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
21	2025-10-06	Spatial-temporal convolutional attention for discovering and characterizing functional brain networks in task fMRI 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120519 PMID:38280690	研究论文	提出一种基于空间-时间卷积注意力的深度学习模型，用于发现和表征任务fMRI中的动态功能脑网络	首次将空间注意力机制与卷积自编码器结合，以自监督方式建模功能脑网络的动态特性	仅在HCP任务运动行为数据集上验证，未在其他任务或数据集上测试泛化能力	开发能够准确表征动态功能脑网络的新方法	人类大脑功能网络	医学影像分析	NA	功能磁共振成像(fMRI)	卷积自编码器,注意力机制	功能磁共振影像数据	HCP任务运动行为数据集	NA	空间-时间卷积注意力(STCA)	空间相似度	NA
22	2025-10-06	Identifying Diabetic Retinopathy in the Human Eye: A Hybrid Approach Based on a Computer-Aided Diagnosis System Combined with Deep Learning 2024-02-05, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10020017 PMID:38393285	研究论文	提出一种结合计算机辅助诊断系统和深度学习的混合方法用于糖尿病视网膜病变的自动检测	采用混合建模策略解决类别不平衡问题，并通过CNN分析和SHAP模型推导结果进行综合比较	存在数据集不平衡、标注错误、样本图像不足和性能评估指标不当等问题	开发自动化的糖尿病视网膜病变检测系统	糖尿病视网膜病变患者眼部医学图像	计算机视觉	糖尿病视网膜病变	医学影像分析	CNN, 深度学习	医学图像	三个基准数据集	NA	CNN	精确率	NA
23	2025-10-06	PulmoNet: a novel deep learning based pulmonary diseases detection model 2024-02-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01227-2 PMID:38418987	研究论文	提出一种基于深度卷积神经网络的肺部疾病检测模型PulmoNet，用于识别COVID-19、细菌性肺炎和病毒性肺炎	采用优化的图像增强技术，在肺部疾病检测中实现了高精度和快速检测	NA	开发高效的肺部疾病自动检测系统	肺部疾病患者（COVID-19、细菌性肺炎、病毒性肺炎）和健康人群	计算机视觉	肺部疾病	放射影像学（X射线和CT扫描）	深度卷积神经网络（DCNN）	医学影像	总样本16,435个（健康10,325例，COVID-19 3,749例，细菌性肺炎883例，病毒性肺炎1,478例）	NA	PulmoNet	准确率	NA
24	2025-10-06	Automated assessment of cardiac pathologies on cardiac MRI using T1-mapping and late gadolinium phase sensitive inversion recovery sequences with deep learning 2024-02-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01217-4 PMID:38350900	研究论文	开发基于深度学习的模型，使用心脏MRI的T1-mapping和晚期钆增强相位敏感反转恢复序列自动检测心脏病理	首次将深度学习应用于心脏MRI的T1-mapping和PSIR序列进行自动病理检测，无需对比剂的T1 mapping序列表现出潜在临床价值	样本量较小（共200例），模型特异性较低（PSIR序列38%，T1-mapping序列54%）	开发自动检测心脏病理的深度学习模型以简化诊断流程	心脏疾病患者（包括急慢性心肌梗死、心肌炎、扩张型心肌病、肥厚型心肌病）和正常对照者	医学影像分析	心血管疾病	心脏磁共振成像（MRI），T1-mapping序列，晚期钆增强相位敏感反转恢复（PSIR）序列	CNN	医学影像	200例（137例心脏病理患者，63例正常对照）	PyTorch, fastai	DenseNet-161	敏感度, 特异性, 准确率	NA
25	2025-10-06	Multimodal Biomedical Image Segmentation using Multi-Dimensional U-Convolutional Neural Network 2024-02-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01197-5 PMID:38331800	研究论文	提出了一种用于多模态生物医学图像分割的多维U卷积神经网络框架	对传统U-Net模型进行了多项改进，提出多维U卷积神经网络作为U-Net框架的潜在继任者	在完美图像情况下改进较小，主要提升体现在困难图像的分割效果上	提高多模态生物医学图像分割的准确性和全面性	多模态生物医学图像	医学影像分析	NA	深度学习图像分割	CNN	多模态医学图像	五个不同数据集	NA	U-Net, MDU-CNN	分割性能提升百分比	NA
26	2025-10-06	Artifact suppression for breast specimen imaging in micro CBCT using deep learning 2024-02-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01216-5 PMID:38321390	研究论文	提出基于深度学习的锥束CT乳腺标本成像中条纹伪影和金属伪影抑制方法	结合U-Net和ResU-Net的双网络架构，同时处理投影数据域和图像域的伪影问题	未提及方法在临床大规模应用中的验证情况	提升乳腺标本CBCT图像质量，抑制伪影干扰	乳腺标本的锥束CT图像	计算机视觉	乳腺癌	锥束CT成像	深度学习	CT投影数据（正弦图）和重建图像	NA	NA	U-Net, ResU-Net	对比噪声比, 峰值信噪比, 结构相似性指数	NA
27	2025-10-06	Random expert sampling for deep learning segmentation of acute ischemic stroke on non-contrast CT 2024-Feb-01, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2023-021283 PMID:38302420	研究论文	本研究探索了使用随机专家采样训练深度学习算法分割急性缺血性卒中非增强CT图像的方法	提出了随机专家采样训练方案，相比传统多数投票方法能更好地处理专家间标注差异	样本量相对有限，仅包含260例CT研究和33例外部队列验证	开发更准确的急性缺血性卒中非增强CT图像自动分割方法	急性缺血性卒中患者的非增强CT图像	医学图像分析	急性缺血性卒中	非增强CT成像，扩散加权成像(DWI)	深度学习	医学图像	260例非增强CT研究(233名患者)，外加33例外部验证病例	NA	U-Net	Dice系数, 体积重叠度量, 距离分割度量, Spearman相关性	NA
28	2025-10-06	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	提出基于Swin Transformer的深度学习模型SwinIR用于单延迟和多延迟3D动脉自旋标记去噪	首次将Swin Transformer应用于ASL去噪，并在单延迟和多延迟3D ASL数据上优于CNN和其他Transformer方法	使用M0作为输入会引入更大的脑血流量量化偏差	开发有效的深度学习方法来提高3D动脉自旋标记图像质量	单延迟和多延迟3D动脉自旋标记数据	医学影像处理	脑血管疾病	动脉自旋标记(ASL)	Transformer, CNN	3D医学影像	单延迟ASL: 105个受试者(163次扫描)，多延迟ASL: 6个受试者(10次扫描)	NA	SwinIR, 卷积神经网络	相似性指标, 空间信噪比, 脑血流量量化准确度, 动脉通过时间量化准确度	NA
29	2025-10-06	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	开发基于深度学习YOLOv7架构的自动系统，用于从眼底图像中检测视盘和视杯并计算垂直杯盘比，以进行青光眼检测	提出适应不同人群的深度学习模型优化方法，在REFUGE数据集上超越现有方法，并开发能够校准新人群结果的优化方法	模型最初在特定人群（欧洲）数据上训练，需要针对不同人群进行调优	开发自动化的青光眼检测系统，减少人工评估工作量并提高准确性和速度	眼底图像中的视盘和视杯	计算机视觉	青光眼	眼底成像	深度学习	图像	十个公开数据集和REFUGE数据集（中国患者图像）	YOLOv7	YOLOv7	Pearson相关系数, 平均绝对误差, Dice相似系数	NA
30	2025-10-06	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	开发深度学习模型自动分割MRI图像中的窦周结构，并在全生命周期提供规范体积范围	首次提出使用级联3D全卷积神经网络从非对比T2加权MRI自动分割窦周结构，无需外源性对比剂	需要与神经放射科医师的手动勾画作为金标准进行比较验证	开发自动量化窦周结构的工具，研究其随年龄变化的规律	窦周空间结构（包括蛛网膜颗粒和矢状窦旁硬膜下空间）	医学影像分析	脑脊液循环功能障碍	3D T2加权非对比MRI	CNN	MRI图像	验证集80例（11-83岁），健康参与者1872例（5-100岁）	NA	级联3D全卷积神经网络	Dice-Sørensen系数, 准确率	NA
31	2025-10-06	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	开发了一个用户友好的R Shiny网络应用，用于通过深度学习预测抗癌药物反应	将DeepDR深度学习模型封装成无需编程经验的用户友好网络工具，提供药物敏感性预测和相似样本搜索功能	NA	推进精准肿瘤学，提高治疗反应预测的准确性和模型可及性	癌症样本（细胞系或肿瘤）的突变和基因表达数据	机器学习	癌症	深度学习	深度学习模型	基因突变数据, 基因表达数据	包含Cancer Cell Line Encyclopedia (CCLE)和The Cancer Genome Atlas (TCGA)数据库中的样本	R Shiny	DeepDR	NA	网络应用平台
32	2025-10-06	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	研究论文	通过增强分层Transformer模型UNesT，实现133个全脑区域分割与颅内测量的集成分析	将颅内测量（TICV/PFV）集成到全脑分割任务中，通过预训练-微调策略解决标注数据稀缺问题	TICV/PFV标注数据有限（仅45个样本），预训练阶段缺乏TICV/PFV标签	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	脑部磁共振成像（MRI）数据	医学影像分析	脑部疾病	磁共振成像（MRI），T1加权3D成像	Transformer	3D医学影像	预训练：4859个T1w 3D体积（来自8个站点）；微调：45个T1w 3D体积（来自OASIS）	PyTorch	UNesT（分层Transformer架构）	Dice相似系数（DSC）	NA
33	2025-10-06	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	本研究通过多任务深度学习方法对人类激酶组进行大规模虚拟筛选，预测小分子抑制活性	首次采用多任务深度神经网络对人类激酶组进行大规模虚拟筛选，相较于传统单任务方法表现更优	NA	预测小分子化合物对人类激酶组的抑制活性，为多靶点药物开发和联合疗法提供支持	人类激酶组（342种激酶）和超过300,000个小分子化合物	机器学习	癌症	深度学习	深度神经网络	生物活性数据	超过650,000个生物活性注释，涉及300,000多个小分子	NA	多任务深度神经网络	NA	NA
34	2025-10-06	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	研究论文	提出基于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关键脑区识别	结合3DCNN、集成学习和遗传算法，以数据驱动方式识别对分类有显著贡献的判别性脑区	需要进一步研究验证该方法对其他脑部疾病的泛化能力	阿尔茨海默病的早期诊断和关键脑区定位	阿尔茨海默病和轻度认知障碍患者	医学影像分析	阿尔茨海默病	神经影像分析	3DCNN, 集成学习, 遗传算法	3D脑部影像	ADNI和OASIS数据集	NA	3DCNN	NA	NA
35	2025-10-06	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	开发基于深度学习的快速螺旋图像重建和分割方法，用于高分辨率螺旋实时心脏电影成像的左心室射血分数量化	提出结合3D U-Net图像重建网络和2D U-Net图像分割网络的深度学习框架，实现快速心脏图像重建和自动量化分析	研究未明确说明样本量大小和具体数据来源	开发用于心脏电影成像的快速图像重建和左心室功能量化方法	心脏左心室功能量化	医学影像分析	心血管疾病	螺旋实时心脏电影成像，2D平衡稳态自由进动成像，梯度回波成像	深度学习	医学影像	NA	NA	3D U-Net, 2D U-Net	结构相似性指数，峰值信噪比，归一化均方根误差，盲法评分，左心室射血分数量化准确性	GPU加速
36	2025-10-06	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	本研究提出了一种基于超声视频的胎儿生长分析方法，通过优化分割和混合分类器分析头围生物测量数据	提出混合鲸鱼优化与对立果蝇优化算法(WOFF)进行最优分割，改进U-Net用于特征提取，设计改进的Boosting算术优化算法(MBAO)进行特征选择，以及采用双向LSTM与CNN混合模型(B-LSTM-CNN)进行胎儿生长分析	研究中未明确说明样本数量和数据集的详细特征，可能影响方法的普适性验证	开发基于超声图像的胎儿生长监测和分析方法	胎儿头围生物测量数据	计算机视觉	胎儿发育异常	超声成像	U-Net, CNN, LSTM	超声图像, 视频帧	使用HC18和牛津大学研究档案(ORA-data)两个公开基准数据集	NA	改进U-Net, 双向LSTM-CNN混合架构	多种评估指标（文中未具体说明）	NA
37	2025-10-06	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	回顾机器学习在生命周期评估研究中的应用现状、进展与未来方向	首次系统分析40项结合LCA与ML方法的研究，识别出ML在生命周期清单生成、特征因子计算等四大应用领域	纳入研究数量有限（40项），70%以上研究训练样本量不足1500，缺乏模型选择标准和不确定性分析的详细报告	探索机器学习技术如何推动生命周期评估方法的发展	已发表的结合生命周期评估与机器学习方法的研究文献	机器学习	NA	机器学习	人工神经网络,监督学习,无监督学习	文献数据,实验数据,数据库数据,模型模拟数据	40项研究，其中70%以上训练样本量少于1500	NA	NA	预测准确性,模式发现,计算效率	NA
38	2025-10-06	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和预后的关联	首次使用深度学习自动量化肾小球内细胞和毛细血管特征，并发现内皮细胞密度等指标与肾功能和预后的关联	样本量相对有限（215例患者），且为单中心研究	开发自动识别肾小球组织学特征的方法，并探索其与肾移植功能和预后的关系	肾移植患者的协议活检样本	数字病理	肾脏疾病	组织病理学成像	CNN	病理图像	215例患者（训练组37例，测试组24例，应用组154例）	NA	NA	精确率, 召回率, F分数, 交并比	NA
39	2025-10-06	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	本研究利用深度学习辅助的光学相干断层扫描技术，在大鼠模型中探索NMDA诱导的兴奋毒性视网膜损伤对不同视网膜层的纵向影响	首次发现兴奋毒性损伤中内丛状层早期变薄和视网膜神经纤维层早期增厚的现象，揭示了视网膜损伤的病理级联反应	研究仅基于9只大鼠的小样本，且为动物模型研究，结果需要进一步在人类研究中验证	研究兴奋毒性视网膜损伤对不同视网膜层的纵向影响机制	成年Long Evans大鼠视网膜	数字病理学	视网膜退行性疾病	光学相干断层扫描，深度学习分割	深度学习	视网膜OCT图像	9只成年Long Evans大鼠	NA	NA	视网膜层厚度变化	NA
40	2025-10-06	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nnU-Net在对比增强T1 MRI图像中分割大脑、皮肤、肿瘤和脑室的性能，并与传统网格生长算法进行对比	首次系统比较nnU-Net与网格生长算法在神经外科3D图像分割中的性能，证明nnU-Net在有限训练数据下仍能获得优异表现	使用单中心回顾性数据训练，样本量相对较小（67例训练，32例测试）	评估深度学习模型在神经外科图像分割中的性能和实用性	对比增强T1 MRI脑部扫描图像中的大脑、皮肤、肿瘤和脑室结构	医学图像分析	脑部疾病	MRI, 对比增强T1成像	深度学习, CNN	3D医学图像	67例训练样本（单中心），32例测试样本（双中心）	nnU-Net	nnU-Net	Dice-Sørensen系数, IoU, 95% Hausdorff距离, 平均对称表面距离, 分割时间	NA