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	2025-03-25	Deep learning radiomics on grayscale ultrasound images assists in diagnosing benign and malignant of BI-RADS 4 lesions 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83347-x PMID:39733121	研究论文	本研究探索了一种基于灰度超声图像的深度学习放射组学（DLR）模型，用于辅助放射科医生区分乳腺良性病变（BBL）和恶性病变（MBL）	提出了一个名为CLDLR的模型，结合临床参数和DLR，通过灰度超声图像诊断乳腺病变，并通过AI评分和热图提升放射科医生的诊断性能	研究样本量相对较小（382例患者），且未提及模型在其他数据集上的泛化能力	开发一种非侵入性影像生物标志物，用于预测BI-RADS 4类乳腺病变的良恶性	乳腺病变患者（183例良性，199例恶性）	数字病理	乳腺癌	深度学习放射组学（DLR）	CLDLR（结合临床参数和DLR的模型）	灰度超声图像	382例患者（183例良性，199例恶性）	NA	NA	NA	NA
182	2025-03-25	Development and Validation of a Biparametric MRI Deep Learning Radiomics Model with Clinical Characteristics for Predicting Perineural Invasion in Patients with Prostate Cancer 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.013 PMID:39043515	研究论文	开发并验证了一种结合双参数MRI深度学习和临床特征的模型，用于预测前列腺癌患者的神经周围侵犯	整合了临床特征、放射组学和深度学习特征，构建了一个综合预测模型DLRC	研究样本量有限，且仅基于术前MRI和根治性前列腺切除术的数据	非侵入性预测前列腺癌患者的神经周围侵犯(PNI)	557名接受术前MRI和根治性前列腺切除术的前列腺癌患者	数字病理学	前列腺癌	双参数MRI	深度学习放射组学模型(DLRC)	MRI图像和临床数据	557名患者，按7:3比例分为训练集和验证集	NA	NA	NA	NA
183	2025-03-25	Gated SPECT-Derived Myocardial Strain Estimated From Deep-Learning Image Translation Validated From N-13 Ammonia PET 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.047 PMID:39095261	研究论文	本研究探讨了使用深度学习生成的虚拟PET样门控SPECT（SPECTVP）评估心肌应变的可行性，以克服传统SPECT的限制	利用深度学习技术将SPECT图像转换为PET样图像（SPECTVP），提高了心肌应变测量的准确性	研究样本量较小（18名患者在应激状态，23名患者在静息状态），且仅选择了射血分数无变化的患者进行训练	提高心肌应变测量的准确性，探索SPECTVP在临床中的应用价值	心肌应变	数字病理学	心血管疾病	深度学习图像转换	深度学习模型	医学图像（SPECT和PET）	18名患者在应激状态（720对图像），23名患者在静息状态（920对图像）	NA	NA	NA	NA
184	2025-03-25	Preoperative Contrast-Enhanced CT-Based Deep Learning Radiomics Model for Distinguishing Retroperitoneal Lipomas and Well‑Differentiated Liposarcomas 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.035 PMID:39003228	research paper	评估基于术前增强CT的深度学习放射组学列线图在区分腹膜后高分化脂肪肉瘤和脂肪瘤中的效能	结合放射组学和深度学习特征开发的新型列线图模型，用于术前预测MDM2基因扩增，以区分两种疾病	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限	开发术前影像学生物标志物以区分腹膜后高分化脂肪肉瘤和脂肪瘤	167例MDM2阳性高分化脂肪肉瘤或MDM2阴性脂肪瘤患者	digital pathology	liposarcoma	contrast-enhanced CT (CECT)	deep learning radiomics nomogram (DLRN)	medical imaging	167例患者（训练集104例/外部测试集63例）	NA	NA	NA	NA
185	2025-03-25	Predicting the Prognosis of HIFU Ablation of Uterine Fibroids Using a Deep Learning-Based 3D Super-Resolution DWI Radiomics Model: A Multicenter Study 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.027 PMID:38969576	研究论文	评估基于深度学习的3D超分辨率扩散加权成像放射组学模型在预测高强度聚焦超声消融子宫肌瘤预后中的可行性和有效性	使用深度学习构建超分辨率DWI，并在预测HIFU消融子宫肌瘤预后方面优于高分辨率DWI模型和放射科专家评估	回顾性研究设计，样本量相对有限（360例患者）	预测高强度聚焦超声（HIFU）消融子宫肌瘤的预后	子宫肌瘤患者	数字病理	子宫肌瘤	扩散加权成像（DWI），深度学习	SVM, RF, LightGBM	3D医学影像	360例患者（240例训练集，60例内部测试集，60例外部测试集）	NA	NA	NA	NA
186	2025-03-25	DeepSAP: A Novel Brain Image-Based Deep Learning Model for Predicting Stroke-Associated Pneumonia From Spontaneous Intracerebral Hemorrhage 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.025 PMID:38955592	research paper	开发了一种基于脑部CT扫描的深度学习模型DeepSAP，用于预测自发性脑出血后的卒中相关性肺炎	首次结合脑部CT图像和临床数据，通过MRI模板进行图像配准消除样本间结构差异，实现了脑出血的统计量化和空间标准化	研究为回顾性研究，样本量相对较小(n=244)，需要进一步前瞻性验证	开发快速可靠的模型及时预测卒中相关性肺炎(SAP)	244例自发性脑出血(ICH)患者	digital pathology	cardiovascular disease	CT扫描，MRI-template-based图像配准技术	deep-learning neural network	image (脑部CT扫描)和临床数据	244例ICH患者(训练集170例，测试集74例)	NA	NA	NA	NA
187	2025-03-25	Prospective Deployment of Deep Learning Reconstruction Facilitates Highly Accelerated Upper Abdominal MRI 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.044 PMID:38955591	研究论文	比较传统T1容积插值屏气检查（VIBE）与深度学习（DL）重建加速VIBE序列在上腹部MRI中的图像质量和诊断信心	使用深度学习重建技术将VIBE-SPAIR的屏气时间减少50%，同时提高图像质量	研究样本量较小（45例患者），且仅在单一三级中心进行	评估深度学习重建加速VIBE序列在上腹部MRI中的性能	上腹部MRI检查的患者	医学影像	上腹部疾病	深度学习重建技术	DL	MRI图像	45例患者	NA	NA	NA	NA
188	2025-03-25	Super-resolution Deep Learning Reconstruction for 3D Brain MR Imaging: Improvement of Cranial Nerve Depiction and Interobserver Agreement in Evaluations of Neurovascular Conflict 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.06.010 PMID:38897913	research paper	该研究探讨了超分辨率深度学习重建（SR-DLR）在3D脑部MR成像中对颅神经描绘和神经血管冲突评估的改进效果	首次比较了SR-DLR与DLR在3D FASE脑部MR图像中对颅神经描绘和神经血管冲突评估的影响	研究样本量较小（37例患者），且SR-DLR显示出更高的主观图像噪声	评估SR-DLR在3D脑部MR成像中对颅神经描绘和神经血管冲突评估的改进效果	37例患者的3D FASE脑部MR图像	digital pathology	神经血管疾病	3D fast asymmetric spin echo (3D FASE)脑部MR成像	深度学习重建（DLR）和超分辨率深度学习重建（SR-DLR）	3D MR图像	37例患者	NA	NA	NA	NA
189	2025-03-25	Predicting Lymphovascular Invasion in Non-small Cell Lung Cancer Using Deep Convolutional Neural Networks on Preoperative Chest CT 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.010 PMID:38845293	研究论文	本研究利用术前胸部CT图像和深度学习技术，构建了一个非小细胞肺癌淋巴血管侵犯的无创预测诊断模型	结合2D和3D CT成像特征以及临床放射学数据，开发了四种不同的深度卷积神经网络预测模型，用于预测非小细胞肺癌的淋巴血管侵犯	研究为回顾性观察研究，样本中LVI阳性患者较少（106例），可能影响模型的泛化能力	开发非小细胞肺癌淋巴血管侵犯的无创预测方法	非小细胞肺癌患者	数字病理学	肺癌	CT成像	DCNN（包括Dual-head Res2Net_3D23F、Dual-head Res2Net_3D3F、Dual-head Res2Net_3D和EfficientNet-B0_2D）	图像	3034例非小细胞肺癌患者（其中106例LVI阳性）	NA	NA	NA	NA
190	2025-03-25	Value of CT-Based Deep Learning Model in Differentiating Benign and Malignant Solid Pulmonary Nodules ≤ 8 mm 2024-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.05.021 PMID:38806374	研究论文	本研究探讨了基于CT的深度学习模型在区分≤8mm的良性和恶性实性肺结节中的有效性	使用MDANet构建的深度学习模型，结合结节和不同周围区域特征，优于传统算法	样本量有限（n=719），且所有患者均接受了手术切除，可能影响模型的泛化能力	评估基于CT的深度学习模型在区分小实性肺结节良恶性方面的性能	≤8mm的实性肺结节	数字病理学	肺癌	CT扫描	MDANet, VGG19, ResNet50, ResNeXt50, DenseNet121	医学影像	719例患者（内部训练、内部验证和外部验证队列）	NA	NA	NA	NA
191	2025-10-07	Conceptual understanding and cognitive patterns construction for physical education teaching based on deep learning algorithms 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-83028-9 PMID:39732971	研究论文	本研究提出基于深度学习算法的体育教学概念理解与认知模式构建方法	结合关联图卷积神经网络和超图卷积神经认知诊断模型，挖掘学生长期学习序列数据	NA	提高学生对体育教学概念的理解，帮助教师分析学生认知模式	体育教学中的学生认知状态	机器学习	NA	深度学习算法	CNN, 图卷积神经网络	图像, 学习序列数据	90000个训练样本	NA	关联图卷积神经网络, 超图卷积神经认知诊断模型	准确率	NA
192	2025-10-07	Explainable artificial intelligence for stroke prediction through comparison of deep learning and machine learning models 2024-12-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-82931-5 PMID:39733046	研究论文	本研究通过比较深度学习和机器学习模型在脑卒中预测中的表现，探索可解释人工智能在早期中风检测中的应用	首次系统比较八种主流机器学习和深度学习模型在中风预测中的性能，并结合SHAP方法提供模型可解释性	研究样本量相对有限（663条记录），仅来自伊朗德黑兰单一医疗中心的数据	比较深度学习和机器学习模型在中风预测中的效能，探索早期检测方法	来自伊朗Hazrat Rasool Akram医院的住院患者，包括401名健康个体和262名中风患者	机器学习	脑卒中	NA	SVM, XGB, KNN, RF, DNN, FNN, LSTM, CNN	医疗记录数据	663条患者记录（401健康，262中风）	NA	DNN, FNN, LSTM, CNN	准确率, 特异性, 敏感性, F1分数, ROC曲线	NA
193	2025-03-22	On-board synthetic 4D MRI generation from 4D CBCT for radiotherapy of abdominal tumors: A feasibility study 2024-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.17347 PMID:39137256	研究论文	本研究评估了基于人工智能方法从4D CBCT生成合成4D MRI的可行性，用于腹部肿瘤的放射治疗	提出了一种基于深度学习的合成4D MRI生成方法，利用4D CBCT图像和运动建模信息，为传统kV-based LINAC的腹部放射治疗提供潜在的改进方案	合成MRI的生成可能面临纹理生成的挑战，且容易产生幻觉，影响运动准确性	评估在传统放射治疗设备上生成合成4D MRI的可行性，以改善腹部肿瘤的治疗定位	腹部肿瘤	医学影像处理	腹部肿瘤	深度学习，卷积神经网络（CNN）	CNN	4D CBCT图像，4D MRI图像	1000个参考CT的变形样本	NA	NA	NA	NA
194	2025-03-22	Prediction of Perceived Exertion Ratings in National Level Soccer Players Using Wearable Sensor Data and Machine Learning Techniques 2024-12, Journal of sports science & medicine DOI:10.52082/jssm.2024.744 PMID:39649569	研究论文	本研究旨在通过可穿戴传感器数据和机器学习技术预测国家级足球运动员的主观感知运动强度评分（RPE）	使用深度学习架构和多种机器学习算法预测RPE，并评估不同模型的效果和泛化能力	研究仅针对26名男性职业足球运动员，样本量相对较小	评估机器学习模型在预测国家级足球运动员RPE方面的效果	26名男性职业足球运动员	机器学习	NA	机器学习算法和深度学习架构	深度学习模型、树基机器学习模型（如ExtraTree）	传感器数据（心率、GPS、加速度计数据）和RPE评分	5402次训练会话和732次比赛观察，涉及26名运动员	NA	NA	NA	NA
195	2025-10-07	Machine Learning-Based Prediction Model for ICU Mortality After Continuous Renal Replacement Therapy Initiation in Children 2024-Dec-01, Critical care explorations DOI:10.1097/CCE.0000000000001188 PMID:39688905	研究论文	开发基于机器学习的预测模型，用于预测儿童和年轻成人接受连续肾脏替代治疗后ICU死亡率	首次开发用于预测儿童和年轻成人CRRT患者ICU和医院存活率的机器学习模型	样本量有限，输入变量需要扩展，特征选择方法需要优化	预测接受连续肾脏替代治疗的儿童和年轻患者的ICU和医院存活率	25岁以下因急性肾损伤和/或容量超负荷接受CRRT的儿童和年轻成人患者	机器学习	肾脏疾病	连续肾脏替代疗法	逻辑回归,决策树,随机森林,梯度提升机,支持向量机	临床数据	933名患者（80%训练集，20%测试集）	NA	NA	AUROC, AUPRC	NA
196	2025-03-20	Enhancing Amyloid PET Quantification: MRI-Guided Super-Resolution Using Latent Diffusion Models 2024-Dec-01, Life (Basel, Switzerland) DOI:10.3390/life14121580 PMID:39768288	研究论文	本文提出了一种基于潜在扩散模型（LDM-RR）的新方法，用于提高淀粉样蛋白PET成像的分辨率，以解决部分容积效应（PVE）问题	使用潜在扩散模型进行分辨率恢复，结合MRI引导的重建，显著提高了PET定量准确性，并减少了不同示踪剂之间的变异性	NA	提高淀粉样蛋白PET成像的定量准确性，以更好地检测和监测阿尔茨海默病的进展	淀粉样蛋白PET成像	数字病理学	阿尔茨海默病	潜在扩散模型（LDM-RR）	潜在扩散模型	PET成像数据	NA	NA	NA	NA	NA
197	2025-10-07	TPepRet: a deep learning model for characterizing T-cell receptors-antigen binding patterns 2024-Dec-26, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf022 PMID:39880376	研究论文	开发了一个名为TPepRet的深度学习模型，用于表征T细胞受体与抗原肽的结合模式	整合了子序列挖掘与语义集成能力，结合双向门控循环单元网络和大型语言模型框架，能够准确解读TCR与肽段的语义结合关系	NA	准确表征T细胞受体与抗原肽的结合模式，推进癌症免疫治疗、疫苗设计和自身免疫疾病管理	T细胞受体与抗原肽的结合相互作用	自然语言处理	癌症免疫治疗	深度学习	BiGRU, 大型语言模型	序列数据	NA	NA	双向门控循环单元网络	NA	NA
198	2025-10-07	Grand canonical Monte Carlo and deep learning assisted enhanced sampling to characterize the distribution of Mg2+ and influence of the Drude polarizable force field on the stability of folded states of the twister ribozyme 2024-Dec-14, The Journal of chemical physics IF:3.1Q1 DOI:10.1063/5.0241246 PMID:39665326	研究论文	本研究结合巨正则蒙特卡洛方法和深度学习增强采样技术，探究镁离子分布和Drude极化力场对twister核酶折叠态稳定性的影响	首次将振荡化学势巨正则蒙特卡洛与机器学习反应坐标确定方法相结合，系统研究电子极化性对RNA稳定性的影响机制	研究主要基于分子动力学模拟，仍需实验验证；模拟时间尺度仍与实际实验存在差距	探究镁离子分布和电子极化性在Drude极化力场中对twister核酶稳定性的作用机制	twister核酶及其与镁离子的相互作用	计算生物学	NA	分子动力学模拟, 巨正则蒙特卡洛, 元动力学模拟	机器学习	分子模拟数据	NA	NA	NA	稳定性分析, 偶极矩变化	NA
199	2025-10-07	Fine-Tuned Deep Transfer Learning Models for Large Screenings of Safer Drugs Targeting Class A GPCRs 2024-Dec-10, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.07.627102 PMID:39713468	研究论文	开发基于深度迁移学习的模型用于筛选靶向A类GPCRs的安全药物	结合迁移学习和自然语言处理技术，针对单个A类GPCRs分别构建低效能激动剂和偏向性激动剂预测模型	高质量数据可用性有限	预测具有低内在效能或配体偏向性的安全化合物以推进药物开发	A类G蛋白偶联受体及其配体	自然语言处理	NA	深度迁移学习	神经网络	受体序列、配体数据集	所有A类GPCRs的受体序列和配体数据集	NA	NA	NA	NA
200	2025-10-07	Deep learning prediction of error and skill in robotic prostatectomy suturing 2024-Dec, Surgical endoscopy DOI:10.1007/s00464-024-11341-5 PMID:39433583	研究论文	本研究利用深度学习技术从机器人前列腺切除术缝合视频中自动预测手术技能和错误	首个在真实机器人手术视频中应用详细错误检测方法和深度学习模型的研究	预测准确率有待提升，技能评估的Spearman相关系数仅为0.36-0.37	验证手术技能评级和错误标注，为AI模型开发提供基准评估	机器人辅助根治性前列腺切除术(RARP)缝合手势	计算机视觉	前列腺癌	视频分析	深度学习	手术视频	54个RARP视频(总时长266分钟)	NA	NA	Spearman相关系数, 平均绝对误差, 准确率, 精确率, AUC, Macro-F1	NA