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	2026-08-26	Determination of output factor for CyberKnife using scintillation dosimetry and deep learning 2024-01-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad1b69 PMID:38181420	研究论文	本研究展示了使用塑料闪烁体和商用相机结合深度学习测量CyberKnife系统输出因子的新方法。	首次将塑料闪烁体成像与卷积神经网络结合，用于小野剂量测量，实现了快速、便捷的输出因子测量。	经典图像处理方法未能满足伽马准则，且CNN训练依赖模拟数据，需进一步验证。	开发一种快速、方便的CyberKnife小野剂量测量方法，用于输出因子测定和质量保证。	CyberKnife放射外科系统中的输出因子和剂量参数。	计算机视觉	NA	闪烁剂量测定	卷积神经网络（CNN）	图像	未明确样本数量，但涉及多个剂量点和准直器尺寸。	NA	卷积神经网络	伽马准则、准确率、平均差异	未明确提及具体GPU等资源。
302	2026-08-26	Deep learning for identifying bee species from images of wings and pinned specimens 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303383 PMID:38805521	研究论文	本研究评估了深度学习分类模型在具有挑战性的蜂类物种（如小型的汗蜂属和Bombus vagans复合体）上的表现，并比较了基于完整针插标本图像和翅膀图像训练的模型	首次将深度学习应用于小型且难以鉴定的蜂类物种，并通过比较针插标本和翅膀图像来评估模型性能，填补了众包数据集中这些物种代表性不足的空白	研究仅基于研究收藏中的标本图像，未涉及野外或众包图像，且物种数量有限（分别为20种和18种），可能限制模型的泛化能力	评估深度学习分类模型在识别具有挑战性的小型蜂类物种上的有效性，并探索其用于大规模保护监测的潜力	蜂类标本图像，包括20种（6属）的针插标本和18种（4属）的翅膀图像	计算机视觉, 数字病理学	NA	图像分类	卷积神经网络	图像	针插标本图像对应20种，翅膀图像对应18种，具体样本数未说明	PyTorch	EfficientNetV2L	平均测试精确率	NA
303	2026-08-26	GELT: A graph embeddings based lite-transformer for knowledge tracing 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0301714 PMID:38713679	研究论文	提出了一种基于图嵌入的轻量级Transformer模型GELT，用于知识追踪任务，以捕捉技能与问题之间的关系并高效预测知识状态。	结合图神经网络和轻量级Transformer，引入节能注意力机制，在保持高预测精度的同时显著降低计算成本。	摘要未提及明确的局限性。	提高知识追踪的预测准确性并增强模型可解释性，同时降低计算开销。	学生知识状态、技能与问题之间的关系。	机器学习、自然语言处理	NA	NA	Transformer	文本（学习活动数据）	三个公开真实世界数据集	未指定	Graph Embeddings based Lite-Transformer（基于图嵌入的轻量级Transformer）	预测准确性	未指定
304	2026-08-26	Graph Convolutional Capsule Regression (GCCR): A Model for Accelerated Filtering of Novel Potential Candidates for SARS-CoV-2 based on Binding Affinity 2024, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/1573409919666230331083953 PMID:37005531	研究论文	提出了一种基于图卷积胶囊回归（GCCR）的深度学习模型，用于预测蛋白质-配体复合物的结合能，以加速SARS-CoV-2潜在候选药物的筛选。	将胶囊神经网络（CapsNet）与图卷积网络（GCN）相结合，提出GCCR模型，用于预测蛋白-配体结合能，并在筛选过程中优于传统机器学习模型和其他图神经网络。	摘要中未提及明确的局限性。	构建基于深度学习的模型，通过预测蛋白-配体复合物的结合能，加速SARS-CoV-2潜在候选药物的筛选过程。	SARS-CoV-2相关的蛋白-配体复合物，包括瑞德西韦等药物衍生物。	机器学习	COVID-19	分子动力学（MD）模拟、MM/GBSA分析	胶囊神经网络（CapsNet）、图卷积网络（GCN）	分子图结构数据	未明确说明，训练中使用了Davis数据集。	NA	GCCR（结合CapsNet和GCN）	RMSE、一致性指数（CI）	NA
305	2026-08-26	Development of a deep learning-based surveillance system for forest fire detection and monitoring using UAV 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299058 PMID:38470887	研究论文	本研究开发了一种基于深度学习的无人机森林火灾检测与监控系统，利用YOLOv8和YOLOv5进行目标检测，并使用CNN-RCNN网络进行图像分类。	将深度学习算法部署在嵌入式AI计算机（NVIDIA Jetson Nano）上，实现无人机实时森林火灾检测，并开发了地面站接口以提供火灾图像和坐标信息。	未提及。	开发一种用于早期森林火灾检测和监控的无人机 surveillance 系统，实现实时检测和干预。	森林火灾图像，由无人机摄像头捕获。	计算机视觉	不适用	不适用	CNN, RCNN, YOLO	图像	未提及具体样本数量。	PyTorch	YOLOv8, YOLOv5, CNN-RCNN	准确率	NVIDIA Jetson Nano
306	2026-08-25	Free access via computational cloud to deep learning-based EEG assessment in neonatal hypoxic-ischemic encephalopathy: revolutionary opportunities to overcome health disparities 2024-09, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03427-6 PMID:39107521	评论	本文评价了一项基于深度学习的新生儿脑电监测技术，用于评估缺氧缺血性脑病的严重程度，并探讨通过云端免费访问以缓解医疗不平等问题	提出利用计算云免费提供深度学习脑电评估，以促进资源匮乏地区的医疗公平	未提供具体技术细节或实验结果，仅限于评论视角	探讨深度学习脑电评估在新生儿缺氧缺血性脑病中的应用潜力及云端可及性	新生儿缺氧缺血性脑病患儿和健康婴儿	机器学习	新生儿缺氧缺血性脑病	脑电图（EEG）	深度学习	脑电信号	46名缺氧缺血性脑病新生儿及健康对照	NA	脑状态新生儿（BSN）模型	相关性（与总Sarnat评分）	计算云
307	2026-08-25	Opening the Black Box: Spatial Transcriptomics and the Relevance of Artificial Intelligence-Detected Prognostic Regions in High-Grade Serous Carcinoma 2024-07, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100508 PMID:38704029	研究论文	本文结合空间转录组学与人工智能检测的预后区域，揭示高级别浆液性卵巢癌中与化疗反应相关的分子特征	首次将AI检测的预后相关肿瘤区域与空间转录组学结合，以揭示传统形态学无法区分的分子差异	样本量较小（16例），且研究为概念验证性质，需更大规模验证	利用AI引导的空间转录组学分析，识别与高级别浆液性卵巢癌患者预后相关的生物学特征	16例高级别浆液性卵巢癌患者的肿瘤组织，分为预后好和差两组（每组8例）	数字病理学, 机器学习	卵巢癌	空间转录组学	AI模型（基于图像）	转录组数据, 组织图像	16例患者（8例预后好，8例预后差）	NA	NA	预测结果准确性	NA
308	2026-08-25	Unlocking Hidden Risks: Harnessing Artificial Intelligence (AI) to Detect Subclinical Conditions from an Electrocardiogram (ECG) 2024-07-01, Journal of insurance medicine (New York, N.Y.) DOI:10.17849/insm-51-2-64-76.1 PMID:39266002	研究论文	本文旨在提供对AI增强心电图技术的基本理解，并讨论其在检测亚临床心血管疾病方面的应用和潜力	利用深度学习模型从正常心电图中检测出疾病，准确率超过以往技术或人类专家水平，显著优于现有筛查模型	虽然结果令人鼓舞，但需要谨慎乐观，技术仍在快速演变中	探讨AI增强心电图在检测亚临床心血管疾病中的应用价值	AI增强心电图技术及其在特定心血管疾病检测中的应用	机器学习	心血管疾病	NA	深度学习模型	心电图数据	NA	NA	NA	AUC, 准确率	NA
309	2026-08-25	A Deep Learning-Based Assay for Programmed Death Ligand 1 Immunohistochemistry Scoring in Non-Small Cell Lung Carcinoma: Does it Help Pathologists Score? 2024-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100485 PMID:38588885	研究论文	本研究开发了一种基于深度学习的AI模型，用于非小细胞肺癌中PD-L1免疫组化检测的肿瘤比例评分，并评估AI辅助系统对病理学家评分准确性的影响	首次专注于AI辅助系统如何帮助病理学家确定PD-L1肿瘤比例评分的具体方式，并评估了四种不同的AI辅助方法对病理学家评分准确性的影响	未在摘要中明确说明	评估AI辅助系统是否以及如何帮助病理学家确定PD-L1 22C3检测的肿瘤比例评分，并分析其对病理学家评估准确性的影响	非小细胞肺癌患者的PD-L1免疫组化检测样本（组织微阵列）	数字病理学	非小细胞肺癌	免疫组化（IHC）	深度学习模型	组织微阵列图像	584个样本	NA	NA	比值比（OR）和95%置信区间	NA
310	2026-08-25	Lung Cancer Diagnosis on Virtual Histologically Stained Tissue Using Weakly Supervised Learning 2024-06, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100487 PMID:38588884	研究论文	提出一种基于弱监督学习的虚拟组织学染色方法，用于无标记组织的肺腺癌分类诊断，并验证其在虚拟H&E染色全切片图像上的性能与可解释性	首次将弱监督深度生成模型用于无标记组织的虚拟H&E染色，并结合注意力多实例学习实现肺腺癌分类，无需繁琐的染色步骤，提供快速且可解释的诊断路径	研究局限于肺腺癌单一癌症类型，且依赖公开数据集进行训练，验证数据集规模有限，未涉及其他癌症或组织类型	开发一种无标记组织切片上基于虚拟H&E染色的肺腺癌自动诊断方法，以加速术后病理检查并减少人工干预，同时保持较高的诊断性能	无标记组织切片的自动荧光图像，以及对应的虚拟H&E染色全切片图像，用于肺腺癌分类	数字病理学	肺腺癌	虚拟H&E染色, 自动荧光成像, 弱监督学习	深度生成模型, 注意力多实例学习模型	全切片图像, 自动荧光图像	150张真实H&E染色全切片图像（来自玛丽医院和威尔士亲王医院）；58张虚拟H&E染色全切片图像；58张标准H&E染色全切片图像	NA	注意力多实例学习, 深度生成模型	曲线下面积, 注意力热图	NA
311	2026-08-25	Groundwater potential delineation using geodetector based convolutional neural network in the Gunabay watershed of Ethiopia 2024-02-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2023.117790 PMID:38036202	研究论文	该研究在埃塞俄比亚Gunabay流域应用基于地理探测器的卷积神经网络来划分地下水潜力区域	创新性地将地理探测器与卷积神经网络相结合，用于地下水潜力划分，提高了预测能力和准确性	未明确提及局限性	利用卷积神经网络基于主要影响因素划分地下水潜力，为水资源开发提供技术支持	Gunabay流域的地下水潜力	机器学习	不适用	不适用	CNN	地理空间数据	128个样本，其中70%用于训练，30%用于测试	不明确	卷积神经网络（CNN）	AUC，准确性	不明确
312	2026-08-25	Predicting the influence of extreme temperatures on grain production in the Middle-Lower Yangtze Plains using a spatially-aware deep learning model 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18234 PMID:39434796	研究论文	本研究利用空间感知深度学习模型预测极端温度对长江中下游平原粮食生产的影响，并预估本世纪剩余时间的产量变化。	首次在区域粮食产量预测中考虑极端温度事件的时空分布，并采用空间感知深度学习模型，优于传统多元线性模型。	未在摘要中明确说明局限性。	预测极端温度事件对长江中下游平原粮食生产的影响，并提供气候引起的产量变化的新预估。	长江中下游平原的粮食生产，受极端温度事件影响。	机器学习	不适用	不适用	空间感知深度学习模型	时空数据	不明确，涉及长江中下游平原的粮食产量及气候数据。	不适用	空间感知深度学习模型（具体架构未在摘要中指定）	与基准模型比较的性能提升（未具体列出指标，但提及显著优于基准）	不适用
313	2026-08-25	Deep learning-based correction of cataract-induced influence on macular pigment optical density measurement by autofluorescence spectroscopy 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298132 PMID:38349916	研究论文	本研究通过外部验证数据集，验证了基于深度学习的白内障对黄斑色素光密度测量影响校正方法的有效性。	采用外部验证数据集评估深度学习方法校正白内障对黄斑色素光密度测量的影响，这是对先前内部交叉验证的重要补充。	对于质量较差的眼底自发荧光图像，深度学习方法未能有效校正误差。	验证基于深度学习的白内障对黄斑色素光密度测量影响的校正方法的有效性。	199只眼（训练数据集）和157只眼（验证数据集），猫眼白内障手术前后的黄斑色素光密度测量数据。	深度学习	白内障	自发荧光光谱测量	深度学习模型	数值数据（黄斑色素光密度测量值）	训练集197只眼，验证集157只眼	NA	NA	平均绝对误差	NA
314	2026-08-25	MENet: A Mitscherlich function based ensemble of CNN models to classify lung cancer using CT scans 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298527 PMID:38466701	研究论文	提出一种基于Mitscherlich函数的集成网络（MENet），结合Xception、InceptionResNetV2和MobileNetV2三种深度学习模型，利用CT扫描提高肺癌分类准确率。	首次将Mitscherlich函数用于集成深度学习模型的输出，生成模糊排名以融合多个基分类器的预测概率，提升肺癌检测性能。	未提及具体限制。	开发一种高精度的肺癌预测模型，通过集成多个CNN模型和基于Mitscherlich函数的融合策略，以提高早期诊断准确性。	肺癌CT扫描图像，来自两个公开数据集：IQ-OTH/NCCD和LIDC-IDRI。	计算机视觉	肺癌	CT扫描	CNN	图像	IQ-OTH/NCCD数据集包含约1190张CT图像，LIDC-IDRI数据集包含1018个病例（具体样本量未提及）。	NA	Xception, InceptionResNetV2, MobileNetV2	准确率和其他标准指标（具体未列出）。	NA
315	2026-08-25	HDS-Net: Achieving fine-grained skin lesion segmentation using hybrid encoding and dynamic sparse attention 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299392 PMID:38512922	研究论文	本文提出一种名为HDS-Net的混合动态稀疏网络，用于精细皮肤病变分割，以解决边界模糊和病变区域大小形状变化等挑战	提出混合编码器有效提取局部特征并与全局特征整合，引入动态稀疏注意力机制精确控制稀疏度以减少无关冗余对分割性能的影响	未提及具体限制	解决皮肤图像分割中边界模糊和病变区域变化的问题，提高分割精度	皮肤病变图像中的病变区域	数字病理学	皮肤癌	深度学习	CNN	图像	多个公共数据集	NA	HDS-Net	Dice系数	NA
316	2026-08-24	Evaluation of Artificial Intelligence-Based Gleason Grading Algorithms "in the Wild" 2024-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100563 PMID:39025402	研究论文	本研究评估并比较了基于人工智能的Gleason分级算法（公共和商业）在真实世界前列腺活检图像上的性能	首次在真实世界多种来源的数据集上，对顶级公共和商业Gleason分级算法进行公平比较，并纳入病理学家的读者研究	商业算法未在公共基准上发布性能，比较可能受限于数据集的多样性和样本量	评估和比较基于AI的Gleason分级算法在真实世界数据上的性能，以促进研究界和商业算法之间的对比	前列腺活检全切片图像	数字病理学	前列腺癌	深度学习	深度学习模型（具体类型未在摘要中明确）	图像（全切片活检图像）	通过众包收集的多样本数据集，包含多种Gleason等级的图像，具体数量未在摘要中说明	未指定	未指定	二次加权卡帕系数	未指定
317	2026-08-24	From Deep Learning to the Discovery of Promising VEGFR-2 Inhibitors 2024-Aug-19, ChemMedChem IF:3.6Q2 DOI:10.1002/cmdc.202400108 PMID:38726553	研究论文	本研究开发了一个深度学习分类模型，从内部化学库中筛选出潜在的VEGFR-2抑制剂，并通过分子对接和生物活性预测平台优先选出两个候选化合物，实验验证其对MCF-7乳腺癌细胞具有抗增殖活性	结合深度学习分类模型、分子对接和靶点钓鱼平台PLATO，形成多层次筛选工作流程，并成功实验验证候选化合物的活性	未提供明确局限性说明	发现新型且更有效的VEGFR-2抑制剂，以减少现有药物的副作用	VEGFR-2抑制剂候选化合物（RHE-334和EA-11）及其对MCF-7乳腺癌细胞和WI-38细胞的作用	机器学习	癌症	NA	深度学习分类模型	分子结构数据	包括187个药物样化合物在内的内部化学库	NA	NA	IC50值	NA
318	2026-08-24	Deep Learning for Histopathological Assessment of Esophageal Adenocarcinoma Precursor Lesions 2024-08, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100531 PMID:38830407	研究论文	本研究开发了一个两阶段的深度学习AI系统，用于评估Barrett食管相关的异型增生，该系统在整张切片图像上识别腺体、分级异型增生并给出诊断，性能优于大多数病理学家。	创新点在于开发了一个两阶段的AI系统，结合腺体和组织水平的注释，对Barrett食管相关的异型增生进行自动分级，并通过与大型国际病理学家组的比较验证了其优越性能。	局限性可能包括依赖特定的注释方式、样本量有限以及需要进一步验证其在真实世界中的泛化能力。	研究目的是利用深度学习提高Barrett食管相关异型增生的组织病理学评估效率和准确性，并为病理学家提供辅助诊断工具。	研究对象是Barrett食管相关的异型增生病变的组织病理学图像。	数字病理学	食管腺癌前病变（Barrett食管相关异型增生）	组织病理学图像分析	深度学习模型	整张切片图像（WSI）	290张整张切片图像用于训练和开发，55张数字化活检图像用于评估	未指定	两阶段架构，具体类型未指定	准确率、受试者工作特征曲线下面积（AUC）、敏感性、特异性	未指定
319	2026-08-24	An interpretable deep learning model for detecting BRCA pathogenic variants of breast cancer from hematoxylin and eosin-stained pathological images 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18098 PMID:39484212	研究论文	开发了一种基于双向自注意力多实例学习（BiAMIL）的可解释深度学习模型，用于从乳腺癌苏木精-伊红（H&E）染色病理图像中检测BRCA致病性变异状态	提出了BiAMIL算法，结合注意力机制和类激活映射（CAM）技术，实现了BRCA状态的预测及病理图像中可解释形态学特征的关联分析	样本量有限，仅包含254例乳腺癌患者的319张病理切片，且未提及外部验证中的广泛适用性	开发一种可解释的深度学习模型，以低成本、高效地从H&E病理图像中预测乳腺癌BRCA基因状态	乳腺癌患者的H&E染色病理图像及其BRCA基因状态	数字病理学	乳腺癌	H&E染色病理图像分析	BiAMIL（双向自注意力多实例学习）	病理图像	254例乳腺癌患者的319张组织病理切片，包含633,484个肿瘤切片（tiles）	NA	BiAMIL	AUC	NA
320	2026-08-24	Superpixel-ComBat modeling: A joint approach for harmonization and characterization of inter-scanner variability in T1-weighted images 2024, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00306 PMID:40800451	研究论文	提出了一种结合3D超像素分割和ComBat建模的联合方法（SP-ComBat），用于评估和协调T1加权图像中的跨扫描仪变异性	首次将统计ComBat方法扩展到图像域，通过3D超像素分割实现可解释的跨扫描仪变异性表征，并提出新的协调策略	未明确提及，但可能受限于样本量和特定MRI扫描仪类型	评估T1加权图像中的可解释跨扫描仪变异性，并开发一种实用的协调策略	四个3T MRI扫描仪匹配的T1加权图像，涉及脑组织	医学图像分析	不适用	3D超像素分割、ComBat建模	统计模型	图像（T1加权MRI）	未明确提及，涉及四个扫描仪的匹配图像	不适用	不适用	信噪比、对比度噪声比、信号不均匀性指数、结构相似性指数	不适用