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
2481	2025-10-07	Current status of artificial intelligence methods for skin cancer survival analysis: a scoping review 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1243659 PMID:38711781	综述	分析人工智能方法在皮肤癌生存分析中的应用现状	首次系统综述AI在皮肤癌生存分析中的多模态数据整合能力，指出深度学习在黑色素瘤病理解读中的集中应用及扩展其他皮肤恶性肿瘤研究的创新空间	仅纳入14篇符合标准的文献，覆盖病种范围有限（主要关注黑色素瘤），未充分整合遗传学与临床数据	评估人工智能技术在皮肤癌生存分析领域的应用现状与发展方向	皮肤癌患者的生存数据分析	自然语言处理, 机器学习	皮肤癌	深度学习, 自然语言处理	监督学习, 无监督学习, 深度学习, NLP	遗传数据, 临床病史, 人口统计学数据, 病理数据	14篇符合纳入标准的文献	NA	NA	NA	NA
2482	2025-03-22	On-board synthetic 4D MRI generation from 4D CBCT for radiotherapy of abdominal tumors: A feasibility study 2024-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.17347 PMID:39137256	研究论文	本研究评估了基于人工智能方法从4D CBCT生成合成4D MRI的可行性，用于腹部肿瘤的放射治疗	提出了一种基于深度学习的合成4D MRI生成方法，利用4D CBCT图像和运动建模信息，为传统kV-based LINAC的腹部放射治疗提供潜在的改进方案	合成MRI的生成可能面临纹理生成的挑战，且容易产生幻觉，影响运动准确性	评估在传统放射治疗设备上生成合成4D MRI的可行性，以改善腹部肿瘤的治疗定位	腹部肿瘤	医学影像处理	腹部肿瘤	深度学习，卷积神经网络（CNN）	CNN	4D CBCT图像，4D MRI图像	1000个参考CT的变形样本	NA	NA	NA	NA
2483	2025-03-22	Prediction of Perceived Exertion Ratings in National Level Soccer Players Using Wearable Sensor Data and Machine Learning Techniques 2024-12, Journal of sports science & medicine DOI:10.52082/jssm.2024.744 PMID:39649569	研究论文	本研究旨在通过可穿戴传感器数据和机器学习技术预测国家级足球运动员的主观感知运动强度评分（RPE）	使用深度学习架构和多种机器学习算法预测RPE，并评估不同模型的效果和泛化能力	研究仅针对26名男性职业足球运动员，样本量相对较小	评估机器学习模型在预测国家级足球运动员RPE方面的效果	26名男性职业足球运动员	机器学习	NA	机器学习算法和深度学习架构	深度学习模型、树基机器学习模型（如ExtraTree）	传感器数据（心率、GPS、加速度计数据）和RPE评分	5402次训练会话和732次比赛观察，涉及26名运动员	NA	NA	NA	NA
2484	2025-10-07	Body composition analysis by radiological imaging - methods, applications, and prospects 2024-10, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2263-1501 PMID:38569516	综述	本文综述了使用放射学成像方法进行人体组织成分定量分析的技术、应用及发展前景	系统整合了放射学体成分分析的不同方法和定义，特别关注人工智能方法在自动化组织分割中的应用	AI训练所需的分析工具和合适数据集的可用性被认为是主要限制因素	向放射学读者介绍体成分分析方法以促进其应用和传播	人体组织成分，特别是腹部脂肪腔室和肌肉群	医学影像分析	肿瘤和代谢疾病	CT、MRI、放射学成像	深度学习	放射学横断面图像数据	NA	NA	NA	NA	NA
2485	2025-10-07	Deep Learning Accelerated Brain Diffusion-Weighted MRI with Super Resolution Processing 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.02.049 PMID:38521612	研究论文	本研究探讨了深度学习加速脑部扩散加权成像结合超分辨率处理的临床可行性和图像质量	首次将深度学习图像重建与超分辨率处理相结合用于加速脑部DWI，显著提高了图像质量和诊断信心	样本量相对较小（85例患者），仅在一台3T扫描仪上进行研究	评估深度学习加速脑部扩散加权成像的临床可行性和图像质量	85例连续接受临床MRI检查的患者	医学影像分析	脑部疾病	扩散加权成像，深度学习图像重建，超分辨率处理	深度学习模型	脑部MRI图像	85例患者，其中35例检测出颅内病变	NA	NA	图像质量评分，诊断信心评分，Fleiss' kappa，信号强度值	3T MRI扫描仪
2486	2025-10-07	Diagnostic Performance of Radiomics and Deep Learning to Identify Benign and Malignant Soft Tissue Tumors: A Systematic Review and Meta-analysis 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.033 PMID:38614826	系统评价与荟萃分析	系统评估影像组学和深度学习在良恶性软组织肿瘤鉴别诊断中的应用价值	首次对影像组学和深度学习在软组织肿瘤诊断中的性能进行系统评价和荟萃分析	纳入研究存在异质性，部分研究缺乏独立验证集	评估影像组学和深度学习在软组织肿瘤良恶性鉴别诊断中的性能	软组织肿瘤患者	医学影像分析	软组织肿瘤	影像组学分析，深度学习	深度学习模型	医学影像数据	21项研究共3866例患者，其中13项研究包含独立测试/验证集	NA	NA	敏感性，特异性	NA
2487	2025-10-07	Ultrasound-Based Deep Learning Radiomics Nomogram for the Assessment of Lymphovascular Invasion in Invasive Breast Cancer: A Multicenter Study 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.010 PMID:38658211	研究论文	基于B超和彩色多普勒超声图像开发深度学习放射组学列线图用于术前评估浸润性乳腺癌淋巴血管侵犯状态	首次结合B超和彩色多普勒超声图像开发深度学习放射组学列线图，通过多中心研究验证其对淋巴血管侵犯的预测价值	回顾性研究设计，样本仅来自八个医院	术前评估浸润性乳腺癌的淋巴血管侵犯状态	832例经病理证实的浸润性乳腺癌患者	数字病理	乳腺癌	B超，彩色多普勒血流成像	深度学习	超声图像	832例患者来自八个医院，分为训练集、内部测试集和外部测试集	NA	NA	AUC, 准确率, 校准曲线, 决策曲线分析, 临床影响曲线, 净重分类改进, 综合判别改进	NA
2488	2025-10-07	Feasibility of Artificial Intelligence Constrained Compressed SENSE Accelerated 3D Isotropic T1 VISTA Sequence For Vessel Wall MR Imaging: Exploring the Potential of Higher Acceleration Factors Compared to Traditional Compressed SENSE 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.041 PMID:38664146	研究论文	本研究探讨基于深度学习的压缩感知加速3D T1 VISTA序列在血管壁磁共振成像中的可行性，并与传统压缩感知方法进行比较	首次将人工智能约束压缩感知技术应用于血管壁MRI，探索比传统压缩感知更高的加速因子	样本量较小（40例患者），需要更大规模研究验证	优化血管壁磁共振成像的加速因子，获得高质量临床图像	40例颅内或颈动脉粥样硬化斑块患者	医学影像分析	心血管疾病	3D T1加权容积各向同性涡轮自旋回波采集，磁共振成像	深度学习	磁共振图像	40例患者	NA	NA	信噪比，对比噪声比，图像质量评分	3.0T MR系统
2489	2025-10-07	Deep Learning Radiomics Model of Contrast-Enhanced CT for Differentiating the Primary Source of Liver Metastases 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.012 PMID:38702214	研究论文	开发并验证基于增强CT的深度学习放射组学模型，用于识别肝转移瘤的原发灶来源	采用深度学习放射组学方法结合分步分类策略，首次实现对五种不同原发灶肝转移瘤的鉴别诊断	样本量相对有限，仅包含五个特定癌种的肝转移病变	开发能够识别肝转移瘤原发灶来源的智能诊断模型	657个肝转移病灶（来自428例患者），包括乳腺癌、肺癌、结直肠癌、胃癌和胰腺癌	医学影像分析	肝转移癌	增强CT成像	深度学习放射组学模型	医学影像（CT图像）	训练验证集545个病灶（7:3分割），外部测试集112个病灶	NA	NA	准确率，AUC	NA
2490	2025-10-07	A deep learning approach for fast muscle water T2 mapping with subject specific fat T2 calibration from multi-spin-echo acquisitions 2024-04-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-58812-2 PMID:38589478	研究论文	提出一种基于深度学习的快速肌肉水T2映射方法，通过多自旋回波采集实现受试者特异性脂肪T2校准	利用全连接神经网络替代传统的双组分扩展相位图拟合方法，显著提升计算效率	NA	开发快速准确的肌肉水T2映射方法	肌肉组织	医学影像分析	NA	多自旋回波采集，MRI	全连接神经网络	MRI影像数据	NA	NA	全连接神经网络	Lin一致性相关系数	最小计算资源
2491	2025-03-22	MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306673 PMID:39546454	研究论文	本文提出了一种名为MaskDGNets的新框架，用于事件抽取，通过掩码注意力引导的动态图聚合网络来解决传统深度学习方法忽略词特征与序列信息之间关联的问题	提出了掩码注意力机制和动态图聚合模块，有效平衡词向量特征和序列语义，并增强事件与事件之间、事件与主要属性之间的交互性和关联性	未提及具体局限性	提升事件抽取的性能，解决传统方法忽略词特征与序列信息关联的问题	事件抽取任务中的词特征与序列信息	自然语言处理	NA	动态图聚合网络、掩码注意力机制	MaskDGNets	文本	两个基准数据集（DuEE和CCKS2020）	NA	NA	NA	NA
2492	2025-10-07	Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children 2024-Dec-01, Critical care explorations DOI:10.1097/CCE.0000000000001188 PMID:39688905	研究论文	开发基于机器学习的预测模型，用于预测儿童和年轻成人接受连续肾脏替代治疗后ICU死亡率	首次开发用于预测儿童和年轻成人CRRT患者ICU和医院存活率的机器学习模型	样本量有限，输入变量需要扩展，特征选择方法需要优化	预测接受连续肾脏替代治疗的儿童和年轻患者的ICU和医院存活率	25岁以下因急性肾损伤和/或容量超负荷接受CRRT的儿童和年轻成人患者	机器学习	肾脏疾病	连续肾脏替代疗法	逻辑回归,决策树,随机森林,梯度提升机,支持向量机	临床数据	933名患者（80%训练集，20%测试集）	NA	NA	AUROC, AUPRC	NA
2493	2025-10-07	Deep learning-based temporal deconvolution for photon time-of-flight distribution retrieval 2024-Nov-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.533923 PMID:39546693	研究论文	提出一种基于深度学习的时序解卷积方法，用于从荧光寿命成像中恢复真实光子飞行时间分布	首次将深度学习模型专门应用于荧光寿命成像中的解卷积任务，无需复杂的计算策略和正则化项	模型训练和验证主要基于模拟数据，实际应用效果需进一步验证	开发准确高效的光子飞行时间分布恢复方法	荧光寿命成像中的光子飞行时间分布	生物医学成像	NA	荧光寿命成像(FLI)、扩散光学成像	深度学习模型	时间分辨成像数据	模拟FLI数据、体外实验、临床前体内研究	NA	NA	准确性、鲁棒性、灵活性	NA
2494	2025-10-07	A deep profile of gene expression across 18 human cancers 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.17.585426 PMID:38559197	研究论文	提出DeepProfile框架，利用无监督深度学习分析18种人类癌症的基因表达数据	开发了具有生物可解释性的无监督深度学习框架，能够从大规模基因表达数据中提取有价值的生物学信息	未明确说明模型在独立验证集上的性能表现及计算资源需求	利用无监督深度学习挖掘癌症基因表达数据中的生物学信息	18种人类癌症的50,211个转录组数据	机器学习	多癌种研究	基因表达分析，转录组测序	深度学习	基因表达数据	50,211个转录组样本，涵盖18种癌症类型	NA	NA	生物可解释性评估，Kaplan-Meier生存分析	NA
2495	2025-10-07	Evolution of white matter hyperintensity segmentation methods and implementation over the past two decades; an incomplete shift towards deep learning 2024-Oct, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-024-00902-w PMID:39083144	系统综述	系统回顾了过去二十年白质高信号分割方法的演变历程和实施情况	首次系统性地分析了过去二十年WMH分割工具的方法学演变，特别关注了深度学习技术的兴起趋势	仅包含公开可用技术且详细描述方法的文献，可能遗漏部分商业或未公开方法	分析白质高信号分割方法的发展趋势和实施差异	白质高信号分割工具和方法	医学影像分析	神经系统疾病	系统综述方法	深度学习,传统图像分割方法	医学影像数据	1007个视觉评分量表研究,118个流程开发文章,509个实施文章	NA	NA	评估标准	NA
2496	2025-10-07	A Deep Learning Model for Predicting Molecular Subtype of Breast Cancer by Fusing Multiple Sequences of DCE-MRI From Two Institutes 2024-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.002 PMID:38637240	研究论文	开发深度学习模型通过融合两个机构的DCE-MRI多序列数据预测乳腺癌分子亚型	提出多分支卷积神经网络架构，采用外观变换技术缓解小数据和类别不平衡问题，并探索不同ROI和融合策略	样本量相对有限，部分亚型预测结果未达到统计学显著性	评估深度学习在利用DCE-MRI预测乳腺癌分子亚型方面的性能	乳腺癌患者	医学影像分析	乳腺癌	DCE-MRI	CNN, CLSTM, MBCNN	医学影像	366例乳腺癌患者（训练集292例，验证集49例，测试集25例）	NA	多分支卷积神经网络	AUC, 准确率	NA
2497	2025-10-07	Develop and Validate a Nomogram Combining Contrast-Enhanced Spectral Mammography Deep Learning with Clinical-Pathological Features to Predict Neoadjuvant Chemotherapy Response in Patients with ER-Positive/HER2-Negative Breast Cancer 2024-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.035 PMID:38641451	研究论文	开发并验证结合对比增强光谱乳腺摄影深度学习与临床病理特征的列线图，用于预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应	首次将CESM深度学习特征与临床病理特征结合构建预测新辅助化疗反应的列线图	回顾性研究设计，样本量相对有限(265例患者)	预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应	ER阳性/HER2阴性乳腺癌患者	数字病理	乳腺癌	对比增强光谱乳腺摄影(CESM)	深度学习,逻辑回归	医学影像(低能量和减影CESM图像),临床病理数据	265例乳腺癌患者，按4:1比例分为训练集和测试集	PyTorch	ResNet34	ROC曲线下面积,准确率,特异性,召回率,阴性预测值,阳性预测值,平衡准确率,F1分数,决策曲线分析	NA
2498	2025-10-07	Deep Learning-Based Reconstruction Improves the Image Quality of Low-Dose CT Colonography 2024-08, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.021 PMID:38290889	研究论文	评估基于深度学习的重建方法在低剂量CT结肠成像中的图像质量改善效果	首次系统比较深度学习重建与迭代重建在低剂量CT结肠成像中的性能表现	样本仅来自单一中心，未进行多中心验证	评估深度学习重建技术在低剂量CT结肠成像中的图像质量	270名成年志愿者（平均年龄47.94岁，115名男性）	医学影像	结直肠癌	CT结肠成像	深度学习	医学影像	270名志愿者，按BMI分为四组	NA	NA	噪声、信噪比(SNR)、对比噪声比(CNR)、主观图像质量评分	NA
2499	2025-10-07	Research Progress of Artificial Intelligence in the Grading and Classification of Meningiomas 2024-08, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.02.003 PMID:38413314	综述	本文总结分析了人工智能在脑膜瘤分级分类中的研究进展，重点关注影像组学和深度学习的应用	系统梳理了AI技术在脑膜瘤分级分类领域的最新研究成果和发展趋势	现有研究存在数据样本有限、模型泛化能力不足等问题	促进人工智能在脑膜瘤诊疗中的未来应用	脑膜瘤患者	医学影像分析	脑膜瘤	影像组学, 深度学习	深度学习模型	医学影像	NA	NA	NA	NA	NA
2500	2025-10-07	A Transvaginal Ultrasound-Based Deep Learning Model for the Noninvasive Diagnosis of Myometrial Invasion in Patients with Endometrial Cancer: Comparison with Radiologists 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.035 PMID:38182443	研究论文	开发基于经阴道超声的深度学习模型用于无创诊断子宫内膜癌患者肌层浸润程度	首次将深度学习模型应用于经阴道超声图像评估子宫内膜癌肌层浸润，并与15名放射科医生进行性能比较	研究样本来自多个中心但外部测试集样本量相对较小（95例患者）	评估深度学习模型在诊断子宫内膜癌肌层浸润程度方面的可行性	子宫内膜癌患者	计算机视觉	子宫内膜癌	超声成像	CNN	图像	604例患者的1289张超声图像（训练集和内部验证集），95例患者作为外部测试集	NA	EfficientNet-B6	准确率, 灵敏度, 特异性, AUC, 阳性似然比, 阴性似然比	NA