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
181	2026-06-30	Deep Learning Prediction Boosts Phosphoproteomics-Based Discoveries Through Improved Phosphopeptide Identification 2024-02, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2023.100707 PMID:38154692	研究论文	提出了DeepRescore2计算工作流，利用深度学习预测保留时间和碎片离子强度，提高磷酸肽鉴定和磷酸位点定位	首次将深度学习预测整合到磷酸蛋白质组学数据再分析流程中，显著提升磷酸肽鉴定数量，并发现新的生物学靶点	仅适用于现有磷酸蛋白质组学数据的再分析，依赖深度学习预测模型的质量，且计算资源需求较高	提高鸟枪法磷酸蛋白质组学中磷酸肽鉴定的效率和准确性，促进生物学发现	合成磷酸肽数据集及生物样本（肝肿瘤与正常组织）中的磷酸肽与磷酸位点	机器学习	肝癌	鸟枪法磷酸蛋白质组学	深度学习模型（用于保留时间和碎片离子强度预测）	质谱数据	一个合成数据集及多个生物数据集（包括肝肿瘤与正常组织数据集）	NA	用于保留时间和碎片离子强度预测的深度学习架构	正确识别的肽段-谱图匹配数、磷酸肽鉴定数量、显著改变的磷酸位点数量、预后相关磷酸位点数量	NA
182	2026-06-30	Association of Sarcopenia With Toxicity-Related Discontinuation of Adjuvant Endocrine Therapy in Women With Early-Stage Hormone Receptor-Positive Breast Cancer 2024-01-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.07.018 PMID:37506979	研究论文	探讨肌肉减少症与早期激素受体阳性乳腺癌患者辅助内分泌治疗毒性相关停药的关系	首次在大规模多中心回顾性队列中，利用深度学习模型在常规放疗模拟影像上分析骨骼肌指数，评估肌肉减少症对辅助内分泌治疗早期停药的影响	研究样本为接受放疗的患者，未包括未接受放疗的患者，且为回顾性设计，需要前瞻性验证	研究肌肉减少症是否与早期激素受体阳性乳腺癌女性患者辅助内分泌治疗毒性相关停药有关	305名0-II期激素受体阳性乳腺癌女性患者，接受保乳手术和放疗及辅助内分泌治疗	机器学习	乳腺癌	深度学习模型分析骨骼肌指数	深度学习模型（未指定具体类型）	影像数据（放疗模拟CT图像）	305名女性患者（中位年龄67岁，12%为0期，65%为I期）	NA	NA	优势比, 风险比, P值	NA
183	2026-06-30	CenTime: Event-conditional modelling of censoring in survival analysis 2024-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103016 PMID:37913577	研究论文	提出一种新型生存分析方法CenTime，直接估计事件发生时间，并引入事件条件删失机制以处理删失数据	创新性提出事件条件删失机制，即使在无删失数据稀少的情况下也能稳健估计事件模型参数，且与深度学习模型易于集成，无批量大小或未删失样本数量限制	未明确讨论在高度复杂或高维数据场景下的性能表现及计算资源需求	开发一种直接估计事件发生时间的生存分析方法，提升预测准确性并有效利用删失数据	基于基线观测数据预测临床重要事件（如死亡或癌症复发）的时间	机器学习	癌症（参考死亡或癌症复发）	NA	深度学习模型（具体未指定，但可与深度模型集成）	生存分析数据（包含删失与未删失样本）	NA	PyTorch（基于GitHub代码推断）	NA	预测性能（时间预测准确度）、排序性能（如一致性指数，基于与Cox和DeepHit比较隐含）	NA
184	2026-06-30	Assessing the Feasibility of Using Artificial Intelligence-Segmented Dominant Intraprostatic Lesion for Focal Intraprostatic Boost With External Beam Radiation Therapy 2024-01-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.07.029 PMID:37517600	研究论文	评估使用人工智能分割的显性前列腺内病灶进行体外放射治疗局部增强的可行性	首次比较深度学习AI分割的前列腺内显性病灶与放射肿瘤科医生分割的病灶在体外放射治疗局部增强中的效果，并分析假阴性和假阳性病灶对剂量的影响	AI分割的病灶存在假阴性可能影响增强剂量，仍需前瞻性审查确保准确性	评估AI分割的前列腺内显性病灶能否提供与放射肿瘤科医生分割的病灶相似的局部增强效果	前列腺癌患者的多参数磁共振成像（mpMRI）及显性前列腺内病灶	计算机视觉, 数字病理学	前列腺癌	NGS（不适用）, mpMRI	深度学习（AI）	图像（mpMRI）	124例患者，其中89例用于训练，35例用于测试（共46个病灶）	NA	NA	灵敏度，阳性预测值，Dice系数，D98%	NA
185	2026-06-30	A statistical deformation model-based data augmentation method for volumetric medical image segmentation 2024-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102984 PMID:37837690	研究论文	提出一种基于统计变形模型的数据增强方法，用于提高医学图像分割性能	首次将统计变形模型应用于医学图像数据增强，生成更真实多样的变形，有效提升少样本条件下的器官分割精度	NA	解决医学图像标注数据不足问题，提高放射治疗中危险器官的自动分割精度	头颈、胸部和腹部的肿瘤危险器官	数字病理学	肿瘤疾病	CT成像	深度学习分割模型	三维医学图像	三个包含头颈、胸部和腹部肿瘤危险器官的数据集	NA	NA	分割挑战赛的评估指标	NA
186	2026-06-30	SurgT challenge: Benchmark of soft-tissue trackers for robotic surgery 2024-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102985 PMID:37844472	研究论文	介绍与MICCAI 2022联合组织的SurgT挑战赛，建立首个用于评估软组织追踪器的标准化基准，并鼓励开发无监督深度学习方法	首次为软组织追踪器建立标准化基准，开发专门的无监督深度学习评估指标，并提供包含157个立体内窥镜视频的数据集	目前非深度学习方法仍具竞争力，表明无监督深度学习方法在软组织追踪中尚未完全超越传统方法	建立软组织追踪器的标准化基准，并鼓励无监督深度学习技术的发展以应对手术中标注数据不足的问题	用于机器人手术的软组织追踪器	计算机视觉	NA	立体内窥镜成像	ARFlow，CSRT	视频	20个临床病例的157个立体内窥镜视频	PyTorch	ARFlow，CSRT	EAO得分，边界框重叠	NA
187	2026-06-30	Volumetric tumor tracking from a single cone-beam X-ray projection image enabled by deep learning 2024-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102998 PMID:37857066	research paper	提出一种基于深度学习的体积肿瘤追踪方法，通过单角度X线投影图像实现三维肿瘤定位与分割	首次利用单角度锥形束X线投影图像实现三维肿瘤体积追踪，通过混合数据增强、风格校正和配准网络构建患者特异性模型	NA	解决呼吸运动导致的放疗精准度下降问题，利用深度学习从单个X线投影图像实现三维肿瘤追踪	肺癌患者的CT和X线图像以及肺部体模数据	computer vision	lung cancer	cone-beam CT, X-ray imaging	deep learning模型	image	实际患者肺部数据和肺部体模	NA	hybrid data augmentation, style correction, registration network	定位精度	NA
188	2026-06-30	Consistency regularisation in varying contexts and feature perturbations for semi-supervised semantic segmentation of histology images 2024-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102997 PMID:37866169	研究论文	提出一种基于一致性正则化的半监督学习方法，用于组织病理学图像的语义分割，通过利用大量未标注数据缓解像素级标注的挑战	通过结合上下文感知一致性（对比重叠图像对的逐像素一致性）和特征扰动的交叉一致性训练，以及熵最小化，增强了模型对变化上下文和特征扰动的鲁棒性	未明确提及局限性，但可能对数据多样性和标注质量敏感，依赖未标注数据的分布稳定性	开发一种半监督语义分割方法，减少对大量像素级标注数据的依赖，提升组织病理学图像分割的性能和泛化能力	组织病理学图像中的组织和细胞核类型（如BCSS和MoNuSeg数据集中的组织区域和细胞核）	计算病理学	NA	NA	卷积神经网络	组织病理学图像	两个公开大型数据集：BCSS和MoNuSeg（未提供具体样本数量）	NA	NA	分割准确率（与其他先进方法比较，未具体列出指标如Dice系数或IoU）	NA
189	2026-06-30	AVDNet: Joint coronary artery and vein segmentation with topological consistency 2024-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102999 PMID:37862866	研究论文	提出AVDNet网络，联合分割冠状动脉和静脉，并保持拓扑一致性	首次同时分割冠状动脉和静脉，创新性地引入基于图像的血管识别网络和基于拓扑的血管精炼网络，并设计了逆距离加权Dice损失函数	未明确提及限制	实现冠状CT血管造影中冠状动脉和静脉的鲁棒、准确分割	冠状动脉和静脉	计算机视觉, 数字病理学	冠状动脉疾病	CCTA	CNN	图像	700例患者的多中心数据集	PyTorch	IVRN, TVRN	定量和定性评估	NA
190	2026-06-30	Signal domain adaptation network for limited-view optoacoustic tomography 2024-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103012 PMID:37922769	研究论文	提出信号域自适应网络（SDAN）用于有限视角光声层析成像的伪影减少	提出信号域自适应网络（SDAN），包含域自适应网络和边预测网络，减少模拟与实验信号间的域差距并补全缺失信号，无需完整断层扫描的真实数据	未在更多样化的临床数据集上进行验证，且对高噪声数据的鲁棒性未知	解决有限视角光声层析成像中的伪影问题，提高图像质量	人前臂的有限视角光声数据集	计算机视觉	无特定疾病	光声成像	域自适应网络、边预测网络	信号数据	人前臂数据集	NA	NA	图像质量指标	NA
191	2026-06-30	Unrolled and rapid motion-compensated reconstruction for cardiac CINE MRI 2024-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103017 PMID:37924751	研究论文	提出一种基于学习和展开的运动补偿重建框架，用于快速精确的心脏CINE MRI重建	联合优化运动估计与重建过程，并通过群组运动估计框架实现线性时间复杂度的心脏序列配准	NA	解决心脏MRI重建中运动估计不准确和处理时间长的问题	心脏CINE MRI图像	计算机视觉	心血管疾病	MRI（磁共振成像）	深度学习模型	图像	43个体内采集的2D CINE数据集	NA	展开式迭代优化网络	定量指标（未具体列出），定性评估	NA
192	2026-06-30	Seeking an optimal approach for Computer-aided Diagnosis of Pulmonary Embolism 2024-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.102988 PMID:37924750	研究论文	对肺栓塞计算机辅助诊断的多种深度学习方法进行综合分析，提出最优方案	系统比较了多种深度学习模型，包括CNN、ViT、Swin Transformer，并提出了基于变压器的新型架构E-ViT；研究了自监督预训练、迁移学习、血管导向图像表示等创新方法	NA	解决肺栓塞计算机辅助诊断中深度学习方法选择困惑，寻求最优方法	基于四个数据集（包括RSNA PE数据集、CAD-PE挑战赛数据集、马什哈德费尔多西大学PE数据集、内部PE-CAD数据集）进行综合分析	计算机视觉	肺栓塞	CTPA	CNN, Transformer, Vision Transformer (ViT), Swin Transformer, E-ViT	图像	四个数据集：RSNA PE数据集（切片级和检查级标注）、CAD-PE挑战赛数据集、马什哈德费尔多西大学PE数据集、内部PE-CAD数据集（含血凝块级掩码）	PyTorch	CNN, Vision Transformer (ViT), Swin Transformer, Embedding-based ViT (E-ViT)	AUC	NA
193	2026-06-30	Digital reference objects for evaluating algorithm performance in MR image formation 2024-01, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.10.008 PMID:37925111	研究论文	提出数字参考对象用于客观评估磁共振图像形成算法性能	利用解析公式在k空间直接采样数字参考对象，为MR图像质量评估提供完全自动化和可重复的标准化方法	NA	建立基于数字参考对象的客观MR图像质量评估体系	数字参考对象（数学体模）和ACR体模的解析部分	计算机视觉	NA	MR成像	CNN	图像	NA	NA	CNN	视觉比较与定量比较	NA
194	2026-06-30	Deep learning-based k-space-to-image reconstruction and super resolution for diffusion-weighted imaging in whole-spine MRI 2024-01, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.11.003 PMID:37939970	研究论文	评估基于深度学习的k空间到图像重建和超分辨率技术在全脊柱弥散加权成像中的可行性	首次将深度学习重建与超分辨率技术应用于全脊柱弥散加权成像，改善图像质量	回顾性研究设计，样本量有限（67例患者），且仅涉及血液/肿瘤疾病患者	评估深度学习全脊柱弥散加权成像的可行性及其在图像质量方面的改进	患有血液和/或肿瘤疾病的患者	深度学习，磁共振成像	血液疾病，肿瘤疾病	弥散加权成像，深度学习图像重建，超分辨率	深度学习重建模型	磁共振图像	67例患者（平均年龄63岁，35名女性）	NA	NA	图像质量评分，诊断信心评分，非均匀性，病灶对比度，信噪比，对比噪声比，ADC值	NA
195	2026-06-30	IDPpub: Illuminating the Dark Phosphoproteome Through PubMed Mining 2024-01, Molecular & cellular proteomics : MCP IF:6.1Q1 DOI:10.1016/j.mcpro.2023.100682 PMID:37993103	研究论文	基于深度学习的自然语言处理技术，通过挖掘PubMed摘要构建磷酸化位点证据库，以揭示暗磷酸化蛋白质组	首次利用微调BioBERT模型从生物医学摘要中自动提取磷酸化位点及其生物语境信息，构建了可自动更新的磷酸化位点证据库IDPpub	未明确说明模型在非英语摘要或不同生物种类上的适用性，以及证据句的语义冲突处理	开发一种自动化的生物医学文本挖掘工具，从PubMed文献中提取磷酸化位点证据，填补注释缺口	磷酸化位点及其关联的蛋白质底物和生物医学摘要	自然语言处理	NA	深度学习、自然语言处理、PubMed挖掘	BioBERT	文本	3000篇摘要用于训练，150篇摘要用于验证，全量MEDLINE摘要用于提取	PyTorch	BioBERT	精确率、召回率	NA
196	2026-06-30	Artificial Intelligence-Based Counting Algorithm Enables Accurate and Detailed Analysis of the Broad Spectrum of Spot Morphologies Observed in Antigen-Specific B-Cell ELISPOT and FluoroSpot Assays 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3690-9_5 PMID:38502388	研究论文	介绍基于人工智能的IntelliCount算法，用于准确分析抗原特异性B细胞ELISPOT和FluoroSpot检测中的各种斑点形态	基于深度学习的IntelliCount算法无需主观设置计数参数，结合高动态范围成像，可提取高信息含量数据，扩展线性计数范围	未明确讨论算法的潜在偏差或特定形态斑点的验证挑战	解决抗原特异性B细胞斑点形态多样性在标准计数方法中的分析难题，提高计数准确性和信息提取深度	抗原特异性B细胞分泌的抗体足迹（斑点）	机器学习	NA	ELISPOT, FluoroSpot	深度神经网络	图像	使用新鲜分离或冷冻保存的原代细胞材料，如外周血单核细胞（未提供具体数量）	NA	CTL专属深度神经网络	斑点计数准确性、线性范围	NA
197	2026-06-29	Chinese Clinical Named Entity Recognition With Segmentation Synonym Sentence Synthesis Mechanism: Algorithm Development and Validation 2024-11-21, JMIR medical informatics IF:3.1Q2 DOI:10.2196/60334 PMID:39622697	研究论文	提出基于近义词计算的数据集增强算法，解决中文临床命名实体识别中的标注困难和数据稀疏问题	提出分段同义句合成（SSSS）算法，利用现有公共知识无需手动扩展专业领域词典，通过词汇分割重组自然语言数据实现数据集近义扩展	依赖已有公共知识库，对新出现的专业术语适应性有限	解决临床命名实体识别任务中数据稀疏和标注困难的问题	中文电子病历中的临床命名实体	自然语言处理	NA	自然语言处理	RoBERTa+CRF, RoBERTa+BiLSTM+CRF	文本	CCKS-2017和CCKS-2019两个数据集	PyTorch	RoBERTa, CRF, BiLSTM	F1分数	NA
198	2026-06-29	Bidirectional Long Short-Term Memory-Based Detection of Adverse Drug Reaction Posts Using Korean Social Networking Services Data: Deep Learning Approaches 2024-11-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/45289 PMID:39565685	研究论文	利用韩语社交媒体数据，基于双向长短期记忆网络检测药物不良反应帖子	针对韩语社交媒体数据，结合药物名称与不良反应词的关联分析进行数据过滤，构建Bi-LSTM深度学习模型以分类药物不良反应帖子	未明确说明	开发基于循环神经网络的深度学习模型，用于从韩语社交媒体数据中分类药物不良反应帖子	韩语社交媒体帖子（博客、咖啡馆帖子及NAVER问答帖子），涉及药物酮洛芬和醋氯芬酸	自然语言处理	药物不良反应	自然语言处理	双向长短期记忆网络	文本	未明确说明	NA	双向LSTM	准确率	NA
199	2026-06-29	Leveraging Artificial Intelligence and Data Science for Integration of Social Determinants of Health in Emergency Medicine: Scoping Review 2024-10-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57124 PMID:39475815	综述	本文通过范围综述探讨人工智能和数据科学在急诊医学中整合社会健康决定因素的应用潜力	首次系统评估AI和数据科学在急诊科中建模、提取和整合社会健康决定因素数据的能力，强调自然语言处理技术的预测性能	研究尚处于早期阶段，缺乏标准化SDOH数据收集方法，且算法需针对不同患者群体优化	评估AI和数据科学在急诊科中整合社会健康决定因素数据的潜力，并识别未来研究领域	2015-2022年间发表的关于AI或数据科学在急诊医疗中应用SDOH的研究	自然语言处理	NA	NA	机器学习, 自然语言处理, 深度学习	文本	26项研究	NA	规则型NLP, 深度学习, 模式匹配	F1分数, 特异性	NA
200	2026-06-29	Evaluating Medical Entity Recognition in Health Care: Entity Model Quantitative Study 2024-10-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/59782 PMID:39419501	研究论文	评估七种命名实体识别模型在三个医学数据集上的性能，并分析影响性能的宏观因素	引入了宏观因素（如实体短语长度和每个实体短语中的实体词数量）对模型性能影响的分析，并采用多级因子消除算法筛选影响因子	未提及研究局限性	细致评估不同NER模型在医学文本分析中的性能，并探索宏观因素对其准确性的影响，为优化医学NER模型提供见解	七种NER模型（HMM、CRF、BioBERT、BigBird、DeBERTa、RoBERTa和Gemma）在三个医学数据集（Revised JNLPBA、BioCreative V CDR、AnatEM）上的表现	自然语言处理	NA	NA	HMM, CRF, BERT, BigBird, DeBERTa, RoBERTa, Gemma	文本	三个数据集：Revised JNLPBA、BioCreative V CDR、AnatEM（具体样本数未提及）	NA	HMM、CRF、BioBERT、BigBird、DeBERTa、RoBERTa、Gemma	微平均分数（AVG_MICRO）	NA