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
1	2026-04-01	Prognostic significance of collagen signatures at breast tumor boundary obtained by combining multiphoton imaging and imaging analysis 2024-Feb, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-023-00851-4 PMID:37606817	研究论文	本研究结合多光子成像和深度学习分析，探索了乳腺癌肿瘤边界胶原特征对患者预后的预测价值	首次利用多光子成像无标记获取乳腺癌样本的胶原特征，并通过深度学习自动识别肿瘤边界胶原签名，构建了CSTB评分作为独立预后因子	研究样本规模较小，且仅针对乳腺癌，未在其他癌症类型中验证	探索乳腺癌肿瘤边界胶原特征的预后意义，以改善患者预后预测和临床决策	人类乳腺癌肿瘤样本	数字病理学	乳腺癌	多光子显微镜成像	深度学习	图像	小规模样本（具体数量未在摘要中提供）	NA	NA	AUC, HR, Kaplan-Meier生存分析	NA
2	2026-03-29	Graph Structured Neural Networks for Perturbation Biology 2024-Feb-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.28.582164 PMID:38464019	研究论文	本文提出了一种称为图结构化神经网络（GSNN）的新方法，用于扰动生物学中的计算建模，以更准确地预测分子相互作用和细胞反应	提出了一种替代传统图神经网络（GNN）的GSNN方法，通过将细胞信号知识编码为图数据结构，为深度学习添加归纳偏置，从而鼓励更具机制性的预测逻辑	方法需要进一步精炼才能产生适用于临床决策辅助的可信药物反应模型	开发能够更准确捕获分子相互作用序列并支持精准医学实现的扰动生物学计算模型	分子元素与细胞反应之间的关系，特别是药物扰动下的基因表达、细胞活力和疾病特异性药物优先排序	机器学习	NA	NA	GSNN	图数据	使用LINCS L1000数据集和文献整理的分子相互作用数据	NA	图结构化神经网络	NA	NA
3	2026-03-29	Direct Observation and Automated Measurement of Stomatal Responses to Pseudomonas syringae pv. tomato DC3000 in Arabidopsis thaliana 2024-02-09, Journal of visualized experiments : JoVE DOI:10.3791/66112 PMID:38407316	研究论文	本文介绍了一种评估拟南芥气孔对细菌入侵反应的新方法，包括喷雾接种、便携式成像设备直接观察和基于深度学习的图像分析管道自动测量气孔孔径	结合便携式成像设备和深度学习图像分析管道，实现了在植物不离体条件下直接观察和自动测量气孔对细菌入侵的动态响应，更贴近自然感染过程	方法目前仅应用于拟南芥，可能不适用于其他植物物种；便携式设备的分辨率和适用性可能有限	开发一种更简便、更贴近自然条件的方法来评估植物气孔对病原细菌入侵的响应	拟南芥（Arabidopsis thaliana）的气孔及其对Pseudomonas syringae pv. tomato DC3000（Pto）入侵的反应	植物病理学与计算机视觉交叉	植物细菌性病害	喷雾接种、便携式成像设备观察、深度学习图像分析	深度学习模型	图像	NA	NA	NA	NA	NA
4	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
5	2026-03-14	DeepTrayMeal: Automatic dietary assessment for Chinese tray meals based on deep learning 2024-Feb-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2023.137525 PMID:37742550	研究论文	本研究开发了一个基于深度学习的自动饮食评估框架，用于中国托盘餐，包括菜品识别、体积估计和营养映射	建立了首个中国托盘餐数据集ChinaLunchTray-99，并提出了一个结合检测、体积估计和营养映射的完整自动饮食评估框架	未在摘要中明确提及	开发自动饮食评估方法以促进中国托盘餐的公共健康应用	中国托盘餐图像	计算机视觉	NA	深度学习	CNN	图像	1185张托盘餐图像，覆盖99个菜品类别	未在摘要中明确提及	未在摘要中明确提及	平均精度均值	未在摘要中明确提及
6	2026-03-02	Deep learning-based automatic segmentation of cardiac substructures for lung cancers 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110061 PMID:38122850	研究论文	本研究开发并验证了基于深度学习的自动分割模型，用于肺癌放疗中精确分割心脏亚结构，以降低辐射诱发心脏病的风险	首次使用nnU-Net模型对19个心脏亚结构（包括冠状动脉）进行自动分割，并进行了主观和客观评估	冠状动脉的分割性能相对较低（平均DSC为0.60），且样本量有限（100名患者）	开发并验证用于肺癌放疗中心脏亚结构自动分割的深度学习模型	非小细胞肺癌患者的19个心脏亚结构（全心脏、4个心腔、6个大血管、4个瓣膜和4条冠状动脉）	数字病理学	肺癌	CT成像	CNN	医学图像	100名非小细胞肺癌患者（训练/验证/测试集比例为75:5:20），外加42名患者的独立数据集用于主观评估	nnU-Net	nnU-Net	Dice相似系数, 平均剂量误差, 最大剂量误差	NA
7	2026-02-27	Substrate recognition principles for the PP2A-B55 protein phosphatase 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.10.579793 PMID:38370611	研究论文	本研究揭示了PP2A-B55磷酸酶识别底物的分子机制，并设计了一种特异性肽抑制剂	整合AlphaFold建模与高通量突变扫描，揭示了底物α螺旋通过保守机制结合B55的通用原理，并利用深度学习设计出特异性肽抑制剂	未明确说明实验验证的底物范围是否覆盖所有生理情况，抑制剂在体内的长期效果需进一步研究	阐明PP2A-B55磷酸酶的底物识别机制	PP2A-B55磷酸酶及其底物相互作用	计算生物学	NA	AlphaFold建模、高通量突变扫描、深度学习蛋白质设计	深度学习	蛋白质序列与结构数据	NA	AlphaFold, 深度学习设计框架	AlphaFold架构	NA	NA
8	2026-02-26	Brain tumor segmentation using synthetic MR images - A comparison of GANs and diffusion models 2024-02-29, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03073-x PMID:38424097	研究论文	本文比较了GANs和扩散模型在生成合成脑肿瘤MR图像上的效果，并评估了这些合成图像用于训练分割网络（U-Net和Swin transformer）的性能	首次全面评估了四种GANs（渐进式GAN、StyleGAN 1-3）和一种扩散模型在生成合成脑肿瘤MR图像方面的应用，并探讨了合成图像用于训练分割网络的可行性	扩散模型在原始数据集过小时可能出现训练图像记忆问题，且合成图像训练的分割网络性能仅为真实图像的80%-90%	评估生成式AI模型（GANs和扩散模型）生成的合成医学图像是否可用于训练脑肿瘤分割网络	脑肿瘤MR图像	医学影像分析	脑肿瘤	生成对抗网络（GANs）、扩散模型	GAN, 扩散模型, CNN, Transformer	MR图像	未明确说明具体样本数量，但提到原始数据集可能过小	未明确说明	渐进式GAN, StyleGAN 1-3, U-Net, Swin transformer	Dice系数	未明确说明
9	2026-02-25	Development of a deep learning model for predicting critical events in a pediatric intensive care unit 2024-Feb, Acute and critical care IF:1.7Q3 DOI:10.4266/acc.2023.01424 PMID:38476071	研究论文	本研究开发了一种深度学习模型，用于预测儿科重症监护病房中的关键事件，如心肺复苏或死亡	利用长短期记忆（LSTM）算法，首次在儿科重症监护环境中构建深度学习模型来预测关键事件，并展示了优异的预测性能	需要外部验证以确认模型的泛化能力，且研究为回顾性观察性设计	开发深度学习模型以预测儿科重症监护病房患者的关键事件，实现早期干预	2010年1月至2023年5月期间入住儿科重症监护病房的18岁以下患者	机器学习	儿科重症监护	回顾性数据分析	LSTM	生命体征测量数据	11,660条测量数据，其中1,060条对应关键事件	NA	长短期记忆网络	受试者工作特征曲线下面积, 精确率-召回率曲线下面积	NA
10	2026-02-21	Deep social neuroscience: the promise and peril of using artificial neural networks to study the social brain 2024-02-21, Social cognitive and affective neuroscience IF:3.9Q1 DOI:10.1093/scan/nsae014 PMID:38334747	综述	本文为社交神经科学家提供了一个关于人工神经网络在社交大脑研究中的应用、潜力及挑战的入门指南	提出了“深度社交神经科学”这一新概念，并系统阐述了神经网络在社交神经科学中的三种应用方式	讨论了深度学习在社交神经科学中面临的实际挑战、理论限制和伦理问题	探讨人工神经网络在社交神经科学研究中的应用潜力与风险	社交大脑、神经成像数据、自然主义刺激和社会互动	自然语言处理	NA	NA	人工神经网络	神经成像数据、行为数据、自然主义刺激数据	NA	NA	NA	NA	NA
11	2026-02-08	PolyAMiner-Bulk is a deep learning-based algorithm that decodes alternative polyadenylation dynamics from bulk RNA-seq data 2024-Feb-26, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2024.100707 PMID:38325383	研究论文	本文介绍了一种基于深度学习的算法PolyAMiner-Bulk，用于从批量RNA-seq数据中解码选择性多聚腺苷酸化动态	该算法使用注意力机制准确重建C/PAS序列语法，解决重叠C/PAS问题，捕捉非近端至远端APA变化，并生成可视化结果，相比现有方法能更准确地识别APA变化	NA	开发一种能够从批量RNA-seq数据中准确解码选择性多聚腺苷酸化动态的算法	选择性多聚腺苷酸化动态及其在人类疾病中的调控	自然语言处理	NA	RNA-seq	深度学习	RNA-seq数据	NA	NA	注意力机制	NA	NA
12	2026-02-06	Data encoding for healthcare data democratization and information leakage prevention 2024-Feb-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45777-z PMID:38383571	研究论文	本文探讨了通过不可逆数据编码实现医疗数据民主化并防止信息泄露的方法	提出利用随机投影和随机量子编码为密集和纵向或时间序列数据实现理想的编码框架，以在保护隐私的同时保持数据语义	NA	开发一种编码框架，以促进医疗数据民主化并防止深度学习模型中的信息泄露	医疗数据和临床模型	机器学习	NA	随机投影，随机量子编码	深度学习模型	时间序列数据，密集数据，纵向数据	NA	NA	NA	信息瓶颈原则	NA
13	2026-01-22	A multimodal deep learning approach for the prediction of cognitive decline and its effectiveness in clinical trials for Alzheimer's disease 2024-02-21, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-02819-w PMID:38383536	研究论文	本研究提出了一种基于人工智能模型预测认知衰退程度的分层随机化方法，以抑制阿尔茨海默病临床试验中的分配偏差，并通过ADNI数据集模拟评估其有效性	首次将人工智能预测的认知衰退程度作为分层指数，用于临床试验的随机化过程，以解决因个体认知衰退速度差异导致的治疗组与安慰剂组分配偏差问题	研究基于模拟数据（ADNI数据集）进行评估，尚未在真实临床试验中验证；模型预测准确性可能受数据质量和样本量限制	开发一种分层随机化方法，以减少阿尔茨海默病临床试验中因认知衰退速度个体差异引起的分配偏差，从而提高治疗效果评估的准确性	阿尔茨海默病患者的认知衰退预测及临床试验随机化过程	机器学习	阿尔茨海默病	多模态深度学习	深度学习模型	多模态数据（可能包括影像、临床评估等）	基于ADNI数据集，具体样本量未在摘要中明确说明	未明确说明	未明确说明	未明确说明	未明确说明
14	2026-01-22	Deep learning prediction of steep and flat corneal curvature using fundus photography in post-COVID telemedicine era 2024-Feb, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-023-02952-6 PMID:37889431	研究论文	本研究开发了一种基于眼底摄影的深度学习模型，用于预测角膜曲率，并将其分为陡峭、正常和平坦三类	首次利用眼底摄影结合深度学习技术预测角膜曲率，为远程医疗提供了一种新的非侵入性筛查方法	模型在验证中的多类准确率为0.727，性能有待进一步提升，且可能受限于样本多样性和数据质量	开发基于眼底摄影的深度学习模型，用于预测角膜曲率，以支持远程医疗中的角膜异常筛查	眼底摄影图像	计算机视觉	角膜疾病	眼底摄影	CNN	图像	NA	TensorFlow, Keras	EfficientNetB0	准确率, Matthews相关系数, Cohen's κ, AUC	NA
15	2026-01-16	Strategies to combine 3D vasculature and brain CTA with deep neural networks: Application to LVO 2024-Feb-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.108881 PMID:38318348	研究论文	本文探讨了结合3D血管图像与脑部CTA数据，利用深度神经网络检测急性缺血性卒中患者大血管闭塞的策略	提出了一种注意力启发策略，使卷积神经网络能聚焦于血管结构而不丢弃脑实质的上下文信息，从而改进LVO检测	未明确说明样本量或数据集的详细组成，可能影响结果的泛化能力	开发自动化工具以检测急性缺血性卒中患者的大血管闭塞，减少治疗时间并改善临床结局	急性缺血性卒中患者的脑部CTA图像及从中提取的3D血管图像	计算机视觉	心血管疾病	脑部计算机断层扫描血管造影	CNN	图像	NA	NA	通用网络	NA	NA
16	2026-01-13	A deep learning dataset for sample preparation artefacts detection in multispectral high-content microscopy 2024-02-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03064-y PMID:38395957	研究论文	本文介绍了一个用于高内涵显微镜样本制备伪影检测的深度学习数据集	创建了一个专门用于高内涵显微镜样本制备伪影检测的开放数据集，并提出了基于规则的分类和像素级注释策略	数据集基于实验室灰尘滴定在固定细胞培养样本上，可能无法覆盖所有类型的样本制备伪影	解决高内涵图像筛选中样本制备伪影检测的数据集缺乏问题	高内涵显微镜图像中的样本制备伪影	计算机视觉	NA	高内涵显微镜，荧光滤波成像	CNN	图像	NA	NA	卷积神经网络	NA	NA
17	2026-01-13	Fluorescent Neuronal Cells v2: multi-task, multi-format annotations for deep learning in microscopy 2024-02-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03005-9 PMID:38341463	研究论文	本文介绍了荧光神经元细胞v2数据集，这是一个用于促进生命科学和深度学习领域创新研究的荧光显微镜图像及对应标注数据集	发布了包含多任务、多格式标注的高分辨率荧光显微镜图像数据集，支持语义分割、目标检测和计数等多种学习任务	NA	促进计算机视觉方法在显微镜图像分析中的方法学进展，并推动生命科学领域的突破性发现	啮齿动物神经元细胞核和细胞质的荧光显微镜图像	计算机视觉	NA	荧光显微镜成像	NA	图像	1874张高分辨率图像，包含750个对应标注	NA	NA	NA	NA
18	2026-01-13	A clinical microscopy dataset to develop a deep learning diagnostic test for urinary tract infection 2024-02-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-02975-0 PMID:38302487	研究论文	本文介绍了一个用于开发深度学习诊断测试的临床显微镜数据集，旨在通过计算机视觉技术自动识别尿路感染患者的尿液细胞	提出了一个开放数据集，包含300张图像和3,562个手动注释的尿液细胞，分为七个临床重要细胞类型，并设计了一种新颖的Patch U-Net深度学习架构，结合随机补丁生成器来识别尿液细胞	数据集规模相对较小（300张图像），可能限制模型的泛化能力，且仅基于有症状尿路感染患者的未染色、未处理尿液样本	开发一个基于深度学习的诊断测试，用于自动识别尿路感染，以克服传统手动显微镜检查的技术困难、耗时和观察者间误差问题	尿路感染患者的尿液样本中的细胞	计算机视觉	尿路感染	临床显微镜成像	深度学习	图像	300张图像，包含3,562个手动注释的尿液细胞	未指定	Patch U-Net	未指定	未指定
19	2025-12-03	A deep learning system for predicting time to progression of diabetic retinopathy 2024-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02742-5 PMID:38177856	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20	2025-12-03	A deep learning system for predicting time to progression of diabetic retinopathy 2024-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02702-z PMID:38177850	研究论文	本文开发并验证了一个深度学习系统（DeepDR Plus），用于仅基于眼底图像预测糖尿病视网膜病变在5年内的进展时间	开发了首个基于深度学习预测糖尿病视网膜病变进展时间的系统，仅使用眼底图像，无需额外临床数据，并展示了在真实世界队列中的验证和个性化筛查间隔的潜力	未明确提及模型的可解释性、跨不同医疗中心的泛化能力或长期随访数据的局限性	预测糖尿病视网膜病变的进展时间，以实现个性化筛查间隔	糖尿病患者及其眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	深度学习系统	图像	预训练使用179,327名参与者的717,308张眼底图像；训练和验证使用29,868名参与者的118,868张眼底图像	NA	NA	一致性指数, 集成Brier分数	NA