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
161	2025-10-06	Integrative analysis of noncoding mutations identifies the druggable genome in preterm birth 2024-01-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adk1057 PMID:38241369	研究论文	通过整合非编码突变分析揭示早产的药物靶向基因组	首次结合深度学习与图模型在碱基分辨率评估突变效应，整合子宫肌层表观基因组与大规模患者基因组数据	研究队列主要基于欧洲和非裔美国人群体，可能限制结果的普适性	识别早产的遗传风险位点和药物靶点	自发性早产患者队列（欧洲和非裔美国人）及接受孕激素预防治疗的孕妇	机器学习	早产	全基因组测序，表观基因组分析	深度学习，图模型	基因组数据，表观遗传数据	大规模患者队列（具体数量未明确说明）	NA	NA	突变负荷预测能力	NA
162	2025-10-06	Deep learning-based video-analysis of instrument motion in microvascular anastomosis training 2024-01-12, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05896-4 PMID:38214753	研究论文	开发基于深度学习的自动器械尖端检测算法，用于微血管吻合训练中的手术器械运动分析	首次将YOLOv2深度学习模型应用于微血管吻合训练视频的器械尖端跟踪和运动学分析	研究主要基于训练视频，临床实际应用验证尚需进一步研究	开发自动化手术器械运动分析系统以客观评估微血管吻合技能	神经外科培训学员（新手、中级和专家级外科医生）	计算机视觉	NA	视频分析	CNN	视频	临床微血管手术视频和训练视频	YOLOv2	YOLOv2	Dice相似系数, ROC分析	NA
163	2025-10-06	Expert-centered Evaluation of Deep Learning Algorithms for Brain Tumor Segmentation 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220231 PMID:38197800	研究论文	本研究通过文献调查和专家评估，分析了脑肿瘤分割深度学习算法的评估实践与专家质量感知	首次系统调查脑肿瘤分割算法评估实践，并揭示专家质量感知与常用定量指标之间的差异	专家评估样本量有限，且存在评分者间一致性较低的问题	评估深度学习算法在脑肿瘤分割中的性能表现与临床专家质量感知的一致性	脑肿瘤分割算法和医学影像专家	医学影像分析	脑肿瘤	深度学习分割算法	NA	医学影像	180篇文献调查和60例脑肿瘤分割案例的专家评估	NA	NA	Dice分数, 敏感度, Hausdorff距离, Krippendorff α, Kendall tau	NA
164	2025-10-06	A Deep Learning Pipeline for Assessing Ventricular Volumes from a Cardiac MRI Registry of Patients with Single Ventricle Physiology 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230132 PMID:38166332	研究论文	开发用于单心室生理患者心脏MRI心室自动分割的端到端深度学习流程	提出包含三个深度学习模型的端到端流程，专门针对Fontan循环患者的多中心心脏MRI数据进行自动化心室分割	在475例未见过的检查中，26%需要轻微调整，5%需要重大调整，0.4%的裁剪模型失败	开发自动化的心室分割方法以评估单心室生理患者的心室容积	Fontan循环患者的心脏MRI数据	医学影像分析	先天性心脏病	心脏MRI	深度学习	医学影像	250例心脏MRI检查用于训练验证测试，475例未见过的检查用于进一步评估	NA	U-Net 3+	Dice分数, Bland-Altman分析, 组内相关系数	NA
165	2025-10-06	Revisiting the Trustworthiness of Saliency Methods in Radiology AI 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.220221 PMID:38166328	研究论文	评估放射学AI中显著性方法对输入扰动的敏感性和鲁棒性	提出预测-显著性相关性(PSC)指标来量化显著性方法的敏感性和鲁棒性	仅针对胸部X光片和脑部MRI图像进行评估，未涵盖其他医学影像模态	验证放射学AI中显著性方法的可信度	胸部X光片和脑部肿瘤MRI图像	计算机视觉	胸部疾病,脑肿瘤	深度学习	深度学习模型	医学影像	191229张胸部X光片和7022张脑部MRI图像	NA	NA	PSC系数,AUC	NA
166	2025-10-06	Deep Learning-based Identification of Brain MRI Sequences Using a Model Trained on Large Multicentric Study Cohorts 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230095 PMID:38166331	研究论文	开发基于深度学习的全自动设备无关和序列无关卷积神经网络，用于可靠高效地标记异质非结构化脑部MRI数据	使用来自249家医院的大规模多中心脑部MRI数据训练模型，能够区分九种MRI序列类型，且模型性能不受肿瘤存在与否的影响	仅使用二维中间切片图像进行分析，未包含完整三维序列信息	开发可靠高效的脑部MRI序列自动识别系统	脑部MRI序列图像	计算机视觉	胶质母细胞瘤	MRI	CNN	图像	2179名患者，8544次检查，63327个序列，来自249家医院和29种扫描仪类型	NA	ResNet-18, ResNet-50	准确率, 置信区间	NA
167	2025-10-06	Examination-Level Supervision for Deep Learning-based Intracranial Hemorrhage Detection on Head CT Scans 2024-01, Radiology. Artificial intelligence DOI:10.1148/ryai.230159 PMID:38294324	研究论文	比较弱监督（仅检查级别标签）和强监督（图像级别标签）在头部CT扫描颅内出血检测中的深度学习模型效果	首次系统比较弱监督与强监督在颅内出血检测中的性能差异，证明弱监督方法可显著减少标注工作量	回顾性研究，需在前瞻性数据集中进一步验证	评估不同监督级别对深度学习模型检测颅内出血性能的影响	头部CT扫描图像	计算机视觉	颅内出血	CT扫描	CNN	医学图像	21736次检查（RSNA数据集），436次检查（CQ500数据集），75次检查（CT-ICH数据集）	NA	基于注意力的卷积神经网络	AUC	NA
168	2024-10-02	Towards deep learning methods for quantification of the right ventricle using 2D echocardiography 2024, Future cardiology IF:1.6Q3 DOI:10.1080/14796678.2024.2347125 PMID:39351980	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
169	2025-06-07	Real-time monitoring of single dendritic cell maturation using deep learning-assisted surface-enhanced Raman spectroscopy 2024, Theranostics IF:12.4Q1 DOI:10.7150/thno.100298 PMID:39479453	research paper	该研究开发了一种基于深度学习和表面增强拉曼光谱（SERS）的方法，用于实时监测单个树突状细胞（DC）的成熟状态	结合Au@CpG@PEG纳米颗粒作为自报告纳米疫苗，利用无标记SERS策略和深度学习CNN算法，实现了对DC成熟状态的动态实时检测，准确率超过98.92%	未提及具体样本量或实验重复次数，可能影响结果的普遍性	开发一种实时监测单个树突状细胞成熟状态的方法，以预测免疫系统激活、评估疫苗效果和免疫治疗有效性	树突状细胞（DC）	digital pathology	NA	表面增强拉曼光谱（SERS）	CNN	光谱数据	NA	NA	NA	NA	NA
170	2025-10-06	Pose analysis in free-swimming adult zebrafish, Danio rerio : "fishy" origins of movement design 2024-Jan-01, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.31.573780 PMID:38260397	研究论文	通过无标记追踪和无监督机器学习分析成年斑马鱼自由游动时的姿势模式	首次使用DeepLabCut和B-SOiD机器学习软件结合无监督多变量时间序列分析来识别斑马鱼游动中的典型姿势配置	样本量较小（仅12条斑马鱼），视觉分析存在主观性	验证运动设计中最小化主动神经控制而利用被动反应力的高效进化假说	成年斑马鱼（Danio rerio）	计算机视觉	NA	无标记追踪，无监督多变量时间序列分析	深度学习	视频序列	12条自由行为的斑马鱼，超过14,000个连续帧	DeepLabCut, B-SOiD	NA	聚类分析（36-50个单个体聚类，86个合并数据聚类）	NA
171	2025-10-06	Identifying keystone species in microbial communities using deep learning 2024-Jan, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-023-02250-2 PMID:37974003	研究论文	提出基于深度学习的框架识别微生物群落中的关键物种	首次将深度学习应用于微生物群落关键物种识别，通过隐式学习群落组装规则来量化物种关键性	NA	解决微生物群落中关键物种系统性识别的挑战	微生物群落和其中的关键物种	机器学习	NA	深度学习	深度学习模型	微生物组样本数据	合成数据和真实数据	NA	NA	NA	NA
172	2025-10-06	Multimodal feature fusion in deep learning for comprehensive dental condition classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230271 PMID:38217632	研究论文	本研究评估了深度学习和多模态特征融合技术在自动牙科疾病分类中的有效性	采用多模态特征融合技术结合传统机器学习分类器，显著提升了牙科疾病分类的准确性和鲁棒性	仅包含六种常见牙科疾病，未涵盖更广泛的牙科病症	推进自动牙科疾病分类领域的发展	六种常见牙科疾病：龋齿、牙结石、牙龈炎、牙齿变色、溃疡和少牙症	计算机视觉	牙科疾病	深度学习，特征融合	CNN, SVM, Naive Bayes	图像	11,653张临床来源图像	NA	EfficientNetB0	准确率, 召回率, 精确率, Kappa指数	NA
173	2025-10-06	An adaptive weighted ensemble learning network for diabetic retinopathy classification 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230252 PMID:38217630	研究论文	提出一种基于光学相干断层扫描图像的自适应加权集成学习方法用于糖尿病视网膜病变分类	基于贝叶斯理论提出新型决策融合方案，动态调整基模型权重分布以缓解数据不平衡问题	NA	提升糖尿病视网膜病变自动检测性能	糖尿病视网膜病变患者的光学相干断层扫描图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描	集成学习	图像	两个公共数据集（DRAC2022和APTOS2019）	NA	三个先进深度学习模型的集成	二次加权kappa, 准确率	NA
174	2025-10-06	A dense and U-shaped transformer with dual-domain multi-loss function for sparse-view CT reconstruction 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230184 PMID:38306086	研究论文	提出一种密集U型Transformer网络结合双域多损失函数用于稀疏视图CT重建	结合DenseNet的局部特征提取能力和Transformer的远程依赖建模，并设计带权重学习的双域多损失函数	仅在Mayo Clinic LDCT数据集上验证，未在其他数据集测试泛化能力	开发深度学习方法来抑制稀疏视图CT重建中的伪影	稀疏视图CT图像	计算机视觉	NA	CT扫描	Transformer, CNN	医学图像	Mayo Clinic LDCT数据集	NA	DenseNet, Transformer, U-Net	伪影抑制效果, 图像特征保留度	NA
175	2025-10-06	Severity-stratification of interstitial lung disease by deep learning enabled assessment and quantification of lesion indicators from HRCT images 2024, Journal of X-ray science and technology IF:1.7Q3 DOI:10.3233/XST-230218 PMID:38306087	研究论文	提出基于深度学习的HRCT图像病灶指标评估与量化方法，用于间质性肺病的严重程度分层	首次开发能够同时分割五种ILD病灶类型（HC、RO、GGO、CONS、EMPH）的卷积神经网络，并结合临床数据建立多变量预测模型	研究样本量未明确说明，模型性能在不同病灶类型间存在差异	提高间质性肺病严重程度评估的准确性和客观性	间质性肺病患者的HRCT图像	计算机视觉	间质性肺病	HRCT成像	CNN	医学图像	NA	NA	卷积神经网络	AUC, 准确率	NA
176	2025-05-31	DeepDate: A deep fusion model based on whale optimization and artificial neural network for Arabian date classification 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305292 PMID:39078864	研究论文	提出了一种基于鲸鱼优化算法和人工神经网络的深度融合模型DeepDate，用于阿拉伯椰枣分类	结合鲸鱼优化算法和人工神经网络，提高了椰枣分类的准确性和效率	未提及模型在小规模生产者中的实际应用效果	提高椰枣分类的准确性和效率	阿拉伯椰枣（Barhi, Khalas, Meneifi, Naboot Saif, Sullaj）	计算机视觉	NA	深度学习算法	人工神经网络（ANN）	图像	五类椰枣图像（具体数量未提及）	NA	NA	NA	NA
177	2025-05-31	Predicting recovery following stroke: Deep learning, multimodal data and feature selection using explainable AI 2024, NeuroImage. Clinical DOI:10.1016/j.nicl.2024.103638 PMID:39002223	research paper	该研究利用深度学习和多模态数据结合可解释AI技术，预测中风后的恢复情况	提出了一种新颖的方法，通过训练CNN在结合MRI提取的ROIs和表格数据的符号表示的图像上，以提高分类准确性	数据集在机器学习标准下相对较小，可能影响模型的泛化能力	预测中风后症状及其对康复的反应，以提高分类准确性	758名英语中风幸存者，参与PLORAS研究	machine learning	cardiovascular disease	MRI扫描和表格数据结合	CNN, 2D Residual Neural Network (ResNet), 3D CNN	image, tabular data	758名中风幸存者，其中286名初始有中度或重度失语症	NA	NA	NA	NA
178	2025-05-31	Large-Kernel Attention for 3D Medical Image Segmentation 2024, Cognitive computation IF:4.3Q1 DOI:10.1007/s12559-023-10126-7 PMID:38974012	research paper	提出了一种新型3D大核注意力模块，用于提高多器官和肿瘤在3D医学图像中的分割准确性	结合了生物启发的自注意力和卷积的优点，包括局部上下文信息、长距离依赖和通道适应性，同时通过分解大核卷积优化计算成本	未明确提及具体限制，但可能包括对特定类型医学图像的适用性或计算资源需求	实现准确的3D医学图像分割，特别是多器官和肿瘤的分割	MRI和CT扫描中的多器官和肿瘤	digital pathology	cancer	deep learning	U-Net with 3D LK attention module	3D medical images (MRI, CT)	CT-ORG and BraTS 2020 datasets	NA	NA	NA	NA
179	2025-05-31	Interpolation-split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance 2024, Journal of big data IF:8.6Q1 DOI:10.1186/s40537-024-00974-x PMID:39109339	研究论文	提出了一种基于数据中心的深度学习方法Interpolation-Split，通过大数据插值提升气道分割性能	利用插值和图像分割技术提高数据质量和实用性，并采用集成学习策略整合不同尺度的气道分割结果	未提及具体限制	提升气道树的分割性能，以支持慢性呼吸系统疾病的诊断和特征分析	气道树的分割	数字病理	慢性呼吸系统疾病	深度学习，插值技术，图像分割	nnU-Net, modified dilated U-Net	医学图像	未提及具体样本量	NA	NA	NA	NA
180	2025-05-31	Deep learning pipeline reveals key moments in human embryonic development predictive of live birth after in vitro fertilization 2024, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpae052 PMID:39114746	research paper	该研究应用卷积神经网络（CNN）识别人类胚胎植入前发育中的关键窗口，以预测体外受精（IVF）后的活产概率	利用CNN模型识别胚胎发育中的关键时间点，提高胚胎存活率评估的准确性，并展示了在有限数据集上的迁移学习能力	研究可能受限于数据集的大小和异质性，且模型性能可能因诊所间的数据差异而有所不同	提高体外受精（IVF）治疗中胚胎选择的有效性，以增加活产率	人类胚胎在体外受精（IVF）过程中的发育情况	digital pathology	NA	CNN	CNN	image	NA	NA	NA	NA	NA