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
881	2026-05-31	An efficient hybrid deep learning architecture for predicting short antimicrobial peptides 2024-07, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300382 PMID:38837544	研究论文	提出了一种高效的混合深度学习架构iAMP-DL，用于预测短抗菌肽	结合长短期记忆网络和卷积神经网络构建混合模型，在独立测试集上表现优于现有方法，并通过10次重复实验验证了模型的鲁棒性和稳定性	未明确说明局限性，可能对非短抗菌肽的预测效果需进一步验证	开发一种高效、鲁棒的短抗菌肽预测方法以支持抗菌药物研发	短抗菌肽序列	机器学习	NA	NA	长短期记忆网络（LSTM）和卷积神经网络（CNN）	序列数据	使用了独立测试集进行性能评估，具体样本数量未在摘要中说明	NA	LSTM, CNN	未在摘要中明确列出具体指标，但通过比较分析和重复实验评估性能	NA
882	2026-05-31	Deep Learning-Enabled Diagnosis of Liver Adenocarcinoma 2023-11, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2023.07.026 PMID:37562657	研究论文	提出深度学习模型HEPNET，用于区分肝内胆管癌与结直肠癌肝转移，基于H&E染色全切片图像实现临床级准确率	开发了专门用于肝脏腺癌诊断的深度学习模型HEPNET，在区分原发性与继发性肝腺癌方面达到临床级精度，且性能超越6名病理专家并提升初级医师诊断水平	未在文中明确阐述局限性	实现肝脏腺癌的准确诊断，辅助临床决策并优化病理工作流程	肝内胆管癌与结直肠癌肝转移患者的H&E染色全切片图像	数字病理学	肝腺癌（包括肝内胆管癌和结直肠癌肝转移）	H&E染色全切片成像	深度学习（CNN）	病理全切片图像	训练集：456例患者（714,589个图像块）；内部测试集：115例；外部验证集：159例（来自美因茨大学医院）	NA	HEPNET	AUC、准确率	NA
883	2026-05-31	Recognition of walking directional intention employed ground reaction forces and center of pressure during gait initiation 2023-09, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2023.08.009 PMID:37639961	研究论文	利用地面反作用力和压力中心数据，通过深度学习技术识别步行方向意图	首次使用地面反作用力和压力中心数据替代脑电图，通过LSTM模型识别步行方向意图，实现高精度分类	仅针对直行和右转两种方向，未考虑左转及其他复杂场景；样本量较小（10名健康成年男性）；未在真实外骨骼控制或行人交通流场景中验证	利用深度学习技术识别地面反作用力和压力中心数据，分类直行和右转意图；揭示可替代脑电图预测步行方向意图的步态特征	10名健康成年男性在测力平台上执行的站立、直行和右转动作	机器学习	NA	地面反作用力（GRF）和压力中心（COP）测量	LSTM	时间序列数据（GRF和COP）	10名健康成年男性的步态数据	NA	LSTM	准确率（最高94.79%）	NA
884	2026-05-31	A Graph-Transformer for Whole Slide Image Classification 2022-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3176598 PMID:35594209	研究论文	提出一种融合图表示与视觉Transformer的Graph-Transformer（GTP）方法，用于全切片图像分类，在肺癌组织学分类上取得高准确率	首次将图结构表示（Graph）与Vision Transformer融合构建GTP框架，用于全切片级别的病理图像分类，并引入基于图的显著性映射技术GraphCAM提升模型可解释性	NA（摘要未明确提及局限性）	开发一种能够利用WSI整体信息进行疾病分级预测的深度学习框架，并以肺癌亚型分类为验证任务	肺腺癌（LUAD）、肺鳞癌（LSCC）及癌旁正常组织	数字病理学	肺癌	深度学习、对比学习、病理图像全切片分析	Graph-Transformer（融合图神经网络与视觉Transformer）	病理全切片图像（WSI）	4,818张WSI，来自CPTAC、NLST和TCGA数据库	PyTorch	Vision Transformer、图神经网络	准确率	NA（摘要未明确提及计算资源）
885	2026-05-31	Measuring and modelling perceptions of the built environment for epidemiological research using crowd-sourcing and image-based deep learning models 2022-11, Journal of exposure science & environmental epidemiology DOI:10.1038/s41370-022-00489-8 PMID:36369372	研究论文	利用众包和基于图像的深度学习模型测量和模拟建筑环境感知，并应用于流行病学研究	通过众包方法收集特定健康研究（华盛顿州双胞胎登记处）的建筑环境感知数据，并利用迁移学习优化深度学习模型，提高模型性能	未明确提及，但可能包括感知数据的主观性和样本代表性有限	开发可客观测量和预测建筑环境感知的方法，用于流行病学研究	华盛顿州双胞胎登记处参与者的居住地址及街道图像	计算机视觉, 机器学习	心理健康相关	众包, 图像采集	深度学习模型	图像	超过36,000张图像比较	PyTorch, Keras	迁移学习模型	模型解释方差（nature quality 77.6%, beauty 68.1%, relaxation 72.0%, safety 64.7%）, 平均改进率3.8%	亚马逊Mechanical Turk众包平台, GPU（具体类型未提及）
886	2026-05-31	Deep learning for subtyping the Alzheimer's disease spectrum 2022-02, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2021.12.004 PMID:34996710	研究论文	利用深度学习对阿尔茨海默病谱系进行亚型分类，基于结构影像对认知障碍个体进行分型	通过深度学习技术基于结构性影像对认知障碍个体进行亚型分类，以量化阿尔茨海默病异质性，为靶向治疗提供新方法	NA	探索基于结构影像的阿尔茨海默病亚型分类方法，以促进疾病修饰疗法的应用和改善患者护理	认知障碍个体	机器学习	阿尔茨海默病	结构影像	深度学习	影像	NA	NA	NA	NA	NA
887	2026-05-31	Prospectively-validated deep learning model for segmenting swallowing and chewing structures in CT 2022-01-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac4000 PMID:34874302	研究论文	开发并前瞻性验证了一种用于CT图像中咀嚼和吞咽结构分割的深度学习模型	首个经过前瞻性验证的用于CT图像中咀嚼和吞咽结构分割的深度学习模型	NA	开发准确高效的方法来自动勾画头颈部放疗中涉及咀嚼和吞咽的关键结构	242例头颈癌患者的CT扫描数据（用于模型开发）和91例CT扫描数据（用于前瞻性评估）	计算机视觉	头颈癌	CT成像	卷积神经网络	图像	242例患者CT扫描（模型开发），91例CT扫描（前瞻性评估），24例（回顾性测试）	PyTorch	DeepLabV3+	Dice相似系数	NA
888	2026-05-31	Deep Learning to Predict Cardiac Magnetic Resonance-Derived Left Ventricular Mass and Hypertrophy From 12-Lead ECGs 2021-06, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.120.012281 PMID:34126762	研究论文	利用深度学习从12导联心电图预测心脏磁共振测量的左心室质量和肥厚	首次使用深度学习模型从12导联心电图预测CMR导出的左心室质量，并与传统心电图规则比较左心室肥厚的鉴别能力	UK Biobank和MGB队列中预测LV质量与CMR导出的相关性不同，说明模型泛化性存在局限	提高使用12导联心电图检测左心室肥厚的敏感性	左心室质量和左心室肥厚	机器学习	心血管疾病	12导联心电图	CNN（卷积神经网络）	心电图信号和心脏磁共振数据	UK Biobank中32,239名受试者（训练），独立测试集包括UK Biobank 4,903人和MGB 1,371人，MGB结果队列28,612人	NA	卷积神经网络	相关系数r，c统计量，Cox回归风险比	NA
889	2026-05-31	Attenuation correction using deep Learning and integrated UTE/multi-echo Dixon sequence: evaluation in amyloid and tau PET imaging 2021-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05061-w PMID:33108475	研究论文	提出一种结合深度学习与新型超短回波时间/多回波Dixon（UTE/mUTE）序列的MR衰减校正方法，用于淀粉样蛋白和tau蛋白PET成像	首次将深度学习与mUTE序列结合用于PET/MR衰减校正，在淀粉样蛋白和tau蛋白成像中显著提高骨区域Dice系数（0.87/0.94），优于传统图谱法和基于MPRAGE或Dixon的深度学习方法	样本量较小（35名受试者），仅评估了特定PET示踪剂（11C-PiB和18F-MK6240），未验证其他脑部疾病或示踪剂的通用性	提高阿尔茨海默病PET成像中衰减校正的准确性	35名接受11C-PiB和18F-MK6240扫描的受试者	计算机视觉	阿尔茨海默病	MR衰减校正，UTE/multi-echo Dixon序列，深度学习	深度学习	图像	35名受试者	NA	NA	Dice系数，验证损失，标准摄取值比（SUVR）误差	NA
890	2026-05-31	Disrupted Association of Sensory Neurons With Enveloping Satellite Glial Cells in Fragile X Mouse Model 2021, Frontiers in molecular neuroscience IF:3.5Q2 DOI:10.3389/fnmol.2021.796070 PMID:35058748	研究论文	在脆性X综合征小鼠模型中，感觉神经元与包裹的卫星胶质细胞之间的关联被破坏	首次揭示卫星胶质细胞在脆性X综合征感觉缺陷中的潜在贡献，结合单细胞RNA测序和深度学习网络进行结构功能分析	NA	探索脆性X综合征中感觉外周系统的功能障碍，特别是卫星胶质细胞对感觉缺陷的贡献	脆性X综合征小鼠模型的背根神经节中的感觉神经元和卫星胶质细胞	机器学习	脆性X综合征	单细胞RNA测序、荧光显微镜、qPCR、高分辨率透射电子显微镜、深度学习网络	深度学习网络	图像、基因表达数据	NA	NA	深度学习网络	NA	NA
891	2026-05-31	High compression deep learning based single-pixel hyperspectral macroscopic fluorescence lifetime imaging in vivo 2020-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.396771 PMID:33149959	研究论文	提出一种基于高压缩深度学习的高光谱宏观荧光寿命单像素成像方法，用于活体成像	结合压缩感知和卷积神经网络，实现仅需1%测量即可重建128×128像素的强度和寿命图像，无需实验训练数据集	未提及模型在更低压缩率或更高分辨率下的表现，以及潜在的计算资源限制	加速单像素宏观荧光寿命成像的采集和处理速度，提高分辨率，以促进其活体应用	用于活体小鼠成像，监测肝脏和膀胱中的受体-配体相互作用，以及HER2阳性乳腺肿瘤异种移植中曲妥珠单抗药物的细胞内递送	计算机视觉	未明确指定疾病类型，但涉及肿瘤（乳腺肿瘤异种移植）	荧光寿命成像、压缩感知	卷积神经网络 (CNN)	荧光寿命图像	包括合成数据、体外数据和活体小鼠数据，具体数量未提及	PyTorch	NetFLICS-CR	强度重建和寿命重建精度，具体指标未提及但可能包括结构相似性等	未提及具体GPU类型或平台
892	2026-05-31	Real-time, wide-field and high-quality single snapshot imaging of optical properties with profile correction using deep learning 2020-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.397681 PMID:33149980	研究论文	提出一种基于深度学习和GPU的单次快照光学特性成像方法，实现实时、宽场、高质量成像及表面轮廓校正	在滤波阶段结合深度学习网络和GPU，实现高视觉质量图像重建、表面轮廓校正和实时光学特性提取，处理时间仅18毫秒，性能接近传统轮廓校正SFDI方法	相对SFDI方法的误差小于10%，未提及对其他组织类型或临床场景的泛化能力	开发实时、宽场、定量的漫反射光学成像方法，用于图像引导手术等临床应用中可视化活体组织的功能和结构生物标志物	活体组织的光学特性和表面轮廓	计算机视觉	不适用	空间频域成像（SFDI）	深度学习网络	图像	不适用	不适用	深度学习网络（未具体指定架构类型）	处理时间，相对误差	GPU（未具体指定类型）
893	2026-05-31	UNMIX-ME: spectral and lifetime fluorescence unmixing via deep learning 2020-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.391992 PMID:33014571	研究论文	提出基于深度学习的UNMIX-ME方法，同时利用光谱和时间特征进行荧光解混	首次同时利用光谱和时间特征进行定量荧光解混，克服传统独立解混方法的局限性	可能依赖特定压缩超光谱荧光寿命成像平台的数据采集框架，通用性需进一步验证	开发基于深度学习的荧光解混方法，实现多荧光团定量成像	模拟的三指数和四指数样本，以及近红外FRET临床前应用样本	机器学习	NA	超光谱荧光寿命成像	深度学习模型	光谱-时间荧光衰减数据	模拟样本（三指数和四指数），以及临床前FRET样本	NA	UNMIX-ME	NA	NA
894	2026-05-31	Fast fit-free analysis of fluorescence lifetime imaging via deep learning 2019-11-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.1912707116 PMID:31719196	研究论文	提出了一种基于深度学习的免拟合方法进行荧光寿命成像分析	首次实现了无需复杂数据拟合的荧光寿命成像分析，通过深度学习网络FLI-Net同时量化整个图像的荧光衰减，速度快且无需参数设置	文中未明确提及局限性	实现快速、免拟合的荧光寿命成像分析，以提升该技术在生物医学应用中的可重复性和速度	荧光寿命成像数据，包括可见光和近红外荧光寿命显微成像及近红外门控宏观荧光寿命成像	机器学习, 数字病理学	NA	荧光寿命成像	深度神经网络	图像	NA	NA	FLI-Net	准确度	NA
895	2026-05-31	MR image reconstruction using deep learning: evaluation of network structure and loss functions 2019-Sep, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims.2019.08.10 PMID:31667138	研究论文	评估用于加速心脏磁共振成像的卷积神经网络重建方法，包括网络结构和损失函数	发现ResNet在参数数量仅为Unet十分之一的情况下达到相似的图像质量，且感知损失函数在放射科医生评分中表现最佳	具体局限未在摘要中明确说明	在实际临床背景下评估用于加速心脏磁共振成像的卷积神经网络重建方法	心脏磁共振成像的重建方法	机器学习	心血管疾病	MRI	CNN	图像	回顾性和前瞻性欠采样心脏磁共振数据	NA	Unet, ResNet	放射科医生定量和定性评估	NA
896	2026-05-30	Comparing AI-driven approaches for predicting river water quality: a systematic review of water quality indices and remote sensing methods 2026-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126047 PMID:42114478	综述论文	系统综述AI驱动在河流水质预测中的方法，比较传统水质指数与遥感技术的应用	首次系统比较两种主流AI方法（WQI和RS）在河流水质预测中的应用，识别了地理偏差、参数选择差异和标准化缺失等关键知识缺口	研究主要集中于亚洲（83%），其他地区代表性不足，且多数研究缺乏灵敏度分析和不确定性量化	综合、比较并识别AI驱动河流水质预测研究中的知识缺口，为开发更可迁移、更可靠的预测框架提供证据基础和优先研究方向	2018年至2024年间发表的71篇同行评审案例研究	机器学习	NA	NA	机器学习或深度学习模型	水质指标数据和遥感影像数据	71篇案例研究（其中44篇基于WQI方法，27篇基于RS方法）	NA	NA	准确率等常规指标	NA
897	2026-05-30	Deep learning algorithms for license plate recognition: A review 2026-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108842 PMID:41846120	综述	对深度学习车牌识别技术进行系统性综述，涵盖技术演进、性能评估与未来方向	首次系统梳理了从传统特征工程方法到深度学习端到端检测框架的技术演进路径，并整合了跨区域模型、轻量级网络及多模态融合等新兴方向	未涉及具体算法复现验证，对不同复杂场景下的量化对比分析不够深入	理清车牌识别技术发展脉络，评估各类方法在复杂场景下的效果与局限，指明未来研究方向	车牌检测与识别算法、公共车牌图像数据集	计算机视觉	NA	NA	CNN	图像	NA	NA	深度学习端到端检测框架	鲁棒性	NA
898	2026-05-30	Fully automated quantification of net water uptake in acute ischemic stroke using only non-contrast CT imaging 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12238-0 PMID:41444396	研究论文	提出一种仅基于非增强CT图像的急性缺血性脑卒中净水摄取量全自动量化方法	首次实现无需深度学习组件、仅依赖专家定义启发式规则的全自动NWU量化，避免了对CT灌注或扩散加权成像的依赖	分割精度中等（Dice系数约0.48），方法依赖于专家定义规则可能限制泛化能力	实现急性缺血性脑卒中病灶进展的自动化、可重复评估	急性缺血性脑卒中患者的非增强CT影像数据	计算机视觉	脑血管疾病	非增强CT成像	基于规则的图像处理流程	图像	内部数据集185例（排除后155例），外部测试51例（排除后46例）	OpenCV	无，使用专家定义启发式规则	病灶检出率、平均绝对NWU误差、Dice相似系数、平均精度均值	NA
899	2026-05-30	MRI-to-PET synthesis via deep learning for amyloid-β quantification in Alzheimer's disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12251-3 PMID:41495456	研究论文	构建深度学习模型，从结构MRI生成3D合成Aβ PET图像，用于阿尔茨海默病中淀粉样蛋白-β的量化	提出ShareGAN模型，在整张三维体积上操作而非2D切片，并利用共享参数生成对抗网络，真实再现邻接图像平面之间的微小差异	NA	提供安全、低成本的Aβ状态可视化工具，辅助早期阿尔茨海默病检测，减少不必要的PET扫描	阿尔茨海默病患者的Aβ PET和配对MRI图像	计算机视觉	阿尔茨海默病	MRI, PET	生成对抗网络	图像	1009对Aβ PET和MRI图像	NA	ShareGAN	结构相似性指数测量, 峰值信噪比, 平均绝对误差, 标准化摄取值比, 诊断准确率	NA
900	2026-05-30	Deep learning-based automatic measurement of the femoral head ossification center in healthy Korean children: development of a novel radiographic growth chart 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12263-z PMID:41528475	研究论文	基于深度学习的自动测量健康韩国儿童股骨头骨化中心大小并建立AI驱动的生长图表	首次开发基于深度学习的全自动测量股骨头骨化中心大小的算法，并利用AI测量数据建立标准化生长图表	NA	开发和验证基于深度学习的自动测量股骨头骨化中心大小算法，并建立AI驱动的生长图表	健康韩国儿童的股骨头骨化中心	计算机视觉	儿科髋关节发育异常	骨盆X线摄影	深度学习算法（三阶段）	图像	1705名健康韩国儿童（平均年龄5.1±3.3岁，女性841名，男性864名）	NA	感兴趣区域检测、股骨头骨化中心分割、基于标志点的尺寸计算	一致性相关系数、皮尔逊相关系数、平均绝对误差、均方根误差、Bland-Altman分析、配对t检验、Fisher Z检验、调整R²	NA