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	2026-07-04	Deep Learning-based Segmentation of Computed Tomography Scans Predicts Disease Progression and Mortality in Idiopathic Pulmonary Fibrosis 2024-08-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202311-2185OC PMID:38452227	研究论文	基于深度学习的CT扫描分割预测特发性肺纤维化的疾病进展和死亡率	首次利用深度学习自动分割CT扫描中的四种解剖学生物标志物，并在大型队列中验证其预测预后价值	NA	开发基于深度学习的CT扫描自动分割成像生物标志物，以预测特发性肺纤维化的疾病进展和死亡风险	特发性肺纤维化（IPF）患者	计算机视觉	特发性肺纤维化	CT扫描	深度学习	图像	446名PROFILE队列患者，另有一个英国队列用于外部验证	NA	NA	NA	NA
42	2026-07-03	A benchmarked comparison of software packages for time-lapse image processing of monolayer bacterial population dynamics 2024-08-06, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.00032-24 PMID:38980028	研究论文	比较四种用于单层细菌群体动态时间序列图像分析的软件包性能	首次对四种软件包（CellProfiler、SuperSegger-Omnipose、DeLTA和FAST）进行基准化比较，发现深度学习分割优于传统方法，但传统方法在目标跟踪上表现更好	仅针对单层细菌群体动态，未涵盖三维图像或其他应用场景	评估和指导研究人员选择合适的图像处理软件包	大肠杆菌群体的时间序列显微镜图像	计算机视觉	NA	时间序列显微镜技术	深度学习分割模型	图像	NA	NA	NA	分割性能、跟踪性能、计算效率	NA
43	2026-07-03	Deep Learning for Automatic Gross Tumor Volumes Contouring in Esophageal Cancer Based on Contrast-Enhanced Computed Tomography Images: A Multi-Institutional Study 2024-08-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.035 PMID:38432286	研究论文	基于深度学习开发并外部验证了用于食管鳞状细胞癌大体肿瘤体积自动勾画的AI工具	开发了一个三维深度学习模型用于GTV自动勾画，并在多中心数据上验证；AI工具显著提高了专家勾画性能并减少了观察者间变异，同时在放射组学分析中显示出稳定可重复性	未明确说明限制	开发并验证用于食管癌GTV自动勾画的AI工具，辅助新辅助或根治性放疗治疗计划	食管鳞状细胞癌患者的增强CT图像	机器学习	食管癌	对比增强CT成像	三维深度学习模型	图像	580名食管鳞状细胞癌患者	NA	NA	Dice相似系数，平均表面距离	NA
44	2026-07-03	Experience of Implementing Deep Learning-Based Automatic Contouring in Breast Radiation Therapy Planning: Insights From Over 2000 Cases 2024-08-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.041 PMID:38431232	研究论文	评估基于深度学习的自动轮廓勾画系统在乳腺癌放射治疗计划中的应用效果，并分析超过2000例病例的经验	基于大规模真实临床数据（2428例）评估自动轮廓勾画系统的长期临床影响，并发现自动化偏差风险	研究未提及对自动轮廓系统误分割肺部的具体原因分析，且主要关注乳房放疗，可能限制通用性	评估自动轮廓勾画系统在乳腺癌放疗中的临床效用和影响	乳腺癌术后放疗患者的CT图像及治疗轮廓数据	数字病理学, 机器学习	乳腺癌	CT成像	深度学习	医学图像	2428名乳腺癌术后放疗患者（实施前组369例，实施后组2059例）	NA	NA	Dice相似系数, 95%豪斯多夫距离	NA
45	2026-07-03	Imaging Analytics using Artificial Intelligence in Oncology: A Comprehensive Review 2024-08, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2023.09.013 PMID:37806795	综述	探讨深度学习在肿瘤学成像分析中的多方面作用，涵盖风险分层、筛查诊断、基因组突变预测、治疗反应及生存结局预测等，并讨论放射组学、影像生物库及人工智能的商业化与伦理问题	全面综述了深度学习在肿瘤成像分析中的多种应用，包括自动化报告生成、转移学习利用及通用人工智能模型的介绍	用于临床的深度学习模型仍处于初期阶段，通用实施面临障碍	综述人工智能在肿瘤成像分析中的应用现状、挑战及未来方向	肿瘤成像数据（如CT、MRI等医学影像）及相关临床预测任务	计算机视觉	肿瘤	深度学习、放射组学	卷积神经网络（CNN）	图像	NA	NA	CNN	NA	NA
46	2026-07-03	TAI-GAN: A Temporally and Anatomically Informed Generative Adversarial Network for early-to-late frame conversion in dynamic cardiac PET inter-frame motion correction 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103190 PMID:38820677	研究论文	提出TAI-GAN将动态心脏PET早期帧转换为类似参考帧的分布，以改善帧间运动校正	首次将时间与解剖信息通过特征线性调制层整合到生成对抗网络中，实现早期帧到参考帧的全映射转换，解决了强示踪剂动力学导致的配准失效问题	NA	改善动态心脏PET帧间运动校正的准确性和心肌血流量定量	动态心脏PET图像帧间运动校正	计算机视觉	冠状动脉疾病	PET	生成对抗网络	图像	临床Rb PET数据集	PyTorch	TAI-GAN	图像质量、运动估计精度、心肌血流量定量	NA
47	2026-07-03	Which images to label for few-shot medical image analysis? 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103200 PMID:38801797	研究论文	提出一种模板选择策略TECP，用于在少样本医学图像分析中自动选择最有价值的图像进行标注，以提升模型性能	首次关注少样本学习中标注前模板图像的选择问题，提出包含自监督训练、区域定位、代表性评分和排序四大模块的TECP策略	未提及具体局限性，但依赖自监督预训练模型和多个数据集验证，可能在极低样本场景下泛化性有待探索	解决医学图像少样本学习中标注样本选择问题，以最少标注图像获得最优模型性能	医学图像中的标志点检测、解剖结构检测和解剖分割三类任务	计算机视觉	NA	NA	CNN	图像	多个公开数据集	自监督学习框架	预训练深度模型	模型性能指标（具体未说明）	NA
48	2026-07-03	CMAN: Cascaded Multi-scale Spatial Channel Attention-guided Network for large 3D deformable registration of liver CT images 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103212 PMID:38830326	研究论文	提出了一种基于卷积神经网络的级联多尺度空间-通道注意力引导网络（CMAN），用于解决肝脏CT图像大形变配准问题	采用双重粗到细配准策略，包括局部粗到细和全局粗到细配准，并在解码阶段集成空间-通道注意力模块以突出重要特征	文中未明确提及局限性	实现肝脏CT图像的大形变非刚性配准，提高配准性能	肝脏CT图像	计算机视觉	肝脏疾病	CT成像	卷积神经网络	图像	两个公开数据集用于训练，一个公开数据集和一个私有数据集用于评估	PyTorch	CMAN, 包含级联多尺度空间-通道注意力模块	配准评估指标（具体指标未列出）	NA
49	2026-07-03	Unsupervised mutual transformer learning for multi-gigapixel Whole Slide Image classification 2024-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103203 PMID:38810517	研究论文	提出一种基于互变换器学习的无监督全切片图像分类方法	首次提出完全无监督的全切片图像分类算法，基于互变换器学习，包括伪标签生成器和清洁器模块，以及判别学习机制	未提及	实现无监督的全切片图像分类，避免对大量标注数据的依赖	十亿像素级别的全切片图像	数字病理学	癌症	NA	变换器	图像	四个公开数据集	NA	变换器	NA	NA
50	2026-07-03	Deep learning-based automatic segmentation of bone graft material after maxillary sinus augmentation 2024-08, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14221 PMID:38033189	研究论文	利用深度学习对上颌窦提升术后移植材料进行自动分割，并评估其准确性与效率	首次将3D V-Net和3D Attention V-Net结合用于上颌窦提升术后骨移植材料的自动分割，并证明了其优于手动分割的性能	未提及具体局限	研究深度学习在锥形束CT图像中自动分割上颌窦提升术后移植材料的准确性和可靠性	上颌窦提升术后骨移植材料	计算机视觉	牙科疾病	CBCT	CNN	图像	100对CBCT扫描（术前和术后），训练集82对，测试集18对，另选10个测试样本用于比较	NA	3D V-Net, 3D Attention V-Net	Dice系数, 95% Hausdorff距离, 平均表面距离	NA
51	2026-06-29	Metabolic phenotyping with computed tomography deep learning for metabolic syndrome, osteoporosis and sarcopenia predicts mortality in adults 2024-08, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13487 PMID:38649795	研究论文	利用CT深度学习模型预测代谢综合征、骨质疏松和肌少症，并评估这些代谢表型与长期死亡率的关系	首次使用基于CT多层身体成分参数的多输出深度学习模型同时检测代谢综合征、骨质疏松和肌少症，并探讨其代谢表型对长期死亡率的预测价值	未提及明显的局限性，但可能存在样本选择偏倚或模型泛化性问题	开发基于CT身体成分的深度学习模型，同时检测代谢综合征、骨质疏松和肌少症，并评估其对长期死亡率的预测价值	社区居住和住院成人	机器学习、计算机视觉	代谢综合征、骨质疏松、肌少症	CT扫描	多层感知机（MLP）	CT图像及身体成分参数	训练及内部测试集516人，外部测试集1为380人，外部测试集2为10141人	NA	多层感知机（MLP）	受试者工作特征曲线下面积（AUC）、调整风险比（aHR）	NA
52	2026-06-29	Estimating three-dimensional foot bone kinematics from skin markers using a deep learning neural network model 2024-08, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112252 PMID:39116677	研究论文	提出基于深度神经网络的模型，利用皮肤标记点估计足部骨骼的三维运动学	首次提出非侵入性方法，利用深度神经网络从皮肤标记点估算足部骨骼三维运动学，为研究足部功能及足部疾病发病机制提供新途径	NA	开发一种非侵入性方法，通过皮肤标记点准确估计足部骨骼的运动学	健康成人及尸体标本的足部	机器学习	足部疾病	CT扫描	深度神经网络	CT图像及皮肤标记点位置数据	11名健康成人和13具尸体标本，涉及不同足部姿势	NA	四层神经网络	平均位置误差、平均方向误差	NA
53	2026-06-19	Contextual AI models for single-cell protein biology 2024-Aug, Nature methods IF:36.1Q1 DOI:10.1038/s41592-024-02341-3 PMID:39039335	research paper	介绍了PINNACLE，一种用于单细胞蛋白质生物学的上下文感知几何深度学习方法	提出了一种生成上下文感知蛋白质表征的几何深度学习方法，能从多器官单细胞图谱中学习，实现了基于细胞类型上下文的蛋白质表征，并能在零样本情况下检索组织层次结构	NA	开发能够建模蛋白质在不同生物上下文间相互作用的算法，以理解蛋白质功能和开发分子疗法	蛋白质、细胞类型上下文、组织层次结构	machine learning	类风湿性关节炎、炎症性肠病	单细胞测序	几何深度学习	文本、结构数据	156个细胞类型上下文，24个组织，394,760个蛋白质表征	NA	PINNACLE	零样本检索准确性、治疗靶点提名预测能力、细胞类型上下文预测能力	NA
54	2026-06-15	Identify the most appropriate imputation method for handling missing values in clinical structured datasets: a systematic review 2024-08-28, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02310-6 PMID:39198744	综述	系统评价了处理临床结构化数据集中缺失值的最佳插补方法	基于缺失机制、模式和比例，构建证据图谱推荐插补方法	仅包括截至2023年9月20日的已发表文章，可能遗漏最新研究	确定临床结构化数据集中处理缺失值的最合适插补方法	PubMed、Web of Science、Scopus和IEEE Xplore数据库中讨论临床结构化数据集缺失值插补方法的文章	机器学习	NA	NA	传统统计方法、机器学习、深度学习、混合插补	表格数据	纳入58篇论文（从2955篇中筛选）	NA	NA	NA	NA
55	2026-06-15	Can supervised deep learning architecture outperform autoencoders in building propensity score models for matching? 2024-08-02, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-024-02284-5 PMID:39095707	研究论文	评估监督式深度学习架构与无监督自编码器在倾向得分匹配中的表现，并与传统方法比较	首次系统比较监督式深度学习与无监督自编码器在倾向得分估计中的偏差和方差准确性	基于单一数据集（右心导管插入术）的模拟研究，可能限制泛化能力	评估监督式深度学习和无监督自编码器用于倾向得分估计的性能	倾向得分匹配模型，包括监督式深度学习、无监督自编码器、逻辑回归和样条方法	机器学习	心血管疾病	NA	监督式深度学习、无监督自编码器	观察性数据（右心导管插入术数据集）	NA	NA	NA	偏差、标准误差、覆盖概率	NA
56	2026-05-25	The prognostic value of visual and automatic coronary calcium scoring from low-dose computed tomography-[15O]-water positron emission tomography 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae081 PMID:38525588	research paper	验证低剂量CT扫描中视觉和自动冠脉钙化评分的预后价值	首次在[15O]-水PET心肌灌注成像的低剂量CT扫描中评估视觉和自动CAC评分对主要不良心脏事件的预测价值	研究为单中心回顾性设计，且低剂量CT与参考CSCT扫描间的风险分类一致性仅为中等	评估低剂量CT扫描中视觉和自动冠脉钙化评分对主要不良心脏事件预测的附加价值	疑似冠脉疾病患者	计算机视觉	心血管疾病	低剂量CT, [15O]-水PET	深度学习	医学影像	572名连续患者	NA	NA	风险分类一致性（Cohen's kappa）, 风险比	NA
57	2026-05-25	Prospective deep learning-based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae115 PMID:38700097	研究论文	前瞻性多中心国际研究，比较基于深度学习自动分析CCTA与IVUS评估冠脉斑块的准确性和一致性	首次在多中心前瞻性研究中验证AI驱动的CCTA斑块量化系统与IVUS金标准的一致性，实现钙化、非钙化及低衰减斑块的全自动分割	样本量相对有限（237例患者432个病变），且仅纳入临床稳定型冠心病患者，未包含急性冠脉综合征人群	评估基于深度学习的CCTA自动斑块分析系统与IVUS金标准在冠脉粥样硬化量化表征中的一致性	临床稳定型冠心病患者的冠脉粥样硬化斑块，包括总斑块体积、钙化斑块、非钙化斑块及低衰减斑块	计算机视觉	冠心病	冠状动脉CT血管造影（CCTA）、血管内超声（IVUS）	深度学习模型（具体架构未明确说明）	医学影像（CCTA和IVUS图像）	237例患者（来自美国及日本15个中心），共432个冠脉病变	NA	NA	相关系数、Bland-Altman分析、Y截距、斜率	NA
58	2026-05-25	Diagnostic support in pediatric craniopharyngioma using deep learning 2024-08, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06400-0 PMID:38647660	研究论文	利用深度学习开发儿童颅咽管瘤诊断支持模型	首次在机构中应用可解释人工智能与深度学习模型结合，辅助放射学诊断儿童颅咽管瘤	NA	开发卷积深度学习算法，用于儿童鞍区-鞍上肿瘤的放射学辅助分类	226名智利儿童患者的术前T1w和T2w磁共振图像	医学影像分析	颅咽管瘤	磁共振成像	卷积神经网络	图像	226名患者（68名健康对照、58名颅咽管瘤患者、100名其他鞍区肿瘤患者）	NA	卷积神经网络	阳性预测值、阴性预测值	NA
59	2026-05-24	Focal liver lesion diagnosis with deep learning and multistage CT imaging 2024-08-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51260-6 PMID:39147767	研究论文	开发一种基于深度学习和多期增强CT的自动肝脏病灶诊断系统LiLNet	利用多中心大规模数据（4039名患者）开发并外部验证了LiLNet网络，能够区分六种肝脏病灶类型，并实现高准确率	未提及	提高肝脏病灶诊断的自动化水平，辅助放射科医生，尤其是在资源匮乏地区	肝脏病灶包括肝细胞癌、肝内胆管癌、转移性肿瘤、局灶性结节增生、血管瘤和囊肿	计算机视觉	肝脏疾病	多期增强CT	CNN	图像	4039名患者，来自六个数据中心	PyTorch	LiLNet	准确率, AUC	NA
60	2026-05-24	Artificial organic afferent nerves enable closed-loop tactile feedback for intelligent robot 2024-08-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51403-9 PMID:39147776	研究论文	本文报告了一种人工有机传入神经，通过集成有机电化学突触晶体管和人工机械感受器，实现了低工作电压下的触觉感知，并协同闭环反馈程序使智能机器人能够快速识别和防止物体滑动	首次报道了低工作电压(-0.6 V)的人工有机传入神经，通过树突整合功能实现了对物体方向性运动的感知，并利用分布式并行网络降低了控制复杂度	未提及具体局限性	模拟触觉神经以实现机器人的高级感知功能，并构建智能化闭环触觉反馈系统	人工有机传入神经、智能机器人	机器学习,机器人与仿生电子学	NA	NA	深度神经网络	尖峰编码信号	NA	NA	NA	识别准确率	NA