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
2581	2025-10-07	CTLESS: A scatter-window projection and deep learning-based transmission-less attenuation compensation method for myocardial perfusion SPECT 2024-Sep-12, ArXiv PMID:39314501	研究论文	开发了一种基于散射窗口投影和深度学习的无传输扫描衰减补偿方法用于心肌灌注SPECT成像	首次提出使用散射能量窗口投影和深度学习网络实现无需CT扫描的SPECT衰减补偿	回顾性研究，需要进一步临床评估验证	开发无CT扫描的心肌灌注SPECT衰减补偿方法以降低辐射剂量和成本	心肌灌注SPECT/CT应力成像数据	医学影像分析	心血管疾病	SPECT/CT成像，散射能量窗口投影	深度学习	医学影像	匿名临床SPECT/CT应力心肌灌注图像	NA	多通道输入多解码器网络	AUC，均方根误差，结构相似性指数	NA
2582	2025-10-07	CryoTEN: Efficiently Enhancing Cryo-EM Density Maps Using Transformers 2024-Sep-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.06.611715 PMID:39314387	研究论文	提出一种基于三维U-Net风格Transformer的CryoTEN方法，用于高效增强冷冻电镜密度图质量	首次将三维U-Net风格Transformer架构应用于冷冻电镜密度图增强，在保持高质量的同时运行速度比现有最佳深度学习方法快10倍以上且GPU内存需求更低	NA	开发高效算法以提升冷冻电镜密度图质量，从而改善蛋白质结构建模	冷冻电镜密度图	计算机视觉	NA	冷冻电镜	Transformer	三维密度图	1,295个冷冻电镜图作为训练集，150个独立测试图	NA	U-Net, Transformer	密度图质量提升，蛋白质结构建模质量	GPU
2583	2025-10-07	Automatic Quantitative Assessment of Muscle Strength Based on Deep Learning and Ultrasound 2024-09, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346241255590 PMID:38881032	研究论文	提出一种基于深度学习和超声技术的肌肉力量自动定量评估方法	首次将深度学习与超声技术结合实现肌肉力量的自动化评估，减少对操作者专业经验的依赖	仅针对肱二头肌进行测试，样本类型和肌肉种类有限	开发自动化的肌肉力量评估方法以辅助运动员康复和力量训练	多名运动员在不同力量水平下的肱二头肌	计算机视觉	NA	B型超声	深度学习模型	超声图像	多名运动员的肱二头肌超声数据	NA	NA	准确率	NA
2584	2025-10-07	Deep learning-based multi-parametric magnetic resonance imaging (mp-MRI) nomogram for predicting Ki-67 expression in rectal cancer 2024-09, Abdominal radiology (New York) DOI:10.1007/s00261-024-04232-9 PMID:38489038	研究论文	开发基于深度学习的多参数磁共振成像列线图预测直肠癌Ki-67表达水平	首次结合深度学习特征与临床特征构建多中心验证的列线图模型	回顾性研究设计，样本量有限（491例）	预测直肠癌Ki-67表达状态	直肠癌患者	医学影像分析	直肠癌	多参数磁共振成像（mp-MRI）	深度学习模型	医学影像	491例来自两个中心的直肠癌患者	NA	NA	AUC, 校准曲线, 决策曲线, 临床影响曲线	NA
2585	2025-10-07	Contrastive Self-supervised Learning for Neurodegenerative Disorder Classification 2024-Jul-04, medRxiv : the preprint server for health sciences DOI:10.1101/2024.07.03.24309882 PMID:39006425	研究论文	本研究探索使用对比自监督学习方法对神经退行性疾病进行分类	首次将对比自监督学习应用于神经退行性疾病分类，无需大量专家标注数据即可学习有效的特征表示	研究样本量相对有限，未与其他自监督方法进行系统比较	开发无需标注数据的神经退行性疾病自动分类方法	阿尔茨海默病和额颞叶变性患者及认知正常对照组的脑部MRI扫描	医学影像分析	神经退行性疾病	T1加权MRI扫描	CNN, 感知机	医学影像	2694个T1加权MRI扫描，来自四个数据集：ADNI、AIBL、FTLDNI	NA	深度卷积神经网络, 单层感知机	平衡准确度	NA
2586	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
2587	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
2588	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
2589	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
2590	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
2591	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
2592	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
2593	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
2594	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
2595	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
2596	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
2597	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
2598	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
2599	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
2600	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