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
2821	2026-03-02	Deep learning uncertainty quantification for clinical text classification 2024-01, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2023.104576 PMID:38101690	研究论文	本文探讨了基于深度神经网络的临床文本分类中不确定性量化方法，旨在通过选择性分类策略自动化提取癌症登记处的病理报告信息，以在保证目标准确率的同时最小化模型拒绝预测的样本数量	引入了多种选择性分类方法，用于在多个分类任务中实现目标准确率并最小化拒绝率，相比现有基于深度学习的弃权分类器，这些方法无需重新训练且计算成本更低	对于分布外测试数据的解释较为复杂，且方法在泛化到其他数据集或任务时可能需进一步验证	开发并评估深度神经网络在临床文本分类中的不确定性量化方法，以提升癌症登记处信息提取的自动化效率和可靠性	美国国家癌症研究所SEER癌症登记处的电子文本病理报告，用于诊断和手术时的疾病信息提取	自然语言处理	癌症	NA	深度神经网络	文本	NA	NA	NA	准确率, 拒绝率	NA
2822	2026-03-02	Machine Learning in Vascular Medicine: Optimizing Clinical Strategies for Peripheral Artery Disease 2024, Current cardiovascular risk reports IF:2.0Q3 DOI:10.1007/s12170-024-00752-7 PMID:39552745	综述	本文综述了机器学习在血管医学中优化外周动脉疾病临床策略的应用	整合电子健康记录、影像数据和蛋白质组学生物标志物，利用机器学习实现自动化筛查、诊断和风险分层，推动精准医疗	蛋白质组学生物标志物的临床应用可能受成本和可及性限制，且模型需在真实世界临床实践中进行验证和前瞻性评估	更新机器学习在外周动脉疾病管理中的应用，以优化临床策略	外周动脉疾病患者	机器学习	心血管疾病	电子健康记录分析、影像数据分析、蛋白质组学生物标志物检测	深度学习算法	电子健康记录、影像数据、生物标志物数据	NA	NA	NA	准确性	NA
2823	2026-03-02	Patient-Specific Heart Geometry Modeling for Solid Biomechanics Using Deep Learning 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3294128 PMID:37432807	研究论文	提出了一种基于深度学习的自动化患者特异性心脏几何体网格生成方法，用于固体生物力学分析	使用最小化表面网格标签实现精确空间精度，并同时优化各向同性和各向异性变形能量以提高体网格质量	未明确说明方法在极端病理形态或不同成像模态下的泛化能力	开发自动化患者特异性心脏体网格生成方法以加速生物力学研究	患者特异性心脏几何体（包括瓣膜薄壁结构）	数字病理学	心血管疾病	深度学习	深度学习变形方法	医学影像扫描数据	NA	NA	DeepCarve（深度心脏体网格）	空间精度，网格元素质量，生成速度（0.13秒/扫描）	NA
2824	2026-03-02	A population-level digital histologic biomarker for enhanced prognosis of invasive breast cancer 2024-01, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-023-02643-7 PMID:38012314	研究论文	本研究提出了一种基于数字组织学的预后生物标志物HiPS，用于增强浸润性乳腺癌的生存预测	HiPS首次通过深度学习全面量化肿瘤微环境中的上皮、基质、免疫及空间交互特征，超越了传统病理学家的定性评估	研究未详细讨论模型在不同种族或医疗资源匮乏地区的泛化能力	开发一种数字组织学生物标志物以改善乳腺癌患者的预后评估	浸润性乳腺癌患者的组织切片图像	数字病理学	乳腺癌	深度学习	深度学习模型	组织病理学图像	基于Cancer Prevention Study-II队列开发，并在三个独立队列（包括PLCO试验、CPS-3和TCGA）中验证	NA	NA	生存预测准确性	NA
2825	2026-03-02	Histopathologic brain age estimation via multiple instance learning 2023-12, Acta neuropathologica IF:9.3Q1 DOI:10.1007/s00401-023-02636-3 PMID:37815677	研究论文	本研究利用多实例学习从组织病理学全切片图像中估计大脑年龄，揭示了年龄加速与临床病理结果的关联	首次基于组织病理学全切片图像开发大脑年龄估计模型，并发现其与年龄相关变化的神经解剖区域对应，且比表观遗传学指标更能关联临床病理结果	研究基于死后海马组织样本，可能无法完全反映活体大脑的年龄变化；样本来源和数量可能限制模型的泛化能力	通过深度学习模型评估大脑年龄加速，以理解正常生理机制及阿尔茨海默病等年龄相关疾病的病理变化	人类死后海马组织切片	数字病理学	阿尔茨海默病	组织病理学全切片成像	多实例学习	图像	NA	NA	NA	平均绝对误差	NA
2826	2026-03-02	Structural and functional connectome relationships in early childhood 2023-12, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2023.101314 PMID:37898019	研究论文	本研究探讨了幼儿期大脑结构与功能连接组之间的关系，并开发了一种基于图卷积神经网络的深度学习模型来预测个体功能连接	首次在幼儿期纵向研究结构与功能连接组的关系，并应用了一种新的图卷积神经网络模型和损失函数以更好地捕捉个体异质性	研究样本主要来自特定年龄段的儿童和成人，可能无法完全代表所有人群，且模型在更广泛数据集上的泛化能力有待验证	探究幼儿期大脑结构与功能连接组之间的发展关系，并开发更准确的预测模型	1至6岁儿童及成人参与者	机器学习	NA	NA	图卷积神经网络	大脑连接组数据	360名儿童（纵向扫描于1、2、4、6岁）和89名成人	NA	图卷积神经网络	NA	NA
2827	2026-03-02	Personal transcriptome variation is poorly explained by current genomic deep learning models 2023-12, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-023-01574-w PMID:38036790	研究论文	本文评估了四种先进的基因组深度学习模型在解释个体间基因表达变异方面的表现，发现它们在预测顺式调控遗传变异对表达的影响方面存在局限性	首次系统评估了基因组深度学习模型在解释个体间转录组变异方面的能力，揭示了模型在预测顺式调控遗传变异效应方向上的不足	模型在解释个体间表达变异方面性能有限，且常无法正确预测顺式调控遗传变异对表达的影响方向	评估基因组深度学习模型在解释个体间基因表达变异方面的能力	配对个人基因组和转录组数据	机器学习	NA	基因组深度学习	深度学习模型	DNA序列、基因表达数据	NA	NA	NA	NA	NA
2828	2026-03-02	Artificial intelligence for natural product drug discovery 2023-11, Nature reviews. Drug discovery DOI:10.1038/s41573-023-00774-7 PMID:37697042	综述	本文探讨了人工智能与计算组学技术在天然产物药物发现中的协同作用，旨在有效识别潜在药物候选分子	结合计算组学技术与人工智能方法，如机器学习，以挖掘天然产物的隐藏多样性并促进药物设计	需要高质量数据集来训练深度学习算法，并需制定适当的算法验证策略	探索人工智能与计算组学技术在天然产物药物发现中的协同应用，以识别药物候选分子	天然产物分子及其在药物发现中的应用	机器学习	NA	计算组学技术	深度学习	分子数据	NA	NA	NA	NA	NA
2829	2026-03-02	Optimizing Deep Learning-Based Segmentation of Densely Packed Cells using Cell Surface Markers 2023-Sep-26, Research square DOI:10.21203/rs.3.rs-3307496/v1 PMID:37841876	研究论文	本文评估并优化了深度学习模型在密集细胞分割任务中的性能，特别是在人类疱疹病毒感染皮肤组织的免疫荧光图像上	系统评估了18种深度学习细胞分割模型，并通过进一步训练和参数调优显著提升了模型性能，最终模型性能优于人工表现	最终模型性能仍不完美，主要归因于图像数据集的中等信噪比	优化基于深度学习的密集细胞分割方法，以提高空间分子谱分析中细胞识别的准确性	人类疱疹病毒感染皮肤组织中的免疫细胞	数字病理学	疱疹病毒感染	免疫荧光染色	深度学习	图像	超过10,000个训练实例	NA	Cellpose	平均精度均值	NA
2830	2026-03-02	Automated Identification of Heart Failure with Reduced Ejection Fraction using Deep Learning-based Natural Language Processing 2023-Sep-11, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.10.23295315 PMID:37745445	研究论文	本研究开发了一种基于深度学习的自然语言处理模型，用于从出院小结中自动识别射血分数降低的心力衰竭患者	采用半监督学习框架，构建了首个能够从临床文本中高精度识别HFrEF的深度学习语言模型，并进行了多中心外部验证	模型主要基于单中心数据开发，外部验证数据集中部分样本量较小，且依赖于超声心动图报告的左心室射血分数作为金标准	开发自动化工具以评估和改进射血分数降低的心力衰竭患者的指南导向治疗质量	心力衰竭患者的出院小结文本数据	自然语言处理	心血管疾病	深度学习自然语言处理	深度学习语言模型	文本	13,251份出院小结（来自5,392名患者），外部验证包括19,242份（西北医学）、139份（耶鲁社区医院）和146份（MIMIC-III）	NA	深度学习语言模型	AUROC, AUPRC, NRI	NA
2831	2026-03-02	Learning Spectral Fractional Anisotropy and Mean Diffusivity Features as Neuroimaging Biomarkers for Tracking White Matter Integrity Changes in Myotonic Dystrophy Type 1 Patients using Deep Convolutional Neural Networks 2023-07, 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/EMBC40787.2023.10340468 PMID:38083393	研究论文	本研究提出了一种基于谱图的深度学习方法，用于表征1型强直性肌营养不良症（DM1）患者的白质网络改变，旨在开发作为神经影像生物标志物的深度学习模型	提出了一种新颖的基于谱图的深度学习方法，用于从分数各向异性和平均扩散率数据中学习特征，作为追踪DM1患者白质完整性变化的神经影像生物标志物，相比先前方法在识别DM1方面取得了显著提升（91%准确率）	样本量相对有限（46名DM1患者和96名对照），且仅评估了25个主要白质束，可能未涵盖所有相关的白质变化	深入了解DM1对中枢神经系统的影响，并开发可作为疾病生物标志物的深度学习模型，未来有望用于临床试验作为结果测量指标	1型强直性肌营养不良症（DM1）患者和未受影响对照组的白质微结构变化	医学影像分析	神经肌肉疾病	扩散张量成像	CNN	图像	46名DM1患者和96名对照，共7100张谱图图像	NA	深度卷积神经网络	准确率	NA
2832	2026-03-02	Acquisition of a Lexicon for Family History Information: Bidirectional Encoder Representations From Transformers-Assisted Sublanguage Analysis 2023-Jun-27, JMIR medical informatics IF:3.1Q2 DOI:10.2196/48072 PMID:37368483	研究论文	本研究旨在构建一个用于家庭病史信息提取和标准化的词汇资源，利用基于Transformer的方法从初级保健临床笔记中提取信息，并通过规则和深度学习系统进行评估	利用基于Transformer的方法（如BERT）辅助构建家庭病史词汇资源，结合规则和深度学习系统进行信息提取，提高了召回率	性能评估中F1分数存在波动，且词汇资源主要基于特定临床笔记语料，可能在其他医疗环境中泛化能力有限	构建一个标准化的家庭病史词汇资源，以支持电子健康记录中的信息提取和下游临床应用	家庭病史信息，包括临床笔记中的实体和关系	自然语言处理	NA	自然语言处理，基于Transformer的方法	BERT，深度学习模型	文本（临床笔记）	语料来自初级保健临床笔记，具体样本数量未明确说明	NA	Transformer，BERT	F1分数，召回率	NA
2833	2026-03-02	Deep learning to estimate lung disease mortality from chest radiographs 2023-05-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-37758-5 PMID:37193717	研究论文	本研究开发了一个深度学习模型CXR Lung-Risk，用于从胸部X光片中预测肺部疾病死亡风险	首次利用深度学习从易于获取的胸部X光片中预测肺部疾病死亡率，并展示了与死亡风险的梯度关联	模型仅基于胸部X光片，未整合其他临床或基因组数据，且外部验证队列数量有限	预测肺部疾病死亡率以改善个性化预防和治疗策略	慢性肺部疾病（如哮喘、肺癌）患者	计算机视觉	肺癌	胸部X光成像	深度学习模型	图像	训练集：40,643名个体的147,497张X光图像；测试集：三个独立队列共15,976名个体	NA	CXR Lung-Risk	风险比（Hazard ratios）	NA
2834	2026-03-02	Deep Learning of Coronary Calcium Scores From PET/CT Attenuation Maps Accurately Predicts Adverse Cardiovascular Events 2023-05, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2022.06.006 PMID:36284402	研究论文	本研究开发了一种深度学习模型，用于从PET/CT衰减校正扫描中自动量化冠状动脉钙化评分，以预测心血管不良事件	首次将原本为视频应用开发的深度学习模型适配用于快速量化冠状动脉钙化评分，实现了从PET/CT衰减校正扫描中全自动定义钙化评分	研究基于外部队列进行测试，但未提及模型在更广泛人群或不同扫描协议下的泛化能力	开发一种深度学习模型，能够从PET/CT衰减校正扫描中自动定义冠状动脉钙化评分，以预测心血管不良事件风险	接受PET/CT成像的患者，包括有主要不良心脏事件随访数据的个体	医学影像分析	心血管疾病	PET/CT成像，心电图门控CT扫描	深度学习模型	CT扫描图像	训练集：9,543张专家标注的CT扫描；测试集：4,331名患者（其中2,737名有同日配对心电图门控钙化扫描）	NA	NA	风险比，净重分类改善，阴性预测值	NA
2835	2026-03-02	Applications of Deep Learning in Endocrine Neoplasms 2023-Mar, Surgical pathology clinics DOI:10.1016/j.path.2022.09.014 PMID:36739164	综述	本文综述了深度学习在内分泌肿瘤组织病理学中的当前研究进展，重点关注实验设计、重要发现和关键局限性	系统总结了深度学习在内分泌肿瘤领域的应用现状，强调了从肿瘤分级到基因表达预测等任务中的效用	作为综述文章，未提出新的实验数据或模型，主要依赖现有文献的归纳分析	总结深度学习在内分泌肿瘤组织病理学中的研究现状与应用	内分泌肿瘤的组织病理学样本	数字病理学	内分泌肿瘤	NA	深度学习	组织学样本图像	NA	NA	NA	NA	NA
2836	2026-03-02	Deep learning in digital pathology for personalized treatment plans of cancer patients 2023-Mar, Seminars in diagnostic pathology IF:2.9Q2 DOI:10.1053/j.semdp.2023.02.003 PMID:36890029	综述	本文综述了基于深度学习的数字病理学方法在癌症患者个性化治疗计划中的应用，重点介绍了利用H&E染色病理图像进行生物标志物量化和治疗反应预测的研究	利用人工智能自动量化病理图像中的生物标志物，实现更高效、客观的评估，辅助制定个性化癌症治疗方案	综述性文章未直接进行实验，因此未提及具体研究局限性	改善癌症患者治疗选择，通过AI辅助实现个性化治疗计划	癌症患者的H&E染色病理图像	数字病理学	癌症	H&E染色	深度学习	图像	NA	NA	NA	NA	NA
2837	2026-03-02	Retrospective T2 quantification from conventional weighted MRI of the prostate based on deep learning 2023, Frontiers in radiology DOI:10.3389/fradi.2023.1223377 PMID:37886239	研究论文	开发了一种基于深度学习的U-Net神经网络方法，从常规T1和T2加权图像中回顾性量化前列腺T2图	首次利用深度学习直接从临床常规MRI图像中估计前列腺T2图，无需额外扫描序列	样本量较小（25名受试者），且为回顾性研究，需要进一步验证	开发一种从常规MRI图像中回顾性量化前列腺T2值的方法，以改善前列腺癌的诊断和表征	前列腺组织，包括高风险前列腺癌队列和低风险主动监测队列的患者	数字病理	前列腺癌	多回波自旋回波序列MRI	CNN	图像	25名受试者用于训练，38名前列腺癌患者用于验证	NA	U-Net	结构相似性指数, 峰值信噪比, 平均百分比误差, Pearson相关系数	NA
2838	2026-03-02	Digital staining facilitates biomedical microscopy 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1243663 PMID:37564725	综述	本文综述了深度学习在生物医学显微镜中实现虚拟染色技术，以替代传统染色方法	利用深度学习实现虚拟染色，避免了传统染色的耗时、成本高、样本损伤及标记不一致等问题，并能结合神经网络校正显微镜像差	NA	探讨如何通过计算虚拟染色技术优化生物医学显微镜的样本制备和成像过程	生物医学显微镜成像中的生物样本	数字病理学	NA	深度学习	神经网络	图像	NA	NA	NA	NA	NA
2839	2026-03-02	Airway Detection in COPD at Low-Dose CT Using Deep Learning and Multiparametric Freeze and Grow 2022-Dec, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.210311 PMID:36601453	研究论文	本研究提出并验证了一种在低剂量CT中用于慢性阻塞性肺疾病（COPD）患者气道检测的全自动方法	结合深度学习与多参数冻结与增长方法，优化了低剂量CT下的气道检测，并在多数据集上验证了其性能	研究为回顾性设计，且在不同CT扫描仪获取的数据上未重新训练时观察到气道检测损失	开发并验证一种全自动的低剂量CT气道检测方法，用于COPD研究	COPD患者及非吸烟者的低剂量CT扫描数据	数字病理学	慢性阻塞性肺疾病	低剂量CT扫描	深度学习	CT图像	四个数据集，包括COPDGene II期（n=2×236）、COPDGene III期（n=335）及荷兰-比利时肺癌筛查试验（n=55）的CT扫描	NA	NA	总气道计数、外周气道计数、Wilcoxon符号秩检验	NA
2840	2026-03-02	Interpretable deep learning of myelin histopathology in age-related cognitive impairment 2022-09-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-022-01425-5 PMID:36127723	研究论文	本研究利用可解释的深度学习技术，通过全切片图像分析人脑尸检组织，以预测年龄相关认知障碍，并识别与认知障碍相关的髓鞘病理特征	首次将弱监督多示例学习算法应用于人脑尸检全切片图像，以无偏方式识别与认知障碍相关的组织病理学变化，并通过注意力分析定位关键亚区域和细胞特征	认知标签存在噪声，模型预测准确度仅为中等水平，且仅研究了内侧颞叶和额叶皮层两个脑区	开发一种可扩展且可解释的深度学习平台，以无偏方式识别与年龄相关认知障碍相关的组织病理学变化	老年捐赠者的人脑尸检组织切片	数字病理学	老年疾病	全切片成像	多示例学习	图像	716名捐赠者（367名有认知障碍，349名无认知障碍）	NA	NA	准确度	NA