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	2026-08-21	A Systematic Review of Natural Language Processing Methods and Applications in Thyroidology 2024-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2024.03.007 PMID:38938930	综述	系统回顾了自然语言处理在甲状腺相关疾病中的应用，总结了当前挑战和未来方向	首次系统性地综述了NLP在甲状腺学中的应用，包括方法、应用、条件、数据来源、性能指标和发展阶段	纳入研究的NLP应用缺乏外部验证，且尚无应用进入临床实践；存在临床文档不一致和模型可移植性等问题	综述自然语言处理在甲状腺相关疾病中的应用，并总结挑战与未来方向	2012年1月1日至2022年11月4日发表的英文NLP应用于甲状腺条件的研究，并补充至2023年4月1日	自然语言处理	甲状腺结节、甲状腺癌、功能性或自身免疫性甲状腺疾病	NA	深度学习、规则基础、传统机器学习、混合方法	电子健康记录、影像报告、健康论坛、医学文献数据库、基因组数据库	24项合格研究	NA	NA	性能指标（具体未指明）	NA
22	2026-08-19	Molecular architecture of the actin cytoskeleton: From single cells to whole organisms using cryo-electron tomography 2024-06, Current opinion in cell biology IF:6.0Q1 DOI:10.1016/j.ceb.2024.102356 PMID:38608425	综述	讨论低温电子断层扫描技术在肌动蛋白细胞骨架研究中的最新进展，从单细胞到整个生物体。	强调深度学习和序列提升取样技术在自动化注释和样本制备方面的进步，使高分辨率结构生物学扩展到多细胞生物和类器官。	未提及明显的局限性，但作为综述，可能缺乏原始实验数据的验证。	概述低温电子断层扫描在肌动蛋白细胞骨架结构生物学中的最新进展和未来潜力。	肌动蛋白细胞骨架	结构生物学	无特定疾病	低温电子断层扫描	深度学习模型（具体类型未指定）	三维断层图像	不适用（综述文章）	NA	NA	NA	NA
23	2026-08-17	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	提出TACIT，一种基于预定义特征的无监督算法，用于多组学空间数据的细胞类型和状态注释，无需训练数据	使用无偏阈值区分阳性细胞与背景，针对多组学测定中的模棱两可细胞，无需训练数据，实现高准确性和可扩展性	未明确提及局限性	开发一种可扩展的无监督算法，利用预定义特征自动注释空间生物学中的细胞类型和状态，以克服泛化难题	来自大脑、肠道和腺体三个生态位的五种数据集，共500万个细胞和51种细胞类型	数字病理学	炎症性腺体疾病	空间转录组学和蛋白质组学	无监督算法	空间转录组和蛋白质组数据	五个数据集，共500万个细胞，51种细胞类型	NA	NA	准确性、可扩展性	NA
24	2026-08-17	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	开发了一种名为TACIT的无监督算法，用于空间生物学中细胞类型和状态的去卷积注释，无需训练数据，并验证其在多组学数据中的准确性和可扩展性。	TACIT算法创新性地采用无监督学习，利用预定义特征签名和基于无偏阈值的方法区分阳性细胞与背景，无需训练数据即可在多组学检测中识别模糊细胞。	摘要未明确提及局限性。	解决空间生物学中细胞类型和状态识别的耗时和易错问题，提高注释的准确性和可扩展性。	来自脑、肠道和腺体三种微环境的五个数据集，包含约5百万个细胞和51种细胞类型。	数字病理学	炎症性腺体疾病	空间转录组学和蛋白质组学	无监督学习算法	空间多组学数据（包括转录组和蛋白质组）	五个数据集，约5百万个细胞，51种细胞类型。	未指定	未指定	准确性、可扩展性	未指定
25	2026-08-17	CovMediScanX: A medical imaging solution for COVID-19 diagnosis from chest X-ray images 2024-06, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.03.046 PMID:38594085	研究论文	提出CovMediScanX框架，利用深度学习从胸部X光图像中快速自动诊断COVID-19	开发了自定义CNN模型，并在独立数据集上评估，该数据集来自与训练数据不同的扫描机器，以验证泛化能力	模型对正常病例的检测性能较低，在独立数据上的总体性能需改进，可能存在数据偏差	开发一种基于深度学习的框架，用于从胸部X光图像中自动诊断COVID-19	胸部X光图像	计算机视觉, 数字病理学	COVID-19	医学影像分析	卷积神经网络（CNN）	图像（胸部X光）	未指定具体数量，但包括训练数据集和独立测试数据集	未指定	自定义CNN，预训练模型，混合迁移学习模型	准确率, 精确率, 召回率	未指定
26	2026-08-17	Advances in Clinical Care with Contemporary Cardiac SPECT 2024-06, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2024.02.024 PMID:38553298	综述	综述了当代心脏SPECT成像在临床实践中的最新进展和应用	涵盖了数字SPECT技术、超低剂量成像、深度学习算法、无源发射衰减校正、心肌血流定量等最新技术，并展示了其在多种心脏疾病管理中的新应用	未提供具体的研究数据或实验结果，可能缺乏对技术细节和临床效能的深入分析	总结和展示当代心脏SPECT成像在临床护理中的最新进展和实际应用	心脏SPECT成像技术及其在心肌灌注、心肌血流、淀粉样心肌病、心脏移植血管病变、肺动脉高压等临床场景中的应用	医学影像	心血管疾病	SPECT	深度学习算法	影像数据	NA	NA	NA	NA	NA
27	2026-08-13	Attention decoupled contrastive learning for semi-supervised segmentation method based on data augmentation 2024-06-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4d4f PMID:38759677	研究论文	提出了一种基于数据增强的注意力解耦对比学习半监督分割模型DADC，旨在提高医学图像分割精度	引入注意力解耦模块和对比学习，有效区分前景和背景，并通过数据增强融合标记与未标记数据信息，提升网络性能	文中未明确提及局限性	解决半监督分割中未充分利用未标记数据表示及忽视标记与未标记数据相互依赖的问题	自动化乳腺超声（ABUS）图像	计算机视觉	乳腺疾病	数据增强	对比学习模型	图像	未明确提及	NA	注意力解耦模块	分割精度	NA
28	2026-08-13	Prediction model of early recurrence of multimodal hepatocellular carcinoma with tensor fusion 2024-06-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad4f45 PMID:38776945	研究论文	提出了一种基于张量融合的多模态肝细胞癌早期复发预测模型，结合影像组学与组织病理图像，并首次引入肝脏背景信息。	首次将肝脏背景纳入特征提取过程，并采用张量融合方法处理多尺度、多维度数据融合。	样本量相对较小，且为回顾性研究，可能限制模型的泛化能力。	开发一个多模态融合模型，通过结合MRI和组织病理图像，并加入肝脏背景信息，提高肝细胞癌术后早期复发的预测准确性。	176例确诊肝细胞癌患者的MRI（影像组学）和组织病理图像，以及外部验证的40例。	数字病理学, 计算机视觉	肝细胞癌（肝癌）	MRI（磁共振成像）, 组织病理学成像	深度学习分割算法（用于肝脏背景提取），张量融合神经网络	图像（MRI和组织病理图像）	训练/交叉验证176例，外部测试40例	未明确指定，推测为PyTorch或TensorFlow	分割网络（如U-Net），张量融合网络	AUC（曲线下面积）	未指定GPU类型或云平台
29	2026-08-11	Automated blood volume estimation in surgical drains for clinical decision support 2024-06, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202406_36375 PMID:38884505	研究论文	提出一种利用深度学习技术自动估计外科引流管中血液体积的系统，通过移动端图像分割实现非接触式监测并支持临床决策。	首次采用语义分割技术对手机拍摄的引流管图像进行血液体积估计，实现非接触式自动化监测，减少感染风险并提高效率。	未提及具体局限性，如模型对不同类型引流管的泛化能力、实时处理性能等。	自动化外科引流管血液体积的监测和记录，以辅助临床决策。	Jackson Pratt和Hemovac引流管中的血液体积。	计算机视觉	术后并发症	移动摄影	语义分割模型	图像	1,004张引流管图像	NA	语义分割网络	平均误差率	NA
30	2026-08-11	Assistive tools for classifying neurological disorders using fMRI and deep learning: A guide and example 2024-06, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.3554 PMID:38841732	研究论文	本研究提供了一个关于使用功能磁共振成像和深度学习技术对神经疾病进行分类的辅助工具指南，并展示了如何使用这些工具（如Optuna、GIFT和ABIDE预处理存储库）构建一个自闭症谱系障碍分类模型的示例。	该研究的创新点在于为跨学科研究人员提供了一个简化的fMRI和深度学习管道，降低了进入门槛，并通过具体示例展示了如何结合辅助工具进行神经疾病分类。	该研究的局限性包括未提及具体的计算资源信息，以及可能未涵盖所有辅助工具的细节，且模型仅针对ASD分类，可能不具备广泛适用性。	本研究的目的是提供关于使用fMRI和深度学习进行神经疾病分类的辅助工具的入门指南，并创建一个示例模型以演示简化的管道。	研究对象包括辅助工具、fMRI数据和深度学习模型，特别是针对自闭症谱系障碍的分类模型。	机器学习	自闭症谱系障碍	功能磁共振成像（fMRI）	卷积神经网络（CNN）	图像	未提及具体样本量	未提及	卷积神经网络	未提及	未提及
31	2026-08-01	State-of-the-RNArt: benchmarking current methods for RNA 3D structure prediction 2024-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae048 PMID:38745991	研究论文	本文简要回顾了RNA 3D结构预测的从头计算、模板基础和深度学习方法，并使用RNA-Puzzles数据集对九种方法进行了基准测试，提供了在线仪表板展示预测结果	提供了对当前RNA 3D结构预测方法的全面基准测试，并创建了在线仪表板，便于比较不同方法的性能	基准测试仅限于RNA-Puzzles数据集，可能不包括所有最新或特定类型的RNA结构预测方法	评估和比较当前RNA 3D结构预测方法的性能，包括从头计算、模板基础和深度学习方法	RNA分子，特别是通过RNA-Puzzles数据集中的RNA序列和结构	计算生物学	不适用	RNA 3D结构预测（计算方法，包括从头计算、模板基础和深度学习）	多种模型，包括深度学习方法（如深度学习网络），但具体模型类型未详细说明	RNA序列和结构数据（RNA-Puzzles数据集）	九种预测方法，基于RNA-Puzzles数据集（具体样本数量未提及）	不适用	不适用（涉及多种方法，具体架构未在摘要中详细说明）	性能指标未在摘要中明确提及，可能包括预测精度、RMSD等，但未列出	不适用
32	2026-07-30	ProkDBP: Toward more precise identification of prokaryotic DNA binding proteins 2024-06, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5015 PMID:38747369	研究论文	介绍ProkDBP，一种用于预测原核生物DNA结合蛋白的机器学习模型	提出了一种专门针对原核生物DNA结合蛋白的新型机器学习模型ProkDBP，结合浅层学习算法和进化特征选择，显著提高了预测准确性	未明确说明局限性，但可能受限于训练数据集的多样性和模型泛化能力	开发更精确的原核生物DNA结合蛋白预测模型，以加速蛋白质发现和生物学理解	原核生物DNA结合蛋白（DBPs）	机器学习	NA	NA	浅层学习（如LGBM）和深度学习（如CNN等）	序列特征数据	NA	Scikit-learn, PyTorch（推测）	LGBM, RF-VIM	auROC, auPRC, 五折交叉验证准确率	未明确说明，但提供在线预测工具（https://iasri-sg.icar.gov.in/prokdbp/）
33	2026-07-30	Enhancing psychiatric rehabilitation outcomes through a multimodal multitask learning model based on BERT and TabNet: An approach for personalized treatment and improved decision-making 2024-06, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2024.115896 PMID:38626625	研究论文	开发了一种基于BERT和TabNet的多模态多任务学习模型，用于提升严重精神疾病患者的康复评估	通过晚期融合策略整合BERT处理非结构化文本与TabNet处理结构化数据，实现多模态多任务学习，同时具备可解释性功能	NA	提升严重精神疾病患者康复评估的准确性和可解释性，辅助临床决策	严重精神疾病患者的康复状态预测，包括转诊风险、危险行为、自我意识和药物依从性	自然语言处理，机器学习	精神疾病	NA	BERT， TabNet	非结构化文本，结构化诊断数据	NA	NA	BERT， TabNet	准确率， AUC	NA
34	2024-08-07	Quantifying abnormal emotion processing: A novel computational assessment method and application in schizophrenia 2024-06, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2024.115893 PMID:38657475	研究论文	本文介绍了一种使用深度学习技术从口语中快速评估情感处理的新方法，并在精神分裂症谱系障碍患者和健康对照组中进行了测试	提出了一种新的计算评估方法，利用深度学习从口语中估计情感处理，并引入了“情感对齐”（EA）这一新指标	需要进一步的验证工作来确认该方法的有效性和普遍性	开发一种自动化的方法来评估精神分裂症谱系障碍中的情感处理	精神分裂症谱系障碍患者和健康对照组的情感处理能力	机器学习	精神分裂症	深度学习	NA	口语	37名精神分裂症谱系障碍患者和51名健康对照组	NA	NA	NA	NA
35	2026-07-23	Spatial and geometric learning for classification of breast tumors from multi-center ultrasound images: a hybrid learning approach 2024-06-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01307-3 PMID:38840240	研究论文	提出一种混合学习方法，结合卷积神经网络和图神经网络，从多中心超声图像中提取空间和几何特征，用于乳腺肿瘤分类	首次将联邦学习与混合CNN-GNN架构结合，实现多中心超声数据的空间和几何特征联合学习，并自动生成无监督图结构，降低标注成本	在OASBUD数据集上平衡准确率仅61.4%，说明模型对小规模或差异化数据集的泛化能力有限	开发一种混合学习方法，通过从局部和多中心超声数据中提取更多潜在特征，提高乳腺肿瘤良恶性分类性能	乳腺超声图像中的肿瘤区域	计算机视觉, 机器学习	乳腺癌	超声成像	卷积神经网络(CNN), 图神经网络(GNN)	图像, 图数据	三个多中心数据集：BUSI, BUS, OASBUD	PyTorch, 联邦学习框架	CNN, GNN	AUCROC, 平衡准确率	NA
36	2026-07-22	Automatic segmentation of femoral tumors by nnU-net 2024-06, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2024.106265 PMID:38810478	研究论文	本文提出了一种基于nnU-Net的深度学习算法，用于在CT扫描中自动分割股骨内溶骨性肿瘤	首次将nnU-Net应用于股骨肿瘤的自动分割，并验证其与经验丰富的放射科医生相当的准确性	数据集较小，仅包含50例CT扫描，且dice相似度分数（0.67-0.68）略低于医生间变异度（0.73）	实现股骨溶骨性肿瘤的自动准确分割，以支持CT有限元分析辅助骨科决策	股骨CT扫描中的溶骨性肿瘤	数字病理学	股骨肿瘤	CT扫描	nnU-Net	图像	50例患者CT扫描（40例训练，10例测试）	PyTorch	nnU-Net	Dice相似度系数	NA
37	2026-07-07	Fusion of multi-source relationships and topology to infer lncRNA-protein interactions 2024-Jun-11, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2024.102187 PMID:38706631	研究论文	提出一种基于路径掩盖和度回归策略的图自编码器模型FMSRT-LPI，用于预测lncRNA-蛋白质相互作用	首次将路径掩盖和度回归策略整合到图自编码器框架中用于lncRNA-蛋白质相互作用推断，并引入PolyLoss函数优化预测任务	现有深度学习模型在LPI预测中尚未取得满意结果，但本文未明确说明自身模型的局限性	提升lncRNA-蛋白质相互作用预测的准确性，以阐明lncRNA的功能和致病机制	lncRNA和蛋白质之间的相互作用	机器学习	NA	NA	图自编码器	蛋白质序列和lncRNA序列数据	多个公共数据集	PyTorch	图自编码器	NA	NA
38	2026-07-03	Application of a novel deep learning-based 3D videography workflow to bat flight 2024-06, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.15143 PMID:38652595	研究论文	提出一种基于深度学习的3D视频分析工作流，用于研究蝙蝠飞行中的运动学参数，并通过与手动数字化对比验证其准确性	结合深度学习自动数字化与基于深度学习及3D重建质量指标的标记点过滤校正，实现无标记点的高效准确3D姿态估计，无需手动标记即可提取飞行生物力学关键数据	仅针对蝙蝠飞行场景进行验证，未评估其他动物或复杂环境下的通用性；工作流依赖高质量深度学习模型训练数据，可能限制其在数据稀缺领域的应用	开发并验证一种高效、可扩展的深度学习3D视频分析方法，用于动物飞行生物力学研究	蝙蝠飞行过程中的翅膀运动学参数及三维坐标	计算机视觉, 机器学习	NA	3D视频分析, 深度学习	深度学习模型（具体结构未明确详述）	视频	4只蝙蝠在2m风洞中稳定飞行，以及1只蝙蝠在344m封闭空间内自由飞行	NA	NA	坐标平均距离, 运动学参数差异显著性	NA
39	2026-06-07	Bidirectional Encoder Representations from Transformers in Radiology: A Systematic Review of Natural Language Processing Applications 2024-06, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.01.012 PMID:38302036	综述	系统评估BERT在放射学领域自然语言处理应用的影响和现状	首次系统综述BERT在放射学中的应用，涵盖分类、信息提取、协议分配和报告生成等新兴方向	仅检索PubMed数据库，可能遗漏部分文献；纳入研究均为回顾性设计	评估BERT在放射学领域的影响和应用	BERT在放射学中的应用研究	自然语言处理	NA	BERT	BERT	文本	30篇文献	NA	BERT	NA	NA
40	2026-06-01	Deep learning-based pathological prediction of lymph node metastasis for patient with renal cell carcinoma from primary whole slide images 2024-06-14, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05382-6 PMID:38877591	研究论文	基于深度学习从肾细胞癌原发性全切片图像预测淋巴结转移的病理学模型	利用聚类约束注意力多实例学习方法开发了直接从原发性全切片图像预测肾细胞癌淋巴结转移的深度学习策略，并验证其在冰冻病理切片上的适用性及对预后预测的作用	NA	开发并验证基于病理组学的肾细胞癌微转移预测模型，辅助临床治疗决策	肾细胞癌患者的原发性全切片图像	数字病理学	肾细胞癌	全切片成像	深度学习模型	全切片图像	895张福尔马林固定石蜡包埋全切片图像（来自上海总医院、CPTAC和TCGA三个队列）和588张TCGA冰冻切片全切片图像	NA	聚类约束注意力多实例学习网络	AUC	NA