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	2026-05-23	Automatic International Hidradenitis Suppurativa Severity Score System (AIHS4): A novel tool to assess the severity of hidradenitis suppurativa using artificial intelligence 2023-Jun, 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.13357 PMID:37357665	研究论文	提出一种基于深度学习的自动化脓性汗腺炎严重程度评分系统（AIHS4），用于替代传统手动IHS4评估	首次实现基于YOLOv5架构的深度学习模型自动评估化脓性汗腺炎严重程度，并通过多专家标注和知识统一算法处理训练数据	当前数据集规模有限，可能影响模型泛化性	开发自动化的IHS4评分工具以提高临床评估效率和一致性	化脓性汗腺炎患者皮肤图像	计算机视觉	化脓性汗腺炎	深度学习	CNN（YOLOv5）	图像	未明确说明，但提及当前数据集规模	PyTorch（基于YOLOv5）	YOLOv5	与顶尖医生性能相当（未具体列出指标）	未说明
2	2026-05-22	How Does Attention Work in Vision Transformers? A Visual Analytics Attempt 2023-Jun, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3261935 PMID:37027263	研究论文	通过可视化分析方法研究视觉Transformer中注意力机制的原理	提出基于剪枝的度量方法识别重要注意力头，并采用自编码器总结注意力模式	未明确提及局限性	理解视觉Transformer中注意力的工作机制	视觉Transformer模型的注意力头	计算机视觉	NA	NA	视觉Transformer	图像	NA	PyTorch	Vision Transformer	NA	NA
3	2026-05-15	[Research status and outlook of deep learning in oral and maxillofacial medical imaging] 2023-06-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230405-00138 PMID:37305929	综述	综述深度学习在口腔颌面医学影像中的研究现状与展望，涵盖牙齿及解剖结构检测、疾病诊断和法医鉴定等应用	系统梳理深度学习在口腔颌面影像中的多方面应用，并总结研究局限与未来发展方向	仅叙述性综述，未进行系统性文献检索或量化分析	探讨深度学习在口腔颌面医学影像领域的研究现状与未来趋势	口腔颌面医学影像（如X光、CT等）中的牙齿及解剖结构、疾病和法医学应用	计算机视觉	口腔疾病	NA	深度学习	图像	NA	NA	NA	NA	NA
4	2026-05-10	[Research status and outlook of deep learning in oral and maxillofacial medical imaging] 2023-06-05, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230405-00138 PMID:37271997	综述	综述深度学习在口腔颌面医学影像领域的研究现状与展望	系统总结了深度学习在口腔颌面影像中的应用，包括牙齿及解剖结构检测识别分割、疾病诊断及法医鉴定，并指出未来发展方向	现有研究可能存在的局限性未具体说明	总结深度学习在口腔颌面医学影像分析中的应用进展与挑战	口腔颌面影像中的牙齿、解剖结构、疾病病灶及法医鉴定对象	计算机视觉	口腔颌面疾病	NA	深度学习模型	医学影像	NA	NA	NA	NA	NA
5	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
6	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
7	2026-04-25	Transfer learning enables predictions in network biology 2023-06, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06139-9 PMID:37258680	研究论文	开发了一种基于注意力机制的深度学习模型Geneformer，通过迁移学习在限量数据场景下预测基因网络	首次将大规模预训练深度学习模型（Geneformer）应用于网络生物学，通过自监督学习编码网络层次结构，支持限量数据下的下游任务微调	NA	利用迁移学习解决基因网络预测中数据稀缺的问题，加速发现网络关键调控因子和候选治疗靶点	基因网络和单细胞转录组数据	机器学习	心肌病	单细胞转录组测序	注意力神经网络	单细胞转录组数据	约3000万单细胞转录组样本	PyTorch	Geneformer（基于Transformer架构）	预测准确性	NA
8	2026-04-11	Weakly supervised perivascular spaces segmentation with salient guidance of Frangi filter 2023-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29593 PMID:36692103	研究论文	本文提出了一种结合Frangi滤波器与卷积神经网络的弱监督3D血管周围空间分割模型	通过条件随机场理论将基于规则的Frangi滤波器与U-Net深度学习算法结合，实现弱监督学习，减少对大规模标注数据的依赖	未明确说明模型在更广泛数据集上的泛化能力或计算效率的具体限制	开发用于血管周围空间分割的弱监督3D分割模型，提高分割准确性并区分PVS与白质高信号	人类连接组计划数据中的血管周围空间	数字病理学	NA	Frangi滤波器，卷积神经网络	CNN	3D图像	人类连接组计划数据，具体样本数量未明确	NA	U-Net	真阳性率，假阳性率	NA
9	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
10	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
11	2026-03-25	Fundus Tessellated Density Assessed by Deep Learning in Primary School Children 2023-06-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.6.11 PMID:37342054	研究论文	本研究利用深度学习技术评估小学儿童眼底镶嵌密度，并探讨其与眼部参数的关系	首次将人工智能技术应用于儿童眼底镶嵌密度的定量评估，并分析了不同分布模式的特征	样本量有限（仅577名7岁儿童），且为横断面研究，无法确定因果关系	探索眼底镶嵌密度与眼部特征的关系，并比较不同眼底镶嵌分布模式	577名7岁儿童的眼部数据	计算机视觉	近视相关眼底病变	深度学习	深度学习模型	图像	577名7岁儿童	NA	NA	NA	NA
12	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
13	2026-03-02	Acquisition of a Lexicon for Family History Information: Bidirectional Encoder Representations From Transformers-Assisted Sublanguage Analysis 2023-Jun-27, JMIR medical informatics IF:3.1Q2 DOI:10.2196/48072 PMID:37368483	研究论文	本研究旨在构建一个用于家庭病史信息提取和标准化的词汇资源，利用基于Transformer的方法从初级保健临床笔记中提取信息，并通过规则和深度学习系统进行评估	利用基于Transformer的方法（如BERT）辅助构建家庭病史词汇资源，结合规则和深度学习系统进行信息提取，提高了召回率	性能评估中F1分数存在波动，且词汇资源主要基于特定临床笔记语料，可能在其他医疗环境中泛化能力有限	构建一个标准化的家庭病史词汇资源，以支持电子健康记录中的信息提取和下游临床应用	家庭病史信息，包括临床笔记中的实体和关系	自然语言处理	NA	自然语言处理，基于Transformer的方法	BERT，深度学习模型	文本（临床笔记）	语料来自初级保健临床笔记，具体样本数量未明确说明	NA	Transformer，BERT	F1分数，召回率	NA
14	2026-02-15	Prediction of chromatin looping using deep hybrid learning (DHL) 2023-Jun, Quantitative biology (Beijing, China) DOI:10.15302/J-QB-022-0315 PMID:41675657	研究论文	本文提出了一种基于深度混合学习（DHL）的方法，用于预测染色质环化，结合了深度学习模型DNABERT与传统机器学习算法	创新点在于将基于Transformer的DNABERT深度学习模型与SVM、RF、KNN等传统机器学习模型集成，形成深度混合学习（DHL）框架，以提高染色质环化预测的精度	未在摘要中明确提及具体限制	研究目的是利用深度混合学习预测染色质环化，以理解基因组空间组织对复杂性状的影响	研究对象是染色质环化数据，具体基于ChIA-PET实验，涉及CTCF和RNAPII数据集	机器学习	NA	Hi-C, ChIA-PET	BERT, SVM, RF, KNN	基因组序列数据	NA	NA	DNABERT, Transformer	精度	NA
15	2026-02-15	Computational methods for identifying enhancer-promoter interactions 2023-Jun, Quantitative biology (Beijing, China) DOI:10.15302/J-QB-022-0322 PMID:41675661	综述	本文系统综述了自2010年以来用于识别增强子-启动子相互作用（EPIs）的计算方法，包括传统机器学习和深度学习模型，并总结了相关数据集资源和在疾病（如癌症）中的应用	提供了增强子-启动子相互作用预测方法的系统性总结，特别关注了基于深度学习和迁移学习的模型，这些模型可直接从DNA序列预测EPIs，减少了生物信息学研究者的参数训练时间	NA	总结和梳理增强子-启动子相互作用的识别方法，为研究者提供应用和优化这些方法的框架	增强子、启动子及其相互作用（EPIs）	生物信息学	癌症	测序技术	传统机器学习, 深度学习	遗传、基因组和表观基因组特征数据, DNA序列	NA	NA	NA	NA	NA
16	2026-02-15	3D genomic organization in cancers 2023-Jun, Quantitative biology (Beijing, China) DOI:10.15302/J-QB-022-0317 PMID:41675662	综述	本文综述了三维基因组组织在癌症中的作用及其研究进展	整合了生物信息学技术，特别是机器学习和深度学习，在三维癌症基因组研究中的应用潜力	NA	探讨三维基因组结构在癌症发生、发展和治疗中的作用机制	三维染色质结构（染色质区室A/B、拓扑关联结构域和增强子-启动子相互作用）	生物信息学	癌症	机器学习和深度学习	NA	基因组数据	NA	NA	NA	NA	NA
17	2026-02-03	Low-contrast-dose liver CT using low monoenergetic images with deep learning-based denoising for assessing hepatocellular carcinoma: a randomized controlled noninferiority trial 2023-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-09298-x PMID:36576547	研究论文	本研究通过一项随机对照非劣效性试验，评估了使用双能CT和深度学习去噪技术的低对比剂剂量CT在肝细胞癌高风险患者中的有效性	结合双能CT的低单能图像和深度学习去噪技术，首次在随机对照试验中证明可将肝脏CT的对比剂剂量减少40%而不影响肝细胞癌的显影清晰度	研究为单中心试验，样本量相对较小（90名参与者），且仅针对肝细胞癌高风险患者，结果可能无法推广到所有人群或其他肝脏病变	评估低对比剂剂量CT结合先进成像技术在肝细胞癌检测中的非劣效性	肝细胞癌高风险患者	数字病理	肝细胞癌	双能CT，深度学习去噪，模型迭代重建	深度学习	CT图像	90名参与者（47名标准剂量组，43名低剂量组）	NA	NA	肝细胞癌显影清晰度评分，非劣效性检验	NA
18	2025-12-20	Deep learning enhanced ultra-fast SPECT/CT bone scan in patients with suspected malignancy: quantitative assessment and clinical performance 2023-06-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acddc6 PMID:37307847	研究论文	本研究评估了深度学习增强的超快SPECT/CT骨扫描在疑似恶性肿瘤患者中的临床性能	将深度学习应用于3分钟SPECT扫描，生成算法增强图像，在仅1/7采集时间内达到与标准20分钟SPECT/CT相当的图像质量和诊断价值	样本量相对较小（102例），且为单中心前瞻性研究	评估深度学习增强超快SPECT/CT骨扫描的临床诊断性能	102例疑似恶性肿瘤患者	数字病理学	恶性肿瘤	SPECT/CT骨扫描	深度学习模型	医学影像（SPECT/CT图像）	102例患者	NA	NA	灵敏度, 特异性, 准确性, 组内相关系数, 峰值信噪比, 结构相似性指数, SUV最大值	NA
19	2025-12-20	Dynamic low-count PET image reconstruction using spatio-temporal primal dual network 2023-06-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acde3e PMID:37311469	研究论文	提出一种用于动态低计数PET图像重建的时空原始对偶网络（STPDnet）	将时空相关性同时编码到基于模型的深度学习框架中，克服了现有方法主要关注空间域而忽略时间域的局限	未明确提及模型在更广泛临床数据集上的泛化能力或计算效率的详细分析	解决动态低计数PET图像重建的挑战，提升图像质量	动态PET图像	医学影像分析	癌症	动态正电子发射断层扫描（PET）成像	基于模型的深度学习	动态PET图像序列	模拟数据和真实大鼠扫描数据	NA	时空原始对偶网络（STPDnet）	噪声降低，重建性能	NA
20	2025-12-17	Overproduce and select, or determine optimal molecular descriptor subset via configuration space optimization? Application to the prediction of ecotoxicological endpoints 2023-06, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202200227 PMID:36894503	研究论文	本文提出了一种通过配置空间优化确定最优分子描述符子集的方法，以改进小中型化学数据集的预测准确性	提出开放描述符配置空间方法，将分子描述符生成建模为多准则优化问题，并使用带Choquet积分适应度函数的遗传算法变体	未明确说明方法在大型数据集或深度学习场景下的适用性	提高化合物生物活性或性质的预测准确性	小中型化学数据集中的化合物	机器学习	NA	分子描述符计算	遗传算法	化学数据	NA	NA	遗传算法变体	预测准确性	NA