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
221	2026-04-04	Automated digital TIL analysis (ADTA) adds prognostic value to standard assessment of depth and ulceration in primary melanoma 2021-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-82305-1 PMID:33531581	研究论文	本研究应用深度学习算法自动分析黑色素瘤H&E图像中的肿瘤浸润淋巴细胞，以提升疾病特异性生存预测的准确性	开发并验证了一种开源深度学习算法，用于自动数字TIL分析，为早期黑色素瘤的预后评估提供了新的生物标志物	研究样本规模较小，需要更大规模的研究进一步验证ADTA在分期算法中的适用性	评估自动数字TIL分析在预测早期黑色素瘤患者疾病特异性生存方面的价值	早期黑色素瘤患者的H&E病理图像	数字病理学	黑色素瘤	H&E染色	深度学习算法	图像	训练队列80例，验证队列145例	NA	NA	HR, CI, p值	NA
222	2026-04-04	An objective structural and functional reference standard in glaucoma 2021-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-80993-3 PMID:33462288	研究论文	本研究提出了一种基于光学相干断层扫描和标准自动视野计的客观青光眼视神经病变定义，并以此作为参考标准开发深度学习算法来检测眼底照片中的青光眼	提出了一种客观的青光眼视神经病变定义，用于解决青光眼诊断缺乏共识的问题，并首次将该定义作为参考标准应用于深度学习算法的开发	研究样本量相对有限（405名个体的585只眼睛），且仅基于特定设备（光学相干断层扫描和标准自动视野计）的参数，可能影响泛化能力	开发一种基于深度学习算法的青光眼诊断工具，提高青光眼检测的客观性和可比性	青光眼视神经病变患者和正常个体的眼底照片	数字病理学	青光眼	光学相干断层扫描, 标准自动视野计	深度学习算法	图像	405名个体的585只眼睛，共2118张眼底照片	NA	NA	灵敏度, 特异性, 受试者工作特征曲线下面积, 似然比	NA
223	2026-04-04	Rapid whole-brain electric field mapping in transcranial magnetic stimulation using deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0254588 PMID:34329328	研究论文	本研究提出了一种基于深度学习的快速全脑电场映射方法，用于经颅磁刺激（TMS）中的电场估计	提出了一种名为3D-MSResUnet的神经网络架构，结合了3D U-Net、残差模块和多尺度特征图融合机制，以加速全脑电场估计	未明确说明模型在不同人群或疾病状态下的泛化能力，以及数据集的潜在偏差	提高经颅磁刺激（TMS）中电场估计的速度和效率，以改善治疗靶向性	人脑组织，特别是经颅磁刺激（TMS）中的电场分布	机器学习	神经精神疾病	扩散磁共振成像（MRI）、有限元方法（FEM）	CNN	图像	大型数据集（具体数量未在摘要中说明）	未明确指定，但可能基于PyTorch或TensorFlow	3D-MSResUnet（结合3D U-Net和残差模块）	多种评估指标（具体名称未在摘要中列出），如准确性、预测时间	未明确说明，但涉及GPU加速计算
224	2026-04-04	Deep Neural Network Sleep Scoring Using Combined Motion and Heart Rate Variability Data 2020-Dec-23, Sensors (Basel, Switzerland) DOI:10.3390/s21010025 PMID:33374527	研究论文	本文开发了一种结合活动计数和心率变异性数据的深度学习算法，用于改进睡眠质量评估	提出了一种新颖的深度学习模型（Haghayegh算法），结合活动计数和5分钟窗口的心率变异性指标，显著提升了睡眠评分性能	研究仅基于222名参与者的数据，样本量相对有限，且未涉及更广泛的临床验证	改进睡眠质量评估，通过深度学习算法提升与多导睡眠图的吻合度	222名参与者的同时记录的多导睡眠图和腕部活动记录数据	机器学习	NA	腕部活动记录术，心率变异性分析	深度学习模型	活动计数和心率变异性指标	222名参与者	NA	Haghayegh算法	准确率, 灵敏度, 特异性, Kappa一致性	NA
225	2026-04-04	SuperHistopath: A Deep Learning Pipeline for Mapping Tumor Heterogeneity on Low-Resolution Whole-Slide Digital Histopathology Images 2020, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2020.586292 PMID:33552964	研究论文	提出一种名为SuperHistopath的深度学习流程，用于在低分辨率全切片数字病理图像上高效映射肿瘤异质性	结合SLIC超像素分割与CNN分类，直接在低分辨率（5倍放大）全切片图像上操作，显著降低计算成本并保持高精度	未明确说明模型在更广泛癌症类型或更大样本量中的泛化能力	开发计算高效的数字病理图像分析框架，用于量化肿瘤形态异质性并辅助临床工作流程	黑色素瘤、三阴性乳腺癌和高危儿童神经母细胞瘤转基因小鼠模型的病理组织样本	数字病理学	黑色素瘤, 三阴性乳腺癌, 神经母细胞瘤	数字病理成像	CNN	图像	127例黑色素瘤、23例三阴性乳腺癌和73例转基因小鼠神经母细胞瘤样本	未明确说明	未明确说明	准确率	未明确说明
226	2026-04-03	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	研究论文	本研究比较了六种先进的深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，旨在为临床和研究应用确定最有效的模型	首次系统性地比较了包括CNN、CNN-Transformer混合架构及新型U-Mamba架构在内的六种先进模型在大量脑结构（122个）分割任务上的性能，并验证了分割结果在阿尔茨海默病体积分析中的可靠性	研究数据集规模仍有限，未来需要更大规模的数据集进行验证，且模型在其他神经系统疾病中的适用性有待探索	评估并比较先进深度学习模型在脑MRI多结构分割任务中的性能，以确定最优模型用于临床和研究	T1加权脑MRI图像中的122个灰质结构	医学图像分析	阿尔茨海默病	T1加权磁共振成像	CNN, Transformer, Mamba	医学图像（MRI）	1510例T1加权MRI扫描（包括正常对照和阿尔茨海默病患者）	NA	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	Dice相似系数, 95百分位Hausdorff距离	NA
227	2026-04-03	Deep Hair Phenomics: Implications in Endocrinology, Development, and Aging 2025-Apr, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2024.08.014 PMID:39236901	研究论文	开发了一种基于深度学习的计算机视觉方法，用于高通量、高分辨率地量化单个毛发纤维，以研究激素信号、遗传修饰和衰老对毛囊输出的影响	创新性地开发了能够区分和提取重叠毛发纤维的计算机视觉工具，实现了多变量特征（长度、宽度、颜色）的量化，并生成了可搜索的交互式网络工具	目前仅在小鼠模型上进行了验证，尚未在人类或其他动物中广泛应用	研究激素信号、遗传修饰和衰老对毛囊输出的影响，并开发新的疾病诊断方法	小鼠的毛发纤维	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
228	2026-04-03	Improved diagnosis of arrhythmogenic right ventricular cardiomyopathy using electrocardiographic deep learning 2025-Apr, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.08.030 PMID:39168295	研究论文	本研究开发并验证了一种基于心电图（ECG）的深度学习工具，用于诊断致心律失常性右心室心肌病（ARVC）	首次将深度学习应用于心电图分析，以提升ARVC的诊断准确性，达到专家水平，并能区分真实ARVC诊断与表型模拟者及高危家族成员/基因阳性个体	研究样本量相对有限（总样本688例，外部验证167例），且ARVC在验证队列中的患病率较低（10.2%），可能影响模型的泛化性能	开发并验证一种基于深度学习的ECG工具，用于辅助诊断致心律失常性右心室心肌病（ARVC）	被转诊进行ARVC评估的患者（来自约翰霍普金斯医院，n=688）以及通过Geisinger MyCode社区健康计划识别的携带致病性或可能致病性ARVC基因变异的患者（n=167）	机器学习	心血管疾病	心电图（ECG）分析	深度学习模型	心电图（ECG）数据	开发集551例（80.1%），测试集137例（19.9%），外部验证队列167例	NA	NA	c-statistic（AUC），置信区间	NA
229	2026-04-03	Personalized Blood Glucose Forecasting From Limited CGM Data Using Incrementally Retrained LSTM 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3494732 PMID:39514345	研究论文	本文提出了一种新颖的深度学习框架IS-LSTM，用于从有限的连续血糖监测数据中实现个性化血糖预测	提出增量式重训练堆叠LSTM框架，通过逐步适应个体数据和参数迁移来提高预测效率，解决了传统方法需要大量训练数据的问题	研究主要针对1型糖尿病患者，未涉及其他类型糖尿病或更广泛人群	开发一种能够从有限CGM数据中准确预测血糖水平的个性化深度学习模型	1型糖尿病患者的连续血糖监测数据	机器学习	糖尿病	连续血糖监测	LSTM	时间序列数据	两个CGM数据集（OpenAPS和Replace-BG），具体样本数量未明确说明	NA	堆叠LSTM	均方根误差, Clarke误差网格分析	NA
230	2026-04-03	MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia 2025-Apr, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202401-022OC PMID:39591102	研究论文	本研究探讨了IPF患者遗传风险谱与基于深度学习的CT影像表型之间的关联	首次将MUC5B基因型等常见变异与基于深度学习的UIP模式计算影像特征相关联，利用深度学习分析增强基因型-表型关联的识别能力	未发现常见变异与计算影像评估的纤维化程度之间的关联，且MUC5B基因型与视觉评估的UIP模式无显著关联	确定IPF患者的遗传风险谱是否能识别独特的计算影像表型	IPF患者	数字病理	肺纤维化	计算影像分析（放射组学）	深度学习	CT影像	329名IPF参与者	NA	NA	NA	NA
231	2026-04-03	Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.010 PMID:39800054	研究论文	本研究开发了一种基于深度学习的模型，用于在炎症性肠病（IBD）患者结肠组织病理学全切片图像（WSI）中自动分类疾病活动度等级	首次将基于Transformer的深度学习模型应用于IBD活动度的全切片图像分类，并结合HoVer-Net分析中性粒细胞分布，通过注意力图增强模型可解释性	研究数据仅来自单一医疗中心（2018-2019年），样本量相对有限（636名患者），未在多中心外部数据集上进行验证	开发自动化工具以辅助病理学家对炎症性肠病（IBD）的组织学活动度进行标准化分级，减少观察者间差异	炎症性肠病（IBD）患者的结肠组织病理学全切片图像（WSI）	数字病理学	炎症性肠病	苏木精-伊红（H&E）染色、全切片图像扫描	Transformer	图像	636名患者的2077张全切片图像（×40放大，0.25 μm/像素）	NA	Transformer, HoVer-Net	AUC（曲线下面积）, 精确率, 召回率, F1分数	NA
232	2026-04-03	Recipes and ingredients for deep learning models of 3D genome folding 2025-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2024.102308 PMID:39862604	综述	本文比较和对比了用于预测基因组接触图的深度学习模型，综述了预处理、架构、训练、评估和解释方法	系统性地综述了三维基因组折叠的深度学习模型，突出了不同模型的能力和局限性，并指出了未来研究方向	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析	探讨深度学习模型在预测三维基因组折叠中的应用，以理解基因调控和疾病机制	三维基因组折叠和基因组接触图	机器学习	NA	NA	深度学习模型	基因组接触图数据	NA	NA	NA	NA	NA
233	2026-04-03	Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images 2025-04, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-024-02209-5 PMID:39815116	研究论文	本文提出了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态（未感染、当前感染和根除后）的内窥镜图像	开发了一种创新的多阶段深度学习方法，通过结合患者幽门螺杆菌根除史信息，显著提高了分类性能，并超越了医生的诊断准确率	研究样本量相对较小（训练集538例，验证集146例），可能影响模型的泛化能力，且未详细说明多阶段架构的具体设计	开发一种自动分类幽门螺杆菌感染状态的方法，以辅助胃癌筛查和风险评估	幽门螺杆菌感染状态（未感染、当前感染、根除后）的内窥镜图像	计算机视觉	幽门螺杆菌感染	内窥镜成像	深度学习	图像	训练集538例，验证集146例	NA	多阶段深度学习架构	准确率	NA
234	2026-04-03	Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104789 PMID:39923968	研究论文	本研究评估了传统深度学习模型与大型语言模型在从VAERS和社交媒体文本中提取COVID-19疫苗不良事件实体方面的性能，并通过集成方法提升了识别效果	通过集成微调后的传统深度学习模型（如RNN、BioBERT）与大型语言模型（如GPT系列、Llama-2），显著提升了不良事件实体识别的性能，并验证了集成方法在生物医学自然语言处理任务中的有效性	研究数据规模相对有限（VAERS报告230条，Twitter推文3383条，Reddit帖子49条），且未对GPT-4进行微调，可能影响模型比较的全面性	评估大型语言模型和传统深度学习模型在不良事件实体提取中的有效性，并探索集成这些模型对性能的影响	从疫苗不良事件报告系统（VAERS）、Twitter和Reddit的文本中提取疫苗、注射和不良事件三类实体	自然语言处理	NA	自然语言处理、实体识别	RNN, BioBERT, GPT-2, GPT-3.5, GPT-4, Llama-2 7b, Llama-2 13b	文本	VAERS报告230条，Twitter推文3383条，Reddit帖子49条	NA	RNN, BioBERT, GPT-2, GPT-3.5, GPT-4, Llama-2	严格F1分数，宽松F1分数，微平均F1分数	NA
235	2026-04-03	Artificial Intelligence in Anterior Chamber Evaluation: A Systematic Review and Meta-Analysis 2024-09-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002428 PMID:38747721	荟萃分析	本研究通过系统回顾和荟萃分析，评估了深度学习算法在前房光学相干断层扫描图像中诊断房角关闭的准确性，并与房角镜检查进行对比	首次通过荟萃分析综合评估深度学习算法在AS-OCT图像中诊断房角关闭的性能，并证实其具有高敏感性和特异性	纳入的研究数量有限（仅6项），可能存在发表偏倚，且研究间异质性未详细讨论	比较深度学习算法在AS-OCT图像中诊断房角关闭的准确性，以评估其在青光眼筛查中的潜在价值	青光眼患者或疑似房角关闭的患者	医学影像分析	青光眼	前房光学相干断层扫描	深度学习算法	图像	5269名患者	NA	NA	敏感性, 特异性	NA
236	2026-04-03	The Effect of Noise on Deep Learning for Classification of Pathological Voice 2024-08, The Laryngoscope DOI:10.1002/lary.31303 PMID:38280184	研究论文	本研究评估了背景噪声对基于深度学习评估语音障碍GRBAS量表模型性能的影响	通过向测试样本添加不同强度的高斯噪声，系统评估了1D CNN模型在噪声环境下的鲁棒性	使用单一数据集且无比较对照组，属于OCEBM指南中的4级证据（病例系列研究）	评估背景噪声在机器学习模型评估语音障碍GRBAS量表中的重要性	1406个语音样本	数字病理学	语音障碍	NA	CNN	语音	1406个语音样本	TensorFlow	5层1D卷积神经网络	准确率, F1分数, 二次加权Cohen's kappa分数	NA
237	2026-04-03	Optical Coherence Tomography Versus Optic Disc Photo Assessment in Glaucoma Screening 2024-08-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002392 PMID:38546240	综述	本文综述了光学相干断层扫描（OCT）和视盘照相在青光眼筛查中的优势与局限性	探讨了人工智能和深度学习模型在提升视盘照相诊断准确性方面的潜力，并提出了结合OCT客观数据训练AI模型的新方向	AI模型的有效性依赖于训练数据质量，使用主观分级数据可能将人类评估的局限性引入系统，导致潜在不准确性	评估OCT和视盘照相在青光眼筛查中的准确性、可行性、成本效益及技术进展	青光眼筛查方法	医学影像分析	青光眼	光学相干断层扫描（OCT）、视盘照相	深度学习模型	图像	NA	NA	NA	阳性预测值（PPV）	NA
238	2026-04-03	Real-Time Laryngeal Cancer Boundaries Delineation on White Light and Narrow-Band Imaging Laryngoscopy with Deep Learning 2024-06, The Laryngoscope DOI:10.1002/lary.31255 PMID:38174772	研究论文	本研究探讨了深度学习在喉镜图像和视频中自动分割喉癌边界的能力	开发了SegMENT-Plus模型，首次在喉镜白光和窄带成像图像上实现实时喉癌边界分割，性能与耳鼻喉科住院医师相当，并展示了优秀的泛化能力	需要临床试验来评估该技术在手术实践和切除边缘改善中的作用	自动分割喉镜图像和视频中的喉癌浅表范围	喉癌患者的白光和窄带成像喉镜图像及视频	数字病理学	喉癌	白光喉镜，窄带成像喉镜	深度学习分割模型	图像，视频	来自557名患者的3933张喉癌图像，外部验证集包含156张和200张图像	NA	SegMENT-Plus	Dice相似系数，交并比，准确率，推理速度	NA
239	2026-04-03	A Proof-of-Concept Computer Vision Approach for Measurement of Tympanic Membrane Perforations 2024-06, The Laryngoscope DOI:10.1002/lary.31270 PMID:38214334	研究论文	本文提出了一种概念验证的计算机视觉方法，用于测量鼓膜穿孔的大小	首次将开源深度学习架构应用于鼓膜穿孔的自动分割和面积计算，相比传统目视估计提高了准确性	研究样本量小，穿孔类型主要为前部且相对较小，数据集缺乏异质性	开发一种计算机视觉模型，以更准确地评估鼓膜穿孔的大小	鼓膜穿孔的内窥镜图像	计算机视觉	耳科疾病	内窥镜成像	深度学习	图像	小规模鼓膜穿孔数据集（具体数量未明确说明）	NA	NA	平均绝对误差	NA
240	2026-04-03	Development of a convolutional neural network to accurately detect land use and land cover 2024-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102719 PMID:38660033	研究论文	本研究开发了一个卷积神经网络模型，用于准确检测土地利用和土地覆盖，并在西班牙的自然保护区进行了应用	利用CNN模型对土地利用和土地覆盖进行分类，并在Sentinel-2和PNOA图像上验证其性能	在住宅类别的分类中存在一些混淆，可能由于该区域的特征导致	开发一个准确的土地利用和土地覆盖检测模型，以支持自然资源管理和环境评估	西班牙Sierra del Cando自然保护区的土地利用和土地覆盖	计算机视觉	NA	深度学习	CNN	图像	NA	NA	卷积神经网络	准确率	NA