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
721	2026-03-25	Automatic grading of intervertebral disc degeneration in lumbar dog spines 2024-Jun, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.1326 PMID:38633660	研究论文	本文开发并测试了一种深度学习工具，用于自动评估犬类腰椎间盘退变程度	首次将针对人类脊柱设计的Pfirrmann分类方案应用于犬类，并开发了自动评分工具，扩展了深度学习在兽医影像分析中的应用	工具性能略低于人类模型，且对于罕见的5级退变敏感度较低，修改后的分级方案未显示显著优势	开发自动评估犬类腰椎间盘退变程度的工具，以支持临床管理和再生疗法研究	犬类腰椎间盘	数字病理学	椎间盘退变	T2加权MRI扫描	深度学习模型	图像	5991个腰椎间盘	NA	NA	敏感度, 特异度	NA
722	2026-03-25	An optimised YOLOv4 deep learning model for efficient malarial cell detection in thin blood smear images 2024-Apr-16, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-024-06215-7 PMID:38627870	研究论文	本研究提出了一种优化的YOLOv4深度学习模型，用于高效检测薄血涂片图像中的疟疾细胞	通过直接层剪枝和骨干网络替换（将CSP-DarkNet53替换为较浅的ResNet50）来优化YOLOv4模型，提高了检测精度并减少了模型大小和计算复杂度	未明确说明模型在更大或更多样化数据集上的泛化能力，也未详细讨论实际部署中的计算资源需求	开发一种更轻量、更快且精度更高的自动化诊断工具，用于疟疾的早期和准确检测	薄血涂片图像中的感染红细胞	计算机视觉	疟疾	深度学习对象检测	YOLOv4	图像	NA	NA	YOLOv4, CSP-DarkNet53, ResNet50	平均精度均值（mAP）, 十亿浮点运算（B-FLOPS）, 模型大小	NA
723	2026-03-25	Predicting drug response through tumor deconvolution by cancer cell lines 2024-Apr-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100949 PMID:38645769	研究论文	本研究开发了一种深度学习模型Scaden-CA，用于将肿瘤数据反卷积为癌症类型特异性细胞系的比例，并基于此预测药物反应	通过结合癌症细胞系药物敏感性数据和肿瘤反卷积技术，开发了Scaden-CA模型，以桥接细胞系与患者药物反应数据之间的差距	仅使用了有限的患者药物反应数据，且模型性能验证主要依赖于CCLE和TCGA数据集，可能未覆盖所有癌症类型或临床场景	预测药物反应并探索药物重利用的潜在机制	癌症细胞系（如CCLE数据）和肿瘤样本（如TCGA数据）	机器学习	癌症	RNA测序（bulk RNA数据）	深度学习模型	RNA数据	大规模癌症细胞系和肿瘤样本（具体数量未在摘要中指定）	NA	Scaden-CA	一致性相关系数（concordance correlation coefficients），正确反卷积率（correctly deconvoluted rate）	NA
724	2026-03-25	Enhancing molecular design efficiency: Uniting language models and generative networks with genetic algorithms 2024-Apr-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100947 PMID:38645768	研究论文	本研究探讨了生成模型在药物发现、材料科学和聚合物科学中的应用，提出了一种结合语言模型和生成对抗网络的混合架构以提高分子设计效率	提出了一种结合掩码语言模型和生成对抗网络的混合架构，以克服传统生成模型中的模式崩溃问题，并在小规模群体中展现出优于单独语言模型的性能	未明确提及具体实验数据或样本量的局限性	提高分子设计效率，优化生成模型在药物发现和材料科学中的应用	分子设计、药物发现、材料科学和聚合物科学中的生成模型	自然语言处理, 机器学习	NA	生成对抗网络, 掩码语言模型	GAN, LM	合成数据, 分子数据	NA	NA	混合LM-GAN架构	NA	NA
725	2026-03-25	Quantitative Assessment of Fundus Tessellated Density in Highly Myopic Glaucoma Using Deep Learning 2024-04-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.4.17 PMID:38591943	研究论文	本研究利用深度学习定量评估高度近视性青光眼与高度近视患者的眼底豹纹状密度，以发现早期诊断标志物	首次使用深度学习量化眼底豹纹状密度，并发现其在高度近视性青光眼与高度近视患者中存在程度和分布的差异，特别是黄斑区鼻侧/颞侧比值可作为鉴别指标	研究为回顾性横断面设计，样本量相对较小（共206只眼），且仅来自单一中心，可能限制结果的普适性	表征高度近视性青光眼与高度近视患者的眼底豹纹状密度，探索早期诊断标志物	高度近视和高度近视性青光眼患者的眼底图像	计算机视觉	青光眼	眼底摄影	深度学习	图像	206只眼（高度近视133只，高度近视性青光眼73只）	NA	NA	曲线下面积	NA
726	2026-03-25	Deep learning to predict rapid progression of Alzheimer's disease from pooled clinical trials: A retrospective study 2024-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000479 PMID:38598464	研究论文	本研究利用深度学习模型，基于临床试验数据预测阿尔茨海默病患者的快速进展风险	首次将注意力机制与循环神经网络结合，利用纵向临床数据预测阿尔茨海默病的快速进展，并识别关键预测因子	研究数据来源于特定制药公司的临床试验，可能缺乏人群多样性；模型性能在外部验证中有所下降	预测阿尔茨海默病患者的快速进展，以优化临床试验设计和治疗效果评估	轻度至中度阿尔茨海默病患者	机器学习	阿尔茨海默病	纵向临床观察数据	RNN	临床数据	1603名患者	NA	带有注意力机制的循环神经网络	AUROC, AUPRC	NA
727	2026-03-25	CHD-CXR: a de-identified publicly available dataset of chest x-ray for congenital heart disease 2024, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2024.1351965 PMID:38650917	研究论文	本文发布了一个用于先天性心脏病检测的公开去标识化胸部X射线数据集，并进行了初步模型验证	首次公开了一个针对儿童先天性心脏病、包含DICOM格式胸部X射线和心脏超声报告的高质量数据集，强调复杂结构特征，促进深度学习从机器学习向机器教学的转变	数据集样本量相对较小（828例），且仅针对儿童先天性心脏病，可能限制模型的泛化能力	通过构建公开医学影像数据集推动先天性心脏病的早期检测，特别是在医疗资源匮乏地区	儿童先天性心脏病患者的胸部X射线影像	计算机视觉	先天性心脏病	胸部X射线成像，心脏超声	深度学习模型	医学影像（DICOM格式胸部X射线）	828例儿童先天性心脏病患者的DICOM胸部X射线文件	NA	NA	ROC曲线下面积（AUC）	NA
728	2026-03-24	AI-driven innovations in Alzheimer's disease: Integrating early diagnosis, personalized treatment, and prognostic modelling 2024-11, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2024.102497 PMID:39293530	综述	本文综述了人工智能在阿尔茨海默病早期诊断、个性化治疗和预后建模中的创新应用	整合多模态数据（临床、遗传、影像）并利用深度学习技术揭示疾病机制，推动AI在AD管理中的全面应用	存在伦理考量、数据隐私问题以及AI工具与临床工作流无缝整合的需求等挑战	探索人工智能在阿尔茨海默病诊断、治疗和预后建模中的潜在应用，以改善痴呆症护理	阿尔茨海默病患者及其相关的神经影像、遗传、蛋白组学、认知行为数据	机器学习	阿尔茨海默病	神经影像技术（MRI、PET、CT）、遗传和蛋白组学生物标志物检测、认知行为评估	机器学习模型、深度学习技术	图像、遗传数据、蛋白组学数据、临床数据、语音和语言模式数据	NA	NA	NA	NA	NA
729	2026-03-24	Cycle-consistent Learning for Fetal Cortical Surface Reconstruction 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72104-5_21 PMID:41868474	研究论文	本文提出了一种基于深度学习的多任务先验知识监督的胎儿皮层表面重建方法，采用循环一致策略提升表示能力	引入循环一致策略，利用先验知识和多个静态速度场学习从模板表面网格到内外表面的微分同胚变形，通过内外表面相互引导迭代优化，特别针对模糊和挑战性皮层区域提高准确性	NA	开发一种专门针对胎儿皮层表面重建的方法，以应对胎儿脑部MRI图像中的独特挑战，如低组织对比度、低分辨率和运动伪影	胎儿脑部MRI图像	计算机视觉	NA	MRI	深度学习	图像	83名受试者的胎儿MRI数据集	NA	NA	几何误差, 自相交面百分比	NA
730	2026-03-24	Disentangled Hybrid Transformer for Identification of Infants with Prenatal Drug Exposure 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72390-2_7 PMID:41869677	研究论文	本文提出了一种名为解耦混合体积-表面Transformer的深度学习模型，用于识别有产前药物暴露的婴儿	提出了一种结合3D体积网络和表面网络的双分支模型，并引入解耦策略分离互补变量和共同变量，以去除冗余信息并提升表达能力	NA	早期识别有产前药物暴露的婴儿及其相关生物标志物，以支持更早、更有效和个性化的干预	婴儿	计算机视觉	NA	MRI扫描	Transformer	图像	210个婴儿MRI扫描	NA	Transformer	NA	NA
731	2026-03-22	Multimodal deep learning radiomics model for predicting postoperative progression in solid stage I non-small cell lung cancer 2024-Oct-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00783-8 PMID:39420411	研究论文	本研究开发了一种多模态深度学习放射组学模型，用于预测实性I期非小细胞肺癌患者术后进展风险	结合临床病理特征、主观CT发现和深度学习特征构建多模态模型，并采用迁移学习策略训练ResNet18模型提取特征	研究为回顾性设计，样本量有限，且仅包含两个医疗中心的数据，可能存在选择偏倚	探索多模态深度学习放射组学模型在预测实性I期非小细胞肺癌术后进展风险中的应用价值	经组织学确认的实性I期非小细胞肺癌患者	数字病理	肺癌	CT成像	深度学习	图像	459例患者作为训练集，104例患者作为外部验证队列	NA	ResNet18	AUC	NA
732	2026-03-22	Deep Learning Resolves Myovascular Dynamics in the Failing Human Heart 2024-May, JACC. Basic to translational science DOI:10.1016/j.jacbts.2024.02.007 PMID:38984052	研究论文	本文介绍了一种名为CardioCount的深度学习管道，用于精确量化人类心脏显微图像中的细胞核，并揭示了成年人类心脏中心肌细胞与内皮细胞的耦合生长关系	开发了CardioCount这一新的深度学习管道，首次大规模应用于368,434张人类显微图像，发现了成年人类心脏中心肌细胞与内皮细胞的耦合生长，以及终末期心力衰竭中血管稀疏与心肌肥大的相互关联	未明确说明模型在多样化数据集上的泛化能力或计算资源需求的具体限制	通过深度学习量化人类心脏显微图像中的细胞核，以研究心脏细胞动力学和心力衰竭的病理机制	人类心脏的显微图像，特别是心肌细胞和心脏内皮细胞	数字病理学	心血管疾病	显微镜成像	深度学习模型	图像	368,434张人类显微图像	未指定，但提及可通过GitHub和Google Colab访问	未指定具体架构	未明确说明	Google Colab（面向机器学习经验有限的用户）
733	2026-03-22	Magnetic Resonance Spectroscopy Spectral Registration Using Deep Learning 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28868 PMID:37401726	研究论文	本文提出了一种基于卷积神经网络的磁共振波谱配准方法，用于单个体素MEGA-PRESS MRS数据的同步频率和相位校正	首次将深度学习应用于磁共振波谱配准，实现了同步频率和相位校正，填补了该领域深度学习方法的空白	研究主要基于模拟数据集和有限的体内数据，需要更多真实世界数据验证其泛化能力	开发一种高效准确的磁共振波谱配准方法，用于MRS数据的频率和相位校正	单个体素MEGA-PRESS磁共振波谱数据	医学影像分析	NA	磁共振波谱，MEGA-PRESS序列	CNN	波谱数据	40,000个模拟MEGA-PRESS数据集和101个体内MEGA-PRESS内侧顶叶数据	NA	CNN-SR	频率偏移平均绝对误差，相位偏移平均绝对误差，胆碱区间方差	NA
734	2026-03-22	Deep learning-based patient stratification for prognostic enrichment of clinical dementia trials 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae445 PMID:39713242	研究论文	本研究利用深度学习对早期痴呆患者进行分层，以优化临床试验的预后富集	采用深度学习方法对痴呆患者的疾病轨迹进行聚类，识别出“慢速”和“快速”进展亚组，并开发机器学习模型从横断面数据预测进展亚组，以降低临床试验所需样本量和成本	研究样本量相对有限（283名早期痴呆患者），且模型预测性能（AUC 0.70）有待进一步提升	通过人工智能方法对痴呆患者进行分层，以优化临床试验设计并提高治疗发现效率	早期痴呆患者，包括认知和功能评分数据	机器学习	阿尔茨海默病	深度学习聚类，机器学习分类	深度学习，机器学习	认知和功能评分数据	283名早期痴呆患者（内部队列），2779名痴呆患者（外部验证队列）	NA	NA	AUC（受试者工作特征曲线下面积）	NA
735	2026-03-22	Automated pediatric brain tumor imaging assessment tool from CBTN: Enhancing suprasellar region inclusion and managing limited data with deep learning 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae190 PMID:39717438	研究论文	本研究提出了一种基于深度学习的自动化工具，用于儿科脑肿瘤的颅骨剥离和肿瘤分割，特别关注鞍区/鞍上区域，并在有限数据场景下评估其性能	开发了能够处理鞍区/鞍上区域罕见肿瘤的颅骨剥离和肿瘤分割模型，并在多参数MRI输入和有限数据条件下展示了良好的泛化能力	肿瘤分割模型对于增强肿瘤区域的Dice分数相对较低（中位数约0.79），表明在复杂肿瘤区域的分割精度仍有提升空间，且研究依赖于特定儿科患者队列	开发并评估自动化儿科脑肿瘤成像评估工具，以改进颅骨剥离和肿瘤分割在临床有限数据环境下的应用	527名患有各种儿科脑肿瘤组织学类型的儿科患者的MRI扫描数据	数字病理学	儿科脑肿瘤	多参数MRI扫描	深度学习	图像	527名儿科患者（颅骨剥离模型使用336例，肿瘤分割模型使用489例）	nnU-Net	nnU-Net	Dice分数, 敏感性, 95% Hausdorff距离	NA
736	2026-03-21	Conserved cysteine residues in Kaposi's sarcoma herpesvirus ORF34 are necessary for viral production and viral pre-initiation complex formation 2024-08-20, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01000-24 PMID:39078391	研究论文	本研究通过深度学习辅助的结构模型揭示了卡波西肉瘤疱疹病毒ORF34中保守的半胱氨酸残基对病毒前起始复合体形成和病毒生产的关键作用	利用深度学习算法辅助构建ORF34结构模型，首次系统鉴定并验证了四个保守半胱氨酸残基在vPIC组装中的金属离子捕获功能	研究主要基于体外细胞实验，尚未在动物模型中验证这些突变体的体内影响；金属离子结合的具体机制仍需进一步生化验证	阐明KSHV ORF34蛋白在病毒前起始复合体中的具体作用机制及其对病毒晚期基因表达的调控功能	卡波西肉瘤疱疹病毒（KSHV）的ORF34蛋白及其保守氨基酸残基	计算生物学	卡波西肉瘤	深度学习辅助结构建模、丙氨酸扫描突变、病毒-细菌人工染色体（BAC）系统	深度学习算法	蛋白质序列与结构数据	NA	NA	NA	病毒产量恢复效率、蛋白质相互作用强度	NA
737	2026-03-21	Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314707 PMID:39693322	研究论文	本研究分析了两位评审员在标注视网膜OCT扫描质量和常见病理特征时的一致性	开发了自定义标注软件来评估OCT扫描特征标注的评分者间可靠性	某些特征如SRF和高反射点的标注一致性较低	评估OCT扫描质量和病理特征标注的评分者间可靠性	500个来自CIRRUS HD-OCT 5000设备的视网膜OCT扫描	数字病理学	视网膜疾病	光学相干断层扫描	NA	图像	500个OCT扫描，每位患者眼睛由16个随机扫描表示	NA	NA	原始百分比一致性, Cohen's kappa系数	NA
738	2026-03-21	From cancer big data to treatment: Artificial intelligence in cancer research 2024-01, The journal of gene medicine IF:3.2Q2 DOI:10.1002/jgm.3629 PMID:37940369	综述	本文概述了癌症大数据，并探讨了传统机器学习和深度学习方法在癌症基因组学和蛋白质组学研究中的应用	探索了多模态人工智能框架在分析高维多组学数据中的应用，以提取难以手动获取的有意义信息	可解释性和数据质量仍然是关键挑战	推进对癌症生物学的理解，改善患者护理和临床结果	癌症大数据，包括临床研究、基因组学、蛋白质组学和公共卫生记录	机器学习	癌症	组学技术	传统机器学习，深度学习	多组学数据	NA	NA	NA	NA	NA
739	2026-03-20	Contrastive Clustering-Based Patient Normalization to Improve Automated In Vivo Oral Cancer Diagnosis from Multispectral Autofluorescence Lifetime Images 2024-Dec-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16234120 PMID:39682305	研究论文	本文提出了一种基于对比聚类的患者归一化方法，用于改进基于多光谱自体荧光寿命图像的口腔癌自动诊断	提出了一种无需在测试时与患者自身参考样本直接比较的对比预训练方法，以实现患者归一化，并利用多任务框架有效利用小数据集	方法针对特定成像模态设计，虽然开发过程可推广，但直接应用于其他非传统成像模态需调整	提高基于多光谱自体荧光寿命图像的口腔癌自动诊断模型的性能，克服小数据集下的过拟合和患者间变异问题	口腔组织多光谱自体荧光寿命图像	数字病理	口腔癌	多光谱自体荧光寿命成像	深度学习模型	图像	67名患者	NA	对比预训练编码器	灵敏度, 特异性	NA
740	2026-03-20	EXACT-Net: Framework for EHR-Guided Lung Tumor Auto-Segmentation for Non-Small Cell Lung Cancer Radiotherapy 2024-Dec-06, Cancers IF:4.5Q1 DOI:10.3390/cancers16234097 PMID:39682283	研究论文	本研究提出了一种名为EXACT-Net的多模态AI框架，利用电子健康记录（EHR）引导进行非小细胞肺癌（NSCLC）放疗中的肺部肿瘤自动分割，旨在提高分割准确性并减少假阳性	通过结合预训练大型语言模型（LLM）提取的EHR信息与CT图像数据，构建多模态AI框架，有效去除假阳性结节，提升肿瘤分割性能	研究仅基于10名NSCLC患者的数据进行训练和验证，样本规模较小，可能影响模型的泛化能力	开发一种EHR引导的肺部肿瘤自动分割方法，以加速NSCLC放疗流程，提高治疗效率	非小细胞肺癌（NSCLC）患者的CT图像及对应的电子健康记录（EHR）	数字病理学	肺癌	CT扫描，大型语言模型（LLM）信息提取	深度学习模型，大型语言模型（LLM）	图像（CT），文本（EHR）	10名NSCLC患者	NA	EXACT-Net	结节检测成功率	NA