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	2026-05-29	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
222	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
223	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
224	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
225	2026-05-29	Deep learning-based IDH1 gene mutation prediction using histopathological imaging and clinical data 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108902 PMID:39038392	研究论文	利用组织病理学图像和临床数据，通过深度学习方法预测IDH1基因突变	采用集成学习策略，结合深度学习图像模型和机器学习临床数据模型，并通过超参数优化提高分类性能，在WSI和临床数据上分别达到最高AUC 0.823和0.782，集成结果达到0.852	NA	分类胶质瘤患者IDH1基因突变的存在与否	成年型弥漫性胶质瘤患者的组织病理学全切片图像和临床数据	数字病理学	胶质瘤	H&E染色WSI成像	深度学习模型（注意力多实例学习）和梯度提升机	图像和表格数据	546名患者	PyTorch, LightGBM	MaxViT, ABMIL	AUC, 准确率	NA
226	2026-05-29	Improving the diagnosis of ductal carcinoma in situ with microinvasion without immunohistochemistry: An innovative method with H&E-stained and multiphoton microscopy images 2024-05-15, International journal of cancer IF:5.7Q1 DOI:10.1002/ijc.34855 PMID:38268429	研究论文	提出一种结合H&E染色和多光子显微镜图像的新方法，用于无免疫组化诊断导管原位癌伴微浸润	首次将H&E染色图像中的可疑区域通过深度学习分割细胞核，并融合多光子显微镜图像（TPEF和SHG信号）来区分DCISM与DCIS，避免了对免疫组化标记物的依赖	需要依赖H&E图像中的可疑区域标注，且多光子显微镜设备的可用性可能受限	开发一种快速准确、无需免疫组化的DCISM诊断方法	乳腺导管原位癌伴微浸润和导管原位癌组织样本	数字病理学	乳腺癌（导管原位癌伴微浸润）	H&E染色, 多光子显微镜	深度学习模型	图像（H&E染色图像，多光子显微镜图像）	研究未明确说明样本量，涉及DCISM和DCIS组织标本	NA	NA	Kappa系数	NA
227	2026-05-29	scDisInFact: disentangled learning for integration and prediction of multi-batch multi-condition single-cell RNA-sequencing data 2024-01-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45227-w PMID:38291052	研究论文	提出scDisInFact深度学习框架，用于解缠多批次多条件下单细胞RNA测序数据的批次效应与条件效应	首次提出同时实现批次效应去除、条件相关关键基因检测和扰动预测的整合框架	未见明确阐述	开发能同时处理批次效应和条件效应的深度学习模型	单细胞RNA测序数据中的批次效应和条件效应	机器学习	NA	单细胞RNA测序	深度学习框架	单细胞RNA测序数据	NA	PyTorch	scDisInFact	NA	NA
228	2026-05-29	Race, Sex, and Age Disparities in the Performance of ECG Deep Learning Models Predicting Heart Failure 2024-01, Circulation. Heart failure DOI:10.1161/CIRCHEARTFAILURE.123.010879 PMID:38126168	研究论文	本研究调查了深度学习心电图模型在预测心力衰竭时基于种族、性别和年龄的性能差异	首次系统评估深度学习模型在不同种族、性别和年龄群体中预测心力衰竭的性能偏差，并探索了减少偏差的策略	研究基于单一医院数据，可能无法推广至其他人群；未包含其他潜在影响因子如社会经济状态	评估深度学习ECG模型在预测心力衰竭时的人口统计学偏差，并提出缓解算法偏差的方法	326,518次患者就诊的心电图数据，涵盖2008-2018年斯坦福医院的标准临床指征	机器学习	心力衰竭	12导联心电图	卷积神经网络	ECG信号	326,518次患者就诊，160,312例ECG测试集	NA	卷积神经网络	AUC, F1分数	NA
229	2026-05-29	Diagnosing evapotranspiration responses to water deficit across biomes using deep learning 2023-11, The New phytologist DOI:10.1111/nph.19197 PMID:37621238	研究论文	利用深度学习研究深水区不同生物群落的蒸散发响应	首次使用深度学习神经网路从通量测量数据中提取水分胁迫因子（fET），揭示了不同生物群落对持续干旱的多样响应模式，并发现了标准地表模型未能捕捉的复杂性	研究依赖通量测量数据，可能受限于站点分布和测量精度；尚未解释不同响应行为的机制，仅推测了气孔调节、水力传导和深层水分利用等可能原因	量化水分限制对蒸散发的影响，理解植被对干旱的敏感性	不同生物群落的蒸散发响应，包括草原、热带稀树草原、森林等	机器学习	NA	通量测量	深度神经网络	通量测量数据（包括蒸散发、大气干旱度等协变量）	多种站点数据，包括热带稀树草原、草地和森林站点	PyTorch	深度神经网络	NA	NA
230	2026-05-29	scDisInFact: disentangled learning for integration and prediction of multi-batch multi-condition single-cell RNA-sequencing data 2023-May-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.01.538975 PMID:37205545	研究论文	scDisInFact是一个深度学习框架，用于多批次多条件单细胞RNA测序数据的整合与预测，可同时消除批次效应并保留条件效应	首次提出能够同时分离批次效应和条件效应的解耦学习方法，实现批次校正、关键基因检测和扰动预测三项任务的统一	当前方法要么消除所有批次效应而丢失条件效应，要么仅关注条件效应而忽略批次效应，scDisInFact通过解耦学习解决了这一矛盾	开发一个能够同时处理批次效应和条件效应的深度学习模型，用于整合和预测多批次多条件的单细胞RNA测序数据	单细胞RNA测序数据中的批次效应和条件效应	机器学习	NA	scRNA-seq	深度学习框架	基因表达数据	模拟数据和真实数据集	NA	解耦学习网络	批次校正性能、关键基因检测准确率、扰动预测精度	NA
231	2026-05-29	Atrial fibrillation ablation outcome prediction with a machine learning fusion framework incorporating cardiac computed tomography 2023-05, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.15890 PMID:36934383	研究论文	提出一种融合机器学习框架，整合心脏CT成像与临床数据，预测房颤消融术后结果	首次将CT形态特征、深度学习图像特征和临床数据智能融合，构建端到端自动预测框架	单中心回顾性研究，样本量有限，需外部验证	开发个性化房颤消融术后预后预测模型	321例接受房颤消融术患者的CT影像及临床数据	机器学习	心房颤动	CT成像	融合机器学习模型	图像、临床结构化数据	321例患者（平均年龄64.2岁，69%男性，40%阵发性房颤）	NA	深度学习网络	AUC	NA
232	2026-05-29	Deep Learning-Based Model for Identifying Tumors in Endoscopic Images From Patients With Locally Advanced Rectal Cancer Treated With Total Neoadjuvant Therapy 2023-03-01, Diseases of the colon and rectum DOI:10.1097/DCR.0000000000002295 PMID:35358109	研究论文	开发一种基于深度卷积神经网络的方法，从局部晚期直肠癌患者的内镜图像中自动分类是否存在肿瘤	首次将深度卷积神经网络应用于局部晚期直肠癌患者全新辅助治疗后的内镜图像中肿瘤存在与否的自动分类	每组的图像数量有限，且研究在单一机构进行	开发一种新方法，利用深度卷积神经网络自动分类内镜图像中肿瘤存在与否，并评估其准确性	接受全新辅助治疗的局部晚期直肠癌患者的内镜图像	计算机视觉	直肠癌	NA	卷积神经网络	图像	109名患者的1392张内镜图像	NA	卷积神经网络	接收者操作特征曲线下面积	NA
233	2026-05-29	Automated analysis of rabbit knee calcified cartilage morphology using micro-computed tomography and deep learning 2021-08, Journal of anatomy IF:1.8Q2 DOI:10.1111/joa.13435 PMID:33782948	研究论文	利用微计算机断层扫描和深度学习自动分析兔膝关节钙化软骨形态	首次将深度学习分割技术应用于µCT图像中钙化软骨的三维形态评估，实现了骨与矿化软骨的自动分割，并验证了与组织学方法的高度相关性	研究样本限于兔膝关节，且为离体实验，未涉及活体动态变化分析；分割模型性能在µCT图像上略低于组织学图像	开发基于深度学习的µCT图像分割方法，实现钙化软骨三维形态的自动化分析，并验证其在解剖区域厚度变异研究中的生物医学相关性	12只新西兰白兔的16个膝关节，解剖为6个解剖区域的96个骨软骨样本	计算机视觉	骨关节炎及其他关节疾病	微计算机断层扫描	卷积神经网络	图像	12只兔的16个膝关节，96个骨软骨样本	NA	编码器-解码器架构	Dice系数, Pearson相关系数, Bland-Altman分析	NA
234	2026-05-29	Attenuation correction using deep Learning and integrated UTE/multi-echo Dixon sequence: evaluation in amyloid and tau PET imaging 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05061-w PMID:33108475	研究论文	提出一种结合深度学习与新型UTE/多回波Dixon序列的MR衰减校正方法，用于淀粉样蛋白和tau蛋白PET成像	将深度学习与超短回波时间/多回波Dixon序列相结合，实现针对近骨皮层区域的精准衰减校正	未提及AI模型的可解释性或对多样化患者群体的泛化性验证	提升淀粉样蛋白和tau蛋白PET成像中近骨皮层区域的定量准确性	35名同时进行11C-PiB和18F-MK6240扫描的受试者	数字病理学，医学影像	阿尔茨海默病	PET/MR， UTE/多回波Dixon序列	深度学习	MR影像、PET影像	35名受试者	NA	NA	Dice系数、验证损失、标准化摄取值比值误差	NA
235	2026-05-29	Deep learning-based image analysis methods for brightfield-acquired multiplex immunohistochemistry images 2020-Jul-28, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-020-01003-0 PMID:32723384	研究论文	基于深度学习的方法分析明场采集的多重免疫组织化学全切片图像，用于定量评估六种生物标志物	采用互补的深度学习工具（ColorAE自编码器和U-Net卷积神经网络）解决传统方法无法处理超过四种标记物的问题，并避免对专用光谱分离设备的需求	未明确提及局限性，但研究仅在胰腺导管腺癌的定制 mIHC panel 中进行了验证，方法可扩展性可能需要进一步评估	开发深度学习工具以自动检测和分类多重免疫组化图像中的六种细胞类型，并用于肿瘤微环境的空间分析	胰腺导管腺癌组织切片中的T细胞（CD3、CD4、CD8）、B细胞（CD20）、巨噬细胞（CD16）和肿瘤细胞（K17）	数字病理学	胰腺导管腺癌	多重免疫组织化学	自编码器、卷积神经网络	图像	3张多重免疫组化全切片图像用于空间分析用例	NA	ColorAE, U-Net	结构相似性指数、DICE系数、F1分数、灵敏度、阳性预测值	NA
236	2026-05-29	AI in Medical Imaging Informatics: Current Challenges and Future Directions 2020-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2020.2991043 PMID:32609615	综述	本文综述医学成像信息学中的前沿研究，讨论临床转化，并为推进临床实践提供未来方向	总结不同模态的医学图像采集技术进展，强调大数据背景下高效医疗数据管理策略的必要性，并对基于AI和深度学习的分类与分割算法进行系统综述	未提及具体算法的局限性或比较性评估	为医学成像信息学的临床转化和未来研究提供全面概述与方向指引	医学成像信息学领域的现有研究文献和技术	计算机视觉	NA	医学成像	深度学习	图像	NA	NA	NA	NA	NA
237	2026-05-29	Intelligent Labeling Based on Fisher Information for Medical Image Segmentation Using Deep Learning 2019-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2019.2907805 PMID:30932833	研究论文	提出一种基于Fisher信息量的主动学习方法，用于深度学习医学图像分割中的智能标注，以降低标注成本并提高模型性能	首次将基于Fisher信息量的主动学习方法用于卷积神经网络，通过高效反向传播计算梯度和低维近似方法，实现了对大规模参数CNN的Fisher信息量计算	仅针对脑提取任务进行验证，且目标数据集与源数据集在年龄组或病理类型上存在差异，未评估其他医学图像分割任务或更广泛的数据集	开发一种高效的主动学习方法，通过标注少量最有信息量的数据样本来提升CNN医学图像分割模型的性能	医学图像分割任务中的脑提取，涉及不同年龄组（如新生儿）和病理类型的数据集	数字病理学	NA	NA	CNN	图像	目标数据集的极小部分（低于0.25%）作为标注样本	NA	补丁式分割CNN	模型性能（未具体列出度量指标，如准确率、Dice系数等）	NA
238	2026-05-29	Using deep learning for a diffusion-based segmentation of the dentate nucleus and its benefits over atlas-based methods 2019-Oct, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.6.4.044007 PMID:31824980	研究论文	提出一种基于深度学习的扩散成像技术自动分割齿状核的方法，相比传统图谱方法具有更高的准确性	首次将深度学习应用于齿状核的自动分割，在常见磁共振序列（T1、T2、扩散成像）上实现高精度分割，超越了传统模板配准和多图谱分割方法	FA图的分割性能最高，但多序列联合方法未能超越单一FA图，可能因序列配准误差或特征冗余导致	开发一种能自动、精确分割齿状核的深度学习算法，替代传统手工标注和图谱方法	齿状核（小脑深部灰质结构）在磁共振图像中的自动分割	计算机视觉	神经退行性疾病及相关疾病	超声成像	未明确具体模型类型	图像	未明确样本数量	NA	NA	Dice相似系数	NA
239	2026-05-27	Performance of deep learning-based segmentation of soft tissue sarcoma by MRI sequence, tumor type and location 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05178-3 PMID:41776099	研究论文	研究基于深度学习的软组织肉瘤MRI分割性能，分析不同MRI序列、肿瘤位置和组织学亚型对模型准确性的影响	系统评估了肿瘤位置和组织学亚型对深度学习分割模型性能的影响，发现多模态融合反而可能降低边界精度	纳入了部分恶性程度较低的肌内黏液瘤，可能限制结果对高级别STS的适用性	评估深度学习模型在不同MRI序列、解剖位置和组织学亚型下对软组织肉瘤的自动分割性能	299例经活检证实的软组织肉瘤患者（包括平滑肌肉瘤、黏液纤维肉瘤、黏液样脂肪肉瘤、未分化多形性肉瘤和肌内黏液瘤）	数字病理学, 计算机视觉	软组织肉瘤	MRI扫描（脂肪抑制T1增强、脂肪抑制T2加权序列）	3D nnU-Net	医学影像（MRI）	299例患者	NA	nnU-Net	Dice系数, F2分数, 平均对称表面距离(ASSD), 第95百分位豪斯多夫距离(HD95)	NA
240	2026-05-27	Morphology-informed deep learning for risk assessment of filamentous bulking in a full-scale industrial wastewater treatment plant 2026-Jul-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124520 PMID:41997279	研究论文	提出一种形态学信息驱动的深度学习框架，通过污泥显微镜图像直接评估工业污水处理厂丝状菌膨胀风险	首次将预训练计算机视觉模型（ConvNeXt-nano和CrossViT-18）应用于基于显微镜图像的丝状菌膨胀风险评分，实现从反应性诊断到主动预警的转变，并在全规模工业污水处理厂中得到验证	研究仅基于单一工业污水处理厂的两年级图像数据，模型泛化能力尚未评估；潜在其他干扰因素未考虑	开发一种基于显微镜图像的深度学习风险评分方法，用于早期预警工业污水处理厂丝状菌膨胀	全规模工业废水处理厂（饥饱序批式反应器SBR）中的活性污泥微生物形态	计算机视觉, 数字病理	丝状菌膨胀	显微镜成像	CNN, 视觉Transformer	图像	两年级的显微镜图像数据集	PyTorch	ConvNeXt-nano, CrossViT-18	敏感性, 假阳性率, 准确性	NA