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	Measurement Variability of Same-Day CT Quantification of Interstitial Lung Disease: A Multicenter Prospective Study 2024-04, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230287 PMID:38483245	研究论文	本研究通过分析同一天两次CT扫描的数据，评估了基于深度学习的定量CT在测量间质性肺疾病纤维化范围时的变异性	首次在前瞻性多中心研究中，使用同一天两次CT扫描来量化QCT测量间质性肺疾病纤维化范围的变异性，并评估了不同重建参数对变异性的影响	样本量相对较小（65名参与者），且仅评估了短期（同一天内）的测量变异性，未评估长期变异性	评估定量CT在测量间质性肺疾病纤维化范围时的测量变异性	间质性肺疾病患者	数字病理学	间质性肺疾病	CT扫描，基于深度学习的纹理分析软件	深度学习	CT图像	65名参与者（47名男性，18名女性）	NA	NA	Bland-Altman分析，95%一致性界限，特异性	NA
2	2026-03-28	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	本研究通过多国外部验证，评估了基于自主人工智能的早产儿视网膜病变筛查系统在检测中重度及以上ROP和1型ROP方面的性能	首次在多个国家（美国和印度）的大规模外部数据集上，对自主AI ROP筛查算法进行了全面验证，证明了其在真实世界远程医疗环境中的有效性和泛化能力	研究为回顾性分析，可能存在选择偏倚；算法性能在不同人群和医疗环境中的长期稳定性仍需前瞻性研究验证	评估自主人工智能系统在早产儿视网膜病变远程筛查中的诊断性能，以解决医疗资源不足地区的筛查可及性问题	来自美国和印度新生儿重症监护室的早产儿视网膜图像	数字病理学	早产儿视网膜病变	远程医疗眼底成像	深度学习	视网膜图像	总计11,880次检查（来自4,244名婴儿）：i-ROP研究2,530次检查（843名婴儿），SUNDROP数据集6,245次检查（1,545名婴儿），AECS数据集5,635次检查（2,699名婴儿）	NA	NA	AUROC, 灵敏度, 特异性	NA
3	2026-03-25	An optimised YOLOv4 deep learning model for efficient malarial cell detection in thin blood smear images 2024-Apr-16, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-024-06215-7 PMID:38627870	研究论文	本研究提出了一种优化的YOLOv4深度学习模型，用于高效检测薄血涂片图像中的疟疾细胞	通过直接层剪枝和骨干网络替换（将CSP-DarkNet53替换为较浅的ResNet50）来优化YOLOv4模型，提高了检测精度并减少了模型大小和计算复杂度	未明确说明模型在更大或更多样化数据集上的泛化能力，也未详细讨论实际部署中的计算资源需求	开发一种更轻量、更快且精度更高的自动化诊断工具，用于疟疾的早期和准确检测	薄血涂片图像中的感染红细胞	计算机视觉	疟疾	深度学习对象检测	YOLOv4	图像	NA	NA	YOLOv4, CSP-DarkNet53, ResNet50	平均精度均值（mAP）, 十亿浮点运算（B-FLOPS）, 模型大小	NA
4	2026-03-25	Predicting drug response through tumor deconvolution by cancer cell lines 2024-Apr-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100949 PMID:38645769	研究论文	本研究开发了一种深度学习模型Scaden-CA，用于将肿瘤数据反卷积为癌症类型特异性细胞系的比例，并基于此预测药物反应	通过结合癌症细胞系药物敏感性数据和肿瘤反卷积技术，开发了Scaden-CA模型，以桥接细胞系与患者药物反应数据之间的差距	仅使用了有限的患者药物反应数据，且模型性能验证主要依赖于CCLE和TCGA数据集，可能未覆盖所有癌症类型或临床场景	预测药物反应并探索药物重利用的潜在机制	癌症细胞系（如CCLE数据）和肿瘤样本（如TCGA数据）	机器学习	癌症	RNA测序（bulk RNA数据）	深度学习模型	RNA数据	大规模癌症细胞系和肿瘤样本（具体数量未在摘要中指定）	NA	Scaden-CA	一致性相关系数（concordance correlation coefficients），正确反卷积率（correctly deconvoluted rate）	NA
5	2026-03-25	Enhancing molecular design efficiency: Uniting language models and generative networks with genetic algorithms 2024-Apr-12, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2024.100947 PMID:38645768	研究论文	本研究探讨了生成模型在药物发现、材料科学和聚合物科学中的应用，提出了一种结合语言模型和生成对抗网络的混合架构以提高分子设计效率	提出了一种结合掩码语言模型和生成对抗网络的混合架构，以克服传统生成模型中的模式崩溃问题，并在小规模群体中展现出优于单独语言模型的性能	未明确提及具体实验数据或样本量的局限性	提高分子设计效率，优化生成模型在药物发现和材料科学中的应用	分子设计、药物发现、材料科学和聚合物科学中的生成模型	自然语言处理, 机器学习	NA	生成对抗网络, 掩码语言模型	GAN, LM	合成数据, 分子数据	NA	NA	混合LM-GAN架构	NA	NA
6	2026-03-25	Quantitative Assessment of Fundus Tessellated Density in Highly Myopic Glaucoma Using Deep Learning 2024-04-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.4.17 PMID:38591943	研究论文	本研究利用深度学习定量评估高度近视性青光眼与高度近视患者的眼底豹纹状密度，以发现早期诊断标志物	首次使用深度学习量化眼底豹纹状密度，并发现其在高度近视性青光眼与高度近视患者中存在程度和分布的差异，特别是黄斑区鼻侧/颞侧比值可作为鉴别指标	研究为回顾性横断面设计，样本量相对较小（共206只眼），且仅来自单一中心，可能限制结果的普适性	表征高度近视性青光眼与高度近视患者的眼底豹纹状密度，探索早期诊断标志物	高度近视和高度近视性青光眼患者的眼底图像	计算机视觉	青光眼	眼底摄影	深度学习	图像	206只眼（高度近视133只，高度近视性青光眼73只）	NA	NA	曲线下面积	NA
7	2026-03-25	Deep learning to predict rapid progression of Alzheimer's disease from pooled clinical trials: A retrospective study 2024-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000479 PMID:38598464	研究论文	本研究利用深度学习模型，基于临床试验数据预测阿尔茨海默病患者的快速进展风险	首次将注意力机制与循环神经网络结合，利用纵向临床数据预测阿尔茨海默病的快速进展，并识别关键预测因子	研究数据来源于特定制药公司的临床试验，可能缺乏人群多样性；模型性能在外部验证中有所下降	预测阿尔茨海默病患者的快速进展，以优化临床试验设计和治疗效果评估	轻度至中度阿尔茨海默病患者	机器学习	阿尔茨海默病	纵向临床观察数据	RNN	临床数据	1603名患者	NA	带有注意力机制的循环神经网络	AUROC, AUPRC	NA
8	2026-03-06	Overcoming Limitations to Deep Learning in Domesticated Animals with TrioTrain 2024-Apr-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.15.589602 PMID:38659907	研究论文	本研究提出了一种名为TrioTrain的新方法，用于扩展DeepVariant模型，以克服深度学习在驯养动物基因组变异检测中的局限性	首次开发了多物种DeepVariant模型，通过TrioTrain方法自动化扩展模型至缺乏GIAB资源的物种，并利用区域重排技术优化SLURM集群计算	受限于动物基因组的不完美真实标签	评估人类基因组训练的模型在其他物种中的局限性，并开发适用于多物种的稳健变异检测模型	牛、牦牛和野牛的基因组数据	生物信息学	NA	基因组测序，变异检测	深度学习模型	基因组序列数据	牛、牦牛和野牛的三联体数据，共进行了30个模型迭代	DeepVariant	DeepVariant	孟德尔遗传错误率，SNP F1分数	基于SLURM的集群
9	2026-03-03	DeepWMH: A deep learning tool for accurate white matter hyperintensity segmentation without requiring manual annotations for training 2024-04-15, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2024.01.034 PMID:38320896	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10	2026-03-03	Biometric contrastive learning for data-efficient deep learning from electrocardiographic images 2024-04-03, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae002 PMID:38269618	研究论文	本文提出了一种名为生物特征对比学习（BCL）的自监督预训练方法，用于从心电图（ECG）图像中高效学习，以检测心房颤动、性别和左心室射血分数降低等疾病	开发了一种利用同一患者不同时间点、不同布局的ECG图像对进行自监督预训练的新方法，该方法在标签数据有限的情况下显著优于传统的ImageNet初始化和通用的图像对比学习方法	研究主要基于特定队列（耶鲁大学2000-2015年数据），外部验证队列有限；未详细探讨方法对其他类型心脏疾病的泛化能力	开发一种数据高效的深度学习模型，用于从心电图图像中检测心脏疾病	心电图（ECG）图像	计算机视觉	心血管疾病	心电图成像	CNN	图像	78,288名个体的心电图图像对（来自耶鲁大学2000-2015年数据），以及2015-2021年的心电图用于微调	NA	NA	AUROC	NA
11	2026-03-02	Demographic bias in misdiagnosis by computational pathology models 2024-Apr, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02885-z PMID:38641744	研究论文	本研究揭示了基于深度学习的计算病理学模型在乳腺癌、肺癌亚型分型和胶质瘤IDH1突变预测中，因人口统计学因素（如种族）导致的性能偏差，并探讨了自监督视觉基础模型在缓解这种偏差方面的作用	首次系统性地量化了计算病理学模型在不同人口统计学群体（如白人和黑人患者）间的性能差异，并验证了自监督视觉基础模型在减少这些偏差方面的有效性	自监督视觉基础模型未能完全消除性能差异，且研究主要基于公开数据集，可能无法涵盖所有人口统计学群体	评估计算病理学模型在不同人口统计学群体中的性能偏差，并探索缓解策略	乳腺癌、肺癌的亚型分型以及胶质瘤的IDH1突变预测	计算病理学	乳腺癌, 肺癌, 胶质瘤	全切片图像分类	深度学习模型	全切片图像	来自癌症基因组图谱、EBRAINS脑肿瘤图谱及内部患者数据的公开数据集	NA	自监督视觉基础模型	受试者工作特征曲线下面积	NA
12	2026-02-27	OCTDL: Optical Coherence Tomography Dataset for Image-Based Deep Learning Methods 2024-04-11, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03182-7 PMID:38605088	研究论文	本文介绍了一个用于基于图像深度学习方法的光学相干断层扫描数据集OCTDL，并应用深度学习分类技术进行分析	提供了一个包含超过2000张标记OCT图像的开源数据集，涵盖多种视网膜疾病，并首次在该数据集上应用深度学习分类方法	数据集仅包含特定扫描协议获取的图像，且疾病类别有限，可能无法代表所有临床场景	为视网膜疾病的早期检测和监测提供开源OCT数据集，并探索深度学习在眼科图像分析中的应用	年龄相关性黄斑变性、糖尿病性黄斑水肿、视网膜前膜、视网膜动脉阻塞、视网膜静脉阻塞和玻璃体黄斑界面疾病患者的OCT图像	计算机视觉	视网膜疾病	光学相干断层扫描	深度学习分类模型	图像	超过2000张OCT图像	NA	NA	NA	NA
13	2026-02-27	A dataset for fine-grained seed recognition 2024-04-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03176-5 PMID:38582756	研究论文	本文建立了一个名为LZUPSD的细粒度种子识别数据集，包含88种不同种子的4496张图像，旨在支持农业和林业研究及计算机视觉应用	通过结合手机和微距镜头建立图像采集设备，创建了一个专门针对农业领域的细粒度种子识别数据集，填补了该领域数据集的空白	数据集仅包含88种种子，样本多样性可能有限，且未提及图像采集环境或光照条件的标准化控制	旨在为农业和林业研究提供计算机视觉基础数据，促进人工智能技术在种子识别领域的应用	植物种子，具体包括88种不同种类的种子	计算机视觉	NA	基于手机和微距镜头的图像采集技术	深度学习模型（未指定具体类型）	图像	4496张图像，涵盖88种不同种子	NA	NA	NA	NA
14	2026-02-25	WET-UNet: Wavelet integrated efficient transformer networks for nasopharyngeal carcinoma tumor segmentation 2024 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504241232537 PMID:38567422	研究论文	本文提出了一种基于UNet的混合模型WET-UNet，用于鼻咽癌图像分割，通过集成小波变换和注意力机制来提升分割精度和鲁棒性	将小波变换集成到UNet中，利用低频分量调整编码器并优化Transformer的计算过程，同时结合注意力机制捕获远程依赖关系，以增强病变边界信息和模型识别能力	未明确提及模型在更广泛数据集上的泛化能力或计算效率的具体限制	解决鼻咽癌图像分割中因数据集不准确、边界模糊和线条复杂导致的分割不精确和不稳定问题	鼻咽癌肿瘤图像	数字病理	鼻咽癌	NA	CNN, Transformer	图像	5000个样本，训练与验证比例为8:2	NA	UNet, Transformer	准确率, 精确率	NA
15	2026-02-11	Analysis and Comparison of New-Born Calf Standing and Lying Time Based on Deep Learning 2024-04-29, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14091324 PMID:38731328	研究论文	本研究提出了一种基于深度学习的计算机视觉方法，用于无创监测新生小牛的站立和躺卧行为，并分析其与健康状态的关系	采用多视角摄像头和YOLOv8n模型，实现了对小牛站立和躺卧行为的高精度、实时自动监测，并首次将自动测量的行为时间与腹泻等健康指标进行了关联分析	研究仅针对六头小牛进行了六天的监测，样本量较小，且未考虑其他可能影响行为的因素（如环境变化）	通过自动监测小牛的站立和躺卧时间，评估其健康状态，以改善农场管理和动物福利	新生小牛（六头）的站立和躺卧行为	计算机视觉	NA	计算机视觉，行为监测	YOLO	视频	六头小牛，连续六天的监测数据	NA	YOLOv8n	平均精度均值，推理速度（帧每秒），最大时间估计误差	NA
16	2026-02-05	Deep Learning in High-Resolution Anoscopy: Assessing the Impact of Staining and Therapeutic Manipulation on Automated Detection of Anal Cancer Precursors 2024-Apr-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000000681 PMID:38270249	研究论文	本研究开发了一种基于深度学习的卷积神经网络系统，用于在高分辨率肛门镜检查图像中自动区分高级别与低级别肛门鳞状上皮内病变，并评估了染色技术和肛门操作对算法性能的影响	首次评估了染色技术（如醋酸、卢戈氏碘液）和肛门操作对人工智能算法在高分辨率肛门镜检查中检测肛门癌前病变性能的影响，并展示了算法在不同条件下的优异表现	研究样本量相对有限（88名患者，103次检查），且未在外部数据集上进行验证，可能影响模型的泛化能力	开发并评估一个深度学习系统，用于在高分辨率肛门镜检查图像中自动区分高级别与低级别肛门鳞状上皮内病变	肛门鳞状细胞癌前病变，具体为高级别和低级别肛门鳞状上皮内病变	数字病理学	肛门癌	高分辨率肛门镜检查	CNN	图像	来自88名患者的103次高分辨率肛门镜检查，共计27,770张图像	NA	NA	灵敏度, 特异度, 准确度, 阳性预测值, 阴性预测值, AUC	NA
17	2026-02-03	Retrieval augmented scientific claim verification 2024-Apr, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae021 PMID:38455840	研究论文	本文开发了CliVER系统，利用检索增强技术自动验证科学声明，并通过与临床医生比较评估其性能	提出了CliVER系统，结合检索增强技术和PICO框架，并创建了新的COVID验证数据集CoVERt，集成多个深度学习模型以提高验证准确性	需要进一步测试其临床实用性，且数据集规模有限（仅15个药物声明和96个临床试验摘要）	自动化科学声明验证，利用PubMed摘要支持或反驳科学声明	科学声明（特别是药物相关声明）和PubMed中的临床试验摘要	自然语言处理	COVID-19	检索增强技术，PICO框架，深度学习模型集成	深度学习模型（具体类型未指定，但提及为state-of-the-art模型）	文本（PubMed摘要和科学声明）	CoVERt数据集包含15个PICO编码的药物声明和96个手动标记的临床试验摘要；比较实验涉及19个声明和189,648个PubMed摘要	NA	NA	F1分数，精确度	NA
18	2026-01-29	A framework for the unsupervised and semi-supervised analysis of visual frames 2024-Apr, Political analysis : an annual publication of the Methodology Section of the American Political Science Association IF:4.7Q1 PMID:41450450	研究论文	本文介绍了一个用于通过无监督和半监督方法分析视觉材料内容的框架，并应用于政治科学领域	将计算机视觉中的视觉词袋技术引入政治科学，用于构建图像-视觉词矩阵，并开发了一种新颖的视觉结构主题模型	NA	开发一个框架，用于对视觉材料进行无监督和半监督分析，以识别视觉框架	来自中美洲移民大篷车图片的视觉框架	计算机视觉	NA	视觉词袋	主题模型	图像	NA	NA	视觉结构主题模型	NA	NA
19	2026-01-14	Cloud-Integrated Smart Nanomembrane Wearables for Remote Wireless Continuous Health Monitoring of Postpartum Women 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307609 PMID:38279514	研究论文	本文介绍了一种用于产后女性远程无线连续健康监测的云集成智能纳米膜可穿戴系统	开发了基于柔性胸骨设备和共形纳米膜传感器的云集成可穿戴系统，用于产后女性的心血管监测，并通过深度学习实现医疗设备级血压预测	研究样本仅限于20名产后黑人女性，且未提及长期使用的耐久性或成本效益分析	解决非传染性疾病患者，特别是产后女性，对长期、连续健康监测的未满足需求	产后女性，特别是美国黑人产后女性	数字病理学	心血管疾病	纳米膜传感器技术	深度学习	波形数据	20名产后黑人女性	NA	NA	NA	云架构
20	2026-01-14	Distribution-Agnostic Deep Learning Enables Accurate Single-Cell Data Recovery and Transcriptional Regulation Interpretation 2024-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307280 PMID:38380499	研究论文	本文提出了一种名为Bis的分布无关深度学习模型，用于准确恢复单细胞RNA测序数据中的缺失基因表达值	Bis模型基于最优传输的自编码器架构，无需严格的数据分布假设，并利用批量RNA测序数据进行监督指导，以解决单细胞数据稀疏性问题	未明确说明模型在超大规模数据集上的计算效率或对不同单细胞平台的泛化能力限制	开发一种分布无关的深度学习方法，以准确恢复单细胞RNA测序数据中的缺失表达值并解释转录调控	单细胞RNA测序数据，包括模拟和真实数据集，以及头颈鳞状细胞癌微环境中的细胞亚群	机器学习	头颈鳞状细胞癌	单细胞RNA测序，批量RNA测序	自编码器	基因表达数据	NA	NA	基于最优传输的自编码器	NA	NA