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
2861	2026-07-04	Deep Learning-based Segmentation of Computed Tomography Scans Predicts Disease Progression and Mortality in Idiopathic Pulmonary Fibrosis 2024-08-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202311-2185OC PMID:38452227	研究论文	基于深度学习的CT扫描分割预测特发性肺纤维化的疾病进展和死亡率	首次利用深度学习自动分割CT扫描中的四种解剖学生物标志物，并在大型队列中验证其预测预后价值	NA	开发基于深度学习的CT扫描自动分割成像生物标志物，以预测特发性肺纤维化的疾病进展和死亡风险	特发性肺纤维化（IPF）患者	计算机视觉	特发性肺纤维化	CT扫描	深度学习	图像	446名PROFILE队列患者，另有一个英国队列用于外部验证	NA	NA	NA	NA
2862	2026-07-04	Comprehensive data analysis of white blood cells with classification and segmentation by using deep learning approaches 2024-07, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24839 PMID:38563259	研究论文	使用深度学习方法对白细胞进行分类和分割的综合数据分析	首次结合四种不同数据集进行白细胞分类，并在分割中使用CNN、UNet和SegNet三种神经网络	未提及具体局限性	通过深度学习方法实现白细胞的分类和分割，提高诊断工具的性能	人类外周血白细胞	计算机视觉	NA	显微镜成像	CNN, UNet, SegNet	图像	四种不同数据集的混合	NA	CNN, UNet, SegNet	平衡准确率, 测试准确率	NA
2863	2026-07-04	Segmentation, feature extraction and classification of leukocytes leveraging neural networks, a comparative study 2024-07, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24832 PMID:38420862	研究论文	通过对比机器学习与深度学习方法，研究白细胞分割、特征提取与分类的性能	首次系统比较传统机器学习（K-means）与深度学习（U-Net、U-Net+ResNet18/34）在白细胞分割中的表现，并评估多种深度网络（AlexNet、VGG16、ResNet18）在特征提取与分类中的效果	未提及对多中心数据集或真实临床环境的验证，可能限制泛化能力	评估并比较不同机器学习与深度学习方法在白细胞自动化分类中的表现	白细胞	计算机视觉	非特定疾病（涉及白血病）	血涂片显微镜成像	CNN、U-Net、ResNet、AlexNet、VGG16	图像	CellaVision、BCCD、ALL-IDB2、PCB-HBC四个数据集的具体样本量未明确给出	PyTorch, TensorFlow	U-Net, ResNet18, ResNet34, AlexNet, VGG16	准确率	NA
2864	2026-07-04	Improved image quality in contrast-enhanced 3D-T1 weighted sequence by compressed sensing-based deep-learning reconstruction for the evaluation of head and neck 2024-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.02.006 PMID:38340971	研究论文	评估基于压缩感知的深度学习重建技术对比传统压缩感知方法在头颈部脂肪抑制对比增强三维T1加权像中图像质量的提升	将深度学习重建集成到压缩感知去噪循环中，首次在头颈部对比增强三维T1加权像中系统比较了有无深度学习的重建效果，显示出图像质量的显著提升	未提及	评估深度学习结合压缩感知的重建方法在头颈部脂肪抑制对比增强三维T1加权像中的图像质量改善效果	39例接受头颈部脂肪抑制对比增强三维T1加权像扫描的患者	数字病理学	头颈部疾病	NA	深度学习	图像	39例患者的头颈部脂肪抑制对比增强三维T1加权像数据	NA	NA	信噪比, 对比度噪声比	NA
2865	2026-07-04	Deep learning methods in metagenomics: a review 2024-04, Microbial genomics IF:4.0Q2 DOI:10.1099/mgen.0.001231 PMID:38630611	综述	综述深度学习在宏基因组学中的应用方法	系统总结了卷积网络、自编码器和注意力模型等深度学习方法在宏基因组学中的创新应用，并强调模型可解释性的重要性	NA	概述深度学习在宏基因组数据分析中的最新进展与应用潜力	宏基因组数据，特别是人类肠道微生物组的相关数据	机器学习	NA	宏基因组测序	卷积神经网络、自编码器、注意力模型	测序数据	NA	NA	CNN、Autoencoder、Attention-based models	NA	NA
2866	2026-07-04	A convolutional neural network-based system for fully automatic segmentation of whole-body [68Ga]Ga-PSMA PET images in prostate cancer 2024-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06555-z PMID:38095671	研究论文	开发并评估一个基于nnU-Net的全自动工具，用于在前列腺癌患者的全身[68Ga]Ga-PSMA PET图像中检测和分割病变	首次提出基于自配置nnU-Net框架的全3D卷积神经网络，实现全身[68Ga]Ga-PSMA PET图像中的转移性前列腺癌病变的全自动分割，并在多中心数据上验证	研究未明确提及存在的局限性	开发并评估一个全自动分割工具，用于检测和分割全身[68Ga]Ga-PSMA PET图像中的转移性前列腺癌病变	前列腺癌患者全身[68Ga]Ga-PSMA PET/CT图像	计算机视觉	前列腺癌	PET/CT成像	卷积神经网络（CNN）	图像（PET/CT扫描）	412名患者来自三个不同中心，其中200例用于训练	nnU-Net	nnU-Net	准确率，敏感性，阳性预测值，阴性预测值，F1分数，Dice相似系数，交并比	NA
2867	2026-07-04	Automated identification of uncertain cases in deep learning-based classification of dopamine transporter SPECT to improve clinical utility and acceptance 2024-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06566-w PMID:38133688	研究论文	设计并验证一种基于深度卷积神经网络的不确定性检测模块，用于自动识别多巴胺转运蛋白SPECT图像分类中的不确定病例	提出一种基于高灵敏度与高特异性网络集成不一致性的不确定性检测方法，优于传统的sigmoid、dropout和模型平均方法	研究仅限于[123I]FP-CIT配体及二分类任务，未探索其他配体或多分类场景	提高深度学习分类系统在临床中的实用性和接受度，通过不确定性检测有效识别高风险误分类病例	多巴胺转运蛋白SPECT图像，特别是[123I]FP-CIT配体成像	计算机视觉	神经退行性疾病	SPECT成像	卷积神经网络	医学影像	内部数据集1740例（训练1250，测试490），两个独立测试集各640和645例	NA	卷积神经网络	准确率	NA
2868	2026-07-04	DeepIFC: Virtual fluorescent labeling of blood cells in imaging flow cytometry data with deep learning 2023-10, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24770 PMID:37276178	研究论文	提出一种基于Inception U-Net网络的深度学习方法DeepIFC，从明场和暗场图像虚拟生成荧光标记图像，实现血细胞重构、分型和未知细胞类型识别	无需真实荧光标记即可生成荧光图像，并利用平衡数据集对稀有细胞类型进行良好预测，同时能识别训练中未见过的红细胞类型	NA	通过深度学习实现成像流式细胞术数据的虚拟荧光标记，降低标记成本和时间	流动成像数据中的血细胞	计算机视觉	NA	成像流式细胞术	Inception U-Net	图像（明场、暗场、荧光图像）	NA	NA	Inception U-Net	NA	NA
2869	2026-07-04	Artificial intelligence in disease diagnosis: a systematic literature review, synthesizing framework and future research agenda 2023, Journal of ambient intelligence and humanized computing DOI:10.1007/s12652-021-03612-z PMID:35039756	综述	对人工智能在疾病诊断中的应用进行系统文献综述，构建综合框架并提出未来研究议程	系统梳理了从机器学习到深度学习的人工智能技术在多种疾病诊断中的应用，并基于PRISMA指南筛选文献，比较了不同数据集和特征提取方法的效果	未明确说明具体技术的局限性，且文献筛选截至2020年10月，可能遗漏近期研究	综述人工智能技术在疾病诊断中的现状，构建综合框架并指出未来研究方向	用于阿尔茨海默病、癌症、糖尿病、慢性心脏病、结核病、中风及脑血管疾病、高血压、皮肤病和肝病诊断的人工智能技术	机器学习	阿尔茨海默病、癌症、糖尿病、慢性心脏病、结核病、脑血管疾病、高血压、皮肤病、肝病	NA	NA	医学影像（超声、磁共振成像、乳腺X线摄影、基因组学、计算机断层扫描）	NA	NA	NA	预测率、准确率、灵敏度、特异性、曲线下面积、精确率、召回率、F1分数	NA
2870	2026-07-03	Retinal proteomics in neurodegeneration: Insights into ocular and brain disorders 2026-Oct-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00291 PMID:41169217	综述	本文综述了视网膜蛋白质组学在神经退行性疾病中的研究进展，重点关注具有眼部表现的疾病	综合回顾了人工智能与先进质谱技术结合在视网膜蛋白质组分析中的创新应用	NA	总结视网膜蛋白质组学在眼部及脑部神经退行性疾病中的最新研究进展	视网膜蛋白质组	自然语言处理	神经退行性疾病	质谱分析	深度学习	蛋白质组数据	NA	Graphics Processing Unit-accelerated deep learning architectures	NA	特异性, 灵敏度	Graphics Processing Unit加速计算
2871	2026-07-03	Deep Learning-Based Eye Rubbing Detection Using Wrist-Based Wearable Devices to Enable Rigorous Study of Risk Factors for Ectasia Progression 2026-Aug-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004113 PMID:41649853	研究论文	开发并验证一种基于腕戴式可穿戴设备传感器数据的深度学习模型，用于检测揉眼行为，以支持研究揉眼对圆锥角膜等角膜扩张症进展的风险	首次利用腕戴式可穿戴设备的传感器数据，通过深度学习模型实现揉眼行为的自动检测，并建立时域和频域两个数据集，采用1D和2D CNN-LSTM模型及集成方法进行比较	未说明样本量较小、模型泛化性需进一步验证等限制	开发一种高可靠性的揉眼检测工具，以支持眼科医生和研究人员严格研究揉眼行为对圆锥角膜及角膜扩张症发生和进展的影响	20名受试者的揉眼和非揉眼行为记录	机器学习	眼科疾病	腕戴式可穿戴设备传感器数据采集	CNN-LSTM	时间序列数据、图像数据（时频域图谱图像）	20名受试者的8640个时间序列记录和112,320个频谱图图像	NA	1D CNN-LSTM、2D CNN-LSTM、集成模型	F1分数、AUC	NA
2872	2026-07-03	Frequency-Aware Feature Fusion Driven Multimodal Cell Microscopic Image Segmentation Framework 2026-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70137 PMID:41797365	研究论文	提出一种用于多模态细胞显微图像分割的新型深度学习框架，通过频率感知特征融合等模块提升分割精度	引入加权重双向特征金字塔网络（BiFPN）、频率感知特征融合（FreqFusion）和混合局部通道注意力（MLCA）三个核心模块，在不需手动调参情况下实现多模态细胞显微图像的精确高效分割	主要针对低对比度区域和复杂退化条件优化，整体分割性能仍依赖于训练数据的质量与多样性，实际应用中可能面临泛化挑战	实现多模态细胞显微图像的准确分割，为高内涵成像分析及精准医学中的定量分析提供基础	多模态细胞显微图像	数字病理学	不适用	深度学习图像分割	加权BiFPN、频率感知特征融合、MLCA注意力机制	细胞显微图像	自定义数据集和公开数据集	PyTorch	加权BiFPN、FreqFusion、MLCA	平均精度 (AP)、细胞检测率、分割速度 (FPS)	未提及
2873	2026-07-03	Artificial intelligence in the care of systemic lupus erythematosus: Current capabilities and translational barriers 2026-Aug, Lupus IF:1.9Q3 DOI:10.1177/09612033261454511 PMID:42161343	综述	这篇综述批判性地评估了人工智能在系统性红斑狼疮临床工作流程中的应用现状，包括计算表型、诊断、疾病活动监测、器官特异性预测建模和治疗个性化，并讨论了从模型到临床实践的转化障碍	系统性地分析了人工智能在系统性红斑狼疮整个临床工作流程中的方法学成熟度，强调了外部验证、前瞻性测试、算法公平性、可解释性和监管状态的不足	大多数人工智能模型缺乏外部验证，没有工具获得监管批准，受影响最严重的人群在训练数据中代表性不足	评估人工智能在系统性红斑狼疮临床工作流程中的应用证据，并识别转化的关键障碍	系统性红斑狼疮的临床工作流程，包括诊断、监测、预测建模和治疗个性化	机器学习	系统性红斑狼疮	NA	LSTM, 深度学习	文本, 图像	多中心研究, 包括3个外部中心	NA	LSTM	C-index, AUC	NA
2874	2026-07-03	Artificial Intelligence for Diabetic Foot Screening Based on Digital Image Analysis: A Systematic Review 2026-Jul, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968251317521 PMID:39960227	综述	基于数字图像分析的人工智能糖尿病足筛查系统综述	系统评估了2018-2023年间基于数字图像分析的AI模型在糖尿病足筛查中的应用，重点分析了热成像技术和深度学习方法的性能	仅纳入9篇符合标准的研究，数据来源有限；未深入评估临床适用性、伦理问题和患者数据安全性	识别基于数字图像分析的AI模型在糖尿病足筛查中的发展现状	2018-2023年间发表的糖尿病足AI筛查相关研究文献	计算机视觉	糖尿病	数字图像分析	人工神经网络（ANN）、卷积神经网络（CNN）	热成像图像	NA	MATLAB	NA	准确率	NA
2875	2026-07-03	DeepCR: predicting cytokine receptor proteins through pretrained language models and deep learning networks 2026-Jul, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2025.2512448 PMID:40448687	research paper	提出一种结合预训练语言模型和多窗口卷积神经网络的框架，用于快速准确识别细胞因子受体蛋白	首次专门针对细胞因子受体蛋白进行分类，结合预训练语言模型（ProtTrans和ESM变体）捕捉蛋白质序列的生化上下文，并使用多窗口CNN提取局部和全局序列模式	未在论文摘要中明确说明	开发一种高效计算方法，用于从其他膜蛋白中区分细胞因子受体蛋白	细胞因子受体蛋白	machine learning	NA	蛋白质序列分析	CNN, 预训练语言模型	蛋白质序列	NA	NA	多窗口卷积神经网络（mCNN）, ProtTrans, ESM	AUC	NA
2876	2026-07-03	Predicting postrestorative facial appearance in edentulous patients using deep learning: A prospective cohort study 2026-Jul, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2025.10.053 PMID:41330832	研究论文	开发双向深度学习模型FacePointNet，预测无牙颌患者修复后的面部外观变化	首次提出点集神经网络FacePointNet，利用双向配准子网络和复合损失函数实现无牙颌患者修复后面部形态的精准预测	样本量有限（16例），需扩大数据集、整合生物力学数据并优化动态建模以提升整体预测鲁棒性	通过深度学习模型预测无牙颌患者修复后的面部变化，优化修复前规划和患者沟通	16例无牙颌患者的修复前后三维面部扫描数据	计算机视觉	无牙颌	3D面部扫描	CNN	3D点云数据	16例无牙颌患者	PyTorch	PointNet	倒角距离（CD）、欧氏距离（ED）、视觉相似度评分（VSS）	NA
2877	2026-07-03	Applicability of mitotic figure counting by deep learning: a development and pan-cancer validation study 2026-Jul, FEBS open bio IF:2.8Q3 DOI:10.1002/2211-5463.70210 PMID:41676879	研究论文	开发了一种基于深度学习的核分裂计数方法，并在七种癌症类型中进行泛癌验证	首次在多个外部验证数据集中评估深度学习核分裂计数方法的预后影响，并扩展到前列腺癌等更多癌种	结直肠癌中核分裂计数与患者预后无显著相关性	评估深度学习核分裂计数方法在不同癌症类型中的预后价值	来自13个患者队列的14,571个样本，涵盖七种癌症类型	数字病理学	乳腺癌, 结直肠癌, 前列腺癌, 肺癌, 肾癌, 膀胱癌, 子宫内膜癌	HE染色全切片图像	深度学习	图像	14,571名患者样本，来自13个队列，七种癌症类型	NA	NA	单变量Cox生存分析	NA
2878	2026-07-03	Deep learning-based object detection of dental implant systems in panoramic and periapical radiographs 2026-Jul, The Journal of prosthetic dentistry IF:4.3Q1 DOI:10.1016/j.prosdent.2026.01.029 PMID:41692618	研究论文	开发并评估基于深度学习的模型，用于在口腔全景和根尖片中自动识别七种牙种植体系统	首次将YOLOv10架构应用于牙种植体系统的自动检测，实现了多类别高精度识别，并利用迁移学习和数据增强优化了不平衡数据集的分类性能	Nobel种植体因样本稀疏和相似不透射性模式导致召回率较低（72.7%），且未涉及三维影像和异构数据集验证	提升牙种植体系统识别的诊断效率，支持修复科临床决策	七种牙种植体系统（Adin、Dentium、Dionavi、MIS、Nobel、Noris、Osstem）在口腔全景和根尖片中的图像	计算机视觉	牙科疾病	NA	CNN	图像	4677张匿名放射影像，包含8189个种植体	PyTorch	YOLOv10（CSPDarknet、PANet）	精确度、召回率、F1分数、平均精度均值	NVIDIA T4 GPU
2879	2026-07-03	Current Status and Future Perspective for Bladder Cancer MR Imaging and the Vesical Imaging-Reporting and Data System (VI-RADS) in Japan: Challenges and Solutions 2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2025-0213 PMID:41741147	综述	综述了膀胱癌多参数磁共振成像及VI-RADS系统的现状、挑战及未来展望	聚焦日本医疗体系特点，针对MRI质量控制不均、亚专科放射科医生短缺等壁垒提出本土化解决方案，并探讨基于AI的预测模型和MRI引导临床路径等前沿方向	非系统性叙述性综述，未采用系统检索方法，可能遗漏部分关键文献；观点基于日本情况，普适性有限	阐述VI-RADS的基本原理、当前证据及实施障碍，并提出日本未来发展路径	膀胱癌患者的mpMRI检查及VI-RADS分期系统	数字病理学	膀胱癌	多参数磁共振成像、深度学习图像重建、扩散频谱成像、动态对比增强技术	深度学习、人工智能预测模型	图像	NA	NA	NA	诊断性能、可重复性	NA
2880	2026-07-03	Dosimetry Analysis of 177Lu-PSMA-I&T in Patients with Low-Volume Oligometastatic Hormone-Sensitive Prostate Cancer: A Secondary Analysis of the LUNAR Trial 2026-Jul-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.125.271467 PMID:41927282	研究论文	分析低体积寡转移激素敏感性前列腺癌患者接受177Lu-PSMA-I&T治疗后的剂量学数据，基于LUNAR试验的二次分析	首次在低体积寡转移激素敏感性前列腺癌患者中详细报告177Lu-PSMA-I&T的器官和病灶吸收剂量，并评估其与疗效的关系	SPECT空间分辨率有限，部分容积效应可能导致小体积病灶的剂量低估	评估177Lu-PSMA-I&T在低体积寡转移激素敏感性前列腺癌患者中的器官和病灶吸收剂量，支持治疗安全性	低体积寡转移激素敏感性前列腺癌患者	医学影像	前列腺癌	SPECT/CT定量成像，177Lu-PSMA-I&T放射性核素治疗	深度学习辅助分割	影像数据	45名患者，123个病灶	NA	深度学习分割模型（未具体说明）	吸收剂量（Gy/GBq）	NA