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
421	2026-05-25	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	开发低信号符号化迭代随机森林方法来阐明心脏肥大的复杂遗传结构，利用UK Biobank数据揭示上位性遗传变异及其在心脏转录组和单细胞形态学中的影响	提出低信号符号化迭代随机森林方法用于发现上位性关系，整合深度学习心脏MRI分析、转录组网络分析和高通量微流控单细胞形态学分析，揭示非加性遗传效应	NA	阐明心脏肥大的上位性遗传调控机制	心脏肥大及其相关遗传变异	机器学习	心血管疾病	RNA-seq, 单细胞形态学分析, 微流控, RNA沉默	随机森林, 深度学习	图像, 文本, 转录组数据	29,661名UK Biobank参与者（心脏MRI扫描），313个捐赠人类心脏（转录组数据）	NA	迭代随机森林, 深度学习模型	NA	NA
422	2026-05-25	Longitudinal fundus imaging and its genome-wide association analysis provide evidence for a human retinal aging clock 2023-04-17, eLife IF:6.4Q1 DOI:10.7554/eLife.82364 PMID:36975205	研究论文	利用眼底图像和深度学习方法构建视网膜衰老时钟‘eyeAge’，并通过全基因组关联分析提供证据	开发了一种基于眼底图像的高精度视网膜衰老时钟，其预测准确性优于其他衰老时钟，并通过全基因组关联分析发现与个体特异性衰老相关的遗传位点，还在果蝇中验证了基因功能	尚未明确提及局限性，可能包括数据来源的群体偏差或短期时间尺度验证的局限性	利用眼底图像和深度学习方法构建并验证一个更精确的视网膜衰老时钟，以研究衰老及年龄相关疾病	人类的眼底图像及其与衰老相关的遗传特征	计算机视觉, 机器学习	老年性疾病	眼底成像, 全基因组关联分析	深度神经网络	图像	EyePACS数据集（未指定具体数量）和UK Biobank数据（未指定具体数量），但包含质量筛选后的数据	PyTorch	NA	平均绝对误差	NA
423	2026-05-25	AxoNet 2.0: A Deep Learning-Based Tool for Morphometric Analysis of Retinal Ganglion Cell Axons 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.9 PMID:36917117	研究论文	开发了一种名为AxoNet 2.0的深度学习工具，用于自动量化视网膜神经节细胞轴突的数量和形态，提高青光眼动物模型轴突损伤评估的效率	首次实现从光学显微图像中自动分割轴浆和髓鞘，同时进行轴突计数和形态学量化，并在多个动物模型上验证了泛化能力	NA	开发自动化工具以快速、客观地评估视网膜神经节细胞轴突损伤，促进青光眼基础和转化研究	大鼠、小鼠和非人灵长类动物的视神经横截面显微图像	计算机视觉	青光眼	光镜显微成像	CNN	图像	大鼠视神经横截面显微图像（手动注释），以及小鼠和非人灵长类动物模型数据	PyTorch	深度分割网络	R², soft-Dice系数, 平均绝对百分比误差	NA
424	2026-05-25	Sparse deep neural networks on imaging genetics for schizophrenia case-control classification 2021-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25387 PMID:33724588	研究论文	提出一种稀疏深度神经网络方法，用于精神分裂症病例-对照分类，结合灰质体积和单核苷酸多态性数据	在输入层引入L1范数正则化实现稀疏特征选择，从而直接解释原始特征（如灰质体积和SNP）对分类的贡献权重	平均错误率仍达28.98%，且方法仅在精神分裂症数据上验证，外推至其他疾病或数据模态需进一步实验	开发可解释的深度学习模型，用于精神分裂症的病例-对照分类并识别生物标志物	精神分裂症患者与健康对照的灰质体积和单核苷酸多态性数据	机器学习, 影像遗传学	精神分裂症	灰质体积成像, 单核苷酸多态性基因分型	稀疏深度神经网络	图像（灰质体积）, 基因型（SNP）	训练样本634例，外部验证集分别为394、255和160例（共1443例）	NA	稀疏深度神经网络（输入层含L1正则化）	错误率	NA
425	2026-05-25	A deep learning model for mass screening of COVID-19 2021-Jun, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22544 PMID:33821094	研究论文	开发卷积神经网络模型 'COVID-Screen-Net'，用于胸部X光图像的三分类（COVID-19、细菌性肺炎和正常）	利用 GradCam 可视化特征，优化卷积层和激活层数量，微调超参数以最小化计算时间并提高效率	未明确提及局限性	开发一种快速且低成本的 COVID-19 大规模筛查工具	胸部X光图像	计算机视觉	COVID-19	NA	卷积神经网络（CNN）	图像	来自医院和网络数据集的匿名胸部X光图像	NA	COVID-Screen-Net	准确率、召回率	NA
426	2026-05-25	Identifying DNA N4-methylcytosine sites in the rosaceae genome with a deep learning model relying on distributed feature representation 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.015 PMID:33868598	研究论文	提出基于分布式特征表示的深度学习模型4mC-w2vec，用于识别蔷薇科基因组中的DNA N4-甲基胞嘧啶位点	首次利用word2vec词嵌入技术自动学习特征表示，结合双层卷积神经网络（CNN）识别4mC位点，避免了传统手工特征提取的局限性	目前仅在蔷薇科特定物种（如Arabidopsis和Fragaria）基因组上验证，未提及跨物种泛化能力及计算资源消耗	开发一套基于自动特征选择的计算方法来高效识别DNA N4-甲基胞嘧啶（4mC）位点，提高预测性能	蔷薇科基因组中的DNA N4-甲基胞嘧啶（4mC）和非4mC位点序列	机器学习	NA	DNA甲基化测序	CNN	序列数据（基因组序列）	论文中未明确样本数量，但使用了平衡和不平衡的基因组数据集	PyTorch	卷积神经网络（CNN）	准确率、精确率、召回率、F1分数、AUC	NA
427	2026-05-25	Affective Voice Interaction and Artificial Intelligence: A Research Study on the Acoustic Features of Gender and the Emotional States of the PAD Model 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.664925 PMID:34017295	研究论文	本文探讨了声学特征在语音交互中与性别及PAD模型情绪状态的差异，为人工智能情感语音交互提供理论基础	通过实证研究，连接声学特征与心理学理论，为深度学习模型的参数调整提供解释性基础	深度学习模型虽预测准确，但缺乏解释能力，本研究旨在弥补这一不足	探索性别和PAD模型情绪状态在声学特征上的差异，为AI情感语音交互奠定理论依据	声学特征（七大主要声学特征）、性别（男性和女性）、情绪状态（愉悦-唤醒-支配模型）	自然语言处理	不适用	音频录制、声学特征提取（Praat软件）、统计分析方法（双因素方差分析、混合设计分析）	不适用	音频数据	62名参与者（31名女性，31名男性，年龄21至60岁）	SPSS	不适用	不适用	不适用
428	2026-05-25	Deep Learning Convolutional Neural Networks for the Automatic Quantification of Muscle Fat Infiltration Following Whiplash Injury 2019-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44416-8 PMID:31138878	研究论文	使用深度学习卷积神经网络自动量化挥鞭伤后肌肉脂肪浸润	首次应用CNN对挥鞭伤后深层颈伸肌进行自动分割和肌肉脂肪浸润量化，并与临床疼痛和功能障碍指标相关联	NA	训练并测试CNN用于肌肉分割和自动MFI计算，并探讨其与临床指标的关系	挥鞭伤后3个月的参与者	计算机视觉	挥鞭伤	脂肪-水成像	卷积神经网络	图像	39名参与者（26名女性，平均年龄31.7±9.3岁）	NA	CNN	可靠性、准确性、R值、p值	NA
429	2026-05-24	An automatic detection model for spread through air spaces in postoperative pathological sections based on deep learning in NSCLC 2026-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2026.2674321 PMID:42172197	研究论文	提出基于深度学习的非小细胞肺癌术后病理切片气腔扩散自动检测模型	结合肿瘤区域分割算法与改进的目标检测算法，首次实现气腔扩散（STAS）的自动检测与量化	外部验证中精度和召回率有所下降，且在肺鳞癌中准确性低于肺腺癌	开发基于深度学习的AI框架，自动检测和量化非小细胞肺癌全切片图像中的气腔扩散（STAS）	91名STAS阳性非小细胞肺癌患者的129张病理切片	数字病理学	非小细胞肺癌	深度学习	目标检测模型	病理图像	129张病理切片（来自91名患者）	PyTorch	分割算法、改进的目标检测模型	Jaccard相似度、精确率、召回率、平均精度（AP）、F1分数、组内相关系数	NA
430	2026-05-24	Deep learning-based non-contrast cine CMR for optimized prediction of left ventricular adverse remodeling after ST-elevation myocardial infarction 2026-Aug-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134499 PMID:42031064	研究论文	评估基于非对比心脏磁共振的深度学习模型预测ST段抬高型心肌梗死后左心室不良重构的可行性	首次提出基于非对比CMR的深度学习框架，无需钆对比剂即可预测LVAR，并整合影像、形态和运动特征提升预测性能	回顾性研究且样本量较小（n=252），可能限制模型泛化能力；未进行外部独立验证	开发一种无创、无对比剂的工具用于STEMI患者LVAR风险分层和个性化管理	252例急性STEMI患者（来自两个医疗中心）	数字病理学	ST段抬高型心肌梗死	心脏磁共振	3D U型网络和分类模型	影像、形态和运动特征	252例STEMI患者（训练组176例，测试组76例）	NA	3D U型网络	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
431	2026-05-24	TAPSeg: An open-source deep learning tool for instance-level tooth and pulp segmentation in CBCT 2026-Aug, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	研究论文	开发了一款基于深度学习的开源一键式CBCT牙齿和牙髓自动分割工具TAPSeg，并在三维切片器软件中实现集成分割与重建	提出了结合V-Net和nnU-Net的混合框架，实现牙齿实例级分割和牙髓语义分割，并以3D Slicer插件形式提供一键式操作，降低了临床使用门槛	未提及开放根尖未成熟恒牙分割的具体局限性，可能涉及模型对特殊病例的泛化能力不足	开发并验证基于深度学习的CBCT自动分割工具，实现牙齿和牙髓的集成分割与重建，支持临床数字化牙科工作流程	CBCT扫描中的牙齿和牙髓结构	数字病理学	口腔疾病	锥形束CT（CBCT）	V-Net, nnU-Net	图像	牙齿分割198例，牙髓分割148例	NA	V-Net, nnU-Net	Dice相似系数(DSC), 95% Hausdorff距离(HD95), 灵敏度, 精确度	NA
432	2026-05-24	AI-driven target definition using CE-T1w and black blood sequence imaging in stereotactic radiosurgery for brain metastases 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112891 PMID:42066626	研究论文	开发并评估一种基于深度学习的方法，用于在立体定向放射外科治疗脑转移瘤时，从对比增强T1加权（CE-T1w）和黑血（BB）MR扫描中自动检测和勾画病灶	首次结合CE-T1w和黑血序列成像用于脑转移瘤的自动检测与靶区勾画，并基于nnUNet模型实现高精度，能够识别专家遗漏的3.0%病灶	模型对小病灶（<0.1 cc）的检测灵敏度低于专家（0.83 vs 0.95），需要进一步优化以适用于临床	优化立体定向放射外科治疗脑转移瘤的规划流程	206名立体定向放射外科患者的CE-T1w和BB CE-T1w扫描图像及手动勾画	数字病理学	脑转移瘤	MRI（CE-T1w和黑血序列）	nnUNet	图像	206名患者（162名训练集，44名测试集）	PyTorch	nnUNet	F1分数, 灵敏度, 阳性预测值, Dice系数, Hausdorff距离	NA
433	2026-05-24	A hybrid deep learning framework for accurate N6,2'-O-Dimethyladenosine site prediction 2026-Aug, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107639 PMID:42054815	研究论文	提出一个混合深度学习框架用于精确预测RNA中的N6,2'-O-二甲基腺苷（mAm）修饰位点	整合多种序列衍生特征并结合SHAP进行分析以提升模型效率和可解释性	未提及	开发准确且可解释的mAm位点预测方法，推动表观转录组学研究	RNA中的N6,2'-O-二甲基腺苷（mAm）修饰位点	机器学习, 生物信息学	NA	RNA测序	深度神经网络 (DNN)	RNA序列数据	NA	NA	深度神经网络 (DNN)	准确率	NA
434	2026-05-24	Clinical evaluation of deep learning accelerated 3D magnetic resonance cholangiopancreatography at 1.5 T and 3 T 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112906 PMID:42070421	研究论文	评估深度学习加速的3D磁共振胆胰管成像在1.5T和3T磁场下的临床可行性	利用新型深度学习加速方法Sonic DLTM 3D（SDL）显著缩短扫描时间至11-17秒，同时保持或提升图像质量	放射科医生之间的图像质量评分存在差异，且SDL MRCP并非在所有评估特征类别中均优于标准技术	评估深度学习加速3D MRCP的临床可行性	接受MRCP扫描的患者	机器学习	胆胰系统疾病	MRI	深度学习模型	图像	96名患者（64名1.5T扫描，32名3T扫描）	NA	NA	整体图像质量、图像噪声、图像锐度、伪影	NA
435	2026-05-24	MRI-based interpretable deep learning radiomics for predicting treatment response in axial spondyloarthritis 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112903 PMID:42085769	研究论文	开发并验证基于MRI的可解释深度学习放射组学模型，用于预测强直性脊柱炎患者对抗肿瘤坏死因子抑制剂的治疗反应	首次将深度学习与放射组学结合并加入可解释性分析，用于预测强直性脊柱炎患者的TNFi治疗反应，并整合临床数据构建DLRC模型	单中心研究、样本量相对较小（183例），且未进行外部验证	建立基于MRI的DLR模型以预测axSpA患者的TNFi治疗反应，实现治疗前精准分层	初次使用TNFi治疗前的强直性脊柱炎患者	医学影像分析, 机器学习	强直性脊柱炎	MRI	深度学习与放射组学结合	图像（骶髂关节MRI）	183例患者（平均年龄26.5岁，男性占66.1%）	NA	深度学习特征提取网络	AUC, 校准曲线, 决策曲线分析, 综合判别改善指数	NA
436	2026-05-24	Ultra-low-dose CT for malignant metastasis screening using a deep learning image reconstruction algorithm 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112896 PMID:42102570	research paper	评估使用超分辨率深度学习重建算法的超低剂量CT在恶性转移筛查中的可行性和诊断性能	首次将超分辨率深度学习重建算法应用于超低剂量CT的恶性转移筛查，实现了约70%的辐射剂量降低的同时保持优越的图像质量和诊断性能	未提及具体限制	评估超低剂量CT结合超分辨率深度学习重建在癌症患者恶性转移筛查中的表现	271名癌症患者（平均年龄66.3岁，134名男性），其中56人需要治疗干预	computer vision	恶性转移	CT	深度学习重建算法	图像	271名癌症患者，17种原发癌和178处转移病灶，1264个良性病变	NA	超分辨率深度学习重建	图像质量评分、病变检出率、诊断性能	NA
437	2026-05-24	Interpretable machine learning and deep learning model for discriminating pheochromocytoma from adrenocortical adenoma based on CT: A multicenter study 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112902 PMID:42107147	研究论文	基于CT影像的机器学习和深度学习模型用于区分嗜铬细胞瘤与肾上腺皮质腺瘤的多中心研究	首次系统对比多种机器学习与深度学习架构在嗜铬细胞瘤和肾上腺皮质腺瘤鉴别诊断中的效能，并应用SHAP解释性方法构建临床列线图	样本量相对较小，且为回顾性研究，可能存在选择偏倚	通过基准测试不同机器学习和深度学习架构，确定术前区分嗜铬细胞瘤与肾上腺皮质腺瘤的最优诊断策略	来自两个医疗中心的401例患者的双期CT影像数据及临床信息	数字病理	肾上腺肿瘤（嗜铬细胞瘤与肾上腺皮质腺瘤）	CT影像组学	逻辑回归、SqueezeNet	医学图像	401例患者（中心1: 331例，中心2: 70例）	NA	逻辑回归、SqueezeNet	AUC、准确率、决策曲线分析	NA
438	2026-05-24	A CT-based deep learning model to differentiate between benign and malignant adrenal lesions 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112907 PMID:42107149	研究论文	开发一种基于CT的深度学习模型，用于区分肾上腺病变的良恶性	结合临床、生物学和影像学特征的深度学习模型，在初次CT检查中高效区分肾上腺良恶性病变	未在论文摘要中明确提及	开发深度学习模型以区分肾上腺良性病变与恶性病变	肾上腺病变患者	机器学习	肾上腺病变	CT	深度学习模型	图像	380名患者，385个经病理证实的肾上腺病变（101个恶性，284个良性）	NA	NA	敏感性、特异性、准确性、AUC	NA
439	2026-05-24	Rapid multi-parametric quantitative MRI via deep learning-based synthetic-to-real reconstruction and 3D SSFP-MOLED imaging 2026-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121985 PMID:42107614	研究论文	提出一种结合深度学习的合成到真实重建与3D SSFP-MOLED的快速多参数定量磁共振成像方法	首次将相位调制三维稳态自由进动与多重叠回波分离（3D SSFP-MOLED）信号编码方法与基于物理约束的合成数据管道和深度学习重建相结合，实现快速、高精度的多参数定量成像	NA	解决多参数定量磁共振成像扫描时间长、对非理想信号条件敏感的问题	磁共振成像中的多参数定量映射	机器学习	肿瘤、出血	磁共振成像（MRI）	深度学习网络	磁共振图像	体模、健康志愿者及肿瘤/出血患者	NA	NA	准确度、可重复性	NA
440	2026-05-24	Editorial for the Special Issue on Harmonization Techniques for MRI 2026-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121979 PMID:42128316	评论	介绍神经影像协调化的专刊，总结多站点MRI分析中的协调化方法及其挑战	系统梳理协调化方法的主要类别（包括统计方法、深度学习和域泛化策略），并强调网络感知协调化技术超越体素的创新方向	未涉及具体方法的实验验证；跨模态性能、生物信息保留和隐私保护框架的挑战尚未完全解决	推动多站点神经影像数据的可重复性和泛化性研究	多站点MRI数据中的协调化技术	机器学习	NA	MRI	深度学习模型（如ComBat家族、深度学习方法）	神经影像数据（包括体素、连接组数据）	NA	NA	ComBat, 深度学习网络（未具体说明）	NA	NA