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
1461	2026-09-20	Using discrete wavelet transform for optimizing COVID-19 new cases and deaths prediction worldwide with deep neural networks 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0282621 PMID:37023075	研究论文	本文比较了深度学习模型在预测183个国家每日COVID-19新增病例和死亡人数方面的性能，并采用离散小波变换（DWT）进行特征增强	使用离散小波变换（DWT）作为特征增强策略，优化深度学习模型对COVID-19疫情的预测，并允许使用更短的时间序列数据进行训练	未明确提及	比较深度学习模型在预测COVID-19每日新增病例和死亡人数方面的性能，并评估DWT特征增强的效果	183个国家的COVID-19每日新增病例和死亡人数时间序列	机器学习	COVID-19	离散小波变换（DWT）	LSTM, CNN+LSTM, DWT+LSTM, DWT+CNN+LSTM	时间序列数据	183个国家的每日时间序列数据	未明确提及	LSTM, CNN+LSTM, DWT+LSTM, DWT+CNN+LSTM	平均绝对误差（MAE）, 归一化均方误差（NMSE）, 皮尔逊相关系数（Pearson R）, 因子2（Factor of 2）	未明确提及
1462	2026-09-20	Could artificial intelligence revolutionize the development of nanovectors for gene therapy and mRNA vaccines? 2022-Dec, Nano today IF:13.2Q1 DOI:10.1016/j.nantod.2022.101665 PMID:37034382	综述	本文综述了人工智能及其主要子领域在基因治疗和mRNA疫苗纳米载体开发中的应用潜力	系统探讨了人工智能在靶向基因递送载体设计、CRISPR/Cas系统改进、新型纳米机器人和mRNA疫苗载体开发中的潜在应用	未涉及具体实验数据或案例验证，主要停留在理论探讨和展望层面	探讨人工智能如何革新基因治疗和mRNA疫苗的纳米载体开发	基因治疗、mRNA疫苗、纳米载体、人工智能技术	机器学习	NA	基因治疗、CRISPR/Cas、mRNA疫苗、纳米载体技术	神经网络、深度学习	NA	NA	NA	NA	NA	NA
1463	2026-09-20	A Path Towards Clinical Adaptation of Accelerated MRI 2022-Nov, Proceedings of machine learning research PMID:37008682	研究论文	本文探索了加速MRI重建器的增强方法，以提高其临床相关性，包括检测图像伪影的ConvNet模型、可变加速因子训练、克服灾难性遗忘的损失函数以及使用模拟体模数据预训练的方法	提出了检测MRI图像伪影来源的ConvNet模型，实现了79.1%的分类器F1分数；证明了在可变加速因子下训练重建器可将临床患者扫描的平均性能提高多达2%；提供了一种损失函数来克服模型学习重建多种解剖结构和方向时的灾难性遗忘；提出了一种在临床数据集和计算能力有限的情况下使用模拟体模数据预训练重建器的方法	研究未在真实临床环境中进行全面验证，仅初步探索了提高临床相关性的方法，可能仍存在未解决的临床适应问题	探索加速MRI重建器的增强方法，以提高其在临床环境中的适用性	加速MRI重建的神经网络模型和临床MRI数据	医学影像分析	NA	MRI	CNN	图像	NA	NA	ConvNet	分类器F1分数	NA
1464	2026-09-20	From Images to Probabilistic Anatomical Shapes: A Deep Variational Bottleneck Approach 2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-16434-7_46 PMID:37011237	研究论文	本文提出了一种基于变分信息瓶颈理论的深度学习框架，用于直接从3D医学图像中预测解剖结构的概率形状，无需监督式形状描述符编码	利用变分信息瓶颈理论，在模型训练中直接学习潜在表示，避免了预先计算PCA形状表示的限制，允许非线性关系，模型自正则化且在有限训练数据下泛化更好	摘要中未明确提及局限性	直接从3D医学图像中预测解剖结构的概率形状，并提供校准的不确定性估计，以支持临床决策	解剖结构（具体部位未在摘要中指定）	医学图像分析	NA	统计形状建模	变分信息瓶颈	3D医学图像	NA	NA	NA	准确度, 校准的不确定性估计	NA
1465	2026-09-20	Using Deep Learning to Identify Linguistic Features that Facilitate or Inhibit the Propagation of Anti- and Pro-Vaccine Content on Social Media 2022-Jul, IEEE International Conference on Digital Health. IEEE International Conference on Digital Health DOI:10.1109/icdh55609.2022.00025 PMID:37975063	研究论文	该研究利用深度学习技术识别促进或抑制社交媒体上反疫苗和亲疫苗内容传播的语言特征	使用微调的BERT分类器构建两阶段框架，实现了超过99%的二分类和80%的三分类准确率，并发现了促进和抑制疫苗相关内容传播的语言特征集	未明确说明（NA）	识别促进和抑制疫苗相关内容传播的语言特征集，并比较反疫苗、亲疫苗和中立推文中这些特征的出现频率差异	2021年11月15日至12月15日期间超过1.2亿条社交媒体推文（与Omicron变异株激增时期重合）	自然语言处理	疫苗犹豫	深度学习，自然语言处理	BERT	文本	超过1.2亿条推文	NA	BERT	准确率	NA
1466	2026-09-20	Prediction of Total Knee Replacement and Diagnosis of Osteoarthritis by Using Deep Learning on Knee Radiographs: Data from the Osteoarthritis Initiative 2020-09, Radiology IF:12.1Q1 DOI:10.1148/radiol.2020192091 PMID:32573386	研究论文	本研究利用深度学习模型分析膝关节X射线片，以预测骨关节炎患者进行全膝关节置换的风险，并诊断骨关节炎的严重程度	提出了一种基于ResNet34架构和迁移学习的深度学习模型，用于预测全膝关节置换的风险，并采用了七折嵌套交叉验证，性能优于基于Kellgren-Lawrence等级和OARSI等级的二元预测模型	研究为回顾性设计，样本量有限，仅来自骨关节炎倡议数据库，可能影响泛化性	开发一个深度学习预测模型，利用膝关节X射线片预测骨关节炎进展风险，特别是全膝关节置换的可能性，并诊断骨关节炎	骨关节炎患者和匹配的对照组患者，年龄在45至79岁之间	计算机视觉	骨关节炎	深度学习	CNN	图像	728名参与者，包括324名患者和324名对照组患者	NA	ResNet34	AUC	NA
1467	2026-09-20	Development and Validation of a Multitask Deep Learning Model for Severity Grading of Hip Osteoarthritis Features on Radiographs 2020-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.2020190925 PMID:32013791	研究论文	该研究开发并验证了一个多任务深度学习模型，用于在X光片上对髋关节骨关节炎特征进行严重程度分级，并与放射科医生进行性能比较	开发了一个基于DenseNet-161的多任务深度学习模型，能够同时评估五个髋关节骨关节炎放射学特征，并在内部和外部测试集上验证了其性能，与放射科医生水平相当	研究未明确提及模型的局限性，但可能包括外部测试集样本量较小，以及模型在更广泛人群中的泛化能力有待进一步验证	开发一个多任务深度学习模型，用于在X光片上对髋关节骨关节炎特征进行严重程度分级，并评估其在临床常规中的潜在应用价值	骨关节炎倡议（OAI）参与者的髋关节X光片，以及常规临床X光片作为外部验证集	计算机视觉	骨关节炎	X光摄影	CNN	图像	4368名参与者（平均年龄61.0岁±9.2，2538名女性），共7738张负重前后位骨盆X光片，包含15364个髋关节	NA	DenseNet-161	准确率	NA
1468	2026-09-19	Automatic Generation of Liver Virtual Models With Artificial Intelligence: Application to Liver Resection Complexity Prediction 2026-10-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006722 PMID:40211963	研究论文	本文旨在仅使用术前CT扫描，通过人工智能自动生成肝脏三维虚拟模型，并预测肝切除术的术中复杂度	提出了一种新的解剖参考框架——肝中央区，并开发了全自动流程来生成肝中央区并量化肿瘤相对于它的位置，用于预测肝切除术复杂度，其预测性能优于外科医生	未明确提及	从术前CT扫描预测术中肝切除术复杂度，以辅助肿瘤外科手术规划	肝细胞癌患者	数字病理学, 计算机视觉	肝癌	深度学习, CT扫描, 三维重建	深度学习模型	图像	145名肝细胞癌患者	NA	NA	Dice分数, 准确率, AUC	NA
1469	2026-09-19	Association of Deep Learning Imaging Algorithm Measures of Microbial Keratitis With Vision Outcomes 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004029 PMID:41247284	研究论文	该研究比较了基于人工智能图像算法的测量与临床医生测量在预测微生物性角膜炎患者90天视力结果方面的关联	开发了一种新型的人工智能图像分割算法，用于量化角膜形态特征，并验证了其预测视力结果的能力与临床医生测量相当	研究样本仅来自美国和印度两个国家，可能限制结果的普遍性；未提及算法的具体架构和计算资源	比较人工智能图像算法预测的角膜变化与临床医生测量的角膜变化与90天视力结果的关联	微生物性角膜炎患者	医学图像分析	微生物性角膜炎	人工智能图像分割	NA	图像	479名参与者（美国138名，印度341名）	NA	NA	模型估计值（β）和95%置信区间	NA
1470	2026-09-19	Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs 2026-06, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-025-02005-5 PMID:41160380	研究论文	本文利用机器学习、深度学习和迁移学习模型预测药物分子的血脑屏障渗透性，并通过PAMPA-BBB实验进行验证。	将量子化学性质（如极化率和偶极矩）作为迁移学习中的预训练特征，用于血脑屏障渗透性预测，并证明其超越了传统分子描述符（如LogP和分子量）的预测价值。	未明确说明，但可能受限于体外PAMPA-BBB实验与体内血脑屏障的差异，以及数据集规模和多样性。	开发计算模型以快速筛选药物分子的血脑屏障渗透性，加速中枢神经系统药物的开发。	药物分子（化合物），包括来自B3DB的约8000个化合物和来自EEBL的18个化合物。	机器学习	中枢神经系统疾病	PAMPA-BBB体外实验	SVM, DNN, D-MPNN, 迁移学习	分子结构数据（2D RDKit和Morgan指纹）、量子化学性质数据	约8000个来自B3DB的化合物用于训练和测试，18个来自EEBL的化合物用于实验验证	NA	支持向量机 (SVM), 深度神经网络 (DNN), 直接消息传递神经网络 (D-MPNN)	准确率, ROC-AUC	NA
1471	2026-09-19	Multimodal CT Perfusion-Based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios 2026-04-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9016 PMID:40973461	研究论文	该研究开发了基于多模态CT灌注成像的深度学习模型，用于预测急性缺血性卒中在完全再通和无再通情况下的最终梗死病灶	针对完全再通和无再通两种再灌注场景分别开发专门的深度学习模型，并采用多模态CTP参数图进行预测，超越了传统单一技术阈值方法的准确性	研究未明确说明模型的泛化能力、外部验证结果以及在不同临床场景下的适用性限制	预测急性缺血性卒中患者的最终梗死病灶位置和体积，以辅助临床治疗决策	急性缺血性卒中患者，包括完全再通组（n=350）和无再通组（n=138）	医学图像分析	卒中	CT灌注成像	深度学习	图像	完全再通组350例，无再通组138例，共488例患者	NA	3D nnU-Net	Dice系数	NA
1472	2026-09-19	Robust Deep Learning for Pulse-Echo Speed of Sound Imaging via Time-Shift Maps 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3602000 PMID:40844937	研究论文	本文开发了一种基于时间偏移图的鲁棒深度学习方法来估计脉冲回波模式下的声速分布，通过两阶段训练策略和SSIM损失函数提高了重建精度和鲁棒性	学习时间偏移与声速之间的非线性映射而不受特定前向模型约束；采用共同中角度配置计算时间偏移图；归一化复波束形成超声数据；在相位偏移转时间偏移时考虑深度依赖频率；将结构相似性指数测量SSIM纳入损失函数学习全局结构；采用两阶段训练策略结合射线追踪合成预训练和全波模拟微调	摘要中未明确提及局限性	实现脉冲回波模式下的声速成像，提高成像精度和诊断价值	超声脉冲回波数据、体模实验数据	医学影像、计算机视觉	NA	超声脉冲回波成像、深度学习	深度学习	图像、时间偏移图、超声数据	NA	NA	NA	结构相似性指数测量SSIM、重建精度、对比度噪声比	NA
1473	2026-09-19	Enhancing Newborn Health Assessment: Ultrasound-based Body Composition Prediction Using Deep Learning Techniques 2026-Jan, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.09.016 PMID:41102035	研究论文	本研究利用深度学习模型，通过超声图像预测新生儿的体成分（脂肪量和去脂体重），以改善新生儿健康评估	首次将改进的U-Net架构应用于超声图像预测新生儿体成分，并结合Grad-CAM可视化关键区域	样本量较小（65名早产儿），仅使用超声图像，未与其他模态或更大群体验证	探讨深度学习通过超声预测体成分的可行性，以提高新生儿健康评估	65名早产儿的721张超声图像（肱二头肌、股四头肌和腹部）	医学图像分析	新生儿健康	超声成像	CNN	图像	65名早产儿，721张超声图像	NA	U-Net	MAE, MSE, RMSE, MAPE, Bland-Altman图	NA
1474	2026-09-19	Vision-Guided Surgical Navigation Using Computer Vision for Dynamic Intraoperative Imaging Updates 2026-Jan, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70000 PMID:40847589	研究论文	该研究提出了一种基于计算机视觉的无传感器、视频驱动方法，利用神经辐射场（NeRF）从单目内窥镜视频生成3D重建，动态更新术中CT，以评估内窥镜鼻窦手术（ESS）中的切除进展	首次将NeRF应用于内窥镜鼻窦手术的术中CT动态更新，无需外部跟踪设备，仅通过单目视频实现高精度3D重建和CT更新	研究仅基于三个3D打印模型（共6侧），样本量小，未在真实患者中验证，且存在体积低估的倾向	开发一种无传感器、基于视频的术中CT更新方法，以动态反映手术切除变化，提高手术完整性	三个3D打印的鼻窦模型（双侧，共6侧）	计算机视觉	慢性鼻窦炎	神经辐射场（NeRF）、计算机视觉、内窥镜视频处理	NeRF	视频、图像（CT扫描、内窥镜视频）	6侧（来自3个3D打印模型）	NA	NeRF	Hausdorff距离、Dice相似系数（DSC）、Bland-Altman分析	NA
1475	2026-09-19	A deep learning framework to iDentify prOgnostically releVant cancEr Regions (DOVER) within whole slide histopathology images 2026-Jan-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.218134 PMID:41238099	研究论文	该论文提出了一个深度学习框架DOVER，用于在全切片组织病理图像中识别具有预后相关性的癌症区域，从而提升患者预后预测的准确性	首次提出从组织微阵列（TMA）斑点中学习预后相关形态模式，并将其映射到全切片图像（WSI）中以定位预后相关癌症区域的方法，解决了肿瘤内部形态异质性导致预后区域难以确定的问题	需要在更多独立队列中进行额外验证，当前研究样本主要集中于NSCLC和OPSCC两种癌症类型	从全切片组织病理图像中识别具有预后相关性的癌症区域，以改进患者临床结局的预测	全切片组织病理图像（WSIs）、组织微阵列（TMA）斑点、NSCLC和OPSCC患者的肿瘤组织	数字病理学	肺癌, 头颈部鳞状细胞癌	全切片图像分析, 组织微阵列, 定量免疫荧光（QIF）成像	CNN	图像	2041例患者（NSCLC：n=1141；OPSCC：n=900）	NA	NA	c-index	NA
1476	2026-09-19	Comparative evaluation of supervised and unsupervised deep learning strategies for denoising hyperpolarized 129Xe lung MRI 2026-01, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70033 PMID:40810302	研究论文	本研究比较了监督式和无监督式深度学习去噪策略在超极化129Xe肺部MRI中的应用效果	首次系统比较了传统方法、监督式深度学习和无监督式深度学习在129Xe MRI去噪中的表现，并综合评估了多种定量指标	未明确说明计算资源细节，样本来自特定人群，可能限制泛化性	探索深度学习去噪方法在超极化129Xe MRI中的适用性，以提高图像质量和定量分析的准确性	超极化129Xe肺部MRI图像，包括通气、扩散加权和气体交换图像	医学图像处理	肺部疾病	超极化129Xe MRI	深度学习去噪模型	图像	952个129Xe MRI数据集（421个通气、125个扩散加权、406个气体交换）	NA	监督式去噪模型（Trad、N2N）和无监督式去噪模型（N2V）	平均信号、噪声标准差、信噪比、清晰度、通气缺陷百分比、表观扩散系数、膜摄取、红细胞转移、红细胞与膜比值	NA
1477	2026-09-19	Deep learning [18F]-FDG-PET/CT‑based algorithm for tumor burden estimation in metastatic melanoma patients under immunotherapy 2026-01, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101063 PMID:41281625	研究论文	该研究评估了一种基于[18F]-FDG-PET/CT的深度学习模型（PARS）在转移性黑色素瘤患者免疫治疗中的病灶检测、分割及肿瘤负荷估算性能	首次评估商用PET辅助报告系统（PARS）在转移性黑色素瘤免疫治疗患者中的肿瘤负荷估算性能，并系统分析其在不同解剖位置的检测精度差异	PARS的精确率较低（46.8%），肿瘤负荷估算变异性大（MARPD=68.6%），与人工标注的一致性差（ICC=0.28），需进一步优化模型后方可临床采用	评估基于[18F]-FDG-PET/CT的深度学习模型PARS在转移性黑色素瘤患者免疫治疗中的病灶检测、分割和肿瘤负荷估算性能	165例接受免疫治疗前进行[18F]-FDG-PET/CT成像的IV期黑色素瘤患者	数字病理学, 计算机视觉	黑色素瘤	[18F]-FDG-PET/CT	深度学习	图像	165例IV期黑色素瘤患者的[18F]-FDG-PET/CT图像	NA	NA	召回率, 精确率, 组内相关系数, 中位相对百分比差异, 中位绝对相对百分比差异	NA
1478	2026-09-19	MaskTerial: a foundation model for automated 2D material flake detection 2025-Dec-03, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00156k PMID:41220578	研究论文	本文提出一种用于自动检测二维材料薄片的深度学习基础模型MaskTerial，通过合成数据预训练和实例分割网络实现高精度检测	使用合成数据生成器进行广泛预训练，使模型仅需5-10张图像即可快速适应新材料，并引入不确定性估计模型基于光学对比度对预测进行分类	未明确说明模型在极端低对比度或非标准光学条件下的泛化能力，可能对训练数据分布外材料性能下降	实现从光学显微镜图像中自动检测和分类剥离的二维材料薄片，提高分类准确性和客观性以及样品制备效率	二维材料薄片，包括六方氮化硼等五种不同二维材料	计算机视觉	NA	光学显微镜成像	实例分割网络	图像	八个数据集，涵盖五种二维材料	NA	MaskTerial	NA	NA
1479	2026-09-19	Machine Learning-Based Identification of Natural History Studies in Rare Diseases: A Step toward Understanding Disease Development and Outcome 2025-Dec, Journal of rare diseases (Berlin, Germany) DOI:10.1007/s44162-025-00115-9 PMID:41245678	研究论文	本文提出了一种基于机器学习的方法，从PubMed中系统识别罕见疾病的自然史研究（NHS），并比较了二元分类和多分类模型的性能。	首次系统性地利用机器学习和深度学习模型从PubMed文献中自动识别罕见疾病的自然史研究，并发现二元分类显著优于四分类。	研究仅基于PubMed文献，未涉及其他数据库；模型在四分类任务上性能较低；未进行外部验证。	开发机器学习模型从PubMed中自动识别自然史研究，为大规模罕见疾病自然史分析奠定基础	PubMed中与罕见疾病自然史研究相关的文献摘要	自然语言处理	罕见疾病	NA	预训练语言模型（PubMedBERT）	文本	人工整理的NHS语料库（具体数量未提供）	NA	PubMedBERT-base-uncased-abstract	精确率, 召回率, F1分数, AUCPR	NA
1480	2026-09-19	A hybrid CNN-ViT framework with cross-attention fusion and data augmentation for robust brain tumor classification 2025-11-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28636-9 PMID:41318692	研究论文	该研究提出了一种结合交叉注意力融合机制与数据增强的混合CNN-ViT框架CAFNet，用于多类别脑肿瘤MRI图像的鲁棒分类	提出了CAFNet混合CNN-ViT框架，引入交叉注意力融合机制结合数据增强，在多类别脑肿瘤分类任务上显著优于传统机器学习、深度学习和迁移学习模型	仅在单一多类别MRI数据集上验证，未说明数据集规模、类别平衡情况及外部验证结果；未与最新ViT变体或混合模型进行对比；未讨论模型的计算复杂度和临床部署可行性	提升多类别脑肿瘤MRI图像的分类准确率和鲁棒性，克服传统手工特征方法在处理肿瘤大小、形态和纹理差异时的不足	脑肿瘤MRI图像（多类别分类任务）	计算机视觉	脑肿瘤	MRI影像分析、数据增强、迁移学习	CNN、ViT、混合CNN-ViT、交叉注意力融合	图像	NA	NA	AlexNet, MobileNetV2, InceptionV3, ResNet50, VGG16, VGG19, Vision Transformer (ViT), CAFNet (CNN-ViT混合架构)	准确率	NA