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
281	2026-06-30	Deep learning-aided respiratory motion compensation in PET/CT: addressing motion induced resolution loss, attenuation correction artifacts and PET-CT misalignment 2024-12, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06872-x PMID:39136740	研究论文	提出一种基于深度学习的统一数据驱动呼吸运动校正方法，用于解决PET/CT成像中的分辨率损失、衰减校正伪影和PET-CT配准错误	首次实现统一的深度学习解决方案，同时补偿PET运动模糊、PET-CT衰减失配伪影以及PET与CT的配准错误	未提及具体限制	解决胸腔和腹部PET/CT成像中呼吸运动引起的图像质量下降问题	使用uMI Panorama PET/CT扫描仪采集的737名[18F]FDG PET/CT患者数据	计算机视觉	NA	PET/CT成像, 深度学习神经网络	深度学习神经网络	图像	737名患者（其中99名患者有呼吸监测设备数据，638名用于训练）	NA	NA	SUVmax, SUVmean	NA
282	2026-06-30	Generative adversarial networks to create synthetic motion capture datasets including subject and gait characteristics 2024-12, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112358 PMID:39509807	研究论文	通过条件生成对抗网络生成包含受试者和步态特征的合成运动捕捉数据集	将GAN改进为条件GAN，能够根据指定的受试者特征（年龄、性别、腿长、质量）和步态特征（行走速度）生成多样化的运动捕捉数据，包括15个标记点轨迹、下肢关节角度和地面反作用力	未明确提及，但从内容看可能包括对特定条件范围较窄的数据集表现更佳，以及需验证合成数据在不同研究中的普适性	解决运动捕捉数据获取成本高、数据集多样性不足的问题，通过生成高质量的合成数据支持深度学习应用	运动捕捉数据中的15个标记点轨迹、下肢关节角度和3D地面反作用力	机器学习和计算机视觉	NA	运动捕捉	条件生成对抗网络	运动捕捉数据（标记点轨迹、关节角度、地面反作用力）	未明确提及样本数量，但涉及受试者年龄、性别、腿长、质量、行走速度等条件	NA	条件GAN（编码器-解码器-判别器架构）	步态周期差异百分比、运动学差异（角度）、地面反作用力差异（体重归一化）	NA
283	2026-06-30	Technical and functional design considerations for a real-world interpretable AI solution for NIR perfusion analysis (including cancer) 2024-12, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2024.108273 PMID:38538505	研究论文	详细阐述了一款用于近红外灌注分析（包括癌症检测）的可解释人工智能解决方案的技术与功能设计考量	提出了一套融合可解释机器学习方法的系统，通过从术中近红外视频流中提取荧光强度曲线特征，用较少训练数据构建准确的分类算法，并作为医疗器械软件实现术中实时癌症鉴别	未提及具体的性能评估结果或临床验证数据；对模型在实际手术场景中稳定性和通用性的讨论不足	设计并论证一款可用于术中组织灌注分析和癌症检测的可解释人工智能推荐系统的技术方案与功能需求，实现从概念到医疗器械软件的基础架构	术中近红外视频流中的荧光强度曲线，及其衍生的组织灌注特征和癌症鉴别信号	机器学习	癌症	近红外成像，吲哚菁绿荧光评估	机器学习分类器	图像（近红外视频流）	NA	NA	NA	NA	NA
284	2026-06-30	Association between myosteatosis and impaired glucose metabolism: A deep learning whole-body magnetic resonance imaging population phenotyping approach 2024-10, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13527 PMID:39009381	研究论文	利用深度学习全身体部MRI表型分析方法，研究肌脂肪变性（myosteatosis）与糖代谢障碍之间的关联	首次利用全自动深度学习模型量化全身T1加权Dixon MRI上的肌脂肪变性，提出定量骨骼肌脂肪分数（SMFF）作为新的评估指标，并验证其作为糖代谢障碍独立预测因子的潜力	研究对象来自德国人群，可能存在地域偏倚；样本量相对较小（380名参与者）	探究肌脂肪变性（尤其是定量骨骼肌脂肪分数SMFF）与糖代谢障碍的关联，并评估其作为风险指标的潜力	无症状个体的肌脂肪变性（包括IMAT和SMFF）与糖代谢障碍的关系	计算机视觉	糖代谢障碍	MRI（磁共振成像）	深度学习模型（未具体说明架构类型）	图像（全身T1加权Dixon MRI）	380名KORA研究参与者（平均年龄53.6±9.2岁，BMI 28.2±4.9 kg/m²，57.4%男性）；另外使用NAKO队列数据进行内部验证	NA	NA	Dice系数、受试者工作特征曲线下面积（AUC）、比值比（OR）	NA
285	2026-06-30	Cachexia in preclinical rheumatoid arthritis: Longitudinal observational study of thigh magnetic resonance imaging from osteoarthritis initiative cohort 2024-10, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13533 PMID:38923846	研究论文	一项纵向观察研究，探讨了类风湿性关节炎前期患者大腿肌肉组成和脂肪组织变化与恶病质的关系	首次发现类风湿性关节炎前期存在恶病质样肌肉减少和脂肪浸润变化，与临床症状出现前的早期阶段相关	基于骨关节炎倡议数据集，可能无法完全代表类风湿关节炎前期人群；样本量相对较小；未控制饮食和运动等混杂因素	比较类风湿性关节炎前期患者与对照人群大腿肌肉组成和脂肪组织的纵向变化	骨关节炎倡议队列中定义为类风湿性关节炎前期的参与者，与倾向评分匹配的对照参与者	数字病理学	类风湿性关节炎	MRI	深度学习	图像	322名参与者的408条大腿（102例类风湿性关节炎前期和306例对照）	NA	NA	NA	NA
286	2026-06-30	Artificial neural network inference analysis identified novel genes and gene interactions associated with skeletal muscle aging 2024-10, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13562 PMID:39210538	研究论文	通过人工智能神经网络推理分析，识别与骨骼肌衰老相关的新基因和基因相互作用	采用人工神经网络推理（ANNi）结合深度学习的群智能神经网络方法（Intelligent Omics），首次发现CHAD、ZDBF2、USP54和JAK2作为预测衰老的强相互作用基因	RT-qPCR验证中，运动相关基因（EIF4A2、NIPAL3、SCFD1、KDM5D）未表现出差异表达	利用人工智能方法识别与肌肉衰老和运动相关的新基因、基因相互作用及分子通路	肌肉转录组数据、人体肌肉活检样本	机器学习	老年疾病	RNA-seq	人工神经网络，深度学习	转录组数据	8名年轻男性（25±4岁）和8名老年男性（78±7.6岁）的肌肉活检样本	Intelligent Omics	NA	P值	NA
287	2026-06-30	Prostate Cancer Risk Stratification in NRG Oncology Phase III Randomized Trials Using Multimodal Deep Learning With Digital Histopathology 2024-10, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO.24.00145 PMID:39447096	研究论文	利用多模态深度学习结合数字组织病理学对局限性前列腺癌进行风险分层	开发了基于多模态人工智能（MMAI）的风险分组系统，相比现有NCCN风险组表现更优，能够扩展低转移风险人群并精准识别高转移风险亚组	NA	开发一种临床上可用的风险分组系统，以改善局限性前列腺癌的治疗决策，避免过度治疗和不足治疗	来自NRG肿瘤学八项随机III期临床试验的9,787名局限性前列腺癌患者	数字病理学	前列腺癌	数字组织病理学	多模态深度学习模型	数字组织病理学图像和临床数据	9,787名局限性前列腺癌患者	NA	多模态人工智能模型	10年远处转移率	NA
288	2026-06-30	Enhanced Osteoporosis Detection Using Artificial Intelligence: A Deep Learning Approach to Panoramic Radiographs with an Emphasis on the Mental Foramen 2024-09-20, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci12030049 PMID:39311162	研究论文	该研究开发了一种基于深度学习的AI应用，通过全景X射线影像的颏孔区域检测骨质疏松症	聚焦于全景X射线片的颏孔区域进行骨质疏松症检测，并强调方法学严谨性以解决先前研究中乐观结果可信度不足的问题	研究中未提及具体的局限性	开发稳健的人工智能应用，实现全景X射线片中骨质疏松症的准确识别，促进早期和可靠的诊断	250张全景X射线影像，分为骨质疏松组、年龄性别匹配非骨质疏松组以及年龄性别不匹配非骨质疏松组	医学影像分析	骨质疏松症	深度学习	卷积神经网络（CNN）	图像	250张全景X射线影像	NA	预训练CNN分类器	F1分数, AUC	NA
289	2026-06-30	PHACTboost: A Phylogeny-Aware Pathogenicity Predictor for Missense Mutations via Boosting 2024-07-03, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msae136 PMID:38934805	研究论文	提出PHACTboost，一种基于梯度提升树的错义突变致病性预测器，通过整合系统发育信息和多重序列比对来提升预测性能	首次将梯度提升树与系统发育树信息结合，利用PHACT评分、多重序列比对和祖先重建数据，在硬变异（不同预测器结果冲突的变异）上表现出显著优势	未提及具体限制，但可能依赖高质量的序列比对和系统发育树；对罕见变异或非编码区变异的适用性未说明	开发更准确的错义突变致病性预测方法，改进遗传疾病的理解和诊断	错义突变及其致病性预测	机器学习	遗传疾病	NA	梯度提升树 (Gradient Boosting Tree)	序列数据（多重序列比对、系统发育树、祖先重建）	191个蛋白质的21500万氨基酸变异	NA	梯度提升树分类器	精确率、召回率、F1分数、AUC	NA
290	2026-06-30	Correspondence attention for facial appearance simulation 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103094 PMID:38306802	研究论文	提出基于点对点注意力对应矩阵的ACMT-Net，用于预测正颌手术后面部软组织变化	首次在深度学习模型中引入物理对应的注意力机制，通过点对点对应矩阵关联骨骼移动与面部软组织变化	未提及算法在极端变形或复杂病例中的泛化能力	提升正颌手术面部外观模拟的计算效率与预测精度	颌骨畸形患者的面部软组织与骨骼结构	计算机视觉	颌骨畸形	NA	ACMT-Net（基于注意力机制的移动变换网络）	面部图像	颌骨畸形患者数据	PyTorch	注意力对应矩阵、k-NN聚类	预测精度与计算效率	NA
291	2026-06-30	Automatic liver segmentation and assessment of liver fibrosis using deep learning with MR T1-weighted images in rats 2024-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.12.006 PMID:38147969	研究论文	验证nnU-Net在分割和CNN在分类中用于肝纤维化MRI T1加权图像的性能	结合nnU-Net和CNN模型，无需造影剂即可自动分割肝脏并评估肝纤维化分期	仅使用大鼠模型，未涉及人肝纤维化数据；样本量较小（99只大鼠）	评估深度学习模型（nnU-Net和CNN）在大鼠肝脏分割和肝纤维化分期中的性能	99只雄性Wistar大鼠的肝脏组织和MR T1加权图像	深度学习	肝纤维化	MRI T1加权成像	nnU-Net和卷积神经网络（CNN）	MR图像	99只Wistar大鼠，共2628幅图像	NA	nnU-Net, CNN	Dice相似系数, 混淆矩阵, ROC曲线, 准确率, AUC	NA
292	2026-06-30	On retrospective k-space subsampling schemes for deep MRI reconstruction 2024-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2023.12.012 PMID:38184093	研究论文	探究不同k空间子采样方案对深度学习MRI重建质量的影响，特别是非直线子采样方案的优越性	首次系统比较了八种不同k空间子采样方案（含直线、非直线和非笛卡尔）在深度学习重建中的表现，并提出了多方案联合训练策略	未说明具体的计算资源使用情况，且仅使用单一RecurrentVarNet架构进行实验	评估k空间子采样方案对深度学习加速MRI重建质量的影响，寻找最优子采样策略	多通道MRI k空间全采样数据（来自三个不同数据集）	计算机视觉	NA	MRI k空间子采样	循环变分网络 (RecurrentVarNet)	k空间数据	三个多通道全采样MRI数据集	NA	RecurrentVarNet	重建质量指标（具体指标未在摘要中指定）	NA
293	2026-06-30	Social network analysis of cell networks improves deep learning for prediction of molecular pathways and key mutations in colorectal cancer 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103071 PMID:38199068	研究论文	通过结合细胞网络的社会网络分析特征，提升深度学习模型在结直肠癌分子通路和关键突变预测中的性能	提出将社会网络分析（SNA）从细胞图中提取的特征与深度学习特征融合，用于预测分子通路和关键突变，无需精确的细胞核分割，计算高效且可扩展	未提及具体局限性	改进结直肠癌分子通路和关键突变预测的深度学习方法，提高可解释性和性能	结直肠癌组织切片的细胞网络特征及对应的分子通路（CIN、HM）和基因突变（TP53、BRAF、MSI）	数字病理学	结直肠癌	组织切片成像	多实例学习框架	图像	499名患者的502张诊断切片，来自美国36个医疗中心	NA	NA	AUROC, AUPRC	NA
294	2026-06-30	DCT-net: Dual-domain cross-fusion transformer network for MRI reconstruction 2024-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.01.007 PMID:38237693	研究论文	提出了一种双域交叉融合变换器网络DCT-Net，用于增强MRI重建质量	创新性地设计了交叉注意力块和融合注意力块，实现了图像域与频率域信息的自适应交互与融合	NA	解决MRI采集时间长和运动伪影问题，提高欠采样数据重建的细节恢复能力	膝盖和脑部MRI图像	计算机视觉	NA	MRI	Transformer	图像	FastMRI (2023) 和 Calgary-Campinas (2021) 数据集	PyTorch	DCT-Net	定性评估和定量评估	NA
295	2026-06-30	Fighting the scanner effect in brain MRI segmentation with a progressive level-of-detail network trained on multi-site data 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103090 PMID:38241763	研究论文	提出LOD-Brain，一种渐进式细节层次的3D卷积神经网络，用于在多站点数据上训练以抑制脑MRI分割中的扫描仪效应	利用渐进式细节层次（LOD）网络结构，粗层级学习鲁棒的解剖先验，细层级处理站点特异性强度分布和解剖变异，训练数据包含约27000个T1w体积，来自约160个采集站点，覆盖广泛年龄和磁场强度	未明确提及，但可能受限于仅使用T1w序列，且依赖公开数据集的代表性	解决脑MRI分割中因不同MR扫描仪和采集参数导致的站点依赖性（扫描仪效应），提升外部数据的泛化性能	人脑MRI T1w体积数据，来自约160个采集站点，年龄8-90岁，磁场强度1.5-3T	计算机视觉	NA	MRI	3D卷积神经网络	图像	约27000个T1w体积，来自约160个采集站点	PyTorch	LOD-Brain（渐进式细节层次网络）	准确率, Dice系数	NA
296	2026-06-30	Immune subtyping of melanoma whole slide images using multiple instance learning 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103097 PMID:38325154	研究论文	利用多实例学习对黑色素瘤全切片图像进行免疫分型	首次采用深度学习模型直接利用临床常规的H&E染色病理切片进行黑色素瘤免疫亚型分类，避免了昂贵且耗时的转录组数据获取	未明确提及具体局限性	开发深度学习模型将HE染色病理切片分类为免疫亚群，以改善患者分层和预后预测	黑色素瘤患者的H&E染色全切片图像	数字病理学	黑色素瘤	H&E染色	多实例学习	图像	主要黑色素瘤数据集和独立TCGA黑色素瘤数据集	PyTorch	自监督模型	AUC	NA
297	2026-06-30	GAN-based generation of realistic 3D volumetric data: A systematic review and taxonomy 2024-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103100 PMID:38340545	综述	系统综述基于生成对抗网络的逼真3D体积数据生成方法及分类	提出新颖分类法，全面概述体积GAN的架构、损失函数、评估指标及优缺点	未提及具体限制	总结使用GAN生成逼真体积合成数据的方法，并提供分类、评估、挑战和研究机会	基于GAN的体积数据生成方法及分类	计算机视觉、机器学习	罕见病（数据可用性问题提及）	GAN	GAN	3D体积数据	NA	NA	GAN（常见架构提及）	评估指标（具体未列出）	NA
298	2026-06-30	Artificial intelligence in the diagnosis of glaucoma and neurodegenerative diseases 2024-03, Clinical & experimental optometry DOI:10.1080/08164622.2023.2235346 PMID:37674264	综述	对过去10年人工智能在青光眼和神经退行性疾病诊断中的应用进行综述	系统性评估了多种人工智能技术在视网膜成像数据分析中的性能，并比较了其与人类医生的诊断表现	现有模型在融入临床实践前仍有提升空间	评估人工智能在眼科和神经退行性疾病诊断中的应用现状与潜力	青光眼和神经退行性疾病患者	计算机视觉	青光眼, 神经退行性疾病	视网膜成像	机器学习, 深度学习	图像	NA	NA	NA	准确率, AUC	NA
299	2026-06-30	Mobile Apps for COVID-19 Detection and Diagnosis for Future Pandemic Control: Multidimensional Systematic Review 2024-02-22, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/44406 PMID:38231538	系统综述	对移动应用在COVID-19检测与诊断中的应用进行多维系统综述，评估其技术领域与效果	首次对移动应用在COVID-19大流行防控中的诊断应用进行多维度系统综述，涵盖接触追踪、数据收集、AI诊断等6大领域，并比较了不同数据类型和AI技术的效果	仅纳入42项研究，可能存在发表偏倚；未深入分析不同地区或经济背景下移动应用的可及性和实际部署障碍	为软件公司和临床研究人员提供移动应用在COVID-19诊断中应用领域的全面信息	535项初始研究中筛选出的42项关于移动应用诊断和检测COVID-19的研究	数字病理学	新型冠状病毒肺炎	NA	卷积神经网络、轻量级神经网络	临床数据、地理数据、人口统计数据、放射学图像、血清学数据、实验室数据（含症状、咳嗽声和放射学图像）	535项初始研究，最终纳入42项研究	NA	深度学习方法（如卷积神经网络）、轻量级神经网络	NA	移动设备处理核心（含云计算、第五代通信技术）
300	2026-06-30	Deep learning based synthesis of MRI, CT and PET: Review and analysis 2024-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2023.103046 PMID:38052145	综述	全面回顾2018至2023年间基于深度学习的医学影像合成方法，涵盖伪CT、合成MR和合成PET	系统梳理了从传统CNN到最新Transformer和扩散模型的网络架构，对比了损失函数、数据集和下游任务性能	未提及对生成影像临床可信度的系统性验证，也未分析模型在不同成像设备间的泛化能力	为医学图像合成领域研究人员提供技术路线图，总结挑战并提出未来方向	基于深度学习的医学影像翻译方法，包括CT、MRI和PET间的跨模态合成	计算机视觉, 数字病理学	NA	深度学习	CNN, Transformer, 扩散模型	医学图像（CT、MRI、PET）	NA	PyTorch, TensorFlow	CNN, Transformer, 扩散模型	图像质量评估, 下游任务性能	NA