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
341	2026-04-03	MUC5B Genotype and Other Common Variants Are Associated with Computational Imaging Features of Usual Interstitial Pneumonia 2025-Apr, Annals of the American Thoracic Society IF:6.8Q1 DOI:10.1513/AnnalsATS.202401-022OC PMID:39591102	研究论文	本研究探讨了IPF患者遗传风险谱与基于深度学习的CT影像表型之间的关联	首次将MUC5B基因型等常见变异与基于深度学习的UIP模式计算影像特征相关联，利用深度学习分析增强基因型-表型关联的识别能力	未发现常见变异与计算影像评估的纤维化程度之间的关联，且MUC5B基因型与视觉评估的UIP模式无显著关联	确定IPF患者的遗传风险谱是否能识别独特的计算影像表型	IPF患者	数字病理	肺纤维化	计算影像分析（放射组学）	深度学习	CT影像	329名IPF参与者	NA	NA	NA	NA
342	2026-04-03	Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology 2025-Apr, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.010 PMID:39800054	研究论文	本研究开发了一种基于深度学习的模型，用于在炎症性肠病（IBD）患者结肠组织病理学全切片图像（WSI）中自动分类疾病活动度等级	首次将基于Transformer的深度学习模型应用于IBD活动度的全切片图像分类，并结合HoVer-Net分析中性粒细胞分布，通过注意力图增强模型可解释性	研究数据仅来自单一医疗中心（2018-2019年），样本量相对有限（636名患者），未在多中心外部数据集上进行验证	开发自动化工具以辅助病理学家对炎症性肠病（IBD）的组织学活动度进行标准化分级，减少观察者间差异	炎症性肠病（IBD）患者的结肠组织病理学全切片图像（WSI）	数字病理学	炎症性肠病	苏木精-伊红（H&E）染色、全切片图像扫描	Transformer	图像	636名患者的2077张全切片图像（×40放大，0.25 μm/像素）	NA	Transformer, HoVer-Net	AUC（曲线下面积）, 精确率, 召回率, F1分数	NA
343	2026-04-03	Recipes and ingredients for deep learning models of 3D genome folding 2025-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2024.102308 PMID:39862604	综述	本文比较和对比了用于预测基因组接触图的深度学习模型，综述了预处理、架构、训练、评估和解释方法	系统性地综述了三维基因组折叠的深度学习模型，突出了不同模型的能力和局限性，并指出了未来研究方向	作为综述文章，未提出新的实验数据或模型，主要基于现有文献进行分析	探讨深度学习模型在预测三维基因组折叠中的应用，以理解基因调控和疾病机制	三维基因组折叠和基因组接触图	机器学习	NA	NA	深度学习模型	基因组接触图数据	NA	NA	NA	NA	NA
344	2026-04-03	Multistage deep learning for classification of Helicobacter pylori infection status using endoscopic images 2025-04, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-024-02209-5 PMID:39815116	研究论文	本文提出了一种新的多阶段深度学习方法，用于自动分类幽门螺杆菌感染状态（未感染、当前感染和根除后）的内窥镜图像	开发了一种创新的多阶段深度学习方法，通过结合患者幽门螺杆菌根除史信息，显著提高了分类性能，并超越了医生的诊断准确率	研究样本量相对较小（训练集538例，验证集146例），可能影响模型的泛化能力，且未详细说明多阶段架构的具体设计	开发一种自动分类幽门螺杆菌感染状态的方法，以辅助胃癌筛查和风险评估	幽门螺杆菌感染状态（未感染、当前感染、根除后）的内窥镜图像	计算机视觉	幽门螺杆菌感染	内窥镜成像	深度学习	图像	训练集538例，验证集146例	NA	多阶段深度学习架构	准确率	NA
345	2026-04-03	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型语言模型在从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（如RNN、BioBERT）与大型语言模型（如GPT系列、Llama-2），显著提升了不良事件实体识别的性能，并验证了集成方法在生物医学自然语言处理任务中的有效性	研究数据规模相对有限（VAERS报告230条，Twitter推文3383条，Reddit帖子49条），且未对GPT-4进行微调，可能影响模型比较的全面性	评估大型语言模型和传统深度学习模型在不良事件实体提取中的有效性，并探索集成这些模型对性能的影响	从疫苗不良事件报告系统（VAERS）、Twitter和Reddit的文本中提取疫苗、注射和不良事件三类实体	自然语言处理	NA	自然语言处理、实体识别	RNN, BioBERT, GPT-2, GPT-3.5, GPT-4, Llama-2 7b, Llama-2 13b	文本	VAERS报告230条，Twitter推文3383条，Reddit帖子49条	NA	RNN, BioBERT, GPT-2, GPT-3.5, GPT-4, Llama-2	严格F1分数，宽松F1分数，微平均F1分数	NA
346	2026-04-03	Artificial Intelligence in Anterior Chamber Evaluation: A Systematic Review and Meta-Analysis 2024-09-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002428 PMID:38747721	荟萃分析	本研究通过系统回顾和荟萃分析，评估了深度学习算法在前房光学相干断层扫描图像中诊断房角关闭的准确性，并与房角镜检查进行对比	首次通过荟萃分析综合评估深度学习算法在AS-OCT图像中诊断房角关闭的性能，并证实其具有高敏感性和特异性	纳入的研究数量有限（仅6项），可能存在发表偏倚，且研究间异质性未详细讨论	比较深度学习算法在AS-OCT图像中诊断房角关闭的准确性，以评估其在青光眼筛查中的潜在价值	青光眼患者或疑似房角关闭的患者	医学影像分析	青光眼	前房光学相干断层扫描	深度学习算法	图像	5269名患者	NA	NA	敏感性, 特异性	NA
347	2026-04-03	The Effect of Noise on Deep Learning for Classification of Pathological Voice 2024-08, The Laryngoscope DOI:10.1002/lary.31303 PMID:38280184	研究论文	本研究评估了背景噪声对基于深度学习评估语音障碍GRBAS量表模型性能的影响	通过向测试样本添加不同强度的高斯噪声，系统评估了1D CNN模型在噪声环境下的鲁棒性	使用单一数据集且无比较对照组，属于OCEBM指南中的4级证据（病例系列研究）	评估背景噪声在机器学习模型评估语音障碍GRBAS量表中的重要性	1406个语音样本	数字病理学	语音障碍	NA	CNN	语音	1406个语音样本	TensorFlow	5层1D卷积神经网络	准确率, F1分数, 二次加权Cohen's kappa分数	NA
348	2026-04-03	Optical Coherence Tomography Versus Optic Disc Photo Assessment in Glaucoma Screening 2024-08-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002392 PMID:38546240	综述	本文综述了光学相干断层扫描（OCT）和视盘照相在青光眼筛查中的优势与局限性	探讨了人工智能和深度学习模型在提升视盘照相诊断准确性方面的潜力，并提出了结合OCT客观数据训练AI模型的新方向	AI模型的有效性依赖于训练数据质量，使用主观分级数据可能将人类评估的局限性引入系统，导致潜在不准确性	评估OCT和视盘照相在青光眼筛查中的准确性、可行性、成本效益及技术进展	青光眼筛查方法	医学影像分析	青光眼	光学相干断层扫描（OCT）、视盘照相	深度学习模型	图像	NA	NA	NA	阳性预测值（PPV）	NA
349	2026-04-03	Real-Time Laryngeal Cancer Boundaries Delineation on White Light and Narrow-Band Imaging Laryngoscopy with Deep Learning 2024-06, The Laryngoscope DOI:10.1002/lary.31255 PMID:38174772	研究论文	本研究探讨了深度学习在喉镜图像和视频中自动分割喉癌边界的能力	开发了SegMENT-Plus模型，首次在喉镜白光和窄带成像图像上实现实时喉癌边界分割，性能与耳鼻喉科住院医师相当，并展示了优秀的泛化能力	需要临床试验来评估该技术在手术实践和切除边缘改善中的作用	自动分割喉镜图像和视频中的喉癌浅表范围	喉癌患者的白光和窄带成像喉镜图像及视频	数字病理学	喉癌	白光喉镜，窄带成像喉镜	深度学习分割模型	图像，视频	来自557名患者的3933张喉癌图像，外部验证集包含156张和200张图像	NA	SegMENT-Plus	Dice相似系数，交并比，准确率，推理速度	NA
350	2026-04-03	A Proof-of-Concept Computer Vision Approach for Measurement of Tympanic Membrane Perforations 2024-06, The Laryngoscope DOI:10.1002/lary.31270 PMID:38214334	研究论文	本文提出了一种概念验证的计算机视觉方法，用于测量鼓膜穿孔的大小	首次将开源深度学习架构应用于鼓膜穿孔的自动分割和面积计算，相比传统目视估计提高了准确性	研究样本量小，穿孔类型主要为前部且相对较小，数据集缺乏异质性	开发一种计算机视觉模型，以更准确地评估鼓膜穿孔的大小	鼓膜穿孔的内窥镜图像	计算机视觉	耳科疾病	内窥镜成像	深度学习	图像	小规模鼓膜穿孔数据集（具体数量未明确说明）	NA	NA	平均绝对误差	NA
351	2026-04-03	Development of a convolutional neural network to accurately detect land use and land cover 2024-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2024.102719 PMID:38660033	研究论文	本研究开发了一个卷积神经网络模型，用于准确检测土地利用和土地覆盖，并在西班牙的自然保护区进行了应用	利用CNN模型对土地利用和土地覆盖进行分类，并在Sentinel-2和PNOA图像上验证其性能	在住宅类别的分类中存在一些混淆，可能由于该区域的特征导致	开发一个准确的土地利用和土地覆盖检测模型，以支持自然资源管理和环境评估	西班牙Sierra del Cando自然保护区的土地利用和土地覆盖	计算机视觉	NA	深度学习	CNN	图像	NA	NA	卷积神经网络	准确率	NA
352	2026-04-03	Improving Equity in Deep Learning Medical Applications with the Gerchberg-Saxton Algorithm 2024-Jun, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-024-00163-8 PMID:38681756	研究论文	本文研究了一种利用Gerchberg-Saxton算法在频率域进行变换的新方法，以减少深度学习医疗应用中的种族-民族偏见	提出了一种基于Gerchberg-Saxton算法的频率域变换方法，用于减少深度学习模型中的偏见，特别是针对种族-民族偏见	NA	减少深度学习在医疗应用中的偏见，提高模型的公平性和泛化能力	深度学习模型在医疗应用中的偏见问题，特别是针对代表性不足人群的种族-民族偏见	机器学习	NA	Gerchberg-Saxton算法	深度学习模型	NA	NA	NA	NA	NA	NA
353	2026-04-03	Modeling Zinc Complexes Using Neural Networks 2024-04-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c00095 PMID:38587510	研究论文	本文构建了一个深度学习架构，用于模拟锌有机金属配合物的能量学	针对锌配合物，开发了深度学习模型，并强调了部分电荷在神经网络模拟长程相互作用中的重要作用，克服了传统采样方法的限制	NA	研究锌有机金属配合物的能量学，以加速基于量子化学的模型开发	锌有机金属配合物	机器学习	NA	元动力学	神经网络	化学结构数据	NA	NA	NA	平均绝对误差	NA
354	2026-04-03	Prediction and Detection of Glaucomatous Visual Field Progression Using Deep Learning on Macular Optical Coherence Tomography 2024-04-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002359 PMID:38245813	研究论文	本研究开发了一种基于深度学习的方法，利用黄斑光学相干断层扫描（OCT）图像来检测青光眼的功能性进展并预测未来进展	提出了一种新颖的深度学习模型，通过自监督预训练视觉变换器（ViT）在大规模未标记OCT图像数据集上，实现了对青光眼进展的检测和预测	研究为回顾性队列研究，可能存在选择偏倚，且样本量在预测任务中相对较小	利用黄斑OCT成像预测未来并检测并发的青光眼视野进展	青光眼患者的黄斑OCT图像	计算机视觉	青光眼	光学相干断层扫描（OCT）	ViT	图像	预训练数据集包含来自151,389项黄斑OCT研究的7,702,201张B扫描图像；进展检测任务包括来自828名青光眼患者1534只眼的3902项黄斑OCT成像研究；进展预测任务包括来自784名患者1205只眼的1346项黄斑OCT研究	NA	视觉变换器（ViT）	AUC, 灵敏度, 特异性	NA
355	2026-04-03	RETRACTED: An inherently interpretable deep learning model for local explanations using visual concepts 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0311879 PMID:39466770	研究论文	本文提出了一种名为CA-SoftNet的双流深度学习模型，旨在通过视觉概念提供局部解释，以增强模型的可解释性	提出基于双过程理论的CA-SoftNet模型，结合浅层CNN和交叉注意力概念记忆网络，实现快速模式识别与透明逻辑推理，并开发了新的概念提取方法以生成与人类思维一致的概念化局部解释	未明确说明模型在更复杂或更大规模数据集上的泛化能力，以及概念提取方法可能仍受限于数据质量或标注偏差	开发一种可解释的深度学习模型，通过视觉概念提供局部解释，以解决深度学习模型的不透明性问题	深度学习模型的可解释性方法，特别是基于视觉概念的局部解释生成	计算机视觉	NA	深度学习	CNN, 交叉注意力网络	图像	CUB 200-2011、Stanford Cars、ISIC 2016和ISIC 2017数据集	NA	浅层卷积神经网络, 交叉注意力概念记忆网络	准确率	NA
356	2026-04-03	An attention-based deep learning method for right ventricular quantification using 2D echocardiography: Feasibility and accuracy 2024-01, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.15719 PMID:38126261	研究论文	本文提出了一种基于注意力机制的深度学习方法，用于通过2D超声心动图量化右心室，并以心脏磁共振成像为参考验证其可行性和准确性	首次将注意力机制（Transformer）应用于2D超声心动图的右心室量化任务，结合特征标记化模块，提高了预测精度	样本量较小（仅50名患者），且右心室大小和功能范围有限，需要更大规模队列验证	开发一种基于深度学习的右心室量化方法，以替代或辅助传统心脏磁共振成像	50名成年患者的2D超声心动图和心脏磁共振成像数据	医学影像分析	心血管疾病	2D超声心动图，心脏磁共振成像	Transformer	图像	50名患者（35名训练，5名验证，10名测试）	NA	Feature Tokenizer模块，Transformer层堆叠	R2，绝对百分比误差	NA
357	2026-04-03	Pathomic Features Reveal Immune and Molecular Evolution From Lung Preneoplasia to Invasive Adenocarcinoma 2023-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2023.100326 PMID:37678674	研究论文	本研究利用深度学习与人工智能技术，从常规H&E组织病理图像中提取病理组学特征，揭示肺腺癌从癌前病变到侵袭性腺癌的免疫与分子演化过程	首次结合深度学习细胞分割与病理组学特征分析，系统解码肺腺癌癌前病变演化，并验证了与昂贵分子/免疫分析结果的一致性	样本量相对有限（98例患者），且仅基于H&E图像分析，未整合多组学数据	探究肺腺癌早期癌变过程中的免疫与分子演化规律	肺组织样本，包括正常组织、非典型腺瘤样增生、原位腺癌、微浸润腺癌及侵袭性腺癌	数字病理	肺癌	深度学习，人工智能，H&E组织病理图像分析	深度学习模型	图像	98例患者，162张切片，669个感兴趣区域（包括143正常、129非典型腺瘤样增生、94原位腺癌、98微浸润腺癌、205侵袭性腺癌）	NA	NA	NA	NA
358	2026-04-03	Multimodal Deep Learning Classifier for Primary Open Angle Glaucoma Diagnosis Using Wide-Field Optic Nerve Head Cube Scans in Eyes With and Without High Myopia 2023-10-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002267 PMID:37523623	研究论文	本研究提出了一种基于光学相干断层扫描（OCT）的多模态深度学习分类模型，用于诊断伴有或不伴有高度近视的原发性开角型青光眼	引入了结合纹理信息的多模态深度学习分类器，在青光眼诊断中优于单模态模型及不含纹理信息的多模态模型，尤其是在高度近视眼中表现更佳	样本量相对有限，且研究仅针对特定类型的青光眼（POAG）和高度近视定义（眼轴长度>26mm）	评估基于宽视野OCT视神经头立方扫描的多模态深度学习分类器在伴有或不伴有轴性高度近视眼中的青光眼诊断准确性	原发性开角型青光眼（POAG）患者和健康受试者的眼睛，分为非高度近视组（眼轴长度≤26mm）和高度近视组（眼轴长度>26mm）	数字病理学	青光眼	光学相干断层扫描（OCT），共焦扫描激光检眼镜（cSLO）	深度学习分类器	图像	593只眼睛（非高度近视组：371只POAG眼，86只健康眼；高度近视组：92只POAG眼，44只健康眼）	NA	VGG-16	调整后的受试者工作特征曲线下面积（AUC）	NA
359	2026-04-03	SwarmDeepSurv: swarm intelligence advances deep survival network for prognostic radiomics signatures in four solid cancers 2023-Aug-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100777 PMID:37602223	研究论文	本文提出了一种名为SwarmDeepSurv的新方法，通过集成群体智能算法与深度生存模型，优化预后预测并减少高维特征中的冗余信息	首次将群体智能算法与深度生存模型结合，设计了四个目标函数以同时优化预后预测和特征选择数量	未提及具体局限性	研究放射组学特征与生存终点之间的关系，并提高预后预测的准确性	四种实体癌症的多中心数据集（n=1,058）	机器学习	肺癌,前列腺癌,心血管疾病,老年疾病	NA	深度生存网络	放射组学特征	1,058例患者	NA	SwarmDeepSurv	患者风险分层	NA
360	2026-04-03	Predicting benefit from immune checkpoint inhibitors in patients with non-small-cell lung cancer by CT-based ensemble deep learning: a retrospective study 2023-07, The Lancet. Digital health DOI:10.1016/S2589-7500(23)00082-1 PMID:37268451	研究论文	本研究通过基于CT的集成深度学习模型预测非小细胞肺癌患者对免疫检查点抑制剂的获益情况	首次开发了基于预处理CT扫描的集成深度学习模型（Deep-CT），用于预测免疫检查点抑制剂治疗后的生存结果，并证明其能提供独立于现有临床病理生物标志物的正交信息	回顾性研究设计，可能存在选择偏倚；仅使用两个医疗中心的数据，需要外部验证	研究深度学习在胸部CT扫描中的应用，以推导对免疫检查点抑制剂反应的成像特征，并评估其在临床背景中的附加价值	非小细胞肺癌患者	数字病理学	肺癌	CT扫描	集成深度学习模型	图像	976名转移性EGFR/ALK阴性非小细胞肺癌患者	NA	集成深度学习模型	C-index, 总体生存期, 无进展生存期	NA