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	2026-10-08	Clinical Validation of Computer-Aided Diagnosis Software for Preventing Retained Surgical Sponges 2024-05-01, Journal of the American College of Surgeons IF:3.8Q1 DOI:10.1097/XCS.0000000000001012 PMID:38258847	研究论文	该文章在临床环境中评估了一种用于预防手术海绵遗留的计算机辅助诊断（CAD）软件的有效性	在真实的临床环境中前瞻性地验证了基于深度学习的CAD系统，用于检测术后X光片中的遗留手术海绵，并证明其效能与开发阶段相似	仅报告了特异度，未提供敏感度、准确度等其他性能指标，且未与当前标准实践进行直接比较	评估用于预防遗留手术海绵的CAD系统在临床环境中的诊断效能	接受手术的20岁及以上患者的术后X光片	医学图像分析	外科手术并发症	深度学习	卷积神经网络	X光图像	1,053张术后X光片	NA	NA	特异度（85.8%）	NA
2	2026-10-05	A scoping review of methodologies for applying artificial intelligence to physical activity interventions 2024-05, Journal of sport and health science IF:9.7Q1 DOI:10.1016/j.jshs.2023.09.010 PMID:37777066	综述	本文通过范围综述，分析了人工智能在身体活动干预中应用的方法学，并总结了相关机器学习、深度学习和强化学习算法的研究现状与趋势	首次系统性地对身体活动干预中人工智能应用的方法学进行了范围综述，分类总结了主流AI方法，并提出了未来六个关键应用领域	仅纳入24项符合标准的研究，样本量有限，且不同AI模型比较结果不一致，模型性能高度依赖于数据集和任务，难以得出统一结论	帮助研究人员和实践者理解人工智能在身体活动干预中的应用，介绍主流的机器学习、深度学习和强化学习算法，并鼓励采用AI方法	身体活动干预相关的研究文献，以及用于促进身体活动或预测相关行为与健康结果的人工智能应用	机器学习	NA	机器学习、深度学习、强化学习	机器学习、深度学习、强化学习	文本	24项研究	NA	NA	预测准确率	NA
3	2026-10-04	Feasibility and validity of using deep learning to reconstruct 12-lead ECG from three‑lead signals 2024 May-Jun, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.03.004 PMID:38479052	研究论文	本文提出了一种基于CNN和双向LSTM的复合网络，利用I、II、V2三个导联信号重建12导联心电图	提出了一种复合心电向量重建网络架构，结合1D CNN提取空间特征和双向LSTM分析时间趋势，采用多导联单通道方式输入信号	未明确提及研究局限性	解决便携式设备仅能采集有限导联与需要标准12导联心电图信息之间的矛盾	心电图信号，具体为三个导联（I、II、V2）到12导联的重建	机器学习	心血管疾病	深度学习，心电图信号处理	CNN, 双向LSTM	心电图信号，时间序列数据	未明确提及样本量	NA	1D CNN, 双向LSTM	均方根误差（RMSE）, 相关系数（CC）	NA
4	2026-10-04	Aquatic Soundscape Recordings Reveal Diverse Vocalizations and Nocturnal Activity of an Endangered Frog 2024-05, The American naturalist DOI:10.1086/729422 PMID:38635364	研究论文	结合自动声学监测与深度学习模型，观察濒危内华达山脉黄腿蛙的繁殖相关活动，发现了三种未记录的鸣叫类型和夜间繁殖鸣叫活动模式	首次将自动声学监测与深度学习模型结合用于观察濒危蛙类的繁殖活动，发现了三种此前未记录的鸣叫类型以及意外的夜间繁殖鸣叫活动时间模式	摘要中未明确提及研究的具体局限性	利用自动声学监测和深度学习方法，观察濒危内华达山脉黄腿蛙的繁殖相关活动，探索在人类难以直接观察的时间和地点进行自然历史发现的可能性	濒危内华达山脉黄腿蛙（Sierra Nevada yellow-legged frog）的繁殖相关鸣叫行为	机器学习	NA	声学监测、水听器录音	深度学习模型	音频	NA	NA	NA	NA	NA
5	2026-09-28	Survival analysis using deep learning with medical imaging 2024-05-01, The international journal of biostatistics DOI:10.1515/ijb-2022-0113 PMID:37312249	研究论文	本文综述了用于医学影像的生存分析深度学习方法，并通过脑胶质瘤组织学数据集比较了深度学习方法与Cox模型方法	比较了多种深度学习生存分析方法与Cox模型方法在组织学图像上的性能，为影像生存分析提供了实证参考	仅在脑胶质瘤组织学数据集上进行比较，样本类型单一，未涵盖其他影像模态或疾病类型	综述并比较深度学习方法和Cox模型方法在医学影像时间至事件数据建模中的表现	脑胶质瘤组织学影像数据	数字病理学	脑胶质瘤	组织学成像	CNN	图像	NA	NA	NA	NA	NA
6	2026-09-23	Explainable Multimodal Graph Isomorphism Network for Interpreting Sex Differences in Adolescent Neurodevelopment 2024-May, Applied sciences (Basel, Switzerland) DOI:10.3390/app14104144 PMID:42037656	研究论文	该研究提出了一种多模态图同构网络（MGIN），利用fMRI任务相关数据解释青少年神经发育中的性别差异，并通过GNNExplainer实现可解释性	提出多模态图同构网络（MGIN），融合同一个体多次扫描的脑网络数据，增强预测能力和特征识别，并结合GNNExplainer识别对性别分类贡献显著的子网络图结构	摘要中未明确提及研究局限性	利用fMRI任务相关数据，通过深度学习方法探索和解释青少年神经发育中的性别差异	青少年受试者的fMRI任务相关脑网络数据	机器学习	NA	fMRI	GNN	图像	NA	NA	多模态图同构网络（MGIN），GNNExplainer	分类准确率	NA
7	2026-09-23	LEARNING SPATIALLY-CONTINUOUS FIBER ORIENTATION FUNCTIONS 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635838 PMID:42148456	研究论文	本文提出了一种名为FENRI的新方法，用于从低分辨率扩散加权图像中学习空间连续的纤维取向分布函数，以实现更准确的纤维束成像，并引入了一个扩展的模拟数据集来评估基于学习的纤维束成像模型	FENRI能够学习空间连续的纤维取向分布函数，克服了传统三线性插值在低质量数据中跟踪细微尺度变化的局限性，并且不依赖于固定空间网格的上采样，同时引入了专门用于评估学习型纤维束成像模型的扩展模拟数据集	摘要中未明确提及研究的局限性	解决从低分辨率扩散MRI中重建连续纤维方向场的问题，以改善纤维束成像的准确性	人类连接组的神经通路，具体为低分辨率扩散加权图像中的纤维取向分布	医学图像分析	NA	扩散磁共振成像，纤维束成像	深度学习模型（具体架构未指明）	扩散加权图像	未提及具体样本量，但使用了模拟数据集	NA	NA	纤维取向预测准确性，纤维束重建质量（具体指标未指明）	NA
8	2026-09-21	Generalizing Parkinson's disease detection using keystroke dynamics: a self-supervised approach 2024-05-20, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocae050 PMID:38497957	研究论文	该文章提出一种结合Barlow Twins损失和相异性损失的自监督学习方法，用于提升基于键盘动力学的帕金森病检测的泛化能力	提出一种新的自监督损失函数，结合Barlow Twins损失与相异性损失，在无标签非受控数据上预训练编码器，再使用临床验证数据微调，从而减少对标注数据的依赖并提升模型泛化能力	缺乏标准化的数据采集协议，且标注数据集有限，这可能影响模型的泛化性；研究仅在两个独立数据集上验证，样本量可能有限	验证自监督学习方法在减少标签依赖方面的有效性，并评估其在帕金森病检测中的泛化能力	触摸屏交互产生的键盘动力学信号，涉及对照组和帕金森病患者	机器学习	帕金森病	NA	NA	键盘动力学信号	NA	NA	NA	NA	NA
9	2026-09-20	Uncertainty estimation and evaluation of deformation image registration based convolutional neural networks 2024-05-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4c4f PMID:38749468	研究论文	本文提出一种基于卷积神经网络的新型概率多分辨率图像配准模型，用于估计多模态图像配准中的多元正态分布稠密位移场，并基于KL散度提出新指标评估不确定性质量	1. 提出了一种新颖的概率多分辨率图像配准模型，能够估计多元正态分布的稠密位移场；2. 提出了一种基于KL散度的新指标来评估预测的DDF分布质量；3. 解决了DIR不确定性估计和评估中的挑战，并进行了超参数优化	超参数调优显示估计不确定性的可靠性与变形精度之间存在权衡，未提及在其他解剖部位或更大数据集上的泛化能力	开发并评估一个能够在数秒内完成快速可变形图像配准并预测其不确定性的模型，以实现安全可靠的临床部署	治疗计划CT到随访锥形束CT的配准，用于每日自适应放疗	医学图像分析	NA	可变形图像配准、锥形束CT、治疗计划CT	CNN	图像	NA	NA	NA	Dice相似系数、KL散度	NA
10	2026-09-13	Genetic and Clinical Correlates of AI-Based Brain Aging Patterns in Cognitively Unimpaired Individuals 2024-05-01, JAMA psychiatry IF:22.5Q1 DOI:10.1001/jamapsychiatry.2023.5599 PMID:38353984	研究论文	本文通过深度学习半监督聚类方法，在认知未受损人群中识别出三种脑老化模式，并分析其与遗传、临床指标及认知衰退的关联	首次在认知未受损人群中以数据驱动方式识别出跨十年稳定的三种脑老化亚组，并揭示其与遗传变异、心血管风险因素和认知衰退的差异化关联	研究基于特定国际联盟队列，样本种族和地域多样性可能有限，且未在独立外部队列中验证亚组的可重复性	在认知未受损人群中以数据驱动方式推导脑结构变化的常见模式亚组，并将其与遗传、生物医学指标和认知衰退轨迹相关联	认知未受损的个体，年龄跨度45至85岁，来自iSTAGING国际联盟	医学影像分析	阿尔茨海默病	结构磁共振成像	生成对抗网络	图像	27402名认知未受损个体，超过50000个数据时间点	NA	生成对抗网络	NA	NA
11	2026-09-10	Discovering optimal kinetic pathways for self-assembly using automatic differentiation 2024-05-07, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2403384121 PMID:38691585	研究论文	利用自动微分算法搜索质量作用动力学模型参数空间，以发现自组装的最优动力学途径，提高组装效率和产量。	将深度学习中的自动微分算法应用于自组装动力学参数的优化，类比于深层神经网络的表达性，并展示了该方法不仅用于设计，还可用于推断亚基结合速率。	外部控制法效率较低且鲁棒性不如内部设计法，且对某些系统可能需要高精度的外部控制。	识别最优动力学协议，使得自组装过程能高效、高产量地组装，同时避免动力学陷阱。	由多个亚基组成的生物大分子复合物的自组装过程，如异源四聚体。	机器学习	NA	自动微分	质量作用动力学模型	合成时间序列数据（产量随时间变化）	异源四聚体系统，具体数量未提及	NA	NA	产量、效率、鲁棒性	NA
12	2026-09-08	Towards development of functional climate-driven early warning systems for climate-sensitive infectious diseases: Statistical models and recommendations 2024-05-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118568 PMID:38417659	综述	本文概述了开发面向气候敏感传染病的气候驱动早期预警系统的方法，重点关注统计模型的适用性与选择，并给出利用时空模型和机器学习技术的建议	系统性地总结了气候驱动早期预警系统开发中统计模型的选择与适用性，结合时空模型和机器学习技术，提出针对未来研究的建议	未明确提及具体局限性，但指出气候-疾病相互作用的复杂性和非线性需要更先进的技术来整合和分析多样数据	探讨如何利用统计建模和先进技术开发气候驱动的传染病早期预警系统，以提高公共卫生应对能力	气候敏感传染病及其与环境、气候因素的关系	机器学习	传染病	NA	时间序列回归模型、时空模型、机器学习、深度学习、神经网络	气候、天气、环境变化数据、疾病发生数据、基于网络的数据	NA	NA	NA	NA	NA
13	2026-09-06	Automated expert-level scleral spur detection and quantitative biometric analysis on the ANTERION anterior segment OCT system 2024-05-21, The British journal of ophthalmology DOI:10.1136/bjo-2022-322328 PMID:37798075	研究论文	独立验证深度学习算法在ANTERION前节OCT系统中自动检测巩膜突及基于巩膜突的生物测量指标的准确性。	首次在独立患者群体中验证Heidelberg Engineering开发的深度学习算法，能够达到专家水平的巩膜突检测和生物测量精度。	未提及，标题和摘要中无明确信息。	评估深度学习算法在AS-OCT图像中自动检测巩膜突位置并测量生物参数的性能。	117名接受常规眼科护理患者的1308张前节OCT图像。	计算机视觉（医学影像）	眼科疾病（如闭角型青光眼评估）	前节光学相干断层扫描（AS-OCT）	深度学习算法（具体模型类型未明确）	医学图像	1308张AS-OCT图像来自117名参与者	未在标题和摘要中明确	未在标题和摘要中明确	差异中位数（µm）、组内相关系数（ICC）	未在标题和摘要中明确
14	2026-09-05	Quantifying uncertainty: Air quality forecasting based on dynamic spatial-temporal denoising diffusion probabilistic model 2024-05-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2024.118438 PMID:38350546	研究论文	提出一种基于动态时空去噪扩散概率模型（DST-DDPM）的空气污染预测方法，旨在量化预测不确定性并捕捉监测站间的动态空间依赖。	首次引入去噪扩散模型于空气污染预测，通过动态上下文编码器生成动态邻接矩阵，同时保留静态空间信息，并在空间-时间去噪模型中联合学习时空依赖。	模型仅在单城市北京的数据集上验证，未考虑其他地区或天气极端情况的影响，计算资源未明确说明。	提高空气污染预测的准确性，明确量化预测中的不确定性，并建模动态空间-时间依赖。	空气污染时间序列数据，来自北京多个监测站的观测数据。	机器学习	NA	去噪扩散模型，时间序列预测	生成模型，去噪扩散概率模型	序列数据（传感器监测数据）	北京真实数据集，具体样本数未提供	NA	动态上下文编码器（重写为动态编码器），空间-时间去噪模块（U-Net风格），去噪扩散概率框架	单一指标用于比较，可能为均方误差或平均绝对百分比误差；文中提及'by 1.36% and 11.62%'，可能为相对改进百分比	NA
15	2026-09-05	Deep learning approaches for seizure video analysis: A review 2024-05, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.109735 PMID:38522192	综述	本文综述了深度学习在癫痫发作视频分析中的应用，重点关注过去7年内的研究进展，涵盖基础技术、半学检测与分析方法，并提出了集成系统框架	系统性地总结了深度学习在癫痫视频半学分析领域的应用，并提出了一个可定制和升级的集成系统架构，以连接现有技术	未提及具体局限性，但依赖已发表研究，可能受限于现有数据集和方法的多样性	探讨深度学习在癫痫发作视频分析中的应用，以改进癫痫检测和半学分析，支持临床决策	癫痫发作的视频记录及其半学特征分析	计算机视觉、深度学习	癫痫	NA	深度学习模型（具体未指定，如CNN等）	视频数据	NA	NA	NA	NA	NA
16	2026-09-05	eDeeplepsy: An artificial neural framework to reveal different brain states in children with epileptic spasms 2024-05, Epilepsy & behavior : E&B IF:2.3Q2 DOI:10.1016/j.yebeh.2024.109744 PMID:38513569	研究论文	利用深度学习技术开发eDeeplepsy模型，用于区分儿童癫痫性痉挛中的不同脑状态	eDeeplepsy不仅能区分发作期和发作间期状态，还能识别出同一簇痉挛之间的脑活动与远离簇的活动，后者通常通过视觉检查无法区分	未明确提及局限性	开发人工智能系统以准确高效分类EEG并揭示癫痫中新的信息	患有癫痫性痉挛的儿童（超过婴儿期）的EEG数据	机器学习	癫痫	EEG	卷积神经网络（CNN）	图像（编码为图像的EEG）	来自同质儿科人群的长期视频-EEG记录，具体样本数量未在摘要中提供	NA	卷积神经网络（CNN）	准确率（86%-94%）	NA
17	2026-09-04	Geometric Scattering on Measure Spaces 2024-May, Applied and computational harmonic analysis IF:2.6Q1 DOI:10.1016/j.acha.2024.101635 PMID:40686586	研究论文	本文提出了一种通用统一的测度空间上的几何散射变换框架，涵盖无向图、有向图、带符号图、带边界的流形等，并证明了其稳定性和不变性，同时构建了数据驱动图以逼近底层流形上的散射变换。	引入了测度空间上几何散射的统一模型，适用于有向图、带符号图和带边界的流形等更一般化结构，并提出新的群不变性标准	未明确提及，但从上下文推测可能涉及计算复杂性或近似误差的局限性	旨在统一和推广多尺度、小波式的散射变换，使其适用于更泛化的非欧几里得几何数据，并评估其应用价值	测度空间，包括流形、图（无向/有向/带符号）、带边界流形、球面图像、高维单细胞数据	几何深度学习	NA	散射变换、小波分析、扩散映射、图散射	散射变换网络	图像（球面图像）、图（随机块模型）、高维单细胞数据	NA	NA	散射变换架构（类似多层CNN）	稳定性、不变性、收敛速率	NA
18	2026-08-29	Transfer learning reveals sequence determinants of the quantitative response to transcription factor dosage 2024-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.28.596078 PMID:38853998	研究论文	利用迁移学习训练深度模型，从DNA序列预测转录因子剂量对染色质可及性的定量影响，并揭示序列决定因素	首次将迁移学习应用于预测转录因子扰动下染色质状态的定量响应，结合报告基因实验和生物物理模型验证预测特征	未明确提及，但可能受限于特定细胞类型和转录因子，以及模型的可解释性	揭示顺式调控编码中转录因子剂量响应的序列决定因素，提高对染色质状态预测的理解	面部祖细胞中的调控元件，以及两个剂量敏感转录因子TWIST1和SOX9	深度学习，基因组学	非特定疾病，但涉及面部发育相关	深度学习（转移学习），报告基因分析，生物物理建模	深度神经网络	DNA序列数据和染色质可及性数据	特定细胞类型（面部祖细胞）中的调控元件，具体数量未在摘要中提及	未明确，可能使用TensorFlow或PyTorch	未明确，可能为卷积神经网络或Transformer	准确率，与实验可重复性相比	未明确提及
19	2026-08-26	Prediction of retinopathy progression using deep learning on retinal images within the Scottish screening programme 2024-05-21, The British journal of ophthalmology DOI:10.1136/bjo-2023-323400 PMID:38316534	研究论文	本研究探讨了在苏格兰筛查项目中，利用眼底图像的深度学习预测糖尿病视网膜病变进展至可转诊阶段的潜力，并评估其对筛查间隔政策的影响。	创新点在于超越传统视网膜病变分级，直接利用深度学习从眼底图像预测未来可转诊病变，并量化其对筛查间隔分配的潜在改进效果。	局限性信息未在标题和摘要中提供。	旨在评估深度学习在眼底图像上预测进展至可转诊糖尿病视网膜病变的能力，并探索其对筛查间隔政策的潜在影响。	研究对象包括21346名1型糖尿病和247233名2型糖尿病患者，以及他们的眼底图像和筛查数据。	计算机视觉	糖尿病视网膜病变	眼底成像	深度学习	图像	21346名T1DM和247233名T2DM患者，共约105,000个筛查间隔（T1DM平均4.8，T2DM平均4.4），其中1339和4675个间隔以可转诊事件结束。	NA	NA	ROC曲线下面积（AUC）, 期望逗留时间	NA
20	2026-08-26	Deep hybrid modeling of a HEK293 process: Combining long short-term memory networks with first principles equations 2024-05, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28668 PMID:38343176	研究论文	本文首次将长短期记忆网络与第一性原理方程结合，以混合工作流描述HEK293细胞培养动态，并比较了混合LSTM与混合前馈神经网络模型的性能。	首次将LSTM网络与第一性原理方程结合用于生物过程建模，并系统比较了不同架构的混合LSTM与FFNN模型在预测性能和鲁棒性方面的差异。	混合LSTM模型通常更复杂（参数数量更多）且计算成本高于FFNN混合模型，可能影响其在资源受限环境中的应用。	探索LSTM与第一性原理方程结合的混合建模方法，以准确预测HEK293培养过程中的动力学行为，推动生物过程数字化。	20批补料分批HEK293培养中的27个细胞外状态变量，包括生物量、关键底物、氨基酸和代谢副产物。	机器学习	NA	NA	LSTM	时间序列数据	20批HEK293培养，包含27个状态变量的实验数据	NA	LSTM网络（7个内部状态串联）	训练误差、测试误差、R值	NA