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
21	2026-05-16	Memory efficient model based deep learning reconstructions for high spatial resolution 3D non-cartesian acquisitions 2023-03-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acc003 PMID:36854193	研究论文	开发了一种名为块式学习的记忆高效方法，结合梯度检查点和块训练，实现基于模型深度学习的高空间分辨率三维非笛卡尔MRI重建	提出块式学习方法，将输入体积分解为小补丁进行梯度检查点和迭代正则化，显著降低GPU内存需求，克服了三维非笛卡尔MBDL重建的内存瓶颈	NA	提高高空间分辨率三维非笛卡尔MRI重建的内存效率和图像质量	高度欠采样的磁共振血管造影体积	机器学习	肺部疾病	MRI	深度学习模型	图像	矩阵尺寸为300-450×200-300×300-450的体积	PyTorch	块式学习网络	图像质量, 重建时间	单个GPU
22	2026-05-15	Real-time liver tumor localization via combined surface imaging and a single x-ray projection 2023-03-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acb889 PMID:36731143	研究论文	提出一种基于深度学习的框架Surf-X-Bio，通过结合光学表面影像和单次X射线投影实现肝脏肿瘤的实时三维定位	首次将光学表面成像与单次X射线投影结合，利用深度学习模型学习呼吸引起的外部体表与肝脏边界运动相关性，并采用图神经网络和生物力学建模进行运动校正和肿瘤定位	未报告在患者队列中的验证结果，且依赖于单个X射线投影可能受成像角度和噪声影响	开发一种实时（<500毫秒）的肝脏肿瘤三维运动追踪方法，用于自适应放疗	肝脏肿瘤的实时三维定位	计算机视觉, 数字病理学	肝癌	光学表面成像, X射线投影	深度学习模型, 图神经网络	影像数据	未提及具体样本量	PyTorch	图神经网络, 生物力学驱动模型	95百分位数豪斯多夫距离, 质心定位误差	NA
23	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
24	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
25	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
26	2026-04-17	An interpretable machine learning framework for measuring urban perceptions from panoramic street view images 2023-Mar-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.106132 PMID:36843850	研究论文	本文提出了一种可解释的机器学习框架，用于从全景街景图像中提取城市感知	强调特征和结果的可解释性，通过五步框架克服现有端到端“黑盒”模型的局限性	未明确提及具体限制，但暗示现有框架因缺乏可解释性而价值受限	测量城市感知，以支持城市规划	城市街景，特别是伦敦内城区的输出区域级别	计算机视觉	NA	深度学习	NA	全景街景图像	使用MIT Place Pulse数据集，具体样本数量未明确	NA	NA	通过犯罪率验证，未明确具体评估指标	NA
27	2026-04-10	Identifying Disease of Interest With Deep Learning Using Diagnosis Code 2023-Mar-20, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2023.38.e77 PMID:36942391	研究论文	本文提出了一种新型的端到端监督自编码器模型，用于仅使用诊断代码预测感兴趣疾病的共存情况	开发了一种端到端监督自编码器模型，该模型在学习过程中同时更新自编码器和分类器的参数，提高了预测性能	研究仅基于韩国国家健康信息数据库的数据，可能限制了模型的泛化能力	预测感兴趣疾病的共存诊断，仅使用诊断代码作为输入	来自韩国国家健康信息数据库的100万随机抽样患者的诊断代码	机器学习	胃癌	深度学习	自编码器, 多层感知机	诊断代码	100万患者	NA	自编码器, 多层感知机	F1分数, AUC, 召回率, 精确率	NA
28	2026-04-09	Usability and Clinician Acceptance of a Deep Learning-Based Clinical Decision Support Tool for Predicting Glaucomatous Visual Field Progression 2023-03-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002163 PMID:36877820	研究论文	本研究评估了临床医生对集成人工智能预测视觉场指标的临床决策支持工具GLANCE的可用性和接受度	更新并评估了集成深度学习预测视觉场指标的临床决策支持工具，并首次系统调查了临床医生对该工具中AI预测指标的信任度、实用性和降低检测频率意愿的接受程度	样本量较小（10名临床医生参与），仅评估了原型工具，尚未进行临床部署验证	评估临床医生对集成人工智能预测视觉场指标的临床决策支持工具的感知和接受度	眼科医生和验光师对临床决策支持工具GLANCE的使用体验和态度	数字病理	青光眼	深度学习	深度学习模型	视觉场指标数据	10名眼科医生和验光师，6个病例（11只眼睛）	NA	NA	Likert量表评分，系统可用性量表评分	NA
29	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
30	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
31	2026-03-02	Applications of Deep Learning in Endocrine Neoplasms 2023-Mar, Surgical pathology clinics DOI:10.1016/j.path.2022.09.014 PMID:36739164	综述	本文综述了深度学习在内分泌肿瘤组织病理学中的当前研究进展，重点关注实验设计、重要发现和关键局限性	系统总结了深度学习在内分泌肿瘤领域的应用现状，强调了从肿瘤分级到基因表达预测等任务中的效用	作为综述文章，未提出新的实验数据或模型，主要依赖现有文献的归纳分析	总结深度学习在内分泌肿瘤组织病理学中的研究现状与应用	内分泌肿瘤的组织病理学样本	数字病理学	内分泌肿瘤	NA	深度学习	组织学样本图像	NA	NA	NA	NA	NA
32	2026-03-02	Deep learning in digital pathology for personalized treatment plans of cancer patients 2023-Mar, Seminars in diagnostic pathology IF:2.9Q2 DOI:10.1053/j.semdp.2023.02.003 PMID:36890029	综述	本文综述了基于深度学习的数字病理学方法在癌症患者个性化治疗计划中的应用，重点介绍了利用H&E染色病理图像进行生物标志物量化和治疗反应预测的研究	利用人工智能自动量化病理图像中的生物标志物，实现更高效、客观的评估，辅助制定个性化癌症治疗方案	综述性文章未直接进行实验，因此未提及具体研究局限性	改善癌症患者治疗选择，通过AI辅助实现个性化治疗计划	癌症患者的H&E染色病理图像	数字病理学	癌症	H&E染色	深度学习	图像	NA	NA	NA	NA	NA
33	2026-02-20	Towards Automatic Cartilage Quantification in Clinical Trials - Continuing from the 2019 IWOAI Knee Segmentation Challenge 2023-Mar, Osteoarthritis imaging DOI:10.1016/j.ostima.2023.100087 PMID:39036792	研究论文	评估深度学习分割方法在骨关节炎临床试验中自动量化软骨损失的适用性	利用IWOAI 2019挑战赛的深度学习分割方法，首次在纵向临床试验中系统评估其量化软骨损失的敏感性	股骨亚区分割的后处理提取方法简单，可能导致敏感性降低	评估深度学习分割方法在标准化纵向单扫描仪临床试验中量化软骨损失的适用性	骨关节炎患者的膝关节MRI图像	数字病理学	骨关节炎	MRI	深度学习分割模型	图像	556名受试者，共1130个膝关节MRI扫描	NA	NA	标准化响应均值	NA
34	2026-02-13	Deep learning in spatial transcriptomics: Learning from the next next-generation sequencing 2023-Mar, Biophysics reviews IF:2.9Q2 DOI:10.1063/5.0091135 PMID:38505815	综述	本文综述了空间转录组学中深度学习模型的应用，探讨了现有工具、挑战及未来方向	深入探讨了深度学习在空间转录组学数据分析中的新兴应用，并指出了传统方法的局限性	深度学习模型在空间转录组学中仍处于早期阶段，应用尚未充分探索	综述空间转录组学数据分析方法，特别关注深度学习技术的应用	空间转录组学数据，包括基因表达谱和组织图像	数字病理学	NA	空间转录组学，单细胞RNA测序	深度学习模型	图像，计数矩阵	NA	NA	NA	NA	NA
35	2026-02-09	Deep learning site classification model for automated photodocumentation in upper GI endoscopy (with video) 2023-Mar, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.01.002 PMID:41647956	研究论文	本文开发了一种深度学习模型，用于从上消化道内窥镜视频数据中提取高质量图像帧并进行解剖部位分类，以实现自动化的影像记录	提出了一种结合图像过滤器和解剖部位分类的深度学习模型，能够从包含大量低质量帧的内窥镜视频中自动提取高质量图像，并实现高精度的解剖部位分类	模型在视频数据上的整体准确率（89.7%至94.8%）略低于静态图像测试，且仅针对8个特定解剖部位进行了验证	开发一种深度学习模型，用于自动化上消化道内窥镜检查中的影像记录和标准化	上消化道内窥镜视频和静态图像数据	计算机视觉	NA	内窥镜检查	深度学习模型	图像, 视频	8231张内窥镜静态图像和26,103张视频衍生图像用于训练、测试和内部验证，2142张独立静态图像用于外部验证，5段内窥镜视频（共6308帧）用于性能分析	NA	NA	准确率, F1分数	NA
36	2026-02-09	Novel artificial intelligence-enabled deep learning system to enhance adenoma detection: a prospective randomized controlled study 2023-Mar, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.01.013 PMID:41647953	研究论文	本研究评估了在结肠镜检查中使用新型AI辅助检测系统DEEP2对腺瘤检测率的提升效果	开发并验证了仅基于白光成像的AI系统DEEP2，在右半结肠检测中表现出显著优势，且误报率低于其他系统	单中心研究，未使用连续数字色素内镜，可能影响结果普适性	评估AI辅助检测系统在结肠镜检查中对腺瘤检测质量的影响	40至85岁接受结肠镜检查的参与者	计算机视觉	结直肠癌	白光结肠镜检查	深度学习	图像	674例结肠镜检查	NA	NA	腺瘤检测率, 每结肠镜腺瘤数, 息肉检测率, 误报率	NA
37	2026-01-11	Evidence for the role of transcription factors in the co-transcriptional regulation of intron retention 2023-03-22, Genome biology IF:10.1Q1 DOI:10.1186/s13059-023-02885-1 PMID:36949544	研究论文	本研究通过深度学习模型分析开放染色质区域，探索转录因子在共转录调控内含子保留中的作用	首次利用深度学习模型系统性地识别转录因子在调控内含子保留中的角色，并预测锌指家族转录因子为主要调控因子	研究主要基于计算预测和ChIP-seq数据验证，缺乏直接的实验机制验证	探究转录因子在共转录过程中调控内含子保留的机制	人类基因组中的内含子保留事件及相关转录因子	生物信息学	NA	深度学习, ChIP-seq	深度学习模型	基因组序列数据, ChIP-seq数据	NA	NA	NA	NA	NA
38	2025-10-05	Combining pairwise structural similarity and deep learning interface contact prediction to estimate protein complex model accuracy in CASP15 2023-Mar-12, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.08.531814 PMID:36945536	研究论文	开发了一种结合成对结构相似性和深度学习界面接触预测的混合方法MULTICOM_qa，用于评估蛋白质复合物模型准确性	首次将成对结构相似性方法与深度学习界面接触预测相结合，解决了传统方法在低质量模型聚集时失效的问题	未明确说明方法在特定类型蛋白质复合物上的局限性	开发蛋白质复合物模型准确性评估方法	蛋白质复合物和组装体的四级结构模型	生物信息学	NA	深度学习界面接触预测	深度学习	蛋白质结构模型	CASP15评估中的24个预测器参与比较	NA	NA	相关系数, 排序损失	NA
39	2025-10-06	Long-term care insurance purchase decisions of registered nurses: Deep learning versus logistic regression models 2023-03, Health policy (Amsterdam, Netherlands) DOI:10.1016/j.healthpol.2023.104709 PMID:36725380	研究论文	本研究使用深度学习模型和传统逻辑回归模型预测注册护士的长期护理保险购买决策	首次将深度神经网络应用于预测医疗专业人员保险决策，并与传统统计方法进行对比	样本仅来自单一医疗中心，缺乏时间序列数据的充分训练	预测注册护士的长期护理保险购买决策行为	台湾某大型医疗中心的1,373名注册护士	机器学习	NA	问卷调查	DNN, MLR	调查数据	1,373名注册护士（615名已购买保险，332名无购买意向，426名有购买意向）	NA	深度神经网络	准确率，精确率，召回率，F1分数	NA
40	2025-10-06	Federated Transfer Learning for Low-dose PET Denoising: A Pilot Study with Simulated Heterogeneous Data 2023-Mar, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2022.3194408 PMID:37789946	研究论文	提出一种联邦迁移学习框架用于解决低剂量PET图像去噪问题	首次将联邦迁移学习应用于处理不同机构间低剂量PET协议差异导致的领域偏移问题	研究基于模拟数据，尚未在真实临床数据上验证	开发能够在保护数据隐私前提下利用异构低剂量PET数据进行去噪的方法	低剂量正电子发射断层扫描(PET)图像	医学影像处理	NA	正电子发射断层扫描(PET)	深度学习	医学影像	模拟多机构数据	NA	NA	NA	NA