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
3681	2025-10-06	Predicting ADC Map Quality from T2-Weighted MRI: A Deep Learning Approach for Early Quality Assessment to Assist Point-of-Care 2025-Jan-15, medRxiv : the preprint server for health sciences DOI:10.1101/2025.01.15.25320592 PMID:40568662	研究论文	开发一种从T2加权MRI预测ADC图质量的深度学习方法，用于早期质量评估	首次提出从扫描过程中较早获取的T2图像预测后续ADC图质量，实现早期质量预警	模型在内部数据上表现更好，尽管仅使用多中心外部数据训练	开发自动化的ADC图质量预测方法，减少漏诊和不必要的重复扫描	前列腺MRI图像，包括T2加权图像和ADC图	医学影像分析	前列腺癌	MRI	深度学习模型	医学图像	486名患者，来自内部和62家外部诊所	NA	NA	准确率, 敏感度, 阴性预测值, 阳性预测值, AUC	NA
3682	2025-10-06	CT reconstruction using diffusion posterior sampling conditioned on a nonlinear measurement model 2024-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.4.043504 PMID:39220597	研究论文	提出一种结合非线性测量模型的扩散后验采样方法用于CT重建	首次在扩散后验采样中集成非线性CT物理模型，突破了现有方法依赖线性近似的限制	仅通过模拟研究进行验证，尚未在真实临床数据上测试	开发能够处理非线性CT物理模型的高质量图像重建方法	CT图像重建	医学影像重建	NA	扩散模型，贝叶斯推理	扩散模型	CT投影数据，图像	NA	NA	无条件扩散模型	图像质量评估	NA
3683	2025-10-06	Deep learning prediction of hospital readmissions for asthma and COPD 2023-Dec-13, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-023-02628-7 PMID:38093373	研究论文	本研究使用电子健康记录数据和深度学习模型预测哮喘和COPD患者的再入院风险	比较了四种机器学习方法和一种深度学习方法在预测哮喘和COPD再入院方面的性能，发现多层感知器表现最佳	研究为观察性研究，时间跨度为2012-2017年，可能存在数据局限性	识别严重哮喘和COPD加重的电子健康记录特征，并评估机器学习模型预测再入院的性能	因哮喘和COPD加重住院的患者	机器学习	哮喘和慢性阻塞性肺疾病	电子健康记录数据分析	多层感知器, 机器学习模型	电子健康记录数据	5794名患者（哮喘1893人，COPD 3901人），其中2682名患者子集用于模型分析	NA	多层感知器	灵敏度, 特异性	NA
3684	2025-10-06	Deep Learning Algorithms to Detect Murmurs Associated With Structural Heart Disease 2023-10-17, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.123.030377 PMID:37830333	研究论文	本研究开发并验证了基于深度学习的算法，用于检测与结构性心脏病相关的心脏杂音	使用FDA批准的深度学习算法，在超过15,000例心音记录上训练，并在真实临床环境中验证，显著优于临床医生的诊断一致性	验证数据集规模相对有限（2375条记录，615名受试者），需要在更广泛人群中进一步验证	提高结构性心脏病的听诊检测准确性，减少漏诊	心脏杂音和结构性心脏病患者	医疗人工智能	结构性心脏病	心脏听诊，超声心动图	深度学习	心音记录	训练集：>15,000条心音记录；验证集：2375条记录来自615名受试者	NA	NA	灵敏度，特异性，准确率	NA
3685	2025-10-06	Accelerated free-breathing abdominal T2 mapping with deep learning reconstruction of radial turbo spin-echo data 2025-Aug-05, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70017 PMID:40762149	研究论文	开发了一种深度学习框架，用于加速自由呼吸腹部T2 mapping成像，同时保持高质量的解剖图像和准确的T2图	提出灵活的深度学习框架，支持全监督方式改进T2加权图像或自监督方式重建T2图，仅需160个径向视图即可实现高质量重建	NA	加速自由呼吸腹部T2 mapping成像，同时保持图像质量和快速重建	腹部T2 mapping数据	医学影像	NA	径向涡轮自旋回波成像，T2 mapping	深度学习	医学影像数据	NA	深度学习框架	NA	体素级误差，重建时间	NA
3686	2025-10-06	Crucial rhythms and subnetworks for emotion processing extracted by an interpretable deep learning framework from EEG networks 2024-12-03, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhae477 PMID:39707986	研究论文	提出一种结合注意力机制和领域对抗策略的深度学习框架，从EEG脑网络中提取可解释特征用于情绪识别	首次将注意力机制与领域对抗策略结合，从脑网络中提取判别性和可解释性特征，并揭示情绪处理的关键节律和子网络结构	方法仅在特定EEG数据集上验证，需要进一步在不同人群和实验条件下测试	开发可解释的深度学习方法来识别情绪状态并揭示情绪处理的神经机制	EEG脑网络和情绪状态	机器学习	NA	脑电图(EEG)	深度学习,注意力机制,领域对抗网络	EEG脑网络数据	SEED数据集和实验室记录的EEG数据	NA	注意力机制,领域对抗模块	分类准确率	NA
3687	2025-10-06	A systematic review of deep learning-based denoising for low-dose computed tomography from a perceptual quality perspective 2024-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00419-7 PMID:39465112	系统综述	从感知质量角度系统综述深度学习在低剂量CT去噪中的应用	专注于从感知质量角度分析LDCT去噪方法，强调平衡感知质量与诊断质量的重要性	当前基准测试存在显著局限性，感知质量评估具有主观性	改善低剂量CT图像的感知质量，生成临床实践中偏好的诊断质量图像	低剂量CT图像	计算机视觉	NA	低剂量计算机断层扫描(LDCT)	GAN	医学图像	NA	NA	NA	PSNR, SSIM	NA
3688	2025-10-06	Predicting peritumoral glioblastoma infiltration and subsequent recurrence using deep-learning-based analysis of multi-parametric magnetic resonance imaging 2024-Sep, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.11.5.054001 PMID:39220048	研究论文	开发基于深度学习的多参数磁共振成像分析方法，用于预测胶质母细胞瘤的瘤周浸润和后续复发	结合专家知识和训练数据增强自动生成训练样本，无需专家绘制感兴趣区域即可预测肿瘤浸润	需要多机构数据验证，模型性能在不同机构间存在差异	预测胶质母细胞瘤的瘤周浸润范围和后续复发模式	胶质母细胞瘤患者	医学影像分析	胶质母细胞瘤	多参数磁共振成像	深度学习	医学影像	229名患者来自多机构联盟	NA	NA	体素水平比值比	NA
3689	2025-10-06	Artificial Intelligence-Enhanced Smartwatch ECG for Heart Failure-Reduced Ejection Fraction Detection by Generating 12-Lead ECG 2022-Mar-08, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics12030654 PMID:35328207	研究论文	开发并验证了一种基于人工智能的智能手表心电图技术，通过生成12导联心电图来检测心力衰竭伴射血分数降低	首次开发了能够从异步2导联心电图生成10导联心电图的深度学习模型(ECGT2T)，并基于生成的12导联心电图检测HFrEF	研究仅在两所医院进行，需要更多外部验证；阳性预测值相对较低(0.258)	开发人工智能增强的智能手表心电图技术用于心力衰竭检测	成年患者，包括进行12导联心电图检查和超声心动图检查的患者	医疗人工智能	心血管疾病	心电图(ECG)，超声心动图	GAN, CNN	心电图信号数据	开发ECGT2T模型：137,673名患者，458,745份心电图；开发HFrEF检测模型：38,643名患者，88,900份心电图；验证集：755名患者	NA	生成对抗网络，卷积神经网络	AUC, 敏感度, 特异度, 阳性预测值, 阴性预测值	NA
3690	2025-10-06	Using Deep-Learning Algorithms to Simultaneously Identify Right and Left Ventricular Dysfunction From the Electrocardiogram 2022-03, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2021.08.004 PMID:34656465	研究论文	开发深度学习模型通过心电图数据同时评估左右心室功能障碍	首次开发能够同时评估左右心室功能的深度学习模型，突破了现有工具仅能评估左心室重度功能障碍的限制	模型性能在不同LVEF分类区间存在差异，特别是40%<LVEF≤50%区间表现相对较弱	利用深度学习技术从心电图数据中全面量化左右心室功能	来自5家纽约医院的大型多样化患者群体	医疗人工智能	心血管疾病	深度学习, 自然语言处理	深度学习模型	心电图, 超声心动图报告	147,636名患者的715,890份心电图与超声心动图LVEF配对数据；148,227名患者的761,510份心电图与404,502份超声心动图报告配对数据	NA	NA	AUC, 平均绝对误差	NA
3691	2025-10-06	Fairness in Cardiac Magnetic Resonance Imaging: Assessing Sex and Racial Bias in Deep Learning-Based Segmentation 2022, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2022.859310 PMID:35463778	研究论文	本研究首次在大规模数据库上分析基于AI的心脏磁共振成像分割模型中存在的性别和种族偏见	首次对基于深度学习的电影CMR分割模型进行性别/种族偏见分析	使用的UK Biobank数据库种族不平衡，可能影响模型泛化能力	评估深度学习模型在心脏磁共振成像分割中的公平性	5,903名来自UK Biobank的受试者（61.5±7.1岁，52%男性，81%白人）	医学影像分析	心血管疾病	心脏磁共振成像	深度学习模型	短轴电影CMR图像	5,903名受试者	NA	NA	Dice系数, 容积测量误差, 功能测量误差	NA
3692	2025-10-06	Fast MR signal simulations of microvascular and diffusion contributions using histogram-based approximation and recurrent neural networks 2025-Nov, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30629 PMID:40626426	研究论文	提出一种结合直方图近似和循环神经网络的快速MR信号模拟方法，用于模拟微血管结构和扩散效应	通过磁场不均匀性矩阵降维与深度学习相结合，实现了比传统方法快近13000倍的MR信号模拟速度	NA	开发高效的MR信号模拟工具，准确模拟微血管结构和水分扩散对MR信号的影响	MR信号模拟，特别是fMRI BOLD建模和MR血管指纹识别中的信号	医学影像分析	NA	MR信号模拟，磁共振指纹识别	循环神经网络	MR信号数据	NA	NA	NA	模拟速度，准确性	NA
3693	2025-10-06	Enhancing schizophrenia diagnosis efficiency with EEGNet: a simplified recognition model based on γ band features 2025-Sep, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112047 PMID:40811883	研究论文	本研究开发了一种基于EEGNet架构的精神分裂症诊断模型，利用γ波段特征实现高效识别	通过优化EEGNet架构专门针对γ波段特征，在保证高识别准确率的同时显著降低模型复杂度和训练时间	研究采用留一被试交叉验证，但样本量相对有限，需要更大规模数据验证	开发客观高效的精神分裂症诊断模型	精神分裂症患者和健康对照组的静息态脑电信号	机器学习	精神分裂症	脑电图	EEGNet	脑电信号	精神分裂症患者和健康对照组（具体数量未明确说明）	NA	EEGNet	准确率	NA
3694	2025-10-06	Designing lipid nanoparticles using a transformer-based neural network 2025-Aug-15, Nature nanotechnology IF:38.1Q1 DOI:10.1038/s41565-025-01975-4 PMID:40817189	研究论文	本研究开发了一种基于Transformer的神经网络COMET，用于设计脂质纳米颗粒并预测其性能	首次将Transformer架构应用于多组分复合制剂的设计，能够处理非标准LNP配方并实现端到端性能预测	模型训练依赖于LANCE数据集的质量和规模，对于某些特殊配方的预测可能需要额外数据	开发计算模型加速脂质纳米颗粒的设计和优化过程	脂质纳米颗粒及其配方	机器学习	NA	深度学习	Transformer	化学配方数据，性能数据	LANCE数据集（最大的LNP数据集之一）	NA	Transformer	蛋白质表达预测准确率，稳定性预测准确率	NA
3695	2025-10-06	Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach 2025-Aug-13, JMIR formative research IF:2.0Q4 DOI:10.2196/72115 PMID:40802390	研究论文	开发了一种基于深度学习的诊断系统，通过面部情绪识别和验证问卷来检测自闭症谱系障碍患者的被笑恐惧症	首次将深度学习面部情绪识别与标准化问卷(GELOPH<15>)相结合，用于检测自闭症患者的被笑恐惧症	在面部表情模糊的情况下，仅依赖DeepFace模型不足以准确诊断，需要结合问卷补充	开发自动化诊断工具，用于早期检测自闭症患者的被笑恐惧症	自闭症谱系障碍患者和神经典型个体的面部图像数据	计算机视觉	自闭症谱系障碍	面部情绪识别，问卷调查	多层感知机，深度学习分类器	面部图像	2932张面部图像(1466张ASD患者，1466张神经典型个体)	PyTorch, scikit-learn, NumPy, Pandas, DeepFace	多层感知机	准确率	支持CUDA的GPU
3696	2025-10-06	Accelerating brain T2-weighted imaging using artificial intelligence-assisted compressed sensing combined with deep learning-based reconstruction: a feasibility study at 5.0T MRI 2025-Jul-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01763-5 PMID:40596927	研究论文	本研究评估了人工智能辅助压缩感知与深度学习重建技术结合在5.0T MRI上加速脑部T2加权成像的可行性	首次在5.0T MRI上探索ACS与DLR技术的协同应用，实现78%的扫描时间缩减	样本量相对有限（98名参与者），且为单中心可行性研究	系统评估ACS-DLR集成技术在5.0T MRI脑部T2加权成像中的诊断效能	脑部T2加权成像	医学影像分析	脑部疾病	MRI T2加权成像，压缩感知，深度学习重建	深度学习	医学影像	98名参与者	NA	NA	信噪比，对比噪声比，图像质量评分	5.0T MRI设备
3697	2025-10-06	A deep foundation model for electrocardiogram interpretation: enabling rare disease detection through transfer learning 2025-Jul, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf051 PMID:40703125	研究论文	开发用于心电图解读的深度基础模型，并通过迁移学习实现罕见疾病检测	构建了迄今为止最全面的心电图深度神经网络模型，并首次将基础模型概念应用于心电图分析，通过迁移学习在数据有限的情况下有效检测罕见疾病	罕见疾病检测的数据集相对较小，模型性能在罕见疾病检测上仍有提升空间	开发能够有效解读心电图并检测罕见心脏疾病的基础模型	心电图信号和相关的68种常见心电图诊断及3种罕见疾病	医疗人工智能	心脏疾病	心电图分析	CNN	心电图信号	160万份心电图，来自UCSF 1986-2019年的临床常规采集	NA	卷积深度神经网络	AUC, 敏感度, 特异性	NA
3698	2025-10-06	Evaluating the performance and potential bias of predictive models for detection of transthyretin cardiac amyloidosis 2025-Jun-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.10.09.24315202 PMID:40502572	研究论文	本研究比较了四种算法在心力衰竭人群中检测转甲状腺素蛋白心脏淀粉样变性（ATTR-CM）的性能并评估模型偏倚风险	首次在外部验证中直接比较四种ATTR-CM检测算法，并系统评估了种族偏倚风险	研究人群主要为白种人（79.2%），其他种族群体样本量较小	比较ATTR-CM检测算法的性能并评估模型偏倚风险	心力衰竭患者，包括176例确诊ATTR-CM患者和3192例对照患者	医疗人工智能	心脏淀粉样变性	深度学习，随机森林，回归分析	随机森林，深度学习模型	电子健康记录，超声心动图	3368名患者（176例ATTR-CM病例，3192例对照）	NA	EchoNet-LVH, EchoGo Amyloidosis	AUC, 公平性指标	NA
3699	2025-10-06	An improved model for prediction of de novo designed proteins with diverse geometries 2025-Jun-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.02.657515 PMID:40502157	研究论文	本研究通过物理基础设计方法生成并验证了具有非理想几何结构的蛋白质数据集，并开发了能够捕捉几何多样性的改进版AlphaFold2模型	创建了包含5,996个具有多样化非理想几何结构的从头设计蛋白质数据集，并开发了能够准确预测这些几何多样性的改进版AlphaFold2模型	当前深度学习方法未能完全捕捉支撑蛋白质构象偏好的物理原理，如原子堆积和氢键相互作用	改进深度学习模型以更好地预测具有多样化几何结构的从头设计蛋白质	从头设计的蛋白质及其几何结构	机器学习	NA	物理基础设计方法，深度学习结构预测	深度学习	蛋白质结构数据	5,996个稳定的从头设计蛋白质，包含来自5个折叠家族的数千个几何多样化蛋白质	AlphaFold2	AlphaFold2	几何多样性重现能力，泛化能力	NA
3700	2025-10-06	Structural Diversity of Mitochondria in the Neuromuscular System across Development Revealed by 3D Electron Microscopy 2025-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202411191 PMID:40047328	研究论文	本研究通过3D电子显微镜和深度学习技术，揭示了线粒体在秀丽隐杆线虫神经肌肉系统中随发育阶段变化的结构多样性	开发了半自动线粒体重建方法，首次系统比较了正常发育阶段和dauer期线粒体结构差异，发现了与突触连接相关的线粒体结构特性	研究主要基于秀丽隐杆线虫模型，在哺乳动物系统中的普适性仍需验证	探究神经肌肉系统中线粒体结构在发育过程中的变化规律及其功能意义	秀丽隐杆线虫的神经肌肉系统	生物医学成像	NA	3D电子显微镜，深度学习	NA	3D电子显微镜图像	正常生殖阶段和dauer期的秀丽隐杆线虫样本	NA	NA	NA	NA