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
2641	2026-03-06	Volumetric imaging and computation to explore contractile function in zebrafish hearts 2024-Nov-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.14.623621 PMID:39605398	研究论文	本研究开发了一种结合光场检测和细胞追踪的框架，用于实时捕获斑马鱼心脏的容积数据，以探索收缩功能	开发了一种实时容积成像框架，结合光场检测和深度学习细胞追踪，在细胞分辨率下实现整个心室收缩动力学的评估	NA	探索心脏收缩功能的细胞机制，以促进心血管疾病的筛查和治疗	斑马鱼心脏	计算机视觉	心血管疾病	光场检测，容积成像	深度学习	容积图像	NA	NA	NA	NA	NA
2642	2026-03-06	Deep learning of structural MRI predicts fluid, crystallized, and general intelligence 2024-11-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-78157-0 PMID:39537706	研究论文	本研究探讨了利用T1加权结构磁共振成像（sMRI）通过深度学习模型预测个体流体智力、晶体智力及一般智力的可能性	首次全面应用深度学习模型预测包括晶体智力在内的多种智力类型，并验证了模型解释与顶额整合理论（P-FIT）的一致性	样本量相对有限（850名受试者），且模型复杂度增加并未显著提升预测精度，表明可能存在数据或方法限制	探究脑结构MRI是否能够预测个体的智力水平，特别是流体智力、晶体智力及一般智力	850名6至64岁的健康及自闭症谱系障碍受试者	医学影像分析	自闭症谱系障碍	T1加权结构磁共振成像（sMRI）	CNN	图像	850名受试者（包括健康个体和自闭症谱系障碍患者）	NA	2D CNN, 3D CNN	Pearson相关系数	NA
2643	2026-03-06	Deep learning to predict cardiovascular mortality from aortic disease in heavy smokers 2024-Nov-06, NPJ cardiovascular health DOI:10.1038/s44325-024-00029-3 PMID:41775893	研究论文	本研究开发了一个深度学习框架，用于自动量化胸部主动脉疾病特征，并评估其在预测重度吸烟者心血管疾病死亡率中的预后价值	利用深度学习自动量化主动脉特征（如最大直径、体积和钙化负担），并首次在大型队列中证明这些特征与心血管疾病死亡率独立相关，超越了传统风险因素和冠状动脉钙化的预测能力	研究基于非对比胸部CT数据，可能无法全面评估所有主动脉病变；结果主要适用于重度吸烟人群，泛化性需进一步验证	开发深度学习框架以自动量化主动脉疾病特征，并评估其对心血管疾病死亡率的预测价值	来自国家肺癌筛查试验（NLST）的重度吸烟者参与者	数字病理学	心血管疾病	非对比胸部CT成像	深度学习	医学影像（CT图像）	24,770名参与者	NA	NA	NA	NA
2644	2026-03-06	Space-Confined Amplification for In Situ Imaging of Single Nucleic Acid and Single Pathogen on Biological Samples 2024-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202407055 PMID:39373849	研究论文	本研究开发了一种基于水凝胶的原位空间限制界面扩增技术，用于在生物样品上直接成像单个核酸和单个病原体	提出了无需甲醛固定的水凝胶原位空间限制扩增技术，可在20分钟内实现大规模表面的单核酸/单病原体成像，检测限低至1拷贝/10 cm	未明确说明技术对复杂临床样本的适用性及长期稳定性验证	开发无需DNA提取的快速原位成像技术，用于病原体检测和生物样品分析	植物叶片和食品表面的病原体	生物传感与成像	植物病害与食源性疾病	水凝胶空间限制扩增技术	深度学习模型	显微图像	未明确说明具体样本数量	NA	NA	检测限（1拷贝/10 cm），成像时间（20分钟）	NA
2645	2026-03-06	Exploring Protein Conformational Changes Using a Large-Scale Biophysical Sampling Augmented Deep Learning Strategy 2024-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400884 PMID:39387316	研究论文	本文提出了一种结合大规模生物物理采样与深度学习的策略，用于探索蛋白质构象变化	通过结合分子动力学模拟与增强采样方法，构建了大规模蛋白质构象变化数据库，并开发了能预测蛋白质过渡路径的通用深度学习模型	未明确提及模型在更复杂或多状态构象变化中的泛化能力，或对计算资源的具体需求	开发能预测蛋白质构象变化的深度学习模型，以揭示蛋白质动态行为的本质	2635个具有两个已知稳定状态的蛋白质	机器学习	NA	分子动力学模拟，增强采样方法	深度学习模型	结构信息（蛋白质构象数据）	2635个蛋白质	NA	NA	与实验数据的一致性	NA
2646	2026-03-06	External Validation of a Digital Pathology-based Multimodal Artificial Intelligence Architecture in the NRG/RTOG 9902 Phase 3 Trial 2024-Oct, European urology oncology IF:8.3Q1 DOI:10.1016/j.euo.2024.01.004 PMID:38302323	研究论文	本研究在NRG/RTOG 9902三期试验中，对基于数字病理学的多模态人工智能模型进行了外部验证，以评估其在局部高危前列腺癌患者中的预后能力	首次在随机对照试验队列中外部验证了结合数字组织病理学和临床特征的多模态人工智能模型，用于预测高危前列腺癌的远处转移和癌症特异性死亡率	样本量相对有限（318例），且部分患者因图像质量差被排除（5.6%），可能影响模型的泛化性	验证多模态人工智能模型在局部高危或局部晚期前列腺癌患者中的预后预测能力	局部高危前列腺癌患者	数字病理学	前列腺癌	数字组织病理学	多模态人工智能模型	图像, 临床数据	318例局部高危前列腺癌患者（来自NRG/RTOG 9902试验，原始397例中有337例有可用切片，其中19例因图像质量差被排除）	NA	NA	亚分布风险比, 置信区间, p值, 5年和10年远处转移率	NA
2647	2026-03-06	Automated magnetic resonance imaging-based grading of the lumbar intervertebral disc and facet joints 2024-Sep, JOR spine IF:3.4Q1 DOI:10.1002/jsp2.1353 PMID:39011368	研究论文	本研究开发了一种基于卷积神经网络的自动化技术，用于对腰椎间盘和关节突关节进行磁共振成像分级，旨在提高Pfirrmann和Fujiwara分级系统的可靠性	首次利用公开可用的腰椎MRI数据集，训练CNN模型自动执行Pfirrmann（椎间盘退变）和Fujiwara（关节突关节退变）分级，以增强评分者间的一致性	CNN在Fujiwara分级中表现出较大的误差，反映了该评分系统的高变异性，需要改进成像和评分技术	开发自动化技术以客观、可靠地对腰椎间盘和关节突关节的健康状况进行MRI分级	腰椎间盘和关节突关节	数字病理学	退行性脊柱疾病	磁共振成像	CNN	图像	来自公开访问的Lumbar Spine MRI数据集的临床MRI图像	NA	NA	一致性百分比, Pearson相关系数, Fleiss kappa值	NA
2648	2026-03-06	Structure-based prediction of protein-nucleic acid binding using graph neural networks 2024-Jun, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-024-01201-w PMID:39345796	研究论文	本文开发了一种名为PNAbind的深度学习方法，利用图神经网络预测蛋白质与核酸的结合，基于未结合蛋白质结构预测整体结合功能及单个结合残基位置	首次使用图神经网络编码蛋白质结构的物理化学和几何特性空间分布，以预测蛋白质-核酸结合，并能区分DNA或RNA结合特异性	方法依赖于未结合蛋白质结构模型，且结构模型相对于未结合蛋白质模型较为稀缺，可能影响预测的普遍适用性	预测蛋白质-核酸结合，以理解基因组转录、翻译、调控和三维组织中的关键作用	蛋白质结构与核酸（DNA/RNA）的结合	机器学习	NA	图神经网络，深度学习	图神经网络	蛋白质结构数据	NA	NA	图神经网络	AUROC	NA
2649	2026-03-06	Learning peptide properties with positive examples only 2024-May-15, Digital discovery IF:6.2Q1 DOI:10.1039/d3dd00218g PMID:38756224	研究论文	本文提出了一种仅使用阳性样本的深度学习方法来预测肽的性质	采用阳性-未标记学习策略，仅利用有限的已知阳性样本，克服了传统监督学习需要正负样本的局限	未明确说明模型在更广泛肽序列或性质上的泛化能力，且依赖已知阳性样本的质量和数量	开发仅需阳性样本的肽性质预测模型，解决负样本数据稀缺问题	肽序列及其性质（溶解度、溶血性、SHP-2结合能力、非污损活性）	机器学习	NA	阳性-未标记学习	深度学习模型	序列数据	NA	NA	NA	NA	NA
2650	2026-03-06	Overcoming Limitations to Deep Learning in Domesticated Animals with TrioTrain 2024-Apr-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.15.589602 PMID:38659907	研究论文	本研究提出了一种名为TrioTrain的新方法，用于扩展DeepVariant模型，以克服深度学习在驯养动物基因组变异检测中的局限性	首次开发了多物种DeepVariant模型，通过TrioTrain方法自动化扩展模型至缺乏GIAB资源的物种，并利用区域重排技术优化SLURM集群计算	受限于动物基因组的不完美真实标签	评估人类基因组训练的模型在其他物种中的局限性，并开发适用于多物种的稳健变异检测模型	牛、牦牛和野牛的基因组数据	生物信息学	NA	基因组测序，变异检测	深度学习模型	基因组序列数据	牛、牦牛和野牛的三联体数据，共进行了30个模型迭代	DeepVariant	DeepVariant	孟德尔遗传错误率，SNP F1分数	基于SLURM的集群
2651	2026-03-06	Prediction of multiclass surgical outcomes in glaucoma using multimodal deep learning based on free-text operative notes and structured EHR data 2024-01-18, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocad213 PMID:37964658	研究论文	本研究开发了一种基于多模态深度学习的模型，用于预测青光眼手术的多类别结果，结合了自由文本手术记录和结构化电子健康记录数据	首次将术中信息（自由文本手术记录）纳入多模态深度学习模型，用于青光眼手术的多类别结果预测，而非传统的二元分类	未明确提及模型在外部验证或不同医疗机构的泛化能力，可能受限于数据质量和样本多样性	预测青光眼手术的多类别结果，以改善术后管理和临床决策	青光眼患者的手术数据，包括结构化电子健康记录和自由文本手术记录	自然语言处理, 机器学习	青光眼	深度学习, 多模态学习	神经网络	文本, 结构化数据	NA	NA	NA	宏平均AUROC, F1分数, 召回率, 精确率	NA
2652	2026-03-06	Automated intracranial vessel segmentation of 4D flow MRI data in patients with atherosclerotic stenosis using a convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1385424 PMID:38895589	研究论文	本研究开发了一种基于3D U-Net卷积神经网络的自动化颅内血管分割方法，用于处理颅内动脉粥样硬化狭窄患者的4D血流MRI数据	首次将深度学习应用于颅内狭窄血管的自动化分割，提高了分割的可重复性和鲁棒性，并显著加速了数据分析过程	未来需要纳入更多颅内动脉粥样硬化疾病（ICAD）的分割数据以及其他颅内血管病理学数据，以进一步提升模型的性能和泛化能力	开发一种准确、全自动的分割方法，用于颅内狭窄血管的4D血流MRI数据分析，以提高定量评估的效率和一致性	颅内动脉粥样硬化狭窄患者（68例）和健康对照者（86例）的4D血流MRI扫描数据	数字病理学	心血管疾病	4D血流MRI, 双速度编码（dual-VENC）	CNN	图像	154例4D血流MRI扫描（68例患者，86例健康对照）	NA	3D U-Net	Dice分数, Hausdorff距离, 平均对称表面距离, Bland-Altman分析, 组内相关系数	NA
2653	2026-03-06	Deep learning-based dose prediction to improve the plan quality of volumetric modulated arc therapy for gynecologic cancers 2023-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.16735 PMID:37706560	研究论文	本文开发了一种基于深度学习的模型，用于预测妇科癌症患者容积旋转调强放疗（VMAT）计划的高质量三维剂量分布，并评估其在提升计划质量方面的实用性	首次将3D密集扩张U-Net模型应用于妇科癌症VMAT计划的剂量预测，并利用预测结果指导临床计划的再优化，以识别和改善可优化的计划	研究样本量较小（仅79个VMAT计划），且仅针对女性盆腔区域，模型在其他癌症类型或解剖部位的泛化能力尚未验证	开发深度学习模型以预测高质量剂量分布，并评估其驱动VMAT计划质量改进的实用性	妇科癌症患者的容积旋转调强放疗（VMAT）计划	数字病理	妇科癌症	容积旋转调强放疗（VMAT）	CNN	CT扫描图像、剂量处方、靶区和正常组织轮廓	79个VMAT计划（训练集47个，验证集16个，测试集16个）	NA	3D密集扩张U-Net	体素级剂量差异均值、靶区剂量指标D1%和D98%的百分比差异、危及器官平均和最大剂量差异、临床可接受性评分（5点量表）	NA
2654	2026-03-06	Contour subregion error detection methodology using deep learning auto-segmentation 2023-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.16768 PMID:37793103	研究论文	本文提出了一种基于深度学习自动分割的轮廓子区域错误检测方法，用于放射治疗中手动器官勾画的质量保证	开发了一种新颖的轮廓子区域错误检测系统，利用手动与深度学习自动分割轮廓之间的子区域表面距离差异，实现定性和定量检测与可视化	研究基于头颈公共数据集，可能在其他解剖区域或数据集上需要进一步验证	开发并验证一个能有效检测和可视化子区域轮廓错误的轮廓质量保证系统	头颈放射治疗中的器官轮廓，包括脑干和左右腮腺	数字病理	头颈癌	深度学习自动分割	深度学习模型	医学图像轮廓数据	339例头颈公共数据集病例，以及60例临床训练数据集病例	NA	NA	真阳性率, 假阳性率, 准确率	NA
2655	2026-03-06	Artifact Correction in Retinal Nerve Fiber Layer Thickness Maps Using Deep Learning and Its Clinical Utility in Glaucoma 2023-11-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.11.12 PMID:37934137	研究论文	本研究利用深度学习技术校正青光眼患者视网膜神经纤维层厚度图中的伪影，并评估其临床效用	首次提出使用深度学习模型校正RNFLT图中的伪影，并通过伪影叠加方法生成训练数据，改善了结构-功能关系及疾病进展预测的准确性	研究依赖于特定伪影定义（RNFLT < 50 µm），且仅评估了特定时间窗口内的数据，可能未涵盖所有临床场景	校正视网膜神经纤维层厚度图中的伪影以提升青光眼临床预测的准确性	青光眼患者的视网膜神经纤维层厚度图及视野测量数据	数字病理学	青光眼	光学相干断层扫描	深度学习	图像	24,257名患者（短期数据）和3,233名患者（长期序列数据），共使用27,319张高质量RNFLT图和21,722张低质量RNFLT图	NA	NA	平均绝对误差, 皮尔逊相关系数, R2, AUC	NA
2656	2026-03-06	Machine and deep learning in inflammatory bowel disease 2023-07-01, Current opinion in gastroenterology IF:2.6Q2 DOI:10.1097/MOG.0000000000000945 PMID:37144491	综述	本文综述了机器学习和深度学习在炎症性肠病（IBD）评估与管理中的最新应用与进展	强调了人工智能技术（特别是机器学习和深度学习）作为IBD治疗领域的一个分水岭时刻，并指出这些方法为改善IBD患者临床结局提供了有前景的路径	NA	探讨机器学习和深度学习如何革新IBD的治疗方式，并改善临床结局	炎症性肠病（IBD）	机器学习, 深度学习	炎症性肠病	NA	机器学习, 深度学习	来自多种诊断模式的数据	NA	NA	NA	高准确度	NA
2657	2026-03-06	Incremental retraining, clinical implementation, and acceptance rate of deep learning auto-segmentation for male pelvis in a multiuser environment 2023-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.16537 PMID:37287322	研究论文	本研究评估并实施了具有增量再训练功能的商业深度学习自动分割软件，用于多用户环境中前列腺癌患者的确定性治疗	利用商业深度学习自动分割软件的增量再训练功能，通过机构数据训练定制模型以应对临床实践变异性，并在多用户环境中验证其临床采纳效果	研究样本量有限（215例患者），且定制模型在特定失败模式（如膀胱造影、髋关节假体等）下表现不佳，共识不可接受率（8.7%）仍高于人工轮廓（3.5%）	评估并实施具有增量再训练功能的商业深度学习自动分割软件，以提升前列腺癌患者靶器官和危及器官自动勾画的临床实用性和准确性	215例前列腺癌患者的CT图像，包括靶器官（前列腺）和危及器官（如精囊、直肠等）	数字病理	前列腺癌	CT成像	深度学习模型	医学影像（CT图像）	215例前列腺癌患者（其中20例用于验证商业模型，100例用于训练定制模型，115例用于评估）	NA	NA	Dice相似系数, Hausdorff距离, 平均表面距离, 表面Dice相似系数	NA
2658	2026-03-06	Automated player identification and indexing using two-stage deep learning network 2023-Jun-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-36657-5 PMID:37339988	研究论文	本文提出了一种基于深度学习的球员追踪系统，用于自动追踪美式足球比赛中的球员并索引每场比赛的参与情况	采用两阶段网络设计，结合检测变换器和卷积神经网络，在拥挤场景中高精度识别球员和球衣号码	未明确提及具体局限性，可能包括数据不平衡或复杂环境下的识别挑战	开发自动化球员识别与索引系统，以提升美式足球比赛视频分析效率	美式足球比赛视频中的球员及其球衣号码	计算机视觉	NA	深度学习	检测变换器, 卷积神经网络	视频	未明确提及具体样本数量，仅提到足球视频数据	未明确提及具体框架，可能基于常见深度学习框架如TensorFlow或PyTorch	检测变换器, 卷积神经网络	定性结果, 定量结果	未明确提及具体计算资源
2659	2026-03-06	Classifying Malignancy in Prostate Glandular Structures from Biopsy Scans with Deep Learning 2023-Apr-17, Cancers IF:4.5Q1 DOI:10.3390/cancers15082335 PMID:37190264	研究论文	本研究开发了一个深度学习模型，用于从活检扫描中分类前列腺腺体结构的恶性程度，并验证其在独立数据集上的性能	采用迁移学习和微调方法，将预训练于ImageNet的深度学习网络适配于小样本组织病理学图像分类，以区分前列腺癌的Gleason模式	样本量相对较小（基线测试52例患者，GS3与GS4区分40例患者），且模型在区分GS3与GS4时的准确率较低（68%）	通过深度学习自动分类前列腺癌活检扫描中的腺体结构恶性程度，减少对专家经验的依赖	前列腺活检组织病理学图像中的腺体结构	数字病理学	前列腺癌	组织病理学成像	深度学习神经网络	图像	14,509个图像块，来自52例患者（基线测试）和40例患者（GS3/GS4区分）	NA	多种深度学习网络架构（具体未指定）	准确率, F1分数, AUC	NA
2660	2026-03-06	Increasing angular sampling through deep learning for stationary cardiac SPECT image reconstruction 2023-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1007/s12350-022-02972-z PMID:35508796	研究论文	本研究通过增加投影角度采样和深度学习方法来提高GE Discovery NM 530c/570c心脏SPECT扫描仪的图像重建质量	提出了一种深度学习网络，能从单角度19个投影生成合成四角度76个投影的图像，从而在静态成像中提高重建质量	NA	提高心脏SPECT扫描仪在静态成像中的图像重建质量	模拟数据、猪、物理体模和人类研究数据	数字病理学	心血管疾病	SPECT成像	深度神经网络	图像	NA	NA	NA	图像分辨率、均匀性、缺陷量化准确性、定量值	NA