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
1	2026-05-26	Transformer based deep learning denoising of single and multi-delay 3D Arterial Spin Labeling 2023-Apr-26, medRxiv : the preprint server for health sciences DOI:10.1101/2023.04.24.23288718 PMID:37162975	研究论文	提出基于Swin Transformer的深度学习方法对单延迟和多延迟三维动脉自旋标记图像去噪，并与卷积神经网络方法进行比较	首次将Swin Transformer应用于三维ASL图像去噪，并在单延迟和多延迟场景中均优于传统CNN方法	训练数据来自3个不同厂商但样本量有限（59名受试者，104次扫描），可能影响泛化能力	开发高质量ASL图像去噪方法以提升临床适用性	单延迟和多延迟三维动脉自旋标记图像	计算机视觉	脑血管疾病	3D动脉自旋标记，深度学习去噪	Swin Transformer	医学图像	单延迟：59名受试者（104次扫描）训练，44名受试者（57次扫描）测试；多延迟：6名受试者（10次扫描）	NA	Swin Transformer，卷积神经网络	相似度指标，信噪比，脑血流量和动脉传输时间的量化准确性	NA
2	2026-05-25	Longitudinal fundus imaging and its genome-wide association analysis provide evidence for a human retinal aging clock 2023-04-17, eLife IF:6.4Q1 DOI:10.7554/eLife.82364 PMID:36975205	研究论文	利用眼底图像和深度学习方法构建视网膜衰老时钟‘eyeAge’，并通过全基因组关联分析提供证据	开发了一种基于眼底图像的高精度视网膜衰老时钟，其预测准确性优于其他衰老时钟，并通过全基因组关联分析发现与个体特异性衰老相关的遗传位点，还在果蝇中验证了基因功能	尚未明确提及局限性，可能包括数据来源的群体偏差或短期时间尺度验证的局限性	利用眼底图像和深度学习方法构建并验证一个更精确的视网膜衰老时钟，以研究衰老及年龄相关疾病	人类的眼底图像及其与衰老相关的遗传特征	计算机视觉, 机器学习	老年性疾病	眼底成像, 全基因组关联分析	深度神经网络	图像	EyePACS数据集（未指定具体数量）和UK Biobank数据（未指定具体数量），但包含质量筛选后的数据	PyTorch	NA	平均绝对误差	NA
3	2026-05-23	Methods and considerations for estimating parameters in biophysically detailed neural models with simulation based inference 2023-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.17.537118 PMID:37131818	研究论文	本文探讨了如何利用基于模拟的推理（SBI）估计生物物理详细神经模型中的参数，特别是针对时间序列波形，并提供了指南和考虑因素	首次为生物物理详细神经模型中的大规模参数推断提供了实用指南，特别是利用SBI处理时间序列波形数据，并建立了诊断后验估计质量和唯一性的方法	SBI在生物物理详细模型中的大规模应用仍具挑战，且推断参数以解释时间序列波形的方法尚未完全建立	为生物物理详细神经模型中的参数估计提供SBI应用指南和考虑因素，特别是针对时间序列波形	生物物理详细的神经模型、MEG/EEG时间序列波形	机器学习	NA	基于模拟的推理（SBI）	生物物理详细神经模型	时间序列波形（MEG/EEG数据）	NA	PyTorch	密度估计神经网络	后验诊断指标（如质量与唯一性评估）	NA
4	2026-05-22	Inter-fraction deformable image registration using unsupervised deep learning for CBCT-guided abdominal radiotherapy 2023-04-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acc721 PMID:36958049	研究论文	提出一种基于无监督深度学习的CBCT-CBCT可变形图像配准方法，用于CBCT引导的腹部放疗中的分次间解剖变化分析	提出结合全局生成对抗网络和局部生成对抗网络的空间变换网络，无需真实变形矢量场的监督即可实现粗尺度和细尺度运动预测	NA	实现CBCT引导的腹部放疗中分次间的快速准确纵向CBCT配准，以量化解剖变化	腹部癌症患者的CBCT图像	计算机视觉	腹部癌症	CBCT成像	生成对抗网络	图像	20名腹部癌症患者的100个分次CBCT用于实验，21名不同腹部癌症患者的105个分次CBCT用于保留测试	PyTorch	空间变换网络，全局生成对抗网络，局部生成对抗网络	目标配准误差，平均绝对误差，归一化互相关	NA
5	2026-05-16	Head and neck tumor segmentation convolutional neural network robust to missing PET/CT modalities using channel dropout 2023-04-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/accac9 PMID:37019119	研究论文	提出一种基于通道丢弃技术的3D U-Net卷积神经网络，用于头颈癌肿瘤分割，能够灵活处理缺失的PET/CT模态	引入通道丢弃技术模拟不同输入模态组合，使单一模型在仅有CT或PET单模态以及两者结合时均保持高性能，同时采用传统卷积和扩张卷积结合的双感受野集成建模方法	未提及	开发一种鲁棒、准确且自动化的头颈癌原发肿瘤体积分割方法，提升放射治疗中的临床适用性	头颈癌患者的CT和FDG-PET影像	数字病理学	头颈癌	CT, FDG-PET	卷积神经网络 (CNN)	图像	未明确提及	PyTorch	3D U-Net	Dice相似系数 (DSC)	未提及
6	2026-05-16	Integrating multimodal information in machine learning for classifying acute myocardial infarction 2023-04-18, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/acc77f PMID:36963114	研究论文	利用多模态信息通过机器学习方法对急性心肌梗死进行分类	提出了一种新颖的多模态深度学习架构，能够从心电信号和患者人口统计学信息中学习联合特征，并通过考虑心肌梗死混淆条件（如其他心脏疾病）来改进模型在实际临床场景中的性能	未明确提及，但可能包括数据集的规模限制或模型在真实世界应用中的泛化能力	探索多模态信息（心电信号与患者信息）对机器学习模型在急性心肌梗死分类中的影响，并推动模型向真实临床应用迈进	急性心肌梗死患者和健康对照者，以及具有心肌梗死混淆条件的其他心脏疾病患者	机器学习	心血管疾病	NA	深度学习	心电信号与人口统计学数据	使用了公共大规模心电数据集中的录音记录	NA	NA	AUC，准确率	NA
7	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
8	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
9	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
10	2026-03-21	mHealth hyperspectral learning for instantaneous spatiospectral imaging of hemodynamics 2023-Apr, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgad111 PMID:37113981	研究论文	本文提出了一种基于学习的高光谱成像方法，通过少量采样数据从RGB图像中恢复高光谱立方体，实现快速血流动力学成像	提出高光谱学习概念，仅需小区域采样数据即可从RGB图像恢复完整高光谱立方体，突破传统高光谱成像的空间-光谱权衡限制	未明确说明算法在不同光照条件和组织类型下的泛化能力，也未讨论计算复杂度对实时应用的影响	开发一种快速、低成本的高光谱成像方法，用于血流动力学监测	血管发育实验模型和人体外周微循环系统	计算机视觉	心血管疾病	高光谱成像，智能手机视频录制	深度学习	图像，视频	NA	NA	NA	光谱分辨率（与科学光谱仪对比）	普通智能手机摄像头
11	2026-03-19	The Impact of Stability Considerations on Genetic Fine-Mapping 2023-Apr-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.11.536456 PMID:37090514	研究论文	本文提出了一种基于稳定性考虑的遗传精细定位方法，以补充传统基于残差化的方法，提高识别功能遗传变异的能力	引入稳定性指导的精细定位方法，不依赖残差化，通过跨不同遗传背景或环境的一致性来识别变异，并整合深度学习功能注释进行评估	方法依赖于GEUVADIS数据集和特定功能注释，可能在其他数据集或注释体系中泛化能力有限，且未详细讨论计算复杂度	改进遗传精细定位方法，以更准确地识别与复杂性状相关的遗传变异	遗传变异（特别是eQTLs）和人类基因组功能注释	机器学习	NA	遗传精细定位、功能注释分析、深度学习	NA	遗传数据、功能注释数据	基于GEUVADIS数据，具体样本数未明确说明	NA	Enformer（深度学习模型）	功能注释富集分析	NA
12	2026-03-16	The opportunities and challenges posed by the new generation of deep learning-based protein structure predictors 2023-04, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2023.102543 PMID:36807079	综述	本文综述了新一代基于深度学习的蛋白质结构预测工具的影响、机遇与挑战	探讨了基于深度学习的新一代蛋白质结构预测工具带来的科学和技术挑战及未来方向	NA	概述新一代蛋白质结构预测工具对生命科学领域的影响并讨论其机遇与挑战	蛋白质结构预测工具及其在生命科学中的应用	机器学习	NA	深度学习	NA	蛋白质序列	NA	NA	NA	NA	NA
13	2026-03-06	Classifying Malignancy in Prostate Glandular Structures from Biopsy Scans with Deep Learning 2023-Apr-17, Cancers IF:4.5Q1 DOI:10.3390/cancers15082335 PMID:37190264	研究论文	本研究开发了一个深度学习模型，用于从活检扫描中分类前列腺腺体结构的恶性程度，并验证其在独立数据集上的性能	采用迁移学习和微调方法，将预训练于ImageNet的深度学习网络适配于小样本组织病理学图像分类，以区分前列腺癌的Gleason模式	样本量相对较小（基线测试52例患者，GS3与GS4区分40例患者），且模型在区分GS3与GS4时的准确率较低（68%）	通过深度学习自动分类前列腺癌活检扫描中的腺体结构恶性程度，减少对专家经验的依赖	前列腺活检组织病理学图像中的腺体结构	数字病理学	前列腺癌	组织病理学成像	深度学习神经网络	图像	14,509个图像块，来自52例患者（基线测试）和40例患者（GS3/GS4区分）	NA	多种深度学习网络架构（具体未指定）	准确率, F1分数, AUC	NA
14	2026-02-06	Patterns of diverse and changing sentiments towards COVID-19 vaccines: a sentiment analysis study integrating 11 million tweets and surveillance data across over 180 countries 2023-04-19, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad029 PMID:36821435	研究论文	本研究通过整合社交媒体推文与公共卫生监测数据，分析了全球范围内对COVID-19疫苗的情感演变模式	首次结合超过1100万条推文和180多个国家的监测数据，采用人机协同深度学习模型，揭示疫苗情感与接种行为的关联，并特别关注孕妇亚群体的滞后模式	研究依赖推特数据，可能无法全面代表所有人群观点；情感分析模型虽表现良好，但仍可能存在误判	探究COVID-19疫苗的公众情感演变及其与疫苗接种行为的关联，为疫苗推广提供策略依据	来自全球180多个国家的2,203,681名推特用户发布的11,211,672条相关推文	自然语言处理	COVID-19	情感分析，深度学习	深度学习模型	文本（推文），公共卫生监测数据	11,211,672条推文，涉及2,203,681名用户	未明确指定	未明确指定	准确率（0.92）	NA
15	2026-01-19	Using AI and computer vision to analyze technical proficiency in robotic surgery 2023-04, Surgical endoscopy DOI:10.1007/s00464-022-09781-y PMID:36536082	研究论文	本研究利用AI和计算机视觉技术分析机器人手术视频，以评估外科医生的技术熟练度	开发了一种可解释的自动化方法，通过计算机视觉AI算法评估机器人手术中的技术熟练度，并与专家评分进行相关性验证	研究仅针对结直肠机器人手术中的腹膜闭合步骤，样本量相对较小（92个剪辑），且主要关注效率和双手灵巧性两个维度	设计并验证一种客观、高效的计算机视觉方法，用于评估机器人手术中的技术熟练度	结直肠机器人手术视频中的腹膜闭合剪辑	计算机视觉	结直肠癌	计算机视觉视频分析	深度学习	视频	92个腹膜闭合手术视频剪辑	未明确指定	未明确指定	相关性系数（r值），p值	未明确指定
16	2025-12-21	Radiation-induced Acoustic Signal Denoising using a Supervised Deep Learning Framework for Imaging and Therapy Monitoring 2023-Apr-26, ArXiv PMID:37163138	研究论文	本文提出了一种基于监督深度学习框架的辐射诱导声学信号去噪方法，用于成像和治疗监测	开发了通用的深度初始卷积神经网络（GDI-CNN），通过多扩张卷积编码和解码不同时间特征的信号，实现对多种辐射源信号的泛化去噪	未明确提及具体的数据集规模或模型在极端噪声条件下的性能限制	旨在减少辐射诱导声学成像所需的平均次数，以降低辐射剂量并提高时间分辨率	辐射诱导声学信号，包括X射线诱导声学、质子声学和电声学信号	医学影像处理	NA	辐射诱导声学成像	CNN	声学信号	NA	NA	GDI-CNN（通用深度初始卷积神经网络）	信噪比	NA
17	2025-12-09	Transforming medical imaging with Transformers? A comparative review of key properties, current progresses, and future perspectives 2023-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102762 PMID:36738650	综述	本文对Transformer在医学影像领域的应用进行了比较性综述，探讨其关键特性、当前进展及未来前景	基于Transformer的关键定义特性（主要通过与CNN比较得出）及其架构类型来组织综述，帮助读者深入理解相关方法的原理	NA	评估Transformer在医学影像领域的现状、应用进展及未来发展方向	医学影像数据	医学影像	NA	深度学习	Transformer, CNN	医学影像	NA	NA	Transformer, CNN	NA	NA
18	2025-11-27	Synthesis of Prospective Multiple Time Points F-18 FDG PET Images from a Single Scan Using a Supervised Generative Adversarial Network 2023-Apr, Nuklearmedizin. Nuclear medicine DOI:10.1055/a-2026-0784 PMID:36878470	研究论文	使用监督生成对抗网络从单次扫描合成前瞻性多时间点F-18 FDG PET图像	将pix-to-pix GAN网络扩展应用于生成不同时间点的PET图像，仅需注射后60分钟的扫描数据	图像质量和训练数据量影响网络性能，患者研究结果较体模研究略有下降	评估pix-to-pix GAN网络在不同时间点图像生成中的可行性	体模和患者F-18 FDG PET图像	医学影像分析	NA	F-18 FDG PET成像	GAN	医学图像	体模研究和患者研究	NA	pix-to-pix GAN, ResNet-50	SSIM, PSNR, MSE, 分类准确率	NA
19	2025-11-15	Machine-guided path sampling to discover mechanisms of molecular self-organization 2023-04, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00428-z PMID:38177937	研究论文	提出一种结合深度学习和过渡路径理论的自主动力学路径采样算法，用于发现分子自组织现象的机制	开发了能够自主构建、验证和更新定量机制模型的路径采样算法，通过符号回归将学习机制转化为人类可解释的物理观测量形式	NA	探索分子自组织现象的机制发现方法	溶液中的离子缔合、天然气水合物晶体形成、聚合物折叠和膜蛋白组装	机器学习	NA	深度学习, 过渡路径理论, 符号回归	深度学习模型	分子动力学轨迹数据	NA	NA	NA	NA	NA
20	2025-10-05	Application of Machine learning to predict RF heating of cardiac leads during magnetic resonance imaging at 1.5 T and 3 T: A simulation study 2023-04, Journal of magnetic resonance (San Diego, Calif. : 1997) DOI:10.1016/j.jmr.2023.107384 PMID:36842429	研究论文	本研究探索应用深度学习预测心脏导联在1.5T和3T磁共振成像中射频加热的可行性	首次将深度学习应用于预测位置和方向可变的导电导联在MRI中的射频加热，突破了传统固定位置预测的限制	基于仿真数据的研究，需要进一步实验验证；SAR预测误差范围较大（223W/kg和206W/kg）	开发快速预测磁共振成像中导电植入物射频加热的机器学习方法	心脏导联模型（心血管植入电子设备中的导联）	机器学习	心血管疾病	电磁仿真，磁共振成像	神经网络	仿真数据，坐标数据	600个具有临床相关轨迹的心脏导联模型	NA	神经网络	均方根误差，R分数	NA