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
121	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
122	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
123	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
124	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
125	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
126	2026-02-22	The application of explainable artificial intelligence (XAI) in electronic health record research: A scoping review 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241272657 PMID:39493635	综述	本文对电子健康记录研究中可解释人工智能（XAI）的应用进行了范围综述	首次对使用表格型电子健康记录数据的机器学习/深度学习模型中的XAI方法应用进行了系统性范围综述，揭示了该领域快速增长但缺乏关键评估的现状	仅纳入了表格型电子健康记录数据的研究，未涵盖其他类型医疗数据；缺乏对XAI方法有效性的深入评估；可能存在发表偏倚	批判性评估可解释人工智能方法在电子健康记录研究中的应用现状与效果	使用电子健康记录数据并应用可解释人工智能方法的机器学习/深度学习研究	机器学习	NA	NA	机器学习模型,深度学习模型	表格数据	76篇出版物（来自3220篇筛选文献）	NA	极端梯度提升,随机森林	NA	NA
127	2026-02-17	Scaling behaviours of deep learning and linear algorithms for the prediction of stroke severity 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae007 PMID:38274570	研究论文	本研究比较了线性回归和深度学习算法在预测中风严重程度方面的性能，特别关注样本量对预测效果的影响	首次系统比较了线性算法和深度学习在真实世界中风患者样本（规模较小）中预测中风严重程度的性能，并揭示了深度学习在较大样本量（900例患者）下开始显著优于线性方法	研究样本量相对有限（最大900例训练样本），且仅基于MRI病灶位置进行预测，未考虑其他临床因素	评估深度学习算法在预测中风后症状严重程度方面的潜力，并与传统线性方法进行比较	缺血性中风患者	医学影像分析	中风	扩散加权MRI, 病灶自动分割, 空间标准化, 主成分分析	线性回归, 神经网络	MRI图像	总计1430例患者（来自MRI-Genetics Interface Exploration合作和麻省总医院研究），训练子集包括100、300和900例	未明确提及	八层神经网络	解释方差	NA
128	2026-02-17	[Recent Review Article in RPT: Deep learning-based PET image denoising and reconstruction: A review] 2024, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics DOI:10.11323/jjmp.44.4_78 PMID:41692459	综述	本文回顾了基于深度学习的PET图像去噪和重建技术的历史与发展	NA	NA	综述医学物理领域，特别是PET图像处理中深度学习的应用历史	PET图像的去噪和重建技术	医学物理	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
129	2026-02-14	Advancements in computer vision and pathology: Unraveling the potential of artificial intelligence for precision diagnosis and beyond 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.05.006 PMID:39032956	综述	本章探讨了计算机视觉与人工智能在病理学领域的整合及其对精准诊断和自动化工作流程的变革潜力	系统阐述了AI驱动的计算机视觉如何通过深度学习架构（如CNN和U-Net）增强病理诊断能力，并提出了跨学科协作的必要性	承认AI在病理学应用中的技术、实践和伦理限制，包括开发与实施过程中的挑战	分析人工智能与计算机视觉在数字病理学中的整合潜力，以提升诊断精度和工作效率	数字病理切片图像及其自动化分析流程	数字病理学	NA	切片数字化	CNN, U-Net	图像	NA	NA	CNN, U-Net	NA	NA
130	2026-02-14	Deep learning-based multimodal spatial transcriptomics analysis for cancer 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.08.001 PMID:39271260	书籍章节	本章探讨了深度学习与多模态空间转录组学在癌症研究中的整合，以推进癌症诊断、治疗规划和精准医学	整合深度学习与多模态空间转录组学，提供对肿瘤生物学前所未有的洞察，实现更精确和个性化的肿瘤学方法	NA	推进癌症诊断、治疗规划和精准医学	癌症研究，特别是肿瘤生物学、诊断和治疗	数字病理学	癌症	空间转录组学	CNN	多模态数据（包括基因组、蛋白质组、影像和临床数据）	NA	NA	NA	NA	NA
131	2026-02-11	Application of Deep Learning Algorithms Based on the Multilayer Y0L0v8 Neural Network to Identify Fungal Keratitis 2024, Sovremennye tekhnologii v meditsine DOI:10.17691/stm2024.16.4.01 PMID:39881837	研究论文	本文开发了一种基于深度学习算法分析眼前段照片来诊断真菌性角膜炎的方法	应用多层Y0L0v8神经网络进行真菌性角膜炎的识别，这是一种新的深度学习算法应用	NA	开发一种诊断真菌性角膜炎的方法，并评估其敏感性和特异性	眼前段照片	计算机视觉	真菌性角膜炎	深度学习算法	CNN	图像	NA	NA	多层Y0L0v8神经网络	敏感性, 特异性	NA
132	2024-10-17	Editorial: Deep learning methods and applications in brain imaging for the diagnosis of neurological and psychiatric disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1497417 PMID:39411146	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
133	2026-02-08	IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra 2024-Jan-18, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-024-00804-5 PMID:38238779	研究论文	本文介绍了一种名为IDSL_MINT的深度学习框架，用于从质谱数据预测分子指纹	IDSL_MINT首次将Transformer模型应用于质谱数据，类似于大型语言模型，能够将MS/MS谱图转化为分子指纹描述符	NA	提高非靶向代谢组学和暴露组学研究中MS/MS谱图的注释率	质谱数据（MS/MS谱图）	机器学习	NA	串联质谱（MS/MS）	Transformer	质谱数据	使用LipidMaps数据库进行基准测试	NA	Transformer	NA	NA
134	2026-02-07	A CNN-CBAM-BIGRU model for protein function prediction 2024-01-01, Statistical applications in genetics and molecular biology IF:0.8Q3 DOI:10.1515/sagmb-2024-0004 PMID:38943434	研究论文	本文提出了一种结合CNN、CBAM和BiGRU的深度学习模型，用于从蛋白质氨基酸序列预测其功能	创新性地将卷积注意力模块（CBAM）与双向门控循环单元（BiGRU）结合，以增强特征提取和长程依赖捕获能力	未明确说明模型在更广泛物种或更大规模数据集上的泛化能力，以及计算效率的详细分析	提高基于蛋白质序列的功能预测准确性	人类和酵母的蛋白质序列	生物信息学	NA	深度学习	CNN, BiGRU	蛋白质氨基酸序列	NA	NA	CNN-CBAM-BiGRU	准确率	NA
135	2026-02-05	Clinical correlates of CT imaging-derived phenotypes among lean and overweight patients with hepatic steatosis 2024-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49470-x PMID:38167550	研究论文	本研究利用深度学习从腹部CT扫描中提取脾-肝衰减差作为肝脂肪变性的定量指标，并基于BMI分层分析瘦与超重患者中肝脂肪变性与临床表型的关联	首次在大型生物样本库中，通过深度学习量化CT影像特征，系统比较瘦与超重患者肝脂肪变性的流行病学差异及其与心血管、肾脏等疾病的关联	研究为回顾性设计，可能受选择偏倚影响；CT衍生的肝脂肪变性指标虽经验证，但非金标准；未考虑其他混杂因素如生活方式或遗传背景	定义肝脂肪变性的CT影像表型，并探究其与患者临床特征（特别是瘦与超重人群差异）的关联	肝脂肪变性患者，包括瘦（BMI < 25 kg/m²）和超重（BMI ≥ 25 kg/m²）个体	数字病理学	肝脂肪变性	腹部CT扫描	深度学习	医学影像（CT图像）	8914名患者，包括278名瘦且伴有脂肪变性、1867名瘦无脂肪变性、1863名超重伴有脂肪变性、4906名超重无脂肪变性	NA	NA	p值	NA
136	2026-02-05	Toward an intelligent computing system for the early diagnosis of Alzheimer's disease based on the modular hybrid growing neural gas 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241284349 PMID:39381826	研究论文	本文开发了一个基于模块化混合增长神经气体（MyGNG）的智能计算系统，用于阿尔茨海默病的早期诊断，通过分类任务（MCI-AD和CN-MCI-AD）实现	提出了一种混合和个体发育神经架构MyGNG，结合GNG聚类和感知机标记，在阿尔茨海默病早期诊断中表现优于其他机器学习方法	未明确说明数据集的局限性或模型在其他数据集上的泛化能力	开发智能计算系统以解决阿尔茨海默病的早期诊断问题	阿尔茨海默病患者，包括轻度认知障碍（MCI）和认知正常（CN）个体	机器学习	阿尔茨海默病	神经影像数据	混合神经网络架构（GNG和感知机）	结构化数据（患者特征）	MCI-AD任务495名患者，CN-MCI-AD任务819名患者，均来自ADNI数据库，每名患者有211个特征	NA	模块化混合增长神经气体（MyGNG），包含增长神经气体（GNG）和感知机	AUC, 敏感度	NA
137	2026-02-05	Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1331677 PMID:38384484	研究论文	本研究提出了一种基于结构MRI的可解释深度学习框架，用于自动区分额颞叶痴呆的三种临床亚型	采用多类型并行特征嵌入框架和集成梯度方法进行特征可视化，实现了对额颞叶痴呆亚型的可解释性分类	样本量相对较小且存在不平衡，数据来自多中心可能存在扫描仪差异的残留影响	自动区分额颞叶痴呆的三种临床表型，以辅助早期精确诊断和干预规划	277名额颞叶痴呆患者，包括行为变异型额颞叶痴呆、语义变异型原发性进行性失语和非流利变异型原发性进行性失语	数字病理学	老年疾病	结构MRI	深度神经网络	图像	277名患者（173名行为变异型额颞叶痴呆，63名非流利变异型原发性进行性失语，41名语义变异型原发性进行性失语）	NA	多类型并行特征嵌入框架	平衡准确度	NA
138	2026-01-29	Building and validating an artificial intelligence model to identify tracheobronchopathia osteochondroplastica by using bronchoscopic images 2024 Jan-Dec, Therapeutic advances in respiratory disease IF:3.3Q2 DOI:10.1177/17534666241253694 PMID:38803144	研究论文	本研究构建并验证了一个基于支气管镜图像的AI模型，用于识别气管支气管骨软骨病（TO）并与其他多结节性气道疾病区分	首次开发了一个基于深度学习的AI模型，专门用于从支气管镜图像中识别罕见的TO疾病，并进行了外部验证	样本量相对较小，特别是TO病例较少，且仅在一家医院进行了外部验证	构建一个AI模型，帮助初级医院的年轻医生通过支气管镜图像识别TO	多结节性气道疾病患者（包括TO、淀粉样变性、肿瘤和炎症）以及无气道病变的患者	计算机视觉	气管支气管骨软骨病	支气管镜检查	CNN	图像	414名患者（201名多结节性气道疾病患者和213名无病变患者），涉及3916张支气管镜图像	NA	EfficientNet	准确率	NA
139	2026-01-28	TimeTuner: Diagnosing Time Representations for Time-Series Forecasting with Counterfactual Explanations 2024-Jan, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3327389 PMID:37883273	研究论文	本文提出了一个名为TimeTuner的可视化分析框架，用于诊断时间序列预测中的时间表示，并通过反事实解释帮助分析人员理解模型行为	提出了一种结合反事实解释和可视化交互的两阶段技术，首次将局部相关性、平稳性和粒度分析集成到时间序列表示诊断中	仅实例化了平滑和采样两种转换方法，在更复杂的时间序列转换方法上尚未验证	改进时间序列预测中特征工程的自动化方法，增强模型行为的可解释性和可靠性	时间序列数据，包括单变量太阳黑子和多变量空气污染物数据	机器学习	NA	反事实解释，可视化分析	深度学习模型	时间序列数据	NA	NA	NA	NA	NA
140	2026-01-25	Deep Learning-Based Spermatogenic Staging in Tissue Sections of Cynomolgus Macaque Testes 2024-01, Toxicologic pathology IF:1.4Q4 DOI:10.1177/01926233241234059 PMID:38465599	研究论文	本文开发了一种基于深度学习的模型，用于对食蟹猴睾丸组织切片中的生精小管进行生精阶段自动分期	首次将深度学习技术应用于食蟹猴睾丸组织切片的生精阶段自动分期，实现了对大量生精小管的高灵敏度、高精度和高准确度的自动化评估	所生成的阶段频率图的诊断价值尚不明确，需要进一步收集具有生精障碍的睾丸数据来验证其变异性和相关性	开发自动化工具以辅助病理学家对食蟹猴睾丸组织进行生精阶段感知的评估，并探索阶段频率图的潜在诊断价值	食蟹猴睾丸组织切片	数字病理学	生殖系统疾病	数字全玻片成像	深度学习模型	图像	6张全玻片图像，平均每张包含4938个生精小管横截面	NA	NA	灵敏度, 精确度, 准确度	NA