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
81	2026-08-16	RETRACTED: Convolutional neural network model by deep learning and teaching robot in keyboard musical instrument teaching 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293411 PMID:37883500	研究论文	本文探讨了学前教育中键盘乐器教学的现状与问题，并提出通过教学机器人和深度学习卷积神经网络模型改进教学的方法。	将教学机器人与深度学习卷积神经网络结合用于键盘乐器教学，通过分析学生演奏时的图像和动作实现个性化教学。	摘要未提及研究的局限性。	调查学前教育中键盘乐器教学现状，识别问题，并提出基于智能技术的解决方案。	学前教育中的键盘乐器教学和学生。	机器学习	NA	深度学习	卷积神经网络（CNN）	图像	NA	NA	卷积神经网络（CNN）	学生满意度	NA
82	2026-08-16	Inter-laboratory automation of the in vitro micronucleus assay using imaging flow cytometry and deep learning 2021-09, Archives of toxicology IF:4.8Q1 DOI:10.1007/s00204-021-03113-0 PMID:34245348	研究论文	本文展示了利用成像流式细胞术和深度学习实现体外微核试验的跨实验室自动化操作	首次将成像流式细胞术与深度学习结合，实现微核试验的自动化跨实验室评分，无需用户配置即可处理全新实验室的数据	对极其罕见的三核和四核细胞伴微核的分类成功率较低（≤57%）	开发一种自动化、跨实验室适用的体外微核试验评分方法，以替代耗时且主观的人工评分	TK6细胞，经甲磺酸甲酯（1.25-5.0 μg/mL）和/或多菌灵（0.8-1.6 μg/mL）处理	计算机视觉, 数字病理学	NA	成像流式细胞术	深度学习神经网络	图像	三个实验室的图像集，具体数量未在摘要中说明	NA	DeepFlow神经网络	准确率	NA
83	2026-08-16	Deep learning prediction of BRAF-RAS gene expression signature identifies noninvasive follicular thyroid neoplasms with papillary-like nuclear features 2021-05, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1038/s41379-020-00724-3 PMID:33299111	研究论文	利用深度学习预测BRAF-RAS基因表达签名，以识别具有乳头状核特征的非侵袭性滤泡性甲状腺肿瘤（NIFTP）	首次将深度学习应用于预测BRAF-RAS基因表达评分（BRS），以区分NIFTP与其他滤泡型甲状腺肿瘤，实现了从组织学图像到基因表达谱的映射	该研究依赖TCGA数据集和内部队列，可能存在样本选择偏差；模型预测的BRS作为NIFTP的单一判别指标虽表现良好，但未在更大规模或多样化人群中进行外部验证	验证深度学习预测BRAF-RAS基因表达签名是否能区分NIFTP和其他滤泡型甲状腺肿瘤，促进安全降级治疗	甲状腺肿瘤组织切片，包括NIFTP、乳头状甲状腺癌伴广泛滤泡生长（PTC-EFG）和经典乳头状甲状腺癌（经典PTC）	数字病理学	甲状腺肿瘤	组织病理学切片数字化	深度学习模型	病理图像（H&E染色切片）、基因表达数据	训练集115例甲状腺肿瘤，TCGA队列497例甲状腺肿瘤	NA	NA	相关系数（R）、曲线下面积（AUC）	NA
84	2026-08-16	Improving clinical disease subtyping and future events prediction through a chest CT-based deep learning approach 2021-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.14673 PMID:33340116	研究论文	开发并评估了一种基于胸部CT的深度学习方法来改善慢性阻塞性肺疾病的临床亚型分类和未来事件预测。	创新性地利用深度学习从高分辨率CT中学习紧凑的患者表征，通过自适应权重聚合区域影像特征，以预测多种COPD结局，并将预测能力与传统指标（如BODE指数）进行比较。	未在本文中明确提及局限性。	开发并评估一种深度学习模型，从COPD患者的高分辨率CT中提取丰富信息，以预测生理严重程度和多种临床结局。	慢性阻塞性肺疾病患者。	深度学习	慢性阻塞性肺疾病	高分辨率CT成像	深度学习模型	胸部CT图像	10,300名来自COPDGene队列的参与者	NA	NA	r²，准确率，AUC，一致性指数（C-index）	NA
85	2026-08-16	Deep Multi-Modal Transfer Learning for Augmented Patient Acuity Assessment in the Intelligent ICU 2021-Feb, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2021.640685 PMID:33718920	研究论文	本研究探索在智能重症监护室中，通过结合电子健康记录和腕戴式活动传感器的数据，利用深度迁移学习增强患者病情严重程度评估的预测能力	首次将腕戴式活动传感器数据与电子健康记录数据结合，应用于智能ICU的患者病情评估，并利用大型传统ICU队列进行深度迁移学习以解决小样本问题	作为试点研究，样本量较小，可能限制结果的泛化性；依赖特定临床环境（智能ICU）和新颖传感器数据，可能难以在其他医疗环境中复现	评估在传统电子健康记录数据基础上，增加腕戴式活动传感器数据对患者出院结果预测的效用，特别是在应用迁移学习后对小型ICU队列的预测改进	重症监护室患者，包括来自智能ICU的前瞻性队列和来自传统ICU的大型回溯性队列	机器学习	重症疾病（危重病）	深度迁移学习、时间序列建模	深度学习模型（具体如RNN/LSTM，但未明确）	电子健康记录数据（生命体征）和腕戴式传感器活动数据	小型前瞻性智能ICU队列和大型传统ICU回溯性队列（具体数量未给出）	未明确	时间序列深度学习模型（具体架构未明确）	未明确（可能包括准确率等，但未列出）	未明确
86	2026-08-16	Image Descriptors for Weakly Annotated Histopathological Breast Cancer Data 2020-Dec, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2020.572671 PMID:33345255	研究论文	提出两种图像描述符（CKD和WAID）用于弱标注的组织病理学乳腺癌数据，提高癌症组织识别性能	引入协方差-核描述符（CKD）和弱标注图像描述符（WAID），无需像素级组织标注即可识别恶性肿瘤区域，并优于多种计算机视觉特征	未在更大规模或多样化的数据集上验证，且未涉及深度学习方案，可能影响泛化能力	提供强大的特征描述符，增强临床医生对乳腺癌组织病理图像的识别能力	乳腺癌组织病理图像中的恶性区域	计算机视觉、数字病理学	乳腺癌	组织病理图像分析	多示例学习框架	图像	私有乳腺癌数据集和Breast Cancer Histopathological数据库（BreakHis）	NA	CKD、WAID	分类准确率（ACC）、曲线下面积（AUC）、正确分类恶性（CCM）实例率	NA
87	2026-08-16	Fully Automated CT Quantification of Epicardial Adipose Tissue by Deep Learning: A Multicenter Study 2019-Nov-27, Radiology. Artificial intelligence DOI:10.1148/ryai.2019190045 PMID:32090206	研究论文	本研究评估了深度学习算法在多中心心脏CT数据中自动量化心外膜脂肪组织的性能和鲁棒性	首次在多中心、多扫描仪和多协议的非增强钙化评分CT数据上验证了深度学习算法对于心外膜脂肪组织的全自动量化，并将其与专家阅片者进行了详细比较	研究仅使用了非增强钙化评分CT数据，可能不适用于其他类型的CT图像，且未明确提及算法在不同人群中的泛化能力	评估深度学习算法用于快速、鲁棒且全自动的心外膜脂肪组织量化，以支持常规心血管风险评估	心外膜脂肪组织在心脏CT图像中的量化	计算机视觉	心血管疾病	CT成像	卷积神经网络（CNN）	图像（CT扫描）	850例扫描用于训练，141例用于与专家比较，70例用于进展分析	NA	卷积神经网络（CNN）	相关系数（R）、偏差（bias）、时间	NA
88	2026-08-16	Automatic 3D liver segmentation based on deep learning and globally optimized surface evolution 2016-12-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/61/24/8676 PMID:27880735	研究论文	提出了一种基于3D卷积神经网络和全局优化表面演化的自动肝脏分割框架，用于从腹部3D CT图像中检测和分割肝脏	结合深度3D CNN和全局优化的表面演化方法，利用概率图作为形状先验，并自适应整合全局和局部外观信息	未明确提及，但可能依赖于CT图像质量，且验证样本量有限	实现自动、准确的肝脏分割，以辅助计算机辅助肝脏手术规划	肝脏	计算机视觉	肝脏疾病	CT成像	3D卷积神经网络	3D CT图像	42张CT图像，来自Sliver07公共数据库和本地医院	NA	3D CNN	Dice相似系数、平均对称表面距离、总体评分	NA
89	2026-08-15	Retraction notice to "A new deep learning approach based on bilateral semantic segmentation models for sustainable estuarine wetland ecosystem management" [Sci. Total Environ. 838 (2022) 155826] 2026-Aug-14, The Science of the total environment DOI:10.1016/j.scitotenv.2026.182193 PMID:42595572	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
90	2026-08-15	A Novel EEG-Based Topographic Brain Map-Driven Deep Learning Method for Autism Spectrum Disorder Detection in Children 2026-Aug-14, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01243-1 PMID:42595811	研究论文	本研究提出了一种基于EEG地形脑图驱动的深度学习方法，用于儿童自闭症谱系障碍的自动检测，并在伊拉克和波兰数据集上验证了其高性能。	首次将EEG通道功率谱密度生成的地形脑图作为深度特征提取模型（AlexNet和GoogLeNet）的输入，结合ANOVA特征选择和线性分类器，实现了跨数据集的高准确率检测。	数据集规模较小，需要更大规模的数据集来进一步验证模型的泛化能力。	开发一种自动化的EEG-based ASD检测方法，以早期诊断自闭症并减轻其长期影响。	儿童自闭症谱系障碍（ASD）患者，数据来自伊拉克和波兰。	机器学习	自闭症谱系障碍	脑电图（EEG）	深度学习模型（AlexNet和GoogLeNet）	EEG信号	未明确提及具体样本数量，但涉及伊拉克和波兰两个数据集，并进行了交叉数据集验证。	NA	AlexNet, GoogLeNet	准确率	NA
91	2026-08-15	Advancing cancer drug discovery through the integration of machine learning and high-throughput screening 2026-Aug-14, Future medicinal chemistry IF:3.2Q3 DOI:10.1080/17568919.2026.2714025 PMID:42596875	综述	本文综述了人工智能与高通量筛选相结合在癌症药物发现中的应用，重点讨论了深度学习技术如何加速药物候选物的选择并改善临床结果	强调AI与HTS的协同作用，并探讨可解释AI和联邦学习等新兴范式以提高模型透明度和促进协作	存在数据质量、模型可解释性和伦理方面的挑战	探讨AI与HTS相结合在癌症药物发现中的潜力和应用，以降低开发成本并改善治疗效果	癌症药物发现过程中的化合物筛选和药物候选物选择	机器学习	癌症	高通量筛选	卷积神经网络，循环神经网络，强化学习	高通量筛选数据，多组学数据	不适用	不适用	卷积神经网络，循环神经网络，强化学习	不适用	不适用
92	2026-08-15	BraMARS: An Interpretable Histopathology-Driven Deep Learning Model for Brain Metastasis Risk Stratification in Surgically Resected Limited-Stage SCLC 2026-Aug-14, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77075 PMID:42598747	研究论文	开发了一种基于组织病理学的可解释深度学习模型BraMARS，用于评估手术切除的局限期小细胞肺癌患者的脑转移风险。	首次将可解释的深度学习方法应用于常规H&E染色的全切片图像，实现对LS-SCLC患者未来脑转移风险的个性化分层，并整合组织病理学特征和蛋白质组学分析揭示生物学机制。	摘要中未明确提及局限性，可能包括样本来源单一、回顾性设计、需前瞻性验证等。	开发并验证一个可解释的深度学习模型，用于从常规组织病理图像中预测LS-SCLC患者的脑转移风险，以支持个性化颅内风险评估和PCI决策。	手术切除的局限期小细胞肺癌患者的常规H&E染色全切片图像及其相关临床和蛋白质组学数据。	数字病理学	小细胞肺癌	H&E染色全切片成像、蛋白质组学分析	深度学习模型（具体类型未说明）	图像（全切片图像）、蛋白质组数据	摘要中未明确具体样本数量，涉及多个独立队列。	未明确说明	未明确说明	AUC、无病生存期、总生存期、脑转移无生存期	未明确说明
93	2026-08-15	Transformer-Based Deep Learning Framework for Automated Lesion Detection in Capsule Endoscopy: A Comparative Study With CNN Architectures 2026-Aug-14, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000002432 PMID:42598992	研究论文	比较视觉Transformer与两种卷积神经网络架构在胶囊内镜图像多类病变分类中的性能	首次在21类胶囊内镜图像数据集上系统比较Transformer与CNN架构，融合两个公开数据集并预处理	数据以图像级别而非患者或操作级别分割，帧间相关性未考虑，性能结果可能仅反映基准，不代表患者级泛化或架构绝对优势	评估视觉Transformer在胶囊内镜病变检测中的有效性，并与CNN架构进行比较	胶囊内镜图像中的多类病变	计算机视觉	消化道疾病	图像预处理	视觉Transformer、DenseNet121、ResNet50	图像	约58,000帧，分为训练集40,587、验证集8,696、测试集8,696	NA	视觉Transformer、DenseNet121、ResNet50	准确率、宏平均精确率、召回率、F1分数、ROC曲线下面积	NA
94	2026-08-15	Anatomical Localization of Intracranial Electrodes Using Synthetic MRI Generated from Computed Tomography 2026-Aug-14, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004197 PMID:42599080	研究论文	评估使用SynthSR从CT生成的合成MRI在脑深部电刺激电极定位中的准确性，并与标准MRI-CT融合方法进行比较	首次系统评估合成MRI在DBS电极定位中的可行性，为无MRI情况下的术后评估提供新方法	定位误差在不同病例间存在差异，约10%的径向误差大于2毫米，1%大于4毫米，且样本仅为帕金森病患者	验证基于CT的合成MRI能否作为传统MRI的替代方案，用于DBS电极的解剖定位	44名接受丘脑底核脑深部电刺激治疗的帕金森病患者	医学影像分析	帕金森病	CT, MRI, SynthSR	深度学习	医学影像	44名帕金森病患者的术前CT、术前MRI和术后CT扫描	NA	SynthSR	径向误差, 欧氏距离, 解剖定位一致性	NA
95	2026-08-15	Prediction of second-order rate constants for reactions between contaminants and reactive species by a ChemBERTa-based QSAR model 2026-Aug-13, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130684 PMID:42594429	研究论文	本研究开发了一种基于ChemBERTa的QSAR模型（ChemBERTa-FC），用于预测污染物与活性物种反应的第二阶速率常数，实现端到端的预测并提供了可解释性分析	首次将预训练的Transformer分子语言模型ChemBERTa应用于k值预测，无需手动特征工程，并利用SHAP分析揭示与反应机制一致的属性归因模式	摘要中未提及明显局限性，但可能包括对化学空间外推的局限性和对特定反应条件的依赖	开发一种可迁移且可解释的深度学习框架，准确预测污染物与活性物种反应的第二阶速率常数，以支持水处理工艺的优化设计	水污染物与HO、SO和e的反应	机器学习	不适用	深度学习（预训练分子语言模型）	ChemBERTa	分子SMILES字符串	不适用（摘要未提供具体样本数量）	PyTorch	ChemBERTa（Transformer）结合全连接层	均方根误差（RMSE）、决定系数（R²）	不适用（摘要未提供具体GPU或平台信息）
96	2026-08-15	A two-stage deep learning referral system with progressive training for diabetic retinopathy screening and severity grading 2026-Aug-13, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111891 PMID:42594579	研究论文	提出了一种两阶段深度学习转诊系统，结合渐进式训练，用于糖尿病视网膜病变筛查和严重程度分级。	采用共享EfficientNet-B4主干和两个独立激活头，通过五阶段渐进课程训练，防止梯度干扰，实现二分类筛查和五分类严重程度及三分类糖尿病黄斑水肿风险评估的统一架构，并根据临床转诊路由降低计算需求。	主要限制是用于分级训练的数据量小（仅413张IDRiD图像），导致各变体中1级F1分数较低，反映了标注数据稀缺。	提高视网膜病变筛查的临床效率，在一个统一架构中同时支持二分类转诊和严重程度分级。	糖尿病视网膜病变患者，包括严重程度分级和糖尿病黄斑水肿风险评估。	计算机视觉	糖尿病视网膜病变	NA	CNN	图像	包含APTOS、Messidor-2（零样本外部验证及50张校准样本）和IDRiD（413张图像用于分级）	NA	EfficientNet-B4	AUC、灵敏度、QWK、F1分数	NA
97	2026-08-15	Diagnostic efficacy of deep learning-based denoising of low-field 0.55 T compared to conventional 3 T knee MRI 2026-Aug-13, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113163 PMID:42594606	研究论文	评估基于深度学习的去噪技术在0.55 T膝关节MRI中的诊断效能，并与传统的3 T MRI进行比较	将深度学习去噪技术应用于低场0.55 T膝关节MRI，以提高其诊断性能至与传统3 T MRI相当的水平	研究为回顾性设计，样本量较小，且仅包含膝关节MRI，结果可能不适用于其他成像部位	探讨深度学习去噪对低场0.55 T膝关节MRI诊断性能的提升效果	26名膝关节疼痛患者（平均年龄52岁）的33例膝关节MRI图像	计算机视觉	膝关节疾病	MRI	深度学习	图像	33例膝关节MRI（来自26名患者）	NA	NA	敏感性、特异性、诊断准确率、Lin's一致性相关系数（CCC）	NA
98	2026-08-15	Bidirectional cross-modal attention with adaptive gating for multimodal alzheimer's disease classification 2026-Aug-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae995e PMID:42594919	研究论文	提出一种融合结构磁共振成像与临床特征的双向跨模态注意力与自适应门控的多模态深度学习框架，用于阿尔茨海默病分类。	引入双向跨模态注意力机制增强影像与临床模态间的关联，并提出自适应门控融合模块动态整合全局多模态特征与跨模态交互特征。	未提及明显局限性，但可能受限于数据集的规模和多样性。	解决单模态方法局限性和现有多模态融合方法中对复杂跨模态交互建模不足的问题，实现阿尔茨海默病的早期诊断和分类。	阿尔茨海默病、轻度认知障碍、正常认知个体，包括早期和晚期轻度认知障碍。	数字病理学、机器学习	阿尔茨海默病	结构磁共振成像（sMRI）	3D ResNet-34、多层感知器（MLP）	图像（sMRI）、临床特征数据	未在标题和摘要中明确说明样本数量	未在标题和摘要中明确提及	3D ResNet-34、多层感知器（MLP）、双向跨模态注意力机制、自适应门控融合模块	准确率（均值±标准差）	未在标题和摘要中明确提及
99	2026-08-15	Histopathological Differences Between Idiopathic and Secondary Interstitial Pneumonia: An Elastic Fiber-Oriented Deep Learning Analysis 2026-Aug-13, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2026.106236 PMID:42595188	研究论文	本研究利用基于机器学习的定量分析，比较特发性和继发性间质性肺炎中胶原纤维和弹性纤维的组成差异，发现继发性病例中弹性纤维聚集更多，为鉴别诊断提供新见解。	首次使用弹性纤维导向的深度学习分析，定量评估特发性和继发性间质性肺炎中弹性纤维聚集差异，为鉴别诊断提供客观生物标志物。	样本量较小（93例），且研究仅基于EVG染色图像，未进行多中心验证，可能限制结果的普适性。	探讨特发性和继发性间质性肺炎在胶原和弹性纤维组成上的差异，以辅助鉴别诊断并增进疾病病理机制理解。	93例肺移植患者的780张弹力纤维染色全切片图像，涵盖特发性和继发性间质性肺炎的病例。	数字病理学	间质性肺病	组织化学染色（EVG染色）	深度学习模型	全切片图像	93例患者，780张全切片图像	HALO-AI	未明确指定	弹性纤维聚集面积/纤维化面积比值，P值	未提及
100	2026-08-15	Explainable dual-task deep learning model for recurrence prediction and dose-sensitive region identification in HNC radiotherapy 2026-Aug-13, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2026.07.060 PMID:42595266	研究论文	开发并验证了一种可解释的双任务深度学习模型，用于头颈癌放疗后远处转移和局部区域复发的风险分层。	结合解剖和剂量学信息，采用3D压缩激励残差网络进行双任务预测，并引入新型激活体积直方图方法量化空间-剂量亚区域的注意力模式以增强可解释性。	需要进一步的多中心验证以确认其临床适用性。	预测头颈癌患者放疗后的远处转移和局部区域复发风险，以支持个体化治疗计划。	237名接受根治性放疗的头颈癌患者。	深度学习	头颈癌	CT成像	3D挤压激励残差网络	CT图像、3D剂量分布、肿瘤体积掩膜	237名头颈癌患者	NA	挤压激励残差网络	一致性指数（C-index）、时间依赖ROC、决策曲线分析	NA