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
541	2026-05-03	Explainable Multimodal Graph Isomorphism Network for Interpreting Sex Differences in Adolescent Neurodevelopment 2024-May, Applied sciences (Basel, Switzerland) DOI:10.3390/app14104144 PMID:42037656	研究论文	提出一种可解释的多模态图同构网络，用于解读青少年神经发育中的性别差异	首次将多模态图同构网络（MGIN）与GNNExplainer相结合，通过整合同一受试者的多次fMRI扫描数据，提升性别分类准确率并识别关键脑网络子图结构	未提及数据量和外部验证，且仅针对fMRI任务相关数据，未考虑其他模态或静息态数据	利用多模态图神经网络分析fMRI数据，揭示青少年神经发育中的性别差异	健康青少年的脑功能网络（基于fMRI任务相关数据）	机器学习	NA	fMRI	图神经网络（GNN）	fMRI任务相关数据（脑网络）	NA	PyTorch	图同构网络（GIN）	分类准确率	NA
542	2026-05-03	Comparison of individualized facial growth prediction models based on the partial least squares and artificial intelligence 2024-03-01, The Angle orthodontist DOI:10.2319/031723-181.1 PMID:37913813	研究论文	比较了基于偏最小二乘法和人工智能的个性化面部生长预测模型	首次系统比较了传统偏最小二乘回归与基于TabNet深度神经网络的人工智能方法在面部生长预测中的性能，并发现AI在大多数骨性标志点预测中更准确	AI在颅底标志点预测上不如PLSA准确；软组织和下颌骨标志点的预测误差较大；样本可能具有选择性偏倚	评估并比较基于偏最小二乘法和人工智能的面部生长预测模型的准确性	未曾接受正畸治疗的410名患者的纵向头颅侧位片	机器学习	NA	头颅侧位片成像	TabNet深度神经网络	图像	410名患者的系列纵向头颅侧位片	NA	TabNet	预测误差（毫米）	NA
543	2026-05-03	Synthesis of MR fingerprinting information from magnitude-only MR imaging data using a parallelized, multi network U-Net convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1498411 PMID:39742349	研究论文	开发一种基于多网络U-Net卷积神经网络的方法，从常规幅度MRI数据合成MR指纹信号	首次利用深度学习网络从常规幅度MRI数据合成MRF信号，无需专用MRF脉冲序列即可进行定量弛豫测量	样本量较小（37名志愿者），且仅针对脑部T1加权数据，未评估其他组织和序列的泛化能力	开发深度学习网络合成MRF信号，以取代传统复杂采集策略，推广定量弛豫测量应用	37名21-62岁志愿者的脑部MRI数据	计算机视觉	NA	MRI	U-Net卷积神经网络	图像	37名志愿者（年龄21-62岁），47个解剖区域	暂未提及具体框架	U-Net	一致性相关系数（CCC）、95%置信限、平均差值	NA
544	2026-05-02	Automated assessment of EEG background for neurodevelopmental prediction in neonatal encephalopathy 2024-12, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.52233 PMID:39543820	研究论文	评估新生儿脑病中基于深度学习的脑状态指数（BSN）预测神经发育结局的能力	首次将深度学习的BSN趋势用于新生儿脑病EEG背景自动评估，并证明其在出生后24小时内即可提供客观、定量的预后预测能力	样本量较小（92名婴儿），且仅针对18个月时的神经发育结局，缺乏长期随访数据	评估BSN趋势预测新生儿脑病神经发育结局的能力	92名新生儿脑病患儿	机器学习	新生儿脑病	深度学习	BSN（深度神经网络）	EEG信号	92名婴儿	NA	NA	AUC	NA
545	2026-05-02	Diagnostic evaluation of blunt chest trauma by imaging-based application of artificial intelligence 2024-11, The American journal of emergency medicine DOI:10.1016/j.ajem.2024.08.019 PMID:39213808	综述	回顾人工智能在钝性胸部创伤影像诊断中的应用，并探讨其挑战与优化方向	系统总结了AI在钝性胸部创伤（肋骨骨折、肺挫伤、血气胸等）诊断中的进展，并首次聚焦于多任务综合诊断的局限性	当前深度学习研究集中于特定临床场景，缺乏对钝性胸部创伤复杂性的全面诊断和预后评估能力	评估AI在钝性胸部创伤诊断中的潜在效用，并提出优化其临床应用的策略	钝性胸部创伤患者及相关影像数据	计算机视觉, 数字病理学	胸部创伤	影像学	深度学习	图像	NA	NA	NA	NA	NA
546	2026-05-02	Automated cell lineage reconstruction using label-free 4D microscopy 2024-10-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae135 PMID:39139100	研究论文	描述了一种无需手动标注的深度学习管道embGAN，用于从无标记4D显微镜图像中自动重建细胞谱系	首次实现无需荧光标记或转基因的无标记3D延时成像中自动细胞检测与追踪，且训练无需手动数据标注，具备尺度和实验室间泛化能力	在密集组织和胚胎中自动检测与追踪的挑战尚未完全解决；性能以秀丽隐杆线虫胚胎为基准，可能在其他生物体中泛化性有限	开发一种自动化细胞谱系重建方法，以替代荧光显微镜中的人工标注过程，实现高通量研究	秀丽隐杆线虫（Caenorhabditis elegans）胚胎的细胞谱系	计算机视觉	NA	无标记4D显微镜	深度学习管道（embGAN）	无标记3D延时图像	多个实验室和多台仪器获取的图像（具体数量未说明）	NA	embGAN（基于生成对抗网络的架构）	细胞检测与追踪性能（接近最先进水平，具体指标未说明）	NA
547	2026-05-02	Deep Learning Reconstruction of Accelerated MRI: False-Positive Cartilage Delamination Inserted in MRI Arthrography Under Traction 2024-Aug-01, Topics in magnetic resonance imaging : TMRI DOI:10.1097/RMR.0000000000000313 PMID:39016321	病例报告	通过深度学习重建加速MRI中出现的假阳性软骨分层案例	首次报告深度学习重建加速MRI在髋关节牵引下关节造影中产生假阳性软骨分层的现象	仅基于单个病例，未进行系统性测试，且未深入分析训练数据偏差的影响	指出深度学习重建技术在临床应用中的潜在假阳性风险	30岁健康男性患者的右髋关节	计算机视觉	软骨病变	MRI加速成像	深度学习重建模型	图像	1例患者	NA	NA	假阳性率	NA
548	2024-08-07	FasterRib: A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans: Erratum 2024-08-01, The journal of trauma and acute care surgery IF:2.9Q1 DOI:10.1097/TA.0000000000004427 PMID:38996424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
549	2026-05-02	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	提出可扩展深度学习框架EPInformer，通过整合启动子-增强子序列与多模态表观基因组数据预测基因表达	集成启动子-增强子相互作用、序列、表观基因组信号和染色质接触信息，在跨染色体验证中超越现有模型，并能通过CRISPR扰动实验验证增强子-基因相互作用	现有方法无法捕捉增强子等远端元件的调控效应导致预测精度受限，且需要大量资源进行训练或适应新数据	开发可扩展的深度学习框架用于基因表达预测	基因表达预测中的启动子-增强子相互作用、表观基因组信号和染色质接触	机器学习	NA	深度学习	EPInformer框架	序列数据、表观基因组信号、染色质接触数据	NA	PyTorch	EPInformer	跨染色体验证准确性、CRISPR扰动验证准确性	NA
550	2026-05-02	X-ray absorption spectroscopy combined with deep learning for auto and rapid illicit drug detection 2024-07-03, The American journal of drug and alcohol abuse DOI:10.1080/00952990.2024.2377262 PMID:39158551	研究论文	利用X射线吸收光谱结合改进的Transformer编码器模型实现毒品的自动快速检测	首次将X射线吸收光谱与深度学习结合用于毒品检测，并采用改进的Transformer编码器模型实现高准确率（96.73%）和快速训练（1.4小时）	仅使用50种毒品类似物进行实验，未涉及实际毒品样本；且需要进一步验证该方法在临床和执法场景中的实用性	实现快速、无损、自动的毒品检测	毒品及其类似物（同分异构体或分子式相似的化合物）	机器学习	NA	X射线吸收光谱	Transformer, LSTM, ResU-net	光谱数据	50种毒品类似物	NA	改进的Transformer编码器, LSTM, ResU-net	准确率, 训练时间	NA
551	2026-05-02	Radiomics based on T2-weighted and diffusion-weighted MR imaging for preoperative prediction of tumor deposits in rectal cancer 2024-06, American journal of surgery IF:2.7Q1 DOI:10.1016/j.amjsurg.2024.01.002 PMID:38272767	研究论文	开发并验证基于T2加权和弥散加权MRI的影像组学列线图，用于直肠癌肿瘤沉积的术前预测	首次结合T2WI和ADC图像的影像组学特征与临床因素构建列线图，优于传统机器学习模型	回顾性研究设计及相对较小的样本量可能限制泛化能力	实现直肠癌肿瘤沉积的术前无创预测	199例直肠癌患者的T2WI和DWI影像数据及临床资料	数字病理学	直肠癌	MRI（T2加权成像、弥散加权成像）	影像组学列线图	影像数据	199例（训练集159例，验证集40例）	NA	随机森林、支持向量机、深度学习模型（对比模型）	AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
552	2026-05-02	Characterisation of the normal human ganglion cell-inner plexiform layer using widefield optical coherence tomography 2024-03, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.13255 PMID:37990841	研究论文	利用宽视野光学相干断层扫描描述健康人群神经节细胞-内丛状层厚度的变化	通过宽视野OCT扫描覆盖55°×45°范围，并结合深度学习方法自动分割GCIPL，揭示了健康人群中GCIPL厚度随年龄、眼轴长度和性别的变化模式，尤其是发现了黄斑外四个统计上不同的年龄相关变化聚类	NA	描述健康队列中宽视野光学相干断层扫描的GCIPL厚度变化	470只健康眼睛的GCIPL厚度	机器学习	NA	光学相干断层扫描	NA	图像	470只健康眼睛	NA	NA	NA	NA
553	2026-05-02	Extracting Drug-Protein Relation from Literature Using Ensembles of Biomedical Transformers 2024-Jan-25, Studies in health technology and informatics DOI:10.3233/SHTI231043 PMID:38269887	研究论文	利用生物医学预训练Transformer模型集成方法从文献中自动提取药物-蛋白质关系	采用多个生物医学预训练Transformer模型的集成策略，在DrugProt任务中取得优异成绩	NA	开发从生物医学文献中自动提取药物与蛋白质关系的方法	药物/化学物质与蛋白质之间的实体关系	自然语言处理	NA	NA	Transformer	文本	主语料库10,750篇摘要，大规模语料库2.4M篇文献	NA	生物医学预训练Transformer模型	F1-score	NA
554	2026-05-02	Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.20.576449 PMID:38328064	研究论文	提出一种基于深度学习管道的自动化细胞检测与追踪方法，用于无标记3D延时成像	无需手动标注训练数据，鲁棒检测具有高度尺度不变性，跨实验室和仪器的泛化能力强	NA	解决无标记3D延时成像中细胞自动检测和追踪的挑战	细胞图像	计算机视觉	NA	3D延时成像	GAN	图像	NA	PyTorch	embGAN	NA	NA
555	2026-05-02	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	利用深度学习模型DeepAb结合深度突变扫描数据设计抗体变体，以增强抗体热稳定性和亲和力	首次在无抗原结构信息的情况下，仅通过序列预测抗体结构并联合深度突变扫描数据，实现对抗体热稳定性和亲和力的双重优化	未明确讨论模型对非HEL抗体或更复杂抗原的泛化能力，且实验验证仅基于单一抗体靶点	探索无需预测抗体-抗原界面的抗体优化方法，提升抗体的热稳定性和亲和力	针对抗鸡卵清溶菌酶的抗体变体	机器学习	NA	深度学习、深度突变扫描、高通量实验	深度学习模型	序列数据、实验突变数据	200个设计的抗体变体	NA	DeepAb	热稳定性（T、T、T）、胶体稳定性、亲和力（K）、开发性参数（非特异性结合、聚集倾向、自结合）	NA
556	2026-05-02	Digital pathology and multimodal learning on oncology data 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae014 PMID:42064394	综述	本文综述了数字病理学与多模态学习在肿瘤学数据整合中的最新进展，强调了其改善癌症诊疗的潜力	系统阐述了数字病理学如何与临床、影像及分子等多模态数据结合，并分析了多模态学习在肿瘤学中的机遇与挑战	NA	探讨多模态数据整合在肿瘤学中的应用，特别是数字病理学如何与其他数据类型协同以提升癌症诊疗水平	多模态肿瘤学数据（包含临床、影像、分子及病理信息）	数字病理学	癌症	NA	深度学习、机器学习	图像、文本、分子数据	NA	NA	NA	NA	NA
557	2026-05-02	Clinical adoption of deep learning target auto-segmentation for radiation therapy: challenges, clinical risks, and mitigation strategies 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae015 PMID:42064392	综述	综述深度学习在放射治疗靶区自动分割中的临床应用挑战、风险及缓解策略	聚焦靶区自动分割的临床采用，系统分析了过度分割、不足分割、自动化偏差及适度信任等临床风险，并提出了包括几何、剂量-体积和基于结果的性能监测在内的全面质量保证框架	主要基于现有文献综述，缺乏实际临床实施数据的量化评估，且未深入探讨不同深度学习模型架构间的具体比较	评估深度学习靶区自动分割在放射治疗中的临床采用挑战、风险及缓解策略，推动其安全整合入临床实践	放射治疗中的靶区自动分割技术及其临床应用	机器学习,数字病理学	癌症	NA	深度学习	影像	NA	NA	NA	NA	NA
558	2026-05-02	Diffusion models for medical image reconstruction 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae013 PMID:42064401	综述	综述扩散模型在医学图像重建中的应用，包括其原理、优势、挑战及未来研究方向	系统总结了扩散模型在医学图像重建中的最新进展，特别强调了其相比其他深度学习方法的优势，如图像分布建模能力、域迁移鲁棒性和不确定性量化	扩散模型存在幻觉问题可能影响临床适用性，且本文为综述性文章，未提出新的模型或方法	介绍扩散模型在医学图像重建中的应用，并提供方法学指导	扩散模型及其在医学图像重建中的应用	计算机视觉	不适用	扩散模型	扩散模型	医学图像	不适用	不适用	扩散模型	不适用	不适用
559	2026-05-02	Applications and implementation of generative artificial intelligence in cardiovascular imaging with a focus on ethical and legal considerations: what cardiovascular imagers need to know! 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae008 PMID:42064403	综述	探讨生成式人工智能在心血管影像中的应用，重点关注伦理和法律考量	系统探讨了生成对抗网络在心血管影像中的伦理问题，包括“黑箱”问题、自动化偏见和健康差异	未具体说明研究局限，但指出需更多研究解决伦理和法律挑战	综述人工智能在心血管影像中的应用现状，并强调伦理和法律方面的注意事项	心血管影像技术，包括超声心动图、心脏MRI、冠状动脉CT血管造影和CT形态与功能	计算机视觉	心血管疾病	深度学习、生成对抗网络	卷积神经网络、变分神经网络、生成对抗网络	图像	NA	NA	卷积神经网络、变分神经网络、生成对抗网络	ROC曲线、图像质量、临床相关性、多样性、定量性能	NA
560	2026-05-01	Deep Learning of Multimodal Ultrasound: Stratifying the Response to Neoadjuvant Chemotherapy in Breast Cancer Before Treatment 2024-02-02, The oncologist DOI:10.1093/oncolo/oyad227 PMID:37669223	研究论文	开发两种多模态超声深度学习模型，在治疗前预测乳腺癌对新辅助化疗的耐药和病理完全缓解	首次利用多模态超声（灰阶二维超声和超声弹性成像）结合临床病理信息，构建两个深度学习模型分别预测耐药和病理完全缓解，并联合进行分层预测	NA	非侵入性预测乳腺癌患者对新辅助化疗的耐药和病理完全缓解，实现治疗前分层预测	乳腺癌患者	机器学习, 医学影像	乳腺癌	多模态超声（灰阶二维超声和超声弹性成像）	深度学习模型	图像（超声图像）	170名乳腺癌患者	NA	NA	AUC, 敏感性, 阴性预测值	NA