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	Enhancement of Diabetic Retinopathy Prognostication Using Deep Learning, CLAHE, and ESRGAN 2023-Jul-14, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13142375 PMID:37510123	研究论文	利用深度学习、CLAHE和ESRGAN增强糖尿病视网膜病变的预后预测	结合CLAHE和ESRGAN图像增强技术，使用DenseNet-121模型在APTO-2019数据集上实现了98.36%的最高准确率，并验证了CLAHE+ESRGAN在DR分类中的有效性	摘要未提及局限性	通过深度学习模型和图像增强方法提高糖尿病视网膜病变及其严重程度分级的检测准确性	糖尿病视网膜病变及其严重程度分级	计算机视觉	糖尿病视网膜病变	NA	CNN	图像	APTO-2019盲症检测数据集	NA	DenseNet-121, ESRGAN	准确率（top-1、top-2、top-3）、精确率、召回率、F1分数	NA
2	2026-05-15	DPAM-PSPNet: ultrasonic image segmentation of thyroid nodule based on dual-path attention mechanism 2023-Jul-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace6f1 PMID:37437581	研究论文	提出了一种基于双路径注意力机制的DPAM-PSPNet模型，用于甲状腺结节超声图像分割	在PSPNet中引入双路径注意力机制，一条路径通过轻量级跨通道交互捕获全局信息，另一条路径通过残差桥网络关注结节边缘及周围信息	未提及	实现甲状腺结节超声图像的自动精确分割，特别是恶性结节的精准分割	甲状腺结节超声图像	计算机视觉, 数字病理学	甲状腺结节	超声成像	CNN	图像	NA	NA	PSPNet, 双路径注意力机制, 残差桥网络	mIOU, mPA, mPrecision, Dice系数	NA
3	2026-05-15	Predicting dice similarity coefficient of deformably registered contours using Siamese neural network 2023-07-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace6f0 PMID:37437590	研究论文	本文提出一种基于孪生神经网络的深度学习模型，用于预测前列腺放疗中可变形配准轮廓的Dice相似系数	首次利用孪生神经网络直接预测可变形图像配准轮廓的DSC，无需人工评估，可自动化触发DIR质量检查	仅针对前列腺癌患者和单一解剖部位，模型泛化性需在更多数据集验证	开发能够准确预测可变形配准轮廓DSC的深度学习模型，以辅助自适应放疗中的配准质量评估	前列腺癌患者放疗计划CT和每日锥形束CT图像配准后的器官轮廓	数字病理学	前列腺癌	可变形图像配准	孪生神经网络	CT图像	20例前列腺癌患者，每例37-39次日常CBCT扫描	NA	孪生神经网络	均方根误差, 准确率, 灵敏度	NA
4	2026-05-15	A deep-learning assisted bioluminescence tomography method to enable radiation targeting in rat glioblastoma 2023-07-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace308 PMID:37385265	研究论文	提出一种基于深度学习的生物发光断层成像方法，用于大鼠胶质母细胞瘤的放射靶向规划	首次将深度学习应用于生物发光断层成像的肿瘤靶向和治疗规划，实现快速、准确的3D重建，减少X射线成像剂量	真实BLI测量数据有限，中位Dice相似系数较低（42%），模型仅在模拟和少量真实数据上验证，泛化性需进一步评估	开发一种计算高效的深度学习BLT重建方法，支持大鼠GBM模型的实时放射治疗规划	原位大鼠GBM模型	计算机视觉	胶质母细胞瘤	生物发光成像	深度学习模型	图像	模拟数据集和有限真实大鼠GBM模型的BLI测量数据	NA	NA	Dice相似系数, 肿瘤覆盖率, 几何脑覆盖比例, 剂量-体积指标	NA
5	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
6	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
7	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
8	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
9	2026-03-02	Learning Spectral Fractional Anisotropy and Mean Diffusivity Features as Neuroimaging Biomarkers for Tracking White Matter Integrity Changes in Myotonic Dystrophy Type 1 Patients using Deep Convolutional Neural Networks 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340468 PMID:38083393	研究论文	本研究提出了一种基于谱图的深度学习方法，用于表征1型强直性肌营养不良症（DM1）患者的白质网络改变，旨在开发作为神经影像生物标志物的深度学习模型	提出了一种新颖的基于谱图的深度学习方法，用于从分数各向异性和平均扩散率数据中学习特征，作为追踪DM1患者白质完整性变化的神经影像生物标志物，相比先前方法在识别DM1方面取得了显著提升（91%准确率）	样本量相对有限（46名DM1患者和96名对照），且仅评估了25个主要白质束，可能未涵盖所有相关的白质变化	深入了解DM1对中枢神经系统的影响，并开发可作为疾病生物标志物的深度学习模型，未来有望用于临床试验作为结果测量指标	1型强直性肌营养不良症（DM1）患者和未受影响对照组的白质微结构变化	医学影像分析	神经肌肉疾病	扩散张量成像	CNN	图像	46名DM1患者和96名对照，共7100张谱图图像	NA	深度卷积神经网络	准确率	NA
10	2026-01-17	An Automatic Remote Health Risk Assessment system based on LSTM for elderly 2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC40787.2023.10340287 PMID:38083128	研究论文	本文设计并验证了一种基于LSTM的老年人自动远程健康风险评估系统	提出了一种结合无线生理参数传感、LSTM生命体征预测和简化版国家早期预警评分（NEWS）的集成式自动化远程监测系统，为家庭监护提供了一种新的深度学习策略	风险识别准确率为74%，仍有提升空间；未详细说明系统在多样化老年人群中的泛化能力	开发一种自动化远程健康风险评估系统，以应对老龄化挑战，实现老年人居家健康监测	老年人	机器学习	老年疾病	无线生理参数传感	LSTM	时间序列生理数据	NA	NA	LSTM	准确率, MAE	NA
11	2026-01-08	Performance of ChatGPT on the pharmacist licensing examination in Taiwan 2023-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000942 PMID:37227901	研究论文	本研究评估了ChatGPT在台湾药师执照考试中的表现，并探讨了其在药学教育中的潜在作用	首次将ChatGPT应用于台湾药师执照考试，比较了中英文版本的表现，并提出了对药学教育改革的建议	排除了图形题、化学式和表格，仅基于文本问题进行评估，且使用的是ChatGPT 3.5版本	评估ChatGPT在药师执照考试中的准确性，并探讨其在药学教育中的潜在角色	2023年台湾药师执照考试的第一阶段和第二阶段试题	自然语言处理	NA	深度学习	ChatGPT	文本	2023年台湾药师执照考试的第一阶段和第二阶段试题	NA	ChatGPT 3.5	正确率	NA
12	2026-01-06	Screening for peripartum cardiomyopathies using artificial intelligence in Nigeria (SPEC-AI Nigeria): Clinical trial rationale and design 2023-07, American heart journal IF:3.7Q1 DOI:10.1016/j.ahj.2023.03.008 PMID:36966922	研究论文	本文描述了在尼日利亚使用人工智能心电图筛查围产期心肌病的临床试验方案	在尼日利亚产科人群中前瞻性评估AI-ECG工具用于心肌病检测，为AI在临床实践中的广泛应用提供关键试验数据	研究仅针对尼日利亚特定人群，结果可能无法直接推广到其他地区或种族群体	评估人工智能心电图在尼日利亚产科人群中检测心肌病的有效性和实用性	尼日利亚的孕妇和产后妇女	机器学习	心血管疾病	心电图	深度学习	心电图数据	1000名孕妇和产后妇女	NA	NA	心肌病新诊断率、左心室功能受损检测率、心血管疾病新诊断率、复合不良母体心血管结局	NA
13	2025-12-24	Enhancing Breast Ultrasound Segmentation through Fine-tuning and Optimization Techniques: Sharp Attention UNet 2023-Jul-18, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.14.549040 PMID:37503223	研究论文	本文通过微调和优化技术增强乳腺超声图像分割，提出了Sharp Attention UNet模型	结合Sharp UNet和Attention UNet设计了一种新颖的Sharp Attention UNet模型，并在乳腺超声图像分割中应用了图像预处理、优化技术和微调方法的比较研究	未明确说明数据集的规模或多样性限制，也未提及模型在外部验证或临床环境中的泛化能力	评估图像预处理、不同优化技术以及微调对UNet分割模型性能的影响，并开发改进的乳腺病变分割算法	乳腺超声图像中的良性、恶性肿块区域以及无肿块区域	数字病理学	乳腺癌	超声成像	CNN	图像	NA	NA	UNet, Sharp UNet, Attention UNet, Sharp Attention UNet	Dice系数, 特异性, 敏感性, F1分数	NA
14	2025-12-20	A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration 2023-07-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ace754 PMID:37442128	研究论文	本研究提出了一种结合深度学习与可变形图像配准的混合方法，用于从腹部/骨盆锥形束CT生成合成CT，以改进质子射程估计	提出了一种新颖的混合方法，将无监督深度学习（CycleGAN）与可变形图像配准（DIR）相结合，分别处理几何加权（高频）和强度加权（低频）分量，并通过迭代反馈机制优化合成CT，特别是在含肠气区域	研究样本量相对较小（81名儿科患者），且仅针对腹部/骨盆区域，方法在存在肠气口袋的质子束路径中的普适性有待进一步验证	开发一种从锥形束CT（CBCT）生成合成CT（sCT）的方法，以促进质子治疗中射程的准确估计，特别是在存在肠气口袋的情况下	81名儿科患者的锥形束CT（CBCT）、同日重复CT和计划CT（pCT）图像	医学影像分析	NA	锥形束CT（CBCT）、可变形图像配准（DIR）	生成对抗网络（GAN）	医学影像（CT图像）	81名儿科患者（60名训练，6名验证，15名测试）	NA	CycleGAN	平均绝对误差（HU）、Dice相似系数、伽马通过率、质子射程误差（80%远端跌落处的第90百分位误差）	NA
15	2025-12-19	Image harmonization: A review of statistical and deep learning methods for removing batch effects and evaluation metrics for effective harmonization 2023-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120125 PMID:37084926	综述	本文综述了用于去除医学影像中批次效应的统计和深度学习方法，并评估了有效协调的评价指标	提出了一个标准化框架来评估新提出的协调方法，并提供了促进更有效使用现有方法和指导未来发展的建议	NA	去除医学影像中的批次效应，提高下游分析结果的泛化性和可重复性	磁共振成像和计算机断层扫描影像	计算机视觉	NA	NA	深度学习模型	图像	NA	NA	NA	NA	NA
16	2025-12-19	Semantic similarity metrics for image registration 2023-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102830 PMID:37172390	研究论文	本文提出了一种用于图像配准的语义相似性度量方法，通过关注语义对应而非像素强度来提升配准精度	引入了基于语义对应的相似性度量，替代传统的像素强度或相关性对齐方法，能够更好地处理低强度对比、噪声和模糊匹配问题	未明确说明方法在极端噪声或大规模数据集上的泛化能力，且依赖于数据集特定特征的学习	开发一种新的语义相似性度量，以改进图像配准的准确性和鲁棒性	图像配准中的相似性度量方法	计算机视觉	NA	深度学习，自动编码器，半监督学习	自动编码器	图像	NA	NA	自动编码器	配准精度，变换场平滑度	NA
17	2025-12-18	Re: Vogl et al.: Predicting topographic disease progression and treatment response of pegcetacoplan in geographic atrophy quantified by deep learning (Ophthalmol Retina. 2023;7:4-13) 2023-07, Ophthalmology. Retina DOI:10.1016/j.oret.2023.04.005 PMID:37204369	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2025-12-12	Massively parallel CRISPR off-target detection enables rapid off-target prediction model building 2023-07-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2023.05.005 PMID:37279759	研究论文	本文介绍了一种名为AID-seq的新型CRISPR脱靶检测方法，并利用其构建了脱靶预测模型	开发了AID-seq这一高灵敏度、高特异性的体外脱靶检测方法，并首次采用混合人类和HPV基因组的策略进行高通量gRNA筛选	未明确说明AID-seq方法在体内环境下的有效性，且AUPRC值相对较低（0.29），表明模型在精确率-召回率平衡方面仍有改进空间	开发一种能够快速、高通量检测CRISPR脱靶效应并构建预测模型的方法	CRISPR核酸酶（包括Cas9和Cas12a）的脱靶效应，以及针对HPV的抗病毒治疗gRNA候选物	生物信息学	病毒感染（如HPV）	AID-seq（适配体介导的脱靶鉴定测序），CRISPR-Net深度学习	深度学习模型	测序数据	2,069个单导向RNA（sgRNAs），416个HPV gRNA候选物	NA	CRISPR-Net	AUROC, AUPRC	NA
19	2025-12-06	Variant calling and benchmarking in an era of complete human genome sequences 2023-07, Nature reviews. Genetics DOI:10.1038/s41576-023-00590-0 PMID:37059810	综述	本文综述了在完整人类基因组序列时代下，变异检测与基准测试的进展，包括长读长测序、深度学习、从头组装和泛基因组学在挑战性基因组区域的应用	探讨了长读长测序、深度学习、从头组装和泛基因组学如何扩展对重复基因组区域（包括医学相关区域）的变异检测访问，并介绍了新的基准集和基准测试方法	未具体说明当前变异检测方法在特定重复区域或复杂变异类型中的具体性能限制	综述人类基因组变异检测与基准测试的技术进展，并展望未来更完整的人类基因组变异表征	人类基因组序列、变异检测方法、基准测试集	基因组学	NA	长读长测序、深度学习、从头组装、泛基因组学	NA	DNA测序数据	NA	NA	NA	NA	NA
20	2025-12-05	Functional connectivity signatures of major depressive disorder: machine learning analysis of two multicenter neuroimaging studies 2023-07, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-023-01977-5 PMID:36792654	研究论文	本研究通过机器学习和深度学习算法分析两个大型静息态功能磁共振成像数据集，以区分重度抑郁症患者与健康对照，并识别抑郁症的神经生理学特征	首次在两个最大的重度抑郁症静息态数据集上应用支持向量机和图卷积神经网络进行分类，并利用GCN-Explainer等方法可视化特征，揭示了丘脑过度连接作为抑郁症的突出神经生理学特征	分类准确率相对较低（约61%），可能受疾病异质性影响，且研究主要基于静息态功能连接，未考虑其他神经影像或临床因素	开发基于神经影像的机器学习诊断工具，以识别重度抑郁症的生物标志物	重度抑郁症患者和健康对照者	机器学习	重度抑郁症	静息态功能磁共振成像	SVM, GCN	功能连接矩阵	REST-meta-MDD数据集2338例，PsyMRI数据集1039例	NA	图卷积神经网络	准确率	NA