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
41	2025-06-06	AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING 2024-06-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004049 PMID:38261816	研究论文	本研究开发了一种基于深度学习的算法，用于自动检测和分级超广角眼底照片中的玻璃体炎	首次利用超广角眼底成像和深度学习技术进行玻璃体炎的自动检测和分级	六分类玻璃体炎分级的准确性有限（0.61），可能需要更大样本量来提高模型性能	评估深度学习算法在超广角成像上自动检测和分级玻璃体炎的性能	葡萄膜炎患者的超广角眼底视网膜照片	数字病理	葡萄膜炎	超广角眼底成像	DenseNet121 CNN	图像	1181张图像	NA	NA	NA	NA
42	2025-06-06	OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment 2024-06, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152420 PMID:38422727	研究论文	本文通过OMERACT过滤器评估深度学习算法在膝关节积液自动绝对量化中的应用	首次使用深度学习算法对膝关节积液进行自动绝对量化，并与人工半定量评估进行对比	需要进一步评估算法的区分能力和与临床结果的一致性，以完全满足OMERACT过滤器的要求	评估深度学习算法在膝关节积液量化中的有效性	53名OAI受试者的膝关节MRI数据	数字病理学	骨关节炎	深度学习	DL算法	MRI图像	53名受试者	NA	NA	NA	NA
43	2025-10-06	Spach Transformer: Spatial and Channel-Wise Transformer Based on Local and Global Self-Attentions for PET Image Denoising 2024-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2023.3336237 PMID:37995174	研究论文	提出一种基于局部和全局自注意力的空间和通道变换器用于PET图像去噪	设计了一种高效的编码器-解码器变换器架构，能够同时利用空间和通道信息，通过局部和全局多头自注意力机制解决传统CNN感受野有限的问题	NA	提高PET图像质量，改善信噪比	PET图像	计算机视觉	NA	PET成像	Transformer	3D医学图像	使用多种PET示踪剂数据集：18F-FDG、18F-ACBC、18F-DCFPyL和68Ga-DOTATATE	NA	Spach Transformer	NA	NA
44	2025-10-06	Multibranch CNN With MLP-Mixer-Based Feature Exploration for High-Performance Disease Diagnosis 2024-06, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3250490 PMID:37028335	研究论文	提出一种新型多分支CNN结合MLP-Mixer的特征探索网络ME-Mixer，用于高性能疾病诊断	首次将监督与非监督特征结合，通过流形嵌入网络和MLP-Mixer特征投影器实现全局感受野的特征编码	仅在两个医学数据集上进行了验证，需要更多数据集证明泛化能力	提升深度学习模型在疾病诊断中的性能	医学图像数据	计算机视觉	NA	深度学习	CNN, MLP-Mixer	图像	两个医学数据集	NA	多分支CNN, MLP-Mixer	分类准确率, 计算复杂度	NA
45	2025-10-06	AmyloidPETNet: Classification of Amyloid Positivity in Brain PET Imaging Using End-to-End Deep Learning 2024-06, Radiology IF:12.1Q1 DOI:10.1148/radiol.231442 PMID:38860897	研究论文	开发了一种端到端深度学习模型AmyloidPETNet，用于对脑部PET扫描进行淀粉样蛋白阳性/阴性分类	无需依赖放射科医生专业知识或结构MRI，直接对最小化处理的脑PET扫描进行自动分类	回顾性研究，主要基于ADNI数据集，在A4研究中某些模糊病例上医生-模型一致性仅为中等	开发深度学习模型对脑PET扫描进行淀粉样蛋白阳性/阴性分类	脑部PET扫描图像	医学影像分析	阿尔茨海默病	PET成像，深度学习	深度学习模型	PET图像	8476个PET扫描（6722名患者），训练集1538个扫描（766名患者），验证集205个扫描（95名患者），测试集184个扫描（95名患者）	NA	AmyloidPETNet	AUC, Cohen κ	NA
46	2025-10-06	Deep learning-based harmonization of trabecular bone microstructures between high- and low-resolution CT imaging 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17003 PMID:38415781	研究论文	提出一种基于深度学习的方法，用于协调低分辨率和高分辨率CT扫描获得的骨微结构图像	首次将三维GAN-CIRCLE框架应用于骨微结构图像的协调，通过两个生成对抗网络同时学习低分辨率到高分辨率CT的映射及其逆过程	样本量相对较小（20名志愿者），且仅针对胫骨远端进行研究	开发一种深度学习方法来协调不同分辨率CT扫描仪获得的骨微结构图像，并在图像数据和微结构度量两个层面评估方法性能	人体胫骨远端的骨小梁微结构	医学影像分析	骨质疏松症	CT成像	GAN	三维CT图像	20名志愿者，其中12名用于训练，8名用于评估	GAN-CIRCLE	3DGAN-CIRCLE	SSIM, CCC, Bland-Altman分析	NA
47	2025-10-06	Retinal vasculature of different diameters and plexuses exhibit distinct vulnerability in varying severity of diabetic retinopathy 2024-Jun, Eye (London, England) DOI:10.1038/s41433-024-03021-4 PMID:38514853	研究论文	本研究使用OCTA图像分析不同直径视网膜血管在糖尿病视网膜病变中的密度变化	首次基于血管直径分层（<10μm、10-20μm、>20μm）分析视网膜浅层和深层血管复合体在糖尿病视网膜病变中的特异性脆弱性	样本量在不同严重程度组间分布不均，研究为横断面设计无法确定因果关系	探究不同直径视网膜血管在糖尿病视网膜病变进展中的特异性变化模式	854名受试者的854只眼睛，包括健康对照和不同严重程度的糖尿病视网膜病变患者	数字病理	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习	医学图像	854只眼睛（健康对照555例，无DR 90例，轻中度NPDR 96例，重度NPDR 42例，PDR 71例）	NA	NA	血管密度，p值	NA
48	2025-10-06	Source-free unsupervised domain adaptation: A survey 2024-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106230 PMID:38490115	综述	本文系统综述了无需源数据的无监督领域自适应方法的技术发展与分类	首次从技术角度系统分类白盒与黑盒SFUDA方法，并分析各类方法的优势与挑战	作为综述文章未提出新的算法模型	解决源数据不可访问情况下的领域自适应问题	无监督领域自适应方法	机器学习	NA	深度学习	NA	多领域数据	NA	NA	NA	NA	NA
49	2025-10-06	Convolutional Neural Networks to Study Contrast-Enhanced Magnetic Resonance Imaging-Based Skeletal Calf Muscle Perfusion in Peripheral Artery Disease 2024-06-01, The American journal of cardiology DOI:10.1016/j.amjcard.2024.03.035 PMID:38580040	研究论文	本研究利用卷积神经网络分析对比增强磁共振成像的骨骼小腿肌肉灌注模式，以区分外周动脉疾病患者与匹配对照组	首次将3D卷积神经网络应用于基于CE-MRI的骨骼小腿肌肉灌注模式分析，用于外周动脉疾病的自动分类	样本量较小（仅56名参与者），模型准确率有待提升（最高75%）	开发基于深度学习的自动诊断方法，用于外周动脉疾病的检测和分类	外周动脉疾病患者（36例）和匹配对照组（20例）的骨骼小腿肌肉	计算机视觉	外周动脉疾病	对比增强磁共振成像	CNN	3D医学影像	56名参与者（36例PAD患者，20例对照组）	NA	resNet, divNet	准确率, 特异性	NA
50	2025-10-06	Prediction of Visual Field Progression with Baseline and Longitudinal Structural Measurements Using Deep Learning 2024-06, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.02.007 PMID:38354971	研究论文	开发深度学习算法利用基线和纵向结构测量预测青光眼患者视野进展	首次将连体神经网络与ResNet-152结合，使用系列视盘照片和基线视网膜神经纤维层厚度预测视野进展	单中心回顾性研究，需要进一步外部验证	预测青光眼患者的视野进展风险	青光眼患者	计算机视觉	青光眼	光学相干断层扫描(OCT)	Siamese Neural Network, CNN	图像	3,079只眼(1,765名患者)用于训练，427只眼用于测试	NA	ResNet-152	AUC	NA
51	2025-10-06	Deep Learning-Based Detection and Classification of Bone Lesions on Staging Computed Tomography in Prostate Cancer: A Development Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.009 PMID:38262813	研究论文	开发基于深度学习的AI模型用于前列腺癌分期CT中骨病变的检测、分割和良恶性分类	开发了集成两个自动化深度学习AI模型的系统，分别用于骨病变检测分割和良恶性分类，并与放射科医生性能进行比较	回顾性研究，样本量相对有限（297例CT扫描），需要额外验证	开发自动化AI系统用于前列腺癌分期CT中骨病变的检测和分类	前列腺癌患者的分期CT扫描中的骨病变	医学影像分析	前列腺癌	CT影像分析	深度学习模型	CT影像	297例分期CT扫描（81例转移性），包含4601个良性病变和1911个转移性病变	NA	3DAISeg, 3DAIClass	Dice相似系数, F1-score, 准确率, PPV, NPV	NA
52	2025-10-06	Extracting Systemic Anticancer Therapy and Response Information From Clinical Notes Following the RECIST Definition 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00166 PMID:38885475	研究论文	开发了一个混合自然语言处理系统，用于从临床文本中自动提取抗癌治疗和RECIST响应信息	提出了一个结合机器学习和规则方法的混合NLP系统，专门用于提取和关联抗癌治疗与RECIST响应信息	治疗与RECIST响应关联的F1分数为0.66，表明系统性能仍有提升空间	自动化从电子健康记录中提取抗癌治疗和疗效评估信息，减少人工数据收集工作	临床笔记中的抗癌治疗信息和RECIST响应信息	自然语言处理	癌症	自然语言处理	BERT,深度学习,机器学习	临床文本	来自两个不同机构的独立测试集	NA	BioBERT, BioClinicalBERT	F1分数	NA
53	2025-10-06	U-Net enhanced real-time LED-based photoacoustic imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300465 PMID:38622811	研究论文	本研究提出了一种基于U-Net的深度学习框架，用于增强LED光声成像系统的图像质量	首次将U-Net框架应用于LED光声成像系统，通过减少帧平均次数实现实时图像增强	会产生模糊结果且无法有效降低椒盐噪声	提高LED光声成像系统的信噪比和对比度	体外仿体模型和体内活体模型	医学影像处理	NA	光声成像	U-Net	图像	体外仿体和体内活体模型	NA	U-Net	信噪比	NA
54	2025-10-06	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	研究论文	通过腹部CT影像生物标志物评估组织年龄，并探讨其与慢性疾病和死亡风险的关联	首次利用腹部CT影像中的肌肉、脂肪和骨骼生物标志物构建组织年龄评估模型，揭示组织年龄与慢性疾病和死亡风险的独立关联	研究人群仅限于美国中西部特定地区，可能限制结果的普适性	评估基于医学影像的身体成分指标在组织水平生物年龄评估中的应用价值	4900名20-89岁普通人群的腹部CT扫描数据	数字病理	老年疾病	计算机断层扫描(CT)	深度学习模型	医学影像	4900人	NA	NA	风险比(HR)	NA
55	2025-10-06	Multimodal radiotherapy dose prediction using a multi-task deep learning model 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17115 PMID:38710210	研究论文	开发多任务深度学习模型预测不同放疗模式的剂量分布	提出多任务学习框架同时预测多种放疗模式的剂量分布，相比单任务模型具有更好的灵活性和可扩展性	样本量较小（仅28名患者），尚未验证在其他解剖部位的通用性	开发高效个性化的放疗模式选择方法	接受加速部分乳腺照射治疗的患者	医学影像分析	乳腺癌	计算机断层扫描	CNN	医学影像	28名患者的92个治疗计划	NA	多任务卷积神经网络	平均绝对百分比误差	NA
56	2025-10-06	Deep learning generation of preclinical positron emission tomography (PET) images from low-count PET with task-based performance assessment 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17105 PMID:38710222	研究论文	开发一种基于注意力机制的残差扩张网络（ARD-Net），用于从低计数PET图像生成标准计数PET图像	提出新型深度学习架构ARD-Net，集成注意力机制、残差连接和扩张卷积，并通过集成评分系统综合评估性能	研究仅基于临床前动物模型数据，尚未在临床人体数据验证	解决低计数PET图像信噪比低、分割困难和定量不确定性的问题	患者来源肿瘤异种移植（PDX）模型的乳腺脂肪垫肿瘤	医学影像分析	肿瘤疾病	[18F]-氟代脱氧葡萄糖（FDG）-PET/CT成像	深度学习	PET医学影像	48个数据集用于训练和优化，16个数据集用于性能评估	NA	ARD-Net（基于注意力机制的残差扩张网络），对比模型包括Residual UNet（RU-Net）、Dilated Network（D-Net）	SSIM, NRMSE, Dice Score, 体积偏差, SUV测量, 放射组学特征, 一致性相关系数（CCC）, 集成性能评分（EPS）	NA
57	2025-10-06	Assessment of impaired consciousness using EEG-based connectivity features and convolutional neural networks 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09944-0 PMID:38826674	研究论文	本研究利用基于EEG的功能连接特征和卷积神经网络评估意识障碍	提出三种网络重排方案以优化脑网络评估性能，并采用Grad-CAM可视化不同脑区连接对分类的贡献	未明确说明样本规模和数据采集的具体限制条件	开发基于脑功能连接和深度学习的意识障碍评估方法	意识障碍患者	机器学习	意识障碍	脑电图	CNN	脑功能连接网络数据	NA	NA	卷积神经网络	准确率	NA
58	2025-10-06	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	研究论文	提出一种基于深度学习的靶区分割方法，用于放疗中无标记肺部肿瘤实时跟踪	首次将条件生成对抗网络(Pix2Pix)应用于生成合成靶区分割图像，增强kV投影图像中肿瘤可见度	需要患者特异性模型训练，训练时间较长(约12小时)；仅验证了2D跟踪，3D跟踪需进一步开发	开发无标记kV图像肺部肿瘤实时跟踪方法，提高放疗精准度	9名植入信标近肿瘤处的肺癌患者数据集	医学影像分析	肺癌	4DCT模拟成像，数字重建放射影像(DRR)，kV投影成像	cGAN	医学影像	9名患者，4312张测试图像	NA	Pix2Pix	跟踪误差(SI方向0.8±0.7mm, IPLR方向0.9±0.8mm)，成功跟踪率(92.2%)	NA
59	2025-10-06	Diagnostic evaluation of deep learning accelerated lumbar spine MRI 2024-Jun, The neuroradiology journal DOI:10.1177/19714009231224428 PMID:38195418	研究论文	评估深度学习加速腰椎MRI协议与传统协议在图像质量和诊断性能方面的比较	首次全面评估基于深度学习的完整MRI协议对常规腰椎扫描时间和诊断质量的影响	样本量较小(36例)，SNR降低和伪影感知增加	评估深度学习加速腰椎MRI协议的诊断性能	连续36例门诊患者的非增强腰椎MRI	医学影像分析	脊柱疾病	MRI, 深度学习重建	深度学习	医学影像	36例门诊患者	NA	NA	Wilcoxon符号秩检验, κ系数, Likert量表, 非劣效性检验	NA
60	2025-10-06	Deep Learning-Based T2-Weighted MR Image Quality Assessment and Its Impact on Prostate Cancer Detection Rates 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29031 PMID:37811666	研究论文	本研究探讨基于深度学习的T2加权MRI图像质量评估及其对前列腺癌检测率的影响	使用内部开发的AI算法评估前列腺MRI图像质量，并首次系统分析图像质量与前列腺癌检测率的关系	回顾性研究设计，单中心数据，仅由一名放射科医师评估PI-RADS	研究MRI图像质量对前列腺癌检测率的影响	615名PSA升高的前列腺活检前患者	数字病理	前列腺癌	T2加权涡轮自旋回波MRI，高b值回波平面扩散加权成像，梯度回波动态对比增强	深度学习	医学影像	615名患者，385例高质量T2WI，230例低质量T2WI	NA	NA	癌症检测率，置信区间，P值	NA