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	2026-09-20	Test Retest Reproducibility of Organ Volume Measurements in ADPKD Using 3D Multimodality Deep Learning 2024-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.09.009 PMID:37798206	研究论文	本研究开发了一种基于nnU-net的3D多模态多类别分割模型，利用五种MRI序列和CT图像测量ADPKD患者的器官体积，并通过异常值分析和平均降低测量变异性	利用所有脉冲序列进行多次测量，通过异常值分析和平均来减少器官体积测量变异性，实现了优于所有专家观察者的1.3%重测重现性	样本量相对较小，重测重现性评估仅涉及19名ADPKD患者，外部验证集为37例	通过利用所有脉冲序列获得多次测量，进行异常值分析和平均，以降低ADPKD患者MRI器官体积测量的变异性	ADPKD患者的MRI和CT图像	医学图像分割	常染色体显性多囊肾病	MRI和CT成像	3D nnU-net	医学图像	413名受试者用于训练/验证，19名ADPKD患者进行重测重现性评估，内部验证25例，外部验证37例	NA	nnU-net	Dice相似系数, Jaccard指数, 平均表面距离, 平均Hausdorff距离, 绝对百分比差异, 曲线下面积	NA
2	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
3	2026-09-13	Deep model predictive control of gene expression in thousands of single cells 2024-03-08, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46361-1 PMID:38459057	研究论文	该研究训练深度神经网络预测大肠杆菌光遗传系统的响应，并利用深度模型预测控制框架在数千个单细胞中实时施加任意基因表达动态	将深度学习与控制理论结合，实现无需生物学系统专家知识即可对数千个单细胞进行高精度、高通量的基因表达动态反馈控制	研究仅在大肠杆菌光遗传系统中验证，尚未推广到更复杂的生物系统或哺乳动物细胞	实现对单细胞基因表达动态的精准实时控制，以研究基因表达动态对细胞表型的影响	大肠杆菌单细胞	机器学习	NA	光遗传学	深度神经网络	时间序列数据	数千个单细胞	NA	NA	预测准确性	NA
4	2026-09-08	Precise and Rapid Whole-Head Segmentation from Magnetic Resonance Images of Older Adults using Deep Learning 2024-Mar, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00090 PMID:38465203	研究论文	提出一种名为GRACE的深度学习方法，用于老年人MRI全脑分割，精确且快速，支持有限元建模	针对老年人头部结构（如脑萎缩）优化的全脑分割方法，使用迄今最大的手动校正数据集（177例MRI）进行训练和验证	未在论文标题和摘要中明确提及局限性	开发并验证一种适用于老年人T1加权MRI的通用、快速、全面的全脑组织分割方法	老年人头部MRI扫描，涵盖11种组织类型（如白质、灰质、脑脊液等）	深度学习	年龄相关脑疾病	MRI（T1加权）	深度学习，基于3D U-Net的变体	MRI图像	177例手动校正的MRI分割数据	PyTorch	3D U-Net	Hausdorff Distance，平均3秒处理时间	未在标题和摘要中明确提及
5	2026-09-06	A cascading learning method with SegFormer for radiographic measurement of periodontal bone loss 2024-03-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04079-y PMID:38468273	研究论文	本研究提出了一种级联学习方法，利用SegFormer模型进行牙周骨丧失的影像学测量	创新性地将深度学习中的SegFormer模型应用于两级联任务（牙位识别和牙齿语义分割），并结合主成分分析主轴进行牙周骨丧失的定量测量	未提供具体限制信息，可能包括样本量有限或需要临床验证等	旨在建立一种精确测量特定牙位放射学骨丧失的级联学习方法，以辅助牙周病诊断	全景X射线图像中的牙齿及牙周骨结构	医学影像分析	牙周病	深度学习、图像分割	SegFormer	图像	未在摘要中明确说明样本量	未明确说明，但可能使用如PyTorch等深度学习框架	SegFormer	交并比、F1分数、相关系数、精确率、敏感度	未在摘要中说明，但可能使用GPU进行训练
6	2026-09-06	Artificial Intelligence-Enhanced Breast MRI: Applications in Breast Cancer Primary Treatment Response Assessment and Prediction 2024-03-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001010 PMID:37493391	综述	本文综述了人工智能增强乳腺MRI在乳腺癌原发性全身治疗反应评估和预测中的应用，并讨论了其临床实施的挑战和局限性	全面总结了传统机器学习和深度学习在MRI预测乳腺癌对PST反应中的应用，涵盖治疗前和早期治疗阶段	临床实施面临挑战，包括定性主观评估的局限性、验证不足及技术转化障碍	评估和总结人工智能增强MRI在乳腺癌原发性全身治疗反应评估与预测中的当前应用	乳腺癌患者，特别是接受原发性全身治疗的局部晚期或早期乳腺癌患者	医学影像分析	乳腺癌	磁共振成像	传统机器学习、深度学习	医学图像	不适用	不适用	不适用	不适用	不适用
7	2026-09-01	Enabling large-scale screening of Barrett's esophagus using weakly supervised deep learning in histopathology 2024-03-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46174-2 PMID:38467600	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8	2026-09-01	DeepETPicker: Fast and accurate 3D particle picking for cryo-electron tomography using weakly supervised deep learning 2024-03-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46041-0 PMID:38453943	research paper	开发了一种名为DeepETPicker的深度学习模型，用于从冷冻电子断层扫描图像中快速准确地挑选三维粒子，训练仅需弱监督和少量简化标签	采用弱监督学习结合简化标签和轻量化模型架构，以及加速池化技术，显著提高了粒子挑选的准确性和速度	未提及具体局限性	开发一种快速且准确的自动化粒子挑选方法，以支持冷冻电子断层扫描原位结构解析	冷冻电子断层扫描中的生物大分子颗粒	computer vision	NA	cryo-electron tomography	deep learning model	图像	模拟和真实断层扫描图像	NA	轻量化卷积神经网络	准确率，速度，坐标准确性，重建分辨率	NA
9	2026-09-01	Deep learning model for personalized prediction of positive MRSA culture using time-series electronic health records 2024-03-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46211-0 PMID:38448409	研究论文	本研究开发了深度学习模型PyTorch_EHR，利用电子健康记录时间序列数据预测两周内MRSA培养阳性结果	利用广泛的患者特异性时间序列EHR数据，构建深度学习模型预测MRSA培养阳性，性能优于逻辑回归和LGBM等传统机器学习模型，并成功进行外部验证	未提供明确的限制信息	快速准确地分层MRSA感染风险，优化抗生素治疗，减少不必要的MRSA特异性抗菌药物使用	MRSA阳性与阴性患者事件数据	机器学习	耐甲氧西林金黄色葡萄球菌感染	电子健康记录分析	深度学习模型	时间序列电子健康记录数据	30,557患者事件（来自Memorial Hermann医院系统），393,713患者事件（来自MIMIC-IV数据集）	PyTorch	NA	AUROC	NA
10	2026-08-30	Humans use tools: From handcrafted tools to artificial intelligence 2024-03, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2023.101705 PMID:37956905	研究论文	本文探讨了从手工工具到人工智能的技术演进，并聚焦于AI在血管外科手术中的应用、优势及伦理挑战。	综合回顾了工具历史并提出AI作为未来外科工具的愿景，强调了AI在提高手术精度、决策支持和风险评估中的潜力。	AI在外科中的应用仍处于早期阶段，面临数据代表性、隐私保护和决策透明度等问题。	阐述人工智能在血管外科手术中的潜在应用，并讨论其伦理和社会影响。	血管外科手术中的人工智能应用，包括疾病风险识别、影像解读和机器人辅助。	机器学习	血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
11	2026-08-23	Celiac disease diagnosis from endoscopic images based on multi-scale adaptive hybrid architecture model 2024-03-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad25c1 PMID:38306971	研究论文	本研究提出一种基于多尺度自适应混合架构的深度学习模型，用于从内窥镜图像中诊断乳糜泻	提出一种新颖的CNN-Transformer混合架构，包含多尺度空间自适应选择性核卷积特征注意力模块，能动态捕捉不同病灶区域的关键特征，并整合全局与局部信息以提升诊断性能	未在摘要中明确提及局限性	利用新疆地区乳糜泻患者的内窥镜图像，开发一种高性能、轻量级的深度学习模型，以提高乳糜泻诊断的准确性	乳糜泻患者的内窥镜图像，涉及十二指肠球部、十二指肠降部和回肠末端等部位	深度学习	乳糜泻	内窥镜成像	CNN-Transformer混合模型	图像	未在摘要中提及	未在摘要中提及	CNN-Transformer混合架构，多尺度空间自适应选择性核卷积特征注意力模块	准确率、特异性、F1分数、精确率	未在摘要中提及
12	2026-08-23	Automatic segmentation of hepatocellular carcinoma on dynamic contrast-enhanced MRI based on deep learning 2024-03-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2790 PMID:38330492	研究论文	本研究开发了一种基于深度学习的自动检测和分割模型，用于动态对比增强磁共振成像中的肝细胞癌，并取得了良好的分割和检测性能	首次针对DCE-MRI图像开发HCC自动检测与分割的深度学习模型，并采用多期相输入改进U-net架构，结合五折交叉验证集成和连接组件分析后处理	未在摘要中明确提及局限性	开发一种基于DCE-MRI的自动检测和分割肝细胞癌的深度学习模型，以提高临床管理中的精确性	肝细胞癌病变	医学影像分析	肝细胞癌	动态对比增强磁共振成像	卷积神经网络（U-net）	医学影像	382名患者（466个病灶）用于训练和独立测试，51名患者（62个病灶）用于外部验证	未明确提及	U-net	Dice相似系数、灵敏度、精确率、每例假阳性数	未明确提及
13	2026-08-21	HGCMorph: joint discontinuity-preserving and pose-learning via GNN and capsule networks for deformable medical images registration 2024-03-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a96 PMID:38373349	研究论文	提出了一种结合卷积网络、图神经网络和胶囊网络的混合深度学习架构HGCMorph，用于变形医学图像配准，旨在提高配准精度和效率，并处理旋转配准问题。	创新性地结合ConvNets、GNNs和CapsNets，同时捕捉低级特征（短程注意力）和抽象高级特征（实体属性如位置、大小、方向、变形和纹理），实现不连续性保留和姿势学习。	摘要中未明确提及局限性。	通过开发新型架构，克服现有基于U-Net、ConvNets或Transformers的配准方法的局限性，提高医学图像配准的准确性和效率，并处理旋转配准问题。	医学图像，包括脑部数据集（OASIS和LPBA40）和肺部数据集（日本放射学会、Montgomery和Shenzhen）。	医学图像分析	不适用（未指定特定疾病）	深度学习	GNN, 胶囊网络, ConvNets	图像	OASIS和LPBA40数据集，具体样本数未提及；肺部数据集包括日本放射学会、Montgomery和Shenzhen。	未提及	混合框架，包含ConvNets, GNNs, CapsNets	Dice分数（DSC），负雅可比行列式	未提及
14	2026-08-21	Highly robust reconstruction framework for three-dimensional optical imaging based on physical model constrained neural networks 2024-03-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2ca3 PMID:38394682	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15	2026-08-21	Synthetic CT imaging for PET monitoring in proton therapy: a simulation study 2024-03-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a99 PMID:38373343	研究论文	本研究探讨了质子治疗中束内正电子发射断层扫描（IB-PET）的基本局限性，即图像缺乏直接解剖表示，并通过应用深度学习技术从IB-PET和计划CT扫描数据创建合成对照CT图像（sCT）来克服这一缺陷。	创新点在于首次将深度学习技术应用于质子治疗中的IB-PET，通过结合IB-PET和计划CT数据生成合成CT图像，以揭示隐藏的解剖信息。	研究仅基于模拟数据，涉及六名患者，且未提及计算资源的具体信息。	旨在开发一种基于视觉变换器（ViT）的深度学习模型，从IB-PET和计划CT扫描中生成合成CT图像，以提高质子治疗中的解剖可视化。	研究对象是接受质子束照射的六名患者，使用他们的计划CT扫描和模拟的分数间PET活动图。	医学影像，深度学习	不适用	模拟IB-PET成像，使用计划CT扫描和PET活动图	视觉变换器（ViT）神经网络	医学图像（CT和PET）	六名患者	不适用	视觉变换器（ViT）	结构相似性指数（SSIM）、平均绝对误差（MAE）、均方根误差（RMSE）、峰值信噪比（PSNR）、Dice相似系数（DSC）	不适用
16	2026-08-21	Radioport: a radiomics-reporting network for interpretable deep learning in BI-RADS classification of mammographic calcification 2024-03-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a95 PMID:38373345	研究论文	提出一种名为Radioport的放射组学报告网络，通过结合文本注意力机制增强深度学习放射组学在乳腺钼靶钙化诊断中的可解释性	创新性地将文本注意力机制融入放射组学报告网络，实现视觉特征与文本特征的映射，自动生成诊断报告，提升深度学习模型的可解释性和报告可读性	未在摘要中明确提及局限性	提高深度学习放射组学在乳腺钼靶钙化诊断中的可解释性，并改善生成医学报告的可读性	乳腺钼靶图像及其对应的诊断报告	计算机视觉	乳腺疾病	深度学习放射组学	卷积神经网络	图像和文本	未在摘要中明确提及样本数量	未在摘要中明确提及框架	卷积神经网络	未在摘要中明确提及性能指标	未在摘要中明确提及计算资源
17	2026-08-21	A multi-modal vision-language pipeline strategy for contour quality assurance and adaptive optimization 2024-03-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2a97 PMID:38373347	研究论文	提出了一种多模态视觉-语言流水线策略，用于放疗中器官危及器官轮廓的质量保证和自适应优化修正	创新性地结合了质量保证模块、不可接受轮廓分类模块和自适应修正模块，利用视觉-语言表示和凸优化算法实现轮廓的自适应修正	未在摘要中提及	自动化识别和修正深度学习生成的错误自动分割轮廓，提高放疗中危及器官勾画的工作流程效率	来自九个机构的586张CT图像和标签，包括脑干、腮腺和下颌骨等危及器官	计算机视觉、机器学习	放射治疗相关的肿瘤疾病	深度学习、凸优化	视觉-语言模型	CT图像及相应标签	586个CT图像和标签	未提及	视觉-语言表示模型	敏感性、准确率、精确率、F1分数、Dice相似系数、豪斯多夫距离	未提及
18	2026-08-21	Riboformer: a deep learning framework for predicting context-dependent translation dynamics 2024-03-05, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-46241-8 PMID:38443396	研究论文	本文介绍了Riboformer，一个基于深度学习的框架，用于预测翻译动力学中的上下文依赖性变化。	Riboformer采用Transformer架构，能够在密码子分辨率下准确预测核糖体密度，并能在未见过的数据集中纠正实验伪影，同时结合in silico突变识别导致核糖体停滞的序列基序。	本文未提及明显的局限性，但可能依赖高质量训练数据，且对特定生物学上下文的适用性需进一步验证。	建模翻译动力学中的上下文依赖性变化，标准化核糖体图谱数据集，并揭示翻译调控的机制。	核糖体图谱数据，包括来自不同生物背景（如老化和病毒感染）的核糖体密度图谱。	深度学习	老化相关疾病和病毒感染相关疾病	核糖体图谱	Transformer	基因组尺度下的核糖体密度数据	未在标题和摘要中明确提及具体样本数量。	未明确提及，可能涉及PyTorch或TensorFlow，但文中未指定。	Transformer	准确性，可能包括均方误差或相关系数，但文中未具体列出。	未在标题和摘要中提及。
19	2026-08-21	Enhancing the fairness of AI prediction models by Quasi-Pareto improvement among heterogeneous thyroid nodule population 2024-03-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-44906-y PMID:38438371	研究论文	本文提出了一种基于准帕累托改进（QPI）的深度学习方法，以增强甲状腺结节 AI 预测模型在不同亚组间的公平性，同时保持整体性能。	将准帕累托改进（QPI）与多任务学习和领域自适应相结合，提出 QP-Net 模型，在不牺牲整体性能的前提下改善劣势亚组的性能，并验证了其在多个公开数据集上的泛化能力。	摘要中未明确提及局限性。	提高 AI 医疗诊断模型在异质性人群中的公平性，减少因样本量不平衡导致的性能差异。	甲状腺超声数据集中的亚组人群，以及 ISIC2019 皮肤疾病数据集和 CheXpert 胸部 X 光数据集中的对应亚组。	医学影像分析	甲状腺结节、皮肤病、胸部疾病	超声成像、皮肤影像、胸部X光	深度学习模型	图像	包含甲状腺超声大型数据集，以及两个公开数据集（ISIC2019 和 CheXpert），具体样本量未在摘要中提供。	未明确指定，可能使用常见的深度学习框架，如 PyTorch 或 TensorFlow。	QP-Net（结合多任务学习和领域自适应，可能基于卷积神经网络架构）	AUC（曲线下面积）	未在摘要中提及。
20	2026-08-20	TacticAI: an AI assistant for football tactics 2024-03-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45965-x PMID:38503774	研究论文	提出TacticAI，一种与利物浦足球俱乐部专家合作开发的AI足球战术助手，专注于分析角球并预测结果和生成球员站位建议	结合预测和生成组件，通过几何深度学习实现数据高效，在有限数据下提出有效的角球战术分析和推荐系统	未提及	开发并验证一种AI辅助工具，用于分析和改进足球角球战术，提供预测和生成球员站位建议	足球角球战术，以利物浦足球俱乐部的角球数据为研究对象	机器学习，计算机视觉（如果适用）	NA	几何深度学习	生成模型和预测模型	足球角球比赛数据（可能为轨迹或图数据）	未明确提及，但提到有限的黄金标准数据	未在提供的信息中明确，但可能使用PyTorch或TensorFlow	未明确，但可能包括图神经网络（GNN）或类似架构	包括预测接收者、射门尝试和推荐站位调整的评估指标，以及定性研究中的偏好率（90%时间偏好的比例）	未提及