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
3141	2026-04-10	A Deep Learning Approach to Predict Recanalization First-Pass Effect following Mechanical Thrombectomy in Patients with Acute Ischemic Stroke 2024-08-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8272 PMID:38871371	研究论文	本研究开发了一种基于深度学习的全自动方法，利用治疗前CT和MR影像预测急性缺血性卒中患者机械取栓后的首次通过再通效果	首次实现了仅基于MR影像的首次通过效果分类，并提出了首个CT影像的自动化首次通过效果分类方法，无需耗时的手动分割	研究样本仅来自单一医疗中心，可能影响模型的泛化能力	预测急性缺血性卒中患者机械取栓后的首次通过再通效果	接受血管内取栓术的急性缺血性卒中患者	医学影像分析	急性缺血性卒中	CT和MR影像	深度学习	图像	326名患者	NA	混合Transformer模型	ROC-AUC, 敏感性, 特异性	NA
3142	2026-04-10	Identification, Design, and Application of Noncoding Cis-Regulatory Elements 2024-08-05, Biomolecules IF:4.8Q1 DOI:10.3390/biom14080945 PMID:39199333	综述	本文综述了非编码顺式调控元件的识别、设计与应用，强调了其在基因调控中的核心作用及在基因治疗和合成生物学中的潜力	整合了大规模功能基因组学数据与深度学习算法（特别是大语言模型）来解析CRE功能，并探讨了其从头设计的新方法	NA	探讨顺式调控元件的识别、功能解析及其在生物技术和医学中的应用	非编码顺式调控元件及其与转录因子、RNA结合蛋白和非编码RNA的相互作用	自然语言处理	NA	大规模并行报告基因检测，功能基因组学数据分析	大语言模型	基因组序列数据，多模态功能基因组数据	NA	NA	NA	NA	NA
3143	2026-04-10	Non-Invasive Detection of Early-Stage Fatty Liver Disease via an On-Skin Impedance Sensor and Attention-Based Deep Learning 2024-08, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202400596 PMID:38887178	研究论文	本研究开发了一种低电极-皮肤接触阻抗的柔性贴肤传感器，结合注意力深度学习算法，用于非侵入性检测早期非酒精性脂肪肝病	通过合成铂纳米颗粒和还原石墨烯量子点降低传感器阻抗，并首次引入注意力深度学习算法分析阻抗信号，显著提升早期NAFLD检测准确率	研究仅在Ldlr基因敲除小鼠模型中进行验证，尚未在人体临床试验中应用	开发非侵入性、经济高效的早期非酒精性脂肪肝病检测方法	高脂饮食喂养的低密度脂蛋白受体敲除（Ldlr）小鼠与健康对照组	机器学习	非酒精性脂肪肝病	皮肤阻抗传感技术	注意力深度学习模型	生物阻抗信号	Ldlr基因敲除小鼠与健康对照组（具体数量未明确）	未明确说明	注意力机制深度学习架构	准确率, AUC	NA
3144	2026-04-10	RETRACTED: Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311897 PMID:39392828	研究论文	本研究开发了一种基于可见光的高速通信信号处理方法，结合自适应均衡算法与深度学习，应用于铁路通信信号处理	将自适应均衡算法与深度学习结合，应用于可见光通信，有效降低多径传输和反射干扰，误码率降至0.0001水平	NA	提升铁路通信系统的信号处理能力，满足高速信号处理需求	铁路通信信号	信号处理	NA	波分复用(WDM)、正交频分复用(OFDM)、直流偏置光正交频分复用(DCO-OFDM)	深度学习	通信信号	NA	NA	NA	误码率	NA
3145	2026-04-10	Identifying Disease of Interest With Deep Learning Using Diagnosis Code 2023-Mar-20, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2023.38.e77 PMID:36942391	研究论文	本文提出了一种新型的端到端监督自编码器模型，用于仅使用诊断代码预测感兴趣疾病的共存情况	开发了一种端到端监督自编码器模型，该模型在学习过程中同时更新自编码器和分类器的参数，提高了预测性能	研究仅基于韩国国家健康信息数据库的数据，可能限制了模型的泛化能力	预测感兴趣疾病的共存诊断，仅使用诊断代码作为输入	来自韩国国家健康信息数据库的100万随机抽样患者的诊断代码	机器学习	胃癌	深度学习	自编码器, 多层感知机	诊断代码	100万患者	NA	自编码器, 多层感知机	F1分数, AUC, 召回率, 精确率	NA
3146	2026-04-10	Bipartite invariance in mouse primary visual cortex 2023-Mar-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.15.532836 PMID:36993218	研究论文	本研究通过扩展“inception loops”范式，系统性地表征了小鼠初级视皮层中单个神经元的感受野不变性，并发现了一种新颖的二分不变性	发现了小鼠初级视皮层神经元的一种新型二分不变性，即感受野的一部分编码相位不变的纹理样模式，另一部分编码固定的空间模式，且这种划分与自然图像中空间频率差异定义的物体边界对齐	研究主要集中于小鼠初级视皮层，尚未扩展到整个视觉层次、细胞类型或其他感觉模态；实验时间有限可能影响对自然刺激下神经元调谐和不变性的全面表征	理解大脑如何从高维感官输入中泛化并推断行为相关的潜在原因，特别是识别神经元选择性响应和不变性的特征	小鼠初级视皮层中的单个神经元	计算神经科学	NA	大规模记录、神经预测模型、实验验证	深度学习模型	神经活动记录数据、自然图像刺激	NA	NA	NA	NA	NA
3147	2026-04-10	Deep learning of gene relationships from single cell time-course expression data 2021-09-02, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbab142 PMID:33876191	研究论文	本文提出了一种基于深度学习的单细胞时间序列基因表达数据分析方法，用于预测基因间的调控和信号关系	开发了针对单细胞RNA测序时间序列数据的新型编码方法，并构建了结合卷积和循环神经网络的深度学习模型	未明确说明模型在非时间序列数据或不同实验条件下的泛化能力	从单细胞时间序列基因表达数据中推断基因间的调控和信号关系	基因间的相互作用和调控关系	机器学习	NA	单细胞RNA测序（scRNA-Seq）	CNN, RNN	时间序列基因表达数据	五个不同的时间序列单细胞RNA测序数据集	未明确指定	卷积神经网络（CNN），循环神经网络（RNN）	未明确指定具体指标	NA
3148	2026-04-10	Imputation of the continuous arterial line blood pressure waveform from non-invasive measurements using deep learning 2021-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-94913-y PMID:34344934	研究论文	本文提出了一种基于深度学习的方法，利用心电图和光电容积脉搏波信号，非侵入性地推算连续动脉血压波形	首次开发了一种能够从标准监护信号（ECG和PPG）中推算连续动脉血压波形的方法，而非仅间歇性地估算收缩压和舒张压	研究数据来自两个医疗系统的463名患者，样本量相对有限，且模型性能可能受限于数据质量和患者群体的多样性	开发一种非侵入性、连续监测动脉血压的方法，以替代有创监测，降低并发症风险	重症监护室和手术患者	机器学习	心血管疾病	深度学习	CNN	生理波形信号（ECG, PPG, ABP）	463名患者，超过150,000分钟的数据	NA	基于图像分割架构的深度学习模型	均方根误差, 平均差异	NA
3149	2026-04-10	Impact of Upstream Medical Image Processing on Downstream Performance of a Head CT Triage Neural Network 2021-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200229 PMID:34350412	研究论文	开发了一个卷积神经网络用于头CT检查的自动分诊，并研究了上游医学图像处理对CNN性能的影响	首次系统性地探讨了图像采集、重建和预处理等上游处理环节对下游CNN分诊性能的影响，特别是发现投影数量可减少16倍且原始传感器数据可直接输入CNN而不影响性能	研究基于单一机构的回顾性数据，可能存在选择偏倚；未在外部验证集上测试模型泛化能力	开发头CT自动分诊系统并评估上游图像处理流程对深度学习模型性能的影响	头CT检查图像	计算机视觉	神经系统疾病	CT成像	CNN	医学图像	9776个头CT研究（训练集7856，验证集936，测试集984）	NA	NA	AUROC, 敏感性	NA
3150	2026-04-10	Automated Identification of Orthopedic Implants on Radiographs Using Deep Learning 2021-Jul, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200183 PMID:34350407	研究论文	本研究开发并评估了一种基于深度学习的卷积神经网络，用于从X光片中自动识别骨科植入物模型	结合U-Net分割网络与分类网络集成，实现自动零掩码处理，并在识别准确率上显著超越资深骨科专家	研究仅涵盖膝关节和髋关节的12种植入物模型，未来需扩展到更多关节和植入物类型	开发自动识别骨科植入物模型的深度学习系统，以辅助翻修关节成形术的术前规划	骨科植入物在X光片上的图像	计算机视觉	骨科疾病	X光成像	CNN	图像	427张膝关节和922张髋关节单侧前后位X光片，来自650名患者，涵盖12种植入物模型	NA	U-Net	准确率, top-three准确率	NA
3151	2026-04-10	Novel Autosegmentation Spatial Similarity Metrics Capture the Time Required to Correct Segmentations Better Than Traditional Metrics in a Thoracic Cavity Segmentation Workflow 2021-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00460-3 PMID:34027588	研究论文	本研究探讨了在胸部腔体分割工作流中，新型空间相似性指标如何比传统指标更好地预测临床医生修正分割所需的时间	首次系统比较了多种空间相似性指标与临床修正时间的相关性，发现新增路径长度、假阴性路径长度和表面Dice相似系数等新型指标优于传统体积Dice相似系数	研究仅针对胸部腔体分割，且修正工作由单一医学学生完成，需要在其他解剖部位和临床工作流中验证结果	评估自动分割工具修正时间与空间相似性指标的相关性，以优化临床工作流程效率	329例CT扫描中的双侧胸部腔体体积分割	数字病理学	NA	CT扫描	CNN	图像	329例CT扫描	NA	U-Net	Spearman等级相关系数, Mann-Whitney U检验, 体积Dice相似系数, 表面Dice相似系数	NA
3152	2026-04-10	Deep Learning Analysis of Echocardiographic Images to Predict Positive Genotype in Patients With Hypertrophic Cardiomyopathy 2021, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2021.669860 PMID:34513940	研究论文	本研究利用深度学习卷积神经网络分析超声心动图图像，以预测肥厚型心肌病患者基因检测阳性结果	首次将深度学习卷积神经网络应用于超声心动图图像分析，结合传统临床评分模型，显著提高了肥厚型心肌病患者基因阳性预测的准确性	样本量较小（仅99名患者），且为单中心研究，可能存在选择偏倚	提高肥厚型心肌病患者基因阳性预测的准确性，以优化基因检测策略	肥厚型心肌病成年患者	计算机视觉	心血管疾病	超声心动图成像	CNN	图像	99名成年肥厚型心肌病患者（其中45名基因阳性）	NA	深度卷积神经网络	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 净重分类改善指数	NA
3153	2026-04-09	Usability and Clinician Acceptance of a Deep Learning-Based Clinical Decision Support Tool for Predicting Glaucomatous Visual Field Progression 2023-03-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002163 PMID:36877820	研究论文	本研究评估了临床医生对集成人工智能预测视觉场指标的临床决策支持工具GLANCE的可用性和接受度	更新并评估了集成深度学习预测视觉场指标的临床决策支持工具，并首次系统调查了临床医生对该工具中AI预测指标的信任度、实用性和降低检测频率意愿的接受程度	样本量较小（10名临床医生参与），仅评估了原型工具，尚未进行临床部署验证	评估临床医生对集成人工智能预测视觉场指标的临床决策支持工具的感知和接受度	眼科医生和验光师对临床决策支持工具GLANCE的使用体验和态度	数字病理	青光眼	深度学习	深度学习模型	视觉场指标数据	10名眼科医生和验光师，6个病例（11只眼睛）	NA	NA	Likert量表评分，系统可用性量表评分	NA
3154	2026-04-09	Extracting postmarketing adverse events from safety reports in the vaccine adverse event reporting system (VAERS) using deep learning 2021-07-14, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocab014 PMID:33647938	研究论文	本研究利用深度学习算法从疫苗不良事件报告系统（VAERS）中提取神经系统障碍相关的不良事件，以自动化分析疫苗上市后监测报告	首次在VAERS报告中应用并评估了最先进的深度学习算法进行命名实体识别，并预训练了领域特定的BERT模型（VAERS BERT）	样本量较小，仅包含91份VAERS报告，可能影响模型的泛化能力	自动化提取疫苗安全报告中的神经系统障碍相关不良事件，以支持疫苗上市后监测	疫苗不良事件报告系统（VAERS）中与格林-巴利综合征（GBS）相关的流感疫苗安全报告	自然语言处理	神经系统障碍	命名实体识别	BERT, Bi-LSTM, CRF	文本	91份VAERS报告，包含2512个实体	TensorFlow, PyTorch	BERT, BioBERT, Bi-LSTM	F1-score, 精确匹配F1分数, 宽松匹配F1分数	NA
3155	2026-04-09	DEEPMIR: a deep neural network for differential detection of cerebral microbleeds and iron deposits in MRI 2021-07-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-93427-x PMID:34238951	研究论文	本研究开发了一种基于深度学习的分割方法，用于同时检测脑微出血和基底节区非出血性铁沉积	采用改进的U-Net模型，增加分辨率层数以检测MRI标准分辨率下的小病灶，并探索了多模态MRI数据（特别是QSM）对检测性能的提升	样本量较小（仅24名参与者），且为便利样本，可能限制模型的泛化能力	开发一种自动化检测脑小血管病相关病变（脑微出血和非出血性铁沉积）的深度学习分割方法	脑微出血和基底节区非出血性铁沉积	数字病理学	脑血管疾病	定量磁化率成像，磁共振成像	CNN	图像	24名参与者	NA	U-Net	灵敏度，精确度	NA
3156	2026-04-09	Accelerated in Vivo Cardiac Diffusion-Tensor MRI Using Residual Deep Learning-based Denoising in Participants with Obesity 2021-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.2021200580 PMID:34250491	研究论文	本研究开发了一种基于残差深度学习的去噪算法，用于加速活体心脏扩散张量磁共振成像，并在减少信号平均次数的同时保持图像质量和扩散参数	首次将残差深度学习的去噪卷积神经网络应用于心脏扩散张量磁共振成像加速，实现了至少两倍的加速率，同时保留了肥胖与非肥胖个体间的关键扩散参数差异	样本量较小（共26名参与者，其中仅6名肥胖者），研究人群年龄分布不均（肥胖组平均年龄显著高于非肥胖组），且未在更广泛的人群或疾病状态下验证	开发并评估一种基于深度学习的去噪算法，以加速活体心脏扩散张量磁共振成像的采集过程	26名成年参与者（20名非肥胖者，6名肥胖者）的心脏扩散张量磁共振成像数据	医学影像分析	肥胖症	心脏扩散张量磁共振成像	CNN	磁共振图像	26名参与者（20名非肥胖者，6名肥胖者）	未明确说明	去噪卷积神经网络	信噪比, 结构相似性指数, 平均扩散率, 分数各向异性, 螺旋角跨壁性	未明确说明
3157	2026-04-09	A novel deep learning method for predictive modeling of microbiome data 2021-05-20, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaa073 PMID:32406914	研究论文	本文提出了一种名为MDeep的新型深度学习方法，用于基于微生物组数据进行预测建模	开发了首个高效且严谨地整合系统发育树结构的深度学习方法，通过设计卷积层模拟分类等级，捕获不同分类水平上的微生物信号	未明确说明方法对高维稀疏数据的处理能力，也未讨论计算复杂度	构建基于微生物组数据的临床结果预测模型	人类微生物组数据（包含物种丰度和系统发育树）	机器学习	NA	下一代测序技术	CNN	微生物组数据（物种丰度与系统发育树）	NA	NA	自定义卷积神经网络架构	回归与二分类性能评估指标（未具体说明）	NA
3158	2026-04-09	Automated identification of clinical features from sparsely annotated 3-dimensional medical imaging 2021-Mar-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-021-00411-w PMID:33686212	研究论文	本文提出了一种名为SLIVER-net的新型深度学习技术，用于从稀疏标注的三维医学影像中自动识别临床特征，并应用于预测年龄相关性黄斑变性的进展风险因素	提出了一种基于迁移学习的新深度学习技术SLIVER-net，通过利用公开大型数据集中的网络结构和参数，并采用新颖的切片和层叠方法处理三维结构，从而在少量标注数据下有效预测临床特征	训练数据相对较少（仅数百个标注体积和数十个阳性样本），且依赖于公开数据集的可用性，可能限制了模型在更广泛医学影像任务中的泛化能力	开发一种能够在有限标注医学影像数据下自动识别临床特征的深度学习技术，以解决医学领域标注数据稀缺的挑战	三维医学影像数据，特别是光学相干断层扫描体积，用于预测年龄相关性黄斑变性的进展风险因素	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	深度学习	三维体积图像	数百个标注体积和数十个阳性训练样本	NA	SLIVER-net	NA	NA
3159	2026-04-09	Deep Learning-Based Approaches for Decoding Motor Intent From Peripheral Nerve Signals 2021, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2021.667907 PMID:34248481	研究论文	本研究探讨了基于深度学习的运动意图解码方法，比较了不同策略在效率和实时性方面的优劣，旨在为临床实时应用提供参考	提出并比较了单步和双步两种深度学习部署策略，针对不同数据量场景优化模型效率，并创建了“伪在线”数据集模拟实时条件	研究主要基于离线分析，虽然模拟了实时条件，但未在真实实时系统中完全验证；样本来源仅限于截肢者的残余周围神经信号	提高基于深度学习的运动解码范式的效率，为其实时临床应用提供实施参考	截肢者残余周围神经信号	机器学习	NA	神经信号记录	RNN, 深度学习模型, 机器学习模型	神经信号	NA	NA	RNN	准确率, F1分数, 均方误差, 方差解释率	NA
3160	2026-04-09	Astrocyte DISC1 contributes to cognitive function in a brain region-dependent manner 2020-10-10, Human molecular genetics IF:3.1Q2 DOI:10.1093/hmg/ddaa180 PMID:32803234	研究论文	本研究探讨了星形胶质细胞中DISC1基因敲低对认知功能的影响，揭示了其在大脑区域依赖性中的作用机制	首次结合深度学习方法和单细胞分析，探究星形胶质细胞DISC1在特定脑区（海马与前额叶皮层）对认知功能的差异性影响	研究主要基于小鼠模型，结果可能不完全适用于人类；且仅关注了DISC1基因敲低，未涉及其他风险变异	探究遗传风险因子DISC1在星形胶质细胞中的生理机制及其对认知功能的影响	成熟小鼠的星形胶质细胞，重点关注前额叶皮层和海马区域	神经科学	精神疾病	基因敲低技术，单细胞分析	CNN	图像数据	成年小鼠	NA	ResNet50, ResNet18	NA	NA