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	2026-05-29	Skeleton-guided multi-scale dual-coordinate attention aggregation network for retinal blood vessel segmentation 2024-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109027 PMID:39178808	研究论文	提出一种骨架引导的多尺度双坐标注意力聚合网络，用于视网膜血管分割	创新性设计了双坐标注意力模块、不平衡像素放大器和血管骨架引导模块，以及特征级对比损失函数，有效解决了类不平衡和血管结构不连续问题	未明确提及局限性，但可能对严重病变图像或低对比度图像的泛化能力需进一步验证	提高视网膜血管分割的精度和连续性，解决前景薄血管类不平衡及图像质量差导致的结构断裂问题	视网膜血管结构	计算机视觉	视网膜疾病	深度学习	CNN	图像	三个公开数据集（DRIVE、STARE、CHASE_DB1），未明确样本总数	NA	双坐标注意力模块、不平衡像素放大器、血管骨架引导模块	分割准确率	NA
22	2026-05-29	RETNet: Resolution enhancement Transformer network for magnetic particle imaging based on X-space 2024-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109043 PMID:39191080	研究论文	提出了一种基于X-space的磁粒子成像分辨率增强Transformer网络（RETNet），用于从低梯度图像重建高梯度图像，提高空间分辨率	首次将Transformer架构应用于磁粒子成像分辨率增强，创新性地设计了跨尺度Transformer关注纹理特征和残差Swin Transformer关注结构特征的双分支结构，实现细节完整性和高清晰度重建	无相关信息	提出一种低成本、高效的方法，通过深度学习重建高梯度图像来提高磁粒子成像的空间分辨率，避免高功率消耗和高噪声	磁粒子成像中的超顺磁性氧化铁纳米颗粒浓度分布图像	计算机视觉	不适用	磁粒子成像	Transformer	图像	仿真、体模和体内实验数据	PyTorch	RETNet, 跨尺度Transformer, 残差Swin Transformer	无噪声和多噪声水平下的对比实验	无相关信息
23	2026-05-29	ECG classification via integration of adaptive beat segmentation and relative heart rate with deep learning networks 2024-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109062 PMID:39205344	研究论文	提出一种集成自适应心跳分割和相对心率信息的深度学习方法，用于心电图信号分析中的波形界定与搏动类型分类	创新点包括自适应心跳分割方法（根据RR间期确定最佳持续时间）和融入相对心率信息（提高对房性早搏的检测准确率），显著提升了模型性能	NA	提升心电图信号分析中搏动类型分类和波形界定的准确性	心电图信号中的搏动类型（正常搏动、室性早搏、房性早搏）和波形（P波、QRS波群、T波）	机器学习, 数字病理学	心血管疾病	ECG	深度学习模型	信号	PhysioNet QT数据库、MIT-BIH心律失常数据库和真实世界可穿戴设备数据	NA	NA	敏感性, F1分数	NA
24	2026-05-29	A novel pipeline employing deep multi-attention channels network for the autonomous detection of metastasizing cells through fluorescence microscopy 2024-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109052 PMID:39216406	研究论文	开发了一种基于深度多注意力通道网络的自动化荧光显微镜检测转移细胞的新流程	提出了多注意力通道网络架构，并结合可解释的全局方法（GradCam）来解析细胞骨架在转移中的作用	未明确提及局限性	利用深度学习自动区分正常细胞和转移性癌细胞，并提高模型的可解释性	人类正常细胞及其同基因匹配的致癌转化、侵袭和转移细胞	计算机视觉	癌症转移	荧光显微镜	卷积神经网络（CNN），多注意力通道网络	图像	未明确提及样本数量	NA	多注意力通道网络	GradCam得分	NA
25	2026-05-29	Mpox outbreak: Time series analysis with multifractal and deep learning network 2024-10-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0236082 PMID:39413265	研究论文	本文利用多重分形和深度学习网络对猴痘疫情进行时间序列分析，预测未来传播趋势	结合分形插值预处理和多重分形测度分析猴痘传播的异质性，并使用双向长短期记忆神经网络预测疫情爆发	NA	分析猴痘疫情的多重分形特征并预测未来传播以预警全球流行	猴痘病例的时间序列数据	机器学习	猴痘	NA	双向长短期记忆神经网络（BiLSTM）	时间序列数据	非洲、美洲和欧洲地区的猴痘病例数据	NA	双向长短期记忆神经网络	NA	NA
26	2026-05-29	Dynamic entrainment: A deep learning and data-driven process approach for synchronization in the Hodgkin-Huxley model 2024-10-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0219848 PMID:39470595	研究论文	利用深度学习和数据驱动方法在Hodgkin-Huxley模型中实现动态牵引同步	提出了一种名为“动态牵引”的创新技术，结合数据驱动方法和Hodgkin-Huxley模型输出，利用深度学习动态维持系统在牵引范围内	文中未明确提及局限性	研究动态系统中共振与同步节律现象，特别是生物背景下的应用	Hodgkin-Huxley模型描述的神经元动作电位传播	机器学习	神经退行性疾病（如亨廷顿病）	数据驱动方法	深度学习模型	数值仿真数据	NA	NA	NA	NA	NA
27	2026-05-29	Classification Method of ECG Signals Based on RANet 2024-10, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-024-00730-5 PMID:38653933	研究论文	提出基于残差注意力神经网络（RANet）的心电信号分类方法，解决梯度消失和信号特征重要性差异问题	结合ResNet解决梯度消失、引入注意力机制聚焦关键特征、改进投票方法缓解数据不平衡	仅基于单个数据集（PhysioNet/CinC Challenge 2017）验证，未提及泛化性测试	提升心电信号分类性能，解决深层网络梯度消失和特征重要性差异问题	不同类型心律失常的心电信号	机器学习	心血管疾病	NA	残差注意力神经网络（RANet）	心电信号	PhysioNet/CinC Challenge 2017数据集	NA	ResNet, 注意力机制	F1值	NA
28	2026-05-24	Deep learning for quantifying spatial patterning and formation process of early differentiated human-induced pluripotent stem cells with micropattern images 2024-10, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13346 PMID:38994744	研究论文	提出一种深度学习方法，利用微图案图像量化早期分化的人诱导多能干细胞的空间模式与形成过程	创新性地采用解码和编码U-net结构，同时结合Hoechst和明场图像分割hiPSC，并提取胚外区域及对比荧光强度量化多能性	未明确说明局限性	通过微图案图像定量评估hiPSC的多能性和早期分化中胚层的空间模式	人诱导多能干细胞（hiPSC）的早期分化阶段	计算机视觉	NA	微图案成像	U-net	图像	包含多个hiPSC系、不同微图案尺寸、多种标记组、活细胞和固定细胞的样本	NA	U-net（解码结构、编码结构）	细胞数量准确率、细胞区域准确率	NA
29	2026-05-17	Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia 2024-10, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0096 PMID:39041628	综述	综述人工智能在口腔癌和口腔上皮不典型增生中的应用，旨在开发预测生物标志物	系统回顾了基于人工智能的方法，包括机器学习和深度学习，在预测口腔上皮不典型增生恶变、口腔癌患者死亡率和治疗反应方面的进展	NA	强调基于人工智能的方法在开发预测口腔上皮不典型增生向口腔癌转化或口腔癌患者死亡率和治疗反应预测生物标志物方面的进展	口腔鳞状细胞癌和口腔上皮不典型增生	数字病理学	口腔癌	多重免疫组化、表观基因组学	深度学习	图像	NA	NA	神经网络	NA	NA
30	2026-05-16	A pathology foundation model for cancer diagnosis and prognosis prediction 2024-10, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07894-z PMID:39232164	研究论文	提出了一种通用的弱监督机器学习框架CHIEF，用于提取病理成像特征以实现系统的癌症评估	利用两种互补的预训练方法（无监督预训练和弱监督预训练）来提取多样化的病理表征，并在大规模多部位全切片图像上验证了其优越的泛化能力	未提及具体局限性	开发一种能够泛化到不同数字化协议和不同人群样本的通用病理学基础模型，用于癌症诊断和预后预测	19个解剖部位的60,530张全切片图像和国际上24家医院及队列的32个独立切片集共19,491张全切片图像	数字病理学	癌症	NA	弱监督机器学习	病理全切片图像	60,530张全切片图像用于开发，19,491张全切片图像用于验证	PyTorch	NA	准确率、AUC	44TB高分辨率病理成像数据集
31	2026-05-16	Improving 18F-FDG PET Quantification Through a Spatial Normalization Method 2024-10-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.267360 PMID:39209545	研究论文	提出一种无需MRI的基于迁移学习的深度神经网络方法，实现18F-FDG PET图像的自动空间标准化，提升定量准确性	通过迁移学习将预训练的淀粉样蛋白PET模型适配到FDG PET空间标准化任务，仅需103张FDG PET/MR图像即可训练，无需配准的3D MRI，在外部数据集上表现优异	外部数据集与内部数据集人种分布不同且PET扫描仪及重建算法各异，可能影响泛化性，但文中未明确讨论其他潜在局限性	改进FDG PET图像定量分析，避免对个体3D MRI的依赖	18F-FDG PET脑图像，内部测试集65例和外部测试集78例	计算机视觉	脑肿瘤、癫痫、痴呆、帕金森病	18F-FDG PET成像	深度神经网络	图像	103张FDG PET/MR图像用于训练，65例内部测试集和78例外部测试集	PyTorch（根据迁移学习常见实现推断）	预训练深度神经网络（具体架构未说明）	归一化互信息、SUV比值相关系数、组内相关系数	NA
32	2026-05-16	Detectability of Hypoattenuating Liver Lesions with Deep Learning CT Reconstruction: A Phantom and Patient Study 2024-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.232749 PMID:39377679	研究论文	通过体模和患者研究，评估深度学习CT重建对低衰减肝病变的可检测性	首次客观评估DLIR与ASIR-V在低对比度病变可检测性方面的差异，结合患者和体模研究	单中心回顾性研究，样本量有限，且病变类型可能不全面	比较深度学习CT重建（DLIR）与自适应统计迭代重建（ASIR-V）对低衰减肝病变的可检测性	低对比度肝病变（体模和患者）	计算机视觉	肝病	CT深度学习重建	深度学习模型	CT图像	50例患者（86个肝病变，平均尺寸15mm ± 9.5）和体模	NA	NA	图像质量、诊断置信度、显著性、小病变可见性、对比度噪声比	NA
33	2026-05-16	Prediction of Ischemic Stroke Functional Outcomes from Acute-Phase Noncontrast CT and Clinical Information 2024-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.240137 PMID:39404632	研究论文	利用急性期非增强CT和临床信息，通过深度学习模型预测缺血性卒中患者90天功能预后	首次提出融合非增强CT影像与临床信息（如年龄、性别、NIHSS评分等）的深度学习模型，无需人工后处理，直接预测改良Rankin量表评分	未提及具体限制，但可能包括回顾性设计、样本量有限、外部验证不足等	开发融合急性期非增强CT和临床信息的深度学习模型，以预测90天功能预后	缺血性卒中患者	医学影像分析, 机器学习	缺血性卒中	非增强CT	深度学习模型	非增强CT影像, 临床数据（年龄、性别、NIHSS评分、高血压史等）	1335名患者（中位年龄71岁，674名女性）	NA	NA	平均绝对误差, 受试者工作特征曲线下面积	NA
34	2026-05-16	Evaluating the Performance and Bias of Natural Language Processing Tools in Labeling Chest Radiograph Reports 2024-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.232746 PMID:39436298	research paper	评估四种自然语言处理工具在标注胸部X光报告中的准确性和人口统计学偏差	首次系统评估了四种NLP工具在不同人口统计亚组（年龄、性别、种族）中的偏差表现，揭示了老年患者群体中更高的错误率	研究仅限于两个公开数据集，可能无法推广到其他医疗环境或非英语报告	评估四种胸部X光报告标注NLP工具的准确性和人口统计学偏差	两个胸部X光数据集（MIMIC和IU）中的胸部疾病标签标注	natural language processing	NA	NLP	CheXpert (规则型), RadReportAnnotator (深度学习型), GPT-4 (深度学习型), cTAKES (混合型)	文本	MIMIC数据集692名患者，IU数据集3665名患者	NA	BN	准确率, 错误率	NA
35	2026-05-12	An Updated Simplified Severity Scale for Age-Related Macular Degeneration Incorporating Reticular Pseudodrusen: Age-Related Eye Disease Study Report Number 42 2024-10, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2024.04.011 PMID:38657840	研究论文	更新年龄相关性黄斑变性简化严重程度量表，纳入网状假性玻璃膜疣，并进行外部验证	首次将网状假性玻璃膜疣状态整合到简化严重程度量表中，并更新了晚期AMD的定义，将非中心性地理萎缩作为结局而非风险特征，提高了预后准确性	研究基于临床试验队列，可能不适用于更广泛的一般人群，且量表主要适用于风险分类的广泛层次	更新AREDS简化严重程度量表，以提高晚期AMD风险预测的准确性，并验证其泛化能力	AREDS和AREDS2临床试验队列中无晚期AMD的参与者	机器学习	年龄相关性黄斑变性	深度学习分级（彩色眼底照片）	NA	彩色眼底照片	AREDS 2719例，AREDS2 1472例	NA	NA	5年进展率	NA
36	2026-05-08	Dynamic Mechanism for Subtype Selectivity of Endocannabinoids 2024-Oct-29, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.25.620304 PMID:39554065	研究论文	通过分子动力学模拟和深度学习解释内源性大麻素对CB1受体的亚型选择性机制	首次提出N端移动导致结合口袋体积和残基组分变化是内源性大麻素亚型选择性的核心机制，并利用深度学习VAMP网络定量分析结合路径的焓熵贡献	模拟系统简化了真实膜环境，且未考虑其他内源性大麻素（如2-AG）的选择性机制	阐明内源性大麻素（anandamide）对CB1受体的亚型选择性生物物理机制	大麻素受体CB1和CB2与配体anandamide的相互作用	计算机视觉	神经系统疾病	分子动力学模拟	马尔可夫状态模型	分子动力学轨迹	约0.9毫秒的总模拟时间	PyTorch	VAMP网络	焓变、熵变、结合自由能	GPU集群（未明确具体型号）
37	2026-05-06	Leveraging the Capabilities of AI: Novice Neurology-Trained Operators Performing Cardiac POCUS in Patients with Acute Brain Injury 2024-10, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-024-01953-z PMID:38506968	研究论文	利用深度学习算法引导神经科初级医生对急性脑损伤患者进行心脏床旁超声检查，评估图像质量及对临床决策的影响	首次在神经重症监护病房中评估深度学习引导下非心脏专科医生进行心脏床旁超声的可行性与临床价值	单中心研究、样本量有限、未与正式超声心动图进行随机对照比较	评估神经科初级医生使用深度学习引导的心脏床旁超声获取诊断质量图像的频率及其对临床管理和正式超声检查时间的影响	神经重症监护病房中接受心脏床旁超声检查的急性脑损伤患者	计算机视觉	急性脑损伤	深度学习	CNN（深度学习模型）	超声图像	153名患者，184次扫描，共943个图像视图	NA	深度学习算法（未具体说明架构）	图像可解释性比例、管理变化比例、首次获得合格图像时间	NA
38	2026-05-05	Deep learning enables accurate brain tissue microstructure analysis based on clinically feasible diffusion magnetic resonance imaging 2024-10-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120858 PMID:39317273	研究论文	基于深度学习的方法使用临床可行的扩散磁共振成像实现了准确的脑组织微观结构分析	首次证明深度学习用于组织微观结构重建能够基于临床可行的dMRI扫描产生可靠的脑组织微观结构分析，并准确识别与疾病和年龄相关的微小组织变化	未提及	验证深度学习方法在临床可行dMRI下进行组织微观结构重建的可靠性及其在临床应用的潜力	脑组织微观结构	数字病理学、机器学习	NA	扩散磁共振成像	深度学习模型	图像	四个不同的脑dMRI数据集	NA	NA	NA	NA
39	2026-05-05	XDL-ESI: Electrophysiological Sources Imaging via explainable deep learning framework with validation on simultaneous EEG and iEEG 2024-10-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120802 PMID:39173694	研究论文	提出一种基于可解释深度学习的脑电/脑磁源成像框架XDL-ESI，通过迭代优化与深度学习融合解决逆问题	设计可解释的深度学习框架，将迭代优化算法与神经网络模块展开结合，引入拓扑损失函数提升定位鲁棒性	NA	解决脑电/脑磁源成像中的病态逆问题，实现高效、准确且可解释的脑源估计	模拟数据及临床同步脑电与颅内脑电数据	机器学习	NA	脑电图（EEG）、脑磁图（MEG）、颅内脑电图（iEEG）	可解释深度学习	脑电信号、脑磁信号	NA	PyTorch	展开型神经网络	定位误差、重建准确性、可解释性	NA
40	2026-05-05	Separating group- and individual-level brain signatures in the newborn functional connectome: A deep learning approach 2024-10-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120806 PMID:39179011	research paper	利用深度生成模型分离新生儿功能连接组中群体和个体水平的脑信号特征	首次将变分自编码器应用于新生儿静息态功能磁共振成像，证明新生儿个体指纹存在性，并突破线性模型限制，成功分离与年龄变化和个体独特性相关的连接特征	未明确提及模型泛化能力验证及临床可解释性分析	探索新生儿功能连接数据中个体独特性的存在性，并利用深度学习模型提取年龄和个体表征	成人和新生儿的静息态功能磁共振成像数据	machine learning	NA	rs-fMRI	VAE	image	100名成人rs-fMRI扫描和464名新生儿rs-fMRI扫描	NA	变分自编码器	年龄预测相关系数、个体识别准确率	NA