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
1381	2026-09-21	Methods and considerations for estimating parameters in biophysically detailed neural models with simulation based inference 2023-Apr-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.17.537118 PMID:37131818	研究论文	本文提供了使用基于模拟的推断（SBI）在生物物理详细神经模型中估计参数的指南和注意事项，以估计时间序列波形	提供了将SBI应用于大规模生物物理详细神经模型中估计时间序列波形的指南和方法，特别是针对MEG/EEG波形，并描述了如何使用诊断方法评估后验估计的质量和唯一性	在大规模生物物理详细模型中使用SBI具有挑战性，且相关方法尚未建立	为使用详细模型研究神经动力学的广泛应用中SBI的未来应用提供原则性基础	生物物理详细神经模型中的时间序列波形，包括常见的MEG/EEG波形	机器学习	NA	基于模拟的推断（SBI）	NA	时间序列	NA	NA	NA	NA	NA
1382	2026-09-21	Fostering formative assessment: teachers' perception, practice and challenges of implementation in four Sudanese medical schools, a mixed-method study 2023-Apr-14, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-023-04214-3 PMID:37060025	研究论文	本文采用混合方法研究苏丹四所医学院教师对形成性评价的认知、实践及实施挑战，并提出解决方案	首次在苏丹四所医学院中结合问卷调查与德尔菲法，系统探讨医学教师对形成性评价的认知、实践及挑战，并提出基于教师认知的可行解决方案	样本仅来自苏丹四所医学院的190名教师，结果可能无法推广到其他地区或教育体系；未详细说明德尔菲法的具体实施过程和专家选择标准	描述医学教师对形成性评价的认知、实践及实施挑战，并提出可行的解决方案	苏丹四所医学院的190名医学教师	医学教育	NA	混合方法研究（问卷调查与德尔菲法）	NA	文本	190名医学教师	NA	NA	NA	NA
1383	2026-09-21	The Feasibility and Performance of Total Hip Replacement Prediction Deep Learning Algorithm with Real World Data 2023-Apr-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10040458 PMID:37106645	研究论文	本研究设计了一种序贯两阶段全髋关节置换预测深度学习算法，利用骨盆平片识别三个月内需行全髋关节置换的可能性，并使用真实世界数据进行验证	首次使用真实世界数据验证深度学习算法在全髋关节置换预测中的功能，并设计了序贯两阶段预测算法	样本仅来源于2018至2019年的3766张骨盆平片，时间跨度较短，未提及多中心外部验证	探讨全髋关节置换预测深度学习算法在真实世界数据中的可行性与性能	2018至2019年收集的3766张骨盆平片及相关患者数据	计算机视觉	老年疾病	骨盆平片X线摄影	CNN	图像	3766张骨盆平片	NA	NA	准确率, 灵敏度, 特异度, 精确率, 阴性预测值, 假阴性率, F1分数, AUC	NA
1384	2026-09-21	A Machine Learning Method to Identify Umami Peptide Sequences by Using Multiplicative LSTM Embedded Features 2023-Apr-02, Foods (Basel, Switzerland) DOI:10.3390/foods12071498 PMID:37048319	研究论文	本文提出了一种名为iUmami-DRLF的机器学习方法，利用乘法LSTM预训练神经网络特征提取技术（UniRep）从肽序列中提取特征，并结合逻辑回归模型来识别鲜味肽序列	首次将基于乘法LSTM的深度学习预训练表示学习方法（UniRep）与逻辑回归相结合用于鲜味肽序列的识别，仅基于肽序列信息即可实现高精度预测，并在新验证的味觉序列上展现出更好的鲁棒性和准确性	摘要中未明确提及研究的具体局限性	开发一种基于机器学习的鲜味肽序列识别方法，替代耗时且昂贵的湿实验方法，以促进食品鲜味增强的研究	鲜味肽序列	机器学习	NA	深度学习预训练特征提取（UniRep，基于乘法LSTM），逻辑回归	乘法LSTM，逻辑回归	肽序列文本数据	摘要中未明确提及具体样本量	NA	乘法LSTM，UniRep，逻辑回归	预测精度，鲁棒性，准确率	NA
1385	2026-09-21	Automatic reconstruction of interstitial needles using CT images in post-operative cervical cancer brachytherapy based on deep learning 2023-Apr, Journal of contemporary brachytherapy IF:1.1Q3 DOI:10.5114/jcb.2023.126514 PMID:37215613	研究论文	本研究开发了一种基于深度学习的自动重建方法，用于在术后宫颈癌近距离放疗的CT图像中定位间质针	利用卷积神经网络实现间质针的自动重建，并验证其几何精度和剂量学一致性	未明确说明	研究基于深度学习的自动重建在三维CT图像中定位间质针的精度	70名接受CT引导近距离放疗的术后宫颈癌患者	计算机视觉	宫颈癌	CT成像	CNN	图像	70名患者，每位患者使用3根金属针	NA	CNN	Dice相似系数, 95%豪斯多夫距离, Jaccard系数, 剂量体积指标, Spearman相关系数	NA
1386	2026-09-21	Chained Deep Learning Using Generalized Cross-Entropy for Multiple Annotators Classification 2023-Mar-28, Sensors (Basel, Switzerland) DOI:10.3390/s23073518 PMID:37050578	研究论文	该文提出一种基于广义交叉熵的链式深度学习框架（GCECDL），用于多标注者分类任务，以处理众包标注中的噪声和标注者可靠性差异问题	提出基于广义交叉熵的链式深度学习框架，能够编码每个标注者相对于输入空间的非平稳模式，同时通过链式深度学习方法保留专家间的相互依赖关系；结合深度学习与噪声鲁棒损失函数应对噪声标签，并通过链式方法估计每个标注者的可靠性实现网络自正则化	未明确说明该方法的计算复杂度、可扩展性限制以及在更大规模或更复杂场景下的适用性	解决多标注者分类任务中标注者专业水平不一、不可靠输出引入噪声、传统方法假设标注者在输入特征空间行为同质以及输出独立性约束等问题	多标注者分类任务中的众包标注数据，涉及多个标注者提供的标签	机器学习	NA	NA	CNN	图像	NA	NA	NA	NA	NA
1387	2026-09-21	Morphometric Analysis of Retinal Ganglion Cell Axons in Normal and Glaucomatous Brown Norway Rats Optic Nerves 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.8 PMID:36917118	研究论文	该研究利用深度学习算法AxoNet2.0对正常血压和高血压Brown Norway大鼠视神经视网膜神经节细胞轴突进行形态学分析，构建了首个正常血压眼的RGC轴突形态计量图谱，并开发了基于髓鞘厚度的轴突损伤指标	首次构建了Brown Norway大鼠眼的综合性正常RGC轴突形态计量图谱；开发了基于髓鞘形态学的客观、可重复的损伤指标；使用深度学习算法AxoNet2.0进行轴突形态学自动分析	研究仅针对Brown Norway大鼠模型，未验证其他品系或物种的适用性；样本量未明确说明；损伤指标的有效性需要进一步验证	构建正常血压Brown Norway大鼠眼RGC轴突形态计量图谱，并开发和评估高血压眼中的轴突损伤指标	Brown Norway大鼠的视神经视网膜神经节细胞轴突，包括正常血压眼和高血压眼	数字病理学	青光眼	光学显微镜成像，深度学习算法AxoNet2.0，Morrison分级量表，保角映射	深度学习	图像	NA	NA	AxoNet2.0	轴突密度，轴浆直径，偏心率，横截面积，髓鞘g比率，髓鞘厚度，变异系数，Morrison分级量表评分，P值	NA
1388	2026-09-21	Deep learning-based motion compensation for four-dimensional cone-beam computed tomography (4D-CBCT) reconstruction 2023-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.16103 PMID:36412165	研究论文	本文提出了一种基于深度学习的方法，通过3D卷积神经网络减少相位相关Feldkamp-Davis-Kress重建中的条纹伪影，并利用生成的图像构建更准确的运动模型，从而改进四维锥形束CT的运动补偿重建质量	提出了一种3D伪影减少卷积神经网络，用于改善传统相位相关Feldkamp-Davis-Kress重建，减少欠采样引起的条纹伪影，同时保留运动信息；并将CNN生成的伪影减轻图像用于构建运动模型，进而用于运动补偿重建	摘要中未明确提及研究的局限性	开发一种深度学习方法，为运动补偿重建设计高质量的运动模型，以提高最终四维锥形束CT图像的质量	活体患者数据集、扩展心脏-躯干模体、公共SPARE挑战数据集	医学图像处理	NA	四维锥形束CT成像	卷积神经网络	图像	活体患者数据集、扩展心脏-躯干模体、公共SPARE挑战数据集，但未提供具体样本数量	NA	3D卷积神经网络	均方根误差、归一化互相关	NA
1389	2026-09-21	Performance comparison of TCR-pMHC prediction tools reveals a strong data dependency 2023, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2023.1128326 PMID:37143667	研究论文	本文比较了五种深度学习模型在TCR-pMHC结合预测上的性能，并提出了数据收集、预处理、分割和负例生成的通用方法	提供了TCR-pMHC结合预测的通用数据收集、预处理、分割和负例生成方法，并构建了全面的数据集来比较模型	模型泛化能力差，对未在训练集中出现的肽段无法泛化，且模型性能强烈依赖于数据平衡和大小，鲁棒性较低	比较不同TCR-pMHC结合预测模型的性能，并评估其泛化能力和鲁棒性	T细胞受体与肽-主要组织相容性复合物的结合数据	机器学习	NA	深度学习	深度学习模型	序列数据	所有主要的公开TCR-pMHC结合数据	NA	TITAN, NetTCR-2.0, ERGO, DLpTCR, ImRex	NA	NA
1390	2026-09-21	A predicted structure of NADPH Oxidase 1 identifies key components of ROS generation and strategies for inhibition 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0285206 PMID:37134122	研究论文	该研究利用RaptorX深度学习模型预测了NADPH氧化酶1（NOX1）的三维结构，并通过分子对接和定点突变实验验证了其关键活性位点及电子传递链，为NOX1相关疾病的治疗开发提供了结构基础	首次利用RaptorX深度学习模型构建了NOX1的预测结构模型，揭示了6次跨膜结构域、FAD结合结构域和NADPH结合/NOXO1相互作用区域，并鉴定了跨膜结构域中形成活性口袋的关键氨基酸残基（LEU60、VAL71、MET181、LEU185、HIS208、PHE211、TYR214和TYR280）	研究基于预测结构模型而非实验解析的晶体结构，预测模型的准确性可能存在一定偏差，且抑制剂实验验证仅在体外进行，缺乏体内实验和临床数据支持	阐明NOX1的结构基础及其参与上皮免疫过程中活性氧（ROS）生成的机制，并为NOX1相关疾病的治疗开发提供结构信息	NADPH氧化酶1（NOX1）蛋白及其与小分子抑制剂的相互作用	计算生物学	结直肠癌	深度学习结构预测、分子对接、定点突变	深度学习	蛋白质序列、蛋白质结构、小分子化合物	NA	NA	RaptorX	NA	NA
1391	2026-09-21	Explainable artificial intelligence (XAI) in radiology and nuclear medicine: a literature review 2023, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2023.1180773 PMID:37250654	综述	这篇文献综述讨论了放射学和核医学中可解释人工智能（XAI）的方法，并提出了未来建议	系统综述了用于MRI、CT和PET成像的XAI方法，并提出了未来方向	XAI方法的质量控制很少应用，因此难以进行系统比较；目前对于如何在临床实施中部署XAI还没有明确共识	讨论用于MRI、CT和PET成像的XAI方法，并给出未来建议	使用MRI、CT和PET成像的深度学习模型	数字病理学	NA	NA	深度学习	图像	75篇文章	NA	NA	NA	NA
1392	2026-09-21	Subject clustering by IF-PCA and several recent methods 2023, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2023.1166404 PMID:37287536	研究论文	本文提出了一种结合变分自编码器（VAE）与影响特征主成分分析（IF-PCA）的新方法IF-VAE，用于受试者聚类，并在基因微阵列和单细胞RNA-seq数据集上比较了多种方法	提出了将VAE与IF-PCA结合的新方法IF-VAE，并首次在多个数据集上系统比较了IF-PCA、VAE、Seurat和SC3等方法，同时从理论上证明了IF-PCA在稀有/弱模型下能达到相变	IF-VAE虽然比VAE有显著提升，但仍不如IF-PCA；对于Seurat和SC3等复杂方法，其最优性尚不明确，理论分析困难	研究如何结合无监督深度学习与其他方法的优势，并比较不同受试者聚类方法的性能	基因微阵列数据集和单细胞RNA-seq数据集中的受试者（如患者或细胞）	机器学习	NA	基因微阵列、单细胞RNA-seq	VAE	基因表达数据	10个基因微阵列数据集和8个单细胞RNA-seq数据集	NA	变分自编码器（VAE）	NA	NA
1393	2026-09-21	Automated MRI quantification of volumetric per-muscle fat fractions in the proximal leg of patients with muscular dystrophies 2023, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2023.1200727 PMID:37292137	研究论文	该研究利用深度学习模型在Dixon MRI图像中自动分割近端腿部肌肉，并量化每块肌肉的脂肪分数，以评估肌营养不良症的疾病进展	开发了全自动的3D肌肉分割方法，实现了对18块肌肉的精确分割，且分割性能对视野变化不敏感，可泛化至不同肌营养不良症类型，并显著减少手动标注工作量	未明确提及	开发一种可靠且高度自动化的3D肌肉分割方法，以促进脂肪分数量化在肌营养不良症临床常规实践中的应用	健康受试者和肌营养不良症患者的近端腿部肌肉（从膝盖到髋部）	医学图像分割	肌营养不良症	Dixon MRI	深度学习模型	MRI图像	未明确提及	未明确提及	未明确提及	Dice分数	未明确提及
1394	2026-09-21	Relation extraction: advancements through deep learning and entity-related features 2023, Social network analysis and mining IF:2.3Q3 DOI:10.1007/s13278-023-01095-8 PMID:37325108	研究论文	该论文提出了一种融合实体相关特征的方法，结合卷积神经网络和图卷积神经网络进行关系抽取，并在三个公开数据集上验证了其有效性	融合实体相关特征于卷积神经网络和图卷积神经网络中，通过结合目标实体对的单元特征生成融合特征，并利用深度学习框架提取高阶抽象特征进行关系抽取	未明确提及	解决关系抽取中目标实体对在句子内语义元素和结构特征有限的问题	关系抽取任务中的目标实体对	自然语言处理	NA	深度学习	CNN, GCN	文本	三个公开数据集：ACE05 English、ACE05 Chinese和SanWen	NA	CNN, GCN	F1-score	NA
1395	2026-09-21	Outsourcing Training without Uploading Data via Efficient Collaborative Open-Source Sampling 2022-Dec, Advances in neural information processing systems PMID:37151570	研究论文	该论文提出了一种名为ECOS的策略，通过利用开源的公共数据来构建代理数据集，从而在不上传数据的情况下将模型训练外包给云服务器。	提出ECOS策略，仅通过通信和计算高效的采样过程（传输少量压缩的公共特征和客户端标量响应）从开源数据中构建近端代理数据集，替代客户端数据用于云端训练。	未明确说明ECOS的局限性，例如对开源数据质量和分布匹配的依赖、潜在隐私泄露风险等。	解决传统外包训练中需要上传设备数据导致的隐私和通信带宽问题，实现无需上传数据的外包训练。	开源数据（如互联网图像）和客户端数据分布。	机器学习	NA	NA	NA	图像	NA	NA	NA	NA	NA
1396	2026-09-21	TVnet: Automated Time-Resolved Tracking of the Tricuspid Valve Plane in MRI Long-Axis Cine Images with a Dual-Stage Deep Learning Pipeline 2021 Sep-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87231-1_55 PMID:41641013	研究论文	该文章提出了一种基于双阶段深度学习流程的TVnet，用于在MRI长轴电影图像中自动跟踪三尖瓣平面	提出了一种新颖的双阶段深度学习流程，结合ResNet-50和自动图像线性变换，能够自动推导三尖瓣环平面收缩期位移	未明确提及	自动跟踪MRI长轴电影图像中的三尖瓣，以辅助评估右心室功能障碍	140名具有不同心血管病理的患者	计算机视觉	心血管疾病	磁共振成像	CNN	图像	4170张图像来自140名患者	NA	ResNet-50	欧几里得距离误差, ICC	NA
1397	2026-09-20	Advancing Point-of-Care Still's Murmur Identification: Evaluating the Efficacy of ConvNets and Transformers Using the StethAid Multicenter Heart Sound Database 2026-Apr, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3606341 PMID:40907040	研究论文	该研究收集了一个大型儿科心音数据集，并评估了卷积神经网络和Transformer模型在识别Still杂音方面的性能	收集了专门用于儿科Still杂音的大型数据集，并设计了SQ-NET架构，同时首次系统比较了ConvNets和Transformers在Still杂音识别中的效果	结果反映的是事后比较，样本量相对有限（StethAid数据集527例），且仅来自四个儿科医疗中心	评估深度学习模型在儿科患者中从心音图识别Still杂音的效果	儿科患者的心音图数据	数字病理学	心血管疾病	数字听诊	CNN, Transformer	音频	StethAid数据集527例心音图，Littmann 4100数据集1450例心音记录，总计超过2小时的心音数据	NA	SQ-NET, ResNet18, AST, DeiT, Swin Transformer, DINO	灵敏度, 特异度, 准确率	NA
1398	2026-09-20	Bias in deep learning-based image quality assessments of T2-weighted imaging in prostate MRI 2026-04, Abdominal radiology (New York) DOI:10.1007/s00261-025-05163-9 PMID:40853469	研究论文	本研究旨在确定基于深度学习的T2加权图像质量评估是否会受到临床显著性前列腺癌存在的影响	首次探讨了基于深度学习的图像质量评估在T2加权成像中可能受到临床显著性前列腺癌的偏倚影响	模型与放射科医生的一致性仅为中等水平（二次加权kappa值为0.53），且研究为回顾性设计	确定基于深度学习的T2加权图像质量评估是否会因临床显著性前列腺癌的存在而产生偏倚	前列腺MRI的T2加权图像序列及相关患者	医学图像分析	前列腺癌	深度学习图像质量评估	CNN	图像	开发集1719个序列，测试集386个序列，外部验证集11723例检查	NA	NA	二次加权kappa值，卡方检验，比例差异	NA
1399	2026-09-20	Artificial intelligence in age-related macular degeneration: Advancing diagnosis, prognosis, and treatment 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.09.007 PMID:40975441	综述	本文综述了人工智能在年龄相关性黄斑变性（AMD）的诊断、预后和治疗中的最新进展，并讨论了其临床应用的局限性	系统总结了AI在AMD早期检测、分类、疾病进展预测和治疗反应预测中的应用，并关注了算法偏见、泛化性有限和黑箱问题等最新研究进展	AI模型的临床整合仍面临可解释性不足、跨人群验证不充分等挑战，需要进一步研究以支持其在真实世界中的循证应用	总结AI在AMD管理中的最新进展，评估其临床效用，并指出在真实世界广泛应用中的关键限制	年龄相关性黄斑变性（AMD）患者及相关AI研究	医学人工智能	年龄相关性黄斑变性	机器学习，深度学习	NA	医学影像，临床数据	筛查193条记录，纳入47项研究（其中19项关于早期检测/分类，28项关于疾病进展/治疗反应预测）	NA	NA	准确率	NA
1400	2026-09-20	A deep learning-based radiomics model for noninvasive diagnosis of melanoma 2026-02-01, Melanoma research IF:1.5Q4 DOI:10.1097/CMR.0000000000001071 PMID:41201865	研究论文	该研究开发了一种结合深度学习和放射组学的无创诊断模型，用于提高早期黑色素瘤诊断的准确性和临床实用性	整合了深度学习和放射组学特征，构建了基于随机森林的无创诊断模型，并识别了关键预测指标如熵、长游程强调和小波对比度	回顾性研究设计，样本量有限，模型性能AUC最高为0.794，可能受数据异质性影响，需进一步外部验证	开发一种无创诊断模型，以提高早期黑色素瘤诊断的准确性和临床实用性	350名皮肤色素性病变患者	数字病理学	黑色素瘤	放射组学	随机森林, 支持向量机, K近邻	图像	350名患者（训练集245名，验证集105名）	scikit-learn	ResNet50	AUC	NA