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
161	2026-06-30	Cachexia in preclinical rheumatoid arthritis: Longitudinal observational study of thigh magnetic resonance imaging from osteoarthritis initiative cohort 2024-10, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13533 PMID:38923846	研究论文	一项纵向观察研究，探讨了类风湿性关节炎前期患者大腿肌肉组成和脂肪组织变化与恶病质的关系	首次发现类风湿性关节炎前期存在恶病质样肌肉减少和脂肪浸润变化，与临床症状出现前的早期阶段相关	基于骨关节炎倡议数据集，可能无法完全代表类风湿关节炎前期人群；样本量相对较小；未控制饮食和运动等混杂因素	比较类风湿性关节炎前期患者与对照人群大腿肌肉组成和脂肪组织的纵向变化	骨关节炎倡议队列中定义为类风湿性关节炎前期的参与者，与倾向评分匹配的对照参与者	数字病理学	类风湿性关节炎	MRI	深度学习	图像	322名参与者的408条大腿（102例类风湿性关节炎前期和306例对照）	NA	NA	NA	NA
162	2026-06-30	Artificial neural network inference analysis identified novel genes and gene interactions associated with skeletal muscle aging 2024-10, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13562 PMID:39210538	研究论文	通过人工智能神经网络推理分析，识别与骨骼肌衰老相关的新基因和基因相互作用	采用人工神经网络推理（ANNi）结合深度学习的群智能神经网络方法（Intelligent Omics），首次发现CHAD、ZDBF2、USP54和JAK2作为预测衰老的强相互作用基因	RT-qPCR验证中，运动相关基因（EIF4A2、NIPAL3、SCFD1、KDM5D）未表现出差异表达	利用人工智能方法识别与肌肉衰老和运动相关的新基因、基因相互作用及分子通路	肌肉转录组数据、人体肌肉活检样本	机器学习	老年疾病	RNA-seq	人工神经网络，深度学习	转录组数据	8名年轻男性（25±4岁）和8名老年男性（78±7.6岁）的肌肉活检样本	Intelligent Omics	NA	P值	NA
163	2026-06-30	Prostate Cancer Risk Stratification in NRG Oncology Phase III Randomized Trials Using Multimodal Deep Learning With Digital Histopathology 2024-10, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.24.00145 PMID:39447096	研究论文	利用多模态深度学习结合数字组织病理学对局限性前列腺癌进行风险分层	开发了基于多模态人工智能（MMAI）的风险分组系统，相比现有NCCN风险组表现更优，能够扩展低转移风险人群并精准识别高转移风险亚组	NA	开发一种临床上可用的风险分组系统，以改善局限性前列腺癌的治疗决策，避免过度治疗和不足治疗	来自NRG肿瘤学八项随机III期临床试验的9,787名局限性前列腺癌患者	数字病理学	前列腺癌	数字组织病理学	多模态深度学习模型	数字组织病理学图像和临床数据	9,787名局限性前列腺癌患者	NA	多模态人工智能模型	10年远处转移率	NA
164	2026-06-30	Enhanced Osteoporosis Detection Using Artificial Intelligence: A Deep Learning Approach to Panoramic Radiographs with an Emphasis on the Mental Foramen 2024-09-20, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci12030049 PMID:39311162	研究论文	该研究开发了一种基于深度学习的AI应用，通过全景X射线影像的颏孔区域检测骨质疏松症	聚焦于全景X射线片的颏孔区域进行骨质疏松症检测，并强调方法学严谨性以解决先前研究中乐观结果可信度不足的问题	研究中未提及具体的局限性	开发稳健的人工智能应用，实现全景X射线片中骨质疏松症的准确识别，促进早期和可靠的诊断	250张全景X射线影像，分为骨质疏松组、年龄性别匹配非骨质疏松组以及年龄性别不匹配非骨质疏松组	医学影像分析	骨质疏松症	深度学习	卷积神经网络（CNN）	图像	250张全景X射线影像	NA	预训练CNN分类器	F1分数, AUC	NA
165	2026-06-30	PHACTboost: A Phylogeny-Aware Pathogenicity Predictor for Missense Mutations via Boosting 2024-07-03, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msae136 PMID:38934805	研究论文	提出PHACTboost，一种基于梯度提升树的错义突变致病性预测器，通过整合系统发育信息和多重序列比对来提升预测性能	首次将梯度提升树与系统发育树信息结合，利用PHACT评分、多重序列比对和祖先重建数据，在硬变异（不同预测器结果冲突的变异）上表现出显著优势	未提及具体限制，但可能依赖高质量的序列比对和系统发育树；对罕见变异或非编码区变异的适用性未说明	开发更准确的错义突变致病性预测方法，改进遗传疾病的理解和诊断	错义突变及其致病性预测	机器学习	遗传疾病	NA	梯度提升树 (Gradient Boosting Tree)	序列数据（多重序列比对、系统发育树、祖先重建）	191个蛋白质的21500万氨基酸变异	NA	梯度提升树分类器	精确率、召回率、F1分数、AUC	NA
166	2026-06-30	Correspondence attention for facial appearance simulation 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103094 PMID:38306802	研究论文	提出基于点对点注意力对应矩阵的ACMT-Net，用于预测正颌手术后面部软组织变化	首次在深度学习模型中引入物理对应的注意力机制，通过点对点对应矩阵关联骨骼移动与面部软组织变化	未提及算法在极端变形或复杂病例中的泛化能力	提升正颌手术面部外观模拟的计算效率与预测精度	颌骨畸形患者的面部软组织与骨骼结构	计算机视觉	颌骨畸形	NA	ACMT-Net（基于注意力机制的移动变换网络）	面部图像	颌骨畸形患者数据	PyTorch	注意力对应矩阵、k-NN聚类	预测精度与计算效率	NA
167	2026-06-30	Automatic liver segmentation and assessment of liver fibrosis using deep learning with MR T1-weighted images in rats 2024-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.12.006 PMID:38147969	研究论文	验证nnU-Net在分割和CNN在分类中用于肝纤维化MRI T1加权图像的性能	结合nnU-Net和CNN模型，无需造影剂即可自动分割肝脏并评估肝纤维化分期	仅使用大鼠模型，未涉及人肝纤维化数据；样本量较小（99只大鼠）	评估深度学习模型（nnU-Net和CNN）在大鼠肝脏分割和肝纤维化分期中的性能	99只雄性Wistar大鼠的肝脏组织和MR T1加权图像	深度学习	肝纤维化	MRI T1加权成像	nnU-Net和卷积神经网络（CNN）	MR图像	99只Wistar大鼠，共2628幅图像	NA	nnU-Net, CNN	Dice相似系数, 混淆矩阵, ROC曲线, 准确率, AUC	NA
168	2026-06-30	On retrospective k-space subsampling schemes for deep MRI reconstruction 2024-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.12.012 PMID:38184093	研究论文	探究不同k空间子采样方案对深度学习MRI重建质量的影响，特别是非直线子采样方案的优越性	首次系统比较了八种不同k空间子采样方案（含直线、非直线和非笛卡尔）在深度学习重建中的表现，并提出了多方案联合训练策略	未说明具体的计算资源使用情况，且仅使用单一RecurrentVarNet架构进行实验	评估k空间子采样方案对深度学习加速MRI重建质量的影响，寻找最优子采样策略	多通道MRI k空间全采样数据（来自三个不同数据集）	计算机视觉	NA	MRI k空间子采样	循环变分网络 (RecurrentVarNet)	k空间数据	三个多通道全采样MRI数据集	NA	RecurrentVarNet	重建质量指标（具体指标未在摘要中指定）	NA
169	2026-06-30	Social network analysis of cell networks improves deep learning for prediction of molecular pathways and key mutations in colorectal cancer 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103071 PMID:38199068	研究论文	通过结合细胞网络的社会网络分析特征，提升深度学习模型在结直肠癌分子通路和关键突变预测中的性能	提出将社会网络分析（SNA）从细胞图中提取的特征与深度学习特征融合，用于预测分子通路和关键突变，无需精确的细胞核分割，计算高效且可扩展	未提及具体局限性	改进结直肠癌分子通路和关键突变预测的深度学习方法，提高可解释性和性能	结直肠癌组织切片的细胞网络特征及对应的分子通路（CIN、HM）和基因突变（TP53、BRAF、MSI）	数字病理学	结直肠癌	组织切片成像	多实例学习框架	图像	499名患者的502张诊断切片，来自美国36个医疗中心	NA	NA	AUROC, AUPRC	NA
170	2026-06-30	DCT-net: Dual-domain cross-fusion transformer network for MRI reconstruction 2024-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.01.007 PMID:38237693	研究论文	提出了一种双域交叉融合变换器网络DCT-Net，用于增强MRI重建质量	创新性地设计了交叉注意力块和融合注意力块，实现了图像域与频率域信息的自适应交互与融合	NA	解决MRI采集时间长和运动伪影问题，提高欠采样数据重建的细节恢复能力	膝盖和脑部MRI图像	计算机视觉	NA	MRI	Transformer	图像	FastMRI (2023) 和 Calgary-Campinas (2021) 数据集	PyTorch	DCT-Net	定性评估和定量评估	NA
171	2026-06-30	Fighting the scanner effect in brain MRI segmentation with a progressive level-of-detail network trained on multi-site data 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103090 PMID:38241763	研究论文	提出LOD-Brain，一种渐进式细节层次的3D卷积神经网络，用于在多站点数据上训练以抑制脑MRI分割中的扫描仪效应	利用渐进式细节层次（LOD）网络结构，粗层级学习鲁棒的解剖先验，细层级处理站点特异性强度分布和解剖变异，训练数据包含约27000个T1w体积，来自约160个采集站点，覆盖广泛年龄和磁场强度	未明确提及，但可能受限于仅使用T1w序列，且依赖公开数据集的代表性	解决脑MRI分割中因不同MR扫描仪和采集参数导致的站点依赖性（扫描仪效应），提升外部数据的泛化性能	人脑MRI T1w体积数据，来自约160个采集站点，年龄8-90岁，磁场强度1.5-3T	计算机视觉	NA	MRI	3D卷积神经网络	图像	约27000个T1w体积，来自约160个采集站点	PyTorch	LOD-Brain（渐进式细节层次网络）	准确率, Dice系数	NA
172	2026-06-30	Immune subtyping of melanoma whole slide images using multiple instance learning 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103097 PMID:38325154	研究论文	利用多实例学习对黑色素瘤全切片图像进行免疫分型	首次采用深度学习模型直接利用临床常规的H&E染色病理切片进行黑色素瘤免疫亚型分类，避免了昂贵且耗时的转录组数据获取	未明确提及具体局限性	开发深度学习模型将HE染色病理切片分类为免疫亚群，以改善患者分层和预后预测	黑色素瘤患者的H&E染色全切片图像	数字病理学	黑色素瘤	H&E染色	多实例学习	图像	主要黑色素瘤数据集和独立TCGA黑色素瘤数据集	PyTorch	自监督模型	AUC	NA
173	2026-06-30	GAN-based generation of realistic 3D volumetric data: A systematic review and taxonomy 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103100 PMID:38340545	综述	系统综述基于生成对抗网络的逼真3D体积数据生成方法及分类	提出新颖分类法，全面概述体积GAN的架构、损失函数、评估指标及优缺点	未提及具体限制	总结使用GAN生成逼真体积合成数据的方法，并提供分类、评估、挑战和研究机会	基于GAN的体积数据生成方法及分类	计算机视觉、机器学习	罕见病（数据可用性问题提及）	GAN	GAN	3D体积数据	NA	NA	GAN（常见架构提及）	评估指标（具体未列出）	NA
174	2026-06-30	Artificial intelligence in the diagnosis of glaucoma and neurodegenerative diseases 2024-03, Clinical & experimental optometry DOI:10.1080/08164622.2023.2235346 PMID:37674264	综述	对过去10年人工智能在青光眼和神经退行性疾病诊断中的应用进行综述	系统性评估了多种人工智能技术在视网膜成像数据分析中的性能，并比较了其与人类医生的诊断表现	现有模型在融入临床实践前仍有提升空间	评估人工智能在眼科和神经退行性疾病诊断中的应用现状与潜力	青光眼和神经退行性疾病患者	计算机视觉	青光眼, 神经退行性疾病	视网膜成像	机器学习, 深度学习	图像	NA	NA	NA	准确率, AUC	NA
175	2026-06-30	Mobile Apps for COVID-19 Detection and Diagnosis for Future Pandemic Control: Multidimensional Systematic Review 2024-02-22, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/44406 PMID:38231538	系统综述	对移动应用在COVID-19检测与诊断中的应用进行多维系统综述，评估其技术领域与效果	首次对移动应用在COVID-19大流行防控中的诊断应用进行多维度系统综述，涵盖接触追踪、数据收集、AI诊断等6大领域，并比较了不同数据类型和AI技术的效果	仅纳入42项研究，可能存在发表偏倚；未深入分析不同地区或经济背景下移动应用的可及性和实际部署障碍	为软件公司和临床研究人员提供移动应用在COVID-19诊断中应用领域的全面信息	535项初始研究中筛选出的42项关于移动应用诊断和检测COVID-19的研究	数字病理学	新型冠状病毒肺炎	NA	卷积神经网络、轻量级神经网络	临床数据、地理数据、人口统计数据、放射学图像、血清学数据、实验室数据（含症状、咳嗽声和放射学图像）	535项初始研究，最终纳入42项研究	NA	深度学习方法（如卷积神经网络）、轻量级神经网络	NA	移动设备处理核心（含云计算、第五代通信技术）
176	2026-06-30	Deep learning based synthesis of MRI, CT and PET: Review and analysis 2024-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103046 PMID:38052145	综述	全面回顾2018至2023年间基于深度学习的医学影像合成方法，涵盖伪CT、合成MR和合成PET	系统梳理了从传统CNN到最新Transformer和扩散模型的网络架构，对比了损失函数、数据集和下游任务性能	未提及对生成影像临床可信度的系统性验证，也未分析模型在不同成像设备间的泛化能力	为医学图像合成领域研究人员提供技术路线图，总结挑战并提出未来方向	基于深度学习的医学影像翻译方法，包括CT、MRI和PET间的跨模态合成	计算机视觉, 数字病理学	NA	深度学习	CNN, Transformer, 扩散模型	医学图像（CT、MRI、PET）	NA	PyTorch, TensorFlow	CNN, Transformer, 扩散模型	图像质量评估, 下游任务性能	NA
177	2026-06-30	Random Forest Modeling of Acute Toxicity in Anal Cancer: Effects of Peritoneal Cavity Contouring Approaches on Model Performance 2024-02-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.08.042 PMID:37619789	研究论文	分析不同腹腔轮廓勾画方法对基于随机森林的肛门癌急性毒性模型性能的影响	比较了基于医生勾画、深度学习和全肠腔自动分割的三种腹腔轮廓方法对毒性预测模型的影响，发现全肠腔自动分割显著提升模型性能	结果需要外部数据集进一步验证	评估不同腹膜腔轮廓勾画方法对随机森林模型预测肛门癌急性3级及以上胃肠道毒性的效果	246例接受根治性放化疗的肛门鳞状细胞癌患者	机器学习	肛门癌	放射治疗、剂量体积指标	随机森林	临床和剂量体积指标数据	246例患者（毒性发生率9.5%）	NA	随机森林, nnU-Net	AUPRC, AUROCC, F1分数	NA
178	2026-06-30	Modeling annotator preference and stochastic annotation error for medical image segmentation 2024-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103028 PMID:38070453	研究论文	提出一种偏好参与标注分布学习框架，通过建模标注者偏好和随机误差来处理医学图像分割中的标注偏差	提出PADL框架，同时建模标注者偏好和随机误差，生成元分割和标注者特定分割	未明确提及局限性	解决医学图像分割中的标注者偏好偏差问题	医学图像标注偏差及其对分割模型的影响	计算机视觉	未指定	深度学习	CNN	图像	两个医学图像基准数据集，包含多个标注者标注	PyTorch	NA	Dice系数或其它分割指标	NA
179	2026-06-30	Correcting synthetic MRI contrast-weighted images using deep learning 2024-02, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.11.015 PMID:38092082	研究论文	提出一种基于深度学习的校正方法，以纠正合成MRI对比加权图像与实验图像之间的差异	提出一种物理启发的深度学习模型，通过生成乘法校正项来隐式捕捉未被建模的物理效应（如部分容积、扩散、流动、磁化传递等），从而改善合成MRI图像与实验对比的匹配度	仅作为概念验证，使用了一种特定的商用2D多对比序列，且初步阅读者研究样本量可能有限	改善合成MRI图像的对比度准确性，使其更接近实验采集的对比图像	合成MRI对比加权图像，特别是通过多对比序列生成的任意反转恢复快速自旋回波扫描	计算机视觉	NA	合成MRI	深度学习模型	图像	NA	NA	物理启发的深度学习模型	对比度、信噪比（SNR）	NA
180	2026-06-30	TestFit: A plug-and-play one-pass test time method for medical image segmentation 2024-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103069 PMID:38154382	研究论文	提出一种即插即用的单次测试时间方法TestFit，用于在测试阶段提升给定现成分割网络的性能	首次提出在线测试时间学习和处理结合的方法，无需训练数据准备，仅需一次遍历每个测试样本	未提及实验中的计算资源消耗或与其他在线方法的详细比较	研究如何稳定地在测试时通过在线处理与学习改善现成分割网络的结果	医疗图像分割任务中的现成深度学习分割网络	数字病理学	NA	NA	深度学习分割网络	图像（2D和3D）	大量2D和3D数据集	NA	NA	NA	NA