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	2025-07-25	An accurate pediatric bone age prediction model using deep learning and contrast conversion 2024-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2024.e23 PMID:40703683	研究论文	本研究旨在利用深度学习和对比度转换技术开发一个准确的儿童骨龄预测模型，以改善临床实践中的生长评估和临床决策	结合多种深度学习模型和对比度转换技术优化骨龄预测，并评估不同预处理方法对预测性能的影响	未提及模型在多样化人群或不同成像条件下的泛化能力	提高儿童骨龄预测的准确性以支持临床决策	儿童左手X光图像	计算机视觉	儿科疾病	对比度转换技术（模糊对比增强、限制对比度自适应直方图均衡化等）	CNN（包括ResNet50、VGG19、Inception V3、Xception）	图像	未明确提及具体样本量，但使用标注骨龄和性别信息的儿科左手X光图像数据集
2	2025-07-25	What is the role of artificial intelligence in general surgery? 2024-Apr, Ewha medical journal IF:0.3Q3 DOI:10.12771/emj.2024.e22 PMID:40703691	综述	本文探讨了人工智能（AI）在普通外科中的潜在作用及其与其他医学领域的差异	分析了AI在普通外科术前、术中和术后阶段的应用现状及未来潜力，强调了跨学科合作的重要性	手术室中AI的应用研究不足，且涉及伦理责任需要更多证据支持	理解AI在普通外科中的应用及其与其他医学领域的差异	普通外科中的AI应用	医学人工智能	NA	深度学习	神经网络	NA	NA
3	2025-07-24	Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets 2024-04, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104621 PMID:38447600	综述	本文综述了机器学习和深度学习方法在临床基准数据集中提取药物不良事件（ADEs）的有效性	深入分析了机器学习和深度学习在命名实体识别（NER）和关系分类（RC）任务中的优缺点，并探讨了特定特征对这些方法整体性能的影响	研究不仅限于机器学习和深度学习方法，还扩展到从生物医学文献、社交媒体数据和药物标签中提取ADEs	评估机器学习和深度学习方法在药物不良事件提取中的有效性，以促进药物安全监测和医疗结果改善	临床基准数据集中的药物不良事件（ADEs）	自然语言处理	NA	机器学习和深度学习	BERT, 梯度提升, 多层感知机, 随机森林	临床文本	275篇参考文献中的12篇文章
4	2025-07-23	BigBind: Learning from Nonstructural Data for Structure-Based Virtual Screening 2024-04-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.3c01211 PMID:38113513	research paper	本文介绍了BigBind数据集和Banana模型，用于基于结构的虚拟筛选，通过深度学习预测蛋白质-配体结合	提出了BigBind数据集，将ChEMBL活性数据与CrossDocked数据集中的蛋白质结构结合，并开发了Banana模型，显著提高了虚拟筛选的效率和准确性	BigBind数据集虽然规模较大，但仍可能受限于数据质量和覆盖范围	提高基于结构的虚拟筛选的准确性和效率	蛋白质-配体结合预测	machine learning	NA	深度学习	神经网络	3D结构数据	583K配体活性数据
5	2025-07-23	Development of Medical Imaging Data Standardization for Imaging-Based Observational Research: OMOP Common Data Model Extension 2024-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-00982-6 PMID:38315345	研究论文	本研究提出了医学影像数据模型（MI-CDM）扩展，以支持基于影像的观察性研究	提出了OMOP CDM的扩展MI-CDM，新增两个表和两个词汇表，以支持影像研究的结构和语义需求	未提及具体实施中的技术挑战或数据隐私问题	开发医学影像数据标准化，以支持基于影像的观察性研究	医学影像数据和影像特征	数字病理	NA	DICOM	NA	医学影像数据	NA
6	2025-07-22	A Deep Learning Approach for Automated Extraction of Functional Status and New York Heart Association Class for Heart Failure Patients During Clinical Encounters 2024-Apr-01, medRxiv : the preprint server for health sciences DOI:10.1101/2024.03.30.24305095 PMID:38633789	研究论文	开发并验证了一种基于深度学习的自然语言处理策略，用于从非结构化临床记录中提取心力衰竭患者的功能状态评估	首次使用深度学习NLP方法自动提取心力衰竭患者的功能状态和NYHA分级，提高了跟踪最佳护理和识别临床试验合格患者的能力	研究仅基于特定医院的临床记录，可能无法完全推广到其他医疗机构	开发自动提取心力衰竭患者功能状态评估的工具，以改善质量管理和临床试验患者筛选	心力衰竭患者	自然语言处理	心血管疾病	NLP	深度学习模型	文本	26,577名HF患者，3,000份专家注释记录，166,655份未注释记录
7	2025-07-20	Multinational External Validation of Autonomous Retinopathy of Prematurity Screening 2024-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2024.0045 PMID:38451496	research paper	评估自主人工智能筛查早产儿视网膜病变（ROP）的效果	利用深度学习构建图像处理流程，自主识别ROP严重程度	研究仅基于美国和印度的数据，可能不适用于其他地区	验证自主AI筛查ROP的有效性	早产儿视网膜病变（ROP）患者	digital pathology	retinopathy of prematurity	deep learning	AI algorithm	image	SUNDROP数据集：1545名婴儿的6245次检查；AECS数据集：2699名婴儿的5635次检查
8	2025-07-20	Human-airway surface mesh smoothing based on graph convolutional neural networks 2024-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2024.108061 PMID:38341897	研究论文	提出了一种基于图卷积神经网络的无监督气道网格平滑学习方法（AMSL），用于保留三维气道的原始几何形状，以进行精确的基于CT图像的计算流体动力学模拟	引入了一种无监督学习框架，通过联合训练两个图卷积神经网络来平滑气道网格，同时保持原始几何形状，避免了传统拉普拉斯算子方法导致的气道几何收缩问题	研究仅使用了20名受试者的气道图像数据，样本量相对较小	开发一种能够准确保留气道原始几何形状的平滑方法，以改进基于CT图像的计算流体动力学模拟	人体气道三维网格模型	计算机视觉	呼吸系统疾病	图卷积神经网络（GCNN）	GCNN	CT图像	20名受试者的气道图像数据
9	2025-07-20	Investigating distributions of inhaled aerosols in the lungs of post-COVID-19 clusters through a unified imaging and modeling approach 2024-Apr-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2024.106724 PMID:38340875	研究论文	通过结合影像和建模方法，研究COVID-19后遗症患者肺部吸入气溶胶的分布情况	首次利用深度学习和计算模型分析COVID-19后遗症患者的气道阻力和颗粒沉积分布	样本量相对较小，且仅基于特定时间点的CT扫描数据	评估COVID-19后遗症患者肺部吸入气溶胶的分布及其对药物输送和空气污染物敏感性的影响	COVID-19康复者及健康对照组的肺部CT扫描数据	数字病理学	COVID-19后遗症	CT扫描和计算模型分析	深度学习算法	影像数据	140名COVID-19康复者和105名健康对照者
10	2025-07-18	DLSIA: Deep Learning for Scientific Image Analysis 2024-Apr-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576724001390 PMID:38596727	研究论文	介绍了一个名为DLSIA的基于Python的机器学习库，用于科学图像分析	提出了稀疏混合尺度网络（SMSNets），通过随机图、稀疏连接和扩张卷积连接不同长度尺度	未提及具体性能对比或计算资源需求	为科学图像分析提供可定制的CNN架构	科学图像数据	计算机视觉	NA	CNN	autoencoders, U-Nets, MSDNets, SMSNets	图像	NA
11	2025-04-03	A Preliminary Study Comparing the Performance of Thyroid Molecular Tests to a Deep Learning Algorithm in Predicting Malignancy in Indeterminate Thyroid Fine Needle Aspiration Biopsies 2024-04, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2023.0054 PMID:38010913	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12	2025-07-10	Overcoming Limitations to Deep Learning in Domesticated Animals with TrioTrain 2024-Apr-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.04.15.589602 PMID:38659907	研究论文	本文提出了一种名为TrioTrain的新方法，用于扩展DeepVariant模型以适用于非人类基因组，特别是在家畜动物中，以提高变体检测的准确性	首次提出了一个多物种DeepVariant模型，通过TrioTrain方法自动化扩展模型至缺乏GIAB资源的物种，并采用区域洗牌技术优化SLURM集群的使用	受限于动物基因组的不完美标签	克服深度学习在非人类基因组应用中的限制，特别是在家畜动物中的变体检测	牛、牦牛和野牛的基因组	生物信息学	NA	DeepVariant, TrioTrain, 区域洗牌	DeepVariant	基因组数据	牛、牦牛和野牛的三重组合，共构建了30个模型迭代
13	2025-07-08	Convolutional neural network deep learning model accurately detects rectal cancer in endoanal ultrasounds 2024-04-01, Techniques in coloproctology IF:2.7Q1 DOI:10.1007/s10151-024-02917-3 PMID:38561492	研究论文	本研究开发并验证了一种基于深度学习的卷积神经网络模型，用于在标准肛门内超声图像中准确检测直肠癌	利用深度学习模型提升非专业医疗中心对直肠癌的检测准确性，特别是在检查者经验不足的情况下	研究样本量较小（294张图像），且仅在单一数据集上进行验证	开发AI系统以提高非专业医疗中心对直肠癌的诊断准确性	直肠癌患者的肛门内超声图像	数字病理学	直肠癌	深度学习	CNN	图像	294张肛门内超声图像
14	2025-07-01	Using Deep learning to Predict Cardiovascular Magnetic Resonance Findings from Echocardiography Videos 2024-Apr-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.16.24305936 PMID:38699330	研究论文	本研究探讨了深度学习在从超声心动图视频预测心血管磁共振成像（CMR）结果中的应用	首次尝试使用深度学习从超声心动图视频预测CMR的组织特征，如晚期钆增强（LGE）、T1和T2映射以及细胞外体积（ECV）	模型在预测LGE、T1、T2和ECV等组织特征时表现不佳，表明超声心动图视频中可能缺乏这些特征的信号	探索深度学习是否可以从超声心动图视频中预测CMR的组织特征	1,453名成年患者（平均年龄56±18岁，42%为女性）的2,556对超声心动图和CMR研究	数字病理学	心血管疾病	深度学习	CNN	视频	1,453名患者，2,556对超声心动图和CMR研究
15	2025-06-27	Implementing a deep learning model for automatic tongue tumour segmentation in ex-vivo 3-dimensional ultrasound volumes 2024-04, The British journal of oral & maxillofacial surgery DOI:10.1016/j.bjoms.2023.12.017 PMID:38402068	研究论文	本研究探讨了使用3D深度学习模型在3D超声体积中快速进行舌癌术中分割的可行性，并评估了自动分割的临床效果	首次将3D No New U-Net (nnUNet)模型应用于舌癌的自动分割，并实现了在移动工作站上的临床验证	自动分割的最终边缘状态(FMS)与组织病理学边缘的相关性较低，且样本量较小(n=16)	开发一种快速、自动的舌癌分割方法，以减少术中手动分割的时间和操作者变异性	舌癌患者的3D超声体积数据	数字病理学	舌癌	3D超声成像	3D nnUNet	3D超声体积数据	113个手动标注的超声体积用于训练，16名前瞻性纳入的舌癌患者用于临床验证
16	2025-06-23	A Convolutional Neural Network for Automated Detection of Cervical Ossification of the Posterior Longitudinal Ligament using Magnetic Resonance Imaging 2024-04-01, Clinical spine surgery IF:1.6Q3 DOI:10.1097/BSD.0000000000001547 PMID:37941120	研究论文	开发并验证了一个基于卷积神经网络（CNN）的模型，用于通过磁共振成像（MRI）自动检测颈椎后纵韧带骨化（OPLL）	首次尝试开发深度学习模型用于MRI图像中颈椎OPLL的检测	回顾性研究设计可能限制了结果的普遍性	区分颈椎OPLL和多节段退变性椎管狭窄	颈椎OPLL和退变性椎管狭窄患者	数字病理	颈椎病	MRI	CNN（ResNet34, ResNet50, ResNet101）	图像	684例（272例OPLL和412例退变性患者）
17	2025-06-19	Noninvasive virtual biopsy using micro-registered optical coherence tomography (OCT) in human subjects 2024-04-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adi5794 PMID:38598626	research paper	开发了一种微米级精度配准方法，将2D H&E切片与3D OCT图像对应，并利用条件生成对抗网络实现OCT图像到虚拟H&E切片的转换	提出微米级精度配准方法，实现非侵入性OCT图像到虚拟H&E切片的高保真转换	未提及在临床应用中的具体验证结果	开发非侵入性虚拟活检技术，减少不必要的活检程序	人类组织样本	digital pathology	cancer	optical coherence tomography (OCT)	conditional generative adversarial network	image	NA
18	2025-06-17	Abdominal Body Composition Reference Ranges and Association With Chronic Conditions in an Age- and Sex-Stratified Representative Sample of a Geographically Defined American Population 2024-04-01, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/glae055 PMID:38373180	research paper	该研究通过腹部CT扫描量化身体成分，并建立了与年龄和性别分层的一般人群相关的参考范围，同时探讨了这些指标与慢性疾病的关系	首次在一般人群中定义了基于CT的身体成分测量（如肥胖、肌肉减少症和骨丢失）的参考范围，并利用深度学习算法自动化分析	研究样本仅来自美国明尼苏达州南部和威斯康星州西部的27个县，可能无法完全代表其他地理或种族群体	建立基于CT的身体成分参考范围，并分析其与慢性疾病的关联	20至89岁的4,900名接受腹部CT检查的个体	digital pathology	geriatric disease	腹部CT扫描、深度学习算法	深度学习模型（未指定具体类型）	医学影像（CT图像）	4,649名具有地理代表性的个体
19	2025-06-15	CBCT-DRRs superior to CT-DRRs for target-tracking applications for pancreatic SBRT 2024-04-26, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad3bb9 PMID:38588646	研究论文	本研究探讨了在胰腺立体定向体部放疗中，使用CBCT-DRRs相较于CT-DRRs在无标记目标追踪应用中的优越性	首次验证了CBCT-DRRs在无标记目标追踪中比CT-DRRs更接近治疗中的放射图像，并测试了不同OBI组件模型对图像相似性的影响	研究仅针对胰腺癌患者，样本量较小（20例患者）	评估CBCT-DRRs在无标记目标追踪中的效果，并比较不同DRR算法的性能	胰腺癌患者接受立体定向体部放疗时的放射图像	数字病理	胰腺癌	Cone-Beam CT (CBCT), 数字重建放射图像(DRR)	深度学习模型	图像	20例胰腺癌患者
20	2025-06-15	3D printing of an artificial intelligence-generated patient-specific coronary artery segmentation in a support bath 2024-Apr-26, Biomedical materials (Bristol, England) DOI:10.1088/1748-605X/ad3f60 PMID:38626778	研究论文	本研究结合深度学习和3D打印技术，实现了从医学图像中准确分割冠状动脉树并个性化3D打印复杂血管结构	首次提出将AI分割与3D打印结合用于冠状动脉复杂分支结构的生物打印，并采用迁移学习提升分割精度	打印血管外径和分叉点长度与3D模型存在差异，材料挤出问题需通过调整喷嘴速度或设计多轴打印头来优化	开发基于AI分割的个性化冠状动脉3D打印方法，用于心血管疾病诊疗	冠状动脉树的分割与3D打印	数字病理	心血管疾病	深度学习迁移学习、3D生物打印	深度学习模型（未指定具体架构）	医学影像（冠状动脉CT血管造影）	10例冠状动脉CT血管造影图像测试集