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
1321	2026-04-05	Misplaced Trust and Distrust: How Not to Engage with Medical Artificial Intelligence 2024-07, Cambridge quarterly of healthcare ethics : CQ : the international journal of healthcare ethics committees IF:1.5Q3 DOI:10.1017/S0963180122000445 PMID:36263755	评论	本文探讨了在医疗人工智能应用中信任与不信任的错误放置问题，并提出了一种分类法来系统化这些实例	通过逆向视角，聚焦于负面例子，开发了一个提供临床和监管决策伦理约束的框架	未涉及具体技术实现或实证数据验证	分析医疗人工智能中的信任伦理问题，为临床和监管决策提供伦理约束	医疗人工智能系统及其在临床护理中的应用	机器学习	NA	NA	深度学习	NA	NA	NA	人工神经网络	NA	NA
1322	2024-08-07	In the right direction: A deep learning tool for assessment of right ventricular function 2024-05, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15831 PMID:38757551	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1323	2026-04-05	Discovery of a structural class of antibiotics with explainable deep learning 2024-02, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06887-8 PMID:38123686	研究论文	本文提出了一种基于可解释深度学习的抗生素结构类别发现方法，通过图神经网络和可解释算法识别与抗生素活性相关的化学亚结构，并成功预测并验证了新的抗生素结构类别	开发了一种可解释的、基于亚结构的深度学习方法，用于高效探索化学空间，并首次将可解释性图算法应用于抗生素发现，提供了化学亚结构的理性依据	研究仅针对金黄色葡萄球菌等特定细菌进行了测试，未涵盖所有抗生素耐药性病原体，且化合物库的规模虽大但可能仍有限制	发现新型抗生素结构类别以应对抗生素耐药性危机	化学化合物，特别是针对金黄色葡萄球菌（包括MRSA）和万古霉素耐药肠球菌的抗生素	机器学习	细菌感染	深度学习和图神经网络	图神经网络	化学化合物数据	39,312个化合物的抗生素活性和细胞毒性数据，以及12,076,365个化合物的预测	NA	图神经网络	抗生素活性预测、细胞毒性预测	NA
1324	2026-04-05	Explainable deep learning discovers novel antibiotic 2024-02, Nature reviews. Drug discovery DOI:10.1038/d41573-024-00006-6 PMID:38216772	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1325	2026-04-04	Predicting Therapeutic Response to Hypoglossal Nerve Stimulation Using Deep Learning 2024-12, The Laryngoscope DOI:10.1002/lary.31609 PMID:38934474	研究论文	本研究开发并验证了基于药物诱导睡眠内窥镜图像的机器学习和深度学习模型，用于预测舌下神经刺激器植入的治疗效果	首次利用深度学习模型从药物诱导睡眠内窥镜图像中预测舌下神经刺激器的治疗效果，并发现腭咽部图像具有更高的预测准确性	研究为单中心回顾性分析，样本量有限（127名患者），缺乏多中心验证，可能影响模型的泛化能力	开发能够预测舌下神经刺激器治疗效果的图像分析模型，以优化患者选择	接受药物诱导睡眠内窥镜检查并随后植入舌下神经刺激器的患者	计算机视觉	睡眠呼吸障碍	药物诱导睡眠内窥镜	深度学习, 机器学习	图像	127名患者的25,040张图像（其中16,515张来自响应者，8,262张来自非响应者）	NA	VGG-16	准确率, 精确率, 召回率, F1分数	NA
1326	2026-04-04	Multi-Instance Learning for Vocal Fold Leukoplakia Diagnosis Using White Light and Narrow-Band Imaging: A Multicenter Study 2024-10, The Laryngoscope DOI:10.1002/lary.31537 PMID:38801129	研究论文	本研究开发了一种基于多实例学习的人工智能模型，融合白光成像和窄带成像图像，用于区分声带白斑的良恶性	首次将多实例学习方法与白光成像和窄带成像模态结合，用于声带白斑的诊断，并在多中心数据上进行验证	模型仍需进一步优化和验证以全面评估其临床潜力	开发人工智能模型以辅助声带白斑的良恶性诊断	声带白斑患者的内窥镜图像	计算机视觉	喉癌	白光成像, 窄带成像	深度学习	图像, 视频	426名患者的7057张图像用于内部验证，另有两家医院的1617张图像用于外部验证，以及50个前瞻性收集的视频	NA	NA	AUC, 准确率	NA
1327	2026-04-04	Artificial Intelligence Outcome Prediction in Neonates with Encephalopathy (AI-OPiNE) 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240076 PMID:38984984	研究论文	本研究开发了一种深度学习算法，利用新生儿脑部MRI和基本临床数据，预测缺氧缺血性脑病患儿2年后的神经发育结局	首次将多序列MRI（T1加权、T2加权、扩散张量成像）与基本临床变量结合，通过深度学习模型预测新生儿缺氧缺血性脑病的长期神经发育结局，并在分布内和分布外测试集上进行了验证	研究为回顾性分析，样本量相对有限（414例），且仅来自17个机构，模型性能（AUC 0.74-0.77）仍有提升空间，未详细说明模型的具体架构细节	开发预测新生儿缺氧缺血性脑病2年神经发育结局的深度学习算法	足月缺氧缺血性脑病新生儿	数字病理学	新生儿脑病	MRI（T1加权、T2加权、扩散张量成像）	CNN	图像（MRI）、临床数据	414例新生儿（来自17个机构）	NA	NA	AUC, 准确率	NA
1328	2026-04-04	Causal-StoNet: Causal Inference for High-Dimensional Complex Data 2024-May, ... International Conference on Learning Representations PMID:41725678	研究论文	本文提出了一种名为Causal-StoNet的新方法，用于处理高维复杂数据的因果推断问题	结合稀疏深度学习理论和随机神经网络，以统一方式处理高维性和未知数据生成过程，并支持缺失值	未在摘要中明确说明	解决高维复杂数据中的因果推断问题	高维复杂数据集，可能包含缺失值	机器学习	NA	深度学习技术，包括稀疏深度学习和随机神经网络	随机神经网络	高维复杂数据	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明
1329	2026-04-04	Deep learning to assess right ventricular ejection fraction from two-dimensional echocardiograms in precapillary pulmonary hypertension 2024-04, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15812 PMID:38634241	研究论文	本研究开发了一种基于深度学习的全自动工具，用于从二维超声心动图视频中估计右心室射血分数，以评估毛细血管前肺动脉高压患者的右心室收缩功能	首次利用3D-ResNet50模型从二维超声心动图视频中全自动估计右心室射血分数，无需人工干预，诊断性能与经验丰富的超声技师相当	样本量较小（仅85名患者），且仅针对毛细血管前肺动脉高压患者，可能限制了模型的泛化能力	开发一种全自动深度学习工具，用于从二维超声心动图视频中准确估计右心室射血分数，以评估右心室收缩功能	毛细血管前肺动脉高压患者	计算机视觉	肺动脉高压	二维超声心动图, 心脏磁共振成像	CNN	视频	85名疑似毛细血管前肺动脉高压患者	NA	3D-ResNet50	平均绝对误差, AUC	NA
1330	2026-04-04	An anomaly detection model for multivariate time series with anomaly perception 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2172 PMID:41929829	研究论文	本文提出了一种名为EDD的新型深度学习模型，用于利用有限的异常样本提升多元时间序列异常检测的性能	创新性地结合图注意力网络与LSTM来提取多元时间序列的时空特征，并通过精心设计的损失函数在潜在空间中实现正常数据的紧密聚类和异常数据的随机分散	未明确说明模型对特定领域或数据类型的泛化能力限制，也未讨论计算复杂度或实时性方面的潜在问题	提升多元时间序列异常检测的准确性和鲁棒性	多元时间序列数据	机器学习	NA	深度学习	GAN, LSTM, 图注意力网络	时间序列数据	在三个不同数据集上进行了实验验证（具体样本数量未明确说明）	NA	EDD（Encoder-Decoder-Discriminator）	F1-Score	NA
1331	2026-04-03	Artificial Intelligence in Anterior Chamber Evaluation: A Systematic Review and Meta-Analysis 2024-09-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002428 PMID:38747721	荟萃分析	本研究通过系统回顾和荟萃分析，评估了深度学习算法在前房光学相干断层扫描图像中诊断房角关闭的准确性，并与房角镜检查进行对比	首次通过荟萃分析综合评估深度学习算法在AS-OCT图像中诊断房角关闭的性能，并证实其具有高敏感性和特异性	纳入的研究数量有限（仅6项），可能存在发表偏倚，且研究间异质性未详细讨论	比较深度学习算法在AS-OCT图像中诊断房角关闭的准确性，以评估其在青光眼筛查中的潜在价值	青光眼患者或疑似房角关闭的患者	医学影像分析	青光眼	前房光学相干断层扫描	深度学习算法	图像	5269名患者	NA	NA	敏感性, 特异性	NA
1332	2026-04-03	The Effect of Noise on Deep Learning for Classification of Pathological Voice 2024-08, The Laryngoscope DOI:10.1002/lary.31303 PMID:38280184	研究论文	本研究评估了背景噪声对基于深度学习评估语音障碍GRBAS量表模型性能的影响	通过向测试样本添加不同强度的高斯噪声，系统评估了1D CNN模型在噪声环境下的鲁棒性	使用单一数据集且无比较对照组，属于OCEBM指南中的4级证据（病例系列研究）	评估背景噪声在机器学习模型评估语音障碍GRBAS量表中的重要性	1406个语音样本	数字病理学	语音障碍	NA	CNN	语音	1406个语音样本	TensorFlow	5层1D卷积神经网络	准确率, F1分数, 二次加权Cohen's kappa分数	NA
1333	2026-04-03	Real-Time Laryngeal Cancer Boundaries Delineation on White Light and Narrow-Band Imaging Laryngoscopy with Deep Learning 2024-06, The Laryngoscope DOI:10.1002/lary.31255 PMID:38174772	研究论文	本研究探讨了深度学习在喉镜图像和视频中自动分割喉癌边界的能力	开发了SegMENT-Plus模型，首次在喉镜白光和窄带成像图像上实现实时喉癌边界分割，性能与耳鼻喉科住院医师相当，并展示了优秀的泛化能力	需要临床试验来评估该技术在手术实践和切除边缘改善中的作用	自动分割喉镜图像和视频中的喉癌浅表范围	喉癌患者的白光和窄带成像喉镜图像及视频	数字病理学	喉癌	白光喉镜，窄带成像喉镜	深度学习分割模型	图像，视频	来自557名患者的3933张喉癌图像，外部验证集包含156张和200张图像	NA	SegMENT-Plus	Dice相似系数，交并比，准确率，推理速度	NA
1334	2026-04-03	A Proof-of-Concept Computer Vision Approach for Measurement of Tympanic Membrane Perforations 2024-06, The Laryngoscope DOI:10.1002/lary.31270 PMID:38214334	研究论文	本文提出了一种概念验证的计算机视觉方法，用于测量鼓膜穿孔的大小	首次将开源深度学习架构应用于鼓膜穿孔的自动分割和面积计算，相比传统目视估计提高了准确性	研究样本量小，穿孔类型主要为前部且相对较小，数据集缺乏异质性	开发一种计算机视觉模型，以更准确地评估鼓膜穿孔的大小	鼓膜穿孔的内窥镜图像	计算机视觉	耳科疾病	内窥镜成像	深度学习	图像	小规模鼓膜穿孔数据集（具体数量未明确说明）	NA	NA	平均绝对误差	NA
1335	2026-04-03	Development of a convolutional neural network to accurately detect land use and land cover 2024-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102719 PMID:38660033	研究论文	本研究开发了一个卷积神经网络模型，用于准确检测土地利用和土地覆盖，并在西班牙的自然保护区进行了应用	利用CNN模型对土地利用和土地覆盖进行分类，并在Sentinel-2和PNOA图像上验证其性能	在住宅类别的分类中存在一些混淆，可能由于该区域的特征导致	开发一个准确的土地利用和土地覆盖检测模型，以支持自然资源管理和环境评估	西班牙Sierra del Cando自然保护区的土地利用和土地覆盖	计算机视觉	NA	深度学习	CNN	图像	NA	NA	卷积神经网络	准确率	NA
1336	2026-04-03	Improving Equity in Deep Learning Medical Applications with the Gerchberg-Saxton Algorithm 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00163-8 PMID:38681756	研究论文	本文研究了一种利用Gerchberg-Saxton算法在频率域进行变换的新方法，以减少深度学习医疗应用中的种族-民族偏见	提出了一种基于Gerchberg-Saxton算法的频率域变换方法，用于减少深度学习模型中的偏见，特别是针对种族-民族偏见	NA	减少深度学习在医疗应用中的偏见，提高模型的公平性和泛化能力	深度学习模型在医疗应用中的偏见问题，特别是针对代表性不足人群的种族-民族偏见	机器学习	NA	Gerchberg-Saxton算法	深度学习模型	NA	NA	NA	NA	NA	NA
1337	2026-04-03	Modeling Zinc Complexes Using Neural Networks 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00095 PMID:38587510	研究论文	本文构建了一个深度学习架构，用于模拟锌有机金属配合物的能量学	针对锌配合物，开发了深度学习模型，并强调了部分电荷在神经网络模拟长程相互作用中的重要作用，克服了传统采样方法的限制	NA	研究锌有机金属配合物的能量学，以加速基于量子化学的模型开发	锌有机金属配合物	机器学习	NA	元动力学	神经网络	化学结构数据	NA	NA	NA	平均绝对误差	NA
1338	2026-04-03	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	本研究开发了一种基于深度学习的方法，利用黄斑光学相干断层扫描（OCT）图像来检测青光眼的功能性进展并预测未来进展	提出了一种新颖的深度学习模型，通过自监督预训练视觉变换器（ViT）在大规模未标记OCT图像数据集上，实现了对青光眼进展的检测和预测	研究为回顾性队列研究，可能存在选择偏倚，且样本量在预测任务中相对较小	利用黄斑OCT成像预测未来并检测并发的青光眼视野进展	青光眼患者的黄斑OCT图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	ViT	图像	预训练数据集包含来自151,389项黄斑OCT研究的7,702,201张B扫描图像；进展检测任务包括来自828名青光眼患者1534只眼的3902项黄斑OCT成像研究；进展预测任务包括来自784名患者1205只眼的1346项黄斑OCT研究	NA	视觉变换器（ViT）	AUC, 灵敏度, 特异性	NA
1339	2026-04-03	RETRACTED: An inherently interpretable deep learning model for local explanations using visual concepts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311879 PMID:39466770	研究论文	本文提出了一种名为CA-SoftNet的双流深度学习模型，旨在通过视觉概念提供局部解释，以增强模型的可解释性	提出基于双过程理论的CA-SoftNet模型，结合浅层CNN和交叉注意力概念记忆网络，实现快速模式识别与透明逻辑推理，并开发了新的概念提取方法以生成与人类思维一致的概念化局部解释	未明确说明模型在更复杂或更大规模数据集上的泛化能力，以及概念提取方法可能仍受限于数据质量或标注偏差	开发一种可解释的深度学习模型，通过视觉概念提供局部解释，以解决深度学习模型的不透明性问题	深度学习模型的可解释性方法，特别是基于视觉概念的局部解释生成	计算机视觉	NA	深度学习	CNN, 交叉注意力网络	图像	CUB 200-2011、Stanford Cars、ISIC 2016和ISIC 2017数据集	NA	浅层卷积神经网络, 交叉注意力概念记忆网络	准确率	NA
1340	2026-04-03	An attention-based deep learning method for right ventricular quantification using 2D echocardiography: Feasibility and accuracy 2024-01, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15719 PMID:38126261	研究论文	本文提出了一种基于注意力机制的深度学习方法，用于通过2D超声心动图量化右心室，并以心脏磁共振成像为参考验证其可行性和准确性	首次将注意力机制（Transformer）应用于2D超声心动图的右心室量化任务，结合特征标记化模块，提高了预测精度	样本量较小（仅50名患者），且右心室大小和功能范围有限，需要更大规模队列验证	开发一种基于深度学习的右心室量化方法，以替代或辅助传统心脏磁共振成像	50名成年患者的2D超声心动图和心脏磁共振成像数据	医学影像分析	心血管疾病	2D超声心动图，心脏磁共振成像	Transformer	图像	50名患者（35名训练，5名验证，10名测试）	NA	Feature Tokenizer模块，Transformer层堆叠	R2，绝对百分比误差	NA