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
701	2026-07-22	A graph-learning based model for automatic diagnosis of Sjögren's syndrome on digital pathological images: a multicentre cohort study 2024-08-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05550-8 PMID:39118142	研究论文	提出基于图学习的CTG-PAM模型，用于在数字病理图像上自动诊断干燥综合征	构建了基于图理论的细胞-组织-病理图像分析模型（CTG-PAM），实现了单细胞特征、细胞间特征和细胞-组织特征的表征，并利用连通分量分析进行淋巴细胞计数辅助诊断	研究未明确指出局限性与不足之处	开发可靠的人工智能模型，提高干燥综合征诊断的准确性与效率	唇腺活检组织切片的全切片图像	数字病理学	干燥综合征	NA	图学习模型	图像	100例唇腺活检标本	NA	CTG-PAM	AUC，灵敏度，准确率	NA
702	2026-07-22	Development and validation of novel interpretable survival prediction models based on drug exposures for severe heart failure during vulnerable period 2024-08-06, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05544-6 PMID:39107765	研究论文	基于药物暴露数据开发和验证严重心力衰竭患者在脆弱期的新型可解释生存预测模型	首次利用药物信息作为主要预测因子，开发针对严重心力衰竭患者脆弱期的生存预测模型，并比较了Cox比例风险模型、随机生存森林和深度学习生存预测模型	NA	利用药物暴露数据开发并验证严重心力衰竭患者在脆弱期的生存预测模型	严重心力衰竭患者	机器学习	严重心力衰竭	NA	CoxPH, RSF, DeepSurv	临床数据	11590名严重心力衰竭患者	NA	CoxPH, RSF, DeepSurv	AUC, Brier score, 决策曲线分析	NA
703	2026-07-22	Automatic segmentation of femoral tumors by nnU-net 2024-06, Clinical biomechanics (Bristol, Avon) DOI:10.1016/j.clinbiomech.2024.106265 PMID:38810478	研究论文	本文提出了一种基于nnU-Net的深度学习算法，用于在CT扫描中自动分割股骨内溶骨性肿瘤	首次将nnU-Net应用于股骨肿瘤的自动分割，并验证其与经验丰富的放射科医生相当的准确性	数据集较小，仅包含50例CT扫描，且dice相似度分数（0.67-0.68）略低于医生间变异度（0.73）	实现股骨溶骨性肿瘤的自动准确分割，以支持CT有限元分析辅助骨科决策	股骨CT扫描中的溶骨性肿瘤	数字病理学	股骨肿瘤	CT扫描	nnU-Net	图像	50例患者CT扫描（40例训练，10例测试）	PyTorch	nnU-Net	Dice相似度系数	NA
704	2026-07-22	RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction 2024-Mar-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.30.578025 PMID:38352531	研究论文	提出了RNA3DB，一个基于蛋白质数据银行的结构化RNA数据集，专为训练和基准测试深度学习模型而设计，解决了RNA结构预测中数据重叠和性能评估的问题	通过序列和结构双重非冗余的分组方法（Component）创建训练/验证/测试集，确保测试集在序列和结构上均与训练集无重叠，避免性能评估的膨胀	数据和评估方法当前未超越CASP15中传统方法的性能表现	为RNA结构预测的深度学习模型提供更严格的基准数据集和训练/测试划分方法	蛋白质数据银行中解析的RNA三维结构链	机器学习	NA	NA	深度学习模型	三维结构数据	源于PDB的RNA三维链，数据集被分为Component组，采用约70/30的训练/测试比例	NA	NA	NA	NA
705	2026-07-21	Modelling future bone mineral density: Simplicity or complexity? 2024-10, Bone IF:3.5Q2 DOI:10.1016/j.bone.2024.117178 PMID:38972532	研究论文	比较简单统计模型与深度学习模型在预测未来骨密度方面的性能	首次系统比较了基于深度学习的复杂模型与简单统计模型在预测个体未来骨密度方面的表现，并揭示了不同性别下的模型性能差异	研究局限于白种人样本，且女性占比过高，可能影响模型在不同人群中的泛化能力	探索有效方法将骨密度变化纳入临床算法，以改善骨密度测量时机和骨折风险评估	40-90岁白人成年人，进行了两次及以上髋部DXA扫描的个体	机器学习	骨质疏松	DXA（双能X线吸收测定法）	统计模型（ZBM）、深度学习模型（Hybrid-DL等）	纵向临床数据（DXA扫描结果）	2948名白人成年人（2652名女性，296名男性）	NA	Hybrid-DL	NA	NA
706	2026-07-21	Artificial intelligence: illuminating the depths of the tumor microenvironment 2024-08-29, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05609-6 PMID:39210368	综述	回顾人工智能在肿瘤微环境评估中的应用发展	综述了人工智能在分析肿瘤微环境中各类细胞定量和空间位置特征的应用，揭示其预后预测价值并提供肿瘤治疗新思路	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
707	2026-07-21	EFG-CS: Predicting chemical shifts from amino acid sequences with protein structure prediction using machine learning and deep learning models 2024-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5096 PMID:38979954	研究论文	提出EFG-CS网络服务器，利用机器学习与深度学习模型从氨基酸序列预测蛋白质化学位移	首次展示生成式AI蛋白质模型可预测与实验模型几乎相当的NMR化学位移	NA	开发一个能从氨基酸序列直接预测蛋白质化学位移的准确模型	蛋白质的化学位移预测，包括主链和侧链原子	机器学习	NA	核磁共振波谱	机器学习模型，图神经网络	氨基酸序列	NA	NA	ESMFold, 图神经网络	均方根误差	NA
708	2026-07-21	Unveiling the stochastic nature of human heteropolymer ferritin self-assembly mechanism 2024-08, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5104 PMID:38995055	研究论文	通过高分辨率冷冻电镜和深度学习模型揭示异聚体铁蛋白自组装机制的随机性	首次利用工程化质粒设计合成特定H:L亚基比例的异聚铁蛋白，并结合冷冻电镜与深度学习氨基酸建模，发现H-L异二聚体优先形成以及自组装过程通过随机多样化路径进行	未说明	揭示异聚铁蛋白（isoferritins）的结构组成和自组装机制，理解H和L亚基如何影响其与细胞机器的相互作用	人异聚铁蛋白（heteropolymer ferritin）	分子生物学、结构生物学	未指定（铁代谢相关疾病可能相关）	冷冻电镜（cryo-electron microscopy）、深度学习氨基酸建模	深度学习模型	冷冻电镜图像	未说明	NA	NA	NA	NA
709	2026-07-20	Computer-aided Diagnosis of Various Diseases Using Ultrasonography Images 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405619666230306101012 PMID:36876845	综述	全面综述基于超声图像的计算机辅助诊断系统，涵盖多种疾病的自动检测方法	系统归纳了颈动脉、腹部盆腔、肌肉骨骼和甲状腺四类区域的CAD研究，对比机器学习与深度学习在超声诊断中的表现差异	分类精度高度依赖训练图像数量，超声成像本身存在技术限制，自动诊断系统设计面临研究挑战	综述基于超声图像的CAD系统在多种疾病自动检测中的应用，分析机器学习与深度学习算法的诊断性能改进参数	颈动脉区域、经腹部及盆腔区域、肌肉骨骼区域、甲状腺区域的疾病超声图像	机器学习	心血管疾病, 甲状腺疾病	超声成像	支持向量机, 深度学习模型	超声图像	NA	NA	NA	分类准确率	NA
710	2026-07-13	Predicting Adherence to Computer-Based Cognitive Training Programs Among Older Adults: Study of Domain Adaptation and Deep Learning 2024-09-16, JMIR aging IF:5.0Q1 DOI:10.2196/53793 PMID:39283346	研究论文	利用深度学习和领域自适应技术预测老年人坚持计算机化认知训练程序的情况	首次使用领域自适应技术预测老年人对认知训练程序的日常依从性	NA	提高预测依从性中断的准确性，以开发定制化依从支持系统，促进老年人参与认知训练	老年参与者	机器学习	老年疾病	深层卷积神经网络、领域自适应、Gramian角场	深度卷积神经网络	时间序列	来自两项认知训练干预研究的数据	NA	深层卷积神经网络	准确率	NA
711	2026-07-13	Markerless Motion Capture to Quantify Functional Performance in Neurodegeneration: Systematic Review 2024-08-06, JMIR aging IF:5.0Q1 DOI:10.2196/52582 PMID:39106477	综述	系统综述无标记运动捕捉技术在神经退行性疾病中量化功能表现的应用	首次系统全面地探讨无标记运动捕捉技术使用全身追踪量化痴呆、轻度认知障碍和帕金森病患者的运动与功能表现，并评估其临床潜力	纳入的研究主要集中在步态分析，缺乏对日常生活活动的评估；仅有6项研究进行了与金标准运动捕捉模型的严格对比；临床实用性仍需进一步验证	调查无标记运动捕捉技术在量化神经退行性疾病患者功能表现中的应用情况	痴呆、轻度认知障碍和帕金森病患者	machine learning	痴呆、轻度认知障碍、帕金森病	深度摄像头、标准视频摄像头、手机摄像头	深度学习模型	视频	26项符合条件的研究	NA	NA	NA	NA
712	2026-07-13	Assessment of image quality and diagnostic accuracy for cervical spondylosis using T2w-STIR sequence with a deep learning-based reconstruction approach 2024-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-024-08409-0 PMID:39007984	研究论文	评估基于深度学习重建的T2w-STIR序列在颈椎病MRI中的图像质量和诊断准确性	首次将深度学习重建（DLR）技术应用于3.0T颈椎快速MRI的T2w-STIR序列，显著提升图像质量并缩短扫描时间	NA	探讨深度学习重建处理在3.0T颈椎快速MRI图像中提升图像质量、保持观察者间一致性及提高疾病诊断效能的潜力	71名志愿者的颈椎MRI图像	机器学习	颈椎病	MRI	深度学习重建模型	图像	71名志愿者	NA	NA	质量指标中位数, 观察者间一致性	NA
713	2026-07-13	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-04-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	研究论文	验证基于人工智能的自主早产儿视网膜病变筛查系统在 multinational 外部数据集中的性能	首次在多个国家的独立外部数据集上验证自主AI筛查ROP的有效性，并证明其检测type 1 ROP的完美灵敏度	仅使用两个外部数据集，且每个数据集的注释可能基于专家评估而非金标准	评估自主AI系统检测超过轻度ROP和type 1 ROP的准确性	早产儿视网膜病变的视网膜检查图像	计算机视觉	早产儿视网膜病变	深度学习影像处理	CNN	眼底图像	训练：843名婴儿2530次检查；外部验证：SUNDROP 1545名婴儿6245次检查，AECS 2699名婴儿5635次检查	NA	NA	AUROC, 灵敏度, 特异度	NA
714	2026-07-10	Automatic pipeline for segmentation of LV myocardium on quantitative MR T1 maps using deep learning model and computation of radial T1 and ECV values 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5230 PMID:39097976	研究论文	提出一种基于深度学习模型的自动化流程，用于在定量T1图上分割左心室心肌并计算径向T1和ECV值	创新性地将深度学习分割模型应用于定量T1图，实现左心室心肌的自动分割及径向T1和ECV值的自动计算，为心血管疾病诊断提供客观辅助	未明确说明局限性	开发并验证基于深度学习的自动化流程，用于左心室心肌分割及径向T1和ECV计算，辅助心血管疾病诊断	左心室心肌及径向T1和ECV值	机器学习, 数字病理学	心血管疾病	T1 mapping, MRI	深度学习, U-Net, Deep Res U-Net	图像, MRI数据	332例受试者的多中心回顾性多参数MRI数据	NA	U-Net, Deep Res U-Net	Dice相似系数, t检验	NA
715	2026-07-10	Synthesis of higher-B0 CEST Z-spectra from lower-B0 data via deep learning and singular value decomposition 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5221 PMID:39113170	研究论文	利用深度学习和奇异值分解从低场B0数据合成高场B0 CEST Z谱	首次提出从3T低场CEST数据合成9.4T高场Z谱的深度学习方法，结合奇异值分解捕获关键特征	模型通过模拟数据训练，可能无法完全覆盖实际临床中的复杂场不均匀性和噪声条件	开发从低场CEST数据合成高场Z谱的框架，以提高化学交换饱和转移MRI的特异性和定量能力	磷肌酸模型和伪在体模型的Z谱数据，包括磷肌酸体模、蛋清体模和活体大鼠脑	机器学习	不适用	CEST MRI	深度神经网络	Z谱（光谱数据）	7个磷肌酸管、3个蛋清管、3个大鼠脑切片	PyTorch	两个深度神经网络（DNN）及奇异值分解（SVD）模块	均方根误差（RMSE）、相关系数R	不适用
716	2026-07-10	Automatic deep learning segmentation of the hippocampus on high-resolution diffusion magnetic resonance imaging and its application to the healthy lifespan 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5227 PMID:39136393	研究论文	提出一种基于深度学习的自动分割方法，直接在高分辨率扩散磁共振成像上分割海马体，并应用于健康寿命分析	通过在UNet和UNet++架构中引入额外的密集残差连接，实现了直接在高分辨率扩散图像上自动分割海马体，克服了传统方法因脑覆盖限制和对比度差异而无法自动分割的问题	需要在患者群体中进一步验证；当前仅基于健康参与者数据训练	开发一种自动分割海马体的深度学习方法，以支持大规模人群研究中的微结构变化分析	海马体在扩散磁共振成像上的自动分割及其与年龄相关的体积、各向异性分数和平均扩散率变化	数字病理学	NA	扩散张量成像	卷积神经网络	图像	训练集：100名健康参与者；评估集：53名典型健康参与者；验证集：第一队列153名参与者（年龄5-74岁），第二队列354名参与者（年龄5-90岁）	PyTorch	UNet, UNet++, 密集残差连接	Dice系数	NA
717	2026-07-10	Comparing IOP-Induced Scleral Deformations in the Myopic and Myopic Glaucoma Spectrums 2024-11-04, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.13.54 PMID:39585674	研究论文	比较急性眼压升高在不同近视和近视青光眼谱系中引起的巩膜变形	首次系统评估急性眼压升高对不同近视条件下黄斑曲率变化的影响，并利用深度学习算法自动分割巩膜和脉络膜组织	初步结果，样本大小有限，且仅评估急性IOP升高，未考虑慢性影响	比较急性眼压升高在不同近视条件下的黄斑曲率变化	184名受试者的328只眼睛，包括正视眼、高度近视、高度近视伴青光眼、病理性近视和病理性近视伴葡萄肿	医学图像分析	近视, 青光眼	光学相干断层扫描	深度学习	图像	328只眼睛（184名受试者）	NA	深度学习算法（未具体说明）	NA	NA
718	2026-07-10	Automatic removal of large blood vasculature for objective assessment of brain tumors using quantitative dynamic contrast-enhanced magnetic resonance imaging 2024-11, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5218 PMID:39051137	研究论文	提出一种自动去除脑肿瘤区域大血管的方法，以提升定量动态对比增强磁共振成像评估的客观性	首次结合数据聚类算法、形态学操作和定量DCE-MRI参数图实现脑组织大血管的自动分割，并引入rCBV与Slope-2的组合映射图提升准确性	研究为回顾性设计，样本量有限（103例），且主要依赖K-means聚类，未探索更复杂的深度学习分割方法	开发自动去除脑肿瘤区域正常大血管的方法，以消除对定量DCE-MRI参数评估和肿瘤分类的干扰	103例经组织病理学确诊的脑肿瘤患者（包括低级别胶质瘤和高级别胶质瘤）的DCE-MRI数据	计算机视觉	脑肿瘤	动态对比增强磁共振成像	无明确深度学习模型（使用K-means聚类算法）	图像	103例脑肿瘤患者的DCE-MRI扫描数据	无明确框架	无明确架构（使用K-means聚类算法）	Cohen Kappa检验、t检验、受试者工作特征曲线分析	NA
719	2026-07-10	Positional contrastive learning for improved thigh muscle segmentation in MR images 2024-10, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5197 PMID:38822595	研究论文	提出位置对比学习提升MRI大腿图像中个体肌肉分割精度	利用切片轴向位置信息进行自监督预训练，在极少量标注数据下显著提高分割性能	未提及	评估位置对比自监督学习在不同有限标注数据水平下对大腿肌肉分割的效果	老年健康受试者的大腿MRI图像	计算机视觉	老年性疾病	MRI	U-Net	图像	无标注训练集72个T1w MRI大腿扫描，有标注训练集52个，按不同数量（1-40）划分训练测试	PyTorch	U-Net	Dice相似系数	未提及
720	2026-07-10	Deep-learning-based motion correction using multichannel MRI data: a study using simulated artifacts in the fastMRI dataset 2024-10, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5179 PMID:38808752	研究论文	利用深度学习对多通道MRI数据进行运动校正，并使用fastMRI数据集中的模拟伪影进行研究	首次在通道组合前对单个通道图像进行深度学习的运动校正，相比传统通道组合后校正方法显著提升了性能	仅使用模拟刚性运动伪影，未验证在真实运动伪影及其他运动类型上的泛化能力；多通道模型未表现出显著改进	探讨在多通道MRI数据中，通道组合前进行深度学习运动校正能否提升效果	多个站点、多种对比度（不限于健康受试者）的脑部MRI图像	计算机视觉	NA	MRI	条件生成对抗网络（cGAN）	图像	fastMRI数据集中的多站点、多对比度脑部MRI图像	NA	条件生成对抗网络	平均绝对误差（MAE）	NA