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
21	2026-05-09	Bibliometric and visualized analysis of diabetic macular edema 2024-01-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_399_23 PMID:38131545	综述	对2003年至2022年间糖尿病性黄斑水肿研究领域进行文献计量和可视化分析	利用VOSviewer对关键词进行聚类分析并识别短期研究热点，如深度学习、光学相干断层扫描血管成像等	仅基于Web of Science核心合集数据库，可能遗漏其他来源的文献	识别糖尿病性黄斑水肿领域的最新研究趋势及国家、机构和作者的影响力	糖尿病性黄斑水肿相关出版物	自然语言处理	糖尿病性黄斑水肿	文献计量分析	NA	文本	4482篇出版物	VOSviewer, Microsoft Excel	NA	NA	NA
22	2026-05-08	Utilisation of ChatGPT and other Artificial Intelligence tools among medical faculty in Uganda: a cross-sectional study 2024, MedEdPublish (2016) DOI:10.12688/mep.20554.3 PMID:39911314	研究论文	评估乌干达医学院教师对ChatGPT及其他人工智能工具的使用情况	首次在乌干达医学院教师中开展AI工具使用情况的横断面研究，揭示了年龄与AI使用率之间的关联	仅基于自我报告数据，可能存在回忆偏倚；样本来自四所公立大学，推广性有限	评估乌干达医学院教师对ChatGPT及其他人工智能工具的使用现状	乌干达四所公立大学的医学院教师	机器学习	NA	NA	ChatGPT（大语言模型）	问卷数据	224名医学院教师	NA	NA	NA	NA
23	2026-05-08	Developing a clinician-friendly rubric for assessing history-taking skills in medical undergraduates speaking English as a foreign language 2024, MedEdPublish (2016) DOI:10.12688/mep.19911.3 PMID:39534518	研究论文	评估乌干达医学院教师对ChatGPT等人工智能工具的使用情况	首次在乌干达医学院教师中调查ChatGPT等AI工具的使用率及影响因素	横断面研究设计，无法确定因果关系；样本仅来自四所公立大学，可能不具有全国代表性	评估乌干达医学院教师对ChatGPT及其他AI工具的使用情况	乌干达四所公立大学的医学院教师	机器学习	NA	NA	ChatGPT	问卷数据	224名医学院教师	NA	NA	NA	NA
24	2026-05-08	Superpixel-ComBat modeling: A joint approach for harmonization and characterization of inter-scanner variability in T1-weighted images 2024, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00306 PMID:40800451	研究论文	提出一种基于超像素与ComBat建模的联合方法，用于表征和协调T1加权图像中的跨扫描仪变异	将统计ComBat方法扩展到图像域，结合3D超像素分割算法，实现可解释的跨扫描仪变异表征和协调	NA	开发一种可解释的跨扫描仪变异表征与协调策略，提升多中心研究的图像一致性	来自四个3T MRI扫描仪的匹配T1加权图像	计算机视觉	NA	T1加权成像	ComBat模型	图像	NA	NA	超像素分割算法	信号噪声比, 对比度噪声比, 信号不均匀性指数, 结构相似性指数	NA
25	2026-05-07	3D CNN for neuropsychiatry: Predicting Autism with interpretable Deep Learning applied to minimally preprocessed structural MRI data 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276832 PMID:39432512	研究论文	利用3D深度学习对最小预处理的结构性MRI数据预测自闭症诊断，并提高模型可解释性	直接在原始空间（而非模板空间）训练3D CNN模型，减少偏差且提升对结构变化的敏感性，同时实现模型可解释性以识别关键脑区	受限于自闭症的临床异质性和数据站点效应，模型预测准确率仍需提升	开发一种可解释的3D深度学习流程，用于从结构MRI推断自闭症诊断	自闭症患者与健康对照组的脑结构MRI扫描数据	计算机视觉	自闭症	MRI	3D CNN	影像	1329例（ABIDE I和II数据集，分为训练集、验证集和测试集）	NA	3D CNN	准确率	NA
26	2026-05-07	W-WaveNet: A multi-site water quality prediction model incorporating adaptive graph convolution and CNN-LSTM 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276155 PMID:38442101	研究论文	提出一种结合自适应图卷积和CNN-LSTM的多站点水质预测模型W-WaveNet	首次处理多站点水质数据中的非对齐空间相关性，并通过交错堆叠集成时间和空间模型	未提及模型的局限性，如计算复杂度或应用范围限制	提高多站点水质预测的准确性，考虑时空相关性	两个真实河流断面上的多个站点水质数据	机器学习	NA	自适应图卷积	CNN-LSTM	水质数据	两个真实河流断面多站点数据	NA	自适应图卷积网络, CNN-LSTM	平均绝对误差	NA
27	2026-05-06	Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103638 PMID:39002223	research paper	本研究评估了基于深度学习的多种特征选择策略，结合MRI影像和表格数据（如人口统计学和临床特征）预测中风后言语恢复情况	提出将MRI提取的感兴趣区域（ROI）图像与表格数据的符号表示结合，训练卷积神经网络的新方法，并利用可解释AI进行特征选择	数据集规模相对较小，样本量仅758人，且受限于特定的中风后言语评估指标	开发并评估结合多模态数据（MRI影像和表格数据）的深度学习方法，提高中风后恢复预测的准确性	758名英语中风幸存者，来自PLORAS研究，分为五组（其中四组用于训练验证，一组作为锁箱测试集）	machine learning	stroke	MRI	CNN, ResNet	image, tabular	758名中风幸存者	PyTorch	2D ResNet, 3D CNN	accuracy, area under the curve, F1 score	NA
28	2026-05-06	MHCII-peptide presentation: an assessment of the state-of-the-art prediction methods 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1293706 PMID:38646540	研究论文	对MHCII-肽段结合预测方法的现状进行全面评估	通过独立测试集系统评估11种预测方法，揭示深度学习算法和数据增长带来的性能提升，为研究者选择预测工具提供指导	仅评估了截至2022年1月的11种预测方法，未涵盖最新进展；仅使用人类MHCII蛋白数据，未包含其他物种	评估现有MHCII-肽段结合预测方法的性能，为免疫治疗和癌症疫苗设计提供方法选择指导	20种人类MHCII蛋白亚型的结合与非结合肽段	机器学习	癌症相关免疫疾病	免疫肽组学	深度学习模型	氨基酸序列	来自免疫表位数据库的20种人类MHCII蛋白亚型的结合与非结合肽段	NA	MixMHC2pred, NetMHCIIpan-4.1	预测性能	NA
29	2026-05-03	Synthesis of MR fingerprinting information from magnitude-only MR imaging data using a parallelized, multi network U-Net convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1498411 PMID:39742349	研究论文	开发一种基于多网络U-Net卷积神经网络的方法，从常规幅度MRI数据合成MR指纹信号	首次利用深度学习网络从常规幅度MRI数据合成MRF信号，无需专用MRF脉冲序列即可进行定量弛豫测量	样本量较小（37名志愿者），且仅针对脑部T1加权数据，未评估其他组织和序列的泛化能力	开发深度学习网络合成MRF信号，以取代传统复杂采集策略，推广定量弛豫测量应用	37名21-62岁志愿者的脑部MRI数据	计算机视觉	NA	MRI	U-Net卷积神经网络	图像	37名志愿者（年龄21-62岁），47个解剖区域	暂未提及具体框架	U-Net	一致性相关系数（CCC）、95%置信限、平均差值	NA
30	2026-05-02	Extracting Drug-Protein Relation from Literature Using Ensembles of Biomedical Transformers 2024-Jan-25, Studies in health technology and informatics DOI:10.3233/SHTI231043 PMID:38269887	研究论文	利用生物医学预训练Transformer模型集成方法从文献中自动提取药物-蛋白质关系	采用多个生物医学预训练Transformer模型的集成策略，在DrugProt任务中取得优异成绩	NA	开发从生物医学文献中自动提取药物与蛋白质关系的方法	药物/化学物质与蛋白质之间的实体关系	自然语言处理	NA	NA	Transformer	文本	主语料库10,750篇摘要，大规模语料库2.4M篇文献	NA	生物医学预训练Transformer模型	F1-score	NA
31	2026-05-02	Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.20.576449 PMID:38328064	研究论文	提出一种基于深度学习管道的自动化细胞检测与追踪方法，用于无标记3D延时成像	无需手动标注训练数据，鲁棒检测具有高度尺度不变性，跨实验室和仪器的泛化能力强	NA	解决无标记3D延时成像中细胞自动检测和追踪的挑战	细胞图像	计算机视觉	NA	3D延时成像	GAN	图像	NA	PyTorch	embGAN	NA	NA
32	2026-05-02	Toward enhancement of antibody thermostability and affinity by computational design in the absence of antigen 2024 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2024.2362775 PMID:38899735	研究论文	利用深度学习模型DeepAb结合深度突变扫描数据设计抗体变体，以增强抗体热稳定性和亲和力	首次在无抗原结构信息的情况下，仅通过序列预测抗体结构并联合深度突变扫描数据，实现对抗体热稳定性和亲和力的双重优化	未明确讨论模型对非HEL抗体或更复杂抗原的泛化能力，且实验验证仅基于单一抗体靶点	探索无需预测抗体-抗原界面的抗体优化方法，提升抗体的热稳定性和亲和力	针对抗鸡卵清溶菌酶的抗体变体	机器学习	NA	深度学习、深度突变扫描、高通量实验	深度学习模型	序列数据、实验突变数据	200个设计的抗体变体	NA	DeepAb	热稳定性（T、T、T）、胶体稳定性、亲和力（K）、开发性参数（非特异性结合、聚集倾向、自结合）	NA
33	2026-05-02	Digital pathology and multimodal learning on oncology data 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae014 PMID:42064394	综述	本文综述了数字病理学与多模态学习在肿瘤学数据整合中的最新进展，强调了其改善癌症诊疗的潜力	系统阐述了数字病理学如何与临床、影像及分子等多模态数据结合，并分析了多模态学习在肿瘤学中的机遇与挑战	NA	探讨多模态数据整合在肿瘤学中的应用，特别是数字病理学如何与其他数据类型协同以提升癌症诊疗水平	多模态肿瘤学数据（包含临床、影像、分子及病理信息）	数字病理学	癌症	NA	深度学习、机器学习	图像、文本、分子数据	NA	NA	NA	NA	NA
34	2026-05-02	Clinical adoption of deep learning target auto-segmentation for radiation therapy: challenges, clinical risks, and mitigation strategies 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae015 PMID:42064392	综述	综述深度学习在放射治疗靶区自动分割中的临床应用挑战、风险及缓解策略	聚焦靶区自动分割的临床采用，系统分析了过度分割、不足分割、自动化偏差及适度信任等临床风险，并提出了包括几何、剂量-体积和基于结果的性能监测在内的全面质量保证框架	主要基于现有文献综述，缺乏实际临床实施数据的量化评估，且未深入探讨不同深度学习模型架构间的具体比较	评估深度学习靶区自动分割在放射治疗中的临床采用挑战、风险及缓解策略，推动其安全整合入临床实践	放射治疗中的靶区自动分割技术及其临床应用	机器学习,数字病理学	癌症	NA	深度学习	影像	NA	NA	NA	NA	NA
35	2026-05-02	Diffusion models for medical image reconstruction 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae013 PMID:42064401	综述	综述扩散模型在医学图像重建中的应用，包括其原理、优势、挑战及未来研究方向	系统总结了扩散模型在医学图像重建中的最新进展，特别强调了其相比其他深度学习方法的优势，如图像分布建模能力、域迁移鲁棒性和不确定性量化	扩散模型存在幻觉问题可能影响临床适用性，且本文为综述性文章，未提出新的模型或方法	介绍扩散模型在医学图像重建中的应用，并提供方法学指导	扩散模型及其在医学图像重建中的应用	计算机视觉	不适用	扩散模型	扩散模型	医学图像	不适用	不适用	扩散模型	不适用	不适用
36	2026-05-02	Applications and implementation of generative artificial intelligence in cardiovascular imaging with a focus on ethical and legal considerations: what cardiovascular imagers need to know! 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae008 PMID:42064403	综述	探讨生成式人工智能在心血管影像中的应用，重点关注伦理和法律考量	系统探讨了生成对抗网络在心血管影像中的伦理问题，包括“黑箱”问题、自动化偏见和健康差异	未具体说明研究局限，但指出需更多研究解决伦理和法律挑战	综述人工智能在心血管影像中的应用现状，并强调伦理和法律方面的注意事项	心血管影像技术，包括超声心动图、心脏MRI、冠状动脉CT血管造影和CT形态与功能	计算机视觉	心血管疾病	深度学习、生成对抗网络	卷积神经网络、变分神经网络、生成对抗网络	图像	NA	NA	卷积神经网络、变分神经网络、生成对抗网络	ROC曲线、图像质量、临床相关性、多样性、定量性能	NA
37	2026-04-23	A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: A retrospective assessment 2024-Jan, Experimental dermatology IF:3.5Q1 DOI:10.1111/exd.14949 PMID:37864429	研究论文	本研究开发并评估了一种基于深度学习的算法，用于在Mohs显微外科手术中实时检测皮肤鳞状细胞癌的冰冻切片边缘	首次将卷积神经网络应用于皮肤鳞状细胞癌的术中冰冻切片边缘分析，实现了高精度的肿瘤识别，为AI集成到手术流程提供了概念验证	算法对高分化肿瘤的独特表皮结构敏感性不足，且未考虑周围组织背景以映射肿瘤至原始解剖位置	开发并评估AI算法在皮肤鳞状细胞癌术中实时组织学边缘分析的准确性	皮肤鳞状细胞癌的冰冻切片玻片	数字病理学	皮肤鳞状细胞癌	冰冻切片扫描与标注	CNN	图像	回顾性队列研究中的冰冻cSCC切片玻片（具体数量未说明）	NA	NA	准确性	NA
38	2026-04-21	Deep learning to extract the meteorological by-catch of wildlife cameras 2024-01, Global change biology IF:10.8Q1 DOI:10.1111/gcb.17078 PMID:38273582	研究论文	本研究利用深度学习从野生动物相机图像中提取微气象条件，如阴天、阳光、冰雹和雪	首次将深度学习应用于野生动物相机图像以提取潜在的、生态相关的微气象信息，而非仅关注生物主体	模型在未见过的地点（如挪威斯瓦尔巴）的准确率相对较低（79.3%），且需要丢弃部分无共识的分类结果	从野生动物相机图像中提取微气象数据，以研究微气候对生物多样性的影响	野生动物相机拍摄的图像，涵盖阴天、阳光、冰雹和雪等气象条件	计算机视觉	NA	深度学习	集成深度学习模型	图像	来自49个野生动物相机的标注图像数据集，以及近200万张未标注图像	NA	NA	准确率, 共识准确率	NA
39	2026-04-20	Blood clot and fibrin recognition method for serum images based on deep learning 2024-Jan-15, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2023.117732 PMID:38128814	研究论文	提出了一种基于改进UNeXt的血清图像血凝块和纤维蛋白分割方法，用于自动识别血清中的血凝块和纤维蛋白	采用改进的UNeXt分割网络，实现了对血清图像中血凝块和纤维蛋白的更精确分割，为自动化生化免疫流水线中的采样针高度提供了准确依据	NA	开发一种快速、准确的方法来检测和识别血清中的血凝块和纤维蛋白，以替代耗时且主观的视觉检查	血清图像中的血凝块和纤维蛋白	计算机视觉	NA	深度学习	CNN	图像	13,230个临床血清样本	NA	改进的UNeXt	Dice系数, 灵敏度, 特异性, 准确率	NA
40	2026-04-20	Automated volumetric assessment of pituitary adenoma 2024-01, Endocrine IF:3.0Q2 DOI:10.1007/s12020-023-03529-x PMID:37749388	研究论文	本文开发了一种基于深度学习的自动化垂体腺瘤体积评估管道，用于术前和术后的肿瘤分割与体积测量	利用卷积神经网络集成实现垂体腺瘤的自动化分割与体积评估，旨在替代耗时且一致性差的手动分割方法	术后残留肿瘤的检测性能较低，需要更大规模、更多样化的数据集和更精细的模型来提升效果	开发自动化工具以客观、快速地评估垂体腺瘤的体积和切除范围	垂体腺瘤患者	数字病理学	垂体腺瘤	MRI	CNN	图像	193个图像集用于训练，20个用于验证	NA	卷积神经网络集成	Dice分数, Jaccard分数, 95百分位Hausdorff距离, Pearson相关系数, 敏感性, 特异性	NA