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
321	2026-04-04	Opportunities for Improving Glaucoma Clinical Trials via Deep Learning-Based Identification of Patients with Low Visual Field Variability 2024 May-Jun, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.01.005 PMID:38296108	研究论文	本研究开发并评估了一种深度学习模型，用于预测未来视野变异性低的青光眼患者，并探讨了该模型在神经保护试验中减少样本量需求的影响	首次利用深度学习模型基于单次基线临床数据预测青光眼患者的未来视野变异性，从而优化临床试验设计	研究为回顾性队列和模拟研究，未进行前瞻性验证；样本量有限且仅基于特定数据集	通过深度学习模型识别低视野变异性患者，以降低青光眼神经保护临床试验的样本量需求	青光眼患者，每名患者选取一只眼，包含基线可靠视野、OCT及临床测量数据	数字病理学	青光眼	深度学习，视野检查，OCT成像	深度学习模型	图像，临床测量数据	2817只眼	NA	NA	AUC	NA
322	2026-04-04	Causal-StoNet: Causal Inference for High-Dimensional Complex Data 2024-May, ... International Conference on Learning Representations PMID:41725678	研究论文	本文提出了一种名为Causal-StoNet的新方法，用于处理高维复杂数据的因果推断问题	结合稀疏深度学习理论和随机神经网络，以统一方式处理高维性和未知数据生成过程，并支持缺失值	未在摘要中明确说明	解决高维复杂数据中的因果推断问题	高维复杂数据集，可能包含缺失值	机器学习	NA	深度学习技术，包括稀疏深度学习和随机神经网络	随机神经网络	高维复杂数据	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明	未在摘要中明确说明
323	2026-04-04	Deep learning to assess right ventricular ejection fraction from two-dimensional echocardiograms in precapillary pulmonary hypertension 2024-04, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15812 PMID:38634241	研究论文	本研究开发了一种基于深度学习的全自动工具，用于从二维超声心动图视频中估计右心室射血分数，以评估毛细血管前肺动脉高压患者的右心室收缩功能	首次利用3D-ResNet50模型从二维超声心动图视频中全自动估计右心室射血分数，无需人工干预，诊断性能与经验丰富的超声技师相当	样本量较小（仅85名患者），且仅针对毛细血管前肺动脉高压患者，可能限制了模型的泛化能力	开发一种全自动深度学习工具，用于从二维超声心动图视频中准确估计右心室射血分数，以评估右心室收缩功能	毛细血管前肺动脉高压患者	计算机视觉	肺动脉高压	二维超声心动图, 心脏磁共振成像	CNN	视频	85名疑似毛细血管前肺动脉高压患者	NA	3D-ResNet50	平均绝对误差, AUC	NA
324	2026-04-04	An anomaly detection model for multivariate time series with anomaly perception 2024, PeerJ. Computer science DOI:10.7717/peerj-cs.2172 PMID:41929829	研究论文	本文提出了一种名为EDD的新型深度学习模型，用于利用有限的异常样本提升多元时间序列异常检测的性能	创新性地结合图注意力网络与LSTM来提取多元时间序列的时空特征，并通过精心设计的损失函数在潜在空间中实现正常数据的紧密聚类和异常数据的随机分散	未明确说明模型对特定领域或数据类型的泛化能力限制，也未讨论计算复杂度或实时性方面的潜在问题	提升多元时间序列异常检测的准确性和鲁棒性	多元时间序列数据	机器学习	NA	深度学习	GAN, LSTM, 图注意力网络	时间序列数据	在三个不同数据集上进行了实验验证（具体样本数量未明确说明）	NA	EDD（Encoder-Decoder-Discriminator）	F1-Score	NA
325	2026-04-04	Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study 2023-Nov-11, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-023-00597-0 PMID:37952058	研究论文	本研究利用深度学习从组织病理学图像中预测早期乳腺癌复发	首次在卡罗莱纳乳腺癌研究队列中应用深度学习模型从H&E染色肿瘤切片图像预测早期复发，并发现图像模型能识别70%的早期复发低中级别肿瘤	样本量相对有限（202名参与者），预测准确率（62.4%）与现有临床标记物（分级、ER状态）相近但未显著超越	开发基于图像的快速筛查方法以识别早期乳腺癌复发高风险患者	乳腺癌患者的H&E染色肿瘤组织切片图像	数字病理学	乳腺癌	H&E染色组织病理学成像	深度学习模型	图像	704张1毫米肿瘤核心H&E图像（来自202名参与者，其中101名复发，101名未复发）	NA	NA	准确率	NA
326	2026-04-04	A Deep Learning Approach for Automated Bone Removal from Computed Tomography Angiography of the Brain 2023-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-023-00788-y PMID:36781588	研究论文	提出了一种基于深度学习的自动化方法，用于从脑部CT血管造影图像中去除骨骼干扰	设计并训练了一个深度卷积神经网络，专门用于脑部CTA图像的骨骼去除，特别是在颅底区域表现优于现有方法	训练数据量相对较小（72个CTA），且未明确说明模型对不同病理状况或图像质量的泛化能力	开发一种快速、准确的自动化工具，以改善脑部CTA图像中血管结构的可视化	脑部CT血管造影图像	计算机视觉	脑血管疾病	CT血管造影	CNN	医学图像	训练集：72个脑部CTA；内部测试集：15个CTA；外部独立测试集：17个CTA	未明确说明	深度卷积神经网络	Dice系数, 卡方检验, p值	未明确说明
327	2026-04-04	A deep learning algorithm-based visual strategy intervention study for children with autism spectrum disorders - extraction and detection of children's behavioral features 2023-06, European review for medical and pharmacological sciences DOI:10.26355/eurrev_202306_32608 PMID:37318465	研究论文	本文提出了一种基于深度学习算法的视觉策略干预方法，用于自闭症谱系障碍儿童的行为特征提取和异常行为检测	结合时空特征融合结构和顺序池行为检测方法，在复杂背景下有效描述儿童行为动态，并整合视觉提示策略以促进社交融入	NA	探索自闭症谱系障碍儿童的有效干预方法	自闭症谱系障碍儿童	计算机视觉	自闭症谱系障碍	深度学习算法	CNN	视频	SDUFall、Weizmann和HMDB51数据集	NA	MotionNet, OFF子网络	准确率	NA
328	2026-04-04	A transparent artificial intelligence framework to assess lung disease in pulmonary hypertension 2023-03-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-30503-4 PMID:36882484	研究论文	本文开发了一个透明的人工智能框架，用于评估肺动脉高压患者的肺部疾病	提出了一种结合局部可解释性和可解释降维方法（PCA-GradCam、PCA-Shape）的新通用技术，以验证框架的可信度	NA	评估肺动脉高压患者的肺部疾病程度	肺动脉高压患者的肺部疾病	计算机视觉	肺动脉高压	计算机断层扫描	深度学习	3D解剖模型	NA	NA	NA	准确性、鲁棒性、泛化性	NA
329	2026-04-04	RETRACTED: Gastrointestinal tract disorders classification using ensemble of InceptionNet and proposed GITNet based deep feature with ant colony optimization 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292601 PMID:37831692	研究论文	提出一种基于深度特征学习和蚁群优化的自动系统，用于胃肠道疾病的内窥镜图像分类	提出新的GITNet深度网络架构，并结合InceptionNetV3进行深度特征提取，首次将蚁群优化（ACO）用于胃肠道疾病分类的特征优化，并采用串行特征融合与多种SVM分类器变体	仅在两个特定数据集（KVASIR和NERTHUS）上进行评估，未在更广泛或临床实际数据中验证，未讨论模型的计算效率或实时性	开发自动化的计算机辅助诊断系统，提高胃肠道疾病内窥镜筛查的准确性和效率	胃肠道疾病的内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN, SVM	图像	两个数据集（KVASIR含8类，NERTHUS含4类），具体样本数未提供	NA	InceptionNetV3, GITNet	准确率	NA
330	2026-04-04	Interinstitutional Portability of a Deep Learning Brain MRI Lesion Segmentation Algorithm 2022-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200152 PMID:35146430	研究论文	本研究评估了深度学习脑部MRI病灶分割算法在不同机构间的可移植性，并探讨了多机构训练数据对性能损失缓解的效果	首次系统评估了脑部MRI病灶分割算法在跨机构应用时的性能变化，并发现添加少量具有异质病理特征的外部机构训练数据即可显著提升模型在新机构的性能	研究为回顾性设计，样本量相对有限，且仅涉及两个机构的数据，可能无法完全代表所有临床场景的多样性	评估脑部MRI病灶分割算法在不同机构间的可移植性，并探索提升跨机构性能的训练策略	脑部MRI图像中的病灶区域	医学影像分析	脑部疾病	脑部MRI成像	深度学习	医学影像（MRI）	训练集：293例患者（机构IN1）；测试集：51例患者（机构IN2）；额外训练数据：285例多机构脑肿瘤分割、198例IN2脑肿瘤分割、34例IN2多种脑部病理病灶分割	NA	三维U-Net	Dice系数，Spearman相关系数	NA
331	2026-04-04	Feasibility of Simulated Postcontrast MRI of Glioblastomas and Lower-Grade Gliomas by Using Three-dimensional Fully Convolutional Neural Networks 2021-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200276 PMID:34617027	研究论文	本研究评估了使用三维全卷积神经网络从预处理MRI图像模拟胶质母细胞瘤和低级别胶质瘤患者对比后T1加权脑部MR图像的可行性和准确性	首次开发了基于三维深度卷积神经网络的模型，能够从八种预处理序列生成模拟的对比后T1加权图像，并在多中心外部数据集上通过迁移学习验证了其泛化能力	研究为回顾性设计，样本量有限（400例内部数据集），且外部数据集的性别比例未知，可能影响模型的普适性	评估使用预处理MR图像模拟胶质瘤患者对比后T1加权脑部MR图像的可行性和准确性	脑胶质瘤患者（包括胶质母细胞瘤和低级别胶质瘤）的MR图像	医学影像分析	脑胶质瘤	MRI（磁共振成像）	CNN（卷积神经网络）	图像（三维脑部MR图像）	内部数据集400例患者（332例胶质母细胞瘤，68例低级别胶质瘤），外部数据集286例（来自2019年多模态脑肿瘤分割挑战赛）	NA	三维全卷积神经网络	结构相似性指数，对称平均绝对百分比误差，Dice系数，准确率	NA
332	2026-04-04	Automated digital TIL analysis (ADTA) adds prognostic value to standard assessment of depth and ulceration in primary melanoma 2021-02-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-82305-1 PMID:33531581	研究论文	本研究应用深度学习算法自动分析黑色素瘤H&E图像中的肿瘤浸润淋巴细胞，以提升疾病特异性生存预测的准确性	开发并验证了一种开源深度学习算法，用于自动数字TIL分析，为早期黑色素瘤的预后评估提供了新的生物标志物	研究样本规模较小，需要更大规模的研究进一步验证ADTA在分期算法中的适用性	评估自动数字TIL分析在预测早期黑色素瘤患者疾病特异性生存方面的价值	早期黑色素瘤患者的H&E病理图像	数字病理学	黑色素瘤	H&E染色	深度学习算法	图像	训练队列80例，验证队列145例	NA	NA	HR, CI, p值	NA
333	2026-04-04	An objective structural and functional reference standard in glaucoma 2021-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-80993-3 PMID:33462288	研究论文	本研究提出了一种基于光学相干断层扫描和标准自动视野计的客观青光眼视神经病变定义，并以此作为参考标准开发深度学习算法来检测眼底照片中的青光眼	提出了一种客观的青光眼视神经病变定义，用于解决青光眼诊断缺乏共识的问题，并首次将该定义作为参考标准应用于深度学习算法的开发	研究样本量相对有限（405名个体的585只眼睛），且仅基于特定设备（光学相干断层扫描和标准自动视野计）的参数，可能影响泛化能力	开发一种基于深度学习算法的青光眼诊断工具，提高青光眼检测的客观性和可比性	青光眼视神经病变患者和正常个体的眼底照片	数字病理学	青光眼	光学相干断层扫描, 标准自动视野计	深度学习算法	图像	405名个体的585只眼睛，共2118张眼底照片	NA	NA	灵敏度, 特异性, 受试者工作特征曲线下面积, 似然比	NA
334	2026-04-04	Rapid whole-brain electric field mapping in transcranial magnetic stimulation using deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0254588 PMID:34329328	研究论文	本研究提出了一种基于深度学习的快速全脑电场映射方法，用于经颅磁刺激（TMS）中的电场估计	提出了一种名为3D-MSResUnet的神经网络架构，结合了3D U-Net、残差模块和多尺度特征图融合机制，以加速全脑电场估计	未明确说明模型在不同人群或疾病状态下的泛化能力，以及数据集的潜在偏差	提高经颅磁刺激（TMS）中电场估计的速度和效率，以改善治疗靶向性	人脑组织，特别是经颅磁刺激（TMS）中的电场分布	机器学习	神经精神疾病	扩散磁共振成像（MRI）、有限元方法（FEM）	CNN	图像	大型数据集（具体数量未在摘要中说明）	未明确指定，但可能基于PyTorch或TensorFlow	3D-MSResUnet（结合3D U-Net和残差模块）	多种评估指标（具体名称未在摘要中列出），如准确性、预测时间	未明确说明，但涉及GPU加速计算
335	2026-04-04	Deep Neural Network Sleep Scoring Using Combined Motion and Heart Rate Variability Data 2020-Dec-23, Sensors (Basel, Switzerland) DOI:10.3390/s21010025 PMID:33374527	研究论文	本文开发了一种结合活动计数和心率变异性数据的深度学习算法，用于改进睡眠质量评估	提出了一种新颖的深度学习模型（Haghayegh算法），结合活动计数和5分钟窗口的心率变异性指标，显著提升了睡眠评分性能	研究仅基于222名参与者的数据，样本量相对有限，且未涉及更广泛的临床验证	改进睡眠质量评估，通过深度学习算法提升与多导睡眠图的吻合度	222名参与者的同时记录的多导睡眠图和腕部活动记录数据	机器学习	NA	腕部活动记录术，心率变异性分析	深度学习模型	活动计数和心率变异性指标	222名参与者	NA	Haghayegh算法	准确率, 灵敏度, 特异性, Kappa一致性	NA
336	2026-04-04	SuperHistopath: A Deep Learning Pipeline for Mapping Tumor Heterogeneity on Low-Resolution Whole-Slide Digital Histopathology Images 2020, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2020.586292 PMID:33552964	研究论文	提出一种名为SuperHistopath的深度学习流程，用于在低分辨率全切片数字病理图像上高效映射肿瘤异质性	结合SLIC超像素分割与CNN分类，直接在低分辨率（5倍放大）全切片图像上操作，显著降低计算成本并保持高精度	未明确说明模型在更广泛癌症类型或更大样本量中的泛化能力	开发计算高效的数字病理图像分析框架，用于量化肿瘤形态异质性并辅助临床工作流程	黑色素瘤、三阴性乳腺癌和高危儿童神经母细胞瘤转基因小鼠模型的病理组织样本	数字病理学	黑色素瘤, 三阴性乳腺癌, 神经母细胞瘤	数字病理成像	CNN	图像	127例黑色素瘤、23例三阴性乳腺癌和73例转基因小鼠神经母细胞瘤样本	未明确说明	未明确说明	准确率	未明确说明
337	2026-04-03	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	研究论文	本研究比较了六种先进的深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，旨在为临床和研究应用确定最有效的模型	首次系统性地比较了包括CNN、CNN-Transformer混合架构及新型U-Mamba架构在内的六种先进模型在大量脑结构（122个）分割任务上的性能，并验证了分割结果在阿尔茨海默病体积分析中的可靠性	研究数据集规模仍有限，未来需要更大规模的数据集进行验证，且模型在其他神经系统疾病中的适用性有待探索	评估并比较先进深度学习模型在脑MRI多结构分割任务中的性能，以确定最优模型用于临床和研究	T1加权脑MRI图像中的122个灰质结构	医学图像分析	阿尔茨海默病	T1加权磁共振成像	CNN, Transformer, Mamba	医学图像（MRI）	1510例T1加权MRI扫描（包括正常对照和阿尔茨海默病患者）	NA	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	Dice相似系数, 95百分位Hausdorff距离	NA
338	2026-04-03	Deep Hair Phenomics: Implications in Endocrinology, Development, and Aging 2025-Apr, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2024.08.014 PMID:39236901	研究论文	开发了一种基于深度学习的计算机视觉方法，用于高通量、高分辨率地量化单个毛发纤维，以研究激素信号、遗传修饰和衰老对毛囊输出的影响	创新性地开发了能够区分和提取重叠毛发纤维的计算机视觉工具，实现了多变量特征（长度、宽度、颜色）的量化，并生成了可搜索的交互式网络工具	目前仅在小鼠模型上进行了验证，尚未在人类或其他动物中广泛应用	研究激素信号、遗传修饰和衰老对毛囊输出的影响，并开发新的疾病诊断方法	小鼠的毛发纤维	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
339	2026-04-03	Improved diagnosis of arrhythmogenic right ventricular cardiomyopathy using electrocardiographic deep learning 2025-Apr, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.08.030 PMID:39168295	研究论文	本研究开发并验证了一种基于心电图（ECG）的深度学习工具，用于诊断致心律失常性右心室心肌病（ARVC）	首次将深度学习应用于心电图分析，以提升ARVC的诊断准确性，达到专家水平，并能区分真实ARVC诊断与表型模拟者及高危家族成员/基因阳性个体	研究样本量相对有限（总样本688例，外部验证167例），且ARVC在验证队列中的患病率较低（10.2%），可能影响模型的泛化性能	开发并验证一种基于深度学习的ECG工具，用于辅助诊断致心律失常性右心室心肌病（ARVC）	被转诊进行ARVC评估的患者（来自约翰霍普金斯医院，n=688）以及通过Geisinger MyCode社区健康计划识别的携带致病性或可能致病性ARVC基因变异的患者（n=167）	机器学习	心血管疾病	心电图（ECG）分析	深度学习模型	心电图（ECG）数据	开发集551例（80.1%），测试集137例（19.9%），外部验证队列167例	NA	NA	c-statistic（AUC），置信区间	NA
340	2026-04-03	Personalized Blood Glucose Forecasting From Limited CGM Data Using Incrementally Retrained LSTM 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3494732 PMID:39514345	研究论文	本文提出了一种新颖的深度学习框架IS-LSTM，用于从有限的连续血糖监测数据中实现个性化血糖预测	提出增量式重训练堆叠LSTM框架，通过逐步适应个体数据和参数迁移来提高预测效率，解决了传统方法需要大量训练数据的问题	研究主要针对1型糖尿病患者，未涉及其他类型糖尿病或更广泛人群	开发一种能够从有限CGM数据中准确预测血糖水平的个性化深度学习模型	1型糖尿病患者的连续血糖监测数据	机器学习	糖尿病	连续血糖监测	LSTM	时间序列数据	两个CGM数据集（OpenAPS和Replace-BG），具体样本数量未明确说明	NA	堆叠LSTM	均方根误差, Clarke误差网格分析	NA