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
761	2026-07-07	A reliable diabetic retinopathy grading via transfer learning and ensemble learning with quadratic weighted kappa metric 2024-02-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02446-x PMID:38321416	研究论文	提出一种结合迁移学习与集成学习的糖尿病视网膜病变分级方法，使用二次加权卡帕指标评估性能	结合预训练模型权重迁移学习与数据增强，提出三层分类器架构，并采用二次加权卡帕指标提高分级准确性	未提及具体计算资源需求或模型在真实临床环境中的验证	开发高效且可靠的糖尿病视网膜病变分级方法，解决现有模型计算负担重且分级不准确的问题	糖尿病视网膜病变患者眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	迁移学习与集成学习模型	图像	Eyepacs、Aptos和Messidor三个数据集	未明确提及	三层分类器（含Dropout和ReLU激活）	二次加权卡帕指标	未提及
762	2026-07-07	Susceptibility of AutoML mortality prediction algorithms to model drift caused by the COVID pandemic 2024-02-02, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02428-z PMID:38308256	研究论文	研究COVID疫情导致的数据漂移对AutoML死亡率预测算法模型漂移的影响	首次系统评估COVID疫情导致的突然数据漂移对AutoML死亡率预测模型的影响，并测试多种简单易行的训练方法能否防止模型性能下降	仅测试了少数简单易行的修改方法，未涉及更复杂的技术如在线学习或增量学习；数据集仅来自一家医院的105,666例病例，泛化性有限	表征COVID疫情导致的突然数据漂移，并评估不同模型训练方法对防止模型退化效果	手术患者的术后死亡率预测模型	机器学习	手术相关死亡率	NA	广义线性模型、默认随机森林、梯度提升机、极限梯度提升、深度学习、堆叠集成	结构化表格数据	105,666例手术患者数据（2014-2019年）	H2O AutoML	GLM、随机森林、GBM、XGBoost、深度学习、堆叠集成	AUC、精确率-召回率曲线	NA
763	2026-07-07	Heteroscedastic Uncertainty Estimation Framework for Unsupervised Registration 2024, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72069-7_61 PMID:41960565	研究论文	提出了一种用于无监督图像配准的异方差不确定性估计框架，通过自适应降低高不确定性区域的影响来提升配准性能	提出协作训练策略和基于信噪比的图像保真度加权方案，能够处理医学图像中依赖于输入的异方差噪声分布	NA	解决无监督配准中均匀噪声假设导致的性能下降问题，实现更精确的位移估计	针对医学图像配准任务中的噪声分布异质性问题	计算机视觉	NA	NA	CNN	图像	NA	PyTorch	ResNet, U-Net	准确率, 均方误差, 信噪比	NA
764	2026-07-07	Overview of current applications and trends in artificial intelligence for cystoscopy and transurethral resection of bladder tumours 2024-01-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001135 PMID:37902120	综述	综述人工智能在膀胱镜检查和经尿道膀胱肿瘤切除术中的当前应用和趋势	总结了近一年半内膀胱镜深度学习数据集的丰富性，包括多种肿瘤类型图像以及人工智能在间质性膀胱炎诊断中的新应用	真实世界临床应用滞后	评估人工智能在膀胱镜检查和膀胱肿瘤切除术中的辅助诊断和治疗作用	膀胱肿瘤和间质性膀胱炎	计算机视觉	膀胱癌、间质性膀胱炎	NA	深度学习	图像	NA	NA	NA	NA	NA
765	2026-07-06	Controlled and Real-Life Investigation of Optical Tracking Sensors in Smart Glasses for Monitoring Eating Behavior Using Deep Learning: Cross-Sectional Study 2024-09-26, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/59469 PMID:39325528	研究论文	利用智能眼镜光学追踪传感器和深度学习实现进食行为的非侵入性监测	通过智能眼镜中的光学传感器实时监测面部肌肉活动，结合深度学习和隐马尔可夫模型，对咀嚼事件进行细粒度分析，区分咀嚼与其他面部活动	未明确提及研究局限性	开发一种准确且非侵入性的系统，用于自动监测进食和咀嚼活动	不同个体的进食、说话和咬牙等面部活动	机器学习	肥胖症	光学传感器	卷积长短期记忆网络 (ConvLSTM)	时间序列数据	未明确提及具体样本数量	NA	卷积长短期记忆网络	F1分数, 精确率, 召回率	NA
766	2026-07-06	DeepResBat: deep residual batch harmonization accounting for covariate distribution differences 2024-Aug-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.18.574145 PMID:38293022	研究论文	提出了一种基于深度残差批量协调的方法DeepResBat，以解决多数据集MRI数据中的协变量分布差异问题	首次在深度神经网络协调方法中显式考虑协变量分布差异，提出残差框架DeepResBat和coVAE，与ComBat相比能更有效消除数据集差异并增强生物学效果	coVAE可能产生虚假设关联，即使不存在关联也会在解剖MRI与协变量之间产生假阳性	开发一种基于深度学习的协调方法，在消除多数据集间不必要变异的同时保留生物学变量的效果	多数据集MRI数据中的协变量分布差异协调	数字病理学, 机器学习	NA	MRI扫描	条件变分自编码器(cVAE), 条件变分自编码器与残差网络的结合(DeepResBat)	图像（解剖T1扫描图像）	来自三大洲三个数据集的2787名参与者，共10085次解剖T1扫描	PyTorch（推测，基于CBIG库）	cVAE, coVAE, DeepResBat	数据集差异去除效果、生物学效果增强程度（具体指标如相关性、统计显著性等）	NA（未在标题和摘要中明确提及）
767	2026-07-06	Wearable Data From Subjects Playing Super Mario, Taking University Exams, or Performing Physical Exercise Help Detect Acute Mood Disorder Episodes via Self-Supervised Learning: Prospective, Exploratory, Observational Study 2024-07-17, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/55094 PMID:39018100	research paper	利用自监督学习从穿戴设备数据中检测急性情绪障碍发作	首次将自监督学习应用于穿戴设备数据检测急性情绪障碍发作，提出E4mer模型架构和E4SelfLearning数据集，解决了数据标注瓶颈	自监督学习性能依赖于预训练代理任务的选择和无标签数据的规模	克服穿戴设备数据标注瓶颈，提升急性情绪障碍发作检测性能	急性情绪障碍患者和稳定期患者的穿戴设备数据	machine learning	mood disorder	NA	Transformer	穿戴设备数据（来自Empatica E4腕带）	161名受试者（其中64名患者，32名急性期，32名稳定期）	NA	E4mer, XGBoost	正确分类的片段数量（3353/4128 vs 3110/4128 vs 2973/4128）	NA
768	2026-07-06	Assessing Biological Age: The Potential of ECG Evaluation Using Artificial Intelligence: JACC Family Series 2024-04, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.02.011 PMID:38597855	研究论文	探讨利用人工智能分析心电图评估生物年龄的潜力	利用深度学习模型在数十万份心电图数据上训练，通过AI-ECG得出的年龄与实际年龄的差值（delta age）作为生物年龄的替代指标，并发现其与死亡率相关	年龄预测存在误差，且未能实现完美预测	评估利用人工智能从心电图中预测生物年龄的可行性及其临床价值	数十万份心电图及其对应的个体年龄数据	机器学习	心血管疾病	心电图（ECG）	深度学习模型	心电图信号数据	数十万份心电图样本	NA	深度学习模型	年龄预测误差	NA
769	2026-07-06	Efficient Prediction Model of mRNA End-to-End Distance and Conformation: Three-Dimensional RNA Illustration Program (TRIP) 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3766-1_13 PMID:38502487	研究论文	介绍了一种名为TRIP的计算机模拟模型，用于高效预测mRNA末端距和构象	提出了一种基于单链模型和单分子荧光原位杂交实验角度限制的快速高效预测模型，仅需最多三个输入即可获取输出，并实现RNA三维构象的粗略可视化	NA	开发一种快速高效的预测模型，用于预测长mRNA的末端距和三维构象	长mRNA分子	计算机模拟，生物信息学	NA	计算机模拟，单分子荧光原位杂交（smFISH）	单链模型	RNA序列及构象数据	NA	NA	NA	NA	NA
770	2026-07-05	Neural implicit surface reconstruction of freehand 3D ultrasound volume with geometric constraints 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103305 PMID:39168075	研究论文	提出一种名为FUNSR的自监督神经隐式曲面重建方法，用于从自由手3D超声体积中学习符号距离函数	首次将自监督学习与几何约束（符号一致性约束和对抗学习中的表面约束）相结合，实现自由手3D超声体积的高质量曲面重建	未明确说明局限性，但隐式曲面重建在复杂噪声和运动干扰下的鲁棒性仍需进一步验证	解决自由手3D超声体积中因图像噪声导致的曲面重建质量低的问题，提高重建的平滑性、连续性和分辨率	四种不同解剖结构的超声数据集：髋部假体、两个血管数据集和一个公开的前列腺数据集	计算机视觉	NA	3D自由手超声	神经隐式曲面重建	3D超声体积	四个超声数据集（髋部假体、两个血管、一个公开前列腺）	PyTorch	FUNSR（自监督神经隐式曲面重建网络）	曲面质量、分割性能、噪声鲁棒性、运动扰动鲁棒性	NA
771	2026-07-05	Foundation models in gastrointestinal endoscopic AI: Impact of architecture, pre-training approach and data efficiency 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103298 PMID:39173410	research paper	评估在胃肠道内镜图像分析中，使用领域内预训练相对于自然图像预训练的潜在优势	首次在大规模胃肠道内镜图像数据集GastroNet-5M上，比较自监督领域内预训练与各种自然图像预训练方法在下游任务中的性能，发现DINO框架的自监督领域内预训练效果最佳	未提及具体局限性	探究胃肠道内镜图像分析中领域内预训练相比自然图像预训练的潜在优势	胃肠道内镜图像分析中的下游任务，如血管发育不良检测和息肉分割	计算机视觉	胃肠道疾病	NA	CNN和Vision Transformer	图像	5,014,174张胃肠道内镜图像，来自8个医疗中心，下游任务使用5个数据集	PyTorch	ResNet50, Vision-Transformer-small	平均性能提升百分比	NA
772	2026-07-05	Domain adaptation strategies for 3D reconstruction of the lumbar spine using real fluoroscopy data 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103322 PMID:39197301	研究论文	针对真实荧光透视数据，提出域适应策略用于腰椎三维重建，以克服合成训练数据与真实术中图像之间的域差距	设计新型数据收集协议构建配对数据集（合成与真实荧光图像），结合风格迁移与迁移学习缩小域差距；仅需三张术中荧光图像即可实现快速精确的三维重建	未在更大规模真实临床数据上验证，且对成像设置和视角依赖性需进一步优化	提升术中三维重建的实用性，推动手术导航在骨科手术中的广泛应用	腰椎的三维解剖结构重建	计算机视觉, 医学影像	骨科脊柱疾病	X光荧光透视成像	深度学习模型	合成与真实荧光图像	配对数据集（合成与真实图像），具体数量未明确提及	PyTorch	X23D	F1分数（84%）	81.1毫秒的计算时间，推测使用GPU加速，具体型号未说明
773	2024-09-10	Editorial for the Special Issue on the 2022 Medical Imaging with Deep Learning Conference 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103308 PMID:39214771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
774	2026-07-05	Multi-detector fusion and Bayesian smoothing for tracking viral and chromatin structures 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103227 PMID:38897031	研究论文	提出一种基于多检测器融合和贝叶斯平滑的概率跟踪方法，用于追踪荧光显微镜图像中的病毒和染色质结构	首次结合多检测器和多尺度数据融合以及贝叶斯平滑，使用基于强度的协方差交集方法整合检测结果，无需优化步骤	未提及	实现荧光显微镜图像中病毒和细胞内结构（显示为不同大小斑点）的自动跟踪，以量化细胞过程	病毒颗粒、细胞内结构（染色质）	计算机视觉	NA	荧光显微镜成像	贝叶斯平滑	图像（荧光显微镜图像）	使用粒子跟踪挑战赛图像数据以及丙型肝炎病毒感染细胞和非感染细胞的实时细胞荧光显微镜图像	NA	NA	NA	NA
775	2026-07-05	Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data 2024-Sep, Psychological medicine IF:5.9Q1 DOI:10.1017/S0033291724001557 PMID:39245902	研究论文	使用深度学习方法分析军事社交媒体帖子以检测服役人员和退伍军人的自杀风险	首次针对军事特定社交媒体平台开发基于深度学习的自杀风险检测算法，并集成帖文文本与元数据	研究仅基于公开社交媒体数据，可能无法完全代表所有服役人员的真实情况，且需进一步验证在真实干预场景中的有效性	开发能自动检测社交媒体中自杀相关内容的算法，用于识别高危服役人员和退伍军人	美国军事服役人员和退伍军人	自然语言处理	自杀风险	社交媒体数据分析	深度学习模型 (RoBERTa)	文本数据（社交媒体帖子）	8449条军事特定社交媒体平台的公开帖子	NA	RoBERTa	敏感性, 特异性, 精确度, F1分数, 精确率-召回率曲线下面积	NA
776	2026-07-05	Deep transformer-based personalized dosimetry from SPECT/CT images: a hybrid approach for [177Lu]Lu-DOTATATE radiopharmaceutical therapy 2024-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06618-9 PMID:38267686	研究论文	开发了一种基于Transformer的混合深度学习模型，用于从SPECT/CT图像进行[177Lu]Lu-DOTATATE放射性药物治疗的个性化剂量测定	结合UNETR架构和多体素S值方法，实现快于蒙特卡洛模拟且精度接近的体素级剂量测定	仅使用22名患者数据集，模型在异质区域性能提升但未评估大规模临床应用	提高放射性药物治疗中剂量测定的准确性和效率	[177Lu]Lu-DOTATATE治疗患者的SPECT/CT图像和剂量图	机器学习	神经内分泌肿瘤	SPECT/CT成像	UNETR（UNEt TRansformer）	图像	22名患者（最多4个治疗周期）	PyTorch	UNETR	体素相对绝对误差，伽马分析通过率，器官水平绝对百分比误差	GPU（未指定具体型号）
777	2026-07-05	O2 supplementation disambiguation in clinical narratives to support retrospective COVID-19 studies 2024-01-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02425-2 PMID:38297364	研究论文	针对临床叙事中补充氧气信息的消歧，以支持回顾性COVID-19研究	比较了从传统机器学习到深度学习多种模型，并用LIME解释模型决策，显示传统方法能以更低计算成本达到相近性能	未明确提及，但可能包括数据仅来自德语出院小结及样本规模有限	自动化分类COVID-19患者是否接受补充氧气，减轻医生手工审阅负担	COVID-19患者出院小结中的文本行	自然语言处理	COVID-19	NA	从传统机器学习到深度学习模型	文本	未提供具体数量，来自匿名化德语COVID-19患者出院小结	NA	NA	F-measure	NA
778	2026-07-05	Application of machine learning models on predicting the length of hospital stay in fragility fracture patients 2024-01-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02417-2 PMID:38291406	研究论文	应用机器学习模型预测脆性骨折患者住院时长	首次将机器学习技术应用于脆性骨折患者住院时长预测	样本量较小（8000例）	开发预测脆性骨折患者住院时长的机器学习模型，优化医疗资源配置	香港老年脆性骨折患者	机器学习	老年性疾病	NA	Wide & Deep学习、人工神经网络、梯度提升框架	表格数据	8000份患者记录	TensorFlow	Wide & Deep, 自定义人工神经网络	准确率, 精确率, AUC-ROC	NA
779	2026-07-05	Development of a generative deep learning model to improve epiretinal membrane detection in fundus photography 2024-01-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02431-4 PMID:38273286	研究论文	开发一种生成式深度学习模型，通过合成具有病理特征的彩色眼底照片来提高黄斑前膜检测性能	首次将StyleGAN2生成模型应用于黄斑前膜检测任务，通过合成逼真的黄斑前膜眼底照片来增强数据多样性，显著提升检测性能	NA	提高彩色眼底照片中黄斑前膜的检测准确率	黄斑前膜患者和健康对照的彩色眼底照片	计算机视觉	视网膜疾病	彩色眼底摄影	生成对抗网络	图像	302例黄斑前膜和1,250例健康对照的彩色眼底照片	NA	StyleGAN2, EfficientNetB0	受试者工作特征曲线下面积 (AUC)	NA
780	2026-07-05	Assessment of Protein-Protein Docking Models Using Deep Learning 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_10 PMID:38987469	综述文章	本文回顾了蛋白质对接模型评估方法的进展，特别关注了将深度学习应用于多种网络架构的最新发展	系统综述了深度学习在蛋白质对接模型评估中的最新应用，涵盖了多种网络架构的创新使用	未详细说明具体的数据集规模、模型性能指标或计算资源需求，缺乏定量比较分析	回顾蛋白质对接模型评估方法的进展，特别是深度学习技术的应用	蛋白质对接模型评估方法	机器学习	NA	蛋白质对接，深度学习	多种深度学习网络架构	蛋白质结构数据	NA	NA	多种网络架构	NA	NA