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
21	2026-04-01	Uncovering prostate cancer aggressiveness signal in T2-weighted MRI through a three-reference tissues normalization technique 2024-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5069 PMID:37990759	研究论文	本文开发了一种基于深度学习的自动化方法，用于前列腺T2加权MRI强度归一化，以揭示前列腺癌侵袭性信号	提出了一种利用三种参考组织（臀大肌、股骨和膀胱）的自动化归一化技术，通过MASK R-CNN进行自动分割，并结合样条函数拟合，显著提升了T2W强度在区分前列腺癌与正常组织及评估肿瘤侵袭性方面的定量利用	方法依赖于手动轮廓数据进行MASK R-CNN训练，样本量有限（32例患者），且归一化效果在独立数据集（83例患者）中验证，但未涉及更大规模或多中心验证	开发自动化前列腺T2W MRI强度归一化方法，以改善定量评估前列腺癌及其侵袭性	前列腺癌患者的前列腺T2加权MRI图像，包括癌变区域和正常前列腺组织	数字病理学	前列腺癌	T2加权MRI	CNN	图像	训练集：32例患者；独立测试集：83例患者；共231个活检感兴趣区域	PyTorch	MASK R-CNN	Spearman相关系数, t检验	NA
22	2026-03-22	Magnetic Resonance Spectroscopy Spectral Registration Using Deep Learning 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28868 PMID:37401726	研究论文	本文提出了一种基于卷积神经网络的磁共振波谱配准方法，用于单个体素MEGA-PRESS MRS数据的同步频率和相位校正	首次将深度学习应用于磁共振波谱配准，实现了同步频率和相位校正，填补了该领域深度学习方法的空白	研究主要基于模拟数据集和有限的体内数据，需要更多真实世界数据验证其泛化能力	开发一种高效准确的磁共振波谱配准方法，用于MRS数据的频率和相位校正	单个体素MEGA-PRESS磁共振波谱数据	医学影像分析	NA	磁共振波谱，MEGA-PRESS序列	CNN	波谱数据	40,000个模拟MEGA-PRESS数据集和101个体内MEGA-PRESS内侧顶叶数据	NA	CNN-SR	频率偏移平均绝对误差，相位偏移平均绝对误差，胆碱区间方差	NA
23	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
24	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
25	2026-03-05	Deep Few-view High-resolution Photon-counting Extremity CT at Halved Dose for a Clinical Trial 2024-Mar-19, ArXiv PMID:38562444	研究论文	本研究提出了一种基于深度学习的PCCT图像重建方法，旨在在减半剂量和加倍速度下进行临床诊断	提出了一种基于块的体积细化网络以缓解GPU内存限制，使用合成数据训练网络，并采用基于模型的迭代细化来弥合合成数据与真实数据之间的差距	GPU内存限制、训练数据稀缺以及领域差距问题	改进PCCT的辐射剂量和成像速度，以用于对比增强和其他研究	新西兰临床试验中的8名患者	计算机视觉	NA	X射线光子计数计算机断层扫描	深度学习	图像	8名患者	NA	基于块的体积细化网络	诊断图像质量评分	GPU内存限制
26	2026-03-03	Artificial Intelligence: Fundamentals and Breakthrough Applications in Epilepsy 2024-Mar-31, Epilepsy currents IF:5.8Q1 DOI:10.1177/15357597241238526 PMID:39554271	综述	本文综述了人工智能在癫痫研究和临床护理中的基础原理与突破性应用	系统整合了人工智能在癫痫领域的多个前沿应用方向，包括药物筛选、临床治疗预测和脑电信号分析	NA	传播人工智能在癫痫学中的知识、应用方法、优势及潜在限制	癫痫研究、临床护理及相关技术应用	机器学习	癫痫	NA	NA	NA	NA	NA	NA	NA	NA
27	2026-02-28	Generative Adversarial Networks Accurately Reconstruct Pan-Cancer Histology from Pathologic, Genomic, and Radiographic Latent Features 2024-Mar-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.22.586306 PMID:38585926	研究论文	本文提出并验证了一种名为HistoXGAN的自定义生成对抗网络，能够利用特征提取器生成的特征向量重建代表性组织学图像	开发了HistoXGAN模型，首次实现了从病理、基因组和放射学潜在特征中准确重建泛癌组织学图像，并用于解释深度学习模型的生物学特征	未明确说明模型在特定癌症亚型或小样本数据集上的泛化能力限制	通过生成对抗网络重建肿瘤组织学图像，以解释深度学习模型提取的特征的生物学意义	29种癌症亚型的肿瘤组织学图像	数字病理学	泛癌（多种癌症）	生成对抗网络（GAN）	GAN	图像	涉及29种癌症亚型的样本，具体数量未明确说明	NA	HistoXGAN（自定义生成对抗网络）	图像重建准确性、肿瘤分级信息保留、组织学亚型识别、基因表达模式匹配	NA
28	2026-02-26	NuInsSeg: A fully annotated dataset for nuclei instance segmentation in H&E-stained histological images 2024-03-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03117-2 PMID:38486039	研究论文	本文发布了一个名为NuInsSeg的大型、完全手动注释的H&E染色组织图像数据集，用于细胞核实例分割	首次提供了包含模糊区域掩码的数据集，这些区域表示即使是人类专家也无法精确注释的图像部分	NA	为计算病理学中的细胞核实例分割任务提供高质量的训练数据集	H&E染色的组织图像中的细胞核	数字病理学	NA	H&E染色	NA	图像	665个图像块，包含超过30,000个手动分割的细胞核，来自31个人类和鼠类器官	NA	NA	NA	NA
29	2026-02-26	The application of artificial intelligence in EUS 2024 Mar-Apr, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000053 PMID:38947752	综述	本文综述了人工智能（AI）在超声内镜（EUS）诊断中的应用现状、价值及面临的挑战	系统性地总结了AI在EUS诊断多个领域（如胰腺肿瘤、慢性胰腺炎、胃肠道间质瘤等）的应用价值，并明确指出当前存在的四大关键问题	AI算法存在过拟合和偏差，诊断可靠性有待提高；其价值仍需前瞻性研究验证；伦理风险需考虑和规避	探讨人工智能技术在超声内镜诊断领域的应用潜力与挑战	超声内镜诊断相关的疾病，包括胰腺肿瘤、慢性胰腺炎、胃肠道间质瘤、食管早期癌、胆道及肝脏病变	数字病理	胰腺癌	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
30	2026-02-23	Synthetic PET from CT improves diagnosis and prognosis for lung cancer: Proof of concept 2024-Mar-19, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101463 PMID:38471502	研究论文	本研究开发了一种条件生成对抗网络管道，能够从诊断性CT扫描中生成FDG-PET图像，以改善肺癌的诊断和预后	首次利用深度学习从CT生成高保真PET图像，并在多中心多模态肺癌数据集上验证了合成PET在影像、生物学和临床方面的价值	研究为概念验证阶段，样本量相对有限（n=1,478），且主要针对肺癌，未涉及其他疾病	探索通过深度学习从CT生成PET图像的可行性，以解决PET成本高、普及性差的问题	肺癌患者的多中心多模态数据集	计算机视觉	肺癌	CT扫描，FDG-PET成像	GAN	图像	1,478例	NA	条件生成对抗网络	影像质量，肿瘤对比度，癌症标志通路一致性，诊断、分期、风险预测和预后的临床价值	NA
31	2026-02-23	NPSV-deep: a deep learning method for genotyping structural variants in short read genome sequencing data 2024-03-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btae129 PMID:38444093	研究论文	本文提出了一种基于深度学习的结构变异基因分型方法NPSV-deep，用于处理短读长基因组测序数据	将结构变异基因分型任务重新定义为图像相似性问题，通过比较实际测序数据与模拟数据的堆叠图像来预测基因型，并自动校正不精确或不正确描述的结构变异	NA	提高短读长基因组测序数据中结构变异的基因分型准确性	插入和缺失类型的结构变异	机器学习	NA	短读长基因组测序	深度学习	图像（堆叠图像）	NA	NA	NA	基因分型准确性，基因分型错误率，基因分型一致性	NA
32	2026-02-20	Slideflow: deep learning for digital histopathology with real-time whole-slide visualization 2024-Mar-27, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-024-05758-x PMID:38539070	研究论文	本文介绍了Slideflow，一个用于数字病理学的灵活深度学习库，支持多种深度学习方法，并包含实时全玻片可视化界面	Slideflow提供了独特的工具，包括全玻片图像处理、高效染色归一化和增强、弱监督全玻片分类、不确定性量化、特征生成、特征空间分析和可解释性，且框架无关的数据处理管道支持TensorFlow和PyTorch	未在摘要中明确提及具体限制	开发一个支持广泛深度学习方法的数字病理学库，以促进实验和模型部署	数字病理学中的全玻片图像	数字病理学	NA	深度学习	NA	图像	NA	TensorFlow, PyTorch	NA	NA	ARM-based设备（如Raspberry Pi）
33	2026-02-15	Deep learning for drug-drug interaction prediction: A comprehensive review 2024-Mar, Quantitative biology (Beijing, China) DOI:10.1002/qub2.32 PMID:41676018	综述	本文全面回顾了基于深度学习的药物-药物相互作用预测方法，并将其分为四类进行总结与讨论	系统性地将近年来的深度学习方法归纳为四大类别（神经网络、图神经网络、知识图谱、多模态），并对比了深度学习与传统机器学习在DDI预测上的性能提升	NA	总结和评估基于深度学习的药物-药物相互作用预测方法，探讨现有挑战与未来方向	药物-药物相互作用预测方法	机器学习	NA	深度学习	神经网络, 图神经网络	多模态数据	大规模数据集	NA	NA	NA	NA
34	2026-02-13	Enhancing spatial inference of air pollution using machine learning techniques with low-cost monitors in data-limited scenarios 2024-Mar-14, Environmental science: atmospheres DOI:10.1039/d3ea00126a PMID:38496327	研究论文	本研究提出了一种基于深度学习的模型，利用低成本监测器和广泛可用的免费数据集，在数据有限场景下增强空气污染的空间推断能力	引入了深度学习模型用于邻里尺度的颗粒物扩散预测，仅依赖低成本监测器和免费数据集，克服了低收入地区缺乏补充数据源（如智能手机追踪和实时交通监测）的限制	模型在特定区域验证，可能需进一步优化以适应更广泛的地理环境；依赖的免费数据集可能在某些地区覆盖不全	提高空气污染数据的可及性，特别是在数据有限的发展中国家和脆弱社区，以促进环境正义	颗粒物（PM）的扩散空间推断	机器学习	NA	低成本空气监测器，免费气象与环境数据集	深度学习模型	时间序列数据（PM浓度、气象变量）	NA	NA	NA	均方根误差（RMSE）	NA
35	2026-02-09	VOLTAGE-2: multicenter phase II study of nivolumab monotherapy in patients with mismatch repair-deficient resectable locally advanced rectal cancer 2024-Mar, ESMO gastrointestinal oncology DOI:10.1016/j.esmogo.2023.100031 PMID:41648746	研究论文	VOLTAGE-2研究是一项多中心II期临床试验，旨在评估纳武利尤单抗单药治疗错配修复缺陷可切除局部晚期直肠癌患者的疗效和安全性	首次在II期试验中探索纳武利尤单抗单药作为错配修复缺陷可切除局部晚期直肠癌的新辅助治疗，并计划利用人工智能和深度学习驱动的多组学分析进行时空跨组学研究	非随机、单臂设计可能引入偏倚，且样本量未明确说明	评估纳武利尤单抗单药治疗错配修复缺陷可切除局部晚期直肠癌的疗效和安全性，并探索生物标志物	错配修复缺陷可切除局部晚期直肠癌患者	数字病理学	直肠癌	全基因组测序, 全外显子组测序, 全转录组测序, 循环肿瘤DNA检测	深度学习	基因组数据, 转录组数据, 影像数据, 病理数据, 临床数据	NA	NA	NA	2年临床完全缓解率	NA
36	2026-02-09	Enhanced accuracy for classification of video capsule endoscopy images using multiple deep learning convolutional neural networks 2024-Mar, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2023.11.007 PMID:41648898	研究论文	本研究提出了一种基于多个卷积神经网络的迁移学习方法，用于高精度自动分类无边界视频胶囊内窥镜图像	采用17个CNN的集成方法，无需图像分割，实现了自动特征提取和模型微调，达到了99.79%的整体诊断准确率	未提及模型在外部验证集上的性能或临床部署的可行性	提高视频胶囊内窥镜图像分类的准确率，以辅助临床诊断	正常个体和患有5种病理状态（血管扩张、出血、糜烂、溃疡和异物）患者的VCE图像	计算机视觉	胃肠道疾病	视频胶囊内窥镜	CNN	图像	超过16,000张VCE胃肠道图像	NA	多个CNN（具体架构未指定）	准确率, 混淆矩阵, 精确率, 召回率, F1分数	NA
37	2026-02-03	A deep learning adversarial autoencoder with dynamic batching displays high performance in denoising and ordering scRNA-seq data 2024-Mar-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109027 PMID:38361616	研究论文	本文提出了一种名为动态批处理对抗自编码器（DB-AAE）的深度神经网络生成框架，用于有效去噪和排序单细胞RNA测序（scRNA-seq）数据	DB-AAE直接捕获输入数据中的最优特征，增强特征保留，包括细胞类型特异性基因表达模式，并在去噪准确性和生物信号保留方面优于其他方法	NA	提高scRNA-seq数据的质量和可靠性，以增强下游分析的准确性	单细胞RNA测序（scRNA-seq）数据	机器学习	NA	单细胞RNA测序（scRNA-seq）	对抗自编码器（AAE）	基因表达数据	模拟和真实数据集	NA	动态批处理对抗自编码器（DB-AAE）	去噪准确性, 生物信号保留	NA
38	2026-02-03	Identification of Neural Crest and Neural Crest-Derived Cancer Cell Invasion and Migration Genes Using High-throughput Screening and Deep Attention Networks 2024-Mar-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.07.583913 PMID:38496683	研究论文	本研究通过高通量siRNA筛选和深度学习注意力网络分析，识别了神经嵴及神经嵴来源的癌细胞侵袭和迁移的关键基因	结合高通量筛选与深度学习注意力网络，从45个基因面板中快速筛选出对黑色素瘤细胞侵袭至关重要的基因子集，并揭示了BMP4等基因在细胞迁移中的关键作用	研究主要聚焦于c8161黑色素瘤细胞和HT1080纤维肉瘤细胞，可能无法完全代表其他神经嵴来源癌症类型	识别神经嵴及神经嵴来源癌细胞侵袭和迁移的关键基因，以深入理解细胞迁移机制	神经嵴细胞、c8161黑色素瘤细胞系、HT1080纤维肉瘤细胞系	机器学习	黑色素瘤	高通量siRNA筛选、重组蛋白添加、体内外侵袭实验	深度学习注意力网络	基因表达数据、细胞迁移数据	45个基因面板，涉及c8161和HT1080细胞系	NA	注意力网络	NA	NA
39	2026-01-29	Transformer-based spatial-temporal detection of apoptotic cell death in live-cell imaging 2024-03-18, eLife IF:6.4Q1 DOI:10.7554/eLife.90502 PMID:38497754	研究论文	本研究开发了一种基于Transformer的深度学习系统ADeS，用于在活细胞成像中检测细胞凋亡的时空动态	首次提出能够检测完整显微镜时间序列中多个凋亡事件位置和持续时间的计算方法，性能超越现有方法和人类专家	未明确说明模型在极端成像条件或罕见细胞类型中的泛化能力限制	开发用于活细胞成像中细胞凋亡自动检测和量化的计算工具	体外和体内实验中的凋亡细胞	计算机视觉	NA	活细胞成像、活体显微镜	Transformer	显微镜时间序列图像	超过10,000个凋亡实例（体外和体内数据）	NA	基于活动识别原理的深度学习架构	分类准确率	NA
40	2026-01-23	Automated mood disorder symptoms monitoring from multivariate time-series sensory data: getting the full picture beyond a single number 2024-03-26, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-024-02876-1 PMID:38531865	研究论文	本文提出了一种基于可穿戴设备生理数据的深度学习管道，用于自动监测情绪障碍症状，超越单一标签预测，实现HDRS和YMRS量表所有项目的推断	首次提出从多变量时间序列传感器数据推断完整标准化量表（HDRS和YMRS）所有项目的任务，解决了临床中相同标签可能对应不同症状谱的问题	未明确说明样本的具体人口学特征或数据收集时长，且测试集中在分布外样本的重要性上，可能面临泛化挑战	开发一种基于可穿戴设备生理数据的自动化方法，以全面监测情绪障碍症状，支持临床决策	情绪障碍患者	机器学习	情绪障碍	可穿戴设备生理数据采集	深度学习	多变量时间序列传感器数据	大型情绪障碍患者队列（具体数量未提供）	NA	NA	二次Cohen's κ, 宏平均F1分数	NA