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
3021	2026-05-29	scDisInFact: disentangled learning for integration and prediction of multi-batch multi-condition single-cell RNA-sequencing data 2024-01-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-45227-w PMID:38291052	研究论文	提出scDisInFact深度学习框架，用于解缠多批次多条件下单细胞RNA测序数据的批次效应与条件效应	首次提出同时实现批次效应去除、条件相关关键基因检测和扰动预测的整合框架	未见明确阐述	开发能同时处理批次效应和条件效应的深度学习模型	单细胞RNA测序数据中的批次效应和条件效应	机器学习	NA	单细胞RNA测序	深度学习框架	单细胞RNA测序数据	NA	PyTorch	scDisInFact	NA	NA
3022	2026-05-29	Race, Sex, and Age Disparities in the Performance of ECG Deep Learning Models Predicting Heart Failure 2024-01, Circulation. Heart failure DOI:10.1161/CIRCHEARTFAILURE.123.010879 PMID:38126168	研究论文	本研究调查了深度学习心电图模型在预测心力衰竭时基于种族、性别和年龄的性能差异	首次系统评估深度学习模型在不同种族、性别和年龄群体中预测心力衰竭的性能偏差，并探索了减少偏差的策略	研究基于单一医院数据，可能无法推广至其他人群；未包含其他潜在影响因子如社会经济状态	评估深度学习ECG模型在预测心力衰竭时的人口统计学偏差，并提出缓解算法偏差的方法	326,518次患者就诊的心电图数据，涵盖2008-2018年斯坦福医院的标准临床指征	机器学习	心力衰竭	12导联心电图	卷积神经网络	ECG信号	326,518次患者就诊，160,312例ECG测试集	NA	卷积神经网络	AUC, F1分数	NA
3023	2026-05-29	Diagnosing evapotranspiration responses to water deficit across biomes using deep learning 2023-11, The New phytologist DOI:10.1111/nph.19197 PMID:37621238	研究论文	利用深度学习研究深水区不同生物群落的蒸散发响应	首次使用深度学习神经网路从通量测量数据中提取水分胁迫因子（fET），揭示了不同生物群落对持续干旱的多样响应模式，并发现了标准地表模型未能捕捉的复杂性	研究依赖通量测量数据，可能受限于站点分布和测量精度；尚未解释不同响应行为的机制，仅推测了气孔调节、水力传导和深层水分利用等可能原因	量化水分限制对蒸散发的影响，理解植被对干旱的敏感性	不同生物群落的蒸散发响应，包括草原、热带稀树草原、森林等	机器学习	NA	通量测量	深度神经网络	通量测量数据（包括蒸散发、大气干旱度等协变量）	多种站点数据，包括热带稀树草原、草地和森林站点	PyTorch	深度神经网络	NA	NA
3024	2026-05-29	scDisInFact: disentangled learning for integration and prediction of multi-batch multi-condition single-cell RNA-sequencing data 2023-May-02, bioRxiv : the preprint server for biology DOI:10.1101/2023.05.01.538975 PMID:37205545	研究论文	scDisInFact是一个深度学习框架，用于多批次多条件单细胞RNA测序数据的整合与预测，可同时消除批次效应并保留条件效应	首次提出能够同时分离批次效应和条件效应的解耦学习方法，实现批次校正、关键基因检测和扰动预测三项任务的统一	当前方法要么消除所有批次效应而丢失条件效应，要么仅关注条件效应而忽略批次效应，scDisInFact通过解耦学习解决了这一矛盾	开发一个能够同时处理批次效应和条件效应的深度学习模型，用于整合和预测多批次多条件的单细胞RNA测序数据	单细胞RNA测序数据中的批次效应和条件效应	机器学习	NA	scRNA-seq	深度学习框架	基因表达数据	模拟数据和真实数据集	NA	解耦学习网络	批次校正性能、关键基因检测准确率、扰动预测精度	NA
3025	2026-05-29	Atrial fibrillation ablation outcome prediction with a machine learning fusion framework incorporating cardiac computed tomography 2023-05, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.15890 PMID:36934383	研究论文	提出一种融合机器学习框架，整合心脏CT成像与临床数据，预测房颤消融术后结果	首次将CT形态特征、深度学习图像特征和临床数据智能融合，构建端到端自动预测框架	单中心回顾性研究，样本量有限，需外部验证	开发个性化房颤消融术后预后预测模型	321例接受房颤消融术患者的CT影像及临床数据	机器学习	心房颤动	CT成像	融合机器学习模型	图像、临床结构化数据	321例患者（平均年龄64.2岁，69%男性，40%阵发性房颤）	NA	深度学习网络	AUC	NA
3026	2026-05-29	Deep Learning-Based Model for Identifying Tumors in Endoscopic Images From Patients With Locally Advanced Rectal Cancer Treated With Total Neoadjuvant Therapy 2023-03-01, Diseases of the colon and rectum DOI:10.1097/DCR.0000000000002295 PMID:35358109	研究论文	开发一种基于深度卷积神经网络的方法，从局部晚期直肠癌患者的内镜图像中自动分类是否存在肿瘤	首次将深度卷积神经网络应用于局部晚期直肠癌患者全新辅助治疗后的内镜图像中肿瘤存在与否的自动分类	每组的图像数量有限，且研究在单一机构进行	开发一种新方法，利用深度卷积神经网络自动分类内镜图像中肿瘤存在与否，并评估其准确性	接受全新辅助治疗的局部晚期直肠癌患者的内镜图像	计算机视觉	直肠癌	NA	卷积神经网络	图像	109名患者的1392张内镜图像	NA	卷积神经网络	接收者操作特征曲线下面积	NA
3027	2026-05-29	Automated analysis of rabbit knee calcified cartilage morphology using micro-computed tomography and deep learning 2021-08, Journal of anatomy IF:1.8Q2 DOI:10.1111/joa.13435 PMID:33782948	研究论文	利用微计算机断层扫描和深度学习自动分析兔膝关节钙化软骨形态	首次将深度学习分割技术应用于µCT图像中钙化软骨的三维形态评估，实现了骨与矿化软骨的自动分割，并验证了与组织学方法的高度相关性	研究样本限于兔膝关节，且为离体实验，未涉及活体动态变化分析；分割模型性能在µCT图像上略低于组织学图像	开发基于深度学习的µCT图像分割方法，实现钙化软骨三维形态的自动化分析，并验证其在解剖区域厚度变异研究中的生物医学相关性	12只新西兰白兔的16个膝关节，解剖为6个解剖区域的96个骨软骨样本	计算机视觉	骨关节炎及其他关节疾病	微计算机断层扫描	卷积神经网络	图像	12只兔的16个膝关节，96个骨软骨样本	NA	编码器-解码器架构	Dice系数, Pearson相关系数, Bland-Altman分析	NA
3028	2026-05-29	Deep learning-based image analysis methods for brightfield-acquired multiplex immunohistochemistry images 2020-Jul-28, Diagnostic pathology IF:2.4Q2 DOI:10.1186/s13000-020-01003-0 PMID:32723384	研究论文	基于深度学习的方法分析明场采集的多重免疫组织化学全切片图像，用于定量评估六种生物标志物	采用互补的深度学习工具（ColorAE自编码器和U-Net卷积神经网络）解决传统方法无法处理超过四种标记物的问题，并避免对专用光谱分离设备的需求	未明确提及局限性，但研究仅在胰腺导管腺癌的定制 mIHC panel 中进行了验证，方法可扩展性可能需要进一步评估	开发深度学习工具以自动检测和分类多重免疫组化图像中的六种细胞类型，并用于肿瘤微环境的空间分析	胰腺导管腺癌组织切片中的T细胞（CD3、CD4、CD8）、B细胞（CD20）、巨噬细胞（CD16）和肿瘤细胞（K17）	数字病理学	胰腺导管腺癌	多重免疫组织化学	自编码器、卷积神经网络	图像	3张多重免疫组化全切片图像用于空间分析用例	NA	ColorAE, U-Net	结构相似性指数、DICE系数、F1分数、灵敏度、阳性预测值	NA
3029	2026-05-29	AI in Medical Imaging Informatics: Current Challenges and Future Directions 2020-07, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2020.2991043 PMID:32609615	综述	本文综述医学成像信息学中的前沿研究，讨论临床转化，并为推进临床实践提供未来方向	总结不同模态的医学图像采集技术进展，强调大数据背景下高效医疗数据管理策略的必要性，并对基于AI和深度学习的分类与分割算法进行系统综述	未提及具体算法的局限性或比较性评估	为医学成像信息学的临床转化和未来研究提供全面概述与方向指引	医学成像信息学领域的现有研究文献和技术	计算机视觉	NA	医学成像	深度学习	图像	NA	NA	NA	NA	NA
3030	2026-05-29	Intelligent Labeling Based on Fisher Information for Medical Image Segmentation Using Deep Learning 2019-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2019.2907805 PMID:30932833	研究论文	提出一种基于Fisher信息量的主动学习方法，用于深度学习医学图像分割中的智能标注，以降低标注成本并提高模型性能	首次将基于Fisher信息量的主动学习方法用于卷积神经网络，通过高效反向传播计算梯度和低维近似方法，实现了对大规模参数CNN的Fisher信息量计算	仅针对脑提取任务进行验证，且目标数据集与源数据集在年龄组或病理类型上存在差异，未评估其他医学图像分割任务或更广泛的数据集	开发一种高效的主动学习方法，通过标注少量最有信息量的数据样本来提升CNN医学图像分割模型的性能	医学图像分割任务中的脑提取，涉及不同年龄组（如新生儿）和病理类型的数据集	数字病理学	NA	NA	CNN	图像	目标数据集的极小部分（低于0.25%）作为标注样本	NA	补丁式分割CNN	模型性能（未具体列出度量指标，如准确率、Dice系数等）	NA
3031	2026-05-29	Using deep learning for a diffusion-based segmentation of the dentate nucleus and its benefits over atlas-based methods 2019-Oct, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.6.4.044007 PMID:31824980	研究论文	提出一种基于深度学习的扩散成像技术自动分割齿状核的方法，相比传统图谱方法具有更高的准确性	首次将深度学习应用于齿状核的自动分割，在常见磁共振序列（T1、T2、扩散成像）上实现高精度分割，超越了传统模板配准和多图谱分割方法	FA图的分割性能最高，但多序列联合方法未能超越单一FA图，可能因序列配准误差或特征冗余导致	开发一种能自动、精确分割齿状核的深度学习算法，替代传统手工标注和图谱方法	齿状核（小脑深部灰质结构）在磁共振图像中的自动分割	计算机视觉	神经退行性疾病及相关疾病	超声成像	未明确具体模型类型	图像	未明确样本数量	NA	NA	Dice相似系数	NA
3032	2026-05-27	Performance of deep learning-based segmentation of soft tissue sarcoma by MRI sequence, tumor type and location 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05178-3 PMID:41776099	研究论文	研究基于深度学习的软组织肉瘤MRI分割性能，分析不同MRI序列、肿瘤位置和组织学亚型对模型准确性的影响	系统评估了肿瘤位置和组织学亚型对深度学习分割模型性能的影响，发现多模态融合反而可能降低边界精度	纳入了部分恶性程度较低的肌内黏液瘤，可能限制结果对高级别STS的适用性	评估深度学习模型在不同MRI序列、解剖位置和组织学亚型下对软组织肉瘤的自动分割性能	299例经活检证实的软组织肉瘤患者（包括平滑肌肉瘤、黏液纤维肉瘤、黏液样脂肪肉瘤、未分化多形性肉瘤和肌内黏液瘤）	数字病理学, 计算机视觉	软组织肉瘤	MRI扫描（脂肪抑制T1增强、脂肪抑制T2加权序列）	3D nnU-Net	医学影像（MRI）	299例患者	NA	nnU-Net	Dice系数, F2分数, 平均对称表面距离(ASSD), 第95百分位豪斯多夫距离(HD95)	NA
3033	2026-05-27	Deep learning-based identification of aberrant anterior tibial artery on knee MRI: a brazilian multicenter study 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05198-z PMID:41870548	研究论文	开发并验证基于深度学习的模型，用于在膝关节MRI上自动识别异常胫前动脉	首次将人工智能应用于膝关节MRI上异常胫前动脉的自动检测	外部验证队列的精确度因假阳性而有所下降，临床部署前需进行更广泛的多中心验证	开发一种深度学习模型以自动检测膝关节MRI中的异常胫前动脉，提升术前风险评估和手术规划	膝关节MRI图像中的异常胫前动脉	计算机视觉	膝关节血管异常	MRI	卷积神经网络	图像	2315次检查（1441例无AATA，874例有AATA）共70260张MRI图像	PyTorch	卷积神经网络	F1分数, AUC	NA
3034	2026-05-27	Hybrid LSTM-XGBoost framework with city embeddings for CO2 emissions forecasting and scenario comparison 2026-Jul-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124476 PMID:41966244	研究论文	提出混合LSTM-XGBoost框架结合城市嵌入，用于城市级CO2排放预测与情景比较，并以河北省为例进行验证	首次结合LSTM和XGBoost通过自适应幂律加权并融入城市嵌入，实现非线性动态与时空异质性建模，同时引入后验语义分析验证城市嵌入的可解释性	仅以河北省为案例，未验证其他区域或全球城市的迁移性；蒙特卡洛不确定性分析仅考虑了中等和保守数据扰动，未探索极端情况	提升城市级CO2排放预测的准确性，并支持碳管理政策的情景优化	河北省各城市的CO2排放数据及其城市化、经济、空间特征	机器学习	NA	NA	LSTM, XGBoost	时间序列数据（城市排放及特征）	河北省多个城市的历史排放数据（具体数量未说明）	Python	LSTM, XGBoost	R²	NA
3035	2026-05-27	Deep Learning-Assisted Nanomechanical Evaluation of Replicative Senescence in Human Umbilical Cord Mesenchymal Stem Cells 2026-May-26, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.6c00374 PMID:42127096	研究论文	利用原子力显微镜与深度学习模型，评估人脐带间充质干细胞复制性衰老的纳米力学表型	首次发现人脐带间充质干细胞独特的“衰老相关力学表型”，并结合变分自编码器深度学习模型实现衰老连续低维表征与早期精准预测	NA（摘要未提及局限性）	开发一种非侵入、实时定量评估人脐带间充质干细胞衰老的方法	人脐带间充质干细胞（年轻与衰老细胞）	深度学习	NA	原子力显微镜（AFM）	变分自编码器（VAE）	力学特性与纳米形态数据（高度、粗糙度、粘附力、弹性模量）	NA（未明确样本数量）	NA	变分自编码器（VAE）	预测性能、泛化能力	NA
3036	2026-05-27	Deep-Learning Inversion Maps Arbitrary Design Images to Low-Cost, Efficient Nanofabrication 2026-May-26, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.6c06350 PMID:42132237	研究论文	利用深度学习将任意设计图像映射到低成本、高效纳米加工，实现阴影球光刻中从目标纳米结构到加工参数的快速转换	将纳米加工中的设计图像到加工参数的转换重构为图像到配方的翻译问题，并通过双向卷积块注意力网络实现自动学习映射，将耗时数周的高成本流程转变为一键式自动化操作	NA	开发一个基于深度学习的逆向映射框架，用于快速、低成本地将用户定义的纳米图案转化为可行的加工参数	阴影球光刻中产生的纳米图案及其对应的加工参数	计算机视觉	NA	阴影球光刻	双向卷积块注意力网络	图像	超过450万合成图案和参数对	PyTorch	双向卷积块注意力网络	参数准确率，皮尔逊相关系数	消费级GPU
3037	2026-05-27	Deep learning-based dose prediction in proton beam therapy for hepatocellular carcinoma: comparison of network architectures and loss functions 2026-May-26, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rrag026 PMID:42089554	研究论文	该研究提出一种剂量梯度感知的深度学习训练方法和无射束排列框架，用于预测肝癌质子束治疗中的剂量分布	首次引入剂量梯度感知损失函数捕捉质子束治疗特有的布拉格峰剂量分布特征，并建立无射束排列的剂量预测框架	NA	通过比较不同网络架构和损失函数，实现肝癌质子束治疗中高精度剂量分布预测	肝癌患者的质子束治疗计划	计算机视觉	肝癌	质子束治疗	深度学习	CT图像和目标/危及器官结构	172例肝癌患者	PyTorch	U-Net	平均绝对误差,均方根误差,Dice相似系数,剂量体积直方图	NA
3038	2026-05-27	Using deep learning to identify brain networks mediating cognitive and motor impairments in alcohol use disorder 2026-May-26, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-04101-7 PMID:42185254	研究论文	利用深度学习识别酒精使用障碍中认知与运动障碍的脑网络机制	采用数据驱动的深度学习框架联合分析静息态功能MRI脑连接与神经心理评分，首次通过时序注意力网络（TAN）和感觉运动网络（SMN）双重路径阐明酒精使用障碍对空间工作记忆、视觉注意及运动控制的影响机制，并在独立HIV数据集上验证	未提及具体限制	区分酒精使用障碍患者与健康对照，识别AUD相关功能障碍的神经机制	酒精使用障碍患者与健康对照的脑功能连接和神经心理表现	机器学习	酒精使用障碍	功能性磁共振成像	深度学习模型	功能磁共振成像数据及神经心理评分数据	6105个脑区连接与16个认知运动评分，涉及酒精使用障碍患者和健康对照，并在HIV患者独立数据集上验证	NA	时序注意力网络、感觉运动网络	NA	NA
3039	2026-05-27	Predicting immune checkpoint inhibitor cardiotoxicity using machine learning: a systematic review of model performance and methodological quality 2026-May-26, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00505-y PMID:42186096	系统综述	系统评估机器学习模型预测免疫检查点抑制剂相关心脏毒性的性能和临床适用性	首次系统评估基于机器学习的预测模型在免疫检查点抑制剂心脏毒性识别中的性能，并使用PROBAST工具评估方法学质量	大多数研究存在方法学局限性，包括数据量小、验证不足、缺失数据处理不明确，限制了真实世界临床采用	评估机器学习预测模型在识别免疫检查点抑制剂引起的心脏毒性、心肌炎或心脏不良事件中的性能及方法学稳健性	接受免疫检查点抑制剂治疗的患者	机器学习	心血管疾病	NA	XGBoost, 多模态深度学习, 神经网络, ECG-AI模型, 药物警戒驱动ML, 临床列线图	临床数据, 心电图特征, 实验室检测值	7项研究，样本量从23至4,282名患者不等	NA	NA	AUC	NA
3040	2026-05-27	Construction of a sports bio mechanical injury prediction and AI warning system based on wearable sensors 2026-May-26, BMC sports science, medicine & rehabilitation DOI:10.1186/s13102-026-01761-2 PMID:42186087	研究论文	提出一种基于可穿戴传感器的运动生物力学损伤预测与人工智能预警系统，用于实时监测和预防运动损伤	通过多模态数据融合、轻量级模型设计和动态自适应机制，结合改进的混合神经网络架构和边缘计算优化策略，实现高灵敏度损伤预测和毫秒级实时干预	未来需在多中心数据共享、可穿戴外骨骼联动干预和增强现实可视化反馈方面进一步扩展应用场景和临床价值	开发运动生物力学损伤预测与实时预警系统，解决传统单传感器监测维度单一、误报率高、实时性不足等问题	运动过程中的高风险动作（如篮球跳停动作、长距离跑步）及关键生物力学参数	机器学习	运动损伤	九轴惯性传感器、柔性应变传感器、足底压力传感阵列	混合神经网络	传感器数据	未明确说明	边缘计算框架	改进的混合神经网络	误报率、漏报率、灵敏度、特异性	模型量化为8位整数，端到端延迟控制在毫秒级，功耗降低并支持嵌入式部署