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	2026-04-04	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
142	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
143	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
144	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
145	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
146	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
147	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
148	2026-04-03	Predicting benefit from immune checkpoint inhibitors in patients with non-small-cell lung cancer by CT-based ensemble deep learning: a retrospective study 2023-07, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00082-1 PMID:37268451	研究论文	本研究通过基于CT的集成深度学习模型预测非小细胞肺癌患者对免疫检查点抑制剂的获益情况	首次开发了基于预处理CT扫描的集成深度学习模型（Deep-CT），用于预测免疫检查点抑制剂治疗后的生存结果，并证明其能提供独立于现有临床病理生物标志物的正交信息	回顾性研究设计，可能存在选择偏倚；仅使用两个医疗中心的数据，需要外部验证	研究深度学习在胸部CT扫描中的应用，以推导对免疫检查点抑制剂反应的成像特征，并评估其在临床背景中的附加价值	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	集成深度学习模型	图像	976名转移性EGFR/ALK阴性非小细胞肺癌患者	NA	集成深度学习模型	C-index, 总体生存期, 无进展生存期	NA
149	2026-04-02	Deep learning for detecting and elucidating human T-cell leukemia virus type 1 integration in the human genome 2023-Feb-10, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2022.100674 PMID:36873907	研究论文	本文开发了首个用于预测人类T细胞白血病病毒1型整合位点的深度学习框架DeepHTLV	首次应用深度学习框架进行HTLV-1病毒整合位点预测，并实现特征表示的高效性和可解释性	NA	开发高精度、高通量的HTLV-1病毒整合位点检测方法，以辅助疾病预防和治疗	人类T细胞白血病病毒1型在人类基因组中的整合位点	机器学习	白血病	基因组测序	深度学习	基因组序列	NA	NA	NA	准确率	NA
150	2026-04-02	Spatio-temporal classification for polyp diagnosis 2023-Feb-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.473446 PMID:36874484	研究论文	本文研究利用时空信息改进结肠息肉分类为腺瘤或非腺瘤的性能	提出使用时空信息来增强息肉分类的稳定性和准确性，通过两种方法在内部和公开数据集上验证性能提升	未明确说明具体的数据集大小或模型泛化能力的详细限制	提高结肠息肉自动分类的准确性和鲁棒性，以支持临床决策	结肠息肉（腺瘤与非腺瘤）	计算机视觉	结直肠癌	深度学习	NA	视频（时空序列）	NA	NA	NA	NA	NA
151	2026-04-01	Improving prognosis and assessing adjuvant chemotherapy benefit in locally advanced rectal cancer with deep learning for MRI: A retrospective, multi-cohort study 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109899 PMID:37660753	研究论文	本研究开发了一种基于术前MRI的深度学习模型，用于预测局部晚期直肠癌患者的局部复发、远处转移和总生存期，并评估辅助化疗的益处	提出了多生存任务网络（MuST）模型，能够同时预测多种生存结局，并构建了结合MuST-DM评分、神经侵犯和CA19-9的辅助化疗决策树，实现了个体化治疗评估	这是一项回顾性研究，可能存在选择偏倚，且模型在更广泛人群中的泛化能力仍需进一步验证	开发预测局部晚期直肠癌患者生存结局的深度学习模型，并识别能从辅助化疗中获益的患者	局部晚期直肠癌患者	数字病理学	直肠癌	MRI	深度学习	图像	主要队列308例，两个外部验证队列分别247例和245例	NA	多生存任务网络（MuST）	预后准确性	NA
152	2026-04-01	Evaluation of different algorithms for automatic segmentation of head-and-neck lymph nodes on CT images 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109870 PMID:37634765	研究论文	本研究评估了四种基于图谱和两种深度学习算法在头颈部CT图像上自动分割淋巴结的性能	首次在头颈部淋巴结自动分割任务中，系统比较了基于图谱方法与深度学习方法的性能，并引入了多中心深度学习解决方案的评估	样本量相对较小（69例患者），且所有数据均来自单一机构，可能限制了结果的泛化能力	评估不同自动分割算法在头颈部淋巴结CT图像分割中的准确性和临床实用性	头颈部癌症患者的双侧选择性淋巴结（CTVn）	计算机视觉	头颈部癌症	CT成像	深度学习模型	CT图像	69例头颈部癌症患者（10例用于图谱库，49例用于训练，20例用于测试）	NA	NA	Dice相似系数, 95% Hausdorff距离	NA
153	2026-04-01	Efficient segmentation using domain adaptation for MRI-guided and CBCT-guided online adaptive radiotherapy 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109871 PMID:37634767	研究论文	本研究开发了基于域适应的高效分割方法，用于MRI引导和CBCT引导的在线自适应放疗	设计了两种域适应方法，将计划CT的特征学习并适应到MRI或CBCT模态，并通过个性化建模提高分割准确性	NA	开发高效的分割方法以改进自适应放疗中的ROI勾画	前列腺癌患者、鼻咽癌患者和胰腺癌患者的医学影像数据	数字病理	前列腺癌, 鼻咽癌, 胰腺癌	MRI, CBCT, CT, 域适应	深度学习模型	医学影像（MRI, CBCT, CT）	242名前列腺癌患者（MRIgART），530名鼻咽癌患者（CBCTgART），35名胰腺癌患者（公共CBCT数据集）	NA	NA	Dice相似系数（DSC）	NA
154	2026-03-29	MKMR: a multi-kernel machine regression model to predict health outcomes using human microbiome data 2023-05-19, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbad158 PMID:37099694	研究论文	本文提出了一种多核机器回归模型，用于利用人类微生物组数据预测健康结果	首次开发了能够同时利用多种微生物组信号形式（如丰度、存在/缺失、系统发育关系）的预测模型	未明确说明模型在更广泛数据集或不同疾病类型中的泛化能力	开发一个预测模型，以利用人类微生物组数据预测健康结果	人类微生物组数据，包括喉咙和肠道微生物组	机器学习	NA	微生物组测序	多核机器回归	微生物组丰度数据、存在/缺失数据	NA	NA	多核机器回归	预测性能	NA
155	2026-03-29	Prediction of postoperative infection in elderly using deep learning-based analysis: an observational cohort study 2023-Mar, Aging clinical and experimental research IF:3.4Q2 DOI:10.1007/s40520-022-02325-3 PMID:36598653	研究论文	本研究旨在开发和验证基于深度学习的模型，用于预测老年患者术后感染风险	首次在老年患者中应用深度学习模型整合围手术期风险因素进行术后感染预测	研究为观察性队列设计，样本量有限（2014例），且未在外部验证集中测试模型泛化能力	开发并验证深度学习模型以预测老年患者术后感染	2014年4月至6月期间中国28家医院接受择期手术的2014名老年患者	机器学习	老年疾病	NA	深度学习模型	临床特征数据	2014名老年患者（训练集1510例，验证集504例）	NA	NA	AUC, 敏感性, 特异性	NA
156	2026-03-29	Socioeconomic disparity in the association between fine particulate matter exposure and papillary thyroid cancer 2023-02-23, Environmental health : a global access science source IF:5.3Q1 DOI:10.1186/s12940-023-00972-1 PMID:36823621	研究论文	本研究评估了细颗粒物（PM2.5）累积暴露与乳头状甲状腺癌（PTC）的关联，并发现这种关联在社会经济群体中存在差异	首次使用深度学习神经网络模型结合气象和卫星数据计算PM2.5累积暴露，并揭示了PM2.5暴露与PTC诊断之间的关联在不同家庭收入群体中的差异	研究为回顾性病例对照设计，可能存在选择偏倚和未测量的混杂因素，且PM2.5暴露评估基于居住地邮政编码，未考虑个体移动性	评估PM2.5暴露与乳头状甲状腺癌（PTC）的关联，并确定高风险患者亚组	成年患者（年龄≥18岁），包括2013年1月至2016年12月期间新诊断为PTC的患者以及无甲状腺疾病的对照组患者	环境流行病学	甲状腺癌	深度学习神经网络模型，结合气象和卫星测量数据	深度学习神经网络	电子病历数据、气象数据、卫星数据	1990名PTC患者和6919名无甲状腺疾病的对照组患者	NA	NA	调整后比值比（aOR）、95%置信区间（95%CI）、交互作用p值	NA
157	2026-03-29	EPViz: A flexible and lightweight visualizer to facilitate predictive modeling for multi-channel EEG 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282268 PMID:36848345	研究论文	介绍了一种名为EPViz的新型开源可视化工具，用于辅助多通道脑电图（EEG）的预测建模开发、验证和结果报告	开发了一个轻量级、独立的软件包，能够加载PyTorch深度学习模型，将输出预测叠加在原始EEG时间序列上，并支持高分辨率图像保存，填补了EEG可视化领域的空白	NA	促进计算神经科学中时空预测分析的发展，并推动工程师与临床医生之间的合作	多通道头皮脑电图（EEG）数据	机器学习	NA	脑电图（EEG）	深度学习模型	时间序列数据	NA	PyTorch	NA	NA	NA
158	2026-03-28	Deep learning combining FDG-PET and neurocognitive data accurately predicts MCI conversion to Alzheimer's dementia 3-year post MCI diagnosis 2023-Oct-15, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2023.106310 PMID:37769746	研究论文	本研究开发了一种结合FDG-PET和神经认知数据的深度学习模型，用于预测轻度认知障碍在诊断后三年内转化为阿尔茨海默病痴呆	首次将全脑FDG-PET与认知评分结合，利用卷积神经网络预测MCI向AD的转化，并通过显著性图识别关键脑区	样本量相对有限（共612名受试者），且仅基于ADNI数据库，可能缺乏外部验证	预测轻度认知障碍在三年内转化为阿尔茨海默病痴呆	阿尔茨海默病神经影像学倡议（ADNI）中的150名正常对照、257名MCI患者和205名AD患者	数字病理学	老年疾病	FDG-PET成像	CNN	图像, 文本	612名受试者（150名正常对照、257名MCI、205名AD）	NA	卷积神经网络	AUC, 平衡准确度	NA
159	2026-03-28	The Cardiovascular Impact and Genetics of Pericardial Adiposity 2023-Jul-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.07.16.23292729 PMID:37502935	研究论文	本研究利用深度学习模型量化心包脂肪组织面积，评估其与心血管疾病的关联，并揭示其遗传基础	首次在大规模人群队列中结合深度学习量化心包脂肪组织，并发现5个新的遗传位点，阐明其与腹部肥胖的共享遗传决定因素	研究主要基于欧洲血统人群（英国生物银行和FinnGen），可能限制结果在其他人群中的普适性	评估心包脂肪组织与心血管疾病的关联，并阐明其遗传基础	英国生物银行中的44,725名参与者以及FinnGen研究中的453,733名独立参与者	数字病理学	心血管疾病	语义分割，全基因组关联研究	深度学习模型	四腔磁共振图像	44,725名英国生物银行参与者（51.7%女性，平均年龄64.1岁）和453,733名FinnGen研究参与者	NA	NA	β系数，风险比，比值比，P值	NA
160	2026-03-28	Protocol for vision transformer-based evaluation of drug potency using images processed by an optimized Sobel operator 2023-Jun-16, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102259 PMID:37133992	研究论文	提出一种基于视觉Transformer和Conv2D的无标记高通量药物效力评估协议，用于抗癌药物筛选	结合优化的Sobel算子图像处理与视觉Transformer模型，实现无标记、高通量的药物效力评估，替代传统耗时费力的化学反应方法	协议细节需参考Wang等人的完整文献，可能对计算资源有特定要求	开发一种高效、低成本的抗癌药物筛选方法	细胞培养物及经药物处理的细胞图像	计算机视觉	癌症	细胞培养、药物处理、图像采集与预处理	Vision Transformer, Conv2D	图像	NA	NA	Vision Transformer, Conv2D	NA	NA