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
801	2025-10-06	CT-derived pectoralis composition and incident pneumonia hospitalization using fully automated deep-learning algorithm: multi-ethnic study of atherosclerosis 2024-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-023-10372-1 PMID:37951855	研究论文	本研究使用全自动深度学习算法从常规胸部CT中提取胸肌组成指标，并探讨其与肺炎住院事件的纵向关联	首次使用全自动深度学习算法(Mask R-CNN)从常规胸部CT中量化胸肌组成，并在COPD患者中发现其与肺炎住院风险的独立关联	研究仅在COPD患者亚组中发现显著关联，总体人群未见预测价值，样本量相对有限	开发自动化胸肌测量方法并评估其与肺炎住院风险的关联	动脉粥样硬化多种族研究(MESA)的2595名参与者	计算机视觉	慢性阻塞性肺疾病	胸部CT成像	CNN	医学影像	2595名参与者(51%女性，中位年龄68岁)，其中507名COPD患者	NA	Mask R-CNN, Faster R-CNN	风险比(HR), 95%置信区间, p值	NA
802	2025-10-06	Predicting Affinity Through Homology (PATH): Interpretable Binding Affinity Prediction with Persistent Homology 2024-Oct-21, bioRxiv : the preprint server for biology DOI:10.1101/2023.11.16.567384 PMID:38014181	研究论文	提出了一种基于持续同调的蛋白质-配体结合亲和力预测算法PATH，具有可解释性和高效性	使用反对距离计算蛋白质-配体复合物的持续同调特征，开发了运行时间与蛋白质大小无关的最快算法，并提出了可解释的持久性指纹表示方法	NA	开发可解释且高效的蛋白质-配体结合亲和力预测方法	蛋白质-配体复合物	计算生物学	NA	持续同调，拓扑数据分析	回归树集成	蛋白质-配体复合物结构数据	NA	NA	浅回归树集成	结合亲和力预测准确度	NA
803	2025-10-06	Artificial intelligence unravels interpretable malignancy grades of prostate cancer on histology images 2024-Mar-06, Npj imaging.. DOI:10.1038/s44303-023-00005-z PMID:40604230	研究论文	利用人工智能开发基于组织学图像的前列腺癌可解释恶性分级系统	开发了独立于现有Gleason分级系统的新型四风险组分级系统，在长期随访数据验证下表现优于当前五级分组	研究基于根治性前列腺切除术患者数据，结果可能不适用于其他治疗方式的患者群体	解决前列腺癌恶性分级中观察者间变异性的核心问题，开发更准确的风险分层系统	2647名接受根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	深度学习	NA	组织学图像	2647名患者，随访时间≥10年	NA	NA	生存分析，生化复发风险，癌症特异性死亡风险	NA
804	2025-10-06	Boosting the performance of molecular property prediction via graph-text alignment and multi-granularity representation enhancement 2024-11, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2024.108843 PMID:39173218	研究论文	提出一种通过图-文本对齐和多粒度表示增强来提升分子属性预测性能的方法	使用对比损失和交叉注意力在嵌入空间中对齐和融合图与文本特征，并整合原子、功能基团和分子层面的多粒度信息	NA	提高分子属性预测的准确性	分子	机器学习	NA	深度学习	多模态模型	图数据, 文本数据	NA	NA	交叉注意力机制	准确率	NA
805	2025-10-06	Integrative deep learning with prior assisted feature selection 2024-09-10, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10148 PMID:38923006	研究论文	提出了一种结合先验信息的集成深度学习特征选择方法(PANDA)，用于生物医学数据的整合分析	在整合分析框架中引入专用特征选择层，并利用集成学习方法从先前研究中提取先验信息来辅助特征选择	NA	开发能够处理生物医学数据中'小样本大特征'挑战的整合分析方法	基因与疾病关系的复杂模式	机器学习	皮肤黑色素瘤	深度学习	深度学习	基因数据	NA	NA	PANDA	特征选择性能, 结果预测准确性	NA
806	2025-10-06	deepAFT: A nonlinear accelerated failure time model with artificial neural network 2024-08-30, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.10152 PMID:38894557	研究论文	提出基于深度人工神经网络的非线性加速失效时间模型deepAFT方法用于生存分析	首次将深度人工神经网络应用于加速失效时间模型框架，能够处理各种非线性形式的协变量效应	未明确说明模型计算复杂度和训练时间要求	开发更准确和灵活的非线性生存分析模型	生存结果数据与解释变量之间的关系建模	机器学习	淋巴瘤	生存分析	人工神经网络	生存数据	NA	NA	深度人工神经网络	预测准确度	NA
807	2025-10-06	An explainable long short-term memory network for surgical site infection identification 2024-07, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.006 PMID:38616153	研究论文	提出一种可解释的长短期记忆网络模型用于从电子健康记录中识别手术部位感染	在LSTM模型中引入注意力机制增强模型的可解释性，相比传统机器学习方法在敏感度方面有显著提升	数据来源于单一医疗系统，可能影响模型的泛化能力	开发自动化的手术部位感染监测系统以减少人工图表审查的工作量	犹他大学医疗系统2016年1月至2021年6月的9,185例手术事件	自然语言处理	手术部位感染	电子健康记录分析	LSTM	结构化数据和临床笔记	9,185例手术事件，其中4.7%存在手术部位感染	NA	长短期记忆网络（LSTM）	AUC, 敏感度	NA
808	2025-10-06	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-27, Research square DOI:10.21203/rs.3.rs-4536158/v1 PMID:38978567	研究论文	开发了一种名为TACIT的无监督细胞注释算法，用于大规模空间生物学中的细胞类型和状态识别	提出无需训练数据的无监督算法，使用预定义特征进行细胞注释，通过无偏阈值区分阳性细胞与背景	NA	解决空间生物学中细胞类型和状态识别的挑战	细胞类型和细胞状态	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间生物学数据	5个数据集，包含5,000,000个细胞，51种细胞类型	NA	TACIT	准确性、可扩展性	NA
809	2025-10-06	Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT 2024-Jun-03, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.31.596861 PMID:38895230	研究论文	开发了一种名为TACIT的无监督细胞注释算法，用于大规模空间生物学中的细胞类型和状态识别	提出无需训练数据的无监督算法，使用预定义特征和无偏阈值区分阳性细胞与背景，专注于相关标记识别多组学检测中的模糊细胞	NA	解决空间生物学中细胞类型和状态识别的耗时和易出错问题	细胞类型和细胞状态	空间生物学	炎症性腺体疾病	空间转录组学、空间蛋白质组学、多组学检测	无监督算法	空间生物学数据	5个数据集（5,000,000个细胞；51种细胞类型）来自三个生态位（脑、肠道、腺体）	NA	TACIT	准确性、可扩展性	NA
810	2025-10-06	A reliable deep-learning-based method for alveolar bone quantification using a murine model of periodontitis and micro-computed tomography imaging 2024-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2024.105057 PMID:38729290	研究论文	开发基于深度学习的自动分割模型，用于小鼠牙周炎模型中牙槽骨的微计算机断层扫描图像分析	创建了基于U-Net的3D深度学习模型，能够自动从µCT数据中分割牙槽骨并排除牙齿干扰，准确率超过98%	研究仅使用小鼠模型，未在人类样本中验证	开发人工智能辅助的牙槽骨自动分析工具，使研究人员无需机器学习背景即可轻松分析牙槽骨	小鼠牙周炎模型的牙槽骨	数字病理	牙周炎	微计算机断层扫描成像	深度学习	3D医学图像	小鼠上颌骨样本（4、7、9、14天时间点）	Dragonfly	U-Net	准确率	µCT扫描仪（µCT-45, Scanco）
811	2025-10-06	Evaluating the relationship between magnetic resonance image quality metrics and deep learning-based segmentation accuracy of brain tumors 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17059 PMID:38640464	研究论文	本研究评估了磁共振图像质量指标与基于深度学习的脑肿瘤分割准确性之间的关系	首次系统性地探讨了特定MR图像质量指标与DenseNet脑肿瘤分割性能之间的相关性，并提出了基于图像质量指标的训练数据选择策略	研究主要基于BraTS数据集，需要在更多多中心数据上验证普适性	评估输入训练图像的图像质量指标与深度学习脑肿瘤分割准确性之间的关系，开发更具泛化性的多机构数据模型	脑肿瘤MRI图像	医学图像分析	脑肿瘤	磁共振成像	深度学习	3D MRI图像	BraTS 2020和2021队列的多模态MRI扫描	NA	3D DenseNet	Dice系数, Pearson相关系数	NA
812	2025-10-06	Neural network dose prediction for cervical brachytherapy: Overcoming data scarcity for applicator-specific models 2024-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17230 PMID:38814165	研究论文	本研究比较了三种神经网络训练方法在宫颈癌近距离放疗剂量预测中的性能，以解决不同施源器数据稀缺的挑战	针对宫颈癌近距离放疗中多种施源器数据稀缺的问题，提出了结合所有施源器数据训练统一模型并进行微调的方法	研究仅针对四种特定施源器类型，且数据量仍相对有限	比较不同神经网络训练方法在宫颈癌近距离放疗剂量预测中的性能，确定最优方法	宫颈癌近距离放疗治疗计划	医学影像分析	宫颈癌	近距离放疗	深度学习	3D医学影像数据	859个治疗计划，来自266名宫颈癌患者	NA	Cascade U-Net	平均误差, 平均绝对误差, 伽马分析通过率, Dice相似系数	NA
813	2025-10-06	3D Single Vessel Fractional Moving Blood Volume (3D-svFMBV): Fully Automated Tissue Perfusion Estimation Using Ultrasound 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3376668 PMID:38478454	研究论文	提出一种结合图像处理、数值建模和深度学习的全自动三维单血管分数移动血容量方法，用于超声组织灌注评估	首次实现完全自动化的3D-svFMBV计算，通过将PD信号映射到单一大血管内的特征强度剖面来定义标准化值，无需数学校正背景信号	仅在合成图像和143例早期胎盘超声数据上进行了验证，需要更多临床数据进一步验证	开发准确稳健的组织灌注评估方法	胎盘组织灌注	医学影像分析	先兆子痫	功率多普勒超声	深度学习	三维超声图像	143例早期胎盘超声体积数据	NA	NA	标准化值预测准确性，先兆子痫预测能力	NA
814	2025-10-06	Mixed Supervision of Histopathology Improves Prostate Cancer Classification From MRI 2024-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3382909 PMID:38547000	研究论文	提出一种基于混合监督学习的深度学习方法来从MRI图像预测临床显著性前列腺癌	采用基于分布的回归而非基于值的回归，能够利用传统深度学习方法忽略的病理学发现	与基于图像的分割方法的一致性有所降低	提高从MRI图像进行前列腺癌分类的准确性	前列腺癌患者	数字病理学	前列腺癌	多参数前列腺MRI	深度学习	医学影像	973例多参数前列腺MRI检查（测试集198例）	NA	深度网络	平衡准确率, AUC	NA
815	2025-10-06	Deep learning reveals lung shape differences on baseline chest CT between mild and severe COVID-19: A multi-site retrospective study 2024-07, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108643 PMID:38815485	研究论文	本研究通过深度学习分析基线胸部CT图像，揭示不同严重程度COVID-19患者的肺部形态差异	首次在大规模多中心数据集上结合机器学习与统计图谱方法，发现COVID-19严重程度与肺部特定区域形态变化的关联	回顾性研究设计，未包含纵向随访数据	探索COVID-19患者肺部形态变化与疾病严重程度的关联	COVID-19患者（轻症与重症）及健康对照人群	医学影像分析	COVID-19	胸部CT成像	3D CNN	3D医学影像（胸部CT）	3443例多机构样本（健康组、轻症COVID-19组、重症COVID-19组）	NA	3D ResNet	NA	NA
816	2025-10-06	Self-Supervised Learning Improves Accuracy and Data Efficiency for IMU-Based Ground Reaction Force Estimation 2024-07, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3361888 PMID:38315597	研究论文	本研究通过自监督学习提高基于IMU的地面反作用力估计的准确性和数据效率	首次将自监督学习技术应用于IMU数据预训练，显著减少对标记GRF数据的需求	研究仅针对三种特定运动任务（平地行走、跑步机行走和落地动作）进行验证	提高惯性测量单元(IMU)驱动动力学评估的准确性和数据效率	基于IMU的地面反作用力(GRF)估计	机器学习	NA	自监督学习	Transformer	IMU传感器数据	三个预训练数据集（真实IMU数据、合成IMU数据及其组合）	NA	Transformer	3轴GRF估计准确度	NA
817	2025-10-06	Deceptive learning in histopathology 2024-Jul, Histopathology IF:3.9Q1 DOI:10.1111/his.15180 PMID:38556922	研究论文	系统评估深度学习模型在组织病理学分析中的可信度与欺骗性学习策略	首次系统分析深度学习模型在组织病理学中的视觉策略可信度，提出模型评估与解释框架	仅使用221张全切片图像，模型在激光捕获显微切割挑战测试集上泛化能力不足	评估深度学习模型在组织病理学分析中的可信度和学习策略	肺腺癌患者的全切片图像	数字病理	肺癌	全切片成像，激光捕获显微切割	深度神经网络	图像	221张全切片图像	NA	NA	NA	NA
818	2024-08-07	Development and External Validation of a Multidimensional Deep Learning Model to Dynamically Predict Kidney Outcomes in IgA Nephropathy 2024-Jul-01, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000000000471 PMID:38728096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
819	2025-10-06	Semantically redundant training data removal and deep model classification performance: A study with chest X-rays 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102379 PMID:38608333	研究论文	本研究探讨了语义冗余训练数据对深度学习模型性能的影响，并提出基于熵的样本评分方法去除冗余数据	首次提出基于熵的样本评分方法识别和去除医学影像中的语义冗余训练数据，证明精选训练子集能显著提升模型性能	研究仅使用公开的NIH胸部X射线数据集，未在其他医学影像数据集上验证方法的普适性	研究语义冗余训练数据对深度学习分类器性能的影响，并开发数据选择方法优化模型训练	胸部X射线影像	医学影像分析	胸部疾病	深度学习	CNN	医学影像	NIH胸部X射线公开数据集	NA	NA	召回率	NA
820	2025-10-06	Motion correction and super-resolution for multi-slice cardiac magnetic resonance imaging via an end-to-end deep learning approach 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102389 PMID:38692199	研究论文	提出一种端到端深度学习模型，通过运动校正和超分辨率技术从2D心脏磁共振短轴切片重建高分辨率3D心脏体积	首次将运动校正和超分辨率两个关键任务整合到端到端深度学习框架中，通过特定组件分别处理切片错位和数据稀疏问题	在真实数据集中心肌分割的Dice系数相对较低(0.786±0.060)，模型在临床实际应用中的泛化能力需进一步验证	从心脏磁共振2D短轴切片重建高分辨率3D心脏体积，同时解决切片运动错位和数据稀疏问题	心脏磁共振成像数据，重点关注左心室和心肌组织	医学影像分析	心血管疾病	心脏磁共振成像(CMR)	深度学习模型	医学影像数据	模拟数据集和真实世界数据集	NA	端到端深度学习架构，包含运动校正和超分辨率两个专门组件	Dice系数, 位移误差(mm)	NA