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
1981	2025-10-07	Deep Learning-Derived Myocardial Strain 2024-Jul, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2024.01.011 PMID:38551533	研究论文	开发了一种自动化的深度学习应变分析流程，用于从标准超声心动图B模式图像测量整体纵向应变	创建了开源、厂商无关的自动化应变测量方法，显著降低了操作者经验和厂商设备差异带来的变异性	与二维GLS的一致性为中等水平（ICC: 0.56），存在-3.31%的偏差	开发并验证自动化的深度学习应变分析流程在不同应用和人群中的性能	超声心动图B模式图像，包括心脏肥大和晚期心脏淀粉样变性患者	医学影像分析	心血管疾病	超声心动图，斑点追踪技术	深度学习	医学图像	多个患者群体，包括外部验证数据集	NA	EchoNet-Dynamic	组内相关系数, 平均绝对误差, 偏差, 一致性界限	NA
1982	2025-10-07	Brain Age Analysis and Dementia Classification using Convolutional Neural Networks trained on Diffusion MRI: Tests in Indian and North American Cohorts 2024-May-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.04.578829 PMID:38370641	研究论文	本研究使用卷积神经网络分析扩散加权MRI数据，进行脑龄预测和痴呆分类，并在印度和北美人群中验证模型性能	首次将扩散加权MRI作为输入数据用于脑龄分析和痴呆分类，并采用3D CycleGAN方法进行数据集协调	研究样本主要来自特定人群（北美和印度），可能限制模型的普适性	开发基于深度学习的脑龄预测和阿尔茨海默病分类模型	阿尔茨海默病患者和健康对照者的大脑MRI数据	医学影像分析	阿尔茨海默病	扩散加权MRI，T1加权MRI	CNN, CycleGAN	3D医学影像	来自ADNI（北美）和NIMHANS（印度）两个队列的样本	NA	3D CycleGAN, 卷积神经网络	分类性能指标	NA
1983	2025-10-07	Cross noise level PET denoising with continuous adversarial domain generalization 2024-Apr-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad341a PMID:38484401	研究论文	本文提出一种基于连续对抗域泛化的PET图像去噪方法，能够有效处理不同噪声水平的PET图像	首次从域泛化角度解决跨噪声水平去噪性能下降问题，提出使用连续判别器的对抗训练方法	研究仅基于特定tau PET数据集，在其他类型PET数据上的泛化能力需进一步验证	解决PET图像在不同噪声水平下的去噪泛化问题	97F-MK6240 tau PET研究中的60名受试者	医学图像处理	阿尔茨海默病	PET成像	GAN, UNet	3D医学图像	60名受试者，生成1940对3D图像体积（训练1400对，验证120对，测试420对）	NA	3D UNet	bias, standard deviation, SSIM, PSNR	NA
1984	2025-10-07	Identifying Reproducibly Important EEG Markers of Schizophrenia with an Explainable Multi-Model Deep Learning Approach 2024-Feb-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.02.09.579600 PMID:38405889	研究论文	本研究提出一种可解释的多模型深度学习方法，用于识别精神分裂症的重要EEG生物标志物	提出(1)基于特征交互的可解释性方法和(2)多模型解释汇总的新方法，通过分析训练集和测试集解释来提取可泛化的见解	NA	识别精神分裂症的可重现EEG生物标志物	精神分裂症患者的脑电图数据	机器学习	精神分裂症	脑电图频谱功率分析	深度学习	EEG频谱功率数据	NA	NA	NA	NA	NA
1985	2025-10-07	Clinically Applicable Pan-Origin Cancer Detection for Lymph Nodes via Artificial Intelligence-Based Pathology 2024, Pathobiology : journal of immunopathology, molecular and cellular biology IF:3.5Q1 DOI:10.1159/000539010 PMID:38718783	研究论文	开发了一种基于人工智能的全癌种淋巴结转移检测系统	提出首个适用于多器官来源的淋巴结癌转移检测系统，能够在49-52种不同器官来源的样本中保持稳定性能	未提及模型在罕见癌症类型或特殊病理亚型上的表现	开发临床适用的全癌种淋巴结转移人工智能检测系统	淋巴结组织切片	数字病理学	多器官癌症	全玻片图像分析	深度学习模型	病理图像	训练集700+张WSI，测试集2,453张WSI（来自两个医疗中心）	NA	NA	AUC, 灵敏度, 特异性	NA
1986	2025-10-07	SAMPLER: unsupervised representations for rapid analysis of whole slide tissue images 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104908 PMID:38101298	研究论文	提出一种名为SAMPLER的无监督快速方法，用于生成全切片组织图像的幻灯片级别表示	通过编码多尺度图块级特征的累积分布函数生成幻灯片级别表示，无需监督训练和复杂的注意力模块优化	未明确说明方法在更广泛疾病类型或数据集的泛化能力	开发无监督的快速方法用于全切片组织图像分析	乳腺癌、非小细胞肺癌和肾细胞癌的全切片图像	数字病理学	多种癌症（乳腺癌、非小细胞肺癌、肾细胞癌）	H&E染色全切片图像分析	无监督表示学习方法	全切片组织图像	来自癌症基因组图谱的乳腺癌、非小细胞肺癌和肾细胞癌WSI样本	NA	基于累积分布函数编码的统计方法	AUC	NA
1987	2025-03-12	Intraoperative molecular diagnosis of glioma through combination of radiofrequency signals from ultrasound and deep learning 2024-Jan, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2023.104933 PMID:38103513	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1988	2025-10-07	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.05.592587 PMID:38979147	研究论文	提出基于深度学习的ICoN模型，用于采样高度动态蛋白质的构象集合	首次开发能够从分子动力学模拟数据中学习构象变化物理原理的生成式深度学习模型，并能在潜在空间中快速识别具有复杂侧链和骨架排列的新构象	模型训练依赖于可用的分子动力学模拟数据，未明确说明计算资源需求	研究高度动态蛋白质的构象集合采样方法，理解蛋白质结构-功能关系	内在无序蛋白质（IDPs），特别是淀粉样β蛋白（Aβ42）单体	机器学习	神经退行性疾病	分子动力学模拟，生成式深度学习，EPR光谱，氨基酸取代研究	生成模型	分子动力学模拟轨迹数据	NA	NA	Internal Coordinate Net (ICoN)	构象聚类分析，实验验证（EPR和氨基酸取代研究）	NA
1989	2025-10-07	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2024-Jun-28, Research square DOI:10.21203/rs.3.rs-4301803/v1 PMID:38978607	研究论文	开发了一种基于无监督深度学习的生成模型ICoN，用于高效采样高动态蛋白质的构象集合	首次提出ICoN模型从分子动力学模拟数据中学习构象变化的物理原理，并通过潜在空间插值快速生成具有复杂侧链和骨架排列的新型合成构象	模型训练依赖于可用的分子动力学模拟数据，生成构象的质量受训练数据覆盖范围限制	开发深度学习方法来高效采样高动态蛋白质的构象空间，特别是针对内在无序蛋白质	淀粉样β蛋白单体（Aβ42）和其他高动态蛋白质	机器学习	神经退行性疾病	分子动力学模拟，EPR光谱，氨基酸取代研究	生成模型	分子构象数据	基于分子动力学模拟生成的构象数据集	深度学习框架	ICoN（Internal Coordinate Net）	构象聚类分析，实验验证（EPR和氨基酸取代研究）	NA
1990	2025-10-07	Adapting physics-informed neural networks to improve ODE optimization in mosquito population dynamics 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315762 PMID:39715201	研究论文	提出改进的物理信息神经网络框架，用于优化蚊子种群动态的常微分方程建模	通过逐步扩展训练时间域解决PINNs中的时间因果关系问题，并针对梯度不平衡和刚性问题的改进方法	目前仅使用模拟数据进行实验验证，尚未应用于真实世界数据	改进物理信息神经网络在常微分方程优化中的应用，特别是针对具有极端多尺度行为的系统	蚊子种群动态建模	机器学习	NA	物理信息神经网络	PINN	模拟数据	NA	NA	物理信息神经网络	NA	NA
1991	2025-03-10	Explainability of three-dimensional convolutional neural networks for functional magnetic resonance imaging of Alzheimer's disease classification based on gradient-weighted class activation mapping 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0303278 PMID:38771733	研究论文	本文通过应用梯度加权类激活映射（Grad-CAM）等方法，提高了基于fMRI的3D-VGG16网络在阿尔茨海默病（AD）诊断中的可解释性	本文的创新点在于使用多种静息态功能活动图（如ALFF、fALFF、ReHo和VMHC）来降低fMRI数据的复杂性，并采用3D-VGG16网络进行AD分类，同时通过GAP层缓解过拟合问题	本文的局限性在于手动特征提取方法可能增加模型负担，且仅针对AD和正常对照组进行了研究，未涉及其他神经系统疾病	研究目的是探索模型在预测时主要关注的大脑感兴趣区域（ROI），以及AD患者和正常对照组之间这些ROI的差异	研究对象为阿尔茨海默病患者和正常对照组	数字病理学	阿尔茨海默病	fMRI	3D-VGG16	图像	未提及具体样本数量	NA	NA	NA	NA
1992	2025-10-07	An interpretable generative multimodal neuroimaging-genomics framework for decoding alzheimer's disease 2024-Nov-14, ArXiv PMID:38947922	研究论文	提出一种可解释的生成式多模态神经影像-基因组学框架，用于阿尔茨海默病的检测和轻度认知障碍转化预测	采用循环生成对抗网络在潜在空间填补缺失模态数据，并结合可解释人工智能方法分析特征重要性	未明确说明样本数据的具体来源和采集标准	解码阿尔茨海默病的多模态生物标志物并实现疾病分类预测	阿尔茨海默病患者、轻度认知障碍患者及正常对照组	医学影像分析	阿尔茨海默病	结构磁共振成像, 功能磁共振成像, 单核苷酸多态性	cGAN, 深度学习分类模型	神经影像数据, 基因组数据	NA	NA	CycleGAN	准确率	NA
1993	2025-03-09	Enhancing Whole Slide Image Classification with Discriminative and Contrastive Learning 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72083-3_10 PMID:40046787	研究论文	本研究通过结合判别式和对比学习技术，提升了全切片图像（WSI）分类的准确性和鲁棒性	与现有主要依赖基于WSI级别标签分配伪标签的对比学习方法不同，本研究直接在WSI级别构建正负样本，从而更有效地学习信息丰富的图像特征	NA	提高全切片图像分类的准确性和鲁棒性	全切片图像（WSI）	数字病理学	NA	对比学习	深度学习	图像	两个数据集	NA	NA	NA	NA
1994	2025-03-09	Accurate fully automated assessment of left ventricle, left atrium, and left atrial appendage function from computed tomography using deep learning 2024-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf011 PMID:40051867	研究论文	本研究开发了一种全自动深度学习方法，用于从计算机断层扫描（CT）中计算心脏功能	首次比较了nnU-Net、3D TransUNet和UNETR在心脏功能参数分割和计算中的表现，发现nnU-Net在多个指标上优于其他模型	样本量较小（39名患者），且仅评估了左侧心脏功能	开发一种全自动深度学习方法，用于从CT中计算心脏功能参数	左心室（LV）、左心房（LA）和左心耳（LAA）	计算机视觉	心血管疾病	CT	nnU-Net, 3D TransUNet, UNETR	图像	39名患者的时间分辨CT数据集	NA	NA	NA	NA
1995	2025-10-07	Artificial intelligence applied to magnetic resonance imaging reliably detects the presence, but not the location, of meniscus tears: a systematic review and meta-analysis 2024-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-024-10625-7 PMID:38386028	系统评价和荟萃分析	通过系统评价和荟萃分析评估卷积神经网络在MRI中检测半月板撕裂的准确性	首次通过荟萃分析比较AI模型在检测半月板撕裂存在与定位方面的性能差异	研究存在显著的异质性(I²=79%)，需要更多标准化报告和外部验证	评估和比较卷积神经网络在半月板撕裂诊断中的准确性	半月板撕裂患者的磁共振成像	计算机视觉	骨科疾病	磁共振成像	CNN	图像	13,467名患者和57,551张图像	NA	NA	敏感性,特异性,AUC	NA
1996	2025-10-07	Evaluation of preoperative difficult airway prediction methods for adult patients without obvious airway abnormalities: a systematic review and meta-analysis 2024-07-17, BMC anesthesiology IF:2.3Q2 DOI:10.1186/s12871-024-02627-1 PMID:39020308	系统评价与荟萃分析	评估成人无显著气道异常患者术前困难气道预测方法的系统评价与荟萃分析	首次系统比较11种困难气管插管预测方法，涵盖体格检查、多变量评分系统和影像学检查三大类别	研究间存在显著异质性，受样本量和研究设计等因素影响	为临床决策选择合适术前困难气管插管预测方法提供循证依据	接受各类手术的成人患者（无显著气道异常）	医学临床研究	麻醉相关并发症	系统评价、荟萃分析、超声检查	NA	临床研究数据	686,089例患者（来自227篇文章）	Meta-Disc软件	NA	敏感度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比	NA
1997	2025-10-07	Data-driven fine-grained region discovery in the mouse brain with transformers 2024-Jun-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.05.592608 PMID:38766132	研究论文	开发了一种基于Transformer的无监督深度学习架构，用于从空间转录组数据中发现小鼠大脑中的精细空间区域	提出了无监督训练方案和新型Transformer架构，能够从粗粒度到细粒度识别大脑空间区域，并能发现其他方法无法检测的未编目亚区	NA	定义小鼠大脑的空间组织结构	小鼠大脑	计算生物学	NA	空间转录组学	Transformer	空间转录组数据	多个动物的全脑空间转录组数据集	NA	Transformer	与Allen小鼠大脑通用坐标框架版本3(CCFv3)的一致性，视觉可解释性	NA
1998	2025-10-07	The human hypothalamus coordinates switching between different survival actions 2024-Jun, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3002624 PMID:38941452	研究论文	本研究首次揭示了人类下丘脑在生存行为切换和动作组织中的关键作用	首次在人类中证明下丘脑协调不同生存行为之间的切换，并开发了结合虚拟现实和深度学习分割的独特研究范式	下丘脑体积小且组织对比度低，需要特殊成像序列和分割技术，样本量可能有限	研究人类下丘脑在生存行为切换中的作用机制	人类志愿者在虚拟环境中对捕食者或猎物的行为反应	计算神经科学	NA	功能磁共振成像，深度学习分割，多体素模式分析	计算模型，深度学习	脑成像数据，行为数据	2个实验中的志愿者（具体数量未明确说明）	NA	NA	行为解码准确性，模式分析效果	NA
1999	2025-10-07	Adaptive Tensor-Based Feature Extraction for Pupil Segmentation in Cataract Surgery 2024-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3345837 PMID:38127596	研究论文	提出一种自适应小波张量特征提取方法，用于提高白内障手术视频中瞳孔分割的准确性	首次构建三阶张量来表示空间信息、颜色通道和小波子带之间的相关性，并采用高阶奇异值分解自适应消除冗余信息	方法在白内障手术特定场景下开发，在其他眼科手术或医学图像分割任务中的泛化能力需要进一步验证	提高白内障手术视频中瞳孔分割的准确性和鲁棒性	白内障手术视频中的瞳孔区域	计算机视觉	白内障	小波变换，张量分析	深度学习分割模型	手术视频图像	BigCat数据集：190例白内障手术的5,700张标注图像；公共CaDIS数据集	NA	NA	Dice系数，统计显著性检验	NA
2000	2025-10-07	Synthesizing 3D Multi-Contrast Brain Tumor MRIs Using Tumor Mask Conditioning 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009331 PMID:38715792	研究论文	本研究开发了一种基于肿瘤掩码条件的3D多对比度脑肿瘤MRI生成方法	将2D潜在扩散模型适配用于生成3D多对比度脑肿瘤MRI数据，并在DPM的UNet骨干中集成条件模块以捕获语义类别依赖的数据分布	NA	解决脑肿瘤MRI数据稀缺和数据不平衡问题，增强训练数据可用性	脑肿瘤MRI数据	医学影像生成	脑肿瘤	扩散概率模型，生成式人工智能	扩散模型，自编码器	3D多对比度脑肿瘤MRI图像	TCGA公共数据集和德克萨斯大学西南医学中心内部数据集	NA	UNet，3D自编码器，3D扩散概率模型	Fréchet Inception Distance (FID)	NA