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
2401	2026-05-25	High resolution multi-delay arterial spin labeling with self-supervised deep learning denoising for pediatric choroid plexus perfusion MRI 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121070 PMID:39889809	研究论文	提出基于自监督深度学习去噪的高分辨率多延迟动脉自旋标记协议，用于儿童脉络丛灌注MRI	首次在儿童群体中应用高分辨率多延迟ASL协议，并采用基于Transformer的深度学习模型结合k空间加权图像平均参考进行自监督去噪，有效提升了儿童脉络丛灌注成像的信噪比和可重复性	NA	开发和验证适用于儿童的高分辨率多延迟ASL灌注MRI协议，以量化脉络丛灌注	21名8至17岁典型发育儿童	数字病理学	NA	动脉自旋标记（ASL）, MRI	Transformer	图像, MRI数据	21名儿童（8-17岁）	NA	Transformer	信噪比, 偏差, 可重复性	NA
2402	2026-05-25	UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121064 PMID:39892529	研究论文	提出全面流程训练和比较多种机器学习与深度学习脑年龄预测模型，并利用外部数据库评估其性能	整合多种预处理策略和校正项，构建统计框架评估模型在不同队列中的预测鲁棒性及作为神经退行性疾病生物标志物的潜力	未明确提及局限，但可能依赖特定数据集（如UK Biobank）的成像协议和预处理方法	开发并验证可用于健康个体年龄预测及神经退行性疾病检测的通用脑年龄模型	T1加权MRI扫描图像及提取的图像衍生表型	计算机视觉, 机器学习	痴呆, 神经退行性疾病	MRI	机器学习模型, 深度学习模型	图像	NA (涉及UK Biobank、ADNI和NACC数据库，但未具体说明样本量)	NA	惩罚线性模型	平均绝对误差, AUROC	NA
2403	2026-05-25	DeepCERES: A deep learning method for cerebellar lobule segmentation using ultra-high resolution multimodal MRI 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121063 PMID:39922330	研究论文	提出一种基于深度学习的多模态超高分辨率小脑小叶分割方法DeepCERES	首次使用超高分辨率（0.125 mm）多模态MRI数据，集成深度网络集成模型，结合经典机器学习方法与多图谱分割先验知识，偏离传统U-Net架构开展探索	NA	改进小脑小叶分割的精度和鲁棒性，提供在线分割工具	人脑小脑小叶	计算机视觉	NA	MRI	深度网络集成模型	多模态超高分辨率MRI图像（T1和T2）	NA	NA	非传统U-Net架构，多图谱分割	精度、鲁棒性	NA
2404	2026-05-25	DeepReducer: A linear transformer-based model for MEG denoising 2025-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121080 PMID:39929407	研究论文	提出一种基于线性变压器的深度学习模型DeepReducer，用于脑磁图数据去噪，减少所需试验次数	首次将线性变压器架构应用于MEG事件相关磁场去噪，通过混合有限试验和多次试验平均的ERFs训练模型，显著提升信噪比并降低源定位误差	未提及	开发一种可靠且高效的MEG数据去噪方法，以减少数据采集所需试验次数，降低参与者负担和伪影	MEG记录中的事件相关磁场信号	机器学习	NA	MEG	线性变压器	脑磁图信号	半合成和实验任务相关的MEG数据	NA	线性变压器	信噪比, 源定位误差	NA
2405	2026-05-25	A joint three-plane physics-constrained deep learning based polynomial fitting approach for MR electrical properties tomography 2025-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121054 PMID:39863005	研究论文	提出一种联合三平面物理约束深度学习多项式拟合法，用于磁共振电特性断层成像，以提升电导率重建精度并减少计算负担	将物理约束的加权多项式拟合与深度学习融合，通过联合优化三个正交平面内的神经网络权重，实现三维数据驱动的电特性重建，显著提升泛化能力且无需大量训练数据	未提及在更大规模或不同病理组织上的验证，也未评估计算资源的需求	改进磁共振电特性断层成像中电导率重建的精度和鲁棒性，同时减少计算开销	模拟异质脑模型和体内人脑组织	数字病理	脑部疾病	磁共振电特性断层成像	卷积神经网络	MRI图像	模拟异质脑模型（具体样本数未提及）及体内人脑数据	NA	三个独立神经网络（具体架构未明确）	电导率估计精度、解剖细节保留度、均匀性	未提及
2406	2026-05-25	RetOCTNet: Deep Learning-Based Segmentation of OCT Images Following Retinal Ganglion Cell Injury 2025-Feb-03, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.2.4 PMID:39903165	研究论文	提出RetOCTNet深度学习工具，用于自动分割视网膜神经纤维层和全视网膜厚度，应用于大鼠视网膜神经节细胞损伤后的OCT图像	首次开发专门针对大鼠视网膜神经节细胞损伤后OCT图像的深度学习分割工具，能同时处理放射状和体积扫描，并在眼压升高和视神经夹伤两种模型上验证	NA	开发自动化分割工具，减少大鼠OCT图像分析时间并提高研究间一致性	大鼠视网膜神经纤维层和全视网膜厚度	计算机视觉	视网膜神经节细胞损伤	OCT	深度学习分割模型	图像	192张OCT扫描图像（80%训练，10%测试，10%验证）	NA	RetOCTNet	F1分数	NA
2407	2026-05-25	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	评估深度学习示踪术TractSeg在半球切开术患者中的表现并提出改进方法	首次记录TractSeg在严重异常数据中幻觉重建已手术断开纤维束的情况，并提出基于低秩张量近似的改进方法以提高数据保真度	推荐在临床应用时谨慎并进行人工质量控制	探索TractSeg在病理数据中的泛化极限并提出改进方案	接受半球切开术的癫痫患者和健康对照组	机器学习	癫痫	弥散磁共振成像示踪术	深度学习模型	图像	25名接受半球切开术的癫痫患者和25名健康对照	NA	TractSeg	NA	NA
2408	2026-05-25	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	系统综述和荟萃分析	评估基于神经影像特征的AI算法在额颞叶变性诊断和预测中的效能	首次对AI驱动的神经影像在FTLD诊断中的效能进行系统综述和荟萃分析，涵盖了多个疾病对比场景和多分类任务	较高类别分类（如5类和11类）的灵敏度较低，且研究局限于已发表的英文文献	评估神经影像特征为基础的人工智能算法对额颞叶变性的诊断和预测效能	额颞叶变性（FTLD）患者及其与健康对照、阿尔茨海默病、帕金森病、非典型帕金森综合征等的区分	计算机视觉, 机器学习	额颞叶变性, 阿尔茨海默病, 帕金森病, 非典型帕金森综合征	神经影像学	机器学习, 深度学习	图像	75篇文章共20601名受试者，包括8051名FTLD患者	NA	NA	灵敏度, 特异度	NA
2409	2026-05-25	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	报告了南德克萨斯阿尔茨海默病研究中心死后脑库的首个形态测量分析，结合多图谱与多模态MRI数据	首次利用该新脑库数据集进行形态测量分析，开发了针对死后MRI挑战的轻量级深度学习网络和MRI合成工具	死后扫描中区域脑体积测量具有挑战性，但可获取对性别和年龄差异敏感的稳健估计	开展死后脑库的多模态MRI形态测量分析，解决死后神经影像学挑战	南德克萨斯阿尔茨海默病研究中心死后脑库的200例脑捐赠和100例MRI扫描	机器学习	阿尔茨海默病	MRI	深度学习	图像	200例脑捐赠和100例MRI扫描	NA	轻量级深度网络	NA	NA
2410	2026-05-25	The prognostic value of visual and automatic coronary calcium scoring from low-dose computed tomography-[15O]-water positron emission tomography 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae081 PMID:38525588	research paper	验证低剂量CT扫描中视觉和自动冠脉钙化评分的预后价值	首次在[15O]-水PET心肌灌注成像的低剂量CT扫描中评估视觉和自动CAC评分对主要不良心脏事件的预测价值	研究为单中心回顾性设计，且低剂量CT与参考CSCT扫描间的风险分类一致性仅为中等	评估低剂量CT扫描中视觉和自动冠脉钙化评分对主要不良心脏事件预测的附加价值	疑似冠脉疾病患者	计算机视觉	心血管疾病	低剂量CT, [15O]-水PET	深度学习	医学影像	572名连续患者	NA	NA	风险分类一致性（Cohen's kappa）, 风险比	NA
2411	2026-05-25	Prospective deep learning-based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae115 PMID:38700097	研究论文	前瞻性多中心国际研究，比较基于深度学习自动分析CCTA与IVUS评估冠脉斑块的准确性和一致性	首次在多中心前瞻性研究中验证AI驱动的CCTA斑块量化系统与IVUS金标准的一致性，实现钙化、非钙化及低衰减斑块的全自动分割	样本量相对有限（237例患者432个病变），且仅纳入临床稳定型冠心病患者，未包含急性冠脉综合征人群	评估基于深度学习的CCTA自动斑块分析系统与IVUS金标准在冠脉粥样硬化量化表征中的一致性	临床稳定型冠心病患者的冠脉粥样硬化斑块，包括总斑块体积、钙化斑块、非钙化斑块及低衰减斑块	计算机视觉	冠心病	冠状动脉CT血管造影（CCTA）、血管内超声（IVUS）	深度学习模型（具体架构未明确说明）	医学影像（CCTA和IVUS图像）	237例患者（来自美国及日本15个中心），共432个冠脉病变	NA	NA	相关系数、Bland-Altman分析、Y截距、斜率	NA
2412	2026-05-25	Diagnostic support in pediatric craniopharyngioma using deep learning 2024-08, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06400-0 PMID:38647660	研究论文	利用深度学习开发儿童颅咽管瘤诊断支持模型	首次在机构中应用可解释人工智能与深度学习模型结合，辅助放射学诊断儿童颅咽管瘤	NA	开发卷积深度学习算法，用于儿童鞍区-鞍上肿瘤的放射学辅助分类	226名智利儿童患者的术前T1w和T2w磁共振图像	医学影像分析	颅咽管瘤	磁共振成像	卷积神经网络	图像	226名患者（68名健康对照、58名颅咽管瘤患者、100名其他鞍区肿瘤患者）	NA	卷积神经网络	阳性预测值、阴性预测值	NA
2413	2026-05-25	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	开发低信号符号化迭代随机森林方法来阐明心脏肥大的复杂遗传结构，利用UK Biobank数据揭示上位性遗传变异及其在心脏转录组和单细胞形态学中的影响	提出低信号符号化迭代随机森林方法用于发现上位性关系，整合深度学习心脏MRI分析、转录组网络分析和高通量微流控单细胞形态学分析，揭示非加性遗传效应	NA	阐明心脏肥大的上位性遗传调控机制	心脏肥大及其相关遗传变异	机器学习	心血管疾病	RNA-seq, 单细胞形态学分析, 微流控, RNA沉默	随机森林, 深度学习	图像, 文本, 转录组数据	29,661名UK Biobank参与者（心脏MRI扫描），313个捐赠人类心脏（转录组数据）	NA	迭代随机森林, 深度学习模型	NA	NA
2414	2026-05-25	Longitudinal fundus imaging and its genome-wide association analysis provide evidence for a human retinal aging clock 2023-04-17, eLife IF:6.4Q1 DOI:10.7554/eLife.82364 PMID:36975205	研究论文	利用眼底图像和深度学习方法构建视网膜衰老时钟‘eyeAge’，并通过全基因组关联分析提供证据	开发了一种基于眼底图像的高精度视网膜衰老时钟，其预测准确性优于其他衰老时钟，并通过全基因组关联分析发现与个体特异性衰老相关的遗传位点，还在果蝇中验证了基因功能	尚未明确提及局限性，可能包括数据来源的群体偏差或短期时间尺度验证的局限性	利用眼底图像和深度学习方法构建并验证一个更精确的视网膜衰老时钟，以研究衰老及年龄相关疾病	人类的眼底图像及其与衰老相关的遗传特征	计算机视觉, 机器学习	老年性疾病	眼底成像, 全基因组关联分析	深度神经网络	图像	EyePACS数据集（未指定具体数量）和UK Biobank数据（未指定具体数量），但包含质量筛选后的数据	PyTorch	NA	平均绝对误差	NA
2415	2026-05-25	AxoNet 2.0: A Deep Learning-Based Tool for Morphometric Analysis of Retinal Ganglion Cell Axons 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.9 PMID:36917117	研究论文	开发了一种名为AxoNet 2.0的深度学习工具，用于自动量化视网膜神经节细胞轴突的数量和形态，提高青光眼动物模型轴突损伤评估的效率	首次实现从光学显微图像中自动分割轴浆和髓鞘，同时进行轴突计数和形态学量化，并在多个动物模型上验证了泛化能力	NA	开发自动化工具以快速、客观地评估视网膜神经节细胞轴突损伤，促进青光眼基础和转化研究	大鼠、小鼠和非人灵长类动物的视神经横截面显微图像	计算机视觉	青光眼	光镜显微成像	CNN	图像	大鼠视神经横截面显微图像（手动注释），以及小鼠和非人灵长类动物模型数据	PyTorch	深度分割网络	R², soft-Dice系数, 平均绝对百分比误差	NA
2416	2026-05-25	Sparse deep neural networks on imaging genetics for schizophrenia case-control classification 2021-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25387 PMID:33724588	研究论文	提出一种稀疏深度神经网络方法，用于精神分裂症病例-对照分类，结合灰质体积和单核苷酸多态性数据	在输入层引入L1范数正则化实现稀疏特征选择，从而直接解释原始特征（如灰质体积和SNP）对分类的贡献权重	平均错误率仍达28.98%，且方法仅在精神分裂症数据上验证，外推至其他疾病或数据模态需进一步实验	开发可解释的深度学习模型，用于精神分裂症的病例-对照分类并识别生物标志物	精神分裂症患者与健康对照的灰质体积和单核苷酸多态性数据	机器学习, 影像遗传学	精神分裂症	灰质体积成像, 单核苷酸多态性基因分型	稀疏深度神经网络	图像（灰质体积）, 基因型（SNP）	训练样本634例，外部验证集分别为394、255和160例（共1443例）	NA	稀疏深度神经网络（输入层含L1正则化）	错误率	NA
2417	2026-05-25	A deep learning model for mass screening of COVID-19 2021-Jun, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22544 PMID:33821094	研究论文	开发卷积神经网络模型 'COVID-Screen-Net'，用于胸部X光图像的三分类（COVID-19、细菌性肺炎和正常）	利用 GradCam 可视化特征，优化卷积层和激活层数量，微调超参数以最小化计算时间并提高效率	未明确提及局限性	开发一种快速且低成本的 COVID-19 大规模筛查工具	胸部X光图像	计算机视觉	COVID-19	NA	卷积神经网络（CNN）	图像	来自医院和网络数据集的匿名胸部X光图像	NA	COVID-Screen-Net	准确率、召回率	NA
2418	2026-05-25	Identifying DNA N4-methylcytosine sites in the rosaceae genome with a deep learning model relying on distributed feature representation 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.015 PMID:33868598	研究论文	提出基于分布式特征表示的深度学习模型4mC-w2vec，用于识别蔷薇科基因组中的DNA N4-甲基胞嘧啶位点	首次利用word2vec词嵌入技术自动学习特征表示，结合双层卷积神经网络（CNN）识别4mC位点，避免了传统手工特征提取的局限性	目前仅在蔷薇科特定物种（如Arabidopsis和Fragaria）基因组上验证，未提及跨物种泛化能力及计算资源消耗	开发一套基于自动特征选择的计算方法来高效识别DNA N4-甲基胞嘧啶（4mC）位点，提高预测性能	蔷薇科基因组中的DNA N4-甲基胞嘧啶（4mC）和非4mC位点序列	机器学习	NA	DNA甲基化测序	CNN	序列数据（基因组序列）	论文中未明确样本数量，但使用了平衡和不平衡的基因组数据集	PyTorch	卷积神经网络（CNN）	准确率、精确率、召回率、F1分数、AUC	NA
2419	2026-05-25	Affective Voice Interaction and Artificial Intelligence: A Research Study on the Acoustic Features of Gender and the Emotional States of the PAD Model 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.664925 PMID:34017295	研究论文	本文探讨了声学特征在语音交互中与性别及PAD模型情绪状态的差异，为人工智能情感语音交互提供理论基础	通过实证研究，连接声学特征与心理学理论，为深度学习模型的参数调整提供解释性基础	深度学习模型虽预测准确，但缺乏解释能力，本研究旨在弥补这一不足	探索性别和PAD模型情绪状态在声学特征上的差异，为AI情感语音交互奠定理论依据	声学特征（七大主要声学特征）、性别（男性和女性）、情绪状态（愉悦-唤醒-支配模型）	自然语言处理	不适用	音频录制、声学特征提取（Praat软件）、统计分析方法（双因素方差分析、混合设计分析）	不适用	音频数据	62名参与者（31名女性，31名男性，年龄21至60岁）	SPSS	不适用	不适用	不适用
2420	2026-05-25	Deep Learning Convolutional Neural Networks for the Automatic Quantification of Muscle Fat Infiltration Following Whiplash Injury 2019-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44416-8 PMID:31138878	研究论文	使用深度学习卷积神经网络自动量化挥鞭伤后肌肉脂肪浸润	首次应用CNN对挥鞭伤后深层颈伸肌进行自动分割和肌肉脂肪浸润量化，并与临床疼痛和功能障碍指标相关联	NA	训练并测试CNN用于肌肉分割和自动MFI计算，并探讨其与临床指标的关系	挥鞭伤后3个月的参与者	计算机视觉	挥鞭伤	脂肪-水成像	卷积神经网络	图像	39名参与者（26名女性，平均年龄31.7±9.3岁）	NA	CNN	可靠性、准确性、R值、p值	NA