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
21	2025-08-08	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	research paper	提出了一种基于深度学习的肺部疾病检测模型PulmoNet，用于检测COVID-19、细菌性肺炎和病毒性肺炎	创新性地使用深度卷积神经网络（DCNN）结合图像增强技术，提高了肺部疾病检测的准确性和效率	研究仅针对三种肺部疾病，未涵盖其他可能的肺部病变	开发一种高效准确的肺部疾病检测模型，以改善医疗诊断	肺部疾病（COVID-19、细菌性肺炎和病毒性肺炎）的X光和CT扫描图像	digital pathology	lung cancer	image augmentation	DCNN	image	16,435张图像（健康10,325，COVID-19 3,749，细菌性肺炎883，病毒性肺炎1,478）
22	2025-08-08	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	本研究开发了一种基于深度学习的模型，用于自动检测心脏MRI上的心脏病理	首次结合T1-mapping和PSIR序列，利用深度学习自动检测多种心脏病理	T1-mapping图像的敏感性和特异性相对较低，模型性能有待进一步提升	开发自动化心脏病理检测系统以优化诊断流程	心脏MRI图像（T1-mapping和PSIR序列）	数字病理	心血管疾病	心脏MRI（T1-mapping和PSIR序列）	DenseNet-161	医学影像	200例（137例心脏病理患者，63例正常对照）
23	2025-08-08	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	本文提出了一种名为多维度U卷积神经网络（MDU-CNN）的新框架，用于多模态生物医学图像分割，以提高准确性和全面性	提出了一种改进的U-Net框架MDU-CNN，在多模态医学图像分割中表现出更高的性能，特别是在处理困难图像时	在完美图像情况下改进较小，且仅在五个特定数据集上进行了测试	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	数字病理	NA	多维度U卷积神经网络（MDU-CNN）	CNN	图像	五个不同的数据集
24	2025-08-08	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	提出一种基于深度学习的微CBCT乳腺标本成像中的伪影抑制方法	使用改进的U-Net和ResU-Net神经网络模型，有效抑制CBCT重建图像中的条纹伪影和金属伪影	未提及具体样本量及临床验证结果	提升乳腺标本CBCT成像质量	乳腺标本CBCT图像	数字病理	乳腺癌	CBCT成像	U-Net, ResU-Net	医学影像	NA
25	2025-08-03	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	本研究探讨了使用随机专家采样训练深度学习算法在非对比CT上分割急性缺血性卒中的效果	提出了一种随机专家采样训练方法，其性能超过了专家间一致性和多数投票模型	样本量相对较小（260例），且外部验证集仅包含33例患者	提高非对比CT上急性缺血性卒中组织的分割准确性	急性缺血性卒中患者的非对比CT影像	数字病理学	急性缺血性卒中	深度学习分割	U-Net	医学影像（CT）	260例非对比CT研究（来自233名患者），外加33例外部验证病例
26	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）
27	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）
28	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）
29	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
30	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
31	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
32	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
33	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
34	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)
35	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
36	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)
37	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
38	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
39	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
40	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