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
2541	2026-09-06	Field pea leaf disease classification using a deep learning approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307747 PMID:39052602	研究论文	本研究采用深度学习的迁移学习方法，自动分类田间豌豆叶部疾病，如白粉病、叶斑病和亚麻疫病。	提出了一种基于迁移学习和软最大化分类器的自动诊断方法，用于田间豌豆叶部疾病，显著提高了检测的准确性和效率，降低了成本和人工需求。	未提及研究的局限性，如数据集多样性、模型泛化能力或与其他方法的比较。	开发一种快速、自动、低成本且准确的田间豌豆叶部疾病检测方法，以克服传统视觉观察方法的缺点。	田间豌豆叶部图像，包括健康叶和三种疾病叶（亚麻疫病、叶斑病、白粉病）。	计算机视觉	植物疾病	NA	迁移学习，基于预训练的卷积神经网络（如DenseNet121）	图像	1600张健康和患病叶的图像	NA	DenseNet121	训练准确率、验证准确率、测试准确率	NA
2542	2026-09-06	Data modeling analysis of GFRP tubular filled concrete column based on small sample deep meta learning method 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305038 PMID:38985781	研究论文	本文提出了一种基于小样本深度元学习的数据建模分析方法，用于优化玻璃纤维增强塑料（GFRP）包裹混凝土短柱的性能。	将元学习中的优化型数据增强与传统回归模型相结合，提出深度神经网络方法，解决了工程数据分析中的小样本回归问题。	未提及具体局限性。	解决小样本回归问题，优化GFRP包裹混凝土柱的设计和性能分析。	GFRP管状填充混凝土柱，包括GFRP材料和混凝土短柱。	机器学习	NA	NA	深度元学习网络	数值数据（小样本工程数据）	小样本数据（未提及具体数量）	NA	深度神经网络	与SVR、GPR、RBFNN进行性能对比	NA
2543	2026-09-06	Using multi-label ensemble CNN classifiers to mitigate labelling inconsistencies in patch-level Gleason grading 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304847 PMID:38968206	研究论文	本研究提出了一种多标签集成深度学习分类器，以缓解前列腺组织病理学图像中补丁级别Gleason评分中的标签不一致问题，从而提高评分准确性	利用三种不同的单对全部深度学习模型的集成方法，从组织病理学图像中学习多样特征，以多标签方式指示每个补丁中是否存在一个或多个Gleason等级，从而有效缓解标签不一致问题	研究仅基于SICAPv2数据集，且依赖单一CNN架构，可能影响泛化能力	提高补丁级别Gleason评分的准确性，解决标签不一致问题，从而改进前列腺癌的诊断和预后	前列腺组织病理学图像中的补丁及其对应的Gleason等级	计算机视觉	前列腺癌	NA	CNN（集成模型）	图像	SICAPv2前列腺数据集	NA	ResNet18（变体）	准确率、F1分数	NA
2544	2026-09-06	A confounder controlled machine learning approach: Group analysis and classification of schizophrenia and Alzheimer's disease using resting-state functional network connectivity 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293053 PMID:38768123	研究论文	本研究采用混杂因素控制的机器学习方法，基于静息态功能网络连接对阿尔茨海默病和精神分裂症进行分组分析与分类	直接比较不同研究收集的AD和SZ患者，并通过控制年龄和扫描协议等混杂因素来识别两种疾病之间的共享和独特生物标志物	摘要未提供明确局限性信息	比较和对比AD与SZ患者的静息态功能网络连接异常，并利用机器学习与深度学习模型进行诊断分类	阿尔茨海默病及晚期轻度认知障碍患者、精神分裂症患者和认知正常受试者	机器学习	阿尔茨海默病, 精神分裂症	NA	支持向量机, 逻辑回归, 随机森林, K近邻, 全连接神经网络	图像数据	162例AD/LMCI患者，181例精神分裂症患者，315例认知正常受试者	NA	NA	准确率	NA
2545	2026-09-06	Boosted Harris Hawks Shuffled Shepherd Optimization Augmented Deep Learning based motor imagery classification for brain computer interface 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313261 PMID:39570847	研究论文	本文提出了一种基于增强型Harris Hawks洗牌牧羊人优化和深度学习的运动想象分类方法，用于脑机接口系统。	引入改进的Harris Hawks和Shuffled Shepherd Optimization算法进行超参数调优，增强DenseNet特征提取，并结合卷积自编码器实现高效分类。	标题和摘要中未明确提及限制条件，可能包括仅依赖基准数据集，未进行临床验证。	提高脑机接口中运动想象分类的准确性，以帮助运动障碍患者控制外部设备。	脑电信号中的运动想象分类任务。	机器学习和深度学习	运动障碍疾病	脑电图（EEG）	卷积神经网络（CNN）和卷积自编码器（CAE）	信号数据	使用BCIC-III和BCIC-IV数据集，但具体样本量未指定	NA	DenseNet, 卷积自编码器	准确率	NA
2546	2026-09-06	GeoSynth: A Photorealistic Synthetic Indoor Dataset for Scene Understanding 2023-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3247087 PMID:37027722	研究论文	介绍GeoSynth，一个用于室内场景理解任务的多样化照片级合成数据集，包含丰富的标签，并可补充真实训练数据以提升网络性能	提出并公开了GeoSynth数据集，具有高度的照片级真实感和丰富的标签（如分割、几何、相机参数、表面材料、光照等），并验证了其作为真实数据补充的有效性	未在摘要中明确说明局限性	解决大型标注数据集创建成本高、耗时且不完美的问题，为室内场景理解任务提供高质量合成数据	室内场景理解任务，如语义分割	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
2547	2026-09-06	Artificial Intelligence-Enabled Software Prototype to Inform Opioid Pharmacovigilance From Electronic Health Records: Development and Usability Study 2023 Jan-Dec, JMIR AI DOI:10.2196/45000 PMID:37771410	研究论文	开发了一种基于人工智能的软件原型，用于从电子健康记录中提取阿片类药物相关不良事件信号，以增强药物警戒。	创新性地将基于规则的关键词搜索与深度学习方法相结合，并采用预训练的NLP模型进行命名实体识别，以从自由文本出院小结中自动提取候选不良事件。	模型性能有限（F1分数为0.67），且用户反馈仅来自15名FDA工作人员，可能不具有广泛代表性。	旨在开发一种AI软件原型，从电子健康记录的自由文本中识别阿片类药物相关不良事件信号，以支持FDA的药物安全研究和监管审查。	电子健康记录中的自由文本出院小结，特别是与阿片类药物相关的不良事件信息。	自然语言处理	阿片类药物不良反应	自然语言处理（NLP）	深度学习模型（包括预训练NLP模型），具体基于规则算法与深度学习结合	文本数据	使用了MIMIC III数据库中的出院小结，具体样本量未在摘要中说明；15名FDA工作人员提供了反馈。	MedSpacy, Spark NLP	NA	准确率, 召回率, 精确率, F1分数	NA
2548	2026-09-06	Self-Supervised Electroencephalogram Representation Learning for Automatic Sleep Staging: Model Development and Evaluation Study 2023 Jan-Dec, JMIR AI DOI:10.2196/46769 PMID:38090533	研究论文	提出了一种自监督模型ContraWR用于脑电信号表示学习，以实现自动睡眠分期，并在三个真实数据集上进行了评估	使用全局统计数据（即平均表示）而非负样本集来区分不同睡眠阶段相关的信号	未明确指出，但未来方向包括探索任务特定的数据增强和结合自监督与监督方法	学习鲁棒的脑电信号向量表示，以提高睡眠分期任务中的预测性能，尤其在标签少和噪声样本情况下	脑电信号（EEG）	机器学习	睡眠障碍	EEG记录	自监督学习模型（ContraWR）	脑电信号	3个大型EEG数据集	NA	对比学习架构（ContraWR）	准确率	NA
2549	2026-09-06	Application of Artificial Intelligence to the Monitoring of Medication Adherence for Tuberculosis Treatment in Africa: Algorithm Development and Validation 2023 Jan-Dec, JMIR AI DOI:10.2196/40167 PMID:38464947	研究论文	本文开发并验证了基于深度学习的人工智能算法，用于自动分类和确认结核病治疗中的药物 adherence，以提高非洲视频监测的效率	首次针对非洲临床环境中的药物 adherence 监测，利用深度学习算法基于视频图像进行二元分类，并展示了在资源有限环境中的应用潜力	由于缺乏公开数据集，未进行外部验证；负样本较少（92个），可能影响模型的泛化能力	开发并内部验证一种深度学习模型，用于自动分类药物 adherence（遵循/不遵循），提高视频监测效率	成人结核病患者药物摄入的861个视频图像	计算机视觉、深度学习	结核病	视频图像处理、深度学习	卷积神经网络（CNN）	视频帧图像	861个视频图像，其中497个高质量视频（405个正样本，92个负样本），每视频160帧	未指定（可能包含TensorFlow或PyTorch等，标题和摘要中未明确）	3D ResNet、其他三种CNN模型	敏感性、特异性、F1分数、精确率、曲线下面积（AUC）、每视频审查速度	未指定（标题和摘要中未提及）
2550	2026-09-06	Automated motion artifact detection in early pediatric diffusion MRI using a convolutional neural network 2023, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00023 PMID:38344118	研究论文	提出一种基于卷积神经网络的自动化运动伪影检测工具，用于早期儿科扩散MRI数据质量控制	首次将深度学习应用于婴幼儿扩散MRI运动伪影检测，并验证了跨数据集泛化能力	训练数据来自单一研究机构，泛化性测试数据集规模有限	开发并验证深度学习模型用于自动检测婴幼儿扩散MRI中的运动伪影，以提高质量控制效率	婴幼儿（1-36个月）的扩散MRI数据	机器学习，医学影像分析	不适用	扩散MRI（dMRI），扩散张量成像（DTI），神经突方向离散度和密度成像（NODDI）	3D卷积神经网络（3DCNN）	影像	121次扫描共2276个dMRI体积（训练集），26次扫描共2349个dMRI体积（测试集）	NA	3DCNN	分类准确率	NA
2551	2026-09-05	Automated 3D segmentation of rotator cuff muscle and fat from longitudinal CT for shoulder arthroplasty evaluation 2026-Jan, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04991-6 PMID:40782188	研究论文	本研究开发并验证了一种基于深度学习的模型，用于在全肩关节置换术患者的纵向CT扫描中自动进行肩袖肌肉和脂肪的三维分割，以量化肌肉体积和脂肪分数。	提出使用DeepLabV3+结合ResNet50作为骨干网络，针对肩袖肌肉在CT影像中的自动三维分割，并应用于纵向随访数据以评估手术结果。	摘要中未提及明确的局限性。	开发和验证用于自动三维分割肩袖肌肉的深度学习模型，以量化肌肉体积和脂肪分数，并应用于全肩关节置换术患者的术前和术后随访评估。	53名接受全肩关节置换术的患者的术前或至少2年随访CT扫描，以及172名患者的队列用于应用模型。	计算机视觉	肩袖疾病（肩关节疾病）	CT成像	深度学习分割模型	CT图像	53名患者用于模型开发和测试，172名患者用于进一步应用	NA	DeepLabV3+，ResNet50	Dice相似系数、平均对称表面距离、95百分位Hausdorff距离、相对绝对体积差	NA
2552	2026-09-05	Enhancing diagnosis of gout with deep learning in dual-energy computed tomography: a retrospective analysis of crystal and artefact differentiation 2025-12-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae523 PMID:39565918	研究论文	本研究评估了深度学习在双能CT扫描中区分痛风石绿色编码与团块状伪影的诊断准确性	首次将深度学习应用于DECT绿色焦点中区分晶体沉积与伪影，并按大小分组进行逐病灶和逐患者分析	未明确提及研究的局限性	评估深度学习在DECT中鉴别绿色编码（指示痛风石）和团块状伪影的高诊断准确性	47例痛风患者和27例无痛风对照者DECT扫描中的绿色焦点ROIs	计算机视觉	痛风	双能计算机断层扫描（DECT）	卷积神经网络（CNN）和支持向量机（SVM）	图像（DECT扫描中的ROIs）	18,704个ROIs，来自74例患者（47例痛风，27例对照）	NA	CNN（未指定具体架构）和SVM	受试者工作特征曲线下面积（AUC）、灵敏度、特异性、阳性预测值、阴性预测值、准确率	NA
2553	2026-09-05	Multiparameter MRI-based automatic segmentation and diagnostic models for the differentiation of intracranial solitary fibrous tumors and meningiomas 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2530223 PMID:40625299	研究论文	本研究利用多参数MRI自动分割和诊断模型，旨在区分颅内孤立性纤维性肿瘤（SFTs）和脑膜瘤。	综合了自动分割与诊断模型，并结合临床和影像学特征构建融合指数相关模型，以及使用二级分类预测概率作为输入特征的四分类模型。	NA	术前精确区分SFTs和脑膜瘤，以辅助手术计划和治疗策略制定。	颅内孤立性纤维性肿瘤和脑膜瘤患者。	医学影像分析	颅内肿瘤	多参数MRI	深度学习分割模型和机器学习分类模型	多参数MRI图像和临床/影像学特征数据	252例患者（SFTs 56例，脑膜瘤196例）	NA	VB-Net	Dice系数（DSC）、曲线下面积（AUC）、加权AUC	NA
2554	2026-09-05	Automatic recognition of adrenal incidentalomas using a two-stage cascade network: a multicenter study 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2540596 PMID:40772430	研究论文	本研究开发并验证了一种两阶段级联网络，用于自动识别非增强CT中的肾上腺偶发瘤，并在多中心数据上进行了评估。	首次采用两阶段级联网络（3D Res-Unet分割与分类器）自动识别肾上腺偶发瘤，并在多中心数据上验证了其性能和泛化能力。	未明确说明局限性。	开发一种基于深度学习的自动识别方法，用于在不同中心非增强CT中检测肾上腺偶发瘤，以提高早期发现和管理肾上腺疾病的能力。	肾上腺偶发瘤患者	医学影像分析	肾上腺偶发瘤	CT成像	深度学习，卷积神经网络	医学影像（CT图像）	共778名患者，其中443名用于模型开发，335名用于测试	NA	3D Res-Unet, 分类器	Dice相似系数（DSC）、AUC、准确性、敏感性、特异性	NA
2555	2026-09-05	Deep learning model for predicting extraprostatic extension of prostate cancer based on H&E-stained biopsy digital images 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2547094 PMID:40841351	研究论文	开发并验证了一种基于前列腺活检H&E切片的深度学习流程，用于预测前列腺癌患者的包膜外扩展（EPE）	首次提出使用卷积神经网络（ConvNeXt）和基于多实例学习的模型，通过活检切片预测EPE，并进行可解释性及与生化复发关联分析	信息不足，未在摘要中明确提及局限性	通过活检切片预测前列腺癌的包膜外扩展，提供术前风险分层方法以辅助个性化治疗	前列腺癌患者及其活检H&E切片	数字病理学	前列腺癌	NA	卷积神经网络（CNN）和基于多实例学习	图像	260例前列腺癌患者的2592张术前活检H&E切片	NA	ConvNeXt	准确率, AUC	NA
2556	2026-09-05	Predicting prognosis of patients with hepatitis B virus-related acute-on-chronic liver failure from longitudinal ultrasound images using a multi-task deep learning approach 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2551819 PMID:40857062	研究论文	本研究开发并验证了一种基于纵向肝脏超声图像的多任务深度学习模型，用于预测乙肝病毒相关急性慢性肝衰竭患者的30天预后	采用孪生U-Net结构同时进行肝脏分割和预后预测，并整合纵向超声图像与临床数据，提高了预测性能	仅基于单一中心回顾性数据，样本量有限，未来需多中心外部验证	开发并验证基于纵向超声图像的多任务深度学习模型，用于HBV-ACLF患者的个体化风险分层和预后预测	乙肝病毒相关急性慢性肝衰竭（HBV-ACLF）患者，包括372名患者（训练队列290名，验证队列82名）	医学影像分析	肝病（乙肝病毒相关急性慢性肝衰竭）	超声成像	Siamese U-Net，Cox回归	纵向肝脏超声图像和临床数据	372名HBV-ACLF患者（训练队列290名，验证队列82名）	NA	Siamese U-Net	Dice系数，C指数，AUC，校准曲线，决策曲线分析	NA
2557	2026-09-05	Commercial Products Using Generative Artificial Intelligence Include Ambient Scribes, Automated Documentation and Scheduling, Revenue Cycle Management, Patient Engagement and Education, and Prior Authorization Platforms 2025-11, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.05.021 PMID:40419172	研究论文	探讨生成式人工智能在临床实践中的商业应用，包括环境 scribe、自动化文档和调度、收入周期管理、患者参与和教育以及预先授权平台	全面概述了生成式人工智能在医疗保健中的新兴商业产品，特别关注环境 scribe 作为领先产品，并讨论了其潜在优势和当前限制	缺乏监管监督、存在偏见、与电子健康记录的互通性不一致、医生和利益相关者因对LLM输出缺乏信心而未采纳	探索生成式人工智能在临床工作流程中的整合及其对医疗效率和管理的影响	环境 scribe、自动化文档和调度平台、收入周期管理工具、患者参与和教育助手以及预先授权平台等商业生成式人工智能产品	自然语言处理	不适用	不适用	大型语言模型（LLM）	文本	不适用	不适用	不适用	不适用	不适用
2558	2026-09-05	Multimodal deep learning for immunotherapy response prediction and biomarker discovery in non-small cell lung cancer 2025-Nov-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf142 PMID:40901703	研究论文	开发了一种名为DeepAFM的多模态深度学习方法，结合组织病理学、基因组特征和临床信息来预测晚期非小细胞肺癌患者对抗PD-(L)1免疫治疗的反应	提出了一种新的多模态集成方法DeepAFM，利用自监督VQVAE2进行组织病理图像表示学习，并通过注意力热图增强模型可解释性	未明确说明	开发一种多模态预测模型，以提高晚期非小细胞肺癌免疫治疗反应预测的准确性，并发现潜在的生物标志物	93例晚期非小细胞肺癌患者	多模态学习, 数字病理学	非小细胞肺癌	组织病理图像处理, 基因组分析	自监督VQVAE2, 多模态深度预测模型	组织病理全切片图像, 基因组特征, 临床信息	93例患者	NA	VQVAE2, DeepAFM	曲线下面积（AUC）	NA
2559	2026-09-05	Deep learning-based cell type profiles reveal signatures of Alzheimer's disease resilience and resistance 2025-Oct-03, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf285 PMID:40794555	研究论文	本文应用基于Transformer的深度学习模型从批量RNA测序数据中恢复细胞类型特异性转录程序，并利用该方法揭示阿尔茨海默病韧性和抵抗性的细胞类型特征。	首次将Transformer深度学习模型应用于从批量RNA测序中恢复细胞类型特异性转录程序，相比以往方法有显著性能提升，并能大规模、低成本地研究复杂表型中的细胞类型特异性转录组。	摘要中未明确提及局限性。	揭示阿尔茨海默病韧性和抵抗性背后的细胞类型特异性机制，并识别潜在治疗靶点。	阿尔茨海默病的认知韧性和大脑抵抗性相关细胞类型，包括星形胶质细胞、兴奋性神经元和少突胶质前体细胞。	深度学习，转录组学	阿尔茨海默病	批量RNA测序	Transformer	批量RNA测序数据	未在摘要中明确说明样本数量。	未在摘要中明确提及使用的框架。	Transformer	性能指标未在摘要中明确说明，但提到显著优于先前方法。	未在摘要中明确说明计算资源。
2560	2026-09-05	Incorporating respiratory signals for machine learning-based multimodal sleep stage classification: a large-scale benchmark study with actigraphy and heart rate variability 2025-09-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf091 PMID:40219765	研究论文	该研究通过大规模基准测试，系统比较了基于体动记录、心率变异性和呼吸率变异性结合的多模态方法在睡眠阶段分类中的性能	首次在大规模研究中引入通过ECG衍生呼吸特征来评估呼吸信息对睡眠阶段分类的贡献，并与传统呼吸带数据进行对比	未明确说明具体局限性，但可能包括对ECG衍生呼吸特征的依赖和数据集的地域或人群限制	系统比较基于体动记录与结合心率变异性和呼吸率变异性的多模态方法在睡眠阶段分类中的性能，评估呼吸信息对分类效果的提升	公共睡眠数据集中的超过1000个睡眠记录	机器学习	睡眠相关疾病	ECG衍生呼吸特征	长短期记忆网络	体动记录数据、心率变异性数据、呼吸率变异性数据	超过1000个睡眠记录	NA	长短期记忆网络	马修斯相关系数	NA