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
641	2026-02-17	Scaling behaviours of deep learning and linear algorithms for the prediction of stroke severity 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae007 PMID:38274570	研究论文	本研究比较了线性回归和深度学习算法在预测中风严重程度方面的性能，特别关注样本量对预测效果的影响	首次系统比较了线性算法和深度学习在真实世界中风患者样本（规模较小）中预测中风严重程度的性能，并揭示了深度学习在较大样本量（900例患者）下开始显著优于线性方法	研究样本量相对有限（最大900例训练样本），且仅基于MRI病灶位置进行预测，未考虑其他临床因素	评估深度学习算法在预测中风后症状严重程度方面的潜力，并与传统线性方法进行比较	缺血性中风患者	医学影像分析	中风	扩散加权MRI, 病灶自动分割, 空间标准化, 主成分分析	线性回归, 神经网络	MRI图像	总计1430例患者（来自MRI-Genetics Interface Exploration合作和麻省总医院研究），训练子集包括100、300和900例	未明确提及	八层神经网络	解释方差	NA
642	2026-02-17	[Recent Review Article in RPT: Deep learning-based PET image denoising and reconstruction: A review] 2024, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics DOI:10.11323/jjmp.44.4_78 PMID:41692459	综述	本文回顾了基于深度学习的PET图像去噪和重建技术的历史与发展	NA	NA	综述医学物理领域，特别是PET图像处理中深度学习的应用历史	PET图像的去噪和重建技术	医学物理	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
643	2026-02-15	Pep2TCR: Accurate prediction of CD4 T cell receptor binding specificity through transfer learning and ensemble approach 2024-Dec, iMetaOmics DOI:10.1002/imo2.43 PMID:41676119	研究论文	本文介绍了一种名为Pep2TCR的先进深度学习模型，用于预测CD4 T细胞受体的结合特异性	通过迁移学习和集成方法，显著提升了在有限CD4 TCR数据下的预测准确性	NA	预测CD4 T细胞受体的结合特异性，以支持个性化癌症免疫疗法	CD4 T细胞受体	机器学习	癌症	NA	深度学习	NA	NA	NA	NA	NA	NA
644	2026-02-15	A penalized integrative deep neural network for variable selection among multiple omics datasets 2024-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.51 PMID:41674850	研究论文	提出一种惩罚性集成深度神经网络（PIN），用于从多个组学数据集中同时选择重要变量	PIN方法直接聚合多个数据集作为输入，并在集成分析框架中考虑数据集间的同质性和异质性，解决了现有方法在小样本或忽略数据集间变量结构差异时的不准确性问题	未明确提及具体局限性，但可能依赖于数据集的多样性和样本量	促进基于多源研究/数据集识别疾病相关重要变量	老年人的不同认知状态或卵巢癌患者不同阶段的基因表达数据集	机器学习	卵巢癌	基因表达分析	深度神经网络	组学数据	未明确指定具体样本数量，但涉及多个数据集	未指定	深度神经网络	未明确指定具体指标，但提及性能改进	未指定
645	2026-02-15	CShaperApp: Segmenting and analyzing cellular morphologies of the developing Caenorhabditis elegans embryo 2024-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.47 PMID:41674855	研究论文	本文介绍了一款名为CShaperApp的桌面软件，用于分割秀丽隐杆线虫胚胎发育过程中的荧光标记细胞膜图像并交互式分析细胞形态	开发了基于CShaper框架的交互式桌面软件，允许生物学家使用现有或微调的深度学习模型自动高效提取定量细胞形态数据，并验证了其跨实验室数据集的鲁棒性	未明确说明软件在极端图像条件（如低信噪比、高密度细胞）下的性能限制	加速发育生物学中系统级定量数据的高通量生成，支持细胞形态发育研究	秀丽隐杆线虫胚胎发育过程中的细胞	数字病理学	NA	荧光标记成像，三维延时（4D）成像	深度学习模型	荧光标记的细胞膜图像，三维图像堆栈	包含150个图像堆栈的4D数据集，覆盖从4细胞到350细胞阶段的胚胎发育过程	未明确说明	基于CShaper框架（具体架构未说明）	处理时间（约30分钟处理完整4D数据集），鲁棒性验证	可在Windows、macOS和Linux操作系统上执行的桌面软件
646	2026-02-15	A glimpse into the future: Integrating artificial intelligence for precision HER2-positive breast cancer management 2024-Sep, iMetaOmics DOI:10.1002/imo2.19 PMID:41675540	综述	本文全面回顾了利用人工智能（AI）评估和管理HER2阳性乳腺癌的诊断与预测模型，并探讨了AI在抗HER2治疗中面临的挑战与未来方向	系统性地整合了基于组织病理切片、影像组学和HER2结合位点数据的AI模型，并提出了AI辅助抗HER2治疗未来发展的具体方向	文章为综述性研究，未涉及原始数据或新模型的实验验证，主要基于现有文献进行归纳分析	评估AI在HER2阳性乳腺癌精准管理中的应用现状与前景，促进AI辅助抗HER2治疗的临床整合	HER2阳性乳腺癌患者	数字病理学	乳腺癌	组织病理学分析、影像组学、分子结合位点检测	深度学习模型	组织病理切片图像、医学影像数据、分子结合位点数据	NA	NA	NA	NA	NA
647	2026-02-15	GCARDTI: Drug-target interaction prediction based on a hybrid mechanism in drug SELFIES 2024-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.39 PMID:41676368	研究论文	提出一种基于卷积神经网络和图注意力网络的混合机制框架GCARDTI，用于预测药物与靶点之间的相互作用	首次将SELFIES分子表示方法引入药物-靶点相互作用预测，并设计混合神经网络架构以充分挖掘药物分子结构信息	未明确说明模型在跨数据集泛化能力方面的具体表现，也未讨论模型对新型药物分子的预测可靠性	提升药物-靶点相互作用预测的准确性，支持药物研发和重定位	药物分子与靶点蛋白质	机器学习	NA	SELFIES分子表示	CNN, GAT	分子结构数据	两个不同数据集（具体数量未说明）	NA	卷积神经网络与图注意力网络的混合架构	多种不同指标（具体名称未列出）	NA
648	2026-02-15	Deep learning for drug-drug interaction prediction: A comprehensive review 2024-Mar, Quantitative biology (Beijing, China) DOI:10.1002/qub2.32 PMID:41676018	综述	本文全面回顾了基于深度学习的药物-药物相互作用预测方法，并将其分为四类进行总结与讨论	系统性地将近年来的深度学习方法归纳为四大类别（神经网络、图神经网络、知识图谱、多模态），并对比了深度学习与传统机器学习在DDI预测上的性能提升	NA	总结和评估基于深度学习的药物-药物相互作用预测方法，探讨现有挑战与未来方向	药物-药物相互作用预测方法	机器学习	NA	深度学习	神经网络, 图神经网络	多模态数据	大规模数据集	NA	NA	NA	NA
649	2026-02-14	Advancements in computer vision and pathology: Unraveling the potential of artificial intelligence for precision diagnosis and beyond 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.05.006 PMID:39032956	综述	本章探讨了计算机视觉与人工智能在病理学领域的整合及其对精准诊断和自动化工作流程的变革潜力	系统阐述了AI驱动的计算机视觉如何通过深度学习架构（如CNN和U-Net）增强病理诊断能力，并提出了跨学科协作的必要性	承认AI在病理学应用中的技术、实践和伦理限制，包括开发与实施过程中的挑战	分析人工智能与计算机视觉在数字病理学中的整合潜力，以提升诊断精度和工作效率	数字病理切片图像及其自动化分析流程	数字病理学	NA	切片数字化	CNN, U-Net	图像	NA	NA	CNN, U-Net	NA	NA
650	2026-02-14	Deep learning-based multimodal spatial transcriptomics analysis for cancer 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.08.001 PMID:39271260	书籍章节	本章探讨了深度学习与多模态空间转录组学在癌症研究中的整合，以推进癌症诊断、治疗规划和精准医学	整合深度学习与多模态空间转录组学，提供对肿瘤生物学前所未有的洞察，实现更精确和个性化的肿瘤学方法	NA	推进癌症诊断、治疗规划和精准医学	癌症研究，特别是肿瘤生物学、诊断和治疗	数字病理学	癌症	空间转录组学	CNN	多模态数据（包括基因组、蛋白质组、影像和临床数据）	NA	NA	NA	NA	NA
651	2026-02-13	Enhancing spatial inference of air pollution using machine learning techniques with low-cost monitors in data-limited scenarios 2024-Mar-14, Environmental science: atmospheres DOI:10.1039/d3ea00126a PMID:38496327	研究论文	本研究提出了一种基于深度学习的模型，利用低成本监测器和广泛可用的免费数据集，在数据有限场景下增强空气污染的空间推断能力	引入了深度学习模型用于邻里尺度的颗粒物扩散预测，仅依赖低成本监测器和免费数据集，克服了低收入地区缺乏补充数据源（如智能手机追踪和实时交通监测）的限制	模型在特定区域验证，可能需进一步优化以适应更广泛的地理环境；依赖的免费数据集可能在某些地区覆盖不全	提高空气污染数据的可及性，特别是在数据有限的发展中国家和脆弱社区，以促进环境正义	颗粒物（PM）的扩散空间推断	机器学习	NA	低成本空气监测器，免费气象与环境数据集	深度学习模型	时间序列数据（PM浓度、气象变量）	NA	NA	NA	均方根误差（RMSE）	NA
652	2026-02-12	Relationship between the volume of ventricles, brain parenchyma and neurocognition in children after hydrocephalus treatment 2024-Dec-14, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06674-4 PMID:39673623	研究论文	本研究探讨了脑积水治疗后儿童脑室、脑实质体积与神经认知功能之间的关系，并利用深度学习模型预测脑发育情况	结合深度学习框架与统计分析方法，定量评估脑积水术后脑发育与神经认知的关联，超越了传统Evans指数的评估范围	样本量较小（52名儿童），年龄范围有限（10岁以下），且未考虑长期随访数据	评估脑积水治疗后儿童脑发育与神经认知功能的关系，并探索深度学习在预测术后恢复中的应用	52名接受脑积水治疗的10岁以下儿童	数字病理学	脑积水	T1加权磁共振成像（T1w MRI），Gesell发育量表评估	分类模型	图像（MRI），临床评估数据	52名儿童	NA	NA	准确率	NA
653	2026-02-12	Machine learning for automated classification of lung collagen in a urethane-induced lung injury mouse model 2024-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.527972 PMID:39421774	研究论文	本文提出了一种基于机器学习的自动化框架，用于对小鼠肺胶原含量进行评分，以克服传统手动病理评估的主观性和不一致性问题	结合了手动提取的胶原统计特征和预训练VGG16模型提取的隐藏特征，并采用多种无监督技术进行图像分析，实现了对肺胶原的自动分类	研究基于小鼠模型，结果可能无法直接推广到人类；多标签分类中某些组别的ROC AUC值较低（如0.38），表明模型在某些类别上性能有限	开发自动化评分框架以准确评估肺胶原含量，辅助理解肺疾病进展机制	成年雌性小鼠的肺组织切片图像，来自氨基甲酸乙酯诱导的肺损伤模型	数字病理学	肺癌	二次谐波生成（SHG）显微镜	SVM, 深度学习模型	图像	未明确指定样本数量，但使用了成年雌性小鼠的肺切片图像数据集	未明确指定，但提及了预训练VGG16模型及多种机器学习技术	VGG16	准确率, ROC AUC	NA
654	2026-02-11	Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration on Optical Coherence Tomography 2024-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.11.24312817 PMID:39314940	研究论文	本研究开发了一种基于深度学习的模型，用于从光学相干断层扫描图像中自动检测和量化年龄相关性黄斑变性中的网状假性玻璃膜疣	开发的深度学习模型在分割网状假性玻璃膜疣方面，其与四位视网膜专家的共识一致性（DSC=0.76）甚至超过了专家之间的一致性（DSC=0.68），并在多个外部测试集上达到了专家级别的性能	NA	开发一个能够自动、可靠地检测和量化年龄相关性黄斑变性中网状假性玻璃膜疣的深度学习模型，以辅助临床管理	年龄相关性黄斑变性患者的视网膜光学相干断层扫描图像	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	深度学习模型	图像	9,800张OCT B扫描图像用于模型开发，并在包含812名个体（1,017只眼）的五个外部测试数据集上进行验证	NA	NA	Dice相似系数, 曲线下面积	NA
655	2026-02-11	Analysis and Comparison of New-Born Calf Standing and Lying Time Based on Deep Learning 2024-04-29, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14091324 PMID:38731328	研究论文	本研究提出了一种基于深度学习的计算机视觉方法，用于无创监测新生小牛的站立和躺卧行为，并分析其与健康状态的关系	采用多视角摄像头和YOLOv8n模型，实现了对小牛站立和躺卧行为的高精度、实时自动监测，并首次将自动测量的行为时间与腹泻等健康指标进行了关联分析	研究仅针对六头小牛进行了六天的监测，样本量较小，且未考虑其他可能影响行为的因素（如环境变化）	通过自动监测小牛的站立和躺卧时间，评估其健康状态，以改善农场管理和动物福利	新生小牛（六头）的站立和躺卧行为	计算机视觉	NA	计算机视觉，行为监测	YOLO	视频	六头小牛，连续六天的监测数据	NA	YOLOv8n	平均精度均值，推理速度（帧每秒），最大时间估计误差	NA
656	2026-02-11	Application of Deep Learning Algorithms Based on the Multilayer Y0L0v8 Neural Network to Identify Fungal Keratitis 2024, Sovremennye tekhnologii v meditsine DOI:10.17691/stm2024.16.4.01 PMID:39881837	研究论文	本文开发了一种基于深度学习算法分析眼前段照片来诊断真菌性角膜炎的方法	应用多层Y0L0v8神经网络进行真菌性角膜炎的识别，这是一种新的深度学习算法应用	NA	开发一种诊断真菌性角膜炎的方法，并评估其敏感性和特异性	眼前段照片	计算机视觉	真菌性角膜炎	深度学习算法	CNN	图像	NA	NA	多层Y0L0v8神经网络	敏感性, 特异性	NA
657	2026-02-10	Deep learning-based detection of lumbar spinal canal stenosis using convolutional neural networks 2024-11, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.06.009 PMID:38909909	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习算法，用于从腰椎平片中自动检测需要手术的腰椎管狭窄症（LSCS）	首次利用CNN从易于获取的腰椎平片中自动诊断LSCS，为缺乏MRI设备或非专科医生提供了早期诊断工具，可能减少治疗延误	研究为单中心回顾性分析，样本量相对较小（150例患者），且外部验证仅包含额外25例患者，可能存在选择偏倚	开发一种基于深度学习的算法，从腰椎平片中诊断需要手术的腰椎管狭窄症	腰椎管狭窄症患者，包括退行性腰椎滑脱患者	计算机视觉	腰椎管狭窄症	磁共振成像（MRI），X射线平片	CNN	图像	175名患者（150名来自单中心，25名来自其他两家医院），共600张腰椎平片图像	NA	NA	AUC, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, 阳性似然比, 阴性似然比, 相关系数	NA
658	2026-02-10	Deep learning of echocardiography distinguishes between presence and absence of late gadolinium enhancement on cardiac magnetic resonance in patients with hypertrophic cardiomyopathy 2024-Oct-14, Echo research and practice IF:3.2Q2 DOI:10.1186/s44156-024-00059-8 PMID:39396969	研究论文	本研究利用深度学习分析超声心动图图像，以区分肥厚型心肌病患者心脏磁共振中晚期钆增强的存在与否	首次将深度学习应用于超声心动图图像，以非侵入性方式预测心脏磁共振中的晚期钆增强，提供了一种资源密集度较低的辅助诊断方法	研究为横断面设计，样本量相对较小（323例），且仅使用了超声心动图的五腔心视图，可能未充分利用所有可用信息	区分肥厚型心肌病患者心脏磁共振中晚期钆增强的阳性与阴性状态	肥厚型心肌病患者	医学影像分析	肥厚型心肌病	超声心动图，心脏磁共振，晚期钆增强	深度卷积神经网络	图像	323例患者（训练集273例，测试集50例）	未明确指定	深度卷积神经网络	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
659	2026-02-10	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2024-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.12.607698 PMID:39211076	研究论文	本研究比较了五种超分辨率显微镜技术在成像紧密聚集的专性细胞内细菌微菌落方面的性能	首次系统比较了多种超分辨率显微镜技术（包括Airyscan、iSIM、3D-SIM和STED）在解析专性细胞内细菌三维结构方面的能力，并结合深度学习软件Cellpose进行细胞分割分析	研究仅针对一种专性细胞内细菌物种（Ot），未涵盖其他细菌类型；技术比较可能受特定实验条件和标记方法的限制	评估不同超分辨率显微镜技术在成像紧密聚集的细胞内细菌时的分辨能力和适用性	专性细胞内细菌物种Ot的微菌落	生物医学成像	NA	荧光显微镜技术，包括标准共聚焦、Airyscan共聚焦、iSIM、3D-SIM和STED	深度学习模型	显微镜图像	未明确指定样本数量，涉及在不同哺乳动物细胞系中生长的细菌	Cellpose, Imaris	NA	半高全宽（FWHM）测量、三维形状和大小分析	NA
660	2026-02-10	From 2D to 3D: automatic measurement of the Cobb angle in adolescent idiopathic scoliosis with the weight-bearing 3D imaging 2024-07, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.03.019 PMID:38583576	研究论文	本研究比较了青少年特发性脊柱侧凸（AIS）中传统的2D Cobb角测量与基于负重3D成像（WR3D）的3D自动测量技术	首次在AIS评估中系统比较了传统2D Cobb角测量与三种不同的3D自动测量方法（AM、PIM、PPM），并利用3D-UNet深度学习模型进行脊柱分割，实现了自动化的3D角度计算	样本量相对较小（53例患者），且缺乏严重弯曲患者的验证，需要进一步研究来扩展和验证结果	比较传统2D与3D自动测量方法在评估青少年特发性脊柱侧凸脊柱弯曲度方面的差异	青少年特发性脊柱侧凸（AIS）患者	数字病理学	青少年特发性脊柱侧凸	负重3D成像（WR3D）、深度学习分割	CNN	3D医学图像	53名AIS患者，包含88个脊柱弯曲	3D Slicer	3D-UNet	NA	NA