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
2381	2025-02-03	Detecting major depressive disorder presence using passively-collected wearable movement data in a nationally-representative sample 2024-Feb, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2023.115693 PMID:38194801	研究论文	本研究探讨了利用腕戴式活动记录仪数据结合机器学习和深度学习技术检测重度抑郁症（MDD）的效用	结合传统机器学习方法和深度学习卷积神经网络（CNN）方法，利用被动收集的活动记录仪数据检测MDD，并识别出与MDD相关的生物标志物	研究依赖于PHQ-9作为MDD筛查工具，可能存在筛查偏差	探索利用被动收集的活动记录仪数据结合机器学习技术检测MDD的潜力	8,378名参与者，其中766名参与者通过PHQ-9筛查为MDD	机器学习	重度抑郁症	机器学习和深度学习	传统机器学习方法和CNN	活动记录仪数据	8,378名参与者，其中766名通过PHQ-9筛查为MDD	NA	NA	NA	NA
2382	2025-02-03	Nonmetastatic Axillary Lymph Nodes Have Distinct Morphology and Immunophenotype in Obese Patients with Breast Cancer at Risk for Metastasis 2024-02, The American journal of pathology DOI:10.1016/j.ajpath.2023.11.005 PMID:38029922	研究论文	本研究使用深度学习模型识别肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异，并探讨其与淋巴结转移的潜在机制	首次通过深度学习模型揭示肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异，并初步发现脂肪替代淋巴结中CD3表达减少和瘦素表达增加的趋势	研究样本量较小（180例），且免疫组化分析仅基于30例患者的子集，结果需要进一步验证	探讨肥胖乳腺癌患者非转移性腋窝淋巴结的形态学差异及其与淋巴结转移的潜在机制	肥胖乳腺癌患者的非转移性腋窝淋巴结	数字病理学	乳腺癌	深度学习模型、免疫组化分析	深度学习模型	图像（H&E染色全切片图像）	180例乳腺癌患者（其中30例用于免疫组化分析）	NA	NA	NA	NA
2383	2025-10-07	Respiratory signal estimation for cardiac perfusion SPECT using deep learning 2024-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.16653 PMID:37523268	研究论文	本研究开发了一种基于深度学习的方法，仅使用SPECT投影数据估计呼吸信号，用于心脏灌注成像中的呼吸运动校正	首次提出使用改进的U-Net网络直接从SPECT投影数据估计呼吸信号，无需外部跟踪设备	研究依赖于外部立体相机视觉跟踪系统作为训练目标信号，且样本量相对有限	开发仅使用SPECT投影数据的深度学习方法进行呼吸信号估计，以改善心脏灌注SPECT图像质量	心脏灌注SPECT成像中的呼吸运动伪影	医学影像分析	心血管疾病	SPECT成像，深度学习	CNN	SPECT投影数据	900名接受负荷心脏灌注SPECT研究的受试者（302名测试，598名训练验证）	NA	改进的U-Net	Pearson相关系数，平均绝对差异	NA
2384	2025-02-03	Flexible protein-protein docking with a multitrack iterative transformer 2024-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4862 PMID:38148272	研究论文	本文介绍了一种名为GeoDock的多轨迭代变压器网络，用于从分离的对接伙伴预测对接结构，解决了现有蛋白质-蛋白质对接方法在结合诱导构象变化方面的局限性	GeoDock在蛋白质残基水平上具有灵活性，能够预测结合时的构象变化，且在DIPS测试集上达到了43%的top-1成功率，优于其他测试方法	尽管GeoDock在预测结合诱导的构象变化方面有所突破，但由于训练和评估数据的限制，这仍然是一个挑战	开发一种能够处理结合诱导构象变化的蛋白质-蛋白质对接方法，以提高对接成功率和应用效率	蛋白质-蛋白质对接	机器学习	NA	多轨迭代变压器网络	Transformer	序列和结构数据	DIPS测试集、DB5.5测试集和抗体-抗原复合物基准数据集	NA	NA	NA	NA
2385	2025-10-07	Applying deep learning to recognize the properties of vitreous opacity in ophthalmic ultrasound images 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02705-7 PMID:37596401	研究论文	本研究探索基于深度学习的AI技术自动识别眼科超声图像中玻璃体混浊性质的可行性	首次将深度学习应用于眼科超声图像中玻璃体混浊性质的自动识别	样本量相对有限（2000张图像），仅包含三种典型玻璃体混浊类型	开发自动识别眼科超声图像中玻璃体混浊性质的AI系统	眼科超声图像中的玻璃体混浊病变	计算机视觉	眼科疾病	灰度多普勒超声成像	CNN	图像	2000张灰度多普勒超声图像，包含正常眼和三种玻璃体混浊类型	NA	ResNet, GoogLeNet Inception V1	准确率, 精确率, 召回率, F1分数, AUC	NA
2386	2025-10-07	Deep-learning based automated quantification of critical optical coherence tomography features in neovascular age-related macular degeneration 2024-Feb, Eye (London, England) DOI:10.1038/s41433-023-02720-8 PMID:37670143	研究论文	开发并验证基于深度学习的算法，用于自动量化新生血管性年龄相关性黄斑变性中的关键OCT特征	首次使用深度学习算法对nAMD中的三种关键液体类型（IRF、SRF、nPED）进行自动化分割和量化	样本量较小（仅50名患者），为回顾性研究	验证深度学习算法在新生血管性年龄相关性黄斑变性中自动分割视网膜内液体、视网膜下液体和新生血管性色素上皮脱离的性能	50名渗出性新生血管性年龄相关性黄斑变性患者（50只眼）的光学相干断层扫描数据	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习	医学图像	50名患者（50只眼）	NA	NA	AUC, Dice系数, 相关系数（R2）	NA
2387	2025-10-07	Image quality assessment of retinal fundus photographs for diabetic retinopathy in the machine learning era: a review 2024-Feb, Eye (London, England) DOI:10.1038/s41433-023-02717-3 PMID:37667028	综述	评估糖尿病视网膜病变公开数据集中使用的图像质量评估方法和质量标准	首次系统评估糖尿病视网膜病变公开数据集中的图像质量评估现状，提出自动化质量评估可作为手动标注的有效替代方案	仅纳入20个数据集，部分数据集质量标准信息难以获取	分析糖尿病视网膜病变数据集中图像质量评估的应用现状和标准	20个公开的糖尿病视网膜病变数据集	数字病理	糖尿病视网膜病变	图像质量评估	深度学习算法	视网膜眼底图像	20个公开数据集	NA	NA	NA	NA
2388	2025-02-03	Deep learning enables the discovery of a novel cuproptosis-inducing molecule for the inhibition of hepatocellular carcinoma 2024-Feb, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-023-01167-7 PMID:37803139	研究论文	本研究利用深度学习技术从ZINC15化合物库中筛选出新型肝癌抑制剂LGOd1，并发现其通过干扰铜稳态诱导铜死亡的新机制	首次发现具有左旋葡糖烯酮支架的化合物LGOd1可通过非离子载体机制诱导铜死亡，代表了一类新型铜死亡诱导剂	未明确说明实验样本的具体数量和研究模型的局限性	发现新型抗肝癌化合物并研究其作用机制	肝细胞癌（HCC）细胞系	药物发现	肝细胞癌	深度学习筛选、化学表征分析	深度学习模型	化学化合物数据	超过600万种ZINC15化合物库中的化合物	NA	NA	NA	NA
2389	2025-02-03	A Deep Learning-Based Radiomic Classifier for Usual Interstitial Pneumonia 2024-Feb, Chest IF:9.5Q1 DOI:10.1016/j.chest.2023.10.012 PMID:37844797	研究论文	本文开发了一种基于深度学习的放射组学分类器，用于通过胸部CT扫描诊断普通型间质性肺炎（UIP）	利用卷积神经网络（CNN）从CT扫描中学习UIP的离散特征，并结合线性支持向量机进行预测，展示了在广泛UIP患病率下的良好测试性能	研究为回顾性队列研究，可能存在选择偏倚，且需要进一步验证在更广泛人群中的适用性	开发一种基于深度学习的工具，用于标准化CT扫描解释，以诊断普通型间质性肺炎（UIP）	患有和未患有间质性肺病（ILD）的个体的胸部CT扫描	计算机视觉	间质性肺病	深度学习	卷积神经网络（CNN）	图像	共2,907例胸部CT扫描，包括训练集（n=1,934）、验证集（n=408）和性能测试集（n=565）	NA	NA	NA	NA
2390	2025-02-03	Movienet: Deep space-time-coil reconstruction network without k-space data consistency for fast motion-resolved 4D MRI 2024-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29892 PMID:37849064	研究论文	本文提出了一种名为Movienet的深度学习新方法，用于4D-MRI重建，通过利用空间-时间-线圈相关性和运动保留而非k空间数据一致性，加速黄金角度径向数据的采集，并实现动态MRI中的亚秒级重建时间	Movienet采用U-net架构，通过修改的残差学习块在图像域中完全操作，以去除混叠伪影并重建无混叠的运动分辨4D图像，同时通过线性运动顺序排序输入图像和参考图像来强制运动保留	NA	开发一种新的深度学习方法来加速4D-MRI的重建，以在临床环境中实现快速运动抵抗的3D解剖成像或运动分辨的4D成像	腹部肿瘤的运动分辨4D MRI和运动抵抗3D MRI	医学影像	腹部肿瘤	深度学习	U-net	MRI图像	在1.5T MR-Linac和3T MRI扫描仪上进行了演示	NA	NA	NA	NA
2391	2025-02-03	Investigating pulse-echo sound speed estimation in breast ultrasound with deep learning 2024-Feb, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2023.107179 PMID:37939413	研究论文	本文提出了一种基于深度学习的监督学习方法，用于从分析超声信号中估计声速，以提高乳腺超声图像的质量和疾病识别能力	提出了一种新的深度学习方法来估计乳腺超声中的声速，通过模拟数据集训练全卷积神经网络，生成估计的声速图	模型主要基于模拟数据进行训练，尽管在模拟、幻影和体内乳腺超声数据上进行了评估，但在真实临床数据上的表现仍需进一步验证	提高乳腺超声图像的质量和疾病识别能力	乳腺组织，包括腺体组织、脂肪和病变	计算机视觉	乳腺癌	深度学习	全卷积神经网络	超声信号	大规模模拟超声数据集，包括模拟乳腺组织样本、幻影和体内乳腺超声数据	NA	NA	NA	NA
2392	2025-10-07	GMDIC: a digital image correlation measurement method based on global matching for large deformation displacement fields 2024-Nov-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.533551 PMID:39889089	研究论文	提出一种基于深度学习的全局匹配数字图像相关方法GMDIC，用于测量复杂大变形位移场	结合多头注意力Swin-Transformer和高效通道注意力模块ECA，在特征中添加位置信息以增强特征表示能力	NA	改进数字图像相关方法在大变形位移场测量中的精度和效率	散斑图像的位移场测量	计算机视觉	NA	数字图像相关方法	深度学习	散斑图像	包含各种类型散斑图像和复杂变形的位移场数据集	NA	Swin-Transformer, ECA	位移预测精度	NA
2393	2025-10-07	A Feature-Fusion Technique-Based Alzheimer's Disease Classification Using Magnetic Resonance Imaging 2024-Oct-23, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14212363 PMID:39518331	研究论文	提出一种基于特征融合技术的阿尔茨海默病分类方法，使用磁共振成像数据	改进现有视觉Transformer模型，结合CatBoost分类器实现特征融合，在有限计算资源下提供可解释的AD分类方案	仅使用MRI数据，未整合遗传和临床数据，模型鲁棒性和适用性有待进一步验证	开发计算资源需求较低且可解释的阿尔茨海默病早期诊断方法	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	磁共振成像	ViT, CatBoost	图像	OASIS数据集	NA	改进的Vision Transformer	准确率, 损失值	有限计算资源
2394	2025-10-07	Hexagonal diffraction gratings generated by convolutional neural network-based deep learning for suppressing high-order diffractions 2024-Oct-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.531198 PMID:39889023	研究论文	利用基于卷积神经网络的深度学习算法设计六边形衍射光栅，有效抑制高阶衍射	首次将卷积神经网络应用于六边形衍射光栅的结构参数反演设计，实现单阶衍射特性	未明确说明神经网络的具体训练数据规模和泛化能力	开发能够抑制高阶衍射的衍射光栅设计方法	六边形衍射光栅	计算机视觉	NA	深度学习	CNN	仿真数据，实验数据	NA	NA	卷积神经网络	衍射强度抑制率	NA
2395	2025-10-07	Analysis of Brain Age Gap across Subject Cohorts and Prediction Model Architectures 2024-Sep-20, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines12092139 PMID:39335651	研究论文	本研究通过五种深度学习模型分析不同疾病队列的脑年龄差距，并探讨模型架构对预测结果的影响	首次系统比较五种先进深度学习模型在不同神经系统疾病中的脑年龄差距表现，并发现脑年龄差距随实际年龄增长而下降的趋势	研究结果可能受到生存偏倚、疾病进展和治疗干预等复杂因素的共同影响	评估不同深度学习模型在多种疾病中脑年龄预测的一致性和差异性	健康对照者及睡眠呼吸暂停、糖尿病、多发性硬化症、帕金森病、轻度认知障碍和阿尔茨海默病患者	医学影像分析	神经系统疾病	T1加权磁共振成像	深度学习	脑部MRI图像	多个疾病队列的健康对照和患者样本	NA	2D VGG, 3D VGG, RelationNet, ResNet, SFCN	脑年龄差距统计显著性	NA
2396	2025-10-07	Phase retrieval based on the distributed conditional generative adversarial network 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.529243 PMID:39889034	研究论文	提出基于分布式条件生成对抗网络的相位恢复方法，同时提升相位和幅度图像的重建质量	首次提出分布式幅度和相位条件生成对抗网络(D-APUCGAN)，能够同时提高相位和幅度图像的重建质量	未明确说明计算资源需求和模型训练时间	解决相位恢复问题，从傅里叶强度测量中重建原始图像	自然图像、非自然图像、DIV2K测试数据集、MNIST数据集和真实数据	计算机视觉	NA	傅里叶强度测量	GAN, 条件生成对抗网络	图像	NA	NA	UCGAN, AUCGAN, PUCGAN, APUCGAN	PSNR, SSIM	NA
2397	2025-10-07	Laceration assessment: advanced segmentation and classification framework for retinal disease categorization in optical coherence tomography images 2024-Sep-01, Journal of the Optical Society of America. A, Optics, image science, and vision DOI:10.1364/JOSAA.526142 PMID:39889044	研究论文	提出一种用于OCT图像中视网膜疾病分类和撕裂区域分割的深度学习框架	开发了能同时执行分类和分割任务的双重深度学习框架，采用并行掩码引导CNN进行图像分类，并使用其输出的GAM辅助V-Net进行分割	未明确说明样本量的具体数值和数据集分布的详细情况	开发能够同时进行视网膜疾病分类和撕裂区域分割的深度学习框架	光学相干断层扫描(OCT)图像中的视网膜疾病	计算机视觉	视网膜疾病	光学相干断层扫描(OCT)	CNN, V-Net	图像	包含4个公共数据集和1个实时数据集的组合数据集，涵盖11类视网膜疾病	NA	并行掩码引导卷积神经网络(PM-CNN), V-Net	Dice系数, 准确率	NA
2398	2025-10-07	Forecasting and analyzing influenza activity in Hebei Province, China, using a CNN-LSTM hybrid model 2024-08-12, BMC public health IF:3.5Q1 DOI:10.1186/s12889-024-19590-8 PMID:39135162	研究论文	本研究开发了一种CNN-LSTM混合模型来预测中国河北省的流感样病例百分比	首次将CNN-LSTM混合神经网络模型应用于河北省流感活动预测，相比传统模型具有更好的预测性能	研究仅基于河北省28家哨点医院的数据，未考虑其他影响因素如气象数据、人口流动等	开发准确的流感活动预测模型，为流感防控提供科学依据	河北省28家国家级哨点医院的流感样病例百分比数据	机器学习	流感	深度学习	CNN,LSTM,CNN-LSTM,SARIMA,XGBoost	时间序列数据	2010-2022年河北省28家哨点医院的ILI%数据	PyTorch,R,Python	CNN-LSTM混合架构	MAE,RMSE,MAPE	NA
2399	2025-10-07	Knowledge-Augmented Deep Learning for Segmenting and Detecting Cerebral Aneurysms With CT Angiography: A Multicenter Study 2024-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.233197 PMID:39162636	研究论文	本研究开发了一种知识增强的深度学习模型，用于在CT血管造影图像中分割和检测脑动脉瘤	采用多中心数据集构建深度学习模型，结合知识增强方法提高脑动脉瘤分割和检测的准确性	研究为回顾性设计，需要进一步前瞻性验证	开发准确的脑动脉瘤自动分割和检测方法	疑似未破裂脑动脉瘤患者的CT血管造影图像	医学影像分析	脑动脉瘤	CT血管造影(CTA), 数字减影血管造影(DSA)	深度学习	医学影像	6060名患者用于模型开发(训练4342, 验证1086, 内部测试632), 118名患者用于外部测试	NA	NA	Dice相似系数(DSC), 灵敏度, AUC	NA
2400	2025-10-07	Detection and quantitative analysis of patient-ventilator interactions in ventilated infants by deep learning networks 2024-Jul, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-024-03064-z PMID:38316942	研究论文	本研究开发了基于深度学习的卷积神经网络模型，用于自动检测和定量分析新生儿机械通气中的患者-呼吸机相互作用	首次将成人PVI分类标准应用于新生儿群体，并开发了专门针对新生儿的深度学习分类器实现PVI自动检测	样本量相对较小（23名婴儿），仅从170名新生儿中随机选择，且仅分析了500次呼吸/记录	开发自动化工具来检测和定量分析新生儿机械通气中的患者-呼吸机相互作用	接受机械通气的新生儿，使用SIPPV-VG、SIMV-VG或PSV-VG模式通气至少12小时	数字病理	新生儿呼吸疾病	机械通气波形分析	CNN	呼吸波形数据	23名婴儿，每名婴儿500次呼吸（总计11500次呼吸）	NA	卷积神经网络	F1分数	NA