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	2025-10-06	Semi-supervised Learning for Generalizable Intracranial Hemorrhage Detection and Segmentation 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230077 PMID:38446043	研究论文	开发并评估用于颅内出血检测和分割的半监督学习模型，在分布外头部CT数据集上验证其泛化能力	采用半监督学习方法，利用未标记数据提升模型在分布外数据上的泛化性能	回顾性研究，数据来源于特定机构和时间段	开发具有强泛化能力的颅内出血检测和分割模型	头部CT扫描图像	医学影像分析	颅内出血	CT扫描	深度学习模型	医学影像	训练集：457个像素级标注扫描+25,000个未标注检查；验证集：93个扫描；测试集：481个检查（分类）+23个检查/529张图像（分割）	NA	教师-学生模型架构	AUC, Dice相似系数, 平均精度	NA
2482	2025-10-06	Evaluating the Robustness of a Deep Learning Bone Age Algorithm to Clinical Image Variation Using Computational Stress Testing 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230240 PMID:38477660	研究论文	评估获奖骨龄深度学习模型对临床图像变化的鲁棒性	首次对获奖骨龄DL模型进行系统性计算压力测试，评估其对多种图像变换的鲁棒性	仅评估单一模型，未比较其他骨龄算法	评估深度学习骨龄算法对临床图像变化的鲁棒性	儿科手部X光片	计算机视觉	儿科发育评估	放射成像	CNN	图像	2627张儿科手部X光片（RSNA 1425张，DHA 1202张）	NA	2017年RSNA儿科骨龄挑战赛获奖模型	平均绝对差异，临床显著错误比例	NA
2483	2025-10-06	Impact of Deep Learning Image Reconstruction Methods on MRI Throughput 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230181 PMID:38506618	研究论文	评估两种商用深度学习重建算法在真实临床环境中对MRI检查效率的影响	首次在大型多中心机构中比较DICOM基础和k空间基础两种深度学习重建方法对MRI工作流程效率的实际影响	回顾性研究设计，结果因检查类型而异，需要针对具体病例组合进行个性化评估	评估深度学习重建算法在临床实践中对MRI检查效率的改进效果	门诊MRI检查流程	医学影像分析	NA	MRI, 深度学习重建	深度学习	医学影像	7346次检查，来自10台临床MRI扫描仪	NA	NA	扫描时间减少百分比，房间时间减少百分比	NA
2484	2025-10-06	Deep Learning-based Approach for Brainstem and Ventricular MR Planimetry: Application in Patients with Progressive Supranuclear Palsy 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230151 PMID:38506619	研究论文	开发基于深度学习的全自动MRI脑干和脑室结构分割测量方法，应用于进行性核上性麻痹患者的诊断	首次提出快速全自动的深度学习方法用于PSP患者最易受累的脑干和脑室结构的MRI平面测量分析	回顾性研究设计，样本量相对有限	开发自动化脑部MRI结构分割测量方法以辅助神经退行性疾病诊断	进行性核上性麻痹患者、帕金森病患者和健康对照者的脑部MRI图像	医学影像分析	神经退行性疾病	T1加权磁共振成像	CNN	医学影像	健康对照84例，内部、外部和临床测试数据集305例，PSP患者71例，PD患者129例	NA	NA	Dice系数, Spearman相关系数, AUC	NA
2485	2025-10-06	Performance of an Artificial Intelligence System for Breast Cancer Detection on Screening Mammograms from BreastScreen Norway 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230375 PMID:38597784	研究论文	评估商业AI系统在乳腺癌筛查乳腺X光片中的独立检测性能	首次在大规模挪威乳腺癌筛查人群中评估商业AI系统在不同风险阈值下的性能表现	回顾性研究设计，仅基于单一筛查项目数据	探索AI系统在乳腺癌筛查中的检测性能和临床应用潜力	242,629名女性的661,695次数字乳腺X光检查	计算机视觉	乳腺癌	数字乳腺X光摄影	CNN	医学影像	661,695次检查，包括3,807例筛查检出癌症和1,110例间期乳腺癌	NA	卷积神经网络	AUC, 癌症检测率, 假阳性率	NA
2486	2024-08-07	Faster, More Practical, but Still Accurate: Deep Learning for Diagnosis of Progressive Supranuclear Palsy 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240181 PMID:38691010	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2487	2025-10-06	Machine learning predictions of T cell antigen specificity from intracellular calcium dynamics 2024-03-08, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adk2298 PMID:38446885	研究论文	本研究开发了一种基于细胞内钙动态的机器学习方法，用于预测T细胞抗原特异性	首次利用深度学习工具从高度可变的T细胞受体信号钙波动中准确预测T细胞激活状态	研究主要针对TCR转基因CD8 T细胞，在多元克隆T细胞中的验证仍需进一步扩展	开发无需T细胞扩增的抗原特异性T细胞受体序列识别方法	T细胞受体工程化细胞疗法中的T细胞	机器学习	肿瘤	细胞内钙动态监测	深度学习	钙波动信号数据	TCR转基因CD8 T细胞及多元克隆T细胞	NA	NA	准确率	NA
2488	2025-10-06	Transformers enable accurate prediction of acute and chronic chemical toxicity in aquatic organisms 2024-03-08, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adk6669 PMID:38446886	研究论文	开发基于Transformer和深度神经网络的AI模型，用于预测化学物质对水生生物的急性和慢性毒性	首次将Transformer架构应用于化学毒性预测，能够直接从化学结构中捕获毒性特异性特征	模型性能依赖于训练数据的质量和覆盖范围，未明确说明对未知化学结构的泛化能力	提高化学毒性预测的计算方法准确性和应用范围	水生生物（藻类、水生无脊椎动物和鱼类）	机器学习	NA	深度学习	Transformer, 深度神经网络	化学结构数据	NA	NA	Transformer	预测误差	NA
2489	2025-10-06	Vision Transformer-based Decision Support for Neurosurgical Intervention in Acute Traumatic Brain Injury: Automated Surgical Intervention Support Tool 2024-03, Radiology. Artificial intelligence DOI:10.1148/ryai.230088 PMID:38197796	研究论文	开发基于Vision Transformer的自动分诊工具，用于预测创伤性脑损伤患者是否需要神经外科干预	首次将Vision Transformer应用于创伤性脑损伤的神经外科干预预测，创建了ASIST-TBI自动决策支持工具	回顾性研究，数据来自单一创伤中心，需要进一步外部验证	开发自动分诊工具预测创伤性脑损伤患者的神经外科干预需求	创伤性脑损伤患者的头部CT扫描	计算机视觉	创伤性脑损伤	CT扫描	Vision Transformer	医学图像	训练验证测试集2806例患者，独立测试集612例患者	NA	Vision Transformer	AUC, 准确率, 灵敏度, 特异性	NA
2490	2025-10-06	NnU-Net versus mesh growing algorithm as a tool for the robust and timely segmentation of neurosurgical 3D images in contrast-enhanced T1 MRI scans 2024-02-20, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05973-8 PMID:38376564	研究论文	本研究评估nnU-Net在对比增强T1 MRI图像中分割大脑、皮肤、肿瘤和脑室的性能，并与传统网格生长算法进行对比	首次系统比较nnU-Net与网格生长算法在神经外科3D图像分割中的性能，证明nnU-Net在有限训练数据下仍能获得优异表现	使用单中心回顾性数据训练，样本量相对较小（67例训练，32例测试）	评估深度学习模型在神经外科图像分割中的性能和实用性	对比增强T1 MRI脑部扫描图像中的大脑、皮肤、肿瘤和脑室结构	医学图像分析	脑部疾病	MRI, 对比增强T1成像	深度学习, CNN	3D医学图像	67例训练样本（单中心），32例测试样本（双中心）	nnU-Net	nnU-Net	Dice-Sørensen系数, IoU, 95% Hausdorff距离, 平均对称表面距离, 分割时间	NA
2491	2025-10-06	Applied deep learning in neurosurgery: identifying cerebrospinal fluid (CSF) shunt systems in hydrocephalus patients 2024-02-07, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05940-3 PMID:38321344	研究论文	本研究开发了一种基于深度学习的AI辅助系统，用于自动识别脑积水患者脑脊液分流阀类型	首次将深度学习技术应用于脑脊液分流阀的自动识别，实现了99%的总体F1分数	仅包含10种分流阀类型，样本量相对有限（2070张图像）	评估AI辅助分流阀检测系统在临床实践中的可行性	脑积水患者的脑脊液分流阀	计算机视觉	脑积水	X射线成像，CT扫描	CNN	图像	2070张匿名图像，包含10种常用分流阀类型	FastAi, Python	基于预训练模型的迁移学习	F1-score	NA
2492	2025-10-06	PPML-Omics: A privacy-preserving federated machine learning method protects patients' privacy in omic data 2024-02-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adh8601 PMID:38295178	研究论文	提出一种保护隐私的联邦机器学习方法PPML-Omics，用于组学数据分析中的患者隐私保护	设计了去中心化差分隐私联邦学习算法，首次提供数学理论证明的隐私保护方法	NA	解决组学数据分析中的患者隐私泄露问题	组学数据中的患者隐私信息	机器学习	NA	测序技术	深度学习模型	组学数据	NA	NA	NA	隐私保护能力，效用平衡	NA
2493	2025-10-06	Body Composition, Coronary Microvascular Dysfunction, and Future Risk of Cardiovascular Events Including Heart Failure 2024-02, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2023.07.014 PMID:37768241	研究论文	本研究通过深度学习分析身体成分，探讨冠状动脉微血管功能障碍与骨骼肌、脂肪组织的关联及其对心血管事件风险的预测价值	首次使用深度学习模型量化身体成分，揭示骨骼肌减少（而非脂肪增加）与冠状动脉微血管功能障碍及心血管事件的独立关联	样本量有限（n=400），研究对象为转诊患者可能存在选择偏倚，随访时间中位数为6年	探究身体成分与冠状动脉微血管功能障碍的关系及其对心血管预后的影响	400例冠状动脉疾病评估患者，71%为女性，50%为非白人，50%肥胖	数字病理	心血管疾病	心脏负荷正电子发射断层扫描，腹部计算机断层扫描	深度学习	医学影像	400例连续患者	NA	NA	风险比，置信区间，P值	NA
2494	2025-10-06	An automatic parathyroid recognition and segmentation model based on deep learning of near-infrared autofluorescence imaging 2024-02, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7065 PMID:38457206	研究论文	基于深度学习开发用于近红外自发荧光成像的甲状旁腺自动识别与分割模型	首次将深度学习应用于近红外自发荧光成像的甲状旁腺自动识别与分割	召回率相对较低(57.8%)，需要进一步优化模型性能	建立AI模型帮助外科医生在手术中更好地识别和保护甲状旁腺	甲状旁腺	计算机视觉	甲状旁腺疾病	近红外自发荧光成像(NIFI)	深度学习	图像	523张NIFI图像	NA	NA	精确率,召回率,识别率	NA
2495	2025-10-06	Abdominal Body Composition Reference Ranges and Association With Chronic Conditions in an Age- and Sex-Stratified Representative Sample of a Geographically Defined American Population 2024-04-01, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/glae055 PMID:38373180	研究论文	本研究通过腹部CT扫描建立了美国特定地理区域人群的身体成分参考范围，并分析了其与慢性疾病的关联	首次在具有地理代表性的普通人群中建立了基于CT的身体成分参考范围，并系统分析了年龄、性别和慢性疾病对身体成分的影响	研究仅限于美国明尼苏达州南部和威斯康星州西部27个县的居民，可能不适用于其他人群	建立基于CT的身体成分参考范围并分析其与慢性疾病的关联	4,900名20-89岁接受腹部CT检查的居民	医学影像分析	慢性疾病	计算机断层扫描(CT)	深度学习	医学影像	4,649名具有地理代表性的居民	NA	NA	NA	NA
2496	2025-10-06	Application of ChatGPT in Routine Diagnostic Pathology: Promises, Pitfalls, and Potential Future Directions 2024-Jan-01, Advances in anatomic pathology IF:5.1Q1 DOI:10.1097/PAP.0000000000000406 PMID:37501529	文献综述	本文综述了ChatGPT在常规诊断病理学中的应用前景、潜在问题和未来发展方向	首次系统探讨大型语言模型在病理学诊断领域的应用潜力，并通过模拟实际病理诊断场景进行对话测试	目前关于ChatGPT在病理学领域的研究信息有限，需要更多研究验证其准确性、有效性和伦理问题	评估ChatGPT在常规诊断病理学中的应用价值和局限性	ChatGPT及其他聊天机器人技术在病理诊断中的应用	自然语言处理	NA	自然语言处理，深度学习	大型语言模型	文本数据	NA	NA	Transformer	NA	NA
2497	2025-06-16	Silicon integrated photonic-electronic neuron for noise-resilient deep learning 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.532306 PMID:40514809	research paper	本文展示了一种光电混合乘积累加神经元（PEMAN）架构的光子段实验演示，采用硅光子芯片和高速电吸收调制器进行矩阵向量乘法	引入了一种新颖的激活函数斜率拉伸策略以减轻噪声影响，并展示了噪声感知深度学习技术的应用	实验验证仅限于特定噪声水平和计算速率下的性能评估	开发噪声鲁棒性强的深度学习架构，用于健康监测	光电混合神经元架构及其在心跳声音分类中的应用	machine learning	cardiovascular disease	silicon photonic chip, electro-absorption modulators	three-layer neural network	sound	1350 trainable parameters	NA	NA	NA	NA
2498	2025-06-16	Ultra-fast and accurate force spectrum prediction and inverse design of light-driven microstructure by deep learning 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.537005 PMID:40514837	研究论文	利用深度学习预测和逆向设计光驱动微结构的光谱力和结构配置	使用深度神经网络（DNNs）替代传统计算方法，实现超快速且高精度的力谱预测和微结构逆向设计	研究仅针对由5×5方阵组成的微结构，未涉及更复杂或不同排列的结构	获得在不同频率光照射下能产生预定义力的微结构配置	由5×5方阵组成的微结构，每个位置为空或由介电球体占据	机器学习	NA	Mie散射-麦克斯韦应力张量方法	DNNs, 生成网络	模拟数据	NA	NA	NA	NA	NA
2499	2025-06-16	Hyper-NLOS: hyperspectral passive non-line-of-sight imaging 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.532699 PMID:40514854	research paper	提出了一种基于高光谱融合的非视距成像技术HFN-Net，通过利用多光谱的高维特征和空间-光谱注意力机制，提升了图像的颜色保真度和结构细节	首次将高光谱特征和空间-光谱注意力机制引入非视距成像，解决了传统方法因稀疏和同质投影特征导致的图像重建不适定问题	未明确提及具体局限性，但可能受限于高光谱数据的获取和处理复杂度	提升被动非视距成像技术的性能，解决传统方法在图像重建中的不足	非视距成像技术及其在自动驾驶和搜救等领域的应用	computer vision	NA	hyperspectral imaging, deep learning	HFN-Net (hyperspectral full-color auto-encoder with spatial-spectral attention)	hyperspectral image	未明确提及具体样本数量，但开发了HS-NLOS数据集用于训练和评估	NA	NA	NA	NA
2500	2025-06-16	Deep learning optimization for small object classification in lensfree holographic microscopy 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.527353 PMID:40514873	研究论文	本文探讨了在无透镜全息显微镜中应用浅层卷积神经网络进行小物体分类的性能优化	首次系统地研究了不同网络层和超参数对无透镜全息显微镜中小物体分类性能的影响，并发现激活层的选择对提高准确性最为关键	网络准确率约为83%，仍有提升空间，且研究仅针对特定类型的全息传感器	优化无透镜全息显微镜中的小物体分类性能	生物分子功能化的微米和纳米珠子	计算机视觉	NA	无透镜全息显微镜	CNN	图像	NA	NA	NA	NA	NA