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
61	2025-06-19	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	research paper	本文探讨了使用化学语言模型（CLM）生成多靶点配体以设计多药理学的方法	利用CLM从小规模微调分子集中学习，成功偏向设计具有与目标对已知配体相似性的药物样分子	仅测试了12个CLM设计分子对6个目标对的效果，样本量有限	探索生成深度学习模型在设计多靶点配体中的应用	多靶点配体	machine learning	NA	化学语言模型（CLM）	CLM	分子字符串表示（如SMILES）	12个CLM设计分子针对6个目标对
62	2025-06-19	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	评估深度学习模型在亚洲人群中预测基于胸部X光片的生物年龄（CXR-Age）的预后价值	首次在大型亚洲人群外部测试队列中验证深度学习模型预测的生物年龄与多种生存结果的关联	单中心回顾性研究，结果可能受限于特定人群和机构	验证基于胸部X光片的深度学习模型预测生物年龄的预后价值	50-80岁无症状亚洲人群的胸部X光片	数字病理学	多种疾病（心血管疾病、肺癌、呼吸系统疾病）	深度学习	CNN	图像（胸部X光片）	36,924名个体
63	2025-06-19	Artificial Intelligence Outcome Prediction in Neonates with Encephalopathy (AI-OPiNE) 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240076 PMID:38984984	research paper	开发一种深度学习算法，利用MRI和基本临床数据预测缺氧缺血性脑病新生儿2年神经发育结果	使用多序列MRI和基本临床变量训练深度学习分类器，预测新生儿2年神经发育结果	样本量相对较小，且仅来自17个机构	预测缺氧缺血性脑病新生儿2年神经发育结果	患有缺氧缺血性脑病的足月新生儿	digital pathology	geriatric disease	MRI, diffusion tensor imaging	CNN	image	414名新生儿（232名男性，182名女性）
64	2025-06-19	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	research paper	评估一种自动化深度学习方法在检测腹水并量化其体积方面的性能，研究对象为肝硬化和卵巢癌患者	提出了一种基于深度学习的自动化方法，用于腹水的分割和体积量化，与专家评估结果高度一致	研究为回顾性研究，可能受到数据选择和标注偏差的影响	开发并评估一种自动化深度学习方法，用于腹水的检测和体积量化	肝硬化患者和卵巢癌患者的腹部-盆腔CT扫描图像	digital pathology	肝硬化和卵巢癌	深度学习	CNN	CT扫描图像	共315名患者（NIH-LC 25名，NIH-OV 166名，UofW-LC 124名）
65	2025-06-18	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	research paper	该研究开发了一种名为Segmentation-Through-Time的深度神经网络，用于检测和跟踪转移性脑癌，并在一个大型开放基准数据集NYUMets-Brain上取得了最先进的结果	提出了Segmentation-Through-Time深度神经网络，明确利用了数据的纵向结构，在小转移瘤（<10 mm）检测和分割方面取得了最先进的结果	NA	开发能够检测和跟踪转移性脑癌的工具	1,429名癌症患者的影像、临床随访和医疗管理数据	digital pathology	brain cancer	deep learning	deep neural network	imaging	1,429名患者
66	2025-06-18	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	评估人工智能在急性颅内出血检测中的诊断性能及其对放射科医生解读时间和系统效率的影响	在大型远程放射学实践中评估AI临床决策支持解决方案的性能，并量化其对放射科医生解读时间和系统效率的影响	在高流量、低患病率环境中，误报检查的解读时间延长可能导致系统效率低下，可能超过使用该工具的潜在益处	评估AI在急性颅内出血检测中的诊断性能及其对放射科医生解读时间和系统效率的影响	61,704例连续非增强头部CT检查	数字病理学	颅内出血	深度学习	NA	CT图像	61,704例非增强头部CT检查
67	2025-06-18	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	开发并评估了一个公开可用的深度学习模型，用于在DICOM和智能手机拍摄的胸部X光片上分割和分类心脏植入电子设备（CIEDs）	首次提出一个公开可用的深度学习模型，能够同时在传统DICOM和智能手机拍摄的胸部X光片上准确分割和分类CIEDs	研究为回顾性研究，可能受到数据选择和采集方式的限制	开发一个深度学习模型，用于自动识别和分类胸部X光片中的心脏植入电子设备	心脏植入电子设备（CIEDs），包括起搏器、心脏除颤器、心脏再同步治疗设备和心脏监测器	数字病理	心血管疾病	深度学习	U-Net with ResNet-50 backbone	图像	897名患者的2321张胸部X光片，以及使用5部智能手机拍摄的11072张图像
68	2025-06-18	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（DBT）癌症病变检测性能的深度学习算法	通过引入PriorNet作为级联深度学习模块，利用额外的生长信息来优化恶性肿瘤的最终概率，从而提高了检测性能	研究为回顾性分析，可能受到数据选择和时间的限制	提高数字乳腺断层合成（DBT）中癌症病变的计算机辅助检测性能	数字乳腺断层合成（DBT）筛查检查中的癌症和非癌症病例	计算机视觉	乳腺癌	深度学习	PriorNet	图像	973例癌症和7123例非癌症病例
69	2025-06-18	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	research paper	本研究评估了基于nnU-Net的分割模型在儿童髓母细胞瘤多参数MRI上的自动分割性能	使用nnU-Net模型进行儿童髓母细胞瘤肿瘤亚区的自动分割，并比较了迁移学习和直接深度学习两种训练策略	样本量相对较小（78例），且数据来自三个不同机构，可能存在异质性	评估nnU-Net模型在儿童髓母细胞瘤MRI图像上的分割性能	儿童髓母细胞瘤患者的多参数MRI图像	digital pathology	pediatric medulloblastoma	MRI（钆增强T1加权、T2加权和液体衰减反转恢复）	nnU-Net	image	78例儿童髓母细胞瘤患者（52男，26女），年龄2-18岁，来自三个不同机构
70	2025-06-18	Deep Learning Segmentation of Infiltrative and Enhancing Cellular Tumor at Pre- and Posttreatment Multishell Diffusion MRI of Glioblastoma 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230489 PMID:39166970	research paper	开发并验证了一种深度学习方法，用于在胶质母细胞瘤患者的治疗前后MRI扫描中检测和分割增强和非增强细胞肿瘤，并预测总体生存期（OS）和无进展生存期（PFS）	使用nnU-Net深度学习模型结合多模态MRI数据（包括灌注和多壳扩散成像）来分割细胞肿瘤，并预测患者的生存期	研究为回顾性研究，可能存在选择偏差，且外部验证数据集的样本量不均	开发一种能够准确分割胶质母细胞瘤细胞肿瘤并预测患者生存期的深度学习方法	胶质母细胞瘤患者的治疗前后MRI扫描	digital pathology	glioblastoma	multishell diffusion MRI, perfusion imaging	nnU-Net	MRI scans	内部数据集包括243个MRI扫描（1297名患者），外部测试集包括55、70、610和419个MRI扫描
71	2025-06-18	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	本研究开发了一种基于深度学习的无监督域适应方法，通过统一生成模型改进多站点双参数MRI数据集中的前列腺癌检测性能	提出了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值获取的DWI图像转换为符合PI-RADS指南推荐的风格，显著提高了前列腺癌检测的准确性	研究为回顾性研究，且仅针对双参数MRI数据	提高多站点双参数MRI数据集中前列腺癌检测的准确性	前列腺癌病变检测	数字病理	前列腺癌	双参数MRI，扩散加权成像(DWI)，表观扩散系数(ADC)	统一生成模型	MRI图像	5150名患者(14191个样本)用于训练，1692个测试病例(2393个样本)用于评估
72	2025-06-18	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	开发一种使用监督对比学习（SCL）的人工智能模型，以减少胸部X光诊断中的偏见	采用监督对比学习（SCL）方法，通过精心选择的正负样本生成公平的图像嵌入，以减少诊断偏见	研究为回顾性研究，可能受到数据收集时间和范围的限制	减少胸部X光诊断中的偏见，提高深度学习方法在诊断中的公平性和可靠性	胸部X光图像	计算机辅助诊断（CAD）	COVID-19及其他胸部异常（如肺不张、心脏肥大、肺炎等）	监督对比学习（SCL）	CNN	图像	MIDRC数据集包含27,796名患者的77,887张胸部X光图像，ChestX-ray14数据集包含30,805名患者的112,120张胸部X光图像
73	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
74	2025-06-16	Ultra-fast and accurate force spectrum prediction and inverse design of light-driven microstructure by deep learning 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.537005 PMID:40514837	研究论文	利用深度学习预测和逆向设计光驱动微结构的光谱力和结构配置	使用深度神经网络（DNNs）替代传统计算方法，实现超快速且高精度的力谱预测和微结构逆向设计	研究仅针对由5×5方阵组成的微结构，未涉及更复杂或不同排列的结构	获得在不同频率光照射下能产生预定义力的微结构配置	由5×5方阵组成的微结构，每个位置为空或由介电球体占据	机器学习	NA	Mie散射-麦克斯韦应力张量方法	DNNs, 生成网络	模拟数据	NA
75	2025-06-16	Hyper-NLOS: hyperspectral passive non-line-of-sight imaging 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.532699 PMID:40514854	research paper	提出了一种基于高光谱融合的非视距成像技术HFN-Net，通过利用多光谱的高维特征和空间-光谱注意力机制，提升了图像的颜色保真度和结构细节	首次将高光谱特征和空间-光谱注意力机制引入非视距成像，解决了传统方法因稀疏和同质投影特征导致的图像重建不适定问题	未明确提及具体局限性，但可能受限于高光谱数据的获取和处理复杂度	提升被动非视距成像技术的性能，解决传统方法在图像重建中的不足	非视距成像技术及其在自动驾驶和搜救等领域的应用	computer vision	NA	hyperspectral imaging, deep learning	HFN-Net (hyperspectral full-color auto-encoder with spatial-spectral attention)	hyperspectral image	未明确提及具体样本数量，但开发了HS-NLOS数据集用于训练和评估
76	2025-06-16	Deep learning optimization for small object classification in lensfree holographic microscopy 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.527353 PMID:40514873	研究论文	本文探讨了在无透镜全息显微镜中应用浅层卷积神经网络进行小物体分类的性能优化	首次系统地研究了不同网络层和超参数对无透镜全息显微镜中小物体分类性能的影响，并发现激活层的选择对提高准确性最为关键	网络准确率约为83%，仍有提升空间，且研究仅针对特定类型的全息传感器	优化无透镜全息显微镜中的小物体分类性能	生物分子功能化的微米和纳米珠子	计算机视觉	NA	无透镜全息显微镜	CNN	图像	NA
77	2025-06-16	Intelligent classification of water bodies with different turbidity levels based on Gaofen-1 multispectral imagery 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.533540 PMID:40514862	研究论文	本文提出并验证了一种基于深度学习的智能浊度分类方法，用于高分辨率多光谱遥感影像中不同浊度水体的分类	提出自适应阈值水体提取方法以减少近岸水体提取误差，引入半自动语义标注方法降低人工标注成本，并采用模式滤波处理边缘噪声问题	NA	开发高效的大规模遥感水体浊度监测方法	不同浊度等级的水体	遥感图像处理	NA	深度学习	DeepLab V3+	多光谱遥感影像	NA
78	2025-06-16	Image segmentation of phase-modulated holographic data storage based on deep learning 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.536783 PMID:40514868	研究论文	本文提出了一种基于深度学习的相位调制全息数据存储图像分割方法	通过基于图像特征的分割方法，显著减少了训练深度学习网络所需的原始样本对数量，降低了约54倍	未提及具体实验验证的样本规模或实际应用中的性能表现	提高相位调制全息数据存储的解码效率和准确性	相位调制全息数据存储中的衍射强度图像	计算机视觉	NA	深度学习	DL	图像	未明确提及具体样本数量
79	2025-06-16	Deep learning based measurement accuracy improvement of high dynamic range objects in fringe projection profilometry 2024-Sep-23, Optics express IF:3.2Q2 DOI:10.1364/OE.538247 PMID:40514923	research paper	本文提出了一种基于深度学习的方法，用于提高条纹投影轮廓术中高动态范围物体的测量精度	使用改进的UNet深度神经网络建立“多对一”映射关系，并采用π移位二进制条纹以获取更多饱和条纹信息，从而快速准确地解调高动态范围物体的相位	未明确提及具体局限性	解决高动态范围物体在条纹投影轮廓术中的相位解调问题，提高三维测量精度	高动态范围物体	computer vision	NA	条纹投影轮廓术(FPP)	改进的UNet	图像	NA
80	2025-06-11	A Review of Artificial Intelligence in Brachytherapy 2024-Sep-25, ArXiv PMID:39398213	review	本文综述了人工智能（AI）在近距离放射治疗中的应用，重点关注机器学习和深度学习技术	系统性地将AI在近距离放射治疗中的应用分为七大类，并详细总结了模型、数据规模和结果	未提及具体的技术实施难点或临床转化中的具体障碍	探讨AI如何使近距离放射治疗更加个性化、高效和有效	近距离放射治疗的临床工作流程	digital pathology	NA	machine learning, deep learning	NA	NA	NA