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
261	2026-05-04	nBEST: Deep-learning-based non-human primates Brain Extraction and Segmentation Toolbox across ages, sites and species 2024-07-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120652 PMID:38797384	研究论文	提出一个基于深度学习的非人灵长类大脑MRI提取与分割工具箱nBEST，可跨年龄、站点和物种处理脑图像	采用终身学习方法灵活整合多样非人灵长类群体数据，创新性构建3D U-NeXt架构，实现多物种、多站点、多发育阶段通用处理	未明确讨论在极端低质量或罕见物种图像上的表现，可能依赖现有数据集多样性的持续更新	开发专为非人灵长类大脑MRI设计的通用自动化处理工具，提升跨物种、跨站点、跨年龄的脑图像分析能力	非人灵长类大脑MRI数据，涉及11个物种（如恒河猴、食蟹猴、黑猩猩、狨猴、松鼠猴等）共1469个扫描样本	数字病理学	不适用	MRI	3D U-NeXt	图像	1469个扫描样本，来自23个独立数据集，涵盖11个物种	PyTorch	3D U-NeXt	精确度, 适用性, 鲁棒性, 全面性, 泛化能力	不适用
262	2026-05-04	The effect of head motion on brain age prediction using deep convolutional neural networks 2024-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120646 PMID:38750907	研究论文	研究头部运动对深度卷积神经网络预测大脑年龄的影响	首次系统评估头部运动引起的MRI图像伪影对脑年龄预测的影响，并发现即使临床可用图像也存在显著偏差	仅基于T1加权MRI图像，未考虑其他模态图像；仅使用两种3D CNN架构，未探索其他模型	探究头部运动引起的MRI图像伪影对脑年龄预测作为脑健康生物标志物的适用性的影响	参与者的T1加权MRI扫描图像（包括无运动和运动伪影的图像）	计算机视觉	神经系统疾病	MRI	3D卷积神经网络	图像	同一参与者的无运动和运动伪影的T1加权MRI扫描图像，由神经放射科医生从临床诊断角度评级	NA	两种不同的3D卷积神经网络架构	脑预测年龄差（brain-PAD）、图像质量指标	NA
263	2026-05-04	Unpaired deep learning for pharmacokinetic parameter estimation from dynamic contrast-enhanced MRI without AIF measurements 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120571 PMID:38518829	研究论文	提出一种无需配对数据和动脉输入函数测量的无监督深度学习方法，通过物理驱动的CycleGAN从动态对比增强MRI中估算药代动力学参数	首次将CycleGAN应用于无配对深度学习中的DCE-MRI药代动力学参数估计，设计基于物理模型的简化生成器-判别器架构，无需单独测量动脉输入函数	未明确讨论方法在临床异质性数据集上的泛化能力及计算效率	开发一种不依赖配对标签数据和动脉输入函数测量的药代动力学参数估计方法，提升可靠性与实用性	动态对比增强MRI中的药代动力学参数和动脉输入函数	医学图像分析	NA	DCE-MRI	CycleGAN（生成对抗网络）	医学图像（动态对比增强MRI）	NA	PyTorch	CycleGAN（单生成器-判别器对）	药代动力学参数估计可靠性（对比其他技术）	NA
264	2026-05-04	Supervised contrastive learning enhances graph convolutional networks for predicting neurodevelopmental deficits in very preterm infants using brain structural connectome 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120579 PMID:38537766	研究论文	应用监督对比学习增强图卷积网络，通过脑结构连接组预测极早产儿神经发育缺陷	首次将图卷积网络与监督对比学习结合用于脑结构连接组分析，以解决数据稀缺问题并提高早期预测准确性	样本量相对较小（约280名婴儿），可能限制模型普适性；研究基于单一队列，需外部验证	开发深度学习模型，利用足月等效年龄的脑结构连接组早期预测极早产儿2岁矫正年龄时的神经发育缺陷	极早产儿（胎龄小于32周）的脑结构连接组及其神经发育结果	机器学习	神经发育缺陷	MRI扫描	图卷积网络（GCN）	脑结构连接组数据	约280名极早产儿	PyTorch	图卷积网络（GCN）	AUC	NA
265	2026-05-04	Quantitative susceptibility mapping through model-based deep image prior (MoDIP) 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120583 PMID:38554781	研究论文	提出一种基于模型的无监督深度图像先验方法（MoDIP），用于解决定量磁化率成像中的偶极子反演问题	首次将模型驱动的深度图像先验与无监督学习结合，无需训练即可处理不同扫描参数下的QSM偶极子反演	NA	提高定量磁化率成像方法在不同扫描参数下的泛化能力	病理脑部QSM数据	机器学习, 计算机视觉	脑部疾病	QSM	深度图像先验	图像	NA	NA	小型未训练网络	准确度, 计算效率, 运行时间	NA
266	2026-05-04	Precise detection of awareness in disorders of consciousness using deep learning framework 2024-04-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120580 PMID:38508294	研究论文	利用深度学习框架精准检测意识障碍患者的意识状态	开发了基于3D EfficientNet-B3的级联深度学习框架DeepDOC，用于区分最小意识状态和无反应觉醒综合征患者，并首次应用于认知运动分离患者的识别	样本量有限，主要依赖静息态功能磁共振数据，未涉及其他模态数据验证	探索深度学习技术与静息态功能磁共振结合以精准检测意识障碍患者的意识状态	意识障碍患者，包括无反应觉醒综合征、最小意识状态患者和认知运动分离患者	深度学习	意识障碍	静息态功能磁共振成像	3D EfficientNet-B3	图像	140名参与者（76名无反应觉醒综合征、25名最小意识状态、39名对照组），独立数据集包含11名意识障碍患者	NA	EfficientNet-B3, 3D CNN	AUC, 准确率	NA
267	2026-05-03	Evaluation of a Deep Learning Model for Metastatic Squamous Cell Carcinoma Prediction From Whole Slide Images 2024-12-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0406-OA PMID:38387604	研究论文	设计并验证了一种基于深度学习模型（EfficientNetB1），利用全切片图像预测转移性鳞状细胞癌	专门针对鳞状细胞癌的深度学习预测模型，仅使用全切片级别标签进行训练，无需人工标注，在多个器官来源的样本上表现出高检测性能	假阳性主要源于生发中心、灰尘细胞聚集和标本处理伪影；假阴性主要源于低分化肿瘤	提高鳞状细胞癌淋巴结转移的检测效率，减轻病理学家的工作负担	食管、头颈、肺和皮肤来源的鳞状细胞癌淋巴清扫全切片图像	数字病理学	鳞状细胞癌	NA	CNN（卷积神经网络）	图像	6587张WSI训练（2413张SCC和4174张非肿瘤），541张WSI测试（41张SCC和500张非肿瘤）	NA	EfficientNetB1	受试者工作特征曲线下面积（AUC）	NA
268	2026-05-03	An Integral R-Banded Karyotype Analysis System of Bone Marrow Metaphases Based on Deep Learning 2024-08-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2022-0533-OA PMID:37931220	研究论文	基于深度学习开发了一整套R显带骨髓中期染色体核型分析系统	首次将深度学习应用于R显带骨髓中期染色体核型分析的完整流程，包括去噪、分割、分类和极性识别四个关键步骤	全文未提及局限性	评估深度学习模型和整个核型分析系统在R显带骨髓中期染色体检测中的性能	R显带正常骨髓中期染色体	计算机视觉、数字病理学	血液系统肿瘤	深度学习	CNN	图像	4442组R显带正常骨髓中期染色体及核型图像，测试集含885张中期染色体图像	NA	NA	IoU、Dice相似系数、准确率	NA
269	2026-05-03	A Deep Learning-Based Approach to Estimate Paneth Cell Granule Area in Celiac Disease 2024-07-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0074-OA PMID:37852171	研究论文	基于深度学习方法估算乳糜泻中潘氏细胞颗粒面积	采用无代码人工智能工作流（NoCodeSeg）分析完整H&E切片，实现潘氏细胞颗粒和隐窝的自动分割，避免了传统人工计数的主观性	未提及具体局限性	利用人工智能技术比较乳糜泻患者与非乳糜泻对照组的隐窝和潘氏细胞颗粒面积	349例十二指肠活检组织样本（185例乳糜泻患者，164例对照）	数字病理学	乳糜泻	H&E染色、全切片扫描	深度学习模型（U-Net架构）	组织病理图像	349例患者（185例乳糜泻，164例对照）	QuPath, DeepMIB, NoCodeSeg	U-Net	平均交并比（IoU）	NA
270	2026-05-03	Explainable Multimodal Graph Isomorphism Network for Interpreting Sex Differences in Adolescent Neurodevelopment 2024-May, Applied sciences (Basel, Switzerland) DOI:10.3390/app14104144 PMID:42037656	研究论文	提出一种可解释的多模态图同构网络，用于解读青少年神经发育中的性别差异	首次将多模态图同构网络（MGIN）与GNNExplainer相结合，通过整合同一受试者的多次fMRI扫描数据，提升性别分类准确率并识别关键脑网络子图结构	未提及数据量和外部验证，且仅针对fMRI任务相关数据，未考虑其他模态或静息态数据	利用多模态图神经网络分析fMRI数据，揭示青少年神经发育中的性别差异	健康青少年的脑功能网络（基于fMRI任务相关数据）	机器学习	NA	fMRI	图神经网络（GNN）	fMRI任务相关数据（脑网络）	NA	PyTorch	图同构网络（GIN）	分类准确率	NA
271	2026-05-03	Comparison of individualized facial growth prediction models based on the partial least squares and artificial intelligence 2024-03-01, The Angle orthodontist DOI:10.2319/031723-181.1 PMID:37913813	研究论文	比较了基于偏最小二乘法和人工智能的个性化面部生长预测模型	首次系统比较了传统偏最小二乘回归与基于TabNet深度神经网络的人工智能方法在面部生长预测中的性能，并发现AI在大多数骨性标志点预测中更准确	AI在颅底标志点预测上不如PLSA准确；软组织和下颌骨标志点的预测误差较大；样本可能具有选择性偏倚	评估并比较基于偏最小二乘法和人工智能的面部生长预测模型的准确性	未曾接受正畸治疗的410名患者的纵向头颅侧位片	机器学习	NA	头颅侧位片成像	TabNet深度神经网络	图像	410名患者的系列纵向头颅侧位片	NA	TabNet	预测误差（毫米）	NA
272	2026-05-03	Synthesis of MR fingerprinting information from magnitude-only MR imaging data using a parallelized, multi network U-Net convolutional neural network 2024, Frontiers in radiology DOI:10.3389/fradi.2024.1498411 PMID:39742349	研究论文	开发一种基于多网络U-Net卷积神经网络的方法，从常规幅度MRI数据合成MR指纹信号	首次利用深度学习网络从常规幅度MRI数据合成MRF信号，无需专用MRF脉冲序列即可进行定量弛豫测量	样本量较小（37名志愿者），且仅针对脑部T1加权数据，未评估其他组织和序列的泛化能力	开发深度学习网络合成MRF信号，以取代传统复杂采集策略，推广定量弛豫测量应用	37名21-62岁志愿者的脑部MRI数据	计算机视觉	NA	MRI	U-Net卷积神经网络	图像	37名志愿者（年龄21-62岁），47个解剖区域	暂未提及具体框架	U-Net	一致性相关系数（CCC）、95%置信限、平均差值	NA
273	2026-05-02	Automated assessment of EEG background for neurodevelopmental prediction in neonatal encephalopathy 2024-12, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.52233 PMID:39543820	研究论文	评估新生儿脑病中基于深度学习的脑状态指数（BSN）预测神经发育结局的能力	首次将深度学习的BSN趋势用于新生儿脑病EEG背景自动评估，并证明其在出生后24小时内即可提供客观、定量的预后预测能力	样本量较小（92名婴儿），且仅针对18个月时的神经发育结局，缺乏长期随访数据	评估BSN趋势预测新生儿脑病神经发育结局的能力	92名新生儿脑病患儿	机器学习	新生儿脑病	深度学习	BSN（深度神经网络）	EEG信号	92名婴儿	NA	NA	AUC	NA
274	2026-05-02	Diagnostic evaluation of blunt chest trauma by imaging-based application of artificial intelligence 2024-11, The American journal of emergency medicine DOI:10.1016/j.ajem.2024.08.019 PMID:39213808	综述	回顾人工智能在钝性胸部创伤影像诊断中的应用，并探讨其挑战与优化方向	系统总结了AI在钝性胸部创伤（肋骨骨折、肺挫伤、血气胸等）诊断中的进展，并首次聚焦于多任务综合诊断的局限性	当前深度学习研究集中于特定临床场景，缺乏对钝性胸部创伤复杂性的全面诊断和预后评估能力	评估AI在钝性胸部创伤诊断中的潜在效用，并提出优化其临床应用的策略	钝性胸部创伤患者及相关影像数据	计算机视觉, 数字病理学	胸部创伤	影像学	深度学习	图像	NA	NA	NA	NA	NA
275	2026-05-02	Automated cell lineage reconstruction using label-free 4D microscopy 2024-10-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae135 PMID:39139100	研究论文	描述了一种无需手动标注的深度学习管道embGAN，用于从无标记4D显微镜图像中自动重建细胞谱系	首次实现无需荧光标记或转基因的无标记3D延时成像中自动细胞检测与追踪，且训练无需手动数据标注，具备尺度和实验室间泛化能力	在密集组织和胚胎中自动检测与追踪的挑战尚未完全解决；性能以秀丽隐杆线虫胚胎为基准，可能在其他生物体中泛化性有限	开发一种自动化细胞谱系重建方法，以替代荧光显微镜中的人工标注过程，实现高通量研究	秀丽隐杆线虫（Caenorhabditis elegans）胚胎的细胞谱系	计算机视觉	NA	无标记4D显微镜	深度学习管道（embGAN）	无标记3D延时图像	多个实验室和多台仪器获取的图像（具体数量未说明）	NA	embGAN（基于生成对抗网络的架构）	细胞检测与追踪性能（接近最先进水平，具体指标未说明）	NA
276	2026-05-02	Deep Learning Reconstruction of Accelerated MRI: False-Positive Cartilage Delamination Inserted in MRI Arthrography Under Traction 2024-Aug-01, Topics in magnetic resonance imaging : TMRI DOI:10.1097/RMR.0000000000000313 PMID:39016321	病例报告	通过深度学习重建加速MRI中出现的假阳性软骨分层案例	首次报告深度学习重建加速MRI在髋关节牵引下关节造影中产生假阳性软骨分层的现象	仅基于单个病例，未进行系统性测试，且未深入分析训练数据偏差的影响	指出深度学习重建技术在临床应用中的潜在假阳性风险	30岁健康男性患者的右髋关节	计算机视觉	软骨病变	MRI加速成像	深度学习重建模型	图像	1例患者	NA	NA	假阳性率	NA
277	2024-08-07	FasterRib: A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans: Erratum 2024-08-01, The journal of trauma and acute care surgery IF:2.9Q1 DOI:10.1097/TA.0000000000004427 PMID:38996424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
278	2026-05-02	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	提出可扩展深度学习框架EPInformer，通过整合启动子-增强子序列与多模态表观基因组数据预测基因表达	集成启动子-增强子相互作用、序列、表观基因组信号和染色质接触信息，在跨染色体验证中超越现有模型，并能通过CRISPR扰动实验验证增强子-基因相互作用	现有方法无法捕捉增强子等远端元件的调控效应导致预测精度受限，且需要大量资源进行训练或适应新数据	开发可扩展的深度学习框架用于基因表达预测	基因表达预测中的启动子-增强子相互作用、表观基因组信号和染色质接触	机器学习	NA	深度学习	EPInformer框架	序列数据、表观基因组信号、染色质接触数据	NA	PyTorch	EPInformer	跨染色体验证准确性、CRISPR扰动验证准确性	NA
279	2026-05-02	X-ray absorption spectroscopy combined with deep learning for auto and rapid illicit drug detection 2024-07-03, The American journal of drug and alcohol abuse DOI:10.1080/00952990.2024.2377262 PMID:39158551	研究论文	利用X射线吸收光谱结合改进的Transformer编码器模型实现毒品的自动快速检测	首次将X射线吸收光谱与深度学习结合用于毒品检测，并采用改进的Transformer编码器模型实现高准确率（96.73%）和快速训练（1.4小时）	仅使用50种毒品类似物进行实验，未涉及实际毒品样本；且需要进一步验证该方法在临床和执法场景中的实用性	实现快速、无损、自动的毒品检测	毒品及其类似物（同分异构体或分子式相似的化合物）	机器学习	NA	X射线吸收光谱	Transformer, LSTM, ResU-net	光谱数据	50种毒品类似物	NA	改进的Transformer编码器, LSTM, ResU-net	准确率, 训练时间	NA
280	2026-05-02	Radiomics based on T2-weighted and diffusion-weighted MR imaging for preoperative prediction of tumor deposits in rectal cancer 2024-06, American journal of surgery IF:2.7Q1 DOI:10.1016/j.amjsurg.2024.01.002 PMID:38272767	研究论文	开发并验证基于T2加权和弥散加权MRI的影像组学列线图，用于直肠癌肿瘤沉积的术前预测	首次结合T2WI和ADC图像的影像组学特征与临床因素构建列线图，优于传统机器学习模型	回顾性研究设计及相对较小的样本量可能限制泛化能力	实现直肠癌肿瘤沉积的术前无创预测	199例直肠癌患者的T2WI和DWI影像数据及临床资料	数字病理学	直肠癌	MRI（T2加权成像、弥散加权成像）	影像组学列线图	影像数据	199例（训练集159例，验证集40例）	NA	随机森林、支持向量机、深度学习模型（对比模型）	AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA