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	2025-09-25	DL-EDOF: Novel Multi-Focus Image Data Set and Deep Learning-Based Approach for More Accurate and Specimen-Free Extended Depth of Focus 2024-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01076-z PMID:38528289	研究论文	本研究提出了一种基于无监督深度学习的扩展景深显微镜方法，并创建了新的多焦点图像数据集	首个基于无监督深度学习的EDOF方法，无需任何预处理或后处理技术，使用深度特征获取像素聚焦度	NA	开发更准确、无需特定样本的扩展景深显微镜方法	多焦点图像	计算机视觉	NA	深度学习	无监督深度学习模型	图像	包含9个图像集合的数据集（4个合成图像集和5个显微镜图像集）
2	2025-09-24	Discovering New Metallo-Deubiquitinase CSN5 Inhibitors by a Non-Catalytic Activity Assay Platform 2024-08-22, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01514 PMID:39129245	研究论文	本研究建立了一种非催化活性检测平台用于发现新型CSN5金属去泛素化酶抑制剂	开发了基于新型荧光探针的非催化活性检测平台，结合深度学习虚拟筛选发现了纳摩尔级CSN5抑制剂	抑制剂在癌细胞中对PD-L1的调控效果存在差异（2-氨基噻唑-4-羧酸轻微下调，紫草素可上调）	发现新型CSN5金属去泛素化酶抑制剂	COP9信号体催化亚基CSN5	药物发现	癌症	荧光偏振检测、深度学习虚拟筛选、微秒级分子动力学模拟、色氨酸淬灭实验	深度学习模型	化学化合物数据	HCT116癌细胞系
3	2025-09-22	Deep learning for the harmonization of structural MRI scans: a survey 2024-Aug-31, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-024-01280-6 PMID:39217355	综述	本文综述了基于深度学习的结构MRI图像协调化技术，分析其架构、算法及局限性	系统梳理了深度学习在MRI协调化中的最新进展，包括U-Net、GAN、VAE、流模型、Transformer等多种架构，并强调了解耦表示学习（DRL）的关键作用	缺乏不同方法之间的全面定量比较	评估医学图像协调化技术，以减少多中心MRI数据因扫描仪和协议差异导致的不一致性	结构MRI扫描数据	医学图像处理	NA	深度学习	U-Net, GAN, VAE, 流模型, Transformer	MRI图像	NA
4	2025-09-22	Cardiovascular Disease Risk Stratification Using Hybrid Deep Learning Paradigm: First of Its Kind on Canadian Trial Data 2024-Aug-28, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14171894 PMID:39272680	研究论文	本研究提出一种基于混合深度学习的心血管疾病风险分层系统AtheroEdge™ 3.0HDL，并在加拿大试验数据上验证其性能	首次在加拿大试验数据上应用混合深度学习范式进行心血管疾病风险分层，相比单向/双向深度学习和机器学习模型性能提升30.2%	样本量相对有限（500人），需进一步临床验证适应性	开发并验证基于颈动脉斑块特征的混合深度学习系统用于心血管疾病风险分层	接受颈动脉B超和冠状动脉造影的500名患者	机器学习	心血管疾病	PCA pooling、卡方检验、随机森林回归、混合深度学习	HDL（混合深度学习）	医学影像（B超）和临床数据	500名患者
5	2025-09-11	Refined matrix completion for spectrum estimation of heart rate variability 2024-Aug-02, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2024296 PMID:39483092	研究论文	提出一种基于矩阵补全的心率变异性频谱不确定性估计新方法	利用HRV频谱矩阵的低秩特性高效估计数据不确定性，并开发了精细化矩阵补全技术以提升估计精度和计算效率	NA	提升心率变异性频谱分析的可靠性和不确定性估计精度	心率变异性（HRV）频谱数据	机器学习	心血管疾病	矩阵补全	统计机器学习模型	生理信号数据	五个公共数据集
6	2025-09-09	Opportunistic Screening for Osteoporosis Using Hand Radiographs - A Feature Augmentation Study Technique (FAST) 2024-08-22, Studies in health technology and informatics DOI:10.3233/SHTI240411 PMID:39176740	研究论文	本研究探索利用手部X光片进行骨质疏松机会性筛查的可行性，通过深度学习模型实现骨质减少的检测	提出特征增强研究技术(FAST)，首次系统验证手部X光片作为骨质疏松筛查工具的临床价值	回顾性研究设计，样本量相对有限(n=422)，且数据来自三个不同厂商设备	开发基于手部X光片的骨质疏松机会性筛查方法，减少未诊断病例	50岁及以上同时接受DXA和手部X光检查的患者	数字病理	骨质疏松症	双能X线吸收测定法(DXA)，数字X射线	深度学习模型	X光图像	422名患者，其中训练/验证集338例，测试集84例
7	2025-09-06	Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys 2024-Aug-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.25.609595 PMID:39253466	研究论文	通过全球机器学习竞赛开发深度学习算法，用于人类肾脏3D分层相衬断层扫描图像中的血管分割	组织全球1401名参与者的大规模竞赛，建立基于相衬断层扫描的血管分割新基准	计算方法的准确性仍存在局限	开发可扩展的3D血管分割算法，用于研究和临床应用	人类肾脏血管系统	计算机视觉	NA	分层相衬断层扫描	深度学习	3D图像	手动标注的3D肾脏数据集（具体样本数量未明确说明）
8	2025-09-06	PixelPrint 4D : A 3D printing method of fabricating patient-specific deformable CT phantoms for respiratory motion applications 2024-Aug-03, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.02.24311385 PMID:39211887	研究论文	提出一种名为PixelPrint 4D的3D打印方法，用于制造患者特异性可变形CT呼吸运动体模	能够精确复制患者肺部结构、纹理和衰减特性，并展示准确的非刚性变形能力	NA	开发更真实的呼吸运动体模以评估CT成像中的运动补偿技术	肺部呼吸运动体模	医学影像	肺部疾病	3D打印技术	NA	CT影像数据	NA
9	2025-09-03	Deep Learning-Assisted Automatic Diagnosis of Anterior Cruciate Ligament Tear in Knee Magnetic Resonance Images 2024-08-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10080094 PMID:39195729	研究论文	本研究开发了一种基于深度学习的模型SGNET，用于自动诊断膝关节MRI中的前交叉韧带撕裂	提出了包含双尺度数据增强、选择性群体注意力和融合模块的新型深度学习架构，能够从多视角MRI中捕捉层间、通道和空间关系	NA	提高前交叉韧带撕裂的诊断准确性和效率	膝关节MRI图像	计算机视觉	骨科损伤	深度学习	CNN（基于注意力的神经网络）	医学图像（MRI）	1250例膝关节MRI检查，包含轴位、冠状位和矢状位三种视角
10	2025-09-03	Machine Learning and Deep Learning Approaches in Lifespan Brain Age Prediction: A Comprehensive Review 2024-08-12, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10080093 PMID:39195728	综述	本文全面回顾了2020至2024年间52项研究，探讨机器学习和深度学习在生命周期脑龄预测中的应用与挑战	系统比较ML与DL模型在跨年龄段脑龄预测中的性能差异与方法学局限	未涉及非神经影像数据源的整合及模型临床转化可行性的深入分析	评估脑龄预测技术的进展，指导神经退行性疾病早期干预策略	神经影像数据衍生的脑龄生物标志物	机器学习	神经退行性疾病	神经影像分析	ML和DL模型	神经影像数据	52项同行评审研究（2020-2024年）
11	2025-08-31	Long axial-range double-helix point spread functions for 3D volumetric super-resolution imaging 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.31.605907 PMID:39131321	研究论文	本文提出并验证了长轴向范围双螺旋点扩散函数用于哺乳动物细胞全细胞三维超分辨率成像的方法	开发了长轴向范围DH-PSF实现无拼接的全细胞3D超分辨率成像，并结合深度学习算法定位密集发射体	NA	简化厚样本（如全哺乳动物细胞）的三维超分辨率成像的实验和分析流程	荧光微球、U-2 OS细胞中的核纤层蛋白lamin B1	显微成像	NA	单分子定位显微镜（SMLM）、DNA-PAINT成像、深度学习算法	深度学习	图像	荧光微球和U-2 OS细胞
12	2025-08-29	Deep Learning-Based Electrocardiogram Analysis Predicts Biventricular Dysfunction and Dilation in Congenital Heart Disease 2024-Aug-27, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2024.05.062 PMID:39168568	研究论文	开发并外部验证基于深度学习的AI-ECG模型，用于预测先天性心脏病患者的双心室功能障碍和扩张	首次在先天性心脏病领域探索AI-ECG分析，并实现跨医疗系统的外部验证	在功能性单心室患者中模型性能最低	预测先天性心脏病患者的心室功能障碍和扩张	先天性心脏病患者	机器学习	先天性心脏病	AI-ECG分析，心血管磁共振成像	CNN	心电图和磁共振成像配对数据	内部队列8,584个ECG-CMR配对（n=4,941患者），外部验证队列909个ECG-CMR配对（n=746患者）
13	2025-08-29	Deep learning-based fully automatic screening of carotid artery plaques in computed tomography angiography: a multicenter study 2024-08, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.015 PMID:38789330	研究论文	开发并验证一种基于深度学习的算法，用于在CT血管造影图像中自动检测和分类颈动脉斑块	提出了一种全自动的两步深度学习系统，结合改进的3D-UNet和ResUNet架构，实现了颈动脉斑块的检测与三元分类	回顾性研究设计，样本量相对有限（400例患者），需进一步前瞻性验证	开发自动化工具以辅助放射科医生进行颈动脉斑块筛查	颈动脉斑块（CAPs）	计算机视觉	心血管疾病	CT血管造影（CTA）	3D-UNet, ResUNet	医学影像	400例患者（300例来自中心Ⅰ，100例来自中心Ⅱ）
14	2025-08-29	Radiomics model and deep learning model based on T1WI image for acute lymphoblastic leukemia identification 2024-08, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.04.017 PMID:38796378	研究论文	本研究开发了基于T1WI图像的放射组学和深度学习模型，用于准确识别急性淋巴细胞白血病	结合放射组学特征和EfficientNet-B3深度学习网络，在急性淋巴细胞白血病识别中实现高精度诊断	样本量相对有限（604例），且仅基于单一影像序列（T1WI）进行分析	开发高精度的医学影像分析模型用于急性淋巴细胞白血病的检测	急性淋巴细胞白血病患者和正常儿童的脑部磁共振数据	医学影像分析	急性淋巴细胞白血病	磁共振成像（T1WI）、放射组学特征提取、深度学习	SVM、EfficientNet-B3	医学影像	604例脑部磁共振数据（ALL组和正常儿童组）
15	2025-08-12	A survey of brain functional network extraction methods using fMRI data 2024-08, Trends in neurosciences IF:14.6Q1 DOI:10.1016/j.tins.2024.05.011 PMID:38906797	综述	本文系统回顾了使用fMRI数据提取脑功能网络的经典和先进方法	涵盖了静态和动态功能网络提取方法，并讨论了各种方法的适用范围及未来改进方向	未提及具体方法的性能比较或实证研究结果	探索脑功能网络提取方法以揭示脑功能及脑部疾病的病理生理学机制	脑功能网络	神经影像学	脑部疾病	fMRI	矩阵分解、聚类、深度学习	fMRI数据	NA
16	2025-08-11	An early warning indicator trained on stochastic disease-spreading models with different noises 2024-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2024.0199 PMID:39118548	research paper	该研究开发了一种基于深度学习算法的早期预警指标，用于在噪声干扰下检测疾病爆发的早期信号	通过结合加性白噪声、乘性环境噪声和人口统计学噪声，开发了一种新的深度学习算法，用于在复杂噪声环境下提供更可靠的早期预警信号	研究主要基于模拟数据和有限的真实世界COVID-19数据，需要在更多疾病和更大规模数据上进行验证	开发能够在噪声干扰下可靠检测疾病爆发早期信号的预警指标	疾病传播模型和真实世界COVID-19数据	machine learning	COVID-19	deep learning	深度学习算法	时间序列数据	埃德蒙顿的COVID-19病例数据和模拟时间序列数据
17	2025-08-07	Clinical domain knowledge-derived template improves post hoc AI explanations in pneumothorax classification 2024-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2024.104673 PMID:38862083	研究论文	本文提出了一种基于临床知识的模板引导方法，用于改进气胸分类中AI模型的事后解释	通过结合气胸的临床知识生成模板，过滤掉XAI方法生成的不相关解释，提高了模型解释的准确性	研究仅针对气胸这一特定疾病，且模板生成依赖于放射科医生的病灶标注	提高深度学习模型在气胸诊断中的可解释性	气胸的AI诊断模型	数字病理	气胸	深度学习	VGG-19, ResNet-50	医学影像	两个真实世界数据集(SIIM-ACR和ChestX-Det)
18	2025-08-04	Inflammatory Knee Synovitis: Evaluation of an Accelerated FLAIR Sequence Compared With Standard Contrast-Enhanced Imaging 2024-Aug-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001065 PMID:38329824	研究论文	本研究评估了深度学习加速的FLAIR序列与标准对比增强成像在炎症性膝关节滑膜炎诊断中的价值和准确性	使用深度学习加速的非对比FLAIR FS序列进行炎症性膝关节滑膜炎的评估，其效果与传统的对比增强T1加权FS成像相当	研究样本量较小（55名患者），且为回顾性研究	评估深度学习加速的FLAIR序列在炎症性膝关节滑膜炎诊断中的效果	疑似膝关节滑膜炎的患者	医学影像	膝关节滑膜炎	深度学习加速的FLAIR序列和对比增强T1加权FS序列	深度学习	医学影像数据	55名患者（平均年龄52±17岁，28名女性）
19	2025-08-04	FHIR-GPT Enhances Health Interoperability with Large Language Models 2024-Aug, NEJM AI DOI:10.1056/aics2300301 PMID:40746832	研究论文	本研究开发了FHIR-GPT，利用大型语言模型（LLMs）将临床叙述转换为FHIR资源，显著提高了健康数据的互操作性	首次利用大型语言模型（LLMs）直接转换临床文本为FHIR资源，相比现有方法显著提升了转换准确率	研究仅针对FHIR药物声明转换，未涵盖其他类型的FHIR资源	提升健康数据的互操作性，支持表型分析、临床试验和公共卫生监测	临床叙述文本	自然语言处理	NA	大型语言模型（LLMs）	GPT	文本	3671段临床文本片段
20	2025-08-03	A Deep Learning Approach to Predict Recanalization First-Pass Effect following Mechanical Thrombectomy in Patients with Acute Ischemic Stroke 2024-Aug-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8272 PMID:38871371	研究论文	本研究利用深度学习构建全自动方法，通过治疗前CT和MR成像预测急性缺血性卒中患者机械取栓后的首次通过效应	首次利用非灌注MR成像和CT进行首次通过效应的自动分类，无需耗时的手动分割	研究样本仅来自单一医疗中心，可能影响模型的泛化能力	预测急性缺血性卒中患者机械取栓后的首次通过效应	急性缺血性卒中患者	数字病理学	急性缺血性卒中	深度学习	混合Transformer模型（含非局部和交叉注意力模块）	CT和MR成像	326名在2014-2021年间接受血管内取栓术的患者