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
121	2025-11-23	A deep neural network estimation of brain age is sensitive to cognitive impairment and decline 2024, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing PMID:38160276	研究论文	本研究利用自由水校正的扩散MRI和T1加权MRI构建深度神经网络预测大脑年龄，并探讨其与认知障碍的关系	首次采用自由水校正的dMRI技术分离组织与液体信号，并结合T1加权MRI构建密集连接神经网络预测大脑年龄	未说明具体样本量大小和参与者的详细人口统计学特征	开发敏感的生物标志物用于阿尔茨海默病的诊断和监测	认知未受损个体和轻度认知障碍参与者	医学影像分析	阿尔茨海默病	扩散MRI, T1加权MRI, 自由水校正技术	深度神经网络	神经影像数据	NA	NA	密集连接神经网络	相关系数r, p值, β系数	NA
122	2025-11-21	Noninvasive Computed Tomography-Based Deep Learning Model Predicts In Vitro Chemosensitivity Assay Results in Pancreatic Cancer 2024-01-01, Pancreas IF:1.7Q3 DOI:10.1097/MPA.0000000000002270 PMID:38019604	研究论文	基于CT图像的深度学习模型预测胰腺癌体外化疗敏感性检测结果	首次使用CT图像和深度学习非侵入性预测胰腺癌体外化疗敏感性检测结果	样本量较小（33例患者），需要更大规模验证	优化胰腺导管腺癌的化疗方案选择	胰腺导管腺癌患者	计算机视觉	胰腺癌	计算机断层扫描，组织培养药物反应测定	CNN	医学图像	33例PDAC患者	NA	残差卷积神经网络	准确率，AUC	NA
123	2025-11-04	A quantitative analysis of artificial intelligence research in cervical cancer: a bibliometric approach utilizing CiteSpace and VOSviewer 2024, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2024.1431142 PMID:39296978	文献计量学研究	通过文献计量学方法分析人工智能在宫颈癌研究中的应用现状和发展趋势	首次综合运用CiteSpace和VOSviewer对宫颈癌人工智能研究领域进行系统的文献计量分析	仅基于Web of Science数据库，可能未涵盖所有相关文献	评估人工智能在宫颈癌研究中的作用，识别研究趋势和未来方向	927篇相关学术论文（2008-2024年）	文献计量学	宫颈癌	文献计量分析	NA	文献元数据	927篇文章，涉及5,299位作者，81个地区	CiteSpace, VOSviewer	NA	引用频率，爆发排名分析	NA
124	2025-11-03	Comparison of deep learning approaches to estimate injury severity from the International Classification of Diseases codes 2024, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2024.2356663 PMID:39485495	研究论文	比较不同深度学习方法从ICD编码估计损伤严重程度的性能	首次系统比较前馈神经网络与神经机器翻译模型在损伤严重程度估计中的表现，并对比直接与间接估计方法的优劣	仅使用美国国家创伤数据库数据，可能在其他医疗系统中泛化性有限	开发从ICD编码准确估计损伤严重程度的方法	创伤患者的ICD编码数据	自然语言处理	创伤	深度学习方法	前馈神经网络,神经机器翻译	医疗编码文本数据	训练集2,031,793例(2017-2018年)，测试集1,091,792例(2019年)	NA	编码器-解码器架构	ISS≥16正确分类百分比,ISS精确匹配百分比	GPU(具体型号未指定)
125	2025-10-25	Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation 2024, The journal of machine learning for biomedical imaging DOI:10.59275/j.melba.2024-g93a PMID:40453064	研究论文	本研究通过降维和最近邻方法改进医学图像分割中的分布外检测	将马氏距离和k近邻距离应用于分割模型的瓶颈特征，结合PCA和UMAP降维技术，显著提升分布外检测性能	方法仅在肝脏分割任务上验证，需要扩展到其他器官和模态	提高医学图像分割模型对分布外数据的检测能力	T1加权磁共振成像和计算机断层扫描的肝脏图像	计算机视觉	肝脏疾病	医学图像分割	Swin UNETR, nnU-net	医学图像	NA	NA	Swin UNETR, nnU-net	检测性能	NA
126	2025-10-16	Deep learning-based virtual H& E staining from label-free autofluorescence lifetime images 2024, Npj imaging DOI:10.1038/s44303-024-00021-7 PMID:38948152	研究论文	提出基于深度学习的虚拟H&E染色方法，可从无标记荧光寿命图像生成临床级虚拟染色图像	首次将荧光寿命信息作为额外维度整合到深度学习模型中，实现从无标记FLIM图像到虚拟H&E染色图像的准确重建	未明确说明模型在跨癌症类型应用时的泛化能力评估	开发无需生物标志物的组织病理学分析方法，实现FLIM图像的即时准确解读	肿瘤微环境中的七种常见细胞类型	数字病理学	多癌种	荧光寿命成像显微镜(FLIM)	深度学习	无标记荧光寿命图像，强度图像	NA	NA	NA	图像质量指标	NA
127	2025-10-05	Improved robustness for deep learning-based segmentation of multi-center myocardial perfusion cardiovascular MRI datasets using data-adaptive uncertainty-guided space-time analysis 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101082 PMID:39142567	研究论文	提出一种数据自适应不确定性引导时空分析方法，用于提高多中心心肌灌注心血管MRI数据集分割的鲁棒性	利用空间-时间滑动补丁分析自动生成像素级不确定性图，并通过DNN池选择最优分割方案	训练数据有限，仅包含三个医疗中心的150名受试者数据	开发能够分析多中心数据集的深度学习技术，克服训练数据有限和软硬件差异的挑战	心肌灌注心血管磁共振成像数据集	医学影像分析	心血管疾病	心血管磁共振成像	深度神经网络	医学影像	150名受试者（21,150张首过图像），包含内部数据集（95名）和外部数据集（55名）	NA	时空U-Net	Dice系数	NA
128	2025-10-05	Accelerated chemical shift encoded cardiovascular magnetic resonance imaging with use of a resolution enhancement network 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101090 PMID:39243889	研究论文	开发基于深度学习的快速化学位移编码技术，用于加速心血管磁共振成像	提出基于超分辨率生成对抗网络的FastCSE方法，首次将复杂值图像锐化增强应用于化学位移编码心血管成像	研究样本量有限，前瞻性研究仅包含21名参与者	开发加速心血管磁共振化学位移编码成像的深度学习技术	心肌脂肪成像	医学影像分析	心血管疾病	化学位移编码磁共振成像，两点Dixon重建	GAN	磁共振图像	训练集1519名患者，前瞻性研究21名参与者（16名患者+5名健康人）	NA	超分辨率生成对抗网络	模糊度量指标，方差分析	NA
129	2025-10-06	PseudoCell: Hard Negative Mining as Pseudo Labeling for Deep Learning-Based Centroblast Cell Detection 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3407351 PMID:39050971	研究论文	提出一种名为PseudoCell的目标检测框架，用于在数字病理全切片图像中自动检测中心母细胞	通过将困难负样本挖掘作为伪标记策略，减少对病理学家精细标注的依赖	未明确说明模型在多样化数据集上的泛化能力	开发自动化的中心母细胞检测方法以辅助滤泡性淋巴瘤分级	数字病理全切片图像中的中心母细胞	数字病理	滤泡性淋巴瘤	深度学习，细胞形态特征分析	目标检测模型	全切片图像	NA	NA	NA	组织区域排除率(58.18-99.35%)	NA
130	2025-10-06	UKSSL: Underlying Knowledge Based Semi-Supervised Learning for Medical Image Classification 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2023.3305190 PMID:38899016	研究论文	提出一种基于底层知识的半监督学习框架UKSSL，用于医学图像分类	通过MedCLR从未标记数据中提取特征表示，结合UKMLP利用有限标记数据进行微调，在仅使用50%标记数据的情况下性能优于完全监督方法	NA	解决医学图像分析中标记数据稀缺的问题，提高有限标记数据下的分类性能	医学图像分类	计算机视觉	肺癌	深度学习	半监督学习	医学图像	LC25000和BCCD数据集，使用50%标记数据	NA	MedCLR, UKMLP	准确率, 精确率, 召回率, F1分数	NA
131	2025-10-06	Simultaneous EEG-fNIRS Data Classification Through Selective Channel Representation and Spectrogram Imaging 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448457 PMID:39247844	研究论文	提出一种多模态DenseNet融合模型，通过将EEG数据转换为二维图像并与fNIRS特征融合，提升脑机接口中EEG-fNIRS数据的分类性能	通过短时傅里叶变换将EEG数据转换为二维图像，结合选择性通道表示和频谱图成像技术，有效整合EEG的时间丰富性和fNIRS的空间特异性	NA	解决EEG-fNIRS数据融合中特征选择效率低的问题，提升脑机接口的分类准确性和多功能性	脑电图（EEG）和功能性近红外光谱（fNIRS）数据	脑机接口	神经诊断与康复	短时傅里叶变换，频谱熵特征提取	深度学习	EEG信号，fNIRS信号，二维图像	两个公共数据集	NA	多模态DenseNet融合模型（MDNF）	分类准确率	NA
132	2025-10-06	Deep Learning and fMRI-Based Pipeline for Optimization of Deep Brain Stimulation During Parkinson's Disease Treatment: Toward Rapid Semi-Automated Stimulation Optimization 2024, IEEE journal of translational engineering in health and medicine IF:3.7Q2 DOI:10.1109/JTEHM.2024.3448392 PMID:39247846	研究论文	提出一种基于深度学习和fMRI的深度脑刺激优化流程，用于帕金森病治疗	将深度脑刺激优化时间从约1年缩短至数小时，实现快速半自动化参数优化	研究基于39名先前临床优化的患者数据，样本量有限	优化帕金森病治疗中的深度脑刺激参数设置	39名接受深度脑刺激治疗的帕金森病患者	医学影像分析	帕金森病	fMRI，血氧水平依赖功能磁共振成像	自编码器，多层感知机	fMRI影像数据	122个fMRI数据集，来自39名患者	NA	自编码器，多层感知机	准确率，精确率，召回率，F1分数，AUC	NA
133	2025-10-06	Masked Modeling-Based Ultrasound Image Classification via Self-Supervised Learning 2024, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2024.3374966 PMID:38606402	研究论文	提出一种基于掩码建模的自监督学习方法用于超声图像分类	设计了三种掩码策略（随机、垂直、水平掩码）的预训练方法，并提出新的困难样本挖掘策略	未提及方法在更大规模数据集上的泛化能力	解决超声图像分类中标注数据稀缺和困难样本问题	超声图像数据	计算机视觉	NA	自监督学习	深度学习	图像	在两个数据集上进行实验	NA	掩码建模	分类性能	NA
134	2025-10-06	The global research of magnetic resonance imaging in Alzheimer's disease: a bibliometric analysis from 2004 to 2023 2024, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2024.1510522 PMID:39882364	文献计量分析	通过文献计量学方法分析2004-2023年间阿尔茨海默病磁共振成像研究的全球发展趋势和研究热点	首次对AD领域MRI研究进行长达20年的文献计量分析，识别出深度学习等新兴研究热点	仅基于Web of Science数据库，可能遗漏其他数据库的相关文献	总结AD领域MRI研究的现状并预测未来研究方向	2004-2023年间WoSCC数据库中13,659篇AD-MRI相关研究文献	医学影像分析	阿尔茨海默病	磁共振成像(MRI), 文献计量分析	NA	文献元数据	13,659篇研究文章	CiteSpace, VOSviewer	NA	NA	NA
135	2025-09-12	Toward a deep learning-based magnetic resonance imaging only workflow for postimplant dosimetry in I-125 seed brachytherapy for prostate cancer 2024 Jan-Feb, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2023.09.009 PMID:38008648	研究论文	本研究开发了一种基于深度学习的MRI-only工作流，用于前列腺癌I-125粒子植入后剂量计算，旨在替代当前CT标准方法	首次结合深度学习与定量磁敏感图（QSM）和DIXON序列，实现MRI自动粒子分割，避免CT额外辐射并提升软组织对比度	研究样本量较小（20例患者），且仅使用1.5T MRI设备，未验证更高场强或更多样人群的适用性	建立无需CT的MRI-only工作流，提高前列腺癌粒子治疗后剂量计算的准确性和安全性	接受I-125粒子植入治疗的前列腺癌患者	数字病理	前列腺癌	MRI（DIXON序列、3D梯度回波序列）、深度学习QSM生成	3D nnU-net	医学影像（MRI、CT）	20例患者	NA	NA	NA	NA
136	2025-10-06	Adversarial Information Bottleneck 2024-Jan, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2022.3172986 PMID:35594234	研究论文	提出一种对抗性信息瓶颈方法，通过解决最小-最大优化问题学习更具不变性的表示并减轻对抗性扰动	无需对表示的基础分布进行显式假设，通过对抗训练优化信息瓶颈原理，在对抗鲁棒性方面优于现有方法	NA	优化信息瓶颈原理以提高模型鲁棒性，研究压缩与预测之间的权衡关系	信息瓶颈方法在对抗扰动下的表现	机器学习	NA	对抗训练	信息瓶颈模型	合成数据集和真实世界数据集	NA	NA	对抗信息瓶颈(AIB)	对抗鲁棒性，IB曲线分析	NA
137	2025-10-06	Clinical utility of a rapid two-dimensional balanced steady-state free precession sequence with deep learning reconstruction 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101069 PMID:39079600	研究论文	本研究评估了采用深度学习重建的加速二维心脏磁共振电影序列在缩短采集时间同时保持定量容积测量和图像质量的临床效用	首次将深度学习重建技术(Sonic DL)应用于二维平衡稳态自由进动序列，实现了37%的采集时间减少且不影响诊断质量	左心室质量和纵向应变测量存在轻微高估(质量高估3.36 g/m²，纵向应变高估1.97%)	评估深度学习重建加速技术在心脏磁共振电影成像中的临床实用性	124名参与者(16名预研究+108名前瞻性研究)	医学影像分析	心血管疾病	心血管磁共振(CMR)，二维平衡稳态自由进动序列	深度学习	医学影像	124名参与者	NA	Sonic DL	Bland-Altman分析，Pearson相关系数，配对t检验，Wilcoxon符号秩检验	NA
138	2025-10-06	Impact of training data composition on the generalizability of convolutional neural network aortic cross-section segmentation in four-dimensional magnetic resonance flow imaging 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101081 PMID:39127260	研究论文	研究训练数据组成对四维磁共振血流成像中主动脉横截面分割卷积神经网络泛化能力的影响	首次系统分析训练数据中病理特征、技术因素等组成对4D flow CMR分割模型泛化性能的影响	研究样本量有限（260个数据集），未涵盖所有可能的病理类型和技术变体	开发自动分割模型并分析训练数据组成对模型跨中心、扫描仪厂商、序列和病理泛化能力的影响	260个4D flow CMR数据集，包括无主动脉病理受试者、健康志愿者和二叶式主动脉瓣患者	医学影像分析	心血管疾病	四维心血管磁共振血流成像	CNN	医学影像	260个4D flow CMR数据集	NA	增强型三维U-net with residual units	Dice score, Hausdorff distance, average symmetric surface distance, Bland-Altman分析, interclass correlation	NA
139	2025-10-06	Automated biventricular quantification in patients with repaired tetralogy of Fallot using a three-dimensional deep learning segmentation model 2024, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2024.101092 PMID:39270800	研究论文	开发用于法洛四联症修复患者双心室自动分割的三维深度学习模型	首个专门针对先天性心脏病（法洛四联症）患者的三维深度学习分割模型，能够处理训练图像中缺失标签的问题	模型主要针对法洛四联症修复患者，在其他先天性心脏病中的泛化能力有待验证	开发专门用于法洛四联症修复患者左心室和右心室量化分析的自动分割模型	法洛四联症修复患者的心脏磁共振图像	医学图像分析	先天性心脏病	心血管磁共振成像	CNN	三维短轴心脏磁共振图像	训练集：196例（100例正常或获得性心脏病，96例法洛四联症）；测试集：36例法洛四联症	NA	三维卷积神经网络	Dice相似系数, 平均绝对误差, Wilcoxon符号秩检验	NA
140	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