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	LST-AI: A deep learning ensemble for accurate MS lesion segmentation 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103611 PMID:38703470	研究论文	提出了一种基于深度学习集成方法的LST-AI工具，用于精确分割多发性硬化症脑白质病变	开发了包含三个3D U-Net的集成模型，采用复合损失函数解决病变与非病变区域不平衡问题，并包含病变位置标注功能	训练数据仅来自单一机构的3T MRI扫描仪，样本多样性可能有限	开发精确的脑白质病变自动分割工具，支持多发性硬化症的临床评估和科学研究	多发性硬化症患者的脑部MRI图像中的白质病变	医学影像分析	多发性硬化症	3T MRI扫描，T1加权和FLAIR成像	深度学习集成模型	3D医学影像	491对T1加权和FLAIR图像用于训练，103个测试案例	NA	3D U-Net	Dice系数，F1分数，病变检测率	NA
22	2025-10-06	Geodesic shape regression based deep learning segmentation for assessing longitudinal hippocampal atrophy in dementia progression 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103623 PMID:38821013	研究论文	提出一种基于测地线形状回归的深度学习分割方法GeoLongSeg，用于评估痴呆症进展中的纵向海马体萎缩	将测地线形状回归整合到两阶段分割网络中，通过增强个体内形态一致性来减少与疾病无关的纵向变异	未明确说明方法在其他类型脑部疾病或不同MRI设备上的泛化能力	准确分割纵向海马体形态以评估痴呆症进展	阿尔茨海默病神经影像倡议(ADNI)的纵向数据中的海马体	医学图像分析	痴呆症	3T T1加权MRI	深度学习	纵向3D MRI图像	ADNI数据库中的纵向数据	NA	3D U-Net	重测信度, 方差比, 萎缩轨迹, 判别能力	NA
23	2025-10-06	Cortical thickness and grey-matter volume anomaly detection in individual MRI scans: Comparison of two methods 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103624 PMID:38823248	研究论文	比较两种脑MRI形态测量方法在个体扫描中检测皮质厚度和灰质体积异常的性能	首次系统比较开源工具ScanOMetrics在FreeSurfer和深度学习工具DL+DiReCT两种脑形态测量方法上的异常检测性能	仅使用公开OASIS3数据集，临床评估仍处于早期阶段	开发高效的脑MRI异常检测方法以支持神经放射学诊断决策	阿尔茨海默病患者和健康对照者的脑MRI扫描	医学影像分析	阿尔茨海默病	脑MRI形态测量分析	深度学习	脑MRI图像	OASIS3公共数据集中的阿尔茨海默病患者和健康对照者	NA	DL+DiReCT	异常检测准确性, 计算效率	NA
24	2025-10-06	Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120485 PMID:38110045	研究论文	提出一种自监督多模态学习框架，从多模态神经影像数据中提取表征以增强群体推断并发现与脑部疾病相关的脑区及多模态关联	将Deep InfoMax（DIM）自监督方法扩展到多模态神经影像数据，无需预训练标签即可识别疾病相关脑区和探索多模态链接	未明确说明样本量的具体数值和多样性限制	开发无需标签数据的自监督多模态学习框架，用于脑部疾病预测和脑区发现	多模态神经影像数据（MRI）和阿尔茨海默症表型谱系	医学影像分析	阿尔茨海默症	MRI神经影像技术	自监督学习	多模态神经影像数据	NA	Deep InfoMax（DIM）	DIM	分类性能，联合信息捕获能力，可解释性	无解码器策略节省计算资源
25	2025-10-06	Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120494 PMID:38086495	研究论文	本研究对TrUE-Net与六种已建立的白质高信号分割方法进行了独立验证比较	首次对新型深度学习模型TrUE-Net进行严格的独立验证，并在全局和区域水平评估其检测WMH负担与年龄关系的能力	使用半手动分割作为参考标准可能存在一定主观性	验证TrUE-Net在白质高信号自动分割中的准确性和可靠性	白质高信号区域	医学影像分析	老年疾病	深度学习分割	深度学习模型	医学影像数据	NA	NA	TrUE-Net	假阳性率	NA
26	2025-10-06	BASE: Brain Age Standardized Evaluation 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120469 PMID:38065279	研究论文	提出脑年龄标准化评估框架(BASE)，用于标准化评估基于深度学习的脑年龄预测模型	首次提出包含标准化数据集、评估协议和统计框架的脑年龄预测综合评估体系	仅针对T1加权磁共振图像数据，未涵盖其他脑影像模态	解决脑年龄预测研究中数据集、评估方法和指标不一致导致的比较困难问题	脑年龄预测模型	医学影像分析	脑部疾病	T1加权磁共振成像(T1w MRI)	深度学习神经网络	磁共振图像	包含多中心、新未见站点、重测和纵向数据的标准化T1w MRI数据集	NA	NA	准确性、鲁棒性、可重复性、一致性	NA
27	2025-10-06	Electrophysiological brain imaging based on simulation-driven deep learning in the context of epilepsy 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120490 PMID:38103624	研究论文	提出一种基于仿真驱动深度学习的电生理源成像方法，用于癫痫背景下的脑源定位和电活动重建	结合仿真驱动深度学习，采用患者特异性头模型和神经质量模型生成训练数据，创新性地融合时序卷积网络和多尺度策略捕获空间特征，并利用LSTM提取时序依赖关系	仅在3名耐药性部分性癫痫患者的真实数据上验证，样本量有限	解决癫痫背景下脑电信号源成像的逆问题，精确定位癫痫脑区并重建其电活动	癫痫患者的脑电信号和脑源活动	医学影像分析	癫痫	高分辨率256通道头皮脑电图	TCN, LSTM	脑电信号	3名耐药性部分性癫痫患者的真实脑电数据，以及多种场景的仿真数据	NA	时序卷积网络，长短期记忆网络	偶极子定位误差，归一化汉明距离	NA
28	2025-10-06	Enhanced Partial Fourier MRI With Zero-Shot Deep Untrained Priors 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3508761 PMID:40766109	研究论文	提出一种基于零样本无监督深度学习的部分傅里叶重建新方法	将传统相位约束与零样本深度学习技术相结合，无需训练数据即可实现图像重建和先验学习	未明确说明方法在特定病理条件下的适用性限制	提升部分傅里叶磁共振成像的重建质量	磁共振图像	医学影像处理	NA	部分傅里叶磁共振成像	无训练生成先验网络	磁共振图像数据	fastMRI数据集、QALAS多对比度数据集和低场数据集	NA	未训练人工神经网络	NRMSE（归一化均方根误差）	NA
29	2025-10-06	Deep learning in computed tomography to predict endotype in chronic rhinosinusitis with nasal polyps 2024-01-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01203-w PMID:38267881	研究论文	本研究开发了一种基于鼻窦CT影像的深度学习模型，用于预测慢性鼻窦炎伴鼻息肉的内型分类	首次使用深度学习技术通过鼻窦CT影像无创预测CRSwNP的内型分类	回顾性研究设计，样本量相对有限（251例患者）	构建深度学习模型预测慢性鼻窦炎伴鼻息肉的内型分类	慢性鼻窦炎伴鼻息肉患者	医学影像分析	慢性鼻窦炎	计算机断层扫描	CNN	CT影像	251例患者，29,993张CT图像	NA	ResNet-18	AUC,准确率,Kappa分数,混淆矩阵,ROC曲线	NA
30	2025-10-06	Recognition of eye diseases based on deep neural networks for transfer learning and improved D-S evidence theory 2024-01-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-023-01176-2 PMID:38238662	研究论文	提出基于深度神经网络和改进D-S证据理论的融合模型，用于多种眼部疾病的识别	提出改进的D-S证据理论(ID-SET)消除模型决策偏差，并应用于眼部疾病识别模型的决策融合	未具体说明研究的眼部疾病种类和数量限制	提高眼部疾病识别的准确性和鲁棒性	眼部疾病	计算机视觉	眼部疾病	深度学习	深度神经网络	图像	NA	NA	NA	准确率,Kappa系数,F1分数,精确率,召回率,AUC	NA
31	2025-10-06	Development of HepatIA: A computed tomography annotation platform and database for artificial intelligence training in hepatocellular carcinoma detection at a Brazilian tertiary teaching hospital 2024, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2024.100512 PMID:39388738	研究论文	开发用于肝细胞癌人工智能检测的CT标注平台和数据库HepatIA	创建了巴西首个整合MONAI Label预标注分割模型的肝脏CT标注平台和数据库	数据来源单一（仅来自一家医院），样本量相对有限	支持肝脏疾病特别是肝细胞癌的人工智能研究	肝细胞癌患者和健康个体的腹部CT扫描数据	医学影像分析	肝细胞癌	计算机断层扫描（CT）	深度学习分割模型	CT医学影像	656名患者的692个CT扫描体积	Django, Vue.js, MONAI	NA	NA	NA
32	2025-10-06	Comparative study of the glistening between four intraocular lens models assessed by OCT and deep learning 2024-01-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001316 PMID:37702457	研究论文	本研究使用光学相干断层扫描和深度学习算法对四种不同类型人工晶状体的微泡现象进行量化评估和比较	开发了基于深度学习的原创量化算法，首次系统比较四种人工晶状体模型的微泡严重程度	横断面研究设计，样本量相对有限（325只眼睛）	评估四种人工晶状体模型中微泡现象的存在和严重程度	人工晶状体植入患者的325只眼睛	医学影像分析	眼科疾病	光学相干断层扫描	深度学习	OCT图像	325只眼睛（ReSTOR+3 SN6AD1: 41例，SN60WF: 110例，PanOptix TFNT: 128例，Vivity DFT015: 46例）	NA	NA	组内相关系数（≥0.829）	NA
33	2025-10-06	Deep Learning-based Assessment of Facial Asymmetry Using U-Net Deep Convolutional Neural Network Algorithm 2024 Jan-Feb 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009862 PMID:37973054	研究论文	本研究开发了一种基于深度卷积神经网络的计算机辅助诊断系统，用于评估后前位头颅X光片中的面部不对称性	首次将U-Net深度卷积神经网络算法应用于面部不对称性评估，实现了自动化的面部不对称诊断	样本量相对有限（1020例训练，25例测试），需要更大规模验证	评估基于深度学习的计算机辅助诊断系统在面部不对称检测中的诊断性能	接受正畸治疗的1020名患者的后前位头颅X光片	计算机视觉	面部不对称	后前位头颅X光成像	CNN	医学图像	1020例训练样本，25例测试样本	NA	U-Net	独立t检验，Bland-Altman图	NA
34	2025-10-06	Development of AI-Based Diagnostic Algorithm for Nasal Bone Fracture Using Deep Learning 2024 Jan-Feb 01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000009856 PMID:38294297	研究论文	开发基于深度学习的AI算法用于鼻骨骨折诊断	首次将深度学习技术应用于鼻骨骨折的CT影像诊断	初步研究阶段，样本量有限，特异性有待提升	开发鼻骨骨折的自动化诊断算法	面部骨骼CT影像	计算机视觉	鼻骨骨折	CT成像	深度学习	医学影像	未明确具体样本数量	NA	NA	灵敏度, 特异度	NA
35	2025-10-06	Identifying primary tumor site of origin for liver metastases via a combination of handcrafted and deep learning features 2024-01, The journal of pathology. Clinical research DOI:10.1002/cjp2.344 PMID:37822044	研究论文	本研究结合手工特征和深度学习特征识别肝转移瘤的原发部位	首次将手工病理形态特征与深度学习分类器相结合用于肝转移瘤原发部位识别，并开发了决策融合策略	样本量较小（114例患者），属于初步研究	开发计算机辅助方法识别肝转移瘤的原发部位	肝转移瘤患者组织切片	数字病理	肝转移瘤	全玻片图像分析	随机森林,深度学习网络	病理图像	114例患者，175张玻片	NA	NA	AUC	NA
36	2025-10-06	Chest CT Image based Lung Disease Classification - A Review 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056248176230923143105 PMID:38389342	综述	本文对基于胸部CT图像的肺部疾病分类方法进行了全面回顾与分析	提供了肺部疾病分类方法的系统性综述，特别关注机器学习技术的最新进展	作为综述文章，不包含原始实验数据或新模型开发	分析肺部疾病分类的现有方法，为研究人员构建更先进系统提供指导	肺部疾病分类的机器学习方法	计算机视觉	肺部疾病	CT扫描	深度学习	CT图像	NA	NA	NA	NA	NA
37	2025-10-06	Retracted: Deep Learning-Based Glaucoma Detection Using CNN and Digital Fundus Images: A Promising Approach for Precise Diagnosis 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056257657231115051020 PMID:38389356	撤稿声明	关于一篇基于深度学习的青光眼检测论文的撤稿说明	NA	原论文需要大幅修改以提高清晰度、连贯性和科学严谨性	NA	NA	计算机视觉	青光眼	NA	CNN	数字眼底图像	NA	NA	NA	NA	NA
38	2025-10-06	Motion-resolved 3D Pulmonary MRI Reconstruction using Sinusoidal Representation Networks 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056270732231204061123 PMID:38389360	研究论文	提出一种基于正弦表示网络的运动分辨3D肺部MRI重建方法	使用正弦表示网络学习配准映射，实现仅依赖欠采样数据的无监督学习重建	仅在十个数据集上进行了验证，样本量有限	开发自由呼吸状态下肺部MRI的深度学习重建方法	肺部MRI图像	医学影像处理	肺部疾病	MRI	SIREN	3D医学图像	十个数据集	NA	正弦表示网络	视觉比较,定量比较	NA
39	2025-10-06	An Evaluation Analysis for Computed Tomography Image Quality of Primary Liver Cancer Lesions Based on Deep Learning Image Reconstruction 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056261849231207055304 PMID:38389358	研究论文	基于深度学习图像重建技术评估原发性肝癌病灶的计算机断层扫描图像质量	首次将深度学习图像重建(DLIR)与滤波反投影(FBP)和自适应统计迭代重建-V(ASIR-V)在原发性肝癌动态增强CT成像质量方面进行系统比较	样本量较小(48例肝癌患者)，部分评价指标的Kappa值一致性一般	评估深度学习图像重建技术对原发性肝癌病灶动态增强CT成像质量的影响	48例肝癌患者的CT图像数据	计算机视觉	肝癌	多层螺旋CT、对比增强扫描、深度学习图像重建	深度学习重建模型	CT医学图像	48例肝癌患者	NA	NA	图像噪声、信噪比(SNR)、对比信噪比(CNR)、Kappa一致性系数	NA
40	2025-10-06	Machine Learning in Magnetic Resonance Images of Glioblastoma: A Review 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056265212231122102029 PMID:38258589	综述	本文综述了机器学习在胶质母细胞瘤磁共振图像中的应用现状、成果与趋势	提出了基于机器学习的胶质母细胞瘤问题分类体系，涵盖肿瘤区域特征提取、鉴别诊断、表征分析和遗传学基础四大类别	机器学习方法的主要局限在于可解释性和泛化能力	识别可通过磁共振成像和机器学习技术解决的胶质母细胞瘤相关问题	胶质母细胞瘤磁共振图像及相关临床数据	医学影像分析	胶质母细胞瘤	磁共振成像	支持向量机,随机森林,卷积神经网络	医学影像	基于50篇最相关文献的分析	NA	NA	准确率	NA