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	2026-02-03	Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection 2025-Feb, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2024.101231 PMID:39521273	研究论文	本文探讨了基于深度学习分割的脑部CT骨去除算法在提高硬膜下血肿检测中的应用	开发了一种深度学习分割算法用于脑部非对比CT的骨去除，并证明其能显著提高放射科实习生的硬膜下血肿检测能力	研究样本量有限，仅使用了137例NCCTH，且主要评估对象为初级放射科实习生，未涵盖更广泛的经验水平	提高硬膜下血肿在脑部非对比CT中的检测准确性和效率	脑部非对比CT图像中的硬膜下血肿	数字病理学	脑部疾病	CT成像	深度学习分割算法	图像	137例NCCTH（100例用于训练，15例内部测试，22例外部测试）	NA	NA	Dice系数	NA
82	2026-02-03	Spatial Architecture of Single-Cell and Vasculature in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer 2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100652 PMID:39522644	研究论文	本研究利用成像质谱流式技术分析三阴性乳腺癌肿瘤微环境的单细胞空间结构，并开发深度学习模型预测患者治疗反应	首次在单细胞分辨率上系统量化三阴性乳腺癌肿瘤微环境的异质性，识别出10种可复现的细胞邻域，并发现B细胞、成纤维细胞与肿瘤细胞的相对空间共定位与良好临床结局显著相关	样本量相对有限（71例），深度学习模型的预测性能（平均AUC=0.71）仍有提升空间，且结论需在更大独立队列中验证	揭示三阴性乳腺癌肿瘤微环境的空间结构与临床结局的关联，并开发基于基线肿瘤微环境特征的疗效预测模型	三阴性乳腺癌患者的肿瘤组织样本	数字病理学	乳腺癌	成像质谱流式技术	深度学习模型	图像	71例三阴性乳腺癌患者标本	NA	NA	受试者工作特征曲线下面积	NA
83	2026-02-03	Multi-task magnetic resonance imaging reconstruction using meta-learning 2025-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110278 PMID:39580007	研究论文	提出一种基于元学习的多任务学习方法，用于同时重建不同成像序列采集的MRI图像	首次将元学习（学习如何学习）框架引入多任务MRI重建，并开发了跨图像域和k空间域的近端梯度下降优化方法	未明确说明方法在临床环境中的实时性能或计算效率	提高多序列MRI图像重建的泛化性和性能	多对比度磁共振成像数据	医学影像重建	NA	磁共振成像（MRI）	深度学习	k空间数据，图像数据	NA	NA	NA	像素级误差，定性性能	NA
84	2026-02-03	Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17536 PMID:39589333	研究论文	本文提出了一种肿瘤感知的循环配准（TRACER）深度学习方法，用于肺癌患者间CT扫描的可变形图像配准，以支持基于体素的分析	开发了结合3D卷积长短期记忆网络（3D-CLSTM）的肿瘤感知循环配准方法，通过输入条件化（包括肿瘤分割）和双向肿瘤刚性、图像相似性及变形平滑度损失进行无监督优化	研究主要针对肺癌患者，未涉及其他癌症类型；样本量相对有限（训练集204对，测试集最多765对）	开发一种适用于基于体素分析的、能保持肿瘤拓扑结构的患者间可变形图像配准方法	肺癌患者的3D计算机断层扫描（CT）图像	计算机视觉	肺癌	CT扫描	深度学习	3D图像	训练集：204对3D CT图像；测试集：数据集I（308对）、数据集II（765对）、数据集III（42名患者）	NA	3D卷积长短期记忆网络（3D-CLSTM）	肿瘤体积差异百分比、CT强度均方误差、计划放疗肿瘤剂量差异	NA
85	2026-02-03	Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17546 PMID:39589390	研究论文	本研究提出了一种基于自监督预训练的CSwin UNet模型，用于双参数MRI中临床显著前列腺癌的检测	引入了新颖的端到端交叉窗口（CSwin）变换器UNet模型，并结合多任务自监督学习框架以利用未标记数据提升网络泛化能力	NA	增强前列腺癌在双参数MRI中的检测性能	临床显著前列腺癌（csPCa）	计算机视觉	前列腺癌	双参数磁共振成像（bpMRI）	Transformer	图像	PI-CAI数据集（1476名患者）和Prostate158数据集（158名患者）	NA	CSwin UNet	AUC, Average Precision	NA
86	2026-02-03	A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103385 PMID:39612808	综述	本文全面概述了基于深度学习的医学图像配准领域的最新进展，包括网络架构、损失函数、不确定性估计及评估指标	系统总结了深度学习在医学图像配准中的创新技术，如新型网络架构、配准专用损失函数和不确定性估计方法	NA	回顾和总结深度学习在医学图像配准领域的技术发展、应用及未来方向	医学图像配准技术及其在医学成像中的应用	计算机视觉	NA	深度学习	CNN, U-Net	医学图像	NA	NA	U-Net	NA	NA
87	2026-02-03	Quantification of coronary artery calcification in systemic sclerosis using visual ordinal and deep learning scoring: Association with systemic sclerosis clinical features 2025-02, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152598 PMID:39613484	研究论文	本研究探讨系统性硬化症（SSc）临床特征与冠状动脉钙化（CAC）程度及进展之间的关联，并比较了视觉序数评分和深度学习评分方法	首次结合视觉序数评分和深度学习（DeepCAC）方法量化SSc患者的冠状动脉钙化，并分析其与临床特征的关联	单中心回顾性研究，样本量有限（主要目标86例，次要目标171例），可能存在选择偏倚	研究系统性硬化症临床特征与冠状动脉钙化程度及进展的关联	系统性硬化症患者	数字病理学	系统性硬化症	CT影像分析，深度学习	深度学习模型	医学影像（CT扫描）	主要目标86例SSc患者，次要目标171例SSc患者	NA	DeepCAC	回归系数，95%置信区间，p值	NA
88	2026-02-03	Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109436 PMID:39637462	研究论文	本研究开发了一种基于深度学习的端到端工作流程，用于利用术前基本结构多参数磁共振图像预测胶质母细胞瘤患者的总体生存期	提出了一种结合颅骨剥离、肿瘤亚区分割和对比学习集成预测的端到端自动化工作流程，仅使用术前基本结构多参数MRI进行生存预测	机构临床试验数据集样本量较小（19例），且多参数MRI协议存在较大差异可能影响模型泛化能力	开发自动化早期生存预测系统以辅助胶质母细胞瘤患者的及时治疗决策	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多参数磁共振成像	深度学习模型	磁共振图像	多机构公开数据集235例患者，机构临床试验数据集19例患者	NA	集成学习模型，对比学习模型	AUC，Dice系数	NA
89	2026-02-03	ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103054 PMID:39689443	研究论文	提出了一种名为ItpCtrl-AI的端到端可解释且可控的AI框架，通过模拟放射科医生的决策过程来诊断胸部X光片中的发现	开发了一个能模拟放射科医生眼动模式以生成注意力热图的端到端框架，使模型决策过程可解释且允许用户通过方向输入进行控制	未在摘要中明确说明	解决高级深度学习模型在医学诊断中缺乏可解释性的问题，提高计算机辅助诊断系统的透明度和可控性	胸部X光片中的医学发现	计算机视觉	NA	深度学习	NA	图像, 眼动数据	未在摘要中明确说明	NA	NA	准确性	未在摘要中明确说明
90	2026-02-03	TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103056 PMID:39705769	研究论文	本文提出了一种基于Transformer的深度学习框架TransformerLSR，用于联合建模纵向数据、生存数据和复发事件	将深度时间点过程整合到联合建模框架中，并引入新的轨迹表示和模型架构以纳入已知潜在结构	未明确提及具体局限性	联合建模纵向测量、复发事件和生存数据，以解决生物医学研究中的依赖性问题	肾移植术后患者	机器学习	肾移植相关疾病	深度学习	Transformer	纵向数据，生存数据，复发事件数据	NA	NA	Transformer	NA	NA
91	2026-02-03	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文提出了一种基于一致性的预测不确定性指数，用于改进低剂量CT肺癌筛查的风险评估	提出了一种结合亚组分析和个性化AI时间-事件模型的新型预测不确定性指数，通过衡量两者预测一致性来评估偏差-方差权衡，提高了预测的透明度和可靠性	研究依赖于回顾性数据，且模型可能受到删失数据偏差的影响	改进肺癌筛查的风险评估特异性	低剂量CT筛查中的肺癌患者	数字病理学	肺癌	低剂量CT，放射组学特征提取	神经网络多任务逻辑回归时间-事件模型	CT图像，患者人口统计学数据	3,326名在2015年1月1日至2020年6月30日期间接受低剂量CT筛查并在一年内经病理证实为肺癌的患者	MONAI	预训练的深度学习模型	AUC，假阳性率，假阴性率	NA
92	2026-02-03	Deep learning model for automatic detection of different types of microaneurysms in diabetic retinopathy 2025-Feb, Eye (London, England) DOI:10.1038/s41433-024-03585-1 PMID:39789187	研究论文	本研究开发了一种基于深度学习的软件，用于在非增殖性糖尿病视网膜病变患者的结构光学相干断层扫描图像中自动检测和区分低反射和高反射微动脉瘤	首次在结构OCT图像上使用深度学习模型（特别是DETR）自动检测和分类不同类型的微动脉瘤（低反射与高反射）	自动化方法与手动标注之间的差异主要源于自动化方法错误选择了正常视网膜血管，且YOLO模型性能较差	开发能够自动检测和区分糖尿病视网膜病变中不同类型微动脉瘤的深度学习软件，以辅助临床早期检测和监测	非增殖性糖尿病视网膜病变患者的结构OCT图像及其中的微动脉瘤	计算机视觉	糖尿病视网膜病变	结构光学相干断层扫描	YOLO, DETR	图像	249名患者（498只眼睛）	NA	YOLO, DETR	AUC	NA
93	2026-02-03	AI-based methods for biomolecular structure modeling for Cryo-EM 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102989 PMID:39864242	综述	本文综述了人工智能（特别是深度学习）在冷冻电镜数据处理关键步骤（如大分子结构建模和异质性分析）中的应用	总结了当前最先进的AI技术在冷冻电镜数据处理中的创新应用，特别是深度学习对结构建模和异质性分析性能的提升	NA	探讨AI方法在冷冻电镜生物分子结构建模领域的应用与进展	冷冻电镜数据处理中的大分子结构建模和异质性分析	结构生物学	NA	冷冻电镜	深度学习	图像	NA	NA	NA	NA	NA
94	2026-02-03	Binary Classification of Laryngeal Images Utilising ResNet-50 CNN Architecture 2025-Feb, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India DOI:10.1007/s12070-024-05202-9 PMID:40070749	研究论文	本研究提出了一种利用ResNet-50 CNN架构对喉部内窥镜图像进行二分类（癌变与非癌变）的新方法，以辅助喉癌的早期检测	在印度喉癌高发且缺乏先进NBI设备和专业知识的背景下，首次将ResNet-50 CNN架构应用于喉部内窥镜图像的二分类任务，并针对数据稀缺问题将九类形态学分类简化为癌变/非癌变二分类	原始研究计划对九种形态学类别进行分类，但因各类别数据不足而简化为二分类；研究仅使用单一医疗中心的数据，可能影响模型泛化能力	开发基于深度学习的喉癌早期检测与分类系统	喉部内窥镜图像中的癌变与非癌变病变区域	计算机视觉	喉癌	内窥镜成像，图像处理技术	CNN	图像	来自960名患者的1978张内窥镜图像（其中测试集197张，含43张癌变图像和154张非癌变图像）	NA	ResNet-50	ROC曲线下面积（AUC），准确率	NA
95	2026-01-25	Rewiring protein sequence and structure generative models to enhance protein stability prediction 2025-Feb-18, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.13.638154 PMID:40027759	研究论文	本文提出了一种名为SPURS的新型深度学习框架，通过整合蛋白质语言模型和逆折叠模型，以增强蛋白质稳定性预测	提出了一种轻量级神经网络模块，将ProteinMPNN学习的结构表示重新连接到ESM的注意力层，从而整合序列和结构数据中的进化模式	未明确说明模型在特定蛋白质家族或极端条件下的泛化能力限制	提高蛋白质热稳定性变化的预测准确性，以理解人类疾病并设计用于临床和工业应用的蛋白质	蛋白质氨基酸替换对热稳定性的影响	机器学习	NA	深度学习	神经网络, 蛋白质语言模型, 逆折叠模型	序列数据, 结构数据	基于最新发布的大规模热稳定性数据集进行监督训练	PyTorch	ESM, ProteinMPNN	准确性, 速度, 可扩展性, 泛化能力	NA
96	2026-01-24	AggNet: Advancing protein aggregation analysis through deep learning and protein language model 2025-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70031 PMID:39840791	研究论文	本研究提出了一种名为AggNet的新型深度学习框架，用于预测蛋白质聚集，结合蛋白质语言模型ESM2和AlphaFold2，以区分淀粉样和非淀粉样肽并识别聚集倾向区域	AggNet结合了蛋白质语言模型ESM2和AlphaFold2，利用物理化学、进化和结构信息，在蛋白质聚集预测上实现了最先进的性能，并增强了模型的可解释性	NA	开发一种高效的计算工具来预测蛋白质聚集，以替代成本高昂且劳动密集的实验方法	蛋白质聚集，特别是淀粉样和非淀粉样肽以及聚集倾向区域	机器学习	NA	深度学习，蛋白质语言模型	深度学习框架	蛋白质序列和结构数据	NA	NA	ESM2, AlphaFold2	NA	NA
97	2026-01-14	Unraveling microglial spatial organization in the developing human brain with DeepCellMap, a deep learning approach coupled with spatial statistics 2025-Feb-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56560-z PMID:39948387	研究论文	本文介绍了一种名为DeepCellMap的深度学习辅助工具，用于分析发育中人类大脑的小胶质细胞空间组织	开发了DeepCellMap工具，结合多尺度图像处理与先进空间统计，首次系统映射小胶质细胞在正常和病理大脑发育中的空间组织	未明确说明样本量的具体限制或工具在不同成像模态下的验证范围	研究发育中人类大脑的小胶质细胞空间组织及其在病理条件下的变化	人类胎儿大脑组织中的小胶质细胞	数字病理学	NA	多尺度图像处理，空间统计，聚类分析	深度学习	组织切片图像	NA	NA	NA	NA	NA
98	2026-01-09	Long-Term Carotid Plaque Progression and the Role of Intraplaque Hemorrhage: A Deep Learning-Based Analysis of Longitudinal Vessel Wall Imaging 2025-Feb-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.09.24318661 PMID:39711698	研究论文	本研究利用深度学习分割技术分析纵向血管壁成像数据，评估颈动脉斑块内出血对长期斑块负荷进展的影响	首次结合深度学习分割与纵向多对比磁共振血管壁成像，量化分析颈动脉斑块内出血的长期动态变化及其对斑块进展的加速作用	样本量较小（28名无症状受试者），且为观察性研究，无法确定因果关系	评估颈动脉斑块内出血对长期斑块负荷进展的影响	无症状颈动脉粥样硬化受试者的颈动脉斑块	数字病理学	心血管疾病	多对比磁共振血管壁成像	深度学习分割模型	磁共振图像	28名无症状受试者，共50条动脉，平均每名受试者接受4.7次扫描，随访时间平均5.8年	NA	NA	NA	NA
99	2026-01-07	Artificial intelligence links CT images to pathologic features and survival outcomes of renal masses 2025-Feb-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56784-z PMID:39915478	研究论文	本研究开发了基于术前多期CT图像的深度学习模型，用于预测肾肿块恶性和侵袭性病理特征	首次使用多期卷积神经网络从CT图像中预测肾肿块的恶性和侵袭性，其性能超越了资深放射科医生、放射组学模型及肾测量评分列线图	研究仅基于单一机构的回顾性和前瞻性数据，未在外部验证集上进行测试，且样本量相对有限	改善肾肿块的诊断，区分良性肿块与侵袭性癌症，以优化治疗决策	肾肿块患者及其术前CT图像	计算机视觉	肾癌	计算机断层扫描（CT）	CNN	图像	4557名患者的13261个术前CT体积	NA	多期卷积神经网络	AUC	NA
100	2026-01-06	Artificial Intelligence in Natural Product Drug Discovery: Current Applications and Future Perspectives 2025-Feb-27, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.4c01257 PMID:39916476	综述	本文综述了人工智能在天然产物药物发现中的当前应用与未来前景	整合人工智能（特别是机器学习和深度学习）分析天然产物数据，利用生成式AI进行数据合成，以加速药物发现过程	未具体说明数据规模或模型性能的局限性	加速天然产物药物发现过程，提升数据分析和预测建模能力	天然产物及其相关的生物活性化合物	机器学习	NA	NA	机器学习, 深度学习	生物数据, 化学数据	NA	NA	NA	NA	NA