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
181	2025-10-06	A cross-temporal multimodal fusion system based on deep learning for orthodontic monitoring 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109025 PMID:39159544	研究论文	开发基于深度学习的跨时间多模态图像融合系统，用于无额外辐射的正畸监测	首个基于深度学习的跨时间多模态融合系统，结合CBCT和口内扫描数据，实现无额外辐射的持续风险监测	未明确说明样本数据的具体来源和规模限制	开发无额外辐射的正畸监测系统，提升正畸医生风险监测能力	牙齿和颌骨的三维关系	计算机视觉	错颌畸形	锥形束计算机断层扫描(CBCT), 口内扫描(IOS)	深度学习	医学图像, 点云数据	NA	NA	动态核先验模型, 分辨率恢复模型, 密集点云优化分割网络	Dice系数, 平均距离误差(ADE)	NA
182	2025-10-06	scEMB: Learning context representation of genes based on large-scale single-cell transcriptomics 2024-Sep-26, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.24.614685 PMID:39386549	研究论文	开发基于Transformer的深度学习模型scEMB，用于从大规模单细胞转录组数据中学习基因的上下文表示	提出创新的分箱策略整合多平台数据，同时保留基因表达层次和细胞类型特异性	NA	从大规模单细胞转录组数据中揭示复杂的基因-基因关系	单细胞转录组数据中的基因表达模式	机器学习	阿尔茨海默病	单细胞转录组测序	Transformer	单细胞转录组数据	超过3000万个单细胞转录组	NA	Transformer	相关性分析，基因扰动效应预测	NA
183	2025-10-06	Application of artificial intelligence in drug design: A review 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108810 PMID:38991316	综述	本文综述了人工智能在药物设计领域的应用及其对制药行业的变革性影响	系统总结了AI技术如何通过机器学习与深度学习模型解决传统药物开发效率低、成本高的问题	NA	探讨人工智能技术在药物设计中的应用价值与方法	药物化合物与制药流程	机器学习	NA	机器学习, 深度学习	NA	药物化合物数据	NA	NA	NA	NA	NA
184	2025-10-06	DP-SSLoRA: A privacy-preserving medical classification model combining differential privacy with self-supervised low-rank adaptation 2024-09, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.108792 PMID:38964242	研究论文	提出结合差分隐私与自监督低秩适应的隐私保护医学分类模型DP-SSLoRA	首次将差分隐私与自监督低秩适应相结合，通过自监督预训练获取增强表征，并利用低秩分解减轻差分隐私噪声影响	仅在三组胸部X光数据集上验证，未涉及其他医学影像模态	开发隐私保护的医学图像分类模型，平衡隐私保护与模型效用	胸部X光图像	计算机视觉	肺部疾病	差分隐私，自监督学习，低秩适应	深度学习	医学图像	三个真实胸部X光数据集：RSNA、Covid-QU-mini、Chest X-ray 15k	NA	低秩适应架构	AUC	NA
185	2025-10-06	Real-world application of a 3D deep learning model for detecting and localizing cerebral microbleeds 2024-09-26, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-06267-9 PMID:39325068	研究论文	本研究验证了一种3D深度学习模型在真实临床环境中检测和定位脑微出血的性能	开发了能够同时检测脑微出血并精确定位其解剖位置的3D深度学习模型，并在真实临床场景中验证其辅助诊断价值	样本量较小（33例患者），人群多样性不足，需要更大规模研究验证临床实用性	验证3D深度学习模型在真实临床环境中检测和定位脑微出血的性能	神经外科门诊患者，包括21例有脑微出血患者（共116个病灶）和12例无脑微出血患者	医学影像分析	脑血管疾病	磁敏感加权成像	3D深度学习模型	3D医学影像	33例患者（21例有CMBs，12例无CMBs），共116个脑微出血病灶	NA	NA	灵敏度, 假阳性数	NA
186	2025-10-06	Vocal Call Locator Benchmark (VCL) for localizing rodent vocalizations from multi-channel audio 2024-Sep-21, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.20.613758 PMID:39345431	研究论文	本文提出了首个用于啮齿动物声音源定位的大规模基准数据集VCL，包含多通道音频和同步视频记录	创建了生物声学领域首个公开的声音源定位基准数据集，填补了该领域缺乏系统评估工具的空白	目前仅限于啮齿动物声音定位，未涵盖其他动物物种	开发用于生物声学研究的声音源定位基准和方法	啮齿动物的社交发声定位	生物声学	NA	多通道音频记录，同步视频采集	深度学习声音源定位模型	多通道音频，视频	767,295个带有标注真实声源的声音样本，涵盖9种条件	NA	NA	声音源定位性能评估指标	NA
187	2025-10-06	Emerging research trends in artificial intelligence for cancer diagnostic systems: A comprehensive review 2024-Sep-15, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2024.e36743 PMID:39263113	综述	本文对人工智能在癌症诊断系统中的最新研究趋势进行了全面综述	重点突出了可解释人工智能在癌症诊断中的新兴应用，包括交互式可视化模型决策和特征重要性分析等特定技术	NA	评估现代机器学习技术在癌症诊断中的应用，指导研究人员、临床医生和政策制定者开发高效可解释的癌症诊断系统	癌症诊断系统	机器学习	癌症	机器学习	监督学习,无监督学习,深度学习,联邦学习	影像数据,基因组数据,临床记录	NA	NA	NA	NA	NA
188	2025-10-06	Modelling protein complexes with crosslinking mass spectrometry and deep learning 2024-09-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51771-2 PMID:39251624	研究论文	通过将交联质谱实验数据整合到AlphaFold-Multimer中，开发了AlphaLink方法用于蛋白质复合物结构建模	首次将交联质谱数据整合到深度学习蛋白质结构预测中，扩展了AlphaLink方法至蛋白质复合物建模	NA	提高蛋白质复合物结构建模的准确性和可靠性	蛋白质复合物	计算生物学	NA	交联质谱, 深度学习	深度学习	质谱数据, 蛋白质序列	NA	AlphaFold-Multimer	AlphaLink	建模性能	NA
189	2025-10-06	Pretrainable geometric graph neural network for antibody affinity maturation 2024-09-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51563-8 PMID:39242604	研究论文	提出可预训练的几何图神经网络GearBind用于抗体亲和力成熟	结合多关系图构建、多层级几何消息传递和大规模无标签蛋白质结构数据的对比预训练	NA	开发计算模型提升抗体与靶抗原的结合亲和力	抗体-抗原相互作用	机器学习	NA	几何深度学习	图神经网络	蛋白质结构数据	SKEMPI数据集和独立测试集	NA	GearBind	ELISA EC值, K值	NA
190	2025-10-06	Automated design of multi-target ligands by generative deep learning 2024-09-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52060-8 PMID:39261471	研究论文	本研究利用生成式深度学习模型开发多靶点配体药物	首次将化学语言模型应用于多靶点配体的从头设计，通过小样本微调实现双靶点活性分子的生成	仅验证了12个设计分子对6个靶点对的活性，样本规模有限	探索生成式深度学习在多靶点药物设计中的应用	多靶点配体分子	机器学习	NA	化学语言模型，SMILES表示法	生成式深度学习模型	分子结构数据	12个设计分子，6个靶点对	NA	化学语言模型	纳摩尔级活性，双配体确认	NA
191	2025-10-06	External Testing of a Deep Learning Model to Estimate Biologic Age Using Chest Radiographs 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230433 PMID:39046324	研究论文	本研究在亚洲人群中对基于深度学习的胸片年龄模型进行外部测试，评估其预测全因死亡率及特定疾病死亡率的预后价值	首次在大型亚洲队列中验证基于胸片影像的深度学习生物年龄预测模型的泛化能力	单中心回顾性研究，仅包含无症状亚洲人群	评估深度学习胸片年龄模型在外部测试队列中的预后价值	50-80岁无症状亚洲个体的胸片影像	计算机视觉	肺癌	胸片影像分析	CNN	医学影像	36,924名个体	NA	NA	风险比, 似然比检验	NA
192	2025-10-06	Deep Learning Segmentation of Ascites on Abdominal CT Scans for Automatic Volume Quantification 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230601 PMID:38900043	研究论文	开发了一种基于深度学习的自动方法，用于在腹部CT扫描中检测腹水并量化其体积	首次提出使用深度学习自动分割和量化腹水体积的方法，并在肝硬化和卵巢癌患者中验证	回顾性研究，数据来源于特定机构，可能存在选择偏倚	评估深度学习模型在检测和量化腹水体积方面的性能	肝硬化腹水患者和卵巢癌患者	医学影像分析	肝硬化,卵巢癌	CT扫描	深度学习	医学影像	训练集：TCGA卵巢癌数据集；测试集：NIH-LC(25例)、NIH-OV(166例)、UofW-LC(124例)	NA	NA	F1/Dice系数,体积估计误差,95%置信区间	NA
193	2025-10-06	Longitudinal deep neural networks for assessing metastatic brain cancer on a large open benchmark 2024-09-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52414-2 PMID:39289405	研究论文	本文开发了利用纵向数据的深度神经网络Segmentation-Through-Time，在大型脑转移癌数据集NYUMets-Brain上实现了小转移灶检测和分割的最先进性能	提出了世界最大的纵向真实世界脑转移癌数据集NYUMets-Brain，并开发了专门利用纵向数据结构的深度神经网络	未明确说明模型在外部验证集上的泛化能力	开发能够检测和追踪脑转移癌的深度学习工具	1,429名脑转移癌患者的影像、临床随访和医疗管理数据	计算机视觉	脑转移癌	医学影像分析	深度神经网络	纵向医学影像	1,429名患者	NA	Segmentation-Through-Time	小转移灶检测准确率、分割精度、风险比	NA
194	2025-10-06	Deep Learning to Detect Intracranial Hemorrhage in a National Teleradiology Program and the Impact on Interpretation Time 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240067 PMID:39017032	研究论文	评估人工智能在大型远程放射学实践中检测急性颅内出血的诊断性能及其对放射科医师阅片时间和系统效率的影响	在国家级远程放射学项目中大规模评估AI对颅内出血检测的实际影响，并首次量化分析AI误报对阅片时间的负面影响	回顾性研究设计，在高容量低患病率环境中AI误报可能导致系统效率下降	评估AI临床决策支持系统在颅内出血检测中的诊断性能和对工作流程效率的影响	61,704例连续非增强头部CT检查	数字病理	颅内出血	CT成像	深度学习	医学影像	61,704例非增强头部CT检查	NA	NA	灵敏度,特异性,准确率,阳性预测值	NA
195	2025-10-06	Open Access Data and Deep Learning for Cardiac Device Identification on Standard DICOM and Smartphone-based Chest Radiographs 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230502 PMID:39017033	研究论文	开发并评估用于在标准DICOM和智能手机拍摄的胸片上分割和分类心脏植入电子设备的深度学习模型	首个公开可用的深度学习模型，同时支持标准DICOM和智能手机拍摄的胸片进行心脏设备识别	回顾性研究，样本主要来自单一机构	开发心脏植入电子设备的自动分割和分类系统	心脏植入电子设备（包括起搏器、除颤器、心脏再同步治疗设备和心脏监测器）	计算机视觉	心血管疾病	胸部X线摄影	CNN	图像	897名患者的2321张胸片，以及使用5部智能手机采集的11072张图像	NA	U-Net, ResNet-50	Dice系数, 平衡准确率	NA
196	2025-10-06	Improving Computer-aided Detection for Digital Breast Tomosynthesis by Incorporating Temporal Change 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230391 PMID:39140867	研究论文	开发了一种利用时间信息改进数字乳腺断层合成癌症病变检测性能的深度学习算法	通过引入时间变化信息（当前与一年前的检查对比）来优化癌症检测概率	回顾性研究，数据来自特定时间段（2016-2020年）的八个机构	提高数字乳腺断层合成的计算机辅助检测性能	数字乳腺断层合成筛查检查中的癌症和非癌症病例	计算机视觉	乳腺癌	数字乳腺断层合成	深度学习	医学影像	973例癌症病例和7123例非癌症病例	NA	PriorNet	AUC, 局部AUC	NA
197	2025-10-06	nnU-Net-based Segmentation of Tumor Subcompartments in Pediatric Medulloblastoma Using Multiparametric MRI: A Multi-institutional Study 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230115 PMID:39166971	研究论文	本研究评估基于nnU-Net的分割模型在多机构MRI扫描中自动划分儿童髓母细胞瘤肿瘤亚区的性能	首次在多机构研究中应用nnU-Net模型分割儿童髓母细胞瘤亚区，并比较迁移学习和直接深度学习两种训练策略	回顾性研究设计，样本量相对有限（78例患者），囊性核心和非强化肿瘤区域分割性能较低	开发自动化分割儿童髓母细胞瘤肿瘤亚区的精准工具	儿童髓母细胞瘤患者	医学影像分析	髓母细胞瘤	多参数MRI（钆增强T1加权、T2加权、液体衰减反转恢复序列）	nnU-Net	MRI影像	78例儿童患者（52男，26女，年龄2-18岁），来自三个不同医疗机构	nnU-Net	nnU-Net	Dice系数	NA
198	2025-10-06	Deep Learning-based Unsupervised Domain Adaptation via a Unified Model for Prostate Lesion Detection Using Multisite Biparametric MRI Datasets 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230521 PMID:39166972	研究论文	开发基于深度学习的无监督域适应方法，通过统一生成模型提升多中心双参数MRI数据集中前列腺癌病变检测性能	提出一种新颖的无监督域适应方法，使用统一生成模型将不同b值采集的DWI图像转换为符合PI-RADS指南标准的图像风格	回顾性研究设计，数据来源于特定九个影像中心	提高多中心双参数MRI数据集中前列腺癌病变检测的准确性和鲁棒性	前列腺癌病变	计算机视觉	前列腺癌	双参数MRI，扩散加权成像，表观扩散系数	生成模型	医学影像	5150名患者（14191个样本），独立测试集1692个病例（2393个样本）	NA	统一生成模型	AUC	NA
199	2025-10-06	Improving Fairness of Automated Chest Radiograph Diagnosis by Contrastive Learning 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230342 PMID:39166973	研究论文	本研究开发了一种使用监督对比学习来减少胸部X光诊断偏见的AI模型	采用监督对比学习并精心选择正负样本来生成公平的图像嵌入表示，有效降低了诊断偏见	回顾性研究，数据集可能存在选择偏倚	开发公平的AI模型以减少胸部X光诊断中的偏见	胸部X光影像	计算机视觉	胸部疾病	监督对比学习	CNN	医学影像	MIDRC数据集：27,796名患者的77,887张胸部X光；ChestX-ray14数据集：30,805名患者的112,120张胸部X光	NA	NA	边际ROC曲线下面积差异(∆mAUC)	NA
200	2025-06-16	Silicon integrated photonic-electronic neuron for noise-resilient deep learning 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.532306 PMID:40514809	research paper	本文展示了一种光电混合乘积累加神经元（PEMAN）架构的光子段实验演示，采用硅光子芯片和高速电吸收调制器进行矩阵向量乘法	引入了一种新颖的激活函数斜率拉伸策略以减轻噪声影响，并展示了噪声感知深度学习技术的应用	实验验证仅限于特定噪声水平和计算速率下的性能评估	开发噪声鲁棒性强的深度学习架构，用于健康监测	光电混合神经元架构及其在心跳声音分类中的应用	machine learning	cardiovascular disease	silicon photonic chip, electro-absorption modulators	three-layer neural network	sound	1350 trainable parameters	NA	NA	NA	NA