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
1141	2026-05-16	Validation of an Artificial Intelligence-Based Prediction Model Using 5 External PET/CT Datasets of Diffuse Large B-Cell Lymphoma 2024-11-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268191 PMID:39362767	研究论文	在5个独立临床试验中验证基于人工智能的深度学习模型对弥漫性大B细胞淋巴瘤的预后预测性能	在5个独立外部数据集上验证深度学习模型，无需肿瘤勾画即可预测治疗结果，且性能优于国际预后指数（IPI）	该模型在预后性能上低于基于影像组学的模型（如PET模型）	验证深度学习模型在弥漫性大B细胞淋巴瘤患者治疗结局预测中的有效性	弥漫性大B细胞淋巴瘤患者	机器学习	弥漫性大B细胞淋巴瘤	PET/CT	深度学习模型	图像（PET/CT最大强度投影）	1,132例患者（296例训练，836例外部验证）	NA	NA	AUC, Kaplan-Meier曲线	NA
1142	2026-05-16	A pathology foundation model for cancer diagnosis and prognosis prediction 2024-10, Nature IF:50.5Q1 DOI:10.1038/s41586-024-07894-z PMID:39232164	研究论文	提出了一种通用的弱监督机器学习框架CHIEF，用于提取病理成像特征以实现系统的癌症评估	利用两种互补的预训练方法（无监督预训练和弱监督预训练）来提取多样化的病理表征，并在大规模多部位全切片图像上验证了其优越的泛化能力	未提及具体局限性	开发一种能够泛化到不同数字化协议和不同人群样本的通用病理学基础模型，用于癌症诊断和预后预测	19个解剖部位的60,530张全切片图像和国际上24家医院及队列的32个独立切片集共19,491张全切片图像	数字病理学	癌症	NA	弱监督机器学习	病理全切片图像	60,530张全切片图像用于开发，19,491张全切片图像用于验证	PyTorch	NA	准确率、AUC	44TB高分辨率病理成像数据集
1143	2026-05-16	Improving 18F-FDG PET Quantification Through a Spatial Normalization Method 2024-10-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.123.267360 PMID:39209545	研究论文	提出一种无需MRI的基于迁移学习的深度神经网络方法，实现18F-FDG PET图像的自动空间标准化，提升定量准确性	通过迁移学习将预训练的淀粉样蛋白PET模型适配到FDG PET空间标准化任务，仅需103张FDG PET/MR图像即可训练，无需配准的3D MRI，在外部数据集上表现优异	外部数据集与内部数据集人种分布不同且PET扫描仪及重建算法各异，可能影响泛化性，但文中未明确讨论其他潜在局限性	改进FDG PET图像定量分析，避免对个体3D MRI的依赖	18F-FDG PET脑图像，内部测试集65例和外部测试集78例	计算机视觉	脑肿瘤、癫痫、痴呆、帕金森病	18F-FDG PET成像	深度神经网络	图像	103张FDG PET/MR图像用于训练，65例内部测试集和78例外部测试集	PyTorch（根据迁移学习常见实现推断）	预训练深度神经网络（具体架构未说明）	归一化互信息、SUV比值相关系数、组内相关系数	NA
1144	2026-05-16	Detectability of Hypoattenuating Liver Lesions with Deep Learning CT Reconstruction: A Phantom and Patient Study 2024-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.232749 PMID:39377679	研究论文	通过体模和患者研究，评估深度学习CT重建对低衰减肝病变的可检测性	首次客观评估DLIR与ASIR-V在低对比度病变可检测性方面的差异，结合患者和体模研究	单中心回顾性研究，样本量有限，且病变类型可能不全面	比较深度学习CT重建（DLIR）与自适应统计迭代重建（ASIR-V）对低衰减肝病变的可检测性	低对比度肝病变（体模和患者）	计算机视觉	肝病	CT深度学习重建	深度学习模型	CT图像	50例患者（86个肝病变，平均尺寸15mm ± 9.5）和体模	NA	NA	图像质量、诊断置信度、显著性、小病变可见性、对比度噪声比	NA
1145	2026-05-16	Prediction of Ischemic Stroke Functional Outcomes from Acute-Phase Noncontrast CT and Clinical Information 2024-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.240137 PMID:39404632	研究论文	利用急性期非增强CT和临床信息，通过深度学习模型预测缺血性卒中患者90天功能预后	首次提出融合非增强CT影像与临床信息（如年龄、性别、NIHSS评分等）的深度学习模型，无需人工后处理，直接预测改良Rankin量表评分	未提及具体限制，但可能包括回顾性设计、样本量有限、外部验证不足等	开发融合急性期非增强CT和临床信息的深度学习模型，以预测90天功能预后	缺血性卒中患者	医学影像分析, 机器学习	缺血性卒中	非增强CT	深度学习模型	非增强CT影像, 临床数据（年龄、性别、NIHSS评分、高血压史等）	1335名患者（中位年龄71岁，674名女性）	NA	NA	平均绝对误差, 受试者工作特征曲线下面积	NA
1146	2026-05-16	Evaluating the Performance and Bias of Natural Language Processing Tools in Labeling Chest Radiograph Reports 2024-10, Radiology IF:12.1Q1 DOI:10.1148/radiol.232746 PMID:39436298	research paper	评估四种自然语言处理工具在标注胸部X光报告中的准确性和人口统计学偏差	首次系统评估了四种NLP工具在不同人口统计亚组（年龄、性别、种族）中的偏差表现，揭示了老年患者群体中更高的错误率	研究仅限于两个公开数据集，可能无法推广到其他医疗环境或非英语报告	评估四种胸部X光报告标注NLP工具的准确性和人口统计学偏差	两个胸部X光数据集（MIMIC和IU）中的胸部疾病标签标注	natural language processing	NA	NLP	CheXpert (规则型), RadReportAnnotator (深度学习型), GPT-4 (深度学习型), cTAKES (混合型)	文本	MIMIC数据集692名患者，IU数据集3665名患者	NA	BN	准确率, 错误率	NA
1147	2026-05-16	INSPIRE: interpretable, flexible and spatially-aware integration of multiple spatial transcriptomics datasets from diverse sources 2024-Sep-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.23.614539 PMID:39386646	research paper	提出INSPIRE，一种用于整合分析多个空间转录组数据集的深度学习方法	结合图神经网络、对抗学习机制和非负矩阵分解，实现了空间感知、可解释且灵活的多源空间转录组数据整合	NA	开发一种能够有效整合和解析来自不同样本、技术和发育阶段的空间转录组数据的方法	人类皮层切片、小鼠脑切片、小鼠海马体和胚胎切片，以及包含50万个空间点的时空器官发生图谱	machine learning	NA	空间转录组学	图神经网络	空间转录组数据	包含50万个空间点的时空器官发生图谱等多个数据集	NA	图神经网络、非负矩阵分解	NA	NA
1148	2026-05-16	Unrealistic Data Augmentation Improves the Robustness of Deep Learning-Based Classification of Dopamine Transporter SPECT Against Variability Between Sites and Between Cameras 2024-09-03, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.267570 PMID:39054285	研究论文	提出强烈非真实数据增强方法，提升深度学习在多巴胺转运体SPECT图像分类中对站点和相机差异的鲁棒性	首次提出基于高斯模糊和加性噪声的强烈非真实数据增强策略，显著优于传统增强方法和无增强方案	仅针对多巴胺转运体SPECT图像，需验证在其他核医学成像任务中的迁移性	提高卷积神经网络在临床实际数据中的泛化能力，减少站点和相机差异对分类性能的影响	多巴胺转运体SPECT图像（I-标记的FP-CIT）	计算机视觉	神经退行性疾病	SPECT成像	CNN	图像	训练集1100张图像，两个独立测试集分别为645张和640张图像	PyTorch	nnU-Net（用于对比增强方法）	准确率, 95%置信区间	NA
1149	2026-05-16	GANSamples-ac4C: Enhancing ac4C site prediction via generative adversarial networks and transfer learning 2024-06, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115495 PMID:38431142	研究论文	提出GANSamples-ac4C框架，融合生成对抗网络与迁移学习合成RNA序列，提升ac4C修饰位点预测准确性	首次将生成对抗网络与迁移学习结合生成合成RNA序列以缓解数据稀缺问题，同时具备可解释的决策逻辑，识别出ac4C序列关键区域及相关基序	已知ac4C修饰位点有限可能影响模型训练稳定性，合成数据在真实生物场景中的泛化能力有待进一步验证	开发一种高效准确的ac4C修饰位点计算预测方法，并解决数据稀缺问题	RNA序列上的N4-乙酰胞苷修饰位点	机器学习	NA	RNA-seq测序数据	生成对抗网络、迁移学习	序列数据	使用已知的ac4C修饰位点数据及生成的合成RNA序列	TensorFlow, PyTorch	生成对抗网络 (含生成器和判别器), 预训练模型	AUC, 准确率, 召回率, F1-score	NA
1150	2026-05-16	4 mC site recognition algorithm based on pruned pre-trained DNABert-Pruning model and fused artificial feature encoding 2024-06, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115492 PMID:38458307	研究论文	提出基于剪枝预训练DNABert-Pruning模型与人工特征编码融合的4mC位点识别算法DNABert-4mC	将预训练模型剪枝压缩后与人工特征编码模块融合，并引入AFF-4mC融合策略提升多语义空间特征表示能力	未提及	提高4mC位点识别的准确性和特征表示能力	DNA序列中的4mC位点	机器学习	NA	DNA测序	DNABert-Pruning（预训练剪枝模型）	DNA序列数据	六个独立测试集	NA	DNABert-Pruning	AUC	NA
1151	2026-05-16	Vascularized organoid-on-a-chip: design, imaging, and analysis 2024-05, Angiogenesis IF:9.2Q1 DOI:10.1007/s10456-024-09905-z PMID:38409567	综述	本文综述了血管化类器官芯片的设计、成像与分析技术，涵盖芯片设计、培养策略、光学成像、组织透明化方法及深度学习在血管分析中的应用	系统整合了血管化类器官芯片的设计、成像与分析方法，特别强调了组织透明化技术与深度学习在克服成像深度限制和提高分析效率方面的创新应用	现有血管化类器官芯片在血管网络成熟度、长期稳定性及高通量分析方面仍存在挑战，且深度学习方法的泛化能力有待验证	总结血管化类器官芯片的设计、成像与分析技术现状，并展望未来发展方向	血管化类器官芯片模型及其血管网络分析技术	数字病理学	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
1152	2026-05-16	A systematic review on automatic identification of insomnia 2024-Mar-05, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2059 PMID:38237198	综述	关于自动识别失眠症的系统综述，评估了2015至2023年间基于机器学习和深度学习的方法	首次系统分类和比较了15种用于自动失眠检测的不同算法，揭示了当前研究中的显著空白和未来发展方向	当前方法在准确性和可靠性方面仍有改进空间，且可能受限于不同数据集和生理信号的质量	对自动识别失眠症系统的主要特征进行分类、比较和评估	睡眠脑电信号及其他生理信号	机器学习	失眠症	NA	机器学习模型和深度学习模型	生理信号	超过30篇相关出版物	NA	NA	准确性、可靠性等指标	NA
1153	2026-05-16	Expanding from unilateral to bilateral: A robust deep learning-based approach for predicting radiographic osteoarthritis progression 2024-03, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.11.022 PMID:38113994	研究论文	开发并验证基于双侧膝关节视图的深度学习模型，用于预测骨关节炎的影像学进展	提出双侧膝关节神经网络（BikNet），首次利用对侧膝关节作为辅助视图来预测骨关节炎进展，优于传统单侧模型	仅使用OAI数据集，可能泛化性受限；未提及外部验证数据集	开发稳健的深度学习模型预测骨关节炎进展，提高临床诊断准确性和一致性	OAI研究中参与者的双侧膝关节后前位X光片	计算机视觉	骨关节炎	NA	CNN	图像	3583名参与者	NA	DenseNet, ResNext, BikNet	AUC, 敏感性, 特异性	NA
1154	2026-05-16	Deep Learning for Inference of Hepatic Proton Density Fat Fraction From T1-Weighted In-Phase and Opposed-Phase MRI: Retrospective Analysis of Population-Based Trial Data 2023-11, AJR. American journal of roentgenology DOI:10.2214/AJR.23.29607 PMID:37466189	research paper	使用深度学习从常规T1加权同/反相位MRI推断肝脏质子密度脂肪分数，并进行回顾性分析	首次使用卷积神经网络从常规T1加权IOP图像推断PDFF，替代不广泛可用的CSE-MRI序列	在中重度铁过载患者中的表现需进一步研究	比较基于深度学习的PDFF推断与两点Dixon信号FF在肝脏脂肪定量中的准确性	292名参与者（203名女性，89名男性）的肝脏MRI数据	计算机视觉	非酒精性脂肪肝病	MRI	卷积神经网络	图像	292名参与者（218人训练，74人测试）	PyTorch	卷积神经网络	组内相关系数，偏差，95%一致性界限	NA
1155	2026-05-16	Identification of potential inhibitors against E.coli via novel approaches based on deep learning and quantum mechanics-based atomistic investigations 2023-10-01, Archives of biochemistry and biophysics IF:3.8Q1 DOI:10.1016/j.abb.2023.109761 PMID:37734644	研究论文	该研究结合深度学习和量子力学方法，从大量分子中筛选出两个潜在的大肠杆菌DNA旋转酶抑制剂	基于深度学习的分子对接与量子力学计算相结合，对45,257,086个分子进行虚拟筛选，发现两个新型抑制剂	仅进行计算机模拟研究，缺乏体外或体内实验验证	发现针对大肠杆菌DNA旋转酶的新型抑制剂以应对抗生素耐药性问题	大肠杆菌DNA旋转酶及MCULE数据库中45,257,086个分子	机器学习	细菌感染	药效团建模、虚拟筛选、分子对接、密度泛函理论、分子动力学模拟	深度学习	分子结构数据	MCULE数据库中45,257,086个分子（包含223,460,579个构象）	NA	NA	结合能（kcal/mol）	NA
1156	2026-05-16	Head and neck tumor segmentation convolutional neural network robust to missing PET/CT modalities using channel dropout 2023-04-25, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/accac9 PMID:37019119	研究论文	提出一种基于通道丢弃技术的3D U-Net卷积神经网络，用于头颈癌肿瘤分割，能够灵活处理缺失的PET/CT模态	引入通道丢弃技术模拟不同输入模态组合，使单一模型在仅有CT或PET单模态以及两者结合时均保持高性能，同时采用传统卷积和扩张卷积结合的双感受野集成建模方法	未提及	开发一种鲁棒、准确且自动化的头颈癌原发肿瘤体积分割方法，提升放射治疗中的临床适用性	头颈癌患者的CT和FDG-PET影像	数字病理学	头颈癌	CT, FDG-PET	卷积神经网络 (CNN)	图像	未明确提及	PyTorch	3D U-Net	Dice相似系数 (DSC)	未提及
1157	2026-05-16	Integrating multimodal information in machine learning for classifying acute myocardial infarction 2023-04-18, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/acc77f PMID:36963114	研究论文	利用多模态信息通过机器学习方法对急性心肌梗死进行分类	提出了一种新颖的多模态深度学习架构，能够从心电信号和患者人口统计学信息中学习联合特征，并通过考虑心肌梗死混淆条件（如其他心脏疾病）来改进模型在实际临床场景中的性能	未明确提及，但可能包括数据集的规模限制或模型在真实世界应用中的泛化能力	探索多模态信息（心电信号与患者信息）对机器学习模型在急性心肌梗死分类中的影响，并推动模型向真实临床应用迈进	急性心肌梗死患者和健康对照者，以及具有心肌梗死混淆条件的其他心脏疾病患者	机器学习	心血管疾病	NA	深度学习	心电信号与人口统计学数据	使用了公共大规模心电数据集中的录音记录	NA	NA	AUC，准确率	NA
1158	2026-05-16	Memory efficient model based deep learning reconstructions for high spatial resolution 3D non-cartesian acquisitions 2023-03-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acc003 PMID:36854193	研究论文	开发了一种名为块式学习的记忆高效方法，结合梯度检查点和块训练，实现基于模型深度学习的高空间分辨率三维非笛卡尔MRI重建	提出块式学习方法，将输入体积分解为小补丁进行梯度检查点和迭代正则化，显著降低GPU内存需求，克服了三维非笛卡尔MBDL重建的内存瓶颈	NA	提高高空间分辨率三维非笛卡尔MRI重建的内存效率和图像质量	高度欠采样的磁共振血管造影体积	机器学习	肺部疾病	MRI	深度学习模型	图像	矩阵尺寸为300-450×200-300×300-450的体积	PyTorch	块式学习网络	图像质量, 重建时间	单个GPU
1159	2026-05-16	Ten quick tips for deep learning in biology 2022-03, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1009803 PMID:35324884	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1160	2026-05-16	Integrative multiomics-histopathology analysis for breast cancer classification 2021-Nov-29, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-021-00357-y PMID:34845230	研究论文	开发弱监督深度学习模型，分析乳腺癌H&E染色切片与多组学状态（基因表达、突变）之间的关系	首次系统探索乳腺癌组织学形态与多组学状态之间的关联，并利用深度学习从视觉信号中预测受体状态和基因突变	未在摘要中明确提及限制	研究乳腺癌组织学形态与临床亚型、基因表达和突变状态的关系	乳腺癌患者的H&E染色活检切片及其多组学数据	数字病理学	乳腺癌	H&E染色组织切片分析	弱监督深度学习模型	图像	独立验证队列（具体数量未提供）	NA	NA	AUC（受试者工作特征曲线下面积）	NA