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
661	2026-04-04	An anomaly detection model for multivariate time series with anomaly perception 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2172 PMID:41929829	研究论文	本文提出了一种名为EDD的新型深度学习模型，用于利用有限的异常样本提升多元时间序列异常检测的性能	创新性地结合图注意力网络与LSTM来提取多元时间序列的时空特征，并通过精心设计的损失函数在潜在空间中实现正常数据的紧密聚类和异常数据的随机分散	未明确说明模型对特定领域或数据类型的泛化能力限制，也未讨论计算复杂度或实时性方面的潜在问题	提升多元时间序列异常检测的准确性和鲁棒性	多元时间序列数据	机器学习	NA	深度学习	GAN, LSTM, 图注意力网络	时间序列数据	在三个不同数据集上进行了实验验证（具体样本数量未明确说明）	NA	EDD（Encoder-Decoder-Discriminator）	F1-Score	NA
662	2026-04-03	Artificial Intelligence in Anterior Chamber Evaluation: A Systematic Review and Meta-Analysis 2024-09-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002428 PMID:38747721	荟萃分析	本研究通过系统回顾和荟萃分析，评估了深度学习算法在前房光学相干断层扫描图像中诊断房角关闭的准确性，并与房角镜检查进行对比	首次通过荟萃分析综合评估深度学习算法在AS-OCT图像中诊断房角关闭的性能，并证实其具有高敏感性和特异性	纳入的研究数量有限（仅6项），可能存在发表偏倚，且研究间异质性未详细讨论	比较深度学习算法在AS-OCT图像中诊断房角关闭的准确性，以评估其在青光眼筛查中的潜在价值	青光眼患者或疑似房角关闭的患者	医学影像分析	青光眼	前房光学相干断层扫描	深度学习算法	图像	5269名患者	NA	NA	敏感性, 特异性	NA
663	2026-04-03	The Effect of Noise on Deep Learning for Classification of Pathological Voice 2024-08, The Laryngoscope DOI:10.1002/lary.31303 PMID:38280184	研究论文	本研究评估了背景噪声对基于深度学习评估语音障碍GRBAS量表模型性能的影响	通过向测试样本添加不同强度的高斯噪声，系统评估了1D CNN模型在噪声环境下的鲁棒性	使用单一数据集且无比较对照组，属于OCEBM指南中的4级证据（病例系列研究）	评估背景噪声在机器学习模型评估语音障碍GRBAS量表中的重要性	1406个语音样本	数字病理学	语音障碍	NA	CNN	语音	1406个语音样本	TensorFlow	5层1D卷积神经网络	准确率, F1分数, 二次加权Cohen's kappa分数	NA
664	2026-04-03	Real-Time Laryngeal Cancer Boundaries Delineation on White Light and Narrow-Band Imaging Laryngoscopy with Deep Learning 2024-06, The Laryngoscope DOI:10.1002/lary.31255 PMID:38174772	研究论文	本研究探讨了深度学习在喉镜图像和视频中自动分割喉癌边界的能力	开发了SegMENT-Plus模型，首次在喉镜白光和窄带成像图像上实现实时喉癌边界分割，性能与耳鼻喉科住院医师相当，并展示了优秀的泛化能力	需要临床试验来评估该技术在手术实践和切除边缘改善中的作用	自动分割喉镜图像和视频中的喉癌浅表范围	喉癌患者的白光和窄带成像喉镜图像及视频	数字病理学	喉癌	白光喉镜，窄带成像喉镜	深度学习分割模型	图像，视频	来自557名患者的3933张喉癌图像，外部验证集包含156张和200张图像	NA	SegMENT-Plus	Dice相似系数，交并比，准确率，推理速度	NA
665	2026-04-03	A Proof-of-Concept Computer Vision Approach for Measurement of Tympanic Membrane Perforations 2024-06, The Laryngoscope DOI:10.1002/lary.31270 PMID:38214334	研究论文	本文提出了一种概念验证的计算机视觉方法，用于测量鼓膜穿孔的大小	首次将开源深度学习架构应用于鼓膜穿孔的自动分割和面积计算，相比传统目视估计提高了准确性	研究样本量小，穿孔类型主要为前部且相对较小，数据集缺乏异质性	开发一种计算机视觉模型，以更准确地评估鼓膜穿孔的大小	鼓膜穿孔的内窥镜图像	计算机视觉	耳科疾病	内窥镜成像	深度学习	图像	小规模鼓膜穿孔数据集（具体数量未明确说明）	NA	NA	平均绝对误差	NA
666	2026-04-03	Development of a convolutional neural network to accurately detect land use and land cover 2024-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102719 PMID:38660033	研究论文	本研究开发了一个卷积神经网络模型，用于准确检测土地利用和土地覆盖，并在西班牙的自然保护区进行了应用	利用CNN模型对土地利用和土地覆盖进行分类，并在Sentinel-2和PNOA图像上验证其性能	在住宅类别的分类中存在一些混淆，可能由于该区域的特征导致	开发一个准确的土地利用和土地覆盖检测模型，以支持自然资源管理和环境评估	西班牙Sierra del Cando自然保护区的土地利用和土地覆盖	计算机视觉	NA	深度学习	CNN	图像	NA	NA	卷积神经网络	准确率	NA
667	2026-04-03	Improving Equity in Deep Learning Medical Applications with the Gerchberg-Saxton Algorithm 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00163-8 PMID:38681756	研究论文	本文研究了一种利用Gerchberg-Saxton算法在频率域进行变换的新方法，以减少深度学习医疗应用中的种族-民族偏见	提出了一种基于Gerchberg-Saxton算法的频率域变换方法，用于减少深度学习模型中的偏见，特别是针对种族-民族偏见	NA	减少深度学习在医疗应用中的偏见，提高模型的公平性和泛化能力	深度学习模型在医疗应用中的偏见问题，特别是针对代表性不足人群的种族-民族偏见	机器学习	NA	Gerchberg-Saxton算法	深度学习模型	NA	NA	NA	NA	NA	NA
668	2026-04-03	Modeling Zinc Complexes Using Neural Networks 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00095 PMID:38587510	研究论文	本文构建了一个深度学习架构，用于模拟锌有机金属配合物的能量学	针对锌配合物，开发了深度学习模型，并强调了部分电荷在神经网络模拟长程相互作用中的重要作用，克服了传统采样方法的限制	NA	研究锌有机金属配合物的能量学，以加速基于量子化学的模型开发	锌有机金属配合物	机器学习	NA	元动力学	神经网络	化学结构数据	NA	NA	NA	平均绝对误差	NA
669	2026-04-03	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	本研究开发了一种基于深度学习的方法，利用黄斑光学相干断层扫描（OCT）图像来检测青光眼的功能性进展并预测未来进展	提出了一种新颖的深度学习模型，通过自监督预训练视觉变换器（ViT）在大规模未标记OCT图像数据集上，实现了对青光眼进展的检测和预测	研究为回顾性队列研究，可能存在选择偏倚，且样本量在预测任务中相对较小	利用黄斑OCT成像预测未来并检测并发的青光眼视野进展	青光眼患者的黄斑OCT图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	ViT	图像	预训练数据集包含来自151,389项黄斑OCT研究的7,702,201张B扫描图像；进展检测任务包括来自828名青光眼患者1534只眼的3902项黄斑OCT成像研究；进展预测任务包括来自784名患者1205只眼的1346项黄斑OCT研究	NA	视觉变换器（ViT）	AUC, 灵敏度, 特异性	NA
670	2026-04-03	RETRACTED: An inherently interpretable deep learning model for local explanations using visual concepts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311879 PMID:39466770	研究论文	本文提出了一种名为CA-SoftNet的双流深度学习模型，旨在通过视觉概念提供局部解释，以增强模型的可解释性	提出基于双过程理论的CA-SoftNet模型，结合浅层CNN和交叉注意力概念记忆网络，实现快速模式识别与透明逻辑推理，并开发了新的概念提取方法以生成与人类思维一致的概念化局部解释	未明确说明模型在更复杂或更大规模数据集上的泛化能力，以及概念提取方法可能仍受限于数据质量或标注偏差	开发一种可解释的深度学习模型，通过视觉概念提供局部解释，以解决深度学习模型的不透明性问题	深度学习模型的可解释性方法，特别是基于视觉概念的局部解释生成	计算机视觉	NA	深度学习	CNN, 交叉注意力网络	图像	CUB 200-2011、Stanford Cars、ISIC 2016和ISIC 2017数据集	NA	浅层卷积神经网络, 交叉注意力概念记忆网络	准确率	NA
671	2026-04-03	An attention-based deep learning method for right ventricular quantification using 2D echocardiography: Feasibility and accuracy 2024-01, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15719 PMID:38126261	研究论文	本文提出了一种基于注意力机制的深度学习方法，用于通过2D超声心动图量化右心室，并以心脏磁共振成像为参考验证其可行性和准确性	首次将注意力机制（Transformer）应用于2D超声心动图的右心室量化任务，结合特征标记化模块，提高了预测精度	样本量较小（仅50名患者），且右心室大小和功能范围有限，需要更大规模队列验证	开发一种基于深度学习的右心室量化方法，以替代或辅助传统心脏磁共振成像	50名成年患者的2D超声心动图和心脏磁共振成像数据	医学影像分析	心血管疾病	2D超声心动图，心脏磁共振成像	Transformer	图像	50名患者（35名训练，5名验证，10名测试）	NA	Feature Tokenizer模块，Transformer层堆叠	R2，绝对百分比误差	NA
672	2026-04-02	Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110566 PMID:39362606	研究论文	本研究开发了基于学习的预测模型，用于预测非小细胞肺癌患者放疗后心房颤动的发生率，整合了患者特异性临床、剂量学和诊断信息	通过整合多源患者特异性信息，采用混合深度学习架构处理不同类型输入特征，并在内部和外部验证中表现一致	样本量有限，心房颤动事件数量较少（内部17例，外部6例），可能影响模型泛化能力	预测非小细胞肺癌患者放化疗后心房颤动的发生率	非小细胞肺癌患者	机器学习	肺癌	放疗剂量学	机器学习模型, 深度学习模型	临床数据, 剂量学数据, 诊断数据	内部数据集321例（含17例心房颤动），外部数据集187例（含6例心房颤动）	NA	混合深度学习架构	AUC	NA
673	2026-04-02	Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110567 PMID:39374675	研究论文	本文开发并评估了一个基于丹麦乳腺癌协作组共识的深度学习自动分割模型，用于乳腺癌放疗中淋巴结水平的自动分割	首次基于全国多机构共识数据集训练深度学习模型，用于乳腺癌放疗中淋巴结临床靶区的自动分割，并在全国范围内进行临床实施评估	模型中CTVn胸肌间淋巴结的Dice相似系数中位数低于0.7，且存在两个例外情况未达到专家组间观察者变异水平	开发并验证一个多机构深度学习自动分割模型，用于高风险乳腺癌患者淋巴结临床靶区的自动分割，以实现全国临床实施	高风险乳腺癌患者的淋巴结临床靶区	数字病理学	乳腺癌	深度学习	深度学习模型	医学图像	由丹麦所有放疗中心的21名乳腺癌勾画专家创建的金标准数据集和高质量训练数据集	NA	NA	Dice相似系数	NA
674	2026-04-02	Enhancing quantitative imaging to study DNA damage response: A guide to automated liquid handling and imaging 2024-12, DNA repair IF:3.0Q2 DOI:10.1016/j.dnarep.2024.103769 PMID:39395383	研究论文	本文提出了一种自动化免疫荧光染色与定量高内涵成像的工作流程，用于研究DNA损伤信号响应	开发了一种结合自动液体处理系统和定量高内涵成像的自动化工作流程，提高了实验效率和可重复性	NA	提升生命科学实验室的高内涵定量成像能力，通过自动化技术研究DNA损伤响应	DNA损伤信号响应	数字病理学	NA	免疫荧光染色，高内涵成像	深度学习	图像	NA	NA	NA	NA	高效计算资源
675	2026-04-02	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本文提出了一种基于局部梯度的后处理不确定性量化方法，用于增强深度学习医学图像评估的可靠性	提出了一种新颖的后处理不确定性量化方法，利用训练模型的局部梯度空间来评估对模型参数的敏感性，无需修改已验证模型且不改变其输出	未明确说明方法在非转移性疾病或其他医学图像任务中的泛化能力，以及计算效率的详细分析	开发一种后处理不确定性量化方法，以提高深度学习医学图像评估的可靠性和用户信任度	深度学习模型在医学图像评估任务中的输出可靠性	计算机视觉	转移性疾病	NA	深度学习模型	医学图像	NA	NA	NA	ROC AUC, 假阳性率, 中位数百分比差异	NA
676	2026-04-02	Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals 2024-May-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2023.5599 PMID:38353984	研究论文	本研究利用深度学习半监督聚类方法，在认知未受损个体中识别出三种与遗传、心血管风险因素及未来认知下降相关的脑老化亚组	首次在认知未受损人群中，通过生成对抗网络驱动的数据驱动方法，识别出跨年龄一致的脑老化亚组，并系统关联其与遗传、生物医学指标及认知轨迹的关系	研究基于横断面与纵向数据，但因果推断有限；样本虽大但可能受选择偏差影响；未涵盖所有潜在神经病理过程	理解脑结构老化异质性，探索神经退行性疾病临床前阶段的生物标志物和风险分层	基线认知未受损的45-85岁个体，涉及超过50,000个数据时间点	医学影像分析	阿尔茨海默病	脑结构影像测量	GAN, 深度学习聚类	脑结构影像数据	27,402名个体	NA	生成对抗网络	统计显著性（P值）	NA
677	2026-04-02	Digital Response to Physical Crises: The Role of an E-Health Platform in the 2023 Southern Turkey Earthquakes 2024-04-09, Disaster medicine and public health preparedness IF:1.9Q3 DOI:10.1017/dmp.2024.63 PMID:38591261	评论	本文分析了2023年土耳其南部地震中一个电子健康平台在支持非专业急救人员方面的应用，探讨了数字健康技术在灾害响应中的整合潜力	首次评估了电子健康平台在重大自然灾害中支持非专业急救人员的实际效果，并引入了深度学习模型用于儿科X射线分析	评论性文章，缺乏实证数据支持平台的具体效果，可能未全面考虑所有实施障碍	探讨数字健康技术在灾害管理中的应用，特别是支持非专业急救人员	2023年土耳其南部地震中的急救响应情况	数字病理学	NA	深度学习	NA	X射线图像	NA	NA	NA	NA	NA
678	2026-04-02	Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104621 PMID:38447600	综述	本文综述了机器学习和深度学习方法在临床文本基准数据集中用于药物不良事件检测的有效性，重点关注命名实体识别和关系分类任务	系统比较了机器学习和深度学习在药物不良事件提取任务中的优缺点，并扩展了数据源范围至生物医学文献、社交媒体数据和药品标签	仅纳入了12篇文献进行综述，可能未覆盖所有相关研究	评估机器学习和深度学习方法在药物不良事件提取中的效果，推动药物警戒领域发展	临床文本基准数据集中的药物不良事件	自然语言处理	NA	命名实体识别, 关系分类	机器学习, 深度学习	文本	NA	NA	BERT, 梯度提升, 多层感知机, 随机森林	NA	NA
679	2026-04-01	Deep learning for contour quality assurance for RTOG 0933: In-silico evaluation 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110519 PMID:39222847	研究论文	本研究验证了基于CT的深度学习海马分割模型在单机构数据集上的训练效果，并探索其在多机构轮廓质量保证中的应用	利用单机构训练的深度学习模型进行多机构临床试验的轮廓质量保证，展示了模型在跨机构数据上的泛化能力	模型在单机构数据上训练，可能对多机构数据的适应性有限；假阴性率较高，特别是在轮廓QA任务中	验证深度学习模型在海马分割中的性能，并评估其在多机构轮廓质量保证中的实用性	海马分割轮廓	数字病理学	NA	深度学习	CNN	CT图像, MRI图像	单机构队列的脑部MRI数据集和RTOG 0933数据集	NA	NA	Dice系数, Haussdorf距离, AUC, 特异性, 敏感性, 假阴性率	NA
680	2026-04-01	Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want? 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110545 PMID:39326521	研究论文	本研究通过结构化访谈收集了临床医生对深度学习分割中不确定性可视化选项的偏好，以优化放射治疗计划中的分割评估流程	首次在多机构临床环境中系统评估了不同层次（结构、切片或体素）和类型（二进制或连续值）的不确定性可视化方法，并探讨了剂量信息整合的潜在价值	样本量较小（16名临床医生），且仅针对已使用深度学习分割的机构，结果可能无法推广到所有临床环境	探索如何通过不确定性可视化减轻临床医生评估和校正深度学习分割的负担，优化放射治疗计划流程	放射肿瘤学家和放射治疗师	数字病理学	NA	深度学习分割	NA	医学图像（如CT、MRI）	16名临床医生（来自四个机构）	NA	NA	总体评分、可用性、所需培训时间、预期时间增益	NA