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	2026-10-05	Automated Analysis of Split Kidney Function from CT Scans Using Deep Learning and Delta Radiomics 2024-08, Journal of endourology IF:2.9Q1 DOI:10.1089/end.2023.0488 PMID:38695176	研究论文	本文提出了一种利用深度学习和Delta放射组学从CT扫描中自动分析分肾功能的方法	结合深度学习和2D/3D放射组学特征，通过比较双肾的Delta放射组学来预测分肾功能，无需核医学扫描	样本量有限，外部测试集较小，需要进一步验证	评估是否可以通过对比增强CT结合深度学习和放射组学特征来获得分肾功能	2018-2022年在Mayo Clinic接受肾脏核扫描的患者	医学图像分析	肾脏疾病	对比增强CT，核医学扫描	随机森林	图像	内部数据集1159例研究，其中323例用于分析；外部测试集39例	NA	随机森林	AUC，敏感度，特异度	NA
2	2026-09-20	Machine Learning, Deep Learning, and Data Preprocessing Techniques for Detecting, Predicting, and Monitoring Stress and Stress-Related Mental Disorders: Scoping Review 2024-08-21, JMIR mental health IF:4.8Q1 DOI:10.2196/53714 PMID:39167782	综述	本文是一篇范围综述，系统梳理了用于检测、预测和分析心理压力及其相关精神障碍的机器学习方法、数据预处理技术和数据类型	采用PRISMA-ScR指南进行严格的范围综述，全面分析了98篇同行评审文献中使用的ML算法、预处理技术和数据类型，并识别了该领域的研究空白和未来方向	未进行定量荟萃分析，仅进行了范围综述；纳入文献可能存在异质性；未对算法性能进行直接比较	调查用于检测、预测和分析心理压力及其相关精神障碍的机器学习方法的范围	心理压力及其相关精神障碍	机器学习	精神障碍	机器学习	支持向量机, 神经网络, 随机森林	生理参数（心率、皮肤反应等）	98篇同行评审文献	NA	NA	准确率, 鲁棒性	NA
3	2026-09-18	An ingenious deep learning approach for pressure injury depth evaluation with limited data 2024-08, Journal of tissue viability IF:2.4Q1 DOI:10.1016/j.jtv.2024.05.009 PMID:38825443	研究论文	该研究利用深度学习对骶部压力性损伤图像进行深度评估，在有限监督数据下比较了三种卷积神经网络分类模型的性能	提出了一种组合分类模型，通过先使用二分类模型进行初步d0评估，再使用分类模型减少评估步骤，在不增加监督数据的情况下实现了优越的性能	研究为回顾性观察性研究，样本量较小（414张图像），且仅针对骶部压力性损伤，可能限制模型的泛化能力	开发能够在有限监督数据下实现高性能的深度学习模型，用于从伤口图像评估压力性损伤的深度	2017年2月至2021年12月期间接受骶部压力性损伤医学检查的患者	计算机视觉	压力性损伤	深度学习	CNN	图像	414张压力性损伤图像（五个深度阶段d0至D4）	NA	卷积神经网络（分类、二分类、组合分类模型）	F1分数, 精确率	NA
4	2026-09-18	Revolutionizing early Alzheimer's disease and mild cognitive impairment diagnosis: a deep learning MRI meta-analysis 2024-08, Arquivos de neuro-psiquiatria IF:1.0Q4 DOI:10.1055/s-0044-1788657 PMID:39146974	meta-analysis	本文通过荟萃分析评估深度学习在MRI图像上诊断阿尔茨海默病和轻度认知障碍的诊断准确性	整合深度学习与人工智能进行MRI分析，提供无偏、高精度的诊断见解，并对T1加权和非T1加权MRI进行亚组分析	仅纳入18项研究，可能存在发表偏倚，且未详细说明深度学习模型的具体架构和计算资源	分析深度学习在MRI图像上诊断阿尔茨海默病和轻度认知障碍模型的诊断准确性	阿尔茨海默病和轻度认知障碍患者	医学影像分析	阿尔茨海默病, 轻度认知障碍	磁共振成像	深度学习	图像	18项研究	NA	NA	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, AUROC	NA
5	2026-09-08	Deep learning bias correction of GEMS tropospheric NO2: A comparative validation of NO2 from GEMS and TROPOMI using Pandora observations 2024-08, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2024.108818 PMID:38878653	研究论文	本研究首次采用深度卷积神经网络对地球静止环境监测光谱仪（GEMS）在对流层NO2柱密度（TCDNO）测量中的偏差进行校正，并通过与Pandora观测及TROPOMI数据的比较验证其效果	创新性地将深度卷积神经网络应用于GEMS TCDNO数据的偏差校正，显著提高了测量准确性	未明确提及限制，但可能包括对Pandora站点地理覆盖的依赖以及模型泛化性的潜在问题	校正GEMS TCDNO数据中的偏差，提高其准确性，并验证深度学习方法的有效性	GEMS和TROPOMI卫星的对流层NO2柱密度数据，以及Pandora地面观测数据	深度学习	NA	卫星遥感	深度卷积神经网络	卫星遥感数据和地面观测数据	Pandora站点数据（具体数量未说明），时间跨度2021-2023年	NA	深度卷积神经网络（具体架构未指定）	相关系数R，一致性指数IOA，平均绝对偏差MAB，平均绝对偏差百分比MABP	NA
6	2024-08-07	Deeper insights from deep learning: Enhanced myocardial perfusion assessments using multimodal artificial intelligence 2024-08, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.102014 PMID:39089361	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7	2026-08-29	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	本文介绍EPInformer，一个可扩展的深度学习框架，通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达。	创新性地结合启动子-增强子相互作用及其序列、表观遗传信号和染色质接触，以捕捉远端调控元件的影响，提高基因表达预测的准确性，并在跨染色体验证中优于现有模型。	尽管模型性能优越，但仍可能受限于训练资源需求和对新数据的适应性，且未在摘要中详细说明具体局限性。	开发一个可扩展的深度学习框架，以整合启动子-增强子序列和多模态表观基因组数据，提高基因表达预测的准确性。	基因表达预测，启动子-增强子相互作用，转录因子基序。	深度学习	NA	深度学习	深度学习模型（具体类型未提及）	DNA序列、表观遗传信号、染色质接触数据	NA	NA	NA	准确性（优于现有模型）	NA
8	2026-08-26	Automated identification of fleck lesions in Stargardt disease using deep learning enhances lesion detection sensitivity and enables morphometric analysis of flecks 2024-08-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-323592 PMID:38408857	研究论文	利用深度学习自动识别Stargardt病中的斑点病变，提高检测敏感性并进行形态学分析	首次使用深度学习模型自动识别和分割Stargardt病中的斑点病变，并结合K-means聚类进行形态学分析，提高了检测敏感性	AI模型产生更多假阳性，且需要进一步优化以减少误报；斑点形态作为疾病进展生物标志物的可行性和实用性需进一步研究	评估人工智能在识别Stargardt病斑点病变中的性能，并进行斑点形态学分析	85名确诊Stargardt病患者的170只眼睛的眼底自发荧光图像	医学影像分析	Stargardt病	眼底自发荧光成像	深度学习模型	图像	85名患者（170只眼睛），其中41名有清晰斑点病变用于训练	NA	NA	Dice系数	NA
9	2026-08-26	Hybrid brain tumor classification of histopathology hyperspectral images by linear unmixing and an ensemble of deep neural networks 2024-Aug, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12084 PMID:39100499	研究论文	提出一种结合线性解混和深度神经网络集成的方法，用于基于高光谱图像的脑肿瘤组织学样本分类	将线性解混作为特征工程步骤与深度神经网络集成相结合，实现混合分类方案，降低了计算成本和推理时间，同时保持高准确率	文中未明确提及局限性	开发一种混合方法，利用高光谱成像对脑组织样本进行非肿瘤和肿瘤的分类，并提高分类性能	脑组织学样本，包括非肿瘤和肿瘤样本	数字病理学	脑肿瘤	高光谱成像	深度神经网络集成	高光谱图像	未明确提及具体样本数量	未明确提及	深度神经网络集成	平均准确率	未明确提及
10	2026-08-24	From Deep Learning to the Discovery of Promising VEGFR-2 Inhibitors 2024-Aug-19, ChemMedChem IF:3.6Q2 DOI:10.1002/cmdc.202400108 PMID:38726553	研究论文	本研究开发了一个深度学习分类模型，从内部化学库中筛选出潜在的VEGFR-2抑制剂，并通过分子对接和生物活性预测平台优先选出两个候选化合物，实验验证其对MCF-7乳腺癌细胞具有抗增殖活性	结合深度学习分类模型、分子对接和靶点钓鱼平台PLATO，形成多层次筛选工作流程，并成功实验验证候选化合物的活性	未提供明确局限性说明	发现新型且更有效的VEGFR-2抑制剂，以减少现有药物的副作用	VEGFR-2抑制剂候选化合物（RHE-334和EA-11）及其对MCF-7乳腺癌细胞和WI-38细胞的作用	机器学习	癌症	NA	深度学习分类模型	分子结构数据	包括187个药物样化合物在内的内部化学库	NA	NA	IC50值	NA
11	2026-08-24	Deep Learning for Histopathological Assessment of Esophageal Adenocarcinoma Precursor Lesions 2024-08, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100531 PMID:38830407	研究论文	本研究开发了一个两阶段的深度学习AI系统，用于评估Barrett食管相关的异型增生，该系统在整张切片图像上识别腺体、分级异型增生并给出诊断，性能优于大多数病理学家。	创新点在于开发了一个两阶段的AI系统，结合腺体和组织水平的注释，对Barrett食管相关的异型增生进行自动分级，并通过与大型国际病理学家组的比较验证了其优越性能。	局限性可能包括依赖特定的注释方式、样本量有限以及需要进一步验证其在真实世界中的泛化能力。	研究目的是利用深度学习提高Barrett食管相关异型增生的组织病理学评估效率和准确性，并为病理学家提供辅助诊断工具。	研究对象是Barrett食管相关的异型增生病变的组织病理学图像。	数字病理学	食管腺癌前病变（Barrett食管相关异型增生）	组织病理学图像分析	深度学习模型	整张切片图像（WSI）	290张整张切片图像用于训练和开发，55张数字化活检图像用于评估	未指定	两阶段架构，具体类型未指定	准确率、受试者工作特征曲线下面积（AUC）、敏感性、特异性	未指定
12	2026-08-13	Decoding dynamic visual scenes across the brain hierarchy 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012297 PMID:39093861	研究论文	本研究利用艾伦视觉编码-神经像素数据集和深度学习模型，研究大脑层次结构中动态自然视觉场景的神经编码和解码机制	首次利用解码神经网络模型作为度量指标，系统评估动态自然视觉场景在不同脑区的编码质量，并揭示解码性能与解剖和功能层次指数之间的强相关性	摘要中未明确提及研究的局限性	探索大脑层次结构中动态自然视觉场景的神经编码机制，并验证解码模型作为编码质量度量的有效性	大脑各区域的神经群体活动，包括视觉皮层、皮层下核团和海马体神经元	神经科学	不适用	神经像素记录	深度学习神经网络模型	神经电生理数据（神经像素记录）和动态自然视觉刺激	来自艾伦视觉编码-神经像素数据集的多个脑区神经群体数据	未指明	未指明	解码性能指标（未具体说明）	未指明
13	2026-08-13	Understanding patient-derived tumor organoid growth through an integrated imaging and mathematical modeling framework 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012256 PMID:39093897	研究论文	本文介绍了一种整合高内涵成像深度学习和数学建模的工作流程，用于分析和理解患者来源肿瘤类器官的生长动态，并应用于结肠癌类器官	创新地将高内涵成像深度学习平台与数学建模相结合，引入灵活的成长规律和可变休眠时间，以定量描述类器官生长动态	未明确提及局限性	建立对类器官生长动态基本特性和变异性的定量理解，以支持临床预测	患者来源的结肠癌肿瘤类器官	计算机视觉, 机器学习	结肠癌	高内涵成像	深度学习模型（未指定具体类型，如CNN）	图像	未明确提及样本数量	未明确提及	未明确提及，但可能包括卷积神经网络	未明确提及，可能包括生长率、休眠时间等	未明确提及
14	2026-08-13	A transfer learning approach to identify Plasmodium in microscopic images 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012327 PMID:39102445	研究论文	本研究评估了使用预训练深度学习架构的迁移学习方法，用于在显微镜图像中自动识别疟原虫，并验证了DenseNet201模型的性能。	采用迁移学习技术，结合本地采集的疟疾图像数据，并进行了100次不同分区的交叉验证，证明了DenseNet201在疟原虫识别中的优越性和快速处理时间。	依赖有限的图像数据，未来需要扩展数据量并开发用户友好的计算机辅助诊断界面。	开发并验证基于迁移学习的自动化方法，用于在显微镜图像中识别疟原虫，以支持临床计算机辅助诊断。	疟原虫寄生虫在显微镜图像中的感染区域（感染或未感染）。	计算机视觉	疟疾	迁移学习	CNN（DenseNet201）	图像	6222个感兴趣区域（ROI），其中6002个来自BBBC数据库，220个由作者在FIOCRUZ本地采集。	NA	DenseNet201	AUC	NA
15	2026-08-13	Reliable estimation of tree branch lengths using deep neural networks 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012337 PMID:39102450	研究论文	本研究探索使用深度学习模型来预测系统发育树中的分支长度，作为概念验证，并展示了在某些困难参数区域中相对于最大似然方法的优势	首次使用深度学习框架在固定树拓扑上从多序列比对或其表示中预测分支长度，并发现在这些困难参数区域中性能优于传统最大似然推断	仅作为概念验证，未在真实数据或变拓扑下测试	探索机器学习模型预测系统发育树分支长度的可能性，并评估其准确性和计算效率	系统发育树分支长度，来自多序列比对数据	机器学习	NA	多序列比对	深度学习模型	序列数据	NA	NA	NA	准确性，计算效率	NA
16	2026-08-13	Bird song comparison using deep learning trained from avian perceptual judgments 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012329 PMID:39110762	研究论文	本文利用深度学习模型基于鸟类感知判断进行鸟鸣声比较，并验证和改进现有相似性算法	首次利用自动化操作性条件反射系统收集大量斑胸草雀的鸣声相似性判断数据，并引入深度学习模型以鸟类感知为基础进行训练，显著优于传统方法	未明确提及局限性，但可能受限于特定物种（斑胸草雀）和特定鸣声类型，且未探讨跨物种泛化能力	开发一种基于鸟类感知判断的深度学习方法来比较鸟鸣声相似性，以替代依赖人类直觉的传统方法	斑胸草雀的鸣声音节相似性判断数据集	机器学习	NA	自动化操作性条件反射系统，深度学习	深度学习模型	图像（频谱图转换）、行为判断数据	大语料库，具体数量未在摘要中提供	NA	深度学习架构（具体未在摘要中指定）	准确性、与鸟类判断的接近程度	NA
17	2026-08-13	iCRBP-LKHA: Large convolutional kernel and hybrid channel-spatial attention for identifying circRNA-RBP interaction sites 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012399 PMID:39173070	研究论文	提出了一种基于深度混合网络的模型iCRBP-LKHA，用于识别circRNA-RBP相互作用位点，通过结合大核卷积、混合通道-空间注意力和双向门控循环单元，有效捕获长距离依赖和多特征交互信息	首次将大核卷积神经网络与CBAM-1D注意力机制及BiGRU相结合，实现局部信息、全局上下文和多特征交互信息的自动提取，克服现有深度学习方法在长距离依赖和多特征交互上的不足	未提及模型在计算资源需求或训练效率方面的潜在限制，也未讨论模型在不同物种或更复杂RNA类型上的泛化性	开发一种改进的深度学习模型，用于准确识别circRNA与RNA结合蛋白的相互作用位点，提升预测性能	环状RNA（circRNAs）及其RNA结合蛋白（RBP）相互作用位点	机器学习	NA	NA	混合深度学习模型（包含大核CNN、注意力机制和BiGRU）	序列数据（circRNA和线性RNA序列）	37个circRNAs数据集、37个circRNAs严格数据集和31个线性RNAs数据集	NA	大核卷积神经网络（LKCNN）、卷积块注意力模块（CBAM-1D）、双向门控循环单元（BiGRU）	NA（具体指标未在摘要中明确，可能包括准确率、AUC等）	NA
18	2026-08-12	An early warning indicator trained on stochastic disease-spreading models with different noises 2024-08, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0199 PMID:39118548	研究论文	本文利用深度学习算法，在带有不同噪声的随机疾病传播模型上训练早期预警指标，用于及时检测传染病爆发，并在实际COVID-19数据和模拟数据中验证其有效性	首次将深度学习应用于噪声诱导的疾病传播模型，以生成在多种噪声（加性白噪声、乘性环境噪声和人口噪声）下均表现稳健的早期预警信号，且优于现有指标	未明确说明，但可能受限于模型训练的特定噪声类型和早期爆发数据有限性	开发可靠的早期预警指标，以在噪声干扰和早期数据有限的条件下及时检测传染病爆发	噪声诱导的疾病传播模型、真实世界COVID-19病例（加拿大埃德蒙顿）及模拟时间序列	机器学习	传染病	NA	深度学习模型	时间序列数据	未明确说明，涉及COVID-19病例和模拟数据	NA	深度学习架构（具体未指明）	早期预警性能指标（具体未指明，但包含与现有指标的比较）	NA
19	2026-08-11	aiSEGcell: User-friendly deep learning-based segmentation of nuclei in transmitted light images 2024-08, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012361 PMID:39178193	研究论文	本文介绍了aiSEGcell，一个用户友好的基于深度学习的软件，用于明场图像中细胞核和细胞的自动分割。	提供用户友好的CNN软件，无需荧光标记即可分割细胞核，且只需少量图像（32张）即可重新训练以适应新用例，并提供包含110万个细胞核和2万张图像的精选数据集。	未明确提及局限性，但可能包括对2D培养细胞图像的针对性，可能不适用于3D或组织结构。	开发并验证一个易用的深度学习工具，用于明场图像中细胞核的精确分割，减少对荧光标记和计算专家的依赖。	多种原代细胞类型的2D培养细胞，来自不同成像模态的明场图像。	计算机视觉，数字病理学	不适用	明场显微镜	卷积神经网络（CNN）	图像	20,000张图像，包含1.1百万个细胞核	不适用	不适用（可能是U-Net类，但未具体说明）	与手动分割结果的相似度（未具体列出指标）	不适用
20	2026-08-08	Turn-table micro-CT scanner for dynamic perfusion imaging in mice: design, implementation, and evaluation 2024-08-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6edd PMID:39137802	研究论文	本研究介绍了一种新颖的桌面式微型CT扫描仪，用于小鼠动态灌注成像，旨在通过高分辨率和低辐射剂量增强临床前成像能力。	该微型CT系统采用定制旋转台，支持圆形和螺旋扫描，通过小型滑环实现连续旋转，并首次展示了在3.125秒时间分辨率下进行动态灌注成像的潜力。	小样本量限制了结果的确定性结论。	开发一种高分辨率、低剂量的动态灌注成像微型CT系统，以提升临床前成像能力。	小鼠（涉及阿尔茨海默病和心血管疾病的不同遗传风险因素）以及3D生物打印的组织模拟幻影。	医学影像	阿尔茨海默病, 心血管疾病	微型CT成像	NA	图像	未具体说明小鼠数量，但涉及具有不同遗传风险因素的多组小鼠	NA	NA	空间分辨率, 均匀性, 血流测量线性度, 灌注指标（时间到峰值, 平均通过时间, 血流指数）	NA