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
921	2025-10-06	Precise Image-level Localization of Intracranial Hemorrhage on Head CT Scans with Deep Learning Models Trained on Study-level Labels 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230296 PMID:39194400	研究论文	开发基于弱监督学习的深度学习模型，使用研究级标签自动检测和定位头CT扫描中的颅内出血	使用研究级标签而非像素级标注训练模型，通过注意力机制实现图像级定位，具有高度泛化能力	回顾性研究，依赖放射学报告提取标签，可能存在标注偏差	开发能够快速准确检测颅内出血的计算机辅助诊断工具	头CT扫描中的颅内出血	计算机视觉	颅内出血	CT扫描	CNN, 双向LSTM	医学图像	本地数据集10699个非对比头CT扫描（7469名患者），外部测试集491个扫描	NA	注意力机制双向长短期记忆网络	阳性预测值, AUC	NA
922	2025-10-06	AI-integrated Screening to Replace Double Reading of Mammograms: A Population-wide Accuracy and Feasibility Study 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230529 PMID:39230423	研究论文	本研究评估了AI集成筛查在乳腺X线摄影中替代双读法的准确性和可行性	比较了三种AI集成筛查场景与标准双读法的性能，首次在大型代表性筛查人群中系统评估AI在筛查工作流中不同部署位置的临床影响	回顾性研究设计，AI阈值部分基于先前验证设定，未在真实临床环境中验证	评估AI集成筛查替代传统双读法在乳腺X线摄影中的准确性和可行性	249,402张来自代表性筛查人群的乳腺X线影像	医学影像分析	乳腺癌	乳腺X线摄影筛查	CNN	医学影像	249,402张乳腺X线影像	NA	NA	敏感度, 阴性预测值, 召回率, 阳性预测值, 仲裁率	NA
923	2024-11-28	Watch Your Back! How Deep Learning Is Cracking the Real World of CT for Cervical Spine Fractures 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.240604 PMID:39601670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
924	2025-10-06	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-09-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	利用自发荧光显微镜和深度学习技术，实现无标记组织中淀粉样蛋白沉积的虚拟双折射成像和虚拟刚果红染色	首次使用单一神经网络将无标记组织的自发荧光图像转换为明场和偏振显微镜图像，匹配其组织化学染色版本	研究主要针对心脏组织，在其他器官组织中的适用性需要进一步验证	开发无需化学染色的淀粉样蛋白沉积可视化方法	人体组织样本中的淀粉样蛋白沉积	数字病理学	系统性淀粉样变性	自发荧光显微镜，深度学习	神经网络	图像	心脏组织样本（具体数量未明确说明）	NA	NA	定量指标，病理学家评估	NA
925	2025-10-06	Automated design of multi-target ligands by generative deep learning 2024-09-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52060-8 PMID:39261471	研究论文	本研究利用生成式深度学习模型开发多靶点配体药物	首次将化学语言模型应用于多靶点配体的从头设计，通过小样本微调实现双靶点活性分子的生成	仅验证了12个设计分子对6个靶点对的活性，样本规模有限	探索生成式深度学习在多靶点药物设计中的应用	多靶点配体分子	机器学习	NA	化学语言模型，SMILES表示法	生成式深度学习模型	分子结构数据	12个设计分子，6个靶点对	NA	化学语言模型	纳摩尔级活性，双配体确认	NA
926	2025-10-06	External Testing of a Deep Learning Model to Estimate Biologic Age Using Chest Radiographs 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230433 PMID:39046324	研究论文	本研究在亚洲人群中对基于深度学习的胸片年龄模型进行外部测试，评估其预测全因死亡率及特定疾病死亡率的预后价值	首次在大型亚洲队列中验证基于胸片影像的深度学习生物年龄预测模型的泛化能力	单中心回顾性研究，仅包含无症状亚洲人群	评估深度学习胸片年龄模型在外部测试队列中的预后价值	50-80岁无症状亚洲个体的胸片影像	计算机视觉	肺癌	胸片影像分析	CNN	医学影像	36,924名个体	NA	NA	风险比, 似然比检验	NA
927	2025-10-06	Artificial Intelligence Outcome Prediction in Neonates with Encephalopathy (AI-OPiNE) 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240076 PMID:38984984	研究论文	开发深度学习算法预测缺氧缺血性脑病新生儿2年神经发育结局	首次结合多序列MRI和基础临床数据开发深度学习模型预测新生儿脑病长期神经发育结局	回顾性研究设计，样本量相对有限（414例）	预测缺氧缺血性脑病新生儿2年神经发育结局	足月缺氧缺血性脑病新生儿	医学影像分析	新生儿脑病	MRI（T1加权、T2加权、扩散张量成像）	CNN	医学影像、临床数据	414例新生儿（来自17个机构）	NA	深度学习分类器	AUC, 准确率	NA
928	2025-10-06	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230601 PMID:38900043	研究论文	开发了一种基于深度学习的自动方法，用于在腹部CT扫描中检测腹水并量化其体积	首次提出使用深度学习自动分割和量化腹水体积的方法，并在肝硬化和卵巢癌患者中验证	回顾性研究，数据来源于特定机构，可能存在选择偏倚	评估深度学习模型在检测和量化腹水体积方面的性能	肝硬化腹水患者和卵巢癌患者	医学影像分析	肝硬化,卵巢癌	CT扫描	深度学习	医学影像	训练集：TCGA卵巢癌数据集；测试集：NIH-LC(25例)、NIH-OV(166例)、UofW-LC(124例)	NA	NA	F1/Dice系数,体积估计误差,95%置信区间	NA
929	2025-10-06	Noninvasive virtual biopsy using micro-registered optical coherence tomography (OCT) in human subjects 2024-04-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi5794 PMID:38598626	研究论文	开发了一种基于光学相干断层扫描的非侵入式虚拟活检技术，通过深度学习将OCT图像转换为虚拟H&E染色切片	提出了微米级精度的配准方法，首次实现了从完整组织获取的3D OCT图像到2D H&E切片的精确对应，并展示了2D和3D的高保真虚拟染色	需要配对数据集进行训练，尚未应用于体内OCT图像的临床验证	开发非侵入式虚拟活检技术以减少不必要的活检程序	人类组织样本	数字病理学	癌症	光学相干断层扫描（OCT），H&E染色	条件生成对抗网络（cGAN）	3D OCT图像，2D H&E组织切片	NA	NA	条件生成对抗网络	高保真度转换	NA
930	2025-10-06	Three-dimensional assessments are necessary to determine the true, spatially-resolved composition of tissues 2024-Mar-28, bioRxiv : the preprint server for biology DOI:10.1101/2023.12.04.569986 PMID:38106231	研究论文	本研究通过深度学习平台重建胰腺组织的三维微解剖结构，证明二维评估会显著低估组织异质性	首次使用深度学习平台CODA对正常和癌变人类胰腺标本进行三维微解剖重建，系统比较二维与三维评估在组织成分分析中的差异	研究样本仅限胰腺组织，未验证其他器官组织的适用性	评估三维组织映射在准确分析组织成分中的必要性	接受胰腺切除术患者的正常和癌变人类胰腺标本	数字病理学	胰腺癌	深度学习组织映射平台，三维组织重建	深度学习	全玻片图像，连续组织切片图像	包含二维全玻片图像队列和三维重建厚组织切片队列的胰腺标本	NA	CODA平台	组织成分异质性误差分析	NA
931	2025-10-06	Deep learning-based accurate diagnosis and quantitative evaluation of microvascular invasion in hepatocellular carcinoma on whole-slide histopathology images 2024-03, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7104 PMID:38488408	研究论文	本研究开发了一种基于深度学习的肝细胞癌微血管浸润智能诊断模型，能够提高诊断效率和准确性	成功开发了MVI人工智能诊断模型，能够识别传统病理学难以区分的微小微血管浸润，并提供癌细胞数量和空间信息的自动量化	研究主要基于单一医疗中心数据，外部验证集来自公共数据库，可能存在数据异质性	开发深度学习模型以显著提高肝细胞癌微血管浸润诊断的效率和准确性	肝细胞癌患者的H&E染色全切片图像	数字病理学	肝细胞癌	H&E染色	深度学习模型	全切片病理图像	753名患者（内部数据集）+ 358名患者（外部验证集）	NA	NA	准确率, 精确率, 召回率, F1分数, ROC曲线下面积	NA
932	2025-10-06	An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique 2024, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2024.1418280 PMID:38988988	研究论文	提出一种基于二元卷积神经网络的深度学习方法来增强脑部MRI图像中肿瘤的检测和分割	能够分割10种最常见的脑肿瘤类型，相比现有模型仅能分割4种类型有显著改进	NA	提高脑肿瘤在MRI图像中的检测和分割精度	脑肿瘤	计算机视觉	脑肿瘤	MRI成像	CNN	图像	6,600张脑部MRI图像	NA	二元卷积神经网络(BCNN)	准确率,精确率,召回率,F-Measure	NA
933	2025-10-06	A deep learning approach to prediction of blood group antigens from genomic data 2024-11, Transfusion IF:2.5Q2 DOI:10.1111/trf.18013 PMID:39268576	研究论文	本研究开发了一种基于深度学习的方法，利用基因组数据预测血型抗原	首次将去噪自编码器与卷积神经网络结合应用于血型抗原预测，能够处理基因型缺失数据	对于低频或高频抗原、小训练队列或遗传基础复杂的血型系统（如Cw、Cob、RhD），模型准确性面临挑战	开发基于廉价可扩展筛查阵列基因分型平台的深度学习血型预测模型	约111,000名丹麦和1,168名芬兰献血者的血型和基因型数据	机器学习	NA	筛查阵列基因分型	去噪自编码器,卷积神经网络	基因组数据	约112,168名献血者（111,000丹麦+1,168芬兰）	NA	去噪自编码器,CNN	F1-accuracy	NA
934	2025-06-18	Boosting Deep Learning for Interpretable Brain MRI Lesion Detection through the Integration of Radiology Report Information 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230520 PMID:39377669	research paper	该研究通过整合放射学报告中的文本特征，指导深度学习模型关注脑部MRI病变特征，以实现可解释的病变检测	提出了一种结合放射学报告文本特征的深度学习模型（ReportGuidedNet），显著提高了脑部病变检测的性能和可解释性	研究为回顾性设计，可能受到数据质量和报告一致性的限制	提高深度学习模型在脑部MRI病变检测中的性能和可解释性	脑部MRI扫描和对应的放射学报告	digital pathology	brain lesions	MRI	ReportGuidedNet, PlainNet	image, text	35,282份脑部MRI扫描用于训练、验证和内部测试，2,655份用于外部测试	NA	NA	NA	NA
935	2025-10-06	Longitudinal deep neural networks for assessing metastatic brain cancer on a large open benchmark 2024-09-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52414-2 PMID:39289405	研究论文	本文开发了利用纵向数据的深度神经网络Segmentation-Through-Time，在大型脑转移癌数据集NYUMets-Brain上实现了小转移灶检测和分割的最先进性能	提出了世界最大的纵向真实世界脑转移癌数据集NYUMets-Brain，并开发了专门利用纵向数据结构的深度神经网络	未明确说明模型在外部验证集上的泛化能力	开发能够检测和追踪脑转移癌的深度学习工具	1,429名脑转移癌患者的影像、临床随访和医疗管理数据	计算机视觉	脑转移癌	医学影像分析	深度神经网络	纵向医学影像	1,429名患者	NA	Segmentation-Through-Time	小转移灶检测准确率、分割精度、风险比	NA
936	2025-10-06	Deep Learning to Detect Intracranial Hemorrhage in a National Teleradiology Program and the Impact on Interpretation Time 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240067 PMID:39017032	研究论文	评估人工智能在大型远程放射学实践中检测急性颅内出血的诊断性能及其对放射科医师阅片时间和系统效率的影响	在国家级远程放射学项目中大规模评估AI对颅内出血检测的实际影响，并首次量化分析AI误报对阅片时间的负面影响	回顾性研究设计，在高容量低患病率环境中AI误报可能导致系统效率下降	评估AI临床决策支持系统在颅内出血检测中的诊断性能和对工作流程效率的影响	61,704例连续非增强头部CT检查	数字病理	颅内出血	CT成像	深度学习	医学影像	61,704例非增强头部CT检查	NA	NA	灵敏度,特异性,准确率,阳性预测值	NA
937	2025-10-06	Open Access Data and Deep Learning for Cardiac Device Identification on Standard DICOM and Smartphone-based Chest Radiographs 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230502 PMID:39017033	研究论文	开发并评估用于在标准DICOM和智能手机拍摄的胸片上分割和分类心脏植入电子设备的深度学习模型	首个公开可用的深度学习模型，同时支持标准DICOM和智能手机拍摄的胸片进行心脏设备识别	回顾性研究，样本主要来自单一机构	开发心脏植入电子设备的自动分割和分类系统	心脏植入电子设备（包括起搏器、除颤器、心脏再同步治疗设备和心脏监测器）	计算机视觉	心血管疾病	胸部X线摄影	CNN	图像	897名患者的2321张胸片，以及使用5部智能手机采集的11072张图像	NA	U-Net, ResNet-50	Dice系数, 平衡准确率	NA
938	2025-10-06	Improving Computer-aided Detection for Digital Breast Tomosynthesis by Incorporating Temporal Change 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230391 PMID:39140867	研究论文	开发了一种利用时间信息改进数字乳腺断层合成癌症病变检测性能的深度学习算法	通过引入时间变化信息（当前与一年前的检查对比）来优化癌症检测概率	回顾性研究，数据来自特定时间段（2016-2020年）的八个机构	提高数字乳腺断层合成的计算机辅助检测性能	数字乳腺断层合成筛查检查中的癌症和非癌症病例	计算机视觉	乳腺癌	数字乳腺断层合成	深度学习	医学影像	973例癌症病例和7123例非癌症病例	NA	PriorNet	AUC, 局部AUC	NA
939	2025-10-06	nnU-Net-based Segmentation of Tumor Subcompartments in Pediatric Medulloblastoma Using Multiparametric MRI: A Multi-institutional Study 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230115 PMID:39166971	研究论文	本研究评估基于nnU-Net的分割模型在多机构MRI扫描中自动划分儿童髓母细胞瘤肿瘤亚区的性能	首次在多机构研究中应用nnU-Net模型分割儿童髓母细胞瘤亚区，并比较迁移学习和直接深度学习两种训练策略	回顾性研究设计，样本量相对有限（78例患者），囊性核心和非强化肿瘤区域分割性能较低	开发自动化分割儿童髓母细胞瘤肿瘤亚区的精准工具	儿童髓母细胞瘤患者	医学影像分析	髓母细胞瘤	多参数MRI（钆增强T1加权、T2加权、液体衰减反转恢复序列）	nnU-Net	MRI影像	78例儿童患者（52男，26女，年龄2-18岁），来自三个不同医疗机构	nnU-Net	nnU-Net	Dice系数	NA
940	2025-10-06	Deep Learning Segmentation of Infiltrative and Enhancing Cellular Tumor at Pre- and Posttreatment Multishell Diffusion MRI of Glioblastoma 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230489 PMID:39166970	研究论文	开发并验证一种深度学习方法来检测和分割胶质母细胞瘤患者治疗前后MRI扫描中的增强和非增强细胞肿瘤，并预测总生存期和无进展生存期	首次将多壳层扩散MRI与灌注成像结合到nnU-Net模型中，用于同时分割增强和非增强细胞肿瘤并预测生存期	回顾性研究设计，需要进一步前瞻性验证	开发胶质母细胞瘤细胞肿瘤的自动分割方法并预测患者生存结局	胶质母细胞瘤患者	数字病理	胶质母细胞瘤	多壳层扩散MRI，灌注成像	深度学习	MRI图像	1297名患者的1397次MRI扫描，包括内部训练集243次扫描和四个外部测试队列	nnU-Net	nnU-Net	Dice分数，AUC，风险比	NA