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	2026-07-13	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-04-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	验证基于人工智能的自主早产儿视网膜病变筛查系统在 multinational 外部数据集中的性能	首次在多个国家的独立外部数据集上验证自主AI筛查ROP的有效性，并证明其检测type 1 ROP的完美灵敏度	仅使用两个外部数据集，且每个数据集的注释可能基于专家评估而非金标准	评估自主AI系统检测超过轻度ROP和type 1 ROP的准确性	早产儿视网膜病变的视网膜检查图像	计算机视觉	早产儿视网膜病变	深度学习影像处理	CNN	眼底图像	训练：843名婴儿2530次检查；外部验证：SUNDROP 1545名婴儿6245次检查，AECS 2699名婴儿5635次检查	NA	NA	AUROC, 灵敏度, 特异度	NA
2	2026-07-06	Assessing Biological Age: The Potential of ECG Evaluation Using Artificial Intelligence: JACC Family Series 2024-04, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2024.02.011 PMID:38597855	研究论文	探讨利用人工智能分析心电图评估生物年龄的潜力	利用深度学习模型在数十万份心电图数据上训练，通过AI-ECG得出的年龄与实际年龄的差值（delta age）作为生物年龄的替代指标，并发现其与死亡率相关	年龄预测存在误差，且未能实现完美预测	评估利用人工智能从心电图中预测生物年龄的可行性及其临床价值	数十万份心电图及其对应的个体年龄数据	机器学习	心血管疾病	心电图（ECG）	深度学习模型	心电图信号数据	数十万份心电图样本	NA	深度学习模型	年龄预测误差	NA
3	2026-07-04	Deep learning methods in metagenomics: a review 2024-04, Microbial genomics IF:4.0Q2 DOI:10.1099/mgen.0.001231 PMID:38630611	综述	综述深度学习在宏基因组学中的应用方法	系统总结了卷积网络、自编码器和注意力模型等深度学习方法在宏基因组学中的创新应用，并强调模型可解释性的重要性	NA	概述深度学习在宏基因组数据分析中的最新进展与应用潜力	宏基因组数据，特别是人类肠道微生物组的相关数据	机器学习	NA	宏基因组测序	卷积神经网络、自编码器、注意力模型	测序数据	NA	NA	CNN、Autoencoder、Attention-based models	NA	NA
4	2026-07-04	A convolutional neural network-based system for fully automatic segmentation of whole-body [68Ga]Ga-PSMA PET images in prostate cancer 2024-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06555-z PMID:38095671	研究论文	开发并评估一个基于nnU-Net的全自动工具，用于在前列腺癌患者的全身[68Ga]Ga-PSMA PET图像中检测和分割病变	首次提出基于自配置nnU-Net框架的全3D卷积神经网络，实现全身[68Ga]Ga-PSMA PET图像中的转移性前列腺癌病变的全自动分割，并在多中心数据上验证	研究未明确提及存在的局限性	开发并评估一个全自动分割工具，用于检测和分割全身[68Ga]Ga-PSMA PET图像中的转移性前列腺癌病变	前列腺癌患者全身[68Ga]Ga-PSMA PET/CT图像	计算机视觉	前列腺癌	PET/CT成像	卷积神经网络（CNN）	图像（PET/CT扫描）	412名患者来自三个不同中心，其中200例用于训练	nnU-Net	nnU-Net	准确率，敏感性，阳性预测值，阴性预测值，F1分数，Dice相似系数，交并比	NA
5	2026-07-04	Automated identification of uncertain cases in deep learning-based classification of dopamine transporter SPECT to improve clinical utility and acceptance 2024-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06566-w PMID:38133688	研究论文	设计并验证一种基于深度卷积神经网络的不确定性检测模块，用于自动识别多巴胺转运蛋白SPECT图像分类中的不确定病例	提出一种基于高灵敏度与高特异性网络集成不一致性的不确定性检测方法，优于传统的sigmoid、dropout和模型平均方法	研究仅限于[123I]FP-CIT配体及二分类任务，未探索其他配体或多分类场景	提高深度学习分类系统在临床中的实用性和接受度，通过不确定性检测有效识别高风险误分类病例	多巴胺转运蛋白SPECT图像，特别是[123I]FP-CIT配体成像	计算机视觉	神经退行性疾病	SPECT成像	卷积神经网络	医学影像	内部数据集1740例（训练1250，测试490），两个独立测试集各640和645例	NA	卷积神经网络	准确率	NA
6	2026-06-30	Correspondence attention for facial appearance simulation 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103094 PMID:38306802	研究论文	提出基于点对点注意力对应矩阵的ACMT-Net，用于预测正颌手术后面部软组织变化	首次在深度学习模型中引入物理对应的注意力机制，通过点对点对应矩阵关联骨骼移动与面部软组织变化	未提及算法在极端变形或复杂病例中的泛化能力	提升正颌手术面部外观模拟的计算效率与预测精度	颌骨畸形患者的面部软组织与骨骼结构	计算机视觉	颌骨畸形	NA	ACMT-Net（基于注意力机制的移动变换网络）	面部图像	颌骨畸形患者数据	PyTorch	注意力对应矩阵、k-NN聚类	预测精度与计算效率	NA
7	2026-06-30	Automatic liver segmentation and assessment of liver fibrosis using deep learning with MR T1-weighted images in rats 2024-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.12.006 PMID:38147969	研究论文	验证nnU-Net在分割和CNN在分类中用于肝纤维化MRI T1加权图像的性能	结合nnU-Net和CNN模型，无需造影剂即可自动分割肝脏并评估肝纤维化分期	仅使用大鼠模型，未涉及人肝纤维化数据；样本量较小（99只大鼠）	评估深度学习模型（nnU-Net和CNN）在大鼠肝脏分割和肝纤维化分期中的性能	99只雄性Wistar大鼠的肝脏组织和MR T1加权图像	深度学习	肝纤维化	MRI T1加权成像	nnU-Net和卷积神经网络（CNN）	MR图像	99只Wistar大鼠，共2628幅图像	NA	nnU-Net, CNN	Dice相似系数, 混淆矩阵, ROC曲线, 准确率, AUC	NA
8	2026-06-30	On retrospective k-space subsampling schemes for deep MRI reconstruction 2024-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.12.012 PMID:38184093	研究论文	探究不同k空间子采样方案对深度学习MRI重建质量的影响，特别是非直线子采样方案的优越性	首次系统比较了八种不同k空间子采样方案（含直线、非直线和非笛卡尔）在深度学习重建中的表现，并提出了多方案联合训练策略	未说明具体的计算资源使用情况，且仅使用单一RecurrentVarNet架构进行实验	评估k空间子采样方案对深度学习加速MRI重建质量的影响，寻找最优子采样策略	多通道MRI k空间全采样数据（来自三个不同数据集）	计算机视觉	NA	MRI k空间子采样	循环变分网络 (RecurrentVarNet)	k空间数据	三个多通道全采样MRI数据集	NA	RecurrentVarNet	重建质量指标（具体指标未在摘要中指定）	NA
9	2026-06-30	Social network analysis of cell networks improves deep learning for prediction of molecular pathways and key mutations in colorectal cancer 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103071 PMID:38199068	研究论文	通过结合细胞网络的社会网络分析特征，提升深度学习模型在结直肠癌分子通路和关键突变预测中的性能	提出将社会网络分析（SNA）从细胞图中提取的特征与深度学习特征融合，用于预测分子通路和关键突变，无需精确的细胞核分割，计算高效且可扩展	未提及具体局限性	改进结直肠癌分子通路和关键突变预测的深度学习方法，提高可解释性和性能	结直肠癌组织切片的细胞网络特征及对应的分子通路（CIN、HM）和基因突变（TP53、BRAF、MSI）	数字病理学	结直肠癌	组织切片成像	多实例学习框架	图像	499名患者的502张诊断切片，来自美国36个医疗中心	NA	NA	AUROC, AUPRC	NA
10	2026-06-30	DCT-net: Dual-domain cross-fusion transformer network for MRI reconstruction 2024-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.01.007 PMID:38237693	研究论文	提出了一种双域交叉融合变换器网络DCT-Net，用于增强MRI重建质量	创新性地设计了交叉注意力块和融合注意力块，实现了图像域与频率域信息的自适应交互与融合	NA	解决MRI采集时间长和运动伪影问题，提高欠采样数据重建的细节恢复能力	膝盖和脑部MRI图像	计算机视觉	NA	MRI	Transformer	图像	FastMRI (2023) 和 Calgary-Campinas (2021) 数据集	PyTorch	DCT-Net	定性评估和定量评估	NA
11	2026-06-30	Fighting the scanner effect in brain MRI segmentation with a progressive level-of-detail network trained on multi-site data 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103090 PMID:38241763	研究论文	提出LOD-Brain，一种渐进式细节层次的3D卷积神经网络，用于在多站点数据上训练以抑制脑MRI分割中的扫描仪效应	利用渐进式细节层次（LOD）网络结构，粗层级学习鲁棒的解剖先验，细层级处理站点特异性强度分布和解剖变异，训练数据包含约27000个T1w体积，来自约160个采集站点，覆盖广泛年龄和磁场强度	未明确提及，但可能受限于仅使用T1w序列，且依赖公开数据集的代表性	解决脑MRI分割中因不同MR扫描仪和采集参数导致的站点依赖性（扫描仪效应），提升外部数据的泛化性能	人脑MRI T1w体积数据，来自约160个采集站点，年龄8-90岁，磁场强度1.5-3T	计算机视觉	NA	MRI	3D卷积神经网络	图像	约27000个T1w体积，来自约160个采集站点	PyTorch	LOD-Brain（渐进式细节层次网络）	准确率, Dice系数	NA
12	2026-06-30	Immune subtyping of melanoma whole slide images using multiple instance learning 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103097 PMID:38325154	研究论文	利用多实例学习对黑色素瘤全切片图像进行免疫分型	首次采用深度学习模型直接利用临床常规的H&E染色病理切片进行黑色素瘤免疫亚型分类，避免了昂贵且耗时的转录组数据获取	未明确提及具体局限性	开发深度学习模型将HE染色病理切片分类为免疫亚群，以改善患者分层和预后预测	黑色素瘤患者的H&E染色全切片图像	数字病理学	黑色素瘤	H&E染色	多实例学习	图像	主要黑色素瘤数据集和独立TCGA黑色素瘤数据集	PyTorch	自监督模型	AUC	NA
13	2026-06-30	GAN-based generation of realistic 3D volumetric data: A systematic review and taxonomy 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103100 PMID:38340545	综述	系统综述基于生成对抗网络的逼真3D体积数据生成方法及分类	提出新颖分类法，全面概述体积GAN的架构、损失函数、评估指标及优缺点	未提及具体限制	总结使用GAN生成逼真体积合成数据的方法，并提供分类、评估、挑战和研究机会	基于GAN的体积数据生成方法及分类	计算机视觉、机器学习	罕见病（数据可用性问题提及）	GAN	GAN	3D体积数据	NA	NA	GAN（常见架构提及）	评估指标（具体未列出）	NA
14	2026-06-19	Adapting Deep Learning QSPR Models to Specific Drug Discovery Projects 2024-04-01, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.3c01124 PMID:38373038	研究论文	提出基于迁移学习的混合全局-局部策略，将深度学习QSPR模型适配到特定药物发现项目中	提出基于微调预训练全局模型的混合全局-局部迁移学习策略，在小样本场景下（每项目约10个分子）效果显著	NA	改进药物发现项目中的分子性质预测，通过领域适配提升局部模型性能	超过300个诺华药物发现项目的ADME实验数据	机器学习	NA	ADME实验	深度学习QSPR模型	分子结构数据	300多个药物发现项目，每个项目约10个分子	NA	预训练全局模型	平均绝对误差（MAE）	NA
15	2026-06-17	Measurement and Application of Incidentally Detected Coronary Calcium: JACC Review Topic of the Week 2024-04-23, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2024.01.039 PMID:38631775	综述	总结无门控非对比胸部CT检测偶然发现冠状动脉钙化的测量方法及其在心血管疾病风险分层中的应用	探讨深度学习自动化评分流程的潜力，并展望NCCT衍生的CAC评分在特定患者群体和更广泛健康系统中的未来临床应用	未提及具体限制	总结NCCT衍生的冠状动脉钙化在预防性心血管健康中的当前作用，并探索未来临床应用的途径	无门控非对比胸部CT扫描（NCCT）	医学影像分析	动脉粥样硬化性心血管疾病	冠状动脉钙化评分	深度学习	影像数据（CT）	不适用	不适用	不适用	不适用	不适用
16	2026-06-17	Deep Learning Models Compared to Experimental Variability for the Prediction of CYP3A4 Time-Dependent Inhibition 2024-04-15, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.3c00305 PMID:38501689	研究论文	利用深度学习模型预测CYP3A4时间依赖性抑制，并与实验变异进行比较	通过多任务学习和联邦学习整合多种数据源，首次将深度学习预测与实验检测的可重复性进行比较	主要依赖高度不平衡和小型数据集，模型泛化能力可能受限	开发并评估机器学习模型用于CYP3A4时间依赖性抑制的早期预测，以提升药物研发效率	CYP3A4酶抑制活性及药物-药物相互作用	machine learning	NA	NA	图神经网络	分子结构及抑制活性数据	约16000个公开化合物结构，若干内部和外部数据集	NA	多任务图神经网络	错误分类率	NA
17	2026-06-17	Deciphering the Lexicon of Protein Targets: A Review on Multifaceted Drug Discovery in the Era of Artificial Intelligence 2024-04-01, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.3c01161 PMID:38466810	综述	综述了人工智能时代以蛋白质及其相互作用热点为靶点的合理药物设计方法、挑战及应用	系统整合了机器学习和深度学习技术在蛋白质结合热点识别与表征中的应用，并通过热休克蛋白27和基质金属蛋白酶（MMP2/MMP9）的案例展示了药物发现范式	未明确说明，但从综述性质推测可能缺乏对实际临床应用效果的深入讨论	探讨人工智能辅助的合理药物设计技术在靶向蛋白质及蛋白质-蛋白质相互作用热点中的策略、方法与挑战，并提供对药物设计的见解	蛋白质结合热点、蛋白质-蛋白质相互作用（PPIs）、热休克蛋白27（HSP27）及基质金属蛋白酶（MMP2和MMP9）	机器学习	癌症	合理药物设计、人工智能方法（机器学习和深度学习）、量子化学	NA	NA	NA	NA	NA	NA	NA
18	2026-06-15	Demographic bias in misdiagnosis by computational pathology models 2024-04, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02885-z PMID:38641744	研究论文	该文章通过分析计算病理学模型在不同人口群体中的表现差异，揭示了性别和种族等因素导致的诊断偏差	首次系统性评估了计算病理学模型在乳腺癌、肺癌亚型分类和胶质瘤IDH1突变预测中的人口统计偏差，并比较了自监督视觉基础模型与偏见缓解策略的效果	自监督视觉基础模型未能完全消除人口统计偏差，表明需要进一步研究更有效的偏见缓解方法	评估并量化计算病理学模型在不同人口群体中的性能差异，并探讨自监督视觉基础模型对减少偏见的作用	乳腺癌、肺癌、胶质瘤患者全切片图像及其人口统计信息（种族、性别等）	数字病理学	乳腺肿瘤, 肺肿瘤, 胶质瘤	全切片图像 (WSI) 分析	CNN, 自监督视觉基础模型	图像	涉及TCGA、EBRAINS脑肿瘤图谱及内部患者数据，具体样本数量未在摘要中明确	PyTorch	ResNet, 自监督视觉基础模型 (如BYOL, SwAV等)	AUC, 接收者操作特征曲线下面积	NA
19	2026-06-07	Unsupervised deep learning model for correcting Nyquist ghosts of single-shot spatiotemporal encoding 2024-04, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29925 PMID:38073072	研究论文	提出一种用于校正单次激发时空编码中的奈奎斯特鬼影的无监督深度学习模型	结合残差编码器和受限子空间映射的无监督网络RERSM-net，利用自旋物理前向模型和循环一致性损失训练	NA	校正单次激发时空编码MRI中的奈奎斯特鬼影	单次激发时空编码MRI图像	机器学习	NA	MRI	无监督深度学习模型	MRI图像	NA	NA	残差编码器与受限子空间映射网络	NA	NA
20	2026-06-02	A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI 2024-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28895 PMID:37403945	研究论文	提出一种通道维度特征重构的深度学习模型，利用全b值扩散加权MRI预测乳腺癌分子亚型	首次通过通道维度特征重构机制充分挖掘无对比剂DW-MRI的潜力，使得DW-MRI达到与DCE-MRI相当的预测性能	未具体说明模型在外部验证集上的表现，且研究仅针对单一机构的前瞻性数据	开发无需对比剂的深度学习模型预测乳腺癌分子亚型，并比较DW-MRI与DCE-MRI的预测性能	486名女性乳腺癌患者肿瘤的分子亚型分类（luminal A、luminal B、HER2+、三阴性）	数字病理学	乳腺癌	扩散加权成像（DWI）、动态对比增强MRI（DCE-MRI）	卷积神经网络（CNN）、深度神经网络（DNN）	MRI图像	486名女性乳腺癌患者（训练/验证/测试：64%/16%/20%）	NA	通道维度特征重构深度神经网络（CDFR-DNN）、非CDFR深度神经网络（NCDFR-DNN）、混合集成深度神经网络（ME-DNN）	准确率、敏感性、特异性、AUC	NA