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	2026-10-01	Deep Learning Segmentation of the Nucleus Basalis of Meynert on 3T MRI 2023-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A7950 PMID:37562826	研究论文	本研究建立并评估了一种深度学习网络，用于在3T MRI上自动、准确地分割Meynert基底核	开发了首个用于Meynert基底核自动、准确、患者特异性分割的模型	样本量较小，仅使用了21名健康受试者和14名癫痫患者的数据	建立并评估一种深度学习网络，用于在3T MRI上实现自动、准确、患者特异性的Meynert基底核分割	Meynert基底核	计算机视觉, 医学图像分割	神经系统疾病, 颞叶癫痫	3T MRI, 7T MRI	CNN	图像	21名健康受试者（配对3T和7T MRI数据），6名测试受试者，14名颞叶癫痫患者（外部测试集）	NA	3D U-Net	Dice系数, 质心距离	NA
2	2026-09-28	DeepRCI: predicting RNA-chromatin interactions via deep learning with multi-omics data 2023-Sep, Quantitative biology (Beijing, China) DOI:10.15302/J-QB-022-0316 PMID:41675247	研究论文	该文提出了一种名为DeepRCI的可解释计算框架，用于利用多组学数据通过深度学习预测RNA与染色质的相互作用	DeepRCI是一个高度可解释的计算框架，能够识别多种类型RNA与染色质之间的相互作用，并可用于表征RNA-染色质相互作用及研究潜在的基因调控密码	NA	预测RNA与染色质之间的相互作用，并研究潜在的基因调控密码	多种类型的RNA和染色质	机器学习	NA	多组学数据整合	深度学习	多组学数据	NA	NA	NA	NA	NA
3	2026-09-21	Evaluating Drug Effectiveness for Antihypertensives in Heart Failure Prognosis: Leveraging Composite Clinical Endpoints and Biomarkers from Electronic Health Records 2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine DOI:10.1145/3584371.3612977 PMID:41527552	研究论文	本研究利用电子健康记录中的复合临床终点和生物标志物，通过监督深度学习分类器评估抗高血压药物在心力衰竭预后中的有效性	首次利用EHR中的硬临床终点和生物标志物设计选择策略来评估抗高血压药物有效性，并构建了约9500名患者的标注语料库，训练的分类器取得了0.97的最佳F1性能	未明确提及	评估抗高血压药物（ACE抑制剂和β受体阻滞剂）在心力衰竭管理中的有效性，并预测患者最适合的药物	心力衰竭患者、抗高血压药物（ACE抑制剂和β受体阻滞剂）	机器学习	心血管疾病	电子健康记录分析	深度学习分类器	电子健康记录文本数据	约9500名患者的EHR序列	NA	NA	F1分数	NA
4	2026-09-18	Spatiotemporal denoising of low-dose cardiac CT image sequences using RecycleGAN 2023-09-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acf223 PMID:37604139	研究论文	本研究开发了一种时空深度学习方法RecycleGAN，用于低剂量心脏CT图像序列的去噪，并通过模拟和临床数据验证其优于CycleGAN的性能	首次将RecycleGAN应用于低剂量心脏CT序列去噪，利用时间信息提升去噪效果	未明确提及	开发一种时空深度学习方法，提高在低辐射剂量下采集的CTA图像质量	低剂量心脏CT图像序列	计算机视觉	冠状动脉疾病	心电门控多期计算机断层扫描血管造影	GAN，循环神经网络	图像序列	18名模拟患者（14训练，2验证，2测试），50名临床患者	NA	RecycleGAN，CycleGAN	视觉检查，定量指标	NA
5	2026-09-18	Improving measurement of blood-brain barrier permeability with reduced scan time using deep-learning-derived capillary input function 2023-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120284 PMID:37507078	研究论文	该研究利用深度学习网络估计毛细血管输入函数（CIF），以在缩短扫描时间的情况下测量血脑屏障（BBB）通透性	使用深度学习网络估计局部毛细血管输入函数，减少扫描时间并自动选择CIF，降低手动干预带来的不确定性	样本量较小（13名健康受试者），且未在患者群体中验证	评估使用深度学习网络估计局部毛细血管输入函数以测量血脑屏障通透性并缩短扫描时间的可行性	健康受试者（年轻组8人，老年组5人）	医学影像分析	NA	动态对比增强磁共振成像（DCE-MRI）	深度学习网络	图像	13名健康受试者（其中年轻组8人，老年组5人）	NA	NA	Bland-Altman分析中的均值差异和一致性界限	NA
6	2026-09-13	Exploring Healthy Retinal Aging with Deep Learning 2023-Sep, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2023.100294 PMID:37113474	研究论文	本文利用反事实生成对抗网络（GAN）分析英国生物银行的大规模视网膜OCT图像，研究健康衰老过程中视网膜各层的个体化变化轨迹	首次构建反事实GAN，能够生成高分辨率、高保真的反事实OCT图像和纵向时间序列，实现对同一受试者年龄或性别改变而身份和图像采集参数不变的假设情景进行可视化与分析，从而突破传统群体平均测量的局限，探索个体化视网膜衰老轨迹	研究基于回顾性横断面数据，反事实推断依赖于模型假设，可能无法完全反映真实纵向变化；样本仅限于UK Biobank中40-75岁成年人，结论对其他年龄段和人群的泛化性有待验证	利用深度学习研究健康衰老引起的视网膜变化的个体化进程	85,709名40至75岁成年人的视网膜OCT图像（来自UK Biobank人群研究）	数字病理学	老年性疾病	OCT	GAN	图像	85,709名成年人的OCT图像	NA	GAN	NA	NA
7	2026-09-10	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2023-Sep-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.30.555551 PMID:37693527	研究论文	本文利用自动微分算法优化可逆自组装的物理模型，发现不同亚基复合物在速率常数空间中的最优动力学路径，以避免动力学陷阱并提高组装产量	首次将深度学习框架中的自动微分技术应用于自组装动力学优化，发现多种避免动力学陷阱的新策略，并识别出动力学陷阱成本的通用标度规律	研究仅限于3-7个亚基的复合物，且未考虑实际生物系统中的空间效应或分子拥挤等复杂因素	通过数值优化发现自组装过程中的最优动力学路径，理解生物机制并设计高效的合成组装系统	3-7个亚基的可逆自组装复合物	机器学习	NA	自动微分	物理模型	数值模拟数据	NA	NA	NA	组装产量	NA
8	2026-08-30	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	开发并外部验证了一种基于深度学习的自然语言处理模型，用于自动识别出院摘要中射血分数降低的心力衰竭患者	首次采用半监督学习框架的深度学习语言模型识别HFrEF患者，并进行了全面的内部和外部验证	未提及明确的局限性	开发自动化工具以准确识别HFrEF患者，从而促进护理质量评估和改进	心力衰竭患者的出院摘要	自然语言处理	心力衰竭	深度学习语言模型	深度学习语言模型	文本	13,251份出院摘要来自5,392名患者，外部验证包括19,242份来自西北医学的摘要、139份来自耶鲁社区医院的摘要和146份MIMIC-III摘要	NA	NA	AUROC, AUPRC, NRI	NA
9	2026-08-19	Distortion-corrected image reconstruction with deep learning on an MRI-Linac 2023-09, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29684 PMID:37125656	研究论文	本文提出了一种基于深度学习的畸变校正重建网络（DCReconNet），用于MRI-Linac系统中快速重建无几何畸变的图像，以提高MR引导放疗的准确性。	结合可解释展开网络和非均匀快速傅里叶变换，首次在MRI-Linac环境中应用CNN学习正则化，实现快速且畸变校正的重建。	训练数据仅来自11名健康志愿者的脑部图像，可能限制模型在其他解剖部位或病理情况下的泛化能力。	开发一种从原始k空间数据快速重建畸变校正图像的方法，用于MR引导放疗。	MRI-Linac采集的体模、脑部、骨盆和肺部图像。	医学影像、深度学习	不适用（NA）	MRI	卷积神经网络（CNN）	图像（MRI k空间数据）	11名健康志愿者的公共脑部数据集，以及体模、脑、骨盆和肺部图像。	NA	展开网络（Unrolled Network）	结构相似性（SSIM）、均方根误差（RMSE）、计算时间、残余畸变	未提供（NA）
10	2026-08-18	Identification of lymph node metastasis in pre-operation cervical cancer patients by weakly supervised deep learning from histopathological whole-slide biopsy images 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6437 PMID:37559500	研究论文	本研究利用弱监督深度学习从宫颈癌患者术前病理全切片图像中预测淋巴结转移，并验证了其效能。	首次应用Vision Transformer（ViT）和循环神经网络（RNN）框架从宫颈癌原发灶全切片图像中预测淋巴结转移，并通过可视化生成热图揭示相关局部病理特征。	未提及具体限制。	利用数字病理特征术前预测宫颈癌患者的淋巴结转移状态。	宫颈癌患者的术前病理全切片图像。	数字病理学	宫颈癌	NA	Vision Transformer, 循环神经网络	图像（全切片图像）	训练集：554张全切片图像（来自齐鲁医院）；外部测试集：336张全切片图像（来自四家医院）；前瞻性队列：190张宫颈活检全切片图像。	NA	Vision Transformer, RNN	AUC、敏感性、特异性、准确率	NA
11	2026-08-18	A deep learning-based interpretable decision tool for predicting high risk of chemotherapy-induced nausea and vomiting in cancer patients prescribed highly emetogenic chemotherapy 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6428 PMID:37609808	研究论文	基于深度森林等算法，开发预测癌症患者在接受高致吐性化疗后出现化疗诱导恶心呕吐风险的模型，并识别关键预测变量	采用深度森林模型并整合SHAP、PDP和LIME可解释性技术，专注于高致吐性化疗下的CINV风险预测	未在摘要中明确提及局限性	开发并验证预测癌症患者CINV风险的模型，并确定对预测影响最大的变量	接受高致吐性化疗的癌症患者	机器学习	化疗诱导恶心呕吐	NA	深度森林、支持向量机、CatBoost、随机森林、决策树、神经网络	临床数据	NA	NA	深度森林、支持向量机、CatBoost、随机森林、决策树、神经网络	AUC、F1分数、准确率、特异性、敏感性、Brier分数	NA
12	2026-08-18	Multiparametric MRI-based model for prediction of local progression of hepatocellular carcinoma after thermal ablation 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6277 PMID:37694337	研究论文	开发了一种基于多参数MRI的深度学习放射组学模型，用于预测肝细胞癌热消融术后局部肿瘤进展。	结合术前和术后多参数MRI特征，使用ResNet18提取深度学习放射组学特征，构建整合临床变量的模型进行风险分层。	未明确提及局限性。	预测肝细胞癌热消融术后局部肿瘤进展风险。	肝细胞癌患者热消融术后的局部肿瘤进展。	医学影像分析	肝细胞癌	多参数磁共振成像（MRI）	深度学习放射组学模型	MRI图像	417名肝细胞癌患者（一个主要队列189例，两个外部测试队列共228例）	NA	ResNet18	AUC	NA
13	2026-08-12	Optimizing Deep Learning-Based Segmentation of Densely Packed Cells using Cell Surface Markers 2023-Sep-26, Research square DOI:10.21203/rs.3.rs-3307496/v1 PMID:37841876	研究论文	评估和优化基于深度学习的细胞分割模型，用于密集排列的免疫荧光细胞图像	系统评估18种深度学习分割模型，并采用细胞表面标记物图像进行微调和参数优化，显著提升分割性能	图像信噪比中等，导致最终模型性能仍有不完美之处	优化深度学习模型对密集排列细胞的准确分割，以支持空间分子分析	人类单纯疱疹病毒感染皮肤组织中的免疫细胞，通过免疫荧光图像进行分割	计算机视觉	病毒感染	免疫荧光成像	深度学习分割模型（包括Cellpose中的cyto模型）	图像	训练实例超过10,000个，来自两个公开图像集和一个目标图像集	NA	Cellpose (cyto模型), 以及其他17种模型	平均精度均值（mAP）	NA
14	2026-08-10	Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies 2023-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.13.557544 PMID:37745446	研究论文	本文利用半监督深度自编码器对斑马鱼幼虫的高维行为数据进行特征提取，以识别暴露于毒物后的异常行为，并发现传统统计方法未能捕捉的新化学物质效应	首次将半监督深度自编码器应用于斑马鱼高维行为数据的异常检测，能够识别传统统计方法（如仅基于移动距离）无法捕捉的多种化学物质-浓度组合下的行为异常	未在摘要中提及明确的局限性，可能包括模型对训练数据的依赖性、对复杂行为解释的挑战以及需要进一步验证的泛化能力	开发一种基于深度自编码器的行为模式识别方法，以更全面分析斑马鱼幼虫暴露于环境毒物后的高维行为数据，改进神经毒性筛选	斑马鱼幼虫的行为数据，包括未暴露和暴露于纳米材料、芳香族化合物、全氟和多氟烷基物质（PFAS）等环境污染物后的行为	机器学习	神经发育毒性	行为成像	深度自编码器	行为数据（图像/视频序列中的空间时间响应）	未明确具体样本数量，但涉及未暴露和暴露于多种毒物的斑马鱼幼虫	NA	深度自编码器	NA	NA
15	2026-07-30	Comparison of deep learning-based recurrence-free survival with random survival forest and Cox proportional hazard models in Stage-I NSCLC patients 2023-09, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6479 PMID:37644818	研究论文	比较深度学习模型DeepSurv、随机生存森林和Cox比例风险模型在I期非小细胞肺癌患者无复发生存预测中的性能	首次在I期非小细胞肺癌患者中系统比较深度学习生存模型与传统统计和机器学习方法在复发预测中的表现	单中心回顾性研究，样本量有限（268例），且未提及基因突变等分子标志物对复发的影响	评估不同统计和机器学习方法在I期非小细胞肺癌复发预测中的效能，为临床决策提供依据	接受手术切除的I期非小细胞肺癌患者	机器学习	肺癌	NA	DeepSurv, 随机生存森林, Cox比例风险模型	临床数据	268例I期非小细胞肺癌患者（训练集和测试集随机划分）	NA	DeepSurv	Harrell's C指数	NA
16	2026-07-28	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2023-Sep-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.22.23295984 PMID:37808872	研究论文	提出一种疾病驱动的域泛化方法，用于基于神经影像的阿尔茨海默病评估	利用模型可解释性来提升分类模型在多个队列间的泛化能力，通过将类别级注意力与统一的视觉显著性先验对齐来指导模型训练	NA	开发深度学习方法以克服多中心MRI数据中的分布差异，实现跨队列泛化的认知障碍评估	从四个独立队列获取的MRI扫描影像和临床诊断数据	计算机视觉	阿尔茨海默病	MRI	深度神经网络	图像	来自ADNI（1821例）、FHS（304例）、AIBL（661例）和NACC（4647例）四个队列的MRI数据	NA	NA	NA	NA
17	2026-07-23	RETRACTED: Blockchain-Powered Healthcare Systems: Enhancing Scalability and Security with Hybrid Deep Learning 2023-09-07, Sensors (Basel, Switzerland) DOI:10.3390/s23187740 PMID:37765797	研究论文	提出一种结合区块链与混合深度学习技术的新型医疗系统，旨在提升可扩展性与安全性	首次提出基于权限的区块链框架与混合深度学习模型相结合，用于医疗数据的可扩展与安全处理	计算复杂性、法规遵从性和伦理考量仍需解决	提升医疗系统的可扩展性、安全性及数据管理效率	医疗数据（包括病历、影像和传感器数据）以及医疗系统中的数据共享与访问控制	机器学习	NA	NA	混合深度学习模型（结合深度学习与机器学习）	文本、图像、传感器数据	NA	NA	NA	NA	NA
18	2026-06-26	Efficient and accurate large library ligand docking with KarmaDock 2023-09, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-023-00511-5 PMID:38177786	研究论文	提出一种名为KarmaDock的深度学习配体对接方法，集成了对接加速、结合姿态生成与校正以及结合强度估计功能	首次将E(n)等变图神经网络与自注意力机制应用于配体对接，通过端到端学习同时优化对接速度、姿态质量和结合亲和度精度	NA	开发一种高效且准确的深度学习方法用于大规模文库配体对接，以提升虚拟筛选性能	配体对接的准确性和效率，以及发现的潜在药物分子	机器学习	NA	NA	E(n)等变图神经网络、混合密度网络	分子结构（蛋白质与配体）	四个基准数据集和一个实际虚拟筛选项目（涉及白细胞酪氨酸激酶LTK的活性抑制剂筛选）	NA	E(n)等变图神经网络、自注意力机制、混合密度网络	对接速度、姿态质量、结合亲和度	NA
19	2026-05-31	Recognition of walking directional intention employed ground reaction forces and center of pressure during gait initiation 2023-09, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2023.08.009 PMID:37639961	研究论文	利用地面反作用力和压力中心数据，通过深度学习技术识别步行方向意图	首次使用地面反作用力和压力中心数据替代脑电图，通过LSTM模型识别步行方向意图，实现高精度分类	仅针对直行和右转两种方向，未考虑左转及其他复杂场景；样本量较小（10名健康成年男性）；未在真实外骨骼控制或行人交通流场景中验证	利用深度学习技术识别地面反作用力和压力中心数据，分类直行和右转意图；揭示可替代脑电图预测步行方向意图的步态特征	10名健康成年男性在测力平台上执行的站立、直行和右转动作	机器学习	NA	地面反作用力（GRF）和压力中心（COP）测量	LSTM	时间序列数据（GRF和COP）	10名健康成年男性的步态数据	NA	LSTM	准确率（最高94.79%）	NA
20	2026-05-23	Deep Learning for Detection and Localization of B-Lines in Lung Ultrasound 2023-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3282596 PMID:37276107	研究论文	研究多种深度学习方法在肺超声中自动检测和定位B线的效果	提出了一种新颖的B线定位单点方法，仅使用起点进行定位，并发布了包含1419个视频和15755个专家标注B线的新数据集BEDLUS	单点定位方法的F1分数仅为0.65，有待提高	评估不同深度学习方法在肺超声视频中自动检测和定位B线的能力	肺超声中的B线伪影	计算机视觉	肺充血	NA	CNN, 递归神经网络	视频	113名患者的1419个视频，包含15755个专家标注B线	NA	多种深度学习模型架构	ROC曲线下面积, F1分数	NA