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
41	2026-03-03	Deepdive: Leveraging Pre-trained Deep Learning for Deep-Sea ROV Biota Identification in the Great Barrier Reef 2024-09-03, Scientific data IF:5.8Q1 DOI:10.1038/s41597-024-03766-3 PMID:39227607	研究论文	本文通过构建一个包含3994张图像、33个类别的深海生物数据集，并利用预训练的深度学习模型进行图像分类，以支持大堡礁深海生态系统的自动生物识别	贡献了一个新的深海ROV图像分类数据集，并首次在该数据集上应用了Inception-ResNet等深度学习模型进行基准测试，展示了模型在类别不平衡情况下的性能	数据集存在类别不平衡问题，且模型的平均分类准确率仅为65%，可能受限于样本数量和类别多样性	开发自动化的深海生物分类方法，以支持海洋生态系统保护和生物多样性评估	深海生物（通过ROV采集的图像数据）	计算机视觉	NA	远程操作车辆（ROV）成像	CNN	图像	3994张图像，涵盖33个类别	NA	ResNet, DenseNet, Inception, Inception-ResNet	准确率, AUC	NA
42	2026-03-02	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-09-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文提出了一种基于自发光显微镜和深度学习的虚拟双折射成像与虚拟刚果红染色方法，用于无标记组织中淀粉样蛋白沉积物的可视化	利用单个神经网络将无标记组织的自发光图像转换为亮场和偏振显微镜图像，实现虚拟双折射成像与虚拟刚果红染色，避免了传统化学染色的繁琐与误差	研究主要针对心脏组织，未涉及其他器官或组织类型，且可能受自发光图像质量影响	开发一种无标记、自动化的淀粉样蛋白沉积物成像方法，以替代传统刚果红染色	无标记人体组织中的淀粉样蛋白沉积物	数字病理学	系统性淀粉样变性	自发光显微镜	神经网络	图像	未明确指定样本数量，但涉及心脏组织	NA	NA	定量指标与病理学家评估	NA
43	2026-03-02	Deep Learning Segmentation of Infiltrative and Enhancing Cellular Tumor at Pre- and Posttreatment Multishell Diffusion MRI of Glioblastoma 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230489 PMID:39166970	研究论文	本研究开发并验证了一种基于深度学习的模型，用于在胶质母细胞瘤患者治疗前后的多壳层扩散MRI上分割增强和非增强的细胞肿瘤区域，并预测总生存期和无进展生存期	利用nnU-Net深度学习模型整合灌注和多壳层扩散MRI数据，实现了对胶质母细胞瘤中增强和非增强细胞肿瘤的自动分割，并验证了其在区分肿瘤复发与治疗后改变以及预测生存期方面的能力	研究为回顾性设计，可能存在选择偏倚；模型性能在不同外部测试队列中可能存在差异	开发并验证一种深度学习方法来检测和分割胶质母细胞瘤的细胞肿瘤区域，并预测患者的生存结局	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多壳层扩散MRI, 灌注成像	CNN	MRI图像	内部数据集包含1297名患者的1397次MRI扫描（其中243次用于训练和交叉验证），以及四个外部测试队列（分别包含55、70、610和419次MRI时间点）	nnU-Net	nnU-Net	Dice分数, AUC	NA
44	2026-02-28	Multi-receptor skin with highly sensitive tele-perception somatosensory 2024-09-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adp8681 PMID:39259789	研究论文	本文提出了一种具有高灵敏度远程感知能力的仿生多受体皮肤，通过结构化掺杂无机纳米颗粒增强局部电场，并结合深度学习算法，实现了超越传统非接触传感器的感知性能	提出远程感知概念以扩展人类感知，采用结构化掺杂无机纳米颗粒增强电场，结合LSTM和CNN算法实现高精度材料识别与三维物体形状判别	未明确说明样本大小、计算资源细节或模型架构的具体变体	增强人类感知与认知，超越传统非接触传感器的限制	仿生多受体皮肤、监控系统、机器人操纵器、三维物体	机器学习	NA	结构化掺杂无机纳米颗粒、深度学习算法	LSTM, CNN	传感器数据、三维物体扫描数据	NA	NA	长短期记忆网络、卷积神经网络	Δ/Δ灵敏度14.2、材料识别准确率99.56%	NA
45	2026-02-15	A penalized integrative deep neural network for variable selection among multiple omics datasets 2024-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.51 PMID:41674850	研究论文	提出一种惩罚性集成深度神经网络（PIN），用于从多个组学数据集中同时选择重要变量	PIN方法直接聚合多个数据集作为输入，并在集成分析框架中考虑数据集间的同质性和异质性，解决了现有方法在小样本或忽略数据集间变量结构差异时的不准确性问题	未明确提及具体局限性，但可能依赖于数据集的多样性和样本量	促进基于多源研究/数据集识别疾病相关重要变量	老年人的不同认知状态或卵巢癌患者不同阶段的基因表达数据集	机器学习	卵巢癌	基因表达分析	深度神经网络	组学数据	未明确指定具体样本数量，但涉及多个数据集	未指定	深度神经网络	未明确指定具体指标，但提及性能改进	未指定
46	2026-02-15	CShaperApp: Segmenting and analyzing cellular morphologies of the developing Caenorhabditis elegans embryo 2024-Sep, Quantitative biology (Beijing, China) DOI:10.1002/qub2.47 PMID:41674855	研究论文	本文介绍了一款名为CShaperApp的桌面软件，用于分割秀丽隐杆线虫胚胎发育过程中的荧光标记细胞膜图像并交互式分析细胞形态	开发了基于CShaper框架的交互式桌面软件，允许生物学家使用现有或微调的深度学习模型自动高效提取定量细胞形态数据，并验证了其跨实验室数据集的鲁棒性	未明确说明软件在极端图像条件（如低信噪比、高密度细胞）下的性能限制	加速发育生物学中系统级定量数据的高通量生成，支持细胞形态发育研究	秀丽隐杆线虫胚胎发育过程中的细胞	数字病理学	NA	荧光标记成像，三维延时（4D）成像	深度学习模型	荧光标记的细胞膜图像，三维图像堆栈	包含150个图像堆栈的4D数据集，覆盖从4细胞到350细胞阶段的胚胎发育过程	未明确说明	基于CShaper框架（具体架构未说明）	处理时间（约30分钟处理完整4D数据集），鲁棒性验证	可在Windows、macOS和Linux操作系统上执行的桌面软件
47	2026-02-15	A glimpse into the future: Integrating artificial intelligence for precision HER2-positive breast cancer management 2024-Sep, iMetaOmics DOI:10.1002/imo2.19 PMID:41675540	综述	本文全面回顾了利用人工智能（AI）评估和管理HER2阳性乳腺癌的诊断与预测模型，并探讨了AI在抗HER2治疗中面临的挑战与未来方向	系统性地整合了基于组织病理切片、影像组学和HER2结合位点数据的AI模型，并提出了AI辅助抗HER2治疗未来发展的具体方向	文章为综述性研究，未涉及原始数据或新模型的实验验证，主要基于现有文献进行归纳分析	评估AI在HER2阳性乳腺癌精准管理中的应用现状与前景，促进AI辅助抗HER2治疗的临床整合	HER2阳性乳腺癌患者	数字病理学	乳腺癌	组织病理学分析、影像组学、分子结合位点检测	深度学习模型	组织病理切片图像、医学影像数据、分子结合位点数据	NA	NA	NA	NA	NA
48	2026-02-11	Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration on Optical Coherence Tomography 2024-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.11.24312817 PMID:39314940	研究论文	本研究开发了一种基于深度学习的模型，用于从光学相干断层扫描图像中自动检测和量化年龄相关性黄斑变性中的网状假性玻璃膜疣	开发的深度学习模型在分割网状假性玻璃膜疣方面，其与四位视网膜专家的共识一致性（DSC=0.76）甚至超过了专家之间的一致性（DSC=0.68），并在多个外部测试集上达到了专家级别的性能	NA	开发一个能够自动、可靠地检测和量化年龄相关性黄斑变性中网状假性玻璃膜疣的深度学习模型，以辅助临床管理	年龄相关性黄斑变性患者的视网膜光学相干断层扫描图像	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	深度学习模型	图像	9,800张OCT B扫描图像用于模型开发，并在包含812名个体（1,017只眼）的五个外部测试数据集上进行验证	NA	NA	Dice相似系数, 曲线下面积	NA
49	2026-02-09	Artificial intelligence-based skeletal muscle estimates and outcomes of EUS-guided treatment of pancreatic fluid collections 2024-Sep, iGIE : innovation, investigation and insights DOI:10.1016/j.igie.2024.06.006 PMID:41646132	研究论文	本研究探讨了骨骼肌状态与胰腺液体积聚（PFCs）内镜超声引导治疗临床结局的关联	首次利用深度学习平台从术前CT图像中自动量化骨骼肌密度（SMD）和指数（SMI），并系统评估其与PFC治疗失败及住院死亡率的关系	研究为回顾性多中心设计，可能存在选择偏倚；未考虑其他可能影响结局的混杂因素如营养状况变化	评估骨骼肌质量（通过SMD衡量）和数量（通过SMI衡量）对PFC内镜治疗临床结局的预测价值	2010年至2020年间接受内镜超声引导治疗的372例胰腺液体积聚患者	数字病理学	胰腺疾病	CT影像分析，深度学习自动分割	深度学习模型	医学影像（CT图像）	372例患者	未明确说明	未明确说明	比值比（OR），置信区间，趋势P值	未明确说明
50	2026-02-05	Will Artificial Intelligence Be "Better" Than Humans in the Management of Syncope? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101072 PMID:39372450	综述	本文探讨了人工智能（包括机器学习、深度学习和自然语言处理）在晕厥诊断、管理和研究中的潜在应用、优势、局限性及解决方案	系统性地将AI技术（ML、DL、NLP）应用于晕厥这一临床挑战领域，并探讨其在临床决策、研究和教育三个维度的潜力，提出了从因果关系分析向相关性分析的模式转变	未提供具体实验数据或模型性能验证，主要基于理论探讨和潜在应用分析	评估人工智能在晕厥管理中的潜在作用，并探讨其是否可能优于人类临床决策	晕厥（一种短暂的意识丧失）患者的诊断、风险分层、临床管理和教育	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	临床数据, 文本数据	NA	NA	NA	NA	NA
51	2026-02-05	Coronary Artery Stenosis and High-Risk Plaque Assessed With an Unsupervised Fully Automated Deep Learning Technique 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100861 PMID:39372456	研究论文	本研究开发并验证了一种全自动无监督深度学习系统，用于在冠状动脉CT血管造影（CCTA）中评估冠状动脉狭窄严重程度和高风险斑块	提出了一种全自动、无监督的深度学习技术，能够快速、准确地评估冠状动脉狭窄和高风险斑块，克服了传统CCTA评估耗时且需专业培训的限制	研究样本量有限，特别是高风险斑块的测试集仅包含45名患者（325条血管），可能影响模型的泛化能力	开发并验证一个全自动深度学习系统，用于在CCTA扫描中自动评估冠状动脉狭窄严重程度和表征高风险斑块	冠状动脉CT血管造影（CCTA）扫描图像	计算机视觉	心血管疾病	冠状动脉CT血管造影（CCTA）	深度学习	医学影像（CT图像）	训练集：570名患者；测试集：狭窄评估769名患者（3,012条血管），高风险斑块评估45名患者（325条血管）	NA	NA	敏感性, 特异性, 阳性预测值, 阴性预测值, 曲线下面积（AUC）	NA
52	2026-02-05	Automated Assessment of Right Atrial Pressure From Ultrasound Videos Using Machine Learning 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101192 PMID:39372459	研究论文	本文开发了一种基于机器学习的全自动深度学习模型，用于从超声心动图视频中自动评估右心房压力	首次提出全自动深度学习模型，能够从超声心动图视频中自动识别下腔静脉扫描并估计右心房压力，其性能与心脏病专家评估相当，并具有良好的泛化能力	模型在测试数据集上与心脏病专家估计的一致性为80.3%，虽然高于文献报道的操作者间一致性（70-75%），但仍存在一定误差；外部验证数据集规模较小（仅来自另一机构）	评估机器学习是否能够准确估计超声心动图测量的右心房压力，以实现自动化的血管内容积状态评估	超声心动图视频中的下腔静脉扫描，以及与之耦合的心脏病专家评估的右心房压力估计和右心导管测量的右心房压力	医学影像分析	心血管疾病	超声心动图，右心导管术	深度学习模型	视频	15,828个下腔静脉超声视频和319个右心导管测量的右心房压力数据	NA	NA	一致性百分比，受试者工作特征曲线下面积，P值	NA
53	2026-02-05	Impact of Case and Control Selection on Training Artificial Intelligence Screening of Cardiac Amyloidosis 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100998 PMID:39372462	研究论文	本研究评估了基于心电图波形的人工智能模型在心脏淀粉样变性筛查中的性能，并探讨了不同病例和对照组定义标准对模型训练的影响	首次系统评估了病例和对照组选择策略对罕见疾病（心脏淀粉样变性）AI筛查模型性能的影响，揭示了模型在匹配测试集与真实世界人群中的泛化能力差异	研究主要基于单一医疗中心（Cedars-Sinai）的数据，可能限制结果的普适性；未详细说明模型的具体架构和超参数设置	评估心电图AI模型在心脏淀粉样变性筛查中的性能，并优化病例与对照组的选择策略	约130万份心电图记录，来自341,989名患者	机器学习	心脏淀粉样变性	心电图波形分析	深度学习模型	心电图波形数据	约130万份心电图，来自341,989名患者	NA	NA	AUC	NA
54	2026-02-05	Machine-Learning for Phenotyping and Prognostication of Myocardial Infarction and Injury in Suspected Acute Coronary Syndrome 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101011 PMID:39372465	研究论文	本研究开发了机器学习模型，用于对疑似急性冠脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天内的死亡或心肌梗死事件	首次利用机器学习和深度学习模型，根据第四版通用心肌梗死定义，对疑似ACS患者进行心肌损伤和梗死的数字表型分析，并预测短期临床结局	模型需要在随机临床试验中进行外部验证以评估其临床影响，且数据主要来自南澳大利亚医院，可能存在地域局限性	开发机器学习模型以改善疑似急性冠脉综合征患者的诊断表型分析和预后预测	疑似急性冠脉综合征患者	机器学习	心血管疾病	电子健康记录分析	XGBoost, 深度学习	电子健康记录数据	训练集6,722名参与者，测试集8,869名参与者	Python 3.6	XGBoost, 深度学习模型	AUC	NA
55	2024-10-08	Electrocardiographic Risk Stratification in Critically Ill Cardiac Patients: Can Deep Learning Fulfill its Promise? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101168 PMID:39372472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
56	2026-01-30	Deep Deblurring in Teledermatology: Deep Learning Models Restore the Accuracy of Blurry Images' Classification 2024-09, Telemedicine journal and e-health : the official journal of the American Telemedicine Association DOI:10.1089/tmj.2023.0703 PMID:38934135	研究论文	本研究评估了深度学习去模糊模型在远程皮肤病学中恢复模糊图像诊断准确性的能力	首次系统评估了多种去模糊模型对皮肤病诊断模型性能的恢复效果，并比较了模型预测与皮肤科医生主观清晰度评分	研究使用的模糊图像数据集相对较小（54张公共数据集图像和53张医疗中心咨询照片），可能限制了结果的普适性	确定深度学习模型对模糊图像进行去模糊处理后，诊断准确性能够恢复的程度	皮肤病图像，包括23种皮肤病类别	计算机视觉	皮肤病	深度学习图像处理	深度学习模型	图像	19,191张皮肤图像（公共数据集）+ 54张模糊皮肤图像（公共数据集）+ 53张模糊皮肤病咨询照片（医疗中心）	NA	NA	灵敏度, 精确度, 清晰度评分（4点量表）	NA
57	2026-01-17	Deep-Learning-Based Blood Glucose Detection Device Using Acetone Exhaled Breath Sensing Features of α-Fe2O3-MWCNT Nanocomposites 2024-09-11, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c06855 PMID:39225263	研究论文	本文开发了一种基于α-Fe2O3-MWCNT纳米复合材料的非侵入式血糖检测设备，通过检测呼气中的丙酮气体，并利用深度学习算法提高检测可靠性	结合α-Fe2O3-MWCNT纳米复合材料传感器与深度学习算法，实现高湿度环境下呼气丙酮的精确检测，用于非侵入式血糖监测	设备在±15误差范围内正确响应率约为85%，可能存在进一步优化空间，且样本量仅50名志愿者，需更大规模验证	开发非侵入式血糖检测设备，用于糖尿病早期诊断	人体呼气中的丙酮气体	机器学习	糖尿病	气体传感技术，深度学习算法	深度学习算法	气体传感数据	50名志愿者	NA	NA	正确响应率，响应时间，选择性，重复性	NA
58	2026-01-17	Virtual staining for histology by deep learning 2024-09, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2024.02.009 PMID:38480025	综述	本文综述了深度学习在组织学虚拟染色中的应用，探讨了其基本概念、技术方法及未来展望	利用深度学习技术实现组织学染色的数字化替代，通过训练神经网络从未染色组织图像生成染色图像或在不同染色间转换信息，提供更可持续、快速且经济高效的替代方案	技术发展仍处于早期阶段，需要严格的验证	探讨人工智能驱动的虚拟组织学在病理学和生物医学研究中的应用潜力	组织学染色流程	数字病理学	NA	深度学习	神经网络	图像	NA	NA	NA	NA	NA
59	2026-01-16	A Nanoparticle-Based Artificial Ear for Personalized Classification of Emotions in the Human Voice Using Deep Learning 2024-09-25, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.4c13223 PMID:39285705	研究论文	本研究开发了一种基于金纳米颗粒的柔性压阻式人工耳传感器，结合深度学习技术，用于人类语音情感和城市环境噪声的分类与识别	首次将金纳米颗粒柔性压阻传感器与深度学习结合，实现了对七种情感和八种城市环境噪声的高精度分类，并具备远距离（5米）声音感知能力	未明确说明传感器在复杂噪声环境下的鲁棒性测试，也未提及长期使用的稳定性数据	开发一种能够理解人类情感状态和语音的生物启发式传感设备，用于医疗监护和环境噪声监测	人类语音情感（七种）和城市环境噪声（八种）	机器学习	NA	纳米颗粒传感技术	深度学习	声音信号	NA	NA	NA	准确率	NA
60	2026-01-10	AI for BPH Surgical Decision-Making: Cost Effectiveness and Outcomes 2024-Sep-23, Current urology reports IF:2.5Q2 DOI:10.1007/s11934-024-01240-6 PMID:39312102	综述	本文综述了人工智能在良性前列腺增生手术决策中的应用，包括其成本效益和临床结果	探讨了AI如何整合多参数MRI、超声等非侵入性影像学数据，结合血清生物标志物和组织病理学分析，以高准确率区分BPH与前列腺癌，并预测患者治疗后结局，推动个性化医疗	AI在临床工作流程中的整合仍面临挑战，缺乏标准评估指标，且成本效益尚未完全实现	评估人工智能在改善良性前列腺增生管理决策过程中的作用，包括诊断、治疗预测和成本优化	良性前列腺增生患者，特别是60岁以上男性，以及相关的影像学、生物标志物和病理数据	数字病理学	前列腺癌	多参数磁共振成像, 超声, 血清生物标志物分析, 组织病理学分析	机器学习, 深度学习	图像, 生物标志物数据, 病理数据	NA	NA	NA	准确率	NA