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	2026-05-31	Deep Learning-Enabled Diagnosis of Liver Adenocarcinoma 2023-11, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2023.07.026 PMID:37562657	研究论文	提出深度学习模型HEPNET，用于区分肝内胆管癌与结直肠癌肝转移，基于H&E染色全切片图像实现临床级准确率	开发了专门用于肝脏腺癌诊断的深度学习模型HEPNET，在区分原发性与继发性肝腺癌方面达到临床级精度，且性能超越6名病理专家并提升初级医师诊断水平	未在文中明确阐述局限性	实现肝脏腺癌的准确诊断，辅助临床决策并优化病理工作流程	肝内胆管癌与结直肠癌肝转移患者的H&E染色全切片图像	数字病理学	肝腺癌（包括肝内胆管癌和结直肠癌肝转移）	H&E染色全切片成像	深度学习（CNN）	病理全切片图像	训练集：456例患者（714,589个图像块）；内部测试集：115例；外部验证集：159例（来自美因茨大学医院）	NA	HEPNET	AUC、准确率	NA
2	2026-05-29	Diagnosing evapotranspiration responses to water deficit across biomes using deep learning 2023-11, The New phytologist DOI:10.1111/nph.19197 PMID:37621238	研究论文	利用深度学习研究深水区不同生物群落的蒸散发响应	首次使用深度学习神经网路从通量测量数据中提取水分胁迫因子（fET），揭示了不同生物群落对持续干旱的多样响应模式，并发现了标准地表模型未能捕捉的复杂性	研究依赖通量测量数据，可能受限于站点分布和测量精度；尚未解释不同响应行为的机制，仅推测了气孔调节、水力传导和深层水分利用等可能原因	量化水分限制对蒸散发的影响，理解植被对干旱的敏感性	不同生物群落的蒸散发响应，包括草原、热带稀树草原、森林等	机器学习	NA	通量测量	深度神经网络	通量测量数据（包括蒸散发、大气干旱度等协变量）	多种站点数据，包括热带稀树草原、草地和森林站点	PyTorch	深度神经网络	NA	NA
3	2026-05-25	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	开发低信号符号化迭代随机森林方法来阐明心脏肥大的复杂遗传结构，利用UK Biobank数据揭示上位性遗传变异及其在心脏转录组和单细胞形态学中的影响	提出低信号符号化迭代随机森林方法用于发现上位性关系，整合深度学习心脏MRI分析、转录组网络分析和高通量微流控单细胞形态学分析，揭示非加性遗传效应	NA	阐明心脏肥大的上位性遗传调控机制	心脏肥大及其相关遗传变异	机器学习	心血管疾病	RNA-seq, 单细胞形态学分析, 微流控, RNA沉默	随机森林, 深度学习	图像, 文本, 转录组数据	29,661名UK Biobank参与者（心脏MRI扫描），313个捐赠人类心脏（转录组数据）	NA	迭代随机森林, 深度学习模型	NA	NA
4	2026-05-23	Small-molecule binding and sensing with a designed protein family 2023-Nov-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.01.565201 PMID:37961294	研究论文	结合深度学习和物理方法，设计出一系列具有多样可设计口袋几何结构的蛋白质，用于结合六种不同的小分子靶标，并利用这些蛋白质构建化学诱导二聚化系统和皮质醇生物传感器	首次将深度学习方法与物理方法结合，生成具有多样化和可设计口袋几何结构的蛋白质家族，实现对多种化学和结构不同小分子的高亲和力结合，并利用结合口袋的边缘暴露特性设计化学诱导二聚化系统和生物传感器	未明确说明，可能包括设计方法的普适性验证不足或传感器在复杂生物样本中的实际应用效果待评估	开发一种通用方法，用于设计能够结合并感知任意小分子的蛋白质，以支持分析、环境和生物医学应用	六种化学和结构不同的小分子靶标（如皮质醇）以及与设计的蛋白质结合的生物传感器	机器学习	NA	深度学习和物理计算方法	深度学习模型（具体未指定）	蛋白质结构数据	六种小分子靶标的结合设计，具体样品数量未提及	NA	NA	结合亲和力（纳摩尔到低微摩尔级别）	NA
5	2026-05-16	Deep Learning for Inference of Hepatic Proton Density Fat Fraction From T1-Weighted In-Phase and Opposed-Phase MRI: Retrospective Analysis of Population-Based Trial Data 2023-11, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29607 PMID:37466189	research paper	使用深度学习从常规T1加权同/反相位MRI推断肝脏质子密度脂肪分数，并进行回顾性分析	首次使用卷积神经网络从常规T1加权IOP图像推断PDFF，替代不广泛可用的CSE-MRI序列	在中重度铁过载患者中的表现需进一步研究	比较基于深度学习的PDFF推断与两点Dixon信号FF在肝脏脂肪定量中的准确性	292名参与者（203名女性，89名男性）的肝脏MRI数据	计算机视觉	非酒精性脂肪肝病	MRI	卷积神经网络	图像	292名参与者（218人训练，74人测试）	PyTorch	卷积神经网络	组内相关系数，偏差，95%一致性界限	NA
6	2026-05-15	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	提出一个不确定性辅助的深度学习框架，用于肝脏T1ρ映射和分析	首次在基于学习的T1ρ映射中引入不确定性估计，并利用不确定性图改善映射性能和移除不可靠像素	NA	开发用于肝脏T1ρ映射的可信深度学习系统，提供不确定性估计以增强临床可靠性	不同肝纤维化阶段的肝脏组织	机器学习	肝纤维化	定量T1ρ成像	概率神经网络	图像（MRI）	51名肝纤维化患者	PyTorch	NA	相对映射误差	NA
7	2026-05-15	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	提出一种用于肝脏动态对比增强磁共振成像生理参数不确定性量化的统一贝叶斯网络框架	通过贝叶斯神经网络同时最小化偶然不确定性和认识不确定性，实现参数和不确定性的准确估计	未说明	提供深度学习框架以实现肝脏DCE-MRI中准确的参数和不确定性估计	肝脏动态对比增强磁共振成像中的生理参数	机器学习	肝脏肿瘤	DCE-MRI	贝叶斯神经网络	数值模拟数据与患者数据	一名患有肝脏肿瘤病变的患者	NA	贝叶斯神经网络	RMSE	NA
8	2026-05-15	WKGM: weighted k-space generative model for parallel imaging reconstruction 2023-11, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5005 PMID:37547964	研究论文	提出加权k空间生成模型WKGM，用于无校准并行成像重建	将k空间加权技术与高维空间增强设计融入基于分数的生成模型，实现灵活无校准的并行成像重建	仅基于500张图像进行训练，大规模数据下的泛化性能未验证	探索基于鲁棒生成模型的k空间域学习，用于柔性无校准并行成像重建	磁共振并行成像中的k空间数据重建	计算机视觉	不适用	MRI并行成像	基于分数的生成模型	k空间数据	500张图像	不适用	WKGM（加权k空间生成模型）	重建质量评估（具体指标未明确）	不适用
9	2026-05-02	Deep Learning MRI Reconstruction for Accelerating Turbo Spin Echo Hand and Wrist Imaging: A Comparison of Image Quality, Visualization of Anatomy, and Detection of Common Pathologies with Standard Imaging 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.042 PMID:36797172	研究论文	评估深度学习重建技术加速手部和腕部涡轮自旋回波MRI的图像质量、解剖结构显示和常见病理检测，并与标准成像进行比较	首次将深度学习重建应用于手部和腕部涡轮自旋回波序列的加速成像，相比标准GRAPPA重建显著降低噪声、提高边缘锐度，同时将扫描时间减少60%以上	研究样本量较小（21名患者），且为单中心研究；未对不同深度学习重建参数进行优化比较	评估深度学习重建技术在手部和腕部MRI涡轮自旋回波序列中的图像质量、解剖结构显示和常见病理诊断性能	手部和腕部MRI检查的患者（21名，平均年龄43岁，10名男性、11名女性）	计算机视觉, 数字病理学	NA	MRI, 涡轮自旋回波, GRAPPA重建, 深度学习重建	深度学习重建模型	MRI图像	21名患者	NA	NA	图像质量, 噪声, 边缘锐度, 伪影, 诊断信心, 解剖结构显示（五点评分量表）, 病理检测一致性（加权Kappa系数）	NA
10	2026-05-02	Improvement of Spatial Resolution on Coronary CT Angiography by Using Super-Resolution Deep Learning Reconstruction 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.044 PMID:36681533	研究论文	比较超分辨率深度学习重建与混合迭代重建在冠状动脉CT血管成像中的图像质量	首次将超分辨率深度学习重建应用于冠状动脉CT血管成像，显著提高图像空间分辨率和斑块检测能力	回顾性研究设计，样本量相对较小（100例），且未进行大规模多中心验证	评估超分辨率深度学习重建相较于混合迭代重建在冠状动脉CT血管成像中的图像质量提升	100例接受320排CT冠状动脉血管成像的患者图像	计算机视觉	心血管疾病	NA	超分辨率深度学习重建	图像	100例患者，其中14例接受有创冠状动脉造影作为参考	NA	NA	图像噪声标准差、对比噪声比、边缘上升斜率、图像质量评分、斑块可检测性	NA
11	2026-05-02	Impact of a Deep Learning-based Super-resolution Image Reconstruction Technique on High-contrast Computed Tomography: A Phantom Study 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.040 PMID:36690564	研究论文	评估基于深度学习的超分辨率图像重建技术在高对比度计算机断层扫描中的图像质量	通过利用高分辨率CT学习，DLSRR在噪声抑制和空间分辨率上超越传统DLR和迭代重建技术	研究基于模体实验，未涉及临床患者数据，可能无法完全代表真实临床场景	评估DLSRR的图像质量及其临床潜力	高对比度CT图像质量，通过Mercury CT 4.0模体进行分析	计算机视觉	NA	CT	深度学习	图像	一个Mercury CT 4.0模体，在不同管电流（100、200、300 mA）下扫描	NA	超分辨率图像重建网络	噪声功率谱、任务传递函数、可检测性指数	NA
12	2026-05-02	Detection of Intracranial Aneurysms Using Multiphase CT Angiography with a Deep Learning Model 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.043 PMID:36737273	研究论文	利用多相融合深度学习模型自动选择最佳相位，从CT血管造影图像中检测颅内动脉瘤，并与单相算法进行比较	提出多相融合深度学习模型，实现自动相位选择，显著提升颅内动脉瘤检测的灵敏度，特别是在不同动脉瘤位置、形状、大小和破裂状态下的召回率优于单相方法	基于单中心回顾性数据，未说明模型泛化性及外部验证范围，且未涉及模型的计算资源消耗	评估多相融合深度学习模型在CT血管造影图像中检测颅内动脉瘤的效果	颅内动脉瘤及其CT血管造影图像	计算机视觉	颅内动脉瘤	CT血管造影	深度学习模型	图像	训练数据1110名患者（1493个动脉瘤），内部验证数据139名患者（174个动脉瘤），测试数据134名患者（175个动脉瘤），独立验证数据来自数字减影血管造影检查	NA	多相融合深度学习模型	灵敏度，召回率	NA
13	2026-05-02	Deep Learning-based Post Hoc CT Denoising for the Coronary Perivascular Fat Attenuation Index 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.01.023 PMID:36868878	研究论文	评估基于深度学习的后处理CT降噪技术对冠状动脉周围脂肪衰减指数诊断性能的影响	首次将深度学习降噪技术应用于冠状动脉周围脂肪衰减指数，提高其在高危出血斑块中的诊断能力	样本量较小（仅43例患者），回顾性研究设计，需进一步前瞻性验证	评估深度学习降噪后CCTA图像中FAI的诊断性能，与MRI检测的高危出血斑块对比	43名接受CCTA和冠状动脉斑块MRI检查的患者	计算机视觉, 数字病理学	冠状动脉疾病	CCTA, 冠状动脉斑块MRI	CNN	图像	43例患者（其中13例有高危出血斑块）	NA	残差密集网络	曲线下面积, 敏感性, 特异性, 准确率	NA
14	2026-05-02	Deep Learning Reconstruction Improves the Image Quality of CT Angiography Derived From 80-kVp Cerebral CT Perfusion Data 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.02.007 PMID:37758584	研究论文	探讨深度学习重建技术对基于80-kVp脑CT灌注数据的CT血管成像图像质量的影响，并与混合迭代重建进行比较	首次在80-kVp低剂量脑CTP数据衍生的CTA中评估深度学习重建的临床价值，证明其相比HIR能显著改善图像质量	样本量较小（33例患者），且未对不同重建技术在诊断准确性方面的差异性进行深入分析	评估深度学习重建技术对低剂量CTP源图衍生的CTA图像质量的提升效果	接受80-kVp脑CT灌注扫描的33例患者	计算机视觉	脑血管疾病	CT灌注成像	深度学习重建	图像	33例患者	NA	NA	CT值，标准差，信噪比，对比噪声比，五分制主观评分	NA
15	2026-04-29	Artificial intelligence for natural product drug discovery 2023-11, Nature reviews. Drug discovery DOI:10.1038/s41573-023-00774-7 PMID:37697042	综述	描述人工智能与计算组学技术在天然产物药物发现中的协同作用，以及如何克服相关挑战	系统阐述人工智能（尤其是机器学习）与计算组学技术在天然产物药物发现中的协同潜力，并提出了高质量数据集构建和算法验证等关键问题的解决策略	未详细说明具体的技术实现细节或实验验证结果，主要停留在理论框架和未来展望层面	探讨人工智能与计算组学技术协同作用在天然产物药物发现中的应用，为从自然界分子中筛选药物候选物提供新思路	天然产物分子、药物候选物	机器学习	NA	计算组学技术	机器学习、深度学习	分子数据	NA	NA	NA	NA	NA
16	2026-04-28	Boosting the performance of pretrained CNN architecture on dermoscopic pigmented skin lesion classification 2023-Nov, 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.13505 PMID:38009020	研究论文	通过数据增强和贝叶斯超参数调优提升预训练CNN模型在黑色素皮肤病变分类中的性能	结合数据增强与贝叶斯超参数调优两种方法，显著提升预训练CNN模型在皮肤镜图像分类中的性能，尤其Inception-V3模型取得了最高准确率96.40%和AUC 0.98	未提及具体限制	提升预训练卷积神经网络在黑色素皮肤病变分类中的性能	皮肤镜图像中的色素性皮肤病变	计算机视觉	黑色素瘤	皮肤镜成像	CNN	图像	2019年ISIC数据集，包含八种疾病类别	NA	Inception-V3	准确率, AUC	NA
17	2026-04-28	Lyme rashes disease classification using deep feature fusion technique 2023-Nov, 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.13519 PMID:38009027	研究论文	提出一种深度特征融合系统用于自动分类莱姆病皮疹	提出了一种新的深度特征融合机制，通过结合Densenet201、InceptionV3和Exception三个模型的深度特征，并利用元分类器进行整合，显著提升了分类准确率	NA	自动分类莱姆病皮疹以辅助临床医生和皮肤科医生进行有效诊断	莱姆病皮疹的红斑迁移图像	计算机视觉	莱姆病	深度学习特征融合	Densenet201, InceptionV3, Exception, 元分类器（基础深度卷积神经网络）	图像	NA	NA	DenseNet201, InceptionV3, Exception, 基础深度卷积神经网络	分类准确率	NA
18	2026-04-28	Segmentation and classification of skin lesions using hybrid deep learning method in the Internet of Medical Things 2023-Nov, 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.13524 PMID:38009016	研究论文	提出一种结合Mask R-CNN和ResNet50的混合深度学习模型，用于皮肤病变的语义分割和分类，在IoMT环境中提升诊断准确性	首次将MRCNN语义分割与ResNet50病变检测相结合，在IoMT框架下实现端到端的皮肤病变细粒度分析，分割精度达95.49%，分类准确率达96.75%	未提及算法在低质量图像或罕见病变类型上的泛化能力，也未讨论计算资源消耗和实时部署可行性	在医疗物联网背景下，利用混合深度学习方法提升皮肤病变分割与分类的准确性和效率	皮肤病变（痣、黑色素瘤等）的皮肤镜图像	计算机视觉, 数字病理学	皮肤癌	皮肤镜成像	卷积神经网络, 混合模型	皮肤镜图像	ISIC 2020挑战数据集（大量标注图像）	PyTorch	Mask R-CNN, ResNet50	分割精度, 分类准确率	NA
19	2026-04-25	[Identification model of tooth number abnormalities on pediatric panoramic radiographs based on deep learning] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230831-00128 PMID:37885185	研究论文	基于深度学习开发儿童全景X光片中牙齿数目异常的识别模型	首次应用ResNet-50作为骨干网络的深度学习模型，在儿科全景X光片上自动识别额外牙并定位缺失恒牙，辅助诊断牙齿数目异常	未提及限制	基于深度学习识别儿科全景X光片的牙齿数目异常	4至11岁儿童的全景X光片	计算机视觉	儿童牙齿数目异常	全景X光成像	卷积神经网络（CNN）	图像	共1707张全景X光片，其中训练集480张、验证集160张、内部测试集160张、外部测试集907张	PyTorch	ResNet-50	灵敏度、特异度、阳性预测值、阴性预测值、Kappa值	NA
20	2026-04-25	[Deep learning-assisted construction of three-dimensional face midsagittal plane based on point clouds] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230825-00110 PMID:37885192	研究论文	基于深度学习的点云三维面部中矢面自动构建方法	提出动态图配准网络（DGRNet）实现智能配准，以构建三维面部中矢面，提高临床数字设计与分析效率	仅基于无明显面部畸形的患者数据，未探索严重畸形的适用性	建立智能配准算法，自动构建三维面部中矢面，为临床数字设计与分析提供参考	临床患者的面部点云数据	计算机视觉	无特定疾病	三维点云扫描	动态图配准网络（DGRNet）	点云数据	200名临床患者（2020年10月至2022年10月收集）	NA	DGRNet	决定系数（R），角度误差	NA