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	2026-10-16	CT-Based Lung Size Matching in Delayed Chest Closure for Systemic Sclerosis Lung Transplantation 2024-12, Clinical transplantation IF:1.9Q3 DOI:10.1111/ctr.70041 PMID:39601250	研究论文	本研究探讨了系统性硬化症（SSc）肺移植受者中延迟胸骨闭合（DCC）的结果、临床风险因素以及基于CT的肺尺寸匹配参数	首次在系统性硬化症肺移植受者中研究延迟胸骨闭合，并利用深度学习算法自动计算肺和胸腔体积进行尺寸匹配预测	回顾性研究设计，样本量有限（92例），单中心数据，可能存在选择偏倚	研究系统性硬化症肺移植受者中延迟胸骨闭合的结果、临床风险因素及基于CT的肺尺寸匹配参数	92例系统性硬化症双肺移植受者	数字病理学	肺癌	CT成像，深度学习算法	CNN	图像	92例系统性硬化症肺移植受者	NA	NA	AUC	NA
2	2026-10-08	Accelerating Brain MR Imaging With Multisequence and Convolutional Neural Networks 2024-11, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70163 PMID:39552110	研究论文	本文研究基于深度学习的重建技术，利用多序列MRI信息加速脑部MRI成像，减少扫描时间并保持图像质量	利用不同MRI序列（T2WI）的共享信息，通过深度学习重建欠采样的T1-FLAIR和T2-FLAIR图像，实现加速并保持诊断质量	样本量有限（322例），仅涉及脑部MRI，未评估对其他部位或更多序列的泛化能力	研究深度学习技术能否利用不同MRI序列的共享信息减少最耗时序列的扫描时间，同时保持图像质量和诊断决策	217名患者和105名健康受试者的脑部MRI原始数据（T1-FLAIR、T2-FLAIR和T2WI序列）	医学图像处理	脑部疾病	磁共振成像（MRI），深度学习重建	卷积神经网络（CNN）	图像	322例受试者（217名患者和105名健康受试者）的脑部MRI数据	NA	卷积神经网络	区域信噪比（SNR），对比噪声比（CNR），图像质量评分，诊断决策一致性，卡方检验	NA
3	2026-10-08	Flexible use of conserved motif vocabularies constrains genome access in cell type evolution 2024-Sep-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.03.611027 PMID:39282369	研究论文	本研究通过整合单核多组学测序与深度学习，揭示了细胞类型家族通过保守的基序词汇集来限制基因组可及性，从而实现细胞类型的长期稳定与多样化	首次将单核多组学测序与深度学习相结合，发现数百个序列特征（基序）可划分为与特定细胞类型家族可及基因组相关的不同集合，且这种划分在高度分化的早期分支动物（如扁形动物和刺胞动物）中保守；同时发现基序间的特定相互作用在物种间不保守，深度学习模型预测其他物种序列可及性时依赖不同但同义的基序组合	NA	探究细胞类型多样化如何在漫长进化时间内受家族间稳定分离的约束，以及基因组可及性在细胞类型进化中的调控机制	扁形动物和刺胞动物等高度分化的早期分支动物的细胞类型	机器学习	NA	单核多组学测序	深度学习	序列数据、多组学数据	NA	NA	NA	NA	NA
4	2026-10-08	Combining Artificial Intelligence and Simplified Image Processing for the Automatic Detection of Mycobacterium tuberculosis in Acid-fast Stain : A Cross-institute Training and Validation Study 2024-07-01, The American journal of surgical pathology DOI:10.1097/PAS.0000000000002223 PMID:38595262	研究论文	该研究结合人工智能与简化图像处理技术，自动检测抗酸染色中的结核分枝杆菌	跨机构训练与验证，结合简化的图像处理方法和改进的EfficientNet模型，有效识别伪影和污染物	未明确说明	开发高效自动化的结核病检测方法	抗酸染色全切片图像	数字病理学	结核病	抗酸染色，全切片图像处理	改进的EfficientNet	图像	来自2家医院的全切片图像	NA	EfficientNet	准确率，检测率，假阳性率	高性能系统
5	2026-10-08	Ultrasensitive plasma-based monitoring of tumor burden using machine-learning-guided signal enrichment 2024-06, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-03040-4 PMID:38877116	研究论文	该文章介绍了MRD-EDGE，一种基于机器学习引导的全基因组测序ctDNA检测平台，用于提高信号富集，实现超灵敏的肿瘤负荷监测	利用深度学习和ctDNA特异性特征空间，将SNV信号富集提高约300倍，并将超灵敏CNV检测所需非整倍体程度从1 Gb降低到200 Mb	未明确提及	克服低肿瘤分数下ctDNA稀疏性，提高MRD灵敏度，实现超灵敏肿瘤负荷监测	实体瘤患者，包括肺癌、黑色素瘤、结直肠腺瘤等	数字病理学, 机器学习	肺癌, 黑色素瘤, 结直肠癌	血浆全基因组测序	深度学习	基因组测序数据	未明确提及	NA	NA	信噪比富集倍数, 非整倍体检测阈值	NA
6	2026-10-08	Clinical Validation of Computer-Aided Diagnosis Software for Preventing Retained Surgical Sponges 2024-05-01, Journal of the American College of Surgeons IF:3.8Q1 DOI:10.1097/XCS.0000000000001012 PMID:38258847	研究论文	该文章在临床环境中评估了一种用于预防手术海绵遗留的计算机辅助诊断（CAD）软件的有效性	在真实的临床环境中前瞻性地验证了基于深度学习的CAD系统，用于检测术后X光片中的遗留手术海绵，并证明其效能与开发阶段相似	仅报告了特异度，未提供敏感度、准确度等其他性能指标，且未与当前标准实践进行直接比较	评估用于预防遗留手术海绵的CAD系统在临床环境中的诊断效能	接受手术的20岁及以上患者的术后X光片	医学图像分析	外科手术并发症	深度学习	卷积神经网络	X光图像	1,053张术后X光片	NA	NA	特异度（85.8%）	NA
7	2026-10-07	Explaining deep learning-based representations of resting state functional connectivity data: focusing on interpreting nonlinear patterns in autism spectrum disorder 2024, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2024.1397093 PMID:38832332	研究论文	该研究开发了可解释的变分自编码器模型，并引入潜在贡献分数来解释自闭症谱系障碍中静息态功能连接数据的非线性模式	引入潜在贡献分数来解释变分自编码器识别的非线性模式，有效捕捉每个观察到的静息态功能连接特征随估计的潜在表示变化而发生的变化	未明确提及	开发可解释的变分自编码器模型，并测试其在自闭症谱系障碍静息态功能磁共振成像数据中的效用	自闭症谱系障碍患者和健康对照者的静息态功能连接数据	机器学习	自闭症谱系障碍	静息态功能磁共振成像	变分自编码器	图像	1150名参与者（601名健康对照和549名自闭症谱系障碍患者）	NA	变分自编码器	潜在贡献分数	NA
8	2026-10-07	Diagnostic accuracy of dental caries detection using ensemble techniques in deep learning with intraoral camera images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0310004 PMID:39241044	研究论文	使用集成深度学习模型对口腔内相机图像进行龋齿检测和病变定位，并评估其诊断准确性	采用集成技术提升龋齿分类性能，并尝试构建基于龋损检测的可解释深度学习模型	样本量有限，仅涉及534名参与者，且数据标注仅由一名经验丰富的牙医完成	评估基于口腔内相机图像的深度学习技术在龋齿检测中的诊断性能	口腔内相机图像和参与者	计算机视觉	龋齿	口腔内相机成像	CNN	图像	2682张口腔内相机图像，来自534名参与者	NA	ResNet-50, Inception-v3, Inception-ResNet-v2, Faster R-CNN	AUROC, AP	NA
9	2026-10-06	Artificial intelligence strengthens cervical cancer screening - present and future 2024-09-19, Cancer biology & medicine IF:5.6Q1 DOI:10.20892/j.issn.2095-3941.2024.0198 PMID:39297572	综述	本综述报告了人工智能在宫颈癌筛查中的应用现状与未来发展，涵盖图像识别技术用于检测异常细胞学和宫颈肿瘤性疾病的主要AI应用及挑战	系统总结了AI在宫颈癌筛查中图像识别应用的最新进展，并展望了未来发展方向	未涉及具体实验验证，缺乏对现有AI方法的定量比较和meta分析	报告人工智能在宫颈癌筛查领域的应用现状，探讨AI技术在异常细胞学和宫颈肿瘤性疾病检测中的主要应用和未来发展	宫颈癌筛查中的细胞学图像和宫颈肿瘤性疾病图像	数字病理学	宫颈癌	NA	深度学习	图像	NA	NA	NA	NA	NA
10	2026-10-06	Construction and Evaluation of an AI-based CBCT Resolution Optimization Technique for Extracted Teeth 2024-09, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2024.05.015 PMID:38848947	研究论文	本研究利用深度学习模型对离体牙的CBCT图像进行超分辨率处理，并与Micro-CT对比，评估图像质量和根管识别效果	首次将Basicvsr++模型应用于离体牙CBCT图像的超分辨率处理，并通过三维重建系统比较CBCT、SRCT和Micro-CT的差异	样本量有限，仅171颗离体牙，且训练集仅使用上颌第一磨牙，模型泛化能力需进一步验证	通过深度学习超分辨率技术优化CBCT图像分辨率，提高根管系统形态的识别准确性	171颗符合纳入标准的离体牙，包括40颗上颌第一磨牙训练集和131颗测试集（40颗上颌第一磨牙和91颗其他牙位）	计算机视觉	NA	锥形束计算机断层扫描、显微计算机断层扫描、图像超分辨率	深度学习	图像	171颗离体牙（40颗训练，131颗测试）	NA	Basicvsr++	根管识别率、硬组织体积、髓腔和根管系统体积、根管可见长度、根管冠状轴与牙齿长轴交角	NA
11	2026-10-06	Identification of Root Canal Morphology in Fused-rooted Mandibular Second Molars From X-ray Images Based on Deep Learning 2024-09, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2024.05.014 PMID:38821263	研究论文	利用深度学习从二维X射线图像中识别融合根下颌第二磨牙的三维根管形态	采用多角度投影增强方法扩充X射线图像数据集，并首次比较CNN与牙髓科住院医师在识别融合根磨牙三维根管形态上的表现	样本量相对较小（271颗磨牙），且仅基于二维X射线图像进行三维形态推断，可能存在信息损失	利用深度学习方法从二维X射线图像中识别融合根下颌第二磨牙的三维根管形态，以辅助根管治疗	融合根下颌第二磨牙及其X射线图像	医学图像分析	牙科疾病	微型计算机断层扫描（micro-CT）、X射线投影成像、数据增强	卷积神经网络（CNN）	图像（X射线图像和micro-CT重建图像）	271颗融合根下颌第二磨牙	PyTorch	VGG19, ResNet18, ResNet50, EfficientNet-b5	准确率（accuracy）	NA
12	2026-10-05	Selection of Convolutional Neural Network Model for Bladder Tumor Classification of Cystoscopy Images and Comparison with Humans 2024-10, Journal of endourology IF:2.9Q1 DOI:10.1089/end.2024.0250 PMID:38877795	研究论文	该研究探索了多种卷积神经网络（CNN）深度学习算法，以选择合适的人工智能（AI）模型用于膀胱肿瘤分类的膀胱镜图像诊断，并将所选模型的性能与医学生和泌尿科医生进行比较	系统比较了17种CNN模型在膀胱肿瘤膀胱镜图像分类中的性能，并首次将AI模型与不同经验水平的医生（医学生和泌尿科医生）进行诊断性能对比	样本量相对有限，仅来自单一机构的数据，未进行外部验证，可能影响模型的泛化能力	选择适合膀胱肿瘤膀胱镜图像分类的CNN模型，并评估其与人类（医学生和泌尿科医生）的诊断性能差异	膀胱肿瘤患者的膀胱镜图像，包括肿瘤图像和正常图像	计算机视觉	膀胱癌	膀胱镜检查	CNN	图像	3,731张膀胱镜图像，来自543例膀胱肿瘤病例和219例正常病例，其中包含2,191张肿瘤图像	NA	EfficientNetB0	平衡准确率, 灵敏度, 特异度, AUC, ROC曲线	NA
13	2026-10-05	Deep Learning Based Cystoscopy Image Enhancement 2024-09, Journal of endourology IF:2.9Q1 DOI:10.1089/end.2023.0751 PMID:38753720	研究论文	本文提出一种基于深度学习的膀胱镜图像增强方法，包括血液雾霾去除网络和对比度增强算法	首次将特征融合注意力网络（FFA-Net）和迁移学习应用于膀胱镜图像去血液雾霾，并引入感知损失约束网络；结合灰度重映射和加权融合实现对比度增强	未明确说明方法的泛化能力、计算复杂度或实时性限制	减轻血液雾霾对膀胱镜图像的影响，提供更清晰、对比度更高的图像以辅助医疗诊断	膀胱镜图像	计算机视觉	膀胱癌	NA	深度学习	图像	NA	NA	FFA-Net	峰值信噪比（PSNR）、结构相似性（SSIM）、感知图像块相似性（LPIPS）	NA
14	2026-10-05	Automated Analysis of Split Kidney Function from CT Scans Using Deep Learning and Delta Radiomics 2024-08, Journal of endourology IF:2.9Q1 DOI:10.1089/end.2023.0488 PMID:38695176	研究论文	本文提出了一种利用深度学习和Delta放射组学从CT扫描中自动分析分肾功能的方法	结合深度学习和2D/3D放射组学特征，通过比较双肾的Delta放射组学来预测分肾功能，无需核医学扫描	样本量有限，外部测试集较小，需要进一步验证	评估是否可以通过对比增强CT结合深度学习和放射组学特征来获得分肾功能	2018-2022年在Mayo Clinic接受肾脏核扫描的患者	医学图像分析	肾脏疾病	对比增强CT，核医学扫描	随机森林	图像	内部数据集1159例研究，其中323例用于分析；外部测试集39例	NA	随机森林	AUC，敏感度，特异度	NA
15	2026-10-05	Detection and quantitative analysis of patient-ventilator interactions in ventilated infants by deep learning networks 2024-07, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03064-z PMID:38316942	研究论文	该研究通过深度学习网络对新生儿机械通气中的患者-呼吸机交互（PVI）进行检测和定量分析，利用手动标注的波形数据训练CNN模型进行PVI分类	适应了成人PVI定义的分类法，手动标注新生儿呼吸机波形以确定新生儿PVI的患病率和共现情况，并开发了用于常见PVI的二元深度学习分类器以促进自动检测和量化	样本量较小（23名婴儿），仅从170名新生儿中随机选择，可能限制泛化能力	研究和分析机械通气新生儿的患者-呼吸机交互（PVI），开发自动检测和量化工具	从170名接受SIPPV-VG、SIMV-VG或PSV-VG模式通气至少12小时的新生儿中随机选择的23名婴儿的呼吸波形数据	机器学习	新生儿疾病	机械通气、呼吸波形分析	CNN	波形数据	23名婴儿，每个记录随机选择500次呼吸进行手动标注	NA	卷积神经网络（CNN）	F1分数	NA
16	2026-10-05	A scoping review of methodologies for applying artificial intelligence to physical activity interventions 2024-05, Journal of sport and health science IF:9.7Q1 DOI:10.1016/j.jshs.2023.09.010 PMID:37777066	综述	本文通过范围综述，分析了人工智能在身体活动干预中应用的方法学，并总结了相关机器学习、深度学习和强化学习算法的研究现状与趋势	首次系统性地对身体活动干预中人工智能应用的方法学进行了范围综述，分类总结了主流AI方法，并提出了未来六个关键应用领域	仅纳入24项符合标准的研究，样本量有限，且不同AI模型比较结果不一致，模型性能高度依赖于数据集和任务，难以得出统一结论	帮助研究人员和实践者理解人工智能在身体活动干预中的应用，介绍主流的机器学习、深度学习和强化学习算法，并鼓励采用AI方法	身体活动干预相关的研究文献，以及用于促进身体活动或预测相关行为与健康结果的人工智能应用	机器学习	NA	机器学习、深度学习、强化学习	机器学习、深度学习、强化学习	文本	24项研究	NA	NA	预测准确率	NA
17	2026-10-04	Higher blood biochemistry-based biological age developed by advanced deep learning techniques is associated with frailty in geriatric rehabilitation inpatients: RESORT 2024-06-01, Experimental gerontology IF:3.3Q2 DOI:10.1016/j.exger.2024.112421 PMID:38588752	研究论文	本研究旨在探讨基于血液生化指标的生物年龄是否与老年康复住院患者的衰弱相关，利用深度学习技术开发生物年龄时钟，并在RESORT队列中进行验证	使用先进的深度学习技术基于常规血液生化指标开发生物年龄时钟，并首次在老年康复住院患者中探讨其与衰弱的关系，同时发现合并症负担（CIRS评分）对该关联有效应修饰作用	研究未发现年龄差与入院至出院期间衰弱变化之间存在关联，且研究人群为老年康复住院患者，结果外推至其他人群需谨慎	研究基于血液生化指标的生物年龄与老年康复住院患者衰弱之间的关联	老年康复住院患者	机器学习	老年疾病	血液生化检测	深度学习	表格数据	1187名老年康复住院患者	NA	NA	Spearman相关系数, OR值, 95%置信区间	NA
18	2026-10-04	Feasibility and validity of using deep learning to reconstruct 12-lead ECG from three‑lead signals 2024 May-Jun, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.03.004 PMID:38479052	研究论文	本文提出了一种基于CNN和双向LSTM的复合网络，利用I、II、V2三个导联信号重建12导联心电图	提出了一种复合心电向量重建网络架构，结合1D CNN提取空间特征和双向LSTM分析时间趋势，采用多导联单通道方式输入信号	未明确提及研究局限性	解决便携式设备仅能采集有限导联与需要标准12导联心电图信息之间的矛盾	心电图信号，具体为三个导联（I、II、V2）到12导联的重建	机器学习	心血管疾病	深度学习，心电图信号处理	CNN, 双向LSTM	心电图信号，时间序列数据	未明确提及样本量	NA	1D CNN, 双向LSTM	均方根误差（RMSE）, 相关系数（CC）	NA
19	2026-10-04	Aquatic Soundscape Recordings Reveal Diverse Vocalizations and Nocturnal Activity of an Endangered Frog 2024-05, The American naturalist DOI:10.1086/729422 PMID:38635364	研究论文	结合自动声学监测与深度学习模型，观察濒危内华达山脉黄腿蛙的繁殖相关活动，发现了三种未记录的鸣叫类型和夜间繁殖鸣叫活动模式	首次将自动声学监测与深度学习模型结合用于观察濒危蛙类的繁殖活动，发现了三种此前未记录的鸣叫类型以及意外的夜间繁殖鸣叫活动时间模式	摘要中未明确提及研究的具体局限性	利用自动声学监测和深度学习方法，观察濒危内华达山脉黄腿蛙的繁殖相关活动，探索在人类难以直接观察的时间和地点进行自然历史发现的可能性	濒危内华达山脉黄腿蛙（Sierra Nevada yellow-legged frog）的繁殖相关鸣叫行为	机器学习	NA	声学监测、水听器录音	深度学习模型	音频	NA	NA	NA	NA	NA
20	2026-10-04	Deep learning analysis of fMRI data for predicting Alzheimer's Disease: A focus on convolutional neural networks and model interpretability 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312848 PMID:39630834	研究论文	本文利用3D卷积神经网络分析fMRI数据以预测阿尔茨海默病，并探讨模型可解释性	结合遗传风险因素与fMRI数据，但发现遗传因素未显著提升预测效果，因此专注于构建有效的仅影像模型，并实现高精度预测	数据集规模小且类别不平衡	探索深度学习方法用于阿尔茨海默病的早期检测	阿尔茨海默病患者的fMRI影像数据及遗传风险因素	医学影像分析	阿尔茨海默病	功能磁共振成像	卷积神经网络	图像	来自ADNI数据库的fMRI扫描数据，具体样本量未提及	NA	3D CNN	准确率, ROC	NA