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
81	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
82	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
83	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
84	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
85	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
86	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
87	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
88	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
89	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
90	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
91	2026-04-18	Enhancing Spatial Transcriptomics Analysis by Integrating Image-Aware Deep Learning Methods 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160299	研究论文	本文提出了一种整合空间转录组学和组织病理学图像数据的新方法，以增强对癌症组织中空间异质性的分析	通过结合ResNet深度学习模型提取形态学特征，并与基因表达数据联合进行聚类分析，实现了图像感知的特征发现，弥补了传统方法仅依赖基因表达的不足	方法主要针对胶质母细胞瘤和三阴性乳腺癌等侵袭性癌症类型，可能在其他癌症或组织类型中的适用性有待验证	提升空间转录组学分析能力，通过整合图像数据更好地捕获生物学上有意义的模式	胶质母细胞瘤和三阴性乳腺癌患者的组织样本	数字病理学	胶质母细胞瘤, 三阴性乳腺癌	空间转录组学, 组织病理学成像	CNN	图像, 基因表达数据	NA	NA	ResNet-50	NA	NA
92	2026-04-17	Automated neuron tracking inside moving and deforming C. elegans using deep learning and targeted augmentation 2024-Jan, Nature methods IF:36.1Q1 DOI:10.1038/s41592-023-02096-3 PMID:38052988	研究论文	本文提出了一种名为Targettrack的深度学习方法，结合目标增强技术，用于在移动和变形的秀丽隐杆线虫中自动追踪神经元	引入了目标增强方法，通过自动合成人工标注来减少手动标注工作量，并学习大脑内部变形以生成新姿态的标注	NA	开发一种自动化方法，用于在行为动物中进行三维功能成像中的神经元分割和追踪	秀丽隐杆线虫中的神经元活动	计算机视觉	NA	三维功能成像	卷积神经网络	三维图像	NA	NA	NA	NA	NA
93	2026-04-11	Workshop summaries from the 2024 voice AI symposium, presented by the Bridge2AI-voice consortium 2024, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2024.1484818 PMID:39540145	研讨会总结	本文总结了2024年语音AI研讨会的内容，该研讨会由Bridge2AI-Voice联盟组织，旨在探讨语音生物标志物和人工智能在医疗保健中的最新进展	通过跨学科研讨会形式，整合了学术界、工业界和医疗保健领域的专家，共同探讨语音生物标志物研究的标准化、伦理实践和实际部署挑战	研讨会内容基于转录和总结，可能无法完全捕捉所有讨论细节；且未涉及具体模型性能的量化评估	促进语音生物标志物和人工智能在医疗保健领域的开发与应用，推动跨领域合作	语音生物标志物、人工智能在医疗保健中的应用、语音数据收集与伦理实践	自然语言处理	语音障碍	语音信号处理、深度学习、机器学习运维	深度学习模型	语音数据	NA	Whisper, ChatGPT	NA	NA	NA
94	2026-04-10	RETRACTED: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311897 PMID:39392828	研究论文	本研究开发了一种基于可见光的高速通信信号处理方法，结合自适应均衡算法与深度学习，应用于铁路通信信号处理	将自适应均衡算法与深度学习结合，应用于可见光通信，有效降低多径传输和反射干扰，误码率降至0.0001水平	NA	提升铁路通信系统的信号处理能力，满足高速信号处理需求	铁路通信信号	信号处理	NA	波分复用(WDM)、正交频分复用(OFDM)、直流偏置光正交频分复用(DCO-OFDM)	深度学习	通信信号	NA	NA	NA	误码率	NA
95	2026-04-04	An anomaly detection model for multivariate time series with anomaly perception 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2172 PMID:41929829	研究论文	本文提出了一种名为EDD的新型深度学习模型，用于利用有限的异常样本提升多元时间序列异常检测的性能	创新性地结合图注意力网络与LSTM来提取多元时间序列的时空特征，并通过精心设计的损失函数在潜在空间中实现正常数据的紧密聚类和异常数据的随机分散	未明确说明模型对特定领域或数据类型的泛化能力限制，也未讨论计算复杂度或实时性方面的潜在问题	提升多元时间序列异常检测的准确性和鲁棒性	多元时间序列数据	机器学习	NA	深度学习	GAN, LSTM, 图注意力网络	时间序列数据	在三个不同数据集上进行了实验验证（具体样本数量未明确说明）	NA	EDD（Encoder-Decoder-Discriminator）	F1-Score	NA
96	2026-04-03	RETRACTED: An inherently interpretable deep learning model for local explanations using visual concepts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311879 PMID:39466770	研究论文	本文提出了一种名为CA-SoftNet的双流深度学习模型，旨在通过视觉概念提供局部解释，以增强模型的可解释性	提出基于双过程理论的CA-SoftNet模型，结合浅层CNN和交叉注意力概念记忆网络，实现快速模式识别与透明逻辑推理，并开发了新的概念提取方法以生成与人类思维一致的概念化局部解释	未明确说明模型在更复杂或更大规模数据集上的泛化能力，以及概念提取方法可能仍受限于数据质量或标注偏差	开发一种可解释的深度学习模型，通过视觉概念提供局部解释，以解决深度学习模型的不透明性问题	深度学习模型的可解释性方法，特别是基于视觉概念的局部解释生成	计算机视觉	NA	深度学习	CNN, 交叉注意力网络	图像	CUB 200-2011、Stanford Cars、ISIC 2016和ISIC 2017数据集	NA	浅层卷积神经网络, 交叉注意力概念记忆网络	准确率	NA
97	2026-04-03	An attention-based deep learning method for right ventricular quantification using 2D echocardiography: Feasibility and accuracy 2024-01, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15719 PMID:38126261	研究论文	本文提出了一种基于注意力机制的深度学习方法，用于通过2D超声心动图量化右心室，并以心脏磁共振成像为参考验证其可行性和准确性	首次将注意力机制（Transformer）应用于2D超声心动图的右心室量化任务，结合特征标记化模块，提高了预测精度	样本量较小（仅50名患者），且右心室大小和功能范围有限，需要更大规模队列验证	开发一种基于深度学习的右心室量化方法，以替代或辅助传统心脏磁共振成像	50名成年患者的2D超声心动图和心脏磁共振成像数据	医学影像分析	心血管疾病	2D超声心动图，心脏磁共振成像	Transformer	图像	50名患者（35名训练，5名验证，10名测试）	NA	Feature Tokenizer模块，Transformer层堆叠	R2，绝对百分比误差	NA
98	2026-03-31	An assessment of the value of deep neural networks in genetic risk prediction for surgically relevant outcomes 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0294368 PMID:39008506	研究论文	本研究评估了深度神经网络在预测手术相关结局（如心房颤动、静脉血栓栓塞和肺炎）的遗传风险中的价值	结合深度神经网络、基因组学与已建立的临床预测因子，以改进手术风险预测	未明确说明模型在减少相关死亡率和发病率方面的实际效果	评估深度神经网络在预测手术相关结局遗传风险中的价值	UK Biobank中的手术患者数据	机器学习	心血管疾病	GWAS	线性模型, 深度神经网络	遗传数据, 临床特征数据	UK Biobank数据集	NA	NA	ROC-AUC, 精确度, 召回率	NA
99	2026-03-31	Validation of a Natural Language Machine Learning Model for Safety Literature Surveillance 2024-01, Drug safety IF:4.0Q1 DOI:10.1007/s40264-023-01367-4 PMID:37938539	研究论文	本研究验证了一种用于安全文献监测的自然语言机器学习模型，通过前瞻性验证比较其与人工监测团队在真实世界中的性能	采用深度学习算法自动化文献监测的初步尝试，并在良好药物警戒实践框架下进行前瞻性验证，关注模型召回率以降低安全信号漏报风险	深度学习算法引入独特风险，且模型在药物警戒实践中的验证仍是一个开放性问题，未来需进一步改进和社区协作	验证自动化深度学习方法在文献监测中的应用，以提升AstraZeneca公司的安全监测效率	安全文献监测中的文章筛选过程	自然语言处理	NA	自然语言处理	深度学习模型	文本	数千篇潜在相关文章	NA	NA	召回率	NA
100	2026-03-30	Discovery of novel TACE inhibitors using graph convolutional network, molecular docking, molecular dynamics simulation, and Biological evaluation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315245 PMID:39729480	研究论文	本研究采用集成深度学习模型结合传统药物筛选方法，从FDA批准药物库中筛选出新型TACE抑制剂，并通过分子对接、分子动力学模拟和生物学评估验证了Vorinostat的抑制潜力	首次将图卷积网络（GCN）模型应用于TACE抑制剂的虚拟筛选，并结合分子对接、动力学模拟和细胞实验进行多维度验证，成功将抗癌药物Vorinostat重新定位为潜在的抗炎靶点抑制剂	研究仅使用DUD-E数据库的参考数据集，可能未覆盖所有TACE相关化合物；生物学验证仅在RAW 264.7细胞系中进行，缺乏体内实验数据	开发一种基于深度学习的药物重定位方法，以发现针对TACE（TNF-α转换酶）的新型抑制剂	FDA批准药物库中的化合物，重点关注TACE（ADAM17）酶及其抑制剂	机器学习	类风湿关节炎	分子对接、分子动力学模拟、细胞生物学评估	图卷积网络（GCN）	分子结构数据（化学信息学特征）	DUD-E数据库中TACE特异性活性化合物和诱饵化合物数据集，以及FDA批准药物库	DeepChem, RDKit	GraphConvMol	NA	NA