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
681	2024-10-08	Electrocardiographic Risk Stratification in Critically Ill Cardiac Patients: Can Deep Learning Fulfill its Promise? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101168 PMID:39372472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
682	2026-02-05	Enhancing Periodontal Treatment Through the Integration of Deep Learning-Based Detection with Bayesian Network Models 2024-08-22, Studies in health technology and informatics DOI:10.3233/SHTI240758 PMID:39176544	研究论文	本研究将深度学习用于牙周病检测，并整合到贝叶斯网络临床决策支持模型中，以实现全面的牙周护理	结合深度学习（Faster R-CNN）与贝叶斯网络模型，用于牙周病检测和治疗计划推荐，提高了模型的准确性	NA	通过整合深度学习检测与贝叶斯网络模型，增强牙周治疗的效果	牙周病患者及其放射影像数据	计算机视觉	牙周病	放射影像分析	CNN, 贝叶斯网络	图像	NA	NA	Faster R-CNN	ROC曲线分析, 准确性	NA
683	2026-02-05	Deep Learning in High-Resolution Anoscopy: Assessing the Impact of Staining and Therapeutic Manipulation on Automated Detection of Anal Cancer Precursors 2024-Apr-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000000681 PMID:38270249	研究论文	本研究开发了一种基于深度学习的卷积神经网络系统，用于在高分辨率肛门镜检查图像中自动区分高级别与低级别肛门鳞状上皮内病变，并评估了染色技术和肛门操作对算法性能的影响	首次评估了染色技术（如醋酸、卢戈氏碘液）和肛门操作对人工智能算法在高分辨率肛门镜检查中检测肛门癌前病变性能的影响，并展示了算法在不同条件下的优异表现	研究样本量相对有限（88名患者，103次检查），且未在外部数据集上进行验证，可能影响模型的泛化能力	开发并评估一个深度学习系统，用于在高分辨率肛门镜检查图像中自动区分高级别与低级别肛门鳞状上皮内病变	肛门鳞状细胞癌前病变，具体为高级别和低级别肛门鳞状上皮内病变	数字病理学	肛门癌	高分辨率肛门镜检查	CNN	图像	来自88名患者的103次高分辨率肛门镜检查，共计27,770张图像	NA	NA	灵敏度, 特异度, 准确度, 阳性预测值, 阴性预测值, AUC	NA
684	2026-02-05	Clinical correlates of CT imaging-derived phenotypes among lean and overweight patients with hepatic steatosis 2024-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49470-x PMID:38167550	研究论文	本研究利用深度学习从腹部CT扫描中提取脾-肝衰减差作为肝脂肪变性的定量指标，并基于BMI分层分析瘦与超重患者中肝脂肪变性与临床表型的关联	首次在大型生物样本库中，通过深度学习量化CT影像特征，系统比较瘦与超重患者肝脂肪变性的流行病学差异及其与心血管、肾脏等疾病的关联	研究为回顾性设计，可能受选择偏倚影响；CT衍生的肝脂肪变性指标虽经验证，但非金标准；未考虑其他混杂因素如生活方式或遗传背景	定义肝脂肪变性的CT影像表型，并探究其与患者临床特征（特别是瘦与超重人群差异）的关联	肝脂肪变性患者，包括瘦（BMI < 25 kg/m²）和超重（BMI ≥ 25 kg/m²）个体	数字病理学	肝脂肪变性	腹部CT扫描	深度学习	医学影像（CT图像）	8914名患者，包括278名瘦且伴有脂肪变性、1867名瘦无脂肪变性、1863名超重伴有脂肪变性、4906名超重无脂肪变性	NA	NA	p值	NA
685	2026-02-05	Toward an intelligent computing system for the early diagnosis of Alzheimer's disease based on the modular hybrid growing neural gas 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241284349 PMID:39381826	研究论文	本文开发了一个基于模块化混合增长神经气体（MyGNG）的智能计算系统，用于阿尔茨海默病的早期诊断，通过分类任务（MCI-AD和CN-MCI-AD）实现	提出了一种混合和个体发育神经架构MyGNG，结合GNG聚类和感知机标记，在阿尔茨海默病早期诊断中表现优于其他机器学习方法	未明确说明数据集的局限性或模型在其他数据集上的泛化能力	开发智能计算系统以解决阿尔茨海默病的早期诊断问题	阿尔茨海默病患者，包括轻度认知障碍（MCI）和认知正常（CN）个体	机器学习	阿尔茨海默病	神经影像数据	混合神经网络架构（GNG和感知机）	结构化数据（患者特征）	MCI-AD任务495名患者，CN-MCI-AD任务819名患者，均来自ADNI数据库，每名患者有211个特征	NA	模块化混合增长神经气体（MyGNG），包含增长神经气体（GNG）和感知机	AUC, 敏感度	NA
686	2026-02-05	Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1331677 PMID:38384484	研究论文	本研究提出了一种基于结构MRI的可解释深度学习框架，用于自动区分额颞叶痴呆的三种临床亚型	采用多类型并行特征嵌入框架和集成梯度方法进行特征可视化，实现了对额颞叶痴呆亚型的可解释性分类	样本量相对较小且存在不平衡，数据来自多中心可能存在扫描仪差异的残留影响	自动区分额颞叶痴呆的三种临床表型，以辅助早期精确诊断和干预规划	277名额颞叶痴呆患者，包括行为变异型额颞叶痴呆、语义变异型原发性进行性失语和非流利变异型原发性进行性失语	数字病理学	老年疾病	结构MRI	深度神经网络	图像	277名患者（173名行为变异型额颞叶痴呆，63名非流利变异型原发性进行性失语，41名语义变异型原发性进行性失语）	NA	多类型并行特征嵌入框架	平衡准确度	NA
687	2026-02-03	CTLESS: A scatter-window projection and deep learning-based transmission-less attenuation compensation method for myocardial perfusion SPECT 2024-Nov-25, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3496870 PMID:40030354	研究论文	本文提出了一种基于散射窗口投影和深度学习的无传输扫描衰减补偿方法（CTLESS），用于心肌灌注SPECT成像	开发了一种无需单独CT扫描的衰减补偿方法，利用散射能量窗口投影和深度学习网络分割估计的衰减图，从而减少辐射剂量和成本	方法依赖于预定义的衰减系数，且需要CT扫描数据进行训练，可能受训练数据质量和泛化能力限制	解决心肌灌注SPECT成像中衰减补偿对单独CT扫描的依赖问题，以提高诊断准确性并降低成本和辐射风险	心肌灌注SPECT图像，特别是用于检测灌注缺陷的临床任务	数字病理学	心血管疾病	单光子发射计算机断层扫描（SPECT），散射能量窗口投影	深度学习网络	图像	回顾性研究中使用匿名临床SPECT/CT应力心肌灌注图像，涉及两个不同摄像头的SPECT扫描仪	NA	多通道输入多解码器网络	AUC, RMSE, SSIM	NA
688	2026-02-03	A practical guide to the implementation of artificial intelligence in orthopaedic research-Part 2: A technical introduction 2024-Jul, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.12025 PMID:38715910	综述	本文为骨科研究人员提供人工智能技术基础的实用指南，涵盖机器学习任务、神经网络、自然语言处理及生成式AI的入门介绍	针对骨科研究领域系统梳理AI技术框架，特别强调生成式AI与大型语言模型在医学研究中的变革潜力	作为技术入门指南未涉及具体实验数据或模型验证	为骨科研究人员提供参与AI驱动研究所需的基础技术知识	骨科研究领域的人工智能技术方法论	机器学习	骨科疾病	NA	神经网络, 深度学习架构, 大型语言模型	医学数据, 文本数据	NA	NA	NA	NA	NA
689	2026-02-03	Retrieval augmented scientific claim verification 2024-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae021 PMID:38455840	研究论文	本文开发了CliVER系统，利用检索增强技术自动验证科学声明，并通过与临床医生比较评估其性能	提出了CliVER系统，结合检索增强技术和PICO框架，并创建了新的COVID验证数据集CoVERt，集成多个深度学习模型以提高验证准确性	需要进一步测试其临床实用性，且数据集规模有限（仅15个药物声明和96个临床试验摘要）	自动化科学声明验证，利用PubMed摘要支持或反驳科学声明	科学声明（特别是药物相关声明）和PubMed中的临床试验摘要	自然语言处理	COVID-19	检索增强技术，PICO框架，深度学习模型集成	深度学习模型（具体类型未指定，但提及为state-of-the-art模型）	文本（PubMed摘要和科学声明）	CoVERt数据集包含15个PICO编码的药物声明和96个手动标记的临床试验摘要；比较实验涉及19个声明和189,648个PubMed摘要	NA	NA	F1分数，精确度	NA
690	2026-02-03	A deep learning adversarial autoencoder with dynamic batching displays high performance in denoising and ordering scRNA-seq data 2024-Mar-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109027 PMID:38361616	研究论文	本文提出了一种名为动态批处理对抗自编码器（DB-AAE）的深度神经网络生成框架，用于有效去噪和排序单细胞RNA测序（scRNA-seq）数据	DB-AAE直接捕获输入数据中的最优特征，增强特征保留，包括细胞类型特异性基因表达模式，并在去噪准确性和生物信号保留方面优于其他方法	NA	提高scRNA-seq数据的质量和可靠性，以增强下游分析的准确性	单细胞RNA测序（scRNA-seq）数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	对抗自编码器（AAE）	基因表达数据	模拟和真实数据集	NA	动态批处理对抗自编码器（DB-AAE）	去噪准确性, 生物信号保留	NA
691	2026-02-03	Identification of Neural Crest and Neural Crest-Derived Cancer Cell Invasion and Migration Genes Using High-throughput Screening and Deep Attention Networks 2024-Mar-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.07.583913 PMID:38496683	研究论文	本研究通过高通量siRNA筛选和深度学习注意力网络分析，识别了神经嵴及神经嵴来源的癌细胞侵袭和迁移的关键基因	结合高通量筛选与深度学习注意力网络，从45个基因面板中快速筛选出对黑色素瘤细胞侵袭至关重要的基因子集，并揭示了BMP4等基因在细胞迁移中的关键作用	研究主要聚焦于c8161黑色素瘤细胞和HT1080纤维肉瘤细胞，可能无法完全代表其他神经嵴来源癌症类型	识别神经嵴及神经嵴来源癌细胞侵袭和迁移的关键基因，以深入理解细胞迁移机制	神经嵴细胞、c8161黑色素瘤细胞系、HT1080纤维肉瘤细胞系	机器学习	黑色素瘤	高通量siRNA筛选、重组蛋白添加、体内外侵袭实验	深度学习注意力网络	基因表达数据、细胞迁移数据	45个基因面板，涉及c8161和HT1080细胞系	NA	注意力网络	NA	NA
692	2026-01-30	Inferring Taxonomic Affinities and Genetic Distances Using Morphological Features Extracted from Specimen Images: A Case Study with a Bivalve Data Set 2024-11-29, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae042 PMID:39046773	研究论文	本研究探索使用深度学习从双壳类标本图像中推断分类学亲缘关系和遗传距离	结合监督分类和无监督相似性学习，利用图像数据推断生物关系，为缺乏分子数据的物种提供新方法	基于观察到的相关性进行细粒度重建（如姐妹类群关系）需要进一步工作	从标本图像中推断生物的分类学亲缘关系和遗传距离	双壳类（Bivalvia）标本图像，涵盖4144个物种、74个科	计算机视觉	NA	深度学习	CNN	图像	4144个物种的图像数据集	NA	NA	准确率	NA
693	2026-01-30	Toward a Semi-Supervised Learning Approach to Phylogenetic Estimation 2024-10-30, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syae029 PMID:38916476	研究论文	本文提出了一种结合随机模拟和深度学习的新方法，用于推断分子进化参数，无需已知系统发育树	开发了一种监督深度学习模型，直接分析多序列比对，估计位点特异性进化速率和分歧度，无需依赖已知系统发育树，并在复杂速率变异模式下超越了传统基于似然的方法	未明确说明模型在极端进化场景或非标准数据格式下的泛化能力，且依赖于模拟数据进行训练	改进系统发育推断，通过更灵活的速率变异模型提高参数估计和树重建的准确性	分子进化参数，包括位点特异性进化速率和序列分歧度	机器学习	NA	随机模拟，深度学习	深度学习模型	多序列比对数据	包含2600万核苷酸的小丑鱼支系数据集	NA	NA	准确性，分支长度估计精度	NA
694	2026-01-30	Deep Deblurring in Teledermatology: Deep Learning Models Restore the Accuracy of Blurry Images' Classification 2024-09, Telemedicine journal and e-health : the official journal of the American Telemedicine Association DOI:10.1089/tmj.2023.0703 PMID:38934135	研究论文	本研究评估了深度学习去模糊模型在远程皮肤病学中恢复模糊图像诊断准确性的能力	首次系统评估了多种去模糊模型对皮肤病诊断模型性能的恢复效果，并比较了模型预测与皮肤科医生主观清晰度评分	研究使用的模糊图像数据集相对较小（54张公共数据集图像和53张医疗中心咨询照片），可能限制了结果的普适性	确定深度学习模型对模糊图像进行去模糊处理后，诊断准确性能够恢复的程度	皮肤病图像，包括23种皮肤病类别	计算机视觉	皮肤病	深度学习图像处理	深度学习模型	图像	19,191张皮肤图像（公共数据集）+ 54张模糊皮肤图像（公共数据集）+ 53张模糊皮肤病咨询照片（医疗中心）	NA	NA	灵敏度, 精确度, 清晰度评分（4点量表）	NA
695	2026-01-30	Deep Learning and Likelihood Approaches for Viral Phylogeography Converge on the Same Answers Whether the Inference Model Is Right or Wrong 2024-05-27, Systematic biology IF:6.1Q1 DOI:10.1093/sysbio/syad074 PMID:38189575	研究论文	本文比较了基于深度学习的无似然推理方法与基于似然的贝叶斯推理方法在病毒系统地理学中的应用，发现两者在准确性和鲁棒性上表现相当，但深度学习方法在推理速度上快三个数量级	将深度学习无似然推理方法扩展到病毒系统地理学中，并与传统贝叶斯方法进行系统性比较，同时引入保形化分位数回归进行不确定性量化，展示了深度学习在模拟数据训练下能准确模拟生成模型的统计特性	研究基于模拟数据训练，可能受限于模拟模型的复杂性；在真实数据应用中仅测试了欧洲SARS-Cov-2案例，泛化能力需进一步验证；不确定性量化的精度较低（更保守）	比较深度学习无似然推理与基于似然的贝叶斯推理在病毒系统地理学中的性能，评估模型错误指定下的鲁棒性，并开发快速推理方法以支持疫情实时决策	病毒传播的系统发育树，特别是涉及5个地理位置的模拟疫情数据以及欧洲SARS-Cov-2疫情的真实数据	机器学习	NA	系统发育分析，模拟疫情数据生成	深度神经网络	系统发育树（树结构数据）	使用模拟疫情生成的系统发育树进行训练和测试，并应用了欧洲SARS-Cov-2疫情的真实数据	NA	深度神经网络（具体架构未指定）	准确性，鲁棒性，偏差，不确定性量化（与贝叶斯最高后验密度比较），推理速度	NA
696	2026-01-29	Deep learning for segmentation of colorectal carcinomas on endoscopic ultrasound 2024-12-13, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-03056-5 PMID:39671056	研究论文	本研究开发了一种基于卷积神经网络的深度学习模型，用于自动分割内镜超声图像中的结直肠癌肿瘤、黏膜下层和肌层，以标准化早期直肠癌的浸润深度评估	首次将深度学习应用于内镜超声图像的自动分割，以解决早期直肠癌浸润深度评估中磁共振成像分辨率不足和内镜超声解释依赖操作者的问题	研究样本量相对较小（基于373个专家手动分割），且结果仅反映与手动分割的一致性，未直接验证临床预后	开发自动化图像分割方法以标准化内镜超声对早期直肠癌浸润深度的解释	早期直肠癌的内镜超声图像	计算机视觉	结直肠癌	内镜超声	CNN	图像	373个专家手动分割的内镜超声图像	NA	NA	平均表面距离, 豪斯多夫距离, Dice相似性指数	NA
697	2026-01-29	Deep Learning-Based Prediction of Final Infarct Core from CT Perfusion Data: A Comparison to the Clinical Standard 2024-Nov, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.124.001375 PMID:41583397	研究论文	本研究开发了一种基于深度学习的CT灌注概率模型，用于预测急性缺血性卒中患者的最终梗死核心，并与临床标准方法进行比较	提出了一种从单值阈值转向概率模型的CT灌注分析方法，利用深度学习（Attention U-Net）更准确地预测组织命运，优于传统的核心/半暗带二分法	研究为回顾性设计，样本量有限（共243例患者，测试集仅48例），且仅针对大血管闭塞并完全再通的患者，可能限制结果的普适性	改进急性缺血性卒中的CT灌注分析，通过概率模型更准确地预测最终梗死核心，以支持临床决策	急性缺血性卒中患者，特别是大血管闭塞并在血栓切除术后完全再通的患者	数字病理学	心血管疾病	CT灌注成像，扩散加权成像	深度学习	医学影像（CT灌注数据）	243例患者（训练、验证和测试组）	MONAI	Attention U-Net	多样化反事实解释评分，曲线下面积	NA
698	2026-01-29	Do Deep Learning Algorithms Accurately Segment Intracerebral Hemorrhages on Noncontrast Computed Tomography? A Systematic Review and Meta-Analysis 2024-Jul, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.123.001314 PMID:41585382	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估深度学习算法在非增强计算机断层扫描上分割脑出血的准确性	首次对深度学习在非增强CT上分割脑出血的准确性进行全面的系统综述和荟萃分析，揭示了算法在不同出血病因中的性能差异	分割小出血灶仍存在挑战，且需要进一步研究以解决局限性并扩展临床实用性	评估深度学习算法在非增强CT上分割脑出血的精确性	脑出血（ICH）在非增强计算机断层扫描上的分割	医学影像分析	脑出血	非增强计算机断层扫描	CNN	医学影像（CT图像）	28项研究（主要为回顾性队列）	NA	U-Net及其变体	Dice相似系数	NA
699	2026-01-29	A framework for the unsupervised and semi-supervised analysis of visual frames 2024-Apr, Political analysis : an annual publication of the Methodology Section of the American Political Science Association IF:4.7Q1 PMID:41450450	研究论文	本文介绍了一个用于通过无监督和半监督方法分析视觉材料内容的框架，并应用于政治科学领域	将计算机视觉中的视觉词袋技术引入政治科学，用于构建图像-视觉词矩阵，并开发了一种新颖的视觉结构主题模型	NA	开发一个框架，用于对视觉材料进行无监督和半监督分析，以识别视觉框架	来自中美洲移民大篷车图片的视觉框架	计算机视觉	NA	视觉词袋	主题模型	图像	NA	NA	视觉结构主题模型	NA	NA
700	2026-01-29	Transformer-based spatial-temporal detection of apoptotic cell death in live-cell imaging 2024-03-18, eLife IF:6.4Q1 DOI:10.7554/eLife.90502 PMID:38497754	研究论文	本研究开发了一种基于Transformer的深度学习系统ADeS，用于在活细胞成像中检测细胞凋亡的时空动态	首次提出能够检测完整显微镜时间序列中多个凋亡事件位置和持续时间的计算方法，性能超越现有方法和人类专家	未明确说明模型在极端成像条件或罕见细胞类型中的泛化能力限制	开发用于活细胞成像中细胞凋亡自动检测和量化的计算工具	体外和体内实验中的凋亡细胞	计算机视觉	NA	活细胞成像、活体显微镜	Transformer	显微镜时间序列图像	超过10,000个凋亡实例（体外和体内数据）	NA	基于活动识别原理的深度学习架构	分类准确率	NA