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	2026-05-04	nBEST: Deep-learning-based non-human primates Brain Extraction and Segmentation Toolbox across ages, sites and species 2024-07-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120652 PMID:38797384	研究论文	提出一个基于深度学习的非人灵长类大脑MRI提取与分割工具箱nBEST，可跨年龄、站点和物种处理脑图像	采用终身学习方法灵活整合多样非人灵长类群体数据，创新性构建3D U-NeXt架构，实现多物种、多站点、多发育阶段通用处理	未明确讨论在极端低质量或罕见物种图像上的表现，可能依赖现有数据集多样性的持续更新	开发专为非人灵长类大脑MRI设计的通用自动化处理工具，提升跨物种、跨站点、跨年龄的脑图像分析能力	非人灵长类大脑MRI数据，涉及11个物种（如恒河猴、食蟹猴、黑猩猩、狨猴、松鼠猴等）共1469个扫描样本	数字病理学	不适用	MRI	3D U-NeXt	图像	1469个扫描样本，来自23个独立数据集，涵盖11个物种	PyTorch	3D U-NeXt	精确度, 适用性, 鲁棒性, 全面性, 泛化能力	不适用
22	2026-05-04	The effect of head motion on brain age prediction using deep convolutional neural networks 2024-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120646 PMID:38750907	研究论文	研究头部运动对深度卷积神经网络预测大脑年龄的影响	首次系统评估头部运动引起的MRI图像伪影对脑年龄预测的影响，并发现即使临床可用图像也存在显著偏差	仅基于T1加权MRI图像，未考虑其他模态图像；仅使用两种3D CNN架构，未探索其他模型	探究头部运动引起的MRI图像伪影对脑年龄预测作为脑健康生物标志物的适用性的影响	参与者的T1加权MRI扫描图像（包括无运动和运动伪影的图像）	计算机视觉	神经系统疾病	MRI	3D卷积神经网络	图像	同一参与者的无运动和运动伪影的T1加权MRI扫描图像，由神经放射科医生从临床诊断角度评级	NA	两种不同的3D卷积神经网络架构	脑预测年龄差（brain-PAD）、图像质量指标	NA
23	2026-05-03	A Deep Learning-Based Approach to Estimate Paneth Cell Granule Area in Celiac Disease 2024-07-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0074-OA PMID:37852171	研究论文	基于深度学习方法估算乳糜泻中潘氏细胞颗粒面积	采用无代码人工智能工作流（NoCodeSeg）分析完整H&E切片，实现潘氏细胞颗粒和隐窝的自动分割，避免了传统人工计数的主观性	未提及具体局限性	利用人工智能技术比较乳糜泻患者与非乳糜泻对照组的隐窝和潘氏细胞颗粒面积	349例十二指肠活检组织样本（185例乳糜泻患者，164例对照）	数字病理学	乳糜泻	H&E染色、全切片扫描	深度学习模型（U-Net架构）	组织病理图像	349例患者（185例乳糜泻，164例对照）	QuPath, DeepMIB, NoCodeSeg	U-Net	平均交并比（IoU）	NA
24	2026-05-02	X-ray absorption spectroscopy combined with deep learning for auto and rapid illicit drug detection 2024-07-03, The American journal of drug and alcohol abuse DOI:10.1080/00952990.2024.2377262 PMID:39158551	研究论文	利用X射线吸收光谱结合改进的Transformer编码器模型实现毒品的自动快速检测	首次将X射线吸收光谱与深度学习结合用于毒品检测，并采用改进的Transformer编码器模型实现高准确率（96.73%）和快速训练（1.4小时）	仅使用50种毒品类似物进行实验，未涉及实际毒品样本；且需要进一步验证该方法在临床和执法场景中的实用性	实现快速、无损、自动的毒品检测	毒品及其类似物（同分异构体或分子式相似的化合物）	机器学习	NA	X射线吸收光谱	Transformer, LSTM, ResU-net	光谱数据	50种毒品类似物	NA	改进的Transformer编码器, LSTM, ResU-net	准确率, 训练时间	NA
25	2026-04-30	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	开发深度学习模型，从小鼠肠道组织学图像中估算FLASH照射的等效剂量	首次提出使用深度学习从组织学图像定量估算FLASH照射的等效应剂量，将物理FLASH剂量映射为等效CONV剂量	仅限于小鼠肠道组织，尚未验证于其他组织或肿瘤模型	探索深度学习从小鼠肠道组织学图像估算FLASH照射等效应剂量的可行性	接受CONV或FLASH照射的小鼠空肠组织切片	数字病理学	放射性损伤	H&E染色、数字病理成像	CNN	组织学图像	84只雌性C57BL/6J小鼠，每只小鼠9个空肠横切面，共756个图像样本	PyTorch	ResNet-101	均方误差	NA
26	2026-04-29	Deep learning identifies heterogeneous subpopulations in breast cancer cell lines 2024-Jul-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.02.601576 PMID:39005432	研究论文	利用深度学习识别乳腺癌细胞系中的异质性亚群	首次证明细胞形态可反映体外乳腺癌细胞系中的转录组亚群差异，并利用卷积神经网络实现亚群识别	NA	探究细胞形态是否能用于分类体外癌细胞系中的转录组亚群	乳腺癌细胞系中的亚群	计算机视觉	乳腺癌	卷积神经网络	CNN	图像	NA	NA	卷积神经网络	NA	NA
27	2026-04-25	Deep learning-enabled high-speed, multi-parameter diffuse optical tomography 2024-07, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076004 PMID:39035576	研究论文	利用深度学习实现高速、多参数扩散光学层析成像，用于乳腺肿瘤表征	首次将深度学习应用于频域扩散光学层析成像的同时吸收系数和散射系数三维重建，实现高速高保真重建，将重建时间从3.8分钟缩短至0.02秒	研究仅使用模拟数据测试，实验验证仅针对两个模拟肿瘤的光学幻影，临床实际应用仍需进一步验证	开发基于深度学习的频域扩散光学层析成像技术，实现手持探头实时成像，改善乳腺肿瘤表征	乳腺组织的光学吸收系数和散射系数三维重建	机器学习	乳腺癌	频域扩散光学层析成像	深度学习模型	模拟光学数据集和实验光学幻影数据	300个模拟组织幻影用于测试，2个肿瘤模拟光学幻影用于实验验证	PyTorch	NA	均方根误差、空间相似性、异常对比度精度、串扰	NA
28	2026-04-23	A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis 2024-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-1349 PMID:39082680	研究论文	本研究开发了一个包含超过1000个患者来源异种移植（PDX）及其配对亲本肿瘤H&E染色图像的全癌种图像库，并集成了基因组、转录组、临床元数据及病理注释，以支持深度学习分析	创建了首个大规模、全癌种的PDX H&E图像库，整合了多维数据（基因组、病理注释等），并展示了其在深度学习任务（如区域分类、疾病预测）中的应用潜力	PDX模型使用免疫缺陷小鼠，可能无法完全模拟人类肿瘤微环境；部分病例的详细病理注释有限	构建一个用于深度学习分析的PDX组织学图像资源库，以促进癌症生物学研究和计算病理学方法开发	患者来源异种移植（PDX）模型及其配对的人类亲本肿瘤样本	数字病理学	全癌种	H&E染色组织学成像	深度学习分类器、预测器	组织学图像	超过1000个PDX及其配对亲本肿瘤样本	NA	NA	NA	NA
29	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
30	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
31	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
32	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
33	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
34	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
35	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
36	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
37	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
38	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
39	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
40	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