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
141	2026-05-19	Applications of deep learning in intracranial aneurysm imaging: A scoping review of detection, risk prediction, and emerging prognostic models 2025-Jan-04, Current journal of neurology IF:0.5Q4 DOI:10.18502/cjn.v24i1.20302 PMID:42148237	综述	系统梳理深度学习在颅内动脉瘤影像检测、风险预测和预后模型中的应用现状与挑战	通过系统范围综述方法，整合42项研究，覆盖超过1万例患者，全面评估DL在IA检测、分割、风险预测和预后评估中的方法学严谨性、临床实用性和转化局限性，并指出缺乏模型间基准比较、可解释性不足以及伦理法规框架缺失等关键空白	仅少数研究进行了外部验证或关注治疗后结局，且存在模型间基准比较缺失、可解释性有限、数据集异质性和泛化性不足等主要局限	系统评估深度学习在颅内动脉瘤影像检测、分割、风险预测和预后评估中的应用格局，并关注方法学严谨性、临床实用性和转化障碍	PubMed、Scopus和Web of Science中截至2023年8月的42项研究，涵盖超过1万例患者	计算机视觉	脑血管疾病	放射影像	卷积神经网络	影像	42项研究，超过1万例患者	NA	卷积神经网络	灵敏度, AUC	NA
142	2026-05-19	A Review of Deep Learning Techniques for EEG-Based Emotion Recognition: Models, Methods, and Datasets 2025, F1000Research DOI:10.12688/f1000research.171170.2 PMID:41585461	综述	系统综述了基于脑电图的深度学习情绪识别方法，涵盖模型、方法和数据集	遵循PRISMA指南系统筛选2020-2025年文献，并评估公共数据集在刺激程序和情绪表征方面的多样性	未提及具体局限性	为开发更可解释、泛化性更强且数据高效的基于脑电图的情绪识别系统提供路线图	基于脑电图信号使用深度学习架构的情绪识别研究	机器学习	NA	脑电图	深度学习	脑电图信号	233篇文献	NA	NA	分类准确率, 模型效率	NA
143	2026-05-19	Time series-based forecasting of infectious disease outbreak using information systems in public health 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1680534 PMID:42145969	研究论文	提出EpiCastNet框架，通过融合时空注意力机制与混合编码架构，实现对传染病爆发的准确预测	创新地整合了时空注意力机制与因果正则化语义锚定模块，将流行病学原理（如干预效果和季节传播动态）融入神经网络的可微训练过程，提高了模型在现实不确定性下的语义对齐性和鲁棒性	NA	开发可靠且可解释的传染病爆发预测系统，以支持及时公共卫生干预	传染病爆发时间序列数据	机器学习	传染病	时间序列分析	EpiCastNet（结合时空注意力与混合编码的深度学习框架）	时间序列数据	COVIDcast 和 JHU COVID-19 公共健康时间序列数据集	NA	EpiCastNet（包含时空注意力机制、混合编码架构和因果正则化语义锚定模块）	均方根误差, 平均绝对误差, R2, 平均绝对百分比误差	NA
144	2026-05-19	A Multiscale Connected UNet for the Segmentation of Lung Cancer Cells in Pathology Sections Stained Using Rapid On-Site Cytopathological Evaluation 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.011 PMID:38897537	研究论文	提出一种基于深度学习的多尺度连接UNet（CUNet3+）网络模型，用于快速现场细胞病理学评估（ROSE）染色的病理切片中肺癌细胞簇的精确分割	通过CUNet3+网络模型减少过分割、降低网络参数、提高计算效率，在ROSE染色图像中准确识别肺癌细胞簇，优于经典分割算法	NA	提高支气管内超声引导下经支气管针吸活检术（EBUS-TBNA）术中诊断效率，实现实时患者评估	肺癌患者的ROSE染色病理切片中的细胞簇	数字病理学	肺癌	快速现场细胞病理学评估（ROSE）	卷积神经网络（CNN）	病理图像	NA	NA	CUNet3+	F1-score, 召回率, 精确率, 准确率, ROC曲线下面积	NA
145	2026-05-19	Deep Learning Classification and Quantification of Pejorative and Nonpejorative Architectures in Resected Hepatocellular Carcinoma from Digital Histopathologic Images 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.007 PMID:38879083	研究论文	利用深度学习对肝细胞癌数字病理图像中的不良与非不良组织架构进行分类和量化	首次构建基于ResNet34的监督深度学习算法，用于识别和量化微血管侵犯、低分化、不良巨梁架构和血管包裹肿瘤巢等不良组织架构，并验证其在外部队列的泛化能力	仅限于肝细胞癌的术后样本，且算法性能在外部验证中准确率略下降，仍需进一步优化以构建复合预测算法	识别术后复发高风险肝细胞癌患者，通过深度学习预测不良组织架构以替代微血管侵犯评估	肝细胞癌手术切除标本的整张切片图像	数字病理学	肝细胞癌	NA	CNN	图像	107例肝细胞癌患者的680张整张切片图像，外部验证组为29例肝细胞癌	PyTorch	ResNet34	准确率	NA
146	2026-05-19	Deep Learning for Grading Endometrial Cancer 2024-09, The American journal of pathology DOI:10.1016/j.ajpath.2024.05.003 PMID:38879079	研究论文	介绍EndoNet，利用卷积神经网络和视觉Transformer对子宫内膜癌全切片图像进行高低级别分类	结合卷积神经网络提取组织学特征与视觉Transformer聚合特征，实现无需人工标注的子宫内膜癌分级	需要进一步验证才能支持临床使用	开发深度学习模型自动分类子宫内膜癌的高级别和低级别	子宫内膜癌的苏木精-伊红染色全切片图像	数字病理学	子宫内膜癌	NA	卷积神经网络, 视觉Transformer	图像	929张全切片图像用于训练，内部测试110名患者，外部测试100名患者（来自TCGA数据库）	PyTorch（推测）	CNN, ViT	F1分数, AUC	NA
147	2026-05-19	AlphaFold predictions of fold-switched conformations are driven by structure memorization 2024-08-24, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51801-z PMID:39181864	研究论文	测试AlphaFold在预测折叠转换蛋白构象方面的能力，发现其预测能力较弱且部分成功源于结构记忆而非学习到的能量特性	首次系统评估AlphaFold对折叠转换蛋白的预测能力，揭示其通过记忆训练集结构而非学习物理能量学实现部分成功预测	AlphaFold对折叠转换蛋白的预测成功率仅35%，且主要限于训练集中存在的蛋白；对训练集外蛋白几乎完全失败；置信度指标无法区分高低能量构象；存在结构信息记忆和共进化约束错误分配问题	评估AlphaFold模型预测折叠转换蛋白（形成两种不同二级/三级结构区域）构象的能力及其机理	折叠转换蛋白（fold-switching proteins）	机器学习	NA	深度学习结构预测（AlphaFold2/3）	AlphaFold（深度神经网络）	蛋白质序列与结构数据	超过56万个模型（AF2和AF3的多种实现）	NA	AlphaFold2, AlphaFold3	成功率（35%）、置信度指标	NA
148	2026-05-19	Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases 2024-May-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.14.594252 PMID:38798507	研究论文	介绍scPRS，一个几何深度学习模型，通过单细胞染色质可及性数据构建单细胞层面多基因风险评分，用于复杂疾病预测和生物学发现	首次将多基因风险评分降维至单细胞层面，结合几何深度学习解析疾病细胞异质性和分子机制	未明确说明局限性，可能依赖于参考单细胞染色质数据质量及计算资源需求	开发单细胞分辨率的PRS方法，增强复杂疾病的遗传风险预测和生物学机制理解	2型糖尿病、肥厚性心肌病和阿尔茨海默病的单细胞数据	机器学习	2型糖尿病, 肥厚性心肌病, 阿尔茨海默病	单细胞ATAC测序, 多组学分析	几何深度学习模型	单细胞染色质可及性数据、多组学数据	NA	NA	scPRS	预测能力	NA
149	2026-05-19	Opportunities for Improving Glaucoma Clinical Trials via Deep Learning-Based Identification of Patients with Low Visual Field Variability 2024 May-Jun, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2024.01.005 PMID:38296108	研究论文	开发深度学习模型预测低视野变异性的青光眼患者，并评估其对神经保护试验样本量的影响	首次利用深度学习模型从单次基线临床访问数据预测低视野变异性，并证明其可显著减少临床试验所需样本量	未提及模型在实际临床试验中的验证，可能存在外部有效性限制	评估深度学习模型在识别低视野变异性患者中的作用，以及降低青光眼临床试验样本量的潜力	青光眼患者的视野变异性和临床试验样本量	医疗影像	青光眼	NA	深度学习模型	视野测量数据、OCT图像、临床数据	2817只眼（每位患者一只眼）	NA	NA	受试者工作特征曲线下面积（AUC）	NA
150	2026-05-19	LEARNING SPATIALLY-CONTINUOUS FIBER ORIENTATION FUNCTIONS 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635838 PMID:42148456	研究论文	提出一种名为FENRI的新方法，从低分辨率扩散加权图像中学习空间连续的纤维取向分布函数，以提升纤维追踪的准确性	首次提出学习空间连续纤维取向分布函数的方法，满足纤维追踪对连续场的需求，并引入新的模拟数据集用于评估基于学习的纤维追踪模型	未提及，可能包括对计算资源的要求或需要在临床数据上进一步验证	解决低分辨率扩散MRI中纤维追踪因插值方法导致精度不足的问题	人脑连接组中的神经通路纤维方向	机器学习	NA	扩散磁共振成像	神经网络	图像	NA	NA	FENRI	NA	NA
151	2026-05-19	Deep Learning Classification of Angle Closure based on Anterior Segment OCT 2024 Jan-Feb, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2023.06.011 PMID:37437884	研究论文	评估卷积神经网络模型在前段OCT图像中识别原发性闭角型疾病及其阶段分化的性能和泛化能力	首次利用深度学习模型在多中心、跨国数据上系统评估了前段OCT图像中闭角型疾病的自动分类性能，并验证了模型在不同人群间的泛化能力	模型在区分PACS与PAC+PACG时表现中等，泛化能力下降	评估CNN模型用于客观、高通量识别原发性闭角型疾病及其阶段分化	前段OCT图像中的原发性闭角型疾病（PACD）	计算机视觉	闭角型青光眼	OCT	CNN	图像	中国两个中心841只眼（170只对照，488只PACS，183只PAC+PACG）和新加坡测试集300只眼	NA	CNN	AUC, precision, recall	NA
152	2026-05-19	AlphaFold2 has more to learn about protein energy landscapes 2023-Dec-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.12.571380 PMID:38168383	研究论文	测试AlphaFold2对折叠转换蛋白能量景观的预测能力，发现其成功率有限，且置信度指标无法区分低能和高能状态	系统评估了AlphaFold2在预测折叠转换蛋白多种构象方面的局限性，揭示了深度学习模型在理解蛋白质能量景观方面的不足	AF2对折叠转换蛋白的预测成功率仅约25%，置信度指标偏向不一致模型，且对新靶标的替代构象无预测能力	评估AlphaFold2在蛋白质能量景观（特别是折叠转换蛋白）上的预测极限	93个已知折叠转换蛋白（训练集内）和7个新靶标（训练集外）	机器学习	NA	深度学习	AlphaFold2	蛋白质结构数据	训练集内93个蛋白生成超280,000个模型；训练集外7个蛋白生成超159,000个模型	NA	AlphaFold2	成功率约25%，置信度指标	NA
153	2026-05-19	AI-based assessments of speech and language impairments in dementia 2023-10, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.13395 PMID:37578167	综述	综述了基于机器学习与深度学习算法利用语音和文本数据集开发痴呆症评估工具的研究	聚焦人工智能在痴呆症早期检测中利用语音和语言障碍评估的最新进展，强调系统在临床快速准确识别患者中的应用	未明确提及具体局限性，但综述可能受限于现有研究的样本异质性和算法泛化能力	综述利用机器学习与深度学习算法分析语音和语言数据开发痴呆症评估工具的研究	痴呆症患者的语音和语言数据	自然语言处理	痴呆症	NA	机器学习, 深度学习	语音, 文本	未提及	NA	NA	NA	NA
154	2026-05-19	A Graph-Transformer for Whole Slide Image Classification 2022-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3176598 PMID:35594209	研究论文	提出一种融合图表示与视觉Transformer的架构用于全切片图像分类	创新地结合图神经网络与视觉Transformer处理病理全切片，并引入基于图的显著性映射技术GraphCAM实现可解释性	未提及计算资源消耗及多中心数据泛化性验证	开发能够利用全局切片级信息的高精度肺癌亚型分类方法	肺腺癌、肺鳞癌及正常组织的全切片病理图像	数字病理	肺癌	全切片成像	图Transformer	病理图像	4818张全切片图像（来自CPTAC、NLST、TCGA数据集）	PyTorch	图神经网络、Vision Transformer	准确率	NA
155	2026-05-19	Deep learning for subtyping the Alzheimer's disease spectrum 2022-02, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2021.12.004 PMID:34996710	研究论文	利用深度学习基于结构影像对阿尔茨海默病谱系进行亚型分类	基于结构影像对认知障碍个体进行亚型分类，为精准治疗提供新见解	NA	探索阿尔茨海默病的异质性，通过亚型分类优化治疗策略	认知障碍个体	机器学习	阿尔茨海默病	结构影像	深度学习	图像	NA	NA	NA	NA	NA
156	2026-05-19	Detection of dementia on voice recordings using deep learning: a Framingham Heart Study 2021-08-31, Alzheimer's research & therapy DOI:10.1186/s13195-021-00888-3 PMID:34465384	研究论文	利用深度学习从语音录音中检测痴呆症——基于弗明汉心脏研究	首次在社区队列环境中，利用深度学习模型（LSTM和CNN）自动分析神经心理学测试的语音录音，实现痴呆症的筛查	研究为概念验证性质，模型性能尚需提升，且仅使用单一队列的数据，可能需要外部验证	开发可靠、经济且易于使用的痴呆症检测策略，特别是通过自动化分析语音录音来评估认知功能	弗明汉心脏研究（FHS）中的参与者语音录音，包括正常认知、轻度认知障碍和痴呆症三种情况	机器学习	痴呆症	语音记录	LSTM, CNN	音频	1264份语音录音（483份正常认知，451份轻度认知障碍，330份痴呆症）	NA	两层LSTM网络，卷积神经网络（CNN）	AUC, 平衡准确率, 加权F1分数	NA
157	2026-05-18	AI model using CT-based imaging biomarkers to predict hepatocellular carcinoma in patients with chronic hepatitis B 2025-06, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2024.12.029 PMID:39710148	研究论文	开发基于CT影像生物标志物的人工智能模型，用于预测慢性乙型肝炎患者的肝细胞癌风险	整合深度学习CT自动分割软件提取的影像生物标志物与临床变量，提出PLAN-B-DF模型，显著优于仅基于临床数据的传统预测模型	未提及具体限制，但可能包括对CT图像质量依赖性强、外部验证队列的中位随访时间较短	开发并验证基于CT影像生物标志物的人工智能肝细胞癌风险预测模型	慢性乙型肝炎患者的肝细胞癌风险预测	机器学习	肝细胞癌	CT自动分割（DeepFore软件），梯度提升机算法	梯度提升机	图像（CT影像）和临床数据	训练和内部验证集5,585例，外部验证集2,883例慢性乙型肝炎患者	NA	梯度提升机	c-index, Hosmer-Lemeshow检验	NA
158	2026-05-18	Development and Validation of Multiparametric MRI-based Interpretable Deep Learning Radiomics Fusion Model for Predicting Lymph Node Metastasis and Prognosis in Rectal Cancer: A Two-center Study 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.045 PMID:39638641	研究论文	开发并验证基于多参数MRI的可解释深度学习影像组学融合模型，用于预测直肠癌淋巴结转移和预后	结合深度学习特征和影像组学特征构建融合模型，并使用SHAP工具增强模型可解释性，提升放射科医师的诊断性能	未明确说明	开发可解释的机器学习模型，利用多参数MRI的深度学习和影像组学特征预测直肠癌术前淋巴结转移	直肠癌患者	数字病理学	直肠癌	多参数磁共振成像	深度学习模型	影像	286名来自中心1（训练集）和66名来自中心2（外部测试集）的癌症患者	NA	MobileNet-V3-large, Inception-V3, ResNet50, VGG16	AUC	NA
159	2026-05-18	Deep Learning for Contrast Enhanced Mammography - A Systematic Review 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.035 PMID:39643464	综述	系统综述深度学习在对比增强乳腺摄影中的应用	首次系统综述深度学习在对比增强乳腺摄影中的应用，总结了模型在病变分类、检测和分割方面的性能	研究数量较少，大多数为回顾性研究，缺乏前瞻性临床验证	探讨深度学习如何提升对比增强乳腺摄影的诊断潜力	对比增强乳腺摄影图像中的病变（分类、检测、分割）	计算机视觉、医学影像分析	乳腺癌	对比增强乳腺摄影	卷积神经网络，注意力机制	医学影像	16项相关研究，时间跨度2018至2024年	NA	CNN, 注意力机制模型	AUC, 准确率	NA
160	2026-05-18	SMART: Development and Application of a Multimodal Multi-organ Trauma Screening Model for Abdominal Injuries in Emergency Settings 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.056 PMID:39690074	研究论文	构建用于腹部创伤的多模态多器官创伤筛查模型SMART，整合非增强CT与文本数据，提升急诊诊断效率	首次将非增强CT影像与GPT-4文本嵌入进行多模态融合，构建急诊腹部创伤筛查模型，并显著缩短等待时间	研究样本来自单中心，且未详细说明模型在低资源环境或不同类型创伤中的泛化能力	通过深度学习构建多模态腹部创伤诊断模型，提升急诊中实体器官损伤的评估速度和准确性	腹部创伤患者	计算机视觉, 自然语言处理, 机器学习	腹部创伤	非增强CT, 文本数据	DenseNet, nnU-Net, GPT-4	影像, 文本	2638名患者（459例阳性，2179例阴性腹部创伤病例），其中1006名患者用于测试（1632个真实连续数据点）	PyTorch, GPT-4 API	DenseNet121, nnU-Net, GPT-4嵌入	敏感性, AUC	NA