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
5441	2026-07-01	Enhancing HER2 testing in breast cancer: predicting fluorescence in situ hybridization (FISH) scores from immunohistochemistry images via deep learning 2025-03, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70024 PMID:40050230	研究论文	利用聚类约束注意力多实例深度学习模型，从免疫组化图像预测HER2评分和荧光原位杂交评分，以减少对反射性FISH检测的依赖	将深度学习应用于HER2 IHC评分和FISH评分预测，提高IHC测试的准确性，减少主观性和变异性，并降低对反射性FISH检测的依赖	FISH预测模型准确性和灵敏度较低，虽然特异性高，但对低表达病例的识别能力有限	提高HER2检测的准确性，减少主观性和变异性，降低对反射性FISH检测的依赖	5,731张HER2 IHC图像，包括592例FISH检测的病例	计算机视觉	乳腺癌	免疫组化（IHC），荧光原位杂交（FISH）	深度学习	图像	5,731张HER2 IHC图像，其中592例有FISH检测结果	NA	聚类约束注意力多实例学习模型	准确率，ROC AUC，敏感性，特异性	NA
5442	2026-07-01	Invited commentary: deep learning-methods to amplify epidemiologic data collection and analyses 2025-02-05, American journal of epidemiology IF:5.0Q1 DOI:10.1093/aje/kwae215 PMID:39013794	评论	本文是一篇关于深度学习在流行病学数据收集中应用的评论文章，讨论了其扩展研究领域的机会	强调了深度学习在流行病学数据收集和分析中的新机遇，如扩大地理覆盖范围、增加受试者数量及处理高维数据	深度学习工具对流行病学家的使用不如传统回归方法直观或普及，需要跨学科合作	探讨深度学习在流行病学中扩展数据收集和分析的潜力	流行病学研究方法	机器学习	NA	深度学习	神经网络, 注意力算法	文本, 音频, 图像, 视频	NA	NA	NA	NA	NA
5443	2026-07-01	Spiral volumetric optoacoustic tomography of reduced oxygen saturation in the spinal cord of M83 mouse model of Parkinson's disease 2025-01, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06938-w PMID:39382580	研究论文	使用螺旋体积光声层析成像技术评估帕金森病M83小鼠模型脊髓中的氧饱和度降低	首次结合体内螺旋体积光声层析成像和高场磁共振成像及深度学习自动分割技术，非侵入性高分辨率检测帕金森病小鼠模型脊髓中的氧饱和度变化，无需结构性萎缩	未提及	评估帕金森病转基因M83小鼠模型脊髓中的氧合变化，并开发深度学习分析方法进行定量	帕金森病转基因M83小鼠及其非转基因同窝对照小鼠	数字病理学	帕金森病	螺旋体积光声层析成像，高场磁共振成像	深度学习模型	图像	M83小鼠和非转基因同窝对照小鼠，具体数量未提及	NA	NA	NA	NA
5444	2026-07-01	Systematic review of generative adversarial networks (GANs) in cell microscopy: Trends, practices, and impact on image augmentation 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291217 PMID:40554529	系统综述	本系统综述旨在找出生成对抗网络在细胞显微图像增强中的趋势、常见实践和常用数据集，并分析其影响	首次对GAN在细胞显微图像增强中的应用进行系统综述，识别出StyleGAN和对抗损失（Vanilla和Wasserstein）等热门架构与损失函数，并强调设计良好实践和黄金标准以确保可比性和可重复性	缺乏性能指标、基线和数据集的共识；仅纳入英文研究，可能存在语言偏差；未在PROSPERO注册	系统梳理GAN在细胞显微图像增强中的应用趋势、常见实践和常用数据集，并评估其影响	46项符合纳入标准的英文研究论文，使用GAN生成任何类型的细胞显微图像	计算机视觉	不适用	生成对抗网络	生成对抗网络	图像	46项研究，其中23项以图像增强为主要任务；检索到29个公开数据集	不适用	StyleGAN	不适用	不适用
5445	2026-07-01	All-Atom Protein Sequence Design Based on Geometric Deep Learning 2024-12-09, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202411461 PMID:39295564	研究论文	介绍GeoSeqBuilder，一个整合蛋白序列生成与侧链构象预测的深度学习框架	首次将蛋白序列生成与侧链构象预测整合为端到端框架，利用空间几何特征显式包含相邻残基的三体相互作用	需要进一步测试以验证广泛适用性	设计针对特定蛋白主链的序列，生成全原子结构	蛋白序列与侧链构象	机器学习	NA	深度学习	深度学习框架	蛋白结构数据	15个测试序列（硫氧还蛋白和三螺旋束蛋白）	PyTorch	GeoSeqBuilder	天然残基回收率、热稳定性、晶体结构匹配度、酶活性	NA
5446	2026-07-01	Société de Biomécanique young investigator award 2023: Estimation of intersegmental load at L5-S1 during lifting/lowering tasks using force plate free markerless motion capture 2024-12, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112422 PMID:39579592	研究论文	使用无力板无标记运动捕捉系统估算L5-S1关节在举升/降低任务中的节段间负荷	首次采用多视角无标记运动捕捉系统结合深度学习进行L5-S1关节负荷估算，无需力板，并与基于标记和力板的参考方法进行了严格对比	需要在真实工业条件下进行进一步验证	准确估算举升/降低任务中的L5-S1关节负荷，以理解肌肉骨骼疾病的发病机制	L5-S1关节的净力和力矩	计算机视觉	肌肉骨骼疾病	无标记运动捕捉	深度学习	图像	多名受试者	NA	NA	平均差异、峰值差异	NA
5447	2026-07-01	Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children 2024-12-01, Critical care explorations DOI:10.1097/CCE.0000000000001188 PMID:39688905	研究论文	利用机器学习技术预测接受持续肾脏替代治疗（CRRT）的儿童及年轻成人患者ICU及院内生存率的模型开发与验证	首次针对儿童和年轻成人CRRT患者开发机器学习模型预测ICU及院内生存率，并评估了多种算法（如随机森林、逻辑回归）的性能差异	研究受限于回顾性设计、样本量有限（933例）、输入变量范围不足，且未进行深度特征选择或使用深度学习算法	开发并验证基于机器学习的预测模型，用于帮助临床决策，识别儿童CRRT患者中高死亡风险群体	2015-2021年接受CRRT的急性肾损伤和/或容量超负荷的25岁以下患者（共933例）	机器学习	急性肾损伤	NA	逻辑回归、决策树、随机森林、梯度提升机、支持向量机	临床数据（包括实验室指标、疾病评分、诊断信息等）	933例患者（中位年龄8.97岁，54%男性）	NA	随机森林、逻辑回归（L2正则化）、支持向量机（线性核）	AUROC, AUPRC	NA
5448	2026-07-01	Exploring prognostic biomarkers in pathological images of colorectal cancer patients via deep learning 2024-11, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70003 PMID:39343999	研究论文	通过深度学习从结直肠癌患者病理图像中探索预后生物标志物	利用弱监督深度学习模型构建结直肠癌风险评分，结合多组学数据揭示潜在生物学机制，并构建病理组学列线图提升预后预测准确性	NA	开发基于病理图像的结直肠癌预后风险评分，实现个性化预后分层和治疗策略制定	结直肠癌患者的H&E全切片图像及多组学数据	数字病理学, 机器学习	结直肠癌	H&E染色全切片成像, 多组学分析	弱监督深度学习模型	病理图像, 多组学数据	训练集：640例前列腺、肺、结直肠和卵巢癌筛查试验患者；验证集：522例癌症基因组图谱结直肠癌患者	PyTorch	Grad-CAM	总体生存分析中的p值, 列线图预测精度	NA
5449	2026-07-01	Deep learning-based analysis of EGFR mutation prevalence in lung adenocarcinoma H&E whole slide images 2024-11, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70004 PMID:39358807	研究论文	开发深度学习模型，通过分析肺腺癌H&E全切片图像预测EGFR突变状态，并引入EGFR突变流行度评分以提升可解释性	提出EGFR突变流行度评分量化全切片中EGFR突变区域分布，采用补丁掩码调度训练策略学习多种组织病理模式，并在多中心数据集上验证模型泛化能力	仅依赖H&E染色图像，未整合其他模态数据；模型预测性能仍需提升；可解释性分析局限于特定突变亚型和组织学亚型	利用深度学习从全切片图像中无创预测肺腺癌EGFR突变状态，为快速筛查和治疗方案制定提供依据	肺腺癌患者的H&E染色全切片图像及对应EGFR突变状态	数字病理学，计算机视觉	肺腺癌	H&E染色全切片成像	深度学习模型（基于多实例学习）	全切片图像	868例训练样本（来自3家医疗机构），197例测试样本（来自1家医疗机构），64例样本进行二代测序分析	NA	多实例学习框架（具体架构未明确说明）	AUC， AUPRC， Spearman相关系数	NA
5450	2026-07-01	Breast cancer survival prediction using an automated mitosis detection pipeline 2024-11, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70008 PMID:39466133	研究论文	使用自动有丝分裂检测流程预测乳腺癌生存率	提出了一种全自动的有丝分裂检测方法，包括新型自动区域选择器，用于在整张切片图像上找到最佳有丝分裂热点并计算有丝分裂计数	NA	验证全自动有丝分裂检测方法在乳腺癌患者生存预测中的预后价值	乳腺癌患者及其有丝分裂计数	数字病理学	乳腺癌	病理切片成像	深度学习模型	图像	912例乳腺癌患者的全切片图像	NA	NA	生存分析中的单变量和多变量预测值	NA
5451	2026-07-01	The impacts of positive selection on genomic variation in Drosophila serrata: Insights from a deep learning approach 2024-09, Molecular ecology IF:4.5Q1 DOI:10.1111/mec.17499 PMID:39188068	研究论文	利用深度学习方法探究正选择对果蝇塞拉塔种群基因组变异的影响	采用先进深度学习算法（partialS/HIC）对果蝇种群正选择进行全面分析，揭示了软性选择扫荡的普遍性和正选择通过搭车效应增加有害变异频率的新见解	算法在区分中性区域与部分扫荡及连锁区域时受人口统计学错误设定影响，且依赖于推断的人口历史模型	探究正选择如何直接和间接影响果蝇塞拉塔种群的基因组组成	澳大利亚东部果蝇塞拉塔种群	机器学习	不适用	全基因组测序	深度学习算法（partialS/HIC）	基因组序列数据	110个全基因组序列	不适用	不适用	不适用	不适用
5452	2026-07-01	Development and Validation of a Deep Learning Model for Prediction of Adult Physiological Deterioration 2024-09-01, Critical care explorations DOI:10.1097/CCE.0000000000001151 PMID:39258951	研究论文	开发并验证了一种基于深度学习模型（DETERIO）用于预测成人生理恶化	基于共识定义（AIDE标准）将恶化问题视为状态价值估计问题，并优于商业恶化评分系统（EDI）	需要进一步研究评估模型的泛化能力和实际临床影响	开发并验证一种深度学习恶化预测模型，以改善临床干预时机	成人住院及急诊患者	机器学习	心血管疾病	NA	深度学习模型	临床数据	推导队列330,729名患者（住院71,735人，急诊258,994人）；验证队列65,898名患者（住院13,750人，急诊52,148人）	NA	基于先前工作的架构	AUC, 灵敏度, 阳性预测值	NA
5453	2026-07-01	Predicting and Recognizing Drug-Induced Type I Brugada Pattern Using ECG-Based Deep Learning 2024-05-21, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.033148 PMID:38726893	研究论文	开发基于心电图的深度卷积神经网络BrS-Net，用于识别和预测药物诱导的I型Brugada模式	首次将小波分析与深度卷积神经网络结合，同时实现药物诱导的I型Brugada模式的识别和基线心电图的预测	未在未经选择的广泛人群中验证其外部泛化能力，样本量有限且为单中心研究	评估深度卷积神经网络在识别和预测Brugada综合征诊断中的性能	接受阿义马林检测的连续患者的心电图追踪	医学图像分析	Brugada综合征	心电图（ECG），小波分析	深度卷积神经网络（CNN）	心电图信号	1188名患者，其中361名（30.3%）在阿义马林输注期间出现I型Brugada模式	NA	卷积神经网络（BrS-Net）	AUC-ROC, AUC-PR	NA
5454	2026-07-01	Prediction of immunochemotherapy response for diffuse large B-cell lymphoma using artificial intelligence digital pathology 2024-05, The journal of pathology. Clinical research DOI:10.1002/2056-4538.12370 PMID:38584594	研究论文	利用数字病理学和深度学习预测弥漫性大B细胞淋巴瘤免疫化疗反应	结合对比学习特征提取、多模态预测模型和知识蒸馏技术，基于病理图像独立预测药物反应	样本量有限且为回顾性研究，缺乏大规模前瞻性验证	开发基于人工智能的免疫化疗反应预测工具，辅助DLBCL临床管理	弥漫性大B细胞淋巴瘤患者的免疫化疗反应	数字病理学	弥漫性大B细胞淋巴瘤	数字病理学	深度学习模型	组织病理学图像	216名DLBCL患者的251张切片图像	NA	对比学习模型	AUC	NA
5455	2026-07-01	Classification of white blood cells (leucocytes) from blood smear imagery using machine and deep learning models: A global scoping review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292026 PMID:38885231	综述	对2006年至2023年间白细胞的机器学习和深度学习分类方法进行了全球范围综合回顾	首次系统性地综述了机器学习和深度学习在白细胞的分类中的应用，并对比了不同模型在数据集大小变化下的表现差异	部分传统机器学习模型在小数据集上精度下降，数据集可用性仍是主要挑战，建议通过数据增强技术解决	全面识别、探索和对比用于白细胞分类的机器学习和深度学习方法	136篇2006年至2023年间的全球研究文献	计算机视觉	血液相关疾病	血涂片成像	深度学习模型（特别是CNN）	图像	来自26个国家的136篇研究，其中美国32篇，荷兰26篇	NA	卷积神经网络	准确率	NA
5456	2026-07-01	A multifaceted suite of metrics for comparative myoelectric prosthesis controller research 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291279 PMID:38739557	研究论文	提出一套全面的肌电假肢控制器评估指标，并通过实时控制实验验证其有效性	首次提出涵盖任务表现、控制特性和用户体验的多维度肌电假肢控制器评估指标套件	仅涉及8名无上肢损伤的参与者，且实验使用模拟假肢，未在真实患者中验证	开发更全面的肌电假肢控制器评估方法，以弥补传统评估指标的不足	深度学习控制器（RCNN-TL）与传统控制器（LDA）在肌电假肢控制中的表现比较	机器学习	假肢康复	肌电图	循环卷积神经网络与迁移学习（RCNN-TL）、线性判别分析（LDA）	肌电信号	8名无上肢损伤参与者	NA	RCNN, LDA	任务表现、控制特性、用户体验	NA
5457	2026-07-01	Enhanced multimodal biometric recognition systems based on deep learning and traditional methods in smart environments 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291084 PMID:38358992	研究论文	基于深度学习和传统方法的智能环境中增强型多模态生物识别系统研究	提出并行与顺序多模态融合策略，结合心电图信号和指纹，使用卷积神经网络和传统方法进行特征提取和分类，并在增强数据集上评估性能	未提及具体局限性	评估基于CNN的多模态生物识别系统在智能环境中的准确率和检测率，并与传统方法比较	心电图信号和指纹数据	机器学习	NA	CNN	CNN	信号和图像	使用了MIT-BIH心电图数据库和FVC2004指纹数据库，以及虚拟数据集（未增强和增强）	NA	CNN	AUC（曲线下面积）	NA
5458	2026-07-01	Long-Term Follow-Up of Interstitial Lung Abnormality: Implication in Follow-Up Strategy and Risk Thresholds 2023-10-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202303-0410OC PMID:37590877	研究论文	探讨肺间质异常的最佳随访CT间隔及其与预后的关系	首次基于深度学习量化肺间质异常，提出以纤维化范围和蜂窝征为基础的风险分层及3年随访间隔建议	单中心回顾性研究，人群为自选筛查者，可能选择偏倚；中位随访11.3年，但部分结局事件数较少	确定肺间质异常在CT上的最佳随访策略和与预后相关的范围阈值	年龄≥50岁、包括非吸烟者的自选筛查参与者	机器学习	肺间质疾病	CT成像	深度学习模型	CT图像	305名参与者	NA	深度学习模型（未具体说明）	风险比、10年总体生存率	NA
5459	2026-06-30	Electrochemically induced CoNiOOH Nanosheets enabling nitrite detection through a catalytic reduction mechanism and machine learning-based concentration prediction 2026-Aug-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149691 PMID:42184523	研究论文	通过电化学诱导的CoNiOOH纳米片实现对亚硝酸盐的检测，并结合机器学习进行浓度预测	首次将CoNiOOH/CC自支撑电极与Inception-Time-Moment深度学习模型结合，实现亚硝酸盐的高选择性检测和智能浓度预测	未明确说明实际水样验证及长期稳定性测试	开发高灵敏、高选择性且智能化的亚硝酸盐检测平台	亚硝酸盐检测	机器学习	NA	电化学氧化	Inception-Time-Moment深度学习模型	原始线性扫描伏安信号	NA	NA	Inception-Time-Moment	R²	NA
5460	2026-06-30	Future cardiovascular events prediction from invasive coronary angiography: A graph representation learning perspective 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104079 PMID:42061118	研究论文	提出基于图神经网络的框架，从有创冠状动脉造影中预测患者未来心血管事件	首次利用图神经网络从冠状动脉造影中学习几何感知的病变表示，并通过掩码注意力机制融合病变级嵌入实现患者级预测	患者级预测的AUC仅为0.70，且仅在两个小型临床队列中验证，泛化性和临床实用性需进一步评估	开发一种创新方法，利用冠状动脉造影的几何信息预测患者未来心血管事件，改善冠心病风险分层	患有冠状动脉疾病的患者及其冠状动脉病变	机器学习	冠状动脉疾病	有创冠状动脉造影	图神经网络	图像	两个临床队列：FAME2队列563名患者、1551处狭窄；FCL队列83名患者、382处狭窄	NA	图神经网络	AUC	NA