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	2026-01-06	Deep learning for embryo evaluation using time-lapse: a systematic review of diagnostic test accuracy 2023-11, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2023.04.027 PMID:37116822	系统综述	本文系统综述了卷积神经网络模型在延时监测胚胎评估中的准确性	首次系统性地评估了深度学习在胚胎延时监测中的诊断测试准确性，并识别了模型在囊胚阶段分类方面的最佳预测性能	纳入研究之间存在高度异质性，且部分研究存在患者偏倚的高风险	研究卷积神经网络模型在胚胎评估中的准确性	胚胎图像数据	数字病理学	生殖医学	延时监测	CNN	图像	222,998个胚胎的522,516张图像	NA	NA	准确性	NA
2	2026-01-06	Are current machine learning applications comparable to radiologist classification of degenerate and herniated discs and Modic change? A systematic review and meta-analysis 2023-11, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07718-0 PMID:37150769	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估当前机器学习算法在识别椎间盘退变、突出、膨出和Modic改变方面与放射科医生分类性能的可比性	首次针对机器学习在脊柱MRI中识别椎间盘退变及相关病变与放射科医生性能比较的系统综述和荟萃分析	现有研究存在验证尝试少、样本量不足、报告不完整等问题，且算法在外部验证中性能下降	评估机器学习算法在脊柱MRI中自动识别椎间盘退变、突出、膨出和Modic改变的诊断性能，并与放射科医生比较	腰椎间盘退变（LDD）、椎间盘突出、膨出和Modic改变的MRI影像	医学影像分析	腰椎间盘退变性疾病	MRI	深度学习, 支持向量机, k近邻, 随机森林, 朴素贝叶斯	MRI影像	NA	NA	NA	分类性能指标	NA
3	2025-12-30	Attention-based deep clustering method for scRNA-seq cell type identification 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011641 PMID:37948464	研究论文	提出了一种名为AttentionAE-sc的新型单细胞RNA测序数据聚类方法，通过注意力机制融合两种不同的聚类策略，以解决数据稀疏性和高维度的挑战	首次结合了基于零膨胀负二项分布的方法和图自编码器方法，通过注意力机制迭代融合去噪和拓扑嵌入，自动学习聚类友好的细胞表示，无需指定聚类数量	未明确说明方法在超大规模数据集上的计算效率，也未讨论对特定生物背景或技术噪声的适应性	开发一种无监督的深度学习方法，用于单细胞RNA测序数据的细胞类型识别	单细胞RNA测序数据	机器学习	乳腺癌	单细胞RNA测序	自编码器, 图自编码器	基因表达数据	16个真实scRNA-seq数据集及一个乳腺癌单细胞图谱数据集	NA	AttentionAE-sc（注意力融合自编码器）	聚类性能, 稳定性, 鲁棒性	NA
4	2025-12-30	A general hypergraph learning algorithm for drug multi-task predictions in micro-to-macro biomedical networks 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011597 PMID:37956212	研究论文	本研究提出了一种通用的超图学习框架HGDrug，用于药物多任务预测，通过构建微到宏的药物中心异质网络并整合药物-子结构关系，在多个基准任务上实现了高精度和鲁棒性预测	引入药物-子结构关系到分子相互作用网络中，构建微到宏的药物中心异质网络，并开发多分支超图学习模型HGDrug，以处理化学结构和高阶关系，这在当前生物医学网络中尚未充分解决	未明确说明模型在处理更大规模网络或更复杂任务时的可扩展性，以及在实际药物发现应用中的验证程度	加速药物发现过程，通过结合大规模药物相关相互作用网络和深度学习技术	药物及其相互作用，包括药物-药物、药物-靶点、药物-疾病和药物-副作用交互	机器学习	NA	超图学习	超图学习模型	网络数据	NA	NA	HGDrug	准确性, 鲁棒性	NA
5	2025-12-30	FUN-PROSE: A deep learning approach to predict condition-specific gene expression in fungi 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011563 PMID:37971967	研究论文	本文提出了一种名为FUN-PROSE的深度学习模型，用于预测真菌在不同环境条件下的基因表达差异	该模型首次结合启动子序列和所有转录因子的表达水平来预测条件特异性基因表达，而非仅基于启动子序列预测平均表达水平	模型仅在三种真菌物种上进行了训练和测试，可能无法泛化到其他物种或更广泛的条件	研究旨在通过深度学习预测真菌在特定环境条件下的基因表达，以支持代谢工程和工业规模化生产	三种真菌物种的基因表达数据，包括启动子序列和转录因子表达水平	机器学习	NA	深度学习	深度学习模型	序列数据（启动子序列）和表达数据（转录因子表达水平）	三种真菌物种的数据集	NA	FUN-PROSE	相关性（高达0.85）	NA
6	2025-12-30	Neural network models for sequence-based TCR and HLA association prediction 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011664 PMID:37983288	研究论文	本文提出了一种基于神经网络的深度学习方法DePTH，用于预测T细胞受体（TCR）与人类白细胞抗原（HLA）之间的关联，基于它们的氨基酸序列	DePTH方法能够预测训练数据集中未出现的TCR和HLA之间的关联，并能量化HLA等位基因之间的功能相似性，这与癌症患者免疫检查点阻断治疗的生存结果相关	未在摘要中明确提及	预测TCR与HLA之间的关联，以挖掘TCR数据中的有用信息或生物标志物，用于免疫相关疾病或状况	T细胞受体（TCR）和人类白细胞抗原（HLA）的氨基酸序列	机器学习	癌症	氨基酸序列分析	神经网络	序列数据（氨基酸序列）	NA	NA	NA	NA	NA
7	2025-12-23	Label-free deep learning-based species classification of bacteria imaged by phase-contrast microscopy 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011181 PMID:37956197	研究论文	本文提出了一种基于无标记深度学习的细菌物种分类方法，利用相差延时显微镜对四种与人类健康相关的细菌进行活体分类，无需固定或染色	结合相差延时显微镜与深度学习，实现对活体细菌的无标记物种分类，并支持并行抗生素敏感性测试	研究仅涵盖四种细菌物种，未来需扩展至更多物种和临床相关分离株以验证临床适用性	开发一种无标记、基于深度学习的细菌物种分类技术，以改善病原体检测和公共健康保障	四种与人类健康相关的细菌物种	计算机视觉	NA	相差延时显微镜	CNN, Vision Transformer	图像	未明确指定样本数量，涉及四种细菌物种	NA	NA	类平均准确率	NA
8	2025-12-23	AimSeg: A machine-learning-aided tool for axon, inner tongue and myelin segmentation 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010845 PMID:37976310	研究论文	本文介绍了AimSeg，一种用于轴突、内舌和髓鞘分割的生物图像分析工具，旨在自动化或辅助分析电子显微镜图像中的髓鞘结构	开发了首个能够同时分割轴突、内舌和髓鞘的机器学习辅助工具，并特别关注了传统分析中常被忽略的非致密髓鞘（内舌）的量化	工具性能依赖于在特定再髓鞘化组织上训练的机器学习分类器，可能在其他条件或组织类型上的泛化能力有限	开发一个自动化或用户辅助的工具，以高效、准确地从电子显微镜图像中分割和量化轴突、内舌及髓鞘结构，支持髓鞘形成、退化和再生的研究	中枢和周围神经系统的轴突及其包裹的髓鞘，特别是髓鞘的内舌（非致密部分）	数字病理学	NA	透射电子显微镜（TEM）成像	机器学习分类器	电子显微镜图像	NA	ilastik, Fiji	NA	NA	NA
9	2025-12-21	Deep learning-based multi-stage postoperative type-b aortic dissection segmentation using global-local fusion learning 2023-11-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfec7 PMID:37774717	研究论文	本文提出了一种基于深度学习的多阶段分割框架，用于术后B型主动脉夹层的分割，通过全局-局部融合学习机制提升分割精度	设计了全局-局部融合学习机制，通过补偿裁剪图像缺失的上下文特征，改善了血栓和分支血管的分割效果	未明确提及具体局限性，但可能受限于数据集规模和多样性	构建一个深度学习分割框架，用于术后B型主动脉夹层的快速准确分割，以支持患者特异性三维形态学和血流动力学分析	术后B型主动脉夹层患者的CT图像，包括真腔、假腔、血栓和分支血管	数字病理学	心血管疾病	CT成像	深度学习	医学图像	133名患者的306张随访图像	NA	NA	Dice相似系数	NA
10	2025-12-21	Radiation-induced acoustic signal denoising using a supervised deep learning framework for imaging and therapy monitoring 2023-11-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0283 PMID:37820684	研究论文	本文提出了一种基于监督深度学习的通用深度初始卷积神经网络（GDI-CNN），用于去噪辐射诱导声学信号，以显著减少平均所需的帧数，从而降低成像剂量并提高实时治疗监测的频率	开发了一种通用的深度初始卷积神经网络（GDI-CNN），该网络在每个初始块中采用多扩张卷积，能够编码和解码具有不同时间特征的信号，从而泛化处理不同辐射源产生的声学信号去噪	未明确提及具体局限性，但可能包括对训练数据质量和多样性的依赖，以及在实际临床环境中的泛化能力验证	提高辐射诱导声学成像的信号质量，减少所需平均帧数，以降低辐射剂量并增强实时治疗监测的实用性	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	使用实验数据进行评估，具体样本数量未明确说明	NA	GDI-CNN（通用深度初始卷积神经网络）	均方误差, 峰值信噪比, 结构相似性	NA
11	2025-12-21	MAG-Res2Net: a novel deep learning network for human activity recognition 2023-11-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0ab8 PMID:37939391	研究论文	本文提出了一种名为MAG-Res2Net的新型深度学习网络，用于解决人类活动识别任务中的特征提取挑战	结合了Borderline-SMOTE数据上采样算法、基于度量学习的损失函数组合算法和Lion优化算法，提升了模型对多样化人类活动数据的处理能力	未明确说明模型在更复杂或噪声更大的现实场景中的泛化能力	开发一种能够有效处理人类活动多样性并提升识别性能的深度学习模型	人类活动识别	机器学习	NA	深度学习	CNN	传感器数据	三个公共数据集（UCI-HAR、WISDM、CSL-SHARE）	未明确说明	Res2Net	准确率, F1-macro, F1-weighted	NA
12	2025-12-21	Deep learning with fetal ECG recognition 2023-11-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0ab7 PMID:37939396	研究论文	本文提出了一种基于深度学习的胎儿心电图识别新方法，通过开发跨域一致卷积神经网络来自动识别多通道心电图数据中的胎儿心电信号	开发了一种跨域一致卷积神经网络（CDC-Net），用于解决独立成分分析结果的不确定性，实现胎儿心电信号的自动识别	NA	提出一种新的胎儿心电图识别方法，以改进胎儿心电监测的自动化水平	胎儿心电信号	机器学习	心血管疾病	独立成分分析	CNN	信号数据	来自两个数据库的信号数据	NA	CDC-Net	精确率, 召回率, F1分数	NA
13	2025-12-21	Deep learning-based workflow for hip joint morphometric parameter measurement from CT images 2023-11-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad04aa PMID:37852280	研究论文	本文提出了一种基于深度学习的CT图像髋关节形态参数测量工作流程	首次提出了一种从粗到精的深度学习模型，用于从CT图像中精确重建髋关节几何结构（3D骨骼模型和关键标志点），并基于此开发了稳健的形态参数测量方法	未明确说明	为术前关节置换规划和生物力学模拟提供精确的髋关节形态测量	髋关节CT图像	计算机视觉	骨科疾病	CT成像	深度学习模型	CT图像	两个具有不同成像协议参数的数据集	未明确说明	未明确说明	Dice系数, 标志点预测误差, Pearson相关系数, 组内相关系数	未明确说明
14	2025-12-21	An uncertainty aided framework for learning based liverT1ρmapping and analysis 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad027e PMID:37820639	研究论文	提出一种用于基于学习的肝脏T1ρ映射的不确定性辅助框架，以提高量化结果的可靠性和准确性	提出参数图细化方法，以概率方式训练模型来建模不确定性，并利用不确定性图空间加权训练改进的T1ρ映射网络，以提升性能并移除感兴趣区域中不可靠的像素	研究仅在51名不同肝纤维化分期患者的数据集上进行测试，样本量相对有限	开发一种可靠的学习型定量MRI系统，用于肝脏T1ρ映射	肝脏病理（特别是肝纤维化）患者的定量T1ρ成像	数字病理	肝纤维化	定量T1ρ成像	深度学习模型	医学图像（MRI）	51名不同肝纤维化分期的患者	NA	NA	相对映射误差	NA
15	2025-12-21	Unified Bayesian network for uncertainty quantification of physiological parameters in dynamic contrast enhanced (DCE) MRI of the liver 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0284 PMID:37820640	研究论文	本文提出了一种用于肝脏动态对比增强MRI生理参数估计的深度学习框架，旨在提供准确的参数估计和不确定性量化	提出了一种统一的贝叶斯神经网络框架，通过联合最小化偶然不确定性和认知不确定性来同时估计生理参数及其不确定性	未明确说明训练数据的具体规模和多样性，且OD数据的评估可能未覆盖所有临床场景	为肝脏DCE-MRI提供准确的生理参数估计和不确定性量化方法	肝脏DCE-MRI数据，包括模拟的浓度时间曲线和患有肝肿瘤病变患者的实际数据	医学影像分析	肝肿瘤	动态对比增强MRI	贝叶斯神经网络	医学影像数据，浓度时间曲线	NA	NA	贝叶斯神经网络	均方根误差，不确定性估计	NA
16	2025-12-20	Self-supervised enhanced thyroid nodule detection in ultrasound examination video sequences with multi-perspective evaluation 2023-11-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092a PMID:37918343	研究论文	本文提出了一种基于视频的深度学习模型，用于甲状腺结节的实时检测，通过相邻帧感知和自监督学习提升性能	将甲状腺结节检测从基于图像扩展到基于视频，利用超声视频中的时间上下文信息，并引入相邻帧感知（AFP）和补丁尺度自监督模型（PASS）以应对超声图像低信噪比和低组织对比度的挑战	未明确提及，但可能包括数据集规模有限、模型泛化能力未在外部验证中测试	开发一种准确且实时的甲状腺结节检测方法，以克服超声图像的低信噪比和组织对比度问题	甲状腺结节	计算机视觉	甲状腺结节	超声检查	深度学习模型	视频序列	92个视频（包含23,773帧），其中60个标注视频（包含16,694帧）用于训练和评估	NA	相邻帧感知（AFP）模型，补丁尺度自监督模型（PASS）	AP@50（平均精度，交并比阈值为50%），平滑精确率-召回率曲线下面积	NA
17	2025-12-20	Atypical architectural distortion detection in digital breast tomosynthesis: a multi-view computer-aided detection model with ipsilateral learning 2023-11-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092b PMID:37918341	研究论文	本文提出了一种基于解剖结构的多视图信息融合方法，用于数字乳腺断层合成图像中非典型结构扭曲的计算机辅助检测	利用同侧视图间的解剖结构信息，通过孪生网络架构和三重模块融合多视图信息，显著提升了非典型结构扭曲的检测性能	未明确说明模型在更大规模或多样化数据集上的泛化能力，以及临床部署中的实际应用限制	开发一种计算机辅助检测模型，以提高数字乳腺断层合成图像中非典型结构扭曲的检测准确率	数字乳腺断层合成图像中的乳腺结构扭曲，特别是缺乏明显放射状外观的非典型病例	计算机视觉	乳腺癌	数字乳腺断层合成	孪生网络	图像	NA	NA	孪生网络	平均真阳性分数, 每体积假阳性数, 80%灵敏度下的假阳性数	NA
18	2025-12-20	Deep learning based MLC aperture and monitor unit prediction as a warm start for breast VMAT optimisation 2023-11-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad07f6 PMID:37903442	研究论文	本文提出了一种基于深度学习的直接预测乳腺VMAT治疗中MLC孔径和MU的方法，并将其作为优化器的初始化，以缩短治疗计划时间	首次使用深度学习直接从患者解剖结构预测VMAT的MLC孔径和MU，作为优化器的“热启动”，而非传统的两步法（先预测剂量分布再转换为治疗计划）	研究仅针对右侧乳腺癌患者，样本量相对有限（148例），且未明确说明模型在其他癌症类型或解剖部位的泛化能力	开发一种自动化治疗计划方法，以缩短容积旋转调强放疗（VMAT）计划的优化时间	右侧乳腺癌患者的治疗计划	医学影像分析	乳腺癌	容积旋转调强放疗（VMAT）、CT影像投影	CNN	医学影像（CT投影图像及轮廓）	148名患者（训练集101例，验证集23例，测试集24例）	NA	U-Net	剂量差异（Gy）、计算时间	NA
19	2025-12-20	Applications of machine learning and deep learning in SPECT and PET imaging: General overview, challenges and future prospects 2023-11, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2023.106984 PMID:37940064	综述	本文全面回顾了机器学习和深度学习在SPECT和PET成像中的应用、挑战及未来前景	系统整合了ML和DL在核医学成像中的多种应用，并探讨了数据标准化、可解释AI等前沿挑战与机遇	NA	概述机器学习和深度学习在SPECT和PET成像领域的应用现状与未来发展方向	SPECT和PET成像技术及其与ML/DL结合的临床应用	机器学习, 数字病理	NA	SPECT, PET	深度学习模型	成像数据	NA	NA	NA	NA	NA
20	2025-12-16	Estimation of concrete materials uniaxial compressive strength using soft computing techniques 2023-Nov, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e22502 PMID:38034748	研究论文	本研究通过比较三种深度学习算法（CNN、GRU和LSTM），预测混合设计混凝土的单轴抗压强度	专注于混合设计混凝土，并微调深度学习算法，以识别预测混凝土强度的最优DL算法	未提及具体局限性	识别预测混凝土单轴抗压强度的最优深度学习算法	混合设计混凝土	机器学习	NA	NA	CNN, GRU, LSTM	实验记录数据	NA	NA	卷积神经网络, 门控循环单元, 长短期记忆网络	预测准确性	NA