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	2026-07-03	Target informed client recruitment for efficient federated learning in healthcare 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02798-4 PMID:39696193	研究论文	提出一种基于本地硬件和目标分布信息的高效联邦学习客户端招募方法，用于医疗场景	将本地目标分布偏差、样本量和硬件效率整合到客户端代表性评估中，实现联邦学习子集招募，显著降低训练时间而不损害预测性能	可能依赖特定硬件环境，且需客户端提供本地分布信息，存在隐私泄露风险	优化联邦学习中的客户端选择和通信效率，减少训练时间和数据需求	医疗领域的回归和分类任务	机器学习	NA	NA	NA	NA	NA	NA	NA	预测性能、训练时间	NA
42	2026-07-03	Reduced-dose deep learning iterative reconstruction for abdominal computed tomography with low tube voltage and tube current 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02811-w PMID:39696218	研究论文	研究深度学习迭代重建算法在低管电压和低管电流下减少腹部CT辐射剂量并提高图像质量的可行性	首次在低管电压（80 kV）和低管电流条件下应用深度学习迭代重建（Deep IR）算法，实现辐射剂量降低69.94%同时改善图像质量	研究样本量较小（60例患者），且未对比其他深度学习重建方法或更高管电压设置	验证Deep IR算法在低辐射剂量腹部CT中的临床应用价值	60例接受腹部门静脉期CT检查的患者	计算机视觉	NA	腹部CT扫描	深度学习迭代重建（Deep IR）	CT图像	60例患者（男/女：36/24，年龄57.72±10.19岁）	NA	深度学习迭代重建（Deep IR）	CT值标准差、信噪比、对比噪声比、主观评分（5分制）	NA
43	2026-07-03	Early prediction of mortality upon intensive care unit admission 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02807-6 PMID:39696315	研究论文	开发和验证机器学习模型，在入住重症监护室时即预测成年危重患者的死亡率	首次在ICU入院时刻即利用机器学习模型预测死亡率，并对比了逻辑回归、梯度提升树和深度学习算法的性能	数据仅来自两家教学医院，可能影响泛化性；预测性能对于死亡率较低的群体仍有提升空间	早期预测危重患者ICU死亡风险	入住ICU的成年危重患者	机器学习	重症监护	NA	逻辑回归、梯度提升树、深度学习	表格数据	79,657次入院记录	NA	NA	AUC-ROC、AUC-PR	NA
44	2026-07-03	Application of deep learning in wound size measurement using fingernail as the reference 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02778-8 PMID:39696347	研究论文	提出一种结合三个深度学习模型、以指甲为参照的自动伤口尺寸测量系统	以指甲作为参照物，无需手动描画伤口和参考标记，实现自动伤口尺寸测量，提升家庭护理场景的便捷性和可及性	未明确提及局限性，但可推测系统依赖于照片质量及指甲宽度转换准确性，可能受拍摄条件影响	开发一种快速、易用的自动伤口尺寸测量系统，改善慢性伤口护理中的用户体验	慢性伤口照片和指甲图像	计算机视觉	慢性伤口	深度学习	CNN（卷积神经网络）	图像	248张图像用于模型训练和评估，30名参与者用于用户体验分析	NA	Mask R-CNN, Yolov5, U-Net	Pearson相关系数, 平均精度均值, 交并比, 像素准确率	NA
45	2026-07-03	A prior-knowledge-guided dynamic attention mechanism to predict nocturnal hypoglycemic events in type 1 diabetes 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02761-3 PMID:39696373	研究论文	提出了一种结合先验知识引导的动态注意力机制的深度学习框架，用于预测1型糖尿病患者的夜间低血糖事件	提出了先验知识引导的动态注意力机制，增强了网络的学习能力和可解释性，实现了从多尺度多维数据中全面提取信息	仅使用一个公开临床数据集进行验证，可能限制了模型的泛化能力和在不同人群中的适用性	通过深度学习框架改进夜间低血糖事件的预测准确性和实用性	1型糖尿病患者的夜间低血糖事件	机器学习	1型糖尿病	NA	深度学习	临床数据	一个公开临床数据集	NA	动态注意力机制	F1分数	NA
46	2026-07-03	Deep caries detection using deep learning: from dataset acquisition to detection 2024-12-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06068-5 PMID:39621193	研究论文	提出基于深度学习的龋齿检测方法，利用最新YOLO模型从图像数据集中学习以提升早期龋齿诊断的准确性	首次将YOLOv7、YOLOv8和YOLOv9应用于龋齿检测，通过对比分析展示YOLOv8的最高性能（mAP@0.5为0.982），并强调其在资源受限环境中的临床潜力	仅依赖3200余张图像数据集，未提及外部验证或跨人群泛化性评估，且模型对早期龋齿的灵敏度未明确分析	通过深度学习技术提高龋齿早期检测的准确性和效率，特别是在低收入和中等收入国家中减少未治疗龋齿带来的健康负担	牙科龋齿病变，包括普通龋齿、深龋及排除类别	计算机视觉	龋齿	NA	卷积神经网络（CNN-based目标检测）	口腔X线图像（咬翼片）	超过3200张牙科X线图像	PyTorch	YOLOv7, YOLOv8, YOLOv9	平均精度均值（mAP@0.5 IoU）	NA
47	2026-07-01	All-Atom Protein Sequence Design Based on Geometric Deep Learning 2024-12-09, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202411461 PMID:39295564	研究论文	介绍GeoSeqBuilder，一个整合蛋白序列生成与侧链构象预测的深度学习框架	首次将蛋白序列生成与侧链构象预测整合为端到端框架，利用空间几何特征显式包含相邻残基的三体相互作用	需要进一步测试以验证广泛适用性	设计针对特定蛋白主链的序列，生成全原子结构	蛋白序列与侧链构象	机器学习	NA	深度学习	深度学习框架	蛋白结构数据	15个测试序列（硫氧还蛋白和三螺旋束蛋白）	PyTorch	GeoSeqBuilder	天然残基回收率、热稳定性、晶体结构匹配度、酶活性	NA
48	2026-07-01	Société de Biomécanique young investigator award 2023: Estimation of intersegmental load at L5-S1 during lifting/lowering tasks using force plate free markerless motion capture 2024-12, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112422 PMID:39579592	研究论文	使用无力板无标记运动捕捉系统估算L5-S1关节在举升/降低任务中的节段间负荷	首次采用多视角无标记运动捕捉系统结合深度学习进行L5-S1关节负荷估算，无需力板，并与基于标记和力板的参考方法进行了严格对比	需要在真实工业条件下进行进一步验证	准确估算举升/降低任务中的L5-S1关节负荷，以理解肌肉骨骼疾病的发病机制	L5-S1关节的净力和力矩	计算机视觉	肌肉骨骼疾病	无标记运动捕捉	深度学习	图像	多名受试者	NA	NA	平均差异、峰值差异	NA
49	2026-07-01	Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children 2024-12-01, Critical care explorations DOI:10.1097/CCE.0000000000001188 PMID:39688905	研究论文	利用机器学习技术预测接受持续肾脏替代治疗（CRRT）的儿童及年轻成人患者ICU及院内生存率的模型开发与验证	首次针对儿童和年轻成人CRRT患者开发机器学习模型预测ICU及院内生存率，并评估了多种算法（如随机森林、逻辑回归）的性能差异	研究受限于回顾性设计、样本量有限（933例）、输入变量范围不足，且未进行深度特征选择或使用深度学习算法	开发并验证基于机器学习的预测模型，用于帮助临床决策，识别儿童CRRT患者中高死亡风险群体	2015-2021年接受CRRT的急性肾损伤和/或容量超负荷的25岁以下患者（共933例）	机器学习	急性肾损伤	NA	逻辑回归、决策树、随机森林、梯度提升机、支持向量机	临床数据（包括实验室指标、疾病评分、诊断信息等）	933例患者（中位年龄8.97岁，54%男性）	NA	随机森林、逻辑回归（L2正则化）、支持向量机（线性核）	AUROC, AUPRC	NA
50	2026-06-30	Pupillometry as a biomarker of postural control: Deep-learning models reveal side-specific pupillary responses to increased intensity of balance tasks 2024-12, Psychophysiology IF:2.9Q1 DOI:10.1111/psyp.14667 PMID:39135357	研究论文	本研究通过瞳孔测量和深度学习模型，探索了平衡任务强度增加时瞳孔直径的侧别特异性变化，并将其作为姿势控制的生物标志物	首次研究了平衡任务强度增加对瞳孔直径的影响，并发现侧别特异性瞳孔反应，这可能与姿势控制的高级处理有关	未提及	分析平衡任务强度增加时稳态瞳孔直径的差异，并确定是否存在侧别特异性变化	48名健康受试者在不同难度平衡任务中的瞳孔直径变化	机器学习	NA	瞳孔测量术	深度学习神经网络	瞳孔直径数据	48名健康受试者	NA	深度学习神经网络	NA	NA
51	2026-06-30	Deep learning-aided respiratory motion compensation in PET/CT: addressing motion induced resolution loss, attenuation correction artifacts and PET-CT misalignment 2024-12, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06872-x PMID:39136740	研究论文	提出一种基于深度学习的统一数据驱动呼吸运动校正方法，用于解决PET/CT成像中的分辨率损失、衰减校正伪影和PET-CT配准错误	首次实现统一的深度学习解决方案，同时补偿PET运动模糊、PET-CT衰减失配伪影以及PET与CT的配准错误	未提及具体限制	解决胸腔和腹部PET/CT成像中呼吸运动引起的图像质量下降问题	使用uMI Panorama PET/CT扫描仪采集的737名[18F]FDG PET/CT患者数据	计算机视觉	NA	PET/CT成像, 深度学习神经网络	深度学习神经网络	图像	737名患者（其中99名患者有呼吸监测设备数据，638名用于训练）	NA	NA	SUVmax, SUVmean	NA
52	2026-06-30	Generative adversarial networks to create synthetic motion capture datasets including subject and gait characteristics 2024-12, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112358 PMID:39509807	研究论文	通过条件生成对抗网络生成包含受试者和步态特征的合成运动捕捉数据集	将GAN改进为条件GAN，能够根据指定的受试者特征（年龄、性别、腿长、质量）和步态特征（行走速度）生成多样化的运动捕捉数据，包括15个标记点轨迹、下肢关节角度和地面反作用力	未明确提及，但从内容看可能包括对特定条件范围较窄的数据集表现更佳，以及需验证合成数据在不同研究中的普适性	解决运动捕捉数据获取成本高、数据集多样性不足的问题，通过生成高质量的合成数据支持深度学习应用	运动捕捉数据中的15个标记点轨迹、下肢关节角度和3D地面反作用力	机器学习和计算机视觉	NA	运动捕捉	条件生成对抗网络	运动捕捉数据（标记点轨迹、关节角度、地面反作用力）	未明确提及样本数量，但涉及受试者年龄、性别、腿长、质量、行走速度等条件	NA	条件GAN（编码器-解码器-判别器架构）	步态周期差异百分比、运动学差异（角度）、地面反作用力差异（体重归一化）	NA
53	2026-06-30	Technical and functional design considerations for a real-world interpretable AI solution for NIR perfusion analysis (including cancer) 2024-12, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2024.108273 PMID:38538505	研究论文	详细阐述了一款用于近红外灌注分析（包括癌症检测）的可解释人工智能解决方案的技术与功能设计考量	提出了一套融合可解释机器学习方法的系统，通过从术中近红外视频流中提取荧光强度曲线特征，用较少训练数据构建准确的分类算法，并作为医疗器械软件实现术中实时癌症鉴别	未提及具体的性能评估结果或临床验证数据；对模型在实际手术场景中稳定性和通用性的讨论不足	设计并论证一款可用于术中组织灌注分析和癌症检测的可解释人工智能推荐系统的技术方案与功能需求，实现从概念到医疗器械软件的基础架构	术中近红外视频流中的荧光强度曲线，及其衍生的组织灌注特征和癌症鉴别信号	机器学习	癌症	近红外成像，吲哚菁绿荧光评估	机器学习分类器	图像（近红外视频流）	NA	NA	NA	NA	NA
54	2026-06-26	A computational deep learning investigation of animacy perception in the human brain 2024-12-31, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07415-8 PMID:39741161	研究论文	通过深度学习模型探讨人类对动物感知的神经机制，特别是对类动物物体的“动物偏差”	首次在深度神经网络中成功诱导出人类特有的动物偏差，并证明该偏差可通过特定训练方法复现	未探讨其他物种的动物感知机制，且模型训练数据可能无法完全模拟人类真实感知环境	探究人类大脑对动物类物体感知偏差的计算机制	动物类物体（类动物形状的物体）及深度神经网络	机器学习	NA	深度学习神经网络训练	深度神经网络（DNNs）	图像数据	NA	NA	NA	NA	NA
55	2026-06-26	Annotating protein functions via fusing multiple biological modalities 2024-12-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07411-y PMID:39730886	研究论文	提出MIF2GO方法，通过融合多种生物模态数据注释蛋白质功能	首次提出三步融合多达六种不同生物层次模态的流程，生成高质量蛋白质表征，同时解决稀疏标签导致的次优解收敛问题	NA	通过多模态数据融合提升蛋白质功能注释的准确性和泛化能力	蛋白质功能预测与基因本体术语推断	机器学习	NA	NA	深度学习模型	多模态生物数据（序列、结构、相互作用等）	七个基准数据集	NA	NA	NA	NA
56	2026-06-26	Improved enzyme functional annotation prediction using contrastive learning with structural inference 2024-12-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07359-z PMID:39715863	研究论文	提出了一个结合对比学习和结构推理的酶功能注释预测框架CLEAN-Contact	首次将蛋白质氨基酸序列与接触图两种模态通过对比学习融合，填补了单一模态方法的空白	未明确提及局限性	提升酶功能预测的准确性	酶的功能注释	机器学习	NA	对比学习，结构推理	对比学习框架	蛋白质氨基酸序列，接触图	多个基准数据集，Prochlorococcus marinus MED4的蛋白质组	PyTorch	NA	准确性	NA
57	2026-06-26	A deep learning framework deploying segment anything to detect pan-cancer mitotic figures from haematoxylin and eosin-stained slides 2024-12-19, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07398-6 PMID:39702417	研究论文	提出一个名为OMG-Net的深度学习框架，用于在H&E染色的全切片图像中检测泛癌有丝分裂像	构建迄今为止最大的有丝分裂像数据集（74,620个），并采用Segment Anything模型自动勾画细胞轮廓的两阶段框架，在泛癌检测中优于现有模型	未提及具体限制	开发人工智能方法自动检测有丝分裂像，提高癌症分级准确性和效率	有丝分裂像（分裂中细胞）在H&E染色全切片图像中的检测	数字病理学	泛癌（包括乳腺癌、神经内分泌肿瘤、黑色素瘤）	H&E染色	深度学习（CNN）	图像（全切片图像）	74,620个有丝分裂像样本，结合内部软组织肿瘤数据集与五个开源数据集	PyTorch	Segment Anything Model, ResNet18	F1分数	NA
58	2026-06-17	Deep learning insights into distinct patterns of polygenic adaptation across human populations 2024-12-11, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae1027 PMID:39558170	研究论文	提出RAISING，一种两阶段深度学习框架，用于检测人类群体多基因适应的特征	RAISING通过超参数调优优化神经网络架构，并在特征选择和预测任务中优于现有方法，计算时间缩短60倍，真阳性率提高最多28%	未明确提及	开发深度学习框架以识别人类基因组中多基因适应的特征模式	人类基因组中的多基因适应信号	机器学习	NA	基因组学	深度学习	基因组数据（模拟和实测）	非洲、欧洲、南亚和东亚人群	NA	神经网络	真阳性率	NA
59	2026-06-15	Intersection of Performance, Interpretability, and Fairness in Neural Prototype Tree for Chest X-Ray Pathology Detection: Algorithm Development and Validation Study 2024-12-05, JMIR formative research IF:2.0Q4 DOI:10.2196/59045 PMID:39636692	研究论文	研究神经原型树（NPT）分类器在胸部X光病理检测中的性能、可解释性和公平性，并探讨三者之间的相互作用	首次系统研究了神经原型树分类器在性能、可解释性和公平性三个维度的表现及其复杂交互关系，提供了可解释深度学习分类器在胸部X光病理检测中的新视角	未明确提及局限性，但数据来源为公开数据集，可能存在分布偏差	评估NPT分类器在胸部X光病理检测中的表现、可解释性和公平性，并分析三者关系	胸部X光图像	计算机视觉	多种胸部X光病理	深度学习	神经原型树（NPT）	图像	来自Chest X-ray 14、CheXpert和MIMIC-CXR三个公开数据集，具体数量未明确说明	NA	ResNet-152, 神经原型树（NPT）	ROC AUC, 解释复杂性（IC）, 平均真阳性率差异（mean TPR disparity）	NA
60	2026-06-02	Preictal period optimization for deep learning-based epileptic seizure prediction 2024-12-27, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad9ad0 PMID:39637549	研究论文	本研究提出数据驱动的深度学习方法，通过优化发作前期定义来提高基于头皮脑电信号的癫痫发作预测性能	提出了连续输入输出性能比（CIOPR）等新度量指标，用于捕捉不同发作前期定义下的模型行为，并个性化确定最佳发作前期	观察到患者间和患者内的预测时间异质性，给建立全局发作前期带来困难；传统准确性指标对发作前期定义的变化不敏感	优化发作前期定义以提高癫痫发作预测的准确性和时序性能	药物难治性癫痫患者的头皮脑电图数据	机器学习	癫痫	头皮脑电图	CNN-Transformer	信号	CHB-MIT公开数据集，包含多例患者的多小时连续记录	PyTorch	CNN, Transformer	AUC, F1分数, 敏感度, 特异度, 连续输入输出性能比	NA