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
41	2026-04-11	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	本研究提出了一种基于潜在扩散模型的MRI引导超分辨率方法，用于增强淀粉样蛋白PET图像的量化精度	采用潜在扩散模型进行分辨率恢复，并结合加权L1、L2和MS-SSIM损失在噪声和图像尺度上增强MRI引导重建	未明确提及具体局限性	解决PET扫描中部分容积效应导致的淀粉样蛋白沉积量化不准确问题	阿尔茨海默病患者的淀粉样蛋白PET图像	医学影像分析	阿尔茨海默病	PET成像，MRI引导	潜在扩散模型	PET图像，MRI图像	NA	NA	潜在扩散模型	量化准确性，示踪剂间变异性，纵向变化检测统计功效	NA
42	2026-04-10	Automated Segmentation of MRI White Matter Hyperintensities in 8421 Patients with Acute Ischemic Stroke 2024-12-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8418 PMID:39013565	研究论文	本研究开发并验证了用于急性缺血性卒中患者白质高信号（WMH）自动分割的深度学习算法，使用了来自9个中心的8421名患者的多中心数据集	首次在大规模多中心数据集（8421名患者）上开发和验证了用于急性缺血性卒中患者WMH自动分割的深度学习算法，并引入了基于Kullback-Leibler散度的不确定性指数来识别分割不准确的病例	研究未明确说明算法在不同亚组患者（如不同年龄、性别或卒中严重程度）中的性能差异，也未讨论算法在临床实践中的实时应用可行性	开发并验证能够准确分割急性缺血性卒中患者白质高信号（WMH）的深度学习算法	8421名急性缺血性卒中患者的FLAIR MRI图像	数字病理学	心血管疾病	FLAIR MRI	CNN	图像	8421名患者（2408张用于训练，6013张用于验证）	NA	UNet, SE-UNet	Dice相似系数（DSC）, 相关系数, 一致性相关系数	NA
43	2026-04-10	Ligand Identification in CryoEM and X-ray Maps Using Deep Learning 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.610022 PMID:39257821	研究论文	本文提出了一种基于深度学习的配体识别方法，适用于X射线衍射和冷冻电镜密度图	首次将深度学习应用于冷冻电镜密度图的配体识别，并将密度图视为3D点云处理	冷冻电镜图的标准化和配体质量评估存在挑战	开发一种自动识别小分子配体的方法，以辅助结构导向的药物设计	X射线衍射和冷冻电镜密度图中的小分子配体	计算机视觉	NA	X射线衍射，冷冻电镜	深度学习	3D点云	NA	NA	NA	NA	NA
44	2026-04-04	Predicting Therapeutic Response to Hypoglossal Nerve Stimulation Using Deep Learning 2024-12, The Laryngoscope DOI:10.1002/lary.31609 PMID:38934474	研究论文	本研究开发并验证了基于药物诱导睡眠内窥镜图像的机器学习和深度学习模型，用于预测舌下神经刺激器植入的治疗效果	首次利用深度学习模型从药物诱导睡眠内窥镜图像中预测舌下神经刺激器的治疗效果，并发现腭咽部图像具有更高的预测准确性	研究为单中心回顾性分析，样本量有限（127名患者），缺乏多中心验证，可能影响模型的泛化能力	开发能够预测舌下神经刺激器治疗效果的图像分析模型，以优化患者选择	接受药物诱导睡眠内窥镜检查并随后植入舌下神经刺激器的患者	计算机视觉	睡眠呼吸障碍	药物诱导睡眠内窥镜	深度学习, 机器学习	图像	127名患者的25,040张图像（其中16,515张来自响应者，8,262张来自非响应者）	NA	VGG-16	准确率, 精确率, 召回率, F1分数	NA
45	2026-04-02	Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110566 PMID:39362606	研究论文	本研究开发了基于学习的预测模型，用于预测非小细胞肺癌患者放疗后心房颤动的发生率，整合了患者特异性临床、剂量学和诊断信息	通过整合多源患者特异性信息，采用混合深度学习架构处理不同类型输入特征，并在内部和外部验证中表现一致	样本量有限，心房颤动事件数量较少（内部17例，外部6例），可能影响模型泛化能力	预测非小细胞肺癌患者放化疗后心房颤动的发生率	非小细胞肺癌患者	机器学习	肺癌	放疗剂量学	机器学习模型, 深度学习模型	临床数据, 剂量学数据, 诊断数据	内部数据集321例（含17例心房颤动），外部数据集187例（含6例心房颤动）	NA	混合深度学习架构	AUC	NA
46	2026-04-02	Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110567 PMID:39374675	研究论文	本文开发并评估了一个基于丹麦乳腺癌协作组共识的深度学习自动分割模型，用于乳腺癌放疗中淋巴结水平的自动分割	首次基于全国多机构共识数据集训练深度学习模型，用于乳腺癌放疗中淋巴结临床靶区的自动分割，并在全国范围内进行临床实施评估	模型中CTVn胸肌间淋巴结的Dice相似系数中位数低于0.7，且存在两个例外情况未达到专家组间观察者变异水平	开发并验证一个多机构深度学习自动分割模型，用于高风险乳腺癌患者淋巴结临床靶区的自动分割，以实现全国临床实施	高风险乳腺癌患者的淋巴结临床靶区	数字病理学	乳腺癌	深度学习	深度学习模型	医学图像	由丹麦所有放疗中心的21名乳腺癌勾画专家创建的金标准数据集和高质量训练数据集	NA	NA	Dice相似系数	NA
47	2026-04-02	Enhancing quantitative imaging to study DNA damage response: A guide to automated liquid handling and imaging 2024-12, DNA repair IF:3.0Q2 DOI:10.1016/j.dnarep.2024.103769 PMID:39395383	研究论文	本文提出了一种自动化免疫荧光染色与定量高内涵成像的工作流程，用于研究DNA损伤信号响应	开发了一种结合自动液体处理系统和定量高内涵成像的自动化工作流程，提高了实验效率和可重复性	NA	提升生命科学实验室的高内涵定量成像能力，通过自动化技术研究DNA损伤响应	DNA损伤信号响应	数字病理学	NA	免疫荧光染色，高内涵成像	深度学习	图像	NA	NA	NA	NA	高效计算资源
48	2026-04-01	Deep learning for contour quality assurance for RTOG 0933: In-silico evaluation 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110519 PMID:39222847	研究论文	本研究验证了基于CT的深度学习海马分割模型在单机构数据集上的训练效果，并探索其在多机构轮廓质量保证中的应用	利用单机构训练的深度学习模型进行多机构临床试验的轮廓质量保证，展示了模型在跨机构数据上的泛化能力	模型在单机构数据上训练，可能对多机构数据的适应性有限；假阴性率较高，特别是在轮廓QA任务中	验证深度学习模型在海马分割中的性能，并评估其在多机构轮廓质量保证中的实用性	海马分割轮廓	数字病理学	NA	深度学习	CNN	CT图像, MRI图像	单机构队列的脑部MRI数据集和RTOG 0933数据集	NA	NA	Dice系数, Haussdorf距离, AUC, 特异性, 敏感性, 假阴性率	NA
49	2026-04-01	Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want? 2024-12, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2024.110545 PMID:39326521	研究论文	本研究通过结构化访谈收集了临床医生对深度学习分割中不确定性可视化选项的偏好，以优化放射治疗计划中的分割评估流程	首次在多机构临床环境中系统评估了不同层次（结构、切片或体素）和类型（二进制或连续值）的不确定性可视化方法，并探讨了剂量信息整合的潜在价值	样本量较小（16名临床医生），且仅针对已使用深度学习分割的机构，结果可能无法推广到所有临床环境	探索如何通过不确定性可视化减轻临床医生评估和校正深度学习分割的负担，优化放射治疗计划流程	放射肿瘤学家和放射治疗师	数字病理学	NA	深度学习分割	NA	医学图像（如CT、MRI）	16名临床医生（来自四个机构）	NA	NA	总体评分、可用性、所需培训时间、预期时间增益	NA
50	2026-04-01	Evaluating the Cumulative Benefit of Inspiratory CT, Expiratory CT, and Clinical Data for COPD Diagnosis and Staging through Deep Learning 2024-12, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.240005 PMID:39665633	研究论文	本研究通过深度学习评估吸气CT、呼气CT和临床数据对慢性阻塞性肺疾病诊断和分期的累积效益	首次系统量化了单相CT、双相CT及临床数据在CNN模型中对COPD分期的贡献，并证明结合临床数据后单相CT可达到与双相CT相当的诊断准确性	研究为回顾性设计，数据来源于单一队列（COPDGene），可能限制泛化性；未探讨其他影像模态或更复杂的网络架构	评估不同CT相位和临床数据对基于深度学习的COPD分期模型的性能提升效果	COPDGene一期队列中的8893名参与者（平均年龄59.6岁，53.3%为男性）的肺部CT图像和肺功能测量数据	数字病理学	慢性阻塞性肺疾病	CT影像，肺功能测量（FEV1，FEV1%预计值，FEV1/FVC）	CNN	图像，临床数据	8893名参与者的吸气与呼气CT图像及肺功能数据	未明确提及，推测为PyTorch或TensorFlow	未指定具体架构，仅提及CNN	组内相关系数，准确率，GOLD分期准确率，诊断准确率	NA
51	2026-04-01	Accelerated Cardiac MRI with Deep Learning-based Image Reconstruction for Cine Imaging 2024-12, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.230419 PMID:39540821	研究论文	本研究评估了基于深度学习的图像重建在心脏MRI电影序列中对采集时间、体积结果和图像质量的影响	首次系统比较了不同心跳周期（1RR、3RR、6RR）的深度学习重建电影序列与标准序列在心脏MRI中的性能，确定了三心跳周期为最优折衷方案	研究仅纳入健康志愿者，未涉及心脏病患者；样本量较小（55人）；未评估长期临床影响	评估深度学习重建在加速心脏MRI电影成像中的应用效果	55名健康志愿者的左心室短轴电影序列	医学影像分析	心血管疾病	心脏MRI电影成像	深度学习	医学影像	55名健康志愿者	NA	NA	采集时间、主观图像质量、边缘锐度、左心室射血分数	NA
52	2026-03-28	Risk-Specific Training Cohorts to Address Class Imbalance in Surgical Risk Prediction 2024-Dec-01, JAMA surgery IF:15.7Q1 DOI:10.1001/jamasurg.2024.4299 PMID:39382865	研究论文	本研究评估了在手术风险预测中，针对不同风险等级（高风险、中风险、低风险）的队列分别训练深度学习模型，以解决类别不平衡问题对预测性能的影响	提出了一种基于先验知识（手术特定风险类别）构建风险特异性训练队列的方法，以改善类别不平衡问题，特别是在低发生率并发症（如院内死亡率）的预测上	研究为横断面研究，可能无法捕捉时间动态；结果基于单一医疗系统的数据，外部有效性有待验证；风险分类的阈值定义基于经验性三分位数，可能具有主观性	评估在手术风险预测模型中，使用风险特异性训练队列对预测性能的影响，以解决类别不平衡问题	109,445例在佛罗里达大学健康系统两家医院进行的住院手术操作	机器学习	手术并发症	深度学习	深度学习模型	临床数据（手术代码、并发症发生率等）	109,445例住院手术操作	NA	NA	AUROC, AUPRC, F1分数, 准确率	NA
53	2026-03-25	Multiclass arrhythmia classification using multimodal smartwatch photoplethysmography signals collected in real-life settings 2024-Dec-13, Research square DOI:10.21203/rs.3.rs-5463126/v1 PMID:39711547	研究论文	本研究提出了一种使用多模态智能手表光电容积脉搏波信号在真实生活环境中进行多类心律失常分类的方法	使用真实生活环境中收集的多模态数据（包括PPG、加速度计和心率数据），并采用计算高效的1D双向门控循环单元模型，在独立数据集上实现了对PAC/PVC的高灵敏度检测，同时保持了AF检测的高准确率	研究依赖于特定临床试验收集的数据集，样本量相对有限（106名受试者），且模型在更广泛人群和设备上的泛化能力仍需进一步验证	开发一种能够在真实生活环境中准确检测多种心律失常（特别是房颤和房性/室性早搏）的智能手表监测系统	智能手表收集的光电容积脉搏波信号及其相关多模态数据	机器学习	心血管疾病	光电容积脉搏波	深度学习	时间序列数据	106名受试者，收集为期两周的智能手表PPG数据	NA	1D双向门控循环单元	灵敏度, 准确率, 宏平均受试者工作特征曲线下面积	NA
54	2026-03-25	Modernizing histopathological analysis: a fully automated workflow for the digital image analysis of the intestinal microcolony survival assay 2024-Dec-12, bioRxiv : the preprint server for biology DOI:10.1101/2024.12.09.627578 PMID:39713436	研究论文	本文开发了一个全自动工作流程，用于数字图像分析肠道微菌落存活实验，以量化辐射引起的胃肠道损伤	实现了微菌落存活实验中空肠隐窝计数的全自动化，消除了主观观察者间变异和人为错误	未明确说明自动化工作流程在不同实验室或设备间的泛化能力	自动化组织病理学分析，提高微菌落存活实验的效率和准确性	小鼠空肠组织切片图像	数字病理学	辐射损伤	组织病理学成像	深度学习语义图像分割	图像	60只小鼠的540张图像	NA	NA	平均绝对百分比偏差	NA
55	2026-03-25	EM-COGLOAD: An investigation into age and cognitive load detection using eye tracking and deep learning 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.03.014 PMID:38638116	研究论文	本文介绍了一个公开可用的眼动数据集EM-COGLOAD，并利用深度学习技术对健康成年人在不同认知负荷下的眼动轨迹进行分类，以探索年龄和认知负荷检测的可行性	提出了一个新的公开眼动数据集EM-COGLOAD，并首次将卷积神经网络应用于眼动时间序列分类，以区分不同认知负荷和年龄组	研究仅涉及75名健康成年人，未包括阿尔茨海默病患者，且样本量相对较小	探索眼动行为作为非侵入性生物标志物，用于检测认知负荷和年龄相关变化，以辅助阿尔茨海默病的早期诊断	75名健康成年人的眼动数据	机器学习	阿尔茨海默病	眼动追踪	CNN	时间序列	75名健康成年人	NA	卷积神经网络	准确率	NA
56	2026-03-20	Contrastive Clustering-Based Patient Normalization to Improve Automated In Vivo Oral Cancer Diagnosis from Multispectral Autofluorescence Lifetime Images 2024-Dec-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16234120 PMID:39682305	研究论文	本文提出了一种基于对比聚类的患者归一化方法，用于改进基于多光谱自体荧光寿命图像的口腔癌自动诊断	提出了一种无需在测试时与患者自身参考样本直接比较的对比预训练方法，以实现患者归一化，并利用多任务框架有效利用小数据集	方法针对特定成像模态设计，虽然开发过程可推广，但直接应用于其他非传统成像模态需调整	提高基于多光谱自体荧光寿命图像的口腔癌自动诊断模型的性能，克服小数据集下的过拟合和患者间变异问题	口腔组织多光谱自体荧光寿命图像	数字病理	口腔癌	多光谱自体荧光寿命成像	深度学习模型	图像	67名患者	NA	对比预训练编码器	灵敏度, 特异性	NA
57	2026-03-20	EXACT-Net: Framework for EHR-Guided Lung Tumor Auto-Segmentation for Non-Small Cell Lung Cancer Radiotherapy 2024-Dec-06, Cancers IF:4.5Q1 DOI:10.3390/cancers16234097 PMID:39682283	研究论文	本研究提出了一种名为EXACT-Net的多模态AI框架，利用电子健康记录（EHR）引导进行非小细胞肺癌（NSCLC）放疗中的肺部肿瘤自动分割，旨在提高分割准确性并减少假阳性	通过结合预训练大型语言模型（LLM）提取的EHR信息与CT图像数据，构建多模态AI框架，有效去除假阳性结节，提升肿瘤分割性能	研究仅基于10名NSCLC患者的数据进行训练和验证，样本规模较小，可能影响模型的泛化能力	开发一种EHR引导的肺部肿瘤自动分割方法，以加速NSCLC放疗流程，提高治疗效率	非小细胞肺癌（NSCLC）患者的CT图像及对应的电子健康记录（EHR）	数字病理学	肺癌	CT扫描，大型语言模型（LLM）信息提取	深度学习模型，大型语言模型（LLM）	图像（CT），文本（EHR）	10名NSCLC患者	NA	EXACT-Net	结节检测成功率	NA
58	2026-03-20	MRI-based Deep Learning Models for Preoperative Breast Volume and Density Assessment Assisting Breast Reconstruction 2024-12, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04074-2 PMID:38806828	研究论文	本研究开发了三种基于MRI的自动分割算法，用于术前乳腺体积和密度评估，以辅助乳房重建手术	开发并比较了三种自动乳腺分割算法（简单配准模型、动态编程模型和深度学习模型），用于自动化、高重复性的乳腺区域分割和体积测量	研究样本量相对有限（249名受试者），且仅基于单一机构的MRI数据	开发人工智能模型，实现乳腺的自动分割和体积测量，以优化乳房重建手术并辅助临床决策	接受乳房重建手术的249名患者的术前乳腺MRI图像	数字病理学	乳腺癌	MRI	深度学习模型	图像	249名接受乳房重建手术的受试者	NA	NA	均方误差（MSE），组内相关系数（ICC）	NA
59	2026-03-19	Evaluating the Impact of BoNT-A Injections on Facial Expressions: A Deep Learning Analysis 2024-12-12, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjae204 PMID:39365026	研究论文	本研究利用深度学习技术客观评估了A型肉毒毒素注射对面部表情的影响	首次结合临床图像和标准数据集，采用基于CNN的面部情绪识别系统量化评估BoNT-A注射对面部表情的客观影响	研究样本量有限，仅包含180名患者，且仅评估了注射后14天的短期效果，缺乏长期随访数据	客观测量A型肉毒毒素注射对面部表情的影响	接受上脸部A型肉毒毒素注射的180名年龄在25至60岁之间的患者	计算机视觉	NA	面部情绪识别	CNN	图像	180名患者，共1440张照片	NA	NA	准确率	NA
60	2026-03-16	Evaluating chemical effects on human neural cells through calcium imaging and deep learning 2024-Dec-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2024.111298 PMID:39634567	研究论文	本研究利用深度学习模型分析人类诱导多能干细胞来源的神经祖细胞在暴露于不同浓度化学物质后的钙离子动态变化，以评估化学物质对人类神经细胞的影响	结合钙成像技术与深度学习平台，开发了一种可靠且简洁的定量分类方法，用于预测化学暴露对人类神经细胞的潜在危害	仅测试了四种代表性化学物质，样本范围有限，且未涵盖所有可能的神经毒性机制	开发一种高效的方法，用于化学物质对人类神经功能影响的初步筛选	人类诱导多能干细胞来源的神经祖细胞	机器学习	NA	钙成像	深度学习模型	钙离子动态变化数据	暴露于四种代表性化学物质不同浓度的人类神经祖细胞样本	NA	NA	NA	NA