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
121	2025-10-07	Biomimetic Deep Learning Networks With Applications to Epileptic Spasms and Seizure Prediction 2024-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3325762 PMID:37851549	研究论文	提出一种新型仿生深度学习网络用于癫痫性痉挛和癫痫发作预测	结合模块化Volterra核卷积网络和双向循环网络，并利用头皮EEG的相位幅度跨频率耦合特征	NA	开发用于癫痫性痉挛和癫痫发作预测的仿生深度学习模型	癫痫患者和婴儿痉挛综合征患者的脑电图数据	机器学习	癫痫	头皮脑电图	CNN,RNN	脑电图信号	标准CHB-MIT数据集加上蒙特菲奥里医疗中心和加州大学洛杉矶分校的两个数据集	NA	模块化Volterra核卷积网络,双向循环网络	准确率,检测延迟时间,假阳性率	NA
122	2025-10-07	Quantifying U-Net uncertainty in multi-parametric MRI-based glioma segmentation by spherical image projection 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16695 PMID:37696029	研究论文	提出基于球形图像投影的U-Net模型用于多参数MRI胶质瘤分割的不确定性量化	通过球形图像投影变换保留全局解剖信息，从单次MRI扫描获得多个独立分割预测，实现不确定性可视化	研究仅针对胶质瘤分割，样本量相对有限（369例患者）	开发基于多参数MRI的胶质瘤分割不确定性量化方法	369例胶质瘤患者的多参数MRI扫描数据（T1、T1-Ce、T2和FLAIR序列）	医学图像分析	胶质瘤	多参数MRI	U-Net	医学图像	369例胶质瘤患者	NA	SPU-Net（球形投影U-Net）, U-Net, LSU-Net（线性缩放U-Net）	Dice系数, 敏感度, 特异度, 准确率, 不确定性评分	NA
123	2025-10-07	Clinical evaluation of deep learning systems for assisting in the diagnosis of the epiretinal membrane grade in general ophthalmologists 2024-Mar, Eye (London, England) DOI:10.1038/s41433-023-02765-9 PMID:37848677	研究论文	开发并临床评估用于辅助诊断视网膜前膜分级的深度学习系统	同时开发了分割视网膜特征的分割模型和分级视网膜前膜严重程度的分类模型，并通过对比实验验证AI系统对普通眼科医生的诊断辅助效果	分析了AI系统的误判情况，需要系统性努力确保AI在眼科实践中的安全快速整合	开发AI系统辅助诊断视网膜前膜分级并评估其临床价值	视网膜前膜患者的光学相干断层扫描图像	计算机视觉	视网膜疾病	光学相干断层扫描	深度学习模型	图像	来自三家医院的OCT数据集	NA	NA	像素精度,平均交并比,准确率	NA
124	2025-10-07	CEST and nuclear Overhauser enhancement imaging with deep learning-extrapolated semisolid magnetization transfer reference: Scan-rescan reproducibility and reliability studies 2024-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29937 PMID:38009996	研究论文	开发了一种基于深度学习的磁化转移参考框架DeepEMR，用于快速可靠的CEST和NOE信号估计	提出了一种MR物理驱动的深度学习外推方法，能够从少量高频偏移特征预测MTC主导信号	研究中主要使用健康志愿者和脑肿瘤患者，样本多样性可能有限	开发快速可靠的磁化转移对比和CEST信号估计方法，并评估其可重复性和可靠性	数值模型、健康志愿者和脑肿瘤患者	医学影像分析	脑肿瘤	CEST成像、核Overhauser增强成像、磁共振成像	神经网络	磁共振Z谱数据	健康志愿者和脑肿瘤患者（具体数量未明确说明）	NA	NA	组内相关系数、受试者间变异系数、受试者内变异系数、计算效率	3T磁共振扫描仪
125	2025-10-07	Generating synthetic medical images with limited data using auxiliary classifier generative adversarial network: a study on thyroid ultrasound images 2024-Mar, Journal of ultrasound IF:1.3Q3 DOI:10.1007/s40477-023-00837-w PMID:38064046	研究论文	本研究提出了一种基于辅助分类器生成对抗网络(ACGAN)的新方法，用于从有限的甲状腺超声图像数据生成合成医学图像	改进了ACGAN架构以从极有限数据生成高质量合成图像，并开发了模拟超声设备输出的图像融合方法	研究仅基于198张甲状腺结节超声图像，样本量有限	解决医学影像中标注数据稀缺问题，为深度学习模型训练生成合成数据	钙化和囊性甲状腺结节的超声图像	医学影像分析	甲状腺疾病	超声成像	ACGAN	超声图像	198张甲状腺结节超声图像	NA	改进的ACGAN架构	Fréchet Inception Distance (FID), 人工观察评估	NA
126	2025-10-07	Robust explanation supervision for false positive reduction in pulmonary nodule detection 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16937 PMID:38224306	研究论文	提出一种集成可解释AI方法的稳健可解释检测框架，用于减少肺结节检测中的假阳性	采用解释监督方法，使用放射科医生的结节轮廓作为监督信号，结合两种插补方法减少人工标注噪声	仅在公开数据集LIDC-IDRI上进行验证，需要进一步临床验证	开发集成可解释AI方法的框架，实现准确的肺结节检测	肺结节	医学影像分析	肺癌	胸部薄层CT扫描	深度学习算法	CT图像	480个训练集，265个验证集，265个测试集CT图像	NA	NA	AUC, IoU	NA
127	2025-10-07	Channelized hotelling observer-based low-contrast detectability on the ACR CT accreditation phantom: Part II. Repeatability study 2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16961 PMID:38305692	研究论文	本研究验证了基于通道化霍特林观测器的低对比度检测能力评估方法在ACR CT认证体模上的重复性	优化后的CHO模型仅需1-3次重复扫描即可实现高重复性测量，解决了传统方法需要大量重复扫描的局限性	研究仅限于四种特定CT扫描仪型号和ACR体模，未涵盖所有可能的临床场景	验证基于通道化霍特林观测器的低对比度检测能力评估方法的重复性	ACR CT认证体模和四种CT扫描仪（西门子Force和Alpha，佳能Prism和Prime SP）	医学影像分析	NA	CT扫描，通道化霍特林观测器，深度学习重建	通道化霍特林观测器	CT图像	4种CT扫描仪，每种10次重新定位，每次3次重复扫描，共120次扫描	NA	NA	检测指数d'，P<15%（测量值落在±15%容差范围内的概率）	NA
128	2025-03-03	2024-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.16965 PMID:38319676	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
129	2025-10-07	Improved outcome models with denoising diffusion 2024-Mar, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2024.103307 PMID:38325221	研究论文	本研究使用去噪扩散概率模型生成合成放疗计划数据，以改善类别不平衡的肿瘤局部控制预测模型性能	首次将条件3D DDPM模型应用于放疗结果建模，通过生成合成治疗计划数据解决类别不平衡问题	研究仅基于535例NSCLC患者数据，样本量相对有限	改善放疗结果建模中的类别不平衡问题，提高肿瘤局部控制预测模型的性能	535例接受SBRT治疗的NSCLC患者	医学影像分析	肺癌	放射治疗计划数据生成	DDPM, 深度学习	3D医学影像（计划CT图像、3D计划剂量分布）、患者人口统计学数据	535例NSCLC患者，其中6-7%发生局部失败	NA	条件3D DDPM	Fréchet inception distance (FID)	NA
130	2025-10-07	Machine learning based prediction of image quality in prostate MRI using rapid localizer images 2024-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.2.026001 PMID:38435711	研究论文	本研究开发了一种基于机器学习的预测方法，仅使用快速定位序列图像即可预测前列腺MRI图像质量	首次仅基于几秒钟即可获取的MRI快速定位序列图像，预测尚未采集的T2W、DWI和ADC序列图像质量	样本量相对较小（213例），测试集中优质与次优检查比例不平衡	开发前列腺MRI图像质量早期预测方法，以便及时干预或重新安排检查	前列腺MRI快速定位图像和直肠内容物	医学影像分析	前列腺癌	MRI	深度学习	医学图像	213例前列腺矢状T2加权MRI定位图像（147例训练，64例测试）	NA	2D U-Net, ResNet-34	AUC, ICC	NA
131	2025-10-07	Automated detection of nine infantile fundus diseases and conditions in retinal images using a deep learning system 2024-Mar, The EPMA journal DOI:10.1007/s13167-024-00350-y PMID:38463622	研究论文	开发了一种基于深度学习的婴儿视网膜智能诊断系统，用于自动检测九种婴儿眼底疾病和状况	结合卷积神经网络和Transformer结构，开发了首个能够同时识别九种婴儿眼底疾病的自动化诊断系统	研究数据来自四家医院，可能存在地域局限性；需要进一步验证在更广泛人群中的适用性	开发自动化系统辅助婴儿眼底疾病的早期诊断和监测	婴儿视网膜图像	计算机视觉	眼科疾病	深度学习	CNN, Transformer	视网膜图像	7697张视网膜图像（来自1089名婴儿）	NA	ResNet-18, Multi-Axis Vision Transformer (MaxViT)	准确率, 精确率, 召回率, F1分数, kappa系数, AUC	NA
132	2025-10-07	Identification and Structural Characterization of Twisted Atomically Thin Bilayer Materials by Deep Learning 2024-Mar-06, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.3c04815 PMID:38407030	研究论文	利用深度学习技术识别和表征扭曲原子级薄层二维材料的厚度和扭转角度	首次结合语义分割CNN和光学显微镜实现MoS₂薄层厚度识别与扭转角度预测的自动化方法	模型训练主要基于合成图像数据集，实际应用效果需进一步验证	开发自动化检测扭曲原子级薄层二维材料的方法	化学气相沉积生长的二硫化钼(MoS₂)薄层材料	计算机视觉	NA	光学显微镜，化学气相沉积(CVD)，二次谐波产生，拉曼光谱	CNN	图像	超过10,000张合成图像，涵盖六边形到三角形几何形状	NA	语义分割CNN	NA	NA
133	2025-10-07	High Resolution Multi-delay Arterial Spin Labeling with Transformer based Denoising for Pediatric Perfusion MRI 2024-Mar-06, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.04.24303727 PMID:38496517	研究论文	提出一种基于Transformer的高分辨率多延迟动脉自旋标记去噪方法，用于儿科灌注MRI成像	首次将Transformer深度学习模型应用于多延迟动脉自旋标记图像去噪，并采用k-space加权图像平均去噪图像作为训练参考	研究样本仅限于21名8-17岁正常发育儿童，未包含异常发育群体	开发有效的多延迟动脉自旋标记图像去噪方法，提高儿科灌注MRI的成像质量	儿科脑灌注成像，重点关注脑血流量和动脉通过时间的测量	医学影像处理	儿科神经发育疾病	多延迟动脉自旋标记，k-space加权图像平均	Transformer	MRI灌注图像	21名8-17岁正常发育儿童	NA	Transformer	信噪比，偏差，重测重复性	NA
134	2025-02-21	Developing an Improved Cycle Architecture for AI-Based Generation of New Structures Aimed at Drug Discovery 2024-Mar-27, Molecules (Basel, Switzerland) DOI:10.3390/molecules29071499 PMID:38611779	研究论文	本文提出了一种改进的生成模型BD-CycleGAN，用于药物发现中的分子生成	结合了BiLSTM和Mol-CycleGAN，以保留分子输入信息，克服了现有分子生成模型仅单向处理输入信息的局限性	未提及具体局限性	优化药物发现过程中的分子生成，以生成具有所需结构特征的新分子	分子生成模型	机器学习	NA	深度学习	BD-CycleGAN（结合BiLSTM和Mol-CycleGAN）	分子结构数据	未提及具体样本数量	NA	NA	NA	NA
135	2025-02-21	Diagnosis of pathological speech with streamlined features for long short-term memory learning 2024-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.107976 PMID:38219647	研究论文	本文提出了一种结合时空和时频特征的长短期记忆网络（LSTM）学习方法，用于病理语音诊断	引入了时空和时频特征，结合LSTM网络进行病理语音诊断，显著提高了诊断的准确性和可靠性	研究依赖于公开的语音数据库，样本的多样性和代表性可能存在局限	提高病理语音诊断的准确性和实时性，以支持更有针对性的治疗干预	正常语音模式个体和病理语音条件个体	自然语言处理	语音障碍	长短期记忆网络（LSTM）	LSTM	语音信号	使用公开的语音数据库进行训练和验证	NA	NA	NA	NA
136	2025-02-17	Clinical efficacy of motion-insensitive imaging technique with deep learning reconstruction to improve image quality in cervical spine MR imaging 2024-Mar-28, The British journal of radiology DOI:10.1093/bjr/tqae026 PMID:38366622	研究论文	本研究探讨了结合深度学习重建（DLR）的T2周期性旋转重叠平行线增强重建（PROPELLER）技术在颈椎MRI中提高图像质量和降低图像噪声的临床效果	结合深度学习重建（DLR）的PROPELLER技术首次应用于颈椎MRI，显著提高了图像质量和降低了噪声	样本量较小（35例患者），且研究时间较短（2020年12月至2021年3月）	评估PROPELLER技术与DLR结合在颈椎MRI中的图像质量和噪声改善效果	35例接受颈椎MRI检查的患者	医学影像	颈椎疾病	T2 PROPELLER技术，深度学习重建（DLR）	深度学习模型	MRI图像	35例患者	NA	NA	NA	NA
137	2025-10-07	An accurately supervised motion-aware deep network for non-contact pain assessment of trigeminal neuralgia mouse model 2024-Mar, Journal of oral & facial pain and headache IF:1.9Q2 DOI:10.22514/jofph.2024.008 PMID:39788578	研究论文	提出一种用于三叉神经痛小鼠模型非接触式疼痛评估的深度学习网络	构建了客观疼痛分级数据集作为监督信号，并融合静态纹理特征和动态行为特征进行疼痛评估	NA	开发三叉神经痛小鼠模型的非接触式疼痛评估方法	三叉神经痛小鼠模型	计算机视觉	三叉神经痛	深度学习	深度神经网络	图像	NA	NA	TNPAN	准确率, 泛化能力	NA
138	2025-10-07	Self-Supervised Learning for Improved Optical Coherence Tomography Detection of Macular Telangiectasia Type 2 2024-Mar-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2023.6454 PMID:38329740	研究论文	本研究开发了一种基于自监督学习的光学相干断层扫描图像分析方法，用于2型黄斑毛细血管扩张症的自动检测	采用自监督学习方法在有限标注数据条件下实现了罕见疾病的准确分类，使用Bootstrap Your Own Latent算法进行预训练	研究为回顾性研究，需要进一步研究验证方法的普适性	开发在有限标注数据条件下自动检测2型黄斑毛细血管扩张症的方法	2型黄斑毛细血管扩张症患者和非患者的OCT图像	计算机视觉	眼科疾病	光学相干断层扫描	CNN	图像	5200张OCT扫描图像，来自2549名患者（780名MacTel患者和1769名非MacTel患者）	NA	ResNet18, ResNet50	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, AUPRC, AUROC	NA
139	2025-10-07	Deep learning to decode sites of RNA translation in normal and cancerous tissues 2024-Mar-25, bioRxiv : the preprint server for biology DOI:10.1101/2024.03.21.586110 PMID:38585907	研究论文	开发基于Transformer模型的RiboTIE方法，用于绘制正常和癌组织中RNA翻译位点图谱	提出首个基于Transformer的RNA翻译位点解码方法，在核糖体分析数据中提供无与伦比的精确度和灵敏度	仅应用于正常脑组织和髓母细胞瘤样本，尚未在其他组织或癌症类型中验证	解码正常和癌组织中RNA翻译位点的变异	正常脑组织和髓母细胞瘤癌症样本	生物信息学	髓母细胞瘤	核糖体分析	Transformer	核糖体分析数据	正常脑组织和髓母细胞瘤样本（具体数量未明确）	NA	Transformer	精确度, 灵敏度	NA
140	2025-10-07	Classification of Schizophrenia, Bipolar Disorder and Major Depressive Disorder with Comorbid Traits and Deep Learning Algorithms 2024-Mar-07, Research square DOI:10.21203/rs.3.rs-4001384/v1 PMID:38496574	研究论文	本研究利用42种共病性状的多基因风险评分和深度神经网络对精神分裂症、双相情感障碍和重度抑郁症进行分类与区分	首次证明仅使用共病性状的PRS（不包含目标疾病PRS）即可有效分类精神障碍，为数据驱动的客观诊断提供新思路	样本量相对有限，未在独立队列中验证模型泛化能力	探索共享遗传风险在精神障碍分类与鉴别诊断中的应用价值	精神分裂症、双相情感障碍和重度抑郁症患者及健康对照	机器学习	精神疾病	全基因组关联研究，多基因风险评分	DNN	遗传风险评分数据	SCZ病例6317例对照7240例，BIP病例2634例对照4425例，MDD病例1704例对照3357例	NA	深度神经网络	准确率，AUC	NA