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
341	2025-10-06	A survey of brain functional network extraction methods using fMRI data 2024-08, Trends in neurosciences IF:14.6Q1 DOI:10.1016/j.tins.2024.05.011 PMID:38906797	综述	本文系统综述了基于功能磁共振成像数据提取脑功能网络的经典与先进方法	全面涵盖静态与动态功能网络提取方法，系统比较各类方法的原理、优缺点及相互关系	NA	探讨脑功能网络分析方法及其在脑功能研究和脑疾病病理生理机制理解中的应用	功能磁共振成像数据	医学影像分析	脑部疾病	功能磁共振成像	深度学习	医学影像	NA	NA	NA	NA	NA
342	2025-10-06	A Top-Down Design Approach for Generating a Peptide PROTAC Drug Targeting Androgen Receptor for Androgenetic Alopecia Therapy 2024-06-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c00828 PMID:38836467	研究论文	本研究开发了一种针对雄激素性脱发治疗的肽类PROTAC药物生成方法	结合ProteinMPNN和RFdiffusion等前沿技术，创建了肽类PROTAC药物开发新范式，并整合透皮微针贴片技术用于药物递送	未明确说明样本规模和实验验证的详细限制条件	开发针对雄激素性脱发的肽类PROTAC治疗方法	雄激素受体(AR)和Von Hippel-Lindau(VHL)蛋白	计算生物学, 药物开发	雄激素性脱发	ProteinMPNN, RFdiffusion, Alphafold2-multimer, ZDOCK, 透皮微针贴片技术	深度学习模型	蛋白质结构数据, 肽序列数据	NA	NA	NA	结合能力验证	NA
343	2025-10-06	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-based Tool 2024-Sep-23, ArXiv PMID:39398198	研究论文	开发并验证基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色全切片图像预测乳腺癌复发风险	提出首个直接从H&E染色全切片图像预测乳腺癌复发风险的深度学习工具，相比现有基因组工具具有成本效益和可及性优势	研究主要针对HR+/HER2-乳腺癌患者，在更广泛患者群体中的适用性需要进一步验证	开发准确预测乳腺癌复发风险的计算病理学工具	乳腺癌患者	计算病理学	乳腺癌	H&E染色全切片成像	深度学习	病理图像	TCGA-BRCA数据集和俄亥俄州立大学内部数据集两个独立队列	NA	NA	AUROC, 准确率, 特异性, 敏感性	NA
344	2025-10-06	Ultra low-power, wearable, accelerated shallow-learning fall detection for elderly at-risk persons 2024-Sep, Smart health (Amsterdam, Netherlands) DOI:10.1016/j.smhl.2024.100498 PMID:40777999	研究论文	开发用于老年人跌倒检测的无线可穿戴低功耗传感器系统	采用超低功耗FPGA实现固定功能神经网络，集成IMU传感器进行实时跌倒检测	NA	预测和检测高危老年人的意外跌倒事件	具有身体机能下降的老年人群体，包括握力减弱、关节炎、眩晕和神经肌肉问题患者	机器学习	老年疾病	惯性测量单元(IMU)传感技术	CNN	3D加速度计和陀螺仪测量数据	志愿者人体实验数据	Caffe	卷积神经网络	NA	Lattice iCE40UP FPGA, ST Microelectronics LSM6DSOX IMU传感器
345	2025-10-06	An early warning indicator trained on stochastic disease-spreading models with different noises 2024-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0199 PMID:39118548	研究论文	本研究开发了一种基于深度学习算法的疾病暴发早期预警指标，通过在不同噪声条件下的疾病传播模型上进行训练	将加性白噪声、乘性环境噪声和人口统计噪声整合到标准流行病数学模型，并利用深度学习算法处理这些噪声源带来的复杂性	研究主要基于模拟时间序列和有限的实际COVID-19数据，在更广泛疾病类型和地区的适用性需要进一步验证	开发可靠的疾病暴发早期预警信号以支持公共卫生缓解策略	传染病暴发时间序列，特别是受噪声影响的疾病传播动态	机器学习	传染病	深度学习	深度学习算法	时间序列数据	埃德蒙顿真实COVID-19病例数据和模拟疾病传播时间序列	NA	NA	过渡点捕捉能力，与现有指标的性能比较	NA
346	2024-08-07	External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study: Erratum 2024-Jun-01, Critical care medicine IF:7.7Q1 DOI:10.1097/CCM.0000000000006291 PMID:38752829	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
347	2025-10-06	Advancing dermoscopy through a synthetic hair benchmark dataset and deep learning-based hair removal 2024-11, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.11.116003 PMID:39564076	研究论文	开发用于皮肤镜图像脱毛的合成毛发基准数据集和深度学习模型	创建了模拟多种毛发类型和尺寸的合成毛发皮肤镜图像数据集，并设计了专注于有效脱毛同时保留黑色素瘤病变完整性的CNN模型	NA	提高皮肤镜图像清晰度以改善黑色素瘤早期检测	皮肤镜图像中的毛发和黑色素瘤病变	计算机视觉	黑色素瘤	皮肤镜检查	CNN	图像	NA	NA	NA	NA	NA
348	2025-10-06	An end-to-end recurrent compressed sensing method to denoise, detect and demix calcium imaging data 2024-Sep, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00892-w PMID:40771998	研究论文	提出一种基于深度学习的端到端方法DeepCaImX，用于钙成像数据的去噪、检测和解混	首个能够同时生成准确神经元足迹和提取干净神经元活动轨迹的神经网络	使用模拟数据集进行训练，需在真实实验数据中进一步验证	开发自动化高速钙成像数据分析管道	钙成像数据中的神经元空间足迹和时间活动轨迹	计算机视觉	NA	双光子钙成像	LSTM	钙成像数据	模拟数据集和体内实验数据	NA	压缩感知启发的神经网络，包含循环层和全连接层	分割质量、时间轨迹提取质量、处理速度	NA
349	2025-10-06	Enhanced Partial Fourier MRI With Zero-Shot Deep Untrained Priors 2024, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2024.3508761 PMID:40766109	研究论文	提出一种基于零样本无监督深度学习的部分傅里叶重建新方法	将传统相位约束与零样本深度学习技术相结合，无需训练数据即可实现图像重建和先验学习	未明确说明方法在特定病理条件下的适用性限制	提升部分傅里叶磁共振成像的重建质量	磁共振图像	医学影像处理	NA	部分傅里叶磁共振成像	无训练生成先验网络	磁共振图像数据	fastMRI数据集、QALAS多对比度数据集和低场数据集	NA	未训练人工神经网络	NRMSE（归一化均方根误差）	NA
350	2025-10-06	Deep learning-based binary classification of beta-amyloid plaques using 18 F florapronol PET 2024-Dec-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001904 PMID:39350612	研究论文	本研究开发了一种基于深度学习的二分类模型，用于通过18F florapronol PET图像对β-淀粉样蛋白斑块沉积进行分类	首次将卷积神经网络应用于18F florapronol PET图像的淀粉样蛋白斑块二分类，展示了深度学习在阿尔茨海默病诊断中的潜力	研究为回顾性研究，样本量相对有限（175例患者），且仅使用单一医疗中心的数据	开发辅助工具以提高阿尔茨海默病临床诊断的准确性	疑似轻度认知障碍或痴呆的患者	医学影像分析	阿尔茨海默病	18F florapronol PET/CT成像	CNN	PET图像	175例患者（77名男性，98名女性），其中阳性62例，阴性113例	NA	NA	准确率, AUC	NA
351	2025-10-06	Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy 2024-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.15.562439 PMID:37986950	研究论文	提出基于深度学习的像差补偿方法，提升荧光显微镜在厚样本成像中的对比度和分辨率	通过引入合成像差训练神经网络进行像差补偿，无需降低采集速度、增加剂量或添加额外光学元件	NA	改善厚样本荧光显微镜成像质量	小鼠组织血管、胚胎细胞膜和细胞核	计算机视觉	NA	荧光显微镜技术	神经网络	显微镜图像	NA	NA	NA	图像对比度、分辨率、分割质量	NA
352	2025-10-06	Union is strength: the combination of radiomics features and 3D-deep learning in a sole model increases diagnostic accuracy in demented patients: a whole brain 18FDG PET-CT analysis 2024-Jul-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001853 PMID:38632972	研究论文	本研究比较了放射组学特征、3D深度学习CNN及其融合模型在痴呆患者全脑18F-FDG PET图像诊断中的性能	首次将放射组学特征与3D深度学习CNN结合到单一模型中，应用于全脑18FDG PET研究	样本量相对有限（共210名受试者），仅使用单一影像模态（PET-CT）	提高痴呆患者的诊断准确性	85名痴呆患者和125名健康对照者	医学影像分析	痴呆症	18F-FDG PET-CT成像	CNN	3D医学影像	210名受试者（85名痴呆患者，125名健康对照），其中40名用于测试	NA	3D-CNN	灵敏度, 特异性, 分类得分	NA
353	2025-10-06	Machine learning diagnosis of active Juvenile Idiopathic Arthritis on blood pool [ 99M Tc] Tc-MDP scintigraphy images 2024-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001822 PMID:38312058	研究论文	本研究使用深度学习技术通过血池图像诊断幼年特发性关节炎	首次将深度学习应用于基于[99m Tc] Tc-MDP骨显像血池图像的幼年特发性关节炎诊断	样本量相对有限（326名儿童和青少年），仅评估了膝关节和踝关节	开发基于深度学习的幼年特发性关节炎自动诊断方法	326名健康及确诊幼年特发性关节炎的儿童和青少年（1-16岁）	计算机视觉	幼年特发性关节炎	[99m Tc] Tc-MDP骨显像	CNN	图像	1304张血池图像（来自326名受试者）	NA	自设计多输入CNN, VGG16, ResNet50, Xception	AUC	NA
354	2025-10-06	Greater accuracy of radiomics compared to deep learning to discriminate normal subjects from patients with dementia: a whole brain 18FDG PET analysis 2024-Apr-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001810 PMID:38189449	研究论文	比较放射组学与深度学习在区分痴呆患者和正常受试者方面的准确性	首次在脑部18FDG PET图像分析中证明放射组学特征比传统CNN模型具有更高的分类准确性	样本量相对较小（210名受试者），仅使用单一模态PET数据	开发更准确的痴呆诊断方法	85名痴呆患者和125名健康对照者	医学影像分析	痴呆症	18F-FDG PET脑部成像	神经网络, CNN	PET图像	210名受试者（85名患者+125名健康对照）	NA	神经网络, CNN	准确率	NA
355	2025-10-06	Early prediction of distant metastasis in patients with uterine cervical cancer treated with definitive chemoradiotherapy by deep learning using pretreatment [ 18 F]fluorodeoxyglucose positron emission tomography/computed tomography 2024-Mar-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000001799 PMID:38165173	研究论文	开发基于深度学习模型，利用治疗前[18F]FDG-PET/CT图像预测局部晚期子宫颈癌患者远处转移风险	采用三维图像增强技术的深度学习模型，首次基于基线PET/CT图像预测子宫颈癌远处转移	需要外部验证来确定模型的预测性能，样本量相对有限	早期预测接受确定性放化疗的子宫颈癌患者远处转移风险	局部晚期子宫颈癌患者	数字病理	子宫颈癌	[18F]FDG-PET/CT成像	深度学习	医学影像（PET/CT图像）	训练队列186例患者，验证队列25例患者	NA	NA	AUC, 敏感度, 特异度, 准确度	NA
356	2025-10-06	Capability and reliability of deep learning models to make density predictions on low-dose mammograms 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.044506 PMID:39114539	研究论文	评估深度学习模型在低剂量乳腺X光片上预测乳腺密度的能力和可靠性	首次系统评估深度学习模型在低剂量与标准剂量乳腺X光片上的密度预测一致性，并分析影响预测质量的关键因素	模型在致密乳腺和小面积乳腺上的预测质量会降低	评估深度学习模型在低剂量乳腺X光片上预测乳腺密度的能力和可靠性，为年轻女性乳腺癌风险估计提供依据	配对的低剂量和标准剂量乳腺X光片	计算机视觉	乳腺癌	数字乳腺X光摄影	深度学习模型	医学图像	包含配对标准剂量和低剂量图像的乳腺X光数据集	NA	NA	相关系数	NA
357	2025-10-06	Length of Stay Prediction With Standardized Hospital Data From Acute and Emergency Care Using a Deep Neural Network 2024-Apr-01, Medical care IF:3.3Q1 DOI:10.1097/MLR.0000000000001975 PMID:38345863	研究论文	本研究开发了一种基于深度神经网络的方法，利用急症护理标准化数据预测患者住院时长	使用嵌入技术和前馈神经网络对住院各阶段进行细粒度预测，相比传统方法有显著性能提升	研究仅基于法国里昂6所大学医院的数据，可能限制模型的普适性	开发住院时长预测方法以改善医疗资源管理和护理质量	2011-2019年间515,199名患者的1,140,100次住院记录	医疗健康信息学	急症护理	深度学习	前馈神经网络	结构化医疗数据	1,140,100次住院记录，涉及515,199名患者	NA	嵌入层+前馈神经网络	准确率, Cohen kappa, Bland-Altman图	NA
358	2025-10-06	Unified deep learning models for enhanced lung cancer prediction with ResNet-50-101 and EfficientNet-B3 using DICOM images 2024-03-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01241-4 PMID:38500083	研究论文	开发基于ResNet-50、ResNet-101和EfficientNet-B3的融合深度学习模型，用于DICOM图像的肺癌预测分类	提出融合三种深度学习模型的统一框架，并采用迁移学习技术提升肺癌预测性能	深度学习在癌症数据分析能力方面仍在发展中，模型精度存在不精确问题	通过深度学习模型早期检测和预防肺癌，降低死亡率	肺癌DICOM图像	计算机视觉	肺癌	迁移学习	CNN	医学图像	1000张来自LIDC-IDRI数据库的DICOM肺癌图像	NA	ResNet-50, ResNet-101, EfficientNet-B3	精确度	NA
359	2025-10-06	Deep learning-based automatic segmentation of meningioma from T1-weighted contrast-enhanced MRI for preoperative meningioma differentiation using radiomic features 2024-03-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01218-3 PMID:38443817	研究论文	本研究开发了基于深度学习的脑膜瘤自动分割模型，并利用自动分割提取的影像组学特征进行术前脑膜瘤分级	首次将SegResNet网络应用于脑膜瘤自动分割，并验证了基于自动分割的影像组学特征在脑膜瘤分级中的可行性	样本量相对有限（326例），未进行外部验证	开发脑膜瘤自动分割模型并建立术前脑膜瘤分级系统	经病理证实的脑膜瘤患者	数字病理	脑膜瘤	T1加权增强MRI	深度学习	医学影像	326例患者，按6:2:2比例分为训练集、验证集和测试集	PyRadiomics	SegResNet	Dice系数, 95% Hausdorff距离, ICC, 灵敏度, 特异度, 准确率, AUC	NA
360	2025-10-06	Transfer learning-based PET/CT three-dimensional convolutional neural network fusion of image and clinical information for prediction of EGFR mutation in lung adenocarcinoma 2024-03-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01232-5 PMID:38438844	研究论文	开发基于迁移学习的PET/CT三维卷积神经网络，融合影像和临床信息预测肺腺癌EGFR突变状态	提出三流迁移学习模型，首次将PET/CT影像与临床数据融合用于EGFR突变预测	回顾性研究，样本量有限（516例），存在类别不平衡问题	预测肺腺癌患者的EGFR突变状态	516例肺腺癌患者	医学影像分析	肺腺癌	PET/CT成像	3D CNN	医学影像（PET/CT）、临床数据	516例患者（训练集404例，测试集112例）	NA	三维卷积神经网络，双流融合模型，三流迁移学习模型	AUC, ROC曲线	NA