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
3121	2026-08-25	MENet: A Mitscherlich function based ensemble of CNN models to classify lung cancer using CT scans 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298527 PMID:38466701	研究论文	提出一种基于Mitscherlich函数的集成网络（MENet），结合Xception、InceptionResNetV2和MobileNetV2三种深度学习模型，利用CT扫描提高肺癌分类准确率。	首次将Mitscherlich函数用于集成深度学习模型的输出，生成模糊排名以融合多个基分类器的预测概率，提升肺癌检测性能。	未提及具体限制。	开发一种高精度的肺癌预测模型，通过集成多个CNN模型和基于Mitscherlich函数的融合策略，以提高早期诊断准确性。	肺癌CT扫描图像，来自两个公开数据集：IQ-OTH/NCCD和LIDC-IDRI。	计算机视觉	肺癌	CT扫描	CNN	图像	IQ-OTH/NCCD数据集包含约1190张CT图像，LIDC-IDRI数据集包含1018个病例（具体样本量未提及）。	NA	Xception, InceptionResNetV2, MobileNetV2	准确率和其他标准指标（具体未列出）。	NA
3122	2026-08-25	HDS-Net: Achieving fine-grained skin lesion segmentation using hybrid encoding and dynamic sparse attention 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0299392 PMID:38512922	研究论文	本文提出一种名为HDS-Net的混合动态稀疏网络，用于精细皮肤病变分割，以解决边界模糊和病变区域大小形状变化等挑战	提出混合编码器有效提取局部特征并与全局特征整合，引入动态稀疏注意力机制精确控制稀疏度以减少无关冗余对分割性能的影响	未提及具体限制	解决皮肤图像分割中边界模糊和病变区域变化的问题，提高分割精度	皮肤病变图像中的病变区域	数字病理学	皮肤癌	深度学习	CNN	图像	多个公共数据集	NA	HDS-Net	Dice系数	NA
3123	2026-08-25	Contrastive learning-based pretraining improves representation and transferability of diabetic retinopathy classification models 2023-04-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-33365-y PMID:37055475	研究论文	本文介绍了一种基于自监督对比学习预训练的糖尿病视网膜病变分类模型，通过神经风格迁移增强数据表示，提高了模型在独立数据集上的泛化能力	首次将对比学习预训练与神经风格迁移增强相结合用于糖尿病视网膜病变分类，显著提升了小样本训练下的模型性能和跨数据集迁移能力	研究仅基于公开数据集EyePACS和单一临床数据集UIC进行验证，可能限制模型在其他人群和临床环境中的泛化性	开发一种能够在小规模标注数据集上训练的鲁棒且可泛化的糖尿病视网膜病变自动检测模型	糖尿病视网膜病变患者的彩色眼底图像	计算机视觉	糖尿病视网膜病变	对比学习预训练, 神经风格迁移	深度学习模型（卷积神经网络）	图像（彩色眼底图像）	EyePACS数据集用于训练和验证，UIC临床数据集用于独立测试（具体样本数量未提及）	NA	FundusNet	AUC（曲线下面积）	NA
3124	2026-08-25	Potential Impact of FDA Flavor Enforcement Policy on Vaping Behavior on Twitter 2022-10-07, International journal of environmental research and public health DOI:10.3390/ijerph191912836 PMID:36232136	研究论文	本研究利用Twitter数据分析FDA风味执法政策对用户戒烟电子烟行为的影响	首次利用社交媒体数据评估FDA风味政策对戒烟行为的影响，并结合深度学习推断用户人口统计特征	研究仅基于Twitter数据，可能无法全面代表所有电子烟用户的行为	评估FDA风味执法政策对用户戒烟电子烟行为的影响	提到戒烟电子烟的美国Twitter用户及其相关推文	自然语言处理	电子烟相关疾病	NA	深度学习	文本数据（推文）	从2019年6月至2020年10月收集的相关推文及用户	NA	deepFace	NA	NA
3125	2026-08-25	Neural representations of cryo-EM maps and a graph-based interpretation 2022-Sep-28, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-022-04942-1 PMID:36171544	研究论文	本文提出了一种名为神经冷冻电镜图的新数据格式，通过神经网络参数化冷冻电镜图，提供连续的空间数据，并基于图进行蛋白质结构解释	首次提出神经冷冻电镜图格式，利用神经网络实现冷冻电镜图的连续参数化，并开发了基于图的冷冻电镜图解释方法	在较低分辨率下，图的节点特异性较低，受实验噪声和密度差异影响	开发一种新的冷冻电镜图数据格式，以实现连续空间插值，并用于基于图的结构解释	高分辨率实验冷冻电镜图及其对应的蛋白质结构	数字病理学	NA	冷冻电子显微镜	神经网络	三维体素图像	115张实验冷冻电镜图，分辨率从1.15至4.0 Å	NA	神经网络	平均绝对误差，残基覆盖率，全原子覆盖率，均方根偏差	NA
3126	2026-08-25	Characterizing Subjects Exposed to Humidifier Disinfectants Using Computed-Tomography-Based Latent Traits: A Deep Learning Approach 2022-09-20, International journal of environmental research and public health DOI:10.3390/ijerph191911894 PMID:36231196	研究论文	本研究利用基于深度学习从CT图像提取的组织模式潜在特征，对接触加湿器消毒剂但肺部外观正常的个体与未接触个体进行聚类分析，以探究加湿器消毒剂暴露的潜在影响	首次使用深度学习提取的CT潜在特征对加湿器消毒剂暴露者进行聚类分析，并结合计算流体与粒子动力学模拟揭示气道尺寸对颗粒沉积的影响，发现女性可能更易受影响	未提供具体局限性信息，可能包括样本代表性、潜在特征的可解释性、以及模拟与真实情况的差异等	研究加湿器消毒剂暴露对肺部外观正常个体的潜在影响，并识别具有不同特征的亚组，以解释暴露者的不适症状	接触加湿器消毒剂的个体和未接触个体，包括健康对照	数字病理学, 机器学习	加湿器消毒剂相关肺损伤（HDLI）	计算断层扫描（CT）	深度学习模型（具体未指定，可能为卷积神经网络）	CT图像	未在标题和摘要中提供具体样本数量，但涉及约九百万暴露人群的研究背景	NA	NA	未提供具体性能指标，可能使用聚类质量评估如轮廓系数等，但未明确	NA
3127	2026-08-25	Feasibility of Automated Segmentation of Pigmented Choroidal Lesions in OCT Data With Deep Learning 2022-09-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.11.9.25 PMID:36156729	研究论文	评估深度学习在OCT数据中自动分割色素性脉络膜病变的可行性，并比较不同深度神经网络性能	首次证明深度学习在OCT数据中自动分割色素性脉络膜病变的可行性，并比较多种网络架构，表明3D nnU-Net性能最优	研究样本量较小，且仅作为概念验证，需进一步改进以满足临床需求	评估自动分割色素性脉络膜病变的可行性，比较不同深度神经网络性能	121个OCT体积图像（100个正常，21个PCLs）	计算机视觉	色素性脉络膜病变	OCT成像	深度学习模型	图像	121个OCT体积图像	PyTorch（基于nnU-Net框架）	MD-GRU, V-Net, nnU-Net	召回率, Dice系数, Hausdorff距离	未提及
3128	2026-08-25	Deep Learning Approaches for Predicting Glaucoma Progression Using Electronic Health Records and Natural Language Processing 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100127 PMID:36249690	研究论文	本研究利用深度学习模型结合电子健康记录中的结构化数据和临床自由文本的自然语言处理特征，预测青光眼患者需要手术的进展，并评估了模型性能。	首次将眼科领域特定的神经词嵌入与深度学习结合，整合临床自由文本特征和结构化数据以预测青光眼手术需求，优于仅用结构化数据或仅用自由文本的模型。	研究为单中心回顾性队列，样本来源受限；未纳入影像数据，且需进一步探索整合影像数据的最佳方法。	开发基于深度学习模型，利用电子健康记录中的结构化数据和临床自由文本预测青光眼进展至需要手术的情况，以改善预测性能。	单中心2008至2020年间接受治疗的成人青光眼患者。	数字病理学	青光眼	自然语言处理和神经词嵌入	深度学习模型	电子健康记录数据，包括结构化临床数据和临床自由文本	4512名青光眼患者，其中748名接受了手术	NA	神经网络	AUC, F1分数	NA
3129	2026-08-25	Improved Training Efficiency for Retinopathy of Prematurity Deep Learning Models Using Comparison versus Class Labels 2022-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100122 PMID:36249702	研究论文	该论文比较了使用比较标签与类别标签训练深度学习模型在早产儿视网膜病变图像分类中的有效性和效率	首次提出使用比较标签（表示相对疾病严重程度）而非类别标签来训练医学图像分类网络，以提高训练效率和准确性，尤其在数据有限的情况下	随着训练集规模增大，两种标签类型之间的效率和准确性差异减小，且比较标签的优势在部分数据集中不显著	评估比较标签相对于类别标签在训练深度学习模型进行医学图像分类时的有效性和效率，以应对数据变异性和稀缺性问题	早产儿视网膜病变（ROP）的宽角度视网膜图像，来自i-ROP队列研究	计算机视觉	早产儿视网膜病变	深度学习	神经网络	图像	未提供具体样本数量，但涉及两个数据集及专家标注的宽角度视网膜图像	NA	神经网络（未指定具体架构）	AUC（接收者操作特征曲线下面积）	NA
3130	2026-08-25	Detecting glaucoma from multi-modal data using probabilistic deep learning 2022, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2022.923096 PMID:36250081	研究论文	本研究评估了概率深度学习模型在通过眼底照片和视野数据区分正常眼和青光眼方面的准确性。	采用概率深度学习模型，能够输出预测的不确定性水平，为临床决策提供额外置信度，这是与确定性CNN模型相比的显著创新。	摘要中未明确提及研究的局限性。	评估概率深度学习模型在青光眼检测中的准确性，并比较不同模态（眼底照片、视野、组合模态）的性能。	正常和青光眼受试者的眼睛，涉及眼底照片和视野数据。	机器学习和医学影像分析	青光眼	眼底摄影和视野测试	概率深度卷积神经网络（CNN）和确定性CNN模型	眼底照片和视野数据（图像和数值）	开发和测试数据集包含1,655只眼睛（929名受试者），独立验证数据集包含196只眼睛（98名受试者）。	未明确指定（如TensorFlow、PyTorch等），因此设为NA。	深度卷积神经网络（CNN），具体架构未在摘要中说明。	准确率、曲线下面积（AUC）	未明确提及计算资源（如GPU类型或云平台），因此设为NA。
3131	2026-08-25	Federated Learning for Microvasculature Segmentation and Diabetic Retinopathy Classification of OCT Data 2021-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2021.100069 PMID:36246944	研究论文	评估联邦学习框架在基于深度神经网络的视网膜微血管分割和可参考糖尿病视网膜病变分类中的应用，使用OCT和OCTA数据	首次在OCT和OCTA数据上应用联邦学习进行微血管分割和糖尿病视网膜病变分类，并比较了与其他协作训练方法的效果	未明确提及局限性，但可能包括数据异质性、通信开销等	评估联邦学习在视网膜微血管分割和RDR分类中的性能，并保持数据隐私	OCT和OCTA扫描图像，包括153张OCTA en face图像用于分割，700只眼睛用于分类	计算机视觉	糖尿病视网膜病变	OCT和OCTA成像	深度神经网络	图像	153张OCTA en face图像用于分割，700只眼睛用于分类	NA	NA	准确率, Dice相似系数, AUROC, 精确率-召回率曲线下面积, 平衡准确率, F1分数, 灵敏度, 特异度	NA
3132	2026-08-25	Deepfakes in Ophthalmology: Applications and Realism of Synthetic Retinal Images from Generative Adversarial Networks 2021-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2021.100079 PMID:36246951	研究论文	本研究评估专家区分由生成对抗网络合成的视网膜眼底图像与真实图像的能力，并回顾了GAN在眼科中的当前应用和局限性。	首次评估眼科专家区分真实与合成视网膜眼底图像的能力，并系统回顾了GAN在眼科中的应用。	专家数量有限，且图像生成基于特定疾病（ROP）的单一数据集，可能影响泛化性。	评估GAN合成的视网膜图像的真实性，并总结其在眼科中的应用和局限。	基于多中心ROP筛查项目获取的4282对眼底图像和视网膜血管图。	计算机视觉	早产儿视网膜病变	GAN	GAN	图像	4282对图像，其中880张用于生成，50张合成图像和50张真实图像用于专家评估	PyTorch	Pix2Pix HD	准确率	未提及
3133	2026-08-25	Quantification of Nonperfusion Area in Montaged Widefield OCT Angiography Using Deep Learning in Diabetic Retinopathy 2021-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2021.100027 PMID:36249293	研究论文	本研究评估了一种基于深度学习的算法，用于量化拼接宽视野OCT血管成像中的非灌注区，以评估糖尿病视网膜病变的严重程度。	开发了一种深度学习算法，能够区分非灌注区与阴影伪影，并在拼接的宽视野OCTA图像上准确量化非灌注区，显示出比单独黄斑扫描更高的检测灵敏度。	未在文中明确提及局限性。	评估基于深度学习的算法在拼接宽视野OCT血管成像中量化非灌注区的效果，用于糖尿病视网膜病变严重程度的评估。	137名不同严重程度的糖尿病视网膜病变参与者和26名健康参与者。	深度学习	糖尿病视网膜病变	OCT血管成像	深度学习算法（具体类型未指定，推测为卷积神经网络）	OCT血管成像图像	163名参与者，978个OCT血管成像扫描	未明确指定	未明确指定	F1分数、曲线下面积、灵敏度、特异性	未明确提及
3134	2026-08-25	A deep learning approach for 18F-FDG PET attenuation correction 2018-Nov-12, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-018-0225-8 PMID:30417316	研究论文	开发并评估了一种基于深度学习的PET图像衰减校正方法（deepAC），无需解剖成像即可从非衰减校正的18F-FDG PET图像生成伪CT图像	首次提出无需解剖成像的深度学习PET衰减校正方法，能够从单张非衰减校正PET图像直接生成连续值的伪CT图像	研究仅基于100例回顾性头部PET图像训练，且评估样本量较小（28例），可能缺乏泛化性；未涉及其他部位或不同示踪剂的验证	开发一种数据驱动的深度学习PET图像衰减校正方法，以避免额外解剖成像需求	18F-FDG PET头部图像及对应的CT图像	深度学习, 医学图像处理	不适用	PET成像, CT成像	卷积编码器-解码器网络	图像（3D PET和CT）	100例训练图像，28例测试图像	不明确	卷积编码器-解码器	Dice系数, 平均绝对误差（MAE）	不明确
3135	2026-08-24	Deep learning-driven de novo design of ribosome binding sites in Paracoccus denitrificans 2027-Mar, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2026.07.013 PMID:42630760	研究论文	本文通过深度学习方法设计副球菌中的核糖体结合位点，实现基因表达的精确调控	首次建立了副球菌的深度学习驱动的RBS设计平台，结合转录组和蛋白质组数据的系统分析及WGAN-GP生成模型	摘要中未提及明确的局限性	开发深度学习驱动的核糖体结合位点设计平台，实现副球菌中基因表达的精确调控	副球菌中的核糖体结合位点序列	机器学习, 合成生物学	不适用	RNA-seq, 蛋白质组学	CNN, BiLSTM, Transformer, WGAN-GP	序列数据	1335个天然RBS序列	NA	CNN, BiLSTM, Transformer, WGAN-GP	皮尔逊相关系数	NA
3136	2026-08-24	Automated Tissue Classification and Candidate Biomarker Feature Extraction in Mass Spectrometry Imaging Based on Interpretable Deep Learning Algorithm 2026-Nov-15, Rapid communications in mass spectrometry : RCM IF:1.8Q2 DOI:10.1002/rcm.70168 PMID:42625524	研究论文	本研究开发了一种基于可解释深度学习算法的综合分析流程，用于质谱成像数据中的自动组织分类和候选生物标志物特征提取	利用Grad-CAM和SHAP两种可解释性方法计算组织层特异性重要性评分，评估质谱特征并提取类别判别特征，增强模型预测的透明度	跨患者泛化能力在不同数据源间存在差异，独立数据集上的测试准确率较低	开发一个准确且可解释的深度学习框架，用于MSI数据中的组织分类和生物标志物发现	小鼠膀胱MSI数据集和独立结直肠癌数据集	数字病理学、机器学习	膀胱癌、结直肠癌	质谱成像（MSI）	卷积神经网络（CNN）	质谱成像数据	小鼠膀胱MSI数据集和独立结直肠癌数据集	NA	CNN	准确率、Grad-CAM和SHAP重要性评分	NA
3137	2026-08-24	Do deep learning models learn beyond average gait? A comparison of architectures, kinematic representations, and marker sparsity for vertical ground reaction force prediction 2026-Oct, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110269 PMID:42435638	研究论文	本研究比较了LSTM、BiLSTM和Transformer等深度学习模型在不同运动学输入表示和标记点稀疏性条件下预测垂直地面反作用力（vGRF）的性能，并探究模型是否仅学习健康步态的平均波形。	首次系统对比多种深度学习架构和运动学表示在vGRF预测中的表现，并引入训练集平均波形基线来评估模型是否真正超越平均步态学习能力，同时探索标记点减少到极少数的可行性。	研究主要基于健康步态数据，波形变异性有限，可能限制了对异常步态的泛化能力；此外，仅评估了特定数据集和模型配置，结果可能不适用于其他人群或临床场景。	评估不同深度学习模型和输入表示在从运动学数据预测vGRF时的准确性、鲁棒性及对标记点稀疏性的敏感性，并提出使用平均波形基线来避免过度解读。	健康个体的步态数据，包括3D标记点轨迹和关节角度，以及减少至3个或单个踝部标记点的输入设置。	机器学习, 生物医学工程	不适用	运动捕捉	LSTM, BiLSTM, Transformer	时间序列数据（运动学轨迹和角度）	未在摘要中明确指定样本数量	未在摘要中指定	LSTM, BiLSTM, Transformer	均方根误差（RMSE）, R平方（R2）	未在摘要中指定
3138	2026-08-24	An explainable deep learning model classifies eight categories of pigmented skin lesions on clinical photographs: A multicenter retrospective internal validation study in Japan 2026-Oct, JAAD international DOI:10.1016/j.jdin.2026.07.002 PMID:42633241	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3139	2026-08-24	Deep learning of CT imaging predicts PD-L1 expression and immunotherapy response in metastatic NSCLC: A multi-center study 2026-Sep-28, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2026.218687 PMID:42314966	研究论文	开发并验证了一种基于CT影像的深度学习模型SCENT，用于非侵入性预测转移性非小细胞肺癌患者的PD-L1状态和免疫治疗反应	提出可扩展集成变压器（SCENT）模型，基于CT影像非侵入性预测PD-L1状态，并在外部多中心队列中验证其泛化性	纵向使用需要前瞻性验证，且部分数据集缺乏配对治疗后组织确认	开发一种无创、可推广的CT影像深度学习模型，预测PD-L1状态和免疫治疗结果	转移性非小细胞肺癌（NSCLC）患者	医学影像分析	非小细胞肺癌	CT成像	深度学习方法（特别提及Transformer）	CT影像	972名来自MD Anderson的IV期NSCLC患者；外部验证包括Mayo Clinic（72例）和LONESTAR试验（116例）	NA	Transformer	AUC、特异性、敏感性、风险比（HR）	NA
3140	2026-08-24	Artificial intelligence in forensic science: a systematic review. Part I: personal identification 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03855-5 PMID:42236556	系统性综述	对人工智能在法医个人识别中的应用进行系统性回顾，涵盖性别估计、人类识别、祖先估计和亲缘分析等任务，并评估其性能与方法学特征	首次按照PRISMA指南系统性地综述了AI在法医个人识别中的各类应用，并对性能指标进行汇总分析	方法学异质性、人群特异性数据集以及外部验证有限	综合评估AI在法医个人识别中的应用、方法学特征及性能表现	法医个人识别相关的研究，包括性别估计、人类识别、祖先估计和亲缘验证	数字病理学	不适用	计算机断层扫描和放射影像	深度学习模型和传统机器学习模型	图像数据	89项研究	不适用	不适用	准确率	不适用