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
61	2026-09-19	Development of a Deep Learning System for Intraoperative Identification of Cancer Metastases 2024-12-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006294 PMID:38577794	研究论文	开发和测试一种深度学习手术指导系统（计算机辅助分期腹腔镜，CASL），用于在常规腹腔镜图像上术中识别腹膜表面转移	开发了CASL原型系统，首次将深度学习应用于术中腹膜表面转移的识别，并在模拟临床环境中与肿瘤外科医生的诊断性能进行了对比	仍需进一步开发和未来在多机构临床环境中进行验证	开发和测试一种深度学习手术指导系统原型，能够在术中从常规腹腔镜图像上识别腹膜表面转移	132例经组织学确诊的胃肠道腺癌患者的腹腔镜分期图像，包括4287个可见腹膜表面病变和365个活检腹膜表面病变的3650个图像块	医学图像分析	胃肠道癌症	腹腔镜成像	深度学习	图像	132例患者的腹腔镜图像，4287个可见腹膜表面病变和365个活检腹膜表面病变的3650个图像块	NA	NA	AUC	NA
62	2026-09-19	XRAInet: AI-based decision support for pneumothorax and pleural effusion management 2024-11, Pediatric pulmonology IF:2.7Q2 DOI:10.1002/ppul.27133 PMID:38961684	研究论文	本研究开发并评估了一种基于人工智能的决策支持系统XRAInet，用于准确识别患有胸腔积液或气胸的儿科患者，并判断是否需要进行胸腔闭式引流干预	开发了XRAInet这一AI驱动的决策支持系统，专门针对儿科患者的胸腔积液和气胸管理，能够判断是否需要进行胸腔闭式引流，在独立测试集上实现了96.15%的特异度	独立测试集上的灵敏度仅为64.00%，数据质量存在问题，模型可解释性有待提高，需要探索混合模型并符合监管要求	开发和评估AI驱动的决策支持系统XRAInet，用于准确识别儿科胸腔积液或气胸患者并判断是否需要胸腔闭式引流干预	170名儿科患者的510张X射线图像	计算机视觉	气胸和胸腔积液	深度学习	CNN	图像	510张X射线图像，来自170名儿科患者	NA	NA	mAP, 召回率, 精确率, F1分数, 灵敏度, 特异度	NA
63	2026-09-19	Enhancing origin prediction: deep learning model for diagnosing premature ventricular contractions with dual-rhythm analysis focused on cardiac rotation 2024-10-03, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology IF:7.9Q1 DOI:10.1093/europace/euae240 PMID:39271126	研究论文	本文开发了一种结合ResNet50和Transformer的深度学习模型，利用双节律分析（窦性心律和室性早搏）来预测室性早搏的起源，并比较了双节律模型与仅使用室性早搏的模型的性能	首次将窦性心律与室性早搏形态结合进行双节律分析，并量化了各导联在预测室性早搏起源中的贡献，特别是在不同心脏旋转方向下窦性心律的重要性	样本量相对有限（593例），且未详细报告计算资源；外部验证仅来自一个中心（比利时），可能存在选择偏倚	比较双节律模型与室性早搏模型在预测室性早搏起源中的性能，并评估窦性心律的贡献	593例接受室性早搏消融的患者，来自11个中心（日本、德国和比利时）	机器学习	心血管疾病	12导联心电图	CNN, Transformer	图像	593例患者（493例来自日本和德国作为训练/内部验证，100例来自比利时作为外部验证）	NA	ResNet50, Transformer	准确率, 精确率, 特异性, AUC, F1分数	NA
64	2026-09-19	Schizophrenia diagnosis using the GRU-layer's alpha-EEG rhythm's dependability 2024-10, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111886 PMID:39217668	研究论文	该研究提出了一种基于门控循环单元（GRU）的深度学习模型RDCGRU，用于利用alpha-EEG节律诊断精神分裂症，并验证了alpha节律在该模型中的可靠性。	提出了RDCGRU模型，结合了密集耦合卷积和门控循环单元，使用指数线性单元激活函数，有效缓解梯度消失/爆炸问题，并首次验证了alpha-EEG节律在GRU-based模型中对精神分裂症诊断的优越性。	未明确提及	利用深度学习技术，基于EEG节律（特别是alpha节律）实现精神分裂症的辅助诊断，并验证alpha节律的可靠性。	精神分裂症患者和健康对照的EEG信号	机器学习	精神分裂症	EEG	CNN, GRU	信号	NA	NA	RDCGRU（包含1-D卷积层、密集耦合卷积层和GRU层）	准确率	NA
65	2026-09-19	Accuracy of Artificial Intelligence Models in the Prediction of Periodontitis: A Systematic Review 2024-10, JDR clinical and translational research DOI:10.1177/23800844241232318 PMID:38589339	系统综述	本文系统综述了人工智能模型在预测牙周炎方面的准确性，分析了8项相关研究	系统评估了不同AI模型在牙周炎预测中的表现，并采用QUADAS-2工具进行偏倚风险评估	大多数研究为回顾性设计，未采用最新的深度学习网络，缺乏标准化的数据收集和分析方案	检验各种AI模型在预测牙周炎方面的准确性证据	牙周炎预测相关的研究文献	机器学习	牙周炎	NA	人工神经网络, 支持向量机, 决策树, 逻辑回归, 随机森林	文本	961条记录筛选后纳入8篇文章	NA	人工神经网络, 支持向量机, 决策树, 逻辑回归, 随机森林	NA	NA
66	2026-09-19	Deep learning based diagnosis of PTSD using 3D-CNN and resting-state fMRI data 2024-09, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2024.111845 PMID:38908302	研究论文	该研究利用静息态功能磁共振成像数据，通过3D-CNN及多种机器学习方法对创伤后应激障碍患者与健康对照进行分类诊断	首次将3D-CNN应用于静息态fMRI数据对PTSD进行分类，并系统比较了六种传统机器学习方法与3D-CNN的性能差异	样本量较小（仅19例PTSD患者和24例健康对照），且仅纳入男性受试者，结果的泛化性有待进一步验证	利用静息态功能磁共振成像数据准确检测和分类创伤后应激障碍患者与健康对照	19名PTSD男性患者和24名健康男性对照的静息态fMRI数据	医学影像分析	创伤后应激障碍	静息态功能磁共振成像、独立成分分析	3D-CNN、随机森林、朴素贝叶斯、支持向量机、决策树、K近邻、线性判别分析	三维影像	43名受试者（19名PTSD患者和24名健康对照）的静息态fMRI数据	NA	3D-CNN	准确率	NA
67	2026-09-19	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2024-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26707 PMID:38798082	研究论文	本文提出了一种利用模型可解释性增强分类模型在不同队列间泛化能力的框架，用于基于神经影像的阿尔茨海默病评估	通过将类别级注意力与统一的视觉显著性先验对齐，其中显著性先验使用所有训练数据离线计算，从而提升模型的域泛化能力，并与尸检组织学显示更好的相关性	未明确提及	开发能够应对不同数据生成协议、成像设备、放射学伪影和人口统计学分布变化等挑战的深度学习模型，用于评估MRI扫描中由认知障碍引起的结构性大脑变化	来自四个独立队列的MRI扫描和临床诊断数据：ADNI（n=1821）、FHS（n=304）、AIBL（n=661）和NACC（n=4647）	数字病理学	阿尔茨海默病	MRI扫描、临床诊断	深度神经网络	图像	7433例MRI扫描（ADNI n=1821，FHS n=304，AIBL n=661，NACC n=4647）	NA	NA	与尸检组织学的相关性	NA
68	2026-09-19	Prediction of PM2.5 concentration based on a CNN-LSTM neural network algorithm 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17811 PMID:39131620	研究论文	本研究基于CNN-LSTM深度学习模型对青岛市PM2.5浓度进行预测与分析	集成CNN提取空间特征和LSTM学习时间依赖性，用于PM2.5时间序列预测，并揭示气象因素的影响	未提及	预测和分析站点PM2.5浓度，以追溯污染源并实施健康保护措施	青岛市2020年PM2.5数据以及温度、风速、气压等气象因素	机器学习	NA	NA	CNN-LSTM	时间序列数据	青岛市2020年PM2.5和气象数据	NA	CNN, LSTM	决定系数R², 均方根误差RMSE	NA
69	2026-09-19	CL-Informer: Long time series prediction model based on continuous wavelet transform 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303990 PMID:39269969	研究论文	提出了一种结合连续小波变换和LSTM的CL-Informer模型，用于提高长时间序列预测的准确性	在Informer模型中添加了基于连续小波变换的嵌入层，并引入LSTM层捕获数据依赖和处理冗余信息	未明确说明	提高时间序列预测的准确性	时间序列数据	机器学习	NA	连续小波变换，LSTM	Informer，LSTM	时间序列	五个数据集	NA	Informer，LSTM	MSE	NA
70	2026-09-19	Domain affiliated distilled knowledge transfer for improved convergence of Ph-negative MPN identifier 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303541 PMID:39331624	研究论文	该论文通过将大型淋巴结图像数据集上训练的ResNet模型的知识蒸馏到轻量级CNN中，以提升Ph阴性骨髓增殖性肿瘤（MPN）图像分类的准确性和收敛速度	首次将知识蒸馏技术用于解决Ph阴性MPN数据稀缺问题，通过从大型淋巴结图像数据集蒸馏知识到轻量级CNN，再在小型MPN数据集上微调，显著提升了模型性能	研究仅基于300张MPN图像的小数据集，未验证在其他罕见病或更大规模数据上的泛化能力；未与其他先进的小样本学习方法进行充分比较	解决Ph阴性MPN诊断中数据稀缺导致的深度学习模型性能不佳问题，提升轻量级模型在小样本MPN数据集上的收敛性和准确性	Ph阴性骨髓增殖性肿瘤（MPN）的病理图像	数字病理学	Ph阴性骨髓增殖性肿瘤	知识蒸馏	CNN	图像	327680张淋巴结图像用于预训练，300张MPN图像用于微调	NA	ResNet-50, 4层CNN	准确率	NA
71	2026-09-18	Analyzing variation of water inflow to inland lakes under climate change: Integrating deep learning and time series data mining 2024-10-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.119478 PMID:38917931	研究论文	该研究提出了一种名为FactorConvSTLnet（FCS）的新方法，通过整合STL分解、卷积神经网络（CNN）和因子分析来预测气候变化背景下内陆湖泊的入湖水量趋势并揭示主要驱动因素	提出了新型FactorConvSTLnet（FCS）方法，将STL分解、CNN和因子分析集成到统一框架中，通过将趋势信息分离为建模预测因子，在长期WIRL趋势预测中更具鲁棒性，同时能揭示主要驱动因素	仅应用于中亚两个典型内陆湖泊（咸海和巴尔喀什湖），方法的泛化性有待在其他区域和湖泊中进一步验证	预测河流入湖水量趋势并揭示气候变化背景下主要影响因素，为促进区域生态可持续发展提供科学依据	中亚典型内陆湖泊（咸海和巴尔喀什湖）的河流入湖水量（WIRL）	机器学习	NA	STL分解、因子分析、时间序列数据挖掘	CNN	时间序列数据	NA	NA	FactorConvSTLnet（FCS），基于CNN	Nash-Sutcliffe效率（NSE）、均方根误差（RMSE）、平均相对误差（MRE）	NA
72	2026-09-18	An ingenious deep learning approach for pressure injury depth evaluation with limited data 2024-08, Journal of tissue viability IF:2.4Q1 DOI:10.1016/j.jtv.2024.05.009 PMID:38825443	研究论文	该研究利用深度学习对骶部压力性损伤图像进行深度评估，在有限监督数据下比较了三种卷积神经网络分类模型的性能	提出了一种组合分类模型，通过先使用二分类模型进行初步d0评估，再使用分类模型减少评估步骤，在不增加监督数据的情况下实现了优越的性能	研究为回顾性观察性研究，样本量较小（414张图像），且仅针对骶部压力性损伤，可能限制模型的泛化能力	开发能够在有限监督数据下实现高性能的深度学习模型，用于从伤口图像评估压力性损伤的深度	2017年2月至2021年12月期间接受骶部压力性损伤医学检查的患者	计算机视觉	压力性损伤	深度学习	CNN	图像	414张压力性损伤图像（五个深度阶段d0至D4）	NA	卷积神经网络（分类、二分类、组合分类模型）	F1分数, 精确率	NA
73	2026-09-18	Revolutionizing early Alzheimer's disease and mild cognitive impairment diagnosis: a deep learning MRI meta-analysis 2024-08, Arquivos de neuro-psiquiatria IF:1.0Q4 DOI:10.1055/s-0044-1788657 PMID:39146974	meta-analysis	本文通过荟萃分析评估深度学习在MRI图像上诊断阿尔茨海默病和轻度认知障碍的诊断准确性	整合深度学习与人工智能进行MRI分析，提供无偏、高精度的诊断见解，并对T1加权和非T1加权MRI进行亚组分析	仅纳入18项研究，可能存在发表偏倚，且未详细说明深度学习模型的具体架构和计算资源	分析深度学习在MRI图像上诊断阿尔茨海默病和轻度认知障碍模型的诊断准确性	阿尔茨海默病和轻度认知障碍患者	医学影像分析	阿尔茨海默病, 轻度认知障碍	磁共振成像	深度学习	图像	18项研究	NA	NA	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, AUROC	NA
74	2026-09-18	Privacy-proof Live Surgery Streaming: Development and Validation of a Low-cost, Real-time Robotic Surgery Anonymization Algorithm 2024-07-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006245 PMID:38390732	研究论文	开发并验证了一种低成本、实时的机器人手术匿名化算法，用于在手术视频直播中可靠地移除体外图像	首个公开可用的、与机器人平台和手术类型无关的实时手术匿名化算法，在未见手术类型上性能优于现有最先进方法	需要进一步验证在更多手术类型和机器人平台上的泛化能力	开发并验证一种实时手术匿名化算法，以在机器人手术视频直播中准确移除体外图像	63个手术视频，涵盖6种手术类型，在4种机器人系统上执行	计算机视觉	NA	深度学习	CNN	图像	496,828张图像	NA	Robotic Anonymization Network（基于CNN）	AUC	NA
75	2026-09-18	Echocardiography-Based Deep Learning Model to Differentiate Constrictive Pericarditis and Restrictive Cardiomyopathy 2024-04, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2023.09.011 PMID:37943236	研究论文	该研究提出了一种基于经胸超声心动图心尖四腔心切面的深度学习模型，用于区分缩窄性心包炎和限制性心肌病	首次利用ResNet50深度学习模型基于标准心尖四腔心切面超声心动图区分缩窄性心包炎与心脏淀粉样变性，并使用GradCAM进行模型可解释性分析	单中心回顾性研究，样本量较小（381例），仅使用心尖四腔心切面，需要外部验证	开发基于经胸超声心动图的深度学习方法来区分缩窄性心包炎和限制性心肌病	2003年1月至2021年12月在Mayo Clinic Rochester确诊为缩窄性心包炎和心脏淀粉样变性的患者	计算机视觉	心血管疾病	经胸超声心动图	CNN	图像	381例患者（184例缩窄性心包炎，197例心脏淀粉样变性）	NA	ResNet50	AUC	NA
76	2026-09-18	Deep Learning, Constrictive Pericarditis, and its Occasional Doppelganger: A Step Closer to Clinical Realization 2024-04, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2023.10.009 PMID:38032588	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
77	2026-09-18	Rapid and automated design of two-component protein nanomaterials using ProteinMPNN 2024-03-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2314646121 PMID:38502697	研究论文	测试深度学习蛋白质序列设计方法ProteinMPNN设计双组分四面体蛋白质纳米材料的能力，并与Rosetta进行基准比较	首次应用ProteinMPNN设计双组分四面体蛋白质纳米材料，证明其成功率高、计算需求低、无需手动优化，且设计的界面极性更强，便于体外组装	未明确提及局限性	简化蛋白质-蛋白质界面设计，使不同学科的研究人员能够广泛应用	双组分四面体蛋白质纳米材料	蛋白质设计	NA	深度学习蛋白质序列设计	深度学习模型	蛋白质序列和结构	13个实验确认的组装体	NA	ProteinMPNN	成功率、晶体结构分辨率	NA
78	2026-09-18	A retrospective evaluation of individual thigh muscle volume disparities based on hip fracture types in followed-up patients: an AI-based segmentation approach using UNETR 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.17509 PMID:39161969	研究论文	该研究采用基于UNETR的AI自动分割模型，对随访的髋部骨折患者CT扫描进行大腿肌肉体积差异的回顾性评估。	利用UNETR架构的自动肌肉分割模型，高效、准确地量化随访髋部骨折患者的大腿肌肉体积变化，并揭示了不同骨折类型及特定肌肉群之间的显著差异。	样本量较小（18例），为单中心回顾性研究，可能影响结果的普遍性。	评估不同髋部骨折类型对随访患者大腿肌肉体积的影响，为康复干预提供定量依据。	在庆尚国立大学接受髋部骨折手术治疗的18例患者。	数字病理学	髋部骨折	CT扫描	UNETR	图像	18例患者	NA	UNETR	Dice分数, 相对绝对体积差	NA
79	2026-09-18	Machine learning and deep learning-based approach to categorize Bengali comments on social networks using fused dataset 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308862 PMID:39361557	研究论文	本文使用机器学习和深度学习技术对孟加拉语社交媒体评论进行分类，以检测网络骚扰	融合了两个数据集，生成94,000条孟加拉语评论，并比较了多种机器学习和深度学习模型	未明确提及	消除网络骚扰，创造一个无批评的在线环境	孟加拉语社交媒体评论	自然语言处理	NA	自然语言处理	多层感知器, K-最近邻, 极端梯度提升, 自适应增强分类器, 逻辑回归分类器, 随机森林分类器, 装袋分类器, 随机梯度下降, 投票分类器, 堆叠, 深度神经网络, 卷积神经网络, 卷积-长短期记忆网络, 双向长短期记忆网络	文本	94,000条孟加拉语评论	NA	多层感知器, K-最近邻, 极端梯度提升, 自适应增强分类器, 逻辑回归分类器, 随机森林分类器, 装袋分类器, 随机梯度下降, 投票分类器, 堆叠, 深度神经网络, 卷积神经网络, 卷积-长短期记忆网络, 双向长短期记忆网络	准确率, 精确率, 召回率, F1分数	NA
80	2026-09-18	A novel mean shape based post-processing method for enhancing deep learning lower-limb muscle segmentation accuracy 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0308664 PMID:39365764	研究论文	本文提出了一种基于均值形状的后处理方法，利用统计形状建模来优化深度学习下肢肌肉分割结果，以提高MRI扫描中的分割精度	提出了一种新颖的基于均值形状的后处理方法，利用统计形状建模考虑肌肉解剖形状来微调分割输出	样本量较小，仅包括两个队列的绝经后女性，共18例MRI扫描	提高基于MRI扫描的深度学习下肢肌肉分割精度，这对肌肉骨骼疾病的诊断和治疗过程至关重要	下肢肌肉，MRI扫描图像	计算机视觉	肌肉骨骼疾病	MRI	U-Net	图像	18例MRI扫描（10例训练，8例测试），来自绝经后女性队列，体素大小1.0x1.0x1.0 mm3	NA	U-Net	Dice相似系数（DSC）、Hausdorff距离（HD）、平均对称表面距离（ASSD）	NA