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	Social Media Images Can Predict Suicide Risk Using Interpretable Large Language-Vision Models 2023-11-29, The Journal of clinical psychiatry IF:4.5Q1 DOI:10.4088/JCP.23m14962 PMID:38019588	研究论文	本研究开发了一个可解释的预测模型，利用社交媒体图像预测临床有效的自杀风险	首次证明公开可用的图像可用于预测经过验证的自杀风险，结合理论驱动特征与自下而上方法，提供简单灵活的策略	数据来源于2018年特定时间段，样本量相对有限，仅基于Facebook用户数据	开发可解释的自杀风险预测模型，解决现有AI方法的黑箱问题	841名Facebook用户上传的177,220张图像	多模态学习	心理健康疾病	对比语言-图像预训练(CLIP)	逻辑回归,深度学习	图像	841名用户，177,220张图像	CLIP	CLIP,逻辑回归	AUC, Cohen's d	NA
22	2025-10-06	Accurate staging of chick embryonic tissues via deep learning of salient features 2023-11-15, Development (Cambridge, England) DOI:10.1242/dev.202068 PMID:37830145	研究论文	本研究开发了一种基于深度学习的鸡胚胎组织精确分期方法	通过生物信息学转换和数据驱动预处理步骤，在小样本数据集上成功训练出高精度的分期分类器	数据集规模较小（151张图像），可能影响模型的泛化能力	开发精确无偏的鸡胚胎组织分期方法	HH10期鸡胚胎大脑和翅膀组织	计算机视觉	NA	显微镜成像	CNN	图像	151张鸡大脑图像和269张鸡翅膀图像	NA	深度卷积神经网络	准确率	NA
23	2025-10-06	Deep learning-based multi-stage postoperative type-b aortic dissection segmentation using global-local fusion learning 2023-Nov-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfec7 PMID:37774717	研究论文	提出基于深度学习的多阶段术后B型主动脉夹层分割框架，采用全局-局部融合学习机制	设计两阶段分割流程和全局-局部融合学习机制，通过补偿裁剪图像缺失的上下文特征提升分割性能	NA	开发术后B型主动脉夹层的快速准确分割技术，支持患者特异性3D形态学和血流动力学分析	B型主动脉夹层患者术后影像数据	医学图像分析	心血管疾病	计算机断层扫描血管成像	深度学习	医学影像	133名患者的306张随访图像，多中心数据集	NA	NA	Dice相似系数	NA
24	2025-10-06	Radiation-induced acoustic signal denoising using a supervised deep learning framework for imaging and therapy monitoring 2023-Nov-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0283 PMID:37820684	研究论文	本研究开发了一种通用深度初始卷积神经网络(GDI-CNN)用于辐射诱导声学信号去噪，显著减少成像所需的帧平均数量	提出了一种在每个初始块中使用多膨胀卷积的神经网络架构，能够编码和解码具有不同时间特征的信号，可泛化用于不同辐射源的声学信号去噪	NA	开发深度学习框架用于辐射诱导声学信号去噪，以降低成像剂量并提高时间分辨率	X射线诱导声学信号、质子声学信号和电声学信号	医学影像处理	NA	辐射诱导声学成像	CNN	声学信号	NA	NA	GDI-CNN, 深度初始卷积神经网络	均方误差, 峰值信噪比, 结构相似性	NA
25	2025-10-06	Self-supervised enhanced thyroid nodule detection in ultrasound examination video sequences with multi-perspective evaluation 2023-Nov-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092a PMID:37918343	研究论文	提出基于视频的深度学习模型用于甲状腺结节检测，通过相邻帧感知和自监督学习提升检测性能	将甲状腺结节检测从基于图像扩展到基于视频，利用超声视频中的时序上下文信息；提出相邻帧感知模块和无需额外标注的补丁尺度自监督模型	需要大量视频数据进行训练，模型性能可能受超声图像质量影响	开发准确、实时的甲状腺结节自动检测方法	甲状腺结节	计算机视觉	甲状腺结节	超声检查	深度学习模型	超声视频序列	92个视频包含23,773帧，其中60个标注视频包含16,694帧	NA	相邻帧感知模块，补丁尺度自监督模型	AP@50，精确率-召回率曲线下面积	NA
26	2025-10-06	Atypical architectural distortion detection in digital breast tomosynthesis: a multi-view computer-aided detection model with ipsilateral learning 2023-Nov-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092b PMID:37918341	研究论文	提出一种基于解剖结构的多视角信息融合方法，用于数字乳腺断层摄影中非典型结构扭曲的计算机辅助检测	首次利用同侧视角间的解剖结构对应关系，通过孪生网络架构和三重模块有效融合多视角信息	未明确说明模型在不同人群或设备间的泛化能力	开发用于数字乳腺断层摄影中非典型结构扭曲检测的计算机辅助检测模型	数字乳腺断层摄影的头尾位和内外斜位图像	计算机视觉	乳腺癌	数字乳腺断层摄影	深度学习, 孪生网络	医学影像	NA	NA	Siamese network	平均真阳性分数, 每体积假阳性数, 80%灵敏度下的假阳性数	NA
27	2025-10-06	Deep learning based MLC aperture and monitor unit prediction as a warm start for breast VMAT optimisation 2023-Nov-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad07f6 PMID:37903442	研究论文	提出基于深度学习的乳腺VMAT优化方法，直接从患者解剖结构预测MLC孔径和监测单元	首次使用深度学习直接从患者解剖结构预测VMAT MLC孔径和监测单元，作为优化器的初始化参数	研究仅针对右侧乳腺癌患者，样本量相对有限	开发自动化的放射治疗计划优化方法	乳腺癌患者的放射治疗计划	医学影像分析	乳腺癌	容积旋转调强放疗(VMAT)	CNN	CT影像和轮廓投影	148例患者（训练集101例，验证集23例，测试集24例）	NA	U-net	剂量差异，计算时间	NA
28	2025-10-06	Deep learning-based workflow for hip joint morphometric parameter measurement from CT images 2023-Nov-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad04aa PMID:37852280	研究论文	提出基于深度学习的CT图像髋关节形态参数自动测量工作流	首次开发从粗到精的深度学习模型实现髋关节几何重建，并建立稳健的形态参数测量方法	仅在两个不同成像协议的数据集上验证，样本多样性可能有限	提高髋关节置换术前规划的准确性和鲁棒性	髋关节CT图像	计算机视觉	骨科疾病	CT成像	深度学习模型	CT图像	两个不同成像协议的数据集	NA	从粗到精深度学习模型	Dice系数, 标志点预测误差, Pearson相关系数, 组内相关系数	NA
29	2025-10-06	Deep learning based source imaging provides strong sublobar localization of epileptogenic zone from MEG interictal spikes 2023-11-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120366 PMID:37716593	研究论文	本研究开发了一种基于深度学习的电磁源成像框架，用于从MEG间歇性棘波中精确定位癫痫灶	结合中尺度神经元建模和深度学习，直接学习MEG数据中的传感器-源映射关系，提供超越传统物理源模型的替代方法	研究样本量相对有限（29名患者），且依赖于计算机模拟和临床验证的准确性	开发更准确和稳健的癫痫灶定位方法，提升MEG源定位和成像能力	29名药物抵抗性局灶性癫痫患者	医学影像分析	癫痫	脑磁图（MEG），颅内脑电图（iEEG），磁共振成像（MRI）	深度学习	脑磁图数据，MRI数据	29名药物抵抗性局灶性癫痫患者	NA	基于神经质量模型的深度学习架构	空间离散度，脑叶一致性，敏感性，特异性，定位误差	NA
30	2025-10-06	In silico co-crystal design: Assessment of the latest advances 2023-11, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2023.103763 PMID:37689178	综述	本文综述了机器学习、深度学习和基于网络的推荐方法在药物共结晶领域的应用进展	系统评估了机器学习在药物共晶体设计中的最新应用，并比较了晶体结构预测作为替代方法的价值	NA	评估机器学习方法在药物共晶体设计中的最新进展	药物共晶体	机器学习	NA	机器学习，深度学习，网络推荐方法，晶体结构预测	NA	晶体结构数据	NA	NA	NA	NA	NA
31	2025-10-06	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	本研究开发新方法揭示心脏肥大的复杂遗传架构，发现表观遗传相互作用在心脏结构调控中的重要作用	开发低信号符号迭代随机森林方法，结合深度学习从心脏MRI估计左心室质量，首次系统揭示心脏肥大的表观遗传调控网络	研究方法仍处于早期发展阶段，样本来源相对单一（主要基于UK Biobank数据）	探索心脏肥大的复杂遗传调控机制，特别是表观遗传相互作用	人类心脏组织、诱导多能干细胞来源的心肌细胞	机器学习	心血管疾病	心脏MRI、RNA沉默、单细胞形态分析、微流体系统	随机森林、深度学习	遗传数据、医学影像数据、转录组数据	UK Biobank中29,661个体的心脏MRI扫描，313例人类心脏组织的转录组数据	NA	NA	NA	NA
32	2025-10-06	Flow-field inference from neural data using deep recurrent networks 2023-Nov-16, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.14.567136 PMID:38014290	研究论文	提出一种名为FINDR的无监督深度学习方法，用于从神经群体活动中推断低维非线性随机动力学	开发了能够解耦任务相关和无关神经活动成分的深度循环网络方法，首次实现了流场和吸引子结构的显式可视化	方法性能主要在大鼠前脑区听觉决策任务数据上验证，在其他脑区和行为任务中的适用性需要进一步测试	推断神经群体活动背后的低维非线性随机动力学	大鼠前脑区在执行听觉决策任务时的群体脉冲序列数据	计算神经科学	NA	神经信号记录	循环神经网络	神经脉冲序列数据	NA	NA	深度循环网络	神经元响应捕捉能力	NA
33	2025-10-06	Predicting multiple sclerosis severity with multimodal deep neural networks 2023-11-09, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-023-02354-6 PMID:37946182	研究论文	本文提出了一种利用多模态深度神经网络预测多发性硬化症疾病严重程度的方法	首次整合结构化电子健康记录数据、神经影像数据和临床笔记构建多模态深度学习框架，相比单模态模型AUROC提升高达19%	未明确说明样本规模和数据收集的具体限制	预测多发性硬化症疾病严重程度，为早期治疗干预提供支持	多发性硬化症患者	医疗人工智能	多发性硬化症	多模态深度学习，电子健康记录分析，神经影像分析	深度神经网络	结构化电子健康记录，神经影像，临床文本笔记	NA	NA	多模态深度神经网络	AUROC	NA
34	2025-10-06	A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05358-x PMID:37673824	研究论文	本研究开发了一种基于多组学数据整合的深度学习框架，用于构建皮肤黑色素瘤风险分层预测模型	结合早期融合特征自编码器和晚期融合特征自编码器的深度学习框架，相比单一策略的自编码器或PCA方法能更好地区分风险亚型	NA	构建皮肤黑色素瘤的风险亚型分型模型以改善预后预测	皮肤黑色素瘤患者	机器学习	皮肤黑色素瘤	mRNA测序, miRNA测序, DNA甲基化测序	自编码器, SVM	多组学数据	TCGA数据库中的皮肤黑色素瘤患者数据及两个独立验证数据集	NA	自编码器	C-index, log-rank P值	NA
35	2025-10-06	Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05339-0 PMID:37672075	研究论文	开发并验证基于平扫CT的多通道深度学习模型，用于区分乏脂肪血管平滑肌脂肪瘤与肾细胞癌	首次提出基于平扫CT的多通道深度学习模型，通过全肿瘤分析实现fp-AML与RCC的准确区分	回顾性研究设计，样本量相对有限（共452例患者），仅在两所医疗中心进行验证	开发并评估用于区分乏脂肪血管平滑肌脂肪瘤与肾细胞癌的深度学习模型	肾肿瘤患者，包括乏脂肪血管平滑肌脂肪瘤和肾细胞癌病例	数字病理	肾癌	CT成像	深度学习	CT图像	452例患者（FAHSYSU 320例，SYSUCC 132例）	NA	多通道深度学习模型	AUC, 95%置信区间	NA
36	2025-10-06	SMiT: symmetric mask transformer for disease severity detection 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05223-x PMID:37698681	研究论文	提出一种用于疾病严重程度检测的对称掩码Transformer模型SMiT	采用纯Transformer框架而非传统CNN模型，提出对称掩码预训练方法使模型更专注于病灶区域细节特征	NA	开发用于病理图像诊断分级的智能诊断系统	结直肠癌病理图像和糖尿病视网膜病变图像	计算机视觉	结直肠癌, 糖尿病视网膜病变	高斯滤波去噪	Transformer	图像	4500张结直肠癌组织病理图像和公开数据集APTOS2019	NA	Transformer	准确率, Cohen Kappa, F1-score	NA
37	2025-10-06	Combining radiomics and deep learning features of intra-tumoral and peri-tumoral regions for the classification of breast cancer lung metastasis and primary lung cancer with low-dose CT 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05329-2 PMID:37642722	研究论文	本研究结合瘤内和瘤周区域的影像组学与深度学习特征，开发融合模型用于区分乳腺癌肺转移和原发性肺癌	首次将瘤内区域和瘤周区域的深度学习特征与传统影像组学特征相结合，采用多区域策略的融合模型	回顾性研究，样本量较小（仅100例患者），需要更大规模的前瞻性验证	利用低剂量CT鉴别诊断乳腺癌肺转移和原发性肺癌	100例乳腺癌伴肺部病变患者（60例乳腺癌肺转移，40例原发性肺癌）	医学影像分析	乳腺癌，肺癌	低剂量CT成像	CNN	CT图像	100例患者LDCT图像	NA	ResNet18, 多输入残差卷积网络	AUC	NA
38	2025-10-06	Identifying immune infiltration by deep learning to assess the prognosis of patients with hepatocellular carcinoma 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05097-z PMID:37450030	研究论文	本研究开发了一种基于深度学习的模型，通过分析肝细胞癌组织的免疫浸润来评估患者预后	首次将ResNet 101V2网络应用于肝细胞癌全切片图像的免疫浸润分析，并建立了与预后相关的深度学习评估模型	验证集中TLS分类效果较差（PR曲线下面积0.713），可能由于样本数量不足	评估肝细胞癌患者的免疫浸润情况及其与预后的关系	肝细胞癌患者	数字病理学	肝细胞癌	全切片图像分析	CNN	图像	训练集包含100张全切片图像和165,293个图像块，使用西京医院队列和TCGA队列数据	TensorFlow, ML.NET	ResNet 101V2	AccuracyMicro, AccuracyMacro, ROC曲线, PR曲线, AUC	使用Visual Studio 2022和C#进行编程开发
39	2025-10-06	Cancer detection in breast cells using a hybrid method based on deep complex neural network and data mining 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05191-2 PMID:37486394	研究论文	提出一种基于深度复数神经网络和数据挖掘的混合方法用于乳腺癌细胞检测	首次将深度复数神经网络与数据挖掘技术相结合应用于乳腺癌热图像诊断	样本量相对较小（187名志愿者），仅使用热成像数据	提高乳腺癌诊断的准确性和速度	乳腺癌细胞和热成像图像	计算机视觉	乳腺癌	热成像技术	深度复数神经网络	热成像图像	187名志愿者（152名健康人，35名癌症患者），共1870张热成像图像	NA	ResNet18, ResNet50, VGG19, Xception	NA	NA
40	2025-10-06	A comprehensive analysis of recent advancements in cancer detection using machine learning and deep learning models for improved diagnostics 2023-Nov, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-023-05216-w PMID:37540254	综述	本文对使用传统机器学习和深度学习模型进行多种癌症检测的最新进展进行了比较分析	对2018-2023年间130篇文献的系统性综述，涵盖四种癌症类型，比较了机器学习和深度学习技术的性能差异	仅使用准确率作为性能评估指标，可能无法全面反映模型性能；仅包含近5年发表的同行评审论文	比较机器学习和深度学习模型在癌症早期检测中的诊断效果和技术进展	脑癌、肺癌、皮肤癌和乳腺癌四种癌症类型	机器学习	癌症	机器学习、深度学习	传统机器学习模型、深度学习模型	医学图像、数据集	130篇文献（56篇基于机器学习，74篇基于深度学习）	NA	NA	准确率	NA