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
1	2026-10-13	Vertebrae, IVD and spinal canal boundary extraction on MRI, utilizing CT-trained active shape models 2021-Dec, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-021-02502-1 PMID:34643884	研究论文	提出一种利用CT训练的活动形状模型在MRI中提取椎骨、椎间盘和椎管边界的方法	使用从CT图像导出的形状先验来指导MRI中的边界提取，不依赖于CT/MR图像对，且不需要大量训练数据	需要有限的用户干预	在MRI中自动提取椎骨、椎间盘和椎管的边界	MRI图像中的椎骨、椎间盘和椎管	计算机视觉	脊髓疾病	活动形状模型	活动形状模型	图像	两个MRI数据集	NA	活动形状模型	NA	NA
2	2026-09-22	Fast Real-Time Cardiac MRI: a Review of Current Techniques and Future Directions 2021-Dec, Investigative magnetic resonance imaging DOI:10.13104/imri.2021.25.4.252 PMID:42158585	综述	本文综述了实时心脏MRI的现有技术，根据非迭代和迭代重建方法分类，并讨论了深度学习图像重建等未来方向	系统分类实时心脏MRI技术为非迭代和迭代重建两类，并指出深度学习图像重建和自由呼吸实时成像等新兴趋势	未提及具体实验验证或定量比较，可能缺乏对各类方法性能的详细评估	讨论已开发的实时心脏MRI方法，以克服传统心脏MRI的局限性，并展望未来研究方向	实时心脏MRI技术，包括数据采集和图像重建方法	医学影像	心血管疾病	心脏磁共振成像	NA	医学图像	NA	NA	NA	NA	NA
3	2026-08-25	Federated Learning for Microvasculature Segmentation and Diabetic Retinopathy Classification of OCT Data 2021-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2021.100069 PMID:36246944	研究论文	评估联邦学习框架在基于深度神经网络的视网膜微血管分割和可参考糖尿病视网膜病变分类中的应用，使用OCT和OCTA数据	首次在OCT和OCTA数据上应用联邦学习进行微血管分割和糖尿病视网膜病变分类，并比较了与其他协作训练方法的效果	未明确提及局限性，但可能包括数据异质性、通信开销等	评估联邦学习在视网膜微血管分割和RDR分类中的性能，并保持数据隐私	OCT和OCTA扫描图像，包括153张OCTA en face图像用于分割，700只眼睛用于分类	计算机视觉	糖尿病视网膜病变	OCT和OCTA成像	深度神经网络	图像	153张OCTA en face图像用于分割，700只眼睛用于分类	NA	NA	准确率, Dice相似系数, AUROC, 精确率-召回率曲线下面积, 平衡准确率, F1分数, 灵敏度, 特异度	NA
4	2026-08-25	Deepfakes in Ophthalmology: Applications and Realism of Synthetic Retinal Images from Generative Adversarial Networks 2021-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2021.100079 PMID:36246951	研究论文	本研究评估专家区分由生成对抗网络合成的视网膜眼底图像与真实图像的能力，并回顾了GAN在眼科中的当前应用和局限性。	首次评估眼科专家区分真实与合成视网膜眼底图像的能力，并系统回顾了GAN在眼科中的应用。	专家数量有限，且图像生成基于特定疾病（ROP）的单一数据集，可能影响泛化性。	评估GAN合成的视网膜图像的真实性，并总结其在眼科中的应用和局限。	基于多中心ROP筛查项目获取的4282对眼底图像和视网膜血管图。	计算机视觉	早产儿视网膜病变	GAN	GAN	图像	4282对图像，其中880张用于生成，50张合成图像和50张真实图像用于专家评估	PyTorch	Pix2Pix HD	准确率	未提及
5	2026-08-18	Accurate Point Cloud Registration with Robust Optimal Transport 2021-Dec, Advances in neural information processing systems PMID:42602398	研究论文	本文研究使用鲁棒最优传输（OT）进行形状匹配，并展示其可提升点云配准的基于优化和深度学习方法的性能	提出利用现代OT求解器增强点云配准，提供实用概览并解决应用难点，首次在肺血管树配准等挑战性任务上取得最先进结果，并发布新数据集PVT1010	未在摘要中明确提及局限性，可能包括计算成本、对特定复杂形状的适应性或数据集规模限制	探索鲁棒最优传输在点云配准中的应用，以提升精度和可扩展性，并为计算视觉工具箱提供新方法	点云数据，包括部分形状、场景流（Kitti数据集）和肺血管树（吸气和呼气阶段）	计算机视觉	肺部疾病（相关于肺血管树配准任务）	最优传输（OT）	非参数方法（基于优化）和深度学习方法	点云（图像、3D形状）	PVT1010数据集包含1,010对肺血管树，每对具有密集采样点	NA	NA	准确率（accuracy）和可扩展性（scalability）	未提及，代码和数据集在线公开（GitHub链接）
6	2026-08-17	Protein tertiary structure prediction and refinement using deep learning and Rosetta in CASP14 2021-12, Proteins IF:3.2Q2 DOI:10.1002/prot.26194 PMID:34331359	研究论文	本文介绍了在CASP14中利用深度学习与Rosetta进行蛋白质三级结构预测和优化的方法，通过引入语言模型嵌入和模板信息，并开发了基于DeepAccNet的优化流程，显著提升了预测性能。	创新点在于将语言模型嵌入和基于序列相似性加权的模板信息作为输入，结合DeepAccNet精度预测器指导的模板自由和模板利用版本trRosetta模型的组合优化流程，提高了预测速度和资源效率。	限制在于优化改进相对有限，部分原因在于缺失结构域间或链间接触信息，导致高分辨率优化效果不显著。	旨在改进trRosetta蛋白质结构预测方法，提高预测精度和效率，并开发有效的优化流程。	研究对象是蛋白质三级结构，涉及CASP14中的目标蛋白质。	机器学习和结构生物学	不适用	深度学习，语言模型嵌入，模板信息加权，Rosetta	深度学习网络（如trRosetta），精度预测器DeepAccNet	蛋白质序列和模板信息	CASP14中的多个目标蛋白质，具体数量未在标题和摘要中提及。	未明确提及，可能涉及TensorFlow或PyTorch等，但未在摘要中说明。	trRosetta（残基间距离和方向预测），DeepAccNet	预测精度（如TM-score，GDT），计算时间（中位数<3小时），资源消耗	计算资源较少，完成整个建模过程的中位时间少于3小时，但具体GPU类型等未提及。
7	2026-05-27	Subtyping of mild cognitive impairment using a deep learning model based on brain atrophy patterns 2021-12-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2021.100467 PMID:35028609	研究论文	基于脑萎缩模式的深度学习模型用于轻度认知障碍亚型分类	首次仅基于脑萎缩模式进行MCI亚型分类，而非传统认知测量	未明确提及局限性	开发基于脑萎缩的MCI亚型分类方法，以识别生物学和临床上有意义的亚组	轻度认知障碍（MCI）患者	数字病理学	阿尔茨海默病	MRI	深度学习	全脑MRI图像	未明确提及样本量	NA	NA	认知、临床、液体生物标志物及分子影像数据用于验证	NA
8	2026-05-06	Advancing diagnostic performance and clinical applicability of deep learning-driven generative adversarial networks for Alzheimer's disease 2021-Dec, Psychoradiology DOI:10.1093/psyrad/kkab017 PMID:38666217	综述	系统综述生成对抗网络在阿尔茨海默病诊断中的应用，评估其相比于其他方法在分类和图像处理中的性能	首次系统比较生成对抗网络与其他方法在阿尔茨海默病诊断中的分类准确性和图像处理性能	多数研究使用公开数据库数据，缺少临床验证；定量评估和比较过程缺乏临床医生参与	评估生成对抗网络在阿尔茨海默病诊断中的应用价值并提出临床建议	阿尔茨海默病相关影像研究	机器学习	阿尔茨海默病	NA	生成对抗网络	图像	NA	NA	生成对抗网络	准确性	NA
9	2026-03-05	Pseudonymisation of neuroimages and data protection: Increasing access to data while retaining scientific utility 2021-Dec, Neuroimage. Reports DOI:10.1016/j.ynirp.2021.100053 PMID:40568426	综述	本文探讨了神经影像数据在开放科学与数据保护之间的平衡，分析了现有去标识化技术的隐私局限性，并提出了促进数据共享的技术和组织措施	结合机器学习的最新进展，重新评估了神经影像去标识化技术的隐私风险，并提出了综合性的解决方案以在保护隐私的同时保持数据科学效用	未提供具体的实验验证或量化分析来支持所讨论的技术措施的有效性	旨在澄清神经影像数据匿名化、假名化和去标识化的概念，并探索在满足数据保护要求的同时最大化数据科学效用的方法	神经影像数据及其相关的隐私保护技术	机器学习和数字病理学	NA	去脸、颅骨剥离、面部掩码/模糊化等面部特征移除技术	NA	神经影像数据	NA	NA	NA	NA	NA
10	2026-03-02	A Deep-Learning Proteomic-Scale Approach for Drug Design 2021-Dec-07, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph14121277 PMID:34959678	研究论文	本研究利用深度学习技术，通过降维和生成模型，基于药物-蛋白质组相互作用签名设计新型药物样化合物，以加速药物发现过程	首次将深度学习中的降维自编码器和条件变分自编码器应用于CANDO平台，用于生成具有目标相互作用签名的新型药物化合物，实现了药物设计的自动化	研究仅基于计算预测，未进行实验验证；模型性能可能受限于训练数据的质量和覆盖范围	开发一种基于深度学习的全自动药物设计方法，以提高药物发现的效率和安全性	药物/化合物与人类蛋白质组结构的相互作用签名，以及针对特定疾病（如非小细胞肺癌和抗衰老）的药物设计	机器学习	肺癌	深度学习，蛋白质组学分析	自编码器，条件变分自编码器	药物-蛋白质组相互作用签名数据	涉及20种已批准和实验性药物，以及13种与非小细胞肺癌和抗衰老相关的药物/化合物	NA	自编码器，条件变分自编码器	行为相似性预测的p值（≤0.05）	NA
11	2025-10-06	Using deep learning to predict microvascular invasion in hepatocellular carcinoma based on dynamic contrast-enhanced MRI combined with clinical parameters 2021-Dec, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-021-03617-3 PMID:33839938	研究论文	开发基于动态对比增强MRI和临床参数的深度学习模型预测肝细胞癌微血管侵犯状态	首次结合八序列MRI的CNN分支与临床参数构建深度学习模型预测MVI状态和分级	单中心回顾性研究，样本量有限，需要多中心前瞻性验证	预测肝细胞癌微血管侵犯状态以指导治疗决策和预后评估	经病理证实MVI状态的肝细胞癌患者	医学影像分析	肝细胞癌	动态对比增强磁共振成像	CNN	医学影像, 临床参数	601例肝细胞癌患者（376例MVI阴性，225例MVI阳性）	NA	多分支CNN	AUC, 准确率	NA
12	2025-10-06	High-Throughput Molecular Imaging via Deep-Learning-Enabled Raman Spectroscopy 2021-12-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.1c02178 PMID:34797972	研究论文	提出基于深度学习的拉曼光谱框架DeepeR，实现高通量分子成像	开发首个结合去噪重建与空间超分辨的深度学习拉曼光谱框架，实现最高160倍成像加速	需要大量训练数据（150万光谱），组织尺度成像需依赖迁移学习	解决拉曼光谱数据采集速度慢的问题，实现高通量分子成像	细胞和组织尺度的生物样本	计算生物医学成像	NA	拉曼光谱，深度学习	神经网络	高光谱拉曼图像	超过150万光谱（相当于400小时采集数据）	NA	NA	均方误差，空间分辨率	NA
13	2025-02-21	Human Motion Tracking Using 3D Image Features with a Long Short-Term Memory Mechanism Model-An Example of Forward Reaching 2021-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s22010292 PMID:35009834	研究论文	本文提出了一种使用3D图像特征和深度双向长短期记忆（DBLSTM）机制模型进行人体运动跟踪的深度学习技术	相比传统的2D图像系统，提出的系统在人体运动跟踪能力上有所提升，特别是在加速度的RMSE上表现优异	虽然3D图像特征提供了更准确的人体运动信息，但系统的实际应用可能受到3D图像采集和处理复杂性的限制	开发一种更有效的人体运动跟踪技术，以改善康复任务中的运动记录	人体运动	计算机视觉	NA	深度学习	DBLSTM	3D图像	NA	NA	NA	NA	NA
14	2025-02-21	BiLSTM-5mC: A Bidirectional Long Short-Term Memory-Based Approach for Predicting 5-Methylcytosine Sites in Genome-Wide DNA Promoters 2021-Dec-07, Molecules (Basel, Switzerland) DOI:10.3390/molecules26247414 PMID:34946497	研究论文	本研究提出了一种基于双向长短期记忆网络（BiLSTM）的深度学习方法BiLSTM-5mC，用于准确识别全基因组DNA启动子中的5-甲基胞嘧啶（5mC）位点	提出了一种新的深度学习方法BiLSTM-5mC，通过整合22个子模型的输出并使用多数投票策略来预测5mC位点，优于现有方法	未提及具体的数据集大小或样本来源，可能限制了结果的普适性	研究目的是开发一种高效的方法来识别DNA启动子中的5mC位点，以进一步理解DNA甲基化在癌症和衰老等遗传疾病中的功能	全基因组DNA启动子中的5mC位点	机器学习	癌症	深度学习	BiLSTM	DNA序列数据	未明确提及具体样本数量	NA	NA	NA	NA
15	2025-02-21	Power efficient refined seizure prediction algorithm based on an enhanced benchmarking 2021-12-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-02798-8 PMID:34873202	研究论文	本文提出了一种基于增强基准的节能型癫痫发作预测算法，通过改进数据处理和模型架构，提高了预测性能	提出了一种结合一维卷积神经网络和双向长短期记忆网络的深度学习架构，并采用留一法交叉验证以避免过拟合，同时优化了硬件实现	未提及具体数据集的多样性和规模限制，可能影响模型的泛化能力	改进癫痫发作预测算法的性能和硬件友好性	癫痫发作预测	机器学习	癫痫	深度学习	1D CNN + Bi-LSTM	时间序列数据	未明确提及具体样本数量	NA	NA	NA	NA
16	2025-10-07	Deep learning-based motion tracking using ultrasound images 2021-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.15321 PMID:34724712	研究论文	本研究开发了一种基于深度学习的超声图像运动跟踪方法，用于放射治疗中的实时运动跟踪	提出了一种基于生成对抗网络的马尔可夫式网络结构，能够从序列超声图像中提取特征并估计变形矢量场	研究仅使用了公开数据集进行验证，未在真实临床环境中进行大规模测试	开发用于放射治疗中实时运动跟踪的深度学习算法	超声图像序列中的解剖标志点运动	计算机视觉	肿瘤治疗	超声成像	GAN	2D和3D超声图像序列	CLUST数据集：63个2D序列（42名受试者）和22个3D序列（18名受试者）；CAMUS数据集：450名患者的2D超声图像	NA	马尔可夫式网络	跟踪误差	NA
17	2024-12-12	Convolutional Neural Networks for Fully Automated Diagnosis of Cardiac Amyloidosis by Cardiac Magnetic Resonance Imaging 2021-Dec-01, Journal of personalized medicine IF:3.0Q1 DOI:10.3390/jpm11121268 PMID:34945740	研究论文	本文研究了使用卷积神经网络（CNN）通过心脏磁共振成像（CMR）自动诊断心脏淀粉样变性（CA）	本文首次使用人工智能（AI）驱动的算法通过CMR图像检测心脏淀粉样变性的潜在模式	本文的局限性在于仅使用了502名患者的数据进行训练和验证	本文的研究目的是探索通过AI技术提高心脏淀粉样变性的诊断准确性	本文的研究对象是心脏淀粉样变性患者的心脏磁共振成像数据	计算机视觉	心血管疾病	卷积神经网络（CNN）	卷积神经网络（CNN）	图像	502名患者（其中82名患有心脏淀粉样变性）	NA	NA	NA	NA
18	2024-12-01	Automated detection of brain metastases on non-enhanced CT using single-shot detectors 2021-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-021-02743-6 PMID:34114064	研究论文	研究使用单次检测器（SSD）模型在非增强CT上自动检测脑转移瘤	开发了一种基于深度学习的单次检测器（SSD）模型，用于在非增强CT上检测脑转移瘤	SSD模型在检测小于6mm的病灶时表现不佳，且部分检测结果在回顾性分析中对放射科医生也不明显	开发和评估基于深度学习的检测器，用于在非增强CT上检测脑转移瘤	脑转移瘤在非增强CT上的检测	计算机视觉	脑部疾病	深度学习	单次检测器（SSD）	图像	116例非增强CT，来自116名患者	NA	NA	NA	NA
19	2024-10-06	COVID-19 infection localization and severity grading from chest X-ray images 2021-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.105002 PMID:34749094	研究论文	本文提出了一种从胸部X光图像中定位COVID-19感染并进行严重程度分级的方法	构建了包含33,920张胸部X光图像的最大基准数据集，并采用人机协作方法进行肺部分割掩码的标注；使用U-Net、U-Net++和特征金字塔网络（FPN）进行实验，实现了高精度的肺部分割和感染定位	数据集主要集中在COVID-19样本上，可能限制了模型的泛化能力	开发一种自动化的方法来定位COVID-19感染并评估其严重程度	COVID-19感染的定位和严重程度分级	计算机视觉	COVID-19	深度学习	U-Net, U-Net++, 特征金字塔网络 (FPN)	图像	33,920张胸部X光图像，其中11,956张为COVID-19样本	NA	NA	NA	NA
20	2024-10-06	A review of deep learning-based three-dimensional medical image registration methods 2021-Dec, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-21-175 PMID:34888197	综述	本文综述了过去五年基于深度学习的三维医学图像配准方法的进展，并指出了现有挑战和未来研究方向	总结了深度学习在三维医学图像配准中的应用进展，并分类讨论了不同方法的优缺点	未提供具体的技术细节或实验结果，仅进行了文献综述	回顾和总结基于深度学习的三维医学图像配准方法，并探讨未来的研究方向	三维医学图像配准方法及其在不同医学程序中的应用	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA