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
1881	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
1882	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
1883	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
1884	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
1885	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
1886	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
1887	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
1888	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
1889	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
1890	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
1891	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
1892	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
1893	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
1894	2025-03-20	Deep Learning Image Reconstruction for Transcatheter Aortic Valve Implantation Planning: Image Quality, Diagnostic Performance, Contrast volume and Radiation Dose Assessment 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.02.026 PMID:38472024	研究论文	本研究评估了在经导管主动脉瓣植入（TAVI）规划CT中使用高强度深度学习图像重建（DLIR-H）对图像质量、对比剂用量、辐射剂量及诊断性能的影响	首次在TAVI规划CT中应用DLIR-H技术，并系统评估其在降低辐射剂量、对比剂用量及提升图像质量方面的潜力	研究样本量相对较小（128例患者），且仅在一家医疗机构进行，可能影响结果的普遍性	评估DLIR-H在TAVI规划CT中的应用效果，包括图像质量、辐射剂量、对比剂用量及诊断性能	128例接受TAVI规划CT的患者	数字病理学	心血管疾病	深度学习图像重建（DLIR-H）	NA	CT图像	128例患者	NA	NA	NA	NA
1895	2025-03-20	CT-Based Super-Resolution Deep Learning Models with Attention Mechanisms for Predicting Spread Through Air Spaces of Solid or Part-Solid Lung Adenocarcinoma 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.034 PMID:38184418	研究论文	本研究开发了一种基于CT超分辨率和注意力机制的深度学习模型，用于预测实性或部分实性肺腺癌的空气传播扩散状态	使用SE-ResNet50模型结合CT超分辨率技术，显著提高了预测肺腺癌空气传播扩散状态的准确性	研究为回顾性研究，样本量相对有限，且仅来自两个医疗中心	预测肺腺癌的空气传播扩散状态，以帮助选择合适的手术方法	602名被诊断为肺腺癌的患者	计算机视觉	肺癌	CT超分辨率	SE-ResNet50, ResNet50	CT图像	602名患者（中心1：512名，中心2：90名）	NA	NA	NA	NA
1896	2025-10-07	CEMRI-Based Quantification of Intratumoral Heterogeneity for Predicting Aggressive Characteristics of Hepatocellular Carcinoma Using Habitat Analysis: Comparison and Combination of Deep Learning 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.024 PMID:38057182	研究论文	本研究基于对比增强磁共振图像，通过整合瘤内异质性模型和深度学习模型预测肝细胞癌的微血管侵犯和病理分化	首次将基于栖息地分析的瘤内异质性特征与深度学习特征融合，构建预测肝细胞癌侵袭性特征的融合模型	回顾性研究设计，样本量相对有限（277个HCC病灶），需要外部验证	预测肝细胞癌的微血管侵犯和病理分化程度	肝细胞癌患者	医学影像分析	肝细胞癌	对比增强磁共振成像	深度学习	医学影像	265名患者的277个HCC病灶（训练集221个，验证集56个）	NA	NA	AUC	NA
1897	2025-10-07	Deep Learning Radiomics Nomogram Based on Magnetic Resonance Imaging for Differentiating Type I/II Epithelial Ovarian Cancer 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.08.002 PMID:37643927	研究论文	开发并验证基于T2加权磁共振成像的深度学习放射组学列线图用于区分I型和II型上皮性卵巢癌	首次将深度学习特征、放射组学特征和临床预测因子整合构建多中心验证的列线图模型	样本量相对有限，仅基于T2加权MRI序列	区分I型和II型上皮性卵巢癌的亚型分类	437名来自五个医疗中心的上皮性卵巢癌患者	医学影像分析	卵巢癌	磁共振成像	深度学习模型	医学影像	437例患者（训练集271例，内部验证68例，外部验证98例）	NA	NA	AUC, Brier分数, 校准曲线, 决策曲线分析	NA
1898	2025-10-07	Contrast-Enhanced CT-Based Deep Learning Radiomics Nomogram for the Survival Prediction in Gallbladder Cancer 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.027 PMID:38061942	研究论文	本研究开发了一种基于增强CT的深度学习放射组学列线图模型，用于预测胆囊癌患者术后生存率	整合了临床特征、传统放射组学和深度学习特征的多模态预测模型	回顾性研究且样本量有限（仅167例患者）	开发准确的预后预测模型以指导胆囊癌治疗策略	接受手术切除的胆囊癌患者	数字病理	胆囊癌	对比增强CT成像	深度学习, 机器学习	医学影像	167例来自两家医疗机构的胆囊癌患者	NA	DenseNet121	AUC, C-index	NA
1899	2025-03-20	Fusion Radiomics-Based Prediction of Response to Neoadjuvant Chemotherapy for Osteosarcoma 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.12.015 PMID:38151381	研究论文	本研究旨在开发一种基于深度学习的放射组学模型，利用术前MR图像准确预测骨肉瘤患者对新辅助化疗的反应	结合深度学习与放射组学技术，开发了一种新的预测模型，能够高精度预测骨肉瘤患者对新辅助化疗的反应	样本量相对较小，仅106名患者，且仅使用了T2加权成像和对比增强T1加权成像两种MR图像	开发一种深度学习放射组学模型，用于预测骨肉瘤患者对新辅助化疗的反应	106名病理确诊为骨肉瘤的患者	数字病理	骨肉瘤	深度学习放射组学	深度学习模型	MR图像	106名骨肉瘤患者	NA	NA	NA	NA
1900	2025-03-20	Anti-motion Ultrafast T2 Mapping Technique for Quantitative Detection of the Normal-Appearing Corticospinal Tract Changes in Subacute-Chronic Stroke Patients with Distal Lesions 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.11.036 PMID:38142175	研究论文	本研究利用多重叠回波分离（MOLED）定量技术，克服中风患者在磁共振成像（MRI）检查中的不自主运动问题，并检测亚急性-慢性中风患者正常外观皮质脊髓束（NA-CST）的微观结构变化	采用MOLED技术进行定量成像，解决了中风患者因不自主运动导致的成像难题，并首次通过T2映射检测NA-CST的微观结构变化	研究样本量有限，仅包括79名患者，且未探讨MOLED技术在其他类型中风或神经系统疾病中的应用	克服中风患者MRI检查中的运动问题，并定量检测NA-CST的微观结构变化	亚急性-慢性中风患者	数字病理学	中风	MOLED技术	深度学习网络	MRI图像	79名患者	NA	NA	NA	NA