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
21	2025-10-06	Invasiveness assessment by artificial intelligence against intraoperative frozen section for pulmonary nodules ≤ 3 cm 2023-Aug, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-04713-2 PMID:37016100	研究论文	本研究开发了一种基于3D卷积神经网络的人工智能系统，用于评估≤3cm肺结节的恶性程度和侵袭性	首次在多中心队列中验证AI系统在肺结节侵袭性评估方面的性能，并与术中冰冻切片检查进行对比	AI系统对直径大于1cm的实性结节存在误诊情况，与冰冻切片检查的一致性有待提高	评估人工智能算法在肺结节恶性肿瘤和侵袭性判断方面的性能	直径不超过3cm的肺结节	计算机视觉	肺癌	CT成像	CNN	CT图像	466个切除的肺结节	NA	3D卷积神经网络	AUC, 敏感性, 特异性, 一致性率	NA
22	2025-10-06	Modeling islet enhancers using deep learning identifies candidate causal variants at loci associated with T2D and glycemic traits 2023-08-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2206612120 PMID:37603758	研究论文	本研究开发了一种深度学习方法来分析序列变异对胰岛增强子的影响，用于识别与2型糖尿病和血糖性状相关的候选因果变异	开发了专门针对胰岛组织的深度学习模型，能够学习胰岛特异性转录因子调控模式，并成功应用于优先排序候选因果变异	方法主要聚焦于胰岛组织，可能不适用于其他组织类型；需要进一步的功能验证	识别与2型糖尿病和血糖性状相关的特定因果变异	胰腺胰岛组织，2型糖尿病相关遗传信号	机器学习	2型糖尿病	深度学习，生化测试，报告基因活性检测	深度学习	基因组序列数据	约6700万个遗传变异	NA	NA	生化验证，功能验证	NA
23	2025-10-06	Osteoarthritis year in review 2022: imaging 2023-08, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2023.03.005 PMID:36924919	综述	本文总结了2021年4月至2022年3月期间关于骨关节炎影像学研究的进展	重点关注人工智能在骨关节炎影像分析中的应用趋势，特别是纹理分析和预测模型开发	仅纳入英文发表的人体在体研究，可能存在语言和文献类型偏倚	回顾骨关节炎影像学领域的最新研究进展	人体胫股关节、髌股关节、髋关节和手关节的结构	医学影像分析	骨关节炎	放射摄影、超声、计算机断层扫描、双能X线吸收测量法、磁共振成像	深度学习	医学影像	涉及17-37个开放数据库和154篇AI相关文献	NA	NA	NA	NA
24	2025-10-06	Deep Learning-Based Image Analysis of Liver Steatosis in Mouse Models 2023-08, The American journal of pathology DOI:10.1016/j.ajpath.2023.04.014 PMID:37236505	研究论文	开发基于深度学习的图像分析模型用于量化小鼠肝脏脂肪变性	首次使用深度学习模型在H&E染色全切片图像上同时识别和区分微泡性和大泡性脂肪变性	研究仅使用小鼠模型数据，未在人类样本上验证	开发高效研究非酒精性脂肪肝病表现和分析药物疗效的新方法	小鼠肝脏组织	数字病理学	非酒精性脂肪肝病	H&E染色，全切片成像	深度神经网络	图像	101张全切片图像（野生型小鼠和两种基因修饰小鼠模型）	Aiforia Create	NA	与病理专家评估相关性，与EchoMRI测量相关性，与总肝甘油三酯相关性	基于云平台
25	2025-10-06	An Interpretable Longitudinal Preeclampsia Risk Prediction Using Machine Learning 2023-Aug-16, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.16.23293946 PMID:37645797	研究论文	开发一种基于机器学习的可解释性纵向子痫前期风险预测工具	使用常规临床数据开发全面的纵向预测工具，能够在整个孕期预测子痫前期风险，并识别出比现有标准多48.6%的高风险患者	回顾性研究设计，使用的生物标志物在临床实践中不常规可用	开发能够纵向预测子痫前期风险的工具	在新英格兰地区六家社区医院和两家三级医院分娩的患者	机器学习	子痫前期	机器学习，深度学习	线性回归, 随机森林, XGBoost, 深度神经网络	社会人口统计学数据，临床诊断，家族史，实验室数据，生命体征	120,752名患者（其中6,920名患有子痫前期）	NA	NA	AUC（曲线下面积）	NA
26	2025-10-07	Active learning of enhancer and silencer regulatory grammar in photoreceptors 2023-Aug-22, bioRxiv : the preprint server for biology DOI:10.1101/2023.08.21.554146 PMID:37662358	研究论文	本研究使用主动机器学习方法在哺乳动物视网膜中训练深度学习模型，以预测光感受器中增强子和沉默子的调控语法	采用主动机器学习策略，通过多轮合成DNA序列分析迭代训练模型，相比现有方法减少了一个数量级的训练数据需求	研究主要聚焦于光感受器转录因子CRX的结合基序，可能不直接适用于其他类型的调控元件	建立能够从DNA序列准确预测调控元件活性的深度学习模型	包含光感受器转录因子Cone-rod homeobox (CRX)结合基序的DNA序列	机器学习	NA	合成DNA序列分析，活体哺乳动物视网膜检测	深度学习	DNA序列数据	多轮合成的DNA序列，具体数量未明确说明	NA	NA	模型内部置信度估计，序列活性预测准确性	NA
27	2025-10-07	AORTA Gene: Polygenic prediction improves detection of thoracic aortic aneurysm 2023-Aug-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.23.23294513 PMID:37662232	研究论文	本研究开发了包含110万个变异的胸主动脉直径多基因评分模型AORTA Gene，相比仅使用临床因素的模型能更准确预测胸主动脉瘤	首次将深度学习测量的主动脉直径与全基因组关联研究结合，构建了包含110万个变异的多基因评分模型	需要更大规模和更多样化的队列来开发更强大和公平的评分模型	通过多基因评分改进胸主动脉瘤的检测能力	人类胸主动脉直径测量与遗传变异分析	机器学习	心血管疾病	深度学习，全基因组关联研究(GWAS)，多基因评分	深度学习模型	医学影像数据，基因数据	UK Biobank 49,939人（训练集39,524人，测试集4,962人），MGB Biobank 5,469人，Framingham Heart Study 1,298人，All of Us 610人	NA	NA	方差解释率，AUROC	NA
28	2025-04-06	Domain Agnostic Post-Processing for QRS Detection Using Recurrent Neural Network 2023-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3235341 PMID:37018588	研究论文	本文提出了一种基于循环神经网络（RNN）的领域无关后处理方法，用于改进QRS检测算法中的R峰定位	首次提出使用RNN模型从QRS分割深度学习模型的输出中学习所需的后处理，实现领域无关的自动化后处理	在某些情况下（使用浅层QRS分割模型和TWADB数据集时）性能略低于领域特定后处理方法（差距≤2%）	改进QRS检测算法中的后处理步骤，提高模型的泛化能力	QRS检测算法的后处理流程	机器学习	心血管疾病	RNN	RNN	信号数据	NA	NA	NA	NA	NA
29	2025-04-06	CAT: Constrained Adversarial Training for Anatomically-Plausible Semi-Supervised Segmentation 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3243069 PMID:37022409	研究论文	提出了一种名为CAT的约束对抗训练方法，用于生成解剖学上合理的半监督医学图像分割结果	通过对抗训练策略和Reinforce算法解决非可微分解剖约束的集成问题，能够考虑连通性、凸性和对称性等复杂解剖约束	未提及具体在哪些临床数据集上测试，以及与其他方法的详细对比结果	提高医学图像分割的解剖学合理性	医学图像分割	数字病理	NA	对抗训练、Reinforce算法	深度学习模型	医学图像	合成数据和四个临床相关数据集（未说明具体样本量）	NA	NA	NA	NA
30	2025-04-06	Attributed Abnormality Graph Embedding for Clinically Accurate X-Ray Report Generation 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3245608 PMID:37027529	研究论文	本文提出了一种新的知识图结构——属性异常图（ATAG），用于提高X射线报告生成的临床准确性	引入ATAG结构自动构建细粒度异常图，结合图注意力网络和分层注意力机制提升报告生成质量	NA	提高X射线报告生成的临床准确性	X射线图像及其报告	计算机视觉	NA	图注意力网络（GAT）	encoder-decoder架构	X射线图像和文本报告	基于基准数据集进行实验	NA	NA	NA	NA
31	2025-04-06	SDMT: Spatial Dependence Multi-Task Transformer Network for 3D Knee MRI Segmentation and Landmark Localization 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3247543 PMID:37027574	研究论文	提出了一种名为SDMT的空间依赖多任务Transformer网络，用于3D膝关节MRI的分割和标志点定位	利用分割结果和标志点位置的空间依赖性相互促进两个任务，设计了任务混合多头注意力机制和动态权重多任务损失函数	仅在自建的3D膝关节MRI多任务数据集上进行了验证	开发一种能够同时完成膝关节MRI分割和标志点定位的多任务深度学习模型	3D膝关节MRI图像	计算机视觉	膝关节疾病	深度学习	Transformer	3D MRI图像	未明确说明样本数量（使用自建数据集）	NA	NA	NA	NA
32	2025-04-06	On the Importance of Domain Awareness in Classifier Interpretations in Medical Imaging 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3247659 PMID:37027636	研究论文	本文探讨了在医学影像分类中领域感知的重要性，并提出了一种领域感知的放射学环境解释流程	提出了边缘化技术和评估程序来解决医学影像病理分类器中的分布外问题，并设计了一个完整的领域感知流程	当前主流方法使用启发式且未经验证的方法论，可能在验证域之外操作网络	提高深度学习辅助分类在临床适应中的可解释性	医学影像病理分类器	数字病理	NA	深度学习	CNN	图像	两个公开可用的图像数据集（CBIS-DDSM/DDSM乳腺X光片集合和Chest X-ray14放射影像）	NA	NA	NA	NA
33	2025-04-04	Rapid 3D T1 mapping using deep learning-assisted Look-Locker inversion recovery MRI 2023-08, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29672 PMID:37125662	研究论文	提出了一种基于深度学习的快速3D T1映射方法，无需延迟时间即可进行MRI成像	利用深度学习学习T1*到T1的转换，消除了传统方法中需要的延迟时间，从而缩短了扫描时间	训练数据仅包含39个GraspT1-TD6数据集和14个GraspT1-TD0数据集，样本量相对较小	开发一种更高效和稳健的3D LLIR T1映射方法	MRI成像中的T1映射	医学影像分析	NA	深度学习辅助的Look-Locker反转恢复MRI	深度学习模型	MRI图像	39个GraspT1-TD6数据集和14个GraspT1-TD0数据集	NA	NA	NA	NA
34	2025-10-07	Deep learning approximation of attenuation maps for myocardial perfusion SPECT with an IQ ⋅ ⋅ SPECT collimator 2023-08-28, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-023-00568-1 PMID:37639082	研究论文	本研究使用深度学习技术从非衰减校正的SPECT重建图像中近似估计衰减图	首次证明了在配备IQ SPECT准直器的SPECT扫描仪上使用深度学习近似衰减图的可行性	研究为回顾性研究，样本量相对有限	研究是否可以从非衰减校正的SPECT重建图像中近似估计衰减图	心肌灌注SPECT成像	医学影像分析	心血管疾病	SPECT成像，深度学习	U-Net, GAN	医学影像	150项研究	条件生成对抗网络框架	U-Net	归一化平均绝对误差，绝对百分比误差	NA
35	2025-02-21	Localization Free Super-Resolution Microbubble Velocimetry Using a Long Short-Term Memory Neural Network 2023-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3251197 PMID:37028074	研究论文	本文介绍了一种基于长短期记忆神经网络的超分辨率微泡测速技术Deep-SMV，该技术无需定位，能够在高微泡浓度下提供高成像速度和鲁棒性，并直接输出超分辨率的血流速度测量	Deep-SMV技术首次实现了在高微泡浓度下的超分辨率血流速度图重建，克服了传统技术对低微泡浓度的限制	尽管Deep-SMV在多种成像场景中成功应用，但其在更广泛的临床环境中的有效性和稳定性仍需进一步验证	开发一种无需定位的超分辨率微泡测速技术，以提高成像速度和鲁棒性，并直接输出血流速度测量	微泡流动模拟、活体血管数据、流动通道模型、鸡胚胎绒毛尿囊膜和小鼠脑成像	计算机视觉	NA	长短期记忆神经网络（LSTM）	LSTM	图像	多种成像场景，包括流动通道模型、鸡胚胎绒毛尿囊膜和小鼠脑成像	NA	NA	NA	NA
36	2025-02-20	Author Correction: Deep learning enables fast, gentle STED microscopy 2023-Aug-10, Communications biology IF:5.2Q1 DOI:10.1038/s42003-023-05222-1 PMID:37563357	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
37	2025-10-07	Deep-learning CT reconstruction in clinical scans of the abdomen: a systematic review and meta-analysis 2023-08, Abdominal radiology (New York) DOI:10.1007/s00261-023-03966-2 PMID:37280374	系统综述与荟萃分析	对腹部CT扫描中两种商用深度学习重建算法进行系统评价和荟萃分析	首次对商用深度学习CT重建算法(True Fidelity和AiCE)在腹部扫描中的应用进行系统性评估	仅评估了单一厂商的双能量CT，需要更多剂量水平和临床适应症的评估	评估深度学习CT重建算法在腹部扫描中的图像质量和辐射剂量优化效果	人体腹部CT扫描	医学影像分析	腹部疾病	CT扫描	深度学习重建算法	CT图像	44篇符合纳入标准的研究(32篇评估TF，12篇评估AiCE)	NA	True Fidelity, Advanced intelligent Clear-IQ Engine (AiCE)	噪声降低率, 对比噪声比, 病灶检测能力, 辐射剂量降低潜力	NA
38	2025-10-07	Evolution of Breast Cancer Recurrence Risk Prediction: A Systematic Review of Statistical and Machine Learning-Based Models 2023-08, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00049 PMID:37566789	系统综述	本文系统回顾了2008-2022年间乳腺癌复发风险预测模型的发展，比较统计方法与机器学习模型的性能差异	首次系统比较统计与机器学习方法在乳腺癌复发预测中的表现，并特别关注患者种族多样性问题	纳入分析的研究数量有限（仅23篇），且存在模型可解释性不足和泛化能力有限的问题	系统评估乳腺癌复发风险预测模型的发展历程和性能表现	乳腺癌患者复发风险预测模型	机器学习	乳腺癌	统计方法，机器学习	支持向量机，决策树，逻辑回归，朴素贝叶斯，深度学习，集成学习	临床数据	基于23篇研究论文的汇总分析	NA	NA	AUC	NA
39	2025-10-07	Dual-sensory fusion self-powered triboelectric taste-sensing system towards effective and low-cost liquid identification 2023-08, Nature food IF:23.6Q1 DOI:10.1038/s43016-023-00817-7 PMID:37563492	研究论文	开发了一种基于液滴动态形态变化和液固接触带电的双感官融合自供电味觉传感系统，用于液体识别	结合摩擦电指纹信号和深度学习实现液体识别，并集成图像传感器提取液体视觉特征，通过双感官融合提高识别能力	NA	开发有效且低成本的液体传感技术，用于液体食品安全识别和管理	液体物质	智能传感	NA	液固接触带电，图像传感	深度学习	摩擦电信号，图像	NA	NA	NA	准确率	NA
40	2024-12-08	Progressively refined deep joint registration segmentation (ProRSeg) of gastrointestinal organs at risk: Application to MRI and cone-beam CT 2023-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.16527 PMID:37265185	研究论文	本文开发了一种名为ProRSeg的深度网络，用于胃肠道器官的风险区域的联合注册和分割，并评估其在MRI和锥束CT上的应用	ProRSeg网络在MRI和CBCT上的分割和注册精度显著高于其他方法	研究缺乏独立的测试和基准幻影数据集来测量剂量累积的准确性	开发一种能够准确分割和注册胃肠道器官风险区域的深度学习网络，并评估其在放射治疗中的应用	胃肠道器官风险区域，包括胃、十二指肠、大肠和小肠	计算机视觉	胰腺癌	深度学习	ProRSeg	MRI和CBCT图像	110张T2加权MRI图像和80张CBCT图像	NA	NA	NA	NA