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
81	2024-08-07	Development and External Validation of a Multidimensional Deep Learning Model to Dynamically Predict Kidney Outcomes in IgA Nephropathy 2024-Jul-01, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000000000471 PMID:38728096	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
82	2025-10-06	Semantically redundant training data removal and deep model classification performance: A study with chest X-rays 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102379 PMID:38608333	研究论文	本研究探讨了语义冗余训练数据对深度学习模型性能的影响，并提出基于熵的样本评分方法去除冗余数据	首次提出基于熵的样本评分方法识别和去除医学影像中的语义冗余训练数据，证明精选训练子集能显著提升模型性能	研究仅使用公开的NIH胸部X射线数据集，未在其他医学影像数据集上验证方法的普适性	研究语义冗余训练数据对深度学习分类器性能的影响，并开发数据选择方法优化模型训练	胸部X射线影像	医学影像分析	胸部疾病	深度学习	CNN	医学影像	NIH胸部X射线公开数据集	NA	NA	召回率	NA
83	2025-10-06	Motion correction and super-resolution for multi-slice cardiac magnetic resonance imaging via an end-to-end deep learning approach 2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2024.102389 PMID:38692199	研究论文	提出一种端到端深度学习模型，通过运动校正和超分辨率技术从2D心脏磁共振短轴切片重建高分辨率3D心脏体积	首次将运动校正和超分辨率两个关键任务整合到端到端深度学习框架中，通过特定组件分别处理切片错位和数据稀疏问题	在真实数据集中心肌分割的Dice系数相对较低(0.786±0.060)，模型在临床实际应用中的泛化能力需进一步验证	从心脏磁共振2D短轴切片重建高分辨率3D心脏体积，同时解决切片运动错位和数据稀疏问题	心脏磁共振成像数据，重点关注左心室和心肌组织	医学影像分析	心血管疾病	心脏磁共振成像(CMR)	深度学习模型	医学影像数据	模拟数据集和真实世界数据集	NA	端到端深度学习架构，包含运动校正和超分辨率两个专门组件	Dice系数, 位移误差(mm)	NA
84	2025-10-06	Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data 2024-Jul, Magma (New York, N.Y.) DOI:10.1007/s10334-024-01157-8 PMID:38743377	研究论文	提出一种分布式内存高效的物理引导深度学习方法来重建大规模3D非笛卡尔冠状动脉MRI	结合深度学习与MRI重建技术突破硬件限制，提出2.5D重建方法将3D体积作为2D图像批次处理，在有限训练数据下实现高质量重建	训练数据有限	实现大规模3D非笛卡尔冠状动脉MRI的高质量重建	冠状动脉MRI图像	医学影像处理	心血管疾病	MRI	CNN	3D医学影像	NA	NA	2D卷积神经网络	血管清晰度, 定性图像质量评估	分布式内存高效计算
85	2025-10-06	Physics-Driven Deep Learning Reconstruction of Frequency-Modulated Rabi-Encoded Echoes for Faster Accessible MRI 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782818 PMID:40039561	研究论文	提出一种物理驱动的深度学习重建方法，用于改进频率调制拉比编码回波的磁共振成像重建质量并实现更高加速率	首次将物理驱动的深度学习重建方法应用于频率调制拉比编码回波，解决了传统重建中的非线性相位累积失真问题	仅使用单个接收线圈进行验证，未测试多线圈配置下的性能	开发更快速、更经济的磁共振成像重建方法	频率调制拉比编码回波的磁共振成像数据	医学影像处理	NA	磁共振成像，频率调制拉比编码回波	深度学习，展开网络	磁共振成像数据	NA	NA	展开网络架构	加速倍数	NA
86	2025-10-06	Improving quantitative MRI using self-supervised deep learning with model reinforcement: Demonstration for rapid T1 mapping 2024-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30045 PMID:38342980	研究论文	提出一种名为RELAX-MORE的新型自监督学习框架，通过模型增强实现加速定量MRI重建	开发了无需参考数据的潜在图提取与模型增强方法，可将基于模型的迭代重建算法展开为深度学习框架	NA	改进定量MRI技术，实现快速MR参数映射	脑部、膝部和体模数据	医学影像分析	NA	定量MRI, T1映射	深度学习	MRI图像	单受试者数据	NA	NA	效率, 准确性, 鲁棒性, 泛化性	NA
87	2025-10-06	Toward calibration-free motor imagery brain-computer interfaces: a VGG-based convolutional neural network and WGAN approach 2024-07-31, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6598 PMID:39029497	研究论文	提出一种基于VGG卷积神经网络和Wasserstein生成对抗网络的免校准运动想象脑机接口方法	使用WGAN生成合成频谱图像进行数据增强，结合改进的VGG-CNN分类器，实现无需目标对象校准数据的跨被试分类	仅使用公开基准数据集进行验证，未在实际应用场景中测试	开发免校准的运动想象脑机接口系统，提高跨被试分类性能	运动想象脑机接口的脑电信号分类	脑机接口	NA	脑电图信号处理	CNN, GAN	脑电频谱图像	BCI competition IV-2B、IV-2A和IV-1基准数据集	NA	VGG, WGAN	跨被试分类准确率	NA
88	2025-10-06	SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia 2024-07-30, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6592 PMID:39029477	研究论文	提出一种基于脑电图的深度神经网络SQI-DOANet，用于评估信号质量指数和麻醉深度	首次将信号质量评估网络与麻醉深度估计网络结合，采用双注意力模块融合多通道多尺度信息，并引入门控多层感知机提取时序信息	NA	开发能够准确估计脑电图信号噪声并可靠评估麻醉深度的深度学习模型	手术中的脑电图信号	机器学习	麻醉监测	脑电图	CNN, 注意力机制, 多层感知机	脑电图信号	大型VitalDB数据库	NA	浅层卷积神经网络, 双注意力模块, 门控多层感知机	皮尔逊相关系数, 平均绝对误差	NA
89	2025-10-06	Neural activity shaping in visual prostheses with deep learning 2024-07-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad6186 PMID:38986450	研究论文	提出一种基于人工神经网络的神经活动塑形方法，用于改善视网膜假体的视觉感知效果	首次使用模型无关的深度学习方法实现神经活动塑形，不依赖特定视网膜模型假设	目前仅在视网膜响应模拟模型上进行验证，尚未进行真实人体实验	提高视网膜假体的空间分辨率和视觉感知质量	视网膜假体使用者的神经激活模式	计算机视觉	视网膜疾病	人工神经网络, 多极刺激	ANN	自然图像, 神经响应数据	NA	NA	测量预测网络, 刺激生成网络	视网膜激活锐度, 计算效率	比传统方法计算效率提高三个数量级
90	2025-10-06	A deep learning approach to direct immunofluorescence pattern recognition in autoimmune bullous diseases 2024-Jul-16, The British journal of dermatology DOI:10.1093/bjd/ljae142 PMID:38581445	研究论文	本研究开发了一种基于深度学习的直接免疫荧光模式识别方法，用于自动分类自身免疫性大疱性皮肤病的免疫荧光图像	首次将深度学习技术应用于自身免疫性大疱性皮肤病的直接免疫荧光图像自动分类，特别是比较了六种CNN模型和Swin Transformer模型在该领域的表现	样本量相对有限（训练集436张，测试集93张图像），存在类别不平衡问题	开发AI算法来自动分类自身免疫性大疱性皮肤病的直接免疫荧光模式，提高诊断准确性和效率	疑似自身免疫性大疱性皮肤病患者的皮肤活检免疫荧光图像	计算机视觉	自身免疫性大疱性皮肤病	直接免疫荧光	CNN, Transformer	图像	训练集436张图像，测试集93张图像	PyTorch	Swin Transformer, 六种CNN架构	准确率, 敏感性, 特异性	NA
91	2025-10-06	Stepwise Transfer Learning for Expert-level Pediatric Brain Tumor MRI Segmentation in a Limited Data Scenario 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230254 PMID:38984985	研究论文	本研究开发了一种基于逐步迁移学习的深度学习模型，用于在有限数据场景下实现专家级别的儿童脑肿瘤MRI分割	采用逐步迁移学习方法在有限数据场景下优化模型性能，实现了专家级别的自动分割	回顾性研究，数据量有限（共284例样本）	开发、外部测试并评估儿童脑肿瘤MRI分割模型的临床可接受性	儿童低级别胶质瘤患者	医学影像分析	脑肿瘤	T2加权MRI	深度学习神经网络	MRI图像	284例儿童脑肿瘤患者（184例来自国家脑肿瘤联盟，100例来自儿科癌症中心）	NA	NA	Dice系数, Likert评分, 准确率, Turing测试	NA
92	2025-10-06	Impact of Transfer Learning Using Local Data on Performance of a Deep Learning Model for Screening Mammography 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230383 PMID:38717291	研究论文	评估纽约大学开发的乳腺筛查深度学习系统在澳大利亚本地数据集上的性能表现	研究迁移学习使用本地数据对深度学习模型在乳腺筛查中性能的影响	回顾性研究，样本量相对有限，仅包含单一澳大利亚地区数据	探讨深度学习模型在医学影像中的泛化性和可复制性问题	乳腺筛查影像数据	计算机视觉	乳腺癌	乳腺X线摄影	CNN	医学影像	959名个体（425例恶性肿瘤，490例无恶性肿瘤，44例良性病变）	NA	NA	AUC	NA
93	2025-10-06	Improving Automated Hemorrhage Detection at Sparse-View CT via U-Net-based Artifact Reduction 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230275 PMID:38717293	研究论文	本研究探索基于U-Net的伪影减少技术如何改善稀疏视图颅脑CT扫描中的自动化出血检测性能	首次将U-Net伪影减少技术与EfficientNet出血检测模型结合，证明在显著减少CT扫描视图数量的情况下仍能保持高检测性能	回顾性研究，使用模拟稀疏视图数据，需要进一步临床验证	提高稀疏视图颅脑CT扫描中自动化出血检测的准确性和鲁棒性	颅脑CT扫描图像	计算机视觉	脑出血	CT扫描	CNN	医学图像	伪影减少训练：3000名患者；出血检测训练：17545名患者	NA	U-Net, EfficientNet-B2	AUC, 结构相似性指数	NA
94	2025-10-06	Deep Learning for Breast Cancer Risk Prediction: Application to a Large Representative UK Screening Cohort 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230431 PMID:38775671	研究论文	开发一种基于深度学习的人工智能工具，用于从当前阴性筛查乳腺X线检查中预测未来乳腺癌风险	首次在英国国家医疗服务体系乳腺筛查项目的大规模代表性队列中开发并验证了基于深度学习的乳腺癌风险预测工具	研究仅限于英国特定人群，未包含植入物患者和已确诊癌症病例	开发能够从阴性筛查乳腺X线检查预测未来乳腺癌风险的人工智能工具	英国国家医疗服务体系乳腺筛查项目中50-70岁女性的筛查数据	计算机视觉	乳腺癌	乳腺X线摄影筛查	深度学习	乳腺X线图像	5264个风险阳性检查和191488个风险阴性检查，总计训练集89285例、验证集2106例、测试集39351例	NA	NA	AUC, 95%置信区间	NA
95	2024-08-07	Vision Transformer-based Deep Learning Models Accelerate Further Research for Predicting Neurosurgical Intervention 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.240117 PMID:38864744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
96	2025-10-06	Association of retinal image-based, deep learning cardiac BioAge with telomere length and cardiovascular biomarkers 2024-Jul-01, Optometry and vision science : official publication of the American Academy of Optometry IF:1.6Q3 DOI:10.1097/OPX.0000000000002158 PMID:38935034	研究论文	本研究开发了一种基于视网膜图像的深度学习心脏生物年龄模型，用于评估心血管疾病风险并与端粒长度关联	首次将视网膜图像与深度学习相结合，开发非侵入性心脏生物年龄评估模型，并与端粒长度建立关联	横断面研究设计无法确定因果关系，研究人群仅限于UK Biobank参与者	验证深度学习心脏生物年龄模型与传统心血管疾病风险标志物及端粒长度的一致性	UK Biobank中具有白细胞端粒长度数据的个体	数字病理学	心血管疾病	深度学习	深度学习模型	视网膜图像	UK Biobank中具有端粒长度数据的参与者群体	NA	NA	相关系数, r平方值, p值	NA
97	2025-06-15	A practical machine learning approach for predicting the quality of 3D (bio)printed scaffolds 2024-Jul-25, Biofabrication IF:8.2Q1 DOI:10.1088/1758-5090/ad6374 PMID:39008994	research paper	本研究提出了一种实用的机器学习方法，用于预测3D（生物）打印支架的质量	提供了最全面的开源数据集，并应用了从无监督到监督学习的多种AI技术，开发了一个具有六层隐藏层的全连接神经网络	AI在组织工程中的应用常因缺乏全面可靠的数据而受到阻碍	预测3D（生物）打印支架的质量	3D（生物）打印支架	machine learning	NA	AI, machine learning, deep learning	XGBoost, Gradient Boosting, Extra Trees Classifier, Random Forest Classifier, LightGBM, fully connected neural network	dataset on 3D-printed scaffolds	1171 scaffolds, 60 biomaterials, 49 cell lines	NA	NA	NA	NA
98	2025-06-15	A hybrid model for the detection of retinal disorders using artificial intelligence techniques 2024-Jul-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad5db2 PMID:38955139	research paper	该研究提出了一种结合机器学习和深度学习技术的混合模型，用于自动分类视网膜疾病	提出了一种新的框架，结合了多种分类器（SVM、K-NN、DT、EM）和InceptionV3 CNN特征提取器，实现了高精度的视网膜疾病分类	未提及模型在临床环境中的实际应用效果或泛化能力	开发一种自动化的视网膜疾病分类方法	视网膜疾病（脉络膜新生血管、糖尿病性黄斑水肿、玻璃膜疣）和正常病例	computer vision	视网膜疾病	OCT（光学相干断层扫描）	SVM、K-NN、DT、EM、InceptionV3 CNN	image	18000张OCT图像	NA	NA	NA	NA
99	2025-06-14	Deep Learning Prostate MRI Segmentation Accuracy and Robustness: A Systematic Review 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230138 PMID:38568094	系统性综述	本研究通过系统性综述探讨了深度学习在前列腺MRI分割中的准确性和鲁棒性，并与专业放射科医生进行了比较	首次系统性评估深度学习在前列腺MRI分割中的表现，并比较不同MRI厂商、前列腺区域和测试方法下的性能	仅纳入截至2022年7月31日前的英文文献，可能遗漏最新研究成果	评估深度学习在前列腺MRI分割中的准确性和鲁棒性	前列腺MRI图像	数字病理学	前列腺癌	MRI	深度学习算法	医学影像	48项研究（来自691篇初步筛选文献）	NA	NA	NA	NA
100	2025-06-14	Validation of de novo designed water-soluble and transmembrane β-barrels by in silico folding and melting 2024-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.5033 PMID:38864690	研究论文	通过计算机模拟折叠和熔解验证了从头设计的水溶性和跨膜β桶蛋白	揭示了AlphaFold2和ESMFold在不同任务中的优势，并引入了一种基于预测增量扰动的'计算机模拟熔解'新方法	缺乏高质量预测模型与实验成功机会之间关系的正式证据	验证和比较深度学习结构预测算法在蛋白质设计中的应用	从头设计的水溶性和跨膜β桶蛋白	计算生物学	NA	深度学习结构预测算法(AlphaFold2, ESMFold)	AlphaFold2, ESMFold	蛋白质序列和结构数据	NA	NA	NA	NA	NA