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
841	2026-05-06	FODSeg: a deep learning framework for tract-specific white matter segmentation from full angular distributions 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1734498 PMID:41601529	研究论文	提出一种名为FODSeg的深度学习框架，利用完整纤维取向分布函数（fODF）进行白质纤维束特异性分割	首次在体素分割中利用完整的fODF表示以保留全角度方向信息，并将纤维束分割重构为单类问题以减少标签冲突	NA	改进白质纤维束分割方法，提高在复杂纤维结构区域（如交叉纤维和瓶颈区域）的准确性和特异性	人类连接组计划数据集中的72个白质纤维束	数字病理学	NA	扩散磁共振成像	深度学习	扩散磁共振成像数据	人类连接组计划数据集（包含72个白质纤维束）	NA	NA	Dice系数、体积过度分割值、特异性	NA
842	2026-05-06	Applicability of Deep Learning to Dynamically Identify the Different Organs of the Pelvic Floor in the Midsagittal Plane 2024-12, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-024-05841-0 PMID:38913129	研究论文	利用卷积神经网络对动态超声中盆底不同器官进行自动识别	首次验证深度学习在动态超声中实时识别盆底不同器官的可行性，比较了UNet、FPN和LinkNet三种架构，并通过Dice相似指数评估性能	样本量较小（仅86例训练和24例测试），膀胱和子宫的Dice系数较低（约0.71和0.70），可能受器官变形或标记差异影响	创建并验证卷积神经网络在中矢面动态超声中识别盆底不同器官的实用性	110例患者的盆底器官（包括膀胱、子宫、肛门、提肛肌等）	数字病理学	盆底功能障碍疾病	动态超声	卷积神经网络	视频	110例患者（86例训练，24例测试）	NA	UNet, FPN, LinkNet	Dice相似指数	NA
843	2026-05-06	Leveraging the Capabilities of AI: Novice Neurology-Trained Operators Performing Cardiac POCUS in Patients with Acute Brain Injury 2024-10, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-024-01953-z PMID:38506968	研究论文	利用深度学习算法引导神经科初级医生对急性脑损伤患者进行心脏床旁超声检查，评估图像质量及对临床决策的影响	首次在神经重症监护病房中评估深度学习引导下非心脏专科医生进行心脏床旁超声的可行性与临床价值	单中心研究、样本量有限、未与正式超声心动图进行随机对照比较	评估神经科初级医生使用深度学习引导的心脏床旁超声获取诊断质量图像的频率及其对临床管理和正式超声检查时间的影响	神经重症监护病房中接受心脏床旁超声检查的急性脑损伤患者	计算机视觉	急性脑损伤	深度学习	CNN（深度学习模型）	超声图像	153名患者，184次扫描，共943个图像视图	NA	深度学习算法（未具体说明架构）	图像可解释性比例、管理变化比例、首次获得合格图像时间	NA
844	2026-05-06	Machine learning and deep learning tools for the automated capture of cancer surveillance data 2024-08-01, Journal of the National Cancer Institute. Monographs DOI:10.1093/jncimonographs/lgae018 PMID:39102883	研究论文	应用机器学习和深度学习模型自动化从非结构化临床文本中提取癌症监测数据	利用先进计算能力自动化数据提取，弥补关键信息空白，创建灵活平台以便添加基因组学等新信息源	NA	自动化癌症监测数据捕获，提高报告及时性，加深对癌症驱动因素和结果的理解	病理报告、放射学报告、生物标志物信息、复发识别	自然语言处理	癌症	NA	机器学习，深度学习	文本	NA	NA	NA	NA	NA
845	2026-05-06	HisCl1 regulates gustatory habituation in sweet taste neurons and mediates sugar ingestion in Drosophila 2024-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.06.592591 PMID:38765964	研究论文	本研究利用深度学习姿态估计和光遗传学刺激，发现果蝇甜味神经元中的HisCl1基因调控味觉习惯化，并影响糖分摄取	首次揭示HisCl1基因在甜味神经元中通过调节尖峰频率适应来介导味觉习惯化，为研究昆虫味觉习惯化提供了新方向	未提及	探究甜味神经元在果蝇味觉习惯化中的细胞自主机制及其对糖分摄取的调控	果蝇（Drosophila）的甜味神经元	机器学习，数字病理学	NA	RNA干扰筛选，单感器电生理，光遗传学刺激	深度学习姿态估计模型	行为数据，电生理数据	果蝇样本，具体数量未提及	NA	NA	NA	NA
846	2026-05-06	Panoramic Radiography in the Evaluation of the Relationship of Maxillary Molar Teeth and Maxillary Sinuses on the Deep Learning Models Improved with the Findings Obtained by Cone Beam Computed Tomography 2024-May-01, Nigerian journal of clinical practice IF:0.7Q3 DOI:10.4103/njcp.njcp_220_24 PMID:38842718	研究论文	利用深度学习模型评估全景放射片中上颌磨牙与上颌窦的关系，并通过锥束计算机断层扫描结果进行验证	首次利用锥束计算机断层扫描确认的数据来提升深度学习模型在全景放射片上判断上颌磨牙与上颌窦关系的诊断性能	未提及	评估深度学习应用在全景放射片上评估上颌磨牙与上颌窦关系的诊断性能	上颌第一磨牙和上颌第二磨牙与上颌窦底的接触关系	数字病理学	口腔疾病	全景放射摄影，锥束计算机断层扫描	卷积神经网络	图像	2162颗上颌第一磨牙和上颌第二磨牙	未提及	GoogLeNet, VGG16, VGG19, DarkNet19, DarkNet53	准确率	NA
847	2026-05-06	Use of artificial intelligence in determination of bone age of the healthy individuals: A scoping review 2024-04, Journal of the World federation of orthodontists IF:2.6Q1 DOI:10.1016/j.ejwf.2023.10.001 PMID:37968159	综述	系统梳理人工智能在健康个体骨龄测定中的应用	首次采用范围综述方法全面总结AI、ML、DL在健康个体骨龄评估中的应用，并发现自动化方法可靠性与手动方法相当	样本在不同成熟阶段的分布不均，缺乏三维影像输入（如MRI和CBCT），影响模型泛化能力	评估AI、ML、DL在健康个体骨骼年龄或骨龄测定中的作用	健康个体	机器学习	NA	NA	CNN, 深度学习模型, 机器学习模型	图像	19篇文章	NA	BoneXpert, 深度学习模型, 机器学习模型	可靠性	NA
848	2026-05-06	Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103638 PMID:39002223	research paper	本研究评估了基于深度学习的多种特征选择策略，结合MRI影像和表格数据（如人口统计学和临床特征）预测中风后言语恢复情况	提出将MRI提取的感兴趣区域（ROI）图像与表格数据的符号表示结合，训练卷积神经网络的新方法，并利用可解释AI进行特征选择	数据集规模相对较小，样本量仅758人，且受限于特定的中风后言语评估指标	开发并评估结合多模态数据（MRI影像和表格数据）的深度学习方法，提高中风后恢复预测的准确性	758名英语中风幸存者，来自PLORAS研究，分为五组（其中四组用于训练验证，一组作为锁箱测试集）	machine learning	stroke	MRI	CNN, ResNet	image, tabular	758名中风幸存者	PyTorch	2D ResNet, 3D CNN	accuracy, area under the curve, F1 score	NA
849	2026-05-06	MHCII-peptide presentation: an assessment of the state-of-the-art prediction methods 2024, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2024.1293706 PMID:38646540	研究论文	对MHCII-肽段结合预测方法的现状进行全面评估	通过独立测试集系统评估11种预测方法，揭示深度学习算法和数据增长带来的性能提升，为研究者选择预测工具提供指导	仅评估了截至2022年1月的11种预测方法，未涵盖最新进展；仅使用人类MHCII蛋白数据，未包含其他物种	评估现有MHCII-肽段结合预测方法的性能，为免疫治疗和癌症疫苗设计提供方法选择指导	20种人类MHCII蛋白亚型的结合与非结合肽段	机器学习	癌症相关免疫疾病	免疫肽组学	深度学习模型	氨基酸序列	来自免疫表位数据库的20种人类MHCII蛋白亚型的结合与非结合肽段	NA	MixMHC2pred, NetMHCIIpan-4.1	预测性能	NA
850	2026-05-06	Localizing Post-Admixture Adaptive Variants with Object Detection on Ancestry-Painted Chromosomes 2023-04-04, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msad074 PMID:36947126	研究论文	开发一种基于深度学习的对象检测方法，应用于祖先绘制的基因组图像，以定位后混合适应性变异	将深度学习对象检测技术应用于祖先绘制的染色体图像，无需用户定义汇总统计量，保留基因组上下文信息，能够更精确地定位适应性变异	缺乏各种人口统计学场景下祖先分布的理论模型，可能导致假阳性和假阴性结果；远距离位点间的祖先模式常不独立，当前方法倾向于推断包含多个基因的宽基因组区域	提高后混合正选择的检测精度，将适应性变异定位到更窄的基因组区域	人类和动物的后混合基因组，包括免疫力、代谢和动物颜色等适应性变异	机器学习	NA	NA	深度学习对象检测模型	基因组图像	模拟数据和来自Cabo Verde的人类基因型数据	NA	对象检测架构（未明确具体名称）	NA	NA
851	2026-05-06	Advancing diagnostic performance and clinical applicability of deep learning-driven generative adversarial networks for Alzheimer's disease 2021-Dec, Psychoradiology DOI:10.1093/psyrad/kkab017 PMID:38666217	综述	系统综述生成对抗网络在阿尔茨海默病诊断中的应用，评估其相比于其他方法在分类和图像处理中的性能	首次系统比较生成对抗网络与其他方法在阿尔茨海默病诊断中的分类准确性和图像处理性能	多数研究使用公开数据库数据，缺少临床验证；定量评估和比较过程缺乏临床医生参与	评估生成对抗网络在阿尔茨海默病诊断中的应用价值并提出临床建议	阿尔茨海默病相关影像研究	机器学习	阿尔茨海默病	NA	生成对抗网络	图像	NA	NA	生成对抗网络	准确性	NA
852	2026-05-06	Comparative analysis between convolutional neural network learned and engineered features: A case study on cardiac arrhythmia detection 2020 Jul-Aug, Cardiovascular digital health journal IF:2.6Q2 DOI:10.1016/j.cvdhj.2020.04.001 PMID:35265872	研究论文	比较卷积神经网络学习特征与人工设计特征在心房颤动检测中的性能	系统比较了CNN自动学习特征与人工设计特征（包括时频域和线性非线性特征）在心房颤动分类中的效果，并分析了两种特征之间的相关性	仅使用短时单导联心电图记录（9-61秒），可能无法涵盖所有心律失常类型；外部验证集规模有限（3,658例）	评估CNN和随机森林机器学习模型在心房颤动分类中的信息提取能力	单导联心电图记录中的正常、心房颤动、其他节律和噪声窦性节律	机器学习	心血管疾病	NA	CNN, 随机森林, 支持向量机	心电图信号	训练及内部验证8,528例心电图，外部验证3,658例心电图	NA	一维12层CNN	F1分数	NA
853	2026-05-06	Atrial fibrillation detection from raw photoplethysmography waveforms: A deep learning application 2020-Apr, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2020.02.002 PMID:34113853	研究论文	本研究测试了深度学习算法使用原始光电容积描记图波形检测心房颤动的能力，并对比了仅依赖心率数据的算法	首次使用原始PPG波形的深度卷积-循环神经网络进行房颤检测，相比仅用心率数据的LSTM模型和传统心率变异性分析，显著提高了检测准确性	样本量较小（仅51名持续性房颤患者），且种族和性别分布不均（88%白人，78%男性）	验证深度学习算法使用原始PPG波形检测房颤的准确性是否优于仅使用心率数据的算法	接受房颤复律治疗的患者	机器学习	心血管疾病	PPG	深度卷积-循环神经网络、LSTM	时间序列数据	51名持续性房颤患者（40人训练，11人测试）	NA	深度卷积-循环神经网络、LSTM	AUC, 灵敏度, 特异度	NA
854	2026-05-05	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、高分辨率量化单个毛发纤维，并探索内分泌、发育和衰老对小鼠毛发表型的影响	提出了创新的计算机视觉工具，能够区分和提取重叠的毛发纤维，实现多变量特征（长度、宽度、颜色）的高通量量化，并生成了单个毛发表型组	NA	开发一种高通量、定量化的毛发表型分析方法，并探究激素信号、基因修饰和衰老对毛囊产出的影响	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
855	2026-05-05	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	利用心电图深度学习提高致心律失常性右心室心肌病的诊断准确率	首次开发并验证了基于深度学习的心电图工具，其诊断ARVC的能力可与专家相当，并能区分真性ARVC与表型模仿者及风险家属	样本量相对较小（共855例），且外部验证仅基于一个特定人群（Geisinger队列）	开发并验证用于ARVC诊断的心电图深度学习工具	疑似ARVC患者及携带致病性或可能致病性ARVC基因变异的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	开发集551例，测试集137例，外部验证集167例	NA	NA	c-statistic, 置信区间	NA
856	2026-05-05	Advancing healthcare practice and education via data sharing: demonstrating the utility of open data by training an artificial intelligence model to assess cardiopulmonary resuscitation skills 2025-02, Advances in health sciences education : theory and practice IF:3.0Q2 DOI:10.1007/s10459-024-10369-5 PMID:39249618	研究论文	通过共享心肺复苏技能表现视频数据库并训练人工智能模型，展示开放数据在医疗保健实践与教育中的效用	首次利用开放共享的CPR技能表现视频数据库训练AI模型，实现自动临床评估；该数据库包含多角度视频和专家评分，支持3D重建和运动分析	NA	论证数据共享在医疗教育中的价值，并开发基于AI的自动CPR技能评估工具	40名参与者的心肺复苏技能表现视频及其质量评估数据	计算机视觉	NA	视频采集、姿势估计	深度学习网络	视频	40名参与者，从6个角度录制	NA	姿势估计网络、深度学习网络	NA	NA
857	2026-05-05	Deep learning enables accurate brain tissue microstructure analysis based on clinically feasible diffusion magnetic resonance imaging 2024-10-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120858 PMID:39317273	研究论文	基于深度学习的方法使用临床可行的扩散磁共振成像实现了准确的脑组织微观结构分析	首次证明深度学习用于组织微观结构重建能够基于临床可行的dMRI扫描产生可靠的脑组织微观结构分析，并准确识别与疾病和年龄相关的微小组织变化	未提及	验证深度学习方法在临床可行dMRI下进行组织微观结构重建的可靠性及其在临床应用的潜力	脑组织微观结构	数字病理学、机器学习	NA	扩散磁共振成像	深度学习模型	图像	四个不同的脑dMRI数据集	NA	NA	NA	NA
858	2026-05-05	XDL-ESI: Electrophysiological Sources Imaging via explainable deep learning framework with validation on simultaneous EEG and iEEG 2024-10-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120802 PMID:39173694	研究论文	提出一种基于可解释深度学习的脑电/脑磁源成像框架XDL-ESI，通过迭代优化与深度学习融合解决逆问题	设计可解释的深度学习框架，将迭代优化算法与神经网络模块展开结合，引入拓扑损失函数提升定位鲁棒性	NA	解决脑电/脑磁源成像中的病态逆问题，实现高效、准确且可解释的脑源估计	模拟数据及临床同步脑电与颅内脑电数据	机器学习	NA	脑电图（EEG）、脑磁图（MEG）、颅内脑电图（iEEG）	可解释深度学习	脑电信号、脑磁信号	NA	PyTorch	展开型神经网络	定位误差、重建准确性、可解释性	NA
859	2026-05-05	Separating group- and individual-level brain signatures in the newborn functional connectome: A deep learning approach 2024-10-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120806 PMID:39179011	research paper	利用深度生成模型分离新生儿功能连接组中群体和个体水平的脑信号特征	首次将变分自编码器应用于新生儿静息态功能磁共振成像，证明新生儿个体指纹存在性，并突破线性模型限制，成功分离与年龄变化和个体独特性相关的连接特征	未明确提及模型泛化能力验证及临床可解释性分析	探索新生儿功能连接数据中个体独特性的存在性，并利用深度学习模型提取年龄和个体表征	成人和新生儿的静息态功能磁共振成像数据	machine learning	NA	rs-fMRI	VAE	image	100名成人rs-fMRI扫描和464名新生儿rs-fMRI扫描	NA	变分自编码器	年龄预测相关系数、个体识别准确率	NA
860	2026-05-05	Fully Automated Hippocampus Segmentation using T2-informed Deep Convolutional Neural Networks 2024-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120767 PMID:39103064	研究论文	提出一种全自动海马体分割流程，利用T2加权MRI图像和深度卷积神经网络，提升基于临床T1加权图像的海马体分割性能	利用高分辨率T2加权图像创建更精确的标注真值，并训练分割网络，从而提升T1加权图像的分割准确性	T2加权序列在临床常规中不可行，且多对比度数据集的获取需要额外时间和资源	开发一种基于深度学习的方法，利用T2加权图像增强对临床T1加权图像中海马体的自动化分割，以准确估计阿尔茨海默病中的海马体萎缩	多对比度数据集中的成对T1加权和高分辨率T2加权MRI图像	计算机视觉	阿尔茨海默病	MRI成像	卷积神经网络（CNN）	图像	NA	NA	3D 卷积神经网络	视觉比较和多种定量测量指标	NA