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
1221	2026-07-05	A cross-attention-based deep learning approach for predicting functional stroke outcomes using 4D CTP imaging and clinical metadata 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103381 PMID:39500028	研究论文	提出一种基于交叉注意力的多模态深度学习模型，结合4D CTP影像和临床元数据预测急性缺血性卒中患者的功能预后	首次将4D CTP影像与临床元数据结合通过交叉注意力机制进行多模态融合，用于预测卒中功能预后，优于传统融合策略和单模态模型	数据集仅包含70例患者，样本量较小	开发并评估一种新型多模态深度学习模型，用于预测AIS患者90天改良Rankin量表评分	急性缺血性卒中（AIS）患者，接受血管内机械取栓术	深度学习, 医学影像分析	急性缺血性卒中	4D CTP影像, 临床元数据	深度学习多模态模型	影像数据, 临床数据	70例AIS患者	PyTorch, TensorFlow	ResNet, Transformer, 交叉注意力机制	ACC, precision, recall, F1-score	NA
1222	2026-07-05	Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: A data-driven approach for improved classification 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103383 PMID:39546982	研究论文	提出MAPLEZ方法，利用本地执行的大语言模型从胸部X光报告中提取并增强病灶标签，包括存在性、位置、严重度和不确定性，以提升分类质量	首次利用本地执行的大语言模型从胸部X光报告中提取多类型注释（存在性、位置、严重度、不确定性），并在有限分辨率数据集上证明改进注释对分类质量的提升	可能依赖报告质量，且需进一步验证在其他数据集和更多异常类型上的泛化能力	通过隐私保护的大语言模型改进胸部X光数据集的标注质量，提升分类性能	胸部X光报告及对应图像，包括八个异常类型和五个测试集	计算机视觉，自然语言处理	胸部疾病	大语言模型（LLM），胸部X光（CXR）	大语言模型	文本（报告），图像（X光片）	五个测试集，涉及八个异常类型	PyTorch	LLM（未指定具体架构）	macro F1分数， F1分数， AUROC	本地执行（具体GPU未说明）
1223	2026-07-05	Large-scale multi-center CT and MRI segmentation of pancreas with deep learning 2025-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103382 PMID:39541706	研究论文	提出一种结合nnUNet与Transformer网络的新型胰腺分割方法PanSegNet，在大规模多中心CT和MRI数据集上实现了准确的胰腺自动分割	首次将nnUNet与Transformer网络结合，并引入新型线性注意力模块实现体积计算，同时收集并公开了大规模多中心MRI胰腺分割数据集	未明确说明，但研究为回顾性设计，且MRI数据来自少数机构，泛化性尚需进一步验证	提高胰腺在CT和MRI上的自动分割准确性，推动基于MRI的胰腺分割方法研究	胰腺	计算机视觉	胰腺疾病	CT, MRI	nnUNet, Transformer网络	CT图像, MRI图像	767次MRI扫描（来自499名参与者）和1350例CT扫描	nnUNet, PyTorch（推测）	nnUNet, Transformer, PanSegNet	Dice系数, Hausdorff距离(HD95), Cohen's kappa系数, 皮尔逊相关系数R	未指定，可能使用GPU
1224	2026-07-05	Neural implicit surface reconstruction of freehand 3D ultrasound volume with geometric constraints 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103305 PMID:39168075	研究论文	提出一种名为FUNSR的自监督神经隐式曲面重建方法，用于从自由手3D超声体积中学习符号距离函数	首次将自监督学习与几何约束（符号一致性约束和对抗学习中的表面约束）相结合，实现自由手3D超声体积的高质量曲面重建	未明确说明局限性，但隐式曲面重建在复杂噪声和运动干扰下的鲁棒性仍需进一步验证	解决自由手3D超声体积中因图像噪声导致的曲面重建质量低的问题，提高重建的平滑性、连续性和分辨率	四种不同解剖结构的超声数据集：髋部假体、两个血管数据集和一个公开的前列腺数据集	计算机视觉	NA	3D自由手超声	神经隐式曲面重建	3D超声体积	四个超声数据集（髋部假体、两个血管、一个公开前列腺）	PyTorch	FUNSR（自监督神经隐式曲面重建网络）	曲面质量、分割性能、噪声鲁棒性、运动扰动鲁棒性	NA
1225	2026-07-05	Foundation models in gastrointestinal endoscopic AI: Impact of architecture, pre-training approach and data efficiency 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103298 PMID:39173410	research paper	评估在胃肠道内镜图像分析中，使用领域内预训练相对于自然图像预训练的潜在优势	首次在大规模胃肠道内镜图像数据集GastroNet-5M上，比较自监督领域内预训练与各种自然图像预训练方法在下游任务中的性能，发现DINO框架的自监督领域内预训练效果最佳	未提及具体局限性	探究胃肠道内镜图像分析中领域内预训练相比自然图像预训练的潜在优势	胃肠道内镜图像分析中的下游任务，如血管发育不良检测和息肉分割	计算机视觉	胃肠道疾病	NA	CNN和Vision Transformer	图像	5,014,174张胃肠道内镜图像，来自8个医疗中心，下游任务使用5个数据集	PyTorch	ResNet50, Vision-Transformer-small	平均性能提升百分比	NA
1226	2026-07-05	Domain adaptation strategies for 3D reconstruction of the lumbar spine using real fluoroscopy data 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103322 PMID:39197301	研究论文	针对真实荧光透视数据，提出域适应策略用于腰椎三维重建，以克服合成训练数据与真实术中图像之间的域差距	设计新型数据收集协议构建配对数据集（合成与真实荧光图像），结合风格迁移与迁移学习缩小域差距；仅需三张术中荧光图像即可实现快速精确的三维重建	未在更大规模真实临床数据上验证，且对成像设置和视角依赖性需进一步优化	提升术中三维重建的实用性，推动手术导航在骨科手术中的广泛应用	腰椎的三维解剖结构重建	计算机视觉, 医学影像	骨科脊柱疾病	X光荧光透视成像	深度学习模型	合成与真实荧光图像	配对数据集（合成与真实图像），具体数量未明确提及	PyTorch	X23D	F1分数（84%）	81.1毫秒的计算时间，推测使用GPU加速，具体型号未说明
1227	2024-09-10	Editorial for the Special Issue on the 2022 Medical Imaging with Deep Learning Conference 2024-12, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103308 PMID:39214771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1228	2026-07-05	Multi-detector fusion and Bayesian smoothing for tracking viral and chromatin structures 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103227 PMID:38897031	研究论文	提出一种基于多检测器融合和贝叶斯平滑的概率跟踪方法，用于追踪荧光显微镜图像中的病毒和染色质结构	首次结合多检测器和多尺度数据融合以及贝叶斯平滑，使用基于强度的协方差交集方法整合检测结果，无需优化步骤	未提及	实现荧光显微镜图像中病毒和细胞内结构（显示为不同大小斑点）的自动跟踪，以量化细胞过程	病毒颗粒、细胞内结构（染色质）	计算机视觉	NA	荧光显微镜成像	贝叶斯平滑	图像（荧光显微镜图像）	使用粒子跟踪挑战赛图像数据以及丙型肝炎病毒感染细胞和非感染细胞的实时细胞荧光显微镜图像	NA	NA	NA	NA
1229	2026-07-05	Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data 2024-Sep, Psychological medicine IF:5.9Q1 DOI:10.1017/S0033291724001557 PMID:39245902	研究论文	使用深度学习方法分析军事社交媒体帖子以检测服役人员和退伍军人的自杀风险	首次针对军事特定社交媒体平台开发基于深度学习的自杀风险检测算法，并集成帖文文本与元数据	研究仅基于公开社交媒体数据，可能无法完全代表所有服役人员的真实情况，且需进一步验证在真实干预场景中的有效性	开发能自动检测社交媒体中自杀相关内容的算法，用于识别高危服役人员和退伍军人	美国军事服役人员和退伍军人	自然语言处理	自杀风险	社交媒体数据分析	深度学习模型 (RoBERTa)	文本数据（社交媒体帖子）	8449条军事特定社交媒体平台的公开帖子	NA	RoBERTa	敏感性, 特异性, 精确度, F1分数, 精确率-召回率曲线下面积	NA
1230	2026-07-05	Deep transformer-based personalized dosimetry from SPECT/CT images: a hybrid approach for [177Lu]Lu-DOTATATE radiopharmaceutical therapy 2024-05, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06618-9 PMID:38267686	研究论文	开发了一种基于Transformer的混合深度学习模型，用于从SPECT/CT图像进行[177Lu]Lu-DOTATATE放射性药物治疗的个性化剂量测定	结合UNETR架构和多体素S值方法，实现快于蒙特卡洛模拟且精度接近的体素级剂量测定	仅使用22名患者数据集，模型在异质区域性能提升但未评估大规模临床应用	提高放射性药物治疗中剂量测定的准确性和效率	[177Lu]Lu-DOTATATE治疗患者的SPECT/CT图像和剂量图	机器学习	神经内分泌肿瘤	SPECT/CT成像	UNETR（UNEt TRansformer）	图像	22名患者（最多4个治疗周期）	PyTorch	UNETR	体素相对绝对误差，伽马分析通过率，器官水平绝对百分比误差	GPU（未指定具体型号）
1231	2026-07-05	O2 supplementation disambiguation in clinical narratives to support retrospective COVID-19 studies 2024-01-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02425-2 PMID:38297364	研究论文	针对临床叙事中补充氧气信息的消歧，以支持回顾性COVID-19研究	比较了从传统机器学习到深度学习多种模型，并用LIME解释模型决策，显示传统方法能以更低计算成本达到相近性能	未明确提及，但可能包括数据仅来自德语出院小结及样本规模有限	自动化分类COVID-19患者是否接受补充氧气，减轻医生手工审阅负担	COVID-19患者出院小结中的文本行	自然语言处理	COVID-19	NA	从传统机器学习到深度学习模型	文本	未提供具体数量，来自匿名化德语COVID-19患者出院小结	NA	NA	F-measure	NA
1232	2026-07-05	Application of machine learning models on predicting the length of hospital stay in fragility fracture patients 2024-01-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02417-2 PMID:38291406	研究论文	应用机器学习模型预测脆性骨折患者住院时长	首次将机器学习技术应用于脆性骨折患者住院时长预测	样本量较小（8000例）	开发预测脆性骨折患者住院时长的机器学习模型，优化医疗资源配置	香港老年脆性骨折患者	机器学习	老年性疾病	NA	Wide & Deep学习、人工神经网络、梯度提升框架	表格数据	8000份患者记录	TensorFlow	Wide & Deep, 自定义人工神经网络	准确率, 精确率, AUC-ROC	NA
1233	2026-07-05	Development of a generative deep learning model to improve epiretinal membrane detection in fundus photography 2024-01-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02431-4 PMID:38273286	研究论文	开发一种生成式深度学习模型，通过合成具有病理特征的彩色眼底照片来提高黄斑前膜检测性能	首次将StyleGAN2生成模型应用于黄斑前膜检测任务，通过合成逼真的黄斑前膜眼底照片来增强数据多样性，显著提升检测性能	NA	提高彩色眼底照片中黄斑前膜的检测准确率	黄斑前膜患者和健康对照的彩色眼底照片	计算机视觉	视网膜疾病	彩色眼底摄影	生成对抗网络	图像	302例黄斑前膜和1,250例健康对照的彩色眼底照片	NA	StyleGAN2, EfficientNetB0	受试者工作特征曲线下面积 (AUC)	NA
1234	2026-07-05	Assessment of Protein-Protein Docking Models Using Deep Learning 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_10 PMID:38987469	综述文章	本文回顾了蛋白质对接模型评估方法的进展，特别关注了将深度学习应用于多种网络架构的最新发展	系统综述了深度学习在蛋白质对接模型评估中的最新应用，涵盖了多种网络架构的创新使用	未详细说明具体的数据集规模、模型性能指标或计算资源需求，缺乏定量比较分析	回顾蛋白质对接模型评估方法的进展，特别是深度学习技术的应用	蛋白质对接模型评估方法	机器学习	NA	蛋白质对接，深度学习	多种深度学习网络架构	蛋白质结构数据	NA	NA	多种网络架构	NA	NA
1235	2026-07-05	Refinement of Docked Protein-Protein Complexes Using Repulsive Scaling Replica Exchange Simulations 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_15 PMID:38987474	研究论文	使用基于排斥缩放副本交换模拟的方法优化预测的蛋白质-蛋白质复合物结构	开发了一种改进的副本交换模拟方案，通过在不同副本中施加不同的排斥偏置来优化蛋白质复合物结构，同时实现真实自由能评分	未提及	提高预测的蛋白质-蛋白质复合物结构准确性和评分可靠性	蛋白质-蛋白质复合物	机器学习	NA	分子动力学模拟	NA	蛋白质结构数据	2个蛋白质复合物例子	NA	NA	NA	NA
1236	2026-07-05	Exploiting the Role of Features for Antigens-Antibodies Interaction Site Prediction 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3985-6_16 PMID:38987475	研究论文	利用层次表示和图卷积网络预测抗体-抗原相互作用位点	采用混合方法HSS-PPI，结合层次蛋白质表示和图卷积网络，并评估不同特征集（特别是结构特征）对预测性能的影响	未明确提及，但可能受限于特征工程和模型泛化能力	预测抗体-抗原相互作用位点，以降低实验成本并辅助药物和疫苗设计	抗体-抗原蛋白质序列及其相互作用界面位点	机器学习	NA	NA	图卷积网络 (GCN)	蛋白质序列和结构特征数据	NA	NA	图卷积网络 (GCN)	标准评价指标（如准确率、精确率、召回率、F1分数、AUC等，具体未指明）	NA
1237	2026-07-05	Deep learning for single-molecule science 2017-Oct-20, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/aa8334 PMID:28762339	教程	本文是一篇教程，通过逐步指南说明如何将卷积神经网络（CNN）用于DNA测序中的碱基调用，并与支持向量机（SVM）进行比较	在单分子科学领域引入深度学习技术，特别是卷积神经网络，提供一个新的数据分析和预测方法	深度神经网络具有“黑箱”特性，影响数据解释和内部工作机制的理解	展示深度学习在单分子科学中的应用，特别是DNA测序碱基调用	单分子数据，特别是DNA测序数据	机器学习	NA	DNA测序	CNN	序列数据	NA	NA	卷积神经网络（CNN），支持向量机（SVM）	NA	NA
1238	2026-07-04	Deep learning‑based prediction of in‑hospital mortality for acute kidney injury 2026-Jul, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2470809 PMID:40052403	研究论文	利用深度学习模型预测急性肾损伤患者的院内死亡率	提出GCAT模型，通过构建患者特征相似性网络和基于图卷积网络的预测框架，捕获患者间属性特征的相似性，从而提高预测性能	未在外部数据集进行验证，且依赖于MIMIC-III数据库，可能限制模型的泛化能力	开发一种用于医院环境中识别高风险急性肾损伤患者的预测模型	急性肾损伤（AKI）住院患者	机器学习	急性肾损伤	NA	图卷积网络（GCN）	结构化临床数据	MIMIC-III数据集中的大量患者	NA	GCAT	准确率（Accuracy）	NA
1239	2026-07-04	Deep Learning Estimation of Small Airway Disease from Inspiratory Chest Computed Tomography: Clinical Validation, Repeatability, and Associations with Adverse Clinical Outcomes in Chronic Obstructive Pulmonary Disease 2025-07, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1847OC PMID:40072247	研究论文	利用深度学习从吸气相胸部CT评估小气道疾病，验证其在慢性阻塞性肺疾病中的临床有效性、可重复性及与不良临床结局的关联	首次通过生成式AI仅从吸气相CT估计功能性小气道疾病，替代传统双容积参数响应映射所需的呼气相CT扫描	NA	评估AI模型在仅用吸气相CT估算小气道疾病时的临床表现，并与双容积法比较，同时探究其与肺功能下降等临床结局的关联	慢性阻塞性肺疾病患者中的功能性小气道疾病	机器学习	慢性阻塞性肺疾病	CT	生成式模型	CT图像	SPIROMICS队列2513名参与者（其中1055名用于模型开发，1458名用于验证）及COPDGene队列458名患者	NA	生成式模型	Pearson相关系数, 组内相关系数, FEV1下降率	NA
1240	2026-07-04	Artificial intelligence applications for the diagnosis of pulmonary nodules 2025-07-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001179 PMID:40326426	综述	评估人工智能在肺结节诊断中的应用，聚焦于临床实践与局限性	系统总结AI在影像和血液/组织诊断中的最新进展，强调临床挑战而非技术细节	缺乏前瞻性多机构验证，存在过拟合和泛化能力不足的问题；AI的“黑箱”性质及与医生评估的重叠输入增加临床整合难度	梳理AI在孤立性肺结节诊断中的临床价值与挑战	孤立性肺结节（SPN）的诊断方法	计算机视觉，机器学习	肺结节	CT影像分析， RNA测序	卷积神经网络，机器学习	影像数据，血液/组织数据	未提及具体样本量	未提及	用于结节检测、假阳性减少、分割和分类的卷积神经网络结构	Dice相似系数（0.70-0.92），曲线下面积（0.86-0.97，最高0.907）	未提及