深度学习在生物医药领域中的应用

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
1	2025-07-23	Transformer-based deep learning denoising of single and multi-delay 3D arterial spin labeling 2024-Feb, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29887 PMID:37849048	研究论文	提出了一种基于Swin Transformer的深度学习模型SwinIR，用于去噪单延迟和多延迟3D动脉自旋标记（ASL）数据，并与CNN和其他基于Transformer的方法进行了性能比较	首次将Swin Transformer应用于ASL数据的去噪，展示了其在单延迟和多延迟3D ASL数据上的优越性能	使用M0作为输入时虽然提高了图像质量，但引入了更大的CBF量化偏差	提高3D ASL数据的图像质量并减少扫描时间，以促进其临床应用	单延迟和多延迟3D ASL数据	医学影像处理	NA	动脉自旋标记（ASL）	SwinIR, CNN	3D医学影像	105名受试者（173次扫描），包括66名训练受试者（119次扫描）和39名测试受试者（44次扫描），以及另外6名多延迟ASL受试者（10次扫描）
2	2025-07-22	Automated vertical cup-to-disc ratio determination from fundus images for glaucoma detection 2024-02-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-55056-y PMID:38396048	研究论文	本研究开发了一种基于深度学习的自动化系统，用于从眼底图像中确定垂直杯盘比（VCDR），以检测青光眼	使用YOLOv7架构进行视盘和视杯的检测及VCDR计算，并解决了深度学习模型在不同人群中的适应性问题	模型最初在特定人群（如欧洲人）上训练，可能对其他人群的适应性需要进一步验证	开发一种自动化工具，用于青光眼的早期检测	眼底图像中的视盘和视杯	数字病理学	青光眼	深度学习	YOLOv7	图像	十个公开数据集和REFUGE数据集（中国患者图像）
3	2025-07-22	Deep learning segmentation of peri-sinus structures from structural magnetic resonance imaging: validation and normative ranges across the adult lifespan 2024-Feb-13, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-024-00516-w PMID:38350930	研究论文	提出一种深度学习架构，用于自动分割脑部MRI图像中的窦周结构，并验证其在健康人群中的体积变化	首次使用两个级联的3D全卷积神经网络自动分割窦周空间结构，无需外源性对比剂	仅使用T2加权MRI图像，未与其他成像模态进行比较	开发自动量化窦周结构体积的工具，研究其在生命周期中的变化规律	窦周结构（如蛛网膜颗粒和矢状窦旁硬膜下空间）	数字病理学	NA	3D T2加权非增强MRI	3D FCNN	MRI图像	验证集80例（11-83岁），应用集1,872例（5-100岁）
4	2025-07-21	shinyDeepDR: A user-friendly R Shiny app for predicting anti-cancer drug response using deep learning 2024-Feb-09, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2023.100894 PMID:38370127	研究论文	介绍了一个用户友好的R Shiny应用shinyDeepDR，用于通过深度学习预测抗癌药物反应	开发了一个用户友好的网络工具，使没有丰富编程经验的研究人员也能使用DeepDR模型进行抗癌药物敏感性预测	未提及模型在临床样本上的验证情况	推进精准肿瘤学，提高治疗反应预测的准确性和预测模型的可及性	癌症样本（细胞系或肿瘤）的突变和/或基因表达数据	机器学习	癌症	深度学习	DeepDR	基因表达数据和突变数据	包含来自Cancer Cell Line Encyclopedia (CCLE)和The Cancer Genome Atlas (TCGA)的数据
5	2025-07-21	Enhancing Hierarchical Transformers for Whole Brain Segmentation with Intracranial Measurements Integration 2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3009084 PMID:39220623	research paper	该研究通过增强分层Transformer模型UNesT，实现了包含133个脑区及颅内测量（TICV/PFV）的全脑分割	提出了一种改进的分层Transformer模型，首次在全脑分割任务中同时实现脑区细分和颅内体积测量	面临手动标注图谱数据不足的挑战，特别是同时包含全脑分割和TICV/PFV标签的数据稀缺	开发能够同时进行全脑精细分割和颅内体积测量的深度学习模型	脑MRI图像中的133个解剖结构和颅内测量指标（TICV/PFV）	digital pathology	NA	MRI，多图谱分割流程	hierarchical transformer UNesT	3D MRI volumes	预训练使用4859个T1加权3D体积（来自8个不同站点），微调使用45个OASIS数据集样本
6	2025-07-20	Kinome-Wide Virtual Screening by Multi-Task Deep Learning 2024-Feb-22, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms25052538 PMID:38473785	研究论文	本研究利用多任务深度学习方法进行激酶组范围内的虚拟筛选，预测小分子在人类激酶组中的活性	采用多任务深度神经网络，相比传统单任务方法，能更有效地预测小分子对342种激酶的抑制活性	研究依赖于已有的生物活性注释数据，可能存在数据偏差或覆盖不全的问题	开发更全面的小分子激酶抑制剂预测方法，以支持抗癌药物研发	人类激酶组（342种激酶）及超过30万个小分子	机器学习	癌症	多任务深度学习	深度神经网络	生物活性注释数据	超过65万条生物活性注释，涉及30多万个小分子
7	2025-07-20	Adaptive 3DCNN-based Interpretable Ensemble Model for Early Diagnosis of Alzheimer's Disease 2024-Feb, IEEE transactions on computational social systems IF:4.5Q1 DOI:10.1109/tcss.2022.3223999 PMID:39239536	research paper	提出了一种基于3DCNN和遗传算法的自适应可解释集成模型，用于阿尔茨海默病的早期诊断和显著贡献脑区的识别	结合3DCNN、集成学习和遗传算法，提出了一种新的自适应可解释模型，能够识别与分类显著相关的脑区及其子区域	未来需要研究该方法的泛化能力，以识别其他脑部疾病的显著脑区	开发一种自适应可解释的集成模型，用于阿尔茨海默病的早期诊断和显著脑区的识别	阿尔茨海默病(AD)和轻度认知障碍(MCI)患者	digital pathology	geriatric disease	3DCNN, Genetic Algorithm, gradient-based attribution method	3DCNN+EL+GA	neuroimaging	来自ADNI和OASIS的数据集
8	2025-07-17	High-resolution spiral real-time cardiac cine imaging with deep learning-based rapid image reconstruction and quantification 2024-Feb, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5051 PMID:37926525	研究论文	本研究开发并评估了一种基于深度学习的快速螺旋图像重建（DESIRE）和分割方法，用于高分辨率螺旋实时电影成像的左心室射血分数（LVEF）量化	提出了一种结合3D U-Net图像重建网络和2D U-Net图像分割网络的深度学习技术，实现了快速图像重建和自动左心室功能量化	研究仅评估了1.5T和3T梯度回波成像，未涉及其他磁场强度或成像技术	开发高效的深度学习方法来加速心脏电影成像的图像重建和量化分析	心脏左心室功能	医学影像分析	心血管疾病	深度学习图像重建与分割	3D U-Net, 2D U-Net	医学影像	未明确说明样本数量，但包含40帧动态序列
9	2025-07-03	Fetal growth analysis from ultrasound videos based on different biometrics using optimal segmentation and hybrid classifier 2024-02-28, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.9995 PMID:38155152	研究论文	提出了一种基于超声视频的胎儿生长分析方法，通过最优分割和混合分类器分析胎儿头围生物特征	引入了混合鲸鱼与对立果蝇优化(WOFF)算法进行最优分割，改进的U-Net设计用于特征提取，以及改进的Boosting算术优化(MBAO)算法进行特征优化，最后采用双向LSTM与CNN混合深度学习技术(B-LSTM-CNN)进行胎儿生长分析	未提及具体样本量限制或算法在临床环境中的实际应用限制	通过超声图像分析胎儿生长和健康状况	胎儿头围生物特征	数字病理	出生缺陷	超声成像	改进的U-Net, B-LSTM-CNN	超声图像和视频帧	使用了公开基准数据集HC18(超声图像)和牛津大学研究档案(ORA-data)(超声视频帧)
10	2025-06-27	A review of machine learning applications in life cycle assessment studies 2024-Feb-20, The Science of the total environment DOI:10.1016/j.scitotenv.2023.168969 PMID:38036122	综述	本文回顾了机器学习在生命周期评估（LCA）研究中的应用现状、知识缺口及未来研究方向	系统分析了40项结合LCA与ML方法的研究，提出了ML在LCA中的四大应用方向及未来研究重点	70%的研究训练样本不足1500个，缺乏模型选择标准细节和不确定性分析，需加强数据收集与跨学科合作	探讨如何利用机器学习技术推动生命周期评估的发展	40项结合LCA与ML方法的定量评估研究	机器学习	NA	监督学习与无监督学习	人工神经网络（ANNs）	文献数据、实验数据、数据库数据、模型模拟数据	多数研究样本量<1500
11	2025-06-27	Recognition of intraglomerular histological features with deep learning in protocol transplant biopsies and their association with kidney function and prognosis 2024-Feb, Clinical kidney journal IF:3.9Q1 DOI:10.1093/ckj/sfae019 PMID:38370429	研究论文	本研究利用卷积神经网络自动分割肾小球细胞和毛细血管，并评估其与移植肾功能的相关性	首次使用深度学习自动化测量肾小球内细胞和毛细血管，并发现内皮细胞和上皮细胞的精确分割可能作为未来移植肾丢失风险的潜在标志物	样本量相对较小(215例)，且为单中心研究	评估肾小球内组织学特征与移植肾功能和预后的关联	肾移植患者的肾小球细胞和毛细血管	数字病理学	肾脏疾病	CNN	卷积神经网络	病理图像	215例肾移植患者(37例训练集，24例测试集，154例应用队列)
12	2025-06-27	Early inner plexiform layer thinning and retinal nerve fiber layer thickening in excitotoxic retinal injury using deep learning-assisted optical coherence tomography 2024-02-01, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-024-01732-z PMID:38303097	研究论文	使用深度学习辅助的光学相干断层扫描技术研究兴奋毒性视网膜损伤中早期内丛状层变薄和视网膜神经纤维层增厚的现象	首次揭示了NMDA诱导的兴奋毒性视网膜损伤中不同视网膜层的病理变化顺序，特别是内丛状层的早期变薄和视网膜神经纤维层的初始增厚	研究仅基于大鼠模型，结果可能无法直接推广到人类	探究兴奋毒性视网膜损伤对不同视网膜层的影响	成年Long Evans大鼠的视网膜	数字病理学	神经退行性疾病	光学相干断层扫描(OCT)	深度学习算法	图像	9只成年Long Evans大鼠
13	2025-06-18	NnU-Net versus mesh growing algorithm as a tool for the robust and timely segmentation of neurosurgical 3D images in contrast-enhanced T1 MRI scans 2024-02-20, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05973-8 PMID:38376564	研究论文	本研究评估了nnU-Net在对比增强T1（T1CE）图像中分割大脑、皮肤、肿瘤和脑室的性能，并与已建立的网格生长算法（MGA）进行了对比	nnU-Net在分割任务中显著优于MGA，且速度更快，减少了对手动调整和迭代的需求	训练集规模较小，可能影响模型的泛化能力	评估nnU-Net在神经外科3D图像分割中的性能和效率	对比增强T1（T1CE）脑部扫描图像中的大脑、皮肤、肿瘤和脑室	数字病理	脑部疾病	对比增强T1 MRI扫描	nnU-Net	3D图像	67例用于训练，32例用于测试
14	2025-06-18	Applied deep learning in neurosurgery: identifying cerebrospinal fluid (CSF) shunt systems in hydrocephalus patients 2024-02-07, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05940-3 PMID:38321344	研究论文	本研究评估了AI辅助脑脊液分流阀检测系统在神经外科中的可行性	开发了一个基于深度学习的系统，能够快速准确地自动识别不同型号的脑脊液分流阀	研究仅使用了2070张图像，样本量相对较小	评估AI辅助分流阀检测系统在临床中的可行性	脑积水患者的脑脊液分流系统	数字病理	脑积水	X射线和CT扫描	CNN	图像	2070张来自颅骨X射线或CT扫描的图像，涵盖10种不同的分流阀类型
15	2025-06-18	PPML-Omics: A privacy-preserving federated machine learning method protects patients' privacy in omic data 2024-02-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adh8601 PMID:38295178	研究论文	提出了一种保护患者隐私的联邦机器学习方法PPML-Omics，用于组学数据分析	设计了去中心化的差分隐私联邦学习算法，首次提供了数学上可证明的隐私保护能力	NA	解决组学数据分析中的患者隐私泄露问题	组学数据	机器学习	NA	三种测序技术	深度学习模型	组学数据	NA
16	2025-06-18	Body Composition, Coronary Microvascular Dysfunction, and Future Risk of Cardiovascular Events Including Heart Failure 2024-02, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2023.07.014 PMID:37768241	研究论文	本研究使用深度学习模型分析身体成分，探讨冠状动脉微血管功能障碍（CMD）与骨骼肌（SM）、皮下脂肪组织（SAT）和内脏脂肪组织（VAT）的关系及其对不良心血管事件的影响	首次揭示了骨骼肌减少而非脂肪组织增加与冠状动脉微血管功能障碍及未来不良心血管事件（尤其是心力衰竭）的独立关联	研究样本主要为女性（71%），可能限制结果在男性人群中的普适性	探究身体成分与冠状动脉微血管功能障碍的关系及其对心血管预后的影响	400例接受冠状动脉疾病评估的患者	数字病理学	心血管疾病	心脏应激正电子发射断层扫描（PET）、腹部计算机断层扫描（CT）	深度学习模型	医学影像数据	400例患者（71%女性，50%非白人，50%肥胖）中位随访6年
17	2025-06-18	An automatic parathyroid recognition and segmentation model based on deep learning of near-infrared autofluorescence imaging 2024-02, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7065 PMID:38457206	研究论文	该研究基于深度学习的近红外自发荧光成像技术，开发了一种自动识别和分割甲状旁腺的模型	利用AI模型自动识别和分割甲状旁腺，提高了识别率，并优于初级外科医生的识别能力	模型在召回率上表现一般（57.8%），可能影响其在实际应用中的全面性	建立一种新模型，帮助外科医生更好地识别和保护甲状旁腺	甲状旁腺的近红外自发荧光图像	数字病理	甲状旁腺疾病	近红外自发荧光成像（NIFI）	深度学习模型	图像	523张NIFI图像
18	2025-06-15	An approach to detect and predict epileptic seizures with high accuracy using convolutional neural networks and single-lead-ECG signal 2024-02-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad29a3 PMID:38359446	研究论文	提出一种基于卷积神经网络和单导联心电信号的高精度癫痫发作检测和预测方法	使用单导联ECG信号替代EEG信号进行癫痫发作的检测和预测，提出了一种轻量级的预处理步骤，无需手动特征提取	仅针对局灶性癫痫进行研究，未涉及其他类型的癫痫	开发一种基于深度学习的算法，用于癫痫发作的检测和预测	癫痫患者	数字病理学	癫痫	单导联ECG信号处理	CNN	ECG信号	NA
19	2025-06-14	Prior Clinico-Radiological Features Informed Multi-Modal MR Images Convolution Neural Network: A novel deep learning framework for prediction of lymphovascular invasion in breast cancer 2024-02, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.6932 PMID:38230837	research paper	本研究开发了一种名为PCMM-Net的深度学习框架，用于提高乳腺癌淋巴血管侵犯（LVI）预测的准确性	PCMM-Net整合了多参数MRI和先前的临床知识，以提高LVI评估的精确度	当前基于术前MRI的放射组学方法在评估早期乳腺癌患者的LVI时缺乏精确性	开发一个深度学习框架以提高乳腺癌LVI预测的准确性	341名乳腺癌患者	digital pathology	breast cancer	MRI	CNN	image	341名患者
20	2025-06-10	Machine and deep learning models for accurate detection of ischemia and scar with myocardial blood flow positron emission tomography imaging 2024-02, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2024.101797 PMID:38185409	研究论文	比较传统统计方法、机器学习和深度学习技术在仅使用静息和应激心肌血流（MBF）值诊断冠状动脉疾病（CAD）中的能力	首次比较了多种机器学习和深度学习模型在心肌血流PET成像中检测缺血和瘢痕的准确性，并发现随机森林模型表现最佳	对于每血管定位缺血或瘢痕，机器学习模型的表现与传统统计模型相比没有显著差异	评估不同模型在心肌血流PET成像中检测和定位CAD的准确性	3245例静息和应激铷-82 PET研究及匹配的灌注报告诊断标签	机器学习	心血管疾病	PET成像	逻辑回归、Lasso逻辑回归、支持向量机、随机森林、多层感知机、密集U-Net	图像	3245例PET研究