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
3061	2026-08-26	Detection of glaucoma progression on longitudinal series of en-face macular optical coherence tomography angiography images with a deep learning model 2024-11-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-324528 PMID:39117359	研究论文	设计了一种深度学习模型，用于通过纵向黄斑OCTA图像检测青光眼进展，并与逻辑回归模型进行了比较	首次使用定制卷积神经网络（CNN）基于纵向黄斑OCTA图像自动检测青光眼进展，并利用无血管区中心进行图像对齐	样本量有限，且缺乏外部验证，模型性能可能受限于特定数据集	开发并评估一种基于深度学习的方法，用于检测青光眼进展，以提高临床诊断的准确性	开角型青光眼患者的黄斑OCTA图像序列	计算机视觉, 数字病理学	青光眼	光学相干断层扫描血管成像（OCTA）	卷积神经网络（CNN）	图像	134名患者的202只眼，每只眼至少4次OCTA检查，平均随访3.5年	NA	定制卷积神经网络（CNN）	AUC, 敏感性, 特异性, 准确性	NA
3062	2026-08-26	Deep learning-based image quality assessment for optical coherence tomography macular scans: a multicentre study 2024-10-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-323871 PMID:39033014	研究论文	开发并外部测试用于评估Cirrus和Spectralis光学相干断层扫描三维黄斑扫描图像质量的深度学习模型	首次提出针对不同OCT设备（Cirrus和Spectralis）分别采用3D ResNet-18和多实例学习框架进行图像质量评估，并在多中心外部数据集上验证了模型的鲁棒性	回顾性研究设计，可能引入选择偏差；模型性能在不同设备间存在差异，可能需针对特定设备进行微调	开发并外部验证用于自动评估OCT三维黄斑扫描图像质量的深度学习模型，以支持全自动眼病检测流程	Cirrus和Spectralis OCT设备采集的三维黄斑扫描图像，涵盖多种眼病（如糖尿病性黄斑水肿、年龄相关性黄斑变性、息肉状脉络膜血管病变和病理性近视）及正常眼	计算机视觉、数字病理	糖尿病性黄斑水肿、年龄相关性黄斑变性、息肉状脉络膜血管病变、病理性近视	OCT成像	3D ResNet-18、多实例学习（MIL）	OCT三维扫描图像	训练集含2277个Cirrus扫描和1557个Spectralis扫描，另有多个外部测试集（来自新加坡、印度、澳大利亚和香港）	NA	3D ResNet-18，多实例学习框架下的ResNet-18	AUC	NA
3063	2026-08-26	Generative artificial intelligence in ophthalmology: current innovations, future applications and challenges 2024-09-20, The British journal of ophthalmology DOI:10.1136/bjo-2024-325458 PMID:38925907	综述	本文探讨生成式人工智能在眼科领域的当前创新、未来应用及面临的挑战。	系统性地总结了生成对抗网络、扩散模型和多模态基础模型在眼科中的应用，并指出其临床转化的潜力与障碍。	该技术仍处于早期阶段，存在数据偏差、安全性问题及临床实施困难等挑战。	概述生成式人工智能在眼科中的现有进展，并展望未来应用方向及讨论相关挑战。	眼科影像、眼科诊断、患者教育及医疗培训相关应用。	计算机视觉	眼科疾病	生成对抗网络、扩散模型、多模态基础模型	生成对抗网络、扩散模型	图像、文本、视频	不适用	不适用	不适用	不适用	不适用
3064	2026-08-26	Deep learning model for extensive smartphone-based diagnosis and triage of cataracts and multiple corneal diseases 2024-09-20, The British journal of ophthalmology DOI:10.1136/bjo-2023-324488 PMID:38242700	研究论文	开发基于智能手机图像的深度学习模型，用于白内障和多种角膜疾病的诊断与分诊。	利用智能手机图像进行多疾病诊断，覆盖36种疾病并分为9类，实现了高准确率。	智能手机图像样本量较小（336张），可能影响模型泛化能力。	开发一个基于智能手机图像的AI算法，用于白内障和角膜疾病的诊断及紧急程度分诊。	白内障和多种角膜疾病（共36种疾病，分为9类）。	计算机视觉	白内障, 角膜疾病	NA（基于图像分类）	深度学习模型（未指定具体类型）	图像（裂隙灯显微镜和智能手机拍摄）	6442张图像（6106张裂隙灯，336张智能手机）	NA	NA	敏感性, 特异性, ROC曲线面积	NA
3065	2026-08-26	Validation of a deep learning model for automatic detection and quantification of five OCT critical retinal features associated with neovascular age-related macular degeneration 2024-09-20, The British journal of ophthalmology DOI:10.1136/bjo-2023-324647 PMID:38485214	研究论文	开发并验证了一个基于U-Net的深度学习模型，用于自动分割与新生血管性年龄相关性黄斑变性（nAMD）相关的五种关键视网膜特征	提出了一种全自动分割模型，可同时检测和量化五种与nAMD相关的视网膜生物标志物，其性能达到经验丰富的分级人员的水平	未提及明显限制，但样本量相对较小（300个OCT体积），可能影响模型的泛化能力	开发并验证一个深度学习模型，用于自动分割与nAMD相关的五种视网膜生物标志物，以支持临床研究和实践	300个来自nAMD患者眼部的光学相干断层扫描（OCT）体积图像	医学影像分析	新生血管性年龄相关性黄斑变性	光学相干断层扫描	深度学习模型（U-Net）	图像（OCT体积）	300个OCT体积	NA	U-Net	受试者工作特征曲线下面积（AUC）、相关系数（R2）、Dice系数	NA
3066	2026-08-26	Single-cell AI-based detection and prognostic and predictive value of DNA mismatch repair deficiency in colorectal cancer 2024-09-17, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101727 PMID:39293403	研究论文	本文介绍了一种基于人工智能的单细胞水平检测结直肠癌DNA错配修复缺陷的方法AIMMeR，并评估其预后和预测价值	首次在单细胞水平上利用AI自动检测错配修复蛋白表达，无需病理学家手动评估，提高了效率和准确性，并能提供病因学信息	与微卫星不稳定检测的一致性较低（AUROC 0.86），反映了MMR和MSI PCR之间的差异，而非AIMMeR的错误分类；需要进一步验证其在不同人群中的适用性	开发并验证一种AI方法，用于自动检测结直肠癌中DNA错配修复缺陷，以支持精准医疗和减少病理学家工作负担	结直肠癌患者的常规病理样本，包括II/III期患者，来自两个试验队列和SCOT试验	数字病理学	结直肠癌	深度学习	深度学习模型（具体类型未在摘要中说明）	病理图像	两个试验队列和SCOT试验的患者样本（具体数量未在摘要中给出）	未指定	未指定	AUROC，特异性，敏感性，阳性预测值	未指定
3067	2026-08-26	Radiomics in breast cancer: Current advances and future directions 2024-09-17, Cell reports. Medicine DOI:10.1016/j.xcrm.2024.101719 PMID:39293402	综述	本综述总结了放射组学在预测乳腺癌临床病理指标和临床结局方面的当前应用，并关注连接表型与微观尺度信息的放射多组学研究	重点探讨放射组学与多组学结合的研究，以弥合表型和微观尺度信息之间的差距	当前阻碍放射组学模型临床采用存在缺陷，但具体缺点未详述	总结乳腺癌放射组学的现状并探讨未来发展方向	乳腺癌患者	医学影像	乳腺癌	放射组学	传统机器学习或深度学习模型	医学影像数据	未提及	未提及	未提及	未提及	未提及
3068	2026-08-26	Integrating genomics, phenomics, and deep learning improves the predictive ability for Fusarium head blight-related traits in winter wheat 2024-Sep, The plant genome DOI:10.1002/tpg2.20470 PMID:38853339	研究论文	本研究结合基因组学、表型组学和深度学习，提高了冬小麦赤霉病相关性状的预测能力	利用基于人工智能的精准FDK估计，并首次将高光谱成像与深度学习结合进行表型预测，显著提升预测能力	未明确提及局限性，但可能受限于样本规模和特定环境条件下的验证	通过集成基因组学、表型组学和深度学习，提高冬小麦赤霉病相关性状的预测能力	冬小麦品种及其赤霉病相关性状（FDK和DON）	机器学习, 数字病理学	赤霉病	基因组选择, 高光谱成像	深度学习模型	基因组数据, 高光谱图像, 表型数据	未明确提供样本数量	NA	深度学习架构（具体未指定）	预测能力, 准确性（R值）, 遗传力	NA
3069	2026-08-26	Automated identification of fleck lesions in Stargardt disease using deep learning enhances lesion detection sensitivity and enables morphometric analysis of flecks 2024-08-22, The British journal of ophthalmology DOI:10.1136/bjo-2023-323592 PMID:38408857	研究论文	利用深度学习自动识别Stargardt病中的斑点病变，提高检测敏感性并进行形态学分析	首次使用深度学习模型自动识别和分割Stargardt病中的斑点病变，并结合K-means聚类进行形态学分析，提高了检测敏感性	AI模型产生更多假阳性，且需要进一步优化以减少误报；斑点形态作为疾病进展生物标志物的可行性和实用性需进一步研究	评估人工智能在识别Stargardt病斑点病变中的性能，并进行斑点形态学分析	85名确诊Stargardt病患者的170只眼睛的眼底自发荧光图像	医学影像分析	Stargardt病	眼底自发荧光成像	深度学习模型	图像	85名患者（170只眼睛），其中41名有清晰斑点病变用于训练	NA	NA	Dice系数	NA
3070	2026-08-26	Hybrid brain tumor classification of histopathology hyperspectral images by linear unmixing and an ensemble of deep neural networks 2024-Aug, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.12084 PMID:39100499	研究论文	提出一种结合线性解混和深度神经网络集成的方法，用于基于高光谱图像的脑肿瘤组织学样本分类	将线性解混作为特征工程步骤与深度神经网络集成相结合，实现混合分类方案，降低了计算成本和推理时间，同时保持高准确率	文中未明确提及局限性	开发一种混合方法，利用高光谱成像对脑组织样本进行非肿瘤和肿瘤的分类，并提高分类性能	脑组织学样本，包括非肿瘤和肿瘤样本	数字病理学	脑肿瘤	高光谱成像	深度神经网络集成	高光谱图像	未明确提及具体样本数量	未明确提及	深度神经网络集成	平均准确率	未明确提及
3071	2026-08-26	Prediction of visual field progression with serial optic disc photographs using deep learning 2024-07-23, The British journal of ophthalmology DOI:10.1136/bjo-2023-324277 PMID:37833037	研究论文	本研究测试了基于纵向视盘照片对的深度学习模型预测视野进展的假设	首次使用深度学习模型基于早期时间点的纵向视盘照片对来预测青光眼视野进展	未在摘要中明确提及局限性，可能需要进一步验证	验证基于纵向视盘照片的深度学习模型能否预测视野进展	3919只眼（2259名患者）的纵向视盘照片和视野检查数据	深度学习, 医学影像分析	青光眼	眼底照相	孪生神经网络	图像（视盘照片）	3919只眼（2259名患者）	PyTorch	ResNet50	AUC, 准确率	NA
3072	2026-08-26	Developing a privacy-preserving deep learning model for glaucoma detection: a multicentre study with federated learning 2024-07-23, The British journal of ophthalmology DOI:10.1136/bjo-2023-324188 PMID:37857452	研究论文	本研究开发了一种基于联邦学习的隐私保护深度学习模型，用于从光学相干断层扫描（OCT）图像中检测青光眼，并在多中心研究中验证了其性能。	首次将联邦学习范式应用于眼科青光眼检测，通过中心服务器与多中心本地模型参数聚合，实现了无需数据交换的隐私保护模型训练，并验证了模型的泛化能力。	研究中未提及具体限制，可能需要进一步评估模型在不同人群和更广泛临床场景中的适用性。	开发一种隐私保护的深度学习模型，利用联邦学习从OCT图像中准确检测青光眼，同时确保患者隐私和数据安全。	来自香港、美国和新加坡七个眼科中心的2785名受试者的9326个体积OCT扫描数据。	医学影像分析	青光眼	光学相干断层扫描（OCT）	三维卷积神经网络（3D-CNN）	图像（OCT体积扫描）	2785名受试者的9326个体积OCT扫描	NA（未提及具体框架）	三种三维网络（具体架构未在摘要中指定）	准确率（accuracy）	NA（未提及具体计算资源）
3073	2026-08-26	Assessing CT-based Volumetric Analysis via Transfer Learning with MRI and Manual Labels for Idiopathic Normal Pressure Hydrocephalus 2024-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.06.23.24309144 PMID:38978640	研究论文	本研究旨在利用迁移学习增强CT扫描中脑室脑脊液的分割，并评估自动化CT体积分析在特发性正常压力脑积水诊断中的性能	采用两阶段方法，先利用MRI配对标签训练2D U-Net模型，再用iNPH患者手动分割的CT标签进行微调，实现了CT影像中脑室脑脊液的精准分割	未提及	提升脑CT扫描中脑室脑脊液的分割性能，并评估自动化CT体积测量在特发性正常压力脑积水患者诊断中的效用	特发性正常压力脑积水患者和健康对照者的脑CT扫描影像	医学影像分析	特发性正常压力脑积水	CT成像和MRI成像	U-Net	CT和MRI图像	734套健康对照CT和配对MRI，62例iNPH患者CT，外部验证11例和30例iNPH患者CT	NA	2D U-Net	相关系数(ϱ)、AUC	NA
3074	2026-08-26	Approved AI-based fluid monitoring to identify morphological and functional treatment outcomes in neovascular age-related macular degeneration in real-world routine 2024-06-20, The British journal of ophthalmology DOI:10.1136/bjo-2022-323014 PMID:37775259	研究论文	该研究利用人工智能流体监测技术，在真实世界队列中预测新生血管性年龄相关性黄斑变性的抗VEGF治疗需求、视力和形态学结果	采用监管批准的AI流体监测工具（Vienna Fluid Monitor）实现自动量化视网膜内、下液和色素上皮脱离体积，并构建预测模型用于长期结局预测	未明确提及局限，但可能包括样本量有限（158例）、单中心数据和回顾性分析等	利用AI流体量化预测nAMD患者的治疗需求、视力结果和形态学结局	158例新诊断的nAMD患者（202只眼）	数字病理学	新生血管性年龄相关性黄斑变性	光学相干断层扫描（OCT）、深度学习算法	机器学习模型	OCT图像	158例患者（202只眼）	未提及	深度学习分割模型（Vienna Fluid Monitor）	准确率、AUC	未提及
3075	2026-08-26	Deep learning detection of diabetic retinopathy in Scotland's diabetic eye screening programme 2024-06-20, The British journal of ophthalmology DOI:10.1136/bjo-2023-323395 PMID:37704266	研究论文	本研究开发了一种基于深度学习的自动分级系统，用于苏格兰糖尿病视网膜病变筛查项目，并与现有的支持向量机分级系统进行比较。	首次在大型国家筛查项目数据上评估深度学习系统，并显示在相同灵敏度下比现有系统具有更好的特异性和减少人工分级工作量的潜力。	研究仅基于苏格兰地区数据，可能需要进一步验证在其他人群中的可推广性；QA数据量相对较小（744张图像），可能影响某些比较的统计效力。	开发并评估深度学习自动分级器在糖尿病视网膜病变筛查中的性能，与现有系统进行对比，并探索减少人工分级工作量的可能性。	视网膜图像及其对应的筛查分级记录，以及质量保证数据。	计算机视觉、医学影像分析	糖尿病视网膜病变	眼底照相	深度学习（未指定具体模型结构）	图像	来自179,944名患者的视网膜图像和分级数据，覆盖2006-2016年；质量保证分级数据来自744张图像	未提及（推测可能使用TensorFlow或PyTorch）	未指定（深度学习算法）	灵敏度、特异性	未提及
3076	2026-08-26	Automated classification of multiple ophthalmic diseases using ultrasound images by deep learning 2024-06-20, The British journal of ophthalmology DOI:10.1136/bjo-2022-322953 PMID:37852741	研究论文	开发了一种多分支Transformer网络（MBT-Net），用于基于B模式超声图像自动分类多种眼科疾病。	提出了一种多分支Transformer网络结构，能够从超声图像中自动分类多种眼科疾病，并在多个设备与操作者间保持高准确性。	未明确提及，但可能包括模型在特定设备或操作者上的性能差异，以及模型的可解释性。	开发并评估一种用于多种眼科疾病自动化分类的深度学习模型。	10,184张超声图像，涵盖正常、视网膜脱离、玻璃体出血、眼内肿瘤、后巩膜葡萄肿和其他异常六类。	计算机视觉	眼科疾病	超声成像	Transformer	图像	10,184张超声图像	NA	多分支Transformer网络（MBT-Net）	准确率、微平均AUC、Kappa系数	NA
3077	2026-08-26	Prediction of retinopathy progression using deep learning on retinal images within the Scottish screening programme 2024-05-21, The British journal of ophthalmology DOI:10.1136/bjo-2023-323400 PMID:38316534	研究论文	本研究探讨了在苏格兰筛查项目中，利用眼底图像的深度学习预测糖尿病视网膜病变进展至可转诊阶段的潜力，并评估其对筛查间隔政策的影响。	创新点在于超越传统视网膜病变分级，直接利用深度学习从眼底图像预测未来可转诊病变，并量化其对筛查间隔分配的潜在改进效果。	局限性信息未在标题和摘要中提供。	旨在评估深度学习在眼底图像上预测进展至可转诊糖尿病视网膜病变的能力，并探索其对筛查间隔政策的潜在影响。	研究对象包括21346名1型糖尿病和247233名2型糖尿病患者，以及他们的眼底图像和筛查数据。	计算机视觉	糖尿病视网膜病变	眼底成像	深度学习	图像	21346名T1DM和247233名T2DM患者，共约105,000个筛查间隔（T1DM平均4.8，T2DM平均4.4），其中1339和4675个间隔以可转诊事件结束。	NA	NA	ROC曲线下面积（AUC）, 期望逗留时间	NA
3078	2026-08-26	Deep hybrid modeling of a HEK293 process: Combining long short-term memory networks with first principles equations 2024-05, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.28668 PMID:38343176	研究论文	本文首次将长短期记忆网络与第一性原理方程结合，以混合工作流描述HEK293细胞培养动态，并比较了混合LSTM与混合前馈神经网络模型的性能。	首次将LSTM网络与第一性原理方程结合用于生物过程建模，并系统比较了不同架构的混合LSTM与FFNN模型在预测性能和鲁棒性方面的差异。	混合LSTM模型通常更复杂（参数数量更多）且计算成本高于FFNN混合模型，可能影响其在资源受限环境中的应用。	探索LSTM与第一性原理方程结合的混合建模方法，以准确预测HEK293培养过程中的动力学行为，推动生物过程数字化。	20批补料分批HEK293培养中的27个细胞外状态变量，包括生物量、关键底物、氨基酸和代谢副产物。	机器学习	NA	NA	LSTM	时间序列数据	20批HEK293培养，包含27个状态变量的实验数据	NA	LSTM网络（7个内部状态串联）	训练误差、测试误差、R值	NA
3079	2026-08-26	Sacroiliitis diagnosis based on interpretable features and multi-task learning 2024-02-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2010 PMID:38237177	研究论文	提出一种基于可解释特征和多任务学习的CT扫描图像骶髂关节炎阳性诊断算法	结合放射组学和深度学习的深度特征可视化方法，增强分级特征的可解释性，并采用多任务学习和五类标签以减少放射科医师评估差异	未明确提及	在CT扫描图像上实现骶髂关节炎的自动阳性诊断，并通过特征可视化提高临床可解释性	骶髂关节炎（强直性脊柱炎的早期表现）	计算机视觉	风湿性疾病（骶髂关节炎）	CT成像	U-Net	3D CT图像	私有数据集，具体样本量未明确	未明确提及	U-Net	准确率（准确度87.3%）	未明确提及
3080	2026-08-26	Attenuation correction and truncation completion for breast PET/MR imaging using deep learning 2024-02-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad2126 PMID:38252969	研究论文	本研究利用深度学习算法实现乳腺PET/MR成像的衰减校正和截断补偿，通过预测合成CT图像以提高PET图像质量。	首次提出仅从PET数据中恢复缺失解剖结构和提供骨信息的深度学习衰减校正方法，并评估了三种不同损失函数的U-Net模型在乳腺PET/MR中的性能。	样本量较小（23例），且仅针对侵袭性乳腺癌患者，可能限制了模型的泛化性。	建立一种基于深度学习的稳健衰减校正算法，用于乳腺PET/MR成像，以解决截断和骨信息缺失问题。	23名患有侵袭性乳腺癌的女性受试者，其PET/CT和PET/MR图像数据集中于乳腺区域。	医学影像分析、深度学习	乳腺癌	PET/MR成像、PET/CT成像、深度学习（卷积神经网络）	3D U-Net	医学图像（PET、CT、MR）	23名女性受试者	NA	U-Net	平均绝对误差（MAE）、峰值信噪比（PSNR）、归一化互相关、标准化摄取值（SUV）百分误差	NA