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	AI in SPECT Imaging: Opportunities and Challenges 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.03.005 PMID:40189986	综述	全面概述人工智能在SPECT成像中的应用进展，涵盖图像重建、增强、衰减校正、分割、疾病分类及多模态融合	系统综述了监督/无监督学习、图像合成、跨模态学习及自监督对比学习策略在SPECT成像中的创新应用，并探讨了基础模型和大语言模型用于知识驱动图像分析的未来方向	数据异质性、模型可解释性不足及计算复杂度高限制了AI方法的临床采纳，且缺乏标准化评估指标和大规模多模态数据集	总结AI驱动SPECT成像的技术进展，分析临床转化中的关键挑战并展望未来研究方向	SPECT成像技术及其在心血管、神经、肿瘤疾病中的应用	计算机视觉	心血管疾病, 神经系统疾病, 肿瘤疾病	SPECT成像	卷积神经网络, 生成对抗网络, Transformer	SPECT图像	NA	NA	CNN, GAN, Transformer	NA	NA
1102	2026-05-03	Using deep learning for estimation of time-since-injury in pediatric accidental fractures 2025-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06223-4 PMID:40258953	研究论文	使用深度学习模型估计儿童意外骨折的受伤时间	首次应用深度学习模型精确估计儿童意外长骨骨折的受伤时间，在分类和直接估计任务上均取得高于基线的表现	未具体说明，可能包括样本量有限、数据来自单一机构等	训练和验证深度学习模型以正确估计儿童意外长骨骨折的年龄	儿童意外长骨骨折的X光图像	计算机视觉	骨折	X光成像	深度学习模型	图像	399名患者的2328张X光片	NA	NA	混淆矩阵、敏感性、特异性、激活图、平均绝对误差（MAE）、均方根误差（RMSE）	NA
1103	2026-05-03	Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning 2025-05, Radiology IF:12.1Q1 DOI:10.1148/radiol.240714 PMID:40326877	研究论文	利用基于流体力学的生成对抗网络直接从解剖输入预测主动脉三维血流动力学	首次利用流体物理约束的循环生成对抗网络直接从三维主动脉解剖分割预测血流动力学，无需4D flow MRI，实现亚秒级计算	未明确讨论模型对极端解剖变异或低质量输入的鲁棒性，外部验证样本量有限（60例）	评估基于物理信息的深度学习替代4D flow MRI量化主动脉血流动力学的可行性和准确性	主动脉血流动力学指标（速度矢量场、峰值速度、壁面剪切应力、主动脉瓣狭窄分级）	计算机视觉	主动脉瓣疾病（二叶式主动脉瓣、三叶式主动脉瓣）	4D flow MRI	生成对抗网络（CycleGAN）	三维图像（主动脉分割）	1765例患者（994例BAV训练+248例测试；419例TAV训练+104例测试；外部验证60例）	PyTorch	FPI-CycleGAN	偏倚、一致性界限、相关系数（ρ）、相对差异、κ系数	GPU未具体说明，训练时间TAV网络1500分钟、BAV网络3600分钟，推理时间0.15秒
1104	2026-05-03	Trials and tribulations: Developing an artificial intelligence for screening malaria parasite from peripheral blood smears 2025 May-Jun, Medical journal, Armed Forces India DOI:10.1016/j.mjafi.2023.10.007 PMID:40463611	研究论文	本研究尝试开发一种人工智能模型，用于从外周血涂片中自动筛查疟原虫	首次尝试开发一个完整模块，用于从自动显微摄影或全玻片图像中筛查疟原虫，并对比了五种深度学习模型的性能	研究中未提及数据集的多样性、模型泛化能力及实际临床应用中的挑战	开发自动化人工智能系统以替代人工筛查疟原虫，提高检测敏感性和特异性	疟原虫感染的红细胞（正常红细胞和寄生红细胞）	计算机视觉	疟疾	显微镜血涂片图像	深度学习模型（深度卷积神经网络、Inception V3）	图像	352张利什曼-吉姆萨染色外周血涂片图像	NA	深度卷积神经网络、Inception V3、分水岭变换	敏感性, 特异性	NA
1105	2026-05-03	scDILT: A Model-Based and Constrained Deep Learning Framework for Single-Cell Data Integration, Label Transferring, and Clustering 2025 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3553068 PMID:40811359	研究论文	提出scDILT框架，利用条件自编码器和深度嵌入聚类，实现单细胞数据整合、标签转移和聚类，同时保留参考数据集中的细胞类型模式	首次实现同时进行数据整合、标签转移和聚类，并通过同质性和异质性约束分别保留参考数据集的细胞类型模式并将新数据细胞映射到已标注的细胞簇	NA	开发一种能够同时进行单细胞数据整合、标签转移和聚类的工具，并确保新数据集整合后不改变旧数据集中的细胞簇定义	单细胞RNA测序数据集，包括模拟数据集和真实数据集，以及多组学单细胞数据集	机器学习	NA	scRNA-seq	条件自编码器，深度嵌入聚类	基因表达数据	NA	PyTorch	条件自编码器	数据整合评估指标	NA
1106	2026-05-03	Reliable Radiologic Skeletal Muscle Area Assessment - A Biomarker for Cancer Cachexia Diagnosis 2025-Apr-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.21.25326162 PMID:40313262	研究论文	开发了SMAART-AI，一个基于深度学习（nnU-Net 2D）的全自动管道，用于从CT图像中可靠评估骨骼肌面积，并预测癌症恶病质	提出端到端自动管道SMAART-AI，结合不确定性机制标记高误差预测，并使用多层感知器模型整合多模态数据预测癌症恶病质	未在多种其他癌症类型中验证其泛化性，且未讨论不确定性机制的临床接受度和成本影响	开发一个可靠、自动化的工具用于骨骼肌面积评估和癌症恶病质早期诊断	胃食管癌患者的CT图像及临床数据	计算机视觉，数字病理	癌症恶病质，胃食管癌	CT成像	CNN（nnU-Net 2D），多层感知器（MLP）	图像，临床数据	四个数据集的样本量	PyTorch	nnU-Net 2D，多层感知器（MLP）	Dice系数，绝对中位误差，精度，相关系数（方差、熵、变异系数）	未在摘要中说明
1107	2026-05-03	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	研究论文	开发了一种主动学习方法，用于区分发育中神经视网膜中的增强子和沉默子	结合主动学习与不确定性采样，迭代训练模型区分具有相同序列但功能相反的CRX结合位点	模型训练主要基于CRX转录因子，可能不适用于其他转录因子的调控元件	建立区分增强子和沉默子的深度学习模型	CRX转录因子的顺式调控元件（增强子和沉默子）	机器学习	NA	大规模平行报告基因检测	深度学习模型	基因组序列	超过所有结合CRX的基因组位点	NA	NA	区分能力	NA
1108	2026-05-03	Accelerated CEST imaging through deep learning quantification from reduced frequency offsets 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30269 PMID:39270056	研究论文	通过深度学习和减少频率偏移采样来加速CEST成像	利用Fisher信息增益分析识别最优频率偏移，并采用U-NET网络从欠采样Z谱中量化CEST图，实现扫描时间显著缩短	未提及大规模验证或不同场强下的适用性	缩短CEST采集时间，通过Z谱欠采样结合深度学习构建CEST图	脑部CEST图像，包括18名志愿者的体内数据及模拟的胶质母细胞瘤IV级病理	深度学习	脑部疾病, 胶质母细胞瘤	CEST成像	U-NET	图像	18名志愿者	NA	U-NET	结构相似性指数, 峰值信噪比, 皮尔逊相关系数, 均方误差	NA
1109	2026-05-03	Virtual multiplex immunofluorescence identifies lymphocyte subsets predictive of response to neoadjuvant therapy 2025, Therapeutic advances in medical oncology IF:4.3Q2 DOI:10.1177/17588359251379411 PMID:41142474	研究论文	开发并验证一种名为mSIGHT的深度学习工具，可将常规H&E染色病理图像转化为高保真合成多重免疫荧光图像，用于预测乳腺癌新辅助治疗反应	首创结合配准网络的图像翻译管线mSIGHT，解决了输入与目标图像之间的未对齐问题，性能优于标准Pix2Pix和CycleGAN，能从常规H&E染色中提取免疫细胞信息	研究样本量较小（17例三阴性乳腺癌用于模型开发），且仅针对乳腺癌，可能限制在其他癌症类型中的泛化能力	开发能从常规H&E染色图像中获取免疫细胞信息的深度学习工具，以低成本、可扩展的方式替代多重免疫荧光技术，并预测乳腺癌新辅助治疗反应	乳腺癌患者的核心针活检组织样本	数字病理学	乳腺癌	H&E染色，多重免疫荧光（mIF）	生成对抗网络（GAN）结合配准网络	病理图像	17例三阴性乳腺癌用于模型开发，218例乳腺癌用于外部验证	PyTorch	Pix2Pix, CycleGAN,配准网络	像素级指标，细胞密度，细胞间邻近度，调整后的优势比	NA
1110	2026-05-03	Evaluation of a Deep Learning Model for Metastatic Squamous Cell Carcinoma Prediction From Whole Slide Images 2024-12-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0406-OA PMID:38387604	研究论文	设计并验证了一种基于深度学习模型（EfficientNetB1），利用全切片图像预测转移性鳞状细胞癌	专门针对鳞状细胞癌的深度学习预测模型，仅使用全切片级别标签进行训练，无需人工标注，在多个器官来源的样本上表现出高检测性能	假阳性主要源于生发中心、灰尘细胞聚集和标本处理伪影；假阴性主要源于低分化肿瘤	提高鳞状细胞癌淋巴结转移的检测效率，减轻病理学家的工作负担	食管、头颈、肺和皮肤来源的鳞状细胞癌淋巴清扫全切片图像	数字病理学	鳞状细胞癌	NA	CNN（卷积神经网络）	图像	6587张WSI训练（2413张SCC和4174张非肿瘤），541张WSI测试（41张SCC和500张非肿瘤）	NA	EfficientNetB1	受试者工作特征曲线下面积（AUC）	NA
1111	2026-05-03	An Integral R-Banded Karyotype Analysis System of Bone Marrow Metaphases Based on Deep Learning 2024-08-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2022-0533-OA PMID:37931220	研究论文	基于深度学习开发了一整套R显带骨髓中期染色体核型分析系统	首次将深度学习应用于R显带骨髓中期染色体核型分析的完整流程，包括去噪、分割、分类和极性识别四个关键步骤	全文未提及局限性	评估深度学习模型和整个核型分析系统在R显带骨髓中期染色体检测中的性能	R显带正常骨髓中期染色体	计算机视觉、数字病理学	血液系统肿瘤	深度学习	CNN	图像	4442组R显带正常骨髓中期染色体及核型图像，测试集含885张中期染色体图像	NA	NA	IoU、Dice相似系数、准确率	NA
1112	2026-05-03	A Deep Learning-Based Approach to Estimate Paneth Cell Granule Area in Celiac Disease 2024-07-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0074-OA PMID:37852171	研究论文	基于深度学习方法估算乳糜泻中潘氏细胞颗粒面积	采用无代码人工智能工作流（NoCodeSeg）分析完整H&E切片，实现潘氏细胞颗粒和隐窝的自动分割，避免了传统人工计数的主观性	未提及具体局限性	利用人工智能技术比较乳糜泻患者与非乳糜泻对照组的隐窝和潘氏细胞颗粒面积	349例十二指肠活检组织样本（185例乳糜泻患者，164例对照）	数字病理学	乳糜泻	H&E染色、全切片扫描	深度学习模型（U-Net架构）	组织病理图像	349例患者（185例乳糜泻，164例对照）	QuPath, DeepMIB, NoCodeSeg	U-Net	平均交并比（IoU）	NA
1113	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
1114	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
1115	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
1116	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
1117	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
1118	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
1119	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
1120	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