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
221	2026-09-01	The segmentation and intelligent recognition of structural surfaces in borehole images based on the U2-Net network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299471 PMID:38451909	研究论文	基于U2-Net网络对钻孔图像中的结构面进行智能分割和识别，以提高效率和准确性	首次将U2-Net网络应用于钻孔图像结构面的智能分割，通过数据增强和深度学习技术实现了高精度分割，为结构面智能识别提供了新方法	未明确提及局限性，可能包括对不同地质条件的泛化能力有限以及依赖高质量图像数据	实现钻孔图像结构面的自动、智能分割，提高处理效率和准确性，为岩体力学分析提供支持	钻孔图像中的结构面，包括不同岩性和颜色的结构面特征	计算机视觉	不适用	钻孔摄像	U2-Net网络	图像	1013张原始钻孔图像，扩展后共12421张	PyTorch	U2-Net	F-measure值、准确率、召回率、平均绝对误差	未明确提及，可能使用普通GPU
222	2026-09-01	Assessment of lymph node area coverage with total marrow irradiation and implementation of total marrow and lymphoid irradiation using automated deep learning-based segmentation 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299448 PMID:38457432	研究论文	本研究评估了全骨髓照射计划中淋巴结区域的剂量覆盖情况，并利用深度学习模型实现全骨髓及淋巴照射的自动分割。	首次量化TMI计划中淋巴结区域的剂量覆盖，并利用nnU-NET框架开发自动化分割模型以促进TMLI的实施。	样本量可能有限，且淋巴结自动分割的准确性仍有提升空间。	评估TMI计划下淋巴结区域的剂量覆盖，并训练和评估基于深度学习的淋巴结区域自动分割模型。	接受全骨髓照射计划治疗的患者的全身淋巴结区域和全身计算机断层扫描数据。	数字病理学	血液系统肿瘤	CT成像、深度学习	nnU-Net	图像（CT数据）	未提供具体数量，涉及患者和CT数据分为训练/验证和测试组。	nnU-Net框架	nnU-Net	Dice相似系数、精确度、召回率、Hausdorff距离95	未提供具体信息
223	2026-09-01	Trustworthy deep learning framework for the detection of abnormalities in X-ray shoulder images 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299545 PMID:38466693	研究论文	提出一个可信的深度学习框架，用于X射线肩部图像异常检测，该框架结合同域迁移学习和特征融合，显著提高了检测准确率和可解释性	提出了同域迁移学习策略，缓解了ImageNet预训练模型与X射线图像的域不匹配问题；并采用特征融合技术结合多个深度学习模型，提高了检测准确度和结果的信任度	由于是摘要，未提及具体局限性，但可能包括数据集的规模和多样性限制，以及临床部署的挑战	开发一个可靠且可解释的深度学习框架，用于自动检测X射线肩部图像中的异常，如骨折、畸形和关节炎，以提高诊断准确性和信任度	肩部X射线图像，包含骨折、畸形、关节炎等异常样本	计算机视觉, 数字病理学	肌肉骨骼疾病	X射线成像	CNN	图像	未明确，但包括大量各种身体部位的标记X射线图像，以及目标数据集肩部X射线图像，测试集由三位骨科医生评估	NA	ResNet, VGG, DenseNet, EfficientNet	准确率, F1分数, Cohen's kappa, Grad-CAM, 激活可视化和LIME	NA
224	2026-08-31	Enhancing Precision in Cardiac Segmentation for Magnetic Resonance-Guided Radiation Therapy Through Deep Learning 2024-11-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.05.013 PMID:38797498	研究论文	本文扩展了公开的深度学习框架“No New”U-Net，引入自蒸馏机制（nnU-Net.wSD），用于MR引导放射治疗中的心脏亚结构分割，以提高心脏保护效果。	创新性地在nnU-Net框架中引入自蒸馏技术（nnU-Net.wSD），利用教师-学生网络改进心脏亚结构分割，并评估了分次数据增强对分割性能的影响。	样本量较小（仅18例来自机构A和22例来自机构B），且冠状动脉分割的Dice系数较低（0.33 ± 0.16），表明该结构分割仍有挑战。	提高MR引导放射治疗中心脏亚结构分割的精确性和可靠性，以实现更好的心脏保护。	心脏亚结构（包括腔室、大血管和冠状动脉）的分割。	深度学习、医学图像分割	放射治疗相关心脏疾病（心脏毒性）	MR成像、深度学习分割	U-Net（3D U-Net和nnU-Net.wSD）	MR图像	训练集10例，验证集3例，测试集5例（机构A），外部测试集22例（机构B）	PyTorch	nnU-Net（带自蒸馏）和3D U-Net	Dice相似系数、平均距离一致性、95% Hausdorff距离、剂量-体积直方图	未提供具体GPU信息
225	2026-08-31	Deep learning assisted quantitative analysis of Aβ and microglia in patients with idiopathic normal pressure hydrocephalus in relation to cognitive outcome 2024-11-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlae083 PMID:39101555	研究论文	利用深度学习自动量化特发性正常压力脑积水患者皮层活检中的Aβ负担和小胶质细胞，并评估其与认知结局的关联	创建了一个自动化分析平台，利用Aiforia Create深度学习软件在双免疫染色的全切片图像上同时识别Aβ区域和Iba1阳性小胶质细胞体，实现了高精度（>95%）的组织、Aβ和小胶质细胞体分割	研究为回顾性分析，且认知结局评估时间点差异较大（中位随访4.4年），可能影响因果推断	评估皮层活检中Aβ负荷和反应性小胶质细胞密度与特发性正常压力脑积水患者认知结局的相关性	120例接受分流术的iNPH患者的额叶皮层活检组织切片	数字病理学，深度学习	特发性正常压力脑积水，阿尔茨海默病相关病理改变	双重免疫组化染色（Iba1/4G8），全切片成像	深度学习模型	病理图像	120例iNPH患者的额叶皮层活检切片	Aiforia Create	NA	精确度	NA
226	2026-08-31	A Competition for the Diagnosis of Myopic Maculopathy by Artificial Intelligence Algorithms 2024-11-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.3707 PMID:39325442	研究论文	本文介绍了一项关于人工智能算法诊断近视性黄斑病变的国际竞赛（MMAC），评估了深度学习算法在分类和分割任务中的表现，并与眼科医生的诊断性能进行了比较	通过国际竞赛形式，对多个深度学习算法在近视性黄斑病变分类、病灶分割和等效球镜预测三个任务上进行系统评估，并与眼科医生表现进行直接对比	研究未明确提及具体局限性	评估深度学习算法在近视性黄斑病变分类和分割中的诊断性能，并与眼科医生进行比较	近视性黄斑病变患者眼底图像，包括分类任务中的2306张、分割任务中的294张和等效球镜预测任务中的2003张图像	计算机视觉	近视性黄斑病变	深度学习	深度学习算法	图像	分别为2306、294和2003张眼底图像	未明确提及	未明确提及	二次加权卡帕系数（QWK）、F1分数、灵敏度、特异度、Dice相似系数（DSC）、R²、平均绝对误差（MAE）	未明确提及
227	2026-08-31	Deep Learning to Discriminate Arteritic From Nonarteritic Ischemic Optic Neuropathy on Color Images 2024-11-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.4269 PMID:39418057	研究论文	本研究开发并验证了一个深度学习系统，用于在急性期通过彩色眼底图像区分动脉炎性前部缺血性视神经病变（AAION）与非动脉炎性前部缺血性视神经病变（NAION）	首次开发并国际验证了一个深度学习系统，在无临床或生物标志物信息的情况下，仅基于彩色眼底图像以超过90%的准确率区分AAION和NAION，并提供了疾病特异性的类激活图	研究中未提及具体局限性，但外部测试数据集包含来自美国和欧洲的5个专家神经眼科中心，可能限制了模型的泛化性	开发、训练和测试一个深度学习系统，以在急性期通过彩色眼底图像区分AAION和NAION	来自802例确诊为AAION和NAION患者的961只眼睛的彩色眼底图像	计算机视觉	缺血性视神经病变	彩色眼底摄影	深度学习系统（DLS）	图像（彩色眼底图像）	802例患者的961只眼睛（训练集）和121例患者（外部测试集）	未明确提及	未明确提及	曲线下面积（AUC）、敏感性、特异性、准确性	未明确提及
228	2026-08-31	Flexible protein-protein docking with a multitrack iterative transformer 2024-02, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4862 PMID:38148272	研究论文	提出GeoDock，一种多轨道迭代Transformer网络，用于从独立的对接伙伴预测蛋白质-蛋白质对接结构，支持结合诱导的构象变化。	GeoDock采用多轨道迭代Transformer架构，不需要多序列比对输入，能够在残基级别灵活预测构象变化，速度快（单GPU下小于1秒），且在新标准DIPS测试集上取得了优于其他测试方法的成功率和速度。	在标准DIPS数据集中发现训练集存在同源污染，去污后成功率下降；在DB5.5和抗体验证集上，性能落后于大多数传统方法和AlphaFold-Multimer；结合诱导的构象变化仍因训练和评估数据有限而面临挑战。	开发一种快速、灵活、高成功率的蛋白质-蛋白质对接深度学习方法，克服传统采样重排和刚性对接的局限，以支持高通量结构预测和构象变化研究。	蛋白质-蛋白质复合物，包括DIPS测试集、DB5.5测试集和抗体-抗原复合物基准数据集。	机器学习	NA	NA	Transformer	蛋白质序列和结构	使用了DIPS、DB5.5和抗体-抗原复合物等数据集，具体样本数未提供	PyTorch	多头迭代Transformer网络（GeoDock）	成功率（top-1 success rate）、平均推理速度	单个GPU
229	2026-08-31	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	本研究利用深度学习模型DeepAb和单点深度突变扫描数据，设计了200个潜在优化的抗鸡卵溶菌酶抗体变体，并评估其热稳定性、亲和力和可开发性	结合深度学习结构预测与实验DMS数据，在不依赖抗原结构的情况下设计抗体变体，并系统评估其多项生物物理性质	未提及具体局限性；DMS数据可能无法完全代表体内行为，且研究仅限于单一抗体	探索在没有抗原结构的情况下，通过计算设计增强抗体热稳定性和亲和力，同时保持良好的可开发性	抗鸡卵溶菌酶(HEL)抗体及其200个设计变体	深度学习、生物信息学、蛋白质工程	不适用	深度突变扫描(DMS)、高通量实验	深度学习模型(DeepAb)	蛋白质序列、结构预测数据、实验测得的稳定性及亲和力数据	200个抗体变体	NA	DeepAb	热稳定性(Tm)、胶体稳定性(Tagg,Tonset)、亲和力(KD)、非特异性结合、聚集倾向、自结合	NA
230	2026-08-30	Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence 2024-06-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0749 PMID:38691380	研究论文	利用卫星图像和深度学习评估建成环境与心血管代谢疾病患病率之间的关联	首次利用Google卫星图像和卷积神经网络在大规模城市范围内评估建成环境与心血管代谢疾病患病率的关联	论文未提供明确的局限性信息，但可推测其可能包括数据来源的局限性、模型泛化能力及因果关系推断的限制	研究基于图像的建成环境与城市心血管代谢疾病患病率之间的关联	美国7个城市的789个人口普查区及其建成环境特征	计算机视觉, 数字病理学	心血管疾病	卫星图像分析	卷积神经网络 (CNN), 轻量梯度提升机 (LightGBM)	图像	31,786张卫星图像，覆盖789个人口普查区	NA	卷积神经网络, 轻量梯度提升机	R² (决定系数)	NA
231	2026-08-30	Deep Learning-Augmented ECG Analysis for Screening and Genotype Prediction of Congenital Long QT Syndrome 2024-04-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0039 PMID:38446445	研究论文	本研究利用深度学习增强的心电图分析，开发了一种用于筛查先天性长QT综合征和预测其基因型的卷积神经网络模型	首次利用深度学习模型从静息12导联心电图中识别先天性长QT综合征并区分LQTS1和LQTS2两种基因型，超越了传统QTc间隔检测方法	研究仅限于高风险人群验证，缺乏在未选择的普通人群中的广泛验证	开发基于深度学习的神经网络，用于识别先天性长QT综合征并区分基因型（LQTS1和LQTS2）	疑似遗传性心律失常患者的心电图及其对应的基因型	计算机视觉	先天性长QT综合征	心电图	卷积神经网络	心电图图像	990名患者的4521份心电图	NA	CNN	AUC、F1分数、敏感性	NA
232	2026-08-30	Humans use tools: From handcrafted tools to artificial intelligence 2024-03, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2023.101705 PMID:37956905	研究论文	本文探讨了从手工工具到人工智能的技术演进，并聚焦于AI在血管外科手术中的应用、优势及伦理挑战。	综合回顾了工具历史并提出AI作为未来外科工具的愿景，强调了AI在提高手术精度、决策支持和风险评估中的潜力。	AI在外科中的应用仍处于早期阶段，面临数据代表性、隐私保护和决策透明度等问题。	阐述人工智能在血管外科手术中的潜在应用，并讨论其伦理和社会影响。	血管外科手术中的人工智能应用，包括疾病风险识别、影像解读和机器人辅助。	机器学习	血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
233	2026-08-30	Multi-focused image fusion algorithm based on multi-scale hybrid attention residual network 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302545 PMID:38787800	研究论文	提出了一种基于多尺度混合注意力残差网络的多聚焦图像融合算法，通过无监督学习实现端到端的决策图优化，以提高融合图像的质量和细节丰富度。	引入多尺度混合注意力残差网络模型，结合混合多尺度残差块和上下投影模块，在不增加参数数量的情况下有效利用多尺度特征信息，并通过空间频率域测量活动水平获得初始决策图，实现端到端的决策图优化。	文中未提及具体局限性。	提高多聚焦图像融合的检测性能，实现端到端的决策图优化，生成高质量、细节丰富的融合图像。	多聚焦图像（不同焦点的两幅源图像）。	计算机视觉	NA	深度学习，无监督学习	混合注意力残差网络	图像	NA	NA	多尺度混合注意力残差网络（含混合多尺度残差块MSRB和上下投影模块UDP）	主观评价、客观评价指标（如互信息、边缘保持度等，具体未列出）	NA
234	2026-08-30	A hybrid feature weighted attention based deep learning approach for an intrusion detection system using the random forest algorithm 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302294 PMID:38781186	研究论文	提出了一种结合均值卷积层、特征加权注意力和双向长短期记忆网络及随机森林算法的混合深度学习模型，用于处理网络入侵检测中的类不平衡问题，并在NSL-KDD和UNSW-NB-15数据集上实现了高准确率。	创新性地将CNN-MCL、BILSTM、自注意力特征权重和随机森林算法结合，通过特征加权注意力机制和BILSTM来缓解类不平衡的影响，提高入侵检测的准确性和降低误报率。	未明确提及局限性。	开发一种高效的入侵检测系统，能够处理类不平衡问题，提高检测准确率，减少误报，并有效识别新的网络入侵。	网络入侵检测数据集（NSL-KDD和UNSW-NB-15），包含正常和恶意网络流量数据。	机器学习	NA	NA	CNN、BILSTM、随机森林	网络流量数据（表格数据）	采用了NSL-KDD和UNSW-NB-15两个公开数据集，具体样本数量未在标题和摘要中提及。	NA	MCL-FWA-BILSTM（包括均值卷积层、特征加权注意力、双向长短期记忆网络，随机森林用于分类）	准确率、检测率、假阳性率、F1分数	NA
235	2026-08-30	A calculation method for optical properties of yolk shell based on deep learning 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0302262 PMID:38696523	研究论文	提出了一种基于深度学习的蛋黄壳结构光学特性计算方法，利用反向传播神经网络建立尺寸与吸收效率之间的关系	利用BPNN简化蛋黄壳结构光学特性的计算过程，通过正反向预测全面描述吸收效率，在保持精度的同时显著提高计算速度和降低内存消耗	NA	开发一种高效且精确的计算方法，用于预测蛋黄壳结构的光学特性（吸收效率）	蛋黄壳结构及其光学特性（吸收效率）	机器学习	NA	NA	BPNN	数值模拟数据	NA	NA	BPNN	精度、计算速度、内存消耗	NA
236	2026-08-29	Unmet Needs in Spondyloarthritis: Imaging in Axial Spondyloarthritis 2024-12-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2024-0937 PMID:39448248	综述	本文综述了中轴型脊柱关节炎（axSpA）影像学生物标志物的现状与前沿技术，涵盖放射摄影、低剂量及双能CT、MRI等成像方式，并讨论其在诊断、治疗反应评估和疾病进展监测中的优势与局限	介绍了MRI新兴序列（如容积内插呼吸屏气检查、超短回波时间、零回波时间）及基于深度学习的合成CT技术，无需电离辐射即可生成类似CT的影像，强化了MRI检测和量化结构性病变的能力	未明确列出研究的局限性	概述脊柱关节炎影像学在临床实践中的应用谱，讨论不同成像技术的优缺点及实用性	中轴型脊柱关节炎患者及相关的影像学检查方法	医学影像	脊柱关节炎	放射摄影、低剂量CT、双能CT、MRI（含容积内插呼吸屏气检查、超短回波时间、零回波时间）、深度学习合成CT,NA	深度学习	影像数据	NA	NA	NA	NA	NA
237	2024-08-07	Deeper insights from deep learning: Enhanced myocardial perfusion assessments using multimodal artificial intelligence 2024-08, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102014 PMID:39089361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
238	2026-08-29	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍EPInformer，一个可扩展的深度学习框架，通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达。	创新性地结合启动子-增强子相互作用及其序列、表观遗传信号和染色质接触，以捕捉远端调控元件的影响，提高基因表达预测的准确性，并在跨染色体验证中优于现有模型。	尽管模型性能优越，但仍可能受限于训练资源需求和对新数据的适应性，且未在摘要中详细说明具体局限性。	开发一个可扩展的深度学习框架，以整合启动子-增强子序列和多模态表观基因组数据，提高基因表达预测的准确性。	基因表达预测，启动子-增强子相互作用，转录因子基序。	深度学习	NA	深度学习	深度学习模型（具体类型未提及）	DNA序列、表观遗传信号、染色质接触数据	NA	NA	NA	准确性（优于现有模型）	NA
239	2026-08-29	Sharing massive biomedical data at magnitudes lower bandwidth using implicit neural function 2024-07-09, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2320870121 PMID:38959033	研究论文	提出一种基于隐式神经函数的生物医学数据压缩方法BRIEF，实现大规模数据的低带宽共享，压缩率提升2-3个数量级且保持高保真度	使用数据特定的紧凑神经网络表示生物医学数据，避免了传统深度学习方法的泛化问题，并支持自定义空间变化保真度	摘要中未明确提及局限性，可能需要进一步评估在不同数据类型上的计算开销和实际部署效率	实现大规模生物医学数据的低带宽存储与共享，促进跨机构合作	多种生物医学数据，包括图像、视频等	机器学习	NA	隐式神经函数	隐式神经函数	生物医学图像和视频	多种生物医学数据集，具体数量未在摘要中说明	NA	紧凑神经网络	压缩比、保真度	未在摘要中说明
240	2026-08-29	Interpretation of SPECT wall motion with deep learning 2024-07, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.101881 PMID:38723886	研究论文	本研究开发了一种基于深度学习的工作流程，用于解释SPECT心肌壁运动，并评估其性能优于人类专家和定量参数	创新地使用深度学习模型预测异常壁运动的概率，并实现了区域壁运动的评估，同时提供了GUI界面以便在30秒内产生初步解释	未明确说明，但可能受限于单中心数据、回顾性设计以及需要外部验证	开发一种深度学习工作流程，以提高SPECT壁运动解释的准确性	静息ECG门控SPECT图像和超声心动图数据	医学影像分析	心血管疾病	SPECT成像	深度学习模型（未指定具体类型）	医学影像（SPECT）	1038名患者，其中317名用于训练DL-model 2	NA	NA	AUC, 准确率, 净重分类指数	NA