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
3601	2026-03-02	Towards contrast-agnostic soft segmentation of the spinal cord 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103473 PMID:39874684	研究论文	本文提出了一种基于深度学习的脊髓软分割方法，旨在实现跨MRI对比度的稳定分割	提出了首个能够跨MRI对比度产生稳定软分割的脊髓分割方法，通过使用参与者级别的软平均真值掩码和回归损失函数来减少分割变异性	研究主要基于健康参与者的数据（n=267），尽管在病理数据上进行了泛化测试，但样本量相对有限	开发一种对MRI对比度不敏感的脊髓软分割方法，以减少多中心研究中因协议差异导致的脊髓横截面积变异性	脊髓的MRI图像分割	医学图像分析	多发性硬化症、脊髓压迫症、神经退行性疾病	MRI成像	CNN	医学图像（MRI）	267名健康参与者，包含6种不同的MRI对比度	NA	U-Net	脊髓横截面积变异性（通过Wilcoxon符号秩检验评估p值）	NA
3602	2026-03-02	Universal consensus 3D segmentation of cells from 2D segmented stacks 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.03.592249 PMID:38766074	研究论文	本文提出了一种名为u-Segment3D的理论和工具箱，用于将2D细胞分割结果转换为3D共识实例分割，无需训练数据	开发了一种无需训练数据的2D到3D分割方法，兼容任何生成基于像素实例细胞掩码的2D方法，并在拥挤和复杂形态细胞上表现优于原生3D分割	未明确说明该方法在低对比度或噪声图像中的性能，且依赖2D分割的质量	解决3D细胞分割中密集标注的挑战，实现通用且高效的3D细胞分割	单细胞、细胞聚集体和组织中的细胞	数字病理学	NA	显微镜成像	NA	图像	11个真实数据集，超过70,000个细胞	NA	NA	NA	NA
3603	2026-03-02	Deactivated Cas9-Engineered Magnetic Micromotors toward a Point-of-Care Digital Viral RNA Assay 2025-03-11, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c14913 PMID:40017424	研究论文	本文介绍了一种名为dCRISTOR的新型数字分子诊断系统，通过整合dCas9工程化微电机、免提取LAMP扩增、低成本明场显微镜和深度学习图像处理，实现了对HIV-1 RNA的高灵敏度检测	开发了基于dCas9工程化磁性微电机的数字病毒RNA检测平台，无需荧光读数或昂贵制造工艺，结合CNN-MOT算法实现运动变化的精确测量	研究中使用的临床样本数量有限（n=9），且主要针对HIV-1病毒，未验证对其他病毒或样本类型的适用性	开发一种适用于即时检测的高灵敏度、低成本数字核酸分析系统	人类免疫缺陷病毒-1（HIV-1）RNA	数字病理学	艾滋病	免提取环介导等温扩增（LAMP），逆转录定量聚合酶链反应（RT-qPCR）	CNN	图像	21份加标血浆样本和9份临床患者样本	NA	卷积神经网络	灵敏度，特异性，检测限（LOD）	NA
3604	2026-03-02	Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf136 PMID:40185158	综述	本文从数据科学视角，系统回顾了深度学习在单细胞和空间转录组学数据分析中的进展与挑战	系统性地评估了58种计算方法在9个基准测试的21个数据集上的性能，揭示了模型性能在不同数据集和评估指标间的显著差异，为基于特定应用场景选择最合适方法提供了实用视角	高质量标注数据集仍然有限，生物组织的复杂相关性使得准确重建细胞状态和空间背景具有挑战性	探讨如何有效应用深度学习进行转录组学数据分析，以服务于生物、医学和临床环境	单细胞和空间转录组学数据	机器学习	NA	单细胞测序，空间转录组学	深度学习	基因表达，表观遗传修饰，代谢物水平，空间位置	涉及21个数据集（来自9个基准测试），数据规模已扩展至数百万细胞	NA	NA	NA	NA
3605	2026-03-02	Artificial intelligence in the diagnosis of uveal melanoma: advances and applications 2025, Experimental biology and medicine (Maywood, N.J.) DOI:10.3389/ebm.2025.10444 PMID:40046904	综述	本文综述了机器学习和深度学习在葡萄膜黑色素瘤诊断中的应用进展与挑战	探讨了深度学习模型（尤其是CNN）在自动分析医学图像、识别复杂模式方面的潜力，并强调了多模态成像整合可能提升诊断准确性	现有研究普遍存在数据集规模小、外部验证有限、依赖单一成像模态等问题，限制了模型在临床环境中的泛化能力	评估机器学习和深度学习在葡萄膜黑色素瘤诊断中的研究进展与应用潜力	葡萄膜黑色素瘤等黑色素细胞性脉络膜肿瘤	计算机视觉	葡萄膜黑色素瘤	眼底照相、光学相干断层扫描、超声	CNN	图像	NA	NA	NA	准确率、灵敏度、AUC	NA
3606	2026-03-02	A survey of NLP methods for oncology in the past decade with a focus on cancer registry applications 2025, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11316-5 PMID:40688631	综述	本文综述了过去十年（2014-2024年）自然语言处理（NLP）在癌症登记操作中的应用	系统性地回顾和分类了NLP在癌症登记领域的应用，并识别了当前研究空白，如对儿科癌症、黑色素瘤、淋巴瘤以及疾病进展、临床试验匹配等研究领域的关注不足	综述基于特定数据库（Scopus和PubMed）的156篇文章，可能未涵盖所有相关研究；同时指出了当前研究在特定癌症类型、多模态模型以及利用解码器模型（如GPT）方面存在不足	调查NLP在癌症登记操作中的应用现状、方法趋势及研究缺口，以提升数据提取的效率和准确性	来自病理学和放射学报告的临床文本	自然语言处理	癌症	自然语言处理	基于规则的模型, 机器学习模型, 传统深度学习模型, Transformer模型（如BERT, GPT）	文本	NA	NA	BERT, ClinicalBERT, RadBERT, GPT-3, GPT-4	NA	NA
3607	2026-03-02	Natural Language Processing of Clinical Documentation to Assess Functional Status in Patients With Heart Failure 2024-11-04, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2024.43925 PMID:39509128	研究论文	本研究开发并验证了一种深度学习自然语言处理策略，用于从心力衰竭患者的非结构化临床文档中提取功能状态评估信息	提出了一种深度学习NLP方法，能够从临床文档中准确提取纽约心脏协会分级和心力衰竭症状，显著提升了从非结构化文本中识别功能状态的能力	研究数据来源于三个特定的医疗网络，可能限制了模型的泛化能力；模型性能依赖于专家标注的笔记质量	开发并验证一种自然语言处理策略，用于从临床文档中自动提取心力衰竭患者的功能状态评估，以支持质量改进和临床试验患者筛选	被诊断为心力衰竭并在门诊就诊的患者	自然语言处理	心血管疾病	自然语言处理	深度学习模型	文本	34,070名心力衰竭患者，涉及3000份专家标注的临床笔记和182,308份未标注笔记	NA	NA	AUROC	NA
3608	2026-03-02	Clinical usability of deep learning-based saliency maps for occlusion myocardial infarction identification from the prehospital 12-Lead electrocardiogram 2024 Nov-Dec, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2024.153792 PMID:39255653	研究论文	本研究评估了基于深度学习的显著图在院前12导联心电图中识别闭塞性心肌梗死的临床可用性	首次在临床环境中评估显著图对深度学习心电图模型可解释性的增强作用，并揭示了模型与临床医生在关键心电图段认知上的差异	研究样本量较小（仅100例心电图），且仅涉及三位临床医生，可能限制结果的普遍性	评估深度学习显著图在辅助临床医生识别闭塞性心肌梗死中的临床相关性和帮助性	来自胸痛患者的100份心电图及其对应的深度学习显著图	机器学习	心血管疾病	心电图分析	CNN	心电图信号	100份心电图	NA	卷积神经网络	AUC, F1分数	NA
3609	2026-03-02	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-09-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文提出了一种基于自发光显微镜和深度学习的虚拟双折射成像与虚拟刚果红染色方法，用于无标记组织中淀粉样蛋白沉积物的可视化	利用单个神经网络将无标记组织的自发光图像转换为亮场和偏振显微镜图像，实现虚拟双折射成像与虚拟刚果红染色，避免了传统化学染色的繁琐与误差	研究主要针对心脏组织，未涉及其他器官或组织类型，且可能受自发光图像质量影响	开发一种无标记、自动化的淀粉样蛋白沉积物成像方法，以替代传统刚果红染色	无标记人体组织中的淀粉样蛋白沉积物	数字病理学	系统性淀粉样变性	自发光显微镜	神经网络	图像	未明确指定样本数量，但涉及心脏组织	NA	NA	定量指标与病理学家评估	NA
3610	2026-03-02	Deep Learning Segmentation of Infiltrative and Enhancing Cellular Tumor at Pre- and Posttreatment Multishell Diffusion MRI of Glioblastoma 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230489 PMID:39166970	研究论文	本研究开发并验证了一种基于深度学习的模型，用于在胶质母细胞瘤患者治疗前后的多壳层扩散MRI上分割增强和非增强的细胞肿瘤区域，并预测总生存期和无进展生存期	利用nnU-Net深度学习模型整合灌注和多壳层扩散MRI数据，实现了对胶质母细胞瘤中增强和非增强细胞肿瘤的自动分割，并验证了其在区分肿瘤复发与治疗后改变以及预测生存期方面的能力	研究为回顾性设计，可能存在选择偏倚；模型性能在不同外部测试队列中可能存在差异	开发并验证一种深度学习方法来检测和分割胶质母细胞瘤的细胞肿瘤区域，并预测患者的生存结局	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多壳层扩散MRI, 灌注成像	CNN	MRI图像	内部数据集包含1297名患者的1397次MRI扫描（其中243次用于训练和交叉验证），以及四个外部测试队列（分别包含55、70、610和419次MRI时间点）	nnU-Net	nnU-Net	Dice分数, AUC	NA
3611	2026-03-02	Deep learning enables accurate soft tissue tendon deformation estimation in vivo via ultrasound imaging 2024-08-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-68875-w PMID:39117664	研究论文	本文提出了一种名为StrainNet的新型深度学习方法，用于通过超声成像在体内准确估计软组织肌腱的变形	开发了StrainNet，一种专门针对体内超声图像序列设计的深度学习模型，通过结合图像伪影的训练数据集，在挑战性体内环境中实现高性能变形估计，相比传统方法性能提升近90%	研究主要针对人类屈肌腱，可能未涵盖其他组织类型；模型训练依赖于人工生成的图像序列，可能无法完全模拟所有体内复杂情况	开发一种能够准确测量体内组织变形的图像分析方法，以评估组织健康和疾病进展	人类屈肌腱	计算机视觉	NA	高频超声成像	深度学习模型	图像序列	NA	NA	StrainNet	NA	NA
3612	2026-03-02	Current genomic deep learning models display decreased performance in cell type-specific accessible regions 2024-Aug-01, Genome biology IF:10.1Q1 DOI:10.1186/s13059-024-03335-2 PMID:39090688	研究论文	本文评估了基因组深度学习模型在细胞类型特异性染色质可及性区域的性能表现	揭示了基因组深度学习模型在细胞类型特异性可及区域的性能下降，并提出通过单任务学习或高容量多任务模型来提升性能的新策略	未详细说明模型在变异效应预测方面的改进策略，且性能提升方法可能受限于特定组织类型	评估基因组深度学习模型在不同细胞类型特异性染色质可及性区域的预测准确性	基因组深度学习模型（如Enformer和Sei）及其在染色质可及性预测中的应用	机器学习	NA	染色质可及性预测	深度学习模型	DNA序列数据	NA	NA	Enformer, Sei	准确性	NA
3613	2026-03-02	Deep Learning-based Modeling for Preclinical Drug Safety Assessment 2024-Jul-23, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.20.604430 PMID:39091793	研究论文	本文介绍了一种名为TRACE的深度学习模型，用于加速和自动化临床前药物安全性评估中的毒理学肝脏组织病理学分析	提出了首个用于加速和自动化毒理学病理学评估的框架TRACE，能够处理从组织病理学反应评估到自动剂量-反应表征等多种诊断任务，并在独立读者研究中表现优于平均病理学家水平	模型主要针对肝脏组织病理学，可能无法直接推广到其他器官或组织类型；训练数据来源于特定物种的临床前研究，在人类应用中的泛化能力有待验证	开发一种基于深度学习的计算模型，以加速临床前药物开发中的毒性评估过程，提高评估的再现性和客观性	临床前药物安全性评估中的毒理学肝脏组织病理学图像	数字病理学	药物毒性	组织病理学成像，深度学习	深度学习模型	组织病理学图像	从157项临床前研究的46,734个数字化组织切片中提取的1500万张组织病理学图像	未明确指定	TRACE（专有架构）	与共识意见的一致性（concordance）	未明确指定
3614	2026-03-02	Proscan: a structure-based proline design web server 2024-Jul-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkae408 PMID:38769060	研究论文	介绍了一个基于结构的脯氨酸设计网络服务器Proscan，用于识别和探索目标蛋白质的脯氨酸替换设计	开发了首个结合骨架角度评估、能量评分和深度学习预测的脯氨酸设计网络服务器，提供交互式可视化功能	未明确说明服务器处理蛋白质结构的规模限制或计算时间要求	开发用于蛋白质结构设计和疫苗抗原工程的计算工具	蛋白质结构、脯氨酸替换位点	计算生物学	NA	结构生物学、深度学习	深度学习模型	蛋白质结构数据、突变稳定性数据	使用深度突变扫描和热力学测量数据集进行基准测试	NA	NA	NA	网络服务器架构
3615	2024-08-07	Author Correction: MRI-only based material mass density and relative stopping power estimation via deep learning for proton therapy: a preliminary study 2024-Jun-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-65365-x PMID:38918458	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3616	2026-03-02	Preliminary Experience with Three Alternative Motion Sensors for 0.55 Tesla MR Imaging 2024-Jun-07, Sensors (Basel, Switzerland) DOI:10.3390/s24123710 PMID:38931494	研究论文	本文分享了在0.55特斯拉磁共振成像中使用三种替代运动传感器的初步经验，旨在监测身体表面、主要器官呼吸相关运动以及深部器官的非呼吸运动	结合深度学习算法，探索了三种不同技术的传感器（Pilot-Tone射频发射器、单通道超声换能器、3D飞行时间相机）用于磁共振环境内外的运动跟踪，并展示了它们同时捕获运动数据的能力	研究为初步经验，未提供大规模样本验证或长期性能评估，传感器在临床环境中的实际应用效果尚需进一步研究	评估替代运动传感器在磁共振成像中监测多种类型运动（如表面、呼吸相关及深部器官运动）的可行性和性能	身体表面、肝脏、膀胱等器官的运动	医学影像	NA	磁共振成像、射频发射、超声传感、3D飞行时间摄像	深度学习算法	运动数据、图像数据	NA	NA	NA	NA	NA
3617	2026-03-02	Sitetack: A Deep Learning Model that Improves PTM Prediction by Using Known PTMs 2024-Jun-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.03.596298 PMID:38895359	研究论文	本文提出了一种名为Sitetack的深度学习模型，通过利用已知的翻译后修饰（PTM）位点信息来改进PTM预测	该模型创新性地将已知PTM位点编码为单独的氨基酸特征，并结合词嵌入和卷积神经网络，显著提升了PTM预测性能	未明确提及数据集的局限性或模型的具体约束条件	旨在提高翻译后修饰（PTM）位点的预测准确性	蛋白质序列及其翻译后修饰（PTM）位点	机器学习	NA	序列编码、词嵌入	CNN	蛋白质序列数据	NA	NA	卷积神经网络	NA	NA
3618	2026-03-02	Differential artery-vein analysis improves the OCTA classification of diabetic retinopathy 2024-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.521657 PMID:38867785	研究论文	本研究探讨了在光学相干断层扫描血管成像中应用动静脉差异分析对糖尿病视网膜病变机器学习分类的影响	利用深度学习进行动静脉区域分割，并提取动静脉分化前后的定量特征，显著提升了糖尿病视网膜病变的分类准确率	未提及样本量外的具体局限性，如外部验证或模型泛化能力	通过动静脉差异分析改进糖尿病视网膜病变的OCTA分类	对照者、无糖尿病视网膜病变的糖尿病患者、轻度、中度和重度糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像	深度学习, SVM	图像	NA	NA	NA	准确率	NA
3619	2026-03-02	Demographic bias in misdiagnosis by computational pathology models 2024-Apr, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-024-02885-z PMID:38641744	研究论文	本研究揭示了基于深度学习的计算病理学模型在乳腺癌、肺癌亚型分型和胶质瘤IDH1突变预测中，因人口统计学因素（如种族）导致的性能偏差，并探讨了自监督视觉基础模型在缓解这种偏差方面的作用	首次系统性地量化了计算病理学模型在不同人口统计学群体（如白人和黑人患者）间的性能差异，并验证了自监督视觉基础模型在减少这些偏差方面的有效性	自监督视觉基础模型未能完全消除性能差异，且研究主要基于公开数据集，可能无法涵盖所有人口统计学群体	评估计算病理学模型在不同人口统计学群体中的性能偏差，并探索缓解策略	乳腺癌、肺癌的亚型分型以及胶质瘤的IDH1突变预测	计算病理学	乳腺癌, 肺癌, 胶质瘤	全切片图像分类	深度学习模型	全切片图像	来自癌症基因组图谱、EBRAINS脑肿瘤图谱及内部患者数据的公开数据集	NA	自监督视觉基础模型	受试者工作特征曲线下面积	NA
3620	2026-03-02	Deep learning-based automatic segmentation of cardiac substructures for lung cancers 2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.110061 PMID:38122850	研究论文	本研究开发并验证了基于深度学习的自动分割模型，用于肺癌放疗中精确分割心脏亚结构，以降低辐射诱发心脏病的风险	首次使用nnU-Net模型对19个心脏亚结构（包括冠状动脉）进行自动分割，并进行了主观和客观评估	冠状动脉的分割性能相对较低（平均DSC为0.60），且样本量有限（100名患者）	开发并验证用于肺癌放疗中心脏亚结构自动分割的深度学习模型	非小细胞肺癌患者的19个心脏亚结构（全心脏、4个心腔、6个大血管、4个瓣膜和4条冠状动脉）	数字病理学	肺癌	CT成像	CNN	医学图像	100名非小细胞肺癌患者（训练/验证/测试集比例为75:5:20），外加42名患者的独立数据集用于主观评估	nnU-Net	nnU-Net	Dice相似系数, 平均剂量误差, 最大剂量误差	NA