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	2026-05-05	Fully Automated Hippocampus Segmentation using T2-informed Deep Convolutional Neural Networks 2024-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120767 PMID:39103064	研究论文	提出一种全自动海马体分割流程，利用T2加权MRI图像和深度卷积神经网络，提升基于临床T1加权图像的海马体分割性能	利用高分辨率T2加权图像创建更精确的标注真值，并训练分割网络，从而提升T1加权图像的分割准确性	T2加权序列在临床常规中不可行，且多对比度数据集的获取需要额外时间和资源	开发一种基于深度学习的方法，利用T2加权图像增强对临床T1加权图像中海马体的自动化分割，以准确估计阿尔茨海默病中的海马体萎缩	多对比度数据集中的成对T1加权和高分辨率T2加权MRI图像	计算机视觉	阿尔茨海默病	MRI成像	卷积神经网络（CNN）	图像	NA	NA	3D 卷积神经网络	视觉比较和多种定量测量指标	NA
82	2026-05-05	RS2-Net: An end-to-end deep learning framework for rodent skull stripping in multi-center brain MRI 2024-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120769 PMID:39122056	研究论文	提出RS2-Net端到端深度学习框架，用于多中心脑部MRI中啮齿动物的颅骨剥离	开发基于Swin-UNETR的轻量级框架，无需预处理即可自动适应多种MRI图像分辨率，降低人工标注依赖	未明确提及论文局限性	自动化啮齿动物MRI颅骨剥离流程，减少预处理步骤和工作量	小鼠和大鼠的脑部MRI扫描图像	计算机视觉	NA	MRI	Swin-UNETR	图像	来自89个中心的1037只啮齿动物共1142张图像	PyTorch	Swin-UNETR	Dice系数	NA
83	2026-05-05	A comprehensive overview of diffuse correlation spectroscopy: Theoretical framework, recent advances in hardware, analysis, and applications 2024-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120793 PMID:39153520	综述	全面介绍扩散相关光谱学的理论框架、硬件、分析方法和应用的最新进展	整合了连续波、频域和时域三种主要硬件架构，并探讨了硅单光子雪崩二极管传感器及深度学习在数据分析中的新应用	未提及具体实验验证或定量比较，主要提供概述性指导	为扩散相关光谱学领域的新研究者提供全面的知识基础和实践指南	扩散相关光谱学硬件架构、传感器（如SPAD）、激光器、相关器及数据分析工具	机器学习	NA	扩散相关光谱学	深度学习	NA	NA	NA	NA	NA	NA
84	2026-04-30	Evaluation of a deep learning-enabled automated computational heart modelling workflow for personalized assessment of ventricular arrhythmias 2024-09, The Journal of physiology DOI:10.1113/JP284125 PMID:37060278	研究论文	评估基于深度学习的自动化计算心脏建模工作流在个性化评估室性心律失常中的可行性	开发了一种无需专家手动交互的自动化深度学习工作流，用于重建个性化电生理心脏模型，并在多中心数据中验证其与专家模型在预测室性心动过速方面的一致性	训练数据集较小（111例患者），可能影响深度学习模型的泛化能力	评估自动化深度学习工作流在重建个性化计算心脏模型以指导室性心动过速治疗中的可行性	111例患者的对比增强CT图像及专家心室肌分割结果	计算机视觉, 数字病理	心血管疾病	CT成像, 深度学习分割	卷积神经网络	图像	111例患者的CT图像，来自三个机构五个队列	PyTorch	CNN	分割一致性，VT诱导性，VT数量相关性，VT电路共定位	NA
85	2026-04-29	Early identification of patients at risk for iron-deficiency anemia using deep learning techniques 2024-09-03, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqae031 PMID:38642073	研究论文	利用深度学习技术早期识别缺铁性贫血风险患者	基于纵向门诊实验室数据开发神经网络模型，在传统诊断前3-6个月预测缺铁性贫血风险	NA	开发预测模型以缩短缺铁性贫血的诊断时间	门诊患者的实验室检测数据	机器学习	缺铁性贫血	NA	人工神经网络、长短期记忆网络、门控循环单元	结构化实验室数据	30603名患者的回顾性电子健康记录数据	NA	门控循环单元	准确率、受试者工作特征曲线下面积、敏感性、特异性	NA
86	2026-04-27	Deep learning-based computer-aided diagnosis system for the automatic detection and classification of lateral cervical lymph nodes on original ultrasound images of papillary thyroid carcinoma: a prospective diagnostic study 2024-09, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03808-1 PMID:38570388	研究论文	开发一种基于深度学习的计算机辅助诊断系统，用于在甲状腺乳头状癌患者原始超声图像上自动检测和分类侧颈淋巴结	首次开发了基于可变形检测变压器的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，在前瞻性数据集中验证其诊断效能优于不同年资的超声医师	未在摘要中明确说明研究局限性	开发并验证一种基于深度学习的计算机辅助诊断系统，用于自动检测和分类侧颈淋巴结，辅助超声医师诊断	甲状腺乳头状癌患者侧颈淋巴结超声图像	计算机视觉	甲状腺癌	超声成像	可变形检测变压器（Deformable DETR）	图像	回顾性数据集包括1675例患者的1801张图像，前瞻性测试集包括160例患者的185张图像	NA	可变形检测变压器（Deformable DETR）	平均精度均值（mAP）、准确率、曲线下面积（AUC）	NA
87	2026-04-24	CD4+ T cells exhibit distinct transcriptional phenotypes in the lymph nodes and blood following mRNA vaccination in humans 2024-Sep, Nature immunology IF:27.7Q1 DOI:10.1038/s41590-024-01888-9 PMID:39164479	研究论文	利用单细胞转录组学分析了BNT162b2 mRNA疫苗接种后人类淋巴结和血液中SARS-CoV-2刺突蛋白特异性CD4+ T细胞的转录表型	首次系统描绘了mRNA疫苗接种后3个月和6个月人类引流淋巴结和血液中刺突蛋白特异性CD4+ T细胞的转录图谱，并利用深度学习反向表位映射方法Trex预测抗原特异性	NA	探究mRNA疫苗接种后人类CD4+ T细胞在淋巴结和血液中的转录表型差异及其随时间的变化	SARS-CoV-2刺突蛋白特异性CD4+ T细胞	机器学习	NA	单细胞转录组学	深度学习	单细胞转录组数据	1277个刺突蛋白特异性CD4+ T细胞，其中238个由Trex预测	NA	Trex	NA	NA
88	2024-09-11	The emergence of deep learning as the current state of art for classification and risk assessment of ventricular arrhythmias 2024-09, The Journal of physiology DOI:10.1113/JP287420 PMID:39252427	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
89	2026-04-10	Integrating Clinical Data and Radiomics and Deep Learning Features for End-to-End Delayed Cerebral Ischemia Prediction on Noncontrast CT 2024-09-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8301 PMID:39025637	研究论文	本研究开发了一种基于非增强CT的端到端模型，用于预测动脉瘤性蛛网膜下腔出血后的迟发性脑缺血	提出了一种结合临床数据、影像组学和深度学习特征的两阶段端到端模型，实现了快速准确的出血区域分割和优越的迟发性脑缺血预测性能	研究为回顾性设计，样本量相对有限（400例患者），且仅基于单中心数据，可能影响模型的泛化能力	开发自动化模型以早期预测动脉瘤性蛛网膜下腔出血后的迟发性脑缺血	400例动脉瘤性蛛网膜下腔出血患者（其中156例伴有迟发性脑缺血）	数字病理学	心血管疾病	非增强CT	深度学习, 机器学习	图像	400例患者	NA	ATT-Deeplabv3+, 逻辑回归, 朴素贝叶斯, AdaBoost, 多层感知机	Dice相似系数, AUC, 校准曲线	NA
90	2026-04-10	MR Cranial Bone Imaging: Evaluation of Both Motion-Corrected and Automated Deep Learning Pseudo-CT Estimated MR Images 2024-09-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8335 PMID:38991771	研究论文	本研究评估了基于运动校正和深度学习生成的伪CT图像在儿科颅骨成像中的临床应用潜力	结合自动运动校正与深度学习技术从MR图像生成伪CT图像，为无辐射的骨成像提供新方法	样本量较小（共72例患者），且仅针对儿科患者，未涉及成人群体	评估运动校正伪CT图像在临床颅骨成像中的诊断准确性	儿科患者（年龄小于18岁）的颅骨，包括创伤评估和颅缝通畅性检查	医学影像分析	儿科颅骨疾病	MR成像（黄金角星形径向容积插值屏气扫描）	深度学习	医学图像（CT和MR图像）	72例患者（12例评估颅缝通畅性，60例评估头部创伤）	NA	NA	特异性, 敏感性	NA
91	2026-04-10	Assessing the Emergence and Evolution of Artificial Intelligence and Machine Learning Research in Neuroradiology 2024-09-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8252 PMID:38521092	研究论文	本文通过文献计量分析评估了神经放射学领域人工智能与机器学习研究的出现与演变趋势	首次对《美国神经放射学杂志》中AI/ML相关研究进行系统性文献计量分析，并提出了基于临床整合程度的文章分类框架（类型1-3）	仅分析单一期刊可能无法代表整个神经放射学领域的研究全貌，且分类标准具有一定主观性	表征神经放射学领域AI/ML研究的出现与演变规律，分析该领域的趋势、挑战与未来方向	1980年至2022年间《美国神经放射学杂志》发表的AI/ML相关原创研究文章	神经放射学	NA	文献计量分析	NA	文献数据	182篇文章（类型1:53篇，类型2:90篇，类型3:39篇）	NA	NA	NA	NA
92	2026-04-10	Enhancing Missense Variant Pathogenicity Prediction with MissenseNet: Integrating Structural Insights and ShuffleNet-Based Deep Learning Techniques 2024-09-02, Biomolecules IF:4.8Q1 DOI:10.3390/biom14091105 PMID:39334871	研究论文	本文介绍了一种名为MissenseNet的新型深度学习模型，用于增强错义变异致病性预测，通过整合AlphaFold2的结构洞察和ShuffleNet架构，显著提升了分类性能	该研究创新性地将AlphaFold2预测的蛋白质结构信息整合到错义变异致病性预测中，并采用基于ShuffleNet的编码器-解码器框架与Squeeze-and-Excitation模块，以自适应调整通道权重并增强特征融合与交互	NA	提高错义变异致病性预测的准确性，以支持疾病诊断和个性化治疗策略	错义变异	机器学习	NA	深度学习	CNN	结构数据	NA	NA	ShuffleNet	准确率, ROC曲线下面积, 精确率-召回率曲线下面积	NA
93	2026-04-05	Comprehensive Characterization of Tissue Mineralization in an Ex Vivo Model 2024-09-27, Journal of visualized experiments : JoVE DOI:10.3791/67235 PMID:39400183	研究论文	本文提出了一种利用大型动物骨外植体进行新骨形成全面评估的工作流程	结合了多种分析模态（如micro-CT、深度学习、纳米压痕、组织学、SEM和拉曼光谱）来全面表征矿化组织	研究基于离体外植体模型，可能无法完全模拟体内环境	评估骨再生背景下的组织矿化质量与结构	羊股骨头外植体中的新骨形成	数字病理学	NA	micro-CT, 纳米压痕, 组织学染色（HES, Goldner's trichrome, Movat's pentachrome）, 背散射扫描电子显微镜（SEM）, 拉曼光谱	深度学习	3D图像, 组织学图像, 光谱数据	羊股骨头外植体（具体数量未明确说明）	NA	NA	NA	NA
94	2026-04-04	Artificial Intelligence Outcome Prediction in Neonates with Encephalopathy (AI-OPiNE) 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240076 PMID:38984984	研究论文	本研究开发了一种深度学习算法，利用新生儿脑部MRI和基本临床数据，预测缺氧缺血性脑病患儿2年后的神经发育结局	首次将多序列MRI（T1加权、T2加权、扩散张量成像）与基本临床变量结合，通过深度学习模型预测新生儿缺氧缺血性脑病的长期神经发育结局，并在分布内和分布外测试集上进行了验证	研究为回顾性分析，样本量相对有限（414例），且仅来自17个机构，模型性能（AUC 0.74-0.77）仍有提升空间，未详细说明模型的具体架构细节	开发预测新生儿缺氧缺血性脑病2年神经发育结局的深度学习算法	足月缺氧缺血性脑病新生儿	数字病理学	新生儿脑病	MRI（T1加权、T2加权、扩散张量成像）	CNN	图像（MRI）、临床数据	414例新生儿（来自17个机构）	NA	NA	AUC, 准确率	NA
95	2026-04-03	Artificial Intelligence in Anterior Chamber Evaluation: A Systematic Review and Meta-Analysis 2024-09-01, Journal of glaucoma IF:2.0Q2 DOI:10.1097/IJG.0000000000002428 PMID:38747721	荟萃分析	本研究通过系统回顾和荟萃分析，评估了深度学习算法在前房光学相干断层扫描图像中诊断房角关闭的准确性，并与房角镜检查进行对比	首次通过荟萃分析综合评估深度学习算法在AS-OCT图像中诊断房角关闭的性能，并证实其具有高敏感性和特异性	纳入的研究数量有限（仅6项），可能存在发表偏倚，且研究间异质性未详细讨论	比较深度学习算法在AS-OCT图像中诊断房角关闭的准确性，以评估其在青光眼筛查中的潜在价值	青光眼患者或疑似房角关闭的患者	医学影像分析	青光眼	前房光学相干断层扫描	深度学习算法	图像	5269名患者	NA	NA	敏感性, 特异性	NA
96	2026-03-28	G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery using multi-omics data 2024-Sep-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.09.10.612292 PMID:39314346	研究论文	介绍G2PDeep-v2，一个基于深度学习的网络平台，用于从多组学数据中预测表型和发现生物标志物	提供了一个交互式界面，允许用户创建深度学习模型，并利用高性能计算资源自动进行超参数调优，支持跨多种生物体的多组学数据分析	未提及具体性能限制或数据规模限制	开发一个网络平台，用于表型预测和生物标志物发现，以揭示复杂疾病和其他生物过程的分子机制	人类、植物、动物和病毒的多组学数据	机器学习	NA	多组学数据分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源
97	2026-03-18	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2024-Sep-03, ArXiv PMID:39279836	研究论文	本研究提出了一种病变感知的图神经网络（LEGNet），用于预测中风后失语症患者的语言能力，通过整合功能连接、病变编码和子图学习模块	LEGNet模型创新性地结合了基于边缘的学习模块、病变编码模块和子图学习模块，以利用功能相似性进行预测，并在合成数据和真实数据上验证了其优越性能	研究使用了内部神经影像数据集，且第二个数据集的采集协议略有不同，可能影响泛化能力的全面评估	预测中风后失语症患者的语言能力，以改进中风后失语症的评估方法	中风后失语症患者	自然语言处理	中风后失语症	静息态功能磁共振成像（rs-fMRI）	图神经网络（GNN）	神经影像数据	内部神经影像数据集，具体样本数量未在摘要中明确说明	NA	LEGNet	NA	NA
98	2026-03-18	Learning co-plane attention across MRI sequences for diagnosing twelve types of knee abnormalities 2024-09-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51888-4 PMID:39223149	研究论文	本文提出了一种融合多序列MRI共平面注意力的深度学习模型，用于自动诊断12种膝关节异常	引入了跨图像序列的共平面注意力机制，并使用了当前最大、最全面的多序列膝关节MRI异常数据集进行验证	未明确说明模型在外部验证集上的泛化性能，也未详细讨论计算复杂度	开发一种能够辅助放射科医生准确诊断多种膝关节异常的自动化深度学习模型	膝关节磁共振成像（MRI）序列	计算机视觉	膝关节异常	多序列磁共振成像（MRI）	深度学习模型（具体架构未明确，但包含注意力机制）	图像（MRI序列）	1748名受试者，涵盖12种异常类型	NA	NA（提及包含共平面注意力机制）	受试者工作特征曲线下面积（AUC），准确率	NA
99	2026-03-18	Validation of an AI-Powered Automated X-ray Bone Age Analyzer in Chinese Children and Adolescents: A Comparison with the Tanner-Whitehouse 3 Method 2024-09, Advances in therapy IF:3.4Q2 DOI:10.1007/s12325-024-02944-4 PMID:39085749	研究论文	本研究验证了一款基于深度学习的AI骨龄分析仪在中国儿童和青少年中的临床适用性，并与Tanner-Whitehouse 3方法进行了性能比较	首次在中国多中心大规模验证商业AI骨龄分析仪的临床性能，并直接与医生评估者进行对比，展示了AI在骨龄评估中的准确性和效率优势	研究仅针对中国儿童和青少年群体，未涉及其他种族或成人群体，且仅比较了TW3方法	验证AI驱动的自动化骨龄评估系统在临床实践中的准确性和适用性	中国儿童和青少年的X射线影像	医学影像分析	儿童生长发育评估	X射线成像	深度学习模型	X射线影像	来自中国30个中心的900名儿童和青少年	NA	NA	平均绝对误差, 绝对误差小于1年的患者百分比	NA
100	2026-03-10	Enhanced Electroacoustic Tomography with Supervised Learning for Real-time Electroporation Monitoring 2024-Sep, Precision radiation oncology DOI:10.1002/pro6.1242 PMID:40336975	研究论文	本研究提出了一种基于监督学习的增强电声层析成像方法，用于实时监测基于纳秒脉冲电场的电穿孔治疗	首次利用监督学习解决电声层析成像中因超声换能器有限视角导致的图像失真问题，通过定制旋转平台获取配对的全视角和单视角信号进行模型训练	研究仅基于56个实验数据集，样本量相对较小，且未在临床环境中验证	提高电声层析成像的图像质量，以实时监测纳秒脉冲电场电穿孔治疗的能量沉积	纳秒脉冲电场产生的电声信号	医学影像处理	NA	电声层析成像，纳秒脉冲电场	深度学习模型	电声信号，图像	56个不同的电声数据集（46个用于训练，10个用于测试）	NA	NA	均方根误差，峰值信噪比，结构相似性指数	NA