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
301	2026-02-03	Identification of Neural Crest and Neural Crest-Derived Cancer Cell Invasion and Migration Genes Using High-throughput Screening and Deep Attention Networks 2024-Mar-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.07.583913 PMID:38496683	研究论文	本研究通过高通量siRNA筛选和深度学习注意力网络分析，识别了神经嵴及神经嵴来源的癌细胞侵袭和迁移的关键基因	结合高通量筛选与深度学习注意力网络，从45个基因面板中快速筛选出对黑色素瘤细胞侵袭至关重要的基因子集，并揭示了BMP4等基因在细胞迁移中的关键作用	研究主要聚焦于c8161黑色素瘤细胞和HT1080纤维肉瘤细胞，可能无法完全代表其他神经嵴来源癌症类型	识别神经嵴及神经嵴来源癌细胞侵袭和迁移的关键基因，以深入理解细胞迁移机制	神经嵴细胞、c8161黑色素瘤细胞系、HT1080纤维肉瘤细胞系	机器学习	黑色素瘤	高通量siRNA筛选、重组蛋白添加、体内外侵袭实验	深度学习注意力网络	基因表达数据、细胞迁移数据	45个基因面板，涉及c8161和HT1080细胞系	NA	注意力网络	NA	NA
302	2026-01-30	Inferring Taxonomic Affinities and Genetic Distances Using Morphological Features Extracted from Specimen Images: A Case Study with a Bivalve Data Set 2024-11-29, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae042 PMID:39046773	研究论文	本研究探索使用深度学习从双壳类标本图像中推断分类学亲缘关系和遗传距离	结合监督分类和无监督相似性学习，利用图像数据推断生物关系，为缺乏分子数据的物种提供新方法	基于观察到的相关性进行细粒度重建（如姐妹类群关系）需要进一步工作	从标本图像中推断生物的分类学亲缘关系和遗传距离	双壳类（Bivalvia）标本图像，涵盖4144个物种、74个科	计算机视觉	NA	深度学习	CNN	图像	4144个物种的图像数据集	NA	NA	准确率	NA
303	2026-01-30	Toward a Semi-Supervised Learning Approach to Phylogenetic Estimation 2024-10-30, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae029 PMID:38916476	研究论文	本文提出了一种结合随机模拟和深度学习的新方法，用于推断分子进化参数，无需已知系统发育树	开发了一种监督深度学习模型，直接分析多序列比对，估计位点特异性进化速率和分歧度，无需依赖已知系统发育树，并在复杂速率变异模式下超越了传统基于似然的方法	未明确说明模型在极端进化场景或非标准数据格式下的泛化能力，且依赖于模拟数据进行训练	改进系统发育推断，通过更灵活的速率变异模型提高参数估计和树重建的准确性	分子进化参数，包括位点特异性进化速率和序列分歧度	机器学习	NA	随机模拟，深度学习	深度学习模型	多序列比对数据	包含2600万核苷酸的小丑鱼支系数据集	NA	NA	准确性，分支长度估计精度	NA
304	2026-01-30	Deep Deblurring in Teledermatology: Deep Learning Models Restore the Accuracy of Blurry Images' Classification 2024-09, Telemedicine journal and e-health : the official journal of the American Telemedicine Association DOI:10.1089/tmj.2023.0703 PMID:38934135	研究论文	本研究评估了深度学习去模糊模型在远程皮肤病学中恢复模糊图像诊断准确性的能力	首次系统评估了多种去模糊模型对皮肤病诊断模型性能的恢复效果，并比较了模型预测与皮肤科医生主观清晰度评分	研究使用的模糊图像数据集相对较小（54张公共数据集图像和53张医疗中心咨询照片），可能限制了结果的普适性	确定深度学习模型对模糊图像进行去模糊处理后，诊断准确性能够恢复的程度	皮肤病图像，包括23种皮肤病类别	计算机视觉	皮肤病	深度学习图像处理	深度学习模型	图像	19,191张皮肤图像（公共数据集）+ 54张模糊皮肤图像（公共数据集）+ 53张模糊皮肤病咨询照片（医疗中心）	NA	NA	灵敏度, 精确度, 清晰度评分（4点量表）	NA
305	2026-01-30	Deep Learning and Likelihood Approaches for Viral Phylogeography Converge on the Same Answers Whether the Inference Model Is Right or Wrong 2024-05-27, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syad074 PMID:38189575	研究论文	本文比较了基于深度学习的无似然推理方法与基于似然的贝叶斯推理方法在病毒系统地理学中的应用，发现两者在准确性和鲁棒性上表现相当，但深度学习方法在推理速度上快三个数量级	将深度学习无似然推理方法扩展到病毒系统地理学中，并与传统贝叶斯方法进行系统性比较，同时引入保形化分位数回归进行不确定性量化，展示了深度学习在模拟数据训练下能准确模拟生成模型的统计特性	研究基于模拟数据训练，可能受限于模拟模型的复杂性；在真实数据应用中仅测试了欧洲SARS-Cov-2案例，泛化能力需进一步验证；不确定性量化的精度较低（更保守）	比较深度学习无似然推理与基于似然的贝叶斯推理在病毒系统地理学中的性能，评估模型错误指定下的鲁棒性，并开发快速推理方法以支持疫情实时决策	病毒传播的系统发育树，特别是涉及5个地理位置的模拟疫情数据以及欧洲SARS-Cov-2疫情的真实数据	机器学习	NA	系统发育分析，模拟疫情数据生成	深度神经网络	系统发育树（树结构数据）	使用模拟疫情生成的系统发育树进行训练和测试，并应用了欧洲SARS-Cov-2疫情的真实数据	NA	深度神经网络（具体架构未指定）	准确性，鲁棒性，偏差，不确定性量化（与贝叶斯最高后验密度比较），推理速度	NA
306	2026-01-29	Deep learning for segmentation of colorectal carcinomas on endoscopic ultrasound 2024-12-13, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-03056-5 PMID:39671056	研究论文	本研究开发了一种基于卷积神经网络的深度学习模型，用于自动分割内镜超声图像中的结直肠癌肿瘤、黏膜下层和肌层，以标准化早期直肠癌的浸润深度评估	首次将深度学习应用于内镜超声图像的自动分割，以解决早期直肠癌浸润深度评估中磁共振成像分辨率不足和内镜超声解释依赖操作者的问题	研究样本量相对较小（基于373个专家手动分割），且结果仅反映与手动分割的一致性，未直接验证临床预后	开发自动化图像分割方法以标准化内镜超声对早期直肠癌浸润深度的解释	早期直肠癌的内镜超声图像	计算机视觉	结直肠癌	内镜超声	CNN	图像	373个专家手动分割的内镜超声图像	NA	NA	平均表面距离, 豪斯多夫距离, Dice相似性指数	NA
307	2026-01-29	Deep Learning-Based Prediction of Final Infarct Core from CT Perfusion Data: A Comparison to the Clinical Standard 2024-Nov, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.124.001375 PMID:41583397	研究论文	本研究开发了一种基于深度学习的CT灌注概率模型，用于预测急性缺血性卒中患者的最终梗死核心，并与临床标准方法进行比较	提出了一种从单值阈值转向概率模型的CT灌注分析方法，利用深度学习（Attention U-Net）更准确地预测组织命运，优于传统的核心/半暗带二分法	研究为回顾性设计，样本量有限（共243例患者，测试集仅48例），且仅针对大血管闭塞并完全再通的患者，可能限制结果的普适性	改进急性缺血性卒中的CT灌注分析，通过概率模型更准确地预测最终梗死核心，以支持临床决策	急性缺血性卒中患者，特别是大血管闭塞并在血栓切除术后完全再通的患者	数字病理学	心血管疾病	CT灌注成像，扩散加权成像	深度学习	医学影像（CT灌注数据）	243例患者（训练、验证和测试组）	MONAI	Attention U-Net	多样化反事实解释评分，曲线下面积	NA
308	2026-01-29	Do Deep Learning Algorithms Accurately Segment Intracerebral Hemorrhages on Noncontrast Computed Tomography? A Systematic Review and Meta-Analysis 2024-Jul, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.123.001314 PMID:41585382	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估深度学习算法在非增强计算机断层扫描上分割脑出血的准确性	首次对深度学习在非增强CT上分割脑出血的准确性进行全面的系统综述和荟萃分析，揭示了算法在不同出血病因中的性能差异	分割小出血灶仍存在挑战，且需要进一步研究以解决局限性并扩展临床实用性	评估深度学习算法在非增强CT上分割脑出血的精确性	脑出血（ICH）在非增强计算机断层扫描上的分割	医学影像分析	脑出血	非增强计算机断层扫描	CNN	医学影像（CT图像）	28项研究（主要为回顾性队列）	NA	U-Net及其变体	Dice相似系数	NA
309	2026-01-29	A framework for the unsupervised and semi-supervised analysis of visual frames 2024-Apr, Political analysis : an annual publication of the Methodology Section of the American Political Science Association IF:4.7Q1 PMID:41450450	研究论文	本文介绍了一个用于通过无监督和半监督方法分析视觉材料内容的框架，并应用于政治科学领域	将计算机视觉中的视觉词袋技术引入政治科学，用于构建图像-视觉词矩阵，并开发了一种新颖的视觉结构主题模型	NA	开发一个框架，用于对视觉材料进行无监督和半监督分析，以识别视觉框架	来自中美洲移民大篷车图片的视觉框架	计算机视觉	NA	视觉词袋	主题模型	图像	NA	NA	视觉结构主题模型	NA	NA
310	2026-01-29	Transformer-based spatial-temporal detection of apoptotic cell death in live-cell imaging 2024-03-18, eLife IF:6.4Q1 DOI:10.7554/eLife.90502 PMID:38497754	研究论文	本研究开发了一种基于Transformer的深度学习系统ADeS，用于在活细胞成像中检测细胞凋亡的时空动态	首次提出能够检测完整显微镜时间序列中多个凋亡事件位置和持续时间的计算方法，性能超越现有方法和人类专家	未明确说明模型在极端成像条件或罕见细胞类型中的泛化能力限制	开发用于活细胞成像中细胞凋亡自动检测和量化的计算工具	体外和体内实验中的凋亡细胞	计算机视觉	NA	活细胞成像、活体显微镜	Transformer	显微镜时间序列图像	超过10,000个凋亡实例（体外和体内数据）	NA	基于活动识别原理的深度学习架构	分类准确率	NA
311	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
312	2026-01-28	An AI-directed analytical study on the optical transmission microscopic images of Pseudomonas aeruginosa in planktonic and biofilm states 2024-Dec-24, ArXiv PMID:39764404	研究论文	本研究应用基于深度学习的AI模型，结合适配体DNA模板银纳米簇，对铜绿假单胞菌的浮游态和生物膜态光学透射显微图像进行高精度检测与分析	首次将U-Net与ResNet编码器增强结合用于生物膜图像分割，并利用适配体DNA模板银纳米簇抑制生物膜形成，实现多学科交叉的生物膜检测新方法	未明确说明模型在多样化环境样本或不同细菌物种上的泛化能力，且未提供与其他先进方法的定量对比结果	开发准确高效的生物膜检测与预防方法，以应对健康、食品工业和环境污染问题	铜绿假单胞菌的浮游态和生物膜态	计算机视觉	NA	光学透射显微镜，适配体DNA模板银纳米簇合成	CNN	图像	NA	NA	U-Net, ResNet18, ResNet34	NA	NA
313	2026-01-28	Using Deep Learning Neural Networks to Improve Dementia Detection: Automating Coding of the Clock-Drawing Test 2024-Oct-15, Research square DOI:10.21203/rs.3.rs-4909790/v1 PMID:39483868	研究论文	本研究开发并评估了一种基于深度学习神经网络的智能时钟绘图测试评分系统，用于自动编码时钟绘图测试图像，以改进痴呆症检测	引入了结构化排序到编码系统中，超越了传统的名义分类方法，并比较了Vision Transformers与其他先进深度学习模型在自动编码时钟绘图测试图像上的性能	未在摘要中明确提及	改进痴呆症检测，通过自动化编码时钟绘图测试来减少大规模研究中的手动编码偏差	阿尔茨海默病及相关痴呆症	计算机视觉	老年疾病	深度学习神经网络	CNN, Transformer	图像	来自2011-2019年国家健康与老龄化趋势研究的大型公开时钟绘图测试图像库	NA	ResNet101, EfficientNet, Vision Transformers	NA	NA
314	2026-01-28	Identification of Chemical Scaffolds That Inhibit the Mycobacterium tuberculosis Respiratory Complex Succinate Dehydrogenase 2024-10-11, ACS infectious diseases IF:4.0Q1 DOI:10.1021/acsinfecdis.3c00655 PMID:39268963	研究论文	本研究结合生化筛选和深度学习技术，识别出抑制结核分枝杆菌呼吸复合物琥珀酸脱氢酶的多种化学支架，并评估其作为新型抗菌剂的潜力	首次利用深度学习辅助筛选方法，针对结核分枝杆菌的琥珀酸脱氢酶（SDH）这一未充分探索的靶点，识别出多个具有抑制活性的化学支架，并展示了SDH抑制剂在对抗耐药菌株和协同其他生物能量抑制剂方面的潜力	研究主要基于体外实验和计算模型，尚未进行深入的体内药效学和毒性评估，且对SDH抑制剂的长期耐药性发展机制探讨有限	开发针对结核分枝杆菌呼吸能量代谢的新型抗菌剂，特别是以琥珀酸脱氢酶（SDH）为靶点	结核分枝杆菌（包括野生型和耐药菌株）及其琥珀酸脱氢酶（SDH）酶	机器学习	结核病	生化筛选、深度学习	深度学习模型	化学结构数据、生化活性数据	NA	NA	NA	抗菌活性（抑制效果）、代谢和呼吸失调程度、细胞内琥珀酸分泌水平、耐药性预防效果	NA
315	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
316	2026-01-27	Enhanced Disc Herniation Classification Using Grey Wolf Optimization Based on Hybrid Feature Extraction and Deep Learning Methods 2024-12-26, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography11010001 PMID:39852681	研究论文	本文提出了一种结合灰狼优化、混合特征提取和深度学习方法的增强型椎间盘突出分类方法	采用灰狼优化算法优化混合特征提取和深度学习模型，以提高椎间盘突出分类的准确性	NA	提高椎间盘突出分类的准确性和效率	椎间盘突出患者或相关医学影像数据	计算机视觉	椎间盘突出	深度学习，混合特征提取	深度学习模型	医学影像	NA	NA	NA	NA	NA
317	2026-01-26	Joint segmentation and image reconstruction with error prediction in photoacoustic imaging using deep learning 2024-Dec, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2024.100645 PMID:39347464	研究论文	本文提出了一种混合贝叶斯卷积神经网络，用于光声成像中联合预测图像和分割，并量化误差	提出混合贝叶斯卷积神经网络，首次在光声成像中实现联合图像重建、分割及误差预测，通过概率分布量化每个像素的误差	模型训练依赖于模拟光声数据，在实验数据中的应用效果可能受模拟与真实差异影响	改进光声成像重建质量，并量化预测误差以验证结果	光声成像数据	计算机视觉	NA	光声成像	CNN	图像	NA	NA	混合贝叶斯卷积神经网络	统计相关性	NA
318	2026-01-25	GeoCrack: A High-Resolution Dataset For Segmentation of Fracture Edges in Geological Outcrops 2024-Dec-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-04107-0 PMID:39627257	研究论文	本文介绍了首个用于地质露头裂缝边缘分割的大规模开源标注数据集GeoCrack，并验证了其用于深度学习裂缝分割的潜力	首个大规模开源的地质露头裂缝痕迹标注数据集，为自然裂缝表征设定了新标准，并考虑了真实世界中的多种地质和地貌挑战	NA	通过提供高质量标注数据集，推进地质应用中基于深度学习的裂缝分割研究	地质露头中的裂缝痕迹	计算机视觉	NA	摄影测量	CNN	图像	来自欧洲和中东11个地点的图像，处理后得到12,158个224×224的图像-掩码对	NA	U-Net	IoU	NA
319	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
320	2026-01-24	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-10, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	本文综述了人工智能在口腔癌及口腔上皮异型增生中的应用进展，重点探讨了基于AI的预测性生物标志物开发	整合了多种AI方法（如机器学习、深度学习）来开发预测OED恶变和OSCC结局的生物标志物，展示了在数字病理学和表观基因组学中的创新应用	目前尚无可靠的临床、病理或分子生物标志物来准确预测个体风险，AI方法仍处于开发阶段，需进一步验证	旨在利用人工智能方法开发预测口腔上皮异型增生恶变为口腔鳞状细胞癌的风险以及预测口腔鳞状细胞癌死亡率和治疗反应的生物标志物	口腔鳞状细胞癌患者及口腔上皮异型增生患者	数字病理学	口腔癌	多重免疫组织化学、表观基因组学分析	深度学习	病理图像、表观遗传数据	NA	NA	NA	NA	NA