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
1121	2026-03-28	Investigating the Domain Adaptability of General-Purpose Foundation Models for Left Atrium Segmentation from MR Images 2025-Jun, Functional imaging and modeling of the heart : ... International Workshop, FIMH ..., proceedings. FIMH (Conference) DOI:10.1007/978-3-031-94562-5_25 PMID:41883586	研究论文	本研究探索了预训练基础模型（如DINOv2、SAM和MedSAM）在磁共振图像左心房分割任务中的领域适应性和鲁棒性	提出了一种结合预训练基础模型与改进UNet解码器的方法，利用基础模型编码的全局上下文特征，在数据稀缺的医学图像分割任务中展现出优越性能	研究主要针对左心房分割任务，在其他医学图像分割任务中的普适性有待进一步验证；且依赖于特定基础模型的预训练特征	探索通用基础模型在医学图像分割任务中的领域适应能力，为数据稀缺的医学应用提供更通用的解决方案	磁共振图像中的左心房结构	医学图像分析	心房颤动	磁共振成像	CNN, Transformer	医学图像	2022 LAScarQS和2018 LASC分割挑战数据集	PyTorch	UNet, DINOv2, SAM, MedSAM	Dice系数, IoU	NA
1122	2026-03-28	A Deep Retrieval-Enhanced Meta-Learning Framework for Enzyme Optimum pH Prediction 2025-Apr-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c02291 PMID:40127128	研究论文	本文提出了一种基于深度检索增强元学习的酶最适pH预测框架Venus-DREAM，通过结合k近邻算法和少样本学习实现高精度预测	首次将酶pH预测视为少样本学习任务，并引入基于蛋白质语言模型嵌入的检索机制和Reptile元学习算法进行优化	未明确说明模型在极端pH值或罕见酶家族上的泛化能力，且依赖预训练蛋白质语言模型的嵌入质量	开发高效的计算方法以预测酶的最适pH值，支持酶的高通量虚拟筛选与设计	酶蛋白质序列及其最适pH值	机器学习	NA	蛋白质语言模型嵌入，少样本学习	kNN回归，元学习	蛋白质序列嵌入表示	NA	NA	Reptile	准确度	NA
1123	2026-03-28	Evaluation of state-of-the-art deep learning models in the segmentation of the left and right ventricles in parasternal short-axis echocardiograms 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024002 PMID:40151505	研究论文	本研究评估了多种深度学习模型在超声心动图短轴视图中分割左右心室的效果	首次在超声心动图短轴视图中评估了包括领域特定和通用领域模型在内的多种先进深度学习模型，并比较了它们在有限数据集上的性能	研究样本量较小（33名志愿者女性），且数据集为本地采集，可能限制模型的泛化能力	评估深度学习模型在超声心动图短轴视图中分割左右心室的性能，以辅助心肺疾病和心肌病的诊断	超声心动图短轴视图中的左心室和右心室	计算机视觉	心血管疾病	超声心动图	CNN	图像	33名志愿者女性的387次扫描图像	未明确指定，但提及了Detectron2	Unet-ResNet101, Unet-ResNet50, SAM（三种变体）	Dice相似系数, Hausdorff距离, 横截面积差异	NA
1124	2026-03-28	A dataset of blood slide images for AI-based diagnosis of malaria 2025-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2024.111190 PMID:39802838	研究论文	本文介绍了一个用于基于AI的疟疾诊断的血涂片图像数据集，包含厚血涂片和薄血涂片图像	提供了一个来自乌干达的基准数据集，支持构建卷积神经网络模型用于自动疟疾筛查	数据集规模相对较小（共4000张图像），且仅来自乌干达特定医院，可能限制模型的泛化能力	开发用于疟疾自动筛查的深度学习模型，以提高诊断效率和准确性	厚血涂片和薄血涂片图像	数字病理学	疟疾	显微镜检查	CNN	图像	3000张厚血涂片图像和1000张薄血涂片图像	NA	NA	检测准确率	NA
1125	2026-03-28	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery for all organisms using multi-omics data 2025-Jan-09, Research square DOI:10.21203/rs.3.rs-5776937/v1 PMID:39866874	研究论文	介绍了一个基于深度学习的网络平台G2PDeep-v2，用于多组学数据的表型预测和生物标志物发现	开发了一个通用的网络平台，支持所有生物体（包括人类、植物、动物和病毒）的多组学数据分析，并集成了自动化超参数调优和基因集富集分析功能	未在摘要中明确提及具体限制	构建一个基于深度学习的网络平台，用于表型预测和生物标志物发现	所有生物体（包括人类、植物、动物和病毒）的多组学数据	机器学习	NA	多组学数据	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
1126	2026-03-28	Risk-Specific Training Cohorts to Address Class Imbalance in Surgical Risk Prediction 2024-Dec-01, JAMA surgery IF:15.7Q1 DOI:10.1001/jamasurg.2024.4299 PMID:39382865	研究论文	本研究评估了在手术风险预测中，针对不同风险等级（高风险、中风险、低风险）的队列分别训练深度学习模型，以解决类别不平衡问题对预测性能的影响	提出了一种基于先验知识（手术特定风险类别）构建风险特异性训练队列的方法，以改善类别不平衡问题，特别是在低发生率并发症（如院内死亡率）的预测上	研究为横断面研究，可能无法捕捉时间动态；结果基于单一医疗系统的数据，外部有效性有待验证；风险分类的阈值定义基于经验性三分位数，可能具有主观性	评估在手术风险预测模型中，使用风险特异性训练队列对预测性能的影响，以解决类别不平衡问题	109,445例在佛罗里达大学健康系统两家医院进行的住院手术操作	机器学习	手术并发症	深度学习	深度学习模型	临床数据（手术代码、并发症发生率等）	109,445例住院手术操作	NA	NA	AUROC, AUPRC, F1分数, 准确率	NA
1127	2026-03-28	A Competition for the Diagnosis of Myopic Maculopathy by Artificial Intelligence Algorithms 2024-Nov-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.3707 PMID:39325442	研究论文	本研究通过国际竞赛评估了深度学习算法在近视性黄斑病变分类、分割及球镜当量预测任务中的性能，并与眼科医生进行了比较	首次通过国际竞赛形式系统比较多种AI算法在近视性黄斑病变诊断任务中的表现，并展示了模型集成方法能超越单个算法及眼科医生的诊断性能	研究基于特定竞赛数据集，可能无法完全代表临床实际场景；参与团队数量有限（7、4、4队），且未详细说明所有算法的具体架构	评估和比较深度学习算法在近视性黄斑病变自动诊断中的性能	近视性黄斑病变患者的眼底图像	计算机视觉	近视性黄斑病变	眼底成像	深度学习模型	图像	分类任务2306张、分割任务294张、预测任务2003张眼底图像	NA	NA	二次加权κ系数, F1分数, 灵敏度, 特异性, Dice相似系数, R2, 平均绝对误差	NA
1128	2024-10-18	Deep Learning to Improve Diagnosis Must Also Not Do Harm 2024-Nov-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.4377 PMID:39418056	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1129	2026-03-28	Deep Learning to Discriminate Arteritic From Nonarteritic Ischemic Optic Neuropathy on Color Images 2024-Nov-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.4269 PMID:39418057	研究论文	本研究开发并测试了一个深度学习系统，用于在急性期通过彩色眼底图像区分动脉炎性前部缺血性视神经病变与非动脉炎性前部缺血性视神经病变	首次开发了一个深度学习系统，仅基于彩色眼底图像（无需临床或生物标志物信息）在眼水平上高精度区分AAION与NAION，并展示了疾病特异性平均类激活图	研究依赖于历史图像数据，未在实时临床环境中验证；外部测试集样本量相对较小（121名患者）；未考虑所有可能的混杂因素	开发、训练和测试一个深度学习系统，以在急性期通过彩色眼底图像区分动脉炎性前部缺血性视神经病变与非动脉炎性前部缺血性视神经病变	802名患者（共961只眼）的彩色眼底图像，这些患者确诊为AAION或NAION	数字病理学	心血管疾病	彩色眼底成像	深度学习系统	图像	训练和验证集：802名患者（961只眼）；外部测试集：121名患者	NA	NA	AUC, 灵敏度, 特异度, 准确度	NA
1130	2026-03-28	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery using multi-omics data 2024-Sep-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.10.612292 PMID:39314346	研究论文	介绍G2PDeep-v2，一个基于深度学习的网络平台，用于从多组学数据中预测表型和发现生物标志物	提供了一个交互式界面，允许用户创建深度学习模型，并利用高性能计算资源自动进行超参数调优，支持跨多种生物体的多组学数据分析	未提及具体性能限制或数据规模限制	开发一个网络平台，用于表型预测和生物标志物发现，以揭示复杂疾病和其他生物过程的分子机制	人类、植物、动物和病毒的多组学数据	机器学习	NA	多组学数据分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
1131	2026-03-28	Deep Learning Based on Computed Tomography Predicts Response to Chemoimmunotherapy in Lung Squamous Cell Carcinoma 2024-05-12, Aging and disease IF:7.0Q1 DOI:10.14336/AD.2024.0169 PMID:38916736	研究论文	本研究开发了一种基于增强CT图像的深度学习模型，用于预测肺鳞癌患者对新辅助化疗免疫治疗的病理缓解反应	首次将深度学习模型应用于预测肺鳞癌患者对新辅助化疗免疫治疗的主要病理缓解，并探索了其与基因突变、免疫微环境和瘤内微生物的关联机制	样本量相对有限（309例），且为回顾性研究，需要前瞻性验证	开发预测模型以识别对新辅助化疗免疫治疗有响应的肺鳞癌患者，并阐明其生物学机制	肺鳞癌患者	数字病理学	肺癌	增强计算机断层扫描	CNN	图像	309例肺鳞癌患者	NA	ResNet50	AUC	NA
1132	2026-03-28	Cardiovascular Significance and Genetics of Epicardial and Pericardial Adiposity 2024-May-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0080 PMID:38477908	研究论文	本研究利用深度学习模型量化心外膜和心包脂肪组织面积，评估其与心血管疾病的关联，并进行了全基因组关联分析	首次在大规模人群队列中结合深度学习语义分割技术量化EPAT，并系统评估其与多种心血管疾病的横断面及前瞻性关联，同时进行了全基因组关联研究以阐明其遗传基础	研究结果可能受到残余混杂因素的影响，且EPAT与心血管疾病的关联在控制腹部内脏脂肪组织体积后不再显著，表明关联可能主要反映代谢不健康的脂肪表型	评估心外膜和心包脂肪组织与心血管疾病的关联，并阐明其遗传基础	来自UK Biobank的44,475名参与者（平均年龄64.1岁，51.7%为女性）以及独立FinnGen队列的453,733名参与者	数字病理学	心血管疾病	磁共振成像，全基因组关联研究	深度学习模型	图像（四腔磁共振图像）	UK Biobank: 44,475名参与者；FinnGen: 453,733名参与者	NA	语义分割模型	β系数，Pearson相关系数，风险比，比值比，95%置信区间，P值	NA
1133	2026-03-28	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	本研究通过多国外部验证，评估了基于自主人工智能的早产儿视网膜病变筛查系统在检测中重度及以上ROP和1型ROP方面的性能	首次在多个国家（美国和印度）的大规模外部数据集上，对自主AI ROP筛查算法进行了全面验证，证明了其在真实世界远程医疗环境中的有效性和泛化能力	研究为回顾性分析，可能存在选择偏倚；算法性能在不同人群和医疗环境中的长期稳定性仍需前瞻性研究验证	评估自主人工智能系统在早产儿视网膜病变远程筛查中的诊断性能，以解决医疗资源不足地区的筛查可及性问题	来自美国和印度新生儿重症监护室的早产儿视网膜图像	数字病理学	早产儿视网膜病变	远程医疗眼底成像	深度学习	视网膜图像	总计11,880次检查（来自4,244名婴儿）：i-ROP研究2,530次检查（843名婴儿），SUNDROP数据集6,245次检查（1,545名婴儿），AECS数据集5,635次检查（2,699名婴儿）	NA	NA	AUROC, 灵敏度, 特异性	NA
1134	2026-03-28	Deep learning combining FDG-PET and neurocognitive data accurately predicts MCI conversion to Alzheimer's dementia 3-year post MCI diagnosis 2023-Oct-15, Neurobiology of disease IF:5.1Q1 DOI:10.1016/j.nbd.2023.106310 PMID:37769746	研究论文	本研究开发了一种结合FDG-PET和神经认知数据的深度学习模型，用于预测轻度认知障碍在诊断后三年内转化为阿尔茨海默病痴呆	首次将全脑FDG-PET与认知评分结合，利用卷积神经网络预测MCI向AD的转化，并通过显著性图识别关键脑区	样本量相对有限（共612名受试者），且仅基于ADNI数据库，可能缺乏外部验证	预测轻度认知障碍在三年内转化为阿尔茨海默病痴呆	阿尔茨海默病神经影像学倡议（ADNI）中的150名正常对照、257名MCI患者和205名AD患者	数字病理学	老年疾病	FDG-PET成像	CNN	图像, 文本	612名受试者（150名正常对照、257名MCI、205名AD）	NA	卷积神经网络	AUC, 平衡准确度	NA
1135	2026-03-28	The Cardiovascular Impact and Genetics of Pericardial Adiposity 2023-Jul-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.07.16.23292729 PMID:37502935	研究论文	本研究利用深度学习模型量化心包脂肪组织面积，评估其与心血管疾病的关联，并揭示其遗传基础	首次在大规模人群队列中结合深度学习量化心包脂肪组织，并发现5个新的遗传位点，阐明其与腹部肥胖的共享遗传决定因素	研究主要基于欧洲血统人群（英国生物银行和FinnGen），可能限制结果在其他人群中的普适性	评估心包脂肪组织与心血管疾病的关联，并阐明其遗传基础	英国生物银行中的44,725名参与者以及FinnGen研究中的453,733名独立参与者	数字病理学	心血管疾病	语义分割，全基因组关联研究	深度学习模型	四腔磁共振图像	44,725名英国生物银行参与者（51.7%女性，平均年龄64.1岁）和453,733名FinnGen研究参与者	NA	NA	β系数，风险比，比值比，P值	NA
1136	2026-03-28	Protocol for vision transformer-based evaluation of drug potency using images processed by an optimized Sobel operator 2023-Jun-16, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2023.102259 PMID:37133992	研究论文	提出一种基于视觉Transformer和Conv2D的无标记高通量药物效力评估协议，用于抗癌药物筛选	结合优化的Sobel算子图像处理与视觉Transformer模型，实现无标记、高通量的药物效力评估，替代传统耗时费力的化学反应方法	协议细节需参考Wang等人的完整文献，可能对计算资源有特定要求	开发一种高效、低成本的抗癌药物筛选方法	细胞培养物及经药物处理的细胞图像	计算机视觉	癌症	细胞培养、药物处理、图像采集与预处理	Vision Transformer, Conv2D	图像	NA	NA	Vision Transformer, Conv2D	NA	NA
1137	2026-03-28	Development and validation of an interpretable deep learning framework for Alzheimer's disease classification 2020-06-01, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaa137 PMID:32357201	研究论文	开发并验证了一种用于阿尔茨海默病分类的可解释深度学习框架，该框架整合了MRI、年龄、性别和简易精神状态检查评分等多模态输入	提出了一种可解释的深度学习策略，能够从多模态输入中描绘独特的阿尔茨海默病特征，并生成个体疾病风险的直观可视化，其诊断性能超过了执业神经科医生团队	研究主要依赖于临床诊断数据，未明确提及模型在不同种族或医疗资源不均群体中的泛化能力验证	开发一种临床可适应的策略，利用常规影像技术生成阿尔茨海默病的神经影像特征以辅助诊断	阿尔茨海默病患者和认知正常受试者	数字病理学	阿尔茨海默病	MRI	深度学习	图像, 临床数据	训练集：ADNI数据集（n=417）；验证集：AIBL（n=382）、Framingham心脏研究（n=102）、NACC（n=582）	NA	全卷积网络, 多层感知机	曲线下面积	NA
1138	2026-03-27	Feasibility of Free-breathing Deep Learning-reconstructed Single-Shot Cine MRI in Participants with Arrhythmia: Comparison with Conventional Segmented Cine MRI 2026-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250298 PMID:41885622	研究论文	本研究评估了基于深度学习压缩感知重建的自由呼吸单次激发心脏电影MRI在心律失常患者中的可行性，并与传统分段采集电影MRI进行对比	首次将深度学习增强的压缩感知技术应用于自由呼吸、单次激发的心脏电影MRI序列，并在心律失常患者中验证其临床可行性，显著缩短扫描时间并减少运动伪影	样本量相对较小（70名参与者），研究仅在1.5T MRI扫描仪上进行，缺乏多中心验证	评估深度学习重建单次激发电影MRI在测量左心室结构和功能方面的临床可行性	健康志愿者和疑似心律失常的参与者	医学影像分析	心血管疾病	心脏磁共振成像，深度学习增强压缩感知，平衡稳态自由进动序列	深度学习模型	心脏磁共振图像	70名参与者（25名健康志愿者，45名疑似心律失常患者）	NA	NA	欧洲心血管磁共振注册评分，图像质量评分，扫描时间，左心室容积参数一致性	1.5T MRI扫描仪
1139	2026-03-27	Automated acquisition of explainable knowledge from unannotated colposcopic images for predicting the natural course of CIN2 2026-Mar-26, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70976 PMID:41884887	研究论文	本研究开发了一种基于深度学习的预后模型，利用阴道镜图像预测CIN2的自然病程结局（消退、持续、进展），并提供临床风险分层	首次利用无标注的阴道镜图像通过自动化特征提取和聚类分析，结合机器学习模型预测CIN2预后，并提供了可解释的风险特征	研究为回顾性设计，样本量相对较小（212例），且仅基于单一中心数据，可能影响模型的泛化能力	开发预测宫颈上皮内瘤变2级（CIN2）自然病程结局的预后模型，实现个体化临床管理	212例诊断为CIN2的患者及其阴道镜图像（包括未染色、醋酸染色和卢戈碘染色图像）	数字病理学	宫颈癌	阴道镜成像，醋酸染色，卢戈碘染色	逻辑回归, XGBoost, 随机森林, Extra Trees	图像	212例患者	Scikit-learn, XGBoost	NA	宏AUC, 灵敏度, 准确率, 精确召回曲线, 决策曲线分析	NA
1140	2026-03-27	FDS-CAP: Modeling Fragmented Disease Subgraphs with Component-Level Attention for Comorbidity Prediction 2026-Mar-26, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261427466 PMID:41885386	研究论文	提出一种名为FDS-CAP的新型图深度学习框架，用于通过建模人类相互作用组中的碎片化疾病子图来预测疾病共病	首次引入组件级注意力机制来聚合碎片化疾病子图中连接组件的嵌入，从而更准确地表示反映生物复杂性的疾病，以改进共病预测	仅通过一个胶质瘤的案例研究来展示其生物学可解释性，可能缺乏更广泛的验证	预测人类疾病之间的共病关系，以揭示共享的病理生理机制并改进诊断和治疗策略	人类疾病网络中的疾病关联	机器学习	胶质瘤	图深度学习	Subgraph Neural Networks (SUBGNN), Variational Graph Auto-Encoder	图数据	基准数据集（具体数量未提及）	NA	SUBGNN, Variational Graph Auto-Encoder	AUROC	NA