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
3641	2025-10-06	Progression of Bone Marrow Lesions and the Development of Knee Osteoarthritis: Osteoarthritis Initiative Data 2024-Sep, Radiology IF:12.1Q1 DOI:10.1148/radiol.240470 PMID:39287521	研究论文	开发深度学习模型量化膝关节骨髓病变体积，并评估骨髓病变进展与膝骨关节炎发病的关联	首次使用深度学习模型对无放射学骨关节炎的膝关节进行骨髓病变体积的自动化量化，并系统评估骨髓病变纵向变化与骨关节炎发病风险的关系	回顾性研究设计，仅基于骨关节炎倡议队列数据，未包含外部验证队列	评估骨髓病变体积变化与膝骨关节炎发病风险的关联	骨关节炎倡议队列中2430名参与者的3869个无骨关节炎膝关节	数字病理	骨关节炎	MRI扫描	深度学习	医学影像	3869个膝关节（来自2430名参与者）	NA	NA	风险比	NA
3642	2025-10-06	Repurposing the Public BraTS Dataset for Postoperative Brain Tumour Treatment Response Monitoring 2024-09-01, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10090105 PMID:39330751	研究论文	本研究将术前脑肿瘤分割数据集BraTS重新用于术后脑肿瘤治疗反应监测，开发了适合术后场景的标注协议转换方法	首次将仅包含术前检查的BraTS数据集通过自动标注协议转换应用于术后脑肿瘤分割，实现了公共数据集的重新利用	对于体积小于1cm³的肿瘤分割性能未明确说明，仅在72例术后胶质母细胞瘤MRI上进行了验证	促进BraTS数据集在术后脑肿瘤分割深度学习算法训练中的应用	脑肿瘤患者术前和术后MRI影像	数字病理	脑肿瘤	MRI	深度学习算法	医学影像	72例术后胶质母细胞瘤MRI	NA	NA	分割准确性	NA
3643	2025-10-06	Data-driven continuum damage mechanics with built-in physics 2024-Sep, Extreme Mechanics Letters IF:4.3Q1 DOI:10.1016/j.eml.2024.102220 PMID:39372561	研究论文	本研究开发了一种基于神经常微分方程的数据驱动连续损伤力学方法，能够以热力学一致的方式模拟软材料的能量耗散行为	将神经常微分方程扩展到损伤力学领域，通过引入单调屈服函数作为非弹性势能，实现了热力学一致的能量耗散建模	NA	开发具有内置物理约束的数据驱动连续损伤力学模型	软材料（橡胶和软组织）的损伤退化行为	机器学习	NA	深度学习	神经常微分方程（NODEs）	应力-变形历史数据，实验皮肤和皮下组织数据	NA	NA	神经常微分方程	NA	NA
3644	2025-10-06	A predictive approach for host-pathogen interactions using deep learning and protein sequences 2024-Sep, Virusdisease DOI:10.1007/s13337-024-00882-x PMID:39464732	研究论文	本研究提出一种基于深度学习和蛋白质序列的宿主-病原体相互作用预测方法	首次将monoMonoKGap特征提取算法与深度学习相结合应用于宿主-病原体相互作用预测	仅使用三个平衡数据集进行验证，需要更多样化的数据集测试泛化能力	开发高效准确的宿主-病原体相互作用预测计算方法	人类与病原体之间的蛋白质相互作用	生物信息学	传染病	蛋白质序列分析	深度神经网络	蛋白质序列数据	三个平衡的人类-病原体数据集	NA	深度神经网络, CNN	准确率	NA
3645	2025-10-06	Deep Learning-Assisted Automatic Diagnosis of Anterior Cruciate Ligament Tear in Knee Magnetic Resonance Images 2024-08-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10080094 PMID:39195729	研究论文	开发用于膝关节磁共振图像中前交叉韧带撕裂自动诊断的深度学习模型	提出包含双尺度数据增强模块、选择性组注意力模块和融合模块的SGNET模型，能同时从空间和层级尺度增强数据并捕获跨层、通道和空间尺度的关系	仅使用单一公共数据集进行验证，未在更多临床场景中测试	提高前交叉韧带撕裂的诊断准确性和效率	膝关节磁共振图像	医学影像分析	前交叉韧带撕裂	磁共振成像	深度学习	医学图像	1250例膝关节MRI检查	NA	SGNET	准确率,敏感度,特异度,AUC	NA
3646	2025-10-06	Machine Learning and Deep Learning Approaches in Lifespan Brain Age Prediction: A Comprehensive Review 2024-08-12, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10080093 PMID:39195728	综述	本文对2020-2024年间52项研究进行全面回顾，系统分析机器学习和深度学习在寿命跨度脑年龄预测中的应用进展	首次系统比较机器学习和深度学习在寿命跨度脑年龄预测中的效能差异，揭示不同模型架构的优缺点	仅纳入2020-2024年间的52项研究，可能未覆盖该领域所有相关文献	评估机器学习和深度学习在脑年龄预测领域的技术进展，指导神经退行性疾病早期干预策略	神经影像数据驱动的脑年龄预测研究	机器学习	神经退行性疾病	神经影像技术	机器学习,深度学习	神经影像数据	52项研究	NA	NA	NA	NA
3647	2025-10-06	Deep Learning for 3D Vascular Segmentation in Phase Contrast Tomography 2024-Jul-16, Research square DOI:10.21203/rs.3.rs-4613439/v1 PMID:39070623	研究论文	本文利用深度学习技术对HiP-CT成像的3D血管进行分割，并通过系统评估建立血管分割的基准模型	首次将nnU-Net框架应用于新型HiP-CT成像技术的血管分割，创建了经过双标注验证的高分辨率血管数据集	Dice系数主要评估体素一致性而忽略血管关键特征，大血管因缺乏静水压力而塌陷导致分割效果差，细小血管连通性降低和边界分割错误	为血管分割建立基准模型并评估机器学习方法在高分辨率器官成像中的应用	来自三个肾脏的HiP-CT血管数据	计算机视觉	NA	分层相衬断层扫描(HiP-CT)	深度学习	3D图像	三个肾脏的HiP-CT血管数据	nnU-Net	U-Net	Dice系数,中心线Dice值	NA
3648	2025-10-06	Automatically Detecting Pancreatic Cysts in Autosomal Dominant Polycystic Kidney Disease on MRI Using Deep Learning 2024-07-16, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10070087 PMID:39058059	研究论文	本研究开发了一种基于深度学习的自动检测方法，用于在ADPKD患者的腹部MRI中识别胰腺囊肿	首次将nnU-Net架构应用于ADPKD患者胰腺囊肿的自动检测，并比较了不同配置和损失函数的模型性能	模型敏感性较低（内部/外部验证分别为20%/24%），标注一致性较差（训练数据标注一致性仅52%）	开发自动化工具辅助放射科医生检测ADPKD患者的胰腺囊肿	146名患有胰腺囊肿的ADPKD患者	数字病理	常染色体显性多囊肾病	MRI	深度学习	医学影像	254次扫描（146名训练患者），103名测试患者（40内部+40外部+23重测）	nnU-Net	nnU-Net	Dice系数, 特异性, 敏感性, 重现性	NA
3649	2025-10-06	Computed Tomography Effective Dose and Image Quality in Deep Learning Image Reconstruction in Intensive Care Patients Compared to Iterative Algorithms 2024-06-07, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10060069 PMID:38921946	研究论文	比较深度学习图像重建算法与传统迭代算法在重症监护患者CT扫描中的有效剂量和图像质量	首次在重症监护患者中系统比较深度学习图像重建算法与多种传统迭代重建算法的辐射剂量和图像质量表现	单中心研究，样本量相对有限（83例患者），未包含所有类型的CT重建算法	评估深度学习图像重建算法在降低CT有效剂量和改善图像质量方面的效果	重症监护病房患者	医学影像	重症监护	CT扫描，深度学习图像重建	CNN	CT图像	83例患者（平均年龄59±15岁，56名男性）	NA	NA	有效剂量，噪声水平，信噪比	NA
3650	2025-10-06	Impact of Deep Learning Denoising Algorithm on Diffusion Tensor Imaging of the Growth Plate on Different Spatial Resolutions 2024-04-02, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10040039 PMID:38668397	研究论文	评估深度学习去噪算法在不同空间分辨率下对生长板扩散张量成像的影响	首次在相同患者扫描中比较深度学习去噪算法在两种不同体素尺寸（空间分辨率）下的表现	样本量未明确说明，仅使用单一厂商提供的商业深度学习模型	评估深度学习去噪算法在不同空间分辨率DTI扫描中的效果	儿童膝关节生长板的扩散张量成像	医学影像分析	儿科骨骼发育	扩散张量成像（DTI），脂肪抑制单次激发自旋回波平面序列	深度学习去噪模型	医学影像数据	NA	NA	NA	Wilcoxon符号秩检验，Bland-Altman图，束数量，束体积，束长度，分数各向异性（FA）	GE Signa Premier 3T MRI设备
3651	2025-10-06	A 3D convolutional neural network to classify subjects as Alzheimer's disease, frontotemporal dementia or healthy controls using brain 18F-FDG PET 2024-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120530 PMID:38311126	研究论文	本研究开发并验证了一种基于脑部18F-FDG PET图像的3D卷积神经网络，用于区分阿尔茨海默病、额颞叶痴呆和认知正常受试者	这是首个基于[18F]-FDG PET扫描使用深度学习模型区分AD和FTD，并以极高准确度识别认知正常受试者的研究	研究数据来源于特定数据库，需要进一步验证在其他中心数据上的泛化能力	开发用于神经退行性疾病分类的深度学习模型	阿尔茨海默病、额颞叶痴呆和认知正常受试者	医学影像分析	神经退行性疾病	18F-FDG PET脑部成像	CNN	3D医学影像	591个受试者（199 AD, 192 FTD, 200 CN）	NA	3D VGG16-like	准确率, ROC曲线下面积, kappa系数	NA
3652	2025-10-06	Network response of brain microvasculature to neuronal stimulation 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120512 PMID:38199427	研究论文	本研究通过三维双光子荧光显微镜和深度学习技术，揭示了大脑微血管网络对神经元激活的差异化血流动力学响应	首次在500×500×500 μm皮层体积内系统绘制脑血管网络对邻近神经元激活的反应图谱，并基于深度学习实现微血管网络的自动分割和分层分析	研究局限于特定皮层区域，采样范围相对有限，可能无法完全代表全脑的神经血管耦合特性	理解神经血管耦合在微血管网络层面的工作机制	小鼠皮层微血管网络和锥体神经元	数字病理学	NA	双光子荧光显微镜，光遗传学激活，功能磁共振成像	深度学习	三维显微镜图像	约30个高分辨率3纳升fMRI体素对应的皮层体积	NA	NA	NA	NA
3653	2025-10-06	Spatial-temporal convolutional attention for discovering and characterizing functional brain networks in task fMRI 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120519 PMID:38280690	研究论文	提出一种基于空间-时间卷积注意力的深度学习模型，用于发现和表征任务fMRI中的动态功能脑网络	首次将空间注意力机制与卷积自编码器结合，以自监督方式建模功能脑网络的动态特性	仅在HCP任务运动行为数据集上验证，未在其他任务或数据集上测试泛化能力	开发能够准确表征动态功能脑网络的新方法	人类大脑功能网络	医学影像分析	NA	功能磁共振成像(fMRI)	卷积自编码器,注意力机制	功能磁共振影像数据	HCP任务运动行为数据集	NA	空间-时间卷积注意力(STCA)	空间相似度	NA
3654	2025-10-06	Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120485 PMID:38110045	研究论文	提出一种自监督多模态学习框架，从多模态神经影像数据中提取表征以增强群体推断并发现与脑部疾病相关的脑区及多模态关联	将Deep InfoMax（DIM）自监督方法扩展到多模态神经影像数据，无需预训练标签即可识别疾病相关脑区和探索多模态链接	未明确说明样本量的具体数值和多样性限制	开发无需标签数据的自监督多模态学习框架，用于脑部疾病预测和脑区发现	多模态神经影像数据（MRI）和阿尔茨海默症表型谱系	医学影像分析	阿尔茨海默症	MRI神经影像技术	自监督学习	多模态神经影像数据	NA	Deep InfoMax（DIM）	DIM	分类性能，联合信息捕获能力，可解释性	无解码器策略节省计算资源
3655	2025-10-06	Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120494 PMID:38086495	研究论文	本研究对TrUE-Net与六种已建立的白质高信号分割方法进行了独立验证比较	首次对新型深度学习模型TrUE-Net进行严格的独立验证，并在全局和区域水平评估其检测WMH负担与年龄关系的能力	使用半手动分割作为参考标准可能存在一定主观性	验证TrUE-Net在白质高信号自动分割中的准确性和可靠性	白质高信号区域	医学影像分析	老年疾病	深度学习分割	深度学习模型	医学影像数据	NA	NA	TrUE-Net	假阳性率	NA
3656	2025-10-06	BASE: Brain Age Standardized Evaluation 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120469 PMID:38065279	研究论文	提出脑年龄标准化评估框架(BASE)，用于标准化评估基于深度学习的脑年龄预测模型	首次提出包含标准化数据集、评估协议和统计框架的脑年龄预测综合评估体系	仅针对T1加权磁共振图像数据，未涵盖其他脑影像模态	解决脑年龄预测研究中数据集、评估方法和指标不一致导致的比较困难问题	脑年龄预测模型	医学影像分析	脑部疾病	T1加权磁共振成像(T1w MRI)	深度学习神经网络	磁共振图像	包含多中心、新未见站点、重测和纵向数据的标准化T1w MRI数据集	NA	NA	准确性、鲁棒性、可重复性、一致性	NA
3657	2025-10-06	Electrophysiological brain imaging based on simulation-driven deep learning in the context of epilepsy 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120490 PMID:38103624	研究论文	提出一种基于仿真驱动深度学习的电生理源成像方法，用于癫痫背景下的脑源定位和电活动重建	结合仿真驱动深度学习，采用患者特异性头模型和神经质量模型生成训练数据，创新性地融合时序卷积网络和多尺度策略捕获空间特征，并利用LSTM提取时序依赖关系	仅在3名耐药性部分性癫痫患者的真实数据上验证，样本量有限	解决癫痫背景下脑电信号源成像的逆问题，精确定位癫痫脑区并重建其电活动	癫痫患者的脑电信号和脑源活动	医学影像分析	癫痫	高分辨率256通道头皮脑电图	TCN, LSTM	脑电信号	3名耐药性部分性癫痫患者的真实脑电数据，以及多种场景的仿真数据	NA	时序卷积网络，长短期记忆网络	偶极子定位误差，归一化汉明距离	NA
3658	2025-10-06	SIMPLEX: Multiple phase-cycled bSSFP quantitative magnetization transfer imaging with physic-guided simulation learning of neural network 2023-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120449 PMID:37951485	研究论文	提出一种基于物理引导模拟学习的神经网络方法SIMPLEX，用于改进多相位循环bSSFP的定量磁化转移成像参数提取	利用MR信号模型生成训练样本，无需昂贵的数据标注，网络仅使用模拟数据训练即可直接应用于体内数据	方法仅通过模拟和体内数据验证，尚未在更大规模临床数据集中测试	改进多相位循环bSSFP定量磁化转移成像的参数拟合质量	定量磁化转移成像参数（交换率、池分数）以及T1、T2和ΔB图	医学影像分析	NA	定量磁化转移成像，多相位循环bSSFP序列	神经网络	磁共振成像数据	模拟数据和体内数据	NA	NA	均方误差，量化质量	NA
3659	2025-10-06	Deep learning based source imaging provides strong sublobar localization of epileptogenic zone from MEG interictal spikes 2023-11-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120366 PMID:37716593	研究论文	本研究开发了一种基于深度学习的电磁源成像框架，用于从MEG间歇性棘波中精确定位癫痫灶	结合中尺度神经元建模和深度学习，直接学习MEG数据中的传感器-源映射关系，提供超越传统物理源模型的替代方法	研究样本量相对有限（29名患者），且依赖于计算机模拟和临床验证的准确性	开发更准确和稳健的癫痫灶定位方法，提升MEG源定位和成像能力	29名药物抵抗性局灶性癫痫患者	医学影像分析	癫痫	脑磁图（MEG），颅内脑电图（iEEG），磁共振成像（MRI）	深度学习	脑磁图数据，MRI数据	29名药物抵抗性局灶性癫痫患者	NA	基于神经质量模型的深度学习架构	空间离散度，脑叶一致性，敏感性，特异性，定位误差	NA
3660	2025-10-06	Weighted entropy deep features on hybrid RNN with LSTM for glucose level and diabetes prediction 2023 Oct-Dec, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2022.2149263 PMID:36448678	研究论文	提出一种结合加权熵深度特征和混合RNN-LSTM的糖尿病预测及血糖水平分类方法	使用改进的逃逸能量哈里斯鹰优化算法调整权重提取加权熵深度特征，并开发R-LSTM混合模型进行血糖预测	仅在两个基准数据集上验证，未在更多多样化人群数据上进行评估	开发高效的糖尿病预测和血糖水平分类系统	糖尿病患者血糖数据	机器学习	糖尿病	深度学习	CNN, RNN, LSTM, 模糊分类器	血糖数据	两个基准数据集	NA	混合RNN-LSTM (R-LSTM), 卷积神经网络	SMAPE	NA