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
1901	2026-03-13	A deep learning-based simulator for comprehensive two-dimensional GC applications 2023-Oct, Journal of separation science IF:2.8Q2 DOI:10.1002/jssc.202300187 PMID:37525343	研究论文	本研究开发了一个基于深度神经网络的模拟器，用于优化二维气相色谱方法并模拟实验室外的操作条件	利用深度神经网络预测二维气相色谱中洗脱物的空间位置，提供了一种高适应性且可靠的计算模型	需要持续更新数据库以准确预测较少见化合物的保留时间	优化色谱方法并模拟操作条件	二维气相色谱中的洗脱物，包括环境污染物、生物化学分子、制药及个人护理产品等	机器学习	NA	二维气相色谱	深度神经网络	色谱数据	NA	NA	深度神经网络	均方误差, 相对平均偏差, R平方	NA
1902	2026-03-13	L-SeqSleepNet: Whole-cycle Long Sequence Modeling for Automatic Sleep Staging 2023-Oct, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3303197 PMID:37552591	研究论文	本文提出了一种名为L-SeqSleepNet的深度学习模型，用于高效建模长序列睡眠数据，以提升自动睡眠分期的性能	首次在睡眠分期模型中考虑整个睡眠周期的长时依赖关系，并引入高效的长序列建模方法	未明确提及模型在极端噪声或数据缺失情况下的鲁棒性	开发能够利用整个睡眠周期信息的自动睡眠分期模型	睡眠数据，包括头皮EEG、耳内EEG和耳周EEG（cEEGrid）	机器学习	NA	EEG信号处理	深度学习模型	EEG信号	四个不同规模的数据库	NA	L-SeqSleepNet	NA	NA
1903	2026-03-13	Application of IoT technology based on neural networks in basketball training motion capture and injury prevention 2023-Oct, Preventive medicine IF:4.3Q1 DOI:10.1016/j.ypmed.2023.107660 PMID:37573953	研究论文	本文研究基于神经网络和物联网技术的篮球运动轨迹捕捉算法，用于运动损伤预防	设计了一种多视角人体运动轨迹捕捉算法框架，结合深度学习二维姿态估计与多视角相机位姿知识，实现三维空间关节点分布转换	NA	预防篮球运动中的运动损伤，并研究篮球运动轨迹捕捉技术	篮球运动员的运动姿态	计算机视觉	NA	物联网技术，深度学习	神经网络	图像	NA	NA	NA	NA	NA
1904	2026-03-13	Segmentation of X-ray coronary angiography with an artificial intelligence deep learning model: Impact in operator visual assessment of coronary stenosis severity 2023-Oct, Catheterization and cardiovascular interventions : official journal of the Society for Cardiac Angiography & Interventions IF:2.1Q3 DOI:10.1002/ccd.30805 PMID:37579212	研究论文	本研究比较了操作者在冠状动脉造影图像与AI分割图像中对狭窄严重程度的视觉评估差异	首次将AI分割模型应用于X射线冠状动脉造影，以改善操作者对狭窄严重程度的视觉评估准确性	研究样本量有限（123个病变），且未涵盖所有狭窄程度范围（如>70%的病变未显示显著差异）	评估AI分割模型对冠状动脉狭窄严重程度视觉评估的影响	冠状动脉造影图像中的病变	数字病理学	心血管疾病	X射线冠状动脉造影	深度学习模型	图像	123个病变	NA	NA	百分比直径狭窄差异, 一致性分析	NA
1905	2026-03-13	Deep learning enabled miniature mass spectrometer for rapid qualitative and quantitative analysis of pesticides on vegetable surfaces 2023-Oct, Food and chemical toxicology : an international journal published for the British Industrial Biological Research Association IF:3.9Q1 DOI:10.1016/j.fct.2023.114000 PMID:37648105	研究论文	本研究开发了一种基于微型质谱仪的深度学习算法，用于蔬菜表面农药残留的快速现场定性和定量分析	结合微型质谱仪与一维卷积神经网络深度学习算法，实现农药残留的自主判别和现场快速检测	NA	开发一种快速现场筛查蔬菜表面农药残留的方法，以应对食品安全威胁	蔬菜表面的农药残留	机器学习和数字病理学	食品安全相关疾病	质谱分析（全扫描MS和串联MS）	CNN	质谱数据	NA	NA	一维卷积神经网络	定性识别准确率	NA
1906	2026-03-13	Quantitative assessment of adaptive radiotherapy for prostate cancer using deep learning: Bladder dose as a decision criterion 2023-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.16710 PMID:37696263	研究论文	本研究利用深度学习技术，通过合成伪CT图像并评估剂量学影响，为前列腺癌自适应放疗提供了一种基于膀胱剂量的定量决策标准	首次结合CycleGAN合成高质量伪CT与U-Net自动勾画膀胱，实现基于实时膀胱解剖结构的剂量计算，为自适应放疗决策提供客观、自动化的定量标准	研究样本量较小（74例患者），且仅针对前列腺癌放疗中的膀胱剂量进行评估，未考虑其他器官或肿瘤靶区的变化	开发一种自动化的定量标准，以确定在前列腺癌分次放疗中是否需要立即进行自适应放疗	前列腺癌患者	数字病理	前列腺癌	锥形束CT, 自适应放疗	CycleGAN, U-net	CT图像, CBCT图像	74例患者（60例用于训练，14例用于评估）	NA	CycleGAN, U-Net	平均绝对误差, gamma通过率, Dice系数	NA
1907	2026-03-13	Grading surface urban heat island and investigating factor weight based on interpretable deep learning model across global cities 2023-Oct, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2023.108196 PMID:37708813	研究论文	本研究基于可解释深度学习模型，对全球城市的地表城市热岛进行分级，并量化不同指标和等级的影响因素权重	首次在全球尺度上对地表城市热岛进行分级，并利用可解释机器学习模型TabNet量化不同指标和等级的影响因素权重	未明确说明数据的具体来源和预处理细节，且模型可能受限于所选特征和全球数据的异质性	准确监测地表城市热岛的时空变化并理解其控制因素，以提出有效的缓解措施	全球城市的地表城市热岛现象	机器学习	NA	聚合层次聚类，可解释机器学习	TabNet	遥感数据、气候数据、夜间灯光数据等	全球多个城市，具体数量未在摘要中明确	TabNet	TabNet	因素权重百分比	NA
1908	2026-03-13	MAE-Based Self-Supervised Pretraining Algorithm for Heart Rate Estimation of Radar Signals 2023-Sep-13, Sensors (Basel, Switzerland) DOI:10.3390/s23187869 PMID:37765926	研究论文	本文提出了一种基于掩码自编码器和视觉变换器网络的雷达信号心率估计算法，旨在提高非接触式心率监测的准确性和效率	创新性地结合了掩码自编码器进行自监督预训练和视觉变换器进行迁移学习，有效降低了心率数据采集成本并解决了呼吸谐波干扰问题	未明确提及算法的计算复杂度或在实际医疗场景中的泛化能力限制	提高基于毫米波雷达的非接触式心率估计的准确性和减少观测时间	雷达信号中的相位信号用于心率估计	机器学习	心血管疾病	毫米波雷达信号处理	MAE, ViT	信号	NA	NA	掩码自编码器, 视觉变换器	准确性	NA
1909	2026-03-13	MET Exon 14 Skipping: A Case Study for the Detection of Genetic Variants in Cancer Driver Genes by Deep Learning 2021-Apr-19, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms22084217 PMID:33921709	研究论文	本研究利用深度学习技术检测非小细胞肺癌中MET外显子14跳跃事件，并探索未表征的MET异构体	开发了专门针对MET外显子14跳跃检测的神经网络和稀疏连接自编码器，首次将深度学习应用于该特定癌症驱动基因变异的识别	假阳性病例中存在外显子14覆盖模糊的情况，且样本主要来源于TCGA数据库，可能限制了模型的泛化能力	检测癌症驱动基因中的遗传变异，特别是MET外显子14跳跃事件，以辅助肿瘤进展和治疗研究	非小细胞肺癌（NSCLC）中的MET基因转录本	机器学习	肺癌	RNA-seq	CNN, 自编码器	RNAseq数据	690个手动整理的TCGA支气管和肺样本用于测试，2605个TCGA样本用于全局应用	NA	神经网络（NN/CNN），稀疏连接自编码器	检测率（大于94%）	NA
1910	2026-03-13	Faster motion correction of clinical contrast-enhanced ultrasound imaging using deep learning 2020-Sep, IEEE International Ultrasonics Symposium : [proceedings]. IEEE International Ultrasonics Symposium DOI:10.1109/ius46767.2020.9251602 PMID:41809844	研究论文	本研究利用深度学习模型加速临床对比增强超声（CEUS）图像的运动校正，以提高肝细胞癌（HCC）患者肿瘤血管网络测量的准确性	首次将深度学习应用于CEUS图像的运动校正，显著减少了计算时间和内存需求，相比传统方法，预测时间从3.65秒降低到0.20秒	研究样本量较小（仅36名患者），且仅针对肝细胞癌（HCC）患者，可能限制了模型的泛化能力	减少临床CEUS图像运动校正所需的时间和内存，提高肿瘤血管网络测量的准确性	肝细胞癌（HCC）患者的B模式超声（US）图像	计算机视觉	肝细胞癌	对比增强超声（CEUS）成像	编码器-解码器网络	图像	36名患者，每名患者200个训练数据样本	NA	编码器-解码器网络	归一化相关系数（CC）	NA
1911	2026-03-13	Deciphering epigenomic code for cell differentiation using deep learning 2019-Sep-12, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-019-6072-8 PMID:31510916	研究论文	本文利用深度卷积神经网络（CNN）模型，通过分析人类CD4+ T细胞类型和组蛋白标记，揭示了细胞分化过程中不同细胞类型独特表观基因组形成的序列决定因素	首次采用针对不同细胞类型和组蛋白标记的深度CNN模型，通过比较分析学习到的序列基序，揭示了细胞分化中表观基因组形成的序列决定因素及其与转录因子相互作用的机制	研究仅针对人类CD4+ T细胞类型和六种组蛋白标记，未扩展到其他细胞类型或更广泛的表观遗传标记	探究细胞分化过程中不同细胞类型独特表观基因组形成的DNA序列决定因素	人类CD4+ T细胞类型及其组蛋白修饰模式	机器学习	NA	组蛋白标记测量	CNN	序列数据	四种人类CD4+ T细胞类型，每种细胞类型测量六种组蛋白标记	NA	深度卷积神经网络	NA	NA
1912	2026-03-13	Cytokit: a single-cell analysis toolkit for high dimensional fluorescent microscopy imaging 2019-Sep-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-3055-3 PMID:31477013	研究论文	本文介绍并验证了Cytokit，一个用于处理高维荧光显微镜成像数据的端到端GPU加速单细胞分析工具包	开发了首个集成了GPU加速图像处理、高效I/O策略和交互式用户界面的工具包，专门针对大规模多路免疫荧光成像数据	工具主要面向生物信息学家或技术用户，在批处理和高通量设置中使用，可能对非技术用户不够友好	提供和验证用于处理高维荧光显微镜成像数据的软件，以促进疾病进展和诊断的理解	单细胞分析，特别是基于多路原位荧光成像的空间、形态和表达特性	数字病理学	NA	多路免疫荧光成像	深度学习模型	图像	涉及多个成像实验，使用公开可用的多路图像数据集进行验证	NA	NA	通过与独立但可比较的检测方法配对结果进行验证，并复现已发表结果	GPU加速环境，支持单GPU或多GPU配置
1913	2026-03-13	Data augmentation-assisted deep learning of hand-drawn partially colored sketches for visual search 2017, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0183838 PMID:28859140	研究论文	本文提出了一种基于用户手绘部分着色草图的视觉搜索机制，通过数据增强辅助的深度学习方法来提升草图检索性能	利用增强数据集微调深度卷积神经网络，以处理手绘草图的模糊性，并评估部分着色对检索性能的影响	未明确说明数据增强的具体限制或模型在处理极端模糊草图时的潜在不足	开发一种基于手绘部分着色草图的图像检索系统，以改善视觉信息访问	手绘部分着色草图及自然图像数据库	计算机视觉	NA	数据增强、深度学习	CNN	图像	两个大型数据集（具体数量未说明）	NA	深度卷积神经网络（具体架构未指定）	分类性能、检索性能	NA
1914	2026-03-11	Deep learning-based multi-view echocardiographic framework for comprehensive diagnosis of pericardial disease 2026-Apr, European heart journal. Digital health DOI:10.1093/ehjdh/ztag028 PMID:41799660	研究论文	本研究开发了一种基于深度学习的多视图超声心动图框架，用于心包疾病的全面诊断	首次提出基于深度学习的经胸超声心动图模型，整合形态学与支持性功能评估，实现更广泛的心包疾病评估	在次优成像条件下解释结果时需要谨慎	开发一个深度学习框架，用于心包疾病的顺序评估，包括形态学特征和血流动力学意义	心包疾病患者	数字病理学	心血管疾病	经胸超声心动图	深度学习	图像, 视频	开发数据集包含来自多个韩国机构的2253例经胸超声心动图（内部测试225例），独立外部测试集包含274例经胸超声心动图	NA	NA	准确率, 受试者工作特征曲线下面积, 灵敏度	NA
1915	2026-03-11	Association between electrocardiographic age and cognitive function: findings from the UK biobank and Framingham Heart Study 2026-Apr, European heart journal. Digital health DOI:10.1093/ehjdh/ztag034 PMID:41799659	研究论文	本研究利用深度学习从心电图推导生物年龄，并在两个大型人群队列中探讨其与认知功能的关联	首次在两个独立的大型人群队列（UK Biobank和Framingham Heart Study）中，系统评估了基于深度学习的ECG推导生物年龄加速与多领域认知表现之间的关联	研究为观察性设计，无法确定因果关系；认知功能评估可能受其他未测量因素影响	探究心电图推导的生物年龄加速与认知功能之间的关系	UK Biobank和Framingham Heart Study的参与者	机器学习	老年疾病	12导联心电图	深度学习模型	心电图波形	UK Biobank 59,213名参与者（平均年龄64.7岁，51.7%女性），Framingham Heart Study 6,534名参与者（平均年龄59.5岁，55.7%女性）	NA	NA	平均绝对误差（MAE）	NA
1916	2026-03-11	Simultaneous multimodal detection of hand acupoints and reflex zones for acupuncture robots 2026-Mar-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114938 PMID:41797935	研究论文	本文提出了一种用于智能针灸机器人的多模态多任务深度学习框架MIMO-HAR，能够同时定位手部穴位并分割反射区	首次将视觉Transformer与中医拓扑先验知识相结合，用于同时处理穴位定位和反射区分割任务，提高了准确性和可解释性	NA	提升智能针灸系统的感知能力，为标准化和自动化的中医治疗奠定基础	手部穴位和反射区	计算机视觉	NA	深度学习	Transformer	图像, 坐标数据	公共数据集11k Hands	NA	视觉Transformer, 双解码器架构	平均交并比, 均方根误差	NA
1917	2026-03-11	Pediatric SleepNet: A Deep Learning Network for Reliable Pediatric Sleep Staging Across Developmental Stages 2026-Mar-10, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag064 PMID:41804802	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1918	2026-03-11	Deep learning-derived measures of sound-level accuracy in primary progressive apraxia of speech: A feasibility pipeline with descriptive evidence from two cases 2026-Mar-09, Clinical linguistics & phonetics IF:0.8Q4 DOI:10.1080/02699206.2026.2639397 PMID:41800702	研究论文	本研究展示了一种基于深度学习模型Phonet的可行性流程，用于从两名原发性进行性言语失用症患者中提取基于音位类别的后验概率值，以量化其发音准确性	首次将深度学习模型Phonet生成的音位类别后验概率值应用于PPAOS患者的发音准确性评估，并探索了其在不同语速和延迟听觉反馈条件下的表现	研究仅包含两名病例样本，需要进一步研究以评估其更广泛的临床适用性	探索深度学习模型在神经退行性运动言语障碍中量化发音准确性的可行性和解释性	两名原发性进行性言语失用症患者（一名语音型主导，一名韵律型主导）	自然语言处理	老年疾病	深度学习	深度学习模型	语音	2名PPAOS患者	NA	Phonet	后验概率值，与专家发音判断的一致性	NA
1919	2026-03-11	LRF-UNet: Low-Rank Factorized Convolution Deep-Learning Networks for Visceral Adipose and Muscle Tissue Segmentation in Abdominal Computed Tomography Image 2026-Mar-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01813-y PMID:41801305	研究论文	本研究提出了一种基于UNet的深度学习分割系统LRF-UNet，用于自动分割腹部CT图像中的内脏脂肪组织和骨骼肌组织	引入了低秩因子化卷积模块以增强碎片化或模糊组织边界的特征表示，并结合多尺度特征融合、梯度收敛和深度监督策略提升分割性能	研究样本仅包含179名患者，且未明确提及模型在其他疾病或更大数据集上的泛化能力	开发一种自动分割腹部CT图像中内脏脂肪和骨骼肌组织的深度学习系统，以辅助临床定量分析和疾病评估	腹部CT图像中的内脏脂肪组织和骨骼肌组织	计算机视觉	代谢性疾病	CT成像	CNN	图像	179名患者的腹部CT图像，包括64例糖尿病患者和113例血糖正常者	未明确提及	UNet, MobileNetV3	Dice系数, IoU, HD95	未明确提及
1920	2026-03-11	Applications of artificial intelligence algorithms in ultrasound-based kidney stone detection, classification, prediction, and management: a systematic review 2026-Mar-09, Abdominal radiology (New York) DOI:10.1007/s00261-026-05419-y PMID:41801379	系统综述	本文系统综述了人工智能和深度学习算法在基于超声的肾结石检测、分类、并发症预测及手术指导中的应用	首次系统性地按应用类型（检测/分割、预测建模、手术指导）对AI在超声肾结石管理中的研究进行了分类与综合，揭示了算法在不同任务中的高表现	研究方法存在异质性，数据集和验证方式不统一，证据确定性低至极低，限制了荟萃分析的进行	系统回顾并综合AI和深度学习算法在超声肾结石检测、分类、并发症预测及手术指导中的应用	基于超声的肾结石诊断与管理	医学影像分析	肾结石	超声	CNN, 机器学习集成	图像	NA	NA	CNN变体	准确率, AUC	NA