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
1481	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）
1482	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
1483	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
1484	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
1485	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
1486	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
1487	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
1488	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
1489	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
1490	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
1491	2025-10-06	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	研究论文	提出一种分布式内存高效的物理引导深度学习方法来重建大规模3D非笛卡尔冠状动脉MRI	结合深度学习与MRI重建技术突破硬件限制，提出2.5D重建方法将3D体积作为2D图像批次处理，在有限训练数据下实现高质量重建	训练数据有限	实现大规模3D非笛卡尔冠状动脉MRI的高质量重建	冠状动脉MRI图像	医学影像处理	心血管疾病	MRI	CNN	3D医学影像	NA	NA	2D卷积神经网络	血管清晰度, 定性图像质量评估	分布式内存高效计算
1492	2025-10-06	Physics-Driven Deep Learning Reconstruction of Frequency-Modulated Rabi-Encoded Echoes for Faster Accessible MRI 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782818 PMID:40039561	研究论文	提出一种物理驱动的深度学习重建方法，用于改进频率调制拉比编码回波的磁共振成像重建质量并实现更高加速率	首次将物理驱动的深度学习重建方法应用于频率调制拉比编码回波，解决了传统重建中的非线性相位累积失真问题	仅使用单个接收线圈进行验证，未测试多线圈配置下的性能	开发更快速、更经济的磁共振成像重建方法	频率调制拉比编码回波的磁共振成像数据	医学影像处理	NA	磁共振成像，频率调制拉比编码回波	深度学习，展开网络	磁共振成像数据	NA	NA	展开网络架构	加速倍数	NA
1493	2025-10-06	Improving quantitative MRI using self-supervised deep learning with model reinforcement: Demonstration for rapid T1 mapping 2024-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30045 PMID:38342980	研究论文	提出一种名为RELAX-MORE的新型自监督学习框架，通过模型增强实现加速定量MRI重建	开发了无需参考数据的潜在图提取与模型增强方法，可将基于模型的迭代重建算法展开为深度学习框架	NA	改进定量MRI技术，实现快速MR参数映射	脑部、膝部和体模数据	医学影像分析	NA	定量MRI, T1映射	深度学习	MRI图像	单受试者数据	NA	NA	效率, 准确性, 鲁棒性, 泛化性	NA
1494	2025-10-06	Using machine learning or deep learning models in a hospital setting to detect inappropriate prescriptions: a systematic review 2024-Jun-21, European journal of hospital pharmacy : science and practice IF:1.6Q3 DOI:10.1136/ejhpharm-2023-003857 PMID:38050067	系统综述	系统综述医院环境中使用机器学习或深度学习模型检测不当处方的研究现状	首次系统评估AI在医院临床药学中检测不当处方的应用现状	纳入研究数量有限（13篇），其中12篇存在高偏倚风险	评估机器学习或深度学习模型在医院环境中检测不当药物处方的应用	医院临床药师使用的AI模型	机器学习	NA	监督学习技术	机器学习,深度学习	药物处方数据	分析31至5,804,192条处方订单，研究时长从2周到7年不等	NA	NA	NA	NA
1495	2025-10-06	Fetal growth analysis from ultrasound videos based on different biometrics using optimal segmentation and hybrid classifier 2024-02-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9995 PMID:38155152	研究论文	本研究提出了一种基于超声视频的胎儿生长分析方法，通过优化分割和混合分类器分析头围生物测量数据	提出混合鲸鱼优化与对立果蝇优化算法(WOFF)进行最优分割，改进U-Net用于特征提取，设计改进的Boosting算术优化算法(MBAO)进行特征选择，以及采用双向LSTM与CNN混合模型(B-LSTM-CNN)进行胎儿生长分析	研究中未明确说明样本数量和数据集的详细特征，可能影响方法的普适性验证	开发基于超声图像的胎儿生长监测和分析方法	胎儿头围生物测量数据	计算机视觉	胎儿发育异常	超声成像	U-Net, CNN, LSTM	超声图像, 视频帧	使用HC18和牛津大学研究档案(ORA-data)两个公开基准数据集	NA	改进U-Net, 双向LSTM-CNN混合架构	多种评估指标（文中未具体说明）	NA
1496	2025-10-06	iGTP: Learning interpretable cellular embedding for inferring biological mechanisms underlying single-cell transcriptomics 2024-Nov-25, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.29.24305092 PMID:39649598	研究论文	提出了一种名为iGTP的可解释生成转录程序框架，用于从单细胞转录组数据中学习可解释的细胞嵌入表示	设计了结合转录程序空间和蛋白质-蛋白质相互作用的新型可解释深度学习框架，能够同时建模不同生物状态下的细胞响应机制	NA	开发能够推断单细胞转录组数据背后生物学机制的可解释深度学习模型	单细胞转录组数据	机器学习	NA	单细胞转录组测序	变分自编码器,图神经网络,潜在扩散模型	基因表达数据	NA	NA	iGTP框架	功能富集分析性能	NA
1497	2025-10-06	Uncovering the predictive and immunomodulatory potential of transient receptor potential melastatin family-related CCNE1 in pan-cancer 2024-Nov-18, Molecular cancer IF:27.7Q1 DOI:10.1186/s12943-024-02169-7 PMID:39551726	研究论文	本研究通过开发TRPM家族相关评分系统，发现CCNE1作为跨癌种的重要生物标志物，具有预测免疫治疗反应和免疫调节功能	首次构建TRPM家族相关评分系统并发现CCNE1作为关键下游效应因子在泛癌分析中的重要作用	研究主要基于计算分析，仅通过体外实验初步验证功能，需要更多体内实验进一步确认	探索TRPM家族及其相关基因CCNE1在泛癌中的预测价值和免疫调节潜力	17种实体肿瘤的分子标志物	生物信息学	泛癌分析	机器学习、深度学习计算技术	NA	分子生物标志物数据	17种实体肿瘤的多组学数据	NA	NA	预测准确性、免疫治疗反应预测	NA
1498	2025-10-06	Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning 2024-10-30, Journal of proteomics IF:2.8Q2 DOI:10.1016/j.jprot.2024.105322 PMID:39341565	研究论文	通过深度学习模型研究氨基酸二聚体基序对质谱MS1强度的影响	首次使用带有注意力机制的编码器-解码器深度学习模型系统分析氨基酸二聚体基序与质谱响应的关系	氨基酸二聚体序列表示相比单氨基酸表示未能提高预测能力	探索氨基酸局部环境与质谱MS1强度之间的潜在关系	质谱分析中的肽段序列	机器学习	NA	质谱分析，ESI-MS	RNN，编码器-解码器	肽段序列数据，质谱强度数据	约200,000个独特肽段的等摩尔肽池	NA	带有注意力机制的编码器-解码器架构	平均百分比误差，皮尔逊相关系数	NA
1499	2025-10-06	Assessing substrate scope of the cyclodehydratase LynD by mRNA display-enabled machine learning models 2024-Oct-14, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.14.618330 PMID:39464139	研究论文	本研究通过mRNA展示技术结合深度学习模型评估了RiPP环化脱水酶LynD的底物广谱性	首次将mRNA展示高通量肽段展示技术与深度学习模型相结合，用于预测RiPP酶的底物处理能力	研究仅针对LynD单一酶进行，未验证其他RiPP酶的应用潜力	阐明核糖体合成后修饰肽天然产物酶的底物广谱性及其预测方法	RiPP环化脱水酶LynD及其肽底物	机器学习	NA	mRNA展示技术	深度学习	肽序列数据	通过mRNA展示技术构建的大规模肽库	NA	NA	NA	NA
1500	2025-10-06	DSMT-Net: Dual Self-Supervised Multi-Operator Transformation for Multi-Source Endoscopic Ultrasound Diagnosis 2024-01, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3289859 PMID:37368810	研究论文	提出一种双自监督多操作变换网络(DSMT-Net)，用于多源内镜超声(EUS)图像的胰腺癌和乳腺癌诊断	设计了多操作变换方法标准化EUS图像感兴趣区域提取，并开发了基于Transformer的双自监督网络整合未标记数据进行预训练	未明确说明模型在更广泛疾病类型或数据源上的泛化能力	解决多源EUS图像数据分布差异大和标注数据有限的问题，提高癌症诊断准确性	胰腺癌和乳腺癌的内镜超声图像	计算机视觉	胰腺癌,乳腺癌	内镜超声(EUS)	Transformer,自监督学习	图像	3,500张病理证实的标记EUS图像(包含胰腺癌和非胰腺癌)和8,000张未标记EUS图像	NA	DSMT-Net,Transformer	准确率	NA