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
2501	2026-03-06	Enabling Scientific Reproducibility through FAIR Data Management: An ontology-driven deep learning approach in the NeuroBridge Project 2022, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:37128458	研究论文	本文介绍了一个名为NeuroBridge的集成搜索平台，该平台通过基于本体的深度学习方法，支持科学研究的可重复性，特别是在神经科学领域	结合了基于W3C PROV规范的元数据本体与BERT深度学习模型，用于自动识别与神经认知评估相关的候选数据集，相比现有搜索引擎表现出更好的性能、可训练性和透明度	研究仅使用了51篇文章进行注释和模型训练，样本规模相对较小，可能影响模型的泛化能力	开发一个平台，使研究人员能够高效搜索相关研究数据集，以验证假设或复制已发表的研究结果，促进科学研究的可重复性	已发表的科学论文及其相关的神经影像数据集，特别是涉及药物滥用或精神分裂症神经认知评估的研究	自然语言处理	精神分裂症	神经影像学	BERT	文本	51篇文章	NA	BERT	准确率, 召回率	NA
2502	2026-03-06	Multicontrast Pocket Colposcopy Cervical Cancer Diagnostic Algorithm for Referral Populations 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9823184 PMID:37850189	研究论文	本研究利用深度学习模型对通过低成本便携式口袋阴道镜采集的宫颈图像进行分类，以诊断活检确认的高级别癌前病变和癌症	通过使用类别平衡损失函数并结合绿色光阴道镜图像对，提升了在筛查阳性人群中的分类性能，且无需额外成本	研究主要基于已预筛查人群，可能未涵盖所有临床场景，且样本量相对有限	开发自动化分类算法以克服低收入国家因专业医疗人员短缺和诊断变异性导致的宫颈癌早期检测障碍	宫颈图像，来自880次患者就诊	计算机视觉	宫颈癌	阴道镜成像	CNN	图像	880次患者就诊的宫颈图像	NA	ResNet-18	AUC, 灵敏度, 特异性	NA
2503	2026-03-06	Replay in Deep Learning: Current Approaches and Missing Biological Elements 2021-10-12, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01433 PMID:34474476	综述	本文首次全面比较了哺乳动物大脑中的重播机制与人工神经网络中的重播算法，并探讨了深度学习系统中缺失的生物重播元素及其潜在改进方向	首次系统性地对比生物神经重播与人工重播机制，识别深度学习系统中缺失的关键生物元素，并提出改进假设	未进行实证验证，主要基于理论分析和假设	探讨重播机制在生物与人工神经网络中的异同，并提出改进深度学习系统的方法	哺乳动物大脑的重播机制与人工神经网络中的重播算法	机器学习	NA	NA	深度人工神经网络	NA	NA	NA	NA	NA	NA
2504	2026-03-06	A statistical framework for non-negative matrix factorization based on generalized dual divergence 2021-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2021.03.020 PMID:33892302	研究论文	提出了一种基于广义对偶Kullback-Leibler散度的非负矩阵分解统计框架，并开发了相应的算法家族	该框架基于广义对偶散度，可涵盖指数族模型成员，并推广了针对不同噪声结构的现有方法，与最近发展的拟似然方法形成对比	未在摘要中明确说明	为非负矩阵分解提供一个统一的统计框架和算法家族	非负矩阵分解模型及其在无监督和半监督学习中的应用	机器学习	癌症	非负矩阵分解	NA	模拟数据和真实数据	NA	NA	NA	拟合优度度量	NA
2505	2026-03-06	Multi-channel attention-fusion neural network for brain age estimation: Accuracy, generality, and interpretation with 16,705 healthy MRIs across lifespan 2021-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102091 PMID:34038818	研究论文	本文提出了一种多通道注意力融合神经网络（FiA-Net），用于从健康脑部T1加权磁共振图像中准确估计大脑年龄，并提升模型的泛化能力和可解释性	首次将T1加权图像显式分割为对比度和形态学两个3D图像通道，并引入“带注意力的融合”深度学习卷积神经网络（FiA-Net），以优化不同脑解剖结构和特征层中图像通道的融合方式	NA	提高健康脑部MRI年龄估计的准确性、泛化性和可解释性，以辅助脑部疾病的早期检测	16,705名健康个体的T1加权磁共振图像，年龄跨度为0-97岁	数字病理学	NA	T1加权磁共振成像	CNN	图像	16,705名健康个体的MRI数据	NA	FiA-Net	平均绝对误差（MAE）, 皮尔逊相关系数（r）	NA
2506	2026-03-06	Metrics of sleep apnea severity: beyond the apnea-hypopnea index 2021-07-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsab030 PMID:33693939	综述	本文回顾了阻塞性睡眠呼吸暂停（OSA）严重程度评估指标的历史、预测价值及局限性，并探讨了替代指标和未来研究方向	系统性地批判了传统呼吸暂停低通气指数（AHI）的不足，并引入了缺氧负荷、觉醒强度、比值乘积和心肺耦合等新兴指标，同时展望了利用遗传学、生物标志物、机器学习/深度学习和可穿戴技术的未来研究方向	文章为综述性质，未提供原始实验数据或新模型的验证结果，主要基于现有文献进行分析和总结	评估和比较阻塞性睡眠呼吸暂停（OSA）严重程度的不同度量指标，探索更有效的诊断和预后评估方法	阻塞性睡眠呼吸暂停（OSA）患者及其相关临床数据	NA	阻塞性睡眠呼吸暂停	NA	NA	NA	NA	NA	NA	NA	NA
2507	2026-03-06	GestAltNet: aggregation and attention to improve deep learning of gestational age from placental whole-slide images 2021-07, Laboratory investigation; a journal of technical methods and pathology DOI:10.1038/s41374-021-00579-5 PMID:33674784	研究论文	本文提出GestAltNet模型，通过注意力机制和区域聚合来从胎盘全玻片图像中深度学习预测孕周	开发了GestAltNet模型，模拟人类对高产出区域的注意力并跨区域聚合数据，以改善胎盘全玻片图像中孕周的深度学习预测	NA	利用深度学习模型从胎盘全玻片图像中准确估计孕周，并研究绒毛成熟度的机器识别	胎盘全玻片图像	数字病理学	妊娠期糖尿病, 先兆子痫	全玻片图像扫描	深度学习模型	图像	36张未见过的全玻片图像用于测试	NA	GestAltNet	相关系数(r), 平均绝对误差(MAE)	NA
2508	2026-03-06	Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19 2021-02, Metabolism: clinical and experimental DOI:10.1016/j.metabol.2020.154436 PMID:33221381	研究论文	本研究探讨了心外膜脂肪组织（EAT）在胸部CT上的量化指标与COVID-19肺炎范围及不良临床结局之间的关联	首次利用深度学习软件量化EAT体积和衰减，并发现其与COVID-19肺炎负担及临床恶化或死亡风险独立相关	研究为回顾性分析，样本量较小（109例），且仅基于单中心数据，可能存在选择偏倚	评估EAT作为COVID-19患者肺炎程度和不良结局预测因子的临床价值	实验室确诊的COVID-19患者	数字病理学	COVID-19	胸部CT成像，深度学习软件分析	深度学习模型	医学影像（CT图像）	109例连续患者	NA	NA	回归系数（β），比值比（OR），相关性系数（r），p值	NA
2509	2026-03-06	Machine learning in cardiovascular magnetic resonance: basic concepts and applications 2019-10-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-019-0575-y PMID:31590664	综述	本文综述了机器学习（尤其是深度学习）在心血管磁共振（CMR）中的应用，涵盖图像采集、重建、分析、诊断评估及预后信息推导等领域	系统性地总结了ML在CMR中的最新进展，特别是在自动化心室量化、图像采集效率提升及多中心数据应用方面的创新	ML算法可能存在不可预测的失败风险，且应用需谨慎扩展至特定患者群体；缺乏多中心对照试验验证	探讨ML如何辅助临床医生和工程师提升CMR的成像效率、质量、分析及患者评估	心血管磁共振（CMR）图像及相关临床数据	机器学习	心血管疾病	心血管磁共振（CMR）	深度学习	图像	NA	NA	NA	NA	NA
2510	2026-03-06	Unsupervised Deep Learning for Bayesian Brain MRI Segmentation 2019-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-32248-9_40 PMID:32432231	研究论文	本文提出了一种结合概率图谱先验与深度学习的无监督方法，用于脑部MRI分割，无需手动标注数据	将传统概率图谱分割与深度学习结合，实现无需手动标注图像即可训练新MRI对比度下的分割模型	NA	开发一种无需手动标注的深度学习脑部MRI分割模型，适用于不同MRI对比度	脑部MRI扫描	医学图像分析	NA	MRI	深度学习模型	图像	数千个脑部MRI扫描	NA	NA	准确性	GPU
2511	2026-03-06	A Deep Unsupervised Learning Approach Toward MTBI Identification Using Diffusion MRI 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512556 PMID:30440621	研究论文	本文提出了一种基于深度无监督学习的方法，利用扩散MRI数据在创伤后一个月内识别轻度创伤性脑损伤	采用词袋表示法结合卷积自编码器，从扩散MRI图像中学习补丁级特征，以无监督方式提升损伤检测性能	训练数据有限，未提及外部验证或临床应用的详细评估	通过深度学习技术检测轻度创伤性脑损伤，提供更准确的损伤测量方法	轻度创伤性脑损伤患者的扩散MRI图像	计算机视觉	脑损伤	扩散MRI	卷积自编码器	图像	NA	NA	卷积自编码器	NA	NA
2512	2026-03-05	Development and Validation of an Automated Pipeline for the Detection of Monteggia Fracture Dislocations in Pediatric Radiographs 2026-Apr-01, Journal of pediatric orthopedics DOI:10.1097/BPO.0000000000003196 PMID:41395634	研究论文	本研究开发并验证了一种用于自动检测儿童X光片中Monteggia骨折脱位的深度学习流程	首次提出结合分割网络（U-Net++）测量桡骨头脱位与二分类器检测尺骨骨折的自动化流程，用于儿童Monteggia骨折的检测	研究样本量有限（桡骨分割训练320张，尺骨骨折检测训练157张），且为回顾性研究（证据等级III级），未在临床环境中进行前瞻性验证	开发一种自动化工具以提高儿童Monteggia骨折脱位在初始X光评估中的检出率	儿童肘部前后位（AP）和侧位X光片	计算机视觉	骨科损伤	X光成像	深度学习	图像	桡骨分割训练使用320张儿童肘部X光片（AP和侧位），尺骨骨折检测训练使用157对配对AP和侧位X光片	未明确提及	U-Net++	Dice分数, IoU, 灵敏度, 特异性, 准确率, AUC	NA
2513	2026-03-05	Enhanced PPG-based stress recognition: a transfer learning approach to internal vs. external stress 2026-Mar-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae241c PMID:41289696	研究论文	本研究通过建立内部与外部压力数据集，并引入基于迁移学习的跨范式压力识别模型，旨在提升基于PPG信号的自动化压力识别能力	提出了一个结合领域对抗神经网络和最大均值差异的迁移学习模型，用于从PPG信号中提取鲁棒特征，以区分内部和外部压力	未明确说明模型在更广泛人群或真实世界场景中的泛化能力	开发基于PPG信号的自动化压力识别方法，以区分内部和外部压力类型	107名参与者在四种不同压力诱导范式下采集的PPG信号	机器学习	NA	光电容积脉搏波描记法	领域对抗神经网络	PPG信号	107名参与者	NA	领域对抗神经网络	准确率	NA
2514	2026-03-05	Supervised Machine Learning and Graph Neural Networks to Predict Collision Cross-Section Values of Aquatic Dissolved Organic Compounds 2026-Mar-04, Journal of the American Society for Mass Spectrometry IF:3.1Q1 DOI:10.1021/jasms.5c00276 PMID:41505766	研究论文	本研究结合监督机器学习和深度学习，预测水环境中溶解有机化合物的碰撞截面值，以提升复杂环境混合物中分子结构的识别能力	首次整合多种监督机器学习模型与图神经网络，针对多种溶解有机分子类别预测CCS值，并利用北极海洋的高分辨率质谱数据进行验证	模型性能因分子类别和数据集特性而异，未详细讨论模型在极端环境条件下的泛化能力	开发一个数据驱动的框架，用于准确预测溶解有机化合物的碰撞截面值，以增强环境样品中的分子分类和污染物检测	水环境中的溶解有机分子，包括碳水化合物、烃类、木质素、脂质、蛋白质、单宁和未分配分子	机器学习	NA	高分辨率质谱	Gradient Boosted Regression, K-Nearest Neighbors, LASSO, Linear Regression, Partial Least Squares, Random Forest, Support Vector Regression, Voting Regressor, Graph Neural Network	分子指纹和结构描述符	NA	NA	图神经网络	准确度	NA
2515	2026-03-05	Real-time digital prescriptions unlock influenza dynamics: evidence from 21 million transactions 2026-Mar-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02513-9 PMID:41775925	研究论文	本研究通过分析中国最大的按需药品配送平台的2108万张数字处方交易数据，验证了其作为流感动态实时监测和长期预测的有效代理指标	首次大规模验证数字处方交易数据作为流感流行病学实时监测和预测的因果有效代理指标，并构建了一个集成了GNN、Mamba和LSTM的时空深度学习框架，实现了长达96天的流感预测	研究数据来源于单一平台，可能无法完全代表全国所有地区的用药行为；研究主要关注流感，对其他传染病的适用性有待验证	开发一种实时、准确的流感监测和预测方法，以克服传统监测系统的报告延迟问题	中国31个省份的2108万张数字处方交易数据	机器学习	流感	数字处方交易数据分析	GNN, Mamba, LSTM	交易数据	2108万张处方交易，覆盖中国31个省份	NA	GNN, Mamba, LSTM	平均绝对误差	NA
2516	2026-03-05	Performance of deep learning-based segmentation of soft tissue sarcoma by MRI sequence, tumor type and location 2026-Mar-04, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05178-3 PMID:41776099	研究论文	本研究评估了基于深度学习的模型在术前MRI上自动分割软组织肉瘤的性能，重点关注不同MRI序列、解剖位置和组织学亚型对模型准确性的影响	首次系统评估了深度学习模型在软组织肉瘤分割中，针对不同MRI序列、肿瘤解剖位置和组织学亚型的性能差异，并发现单序列T1模型优于多模态融合	研究为回顾性分析，样本量相对有限（299例），且仅包含特定五种组织学亚型，可能无法推广到所有软组织肉瘤类型	评估深度学习模型在软组织肉瘤自动分割中的性能，并分析MRI序列、肿瘤位置和组织学亚型对分割准确性的影响	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肉内黏液瘤	数字病理	软组织肉瘤	MRI成像	深度学习	医学影像	299例患者	nnU-Net	3D nnU-Net	Dice系数, F2分数, 平均对称表面距离, 95百分位Hausdorff距离	NA
2517	2026-03-05	Letter to the Editor: Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2026-Mar-03, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12364-3 PMID:41774130	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2518	2026-03-05	WGB-GLFI: A Novel Graph-Based Global-Local Feature Interaction Framework for Automated Seizure Detection 2026-Mar-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668888 PMID:41774635	研究论文	本文提出了一种新颖的基于图的全局-局部特征交互框架（WGB-GLFI），用于自动癫痫发作检测	通过加权图构建（WGB）模块和全局-局部特征交互（GLFI）模块，统一建模空间连接性和动态模式，全面捕捉癫痫发作期间的动态空间关系，实现无缝的全局-局部特征融合	未明确提及具体局限性	提高癫痫发作检测的准确性和鲁棒性	癫痫患者	机器学习	癫痫	EEG	深度学习	EEG数据	多个数据集（CHB-MIT, Siena Scalp及私有数据集）	未明确提及	WGB-GLFI	准确率	未明确提及
2519	2026-03-05	A Deep Learning Framework for Identifying Essential Proteins Based on Vision Transformer 2026-Mar-03, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669744 PMID:41774661	研究论文	本文提出了一种基于Vision Transformer的深度学习框架EPViT，用于识别必需蛋白质	提出了一种结合蛋白质相互作用网络拓扑特征和无主观因素亚细胞定位特征的新特征矩阵，并首次将Vision Transformer模型应用于必需蛋白质识别任务	仅在酵母数据上进行了实验验证，未在其他生物数据上测试	提高必需蛋白质的识别率	必需蛋白质	机器学习	NA	多组学数据融合	Vision Transformer	蛋白质相互作用网络数据、亚细胞定位数据	NA	NA	Vision Transformer	识别率	NA
2520	2026-03-05	Collaborative Coarse-to-Fine Disease Learning With Discharge Summary Awareness for EHR Event Prediction 2026-Mar-03, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3664408 PMID:41774654	研究论文	提出了一种结合出院摘要感知的协作式粗到细疾病学习框架，用于电子健康记录事件预测	通过构建细粒度动态疾病图、整合ICD-9-CM层次结构信息、结合非结构化出院摘要进行协作学习，解决了动态疾病关系建模、诊断代码本体多视角利用和文本数据融合三大挑战	未明确说明模型在跨机构数据上的泛化能力，也未讨论计算复杂度对实时预测的影响	改进电子健康记录事件预测的准确性和可解释性	电子健康记录中的疾病诊断事件	自然语言处理	NA	深度学习	GRU, 注意力机制	结构化诊断代码, 非结构化文本（出院摘要）	两个真实世界EHR数据集：MIMIC-III和MIMIC-IV	NA	基于GRU和注意力机制的序列模型	NA	NA