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
961	2026-03-22	SpaGRA: Graph augmentation facilitates domain identification for spatially resolved transcriptomics 2025-01, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2024.09.015 PMID:39362628	研究论文	提出一种基于图增强的新方法SpaGRA，用于空间分辨转录组学中的自动多关系构建和空间域识别	引入图增强技术，动态调整边权重，利用多头图注意力网络揭示多样节点关系，并构建多视图关系以解决随机选择带来的采样偏差	未明确说明方法在超大规模数据集上的计算效率或对特定组织类型的泛化能力限制	改进空间分辨转录组学中的空间域识别任务，通过多关系构建提升准确性	空间分辨转录组学数据，包括小鼠下丘脑、小鼠胚胎和Visium HD数据中的细胞或点	计算生物学	NA	空间分辨转录组学	GAT	空间转录组数据	多个数据集，具体样本数量未明确说明	NA	多头图注意力网络	空间域识别性能，具体指标未明确说明	NA
962	2026-03-22	Multimodal deep learning radiomics model for predicting postoperative progression in solid stage I non-small cell lung cancer 2024-Oct-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-024-00783-8 PMID:39420411	研究论文	本研究开发了一种多模态深度学习放射组学模型，用于预测实性I期非小细胞肺癌患者术后进展风险	结合临床病理特征、主观CT发现和深度学习特征构建多模态模型，并采用迁移学习策略训练ResNet18模型提取特征	研究为回顾性设计，样本量有限，且仅包含两个医疗中心的数据，可能存在选择偏倚	探索多模态深度学习放射组学模型在预测实性I期非小细胞肺癌术后进展风险中的应用价值	经组织学确认的实性I期非小细胞肺癌患者	数字病理	肺癌	CT成像	深度学习	图像	459例患者作为训练集，104例患者作为外部验证队列	NA	ResNet18	AUC	NA
963	2026-03-22	Deep Learning Resolves Myovascular Dynamics in the Failing Human Heart 2024-May, JACC. Basic to translational science DOI:10.1016/j.jacbts.2024.02.007 PMID:38984052	研究论文	本文介绍了一种名为CardioCount的深度学习管道，用于精确量化人类心脏显微图像中的细胞核，并揭示了成年人类心脏中心肌细胞与内皮细胞的耦合生长关系	开发了CardioCount这一新的深度学习管道，首次大规模应用于368,434张人类显微图像，发现了成年人类心脏中心肌细胞与内皮细胞的耦合生长，以及终末期心力衰竭中血管稀疏与心肌肥大的相互关联	未明确说明模型在多样化数据集上的泛化能力或计算资源需求的具体限制	通过深度学习量化人类心脏显微图像中的细胞核，以研究心脏细胞动力学和心力衰竭的病理机制	人类心脏的显微图像，特别是心肌细胞和心脏内皮细胞	数字病理学	心血管疾病	显微镜成像	深度学习模型	图像	368,434张人类显微图像	未指定，但提及可通过GitHub和Google Colab访问	未指定具体架构	未明确说明	Google Colab（面向机器学习经验有限的用户）
964	2026-03-22	Magnetic Resonance Spectroscopy Spectral Registration Using Deep Learning 2024-03, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28868 PMID:37401726	研究论文	本文提出了一种基于卷积神经网络的磁共振波谱配准方法，用于单个体素MEGA-PRESS MRS数据的同步频率和相位校正	首次将深度学习应用于磁共振波谱配准，实现了同步频率和相位校正，填补了该领域深度学习方法的空白	研究主要基于模拟数据集和有限的体内数据，需要更多真实世界数据验证其泛化能力	开发一种高效准确的磁共振波谱配准方法，用于MRS数据的频率和相位校正	单个体素MEGA-PRESS磁共振波谱数据	医学影像分析	NA	磁共振波谱，MEGA-PRESS序列	CNN	波谱数据	40,000个模拟MEGA-PRESS数据集和101个体内MEGA-PRESS内侧顶叶数据	NA	CNN-SR	频率偏移平均绝对误差，相位偏移平均绝对误差，胆碱区间方差	NA
965	2026-03-22	Deep learning-based patient stratification for prognostic enrichment of clinical dementia trials 2024, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcae445 PMID:39713242	研究论文	本研究利用深度学习对早期痴呆患者进行分层，以优化临床试验的预后富集	采用深度学习方法对痴呆患者的疾病轨迹进行聚类，识别出“慢速”和“快速”进展亚组，并开发机器学习模型从横断面数据预测进展亚组，以降低临床试验所需样本量和成本	研究样本量相对有限（283名早期痴呆患者），且模型预测性能（AUC 0.70）有待进一步提升	通过人工智能方法对痴呆患者进行分层，以优化临床试验设计并提高治疗发现效率	早期痴呆患者，包括认知和功能评分数据	机器学习	阿尔茨海默病	深度学习聚类，机器学习分类	深度学习，机器学习	认知和功能评分数据	283名早期痴呆患者（内部队列），2779名痴呆患者（外部验证队列）	NA	NA	AUC（受试者工作特征曲线下面积）	NA
966	2026-03-22	Automated pediatric brain tumor imaging assessment tool from CBTN: Enhancing suprasellar region inclusion and managing limited data with deep learning 2024 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdae190 PMID:39717438	研究论文	本研究提出了一种基于深度学习的自动化工具，用于儿科脑肿瘤的颅骨剥离和肿瘤分割，特别关注鞍区/鞍上区域，并在有限数据场景下评估其性能	开发了能够处理鞍区/鞍上区域罕见肿瘤的颅骨剥离和肿瘤分割模型，并在多参数MRI输入和有限数据条件下展示了良好的泛化能力	肿瘤分割模型对于增强肿瘤区域的Dice分数相对较低（中位数约0.79），表明在复杂肿瘤区域的分割精度仍有提升空间，且研究依赖于特定儿科患者队列	开发并评估自动化儿科脑肿瘤成像评估工具，以改进颅骨剥离和肿瘤分割在临床有限数据环境下的应用	527名患有各种儿科脑肿瘤组织学类型的儿科患者的MRI扫描数据	数字病理学	儿科脑肿瘤	多参数MRI扫描	深度学习	图像	527名儿科患者（颅骨剥离模型使用336例，肿瘤分割模型使用489例）	nnU-Net	nnU-Net	Dice分数, 敏感性, 95% Hausdorff距离	NA
967	2026-03-22	Predicting Physiological Response in Heart Failure Management: A Graph Representation Learning Approach using Electronic Health Records 2023-Feb-01, medRxiv : the preprint server for health sciences DOI:10.1101/2023.01.27.23285129 PMID:36747787	研究论文	本研究开发了一种图表示学习框架，利用电子健康记录预测心力衰竭患者的生理反应，以个性化治疗方案	提出了一种结合图Transformer网络和图神经网络的框架，通过自注意力机制和全局注意力掩码来建模临床事件间的空间依赖性和时间性，以增强个性化预测	NA	通过深度学习技术预测心力衰竭患者的生理反应，以支持个性化治疗管理	心力衰竭患者	机器学习	心血管疾病	电子健康记录分析	GNN, Transformer	电子健康记录	NA	NA	Graph Transformer Network, GNN	NA	NA
968	2026-03-22	Erratum to "A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification" 2023, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0011 PMID:37849679	correction	本文是对先前发表的一篇关于深度学习皮肤病变分类中低成本高性能数据增强方法的文章的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
969	2026-03-22	A Low-Cost High-Performance Data Augmentation for Deep Learning-Based Skin Lesion Classification 2022, BME frontiers IF:5.0Q1 DOI:10.34133/2022/9765307 PMID:37850173	研究论文	本文提出了一种低成本高性能的数据增强策略，用于深度学习皮肤病变分类，旨在提升智能皮肤癌筛查设备在资源有限环境下的性能	提出搜索空间为10的高性能数据增强策略，可通过即插即用模式与任何模型结合，以低成本为医学数据库搜索最佳增强方法	NA	开发适用于资源有限环境的高性能低成本数据增强策略，以促进智能皮肤癌筛查设备的部署	皮肤病变图像数据	计算机视觉	皮肤癌	数据增强	CNN	图像	HAM10000、ISIC 2017、ISIC 2018、Derm7pt数据集	NA	EfficientNet	BACC, AUC	NA
970	2026-03-22	Deep learning analysis of resting electrocardiograms for the detection of myocardial dysfunction, hypertrophy, and ischaemia: a systematic review 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab048 PMID:34604757	系统综述	本文系统综述了深度学习在分析静息心电图以检测心肌功能障碍、心肌肥厚和缺血等结构性心脏病变方面的证据	首次系统性地评估了端到端深度学习模型在静息心电图分析中用于检测结构性心脏病变（非心律失常性）的性能，并总结了其相较于基于规则的模型和其他机器学习模型的优越性	仅纳入了12篇符合标准的研究，样本量和研究设计存在异质性；排除了动态心电图、负荷心电图、心内或植入式设备获取的心电图数据，可能限制了结论的普适性	评估深度学习分析静息心电图在预测结构性心脏病变（如左心室收缩功能障碍、心肌肥厚和缺血性心脏病）方面的证据和临床适用性	已发表的关于使用端到端深度学习分析静息心电图信号以检测结构性心脏病变的原始研究文章	数字病理学	心血管疾病	深度学习	CNN	心电图信号	NA	NA	卷积神经网络	AUC, 准确率	NA
971	2026-03-22	The discerning ear: cardiac auscultation in the era of artificial intelligence and telemedicine 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab059 PMID:36713594	综述	本文综述了人工智能和远程医疗时代下心脏杂音听诊的现代进展，包括儿科心脏杂音的病因、诊断、管理，以及计算机辅助听诊和深度学习技术的影响	结合人工智能和远程医疗技术，为儿科心脏杂音听诊提供更新的视角，并探讨深度学习对杂音分析的范式转变影响	NA	为现代儿科心脏病学家提供关于人工智能对心脏听诊影响的更新视角	儿科心脏杂音，从早产新生儿到青春期晚期	数字病理学	心血管疾病	计算机辅助听诊，数字听诊器	深度学习	听诊音频数据	NA	NA	NA	NA	NA
972	2026-03-22	The effect of confounding data features on a deep learning algorithm to predict complete coronary occlusion in a retrospective observational setting 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztab002 PMID:36711180	研究论文	本研究评估了深度学习算法在预测冠状动脉完全闭塞中的可行性，并探讨了数据特征混淆对模型性能的影响	揭示了深度学习模型在数据泄露情况下可能产生虚假高结果的风险，强调了在回顾性观察性研究中数据质量控制的重要性	数据集规模过小，导致第二次实验模型性能不佳；存在数据泄露问题，影响了第一次实验结果的可靠性	评估深度学习算法在检测冠状动脉闭塞方面的可行性，并与心脏病专家及STEMI标准进行比较	STAFF III数据库中的心电图样本，包括急性冠状动脉闭塞样本和无闭塞样本	机器学习	心血管疾病	心电图分析	CNN	心电图信号	STAFF III数据库中的样本，具体数量未明确说明	未明确说明	深度卷积神经网络	F1分数	未明确说明
973	2026-03-22	Artificial intelligence assessment for early detection of heart failure with preserved ejection fraction based on electrocardiographic features 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaa015 PMID:36711179	研究论文	本研究开发了一种基于心电图特征的深度学习模型，用于早期检测射血分数保留的心力衰竭	首次开发了一种可解释的深度学习模型，利用常规心电图设备进行HFpEF的可靠和经济筛查，并通过内部和外部验证展示了高性能	研究为回顾性队列设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性研究中进一步验证	开发并验证一种基于心电图的深度学习模型，用于早期筛查射血分数保留的心力衰竭	接受超声心动图和心电图检查且左心室收缩功能正常的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	内部开发集：20,169名患者的32,671份心电图；内部验证集：1,979名患者；外部验证集：11,955名患者	NA	集成神经网络	受试者工作特征曲线下面积	NA
974	2026-03-22	Diagnosis of COVID-19 Using Machine Learning and Deep Learning: A Review 2021, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405617666210713113439 PMID:34259149	综述	本文系统回顾了机器学习和深度学习技术在抗击COVID-19中的应用	通过PRISMA指南对AI在COVID-19中的应用进行范围综述，比较了不同ML回归方法、分类方法及医学影像数据集，并评估了DL方法在不同数据集上的性能	存在法规限制、噪声数据、数据隐私问题以及缺乏可靠的大规模数据集	评估AI（特别是ML和DL）在预测、筛查和检测COVID-19中的有效性	COVID-19患者及相关医学影像数据	机器学习	COVID-19	NA	CNN	图像	从4050篇研究论文中筛选出52篇进行结果合成	NA	ResNet-18, DenseNet 169, DenseNet-201	分类准确率	NA
975	2026-03-22	Tumor detection of the thyroid and salivary glands using hyperspectral imaging and deep learning 2020-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.381257 PMID:32206417	研究论文	本研究探讨了高光谱成像结合深度学习在甲状腺和唾液腺肿瘤检测中的应用	首次将高光谱成像与深度学习结合用于甲状腺和唾液腺肿瘤检测，并比较了不同成像模式（包括合成RGB图像）的性能	样本量较小，特别是唾液腺样本仅16个，可能影响结果的泛化能力	评估高光谱成像在甲状腺和唾液腺肿瘤检测中的性能	甲状腺和唾液腺组织标本	计算机视觉	甲状腺癌, 唾液腺肿瘤	高光谱成像, 荧光染料成像	深度学习算法	图像	82名患者的200个甲状腺标本和16个唾液腺标本	NA	NA	AUC	NA
976	2026-03-21	Bioinspired hybrid optimisation and deep belief neural networks for early chronic kidney disease detection: an explainable clinical AI framework 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2624917 PMID:41834383	研究论文	本文提出了一种结合混合螺旋搜索策略的二元引力搜索算法与象群优化算法来优化深度信念神经网络，用于慢性肾脏病的早期检测	提出了一种双阶段优化框架（SSS-BGSA-EHO-DBNN），通过非线性螺旋搜索模式增强原始BGSA的探索-利用权衡，并利用EHO优化DBNN参数以提高收敛速度和学习效率	研究仅在UCI CKD数据集上进行评估，样本量有限，且未在更多独立数据集或真实临床环境中验证	开发一个全自动、可解释且计算高效的慢性肾脏病筛查流程	慢性肾脏病（CKD）患者	机器学习	慢性肾脏病	NA	深度信念神经网络（DBNN）	结构化临床数据	UCI CKD数据集（25个属性）	NA	深度信念神经网络	准确率, AUC	NA
977	2026-03-21	Early Implications for Solid Organ Transplantation With the Use of Artificial Intelligence From a Bibliometric Perspective 2026-Jun, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2026.100340 PMID:41853188	文献计量分析	本文通过文献计量学方法，分析了人工智能在实体器官移植领域（肾脏、肝脏、心脏、肺移植）的应用现状、科学影响及发展趋势	首次从文献计量学角度系统评估了人工智能在实体器官移植领域的全球研究趋势、技术应用热点及合作网络，识别了核心研究主题和领先机构	分析基于已发表的文献，许多人工智能模型仍处于验证阶段，实际临床整合和效果有待进一步证实；文献检索可能受数据库覆盖范围限制	评估人工智能在实体器官移植领域的科学影响、研究演变及全球趋势，以促进该领域的循证研究和跨学科合作	涉及肾脏、肝脏、心脏和肺移植的人工智能相关科学研究文献	机器学习	实体器官移植	机器学习，专家系统，深度学习	NA	临床数据，免疫学数据，组织学数据，影像数据	2384篇出版物（1989-2025年），其中815篇符合纳入标准	NA	NA	NA	NA
978	2026-03-21	Automated detection and classification of dental trauma in periapical radiographs using deep learning: a study based on the Andreasen classification 2026-May, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2025.12.014 PMID:41688271	研究论文	本研究评估了基于YOLOv8的深度学习模型在根据Andreasen分类系统自动识别牙科创伤类型方面的性能	首次将YOLOv8深度学习模型应用于牙科创伤的自动检测与分类，并基于Andreasen分类系统进行标签整合以优化模型性能	初始模型因创伤亚型过多且数据集有限导致整体性能较低，仅在某些亚类（如撕脱伤）表现较好	评估深度学习模型在牙科创伤自动识别与分类中的性能	牙科创伤的X线片图像	计算机视觉	牙科创伤	深度学习	YOLOv8	图像	NA	NA	YOLOv8	灵敏度, 精确度, F1分数	NA
979	2026-03-21	Fine-scale mapping of Oncomelania hupensis habitats in eastern China using multi-season Sentinel-2 imagery and semi-supervised deep learning 2026-May, Acta tropica IF:2.1Q2 DOI:10.1016/j.actatropica.2026.108044 PMID:41802557	研究论文	本研究开发了一个名为SnailMatch的半监督深度学习框架，结合多季节Sentinel-2影像，用于精细绘制中国东部钉螺（日本血吸虫中间宿主）的栖息地分布图	提出了一个结合多季节遥感影像和半监督深度学习的框架，通过注意力机制融合季节性生态模式，并利用贝叶斯优化集成模型，实现了高精度的钉螺栖息地制图	研究依赖于有限的实地确认数据（229个存在点），且未明确讨论模型在其他地理区域或不同年份的泛化能力	开发一种成本效益高、可解释的方法，以支持针对性的灭螺和植被管理，助力世界卫生组织2030年消除血吸虫病的目标	钉螺（Oncomelania hupensis）的栖息地	计算机视觉	血吸虫病	多季节Sentinel-2遥感影像处理	深度学习, 随机森林	遥感影像, 环境协变量数据	229个实地确认的钉螺存在点, 229个系统采样的缺失点, 5,759个未标记位置	NA	注意力机制的多季节融合模块	准确率, AUC, F1分数	NA
980	2026-03-21	Single-cell resolution spatial transcriptomic signature of the retrosplenial cortex during memory consolidation 2026-Apr, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03331-3 PMID:41188622	研究论文	本研究利用单细胞分辨率空间转录组学揭示了记忆巩固过程中压后皮质的转录组特征	首次在空间记忆巩固过程中识别压后皮质神经元亚型的转录组特征，并利用深度学习工具揭示学习后细胞类型特异性分子激活模式	研究主要基于小鼠模型，结果在人类中的适用性需进一步验证	探究压后皮质在空间记忆巩固过程中的分子机制	小鼠压后皮质神经元，特别是兴奋性神经元	空间转录组学	阿尔茨海默病及相关痴呆	单细胞分辨率空间转录组学，Xenium空间转录组学，化学遗传学方法	深度学习	空间转录组数据	NA	NA	NA	NA	NA