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
101	2025-06-26	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中的应用及其对制药行业的变革性影响	探讨了AI如何通过机器学习和深度学习模型优化药物设计过程，提高药物发现的效率和准确性	未具体提及AI在药物设计中应用的具体限制或挑战	研究人工智能在药物设计中的应用及其对制药行业的潜在影响	药物设计过程和制药行业	机器学习	NA	机器学习和深度学习	NA	药物化合物数据	NA
102	2025-06-26	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	research paper	提出了一种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	结合自监督预训练和低秩分解方法，在差分隐私框架下提升了医学图像分类的隐私保护与性能平衡	仅在三组胸部X光数据集上验证，未测试其他医学影像模态	解决医学深度学习模型中的隐私保护问题	胸部X光医学影像数据	digital pathology	lung cancer	differential privacy, self-supervised learning, low-rank adaptation	DP-SSLoRA（基于低秩分解的神经网络）	医学影像（X光片）	三个公开胸部X光数据集（RSNA、Covid-QU-mini、Chest X-ray 15k）
103	2025-06-22	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世界环境中检测和定位脑微出血（CMBs）的性能	该模型不仅能检测CMBs，还能识别其解剖位置，且在真实世界环境中验证了其性能	需要更大规模和更多样化的人群研究以确立其临床实用性	验证3D深度学习模型在检测和定位脑微出血（CMBs）中的性能	脑微出血（CMBs）患者	数字病理学	脑血管疾病	3D深度学习	3D深度学习模型	医学影像	33名患者（21名有CMBs，12名无CMBs），共116个CMBs
104	2025-06-20	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	research paper	本文介绍了Vocal Call Locator Benchmark (VCL)，这是一个用于从多通道音频中定位啮齿动物发声的首个大规模数据集	提出了首个用于生物声学领域的大规模数据集和基准测试，填补了该领域公开模型、数据集和基准测试的空白	现有方法在标准实验室环境中定位动物产生声音的能力有限	理解社会互动中的行为和神经动力学，特别是动物如何处理声学信息	啮齿动物的社会发声	bioacoustics	NA	deep learning methods for SSL	NA	multi-channel audio recordings	767,295 sounds across 9 conditions
105	2025-06-20	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	本文全面分析了机器学习在癌症诊断系统中的应用现状及发展趋势	重点介绍了可解释人工智能（XAI）在癌症诊断中的新兴应用，包括交互式模型决策可视化和特征重要性分析等技术	讨论了数据集限制、模型可解释性、多组学整合和伦理问题等挑战	评估现代机器学习技术在癌症诊断中的应用，并指导研究人员、临床医生和政策制定者开发高效且可解释的基于机器学习的癌症诊断系统	癌症诊断系统	人工智能	癌症	机器学习、深度学习、联邦学习	监督学习、无监督学习、深度学习模型	影像数据、基因组数据、临床记录	NA
106	2025-06-20	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	research paper	该研究通过将交联质谱（MS）实验距离约束整合到AlphaFold-Multimer中，扩展了AlphaLink以应用于蛋白质复合物，从而改善了结构建模性能	将交联质谱数据整合到AlphaFold-Multimer中，显著提高了对具有挑战性目标的建模性能，包括界面识别、采样聚焦和模型选择改进	NA	提高蛋白质复合物结构建模的准确性	蛋白质复合物	machine learning	NA	crosslinking mass spectrometry (MS), deep learning	AlphaFold-Multimer, AlphaLink	protein complex data	NA
107	2025-06-20	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	本文提出了一种可预训练的几何图神经网络GearBind，用于抗体亲和力成熟的计算机模拟研究	利用多关系图构建、多级几何消息传递和大规模未标记蛋白质结构数据的对比预训练，GearBind在抗体亲和力成熟任务中优于现有方法	NA	提高抗体与目标抗原的结合亲和力，用于抗体治疗开发	抗体及其与目标抗原的相互作用	机器学习	NA	几何图神经网络	GearBind（基于GNN的集成模型）	蛋白质结构数据	SKEMPI数据集和独立测试集
108	2025-06-19	Virtual birefringence imaging and histological staining of amyloid deposits in label-free tissue using autofluorescence microscopy and deep learning 2024-09-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52263-z PMID:39266547	研究论文	本文提出了一种利用自发荧光显微镜和深度学习技术，对无标记组织中的淀粉样沉积物进行虚拟双折射成像和组织学染色的方法	使用单一神经网络将无标记组织的自发荧光图像转换为亮场和偏振显微镜图像，匹配其组织化学染色版本	研究主要针对心脏组织，未涉及其他器官或组织类型	开发一种无需化学染色的淀粉样沉积物可视化方法，以克服传统刚果红染色的局限性	人体组织中的淀粉样沉积物	数字病理学	淀粉样变性	自发荧光显微镜和深度学习	神经网络	图像	未明确提及具体样本数量，仅提到心脏组织
109	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
110	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
111	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）
112	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）
113	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
114	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
115	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
116	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
117	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
118	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
119	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
120	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