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
141	2025-10-06	Deep social neuroscience: the promise and peril of using artificial neural networks to study the social brain 2024-Feb-21, Social cognitive and affective neuroscience IF:3.9Q1 DOI:10.1093/scan/nsae014 PMID:38334747	综述	本文为社交神经科学家提供关于神经网络应用的入门指南，探讨其在社交大脑研究中的潜力与挑战	提出'深度社交神经科学'概念，系统阐述神经网络在社交神经科学中的三大应用方向	面临实践挑战、理论局限和伦理问题	探讨人工神经网络在社交神经科学研究中的应用前景	社交神经科学研究方法	机器学习	NA	深度学习	人工神经网络	脑活动数据、自然主义刺激、社交互动数据	NA	NA	NA	NA	NA
142	2025-10-05	A general temperature-guided language model to design proteins of enhanced stability and activity 2024-Nov-29, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr2641 PMID:39602544	研究论文	提出一种基于温度感知语言模型的深度学习模型PRIME，用于设计具有增强稳定性和活性的蛋白质突变体	无需特定蛋白质的实验突变数据即可设计改进的蛋白质突变体，采用温度感知语言建模方法	NA	开发能够设计具有高稳定性和高活性蛋白质突变体的计算方法	蛋白质突变体设计	机器学习	NA	深度学习，语言建模	语言模型	蛋白质序列数据，突变数据	283个蛋白质检测数据集，5个验证蛋白质	NA	PRIME（温度感知语言模型）	预测能力，突变体性能改善比例（>30%）	NA
143	2025-10-05	Evaluating the Quality of Brain MRI Generators 2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-72117-5_28 PMID:40364898	研究论文	提出一个评估脑部MRI生成模型质量的框架，重点关注生成图像的解剖结构合理性	开发了一个专门针对脑部MRI生成模型的评估框架，通过标准化处理和自动分割来量化解剖结构合理性，解决了传统自然图像评估指标的不足	仅评估了6种生成模型，样本量相对有限；框架依赖于分割结果的可靠性	改进脑部MRI生成模型的评估方法，使其更好地反映解剖结构的合理性	脑部结构MRI图像	医学影像分析	脑部疾病	深度学习生成模型	生成模型	MRI图像	超过3000个脑部MRI	NA	6种最先进的生成模型	解剖结构合理性量化指标	NA
144	2025-10-05	Digital Volumetric Biopsy Cores Improve Gleason Grading of Prostate Cancer Using Deep Learning 2024-Sep-12, ArXiv PMID:39314499	研究论文	本研究提出一种基于深度学习的数字体积活检核心方法，用于改进前列腺癌的Gleason分级	提出新型数字病理数据源'体积核心'，通过形态保持对齐框架从连续组织切片中提取并对齐，并采用改进的视频变换器处理体积数据	NA	开发深度学习方法来改进前列腺癌的Gleason分级	前列腺癌活检组织	数字病理学	前列腺癌	数字病理学，连续组织切片	注意力多实例学习(ABMIL)，视频变换器	体积图像数据	10,210个体积核心	PyTorch	改进的视频变换器，注意力多实例学习框架	AUC，F1分数，精确度，召回率	NA
145	2025-10-05	Optimizing mammography interpretation education: leveraging deep learning for cohort-specific error detection to enhance radiologist training 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.055502 PMID:39372519	研究论文	本研究探索利用卷积神经网络和迁移学习对乳腺X线摄影中的假阳性区域进行分类，以优化放射科医师培训	首次针对具有相似地理特征的放射科医师群体，开发基于深度学习的假阳性错误检测方法	概念验证研究，样本量有限，仅包含两个地理群体	通过深度学习技术优化乳腺X线摄影解读培训	乳腺X线摄影图像中的假阳性区域	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	两个地理群体（群体A和B）的放射科医师评估的乳腺X线摄影测试集	NA	ResNet-50	AUC	NA
146	2025-10-05	qMAP enabled microanatomical mapping of human skin aging 2024-Jul-06, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.03.588011 PMID:39005293	研究论文	本研究开发了一种名为qMAP的组织图像分析工作流程，用于定量分析人类皮肤衰老过程中的微观解剖结构变化	首次建立了能够全面标记组织和细胞区室的定量微观解剖表型分析工作流程，填补了组织水平衰老研究的空白	研究仅针对皮肤组织，样本量相对有限（99名捐赠者），需要进一步验证在其他组织类型中的适用性	开发定量分析组织微观解剖结构的方法，探索皮肤衰老的组织水平特征	人类皮肤组织样本	数字病理学	衰老相关疾病	组织切片成像，深度学习，机器视觉	深度学习	组织图像	99名年龄在14-92岁之间的捐赠者	NA	NA	平均绝对误差（MAE）	NA
147	2025-10-05	Prediction of MRI-Induced Power Absorption in Patients with DBS Leads 2024-Jun, Proceedings. IEEE International Symposium on Computer-Based Medical Systems DOI:10.1109/cbms61543.2024.00087 PMID:41030917	研究论文	使用机器学习和深度学习算法预测深部脑刺激患者MRI扫描中DBS导线尖端的局部比吸收率值	首次将XgBoost和残差网络家族应用于DBS患者MRI功率吸收预测，显著超越了现有最佳方法的性能	研究处于小数据机制，已提取的有限特征更适合集成学习而非深度网络	开发高效算法预测DBS患者MRI扫描时的组织加热风险	植入深部脑刺激系统的患者	机器学习	神经系统疾病	电磁仿真，MRI	XgBoost，深度学习	仿真数据	260个实例（包含患者来源和人工生成数据）	XgBoost	残差网络家族	RMSE	NA
148	2025-10-05	Fully Automated OCT-based Tissue Screening System 2024-May-15, ArXiv PMID:38800655	研究论文	介绍了一种基于光学相干断层扫描的全自动组织筛选系统，用于离体组织培养的高通量筛选应用	开发了首个结合定制电动平台、组织检测能力和Transformer深度学习分割算法的全自动OCT组织筛选系统	目前仅在视网膜退行性疾病小鼠模型的视网膜外植体培养中进行了验证	开发用于药物发现和相关研究领域的高通量组织筛选系统	小鼠视网膜退行性疾病模型的视网膜外植体培养组织	数字病理学	视网膜退行性疾病	光学相干断层扫描(OCT)	Transformer	OCT图像	NA	NA	Transformer	NA	NA
149	2025-10-05	Artificial Intelligence in Clinical Diagnosis and Treatment of Dry Eye: Workflows, Effectiveness, and Evaluation 2024 Oct-Dec, Journal of current ophthalmology IF:1.2Q3 DOI:10.4103/joco.joco_172_24 PMID:41041032	综述	本文综述人工智能在干眼症临床诊疗中的应用，探讨其工作流程、有效性及未来发展方向	系统总结AI在干眼症诊疗中的完整工作流程，并提出云端治疗管理等新兴应用方向	AI在干眼症应用中仍面临某些需要解决的挑战	探讨人工智能在干眼症临床诊断和治疗中的应用价值与发展前景	干眼症患者及相关临床数据	医学人工智能	干眼症	数据分析、图像识别	机器学习、深度学习	临床数据、图像数据	基于48项原始研究的汇总分析	NA	NA	诊断效率、准确性、客观性	NA
150	2025-10-05	Elucidating the neuropathological and molecular heterogeneity of amyloid-beta and tau in Alzheimer's disease through machine learning and transcriptomic integration 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.16.618708 PMID:39463964	研究论文	本研究通过机器学习和转录组整合方法，揭示了阿尔茨海默病中淀粉样蛋白-β和磷酸化tau蛋白的神经病理学和分子异质性	开发了一种新颖的深度学习方法来区分阿尔茨海默病连续体特异性脑网络改变维度与正常衰老共享维度	样本量相对有限（n=289），且仅使用单一公共转录组图谱进行验证	理解阿尔茨海默病神经病理学聚集物与认知衰退的关联及其分子机制	阿尔茨海默病连续体患者（Aβ阳性，n=129）和正常老年人（Aβ阴性，n=160）	机器学习	阿尔茨海默病	功能磁共振成像，转录组分析，脑脊液生物标志物检测	深度学习	功能磁共振成像数据，基因表达数据，临床生物标志物数据	289名受试者（129名Aβ阳性，160名Aβ阴性）	NA	NA	预测准确性	NA
151	2025-10-05	Deep Learning Denoising Improves CT Perfusion Image Quality in the Setting of Lower Contrast Dosing: A Feasibility Study 2024-Oct-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8367 PMID:38844370	研究论文	本研究探讨深度学习去噪技术在低对比剂剂量CT灌注成像中改善图像质量的可行性	首次将残差编码器-解码器卷积神经网络应用于CT灌注图像去噪，并在动物和临床研究中验证其在低对比剂剂量条件下的有效性	样本量有限（12只动物和22例患者），且为回顾性研究设计	评估深度学习去噪技术能否在降低对比剂剂量的情况下维持CT灌注图像质量	动物模型（猪）和临床患者	医学影像处理	NA	CT灌注成像	CNN	医学影像	12只动物（每只接受9次CTP检查）和22例患者（11例低剂量组，11例标准剂量对照组）	NA	残差编码器-解码器卷积神经网络	信噪比, 定性图像评估	NA
152	2025-10-05	External Validation of a Digital Pathology-based Multimodal Artificial Intelligence Architecture in the NRG/RTOG 9902 Phase 3 Trial 2024-Oct, European urology oncology IF:8.3Q1 DOI:10.1016/j.euo.2024.01.004 PMID:38302323	研究论文	在NRG/RTOG 9902三期临床试验中对基于数字病理学的多模态人工智能架构进行外部验证	首次在随机对照试验队列中验证多模态AI模型对高危前列腺癌患者的预后预测能力	部分患者因图像质量差被排除（5.6%），样本量相对有限	验证多模态人工智能模型在前列腺癌预后预测中的外部有效性	318名局部高危前列腺癌患者	数字病理学	前列腺癌	数字病理学分析	多模态人工智能模型	数字病理图像,临床特征	318例局部高危前列腺癌患者（来自397例入组患者中的337例有可用切片，其中19例因图像质量差被排除）	深度学习框架	多模态人工智能架构	亚分布风险比,置信区间,p值,5年和10年远处转移率	NA
153	2025-10-05	Improving 3D dose prediction for breast radiotherapy using novel glowing masks and gradient-weighted loss functions 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17326 PMID:39088756	研究论文	本研究开发了使用发光掩码和梯度加权损失函数改进乳腺癌放疗3D剂量预测的新方法	提出了两种创新技术：发光掩码算法将轮廓距离编码到每个体素中，梯度加权MSE损失函数强调高剂量梯度区域的误差	研究仅针对乳腺癌切线野治疗，样本量为305个治疗计划	比较两种新技术对深度学习剂量预测模型性能的影响	乳腺癌患者的放疗治疗计划	医学影像分析	乳腺癌	深度学习剂量预测	3D U-Net	CT影像和器官轮廓	305个治疗计划（213训练/46验证/46测试）	NA	3D U-Net	平均误差, 平均绝对误差, 心脏/肺/肿瘤床平均剂量误差, Dice相似系数, Gamma分析	NA
154	2025-10-05	Multi-modal segmentation with missing image data for automatic delineation of gross tumor volumes in head and neck cancers 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17260 PMID:38896829	研究论文	开发了一种能够处理PET图像缺失情况下的头颈部癌大体肿瘤体积自动分割深度学习框架	提出'空白通道'训练策略，使模型能够灵活处理PET图像缺失情况，在保持多模态分割性能的同时提高临床适用性	研究主要针对头颈部癌症，在其他类型癌症中的适用性需要进一步验证	开发头颈部癌大体肿瘤体积自动分割方法，解决PET图像可能缺失的临床实际问题	头颈部癌患者的大体肿瘤体积	数字病理	头颈部癌	CT, PET	深度学习分割模型	医学图像	数据集I: 524例训练患者和359例测试患者；数据集II: 90例测试患者	NA	NA	Dice相似系数, 平均表面距离, 95% Hausdorff距离	NA
155	2025-10-05	Patient-specific deep learning for 3D protoacoustic image reconstruction and dose verification in proton therapy 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17294 PMID:38980065	研究论文	开发了一种患者特异性深度学习方法用于质子声学图像重建和剂量验证	提出两阶段患者特异性深度学习框架，结合群体模型预训练和患者特定数据迁移学习	需要进一步研究验证该技术的临床影响	提高质子声学成像重建质量和个体患者剂量验证准确性	10名特定前列腺癌患者	医学影像	前列腺癌	质子声学成像，计算机断层扫描	深度学习	3D图像，射频信号	10名前列腺癌患者	NA	NA	RMSE, SSIM, gamma指数	NA
156	2025-10-05	Establishing a Validation Infrastructure for Imaging-Based Artificial Intelligence Algorithms Before Clinical Implementation 2024-Oct, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.04.027 PMID:38789066	研究论文	本文提出建立影像AI算法临床实施前验证基础设施的方法与建议	提出在临床系统外建立AI推理基础设施的完整步骤，支持大型医疗中心进行AI算法的本地化验证	未提供具体实施案例的性能数据验证	开发高效、可定制且成本效益高的AI模型外部验证基础设施	基于影像的人工智能算法	数字病理	NA	深度学习	NA	医学影像	NA	NA	NA	准确性, 泛化性	大型医疗中心计算基础设施
157	2025-10-05	Artificial Intelligence vs. Doctors: Diagnosing Necrotizing Enterocolitis on Abdominal Radiographs 2024-Oct, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2024.06.001 PMID:38955625	研究论文	本研究开发了一种基于深度学习的AI模型，用于在新生儿腹部X光片上诊断坏死性小肠结肠炎	首次将预训练的ResNet-50模型应用于新生儿坏死性小肠结肠炎的X光片诊断，并与资深外科住院医师进行直接比较	研究样本量有限（494张图像），且缺乏普遍应用的“金标准”作为参考	评估深度学习模型在诊断坏死性小肠结肠炎方面的性能，并与人类专家进行比较	新生儿腹部X光片	计算机视觉	坏死性小肠结肠炎	X光成像	CNN	图像	494张新生儿腹部X光片（214张坏死性小肠结肠炎，280张其他）	PyTorch或TensorFlow（未明确指定）	ResNet-50	AUROC, 准确率	NA
158	2025-10-05	Identification of diabetic retinopathy classification using machine learning algorithms on clinical data and optical coherence tomography angiography 2024-Oct, Eye (London, England) DOI:10.1038/s41433-024-03173-3 PMID:38871934	研究论文	应用机器学习算法结合临床数据和光学相干断层扫描血管成像进行糖尿病视网膜病变多分类识别	首次将机器学习算法应用于结合临床数据和OCTA参数进行糖尿病视网膜病变的多类别分类	样本量相对有限（203例训练，169例验证），且为横断面观察性研究	开发基于机器学习的糖尿病视网膜病变自动分类系统	糖尿病患者（共372例，372只眼）	机器学习	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	随机森林,梯度提升机,深度学习,逻辑回归	临床数据,影像数据	训练集203例，验证集169例	NA	NA	AUC,ROC曲线	NA
159	2025-10-05	Progression or Aging? A Deep Learning Approach for Distinguishing Glaucoma Progression From Age-Related Changes in OCT Scans 2024-Oct, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.04.030 PMID:38703802	研究论文	开发了一种深度学习算法，用于在缺乏参考标准的情况下从OCT图像中检测青光眼进展	提出了一种弱监督时间序列学习模型(Noise-PU DL)，能够区分青光眼进展与年龄相关变化	回顾性研究设计，缺乏参考标准作为金标准	开发能够区分青光眼进展与年龄相关变化的深度学习算法	青光眼患者和健康受试者的OCT扫描图像	计算机视觉	青光眼	光学相干断层扫描(OCT)	CNN,LSTM	图像序列	3253只眼(1859名受试者)的8785个随访序列	NA	CNN-LSTM	命中率,特异性	NA
160	2025-10-05	Colour fusion effect on deep learning classification of uveal melanoma 2024-Oct, Eye (London, England) DOI:10.1038/s41433-024-03148-4 PMID:38773261	研究论文	本研究验证深度学习对葡萄膜黑色素瘤和脉络膜痣的分类性能，并评估不同颜色融合策略对分类效果的影响	首次系统评估不同颜色融合策略（早期融合、中期融合和晚期融合）在葡萄膜黑色素瘤分类任务中对深度学习性能的影响	回顾性研究设计，样本量相对有限（798张图像），未进行外部验证	验证深度学习对葡萄膜黑色素瘤和脉络膜痣的自动分类能力，并评估颜色融合策略对分类性能的影响	438名患者的798张超广角视网膜图像，包括157名葡萄膜黑色素瘤患者和281名脉络膜痣患者	计算机视觉	葡萄膜黑色素瘤	超广角视网膜成像	CNN	图像	798张超广角视网膜图像（来自438名患者）	NA	NA	F1分数, 准确率, AUC	NA