分比	NA
154	2026-03-13	MAE-Based Self-Supervised Pretraining Algorithm for Heart Rate Estimation of Radar Signals 2023-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s23187869 PMID:37765926	研究论文	本文提出了一种基于掩码自编码器和视觉变换器网络的雷达信号心率估计算法，旨在提高非接触式心率监测的准确性和效率	创新性地结合了掩码自编码器进行自监督预训练和视觉变换器进行迁移学习，有效降低了心率数据采集成本并解决了呼吸谐波干扰问题	未明确提及算法的计算复杂度或在实际医疗场景中的泛化能力限制	提高基于毫米波雷达的非接触式心率估计的准确性和减少观测时间	雷达信号中的相位信号用于心率估计	机器学习	心血管疾病	毫米波雷达信号处理	MAE, ViT	信号	NA	NA	掩码自编码器, 视觉变换器	准确性	NA
155	2026-03-06	Deep learning-based dose prediction to improve the plan quality of volumetric modulated arc therapy for gynecologic cancers 2023-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.16735 PMID:37706560	研究论文	本文开发了一种基于深度学习的模型，用于预测妇科癌症患者容积旋转调强放疗（VMAT）计划的高质量三维剂量分布，并评估其在提升计划质量方面的实用性	首次将3D密集扩张U-Net模型应用于妇科癌症VMAT计划的剂量预测，并利用预测结果指导临床计划的再优化，以识别和改善可优化的计划	研究样本量较小（仅79个VMAT计划），且仅针对女性盆腔区域，模型在其他癌症类型或解剖部位的泛化能力尚未验证	开发深度学习模型以预测高质量剂量分布，并评估其驱动VMAT计划质量改进的实用性	妇科癌症患者的容积旋转调强放疗（VMAT）计划	数字病理	妇科癌症	容积旋转调强放疗（VMAT）	CNN	CT扫描图像、剂量处方、靶区和正常组织轮廓	79个VMAT计划（训练集47个，验证集16个，测试集16个）	NA	3D密集扩张U-Net	体素级剂量差异均值、靶区剂量指标D1%和D98%的百分比差异、危及器官平均和最大剂量差异、临床可接受性评分（5点量表）	NA
156	2026-03-06	Contour subregion error detection methodology using deep learning auto-segmentation 2023-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.16768 PMID:37793103	研究论文	本文提出了一种基于深度学习自动分割的轮廓子区域错误检测方法，用于放射治疗中手动器官勾画的质量保证	开发了一种新颖的轮廓子区域错误检测系统，利用手动与深度学习自动分割轮廓之间的子区域表面距离差异，实现定性和定量检测与可视化	研究基于头颈公共数据集，可能在其他解剖区域或数据集上需要进一步验证	开发并验证一个能有效检测和可视化子区域轮廓错误的轮廓质量保证系统	头颈放射治疗中的器官轮廓，包括脑干和左右腮腺	数字病理	头颈癌	深度学习自动分割	深度学习模型	医学图像轮廓数据	339例头颈公共数据集病例，以及60例临床训练数据集病例	NA	NA	真阳性率, 假阳性率, 准确率	NA
157	2026-03-06	Artifact Correction in Retinal Nerve Fiber Layer Thickness Maps Using Deep Learning and Its Clinical Utility in Glaucoma 2023-11-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.11.12 PMID:37934137	研究论文	本研究利用深度学习技术校正青光眼患者视网膜神经纤维层厚度图中的伪影，并评估其临床效用	首次提出使用深度学习模型校正RNFLT图中的伪影，并通过伪影叠加方法生成训练数据，改善了结构-功能关系及疾病进展预测的准确性	研究依赖于特定伪影定义（RNFLT < 50 µm），且仅评估了特定时间窗口内的数据，可能未涵盖所有临床场景	校正视网膜神经纤维层厚度图中的伪影以提升青光眼临床预测的准确性	青光眼患者的视网膜神经纤维层厚度图及视野测量数据	数字病理学	青光眼	光学相干断层扫描	深度学习	图像	24,257名患者（短期数据）和3,233名患者（长期序列数据），共使用27,319张高质量RNFLT图和21,722张低质量RNFLT图	NA	NA	平均绝对误差, 皮尔逊相关系数, R2, AUC	NA
158	2026-03-06	Machine and deep learning in inflammatory bowel disease 2023-07-01, Current opinion in gastroenterology IF:2.6Q2 DOI:10.1097/MOG.0000000000000945 PMID:37144491	综述	本文综述了机器学习和深度学习在炎症性肠病（IBD）评估与管理中的最新应用与进展	强调了人工智能技术（特别是机器学习和深度学习）作为IBD治疗领域的一个分水岭时刻，并指出这些方法为改善IBD患者临床结局提供了有前景的路径	NA	探讨机器学习和深度学习如何革新IBD的治疗方式，并改善临床结局	炎症性肠病（IBD）	机器学习, 深度学习	炎症性肠病	NA	机器学习, 深度学习	来自多种诊断模式的数据	NA	NA	NA	高准确度	NA
159	2026-03-06	Incremental retraining, clinical implementation, and acceptance rate of deep learning auto-segmentation for male pelvis in a multiuser environment 2023-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16537 PMID:37287322	研究论文	本研究评估并实施了具有增量再训练功能的商业深度学习自动分割软件，用于多用户环境中前列腺癌患者的确定性治疗	利用商业深度学习自动分割软件的增量再训练功能，通过机构数据训练定制模型以应对临床实践变异性，并在多用户环境中验证其临床采纳效果	研究样本量有限（215例患者），且定制模型在特定失败模式（如膀胱造影、髋关节假体等）下表现不佳，共识不可接受率（8.7%）仍高于人工轮廓（3.5%）	评估并实施具有增量再训练功能的商业深度学习自动分割软件，以提升前列腺癌患者靶器官和危及器官自动勾画的临床实用性和准确性	215例前列腺癌患者的CT图像，包括靶器官（前列腺）和危及器官（如精囊、直肠等）	数字病理	前列腺癌	CT成像	深度学习模型	医学影像（CT图像）	215例前列腺癌患者（其中20例用于验证商业模型，100例用于训练定制模型，115例用于评估）	NA	NA	Dice相似系数, Hausdorff距离, 平均表面距离, 表面Dice相似系数	NA
160	2026-03-06	Automated player identification and indexing using two-stage deep learning network 2023-Jun-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36657-5 PMID:37339988	研究论文	本文提出了一种基于深度学习的球员追踪系统，用于自动追踪美式足球比赛中的球员并索引每场比赛的参与情况	采用两阶段网络设计，结合检测变换器和卷积神经网络，在拥挤场景中高精度识别球员和球衣号码	未明确提及具体局限性，可能包括数据不平衡或复杂环境下的识别挑战	开发自动化球员识别与索引系统，以提升美式足球比赛视频分析效率	美式足球比赛视频中的球员及其球衣号码	计算机视觉	NA	深度学习	检测变换器, 卷积神经网络	视频	未明确提及具体样本数量，仅提到足球视频数据	未明确提及具体框架，可能基于常见深度学习框架如TensorFlow或PyTorch	检测变换器, 卷积神经网络	定性结果, 定量结果	未明确提及具体计算资源