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	2026-08-20	3D cine-magnetic resonance imaging using spatial and temporal implicit neural representation learning (STINR-MR) 2024-04-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad33b7 PMID:38479004	研究论文	提出了一种基于空间和时间隐式神经表示学习（STINR-MR）的框架，用于从高度欠采样的数据中实现高精度三维动态磁共振成像（cine-MRI）重建	提出空间和时间隐式神经表示学习框架，通过联合重建和可变形配准实现高加速因子，利用主成分分析提取的基变形向量场构建动态运动模型	未在文中明确说明	从高度欠采样的数据中实现高精度的三维动态磁共振成像重建	三维动态磁共振成像数据，包括XCAT数字体模模拟的MR数据及临床获取的人体MR数据集	机器学习	不适用	磁共振成像	隐式神经表示网络	图像	包含XCAT数字体模模拟数据及两个临床人体MR数据集	不适用	空间隐式神经表示网络、时间隐式神经表示网络	质心误差、图像质量、伪影、肿瘤定位精度	不适用
22	2026-08-20	Aleatoric and epistemic uncertainty extraction of patient-specific deep learning-based dose predictions in LDR prostate brachytherapy 2024-04-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad3418 PMID:38484398	研究论文	本研究开发了用于低剂量率前列腺近距离放疗的深度学习剂量预测算法，并评估了其不确定性和稳定性	首次在LDR前列腺近距离放疗中同时提取深度学习的偶然不确定性和认知不确定性，并使用ResUNet TSE模型实现了毫秒级的快速剂量预测	未明确提及局限性，但样本量相对较小（200例患者），且不确定性的临床验证尚未进行	建立快速且可靠的基于深度学习的低剂量率前列腺近距离放疗剂量预测算法，并评估其不确定性和稳定性	200名接受I源治疗的前列腺癌患者	深度学习、医学影像	前列腺癌	蒙特卡洛模拟、3D卷积神经网络	3D卷积神经网络	患者几何数据和种子位置	200例患者，分为训练集150例、验证集25例、测试集25例	NA	UNet, ResUNet TSE	平均差异、全局剂量差异比、不确定性指标	NA
23	2026-08-20	Cross noise level PET denoising with continuous adversarial domain generalization 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad341a PMID:38484401	研究论文	本研究提出一种基于连续对抗域泛化的PET图像去噪方法，以解决跨噪声水平下的性能下降问题	首次从域泛化角度解决跨噪声水平去噪中的性能下降问题，并开创性地使用连续域泛化技术利用连续变化的源域	未在摘要中明确提及局限性	利用域泛化技术解决PET图像去噪中不同噪声水平间的分布偏移问题，使模型对任意噪声水平具有泛化能力	97F-MK6240 tau PET研究中的60名受试者的图像数据	医学影像	阿尔茨海默病	PET成像	3D UNet（生成对抗网络）	3D图像	60名受试者的97F-MK6240 tau PET研究，三组事件分数（10%、13%-22%、25%），每组20个噪声实现，共1400对训练、120对验证和420对测试的3D图像卷	NA	3D UNet	偏差、标准差、SSIM、PSNR	NA
24	2026-08-20	IWNeXt: an image-wavelet domain ConvNeXt-based network for self-supervised multi-contrast MRI reconstruction 2024-04-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad33b4 PMID:38479022	研究论文	提出一种基于图像-小波域的ConvNeXt网络IWNeXt，用于自监督多对比度磁共振成像重建，以加速成像速度并减少对全采样目标对比度数据的依赖	首次将ConvNeXt架构引入图像域和小波域进行多对比度MRI重建，设计交叉域一致性损失实现自监督学习，并利用参考对比度小波子带作为补充信息增强重建细节	未提及明确局限性，但从描述看可能依赖于特定数据集和采样轨迹，泛化性有待验证	提高多对比度MRI重建精度，减少采集时间和对全采样目标对比度数据的依赖	多对比度磁共振成像数据，包括目标对比度和参考对比度图像	医学图像重建	不适用	MRI成像	CNN（ConvNeXt）	图像（MRI图像）	HCP数据集和M4Raw数据集	NA	ConvNeXt	峰值信噪比（PSNR）	NA
25	2026-08-18	UNNT: A novel Utility for comparing Neural Net and Tree-based models 2024-04, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1011504 PMID:38683879	研究论文	开发了一个名为UNNT的开源库，用于比较神经网络和树模型在癌症药物反应预测中的性能，并证明XGBoost优于CNN	提出了一个专门用于比较神经网络和树模型的开源工具UNNT，并通过案例研究展示了树模型在单一药物反应问题上的优势	案例研究仅聚焦于癌症药物反应数据集，实际应用中可能需针对其他领域进行调整	开发一个用户友好的工具，以简化神经网络和树模型的训练与比较，并验证树模型在药物反应预测中的优势	癌症药物反应数据集，以及化学等其他领域的数据集	机器学习	癌症	NA	CNN, XGBoost	表格数据（药物反应数据）	NA	NA	CNN, XGBoost	准确性	NA
26	2026-08-12	Examining evolutionary scale modeling-derived different-dimensional embeddings in the antimicrobial peptide classification through a KNIME workflow 2024-04, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4928 PMID:38501511	研究论文	本研究利用KNIME工作流评估了ESM-2模型不同维度嵌入在抗菌肽分类中的效用，发现特定维度嵌入和特征融合能提升QSAR模型性能	首次系统比较ESM-2模型不同维度嵌入在抗菌肽分类中的表现，并开发了保证公平分析的KNIME工作流	未提及明确的局限性，但可能受限于仅使用特定数据集和模型配置	评估ESM-2模型衍生嵌入在抗菌肽分类中的有用性，并比较非深度学习与深度学习QSAR模型的性能	抗菌肽	机器学习	抗菌肽相关疾病（如感染性疾病）	ESM-2模型嵌入提取、特征融合、QSAR建模	ESM-2、QSAR模型（非深度学习）、深度学习模型（用于比较）	蛋白质序列数据（抗菌肽）	未明确指定，但涉及抗菌肽数据集	KNIME	ESM-2 (30层和33层)	统计性能指标（具体未详述，可能包括准确率、F1分数等）	未提及具体GPU或云平台，但KNIME工作流可自由获取
27	2026-08-10	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	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，用于心电图像上的数据高效深度学习	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，以提高标签效率	信息不明确	开发一种标签高效的预训练方法，用于从心电图像中检测疾病	心电图图像	计算机视觉	心房颤动	心电图成像	卷积神经网络	图像	78,288名个体的心电图对	PyTorch	卷积神经网络	AUROC	未提及
28	2026-08-08	Exploring the Potential of Structure-Based Deep Learning Approaches for T cell Receptor Design 2024-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.19.590222 PMID:38712216	研究论文	探索两种基于结构的深度学习方法（ProteinMPNN和ESM-IF）在设计T细胞受体以结合MHC呈递的抗原肽方面的潜力	首次将结构基础深度学习设计方法应用于T细胞受体的计算设计，评估其相对于传统物理基础方法的优势	未明确提及具体限制，但可能包括设计方法的缺陷和对低亲和力及交叉反应性界面的处理不足	评估基于结构的深度学习方法在设计T细胞受体中的潜力，并比较其与传统物理基础设计方法的性能	T细胞受体（TCRs）及其与MHC呈递的抗原肽的相互作用	机器学习	癌症	结构基础蛋白设计	深度学习模型	蛋白质三维结构数据	未明确	NA	ProteinMPNN, ESM-IF	基于序列和结构的综合指标	NA
29	2026-08-07	Synergizing Deep Learning-Enabled Preprocessing and Human-AI Integration for Efficient Automatic Ground Truth Generation 2024-Apr-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering11050434 PMID:38790302	研究论文	提出了一种结合深度学习预处理和人类-人工智能集成的方法，用于高效自动生成全切片图像的地面真值标注，通过标准化未知样本分布来减少过拟合，并显著提高标注效率和专家时间节省。	提出了基于深度学习的预处理算法，用于归一化分布外样本到训练集分布，减轻主动学习中的过拟合问题，并集成人类-人工智能，实现了高分辨率全切片图像的高效自动感兴趣区域标注。	未明确提及局限性，但可能包括对图像质量的依赖和跨图像不一致性处理的挑战。	减少人工标注成本和时间，提高自动地面真值生成的准确性和效率，特别是在医学图像分析领域。	高分辨率全切片显微镜图像，用于自动组织病理学分析。	数字病理学	未指定特定疾病	全切片成像（WSI）	深度学习模型（具体未指定，但可能包括CNN）	图像	未明确样本数量，但包括未标记的数据队列，标注集扩展了845%	未明确指定	未明确指定	自动标注接受率（92%）和专家时间节省（96%）	未明确指定
30	2026-08-01	Visual Prompting Based Incremental Learning for Semantic Segmentation of Multiplex Immuno-Flourescence Microscopy Imagery 2024-Apr, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-024-09651-z PMID:38396218	研究论文	提出一种基于视觉提示的增量学习框架，用于多重免疫荧光显微镜图像中大鼠脑组织的多类语义分割，通过少量人工标注实现高效精细分割。	将增量学习与视觉提示结合，利用多类权重作为初始化，并通过人类专家的有限标注逐类细化分割，显著提升性能并加速标注过程。	未提及具体限制，如对其他组织或图像类型的泛化性未知。	开发一种利用有限人工标注进行高质量多类语义分割的方法，适用于多重免疫荧光显微图像。	大鼠脑组织的多重免疫荧光显微镜图像	计算机视觉	不适用	多重免疫荧光成像	深度学习模型（基于Swin-UNet的架构）	图像	不明确，但为高分辨率多通道图像	未明确提及	Swin-UNet（改进版）	与传统的多类分割相比，性能大幅提升，但具体指标未提及	未提及
31	2026-07-30	Artificial intelligence in lung cancer screening: Detection, classification, prediction, and prognosis 2024-04, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7140 PMID:38581113	综述	本文综述了人工智能在肺癌筛查中的应用，包括检测、分类、预测和预后	详细分析了深度学习特别是卷积神经网络在肺癌筛查各环节的应用潜力	人工智能结果的普适性和可解释性有待进一步增强	探讨人工智能在肺癌筛查中的当前状态、应用及未来方向	肺癌筛查中的人工智能技术，包括肺部分割、结节检测和分类	机器学习和数字病理学	肺癌	深度学习	卷积神经网络	图像	NA	NA	卷积神经网络	敏感度、假阳性率	NA
32	2026-07-30	MA-PEP: A novel anticancer peptide prediction framework with multimodal feature fusion based on attention mechanism 2024-04, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4966 PMID:38532681	研究论文	提出了一种基于注意力机制的多模态特征融合新型抗癌肽预测框架MA-PEP	利用多种注意力机制增强和融合不同模态的特征，提升抗癌肽预测性能	未明确提及局限性	改进抗癌肽预测方法，实现更准确高效的预测	抗癌肽（ACPs）	机器学习	癌症	NA	注意力机制	肽序列及化学特征	多个基准数据集	NA	MA-PEP	预测性能指标	NA
33	2026-07-30	Construction and validation of artificial intelligence pathomics models for predicting pathological staging in colorectal cancer: Using multimodal data and clinical variables 2024-04, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6947 PMID:38545828	研究论文	开发和验证基于HE和Ki67病理切片的AI病理组学模型，用于预测结直肠癌病理分期	整合多模态病理组学数据（HE和Ki67）与临床病理变量构建联合模型和列线图，并发现Ki67切片在病理组学建模中优于HE切片	样本量较小（267例），为单中心回顾性研究，需外部验证	实现AI辅助的结直肠癌准确病理分期，支持临床决策	结直肠癌患者	数字病理学	结直肠癌	HE染色，免疫组化（Ki67）	逻辑回归	图像（病理切片）	267例结直肠癌患者（训练集213例，测试集54例）	NA	NA	AUC	NA
34	2026-07-28	Assessing brain involvement in Fabry disease with deep learning and the brain-age paradigm 2024-04, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26599 PMID:38520360	研究论文	利用深度学习与脑年龄范式评估法布里病患者的脑部受累情况，并验证脑预测年龄差异（brain-PAD）作为疾病严重程度生物标志物的可能性	首次将脑年龄范式应用于法布里病，验证brain-PAD与多器官损伤和神经影像学指标的相关性，提出综合性的神经系统疾病严重程度生物标志物	单中心回顾性研究，样本量较小（52例FD患者和58例HC），未涉及外部验证队列	评估法布里病患者大脑是否比正常老化更快，并验证brain-PAD作为疾病严重程度生物标志物的可行性	法布里病患者和健康对照者	计算机视觉, 机器学习	法布里病	NA	深度学习	3D T1加权脑部MRI图像	训练集：来自8个公开数据集的2160名健康受试者（年龄4-86岁）；内部队列：52例FD患者（平均40.6岁）和58例HC（平均38.4岁）	NA	DenseNet	平均绝对误差（MAE）, 相关系数（R）	NA
35	2026-07-28	Machine learning in small sample neuroimaging studies: Novel measures for schizophrenia analysis 2024-04, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26555 PMID:38544418	研究论文	本研究利用脑结构图像中的沟回模式，结合统计、机器学习和深度学习技术，构建计算机辅助诊断系统，用于区分精神分裂症患者和健康对照	首次使用全脑皮层的沟回特征构建计算机辅助诊断系统，并在小样本情况下系统评估了工作流各阶段的性能，应用可解释人工智能技术分析特征重要性	样本量较小（58名患者和56名健康对照），可能影响模型的泛化能力	在小样本神经影像研究中，构建并全面评估基于沟回特征的计算机辅助诊断系统，用于精神分裂症分析	精神分裂症患者和健康对照者的脑结构磁共振成像中的沟回模式	机器学习	精神分裂症	磁共振成像	CNN	图像	58名精神分裂症患者和56名健康对照者	Scikit-learn、TensorFlow	CNN	准确率	NA
36	2026-07-25	Calibration-free blood pressure estimation based on a convolutional neural network 2024-04, Psychophysiology IF:2.9Q1 DOI:10.1111/psyp.14480 PMID:37971153	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
37	2026-07-25	MoodSensing: A smartphone app for digital phenotyping and assessment of bipolar disorder 2024-04, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2024.115790 PMID:38401488	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
38	2026-07-24	SAMP: Identifying Antimicrobial Peptides by an Ensemble Learning Model Based on Proportionalized Split Amino Acid Composition 2024-Apr-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.25.590553 PMID:38712184	研究论文	提出一种基于比例化分割氨基酸组成的集成学习模型SAMP，用于识别抗菌肽	引入了一种称为比例化分割氨基酸组成的新型特征，捕获N端和C端附近的残基模式及中间肽段的序列顺序信息，并采用集成随机投影架构提升性能	NA	开发一种能更全面捕捉序列信息的计算模型，提高抗菌肽识别的准确性和可扩展性	抗菌肽序列	机器学习	耐药菌感染	NA	集成学习模型（基于随机投影）	序列数据	多个平衡与非平衡数据集	NA	集成随机投影架构	准确率、马修斯相关系数、G-measure、F1分数	NA
39	2026-07-24	Association of Blood Pressure With Brain Ages: A Cohort Study of Gray and White Matter Aging Discrepancy in Mid-to-Older Adults From UK Biobank 2024-04, Hypertension (Dallas, Tex. : 1979) DOI:10.1161/HYPERTENSIONAHA.123.22176 PMID:38465593	研究论文	研究血压升高与大脑灰质和白质老化差异的关系	首次揭示了血压升高对白质老化的影响比灰质更显著，并利用孟德尔随机化分析建立因果关系	未明确说明，但可能包括因果关系推断的局限性或样本选择性偏差	探究血压升高与灰质和白质老化过程的差异性关联	UK Biobank中接受弥散加权成像和T1加权扫描的中年至老年人	机器学习	心血管疾病	弥散加权成像、T1加权成像	三维卷积神经网络	影像	37,327名参与者（弥散加权成像）、39,630名参与者（T1加权扫描）	NA	三维卷积神经网络	NA	NA
40	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