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
1761	2025-10-07	Deep Learning Radiomics Model of Contrast-Enhanced CT for Differentiating the Primary Source of Liver Metastases 2024-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.012 PMID:38702214	研究论文	开发并验证基于增强CT的深度学习放射组学模型，用于识别肝转移瘤的原发灶来源	采用深度学习放射组学方法结合分步分类策略，首次实现对五种不同原发灶肝转移瘤的鉴别诊断	样本量相对有限，仅包含五个特定癌种的肝转移病变	开发能够识别肝转移瘤原发灶来源的智能诊断模型	657个肝转移病灶（来自428例患者），包括乳腺癌、肺癌、结直肠癌、胃癌和胰腺癌	医学影像分析	肝转移癌	增强CT成像	深度学习放射组学模型	医学影像（CT图像）	训练验证集545个病灶（7:3分割），外部测试集112个病灶	NA	NA	准确率，AUC	NA
1762	2025-10-07	A deep learning approach for fast muscle water T2 mapping with subject specific fat T2 calibration from multi-spin-echo acquisitions 2024-04-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-58812-2 PMID:38589478	研究论文	提出一种基于深度学习的快速肌肉水T2映射方法，通过多自旋回波采集实现受试者特异性脂肪T2校准	利用全连接神经网络替代传统的双组分扩展相位图拟合方法，显著提升计算效率	NA	开发快速准确的肌肉水T2映射方法	肌肉组织	医学影像分析	NA	多自旋回波采集，MRI	全连接神经网络	MRI影像数据	NA	NA	全连接神经网络	Lin一致性相关系数	最小计算资源
1763	2025-03-22	MaskDGNets: Masked-attention guided dynamic graph aggregation network for event extraction 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306673 PMID:39546454	研究论文	本文提出了一种名为MaskDGNets的新框架，用于事件抽取，通过掩码注意力引导的动态图聚合网络来解决传统深度学习方法忽略词特征与序列信息之间关联的问题	提出了掩码注意力机制和动态图聚合模块，有效平衡词向量特征和序列语义，并增强事件与事件之间、事件与主要属性之间的交互性和关联性	未提及具体局限性	提升事件抽取的性能，解决传统方法忽略词特征与序列信息关联的问题	事件抽取任务中的词特征与序列信息	自然语言处理	NA	动态图聚合网络、掩码注意力机制	MaskDGNets	文本	两个基准数据集（DuEE和CCKS2020）	NA	NA	NA	NA
1764	2025-10-07	Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children 2024-Dec-01, Critical care explorations DOI:10.1097/CCE.0000000000001188 PMID:39688905	研究论文	开发基于机器学习的预测模型，用于预测儿童和年轻成人接受连续肾脏替代治疗后ICU死亡率	首次开发用于预测儿童和年轻成人CRRT患者ICU和医院存活率的机器学习模型	样本量有限，输入变量需要扩展，特征选择方法需要优化	预测接受连续肾脏替代治疗的儿童和年轻患者的ICU和医院存活率	25岁以下因急性肾损伤和/或容量超负荷接受CRRT的儿童和年轻成人患者	机器学习	肾脏疾病	连续肾脏替代疗法	逻辑回归,决策树,随机森林,梯度提升机,支持向量机	临床数据	933名患者（80%训练集，20%测试集）	NA	NA	AUROC, AUPRC	NA
1765	2025-10-07	Deep learning-based temporal deconvolution for photon time-of-flight distribution retrieval 2024-Nov-15, Optics letters IF:3.1Q2 DOI:10.1364/OL.533923 PMID:39546693	研究论文	提出一种基于深度学习的时序解卷积方法，用于从荧光寿命成像中恢复真实光子飞行时间分布	首次将深度学习模型专门应用于荧光寿命成像中的解卷积任务，无需复杂的计算策略和正则化项	模型训练和验证主要基于模拟数据，实际应用效果需进一步验证	开发准确高效的光子飞行时间分布恢复方法	荧光寿命成像中的光子飞行时间分布	生物医学成像	NA	荧光寿命成像(FLI)、扩散光学成像	深度学习模型	时间分辨成像数据	模拟FLI数据、体外实验、临床前体内研究	NA	NA	准确性、鲁棒性、灵活性	NA
1766	2025-10-07	A deep profile of gene expression across 18 human cancers 2024-Oct-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.17.585426 PMID:38559197	研究论文	提出DeepProfile框架，利用无监督深度学习分析18种人类癌症的基因表达数据	开发了具有生物可解释性的无监督深度学习框架，能够从大规模基因表达数据中提取有价值的生物学信息	未明确说明模型在独立验证集上的性能表现及计算资源需求	利用无监督深度学习挖掘癌症基因表达数据中的生物学信息	18种人类癌症的50,211个转录组数据	机器学习	多癌种研究	基因表达分析，转录组测序	深度学习	基因表达数据	50,211个转录组样本，涵盖18种癌症类型	NA	NA	生物可解释性评估，Kaplan-Meier生存分析	NA
1767	2025-10-07	Evolution of white matter hyperintensity segmentation methods and implementation over the past two decades; an incomplete shift towards deep learning 2024-Oct, Brain imaging and behavior IF:2.4Q2 DOI:10.1007/s11682-024-00902-w PMID:39083144	系统综述	系统回顾了过去二十年白质高信号分割方法的演变历程和实施情况	首次系统性地分析了过去二十年WMH分割工具的方法学演变，特别关注了深度学习技术的兴起趋势	仅包含公开可用技术且详细描述方法的文献，可能遗漏部分商业或未公开方法	分析白质高信号分割方法的发展趋势和实施差异	白质高信号分割工具和方法	医学影像分析	神经系统疾病	系统综述方法	深度学习,传统图像分割方法	医学影像数据	1007个视觉评分量表研究,118个流程开发文章,509个实施文章	NA	NA	评估标准	NA
1768	2025-10-07	A Deep Learning Model for Predicting Molecular Subtype of Breast Cancer by Fusing Multiple Sequences of DCE-MRI From Two Institutes 2024-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.002 PMID:38637240	研究论文	开发深度学习模型通过融合两个机构的DCE-MRI多序列数据预测乳腺癌分子亚型	提出多分支卷积神经网络架构，采用外观变换技术缓解小数据和类别不平衡问题，并探索不同ROI和融合策略	样本量相对有限，部分亚型预测结果未达到统计学显著性	评估深度学习在利用DCE-MRI预测乳腺癌分子亚型方面的性能	乳腺癌患者	医学影像分析	乳腺癌	DCE-MRI	CNN, CLSTM, MBCNN	医学影像	366例乳腺癌患者（训练集292例，验证集49例，测试集25例）	NA	多分支卷积神经网络	AUC, 准确率	NA
1769	2025-10-07	Develop and Validate a Nomogram Combining Contrast-Enhanced Spectral Mammography Deep Learning with Clinical-Pathological Features to Predict Neoadjuvant Chemotherapy Response in Patients with ER-Positive/HER2-Negative Breast Cancer 2024-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.03.035 PMID:38641451	研究论文	开发并验证结合对比增强光谱乳腺摄影深度学习与临床病理特征的列线图，用于预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应	首次将CESM深度学习特征与临床病理特征结合构建预测新辅助化疗反应的列线图	回顾性研究设计，样本量相对有限(265例患者)	预测ER阳性/HER2阴性乳腺癌患者的新辅助化疗反应	ER阳性/HER2阴性乳腺癌患者	数字病理	乳腺癌	对比增强光谱乳腺摄影(CESM)	深度学习,逻辑回归	医学影像(低能量和减影CESM图像),临床病理数据	265例乳腺癌患者，按4:1比例分为训练集和测试集	PyTorch	ResNet34	ROC曲线下面积,准确率,特异性,召回率,阴性预测值,阳性预测值,平衡准确率,F1分数,决策曲线分析	NA
1770	2025-10-07	Deep Learning-Based Reconstruction Improves the Image Quality of Low-Dose CT Colonography 2024-08, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.021 PMID:38290889	研究论文	评估基于深度学习的重建方法在低剂量CT结肠成像中的图像质量改善效果	首次系统比较深度学习重建与迭代重建在低剂量CT结肠成像中的性能表现	样本仅来自单一中心，未进行多中心验证	评估深度学习重建技术在低剂量CT结肠成像中的图像质量	270名成年志愿者（平均年龄47.94岁，115名男性）	医学影像	结直肠癌	CT结肠成像	深度学习	医学影像	270名志愿者，按BMI分为四组	NA	NA	噪声、信噪比(SNR)、对比噪声比(CNR)、主观图像质量评分	NA
1771	2025-10-07	Research Progress of Artificial Intelligence in the Grading and Classification of Meningiomas 2024-08, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.02.003 PMID:38413314	综述	本文总结分析了人工智能在脑膜瘤分级分类中的研究进展，重点关注影像组学和深度学习的应用	系统梳理了AI技术在脑膜瘤分级分类领域的最新研究成果和发展趋势	现有研究存在数据样本有限、模型泛化能力不足等问题	促进人工智能在脑膜瘤诊疗中的未来应用	脑膜瘤患者	医学影像分析	脑膜瘤	影像组学, 深度学习	深度学习模型	医学影像	NA	NA	NA	NA	NA
1772	2025-10-07	A Transvaginal Ultrasound-Based Deep Learning Model for the Noninvasive Diagnosis of Myometrial Invasion in Patients with Endometrial Cancer: Comparison with Radiologists 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.035 PMID:38182443	研究论文	开发基于经阴道超声的深度学习模型用于无创诊断子宫内膜癌患者肌层浸润程度	首次将深度学习模型应用于经阴道超声图像评估子宫内膜癌肌层浸润，并与15名放射科医生进行性能比较	研究样本来自多个中心但外部测试集样本量相对较小（95例患者）	评估深度学习模型在诊断子宫内膜癌肌层浸润程度方面的可行性	子宫内膜癌患者	计算机视觉	子宫内膜癌	超声成像	CNN	图像	604例患者的1289张超声图像（训练集和内部验证集），95例患者作为外部测试集	NA	EfficientNet-B6	准确率, 灵敏度, 特异性, AUC, 阳性似然比, 阴性似然比	NA
1773	2025-10-07	nnU-Net-Based Pancreas Segmentation and Volume Measurement on CT Imaging in Patients with Pancreatic Cancer 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.004 PMID:38350812	研究论文	基于nnU-Net开发用于胰腺癌患者CT影像中胰腺分割和体积测量的深度学习方法	首次将3D nnU-Net架构应用于胰腺癌患者的胰腺自动分割和体积测量	回顾性研究设计，样本量相对有限	开发并验证基于深度学习的胰腺分割和体积自动测量方法	胰腺癌患者和正常人的胰腺CT影像	医学影像分析	胰腺癌	CT成像	CNN	3D CT图像	851例门静脉期CT图像（499例胰腺癌，352例正常胰腺）	nnU-Net	3D nnU-Net	Dice相似系数	NA
1774	2025-10-07	Improving Image Quality and Nodule Characterization in Ultra-low-dose Lung CT with Deep Learning Image Reconstruction 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.010 PMID:38429189	研究论文	本研究探讨深度学习图像重建在超低剂量肺部CT中对图像质量和肺结节定量分析的影响	首次在超低剂量肺部CT中比较深度学习图像重建与传统迭代重建对肺结节特征分析的影响	样本量较小（56例患者），仅使用单一CAD软件进行分析	评估深度学习图像重建在超低剂量肺部CT中对图像质量和结节特征分析的影响	疑似肺结节患者（56例）和检测到的104个肺结节	计算机视觉	肺癌	CT成像	深度学习图像重建	医学影像	56例患者，104个肺结节（51个实性结节，26个钙化结节，27个亚实性结节）	NA	NA	结节长度、宽度、密度、体积、风险评分、分类准确性、图像质量评分	NA
1775	2024-08-07	Correction: Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning 2024-Jul, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-024-01460-w PMID:38787517	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1776	2025-10-07	DeepLabCut-based daily behavioural and posture analysis in a cricket 2024-04-15, Biology open IF:1.8Q3 DOI:10.1242/bio.060237 PMID:38533608	研究论文	使用DeepLabCut深度学习技术对蟋蟀日常行为和姿势进行长期自动分析	首次将DeepLabCut应用于蟋蟀行为分析，实现多行为同步量化并通过姿势而非传统静止时间评估睡眠样状态	仅针对单个蟋蟀进行验证，未涉及群体行为交互分析	开发自动化系统研究昆虫昼夜节律调控的神经机制	蟋蟀（Gryllus bimaculatus）个体	计算机视觉	NA	深度学习行为分析	监督机器学习	视频图像	单个蟋蟀（具体数量未明确说明）	DeepLabCut	NA	置信度评分	NA
1777	2025-10-07	Examining evolutionary scale modeling-derived different-dimensional embeddings in the antimicrobial peptide classification through a KNIME workflow 2024-Apr, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4928 PMID:38501511	研究论文	本研究通过KNIME工作流评估ESM-2模型生成的不同维度嵌入在抗菌肽分类中的效果	首次系统比较ESM-2模型不同维度嵌入在抗菌肽分类中的表现，并开发可复现的KNIME工作流确保方法公平性	研究发现ESM-2嵌入中43%-66%的特征未被使用，存在特征冗余问题	评估进化尺度建模衍生的不同维度嵌入在抗菌肽分类中的有效性	抗菌肽(AMPs)	生物信息学	NA	进化尺度建模(ESM-2), QSAR建模	QSAR模型	蛋白质序列嵌入	NA	KNIME	ESM-2(30层和33层变体)	统计性能指标	NA
1778	2025-03-20	Enhancing Amyloid PET Quantification: MRI-Guided Super-Resolution Using Latent Diffusion Models 2024-Dec-01, Life (Basel, Switzerland) DOI:10.3390/life14121580 PMID:39768288	研究论文	本文提出了一种基于潜在扩散模型（LDM-RR）的新方法，用于提高淀粉样蛋白PET成像的分辨率，以解决部分容积效应（PVE）问题	使用潜在扩散模型进行分辨率恢复，结合MRI引导的重建，显著提高了PET定量准确性，并减少了不同示踪剂之间的变异性	NA	提高淀粉样蛋白PET成像的定量准确性，以更好地检测和监测阿尔茨海默病的进展	淀粉样蛋白PET成像	数字病理学	阿尔茨海默病	潜在扩散模型（LDM-RR）	潜在扩散模型	PET成像数据	NA	NA	NA	NA	NA
1779	2025-03-20	Automated Patient Registration in Magnetic Resonance Imaging Using Deep Learning-Based Height and Weight Estimation with 3D Camera: A Feasibility Study 2024-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.029 PMID:38368163	研究论文	本研究探讨了使用基于深度学习的3D摄像头算法在磁共振成像（MRI）中自动估计患者身高和体重的可行性	首次将深度学习与3D摄像头技术结合，用于MRI患者注册中的身高和体重估计，提高了估计的准确性和效率	研究为回顾性研究，样本量相对较小（161名患者），且仅在低场强MRI扫描仪上验证	比较基于深度学习的3D摄像头算法与放射科技师（MTR）在估计患者身高和体重方面的准确性	161名成年患者	计算机视觉	NA	深度学习，3D摄像头	深度学习模型	深度图像	161名成年患者	NA	NA	NA	NA
1780	2025-03-20	Deep Learning Based on ResNet-18 for Classification of Prostate Imaging-Reporting and Data System Category 3 Lesions 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.042 PMID:38302387	研究论文	本研究探讨了基于ResNet-18的深度学习模型在前列腺影像报告和数据系统（PI-RADS）3类病变中对良性前列腺病变、非临床显著性前列腺癌（non-csPCa）和临床显著性前列腺癌（csPCa）的分类和预测效果	首次使用ResNet-18模型对PI-RADS 3类病变进行分类，并通过T-SNE和类激活映射进行特征可视化和模型关注区域的可视化	研究为回顾性研究，样本量相对较小，且仅使用了T2加权图像	探索深度学习模型在前列腺PI-RADS 3类病变中的分类和预测效果	PI-RADS 3类病变的T2加权图像	数字病理学	前列腺癌	多参数MRI或双参数MRI	ResNet-18	图像	428张良性前列腺病变图像、158张非临床显著性前列腺癌图像和273张临床显著性前列腺癌图像	NA	NA	NA	NA