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	2026-09-23	InfoCD: A Contrastive Chamfer Distance Loss for Point Cloud Completion 2023-Dec, Advances in neural information processing systems PMID:42131075	研究论文	本文提出了一种新的对比Chamfer距离损失函数InfoCD，用于点云补全任务。	提出InfoCD，一种对比Chamfer距离损失，通过最大化点云所代表的潜在几何表面之间的互信息下界，使匹配点更好地对齐分布，从而获得稳健且计算高效的CD度量。	未明确提及。	改进点云补全任务中的损失函数，提高表面相似度度量的稳健性和计算效率。	点云数据。	计算机视觉	不适用	不适用	不适用	点云	未明确提及。	不适用	不适用	未明确提及，但提及了表面相似度度量。	未明确提及。
2	2026-09-21	A Data-Free Approach to Mitigate Catastrophic Forgetting in Federated Class Incremental Learning for Vision Tasks 2023-Dec, Advances in neural information processing systems PMID:41573098	研究论文	本文提出了一种在联邦类增量学习中使用无数据生成模型合成过去分布样本来缓解灾难性遗忘的框架	在服务器端使用无数据方法训练生成模型，无需客户端存储旧数据或模型，并引入 SuperImageNet 数据集	未明确提及	解决联邦类增量学习中的灾难性遗忘问题	联邦学习中的视觉任务	计算机视觉	NA	无数据生成模型	生成模型	图像	未明确提及	NA	NA	NA	NA
3	2026-09-20	Intelligent antepartum fetal monitoring via deep learning and fusion of cardiotocographic signals and clinical data 2023-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-023-00219-w PMID:36950107	研究论文	该文章提出了一种多模态深度学习架构，用于智能产前胎儿监测，通过融合胎心监护信号和临床数据实现自动特征提取和分类	提出了一种多模态深度学习架构，能够自动提取CTG特征，并将其与孕妇临床数据融合，克服了传统方法忽略临床信息的局限性	未明确提及	实现智能产前胎儿监测，通过深度学习自动提取CTG特征并融合临床数据进行胎儿健康评估	16，355例孕妇的CTG信号（包括FHR信号和UC信号）及相关临床数据（如产妇年龄、孕周等）	机器学习	NA	NA	CNN, LGBM	信号, 表格数据	16，355例	NA	CNN, LGBM	准确率, AUC, F1分数	NA
4	2026-09-04	Inferring Metabolic States from Single Cell Transcriptomic Data via Geometric Deep Learning 2023-Dec-07, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.05.570153 PMID:38105974	研究论文	提出了一种基于几何深度学习的GEFMAP方法，利用单细胞转录组数据预测代谢网络中的反应通量，以推断细胞代谢状态。	首次将几何深度学习应用于代谢网络，通过图结构学习细胞特异的生物目标和质量平衡的相对通量率，解决了单细胞代谢组测量难题。	未详细说明在复杂组织或病理状态下的验证，可能对代谢网络覆盖范围敏感。	开发一种从单细胞转录组数据推断代谢状态的计算方法，以弥补单细胞代谢组测量的不足。	单细胞转录组数据及其代谢网络。	机器学习, 计算生物学	不适用	单细胞RNA测序（scRNA-seq）	几何深度学习模型	单细胞基因表达数据	不适用	不适用	几何深度学习架构（未具体指定，如图神经网络）	不适用	不适用
5	2026-08-27	Genomic prediction with machine learning in sugarcane, a complex highly polyploid clonally propagated crop with substantial non-additive variation for key traits 2023-12, The plant genome DOI:10.1002/tpg2.20390 PMID:37728221	研究论文	本研究探讨了深度学习和集成机器学习方法在甘蔗基因组预测中的表现，并与GBLUP模型进行了比较	首次在复杂高度多倍体克隆繁殖作物甘蔗中应用深度学习（MLP和CNN）和随机森林进行基因组预测，并考虑了非加性效应	机器学习模型的预测精度未超过扩展的GBLUP模型，可能受限于数据规模和标记密度	评估机器学习方法在甘蔗基因组预测中的潜力，并与传统线性模型比较	2912个甘蔗克隆，涉及总甘蔗收获量、商业蔗糖和纤维含量三个性状	机器学习	NA	单核苷酸多态性标记基因分型	多层感知机、卷积神经网络、随机森林、GBLUP	基因组标记数据和表型数据	2912个甘蔗克隆，26086个SNP标记	NA	MLP、CNN、随机森林	预测精度	NA
6	2026-08-10	Artificial Intelligence and Machine Learning in Cancer Related Pain: A Systematic Review 2023-Dec-08, medRxiv : the preprint server for health sciences DOI:10.1101/2023.12.06.23299610 PMID:38105979	系统综述	本系统综述旨在探索人工智能/机器学习在癌症相关疼痛预测及疼痛管理决策支持中的应用	首次系统性地评估AI/ML在癌症疼痛预测和管理中的应用，并总结多种模型的性能比较及TRIPOD指南遵循情况	大多数纳入研究缺乏外部验证和临床实际应用，模型校准报告不足	探讨AI/ML在癌症疼痛相关结局预测和疼痛管理决策支持中的应用	癌症患者疼痛相关预测及管理决策	机器学习	癌症疼痛	NA	随机森林、Lasso、支持向量机等多种机器学习模型	临床研究数据	44项研究（2006-2023年）	NA	随机森林、Lasso、支持向量机	AUC、敏感性、特异性	NA
7	2026-06-19	Divergences in color perception between deep neural networks and humans 2023-12, Cognition IF:2.8Q1 DOI:10.1016/j.cognition.2023.105621 PMID:37716312	研究论文	评估深度神经网络与人类在颜色感知方面的差异，揭示当前DNN模型未能充分捕捉人类颜色感知的认知一致性	首次通过对比颜色相似性判断实验，系统评估了包括卷积神经网络和视觉Transformer在内的多种DNN架构与人类颜色感知的偏差，并提出了基于小波分解的可解释颜色感知模型作为更优基准	未涉及颜色感知的时间动态特性、跨文化差异以及高维颜色空间（如CIELAB）的深度映射；小波模型的认知合理性仍需更多神经科学验证	探究深度神经网络在颜色感知维度上与人类认知的一致性，并寻找更符合认知规律的替代模型	人类颜色相似性判断（通过在线调查收集）和多种DNN产生的颜色嵌入表示	机器学习、计算机视觉、认知科学	不适用	卷积神经网络、视觉Transformer、小波分解、风格迁移任务训练	卷积神经网络、视觉Transformer	图像（控制颜色属性的图像、网络搜索图像、CIFAR-10真实世界图像）	多种图像数据集（未明确样本数量，包含三类图像集：颜色控制图像、网络图像、CIFAR-10的10类图像）	PyTorch（隐含）、TensorFlow（未明确，但常见框架）	ResNet、ViT、VGG、U-Net（？待确认）、小波模型	颜色相似性判断一致性（相关系数、均方误差）	未明确，但通常使用GPU（如NVIDIA A100或V100）
8	2026-06-17	ProSE-Pero: Peroxisomal Protein Localization Identification Model Based on Self-Supervised Multi-Task Language Pre-Training Model 2023-12-01, Frontiers in bioscience (Landmark edition) DOI:10.31083/j.fbl2812322 PMID:38179735	研究论文	基于自监督多任务语言预训练模型ProSE开发了ProSE-Pero模型，用于过氧化物酶体蛋白定位识别	首次将预训练多任务语言模型ProSE应用于过氧化物酶体蛋白特征提取，结合SVMSMOTE平衡数据集和SHAP解释模型进行特征选择，在植物液泡蛋白识别任务上性能超越最新模型iPVP-DRLF约5%	NA	开发更精确的过氧化物酶体蛋白定位识别模型	过氧化物酶体蛋白的定位识别	机器学习	NA	蛋白质序列特征提取	ProSE（预训练多任务语言模型）、LightGBM、传统机器学习方法、深度学习模型	蛋白质序列数据	160个过氧化物酶体蛋白	NA	ProSE	特异性（Sp）、灵敏度（Sn）、准确率（Acc）、马修斯相关系数（MCC）、F1分数、曲线下面积（AUC）	NA
9	2026-05-19	AlphaFold2 has more to learn about protein energy landscapes 2023-Dec-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.12.571380 PMID:38168383	研究论文	测试AlphaFold2对折叠转换蛋白能量景观的预测能力，发现其成功率有限，且置信度指标无法区分低能和高能状态	系统评估了AlphaFold2在预测折叠转换蛋白多种构象方面的局限性，揭示了深度学习模型在理解蛋白质能量景观方面的不足	AF2对折叠转换蛋白的预测成功率仅约25%，置信度指标偏向不一致模型，且对新靶标的替代构象无预测能力	评估AlphaFold2在蛋白质能量景观（特别是折叠转换蛋白）上的预测极限	93个已知折叠转换蛋白（训练集内）和7个新靶标（训练集外）	机器学习	NA	深度学习	AlphaFold2	蛋白质结构数据	训练集内93个蛋白生成超280,000个模型；训练集外7个蛋白生成超159,000个模型	NA	AlphaFold2	成功率约25%，置信度指标	NA
10	2026-05-17	Cerebellar Volume and Disease Staging in Parkinson's Disease: An ENIGMA-PD Study 2023-12, Movement disorders : official journal of the Movement Disorder Society IF:7.4Q1 DOI:10.1002/mds.29611 PMID:37964373	研究论文	利用ENIGMA-PD全球工作组的大样本MRI数据，量化帕金森病患者不同Hoehn-Yahr分期的小脑各小叶体积变化	首次在大型多中心样本中揭示帕金森病前叶（运动）和后叶（非运动）小脑区域的分离变化，即疾病早期前叶体积增大、晚期后叶体积缩小	NA	探究帕金森病不同疾病分期中小脑区域体积的差异及其与运动和非运动功能的关系	帕金森病患者	医学影像分析	帕金森病	磁共振成像	深度学习	三维T1加权结构MRI图像	2487名帕金森病患者和1212名年龄性别匹配的对照组，来自22个中心	NA	NA	Cohen's d效应量	NA
11	2026-05-15	Physiological sensor data cleaning with autoencoders 2023-12-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad10c7 PMID:38029439	研究论文	提出一个基于自编码器的半监督深度学习框架，用于清理生理传感器数据中的噪声	使用扩张卷积捕获信号粗细粒度结构，并引入自编码器实现半监督学习以利用大量未标注数据	半监督模型的调优尚有改进空间	可靠地从生理传感器信号中分离清洁与噪声信号，支持临床药物效能的决策	生理传感器信号中的噪声探测与清理	机器学习	NA	生理传感器数据	自编码器、扩张卷积	时间序列信号	NA	NA	扩张卷积网络、自编码器	准确率、假阳性率、假阴性率	NA
12	2026-05-15	AI approach to biventricular function assessment in cine-MRI: an ultra-small training dataset and multivendor study 2023-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0903 PMID:37918023	研究论文	基于极小训练数据集开发3D深度学习方法，实现多厂商心脏MRI双心室结构分割与功能评估	在极小样本（150例）下结合Transformer与U-Net的3D深度学习架构，并验证多厂商MRI数据的泛化能力	右心室收缩末期容积（RVESV）和左心室质量（LVM）参数存在统计学差异	开发基于超小训练数据集的自动化双心室功能评估方法	多厂商心脏电影MRI影像	计算机视觉	心血管疾病	心脏电影磁共振成像（cine-MRI）	3D深度学习方法	医学影像	150例心脏数据集（90例训练，60例测试），来自3家MRI厂商，每例包含2个心动周期和3个序列	NA	Transformer, U-Net	Dice系数, Hausdorff距离, Pearson相关系数, 组内相关系数（ICC）, Bland-Altman分析	NA
13	2026-05-15	Deep learning based uncertainty prediction of deformable image registration for contour propagation and dose accumulation in online adaptive radiotherapy 2023-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0282 PMID:37820691	研究论文	开发深度学习模型预测可变形图像配准的不确定性，以实现自适应放疗中轮廓传播和剂量累积的临床应用	首次提出深度学习方法来预测可变形图像配准过程的不确定性，该方法速度快、估计质量高，并可适用于不同算法无需重新训练	未明确提及限制，但可能依赖于标注地标和特定数据集，泛化性和临床验证尚待进一步研究	通过预测DIR不确定性并转化为临床可用指标，实现直接临床应用	DIR中可变形矢量场的Gaussian不确定性，及其对轮廓和累积剂量的影响	计算机视觉	肺癌	可变形图像配准	神经网络（有监督和无监督）	图像（DIRLAB数据集，肺部患者图像）	DIRLAB数据集（含人工标注地标）及5位肺癌患者	NA	有监督和无监督神经网络，组合模型	准确性（地标不确定性预测），轮廓不确定性小于3%（基于DVH的剂量体积直方图评估）	NA
14	2026-05-15	MB-DECTNet: a model-based unrolling network for accurate 3D dual-energy CT reconstruction from clinically acquired helical scans 2023-12-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad00fb PMID:37802071	研究论文	提出一种基于模型展开网络的MB-DECTNet，用于从临床采集的螺旋扫描中实现精确的3D双能CT重建	将双能CT统计迭代重建融入深度学习模型展开网络，可端到端训练，在保持无偏估计特性的同时学习迭代算法初始条件与稳定点之间的捷径，显著加速重建并保持亚百分比精度	未提及该方法在不同临床场景或不同扫描参数下的泛化能力，以及与传统方法在更多数据集上的对比评估	加速3D双能CT统计迭代重建，同时保持亚百分比或近亚百分比的精度	双能CT扫描重建的衰减系数估计和虚拟单能量图像	计算机视觉, 数字病理学	NA	双能CT	深度展开网络	CT图像	全头部的临床采集螺旋扫描数据	PyTorch	MB-DECTNet（包含多个堆叠的更新块，每个块包括数据一致性层和空间混合器层）	平均偏差, 平均绝对误差, 重建时间	未提及具体GPU类型或计算平台
15	2026-05-10	[Mitigating metal artifacts in cone-beam CT images through deep learning techniques] 2023-12-29, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20231030-00228 PMID:38172064	研究论文	开发和评估基于深度学习的人工智能金属伪影去除系统（MARS），用于处理锥形束CT（CBCT）图像中由不同厚度金属引起的伪影	首次系统评估不同厚度钴铬合金在CBCT图像中产生的伪影范围，并开发CNN-MARS和U-net-MARS两种深度学习模型进行伪影去除，比较其效果	未详细说明模型训练的样本量、计算资源以及模型中使用的具体超参数，且仅使用了特定材料（钴铬合金）和特定厚度范围，可能限制泛化性	开发并评估基于深度学习的金属伪影去除系统，以提升CBCT图像质量	不同厚度（1.0mm、1.5mm、2.0mm）钴铬合金冠在CBCT图像中产生的伪影	数字病理学, 计算机视觉	NA	CBCT（锥形束CT）	CNN, U-net	图像	NA（未明确说明样本数量，但使用了标准口腔模型生成匹配的CBCT图像）	NA	卷积神经网络（CNN）, U-net	结构相似性指数（SSIM）, 峰值信噪比（PSNR）	NA
16	2026-05-08	Predicting Glaucoma Progression to Surgery with Artificial Intelligence Survival Models 2023-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2023.100336 PMID:37415920	研究论文	开发基于人工智能的生存模型预测青光眼患者进展至手术的风险，并比较不同方法的性能	首次将生存分析方法（包括深度生存模型）用于青光眼进展预测，弥补了传统分类器忽视纵向随访数据的不足	仅使用结构化电子健康记录数据，未纳入临床笔记或影像学信息；需进一步开发更复杂的深度生存模型	比较回归、树模型和深度学习三种生存分析预测青光眼手术进展的性能	2008-2020年某学术中心4512名青光眼患者	机器学习	青光眼	电子健康记录数据提取	生存模型（DeepSurv, 随机生存森林, 梯度提升生存, 惩罚Cox比例风险模型）	结构化表格数据（人口学、眼部检查、诊断、用药共361个特征）	4512名患者（748例接受手术）	NA	DeepSurv（深度学习生存网络）	一致性指数（C-index）, 均值累积/动态曲线下面积（mean AUC）	NA
17	2026-05-01	Deep Learning and Gastric Cancer: Systematic Review of AI-Assisted Endoscopy 2023-12-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13243613 PMID:38132197	综述	系统评估深度学习在胃癌内镜辅助诊断中应用的研究现状	首次系统总结深度学习在胃癌分类、检测、肿瘤浸润深度评估、癌灶勾画、病变分割及早期和癌前病变识别中的多种应用，并对比AI与内镜医师的诊断性能	主要受限于单中心研究、未公开数据集、回顾性算法训练可能不代表真实临床表现、模型细节缺乏影响可重复性	评估深度学习在胃癌前病变、早期胃癌和胃肿瘤分析中的应用现状	深度学习算法用于胃肿瘤内镜图像检测的研究	计算机视觉	胃癌	内镜成像	CNN	图像	42项研究	NA	NA	诊断准确率	NA
18	2024-08-07	Correlating Deep Learning-Based Automated Reference Kidney Histomorphometry with Patient Demographics and Creatinine 2023-12-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000000000299 PMID:37966063	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
19	2026-04-03	Pathomic Features Reveal Immune and Molecular Evolution From Lung Preneoplasia to Invasive Adenocarcinoma 2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100326 PMID:37678674	研究论文	本研究利用深度学习与人工智能技术，从常规H&E组织病理图像中提取病理组学特征，揭示肺腺癌从癌前病变到侵袭性腺癌的免疫与分子演化过程	首次结合深度学习细胞分割与病理组学特征分析，系统解码肺腺癌癌前病变演化，并验证了与昂贵分子/免疫分析结果的一致性	样本量相对有限（98例患者），且仅基于H&E图像分析，未整合多组学数据	探究肺腺癌早期癌变过程中的免疫与分子演化规律	肺组织样本，包括正常组织、非典型腺瘤样增生、原位腺癌、微浸润腺癌及侵袭性腺癌	数字病理	肺癌	深度学习，人工智能，H&E组织病理图像分析	深度学习模型	图像	98例患者，162张切片，669个感兴趣区域（包括143正常、129非典型腺瘤样增生、94原位腺癌、98微浸润腺癌、205侵袭性腺癌）	NA	NA	NA	NA
20	2026-03-13	Classification of Glomerular Pathology Images in Children Using Convolutional Neural Networks with Improved SE-ResNet Module 2023-Dec, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-023-00579-7 PMID:37525066	研究论文	本研究设计了一个基于深度学习的完整肾小球分类框架，用于检测和分类儿童肾小球病理图像，通过改进的SE-ResNet模块实现高精度分类	提出了一种集成ResNet和SENet的RS-INet神经网络，通过将原始ResNet残差块的卷积层转换为参数更小的卷积块，在保证网络性能的前提下减少了网络参数	NA	解决儿童肾小球病变分类问题，实现肾小球病理的高精度分类	儿童肾小球病理图像	数字病理学	肾脏疾病	组织切片	CNN	图像	NA	NA	ResNet, SENet, SE-ResNet	准确率	NA