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
1101	2026-05-03	Explainable Multimodal Graph Isomorphism Network for Interpreting Sex Differences in Adolescent Neurodevelopment 2024-May, Applied sciences (Basel, Switzerland) DOI:10.3390/app14104144 PMID:42037656	研究论文	提出一种可解释的多模态图同构网络，用于解读青少年神经发育中的性别差异	首次将多模态图同构网络（MGIN）与GNNExplainer相结合，通过整合同一受试者的多次fMRI扫描数据，提升性别分类准确率并识别关键脑网络子图结构	未提及数据量和外部验证，且仅针对fMRI任务相关数据，未考虑其他模态或静息态数据	利用多模态图神经网络分析fMRI数据，揭示青少年神经发育中的性别差异	健康青少年的脑功能网络（基于fMRI任务相关数据）	机器学习	NA	fMRI	图神经网络（GNN）	fMRI任务相关数据（脑网络）	NA	PyTorch	图同构网络（GIN）	分类准确率	NA
1102	2026-05-03	Comparison of individualized facial growth prediction models based on the partial least squares and artificial intelligence 2024-03-01, The Angle orthodontist DOI:10.2319/031723-181.1 PMID:37913813	研究论文	比较了基于偏最小二乘法和人工智能的个性化面部生长预测模型	首次系统比较了传统偏最小二乘回归与基于TabNet深度神经网络的人工智能方法在面部生长预测中的性能，并发现AI在大多数骨性标志点预测中更准确	AI在颅底标志点预测上不如PLSA准确；软组织和下颌骨标志点的预测误差较大；样本可能具有选择性偏倚	评估并比较基于偏最小二乘法和人工智能的面部生长预测模型的准确性	未曾接受正畸治疗的410名患者的纵向头颅侧位片	机器学习	NA	头颅侧位片成像	TabNet深度神经网络	图像	410名患者的系列纵向头颅侧位片	NA	TabNet	预测误差（毫米）	NA
1103	2026-05-03	Synthesis of MR fingerprinting information from magnitude-only MR imaging data using a parallelized, multi network U-Net convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1498411 PMID:39742349	研究论文	开发一种基于多网络U-Net卷积神经网络的方法，从常规幅度MRI数据合成MR指纹信号	首次利用深度学习网络从常规幅度MRI数据合成MRF信号，无需专用MRF脉冲序列即可进行定量弛豫测量	样本量较小（37名志愿者），且仅针对脑部T1加权数据，未评估其他组织和序列的泛化能力	开发深度学习网络合成MRF信号，以取代传统复杂采集策略，推广定量弛豫测量应用	37名21-62岁志愿者的脑部MRI数据	计算机视觉	NA	MRI	U-Net卷积神经网络	图像	37名志愿者（年龄21-62岁），47个解剖区域	暂未提及具体框架	U-Net	一致性相关系数（CCC）、95%置信限、平均差值	NA
1104	2026-05-03	An Automatic Grading System for Neonatal Endotracheal Intubation with Multi-Task Convolutional Neural Network 2023-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi58575.2023.10313510 PMID:38846334	研究论文	提出一个基于多任务卷积神经网络的新生儿气管插管自动评分系统，用于评估操作熟练度	将多变量时间序列数据的隐式特征与直观观察特征相结合，利用多任务深度学习技术实现自动评分	NA	开发自动评分系统，辅助新生儿气管插管培训中的技能评估	新生儿气管插管操作技能	计算机视觉	新生儿疾病	NA	多任务卷积神经网络	多变量时间序列数据	NA	NA	NA	分类准确率	NA
1105	2026-05-03	Segmentation of X-ray coronary angiography with an artificial intelligence deep learning model: Impact in operator visual assessment of coronary stenosis severity 2023-10, Catheterization and cardiovascular interventions : official journal of the Society for Cardiac Angiography & Interventions IF:2.1Q3 DOI:10.1002/ccd.30805 PMID:37579212	研究论文	比较操作者在冠脉造影中目测评估狭窄程度与使用AI深度学习模型分割后图像评估的差异	首次系统性评估AI分割冠脉造影图像对操作者目测评估狭窄程度的改善效果	样本量较小（123个病变），未评估AI分割对临床决策的长期影响	评估AI深度学习分割模型能否减少操作者对冠脉狭窄程度的高估	冠脉造影图像中123个病变的目测狭窄程度	医学影像分析	冠状动脉疾病	X射线冠脉造影	深度学习	图像	123个冠脉病变	NA	深度学习分割模型（论文未明确说明具体架构名称）	百分比直径狭窄差异、一致性比率	NA
1106	2026-05-03	Integration of deep learning with Ramachandran plot molecular dynamics simulation for genetic variant classification 2023-Mar-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2023.106122 PMID:36879825	研究论文	开发一个结合蛋白质结构信息和深度学习的方法用于遗传变异分类	创新性地将Ramachandran图分子动力学模拟与自编码器无监督学习和神经网络分类器相结合，用于提取蛋白质结构和热力学信息并进行遗传变异分类	未明确提及局限性	开发一种结合蛋白质结构和深度学习的高通量遗传变异分类系统	三个DNA损伤修复基因（BRCA1、MLH1、MSH2）的遗传变异	机器学习	遗传疾病	NGS	自编码器, 神经网络分类器	蛋白质结构数据和遗传变异数据	未明确提及样本数量	NA	自编码器, 神经网络	特异性	NA
1107	2026-05-03	Retracted: Medical Data Feature Learning Based on Probability and Depth Learning Mining: Model Development and Validation 2021-04-08, JMIR medical informatics IF:3.1Q2 DOI:10.2196/19055 PMID:33830067	研究论文	提出基于概率与深度学习挖掘的级联数据特征学习模型，用于预测医院门诊量并分析医疗大数据特征	构建级联深度框架实现特征变换、选择与分类器的集成，结合概率与深度学习挖掘多模态医疗数据特征	周和月门诊量预测精度较低，因误差随预测间隔累积；未明确提及数据来源、样本规模及外部验证	开发智能应用预测门诊量，分析医疗大数据特征，优化医疗资源配置	医院门诊量数据（日、周、月）及其特征关系	机器学习	NA	深度学习挖掘、概率分析	级联深度模型	医疗大数据（结构化门诊量数据）	未明确说明	NA	级联深度框架	预测精度（日、周、月对比）	未说明
1108	2026-05-03	From Regression Analysis to Deep Learning: Development of Improved Proxy Measures of State-Level Household Gun Ownership 2020-Dec-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2020.100154 PMID:33336203	研究论文	利用传统回归分析和深度学习开发了两种高精度州级家庭枪支拥有率代理指标	首次将深度学习应用于枪支拥有率代理指标建模，并指出传统FS/S代理指标存在严重偏差	代理指标依赖有限协变量（自杀枪支比例和狩猎执照率），可能忽略其他影响因素	开发更准确的州级家庭枪支拥有率代理指标，替代现有偏见严重的FS/S指标	美国各州家庭枪支拥有率	机器学习	NA	NA	深度学习模型、回归分析模型	数值型数据	NA	NA	NA	R²	NA
1109	2026-05-03	An automated tissue-to-diagnosis pipeline using intraoperative stimulated Raman histology and deep learning 2020, Molecular & cellular oncology IF:2.6Q3 DOI:10.1080/23723556.2020.1736742 PMID:32391430	研究论文	利用术中受激拉曼组织学与深度学习实现自动化组织诊断流程	开发了基于床边的组织到诊断的全自动流程，结合受激拉曼组织学（SRH）和深度卷积神经网络（CNN），无需标记即可快速识别脑肿瘤区域	NA	建立并验证一种术中快速、自动化的脑肿瘤诊断方法	脑组织标本，特别是常见脑肿瘤	机器学习的医学图像分析	脑肿瘤	受激拉曼组织学（SRH）	深度卷积神经网络（CNN）	SRH图像	NA	NA	卷积神经网络（CNN）	分割准确性	NA
1110	2026-05-03	Inferring single-trial neural population dynamics using sequential auto-encoders 2018-10, Nature methods IF:36.1Q1 DOI:10.1038/s41592-018-0109-9 PMID:30224673	研究论文	提出一种基于序列自编码器的深度学习方法，用于从单次试验的神经尖峰数据中推断潜在动态	引入动态系统的潜在因子分析，成功从单次试验的神经数据中提取动态特征，并有效处理不完全采样、试验间变异和动作电位时间波动等挑战	NA	开发一种能够从单次试验神经活动中推断潜在种群动态的方法，以更深入理解神经活动与行为之间的关系	多种猴子和人类运动皮层数据集	机器学习	NA	神经记录	序列自编码器	神经尖峰数据	包含多种猴子和人类运动皮层数据集，具体样本量未明确说明	PyTorch	潜在因子分析通过动态系统	行为变量预测的准确性、单次试验神经放电率估计精度、与行为选择相关的动态扰动推断、跨非重叠记录会话数据整合效果	NA
1111	2026-05-02	Deep learning assessment of nativeness and pairing likelihood for antibody and nanobody design with AbNatiV2 2026-12-31, mAbs IF:5.6Q1 DOI:10.1080/19420862.2026.2646361 PMID:41947016	研究论文	提出AbNatiV2，一种基于深度学习的抗体和纳米抗体天然性与配对可能性评估方法	1）扩展序列数据库并改进架构，提升纳米抗体天然性分类性能；2）引入p-AbNatiV2跨注意力模型，利用噪声对比训练学习VH/VL配对概率	未明确讨论模型在不同物种或极端突变场景下的泛化能力	评估抗体和纳米抗体的天然性及配对可能性，支持抗体工程和从头设计	抗体和纳米抗体序列（包括VH-VL配对和单域纳米抗体）	机器学习	NA	深度测序	VQ-VAE, Transformer, 跨注意力模型	序列数据	每个模型在超过2000万条序列上训练，p-AbNatiV2在370万对人类配对序列上微调	PyTorch	VQ-VAE + Transformer, 跨注意力模型	分类准确率, 配对评分, 残基级人源化评分	NA
1112	2026-05-02	Monitoring horse behaviour with deep learning models 2026-Dec-31, The veterinary quarterly DOI:10.1080/01652176.2026.2665442 PMID:42048054	研究论文	利用深度学习模型监测马的行为，通过卷积神经网络识别站立、躺卧和饮水行为	首次使用深度学习模型从连续视频中自动识别马匹的站立、躺卧和饮水行为，并展示其在福利监测中的应用潜力	躺卧行为的召回率较低（63.1%），且仅针对单一马匹在木制马厩中的行为进行研究，未涉及更不常见的行为识别	评估深度学习模型在非侵入式监测马匹行为中的有效性	马的行为（站立、躺卧和饮水）	计算机视觉	NA	视频数据	卷积神经网络（CNN）	视频	一匹马，连续29天记录	NA	卷积神经网络（CNN）	精确率, 召回率	NA
1113	2026-05-02	Cloud EEG Privacy Using Red-Billed Blue Magpie Optimized Physics-Penalized Dual-Branch Spectral-Spatial Neural Network for Epileptic Seizure Prediction 2026-Jul, Developmental neurobiology IF:2.7Q3 DOI:10.1002/dneu.70031 PMID:42063259	研究论文	提出一种混合深度学习架构，用于通过物联网脑电图监测实现癫痫发作的实时预测并保障云数据隐私	在深度学习中引入物理惩罚正则化和双分支注意力机制，以实现频谱-空间特征的可解释性和泛化性，并采用无密钥托管属性基加密保障云脑电图数据隐私	未提及	实现高精度、安全且有效的癫痫发作预测	Bonn脑电图数据集和CHB-MIT数据集中的脑电图信号	机器学习, 数字病理学	癫痫	脑电图	物理惩罚双分支频谱-空间神经网络 (PP-DBSSNN)	图像	未提及	NA	物理惩罚双分支频谱-空间神经网络 (PP-DBSSNN)	准确率, 精确率, 特异性	NA
1114	2026-05-02	Systematic evaluation of machine learning models for clinical risk prediction on real-world hospital datasets 2026-May-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115654 PMID:42063551	研究论文	系统评估了10种机器学习模型在8个真实世界临床风险预测数据集上的表现	首次对经典机器学习、表格深度学习和自动机器学习三大范式进行临床风险预测领域的系统性基准测试，并识别出CatBoost和TabPFN为最优模型	未说明局限性	为临床风险预测提供模型选择的实证指导	10种机器学习模型（包括CatBoost、TabPFN、AutoGluon等）	机器学习	NA	NA	梯度提升决策树、表格深度学习、自动机器学习	表格数据	8个真实世界临床风险预测数据集	NA	CatBoost、TabPFN、AutoGluon	区分度、校准度、临床效用	NA
1115	2026-05-02	Plantar Thermogram Analysis Using Deep Learning for Diabetic Foot Risk Classification 2026-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968251316563 PMID:39980256	研究论文	利用热成像和深度学习对糖尿病患者进行足部溃疡风险分层	首次将热成像与深度学习结合用于糖尿病足风险分类，并优先提高筛查灵敏度以识别高风险足部	样本量较小（仅153张热图像），且数据集存在类别不平衡（正常图像远多于异常图像）	开发一种基于热成像和深度学习的非侵入性筛查方法，用于糖尿病足溃疡风险分层	成年糖尿病患者	计算机视觉，机器学习	糖尿病足	热成像	卷积神经网络（CNN）	图像	153张足底热图像（98张用于训练，55张用于测试）	NA	NA	准确率，灵敏度，特异性，马修斯相关系数	NA
1116	2026-05-02	A Tutorial on MRI Reconstruction: From Modern Methods to Clinical Implications 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3617575 PMID:41042661	教程	概述磁共振成像重建的基本原理并介绍先进方法，从传统的手工先验方法到结合学习与手工先验的深度学习方法，同时探讨这些方法的转化方面和临床意义	系统性地介绍了MRI重建从经典方法到深度学习方法的演进，并提供了配套的Python工具箱以演示所选方法	未明确提及局限性，但教程性质可能意味着缺乏对新方法的广泛验证和比较	介绍MRI重建的基本原理和最新进展，并探讨其临床转化前景	MRI图像重建方法，包括传统方法和深度学习方法	机器学习和图像重建	NA	MRI	深度学习方法（如CNN等）	MRI图像	NA	Python	NA	NA	NA
1117	2026-05-02	Automatically Measuring Kidney, Liver, and Cyst Volumes in Autosomal Dominant Polycystic Kidney Disease 2026-May-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000904 PMID:41186985	研究论文	开发并验证了一个基于深度学习网络平台TraceOrg，用于自动测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积	首次将结合U-Net与Transformer的3D混合模型部署为公开的网页计算工具，支持多脉冲序列训练，并在多个外部数据集上验证了高泛化能力	NA	开发一个能自动且稳健测量常染色体显性多囊肾病患者肾脏、肝脏和囊肿体积的深度学习平台	常染色体显性多囊肾病患者及非患者	计算机视觉, 数字病理学	多囊肾病	MRI, CT扫描	3D混合模型（U-Net + Transformer）	医学影像（MRI和CT图像）	720名参与者（611名ADPKD患者和109名非ADPKD患者）用于训练；内部验证使用70个MRI（肾脏和肝脏分割）和46个MRI（囊肿分割）；外部验证包括单中心数据集（n=58）、多中心数据集（n=73）、CRISP（n=30）和PKD-RRC（n=115）	NA	U-Net, Transformer	Dice系数, 平均绝对百分比差	NA
1118	2026-05-02	Deep learning-guided attenuation and scatter correction of 99mTc-MAA SPECT images: towards quantitative analysis in 90Y-SIRT 2026-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02152-2 PMID:41489766	研究论文	开发深度学习模型，用于99mTc-MAA SPECT成像的无CT衰减校正和基于蒙特卡罗的散射校正，以提升90Y-SIRT治疗规划与剂量定量分析的准确性	首次将改进的3D Swin UNETR架构应用于SPECT图像的衰减与散射联合校正，实现CT-free方式且无需蒙特卡罗模拟，具有临床转化潜力	基于回顾性数据，未在真实临床环境中验证；模型性能可能受限于训练数据分布和患者异质性	通过深度学习模型实现SPECT图像的衰减与散射校正，支持90Y-SIRT的精准剂量学分析	222名接受90Y-SIRT前99mTc-MAA SPECT成像的患者	计算机视觉, 数字病理	NA	SPECT成像	深度学习	图像	222名患者	NA	Swin UNETR（改进型3D移位窗口UNet Transformer）	平均误差, 相对误差, 平均绝对误差, Gamma分析（距离一致性与剂量差异）	NA
1119	2026-05-02	Deep learning-based ROSC prediction and ECG phenotyping in out-of-hospital cardiac arrest 2026-May, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2026.111035 PMID:41794117	研究论文	开发基于深度学习的卷积神经网络模型，预测院外心脏骤停患者的自主循环恢复，并识别新的心电图表型	首次利用CNN同时预测ROSC和可电击心律，并通过聚类分析从特征表示中识别出五种具有不同ROSC概率的心电图表型	回顾性研究设计，可能受选择偏倚影响；仅使用韩国急救医疗服务数据，需外部验证；5秒心电图片段可能无法完全捕捉动态变化	开发深度学习模型预测院外心脏骤停患者的ROSC和识别新的心电图表型	院外心脏骤停患者的院前心电图信号	机器学习	心血管疾病	NA	卷积神经网络	ECG信号	3452名成年非创伤性院外心脏骤停患者	Keras, TensorFlow	一维卷积神经网络	AUC	NA
1120	2026-05-02	Quantification of Ki-67 labeling index in pediatric brain tumor immunohistochemistry images 2026-May-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlaf163 PMID:41806389	研究论文	基于深度学习框架自动量化儿童脑肿瘤免疫组化图像中的Ki-67标记指数	首次将StarDist深度学习模型应用于儿童脑肿瘤全切片图像的Ki-67标记指数自动计算，并集成QuPath和Python后处理脚本生成细胞密度图和汇总表	研究未提及对罕见肿瘤亚型的验证，且基于单一数据集（CBTN）可能导致泛化性受限	为儿童脑肿瘤的Ki-67标记指数提供自动化定量分析框架，替代手动评分	儿童脑肿瘤全切片免疫组化图像中的Ki-67阳性与阴性细胞核	数字病理学	儿童脑肿瘤（髓母细胞瘤、室管膜瘤、胶质瘤等）	免疫组化染色	深度学习模型（StarDist）	全切片图像	632例儿童脑肿瘤病例，734张Ki-67全切片图像	QuPath, Python	StarDist	中位数标记指数、相关性分析P值	未明确说明