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
301	2026-04-12	Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning 2025-05, Radiology IF:12.1Q1 DOI:10.1148/radiol.240714 PMID:40326877	研究论文	本研究评估了一种基于流体物理信息循环生成对抗网络的生成式人工智能方法，用于直接从主动脉解剖结构预测其血流动力学，作为4D血流MRI的替代方案	提出了一种结合流体物理信息的循环生成对抗网络，能够仅从三维主动脉解剖分割数据快速生成准确的主动脉血流动力学参数	研究为回顾性分析，且模型训练和测试数据均来自单一机构	评估生成式AI方法在量化主动脉血流动力学方面的可行性和准确性，以替代耗时且复杂的4D血流MRI	主动脉血流动力学参数，包括收缩期三维速度矢量场、峰值速度、壁面剪切应力及主动脉瓣狭窄分类	医学影像分析	心血管疾病	4D血流MRI, 对比增强MR血管造影	GAN	三维医学影像	训练集：BAV 994例，TAV 419例；测试集：BAV 248例，TAV 104例；外部测试集：60例	NA	流体物理信息循环生成对抗网络	偏差, 一致性界限, 相关系数, 相对差异, Kappa系数	NA
302	2026-04-12	Association of Deep Learning-based Chest CT-derived Respiratory Parameters with Disease Progression in Amyotrophic Lateral Sclerosis 2025-05, Radiology IF:12.1Q1 DOI:10.1148/radiol.243463 PMID:40358443	研究论文	本研究探讨了基于深度学习的胸部CT衍生呼吸参数在预测肌萎缩侧索硬化症（ALS）疾病进展和生存期中的价值	首次利用深度学习从胸部CT中自动提取肺体积指数（LVI）和呼吸肌指数（RMI），并将其作为ALS疾病分期和生存预测的独立预后因素，特别是在延髓受累患者中验证了其有效性	研究为单中心回顾性设计，样本量相对有限（261例），且未在外部队列中进行验证，可能影响结果的普适性	评估基于深度学习的CT衍生呼吸参数在预测ALS疾病进展和患者生存期方面的临床价值	被诊断为肌萎缩侧索硬化症（ALS）并接受过胸部CT检查的患者	数字病理学	肌萎缩侧索硬化症	胸部CT成像	深度学习, 高斯过程回归器	医学影像（CT图像）	261名患者（平均年龄65.2岁，男性156名）	NA	NA	风险比（HR）, 时间依赖性受试者工作特征曲线分析, 估计误差	NA
303	2026-04-12	Deep Learning-based Quantitative CT Myocardial Perfusion Imaging and Risk Stratification of Coronary Artery Disease 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.242570 PMID:40298595	研究论文	本研究开发并验证了一种用于自动量化心肌血流量和缺血心肌体积百分比的深度学习模型，并探讨了其对主要不良心血管事件的预后价值	开发了首个基于深度学习的自动化CT心肌灌注成像定量模型，用于评估心肌血流量和缺血心肌体积百分比，并证明其在心血管风险分层中具有增量预后价值	研究为回顾性和前瞻性混合设计，可能存在选择偏倚；深度学习模型在外部验证中的泛化能力仍需进一步评估	开发并验证深度学习模型，用于自动量化心肌灌注参数，并评估其在冠状动脉疾病风险分层中的预后价值	接受临床指征CT心肌灌注成像和冠状动脉CT血管造影的患者	数字病理	心血管疾病	动态CT心肌灌注成像，冠状动脉CT血管造影	深度学习模型	CT图像	三个队列共1108名患者（平均年龄61岁±12，667名男性），其中队列1用于模型开发（训练集211人，验证集57人，测试集90人）	NA	NA	受试者工作特征曲线下面积，组内相关系数，C指数，风险比	NA
304	2026-04-12	Improving entity recognition using ensembles of deep learning and fine-tuned large language models: A case study on adverse event extraction from VAERS and social media 2025-Mar, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104789 PMID:39923968	研究论文	本研究评估了传统深度学习模型与大语言模型在从VAERS和社交媒体文本中提取COVID-19疫苗不良事件实体方面的性能，并通过集成方法提升了识别效果	通过集成微调后的传统深度学习模型与大语言模型，显著提升了不良事件实体识别的性能，特别是在特定实体类型上取得了高F1分数	研究样本量相对有限（VAERS报告230条，Twitter 3383条，Reddit 49条），且未对GPT-4进行微调，可能影响模型比较的全面性	评估大语言模型与传统深度学习模型在不良事件实体提取中的有效性，并探索集成方法对性能的影响	从VAERS、Twitter和Reddit收集的文本数据，用于提取疫苗、注射和不良事件三类实体	自然语言处理	COVID-19	文本挖掘	RNN, BioBERT, GPT-2, GPT-3.5, GPT-4, Llama-2 7b, Llama-2 13b	文本	VAERS报告230条，Twitter帖子3383条，Reddit帖子49条	NA	RNN, BioBERT, GPT系列, Llama-2	严格F1分数, 宽松F1分数, 微平均F1分数	NA
305	2026-04-12	Advancing bioinformatics with large language models: components, applications and perspectives 2025-Jan-31, ArXiv PMID:38259343	综述	本文全面概述了大型语言模型在生物信息学中的关键组成部分、应用领域及未来展望	系统性地探讨了LLMs在解决生物信息学问题（超越其在人类语言建模方面的熟练度）的潜力，并提供了针对生物信息学领域不同数据类型（基因组学、转录组学等）的实用指南	作为一篇综述文章，未提出新的原创模型或方法，主要基于现有研究和经验进行总结与展望	综述大型语言模型在生物信息学领域的应用现状、关键技术与未来发展方向	大型语言模型及其在生物信息学子领域的应用	自然语言处理, 生物信息学	NA	自监督学习, 半监督学习	Transformer	文本, 基因组数据, 转录组数据, 蛋白质组数据, 单细胞数据	NA	NA	Transformer	NA	NA
306	2026-04-12	Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data 2024-Sep, Psychological medicine IF:5.9Q1 DOI:10.1017/S0033291724001557 PMID:39245902	研究论文	本研究开发了一种基于深度学习的方法，利用军事特定社交媒体平台的数据来检测美国军人和退伍军人的自杀风险	首次在军事特定社交媒体平台上应用RoBERTa模型，结合帖文文本和元数据，以高敏感性和特异性检测自杀相关内容	样本量相对较小（8449条帖文），且仅基于单一军事社交媒体平台的数据，可能缺乏泛化性	开发算法识别社交媒体上包含自杀相关内容的帖文，以帮助检测军人和退伍军人的自杀风险	美国军人和退伍军人在军事特定社交媒体平台上的公开帖文	自然语言处理	心理健康（自杀风险）	社交媒体数据挖掘	RoBERTa	文本（社交媒体帖文）	8449条公开社交媒体帖文	NA	RoBERTa	敏感性, 特异性, 精确度, F1分数, 精确率-召回率曲线下面积	NA
307	2026-04-12	De novo design of high-affinity binders of bioactive helical peptides 2024-02, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06953-1 PMID:38109936	研究论文	本文介绍了一种基于参数化生成和深度学习的方法，用于设计能够高亲和力结合生物活性螺旋肽的蛋白质	通过扩展RFdiffusion方法，使其能够针对柔性靶点设计结合剂，并利用连续加噪和去噪（部分扩散）优化输入结构模型，实现了无需实验优化的皮摩尔级亲和力结合剂设计	未明确说明方法在更广泛肽类或复杂生物环境中的适用性限制	开发能够高亲和力结合螺旋肽的蛋白质设计方法，以改善疾病临床管理中的检测技术	螺旋肽靶点，如甲状旁腺激素和胰高血糖素	机器学习	NA	深度学习, 参数化生成	深度学习模型	蛋白质结构数据, 肽序列数据	NA	RFdiffusion	RFdiffusion	亲和力（皮摩尔级）	NA
308	2026-04-12	Heteroscedastic Uncertainty Estimation Framework for Unsupervised Registration 2024, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72069-7_61 PMID:41960565	研究论文	本文提出了一种用于无监督配准的异方差不确定性估计框架，以解决医学图像中噪声分布不均导致的配准性能下降问题	提出了自适应降低高不确定性区域影响的异方差图像不确定性估计框架，包含位移与方差估计器的协同训练策略和基于信噪比的图像保真度加权方案	未明确说明框架在极端噪声条件下的鲁棒性，也未讨论计算复杂度增加的具体影响	提升无监督医学图像配准在异方差噪声环境下的准确性和鲁棒性	医学图像配准任务	计算机视觉	NA	深度学习	深度学习模型	医学图像	三个医学图像数据集	NA	NA	配准准确性	NA
309	2026-04-12	Deep learning-based automated pipeline for blood vessel detection and distribution analysis in multiplexed prostate cancer images 2023, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2023.1296667 PMID:38323039	研究论文	本文提出了一种基于深度学习的自动化流程，用于在多重前列腺癌图像中检测和分析血管分布	结合CD31、CD34和胶原蛋白IV图像训练深度学习模型进行血管分割，并自动化分析血管大小和分布模式与疾病进展的关系	模型性能可能受到标注者间变异性的影响，且研究队列规模有限（n=215）	开发自动化管道以标准化血管分析，并探索血管特征与前列腺癌预后的关联	前列腺癌患者的多重免疫荧光图像	数字病理学	前列腺癌	多重免疫荧光成像	深度学习模型	图像	215名前列腺癌患者	NA	NA	精确率, 召回率, Dice相似系数	NA
310	2026-04-12	PredictProtein - Predicting Protein Structure and Function for 29 Years 2021-07-02, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkab354 PMID:33999203	研究论文	本文介绍了PredictProtein在线资源，一个用于蛋白质序列分析的一站式平台，自1992年以来持续提供服务，结合进化信息和机器学习预测蛋白质结构和功能	PredictProtein是首个互联网蛋白质预测服务器，率先结合进化信息和机器学习，并最近整合了深度学习嵌入预测方法	NA	提供可靠的蛋白质结构和功能预测工具，服务于计算和实验生物学家	蛋白质序列	生物信息学	NA	蛋白质序列分析	机器学习, 深度学习	蛋白质序列	每月超过3,000用户查询（2020年数据）	NA	NA	NA	卢森堡系统生物医学中心（LCSB）托管，使用MMseqs2序列搜索提升处理速度
311	2026-04-12	Characterizing chromatin folding coordinate and landscape with deep learning 2020-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008262 PMID:32986691	研究论文	本研究应用深度学习中的变分自编码器分析单细胞成像揭示的染色质结构波动与异质性，以识别染色质折叠的反应坐标	首次将变分自编码器与统计力学分析结合，用于解析染色质结构集合，揭示了黏连蛋白缺失细胞中染色质折叠的中间态与能量景观	研究主要基于单细胞成像数据，可能受限于成像分辨率与样本数量，且能量稳定性的理论分析需进一步实验验证	探索染色质折叠的分子机制与结构动力学，以理解基因组空间组织对基因转录的调控	黏连蛋白缺失细胞中的染色质结构，特别是拓扑关联结构域的形成过程	机器学习	NA	单细胞成像	VAE	图像	NA	NA	变分自编码器	NA	NA
312	2026-04-12	Bag of deep features for preoperative prediction of sentinel lymph node metastasis in breast cancer 2018-Dec-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf241 PMID:30523819	研究论文	本文提出了一种结合深度学习和词袋模型的集成方案，用于术前预测乳腺癌前哨淋巴结转移	提出了一种结合卷积神经网络和词袋模型的集成方案，通过核融合方法整合所有特征，构建判别性支持向量机分类器，实现高维稀疏表示	样本量相对较小（172例患者），且仅基于扩散加权磁共振成像数据，可能限制模型的泛化能力	术前预测乳腺癌患者的前哨淋巴结转移状态	乳腺癌患者的前哨淋巴结	数字病理学	乳腺癌	扩散加权磁共振成像	CNN, SVM	图像	172例患者（74例SLN阳性，98例SLN阴性）	NA	CNN, BOF模型	AUC	NA
313	2026-04-12	Fully automated organ segmentation in male pelvic CT images 2018-Dec-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf11c PMID:30523973	研究论文	本研究提出了一种基于深度学习的全自动男性盆腔CT图像分割工作流，用于前列腺癌放疗计划中前列腺及周围危及器官的精确分割	采用2D器官体积定位网络与3D分割网络相结合的架构，并引入ResNeXt改进的编码臂，实现了全自动的盆腔器官分割	研究仅基于136例患者的数据集，样本量相对有限，且未在外部数据集上进行验证	开发一种全自动的男性盆腔CT图像分割方法，以支持前列腺癌放疗治疗计划	男性盆腔CT图像中的前列腺、膀胱、直肠和双侧股骨头	数字病理学	前列腺癌	CT成像	CNN	图像	136例患者的盆腔CT图像数据集	NA	2D U-Net, 3D U-Net, ResNeXt	Dice系数	NA
314	2026-04-12	Incorporating automatically learned pulmonary nodule attributes into a convolutional neural network to improve accuracy of benign-malignant nodule classification 2018-12-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf09f PMID:30524071	研究论文	本文提出了一种结合肺结节良恶性分类和图像属性分类的新方法，通过构建独特的3D CNN和设计新颖的损失函数，以提高肺结节分类的准确性	将自动学习的肺结节图像属性作为高层语义标签整合到CNN中，设计了一种平衡两种分类任务影响的损失函数，使结节属性分类与良恶性分类相互促进	NA	提高肺结节良恶性分类的准确性	肺结节	计算机视觉	肺癌	深度学习	CNN	图像	使用公开可用的LIDC数据集进行训练和测试	NA	3D CNN	准确率	NA
315	2026-04-12	Visually interpretable deep network for diagnosis of breast masses on mammograms 2018-Dec-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaef0a PMID:30511660	研究论文	提出一种视觉可解释的深度学习网络框架，用于乳腺X光片中肿块诊断，并提供视觉解释	引入BIRADS引导图和批评网络，使深度学习网络能够根据BIRADS标准进行视觉解释，提高诊断决策的可解释性	仅基于公开乳腺X光数据库进行验证，未涉及多中心或更大规模数据集，可能影响泛化能力	开发一种视觉可解释的计算机辅助诊断框架，以改善乳腺肿块诊断的深度学习模型可解释性	乳腺X光片中的恶性与良性肿块	计算机视觉	乳腺癌	深度学习	深度神经网络	图像	独立测试集包含170个恶性肿块和170个良性肿块	NA	BIRADS引导诊断网络, BIRADS批评网络	NA	NA
316	2026-04-12	Deep learning with cinematic rendering: fine-tuning deep neural networks using photorealistic medical images 2018-09-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aada93 PMID:30113015	研究论文	本文提出了一种利用电影渲染技术生成逼真医学图像，以微调深度学习网络的方法，用于内窥镜单目深度估计任务	首次将电影渲染技术应用于深度学习，通过使用电影渲染生成的逼真CT数据微调合成数据驱动的网络，提高了模型对真实医学图像的适应性和鲁棒性	研究主要针对内窥镜深度估计任务，可能未涵盖其他医学图像分析应用；且依赖于特定渲染条件，泛化能力需进一步验证	解决医学图像数据稀缺问题，提升深度学习模型在真实医学图像上的性能	内窥镜图像，特别是结肠内窥镜图像	计算机视觉	NA	电影渲染，CT数据重建	CNN	图像	NA	NA	NA	深度估计误差减少百分比	NA
317	2026-04-12	Computer-aided detection of small intestinal ulcer and erosion in wireless capsule endoscopy images 2018-08-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aad51c PMID:30033931	研究论文	提出一种基于深度学习的计算机辅助检测方法，用于无线胶囊内窥镜图像中小肠溃疡和糜烂的检测	首次将深度学习框架应用于无线胶囊内窥镜图像中溃疡和糜烂的自动检测，能够直接从数据中提取图像特征，提高识别准确性和效率	NA	开发一种计算机辅助检测方法，以自动识别无线胶囊内窥镜图像中的小肠溃疡和糜烂	无线胶囊内窥镜图像中的小肠溃疡和糜烂病变	计算机视觉	小肠溃疡和糜烂	无线胶囊内窥镜成像	CNN	图像	数万张无线胶囊内窥镜图像	NA	AlexNet	准确率, 灵敏度, 特异性, AUC	NA
318	2026-04-12	Computed tomography super-resolution using deep convolutional neural network 2018-07-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aacdd4 PMID:29923839	研究论文	本研究开发了一种基于卷积神经网络的CT图像超分辨率方法，通过改进的U-Net学习低分辨率（厚层厚）与高分辨率（薄层厚）图像之间的端到端映射	采用改进的U-Net架构实现CT图像的超分辨率与去噪联合优化，显著提升骨结构和气腔边界的去模糊效果	研究仅使用二维切片数据进行训练，未涉及三维体积数据；样本量相对有限（52个训练研究）	开发深度学习模型以提升CT图像的空间分辨率并降低噪声	CT图像（薄层与厚层对比）	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	52个CT研究用于训练（7670张切片），13个CT研究用于测试	NA	改进的U-Net	峰值信噪比（PSNR），归一化均方根误差（NRMSE）	NA
319	2026-04-12	Evolutionary pruning of transfer learned deep convolutional neural network for breast cancer diagnosis in digital breast tomosynthesis 2018-05-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aabb5b PMID:29616660	研究论文	提出一种分层路径进化方法，用于压缩深度卷积神经网络，以在数字乳腺断层合成中分类肿块，同时保持分类准确性	采用遗传算法进行迭代路径进化，通过锦标赛选择驱动计数保持交叉和突变，显著减少网络参数和计算操作	未提及方法在其他深度学习网络或成像任务中的泛化能力验证，且统计差异不显著（p > 0.05）	压缩深度卷积神经网络参数，提高推理和迁移学习效率，用于乳腺癌诊断	数字乳腺断层合成中的肿块区域	计算机视觉	乳腺癌	数字乳腺断层合成	CNN	图像	第一阶段：19,632个增强ROI（来自2,454个乳腺X光肿块病变）；第二阶段：9,120个DBT ROI（来自228个肿块病变）；测试：89个肿块病变（来自94个独立DBT病例）	NA	预训练的DCNN（基于ImageNet）	AUC	NA
320	2026-04-12	Comment on 'Deep convolutional neural network with transfer learning for rectum toxicity prediction in cervical cancer radiotherapy: a feasibility study' 2018-03-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaae23 PMID:29424369	评论	对一篇关于使用深度卷积神经网络预测宫颈癌放疗中直肠毒性的可行性研究论文进行评论	NA	NA	讨论深度学习技术在医学物理和放射肿瘤学领域的应用潜力与局限性	深度学习在放射肿瘤学中的应用	数字病理学	宫颈癌	NA	卷积神经网络	NA	NA	NA	VGG-16	NA	NA