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
861	2026-05-05	RS2-Net: An end-to-end deep learning framework for rodent skull stripping in multi-center brain MRI 2024-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120769 PMID:39122056	研究论文	提出RS2-Net端到端深度学习框架，用于多中心脑部MRI中啮齿动物的颅骨剥离	开发基于Swin-UNETR的轻量级框架，无需预处理即可自动适应多种MRI图像分辨率，降低人工标注依赖	未明确提及论文局限性	自动化啮齿动物MRI颅骨剥离流程，减少预处理步骤和工作量	小鼠和大鼠的脑部MRI扫描图像	计算机视觉	NA	MRI	Swin-UNETR	图像	来自89个中心的1037只啮齿动物共1142张图像	PyTorch	Swin-UNETR	Dice系数	NA
862	2026-05-05	A comprehensive overview of diffuse correlation spectroscopy: Theoretical framework, recent advances in hardware, analysis, and applications 2024-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120793 PMID:39153520	综述	全面介绍扩散相关光谱学的理论框架、硬件、分析方法和应用的最新进展	整合了连续波、频域和时域三种主要硬件架构，并探讨了硅单光子雪崩二极管传感器及深度学习在数据分析中的新应用	未提及具体实验验证或定量比较，主要提供概述性指导	为扩散相关光谱学领域的新研究者提供全面的知识基础和实践指南	扩散相关光谱学硬件架构、传感器（如SPAD）、激光器、相关器及数据分析工具	机器学习	NA	扩散相关光谱学	深度学习	NA	NA	NA	NA	NA	NA
863	2026-05-05	Differentiating loss of consciousness causes through artificial intelligence-enabled decoding of functional connectivity 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120749 PMID:39033787	研究论文	通过人工智能解码功能连接来区分意识丧失的病因	首次开发利用功能连接变化模式进行不同病因意识丧失鉴别诊断的人工智能模型	未在论文标题和摘要中明确说明	开发人工智能模型以区分急性意识丧失的不同病因	非惊厥性癫痫持续状态、代谢性脑病和苯二氮卓类中毒引起的意识丧失患者	机器学习	意识丧失	脑电图	卷积神经网络及多种机器学习算法	脑电图信号	前瞻性队列数据	NA	卷积神经网络	AUC	NA
864	2026-05-05	Anatomically constrained tractography of the fetal brain 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120723 PMID:39029605	研究论文	提出一种基于深度学习的胎儿脑组织分割方法，并结合解剖约束的纤维束追踪技术，以改善胎儿脑白质纤维束的重建	通过在dMRI空间直接进行精确的胎儿脑组织分割，并结合深度学习自动计算，实现了高弯曲度纤维束（如视辐射）的重建，且可适用于常规胎儿dMRI扫描	NA	提高胎儿脑dMRI纤维束追踪的准确性，解决假阳性纤维束和主要白质纤维束重建失败的问题	胎儿脑组织和白质纤维束	数字病理学	NA	扩散加权磁共振成像（dMRI）、扩散张量成像	深度学习模型	图像	独立测试数据（具体数量未提及）	NA	NA	分割准确率、纤维束追踪结果质量	NA
865	2026-05-05	Brain age prediction using interpretable multi-feature-based convolutional neural network in mild traumatic brain injury 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120751 PMID:39048043	研究论文	利用可解释的多特征卷积神经网络预测轻度创伤性脑损伤患者的大脑年龄	提出结合多结构特征的三维组合CNN模型，利用大规模异构数据集实现大脑年龄预测，并引入基于脑图谱的遮挡分析方案，揭示了健康对照组和mTBI患者中与年龄分层相关的贡献性脑区	未在标题和摘要中明确提及	开发可解释的深度学习框架，准确预测健康个体和轻度创伤性脑损伤患者的大脑年龄，并分析年龄预测差距与认知损伤及神经退行性标志物的关联	健康对照者和轻度创伤性脑损伤患者	计算机视觉	轻度创伤性脑损伤	MRI结构成像	卷积神经网络（CNN）	图像	总样本量1464人，其中154名健康对照者用于测试，其余用于训练和验证	NA	3D组合CNN	平均绝对误差（MAE）、皮尔逊相关系数（Pearson's r）	NA
866	2026-05-05	Disentangling brain atrophy heterogeneity in Alzheimer's disease: A deep self-supervised approach with interpretable latent space 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120737 PMID:39004409	研究论文	提出一种基于深度学习的自监督框架，通过可解释的潜在空间表征来解析阿尔茨海默病的大脑萎缩异质性	首次将特征工程、分类和聚类协同整合到自监督框架中，在潜在空间同时揭示疾病进展和亚型两个核心异质性维度，并识别出两种不同的疾病进展路径	NA	解析阿尔茨海默病的大脑萎缩异质性	阿尔茨海默病患者的大脑萎缩模式	机器学习	阿尔茨海默病	NA	自监督深度学习模型	神经影像数据	NA	NA	NA	NA	NA
867	2026-05-05	Predicting changes in brain metabolism and progression from mild cognitive impairment to dementia using multitask Deep Learning models and explainable AI 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120695 PMID:38942101	研究论文	利用多任务深度学习模型和可解释人工智能预测轻度认知障碍向痴呆进展中的脑代谢变化	首次在阿尔茨海默病预测建模中引入多任务学习框架，整合脑代谢变化数据以增强识别进展型轻度认知障碍患者的能力	基于ADNI数据集，可能存在样本选择偏差，且未提及模型在不同人群中的泛化性	探索利用脑代谢变化（FDG-PET评估）建模多维度疾病信息，识别轻度认知障碍患者向痴呆进展的风险	轻度认知障碍患者（MCI）及进展为痴呆的个体（pMCI）	机器学习	阿尔茨海默病	FDG-PET	深度学习模型（多任务学习）	图像（FDG-PET扫描）	1,617名参与者（来自ADNI数据库）	NA	NA	敏感性、特异性	NA
868	2026-05-05	Deep learning based decoding of single local field potential events 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120696 PMID:38909761	研究论文	使用无监督机器学习方法从单次试验的局部场电位事件中提取有意义信息	首次证明单通道LFP事件形状在自发活动期间采样了可能的刺激诱发事件形状的范畴，这一发现此前仅在多通道群体编码中被证实	NA	探索使用无监督机器学习从单次试验的神经电生理记录中提取信息，解码皮层信息处理机制	鼠类细胞外神经记录和人类颅内脑电图记录	机器学习	NA	细胞外神经记录, 颅内脑电图	自编码器网络	局部场电位事件	NA	NA	自编码器	NA	NA
869	2026-05-05	Precision Drug Repurposing: A Deep Learning Toolkit for Identifying 34 Hyperpigmentation-Associated Genes and Optimizing Treatment Selection 2024-08-01, Annals of plastic surgery IF:1.4Q3 DOI:10.1097/SAP.0000000000004007 PMID:38896860	研究论文	整合文本挖掘与深度学习工具，识别色素沉着相关基因及潜在治疗药物	首次将深度学习药物重定位工具DeepPurpose应用于色素沉着治疗，结合多种生物信息学方法系统筛选靶向基因与候选药物	未在细胞或动物模型中对预测的药物-靶点相互作用进行实验验证	利用计算方法识别色素沉着的新型靶向治疗药物	色素沉着相关基因及潜在药物	机器学习	色素沉着	文本挖掘、基因富集分析、蛋白质-蛋白质相互作用网络分析、药物-基因相互作用分析	深度学习模型（DeepPurpose）	文本数据、基因表达数据、药物-靶点相互作用数据	NA	DeepPurpose, PyTorch	DeepPurpose（默认架构，可能包括CNN、Transformer等）	结合亲和力预测得分	NA
870	2026-05-05	Fully Automated Deep Learning Model to Detect Clinically Significant Prostate Cancer at MRI 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.232635 PMID:39105640	研究论文	开发一种全自动深度学习模型，用于在MRI中检测临床显著性前列腺癌，并比较其与放射科医生的表现	首次使用患者级别标签（不依赖肿瘤位置信息）训练深度学习模型预测临床显著性前列腺癌，并结合Grad-CAM可视化肿瘤定位	未明确提及，但可能包括回顾性单中心研究设计及外部测试集样本量有限	开发并验证深度学习模型在MRI中检测临床显著性前列腺癌的性能	5215名患者（5735次检查）的MRI图像及病理诊断结果	计算机视觉	前列腺癌	MRI（T2加权图像、扩散加权图像、表观扩散系数图、T1加权对比增强图像）	卷积神经网络（CNN）	图像	5735次检查（5215名患者，平均年龄66岁，全部为男性）	NA	CNN（未具体说明架构名称，如ResNet等）	AUC	NA
871	2026-05-05	In vivo identification of angle dysgenesis and its relation to genetic markers associated with glaucoma using artificial intelligence 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1456_23 PMID:38146977	研究论文	利用深度学习在体内识别前段光学相干断层扫描中的角发育不全，并探讨其与已知青光眼基因突变的相关性	首次使用深度学习模型客观识别前段OCT图像中的角发育不全，并关联已知青光眼基因突变	NA	预测前段光学相干断层扫描中角发育不全的存在，并研究其与已知青光眼基因突变的相关性	前段光学相干断层扫描图像	计算机视觉	青光眼	光学相干断层扫描	深度学习	图像	800张前段OCT图像，其中340张用于构建模型，包括170张先天性青光眼、青少年开角型青光眼和成人开角型青光眼图像，以及85张对照；遗传验证数据集包括393张已知突变患者图像和320张健康对照	NA	NA	准确率，特异性，灵敏度	NA
872	2026-05-05	Artificial intelligence in glaucoma detection using color fundus photographs 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_613_23 PMID:38099383	研究论文	探索利用深度学习算法从彩色眼底照片中检测青光眼的潜力并评估其准确性	基于ResNet 50V2的深度学习模型在灰度眼底照片上实现了高准确率检测青光眼性视神经病变	假阴性和假阳性结果分别占17%和20%，主要源于高度近视合并青光眼、小视盘早期青光眼及软件对大视盘生理性大杯凹、近视或倾斜视盘等的错误分类	评估人工智能基于彩色眼底照片检测青光眼的准确性与潜力	彩色眼底照片（含正常视盘和青光眼性视神经病变的图片）	机器学习	青光眼	基础深度学习方法	CNN（残差网络）	图像	1375张彩色眼底照片（735张正常视盘，640张GON）	NA	ResNet 50V2	准确性、敏感性、特异性、阳性预测值、阴性预测值、阳性似然比、阴性似然比	NA
873	2026-05-05	A deep learning algorithm with good prediction efficacy for cancer-specific survival in osteosarcoma: A retrospective study 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0286841 PMID:37768965	研究论文	利用DeepSurv算法预测骨肉瘤患者癌症特异性生存率，并与Cox比例风险模型比较效果	首次在骨肉瘤中应用DeepSurv深度学习算法构建癌症特异性生存预测模型，并提供便捷的网页计算工具	DeepSurv在预测性能上未显著优于传统Cox模型	评估DeepSurv算法在骨肉瘤患者癌症特异性生存预测中的效果，为个体化治疗提供数据支持	2004至2017年诊断为骨肉瘤的患者	机器学习	骨肉瘤	NA	DeepSurv、Cox比例风险模型	表格数据	3218名患者，训练组2252人，验证组966人	NA	DeepSurv	一致性指数、综合Brier分数、均方根误差、平均绝对误差	NA
874	2026-05-05	Classification of parotid gland tumors by using multimodal MRI and deep learning 2021-01, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.4408 PMID:32886955	研究论文	使用多模态磁共振成像和深度学习对腮腺肿瘤进行分类	提出了一种基于U-Net的全自动系统，结合迁移学习和批次分布优化，用于多模态MRI图像的腮腺肿瘤分割与分类	对恶性肿瘤的分类效果不佳，样本量较小（n=85），且扩散加权与增强T1加权图像结合未提高预测准确性	开发一种基于深度学习的全自动系统，用于多模态MRI图像中腮腺肿瘤的诊断分类	腮腺肿瘤（包括Warthin瘤、多形性腺瘤和恶性肿瘤）	计算机视觉	腮腺肿瘤	多模态磁共振成像	卷积神经网络	图像	85个样本	NA	U-Net	准确性、敏感性、特异性	NA
875	2026-05-05	Deep Learning for Prediction and Optimization of Fast-Flow Peptide Synthesis 2020-Dec-23, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.0c00979 PMID:33376788	研究论文	利用深度学习预测和优化快速流动肽合成中的Fmoc脱保护效率	首次将深度学习应用于快速流动肽合成的原位紫外-可见光谱数据，实现序列依赖的脱保护反应预测，并建立实验感知的计算设计方法以减少聚集事件	未明确提及方法的通用性验证（如不同合成仪或肽序列类型）及实际反应优化中的实时部署挑战	开发一种基于深度学习的计算方法，用于预测和优化快速流动肽合成中的Fmoc脱保护效率	35,427个Fmoc脱保护反应的紫外-可见光谱数据及对应氨基酸和肽序列	机器学习	不适用	Fmoc固相肽合成、紫外-可见光谱	深度学习模型（具体架构未明确）	时间分辨紫外-可见光谱数据	35,427个Fmoc脱保护反应	不适用	未明确指定具体架构	误差（低于6%）	未明确提及
876	2026-05-05	Single-Nanoparticle Orientation Sensing by Deep Learning 2020-Dec-23, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.0c01252 PMID:33376795	研究论文	利用深度学习平台在差分干涉对比显微镜下确定各向异性光学探针的取向	通过深度学习模型突破DIC方法的固有角度限制（20°），实现金纳米棒平面角预测误差低于此限，并首次在0-360°范围内检测低对称性金纳米星的平面取向，同时扩展模型实现多分支纳米星平面外旋转角的同时预测	NA	开发计算成像平台以精确检测各向异性光学探针在DIC显微镜下的取向	金属纳米颗粒光学探针（金纳米棒、金纳米星）	计算机视觉	NA	差分干涉对比显微镜	深度学习模型	图像	NA	NA	NA	误差（角度误差）	NA
877	2026-05-04	Interpretable spatiotemporal traffic crash risk prediction using DMD-based graph neural networks 2026-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108522 PMID:41911624	研究论文	提出一种基于Hankel动态模态分解与时空图神经网络的混合模型，用于预测城市街区级别的交通事故风险	将Hankel-DMD的低秩时空模态提取能力与图神经网络的非线性残差学习相结合，兼顾了预测准确性与可解释性	模型依赖历史数据质量和外部因素（如天气、事件），可能无法完全捕捉异常行为模式；仅在单一城市数据上验证	实现短时（1-7天）街区级事故风险的准确且可解释性预测，支持主动交通安全管理	美国丹佛市78个街区2019-2021年的每日事故记录	机器学学习, 数字病理学	NA	DMD, 图神经网络	混合模型（Hankel-DMD + 图神经网络）	数值矩阵（街区-天事故计数）	78个街区 × 1095天（2019-2021年）	PyTorch	STGNN, Hankel-DMD	MAE, RMSE, 百分比改进	NA
878	2026-05-04	Non-invasive classification of coronary perfusion pressure during CPR using smartphone-based skin video and deep learning 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109348 PMID:41967268	研究论文	提出一种基于智能手机皮肤视频和深度学习的非侵入性方法，用于心肺复苏过程中冠状动脉灌注压的无创分类	首次利用智能手机拍摄的皮肤视频结合深度学习模型无创分类CPP，并集成Grad-CAM和YCrCb分析增强可解释性	研究基于动物模型（15头猪），尚未在人体临床试验验证	开发一种低成本、可及的非侵入性CPP分类方法，用于院外心肺复苏的实时质量评估和决策支持	15头猪在心肺复苏过程中的皮肤视频和生物信号数据	计算机视觉，深度学习	心脏骤停，心血管疾病	智能手机视频记录，深度学习	CNN，GRU	视频，生物信号	15头猪	PyTorch	EfficientNetV2-B0，ConvNeXt-Nano，FastViT-T8，CNN-backbone-GRU	准确率，F1分数	NA
879	2026-05-04	The nonlinear impact of road safety policy implementation on the severity of road traffic crashes: A fusion of deep learning and Bayesian random parameter methods 2026-Jul, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108503 PMID:41990541	研究论文	通过融合深度学习和贝叶斯随机参数方法，分析道路安全政策实施对交通事故严重程度的非线性影响	首次将可解释机器学习技术与贝叶斯随机参数方法相结合，探索政策干预与事故严重程度之间的非线性关系及时空异质性	未明确提及研究局限性	探究道路安全政策实施对交通事故严重程度的非线性影响及其时空异质性	澳大利亚七个州的交通事故数据及道路安全政策强度数据	机器学习	NA	NA	深度学习模型、贝叶斯随机参数模型	结构化数据（交通事故记录、政策强度数据）	澳大利亚七个州的多项交通事故数据及政策强度数据，具体数量未提及	NA	可解释机器学习模型、贝叶斯随机参数模型	模型可靠性经过严格测试，具体指标未提及	NA
880	2026-05-04	Echo-SMADS: A hierarchical planning model for predicting ejection fraction using echocardiography 2026-Jul, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109377 PMID:42019102	研究论文	提出一种基于层次规划的心室射血分数预测模型Echo-SMADS以提高临床可解释性	借鉴人工智能层次规划概念，将射血分数预测任务分解为三个临床相关子任务（结构识别、相位选择和容积估计），并设计为独立优化的模块化系统，提供可解释的中间输出	仅基于EchoNet-Dynamic数据集验证，未在更多临床场景中测试；模块化设计可能增加模型复杂度和训练成本	设计一种临床对齐的模块化系统，模拟医生诊断流程，提升射血分数评估的可解释性、稳定性和临床适用性	超声心动图像中的左心室结构与功能评估	计算机视觉, 数字病理学	心血管疾病	超声心动图	层次规划模型	图像	EchoNet-Dynamic数据集	NA	模块化层次规划架构	平均绝对误差, 均方根误差	NA