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
2981	2026-03-02	Prediction of Retinopathy of Prematurity and Treatment in Very Low Birth Weight Infants Using Machine Learning on Nationwide Non-Imaging Clinical Data 2026-Jan-19, Neonatology IF:2.6Q1 DOI:10.1159/000550513 PMID:41553943	研究论文	本研究利用全国性非影像临床数据，开发机器学习模型预测极低出生体重婴儿的早产儿视网膜病变及其严重程度和治疗需求	首次在极低出生体重婴儿中，基于全国性非影像临床数据，应用专为表格数据优化的深度学习方法（MLP和NODE）预测ROP、sROP和tROP，并开发了仅需8个关键变量的简化模型	研究仅基于韩国新生儿网络数据，未包含影像数据，模型性能需在其他人群和临床环境中进一步验证	开发基于非影像临床数据的机器学习模型，以实现极低出生体重婴儿早产儿视网膜病变的早期风险识别和及时干预	极低出生体重婴儿	机器学习	早产儿视网膜病变	NA	MLP, NODE	表格数据（临床变量）	韩国新生儿网络全国性临床数据，包含44个围产期和新生儿变量	NA	Multilayer Perceptron, Neural Oblivious Decision Ensembles	AUROC	NA
2982	2026-03-02	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	本文开发了一种基于深度学习的声光视觉伺服系统，用于实时三维跟踪导管尖端	首次提出基于深度学习的声光视觉伺服系统，结合点源定位和混合位置-力控制技术	实例分割方法的推理时间较长（≥516.3毫秒），可能影响实时性；系统仍需优化改进	开发实时三维跟踪手术工具尖端的视觉伺服系统	心脏导管尖端	计算机视觉	心血管疾病	声光成像	深度学习	图像	9次视觉伺服试验（包括体模和活体猪实验）	NA	NA	检测率, 跟踪误差, 推理时间, 接触保持率	NA
2983	2026-03-02	Associations between contralesional neuroplasticity and motor impairment through deep learning-derived MRI regional brain age in chronic stroke (ENIGMA): a multicohort, retrospective, observational study 2026-Jan, The Lancet. Digital health DOI:10.1016/j.landig.2025.100942 PMID:41577565	研究论文	本研究利用深度学习衍生的MRI区域脑年龄，探讨慢性卒中患者病灶对侧神经可塑性、区域脑年龄与运动障碍之间的关联	首次结合图卷积网络算法预测区域脑年龄，并系统分析卒中病灶负荷、双侧半球区域脑年龄差异与运动预后的关系，揭示了病灶对侧脑年龄降低的补偿性神经机制	研究为回顾性观察设计，无法确定因果关系；样本主要来自欧美人群，可能存在人群偏倚；未考虑急性期干预措施对脑年龄的影响	探究慢性卒中患者局部病灶损伤、双侧半球区域脑年龄与运动功能结局的关联，并识别运动障碍的关键预测因子	慢性单侧卒中患者（卒中后>180天）及健康对照人群	医学影像分析	卒中	结构T1加权MRI扫描	图卷积网络	MRI图像	ENIGMA卒中恢复工作组501例患者（8个国家34个队列）及UK Biobank数据集17791例个体	NA	图卷积网络	β系数, 95%置信区间, FDR校正p值, 调整后均值差异	NA
2984	2026-03-02	Developing the CAM-BERT: Enhancing delirium screening in hospitalized older adults using natural language processing 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110781 PMID:40675095	研究论文	本研究开发并评估了一种基于深度学习的自然语言处理模型（CAM-BERT），用于从巴西葡萄牙语临床记录中识别谵妄症状，以改善住院老年患者的谵妄筛查	提出了CAM-BERT框架，通过将模型识别的症状与CAM标准对齐来分类潜在谵妄病例，并在非英语临床环境中验证了BERTimbau模型的有效性	需要在更多样化的医疗环境中验证模型的适用性	开发并评估一种自然语言处理模型，以提高电子健康记录中谵妄症状的识别能力，促进谵妄检测	住院老年患者的临床记录	自然语言处理	老年疾病	自然语言处理	BERT, Random Forest	文本	500例住院患者的临床记录	TensorFlow, PyTorch, Scikit-learn	BERTimbau	F1分数, Cohen's kappa系数	NA
2985	2026-03-02	Improving the Robustness of Deep Learning Models in Predicting Hematoma Expansion from Admission Head CT 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8650 PMID:39794133	研究论文	本研究探讨了通过对抗性训练和输入修改来提高深度学习模型在预测急性脑出血患者入院头部CT血肿扩张方面的鲁棒性	结合对抗性训练与无超参数Otsu多阈值分割作为额外输入，以增强模型对抗扰动的鲁棒性	对抗性训练对FGSM攻击的鲁棒性提升有限，且模型在跨攻击类型（如PGD）的泛化能力有待加强	提高深度学习模型在临床实践中预测血肿扩张的鲁棒性	急性脑出血患者的入院头部CT扫描	医学影像分析	脑出血	CT扫描	深度学习模型	医学图像	训练/交叉验证队列890名患者，独立验证队列684名患者	NA	NA	AUC	NA
2986	2026-03-02	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	本文提出了一种名为GINClus的RNA结构基序聚类工具，利用半监督深度学习模型基于碱基相互作用和3D结构相似性对RNA基序候选区域进行聚类	首次将图同构网络（GIN）与k均值和层次凝聚聚类结合，用于RNA结构基序的自动聚类，并成功发现新的基序实例和家族	未明确说明模型对未知基序类型的泛化能力及计算效率的具体评估	开发自动化工具以改进RNA结构基序的识别与分类，减少对人工分析的依赖	RNA结构基序候选区域（特别是RNA环区域）	机器学习	NA	RNA 3D结构分析	图同构网络（GIN）	图表示（基于碱基相互作用和3D结构）	NA	PyTorch（推断自GIN的常见实现）	图同构网络（GIN）	聚类准确率	NA
2987	2026-03-02	Development and validation of a deep learning model for diagnosing neuropathic corneal pain via in vivo confocal microscopy 2025-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01577-3 PMID:40369269	研究论文	本文开发并验证了一种基于深度学习的模型，用于通过活体共聚焦显微镜诊断神经性角膜疼痛	提出了一种新的神经性角膜疼痛筛查系统，该模型能够检测微神经瘤，并提供了不确定性量化机制以增强临床相关性	NA	开发一个深度学习模型，以辅助诊断神经性角膜疼痛	神经性角膜疼痛患者	数字病理学	神经性角膜疼痛	活体共聚焦显微镜	深度学习模型	图像	103,168张IVCM图像	NA	NA	AuROC	NA
2988	2026-03-02	Towards contrast-agnostic soft segmentation of the spinal cord 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103473 PMID:39874684	研究论文	本文提出了一种基于深度学习的脊髓软分割方法，旨在实现跨MRI对比度的稳定分割	提出了首个能够跨MRI对比度产生稳定软分割的脊髓分割方法，通过使用参与者级别的软平均真值掩码和回归损失函数来减少分割变异性	研究主要基于健康参与者的数据（n=267），尽管在病理数据上进行了泛化测试，但样本量相对有限	开发一种对MRI对比度不敏感的脊髓软分割方法，以减少多中心研究中因协议差异导致的脊髓横截面积变异性	脊髓的MRI图像分割	医学图像分析	多发性硬化症、脊髓压迫症、神经退行性疾病	MRI成像	CNN	医学图像（MRI）	267名健康参与者，包含6种不同的MRI对比度	NA	U-Net	脊髓横截面积变异性（通过Wilcoxon符号秩检验评估p值）	NA
2989	2026-03-02	Universal consensus 3D segmentation of cells from 2D segmented stacks 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.03.592249 PMID:38766074	研究论文	本文提出了一种名为u-Segment3D的理论和工具箱，用于将2D细胞分割结果转换为3D共识实例分割，无需训练数据	开发了一种无需训练数据的2D到3D分割方法，兼容任何生成基于像素实例细胞掩码的2D方法，并在拥挤和复杂形态细胞上表现优于原生3D分割	未明确说明该方法在低对比度或噪声图像中的性能，且依赖2D分割的质量	解决3D细胞分割中密集标注的挑战，实现通用且高效的3D细胞分割	单细胞、细胞聚集体和组织中的细胞	数字病理学	NA	显微镜成像	NA	图像	11个真实数据集，超过70,000个细胞	NA	NA	NA	NA
2990	2026-03-02	Deactivated Cas9-Engineered Magnetic Micromotors toward a Point-of-Care Digital Viral RNA Assay 2025-03-11, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c14913 PMID:40017424	研究论文	本文介绍了一种名为dCRISTOR的新型数字分子诊断系统，通过整合dCas9工程化微电机、免提取LAMP扩增、低成本明场显微镜和深度学习图像处理，实现了对HIV-1 RNA的高灵敏度检测	开发了基于dCas9工程化磁性微电机的数字病毒RNA检测平台，无需荧光读数或昂贵制造工艺，结合CNN-MOT算法实现运动变化的精确测量	研究中使用的临床样本数量有限（n=9），且主要针对HIV-1病毒，未验证对其他病毒或样本类型的适用性	开发一种适用于即时检测的高灵敏度、低成本数字核酸分析系统	人类免疫缺陷病毒-1（HIV-1）RNA	数字病理学	艾滋病	免提取环介导等温扩增（LAMP），逆转录定量聚合酶链反应（RT-qPCR）	CNN	图像	21份加标血浆样本和9份临床患者样本	NA	卷积神经网络	灵敏度，特异性，检测限（LOD）	NA
2991	2026-03-02	Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf136 PMID:40185158	综述	本文从数据科学视角，系统回顾了深度学习在单细胞和空间转录组学数据分析中的进展与挑战	系统性地评估了58种计算方法在9个基准测试的21个数据集上的性能，揭示了模型性能在不同数据集和评估指标间的显著差异，为基于特定应用场景选择最合适方法提供了实用视角	高质量标注数据集仍然有限，生物组织的复杂相关性使得准确重建细胞状态和空间背景具有挑战性	探讨如何有效应用深度学习进行转录组学数据分析，以服务于生物、医学和临床环境	单细胞和空间转录组学数据	机器学习	NA	单细胞测序，空间转录组学	深度学习	基因表达，表观遗传修饰，代谢物水平，空间位置	涉及21个数据集（来自9个基准测试），数据规模已扩展至数百万细胞	NA	NA	NA	NA
2992	2026-03-02	Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology 2025-Feb, The Laryngoscope DOI:10.1002/lary.31756 PMID:39258420	研究论文	本研究使用TRIPOD-AI标准评估头颈肿瘤学文献中机器学习算法的报告质量	首次在头颈肿瘤学领域系统应用TRIPOD-AI标准评估机器学习研究的报告质量	研究为文献综述性质，未涉及原始算法开发或验证	评估头颈肿瘤学中机器学习算法的报告质量并提出改进建议	头颈肿瘤学领域的机器学习研究文献	机器学习	头颈肿瘤	NA	NA	文献数据	NA	NA	NA	TRIPOD-AI标准符合率	NA
2993	2026-03-02	Artificial intelligence in the diagnosis of uveal melanoma: advances and applications 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10444 PMID:40046904	综述	本文综述了机器学习和深度学习在葡萄膜黑色素瘤诊断中的应用进展与挑战	探讨了深度学习模型（尤其是CNN）在自动分析医学图像、识别复杂模式方面的潜力，并强调了多模态成像整合可能提升诊断准确性	现有研究普遍存在数据集规模小、外部验证有限、依赖单一成像模态等问题，限制了模型在临床环境中的泛化能力	评估机器学习和深度学习在葡萄膜黑色素瘤诊断中的研究进展与应用潜力	葡萄膜黑色素瘤等黑色素细胞性脉络膜肿瘤	计算机视觉	葡萄膜黑色素瘤	眼底照相、光学相干断层扫描、超声	CNN	图像	NA	NA	NA	准确率、灵敏度、AUC	NA
2994	2026-03-02	A survey of NLP methods for oncology in the past decade with a focus on cancer registry applications 2025, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11316-5 PMID:40688631	综述	本文综述了过去十年（2014-2024年）自然语言处理（NLP）在癌症登记操作中的应用	系统性地回顾和分类了NLP在癌症登记领域的应用，并识别了当前研究空白，如对儿科癌症、黑色素瘤、淋巴瘤以及疾病进展、临床试验匹配等研究领域的关注不足	综述基于特定数据库（Scopus和PubMed）的156篇文章，可能未涵盖所有相关研究；同时指出了当前研究在特定癌症类型、多模态模型以及利用解码器模型（如GPT）方面存在不足	调查NLP在癌症登记操作中的应用现状、方法趋势及研究缺口，以提升数据提取的效率和准确性	来自病理学和放射学报告的临床文本	自然语言处理	癌症	自然语言处理	基于规则的模型, 机器学习模型, 传统深度学习模型, Transformer模型（如BERT, GPT）	文本	NA	NA	BERT, ClinicalBERT, RadBERT, GPT-3, GPT-4	NA	NA
2995	2026-03-02	Dynamic modulation of social gaze by sex and familiarity in marmoset dyads 2024-Nov-05, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.16.580693 PMID:38405818	研究论文	本研究开发了一种新框架，用于准确追踪自由活动的普通狨猴的面部特征和三维头部注视方向，并量化了性别和熟悉度对社交注视行为的影响	结合深度学习计算机视觉工具与三角测量算法，首次实现了对自由活动狨猴面部特征和三维头部注视方向的准确追踪，克服了传统实验中头部运动受限的限制	研究仅针对狨猴这一物种，且实验环境为特定竞技场，可能无法完全代表自然野外环境中的行为	探究社交因素（性别和熟悉度）如何影响非人灵长类动物的社交注视行为	自由活动的普通狨猴	计算机视觉	NA	深度学习计算机视觉工具与三角测量算法	深度学习	视频	多对狨猴	NA	NA	NA	NA
2996	2026-03-02	Natural Language Processing of Clinical Documentation to Assess Functional Status in Patients With Heart Failure 2024-11-04, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.43925 PMID:39509128	研究论文	本研究开发并验证了一种深度学习自然语言处理策略，用于从心力衰竭患者的非结构化临床文档中提取功能状态评估信息	提出了一种深度学习NLP方法，能够从临床文档中准确提取纽约心脏协会分级和心力衰竭症状，显著提升了从非结构化文本中识别功能状态的能力	研究数据来源于三个特定的医疗网络，可能限制了模型的泛化能力；模型性能依赖于专家标注的笔记质量	开发并验证一种自然语言处理策略，用于从临床文档中自动提取心力衰竭患者的功能状态评估，以支持质量改进和临床试验患者筛选	被诊断为心力衰竭并在门诊就诊的患者	自然语言处理	心血管疾病	自然语言处理	深度学习模型	文本	34,070名心力衰竭患者，涉及3000份专家标注的临床笔记和182,308份未标注笔记	NA	NA	AUROC	NA
2997	2026-03-02	Clinical usability of deep learning-based saliency maps for occlusion myocardial infarction identification from the prehospital 12-Lead electrocardiogram 2024 Nov-Dec, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.153792 PMID:39255653	研究论文	本研究评估了基于深度学习的显著图在院前12导联心电图中识别闭塞性心肌梗死的临床可用性	首次在临床环境中评估显著图对深度学习心电图模型可解释性的增强作用，并揭示了模型与临床医生在关键心电图段认知上的差异	研究样本量较小（仅100例心电图），且仅涉及三位临床医生，可能限制结果的普遍性	评估深度学习显著图在辅助临床医生识别闭塞性心肌梗死中的临床相关性和帮助性	来自胸痛患者的100份心电图及其对应的深度学习显著图	机器学习	心血管疾病	心电图分析	CNN	心电图信号	100份心电图	NA	卷积神经网络	AUC, F1分数	NA
2998	2026-03-02	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-09-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文提出了一种基于自发光显微镜和深度学习的虚拟双折射成像与虚拟刚果红染色方法，用于无标记组织中淀粉样蛋白沉积物的可视化	利用单个神经网络将无标记组织的自发光图像转换为亮场和偏振显微镜图像，实现虚拟双折射成像与虚拟刚果红染色，避免了传统化学染色的繁琐与误差	研究主要针对心脏组织，未涉及其他器官或组织类型，且可能受自发光图像质量影响	开发一种无标记、自动化的淀粉样蛋白沉积物成像方法，以替代传统刚果红染色	无标记人体组织中的淀粉样蛋白沉积物	数字病理学	系统性淀粉样变性	自发光显微镜	神经网络	图像	未明确指定样本数量，但涉及心脏组织	NA	NA	定量指标与病理学家评估	NA
2999	2026-03-02	Deep Learning Segmentation of Infiltrative and Enhancing Cellular Tumor at Pre- and Posttreatment Multishell Diffusion MRI of Glioblastoma 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230489 PMID:39166970	研究论文	本研究开发并验证了一种基于深度学习的模型，用于在胶质母细胞瘤患者治疗前后的多壳层扩散MRI上分割增强和非增强的细胞肿瘤区域，并预测总生存期和无进展生存期	利用nnU-Net深度学习模型整合灌注和多壳层扩散MRI数据，实现了对胶质母细胞瘤中增强和非增强细胞肿瘤的自动分割，并验证了其在区分肿瘤复发与治疗后改变以及预测生存期方面的能力	研究为回顾性设计，可能存在选择偏倚；模型性能在不同外部测试队列中可能存在差异	开发并验证一种深度学习方法来检测和分割胶质母细胞瘤的细胞肿瘤区域，并预测患者的生存结局	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多壳层扩散MRI, 灌注成像	CNN	MRI图像	内部数据集包含1297名患者的1397次MRI扫描（其中243次用于训练和交叉验证），以及四个外部测试队列（分别包含55、70、610和419次MRI时间点）	nnU-Net	nnU-Net	Dice分数, AUC	NA
3000	2026-03-02	Deep learning enables accurate soft tissue tendon deformation estimation in vivo via ultrasound imaging 2024-08-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68875-w PMID:39117664	研究论文	本文提出了一种名为StrainNet的新型深度学习方法，用于通过超声成像在体内准确估计软组织肌腱的变形	开发了StrainNet，一种专门针对体内超声图像序列设计的深度学习模型，通过结合图像伪影的训练数据集，在挑战性体内环境中实现高性能变形估计，相比传统方法性能提升近90%	研究主要针对人类屈肌腱，可能未涵盖其他组织类型；模型训练依赖于人工生成的图像序列，可能无法完全模拟所有体内复杂情况	开发一种能够准确测量体内组织变形的图像分析方法，以评估组织健康和疾病进展	人类屈肌腱	计算机视觉	NA	高频超声成像	深度学习模型	图像序列	NA	NA	StrainNet	NA	NA