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	2026-08-16	A Deep Learning Approach for Accurate Discrimination Between Optic Disc Drusen and Papilledema on Fundus Photographs 2024-12-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002223 PMID:39090774	研究论文	本研究开发并验证了一个深度学习系统，用于在眼底照片上准确区分视盘玻璃膜疣和视乳头水肿，包括不同亚组。	首次在大型国际多中心队列中，针对视盘玻璃膜疣和视乳头水肿的二元分类，开发和验证专用的深度学习系统，并特别关注隐藏性玻璃膜疣与轻中度视乳头水肿的区分。	未提及	训练、验证和测试一个专用深度学习系统，以在常规散瞳数字眼底照片上实现视盘玻璃膜疣与视乳头水肿的准确分类。	视盘玻璃膜疣和视乳头水肿患者	计算机视觉	眼科疾病	眼底照相	深度学习系统	图像	2180名患者的4508张彩色眼底图像（训练和内部验证），外部测试集包含221名患者（207张视盘玻璃膜疣图像和214张视乳头水肿图像）	未提及	未提及	AUC、准确率、灵敏度、特异度	未提及
22	2026-08-13	Prediction of bladder cancer prognosis and immune microenvironment assessment using machine learning and deep learning models 2024-Dec-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e39327 PMID:39687145	研究论文	本研究利用机器学习和深度学习模型预测膀胱癌预后并评估免疫微环境，构建了免疫相关机器学习签名（IRMLS）	结合10种机器学习算法开发IRMLS，并创建深度学习模型基于病理图像检测IRMLS亚型	摘要中未提及局限性	预测膀胱癌预后并评估肿瘤免疫微环境，以指导个性化精准治疗	膀胱癌患者	机器学习, 深度学习, 数字病理学	膀胱癌	机器学习算法集成	机器学习模型、深度学习模型	病理图像、基因组数据	未明确说明样本数量	未明确说明	未明确说明	p值	未明确说明
23	2026-08-12	GeneCompass: deciphering universal gene regulatory mechanisms with a knowledge-informed cross-species foundation model 2024-12, Cell research IF:28.1Q1 DOI:10.1038/s41422-024-01034-y PMID:39375485	研究论文	本研究构建了一个知识引导的跨物种基础模型GeneCompass，用于解码人类和小鼠的通用基因调控机制	创新性地整合四种先验生物学知识，在自监督预训练中提升对基因调控机制的理解，并实现了跨物种的基因调控机制探索	未明确提及局限性	利用人工智能技术解码跨物种的通用基因调控机制，并加速发现关键细胞命运调控因子和候选药物靶点	人类和小鼠的单细胞转录组数据，以及细胞命运转变相关因素	机器学习	不适用	单细胞测序	基础模型	单细胞转录组数据	超过1.2亿个人类和小鼠单细胞转录组，预处理后获得101,768,420个单细胞转录组	不适用	不适用	不适用	不适用
24	2026-08-07	Advanced analytical methods for multi-spectral transmission imaging optimization: enhancing breast tissue heterogeneity detection and tumor screening with hybrid image processing and deep learning 2024-12-19, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01755b PMID:39569814	研究论文	本文介绍了一种融合空间金字塔匹配模型、调制解调和帧累积技术的多光谱透射成像优化方法，旨在提高乳腺组织异质性检测和肿瘤筛查的准确性	创新性地结合SPM、M_D和FA技术以增强多光谱透射图像质量并提高深度学习网络模型的异质性分类精度	未在摘要中明确提及局限性	优化多光谱透射成像，提高乳腺组织异质性检测和肿瘤筛查的准确性	乳腺组织异质性和体模的多光谱透射图像	计算机视觉	乳腺癌	多光谱透射成像	深度学习网络模型（VGG16/19和ResNet50/101）	图像	体模（数量未具体说明）	NA	VGG16, VGG19, ResNet50, ResNet101, U-Net	准确率	NA
25	2026-08-05	PharmRL: pharmacophore elucidation with deep geometric reinforcement learning 2024-12-31, BMC biology IF:4.4Q1 DOI:10.1186/s12915-024-02096-5 PMID:39736736	研究论文	开发了一种基于深度几何强化学习的方法PharmRL，用于在无配体情况下识别药效团，并在多个数据集上验证了其虚拟筛选性能	首次将深度几何Q-learning应用于药效团识别，无需配体即可自动生成药效团，且优于随机选择配体特征的方法	未在更广泛的数据集上验证，且对于复杂结合位点的泛化能力尚待进一步测试	开发一种自动化方法，在缺乏配体的情况下识别药效团，以提高虚拟筛选效率	蛋白质结合位点及无配体的蛋白质-配体复合物	计算机视觉, 机器学习, 药物设计	未指定	深度学习, 深度几何强化学习	CNN, Q-learning	蛋白质结构数据, 分子数据	包含DUD-E数据集, LIT-PCBA数据集, COVID moonshot数据集	Google Colab, 深度学习框架（具体未提及）	CNN, 深度Q网络	F1分数	未提及具体GPU，但提供了Google Colab笔记本
26	2026-08-01	Tractography-Based Automated Identification of Retinogeniculate Visual Pathway With Novel Microstructure-Informed Supervised Contrastive Learning 2024-12-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70071 PMID:39564727	研究论文	该文提出了一种基于深度学习的框架DeepRGVP，利用新型微结构引导的监督对比学习自动识别扩散MRI纤维束成像数据中的视网膜膝状体视觉通路	设计了利用纤维束标签和组织微结构信息确定正负对的微结构引导监督对比学习方法，并提出了一种新的纤维束级数据增强方法以解决训练数据的高度不平衡问题	文中未明确提及局限性	实现从扩散MRI纤维束成像数据中快速准确地自动识别视网膜膝状体视觉通路	视网膜膝状体视觉通路（RGVP）及其纤维束	医学影像分析	垂体瘤	扩散MRI纤维束成像	深度学习（对比学习）	扩散MRI纤维束成像数据	未明确提及具体样本量，包括正常数据和垂体瘤患者数据	NA	NA（但提到了深度学习框架DeepRGVP）	准确率，F1分数	NA
27	2026-08-01	Automated Segmentation of Fetal Intracranial Volume in Three-Dimensional Ultrasound Using Deep Learning: Identifying Sex Differences in Prenatal Brain Development 2024-12-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70058 PMID:39629904	研究论文	开发了一种基于深度学习的卷积神经网络模型，用于三维超声图像中胎儿颅内体积的自动分割，并应用于大规模纵向队列以识别性别差异。	提出了一种全自动的胎儿颅内体积分割方法，结合数据增强、K折交叉验证和贝叶斯优化进行网络选择，并构建集成网络以提高分割精度，同时开发了自动质量控制程序，无需手动选择最佳扫描图像。	研究依赖于高质量的三维超声图像，数据增强和网络训练可能受限于图像质量和胎儿运动，且模型验证仅限于特定孕周（20和30周）和特定队列。	利用深度学习技术自动化分割三维超声中的胎儿颅内体积，以大规模研究产前大脑发育并检测性别差异。	胎儿颅内体积（ICV），基于三维超声图像。	深度学习、医学影像分析（超声图像处理）	不适用（研究正常胎儿大脑发育）	三维超声成像	卷积神经网络（CNN）	三维超声图像	2235个个体，43492个三维超声图像；训练集168张注释图像，7672个超声图像通过质量控制。	NA	3D CNN	Dice相似系数（DSC）、豪斯多夫距离（HD）	NA
28	2026-07-24	Enhancing novel isoform discovery: leveraging nanopore long-read sequencing and machine learning approaches 2024-12-06, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae031 PMID:39158328	综述	回顾并比较利用纳米孔长读长测序与机器学习方法发现新型异构体的现有工具	全面对比25种现有工具，强调开发标准分析流程和转录本模型规范的必要性	缺乏对最佳生物信息工具和流程的共识，本文未提出新方法或标准	讨论和比较长读长测序技术下新型异构体发现的可用方法性能	RNA转录本的新型剪接异构体	生物信息学	不适用	纳米孔长读长测序	机器学习, 深度学习	RNA序列	不适用	不适用	不适用	不适用	不适用
29	2026-07-24	SAMP: Identifying antimicrobial peptides by an ensemble learning model based on proportionalized split amino acid composition 2024-12-06, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elae046 PMID:39573886	研究论文	提出一种基于比例化分裂氨基酸组成特征的集成学习模型SAMP，用于识别抗菌肽	提出比例化分裂氨基酸组成（PSAAC）新型特征，能够捕捉肽的N端和C端的残基模式及中间片段的序列顺序信息，并结合集成随机投影架构提升大规模识别性能	NA	开发一种高效的计算模型用于抗菌肽识别	抗菌肽序列	机器学习	细菌感染	序列特征提取	集成随机投影模型	肽序列数据	NA	Python	集成随机投影	准确率, 马修斯相关系数, G-测量, F1分数	NA
30	2026-07-22	Clinical impact of deep learning-derived intravascular ultrasound characteristics in patients with deferred coronary artery 2024-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132543 PMID:39265789	研究论文	利用深度学习模型从血管内超声图像中提取特征，预测非罪犯冠状动脉病变患者的长期预后	首次利用深度学习从IVUS图像中自动提取几何参数和斑块负荷指数，并验证其对心脏死亡和靶血管血运重建的预测价值	NA	识别预测非罪犯冠状动脉病变不良预后的形态学标准并验证其临床影响	1115例非罪犯冠状动脉病变患者的血管内超声图像	计算机视觉	冠状动脉疾病	血管内超声	深度学习模型	图像	1115例患者的非罪犯血管IVUS图像	NA	NA	心脏死亡免于发生率、靶血管血运重建率、风险比	NA
31	2026-07-22	Automated echocardiographic diastolic function grading: A hybrid multi-task deep learning and machine learning approach 2024-12-01, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2024.132504 PMID:39218252	研究论文	开发了一种混合多任务深度学习与机器学习算法，用于自动评估超声心动图舒张功能分级	提出轻量级混合算法MMnet，结合多模态输入和多任务输出，利用ASE舒张功能决策树和总概率理论提供分级概率，实现了全自动的舒张功能分级	未明确提及，但基于抽象可能包括对数据集大小和外部验证范围的依赖	开发一种完全自动化的超声心动图舒张功能评估方法，简化遵循ASE指南的繁琐流程	左心室舒张功能（LVDF）评估，包括LVEF、LAESV、多普勒参数（E、A、e'、TRmax）	计算机视觉，机器学习	心血管疾病	超声心动图	CNN（卷积神经网络）与机器学习混合	视频（2D超声心动图视频）和图像（多普勒图像）	内部数据集862和239个超声心动图，外部数据集包括EchoNet-Dynamic和CAMUS	NA	MMnet（多任务多模态网络）	Dice系数（0.922-0.932）、分类准确率（0.9977-1.0）、平均绝对误差（MAE，LVEF 3.7%-5.6%，LAESV 5.8 ml）、舒张功能分级准确率（硬标准0.88，软标准0.98）	NA
32	2026-07-10	Automatic pipeline for segmentation of LV myocardium on quantitative MR T1 maps using deep learning model and computation of radial T1 and ECV values 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5230 PMID:39097976	研究论文	提出一种基于深度学习模型的自动化流程，用于在定量T1图上分割左心室心肌并计算径向T1和ECV值	创新性地将深度学习分割模型应用于定量T1图，实现左心室心肌的自动分割及径向T1和ECV值的自动计算，为心血管疾病诊断提供客观辅助	未明确说明局限性	开发并验证基于深度学习的自动化流程，用于左心室心肌分割及径向T1和ECV计算，辅助心血管疾病诊断	左心室心肌及径向T1和ECV值	机器学习, 数字病理学	心血管疾病	T1 mapping, MRI	深度学习, U-Net, Deep Res U-Net	图像, MRI数据	332例受试者的多中心回顾性多参数MRI数据	NA	U-Net, Deep Res U-Net	Dice相似系数, t检验	NA
33	2026-07-10	Synthesis of higher-B0 CEST Z-spectra from lower-B0 data via deep learning and singular value decomposition 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5221 PMID:39113170	研究论文	利用深度学习和奇异值分解从低场B0数据合成高场B0 CEST Z谱	首次提出从3T低场CEST数据合成9.4T高场Z谱的深度学习方法，结合奇异值分解捕获关键特征	模型通过模拟数据训练，可能无法完全覆盖实际临床中的复杂场不均匀性和噪声条件	开发从低场CEST数据合成高场Z谱的框架，以提高化学交换饱和转移MRI的特异性和定量能力	磷肌酸模型和伪在体模型的Z谱数据，包括磷肌酸体模、蛋清体模和活体大鼠脑	机器学习	不适用	CEST MRI	深度神经网络	Z谱（光谱数据）	7个磷肌酸管、3个蛋清管、3个大鼠脑切片	PyTorch	两个深度神经网络（DNN）及奇异值分解（SVD）模块	均方根误差（RMSE）、相关系数R	不适用
34	2026-07-10	Automatic deep learning segmentation of the hippocampus on high-resolution diffusion magnetic resonance imaging and its application to the healthy lifespan 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5227 PMID:39136393	研究论文	提出一种基于深度学习的自动分割方法，直接在高分辨率扩散磁共振成像上分割海马体，并应用于健康寿命分析	通过在UNet和UNet++架构中引入额外的密集残差连接，实现了直接在高分辨率扩散图像上自动分割海马体，克服了传统方法因脑覆盖限制和对比度差异而无法自动分割的问题	需要在患者群体中进一步验证；当前仅基于健康参与者数据训练	开发一种自动分割海马体的深度学习方法，以支持大规模人群研究中的微结构变化分析	海马体在扩散磁共振成像上的自动分割及其与年龄相关的体积、各向异性分数和平均扩散率变化	数字病理学	NA	扩散张量成像	卷积神经网络	图像	训练集：100名健康参与者；评估集：53名典型健康参与者；验证集：第一队列153名参与者（年龄5-74岁），第二队列354名参与者（年龄5-90岁）	PyTorch	UNet, UNet++, 密集残差连接	Dice系数	NA
35	2026-07-05	Neural implicit surface reconstruction of freehand 3D ultrasound volume with geometric constraints 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103305 PMID:39168075	研究论文	提出一种名为FUNSR的自监督神经隐式曲面重建方法，用于从自由手3D超声体积中学习符号距离函数	首次将自监督学习与几何约束（符号一致性约束和对抗学习中的表面约束）相结合，实现自由手3D超声体积的高质量曲面重建	未明确说明局限性，但隐式曲面重建在复杂噪声和运动干扰下的鲁棒性仍需进一步验证	解决自由手3D超声体积中因图像噪声导致的曲面重建质量低的问题，提高重建的平滑性、连续性和分辨率	四种不同解剖结构的超声数据集：髋部假体、两个血管数据集和一个公开的前列腺数据集	计算机视觉	NA	3D自由手超声	神经隐式曲面重建	3D超声体积	四个超声数据集（髋部假体、两个血管、一个公开前列腺）	PyTorch	FUNSR（自监督神经隐式曲面重建网络）	曲面质量、分割性能、噪声鲁棒性、运动扰动鲁棒性	NA
36	2026-07-05	Foundation models in gastrointestinal endoscopic AI: Impact of architecture, pre-training approach and data efficiency 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103298 PMID:39173410	research paper	评估在胃肠道内镜图像分析中，使用领域内预训练相对于自然图像预训练的潜在优势	首次在大规模胃肠道内镜图像数据集GastroNet-5M上，比较自监督领域内预训练与各种自然图像预训练方法在下游任务中的性能，发现DINO框架的自监督领域内预训练效果最佳	未提及具体局限性	探究胃肠道内镜图像分析中领域内预训练相比自然图像预训练的潜在优势	胃肠道内镜图像分析中的下游任务，如血管发育不良检测和息肉分割	计算机视觉	胃肠道疾病	NA	CNN和Vision Transformer	图像	5,014,174张胃肠道内镜图像，来自8个医疗中心，下游任务使用5个数据集	PyTorch	ResNet50, Vision-Transformer-small	平均性能提升百分比	NA
37	2026-07-05	Domain adaptation strategies for 3D reconstruction of the lumbar spine using real fluoroscopy data 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103322 PMID:39197301	研究论文	针对真实荧光透视数据，提出域适应策略用于腰椎三维重建，以克服合成训练数据与真实术中图像之间的域差距	设计新型数据收集协议构建配对数据集（合成与真实荧光图像），结合风格迁移与迁移学习缩小域差距；仅需三张术中荧光图像即可实现快速精确的三维重建	未在更大规模真实临床数据上验证，且对成像设置和视角依赖性需进一步优化	提升术中三维重建的实用性，推动手术导航在骨科手术中的广泛应用	腰椎的三维解剖结构重建	计算机视觉, 医学影像	骨科脊柱疾病	X光荧光透视成像	深度学习模型	合成与真实荧光图像	配对数据集（合成与真实图像），具体数量未明确提及	PyTorch	X23D	F1分数（84%）	81.1毫秒的计算时间，推测使用GPU加速，具体型号未说明
38	2024-09-10	Editorial for the Special Issue on the 2022 Medical Imaging with Deep Learning Conference 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103308 PMID:39214771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
39	2026-07-04	Multidimensional morphological analysis of live sperm based on multiple-target tracking 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.02.025 PMID:39803335	研究论文	设计了一个基于多目标跟踪的深度学习算法框架，实现对运动活精子形态的多维非侵入性分析	改进FairMOT跟踪算法，将同精子头在相邻帧间的移动距离和角度以及检测框IOU值融入匈牙利匹配代价函数，并使用BlendMask和SegNet进行精子分割和形态组分分离	NA	实现精子进行性运动和形态的自动化检测，提升临床精子形态测试方法，推动辅助生殖技术发展	活精子样本	计算机视觉	NA	NA	深度学习	图像	从多家三级医院收集的1272份样本	NA	FairMOT, BlendMask, SegNet	形态学准确率	NA
40	2026-07-03	Autonomous detection of nail disorders using a hybrid capsule CNN: a novel deep learning approach for early diagnosis 2024-12-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02840-5 PMID:39736622	研究论文	提出一种混合胶囊CNN模型，用于自动识别六种指甲疾病，实现早期诊断	首次将混合胶囊CNN模型应用于指甲疾病分类，克服了传统CNN的空间层次缺陷，并通过动态路由增强对图像变换的鲁棒性	NA	开发基于深度学习的自动分类系统，用于早期诊断六种指甲疾病	六种指甲疾病：蓝指甲、杵状指、凹点、甲钩、肢端黑色素瘤和正常指甲	计算机视觉	指甲疾病	NA	混合胶囊CNN	图像	使用指甲疾病检测数据集，具体样本数未提及	NA	混合胶囊CNN、基础CNN	分类准确率、精确率、召回率	NA