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
81	2026-03-19	Evaluating the Impact of BoNT-A Injections on Facial Expressions: A Deep Learning Analysis 2024-12-12, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjae204 PMID:39365026	研究论文	本研究利用深度学习技术客观评估了A型肉毒毒素注射对面部表情的影响	首次结合临床图像和标准数据集，采用基于CNN的面部情绪识别系统量化评估BoNT-A注射对面部表情的客观影响	研究样本量有限，仅包含180名患者，且仅评估了注射后14天的短期效果，缺乏长期随访数据	客观测量A型肉毒毒素注射对面部表情的影响	接受上脸部A型肉毒毒素注射的180名年龄在25至60岁之间的患者	计算机视觉	NA	面部情绪识别	CNN	图像	180名患者，共1440张照片	NA	NA	准确率	NA
82	2026-03-19	AI Prediction for Post-Lower Blepharoplasty Age Reduction 2024-11-15, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjae182 PMID:39163263	研究论文	本研究利用深度学习模型评估下眼睑成形术对感知年龄减少的效果	首次结合四种公开的年龄估计CNN模型，通过FaceAge软件对下眼睑成形术的美学结果进行相对客观的量化评估	样本量较小（150名患者），且美学标准本身具有主观性，AI评估可能无法完全捕捉所有美学维度	提供下眼睑成形术相关手术美学效果的客观评估，以增强手术决策和结果理解	150名接受下眼睑成形术相关手术的患者	计算机视觉	NA	深度学习，年龄估计	CNN	图像	150名患者	NA	Amazon Rekognition, Microsoft Azure Face, Face++ Detect, Inferdo face detection	年龄预测准确度，统计显著性差异	NA
83	2026-03-19	AdaWaveNet: Adaptive Wavelet Network for Time Series Analysis 2024-Nov, Transactions on machine learning research PMID:41816366	研究论文	本文提出了一种用于非平稳时间序列分析的AdaWaveNet模型，通过自适应小波变换进行多尺度分析	设计了基于提升方案的自适应可学习小波变换分解与重构机制，增强了分析的灵活性和鲁棒性	NA	解决时间序列数据非平稳特性带来的分析挑战，提高时间序列分析的准确性	非平稳时间序列数据	机器学习	NA	自适应小波变换	深度学习网络	时间序列数据	10个数据集	NA	AdaWaveNet	NA	NA
84	2026-03-19	ECG Semantic Integrator (ESI): A Foundation ECG Model Pretrained with LLM-Enhanced Cardiological Text 2024-Oct, Transactions on machine learning research PMID:41816367	研究论文	提出了一种名为ECG语义集成器（ESI）的新型多模态对比预训练框架，用于从心电图信号和相关文本描述中学习稳健表示	首次将基于检索增强生成（RAG）的大型语言模型（LLM）管道（Cardio Query Assistant）用于生成心电图文本描述，并构建了大规模多模态数据集进行对比预训练	未明确说明模型在临床环境中的实际部署验证情况	解决心电图分析领域缺乏大规模标注数据时学习稳健表示的关键挑战	12导联心电图信号及相关文本描述	机器学习	心血管疾病	检索增强生成（RAG）、大型语言模型（LLM）	多模态对比学习模型	心电图信号、文本	超过66万个心电图-文本对	未明确说明	ECG语义集成器（ESI）	未明确说明具体指标	NA
85	2026-03-19	SASAN: ground truth for the effective segmentation and classification of skin cancer using biopsy images 2024-08-01, Diagnosis (Berlin, Germany) DOI:10.1515/dx-2024-0012 PMID:38487874	研究论文	本研究提出了一种基于活检图像的皮肤癌诊断方法，通过引入SASAN分割数据集来提取感兴趣区域（ROI），以提升分类模型在复杂皮肤癌病例上的性能	针对现有数据集多关注平坦皮肤表面而忽略器官或邻近病变等复杂病例的不足，提出了SASAN分割数据集，专注于基于ROI提取的分类方法，使模型能聚焦关键区域并忽略噪声特征	未明确说明SASAN数据集的具体样本规模及噪声特征的详细定义，且未与其他公开数据集进行广泛对比验证	开发一种自动化皮肤癌诊断系统，通过改进数据集和分割方法提升复杂病例的诊断准确性	皮肤癌活检图像，特别是器官或邻近病变等复杂病例	计算机视觉	皮肤癌	活检图像分析	深度学习分割模型	图像	NA	NA	UNet, LinkNet, PSPNet, FPN	NA	NA
86	2026-03-19	Open-Source 3D Morphing Software for Facial Plastic Surgery and Facial Landmark Detection Research and Open Access Face Data Set Based on Deep Learning (Artificial Intelligence) Generated Synthetic 3D Models 2024 Mar-Apr, Facial plastic surgery & aesthetic medicine IF:1.6Q2 DOI:10.1089/fpsam.2023.0030 PMID:37751224	研究论文	本文介绍了一种开源3D变形软件，用于生成面部3D数据集，并提供了一个基于深度学习生成的合成3D模型的大型样本数据集	开发了开源3D变形软件，通过批量改变地标位置生成3D面部数据集，并基于深度学习生成的合成3D模型创建了包含980个模型的大型开放数据集，无需伦理审查	数据集基于合成3D模型，可能无法完全代表真实面部多样性；样本量虽大但仅基于20个初始合成模型生成	为面部整形外科和面部地标检测研究提供开源工具和数据集	3D面部模型和面部地标	计算机视觉	NA	深度学习	NA	3D模型	980个3D面部模型，每个模型包含28个地标位置	NA	NA	NA	NA
87	2026-03-19	Application of artificial intelligence for the classification of the clinical outcome and therapy in patients with viral infections: The case of COVID-19 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230917 PMID:37840512	研究论文	本研究应用人工神经网络对COVID-19患者的临床严重程度进行分类，以支持诊断和治疗决策	创新点在于不仅分类疾病存在，还扩展至疾病严重程度（轻度、中度、重度）的分类，为患者分诊提供了关键的决策支持系统基础	NA	旨在通过人工智能技术增强对病毒感染者（特别是COVID-19）的诊断、预测和个性化治疗，改善临床结果	COVID-19患者，根据临床严重程度分为轻度、中度和重度三类	机器学习	COVID-19	深度学习	人工神经网络	临床数据	1000名在波斯尼亚和黑塞哥维那Tešanj总医院诊断和治疗的患者	NA	人工神经网络	准确率	NA
88	2026-03-19	Lung cancer detection based on computed tomography image using convolutional neural networks 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230810 PMID:37955065	研究论文	本研究基于卷积神经网络（CNN）利用计算机断层扫描（CT）图像进行肺癌检测，旨在区分良性和恶性肺部病变	采用GoogLeNet架构的深度学习方法来最大化图像推断并最小化人工控制，在肺癌分类中实现了高准确率	研究为回顾性病例对照分析，可能存在选择偏倚，且未提及外部验证或泛化能力评估	通过深度学习方法和卷积神经网络对良性和恶性肺部病变进行分类，以辅助肺癌的早期诊断	肺部CT扫描图像，包括良性和恶性病变	计算机视觉	肺癌	计算机断层扫描（CT）	CNN	图像	4459张CT扫描（良性2242张，恶性2217张），其中训练集3567张，测试集892张	NA	GoogLeNet	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
89	2026-03-18	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2024-Sep-03, ArXiv PMID:39279836	研究论文	本研究提出了一种病变感知的图神经网络（LEGNet），用于预测中风后失语症患者的语言能力，通过整合功能连接、病变编码和子图学习模块	LEGNet模型创新性地结合了基于边缘的学习模块、病变编码模块和子图学习模块，以利用功能相似性进行预测，并在合成数据和真实数据上验证了其优越性能	研究使用了内部神经影像数据集，且第二个数据集的采集协议略有不同，可能影响泛化能力的全面评估	预测中风后失语症患者的语言能力，以改进中风后失语症的评估方法	中风后失语症患者	自然语言处理	中风后失语症	静息态功能磁共振成像（rs-fMRI）	图神经网络（GNN）	神经影像数据	内部神经影像数据集，具体样本数量未在摘要中明确说明	NA	LEGNet	NA	NA
90	2026-03-18	Learning co-plane attention across MRI sequences for diagnosing twelve types of knee abnormalities 2024-09-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51888-4 PMID:39223149	研究论文	本文提出了一种融合多序列MRI共平面注意力的深度学习模型，用于自动诊断12种膝关节异常	引入了跨图像序列的共平面注意力机制，并使用了当前最大、最全面的多序列膝关节MRI异常数据集进行验证	未明确说明模型在外部验证集上的泛化性能，也未详细讨论计算复杂度	开发一种能够辅助放射科医生准确诊断多种膝关节异常的自动化深度学习模型	膝关节磁共振成像（MRI）序列	计算机视觉	膝关节异常	多序列磁共振成像（MRI）	深度学习模型（具体架构未明确，但包含注意力机制）	图像（MRI序列）	1748名受试者，涵盖12种异常类型	NA	NA（提及包含共平面注意力机制）	受试者工作特征曲线下面积（AUC），准确率	NA
91	2026-03-18	Validation of an AI-Powered Automated X-ray Bone Age Analyzer in Chinese Children and Adolescents: A Comparison with the Tanner-Whitehouse 3 Method 2024-09, Advances in therapy IF:3.4Q2 DOI:10.1007/s12325-024-02944-4 PMID:39085749	研究论文	本研究验证了一款基于深度学习的AI骨龄分析仪在中国儿童和青少年中的临床适用性，并与Tanner-Whitehouse 3方法进行了性能比较	首次在中国多中心大规模验证商业AI骨龄分析仪的临床性能，并直接与医生评估者进行对比，展示了AI在骨龄评估中的准确性和效率优势	研究仅针对中国儿童和青少年群体，未涉及其他种族或成人群体，且仅比较了TW3方法	验证AI驱动的自动化骨龄评估系统在临床实践中的准确性和适用性	中国儿童和青少年的X射线影像	医学影像分析	儿童生长发育评估	X射线成像	深度学习模型	X射线影像	来自中国30个中心的900名儿童和青少年	NA	NA	平均绝对误差, 绝对误差小于1年的患者百分比	NA
92	2026-03-18	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	提出EPInformer，一种可扩展的深度学习框架，通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	整合启动子-增强子相互作用、序列、表观基因组信号和染色质接触，以捕获远端调控元件（如增强子）的调控效应，提高预测准确性	未明确提及具体局限性	开发一个可扩展的深度学习框架，用于预测基因表达，以解决现有方法在捕获远端调控元件和资源需求方面的不足	基因表达预测，涉及启动子-增强子序列、表观基因组数据和染色质接触	机器学习	NA	深度学习，整合多模态表观基因组数据	深度学习框架	DNA序列，表观基因组信号，染色质接触数据	NA	未指定	EPInformer	在交叉染色体验证中优于现有模型，准确重现CRISPR扰动实验验证的增强子-基因相互作用	未明确指定
93	2026-03-18	Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization 2024-Feb-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2310012121 PMID:38377194	研究论文	本研究利用时空深度神经网络模型揭示人类功能性大脑组织中可复制、可泛化且与行为相关的性别差异	首次应用时空深度神经网络模型揭示人类大脑功能动态中的性别差异，并通过可解释AI分析识别出与默认模式网络、纹状体和边缘网络相关的关键脑区特征	研究样本主要集中于20至35岁的年轻成年人，未涵盖更广泛年龄范围或其他人口群体	探究人类功能性大脑组织中的性别差异及其行为相关性	人类大脑功能性组织	机器学习	精神疾病, 神经系统疾病	fMRI	stDNN	脑功能成像数据	约1,500名20至35岁的年轻成年人，来自多个独立队列	NA	时空深度神经网络	交叉验证准确率	NA
94	2026-03-17	Generalization challenges in electrocardiogram deep learning: insights from dataset characteristics and attention mechanism 2024-03-11, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2354082 PMID:39049767	研究论文	本研究探讨了训练数据特征对深度学习模型在心电图异常检测中泛化性能的影响，并引入注意力机制以提升泛化能力	通过使用仅占大型数据集1%的平衡数据集实现与完整数据集相当的泛化性能，并验证注意力机制对模型泛化能力的进一步优化	未明确说明具体心电图异常类型及模型在外部验证集上的表现细节	探究训练数据特征对深度学习模型泛化性能的影响，并提升心电图异常检测的泛化能力	心电图数据集及基于深度学习的异常检测模型	机器学习	心血管疾病	NA	深度学习模型（未指定具体类型）	心电图数据	多个心电图数据集，平衡子集仅占大型数据集的1%	NA	NA	泛化性能（未指定具体指标）	NA
95	2026-03-17	Integrative computational analyses implicate regulatory genomic elements contributing to spina bifida 2024, Genetics in medicine open DOI:10.1016/j.gimo.2024.101894 PMID:39669613	研究论文	本研究通过整合计算分析，揭示了与脊柱裂相关的调控基因组元件及其在疾病遗传易感性中的作用	采用无靶向的全基因组方法结合深度学习优先排序框架，识别了脊柱裂中罕见的单核苷酸变异和拷贝数变异，特别是CCCTC结合因子结合位点的富集，并关联了功能通路	NA	描绘脊柱裂病理生理学背后的全基因组调控特征，以理解其遗传易感性	脊柱裂患者与健康对照的基因组数据	计算生物学	脊柱裂	全基因组测序，深度学习优先排序	深度学习框架	基因组序列数据	NA	NA	NA	NA	NA
96	2026-03-16	Evaluating chemical effects on human neural cells through calcium imaging and deep learning 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111298 PMID:39634567	研究论文	本研究利用深度学习模型分析人类诱导多能干细胞来源的神经祖细胞在暴露于不同浓度化学物质后的钙离子动态变化，以评估化学物质对人类神经细胞的影响	结合钙成像技术与深度学习平台，开发了一种可靠且简洁的定量分类方法，用于预测化学暴露对人类神经细胞的潜在危害	仅测试了四种代表性化学物质，样本范围有限，且未涵盖所有可能的神经毒性机制	开发一种高效的方法，用于化学物质对人类神经功能影响的初步筛选	人类诱导多能干细胞来源的神经祖细胞	机器学习	NA	钙成像	深度学习模型	钙离子动态变化数据	暴露于四种代表性化学物质不同浓度的人类神经祖细胞样本	NA	NA	NA	NA
97	2026-03-16	Exploring structural diversity across the protein universe with The Encyclopedia of Domains 2024-11, Science (New York, N.Y.) DOI:10.1126/science.adq4946 PMID:39480926	研究论文	本研究利用深度学习方法，在AlphaFold蛋白质结构数据库中检测和分类了所有结构域，构建了“结构域百科全书”，揭示了蛋白质宇宙中的结构多样性	通过深度学习在AlphaFold数据库中检测到近3.65亿个结构域，比序列方法多出超过1亿个，并发现了超过1万个新的结构超家族间相互作用及数千个新折叠	未明确提及具体局限性，但可能包括深度学习模型的泛化能力、结构预测的准确性以及对未知结构域的识别挑战	探索蛋白质宇宙中的结构多样性，并构建一个全面的结构域分类数据库	AlphaFold蛋白质结构数据库中的超过2.14亿个预测蛋白质结构及其结构域	生物信息学	NA	深度学习	深度学习模型	蛋白质结构数据	超过2.14亿个预测蛋白质结构，涵盖超过100万个分类群	NA	NA	NA	NA
98	2026-03-16	Anatomically plausible segmentations: Explicitly preserving topology through prior deformations 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103222 PMID:38936222	研究论文	提出一种名为TEDS-Net的医学图像分割网络，通过使用学习到的拓扑保持场来变形先验知识，从而在保持分割性能的同时确保解剖结构的拓扑正确性	首次将拓扑保持场与先验变形结合，并引入离散域中的额外修改来严格强制拓扑保持，解决了传统深度学习方法中常见的拓扑错误问题	仅在开源心脏数据集上进行了验证，尚未在其他器官或疾病类型上测试其泛化能力	开发能够生成解剖学上合理且拓扑正确的医学图像分割方法	医学心脏图像（单结构和多结构分割）	数字病理学	心血管疾病	深度学习分割	CNN	医学图像	NA	PyTorch	TEDS-Net	拓扑保持性、分割性能（与传统SOTA方法对比）	NA
99	2026-03-15	Video-based automatic hand hygiene detection for operating rooms using 3D convolutional neural networks 2024-10, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01179-6 PMID:38896344	研究论文	本研究提出了一种基于3D卷积神经网络的视频自动手卫生检测方法，用于手术室环境	首次将2D与3D CNN序列结合用于手术室手卫生动作检测，并引入光流作为额外输入模态	数据仅来自单一手术室，收集时间较短（4个月），需更多样化场景验证	开发自动监测系统以预防手术室医院获得性感染	麻醉人员的手卫生动作	计算机视觉	医院获得性感染	视频分析	CNN	视频	2018年11月至2019年2月（4个月）在单一手术室收集的视频数据，并添加了模拟数据	未明确说明	2D CNN, 3D CNN	准确率, 灵敏度, 特异性, AUC	NA
100	2026-03-15	Longitudinally Consistent Individualized Prediction of Infant Cortical Morphological Development 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72086-4_42 PMID:41815924	研究论文	本文提出了一种新颖的纵向一致性三元组解缠自编码器框架，用于基于不完整的纵向数据预测婴儿个体化皮层形态发育轨迹	强调时间一致性，通过动态时间规整损失鼓励轨迹间的相似性，解决了现有深度学习方法在预测缺失数据时因独立处理每次扫描而导致的目标时间点预测不一致问题	未明确提及，但可能包括模型在更广泛年龄范围或不同疾病群体中的泛化能力需要进一步验证	基于不完整的纵向数据预测个体化的婴儿皮层形态发育完整轨迹，以丰富对正常早期大脑发育的理解并帮助识别神经发育障碍	婴儿皮层属性图	神经影像分析	神经发育障碍	表面成像	自编码器	图像（皮层属性图）	NA	NA	纵向一致性三元组解缠自编码器	纵向一致性，精确度	NA