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	2026-03-06	Prediction of multiclass surgical outcomes in glaucoma using multimodal deep learning based on free-text operative notes and structured EHR data 2024-01-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad213 PMID:37964658	研究论文	本研究开发了一种基于多模态深度学习的模型，用于预测青光眼手术的多类别结果，结合了自由文本手术记录和结构化电子健康记录数据	首次将术中信息（自由文本手术记录）纳入多模态深度学习模型，用于青光眼手术的多类别结果预测，而非传统的二元分类	未明确提及模型在外部验证或不同医疗机构的泛化能力，可能受限于数据质量和样本多样性	预测青光眼手术的多类别结果，以改善术后管理和临床决策	青光眼患者的手术数据，包括结构化电子健康记录和自由文本手术记录	自然语言处理, 机器学习	青光眼	深度学习, 多模态学习	神经网络	文本, 结构化数据	NA	NA	NA	宏平均AUROC, F1分数, 召回率, 精确率	NA
22	2026-03-06	Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1385424 PMID:38895589	研究论文	本研究开发了一种基于3D U-Net卷积神经网络的自动化颅内血管分割方法，用于处理颅内动脉粥样硬化狭窄患者的4D血流MRI数据	首次将深度学习应用于颅内狭窄血管的自动化分割，提高了分割的可重复性和鲁棒性，并显著加速了数据分析过程	未来需要纳入更多颅内动脉粥样硬化疾病（ICAD）的分割数据以及其他颅内血管病理学数据，以进一步提升模型的性能和泛化能力	开发一种准确、全自动的分割方法，用于颅内狭窄血管的4D血流MRI数据分析，以提高定量评估的效率和一致性	颅内动脉粥样硬化狭窄患者（68例）和健康对照者（86例）的4D血流MRI扫描数据	数字病理学	心血管疾病	4D血流MRI, 双速度编码（dual-VENC）	CNN	图像	154例4D血流MRI扫描（68例患者，86例健康对照）	NA	3D U-Net	Dice分数, Hausdorff距离, 平均对称表面距离, Bland-Altman分析, 组内相关系数	NA
23	2026-03-03	scMeFormer: a transformer-based deep learning model for imputing DNA methylation states in single cells enhances the detection of epigenetic alterations in schizophrenia 2024-Jan-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.25.577200 PMID:38328094	研究论文	本研究提出了一种基于Transformer的深度学习模型scMeFormer，用于在单细胞水平上推算DNA甲基化状态，以增强对精神分裂症中表观遗传改变的检测	开发了首个基于Transformer的深度学习模型scMeFormer，用于单细胞DNA甲基化状态的推算，即使在CpG位点覆盖率低至10%的情况下也能实现高保真推算	未明确提及模型在更广泛疾病或技术平台上的泛化能力，以及计算资源需求的具体细节	通过深度学习模型推算单细胞DNA甲基化状态，以提升对表观遗传改变（特别是精神分裂症相关改变）的检测能力	单细胞DNA甲基化数据，包括来自精神分裂症患者和神经典型对照的前额叶皮层样本	机器学习	精神分裂症	单细胞DNA甲基化测序	Transformer	DNA甲基化状态数据	四个单核DNA甲基化数据集，包括来自4名精神分裂症患者和4名神经典型对照的前额叶皮层样本	未明确提及	Transformer	未明确提及具体指标，但强调了高保真推算和检测能力的提升	未明确提及
24	2026-03-02	Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling 2024, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0048 PMID:39045139	研究论文	本文介绍了一种基于深度学习和金字塔采样的自动化方法，用于对免疫组织化学染色的乳腺癌组织图像中的HER2状态进行分类	利用金字塔采样在多个空间尺度上分析形态特征，有效处理计算负载并全面检查细胞和组织层面的细节，从而应对HER2表达的异质性	NA	开发一种自动化系统，用于准确评估乳腺癌组织图像中的HER2表达水平，以辅助诊断和治疗规划	免疫组织化学染色的乳腺癌组织图像，特别是来自组织微阵列的523个核心图像	数字病理学	乳腺癌	免疫组织化学染色	深度学习	图像	523个核心图像	NA	NA	准确率	NA
25	2026-03-02	Identifying primary tumor site of origin for liver metastases via a combination of handcrafted and deep learning features 2024-01, The journal of pathology. Clinical research DOI:10.1002/cjp2.344 PMID:37822044	研究论文	本研究通过结合手工特征和深度学习特征，识别肝转移瘤的原发肿瘤部位	首次将手工提取的病理形态学特征与深度学习分类器结合，用于肝转移瘤原发部位的识别，并探索了原发肿瘤内转移瘤起源的空间定位	样本量较小（114名患者），为试点研究，需更大规模验证	识别肝转移瘤的原发肿瘤部位，以指导治疗决策	肝转移瘤的病理切片，来自结肠、食管、乳腺和胰腺等不同原发部位	数字病理学	肝转移瘤	病理切片分析，计算机特征提取	随机森林，深度学习分类器	病理全切片图像	175张切片（114名患者），包括121张训练用WSI和54张验证用WSI	未明确指定，可能涉及多种机器学习库	未明确指定具体深度学习架构	AUC	NA
26	2026-03-02	Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study 2024-01, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00220-0 PMID:38065778	研究论文	本研究开发并验证了一种基于深度学习的模型，利用术前心电图波形预测患者术后死亡率	首次将深度学习应用于术前心电图分析，以识别传统风险评估方法（如RCRI评分）未能发现的术后死亡风险隐藏标志物	研究数据主要来源于美国医疗机构，可能限制了模型在其他人群或医疗系统中的普适性	开发一种能够准确预测接受医疗程序患者术后死亡率的预后模型	接受医疗程序并进行了术前心电图诊断测试的患者	机器学习	心血管疾病	心电图（ECG）波形分析	深度学习算法	心电图波形图像	45,969名患者（共59,975次住院程序和112,794份心电图）	NA	NA	AUC（受试者工作特征曲线下面积）	NA
27	2026-03-02	Deep learning uncertainty quantification for clinical text classification 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104576 PMID:38101690	研究论文	本文探讨了基于深度神经网络的临床文本分类中不确定性量化方法，旨在通过选择性分类策略自动化提取癌症登记处的病理报告信息，以在保证目标准确率的同时最小化模型拒绝预测的样本数量	引入了多种选择性分类方法，用于在多个分类任务中实现目标准确率并最小化拒绝率，相比现有基于深度学习的弃权分类器，这些方法无需重新训练且计算成本更低	对于分布外测试数据的解释较为复杂，且方法在泛化到其他数据集或任务时可能需进一步验证	开发并评估深度神经网络在临床文本分类中的不确定性量化方法，以提升癌症登记处信息提取的自动化效率和可靠性	美国国家癌症研究所SEER癌症登记处的电子文本病理报告，用于诊断和手术时的疾病信息提取	自然语言处理	癌症	NA	深度神经网络	文本	NA	NA	NA	准确率, 拒绝率	NA
28	2026-03-02	Machine Learning in Vascular Medicine: Optimizing Clinical Strategies for Peripheral Artery Disease 2024, Current cardiovascular risk reports IF:2.0Q3 DOI:10.1007/s12170-024-00752-7 PMID:39552745	综述	本文综述了机器学习在血管医学中优化外周动脉疾病临床策略的应用	整合电子健康记录、影像数据和蛋白质组学生物标志物，利用机器学习实现自动化筛查、诊断和风险分层，推动精准医疗	蛋白质组学生物标志物的临床应用可能受成本和可及性限制，且模型需在真实世界临床实践中进行验证和前瞻性评估	更新机器学习在外周动脉疾病管理中的应用，以优化临床策略	外周动脉疾病患者	机器学习	心血管疾病	电子健康记录分析、影像数据分析、蛋白质组学生物标志物检测	深度学习算法	电子健康记录、影像数据、生物标志物数据	NA	NA	NA	准确性	NA
29	2026-03-02	Patient-Specific Heart Geometry Modeling for Solid Biomechanics Using Deep Learning 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3294128 PMID:37432807	研究论文	提出了一种基于深度学习的自动化患者特异性心脏几何体网格生成方法，用于固体生物力学分析	使用最小化表面网格标签实现精确空间精度，并同时优化各向同性和各向异性变形能量以提高体网格质量	未明确说明方法在极端病理形态或不同成像模态下的泛化能力	开发自动化患者特异性心脏体网格生成方法以加速生物力学研究	患者特异性心脏几何体（包括瓣膜薄壁结构）	数字病理学	心血管疾病	深度学习	深度学习变形方法	医学影像扫描数据	NA	NA	DeepCarve（深度心脏体网格）	空间精度，网格元素质量，生成速度（0.13秒/扫描）	NA
30	2026-03-02	A population-level digital histologic biomarker for enhanced prognosis of invasive breast cancer 2024-01, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02643-7 PMID:38012314	研究论文	本研究提出了一种基于数字组织学的预后生物标志物HiPS，用于增强浸润性乳腺癌的生存预测	HiPS首次通过深度学习全面量化肿瘤微环境中的上皮、基质、免疫及空间交互特征，超越了传统病理学家的定性评估	研究未详细讨论模型在不同种族或医疗资源匮乏地区的泛化能力	开发一种数字组织学生物标志物以改善乳腺癌患者的预后评估	浸润性乳腺癌患者的组织切片图像	数字病理学	乳腺癌	深度学习	深度学习模型	组织病理学图像	基于Cancer Prevention Study-II队列开发，并在三个独立队列（包括PLCO试验、CPS-3和TCGA）中验证	NA	NA	生存预测准确性	NA
31	2026-02-28	Enhancing facial feature de-identification in multiframe brain images: A generative adversarial network approach 2024, Progress in brain research DOI:10.1016/bs.pbr.2024.07.003 PMID:39448110	研究论文	本文提出了一种基于生成对抗网络的新方法，用于脑部图像中面部特征的去标识化，通过合成新的面部特征和轮廓来保护隐私	与先前研究处理完整头部图像不同，本方法专注于头部图像的部分区域（如耳朵、鼻子、嘴巴、眼睛）进行去标识化，更贴近实际影像检查场景	在测试数据集中，耳朵检测的准确率相对较低（65.98%），表明模型对某些面部特征的泛化能力有待提升	开发一种鲁棒的面部特征去标识化方法，以符合隐私法规并促进脑科学公共数据集的共享	脑部图像中的面部特征（耳朵、鼻子、嘴巴、眼睛）	计算机视觉	NA	生成对抗网络，三维U-Net模型	GAN, CNN	图像	490例头部CT图像和70例头部MR图像	NA	U-Net	准确率，结构相似性指数	NA
32	2026-02-27	Cryo2StructData: A Large Labeled Cryo-EM Density Map Dataset for AI-based Modeling of Protein Structures 2024-Jan-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.06.14.545024 PMID:37398020	研究论文	本文介绍了Cryo2StructData，一个大规模标记的冷冻电镜密度图数据集，用于基于AI的蛋白质结构建模	创建了比现有公开数据集更大、质量更高的标记冷冻电镜密度图数据集，以支持AI方法的大规模开发	NA	通过AI方法从冷冻电镜密度图自动、准确地构建原子模型	冷冻电镜密度图及其对应的已知原子结构	机器学习	NA	单颗粒冷冻电镜	深度学习	冷冻电镜密度图	7,600个预处理冷冻电镜密度图	NA	NA	NA	NA
33	2026-02-25	The application value of deep learning in the background of precision medicine in glioblastoma 2024 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504231223353 PMID:38262933	综述	本文综述了深度学习在胶质母细胞瘤精准医疗背景下的应用价值，包括分子分类、诊断和预后评估	深度学习结合多模态数据（如磁共振成像序列、遗传信息和临床数据）进行非侵入性肿瘤诊断和预后预测，相比传统放射组学和浅层机器学习方法更为稳健有效	深度学习在胶质母细胞瘤治疗干预中的应用仍处于早期阶段，模型鲁棒性面临挑战，且现有样本数量不足，限制了大规模实验和模型应用	探讨深度学习在胶质母细胞瘤精准医疗中的应用，以优化个性化治疗方案	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	磁共振成像，遗传信息分析	深度学习模型	图像，遗传数据，临床数据	NA	NA	NA	准确性	NA
34	2026-02-25	A novel measurement approach to dynamic change of limb length discrepancy using deep learning and wearable sensors 2024 Jan-Mar, Science progress IF:2.6Q2 DOI:10.1177/00368504241236345 PMID:38490169	研究论文	本研究提出了一种结合深度学习与可穿戴传感器的新方法，用于在非临床环境中准确测量肢体长度差异的动态变化	首次将肢体长度差异动态变化测量视为基于步态模式的多重分类任务，并开发了CNN-LSTM混合深度学习模型来提取最具代表性的时空特征	研究仅招募了23名健康受试者模拟肢体长度差异，样本量较小，且未在真实患者群体中进行验证	开发一种在非临床环境中准确监测肢体长度差异动态变化的技术，以评估日常生活中的步态功能变化	健康受试者模拟的肢体长度差异步态模式	机器学习	肢体长度差异	可穿戴传感器数据采集	CNN, LSTM	步态传感器数据	23名健康受试者	未明确说明	CNN-LSTM混合模型	准确率, F1分数, 召回率, 精确率	NA
35	2026-02-24	Failure Modes of Time Series Interpretability Algorithms for Critical Care Applications and Potential Solutions 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726394	研究论文	本文系统分析了时间序列可解释性算法在重症监护应用中的失败模式，并提出了可学习的基于掩码的框架作为解决方案	针对动态时间序列预测任务，首次系统分析了梯度、遮挡和置换等传统可解释性方法的失败模式，并支持引入时间连续性和标签一致性约束的可学习掩码框架	NA	提高时间序列可解释性算法在重症监护等动态预测任务中的可靠性和一致性	重症监护患者的时间序列数据	机器学习	重症监护	NA	深度学习模型	时间序列数据	NA	NA	NA	NA	NA
36	2026-02-24	HIBERT: A Hybrid Clustering BERT for Interpretable Opioid Overdose Risk Prediction 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726407	研究论文	本文提出了一种名为HIBERT的混合BERT模型，用于预测阿片类药物过量风险，结合了Transformer模型与深度聚类技术	HIBERT通过集成针对不同电子健康记录特征类别的专用BERT模块，并引入深度显著性聚类，生成具有临床意义的风险分层，提高了模型的解释性	未在摘要中明确提及	开发高精度且可解释的阿片类药物过量风险预测模型，以支持早期干预和预防	电子健康记录数据	自然语言处理	阿片类药物过量	深度聚类	BERT, Transformer	文本	使用Health Facts数据库进行评估，具体样本量未在摘要中提及	NA	BERT	未在摘要中明确提及具体指标	NA
37	2026-02-24	A Treatment Selection Model for Opioid Use Disorder Using Electronic Health Record and ZIP-Level Data 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726412	研究论文	本文开发了一个预测模型，用于指导阿片类药物使用障碍（OUD）的治疗选择，基于电子健康记录（EHR）和ZIP级别数据	结合EHR和ZIP级别数据，采用早期和晚期融合方法构建多种机器学习模型，以预测OUD治疗反应概率	ZIP级别数据未显著提升EHR-only模型的性能，未来需探索更有效的方法来建模OUD治疗反应及捕捉社会与外部因素	开发预测模型以指导阿片类药物使用障碍（OUD）的治疗选择，提高治疗效率	阿片类药物使用障碍（OUD）患者	机器学习	阿片类药物使用障碍	电子健康记录（EHR）分析，ZIP级别数据分析	广义线性回归，随机森林，梯度提升机，深度学习	电子健康记录（EHR），ZIP级别数据	NA	NA	NA	NA	NA
38	2026-02-24	No Black Box Anymore: Demystifying Clinical Predictive Modeling with Temporal-Feature Cross Attention Mechanism 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726437	研究论文	本文提出了一种名为TFCAM的新型深度学习框架，用于提升临床预测任务的准确性和可解释性	提出了TFCAM框架，通过时间-特征交叉注意力机制捕捉临床特征在时间维度上的动态交互，实现了多层次的模型可解释性	仅针对慢性肾病这一种疾病进行了验证，样本量为1,422例患者	解决深度学习模型在临床预测中的可解释性问题	慢性肾病患者	机器学习	慢性肾病	NA	Transformer, LSTM	临床时间序列数据	1,422名慢性肾病患者	NA	TFCAM, LSTM, RE-TAIN	AUROC, F1-score	NA
39	2026-02-24	Predicting Chemotherapy-Related Symptom Deterioration Using Hybrid Deep Learning Architecture 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726450	研究论文	本研究利用混合深度学习架构预测化疗患者症状恶化，以支持主动干预和改善临床结果	采用CNN-LSTM混合架构结合局部时间窗口模式和长期时间依赖，针对高类别不平衡数据通过聚合3-7天症状日志提升预测性能	未提及模型在外部验证或不同患者群体中的泛化能力，且数据基于自我报告可能存在偏差	预测化疗相关症状恶化，实现早期检测和临床决策支持	接受化疗的个体及其每日自我报告的症状日志	机器学习	癌症	深度学习	CNN, LSTM	文本日志	未明确样本数量，但涉及每日症状日志数据	未指定	CNN-LSTM	准确率, 精确率, 召回率, F1分数, AUC	未提及
40	2026-02-24	Opportunistic Screening for Pancreatic Cancer using Computed Tomography Imaging and Radiology Reports 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726519	研究论文	本研究通过整合放射学报告和CT影像，利用深度学习融合模型预测胰腺导管腺癌的风险和生存率	首次将放射学报告与CT影像通过深度学习融合模型结合，用于胰腺癌的风险预测和生存分析	未详细说明模型在更广泛人群或不同医疗中心中的泛化能力，以及可能的数据偏差	利用临床和影像数据，通过深度学习模型进行胰腺癌的早期检测和预后建模	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	CT成像	深度学习融合模型	图像, 文本	内部和外部数据集，具体样本数量未提供	NA	DeepSurv	C-index	NA