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
121	2026-04-29	YeastSAM: A Deep Learning Model for Accurate Segmentation of Budding Yeast Cells 2025-Sep-20, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.17.676679 PMID:41000957	研究论文	开发了一种基于深度学习的芽殖酵母细胞分割模型 YeastSAM，用于显微镜图像中细胞的精确分割	针对芽殖酵母不对称分裂和母芽形态的挑战，提出分割模型 YeastSAM，在分割分裂细胞时准确率比现有方法提高三倍以上	NA	解决芽殖酵母细胞分割中因不对称分裂导致的分裂细胞误识别问题，实现精确的定量图像分析	芽殖酵母细胞	计算机视觉	NA	显微镜成像	深度学习分割模型	图像	NA	NA	YeastSAM	准确率	NA
122	2026-04-29	Deep learning neural network of adenocarcinoma detection in effusion cytology 2025-09-09, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf067 PMID:40736208	研究论文	利用深度学习模型YOLOv8检测积液细胞学中的腺癌细胞	首次将YOLOv8目标检测算法应用于积液细胞学腺癌检测，实现了高精度自动化筛查	细胞标注在创建目标检测模型时仍存在一些问题	开发深度学习模型检测积液细胞学图像中的恶性细胞，辅助癌症筛查	积液细胞学图像中的腺癌细胞和阴性病例	数字病理学, 计算机视觉	腺癌	积液细胞学	YOLOv8	图像	275例腺癌病例（12,182张图像，29,245个标签），188例阴性病例（1,980张图像）	Roboflow	YOLOv8	Precision, Recall, F1, mean Average Precision, 准确率, 敏感性, 特异性	NA
123	2026-04-29	Structural Connectome Analysis using a Graph-based Deep Model for Prediction of Non-Imaging Variables 2025-Aug-14, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.09.642165 PMID:40161600	研究论文	利用基于图的深度学习模型从结构脑连接中预测非成像变量	提出一种图卷积网络启发模型，特别是其中的连接注意力模块，可学习脑图嵌入表示并提供图级注意力	未在文中明确提及	预测非成像变量（如年龄和简易精神状态检查分数），以改进对健康与疾病的理解	结构脑连接图谱	机器学习	老年疾病	扩散磁共振成像	图卷积网络	图像	使用PREVENT-AD和OASIS3公开数据集	NA	连接注意力模块	准确率	NA
124	2026-04-29	Web server-based deep learning-driven predictive models for respiratory toxicity of environmental chemicals: Mechanistic insights and interpretability 2025-06-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137575 PMID:39954423	研究论文	开发了八种可解释深度学习模型，用于预测环境化学品的呼吸毒性，并提供了机制见解	首次针对多种特定呼吸系统疾病（如肺炎、肺水肿、肺栓塞等）构建深度学习预测模型，并采用频率比法和SHAP分析增强模型可解释性	未明确提及局限性	开发可解释的深度学习模型，预测环境化学品的呼吸毒性，以支持早期检测和风险评估	环境化学品及其代谢物的呼吸毒性	机器学习, 环境毒理学	肺炎、肺水肿、呼吸感染、肺栓塞、肺动脉高压、哮喘、支气管痉挛、支气管炎、肺纤维化	NA	深度学习	分子指纹数据（Klekota-Roth指纹）	八个呼吸毒性终点的综合数据集，具体样本数量未提及	NA	深度学习模型（具体架构未指定）	AUC, 准确率	NA
125	2026-04-29	Efficient detection of foodborne pathogens via SERS and deep learning: An ADMIN-optimized NAS-Unet approach 2025-06-05, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.137581 PMID:39954434	研究论文	通过集成表面增强拉曼光谱与深度学习，提出一种基于ADMIN优化NAS-Unet的高效食源性病原体检测方法	创新性地将自动设计混合网络策略与神经架构搜索结合，优化卷积神经网络结构，并引入U-Net和注意力机制，提升分类准确率和关键光谱特征识别能力	未详细说明模型在复杂实际样本中的泛化性能及计算资源消耗，未来需探索更多网络模块以增强泛化能力	开发一种结合SERS和深度学习的快速、精准食源性病原体检测工具	22种食源性病原体及Bacteria-ID数据集	机器学习	食源性疾病	表面增强拉曼光谱（SERS）	卷积神经网络（CNN）	光谱数据	22种食源性病原体样本	NA	U-Net	平均精确率	NA
126	2026-04-29	Research on noninvasive electrophysiologic imaging based on cardiac electrophysiology simulation and deep learning methods for the inverse problem 2025-04-28, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04728-2 PMID:40295939	研究论文	该论文结合心脏电生理仿真与深度学习方法，提出一种非侵入性心脏电生理成像技术的新方案	首次将三维双域心脏电生理仿真模型与深度学习算法结合，用于非侵入性心脏表面电位重建，并比较多种网络的效果	未在大量真实临床数据集上进行验证，且仅涉及仿真数据与有限临床数据的比较	实现非侵入性心脏电生理成像，改善心律失常的风险分层和预后评估	心脏电生理活动模型与仿真心电数据	机器学习	心血管疾病	心脏电生理模拟	卷积神经网络, 长短期记忆网络, 反向传播神经网络	仿真心电数据	未明确，但使用了仿真生成的大量训练样本	NA	粒子群优化反向传播神经网络, CNN, LSTM	相关系数, R², 平均绝对误差	NA
127	2026-04-29	Comparison of machine learning models with conventional statistical methods for prediction of percutaneous coronary intervention outcomes: a systematic review and meta-analysis 2025-04-23, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-025-04746-0 PMID:40269704	综述与荟萃分析	系统比较机器学习模型与传统统计方法（逻辑回归）在预测经皮冠状动脉介入治疗术后结局中的表现	首次系统性地荟萃分析比较机器学习与逻辑回归在PCI术后多种结局预测中的性能差异	纳入研究普遍存在高偏倚风险，且机器学习模型解释性差，影响临床适用性	比较机器学习与逻辑回归模型预测PCI术后不同结局的性能	预测PCI术后死亡率、主要不良心脏事件、院内出血和急性肾损伤的模型	机器学习	冠状动脉疾病	NA	机器学习模型、逻辑回归模型	NA	59项研究	NA	NA	c统计量	NA
128	2026-04-29	A novel artificial intelligence model for diagnosing Acanthamoeba keratitis through confocal microscopy 2024-10, The ocular surface DOI:10.1016/j.jtos.2024.07.010 PMID:39084255	研究论文	开发了一种基于共聚焦显微镜图像诊断棘阿米巴角膜炎的人工智能模型	首次利用培养确认的棘阿米巴角膜炎病例建立基于HRT-3共聚焦显微镜图像的人工智能诊断模型	样本量较小（仅17名患者），且为单中心回顾性研究	利用共聚焦显微镜图像开发棘阿米巴角膜炎的人工智能诊断模型	棘阿米巴角膜炎患者的体内共聚焦显微镜图像	计算机视觉	棘阿米巴角膜炎	体内共聚焦显微镜	卷积神经网络	图像	17名患者的3312张共聚焦图像	TensorFlow	卷积神经网络	准确率、灵敏度、特异度、精确率	NA
129	2026-04-29	Early identification of patients at risk for iron-deficiency anemia using deep learning techniques 2024-09-03, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqae031 PMID:38642073	研究论文	利用深度学习技术早期识别缺铁性贫血风险患者	基于纵向门诊实验室数据开发神经网络模型，在传统诊断前3-6个月预测缺铁性贫血风险	NA	开发预测模型以缩短缺铁性贫血的诊断时间	门诊患者的实验室检测数据	机器学习	缺铁性贫血	NA	人工神经网络、长短期记忆网络、门控循环单元	结构化实验室数据	30603名患者的回顾性电子健康记录数据	NA	门控循环单元	准确率、受试者工作特征曲线下面积、敏感性、特异性	NA
130	2026-04-29	UNSEG: unsupervised segmentation of cells and their nuclei in complex tissue samples 2024-08-30, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-06714-4 PMID:39215205	研究论文	提出一种无监督分割方法UNSEG，用于在复杂组织样本中分割细胞及其细胞核	无需训练数据即可达到深度学习水平的分割性能，通过利用贝叶斯框架和细胞核与细胞膜标记实现	未明确提及局限	实现复杂组织微环境中细胞及其亚细胞区室的准确、无监督分割	细胞及其亚细胞区室（细胞核、细胞质）	数字病理学	NA	多重成像技术	UNSEG	图像	高质量标注的胃肠组织数据集及公开数据集	NA	UNSEG, 扰动分水岭算法	准确性	NA
131	2026-04-29	Deep learning identifies heterogeneous subpopulations in breast cancer cell lines 2024-Jul-04, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.02.601576 PMID:39005432	研究论文	利用深度学习识别乳腺癌细胞系中的异质性亚群	首次证明细胞形态可反映体外乳腺癌细胞系中的转录组亚群差异，并利用卷积神经网络实现亚群识别	NA	探究细胞形态是否能用于分类体外癌细胞系中的转录组亚群	乳腺癌细胞系中的亚群	计算机视觉	乳腺癌	卷积神经网络	CNN	图像	NA	NA	卷积神经网络	NA	NA
132	2026-04-29	The scope of artificial intelligence in retinopathy of prematurity (ROP) management 2024-07-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_2544_23 PMID:38454859	研究论文	探讨人工智能在早产儿视网膜病变管理中的应用范围	强调在印度等高负担背景下，AI可替代专家筛查大量高危人群，并利用卷积神经网络处理图像特征，同时提出AI作为流行病学工具的新用途	AI系统性能因人群而异，需使用不同数据集验证，存在医疗法律问题，可能遗漏威胁生命的疾病如视网膜母细胞瘤	综述AI在ROP筛查和管理中的潜在应用，特别是在资源有限地区的推广可能性	早产儿视网膜病变患者和相关医疗数据	计算机视觉	早产儿视网膜病变	NA	卷积神经网络 (CNN)	图像	NA	NA	CNN	NA	NA
133	2026-04-29	Deep learning-based whole-body PSMA PET/CT attenuation correction utilizing Pix-2-Pix GAN 2024-05-07, Oncotarget DOI:10.18632/oncotarget.28583 PMID:38712741	研究论文	提出基于Pix-2-Pix GAN的深度学习工具，从前列腺癌患者的NAC-PET图像生成AC-PET图像，以减少CT扫描辐射剂量	首次将Pix-2-Pix GAN用于全身PSMA PET/CT衰减校正，并评估了两种标准化策略（SUV和SUV-Nyul）对模型性能的影响	病变位置、密度和摄取量会影响生成的SUV指标的相对误差，且需要进一步临床验证	开发AI工具减少PET/CT中低剂量CT扫描的需求，降低患者辐射暴露	302例前列腺癌患者的18F-DCFPyL PSMA PET-CT研究图像	计算机视觉	前列腺癌	PSMA PET/CT	GAN	图像	302例前列腺癌患者（训练集183例，验证集60例，测试集59例）	PyTorch	Pix-2-Pix GAN	NMSE, MAE, SSIM, PSNR, ICC, RC	NA
134	2026-04-29	Staining, magnification, and algorithmic conditions for highly accurate cell detection and cell classification by deep learning 2024-04-03, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqad162 PMID:38134350	研究论文	使用YOLOv8深度学习模型，评估染色方法、放大倍数和算法条件对细胞检测和分类准确性的影响	系统比较了不同染色方法（Papanicolaou和MGG）和放大倍数对YOLOv8模型在细胞检测和分类中的性能影响	仅使用了人类癌细胞系，未在临床标本上验证模型性能	澄清通用深度学习细胞学模型中染色方法、放大倍数和假阳性等挑战	11种人类癌细胞系制备的Papanicolaou和MGG染色标本	机器学习	癌症	细胞学图像分析	YOLOv8	图像	11种人类癌细胞系的细胞图像	YOLOv8	YOLOv8	分类率、检测率	NA
135	2026-04-29	Automated prediction of acute promyelocytic leukemia from flow cytometry data using a graph neural network pipeline 2024-03-01, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqad145 PMID:37878540	研究论文	提出一种利用图神经网络管道从流式细胞术数据自动预测急性早幼粒细胞白血病的机器学习模型	首次将图神经网络应用于流式细胞术数据进行急性早幼粒细胞白血病分类，并结合输入扰动方法实现模型预测的可解释性	NA	开发能够准确区分急性早幼粒细胞白血病与其他急性髓系白血病的机器学习模型	急性早幼粒细胞白血病患者和急性髓系白血病患者的流式细胞术数据	机器学习	急性早幼粒细胞白血病	多色流式细胞术	图神经网络	流式细胞术数据	27例急性早幼粒细胞白血病患者和41例其他急性髓系白血病患者	NA	图神经网络	准确率	NA
136	2026-04-29	Artificial intelligence in glaucoma detection using color fundus photographs 2024-03-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_613_23 PMID:38099383	研究论文	利用深度学习算法基于彩色眼底照片进行青光眼检测，并评估其分类准确性	首次采用ResNet 50V2架构在彩色眼底照片中实现青光眼视神经病变的高准确率分类	假阴性结果主要由高度近视合并青光眼、小视盘早期青光眼及软件分类错误引起；假阳性结果主要来自大视盘生理性大杯、近视或倾斜视盘以及软件分类错误	探索人工智能在基于彩色眼底照片的青光眼检测中的潜力，评估其图像分类准确性	1375张彩色眼底照片（735张正常视盘和640张青光眼视神经病变）	计算机视觉	青光眼	NA	CNN	图像	1375张彩色眼底照片（735张正常、640张青光眼视神经病变）	PyTorch	ResNet 50V2	准确率、灵敏度、特异性、阳性预测值、阴性预测值、阳性似然比、阴性似然比	NA
137	2026-04-29	Applications of machine learning in time-domain fluorescence lifetime imaging: a review 2024-Feb-08, Methods and applications in fluorescence IF:2.4Q3 DOI:10.1088/2050-6120/ad12f7 PMID:38055998	综述	回顾机器学习在时间域荧光寿命成像中的应用，包括改善图像质量、寿命估计和图像分析，并提出改进建议	系统总结了机器学习在时间域荧光寿命成像中提升图像质量和分析性能的最新进展，强调标准化和模型开发的重要性	荧光寿命成像数据难以获取且缺乏标准化，限制了机器学习模型的充分开发	推广荧光寿命成像并吸引更多机器学习从业者探索寿命成像的潜力	时间域荧光寿命成像技术及其在医学成像中的应用	机器学习, 数字病理学	NA	荧光寿命成像	神经网络, 深度学习模型	荧光寿命成像数据	NA	NA	NA	NA	NA
138	2026-04-29	Bibliometric and visualized analysis of diabetic macular edema 2024-01-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_399_23 PMID:38131545	综述	通过文献计量和可视化分析，探讨糖尿病性黄斑水肿（DME）研究领域近20年的趋势和热点	系统性地使用VOSviewer进行关键词聚类和平均出现年份分析，揭示了DME研究中的新兴热点如深度学习、光学相干断层扫描血管成像和地塞米松植入物	仅使用Web of Science Core Collection数据库，可能遗漏其他来源的文献；分析范围限定于2003年至2022年，未涵盖最新研究	识别DME领域的研究趋势，包括国家、机构和作者的分布，以及热点关键词和未来方向	DME相关文献的出版物、国家、机构、作者和关键词	文献计量分析	糖尿病性黄斑水肿	文献计量学	NA	文本	2003年至2022年间4482篇出版物	Microsoft Excel, VOSviewer	NA	NA	NA
139	2026-04-29	Artificial intelligence for natural product drug discovery 2023-11, Nature reviews. Drug discovery DOI:10.1038/s41573-023-00774-7 PMID:37697042	综述	描述人工智能与计算组学技术在天然产物药物发现中的协同作用，以及如何克服相关挑战	系统阐述人工智能（尤其是机器学习）与计算组学技术在天然产物药物发现中的协同潜力，并提出了高质量数据集构建和算法验证等关键问题的解决策略	未详细说明具体的技术实现细节或实验验证结果，主要停留在理论框架和未来展望层面	探讨人工智能与计算组学技术协同作用在天然产物药物发现中的应用，为从自然界分子中筛选药物候选物提供新思路	天然产物分子、药物候选物	机器学习	NA	计算组学技术	机器学习、深度学习	分子数据	NA	NA	NA	NA	NA
140	2026-04-29	Microbial carbon use efficiency promotes global soil carbon storage 2023-06, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06042-3 PMID:37225998	研究论文	通过全球数据集、微生物过程显式模型、数据同化、深度学习和元分析，研究微生物碳利用效率（CUE）与土壤有机碳储存之间的关系	首次在全球尺度上证明微生物碳利用效率是决定土壤有机碳储存的主要因素，且其重要性至少是其他评估因素的四倍	未明确讨论CUE在不同生态系统类型中的具体机制，对气候变化的反馈预测仍需进一步微观过程理解	探究微生物碳利用效率在全球土壤有机碳储存中的作用及其与气候、植被和土壤性质的交互影响	全球范围的土壤样品及相关的微生物过程数据	机器学习	NA	NA	深度学习模型	数值数据	来自全球尺度的大规模数据集，具体样本数量未明确给出	PyTorch, TensorFlow	NA	NA	NA