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
61	2026-05-24	SwinUNet: a multiscale feature learning approach to cardiovascular magnetic resonance parametric mapping for myocardial tissue characterization 2024-03-20, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2c15 PMID:38387052	研究论文	提出一种基于卷积U-Net和Swin Transformer的多尺度特征学习深度学习模型SwinUNet，用于加速心血管磁共振T1/T2参数映射	首次将卷积U-Net与Swin Transformer结合形成分层3D计算结构，实现空间和时间多尺度特征学习，实现高度加速的T1/T2参数映射	未明确说明，但可能包括样本量有限或加速倍数受限于心率变异性等实际临床因素	加速心血管磁共振T1/T2参数映射，实现心肌组织特征的快速定量评估	心肌组织，通过左心室心肌壁的T1/T2指标进行表征	数字病理学, 机器学习	心血管疾病	心血管磁共振, T1/T2参数映射	深度学习模型, 卷积神经网络, Transformer	图像（CMR图像）	未明确说明样本数量，但包括加速T1映射（≤4次心跳）和T2映射（2次心跳）的实验	NA	SwinUNet, 卷积U-Net, Swin Transformer, MyoMapNet	平均绝对误差, 结构相似性指数, 相关性分析, Bland-Altman一致性分析	NA
62	2026-05-24	An interpretable shapelets-based method for myocardial infarction detection using dynamic learning and deep learning 2024-03-01, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2217 PMID:38266290	研究论文	提出一种基于可解释性形状特征的方法，结合动态学习和深度学习进行心肌梗死检测	首次将形状特征与动态学习结合，用于提取心电信号的局部病理变化特征，并构建多维度心电动态信号的集成模型	未说明	提高心电检测心肌梗死的准确性，提取显著特征	心肌梗死患者与健康对照者的心电图信号	机器学习	心血管疾病	心电信号动态学习与深度学习	深度神经网络集成模型	心电信号	公开PTB数据集	NA	形状特征提取与深度神经网络集成模型	准确率, 灵敏度, 特异性	NA
63	2026-05-23	End-to-end deep learning approach to mouse behavior classification from cortex-wide calcium imaging 2024-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011074 PMID:38478563	研究论文	利用端到端深度学习模型从皮层钙成像数据中分类小鼠行为状态	提出一种结合卷积神经网络和循环神经网络的端到端解码器，能高精度分类行为状态并识别关键脑区，提供可解释性	仅在小鼠数据上验证，未提及模型在更大数据集或不同条件下的泛化能力	探索深度学习在解码小鼠脑活动与行为关系中的表现及可解释性	小鼠行为状态及其与皮层钙成像数据的关联	计算机视觉	不适用	钙成像	卷积神经网络（CNN）和循环神经网络（RNN）	钙成像图像序列	不适用	不适用	CNN-RNN	准确率、鲁棒性	不适用
64	2026-05-16	A systematic review on automatic identification of insomnia 2024-Mar-05, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2059 PMID:38237198	综述	关于自动识别失眠症的系统综述，评估了2015至2023年间基于机器学习和深度学习的方法	首次系统分类和比较了15种用于自动失眠检测的不同算法，揭示了当前研究中的显著空白和未来发展方向	当前方法在准确性和可靠性方面仍有改进空间，且可能受限于不同数据集和生理信号的质量	对自动识别失眠症系统的主要特征进行分类、比较和评估	睡眠脑电信号及其他生理信号	机器学习	失眠症	NA	机器学习模型和深度学习模型	生理信号	超过30篇相关出版物	NA	NA	准确性、可靠性等指标	NA
65	2026-05-16	Expanding from unilateral to bilateral: A robust deep learning-based approach for predicting radiographic osteoarthritis progression 2024-03, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.11.022 PMID:38113994	研究论文	开发并验证基于双侧膝关节视图的深度学习模型，用于预测骨关节炎的影像学进展	提出双侧膝关节神经网络（BikNet），首次利用对侧膝关节作为辅助视图来预测骨关节炎进展，优于传统单侧模型	仅使用OAI数据集，可能泛化性受限；未提及外部验证数据集	开发稳健的深度学习模型预测骨关节炎进展，提高临床诊断准确性和一致性	OAI研究中参与者的双侧膝关节后前位X光片	计算机视觉	骨关节炎	NA	CNN	图像	3583名参与者	NA	DenseNet, ResNext, BikNet	AUC, 敏感性, 特异性	NA
66	2026-05-05	In vivo identification of angle dysgenesis and its relation to genetic markers associated with glaucoma using artificial intelligence 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1456_23 PMID:38146977	研究论文	利用深度学习在体内识别前段光学相干断层扫描中的角发育不全，并探讨其与已知青光眼基因突变的相关性	首次使用深度学习模型客观识别前段OCT图像中的角发育不全，并关联已知青光眼基因突变	NA	预测前段光学相干断层扫描中角发育不全的存在，并研究其与已知青光眼基因突变的相关性	前段光学相干断层扫描图像	计算机视觉	青光眼	光学相干断层扫描	深度学习	图像	800张前段OCT图像，其中340张用于构建模型，包括170张先天性青光眼、青少年开角型青光眼和成人开角型青光眼图像，以及85张对照；遗传验证数据集包括393张已知突变患者图像和320张健康对照	NA	NA	准确率，特异性，灵敏度	NA
67	2026-05-05	Artificial intelligence in glaucoma detection using color fundus photographs 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_613_23 PMID:38099383	研究论文	探索利用深度学习算法从彩色眼底照片中检测青光眼的潜力并评估其准确性	基于ResNet 50V2的深度学习模型在灰度眼底照片上实现了高准确率检测青光眼性视神经病变	假阴性和假阳性结果分别占17%和20%，主要源于高度近视合并青光眼、小视盘早期青光眼及软件对大视盘生理性大杯凹、近视或倾斜视盘等的错误分类	评估人工智能基于彩色眼底照片检测青光眼的准确性与潜力	彩色眼底照片（含正常视盘和青光眼性视神经病变的图片）	机器学习	青光眼	基础深度学习方法	CNN（残差网络）	图像	1375张彩色眼底照片（735张正常视盘，640张GON）	NA	ResNet 50V2	准确性、敏感性、特异性、阳性预测值、阴性预测值、阳性似然比、阴性似然比	NA
68	2026-05-03	Comparison of individualized facial growth prediction models based on the partial least squares and artificial intelligence 2024-03-01, The Angle orthodontist DOI:10.2319/031723-181.1 PMID:37913813	研究论文	比较了基于偏最小二乘法和人工智能的个性化面部生长预测模型	首次系统比较了传统偏最小二乘回归与基于TabNet深度神经网络的人工智能方法在面部生长预测中的性能，并发现AI在大多数骨性标志点预测中更准确	AI在颅底标志点预测上不如PLSA准确；软组织和下颌骨标志点的预测误差较大；样本可能具有选择性偏倚	评估并比较基于偏最小二乘法和人工智能的面部生长预测模型的准确性	未曾接受正畸治疗的410名患者的纵向头颅侧位片	机器学习	NA	头颅侧位片成像	TabNet深度神经网络	图像	410名患者的系列纵向头颅侧位片	NA	TabNet	预测误差（毫米）	NA
69	2026-05-02	Characterisation of the normal human ganglion cell-inner plexiform layer using widefield optical coherence tomography 2024-03, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.13255 PMID:37990841	研究论文	利用宽视野光学相干断层扫描描述健康人群神经节细胞-内丛状层厚度的变化	通过宽视野OCT扫描覆盖55°×45°范围，并结合深度学习方法自动分割GCIPL，揭示了健康人群中GCIPL厚度随年龄、眼轴长度和性别的变化模式，尤其是发现了黄斑外四个统计上不同的年龄相关变化聚类	NA	描述健康队列中宽视野光学相干断层扫描的GCIPL厚度变化	470只健康眼睛的GCIPL厚度	机器学习	NA	光学相干断层扫描	NA	图像	470只健康眼睛	NA	NA	NA	NA
70	2026-04-29	Automated prediction of acute promyelocytic leukemia from flow cytometry data using a graph neural network pipeline 2024-03-01, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqad145 PMID:37878540	研究论文	提出一种利用图神经网络管道从流式细胞术数据自动预测急性早幼粒细胞白血病的机器学习模型	首次将图神经网络应用于流式细胞术数据进行急性早幼粒细胞白血病分类，并结合输入扰动方法实现模型预测的可解释性	NA	开发能够准确区分急性早幼粒细胞白血病与其他急性髓系白血病的机器学习模型	急性早幼粒细胞白血病患者和急性髓系白血病患者的流式细胞术数据	机器学习	急性早幼粒细胞白血病	多色流式细胞术	图神经网络	流式细胞术数据	27例急性早幼粒细胞白血病患者和41例其他急性髓系白血病患者	NA	图神经网络	准确率	NA
71	2026-04-24	Integrating Phenotypic Information of Obstructive Sleep Apnea and Deep Representation of Sleep-Event Sequences for Cardiovascular Risk Prediction 2024-Mar-15, Research square DOI:10.21203/rs.3.rs-4084889/v1 PMID:38559110	研究论文	通过整合阻塞性睡眠呼吸暂停的表型信息和睡眠事件序列的深度表示，实现精准的心血管风险预测	首次联合OSA表型聚类和睡眠事件序列深度表示，提出表型对比训练策略，提升心血管风险预测性能	NA	探索整合OSA表型信息和夜间生理信息进行普通人群精准心血管风险预测的有效策略	MESA数据集中1874名无心血管病史的参与者	机器学习	心血管疾病	多导睡眠监测（PSG）	机器学习模型与深度学习模型	静态PSG特征与夜间睡眠事件特征序列	1874名参与者	NA	K-means聚类、深度学习模型	ROC曲线下面积（AUC）	NA
72	2026-04-24	Adopting artificial intelligence in cardiovascular medicine: a scoping review 2024-03, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-023-01469-7 PMID:37907600	综述	对人工智能在心血管医学中应用的范围进行综述，涵盖多个亚专科及技术趋势	发现过去五年中心血管医学与AI的结合增长了十倍以上，并展示了深度学习在诊断和预后中的主导作用	AI在临床决策框架中的全面整合仍存在明显差距	捕捉AI在心血管科学中应用的广度并识别当前趋势	心血管医学及其亚专科，如普通心脏病学、缺血性心脏病、心力衰竭和心律失常	机器学习	心血管疾病	NA	深度学习	医院数据集、心电图、超声心动图、组学数据	140项研究	NA	NA	NA	NA
73	2026-04-24	Implementing focused echocardiography and AI-supported analysis in a population-based survey in Lesotho: implications for community-based cardiovascular disease care models 2024-03, Hypertension research : official journal of the Japanese Society of Hypertension IF:4.3Q1 DOI:10.1038/s41440-023-01559-6 PMID:38228749	研究论文	本文探讨在资源有限地区，通过短期培训护士使用手持超声设备并结合人工智能分析，进行人群调查中聚焦心脏超声的可行性	首次在莱索托社区环境中评估护士经短期培训后使用低成本手持超声设备结合深度学习算法进行左心室肥厚诊断的效果	研究仅评估了胸骨旁长轴切面，未探索其他心脏视图；且由护士获取的图像需经过心脏病专家确认，其长期效果和可推广性有待进一步验证	评估在缺乏专家超声心动图检查资源的地区，结合人工智能分析的聚焦超声心动图用于左心室肥厚诊断和监测的可行性	莱索托南部16名无超声经验的护士或护士助理以及756例超声心动图样本	计算机视觉	心血管疾病	聚焦心脏超声	深度学习	超声心动图图像	756份超声心动图（来自16名操作者）	NA	深度学习算法（具体未指定）	可评估率、心脏病专家确认率	巴塞尔大学医院的计算资源（具体GPU等信息未提供）
74	2026-04-18	Systemic lupus in the era of machine learning medicine 2024-03-04, Lupus science & medicine IF:3.7Q1 DOI:10.1136/lupus-2023-001140 PMID:38443092	综述	本文综述了机器学习和人工智能在系统性红斑狼疮研究中的应用现状、挑战与未来机遇	探讨了机器学习在系统性红斑狼疮这一复杂疾病研究中的新兴应用，包括预测模型构建和新型生物标志物识别	大多数预测模型仍需外部验证才能临床采纳，且伦理、治理和监管问题需进一步关注	概述机器学习技术在系统性红斑狼疮研究中的应用，讨论当前差距、挑战和机遇	系统性红斑狼疮	机器学习	系统性红斑狼疮	监督学习和无监督学习	深度学习模型	多样化的大数据集	NA	NA	NA	NA	NA
75	2026-04-14	A Review for Artificial Intelligence Based Protein Subcellular Localization 2024-03-27, Biomolecules IF:4.8Q1 DOI:10.3390/biom14040409 PMID:38672426	综述	本文综述了基于人工智能的蛋白质亚细胞定位方法的最新进展，包括序列、知识和图像三种典型方法，并讨论了该领域的现有挑战与未来方向	系统性地总结了人工智能在蛋白质亚细胞定位领域的应用，涵盖序列、知识和图像三种方法，并指出了当前挑战和未来研究方向	作为综述文章，未提出新的实验或模型，主要基于现有文献进行总结和讨论	综述人工智能在蛋白质亚细胞定位领域的方法发展，以应对高通量测序时代蛋白质定位的挑战	蛋白质亚细胞定位方法	机器学习	癌症,阿尔茨海默病	荧光显微镜成像,免疫电子显微镜,荧光生物标记标签	深度学习	序列数据,知识数据,图像数据	NA	NA	NA	NA	NA
76	2026-04-14	A self-supervised learning approach for registration agnostic imaging models with 3D brain CTA 2024-Mar-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.109004 PMID:38375230	研究论文	本文提出了一种自监督学习方法，使卷积神经网络能够处理未配准的脑CTA图像，用于急性卒中检测	提出了一种通用的对比自监督学习方法，将针对配准图像设计的卷积神经网络适应到未配准图像域，无需依赖标签	未明确说明方法在其他神经影像任务或数据集上的泛化能力	开发一种无需图像配准的深度学习神经影像管道，用于急性卒中检测	脑CTA图像，特别是用于大血管闭塞检测	计算机视觉	心血管疾病	计算机断层扫描血管造影	CNN	3D图像	402名CTA患者	NA	NA	AUC	NA
77	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
78	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
79	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
80	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