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	2026-04-17	Evaluating the relationship between magnetic resonance image quality metrics and deep learning-based segmentation accuracy of brain tumors 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17059 PMID:38640464	研究论文	本研究评估了磁共振图像质量指标与基于深度学习的脑肿瘤分割准确性之间的关系	首次系统性地探究了特定MR图像质量指标与DenseNet模型分割性能之间的相关性，并提出了基于质量指标筛选训练图像以提升模型泛化能力的方法	研究仅基于BraTS数据集，未涵盖所有可能的图像伪影和设备变异；使用的质量指标和阈值方法可能需要进一步优化	评估MR图像质量指标与深度学习分割准确性之间的关系，以开发更具泛化能力的多机构数据模型	脑肿瘤MRI图像及其分割结果	计算机视觉	脑肿瘤	磁共振成像	深度学习	3D MRI图像	BraTS 2020和2021数据集的训练与测试队列	PyTorch	3D DenseNet	Dice系数	NA
2	2026-04-11	Significance of Artificial Intelligence in the Study of Virus-Host Cell Interactions 2024-07-26, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080911 PMID:39199298	综述	本文综述了人工智能（特别是机器学习和深度学习）在病毒-宿主细胞相互作用分子水平研究中的应用及其对药物发现和预防策略的推动作用	整合了机器学习和深度学习在预测病毒-宿主细胞蛋白质-蛋白质及蛋白质-糖相互作用、转录翻译分析以及快速药物发现模型开发方面的最新进展，强调了AI在处理大规模遗传和分子数据中的高效性和准确性	NA	探讨人工智能在病毒-宿主细胞相互作用研究中的应用，以促进新治疗和预防策略的开发	病毒-宿主细胞在分子水平的相互作用，包括蛋白质-蛋白质和蛋白质-糖的相互作用	机器学习	NA	机器学习，深度学习	NA	遗传数据，分子数据，基因组序列，图像	NA	NA	NA	NA	NA
3	2026-04-05	Misplaced Trust and Distrust: How Not to Engage with Medical Artificial Intelligence 2024-07, Cambridge quarterly of healthcare ethics : CQ : the international journal of healthcare ethics committees IF:1.5Q3 DOI:10.1017/S0963180122000445 PMID:36263755	评论	本文探讨了在医疗人工智能应用中信任与不信任的错误放置问题，并提出了一种分类法来系统化这些实例	通过逆向视角，聚焦于负面例子，开发了一个提供临床和监管决策伦理约束的框架	未涉及具体技术实现或实证数据验证	分析医疗人工智能中的信任伦理问题，为临床和监管决策提供伦理约束	医疗人工智能系统及其在临床护理中的应用	机器学习	NA	NA	深度学习	NA	NA	NA	人工神经网络	NA	NA
4	2026-04-05	Towards Interactive and Interpretable Image Retrieval-Based Diagnosis: Enhancing Brain Tumor Classification with LLM Explanations and Latent Structure Preservation 2024-Jul, Artificial intelligence in medicine. Conference on Artificial Intelligence in Medicine (2005- ) DOI:10.1007/978-3-031-66535-6_35 PMID:41930254	研究论文	本文提出了一种交互式图像检索系统，用于增强脑肿瘤分类的准确性和可解释性，并整合LLM以提升系统可访问性	结合监督对比学习训练的图像编码器以保留检索空间中的潜在结构，并集成现成LLM进行检索报告总结和用户问答交互，提高系统交互性和可解释性	未明确说明系统在临床环境中的实际部署验证或具体性能限制	开发一个交互式且可解释的图像检索系统，以辅助脑肿瘤分类诊断	脑肿瘤医学图像	计算机视觉	脑肿瘤	内容基于图像检索（CBIR），监督对比学习	深度学习模型	图像	NA	NA	NA	分类性能（与黑盒分类器对比）	NA
5	2026-04-02	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-Jul-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本文提出了一种基于局部梯度的后处理不确定性量化方法，用于增强深度学习医学图像评估的可靠性	提出了一种新颖的后处理不确定性量化方法，利用训练模型的局部梯度空间来评估对模型参数的敏感性，无需修改已验证模型且不改变其输出	未明确说明方法在非转移性疾病或其他医学图像任务中的泛化能力，以及计算效率的详细分析	开发一种后处理不确定性量化方法，以提高深度学习医学图像评估的可靠性和用户信任度	深度学习模型在医学图像评估任务中的输出可靠性	计算机视觉	转移性疾病	NA	深度学习模型	医学图像	NA	NA	NA	ROC AUC, 假阳性率, 中位数百分比差异	NA
6	2026-04-01	Exploring Deep Learning for Estimating the Isoeffective Dose of FLASH Irradiation From Mouse Intestinal Histological Images 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.032 PMID:38171387	研究论文	本研究开发了一种基于深度学习的模型，利用小鼠肠道组织学图像来估计FLASH照射的等效剂量	首次应用深度学习模型从组织学图像中量化FLASH照射的等效剂量，相比传统手工隐窝计数方法提高了准确性	研究样本量较小（84只小鼠），且仅针对特定品系（C57BL/6J雌鼠）和特定组织（小肠）进行验证	开发一种深度学习方法来量化FLASH照射的等效剂量，以评估其相对于常规照射的生物学效应差异	健康C57BL/6J雌性小鼠的肠道组织学图像	数字病理学	NA	组织学染色（苏木精-伊红染色）、数字化扫描	CNN	图像	84只小鼠（41只CONV组，43只FLASH组），每只小鼠9个空肠横截面，共756张组织学图像	PyTorch	ResNet101	均方误差	NA
7	2026-03-20	Structures of Epstein-Barr virus and Kaposi's sarcoma-associated herpesvirus virions reveal species-specific tegument and envelope features 2024-Jul-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.09.602672 PMID:39026862	研究论文	本研究通过深度学习增强的冷冻电子断层扫描技术，解析了EBV和KSHV病毒颗粒的结构，揭示了其被膜和包膜的特异性特征	首次利用深度学习增强的冷冻电子断层扫描技术，对EBV和KSHV的完整病毒颗粒进行结构解析，发现了被膜和包膜中的物种特异性特征，如偏心衣壳位置、极化被膜分布及糖蛋白密度差异	研究主要基于体外培养的病毒颗粒，可能无法完全反映体内感染环境下的结构动态；样本来源和细胞类型有限，可能影响结构特征的普遍性	解析EBV和KSHV病毒颗粒的结构特征，比较其与α-和β-疱疹病毒在结构上的差异，以理解其细胞嗜性和感染机制	EBV和KSHV的细胞外病毒颗粒	结构生物学	病毒感染相关肿瘤	冷冻电子断层扫描，深度学习增强，亚断层图平均，断层图引导的亚粒子重建	深度学习模型	冷冻电子断层扫描图像	NA	NA	NA	NA	NA
8	2026-03-13	Ultrasound and diffuse optical tomography-transformer model for assessing pathological complete response to neoadjuvant chemotherapy in breast cancer 2024-07, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076007 PMID:39050779	研究论文	本文开发了一种结合超声和弥散光学断层成像的Transformer模型，用于预测乳腺癌患者对新辅助化疗的病理完全缓解	首次提出将超声和弥散光学断层成像图像与肿瘤受体生物标志物结合，利用双输入Transformer模型进行多模态融合，以预测病理完全缓解	研究样本量较小（60名患者），未来需要扩大数据集以提高模型的准确性和泛化能力	评估整合超声和弥散光学断层成像图像在预测乳腺癌患者对新辅助化疗的病理完全缓解方面的效率	乳腺癌患者	医学影像分析	乳腺癌	超声成像，弥散光学断层成像	Transformer	图像，生物标志物	60名患者在化疗期间的多个时间点的影像数据	NA	双输入Transformer	AUC，准确率	NA
9	2026-03-13	Context-Aware Transformer GAN for Direct Generation of Attenuation and Scatter Corrected PET Data 2024-Jul, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2024.3397318 PMID:41809058	研究论文	提出一种上下文感知的生成式深度学习框架，用于直接从非衰减和非散射校正的PET图像生成光子衰减和散射校正的PET图像	设计了四种条件生成对抗网络模型，包括基于视觉变换器和移位窗口变换器的创新架构，并首次在单模态和多模态输入数据上评估了这些模型，用于直接生成衰减和散射校正的PET图像	研究仅基于33名受试者的回顾性数据，样本量相对较小，且仅针对F-FDG全身PET图像进行了验证	开发一种深度学习框架，用于生成衰减和散射校正的PET图像，以改善PET图像质量	F-氟脱氧葡萄糖全身PET图像	医学影像分析	NA	PET/CT扫描, PET/MRI扫描	cGAN, Transformer	图像	33名受试者的全身PET图像	NA	Pix2Pix, AG-Pix2Pix, ViT-GAN, Swin-GAN	PSNR, MS-SSIM, NRMSE, MAE	NA
10	2026-03-10	DP2LM: leveraging deep learning approach for estimation and hypothesis testing on mediation effects with high-dimensional mediators and complex confounders 2024-Jul-01, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxad037 PMID:38330064	研究论文	提出一种基于深度神经网络的惩罚部分线性中介模型（DP2LM），用于处理高维中介变量和复杂混杂因素下的中介效应估计与假设检验	结合深度神经网络处理混杂因素的非线性效应，并利用惩罚部分线性模型适应高维性，专注于中介效应的估计与推断而非仅中介变量选择	未明确提及模型在极端高维或小样本情况下的性能限制，也未讨论计算复杂度或可扩展性问题	开发一种新方法以准确估计和严格推断高维中介变量及复杂混杂因素下的中介效应	高维中介变量（如DNA甲基化）和复杂混杂因素下的中介效应分析	机器学习	NA	深度神经网络，惩罚部分线性模型	深度神经网络	高维中介变量数据	NA	NA	NA	Type-I错误率	NA
11	2026-03-02	Deep Learning-based Modeling for Preclinical Drug Safety Assessment 2024-Jul-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.20.604430 PMID:39091793	研究论文	本文介绍了一种名为TRACE的深度学习模型，用于加速和自动化临床前药物安全性评估中的毒理学肝脏组织病理学分析	提出了首个用于加速和自动化毒理学病理学评估的框架TRACE，能够处理从组织病理学反应评估到自动剂量-反应表征等多种诊断任务，并在独立读者研究中表现优于平均病理学家水平	模型主要针对肝脏组织病理学，可能无法直接推广到其他器官或组织类型；训练数据来源于特定物种的临床前研究，在人类应用中的泛化能力有待验证	开发一种基于深度学习的计算模型，以加速临床前药物开发中的毒性评估过程，提高评估的再现性和客观性	临床前药物安全性评估中的毒理学肝脏组织病理学图像	数字病理学	药物毒性	组织病理学成像，深度学习	深度学习模型	组织病理学图像	从157项临床前研究的46,734个数字化组织切片中提取的1500万张组织病理学图像	未明确指定	TRACE（专有架构）	与共识意见的一致性（concordance）	未明确指定
12	2026-03-02	Proscan: a structure-based proline design web server 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae408 PMID:38769060	研究论文	介绍了一个基于结构的脯氨酸设计网络服务器Proscan，用于识别和探索目标蛋白质的脯氨酸替换设计	开发了首个结合骨架角度评估、能量评分和深度学习预测的脯氨酸设计网络服务器，提供交互式可视化功能	未明确说明服务器处理蛋白质结构的规模限制或计算时间要求	开发用于蛋白质结构设计和疫苗抗原工程的计算工具	蛋白质结构、脯氨酸替换位点	计算生物学	NA	结构生物学、深度学习	深度学习模型	蛋白质结构数据、突变稳定性数据	使用深度突变扫描和热力学测量数据集进行基准测试	NA	NA	NA	网络服务器架构
13	2026-02-28	Pixel-wise segmentation of cells in digitized Pap smear images 2024-07-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03566-9 PMID:38971865	研究论文	本文介绍了一个用于宫颈癌筛查的数字化巴氏涂片图像细胞分割数据集APACS23，并探讨了其用于训练深度学习模型的潜力	创建了一个包含约37,000个手动分割细胞的大型数据集APACS23，专门用于巴氏涂片图像中的细胞像素级分割，为科学研究和挑战赛提供了官方基准	未提及具体模型性能或分割算法的详细评估，主要侧重于数据集的描述和可用性	开发用于宫颈癌筛查的巴氏涂片图像细胞分割数据集，以支持人工智能系统的训练	数字化巴氏涂片图像中的细胞	数字病理学	宫颈癌	光学显微镜分析	NA	图像	约37,000个手动分割的细胞	NA	NA	NA	NA
14	2026-02-28	1 Million Segmented Red Blood Cells With 240 K Classified in 9 Shapes and 47 K Patches of 25 Manual Blood Smears 2024-07-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03570-z PMID:38956115	研究论文	本文介绍了一个包含100万个分割红细胞和24万个按9种形状分类的数据集，用于开发基于深度学习的红细胞形态自动化检查	创建了首个大规模手动血液涂片数据集，包含详细的红细胞分割和形状分类，支持深度学习在红细胞形态学检查中的自动化应用	数据集仅基于25个不同患者的手动血液涂片，可能无法涵盖所有临床变异或自动化制备的涂片	开发基于深度学习的红细胞形态学自动化检查技术，包括检测、计数、分割和分类	红细胞形态和形状	数字病理学	贫血	光显微镜成像	深度学习图像分类器	图像	25个不同患者的手动血液涂片，产生47K+视野图像/补丁	NA	NA	NA	NA
15	2026-02-26	An effective deep learning-based approach for splice site identification in gene expression 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241266588 PMID:39051530	研究论文	本文提出了一种基于深度学习的计算机辅助诊断技术，用于快速准确识别基因表达中的剪接位点序列	利用长短期记忆网络从RNA序列中提取独特模式，实现快速准确的点突变序列映射，并通过与现有方法的比较验证了其优越性	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种精确可靠的计算机辅助诊断技术，用于快速正确识别剪接位点序列	真核生物基因表达中的mRNA剪接位点序列	自然语言处理	NA	RNA序列分析	LSTM	序列数据	NA	NA	LSTM	准确率	NA
16	2026-02-26	Early and late blight disease identification in tomato plants using a neural network-based model to augmenting agricultural productivity 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241275371 PMID:39262392	研究论文	本研究开发了一种基于Inception-V3架构的神经网络模型，用于识别番茄植株的早疫病和晚疫病，旨在提高疾病识别准确率并促进农业生产	利用深度学习技术（Inception-V3架构）对番茄叶片疾病进行自动分类，相比传统方法提高了识别效率和准确性	研究仅使用PlantVillage数据集中的6000张图像，可能无法涵盖所有田间变异情况；未提及模型在真实农业环境中的泛化能力测试	通过深度学习技术提高番茄叶片疾病的识别准确率，以增强农业生产力和经济效益	番茄植株的叶片，特别是受早疫病和晚疫病影响的叶片	计算机视觉	植物病害（番茄早疫病和晚疫病）	深度学习图像分类	CNN	图像	6000张番茄叶片图像（来自PlantVillage数据集）	NA	Inception-V3	准确率	NA
17	2026-02-26	Innovative entrepreneurial market trend prediction model based on deep learning: Case study and performance evaluation 2024 Jul-Sep, Science progress IF:2.6Q2 DOI:10.1177/00368504241272722 PMID:39205470	研究论文	本文提出了一种基于深度学习的创新性创业市场趋势预测模型，并通过案例研究和性能评估验证了其有效性	结合历史市场数据与社交媒体情感分析等多源指标，构建了超越传统方法的先进预测模型	未明确说明模型的具体泛化能力或在不同市场环境下的适用性限制	提高创新与创业领域的市场趋势预测准确性，以支持决策制定	市场趋势数据，包括历史市场数据和社交媒体情感指标	机器学习	NA	深度学习	深度学习模型	历史市场数据、社交媒体文本数据	NA	NA	NA	准确性	NA
18	2026-02-25	Future Perspectives of Artificial Intelligence in Bone Marrow Dosimetry and Individualized Radioligand Therapy 2024-07, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2024.06.003 PMID:39013673	综述	本文综述了人工智能在核医学剂量学，特别是骨髓剂量测定和个体化放射性配体治疗中的未来应用前景	探讨了人工智能（尤其是机器学习和深度学习）在提高骨髓和血液剂量测定准确性、早期识别血液学风险因素以及实现适应性治疗规划方面的潜在创新作用	NA	旨在概述人工智能方法在核医学剂量学领域整合的机遇，以推动放射性配体治疗向真正个体化诊疗发展	放射性配体治疗及其相关的骨髓剂量测定和血液学副作用	核医学	恶性肿瘤	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
19	2026-02-22	Deep Learning in Predicting Preterm Birth: A Comparative Study of Machine Learning Algorithms 2024-Jul, Maternal-fetal medicine (Wolters Kluwer Health, Inc.) DOI:10.1097/FM9.0000000000000236 PMID:40406277	研究论文	本研究通过比较多种机器学习算法，探讨深度学习在预测早产方面的适用性	首次在早产预测中比较了Transformer模型与传统机器学习算法（如逻辑回归、随机森林和支持向量机），并展示了Transformer的优越性能	研究为回顾性单中心设计，可能存在选择偏倚，且未详细说明模型的可解释性	评估深度学习算法是否适合用于预测早产	2018年1月至2023年6月在北京大学第三医院分娩的产妇数据	机器学习	早产	回顾性数据分析	Transformer, 逻辑回归, 随机森林, 支持向量机	结构化临床数据	30,965例分娩数据（第一部分24,770例，第二部分6,195例）	NA	Transformer	AUC, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率	NA
20	2026-02-10	From 2D to 3D: automatic measurement of the Cobb angle in adolescent idiopathic scoliosis with the weight-bearing 3D imaging 2024-07, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.03.019 PMID:38583576	研究论文	本研究比较了青少年特发性脊柱侧凸（AIS）中传统的2D Cobb角测量与基于负重3D成像（WR3D）的3D自动测量技术	首次在AIS评估中系统比较了传统2D Cobb角测量与三种不同的3D自动测量方法（AM、PIM、PPM），并利用3D-UNet深度学习模型进行脊柱分割，实现了自动化的3D角度计算	样本量相对较小（53例患者），且缺乏严重弯曲患者的验证，需要进一步研究来扩展和验证结果	比较传统2D与3D自动测量方法在评估青少年特发性脊柱侧凸脊柱弯曲度方面的差异	青少年特发性脊柱侧凸（AIS）患者	数字病理学	青少年特发性脊柱侧凸	负重3D成像（WR3D）、深度学习分割	CNN	3D医学图像	53名AIS患者，包含88个脊柱弯曲	3D Slicer	3D-UNet	NA	NA