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
1	2025-11-20	Applications of Deep Learning Techniques in Healthcare Systems: A Review 2024-Nov, Journal of clinical practice and research DOI:10.14744/cpr.2024.25381 PMID:41257169	综述	本文综述了深度学习技术在医疗保健系统中的应用	系统梳理了深度学习在医疗图像分析、药物研发和远程患者监测三大领域的应用现状	未涉及具体实验验证和性能比较分析	探讨深度学习技术在医疗保健领域的应用前景	医疗保健系统中的深度学习应用研究	机器学习	NA	深度学习	CNN, SAE, RNN	图像, 时间序列数据	NA	NA	卷积神经网络, 堆叠自编码器, 循环神经网络	NA	NA
2	2025-11-17	Super-resolution multi-contrast unbiased eye atlases with deep probabilistic refinement 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064004 PMID:39554509	研究论文	提出一种结合超分辨率预处理和深度概率模型的方法，用于创建高分辨率无偏眼部图谱	将深度学习超分辨率算法与无监督深度概率方法相结合，生成更广泛的变形场以增强器官边界对齐	需要足够数量的受试者样本才能有效优化模板	解决在高度变异人群中生成标准化眼部参考图谱的挑战	眼部器官（眼眶和视神经）的形态学特征	医学影像分析	眼科疾病	磁共振成像（MRI）	深度学习, 概率模型	多对比度磁共振图像	NA	NA	NA	Dice系数, Wilcoxon符号秩检验	NA
3	2025-11-16	Machine Learning to Predict Potential Energy Surface of Resveratrol Drug: A Quantum-Level Calculation 2024-Nov-14, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.4c00382 PMID:39563810	研究论文	使用ANI-1x神经网络势能预测白藜芦醇药物的势能面	首次将ANI-1x深度学习技术应用于抗帕金森药物白藜芦醇的量子级势能面预测	仅针对单一分子进行验证，未涉及更复杂的药物分子体系	开发快速准确的药物分子势能面预测方法	白藜芦醇（3,5,4'-三羟基芪）分子	机器学习	帕金森病	密度泛函理论，量子化学计算	神经网络	量子化学计算数据	NA	ANI	ANI-1x	NA	NA
4	2025-11-16	Predictive Modeling and Drug Repurposing for Type-II Diabetes 2024-Nov-14, ACS medicinal chemistry letters IF:3.5Q2 DOI:10.1021/acsmedchemlett.4c00358 PMID:39563823	研究论文	本研究使用机器学习和深度学习模型预测DPP-4抑制剂，并通过药物重定位策略发现潜在糖尿病治疗药物	首次将多任务深度神经网络应用于DPP-4抑制剂预测，并成功从FDA批准药物中识别出具有潜力的重定位候选药物	研究基于计算预测和分子对接，需要后续实验验证	开发预测模型识别DPP-4抑制剂，探索糖尿病药物重定位	DPP-4抑制剂化合物和FDA批准药物	机器学习	糖尿病	分子对接，分子动力学	SVM, RF, NB, MTDNN	化合物结构数据	6,750个化合物和100个FDA批准药物	NA	多任务深度神经网络	准确率, 相关系数	NA
5	2025-11-13	Investigation of scatter energy window width and count levels for deep learning-based attenuation map estimation in cardiac SPECT/CT imaging 2024-Nov-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad8b09 PMID:39447603	研究论文	本研究评估了深度学习在心脏SPECT/CT成像中估计衰减图的性能，重点分析了散射能量窗宽度和计数水平的影响	首次全面分析了不同散射窗作为深度学习输入的影响，并评估了在降低计数水平下深度学习的性能表现	研究仅针对心脏SPECT成像，结果可能不适用于其他类型的SPECT成像	评估深度学习在心脏灌注SPECT成像中生成衰减图的效用，特别是在不同散射窗设置和降低计数水平条件下的表现	心脏SPECT/CT成像中的衰减图估计	医学影像分析	心血管疾病	SPECT/CT成像，深度学习	深度学习模型	SPECT影像数据	1517名受试者（386名测试，1131名训练和验证）	NA	NA	归一化均方误差（NMSE）	NA
6	2025-11-09	Predicting protein interactions of the kinase Lck critical to T cell modulation 2024-11-07, Structure (London, England : 1993) DOI:10.1016/j.str.2024.09.010 PMID:39368461	研究论文	使用深度学习预测激酶Lck与免疫相关蛋白的关键相互作用，揭示T细胞调控新机制	首次系统预测Lck激酶的蛋白质相互作用网络，发现其与棕榈酰转移酶的特异性靶向机制、与CD45磷酸酶的构象激活机制以及与LAG3免疫检查点的抑制机制	预测结果需要实验验证，筛选范围仅限于约1000个免疫相关蛋白	揭示激酶Lck在T细胞信号转导中的蛋白质相互作用网络	激酶Lck及其相互作用的蛋白质（包括棕榈酰转移酶、CD45磷酸酶、LAG3免疫检查点等）	计算生物学	免疫相关疾病	深度学习结构预测	深度学习	蛋白质序列和结构数据	约1000个免疫相关蛋白质	AF2Complex	AlphaFold2架构	结构建模质量评估	NA
7	2025-11-09	Machine-learning based prediction of future outcome using multimodal MRI during early childhood 2024-Nov, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2024.101561 PMID:39528363	综述	本文综述了基于多模态MRI和机器学习方法预测婴幼儿早期神经发育结局的研究进展	整合多模态MRI技术（sMRI、dMRI、fMRI、pMRI）与机器学习方法，探索早期脑发育预测生物标志物	NA	通过多模态MRI和机器学习预测婴幼儿神经发育结局，实现早期异常发育的检测和个性化干预	婴幼儿早期脑发育过程	机器学习	精神神经疾病	多模态MRI（结构MRI、扩散MRI、功能MRI、灌注MRI）	机器学习、深度学习	多模态磁共振图像	NA	NA	NA	NA	NA
8	2025-11-08	Liquid Biopsy-Based Detection and Response Prediction for Depression 2024-11-26, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c08233 PMID:39501510	研究论文	通过基于深度学习的血浆细胞外囊泡光谱分析开发抑郁症检测和治疗反应预测方法	首次将深度学习和拉曼光谱技术结合应用于细胞外囊泡分析，实现抑郁症的客观诊断和抗抑郁药物反应预测	样本来源仅限于血浆细胞外囊泡，需要进一步验证在其他人群和临床环境中的适用性	开发基于液体活检的抑郁症客观诊断和治疗反应预测方法	抑郁症患者、健康个体和恐慌障碍患者的血浆细胞外囊泡	机器学习	抑郁症	拉曼光谱分析，细胞外囊泡分离	深度学习	光谱信号数据	未具体说明样本数量，包括抑郁症患者、健康个体和恐慌障碍患者	NA	NA	AUC	NA
9	2025-11-08	Classification of Multi-Parametric Body MRI Series Using Deep Learning 2024-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3448373 PMID:39178097	研究论文	开发基于深度学习的多参数体部MRI序列分类模型，用于准确识别8种不同的MRI序列类型	首次针对多参数体部MRI序列开发深度学习分类模型，比较多种网络架构性能，并系统评估不同训练数据量和外部数据集的表现	仅针对8种特定MRI序列类型，模型在外部数据集上性能有所下降	解决DICOM头文件信息错误问题，提高放射科医生阅片效率	多参数体部MRI序列	计算机视觉	NA	多参数磁共振成像(mpMRI)	CNN	医学影像	超过729项研究的多机构mpMRI数据，包含DLDS和CPTAC-UCEC外部数据集	NA	ResNet, EfficientNet, DenseNet-121	F1-score, 准确率	NA
10	2025-11-08	Vector field attention for deformable image registration 2024-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.6.064001 PMID:39513093	研究论文	提出一种用于可变形图像配准的向量场注意力框架，通过直接检索特征图中的位置对应关系来提高配准效率	引入无需可学习参数的注意力模块，能够直接从特征图中检索像素级对应关系，改进了现有网络设计	NA	开发更高效的可变形图像配准方法	固定图像和移动图像之间的空间对应关系	医学图像处理	NA	深度学习	注意力机制	医学图像	公共数据集和Learn2Reg挑战赛数据	NA	向量场注意力(VFA)	配准精度	NA
11	2025-11-04	Preventing future zoonosis: SARS-CoV-2 mutations enhance human-animal cross-transmission 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109101 PMID:39243518	研究论文	本研究通过多任务深度学习模型识别SARS-CoV-2病毒中增强人畜交叉传播风险的RBD突变	首次构建多任务深度学习模型MT-TopLap，系统预测病毒RBD突变对多种物种ACE2受体的结合自由能变化	研究基于计算预测，需要实验验证突变对实际传播能力的影响	识别可能增强SARS-CoV-2人畜交叉传播风险的病毒突变	SARS-CoV-2病毒受体结合域(RBD)突变	机器学习	COVID-19	深度突变扫描	多任务深度学习	蛋白质序列数据	多个深度突变扫描数据集	NA	MT-TopLap	结合自由能变化预测准确度	NA
12	2025-11-03	Deep Learning-Based Reconstruction of 3D T1 SPACE Vessel Wall Imaging Provides Improved Image Quality with Reduced Scan Times: A Preliminary Study 2024-Nov-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8382 PMID:38889969	研究论文	本研究评估深度学习优化的3D T1 SPACE血管壁成像序列在缩短扫描时间的同时提升图像质量的效果	首次将深度学习图像重建技术应用于颅内血管壁成像序列优化，在保持图像质量的同时显著缩短扫描时间	样本量较小（10名健康对照和5名患者），需要更大规模研究验证	评估深度学习优化序列在颅内血管壁成像中的性能表现	健康对照者和患者的颅内血管	医学影像分析	脑血管疾病	T1加权3D SPACE序列磁共振成像	深度学习	磁共振图像	10名健康对照和5名患者	NA	NA	Likert评分, 配对样本t检验	NA
13	2025-11-03	A Comparison of CT-Based Pancreatic Segmentation Deep Learning Models 2024-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.015 PMID:38944630	研究论文	比较五种基于CT的胰腺分割深度学习模型在不同扫描和患者特征下的性能表现	首次系统评估五种高性能胰腺分割模型在不同临床特征下的分层性能，并识别影响分割准确性的关键因素	回顾性研究设计，部分患者性别和年龄数据缺失，仅评估了五种特定模型	评估和比较不同深度学习模型在CT胰腺分割任务中的性能表现	胰腺CT图像分割	计算机视觉	胰腺疾病	CT成像	深度学习模型	CT医学图像	352例CT扫描（30例女性，25例男性，297例性别未知；年龄58±7岁，327例年龄未知），训练数据规模从282到8448例扫描不等	NA	U-Net, Swin Transformer, nnUNet	Dice系数, Hausdorff距离, 平均表面距离	NA
14	2025-11-03	Cardiac MR Fingerprinting: Overview, Technical Developments, and Applications 2024-Nov, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29206 PMID:38153855	综述	本文全面概述了心脏磁共振指纹技术(MRF)的发展现状、技术进展及其临床应用	系统总结了心脏MRF这一新兴多参数成像技术的完整技术框架，包括脉冲序列实现、字典生成、快速k空间采样和模式识别方法	证据等级为5级，技术效能处于第一阶段，表明该技术仍处于发展初期	探讨如何通过多参数MRI技术简化心脏磁共振检查流程，提高检查效率和可重复性	心脏磁共振成像技术及其在心血管疾病评估中的应用	医学影像	心血管疾病	磁共振指纹技术(MRF)、多参数MRI、同时多层采样、3D采样、运动校正算法	深度学习	磁共振图像	NA	NA	NA	NA	NA
15	2025-11-03	Tricuspid valve flow measurement using a deep learning framework for automated valve-tracking 2D phase contrast 2024-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30163 PMID:38817154	研究论文	开发了一种基于深度学习的自动瓣膜追踪二维相位对比方法，用于测量动态三尖瓣血流	首次将深度学习网络TVnet应用于自动追踪三尖瓣平面，实现了动态采集平面跟踪瓣膜运动的二维相位对比成像	样本量较小（9名健康受试者和2名患者），需要更大规模研究验证	解决心血管磁共振测量三尖瓣血流速度的临床挑战	三尖瓣血流和舒张功能	医学影像分析	心血管疾病	二维相位对比磁共振成像	深度学习网络	心脏长轴电影图像和相位对比图像	11名受试者（9名健康人，2名患者）	NA	TVnet	偏倚, 标准差, 组内相关系数	NA
16	2025-11-03	A deep learning-based approach for unbiased kinematic analysis in CNS injury 2024-Nov, Experimental neurology IF:4.6Q1 DOI:10.1016/j.expneurol.2024.114944 PMID:39242068	研究论文	开发基于深度学习的无标记运动学分析系统用于中枢神经系统损伤研究	开发了两种基于深度学习的无标记运动学分析范式（MotorBox和MotoRater），消除了研究者偏见和变异性	NA	改进脊髓损伤后功能评估方法，提高临床转化成功率	小鼠运动功能	计算机视觉	脊髓损伤	深度学习	深度学习算法	视频	NA	DeepLabCut	NA	运动指标、步态指标	NA
17	2025-11-03	BOATMAP: Bayesian Optimization Active Targeting for Monomorphic Arrhythmia Pace-mapping 2024-Nov, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109201 PMID:39342676	研究论文	提出一种名为BOATMAP的新型主动学习方法，通过12导联心电图逐步定位心室激活起源	将传统机器学习方法的输入输出关系反转，使用高斯过程作为代理模型，提供可解释的临床指导	仅在仿真环境中测试，尚未在真实临床环境中验证	开发能够精确定位心室激活起源的算法，指导心室心动过速消融治疗	心室激活起源定位	机器学习	心血管疾病	12导联心电图，起搏标测	高斯过程	心电图信号	多种心脏几何形状和组织特性的仿真环境	NA	高斯过程回归	定位精度	NA
18	2025-11-03	Joint self-supervised and supervised contrastive learning for multimodal MRI data: Towards predicting abnormal neurodevelopment 2024-11, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.102993 PMID:39369634	研究论文	提出一种联合自监督和监督对比学习方法，用于从多模态MRI数据中学习鲁棒潜在特征表示，以预测异常神经发育	开发了联合自监督和监督对比学习的新方法，能够将异质多模态特征投影到共享公共空间，融合不同模态间的互补和相似信息	NA	预测异常神经发育	多模态MRI数据（结构、扩散张量、功能磁共振成像）	医学影像分析	神经发育异常	磁共振成像（MRI）	对比学习	多模态医学影像	两个独立数据集	NA	对比学习网络	NA	NA
19	2025-11-03	A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia 2024-Nov, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241272048 PMID:39382109	研究论文	开发基于深度学习的系统通过口腔照片预测口腔白斑的上皮异常增生概率	首次使用深度学习模型通过非侵入性口腔照片预测口腔白斑的上皮异常增生，为临床决策提供支持	研究基于回顾性数据，需要进一步前瞻性验证	开发能够预测口腔白斑上皮异常增生的智能诊断系统	口腔白斑患者的口腔照片图像	医学影像分析	口腔癌前病变	深度学习	CNN	图像	2,073张口腔白斑图像	NA	EfficientNet-B2	Brier分数, AUC, 平衡准确率	NA
20	2025-11-03	A Survey on Hyperlink Prediction 2024-Nov, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2023.3286280 PMID:37363843	综述	本文系统综述了超图中的超链接预测方法，并通过基准研究比较了不同类别方法的性能	首次对超链接预测领域进行系统全面的综述，并采用链接预测的经典分类法将现有方法分为四类	NA	系统梳理和比较超链接预测方法，为相关研究提供参考	超图中的超链接预测方法	机器学习	NA	NA	深度学习	超图数据	NA	NA	NA	NA	NA