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
521	2026-05-05	Disentangling brain atrophy heterogeneity in Alzheimer's disease: A deep self-supervised approach with interpretable latent space 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120737 PMID:39004409	研究论文	提出一种基于深度学习的自监督框架，通过可解释的潜在空间表征来解析阿尔茨海默病的大脑萎缩异质性	首次将特征工程、分类和聚类协同整合到自监督框架中，在潜在空间同时揭示疾病进展和亚型两个核心异质性维度，并识别出两种不同的疾病进展路径	NA	解析阿尔茨海默病的大脑萎缩异质性	阿尔茨海默病患者的大脑萎缩模式	机器学习	阿尔茨海默病	NA	自监督深度学习模型	神经影像数据	NA	NA	NA	NA	NA
522	2026-05-05	Predicting changes in brain metabolism and progression from mild cognitive impairment to dementia using multitask Deep Learning models and explainable AI 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120695 PMID:38942101	研究论文	利用多任务深度学习模型和可解释人工智能预测轻度认知障碍向痴呆进展中的脑代谢变化	首次在阿尔茨海默病预测建模中引入多任务学习框架，整合脑代谢变化数据以增强识别进展型轻度认知障碍患者的能力	基于ADNI数据集，可能存在样本选择偏差，且未提及模型在不同人群中的泛化性	探索利用脑代谢变化（FDG-PET评估）建模多维度疾病信息，识别轻度认知障碍患者向痴呆进展的风险	轻度认知障碍患者（MCI）及进展为痴呆的个体（pMCI）	机器学习	阿尔茨海默病	FDG-PET	深度学习模型（多任务学习）	图像（FDG-PET扫描）	1,617名参与者（来自ADNI数据库）	NA	NA	敏感性、特异性	NA
523	2026-05-05	Deep learning based decoding of single local field potential events 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120696 PMID:38909761	研究论文	使用无监督机器学习方法从单次试验的局部场电位事件中提取有意义信息	首次证明单通道LFP事件形状在自发活动期间采样了可能的刺激诱发事件形状的范畴，这一发现此前仅在多通道群体编码中被证实	NA	探索使用无监督机器学习从单次试验的神经电生理记录中提取信息，解码皮层信息处理机制	鼠类细胞外神经记录和人类颅内脑电图记录	机器学习	NA	细胞外神经记录, 颅内脑电图	自编码器网络	局部场电位事件	NA	NA	自编码器	NA	NA
524	2026-05-05	Precision Drug Repurposing: A Deep Learning Toolkit for Identifying 34 Hyperpigmentation-Associated Genes and Optimizing Treatment Selection 2024-08-01, Annals of plastic surgery IF:1.4Q3 DOI:10.1097/SAP.0000000000004007 PMID:38896860	研究论文	整合文本挖掘与深度学习工具，识别色素沉着相关基因及潜在治疗药物	首次将深度学习药物重定位工具DeepPurpose应用于色素沉着治疗，结合多种生物信息学方法系统筛选靶向基因与候选药物	未在细胞或动物模型中对预测的药物-靶点相互作用进行实验验证	利用计算方法识别色素沉着的新型靶向治疗药物	色素沉着相关基因及潜在药物	机器学习	色素沉着	文本挖掘、基因富集分析、蛋白质-蛋白质相互作用网络分析、药物-基因相互作用分析	深度学习模型（DeepPurpose）	文本数据、基因表达数据、药物-靶点相互作用数据	NA	DeepPurpose, PyTorch	DeepPurpose（默认架构，可能包括CNN、Transformer等）	结合亲和力预测得分	NA
525	2026-05-05	Fully Automated Deep Learning Model to Detect Clinically Significant Prostate Cancer at MRI 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.232635 PMID:39105640	研究论文	开发一种全自动深度学习模型，用于在MRI中检测临床显著性前列腺癌，并比较其与放射科医生的表现	首次使用患者级别标签（不依赖肿瘤位置信息）训练深度学习模型预测临床显著性前列腺癌，并结合Grad-CAM可视化肿瘤定位	未明确提及，但可能包括回顾性单中心研究设计及外部测试集样本量有限	开发并验证深度学习模型在MRI中检测临床显著性前列腺癌的性能	5215名患者（5735次检查）的MRI图像及病理诊断结果	计算机视觉	前列腺癌	MRI（T2加权图像、扩散加权图像、表观扩散系数图、T1加权对比增强图像）	卷积神经网络（CNN）	图像	5735次检查（5215名患者，平均年龄66岁，全部为男性）	NA	CNN（未具体说明架构名称，如ResNet等）	AUC	NA
526	2026-05-05	In vivo identification of angle dysgenesis and its relation to genetic markers associated with glaucoma using artificial intelligence 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1456_23 PMID:38146977	研究论文	利用深度学习在体内识别前段光学相干断层扫描中的角发育不全，并探讨其与已知青光眼基因突变的相关性	首次使用深度学习模型客观识别前段OCT图像中的角发育不全，并关联已知青光眼基因突变	NA	预测前段光学相干断层扫描中角发育不全的存在，并研究其与已知青光眼基因突变的相关性	前段光学相干断层扫描图像	计算机视觉	青光眼	光学相干断层扫描	深度学习	图像	800张前段OCT图像，其中340张用于构建模型，包括170张先天性青光眼、青少年开角型青光眼和成人开角型青光眼图像，以及85张对照；遗传验证数据集包括393张已知突变患者图像和320张健康对照	NA	NA	准确率，特异性，灵敏度	NA
527	2026-05-05	Artificial intelligence in glaucoma detection using color fundus photographs 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_613_23 PMID:38099383	研究论文	探索利用深度学习算法从彩色眼底照片中检测青光眼的潜力并评估其准确性	基于ResNet 50V2的深度学习模型在灰度眼底照片上实现了高准确率检测青光眼性视神经病变	假阴性和假阳性结果分别占17%和20%，主要源于高度近视合并青光眼、小视盘早期青光眼及软件对大视盘生理性大杯凹、近视或倾斜视盘等的错误分类	评估人工智能基于彩色眼底照片检测青光眼的准确性与潜力	彩色眼底照片（含正常视盘和青光眼性视神经病变的图片）	机器学习	青光眼	基础深度学习方法	CNN（残差网络）	图像	1375张彩色眼底照片（735张正常视盘，640张GON）	NA	ResNet 50V2	准确性、敏感性、特异性、阳性预测值、阴性预测值、阳性似然比、阴性似然比	NA
528	2026-05-04	Bioprospecting of culturable marine biofilm bacteria for novel antimicrobial peptides 2024-Dec, iMeta IF:23.7Q1 DOI:10.1002/imt2.244 PMID:39742298	研究论文	本研究利用可培养海洋生物膜细菌构建菌库并通过核糖体分析和深度学习预测新型抗菌肽	结合核糖体分析和深度学习提高小开放阅读框的鉴定和验证，发现与已知抗菌肽序列相似度低于40%的新型肽，且来自先前未知产抗菌肽的细菌类群	NA	加速新型抗菌肽的发现，扩展抗菌肽化合物的范围	可培养海洋生物膜细菌及其基因组和表达的抗菌肽	机器学习	NA	核糖体分析	深度学习	序列数据	713株细菌菌株及80,430个表达的小开放阅读框，其中341个为候选抗菌肽，化学合成60个序列	PyTorch	深度学习模型	抗菌活性	NA
529	2026-05-04	Gray matters: ViT-GAN framework for identifying schizophrenia biomarkers linking structural MRI and functional network connectivity 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120674 PMID:38851549	研究论文	提出一种基于条件高效视觉变换器生成对抗网络（cEViT-GAN）的框架，通过从结构MRI中分割灰质体积来生成功能网络连接矩阵，以识别精神分裂症的影像学生物标志物	首次使用生成对抗网络将结构MRI灰质信息转化为功能网络连接矩阵，并开发了轻量级自注意力机制以优化注意力图，从而识别与精神分裂症相关的结构生物标志物	NA	探索脑结构（灰质）与功能（功能网络连接）之间的关系，并为精神分裂症识别新的影像学生物标志物	精神分裂症患者的脑结构MRI和功能MRI数据	计算机视觉	精神分裂症	结构MRI、功能MRI、ICA算法	条件高效视觉变换器生成对抗网络（cEViT-GAN）	3D结构MRI图像、功能网络连接矩阵	NA	PyTorch	ViT（视觉变换器）、GAN（生成对抗网络）	Pearson相关系数	NA
530	2026-05-04	Exploring the potential of representation and transfer learning for anatomical neuroimaging: Application to psychiatry 2024-08-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120665 PMID:38848981	research paper	比较深度学习与标准机器学习在精神疾病的解剖神经影像预测中的性能，并探索迁移学习的潜力	首次在多站点、多临床任务上系统比较深度学习与标准机器学习性能，并通过大规模健康人群的自我监督预训练证明深度学习可学习鲁棒且可迁移的表示，在多数临床任务中显著优于标准机器学习	研究仅关注结构神经影像，未涉及功能影像或其他模态；临床数据集样本量相对较小（N≤1k），可能影响泛化性	评估深度学习与标准机器学习在基于解剖神经影像的精神疾病预测中的性能差异，并探索迁移学习（特别是自我监督预训练）的潜在优势	精神分裂症、双相障碍和自闭症谱系障碍的诊断预测，以及性别预测	machine learning	精神分裂症, 双相障碍, 自闭症谱系障碍	NA	深度学习（Deep Ensemble）、标准机器学习（SML）	解剖神经影像（sMRI）	大规模健康人群约10,000例，临床数据集各约1,000例以下	NA	Deep Ensemble	准确率	NA
531	2026-05-04	Automated segmentation of epilepsy surgical resection cavities: Comparison of four methods to manual segmentation 2024-08-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120682 PMID:38866195	研究论文	比较四种自动分割方法与手动分割在癫痫手术切除腔MRI上的准确性	首次在混合的颞叶和颞外癫痫手术队列中比较多种自动分割管道，包括基于SPM和深度学习的方法	算法未能识别所有切除腔，且自动分割仍需人工质量控制	评估自动分割管道在癫痫手术切除腔分割中的准确性和适用性	50名接受癫痫手术的患者（30名颞叶手术，20名颞外手术）的切除腔MRI图像	计算机视觉	癫痫	MRI	3D U-net卷积神经网络	图像	50名受试者（30名颞叶，20名颞外）	MATLAB, SPM-12	3D U-net	Dice相似系数	NA
532	2026-05-04	nBEST: Deep-learning-based non-human primates Brain Extraction and Segmentation Toolbox across ages, sites and species 2024-07-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120652 PMID:38797384	研究论文	提出一个基于深度学习的非人灵长类大脑MRI提取与分割工具箱nBEST，可跨年龄、站点和物种处理脑图像	采用终身学习方法灵活整合多样非人灵长类群体数据，创新性构建3D U-NeXt架构，实现多物种、多站点、多发育阶段通用处理	未明确讨论在极端低质量或罕见物种图像上的表现，可能依赖现有数据集多样性的持续更新	开发专为非人灵长类大脑MRI设计的通用自动化处理工具，提升跨物种、跨站点、跨年龄的脑图像分析能力	非人灵长类大脑MRI数据，涉及11个物种（如恒河猴、食蟹猴、黑猩猩、狨猴、松鼠猴等）共1469个扫描样本	数字病理学	不适用	MRI	3D U-NeXt	图像	1469个扫描样本，来自23个独立数据集，涵盖11个物种	PyTorch	3D U-NeXt	精确度, 适用性, 鲁棒性, 全面性, 泛化能力	不适用
533	2026-05-04	The effect of head motion on brain age prediction using deep convolutional neural networks 2024-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120646 PMID:38750907	研究论文	研究头部运动对深度卷积神经网络预测大脑年龄的影响	首次系统评估头部运动引起的MRI图像伪影对脑年龄预测的影响，并发现即使临床可用图像也存在显著偏差	仅基于T1加权MRI图像，未考虑其他模态图像；仅使用两种3D CNN架构，未探索其他模型	探究头部运动引起的MRI图像伪影对脑年龄预测作为脑健康生物标志物的适用性的影响	参与者的T1加权MRI扫描图像（包括无运动和运动伪影的图像）	计算机视觉	神经系统疾病	MRI	3D卷积神经网络	图像	同一参与者的无运动和运动伪影的T1加权MRI扫描图像，由神经放射科医生从临床诊断角度评级	NA	两种不同的3D卷积神经网络架构	脑预测年龄差（brain-PAD）、图像质量指标	NA
534	2026-05-04	Unpaired deep learning for pharmacokinetic parameter estimation from dynamic contrast-enhanced MRI without AIF measurements 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120571 PMID:38518829	研究论文	提出一种无需配对数据和动脉输入函数测量的无监督深度学习方法，通过物理驱动的CycleGAN从动态对比增强MRI中估算药代动力学参数	首次将CycleGAN应用于无配对深度学习中的DCE-MRI药代动力学参数估计，设计基于物理模型的简化生成器-判别器架构，无需单独测量动脉输入函数	未明确讨论方法在临床异质性数据集上的泛化能力及计算效率	开发一种不依赖配对标签数据和动脉输入函数测量的药代动力学参数估计方法，提升可靠性与实用性	动态对比增强MRI中的药代动力学参数和动脉输入函数	医学图像分析	NA	DCE-MRI	CycleGAN（生成对抗网络）	医学图像（动态对比增强MRI）	NA	PyTorch	CycleGAN（单生成器-判别器对）	药代动力学参数估计可靠性（对比其他技术）	NA
535	2026-05-04	Supervised contrastive learning enhances graph convolutional networks for predicting neurodevelopmental deficits in very preterm infants using brain structural connectome 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120579 PMID:38537766	研究论文	应用监督对比学习增强图卷积网络，通过脑结构连接组预测极早产儿神经发育缺陷	首次将图卷积网络与监督对比学习结合用于脑结构连接组分析，以解决数据稀缺问题并提高早期预测准确性	样本量相对较小（约280名婴儿），可能限制模型普适性；研究基于单一队列，需外部验证	开发深度学习模型，利用足月等效年龄的脑结构连接组早期预测极早产儿2岁矫正年龄时的神经发育缺陷	极早产儿（胎龄小于32周）的脑结构连接组及其神经发育结果	机器学习	神经发育缺陷	MRI扫描	图卷积网络（GCN）	脑结构连接组数据	约280名极早产儿	PyTorch	图卷积网络（GCN）	AUC	NA
536	2026-05-04	Quantitative susceptibility mapping through model-based deep image prior (MoDIP) 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120583 PMID:38554781	研究论文	提出一种基于模型的无监督深度图像先验方法（MoDIP），用于解决定量磁化率成像中的偶极子反演问题	首次将模型驱动的深度图像先验与无监督学习结合，无需训练即可处理不同扫描参数下的QSM偶极子反演	NA	提高定量磁化率成像方法在不同扫描参数下的泛化能力	病理脑部QSM数据	机器学习, 计算机视觉	脑部疾病	QSM	深度图像先验	图像	NA	NA	小型未训练网络	准确度, 计算效率, 运行时间	NA
537	2026-05-04	Precise detection of awareness in disorders of consciousness using deep learning framework 2024-04-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120580 PMID:38508294	研究论文	利用深度学习框架精准检测意识障碍患者的意识状态	开发了基于3D EfficientNet-B3的级联深度学习框架DeepDOC，用于区分最小意识状态和无反应觉醒综合征患者，并首次应用于认知运动分离患者的识别	样本量有限，主要依赖静息态功能磁共振数据，未涉及其他模态数据验证	探索深度学习技术与静息态功能磁共振结合以精准检测意识障碍患者的意识状态	意识障碍患者，包括无反应觉醒综合征、最小意识状态患者和认知运动分离患者	深度学习	意识障碍	静息态功能磁共振成像	3D EfficientNet-B3	图像	140名参与者（76名无反应觉醒综合征、25名最小意识状态、39名对照组），独立数据集包含11名意识障碍患者	NA	EfficientNet-B3, 3D CNN	AUC, 准确率	NA
538	2026-05-03	Evaluation of a Deep Learning Model for Metastatic Squamous Cell Carcinoma Prediction From Whole Slide Images 2024-12-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0406-OA PMID:38387604	研究论文	设计并验证了一种基于深度学习模型（EfficientNetB1），利用全切片图像预测转移性鳞状细胞癌	专门针对鳞状细胞癌的深度学习预测模型，仅使用全切片级别标签进行训练，无需人工标注，在多个器官来源的样本上表现出高检测性能	假阳性主要源于生发中心、灰尘细胞聚集和标本处理伪影；假阴性主要源于低分化肿瘤	提高鳞状细胞癌淋巴结转移的检测效率，减轻病理学家的工作负担	食管、头颈、肺和皮肤来源的鳞状细胞癌淋巴清扫全切片图像	数字病理学	鳞状细胞癌	NA	CNN（卷积神经网络）	图像	6587张WSI训练（2413张SCC和4174张非肿瘤），541张WSI测试（41张SCC和500张非肿瘤）	NA	EfficientNetB1	受试者工作特征曲线下面积（AUC）	NA
539	2026-05-03	An Integral R-Banded Karyotype Analysis System of Bone Marrow Metaphases Based on Deep Learning 2024-08-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2022-0533-OA PMID:37931220	研究论文	基于深度学习开发了一整套R显带骨髓中期染色体核型分析系统	首次将深度学习应用于R显带骨髓中期染色体核型分析的完整流程，包括去噪、分割、分类和极性识别四个关键步骤	全文未提及局限性	评估深度学习模型和整个核型分析系统在R显带骨髓中期染色体检测中的性能	R显带正常骨髓中期染色体	计算机视觉、数字病理学	血液系统肿瘤	深度学习	CNN	图像	4442组R显带正常骨髓中期染色体及核型图像，测试集含885张中期染色体图像	NA	NA	IoU、Dice相似系数、准确率	NA
540	2026-05-03	A Deep Learning-Based Approach to Estimate Paneth Cell Granule Area in Celiac Disease 2024-07-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0074-OA PMID:37852171	研究论文	基于深度学习方法估算乳糜泻中潘氏细胞颗粒面积	采用无代码人工智能工作流（NoCodeSeg）分析完整H&E切片，实现潘氏细胞颗粒和隐窝的自动分割，避免了传统人工计数的主观性	未提及具体局限性	利用人工智能技术比较乳糜泻患者与非乳糜泻对照组的隐窝和潘氏细胞颗粒面积	349例十二指肠活检组织样本（185例乳糜泻患者，164例对照）	数字病理学	乳糜泻	H&E染色、全切片扫描	深度学习模型（U-Net架构）	组织病理图像	349例患者（185例乳糜泻，164例对照）	QuPath, DeepMIB, NoCodeSeg	U-Net	平均交并比（IoU）	NA