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	2026-05-02	Automated cell lineage reconstruction using label-free 4D microscopy 2024-10-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae135 PMID:39139100	研究论文	描述了一种无需手动标注的深度学习管道embGAN，用于从无标记4D显微镜图像中自动重建细胞谱系	首次实现无需荧光标记或转基因的无标记3D延时成像中自动细胞检测与追踪，且训练无需手动数据标注，具备尺度和实验室间泛化能力	在密集组织和胚胎中自动检测与追踪的挑战尚未完全解决；性能以秀丽隐杆线虫胚胎为基准，可能在其他生物体中泛化性有限	开发一种自动化细胞谱系重建方法，以替代荧光显微镜中的人工标注过程，实现高通量研究	秀丽隐杆线虫（Caenorhabditis elegans）胚胎的细胞谱系	计算机视觉	NA	无标记4D显微镜	深度学习管道（embGAN）	无标记3D延时图像	多个实验室和多台仪器获取的图像（具体数量未说明）	NA	embGAN（基于生成对抗网络的架构）	细胞检测与追踪性能（接近最先进水平，具体指标未说明）	NA
42	2026-04-30	Semi-supervised segmentation of cardiac chambers from LGE-CMR using feature consistency awareness 2024-10-17, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-024-04250-x PMID:39420256	研究论文	提出一种利用未标记数据改进心脏腔室分割性能的半监督学习方法	设计集成三重一致性约束（数据级、任务级和特征级）的半监督网络，通过体素级对比学习实现特征级一致性，解决先前研究中忽略挑战性区域和特征一致性问题	未提及具体局限性	开发一种半监督分割方法，利用未标记数据提升延迟钆增强心脏磁共振成像中心脏腔室分割的模型性能	心脏腔室（心房和心室）分割数据集	计算机视觉	心血管疾病	NA	半监督网络	图像（延迟钆增强心脏磁共振成像）	心房分割数据集和心室分割数据集，具体样本量未提及	PyTorch	均值教师架构（含分割和边缘预测任务）	Dice系数、Jaccard系数、平均表面距离（ASD）、95%豪斯多夫距离（95HD）	NA
43	2026-04-29	A novel artificial intelligence model for diagnosing Acanthamoeba keratitis through confocal microscopy 2024-10, The ocular surface DOI:10.1016/j.jtos.2024.07.010 PMID:39084255	研究论文	开发了一种基于共聚焦显微镜图像诊断棘阿米巴角膜炎的人工智能模型	首次利用培养确认的棘阿米巴角膜炎病例建立基于HRT-3共聚焦显微镜图像的人工智能诊断模型	样本量较小（仅17名患者），且为单中心回顾性研究	利用共聚焦显微镜图像开发棘阿米巴角膜炎的人工智能诊断模型	棘阿米巴角膜炎患者的体内共聚焦显微镜图像	计算机视觉	棘阿米巴角膜炎	体内共聚焦显微镜	卷积神经网络	图像	17名患者的3312张共聚焦图像	TensorFlow	卷积神经网络	准确率、灵敏度、特异度、精确率	NA
44	2026-04-25	Volumetric analysis of acute uncomplicated type B aortic dissection using an automated deep learning aortic zone segmentation model 2024-10, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.06.001 PMID:38851467	研究论文	基于深度学习的自动主动脉区域分割模型用于急性非复杂性B型主动脉夹层的体积分析	首次将深度学习分割模型应用于基于SVS/STS定义的主动脉区域，并实现自动体积分析	样本量有限（59例患者）且未发现主动脉生长速率与基线体积的关联，模型性能在不同区域存在差异	建立自动机器学习主动脉区域分割模型，比较不同主动脉生长速率患者的区域体积变化	急性非复杂性B型主动脉夹层（auTBAD）患者	机器学习	主动脉夹层	CT血管成像（CTA）	深度学习分割模型	CT图像	59例auTBAD患者	开源医学图像分析软件（未指定具体框架）	细分为9个主动脉区域的分割网络（未指定具体架构，如U-Net等）	Dice系数	NA
45	2026-04-17	Cough2COVID-19 detection using an enhanced multi layer ensemble deep learning framework and CoughFeatureRanker 2024-10-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-76639-9 PMID:39448760	研究论文	本文提出了一种基于咳嗽音频信号的非侵入性COVID-19检测框架Cough2COVID-19，采用多层集成深度学习方法和CoughFeatureRanker特征选择算法	引入了CoughFeatureRanker算法从咳嗽音频中筛选关键特征，并结合多层集成深度学习框架提升检测性能	NA	开发一种成本效益高、非侵入性且易于访问的COVID-19检测方法	咳嗽音频信号	机器学习	COVID-19	音频信号分析	集成深度学习	音频	NA	NA	多层集成深度学习框架	特异性, 敏感性, 准确率, AUC	NA
46	2026-04-17	Duodenal papilla radiomics-based prediction model for post-ERCP pancreatitis using machine learning: a retrospective multicohort study 2024-10, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2024.03.031 PMID:38583542	研究论文	本研究通过机器学习构建基于十二指肠乳头影像组学的模型，用于预测内镜逆行胰胆管造影术后胰腺炎	首次利用深度学习从内镜图像中提取乳头影像组学特征，并结合机器学习算法构建预测模型，显著提升了术后胰腺炎的诊断准确性	研究为回顾性多中心设计，可能存在选择偏倚；样本量虽大但仅来自两个中心，外部验证需进一步扩展	探究十二指肠乳头形态与内镜逆行胰胆管造影术后胰腺炎的关联，并开发稳健的预测模型	接受内镜逆行胰胆管造影术的患者	医学影像分析	胰腺炎	内镜成像, 影像组学特征提取	机器学习算法, 逻辑回归	内镜图像	来自两个中心的2372名患者（训练集2038人，验证集334人）	NA	深度学习特征提取模型	AUC, 校准曲线, 临床决策曲线, 净重分类改善, 综合判别改善	NA
47	2026-04-10	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618559 PMID:39463944	研究论文	本研究利用AlphaFold2探索电压门控钠通道的构象及其与蛋白质伙伴的相互作用	通过子采样多序列对齐和调整循环次数增强构象采样，首次展示了AlphaFold2能够模拟钠通道的多种构象，包括实验未识别的新状态和潜在中间态，同时AlphaFold Multimer高精度建模了钠通道与辅助β亚基和钙调蛋白的复合物	研究依赖于计算模拟，未进行实验验证新构象或相互作用的生物学功能，且AlphaFold2在捕获动态构象变化方面可能存在固有局限	探索深度学习模型AlphaFold2在采样电压门控钠通道构象及建模其蛋白质-蛋白质相互作用方面的能力	电压门控钠通道（Na通道）的α亚基及其与辅助β亚基和钙调蛋白的相互作用	计算生物学	NA	AlphaFold2, AlphaFold Multimer, 冷冻电镜	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2	准确性	NA
48	2026-04-10	Deep Learning Denoising Improves CT Perfusion Image Quality in the Setting of Lower Contrast Dosing: A Feasibility Study 2024-10-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8367 PMID:38844370	研究论文	本研究探讨了深度学习去噪技术在降低碘对比剂剂量和X射线mAs剂量条件下，对CT灌注成像图像质量的改善效果	首次在临床前和临床研究中，系统评估了深度学习去噪（RED-CNN）在低对比剂剂量CTP成像中的应用，并比较了其与传统k-space加权图像平均滤波的效果	样本量较小（12头猪和22名患者），且为回顾性研究，可能影响结果的普遍性	开发在降低碘对比剂剂量情况下维持CTP图像质量的协议，以应对对比剂短缺和减少医疗浪费	猪（临床前研究）和患者（临床研究）的CT灌注成像数据	医学影像分析	NA	CT灌注成像	CNN	医学影像	12头猪（每头进行9次CTP检查）和22名患者（11名低剂量组，11名标准剂量对照组）	NA	残差编码器-解码器卷积神经网络	信噪比, 定性图像评估	NA
49	2026-04-07	Individual cognitive traits can be predicted from task-based dynamic functional connectivity with a deep convolutional-recurrent model 2024-10-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae412 PMID:39445422	研究论文	本研究使用深度学习模型从任务态动态功能连接中预测个体认知特质	结合多尺度卷积和长短时记忆层，利用任务态动态功能连接预测认知分数，并证明其比静息态具有更高预测力	未发现特定皮层网络在预测中具有显著相关性，且去除混杂因素会显著降低预测性能	从神经影像数据中预测个体认知特质，如一般智力和流体智力	874名来自人类连接组计划的受试者	机器学习	NA	功能磁共振成像	CNN, LSTM	神经影像数据	874名受试者	NA	多尺度卷积和长短时记忆层组合模型	方差解释率	NA
50	2026-04-07	Investigating the role of auditory cues in modulating motor timing: insights from EEG and deep learning 2024-10-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae427 PMID:39475113	研究论文	本研究通过EEG和深度学习探讨听觉线索在调节运动计时中的作用，重点关注手指敲击任务中的神经机制	首次结合深度学习对单试次EEG数据进行分类，以预测行为计时条件，并揭示听觉输入在运动计时中的关键作用	在移除EEG数据中的听觉成分后，阶段间的区分变得不确定，突显了在无听觉刺激下隔离运动激活的挑战	探究基于动作的计时神经机制，特别是在涉及同步和异步模式的手指敲击任务中	12名健康参与者	机器学习	NA	脑电图	深度学习	脑电图数据	12名参与者	NA	NA	分类准确率, 平均异步准确率	NA
51	2026-04-04	Multi-Instance Learning for Vocal Fold Leukoplakia Diagnosis Using White Light and Narrow-Band Imaging: A Multicenter Study 2024-10, The Laryngoscope DOI:10.1002/lary.31537 PMID:38801129	研究论文	本研究开发了一种基于多实例学习的人工智能模型，融合白光成像和窄带成像图像，用于区分声带白斑的良恶性	首次将多实例学习方法与白光成像和窄带成像模态结合，用于声带白斑的诊断，并在多中心数据上进行验证	模型仍需进一步优化和验证以全面评估其临床潜力	开发人工智能模型以辅助声带白斑的良恶性诊断	声带白斑患者的内窥镜图像	计算机视觉	喉癌	白光成像, 窄带成像	深度学习	图像, 视频	426名患者的7057张图像用于内部验证，另有两家医院的1617张图像用于外部验证，以及50个前瞻性收集的视频	NA	NA	AUC, 准确率	NA
52	2026-03-31	Traversing chemical space with active deep learning for low-data drug discovery 2024-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00697-2 PMID:39333789	研究论文	本文通过模拟低数据药物发现场景，系统分析了六种主动学习策略与两种深度学习架构在三个大规模分子库上的表现，旨在优化化学空间探索	首次系统比较主动深度学习在低数据药物发现中的策略与性能，揭示了成功的关键决定因素，并展示了相比传统方法高达六倍的命中发现提升	研究基于模拟场景，可能未完全反映真实药物发现中的复杂因素，如实验验证延迟或成本限制	探索主动深度学习在低数据药物发现中的应用，解决化学空间探索、与传统方法对比及低数据场景适应性问题	大规模分子库中的化合物	机器学习	NA	主动深度学习	深度学习架构	分子数据	三个大规模分子库	NA	NA	命中发现率	NA
53	2026-03-31	Reliable deep learning in anomalous diffusion against out-of-distribution dynamics 2024-10, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-024-00703-7 PMID:39394501	研究论文	本文提出了一种评估深度学习在异常扩散中处理分布外动态的通用框架，并开发了一种基线方法以实现稳健的分布外动态检测和准确的分布内异常扩散识别	开发了一个通用框架来评估基于深度学习的分布外动态检测方法，并提出了一个基线方法，该方法在分布外动态检测和分布内异常扩散识别方面均表现出色	NA	提高深度学习在异常扩散识别中对分布外动态的可靠性和准确性	异常扩散现象，包括膜中的烟碱型乙酰胆碱受体、葡聚糖溶液中的荧光珠和经历主动内吞的银纳米粒子	机器学习	NA	NA	深度学习网络	动态数据	NA	NA	NA	NA	NA
54	2026-03-25	DeepGenomeScan of 15 Worldwide Bovine Populations Detects Spatially Varying Positive Selection Signals 2024-10, Omics : a journal of integrative biology IF:2.2Q3 DOI:10.1089/omi.2024.0154 PMID:39315920	研究论文	本研究利用深度学习框架DeepGenomeScan，在全球15个牛种群中检测空间变化的阳性选择信号	首次在牛基因组选择信号研究中应用深度学习，发现了传统方法未能检测到的38个新选择基因	未明确说明样本的具体地理分布或种群规模细节	识别牛基因组中受空间变化选择影响的区域，以理解物种进化与适应的遗传机制	全球15个牛种群的基因组数据	机器学习	NA	基因组扫描	深度学习	基因组数据	15个牛种群	DeepGenomeScan	NA	NA	NA
55	2026-03-24	Cycle-consistent Learning for Fetal Cortical Surface Reconstruction 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72104-5_21 PMID:41868474	研究论文	本文提出了一种基于深度学习的多任务先验知识监督的胎儿皮层表面重建方法，采用循环一致策略提升表示能力	引入循环一致策略，利用先验知识和多个静态速度场学习从模板表面网格到内外表面的微分同胚变形，通过内外表面相互引导迭代优化，特别针对模糊和挑战性皮层区域提高准确性	NA	开发一种专门针对胎儿皮层表面重建的方法，以应对胎儿脑部MRI图像中的独特挑战，如低组织对比度、低分辨率和运动伪影	胎儿脑部MRI图像	计算机视觉	NA	MRI	深度学习	图像	83名受试者的胎儿MRI数据集	NA	NA	几何误差, 自相交面百分比	NA
56	2026-03-24	Disentangled Hybrid Transformer for Identification of Infants with Prenatal Drug Exposure 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72390-2_7 PMID:41869677	研究论文	本文提出了一种名为解耦混合体积-表面Transformer的深度学习模型，用于识别有产前药物暴露的婴儿	提出了一种结合3D体积网络和表面网络的双分支模型，并引入解耦策略分离互补变量和共同变量，以去除冗余信息并提升表达能力	NA	早期识别有产前药物暴露的婴儿及其相关生物标志物，以支持更早、更有效和个性化的干预	婴儿	计算机视觉	NA	MRI扫描	Transformer	图像	210个婴儿MRI扫描	NA	Transformer	NA	NA
57	2026-03-22	Multimodal deep learning radiomics model for predicting postoperative progression in solid stage I non-small cell lung cancer 2024-Oct-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00783-8 PMID:39420411	研究论文	本研究开发了一种多模态深度学习放射组学模型，用于预测实性I期非小细胞肺癌患者术后进展风险	结合临床病理特征、主观CT发现和深度学习特征构建多模态模型，并采用迁移学习策略训练ResNet18模型提取特征	研究为回顾性设计，样本量有限，且仅包含两个医疗中心的数据，可能存在选择偏倚	探索多模态深度学习放射组学模型在预测实性I期非小细胞肺癌术后进展风险中的应用价值	经组织学确认的实性I期非小细胞肺癌患者	数字病理	肺癌	CT成像	深度学习	图像	459例患者作为训练集，104例患者作为外部验证队列	NA	ResNet18	AUC	NA
58	2026-03-19	ECG Semantic Integrator (ESI): A Foundation ECG Model Pretrained with LLM-Enhanced Cardiological Text 2024-Oct, Transactions on machine learning research PMID:41816367	研究论文	提出了一种名为ECG语义集成器（ESI）的新型多模态对比预训练框架，用于从心电图信号和相关文本描述中学习稳健表示	首次将基于检索增强生成（RAG）的大型语言模型（LLM）管道（Cardio Query Assistant）用于生成心电图文本描述，并构建了大规模多模态数据集进行对比预训练	未明确说明模型在临床环境中的实际部署验证情况	解决心电图分析领域缺乏大规模标注数据时学习稳健表示的关键挑战	12导联心电图信号及相关文本描述	机器学习	心血管疾病	检索增强生成（RAG）、大型语言模型（LLM）	多模态对比学习模型	心电图信号、文本	超过66万个心电图-文本对	未明确说明	ECG语义集成器（ESI）	未明确说明具体指标	NA
59	2026-03-16	Anatomically plausible segmentations: Explicitly preserving topology through prior deformations 2024-Oct, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103222 PMID:38936222	研究论文	提出一种名为TEDS-Net的医学图像分割网络，通过使用学习到的拓扑保持场来变形先验知识，从而在保持分割性能的同时确保解剖结构的拓扑正确性	首次将拓扑保持场与先验变形结合，并引入离散域中的额外修改来严格强制拓扑保持，解决了传统深度学习方法中常见的拓扑错误问题	仅在开源心脏数据集上进行了验证，尚未在其他器官或疾病类型上测试其泛化能力	开发能够生成解剖学上合理且拓扑正确的医学图像分割方法	医学心脏图像（单结构和多结构分割）	数字病理学	心血管疾病	深度学习分割	CNN	医学图像	NA	PyTorch	TEDS-Net	拓扑保持性、分割性能（与传统SOTA方法对比）	NA
60	2026-03-15	Video-based automatic hand hygiene detection for operating rooms using 3D convolutional neural networks 2024-10, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01179-6 PMID:38896344	研究论文	本研究提出了一种基于3D卷积神经网络的视频自动手卫生检测方法，用于手术室环境	首次将2D与3D CNN序列结合用于手术室手卫生动作检测，并引入光流作为额外输入模态	数据仅来自单一手术室，收集时间较短（4个月），需更多样化场景验证	开发自动监测系统以预防手术室医院获得性感染	麻醉人员的手卫生动作	计算机视觉	医院获得性感染	视频分析	CNN	视频	2018年11月至2019年2月（4个月）在单一手术室收集的视频数据，并添加了模拟数据	未明确说明	2D CNN, 3D CNN	准确率, 灵敏度, 特异性, AUC	NA