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
1841	2025-03-25	DeepSAP: A Novel Brain Image-Based Deep Learning Model for Predicting Stroke-Associated Pneumonia From Spontaneous Intracerebral Hemorrhage 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.025 PMID:38955592	research paper	开发了一种基于脑部CT扫描的深度学习模型DeepSAP，用于预测自发性脑出血后的卒中相关性肺炎	首次结合脑部CT图像和临床数据，通过MRI模板进行图像配准消除样本间结构差异，实现了脑出血的统计量化和空间标准化	研究为回顾性研究，样本量相对较小(n=244)，需要进一步前瞻性验证	开发快速可靠的模型及时预测卒中相关性肺炎(SAP)	244例自发性脑出血(ICH)患者	digital pathology	cardiovascular disease	CT扫描，MRI-template-based图像配准技术	deep-learning neural network	image (脑部CT扫描)和临床数据	244例ICH患者(训练集170例，测试集74例)	NA	NA	NA	NA
1842	2025-03-25	Prospective Deployment of Deep Learning Reconstruction Facilitates Highly Accelerated Upper Abdominal MRI 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.044 PMID:38955591	研究论文	比较传统T1容积插值屏气检查（VIBE）与深度学习（DL）重建加速VIBE序列在上腹部MRI中的图像质量和诊断信心	使用深度学习重建技术将VIBE-SPAIR的屏气时间减少50%，同时提高图像质量	研究样本量较小（45例患者），且仅在单一三级中心进行	评估深度学习重建加速VIBE序列在上腹部MRI中的性能	上腹部MRI检查的患者	医学影像	上腹部疾病	深度学习重建技术	DL	MRI图像	45例患者	NA	NA	NA	NA
1843	2025-03-25	Super-resolution Deep Learning Reconstruction for 3D Brain MR Imaging: Improvement of Cranial Nerve Depiction and Interobserver Agreement in Evaluations of Neurovascular Conflict 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.010 PMID:38897913	research paper	该研究探讨了超分辨率深度学习重建（SR-DLR）在3D脑部MR成像中对颅神经描绘和神经血管冲突评估的改进效果	首次比较了SR-DLR与DLR在3D FASE脑部MR图像中对颅神经描绘和神经血管冲突评估的影响	研究样本量较小（37例患者），且SR-DLR显示出更高的主观图像噪声	评估SR-DLR在3D脑部MR成像中对颅神经描绘和神经血管冲突评估的改进效果	37例患者的3D FASE脑部MR图像	digital pathology	神经血管疾病	3D fast asymmetric spin echo (3D FASE)脑部MR成像	深度学习重建（DLR）和超分辨率深度学习重建（SR-DLR）	3D MR图像	37例患者	NA	NA	NA	NA
1844	2025-03-25	Predicting Lymphovascular Invasion in Non-small Cell Lung Cancer Using Deep Convolutional Neural Networks on Preoperative Chest CT 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.010 PMID:38845293	研究论文	本研究利用术前胸部CT图像和深度学习技术，构建了一个非小细胞肺癌淋巴血管侵犯的无创预测诊断模型	结合2D和3D CT成像特征以及临床放射学数据，开发了四种不同的深度卷积神经网络预测模型，用于预测非小细胞肺癌的淋巴血管侵犯	研究为回顾性观察研究，样本中LVI阳性患者较少（106例），可能影响模型的泛化能力	开发非小细胞肺癌淋巴血管侵犯的无创预测方法	非小细胞肺癌患者	数字病理学	肺癌	CT成像	DCNN（包括Dual-head Res2Net_3D23F、Dual-head Res2Net_3D3F、Dual-head Res2Net_3D和EfficientNet-B0_2D）	图像	3034例非小细胞肺癌患者（其中106例LVI阳性）	NA	NA	NA	NA
1845	2025-03-25	Value of CT-Based Deep Learning Model in Differentiating Benign and Malignant Solid Pulmonary Nodules ≤ 8 mm 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.021 PMID:38806374	研究论文	本研究探讨了基于CT的深度学习模型在区分≤8mm的良性和恶性实性肺结节中的有效性	使用MDANet构建的深度学习模型，结合结节和不同周围区域特征，优于传统算法	样本量有限（n=719），且所有患者均接受了手术切除，可能影响模型的泛化能力	评估基于CT的深度学习模型在区分小实性肺结节良恶性方面的性能	≤8mm的实性肺结节	数字病理学	肺癌	CT扫描	MDANet, VGG19, ResNet50, ResNeXt50, DenseNet121	医学影像	719例患者（内部训练、内部验证和外部验证队列）	NA	NA	NA	NA
1846	2025-03-25	Assessment of Deep Learning-Based Triage Application for Acute Ischemic Stroke on Brain MRI in the ER 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.046 PMID:38908922	研究论文	评估基于深度学习的急性缺血性卒中在急诊室脑MRI上的分诊应用	开发并评估了一种深度学习应用（DLA），用于在急诊室环境下快速检测急性缺血性卒中（AIS），并研究了T2加权成像（T2WI）对其性能的影响	研究为回顾性分析，可能受到数据选择和采集时间的限制	评估深度学习应用在急诊室环境下检测急性缺血性卒中的效果	急诊室中接受脑MRI检查的患者	数字病理学	心血管疾病	MRI（包括DWI和FLAIR序列）	深度学习应用（DLA）	医学影像（MRI）	947名个体（平均年龄64±16岁，男性461名，女性486名），其中239名（25%）为急性缺血性卒中阳性	NA	NA	NA	NA
1847	2025-03-25	Multi-feature Fusion Network on Gray Scale Ultrasonography: Effective Differentiation of Adenolymphoma and Pleomorphic Adenoma 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.023 PMID:38871552	研究论文	开发一种深度学习放射组学图网络（DLRN），用于区分腮腺多形性腺瘤（PA）和腺淋巴瘤（AL）	整合了灰度超声图像的深度学习特征、放射组学特征和临床特征，构建了DLRN模型，显著提高了诊断性能	数据集较小，可能影响模型的泛化能力	区分腮腺多形性腺瘤和腺淋巴瘤	287名经组织学确认的PA或AL患者	数字病理	腮腺肿瘤	灰度超声成像	DLRN, LR, SVM, KNN, RF, ExtraTrees, XGBoost, LightGBM, MLP	图像	287名患者（162名训练集，70名内部验证集，55名外部验证集）	NA	NA	NA	NA
1848	2025-10-07	A Self-supervised Learning-Based Fine-Grained Classification Model for Distinguishing Malignant From Benign Subcentimeter Solid Pulmonary Nodules 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.002 PMID:38777719	研究论文	开发并验证了一种基于自监督学习的细粒度分类模型，用于区分亚厘米实性肺结节的良恶性	采用自监督预训练结合细粒度网络架构，专门针对亚厘米级别肺结节的良恶性分类问题	回顾性研究设计，内部数据集特别富集了恶性病例	开发用于区分亚厘米实性肺结节良恶性的深度学习模型	亚厘米实性肺结节（SSPNs）	计算机视觉	肺癌	CT影像分析	深度学习	CT图像	内部数据集1276名患者的1389个SSPNs（625个良性），外部测试集202个SSPNs	NA	自监督预训练细粒度网络	AUC, 准确率, 敏感度, 特异度	NA
1849	2025-10-07	Deep Learning Model for Predicting Proliferative Hepatocellular Carcinoma Using Dynamic Contrast-Enhanced MRI: Implications for Early Recurrence Prediction Following Radical Resection 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.028 PMID:38749868	研究论文	开发并验证基于动态对比增强MRI的深度学习模型，用于预测增殖性肝细胞癌及术后早期复发风险	首次将深度学习模型应用于DCE-MRI图像来区分增殖性与非增殖性肝细胞癌，并用于预测根治性切除术后的早期复发风险	回顾性研究设计，样本量相对有限（355例患者），需进一步前瞻性验证	通过术前评估优化肝细胞癌治疗策略，预测早期复发风险	肝细胞癌患者	计算机视觉	肝细胞癌	动态对比增强MRI	深度学习模型	医学影像	355例来自两个中国医疗中心的肝细胞癌患者（训练集251例，内部测试集62例，外部测试集42例）	NA	NA	AUC	NA
1850	2025-10-07	Deep Learning Features and Metabolic Tumor Volume Based on PET/CT to Construct Risk Stratification in Non-small Cell Lung Cancer 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.04.036 PMID:38740530	研究论文	本研究结合PET/CT深度学习特征和全身代谢肿瘤体积构建风险分层模型，用于预测非小细胞肺癌患者的总生存期和无进展生存期	首次将深度学习特征与代谢肿瘤体积结合构建风险分层模型，作为TNM分期的补充预测工具	样本量相对有限（590例患者），测试集在预测总生存期时C-index提升未达统计显著性	提高非小细胞肺癌患者生存期预测准确性，辅助临床治疗决策	非小细胞肺癌患者	医学影像分析	肺癌	PET/CT成像	CNN	医学影像（PET/CT图像）	590例非小细胞肺癌患者（训练集413例，测试集177例）	NA	卷积神经网络	C-index	NA
1851	2025-03-25	Accuracy of 18F-FDG PET Imaging in Differentiating Parkinson's Disease from Atypical Parkinsonian Syndromes: A Systematic Review and Meta-Analysis 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.016 PMID:39183130	meta-analysis	该研究通过系统综述和荟萃分析评估了18F-FDG PET成像在区分帕金森病（PD）与非典型帕金森综合征（APSs）中的准确性	比较了视觉解读与AI辅助自动分类在诊断PD中的表现，发现AI辅助方法的诊断准确性与放射科医师相当	纳入研究的方法学异质性可能影响结果的可靠性	定量评估18F-FDG PET在区分PD与APSs中的准确性	帕金森病（PD）与非典型帕金森综合征（APSs）患者	医学影像分析	帕金森病	18F-FDG PET成像	机器学习（ML）和深度学习（DL）	医学影像数据	1508名PD患者和1370名APSs患者	NA	NA	NA	NA
1852	2025-03-25	Community assessment of methods to deconvolve cellular composition from bulk gene expression 2024-Aug-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50618-0 PMID:39191725	research paper	评估从批量基因表达数据中解卷积细胞组成的方法，通过社区范围的DREAM挑战进行	评估了多种解卷积方法，包括深度学习方法的强表现，确立了该范式在解卷积中的适用性	部分方法未针对所有功能性CD8+ T细胞状态进行训练或准确度较低	评估解卷积方法在推断肿瘤样本中免疫浸润水平的效果	体外和计算机模拟的癌症与健康免疫细胞的混合转录谱	machine learning	cancer	bulk gene expression analysis	deep learning	gene expression data	NA	NA	NA	NA	NA
1853	2025-03-25	Deep learning predicts postoperative opioids refills in a multi-institutional cohort of surgical patients 2024-08, Surgery IF:3.2Q1 DOI:10.1016/j.surg.2024.03.054 PMID:38796387	research paper	该研究探讨了深度学习模型在预测术后需要阿片类药物补充的患者中的应用	首次将深度学习模型应用于预测术后阿片类药物补充需求，并通过多机构队列验证其高准确性	研究为回顾性设计，且仅纳入单一医疗中心的患者数据	优化术后阿片类药物处方策略，平衡药物滥用风险与患者疼痛控制需求	接受择期手术的成年患者	machine learning	NA	deep learning, random forest, eXtreme Gradient Boosting	深度学习、随机森林、XGBoost	临床医疗记录	9,731例择期手术患者（平均年龄62.1岁，51.4%为女性）	NA	NA	NA	NA
1854	2025-10-07	Deep learning structural insights into heterotrimeric alternatively spliced P2X7 receptors 2024-Aug, Purinergic signalling IF:3.0Q2 DOI:10.1007/s11302-023-09978-3 PMID:38032425	研究论文	本研究应用AlphaFold2-Multimer深度学习方法预测异源三聚体选择性剪接P2X7受体的结构	首次验证AF2M在预测三聚体P2X7受体结构中的准确性，并成功生成多种异源三聚体剪接变体的结构模型	模型验证主要依赖计算指标和分子动力学模拟，缺乏实验结构直接验证异源三聚体模型	探索选择性剪接对P2X7受体结构和功能的影响	P2X7受体及其剪接变体（P2X7B、P2X7E、P2X7J、P2X7L）	结构生物信息学	NA	深度学习结构预测，冷冻电镜，分子动力学模拟	AlphaFold2-Multimer	蛋白质序列，结构数据	多种P2X7受体剪接变体组合	AlphaFold2	AlphaFold2-Multimer	模型置信度评分，分子动力学稳定性，保守区域灵活性	NA
1855	2025-10-07	A deep learning quantification of patient specificity as a predictor of session attendance and treatment response to internet-enabled cognitive behavioural therapy for common mental health disorders 2024-04-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2024.01.134 PMID:38244796	研究论文	本研究使用深度学习模型评估患者对话特异性对网络认知行为疗法出席率和治疗效果的影响	首次使用深度学习量化患者对话特异性，并分析其与治疗结果的关系	无法从数据中推断因果关系	评估患者对话特异性是否能够预测治疗结束时的症状水平和疗程完成情况	接受网络认知行为疗法的常见心理健康障碍患者	自然语言处理	常见心理健康障碍	深度学习	深度学习模型	文本	65,030名参与者，353,614次治疗会话	NA	NA	线性混合效应模型	NA
1856	2025-10-07	Pediatric ECG-Based Deep Learning to Predict Left Ventricular Dysfunction and Remodeling 2024-03-19, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.123.067750 PMID:38314583	研究论文	本研究开发了一种基于心电图的深度学习模型，用于预测儿童左心室功能障碍和重构	首次将人工智能增强的心电图分析应用于儿科人群，并在外部验证中表现出色，模型对左心室肥厚的预测甚至超过了儿科心脏病专家的基准	研究排除了主要先天性心脏病患者，可能限制了模型的普适性	开发一种低成本筛查儿童左心室功能障碍和重构的方法	18岁以下无主要先天性心脏病的儿科患者	数字病理	心血管疾病	心电图, 超声心动图	CNN	心电图信号, 医学影像	训练队列：92,377对心电图-超声心动图配对数据（46,261名患者）；测试队列包括内部测试12,631名患者、急诊科2,830名患者和外部验证5,088名患者	NA	卷积神经网络	AUROC, AUPRC, 阴性预测值	NA
1857	2025-10-07	CMNet: deep learning model for colon polyp segmentation based on dual-branch structure 2024-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.2.024004 PMID:38525292	研究论文	提出基于双分支结构的深度学习模型CMNet用于结肠息肉分割	采用CNN与Transformer结合的双分支结构，引入深度可分离卷积和条纹池化模块，提出聚合注意力模块实现高维语义信息融合	NA	开发用于结肠息肉分割的深度学习模型以辅助医疗诊断	结肠息肉	计算机视觉	结肠癌	深度学习	CNN, Transformer	医学图像	Kvasir-SEG数据集上的五折交叉验证	NA	ResNet, 双分支结构	mIoU, mDice	NA
1858	2025-10-07	Development and external validation of a dynamic risk score for early prediction of cardiogenic shock in cardiac intensive care units using machine learning 2024-Jun-30, European heart journal. Acute cardiovascular care DOI:10.1093/ehjacc/zuae037 PMID:38518758	研究论文	开发并外部验证了一种基于深度学习的动态风险评分系统CShock，用于早期预测心脏重症监护室患者的心源性休克	首次开发了动态风险评分系统CShock，能够利用常规临床数据实现心源性休克的早期自动化预测	研究样本量相对有限，外部验证队列仅包含131名患者	改善心脏重症监护室心源性休克的早期检测和预警	心脏重症监护室收治的急性失代偿性心力衰竭和/或心肌梗死患者	机器学习	心血管疾病	深度学习	深度学习模型	结构化临床数据，包括人口统计学、实验室检查、生命体征、超声心动图和心导管报告特征	训练集1500名患者（其中204名心源性/混合性休克），外部验证集131名患者（其中25名心源性/混合性休克）	NA	NA	AUROC	NA
1859	2025-10-07	Conceptual understanding and cognitive patterns construction for physical education teaching based on deep learning algorithms 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83028-9 PMID:39732971	研究论文	本研究提出基于深度学习算法的体育教学概念理解与认知模式构建方法	结合关联图卷积神经网络和超图卷积神经认知诊断模型，挖掘学生长期学习序列数据	NA	提高学生对体育教学概念的理解，帮助教师分析学生认知模式	体育教学中的学生认知状态	机器学习	NA	深度学习算法	CNN, 图卷积神经网络	图像, 学习序列数据	90000个训练样本	NA	关联图卷积神经网络, 超图卷积神经认知诊断模型	准确率	NA
1860	2025-10-07	Explainable artificial intelligence for stroke prediction through comparison of deep learning and machine learning models 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82931-5 PMID:39733046	研究论文	本研究通过比较深度学习和机器学习模型在脑卒中预测中的表现，探索可解释人工智能在早期中风检测中的应用	首次系统比较八种主流机器学习和深度学习模型在中风预测中的性能，并结合SHAP方法提供模型可解释性	研究样本量相对有限（663条记录），仅来自伊朗德黑兰单一医疗中心的数据	比较深度学习和机器学习模型在中风预测中的效能，探索早期检测方法	来自伊朗Hazrat Rasool Akram医院的住院患者，包括401名健康个体和262名中风患者	机器学习	脑卒中	NA	SVM, XGB, KNN, RF, DNN, FNN, LSTM, CNN	医疗记录数据	663条患者记录（401健康，262中风）	NA	DNN, FNN, LSTM, CNN	准确率, 特异性, 敏感性, F1分数, ROC曲线	NA