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
3781	2026-05-02	Accelerated T2-weighted MRI of the Bowel at 3T Using a Single-shot Technique with Deep Learning-based Image Reconstruction: Impact on Image Quality and Disease Detection 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.023 PMID:39198137	研究论文	比较常规6mm HASTE与深度学习重建的DL-HASTE（4mm和6mm层厚）在3T肠道MRI中的图像质量和疾病检测能力	首次评估深度学习单次扫描技术DL-HASTE在肠道MRI中的应用，展示其在缩短采集时间的同时提升图像质量	样本量较小（91例），且仅评估了盆腔肠道成像，未涵盖其他腹部区域；DL-HASTE仅在3T设备上测试，通用性有待验证	比较DL-HASTE与常规HASTE在肠道MRI中的图像质量和疾病检测性能	91例接受3T MR肠造影的患者（51名女性，平均年龄44±10岁）	医学影像	肠道疾病（包括回肠壁增厚、回肠炎症、狭窄、穿透性疾病）	深度学习图像重建（DL-HASTE）	深度学习模型	MRI图像	91例患者	NA	DL-HASTE	图像质量、伪影、肠壁清晰度、诊断信心（5点Likert量表）	NA
3782	2026-05-02	Harnessing AI for Improved Detection and Classification of Pleural Effusion: Insights and Innovations 2025, Canadian respiratory journal IF:2.1Q3 DOI:10.1155/carj/2882255 PMID:40809325	综述	本文综述了人工智能和机器学习在胸腔积液检测与分类中的应用，展示了这些技术在提升诊断准确性和效率方面的潜力	系统梳理了包括LGB和XGBoost在内的多种机器学习模型在胸腔积液诊断中的应用，并指出整合多元诊断参数可显著提高准确性	未提及具体样本量和数据来源的差异可能影响模型泛化能力	评估AI和ML技术在胸腔积液检测与分类中的当前应用现状并指出未来研究方向	胸腔积液的检测与分类方法	机器学习	胸腔积液	NA	深度学习, 集成方法	临床数据, 实验室数据, 影像数据	NA	NA	Light Gradient Boosting Machine, XGBoost	准确率, AUC	NA
3783	2026-05-02	An in-silico simulation study to generate computed tomography images from ultrasound data by using deep learning techniques 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf005 PMID:42064001	研究论文	通过深度学习模型从超声数据生成类似CT的图像，以增强病变检测能力	首次使用原始超声射频数据作为条件生成对抗网络（cGAN）的输入来生成CT样图像，显著改善病变可检测性并减轻声影伪影	研究基于模拟数据，未使用真实患者数据验证；数据集规模较小（每个数据集1000样本）	探究深度学习能否从原始超声数据生成CT样图像，以提高实质器官病变检测性能	模拟体模中的超声数据和CT图像	医学影像处理	NA	k-wave超声模拟工具包、Astra CT模拟工具包	条件生成对抗网络（cGAN）	图像（超声数据、CT模拟数据）	2个数据集，每个1000样本（训练800，测试200）	NA	pix2pix条件生成对抗网络	广义对比度噪声比（gCNR）、结构相似性指数（SSIM）、Jaccard指数	NA
3784	2026-05-02	CT-based deep learning prediction of complete response in intermediate-stage hepatocellular carcinoma treated with drug-eluting beads transarterial chemoembolization 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf018 PMID:42063993	研究论文	开发基于CT的深度学习模型预测中期肝细胞癌患者在接受药物洗脱微球经动脉化疗栓塞术后的完全缓解	采用具有时空视频视觉Transformer架构的双网络深度学习模型，利用基线专用肝脏CT数据预测完全缓解，并应用8折交叉验证与集成技术提高预测性能	模型灵敏度中等，需改进以提升灵敏度；样本量有限（93例），需要更大数据集和前瞻性研究验证	开发基于CT的深度学习模型预测中期肝细胞癌患者接受药物洗脱微球经动脉化疗栓塞术后的完全缓解	初治巴塞罗那临床肝癌B期肝细胞癌患者	计算机视觉	肝细胞癌	CT成像	视频视觉Transformer	图像	93例患者（机构1: 50例，机构2: 49例）	NA	时空视频视觉Transformer	特异性、AUC、灵敏度、平衡准确率	NA
3785	2026-05-02	Prognostic modeling in head and neck cancer: deep learning or handcrafted radiomics? 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf008 PMID:42064005	review	系统评价了手工放射组学与深度学习模型在头颈癌预后预测中的表现	首次全面比较手工放射组学与深度学习模型在头颈癌预后预测中的方法学严谨性和性能指标	纳入研究的方法学、预后定义和性能指标存在显著异质性，亟需标准化	评估手工放射组学与深度学习模型在头颈鳞状细胞癌患者预后预测中的性能	接受（放）化疗的头颈鳞状细胞癌患者	machine learning	头颈癌	放射组学	深度学习模型、手工放射组学模型	医学影像	23项符合纳入标准的研究	NA	NA	总体生存率、局部区域复发率、远处转移率	NA
3786	2026-05-02	Deep learning automates Cobb angle measurement compared with multi-expert observers 2025-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubaf009 PMID:42064002	研究论文	本文介绍了一种基于深度学习的全自动Cobb角测量软件，与多位专家观察者进行对比，展现出更高的测量精度和可解释性	开发了全自动Cobb角测量软件，不仅精确测量角度，还直接在原始图像上可视化测量结果；与七位专家读者对比，表现优于人类观察者	文章未明确提及限制	实现全自动Cobb角测量，提高脊柱侧弯评估的准确性和可重复性	脊柱X光图像中的Cobb角测量	计算机视觉	脊柱侧弯	NA	深度神经网络	图像	NA	PyTorch	NA	平均偏差, 组内相关系数(ICC), 皮尔逊相关系数	NA
3787	2026-05-02	Automated assessment of EEG background for neurodevelopmental prediction in neonatal encephalopathy 2024-12, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.52233 PMID:39543820	研究论文	评估新生儿脑病中基于深度学习的脑状态指数（BSN）预测神经发育结局的能力	首次将深度学习的BSN趋势用于新生儿脑病EEG背景自动评估，并证明其在出生后24小时内即可提供客观、定量的预后预测能力	样本量较小（92名婴儿），且仅针对18个月时的神经发育结局，缺乏长期随访数据	评估BSN趋势预测新生儿脑病神经发育结局的能力	92名新生儿脑病患儿	机器学习	新生儿脑病	深度学习	BSN（深度神经网络）	EEG信号	92名婴儿	NA	NA	AUC	NA
3788	2026-05-02	Diagnostic evaluation of blunt chest trauma by imaging-based application of artificial intelligence 2024-11, The American journal of emergency medicine DOI:10.1016/j.ajem.2024.08.019 PMID:39213808	综述	回顾人工智能在钝性胸部创伤影像诊断中的应用，并探讨其挑战与优化方向	系统总结了AI在钝性胸部创伤（肋骨骨折、肺挫伤、血气胸等）诊断中的进展，并首次聚焦于多任务综合诊断的局限性	当前深度学习研究集中于特定临床场景，缺乏对钝性胸部创伤复杂性的全面诊断和预后评估能力	评估AI在钝性胸部创伤诊断中的潜在效用，并提出优化其临床应用的策略	钝性胸部创伤患者及相关影像数据	计算机视觉, 数字病理学	胸部创伤	影像学	深度学习	图像	NA	NA	NA	NA	NA
3789	2026-05-02	Automated cell lineage reconstruction using label-free 4D microscopy 2024-10-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyae135 PMID:39139100	研究论文	描述了一种无需手动标注的深度学习管道embGAN，用于从无标记4D显微镜图像中自动重建细胞谱系	首次实现无需荧光标记或转基因的无标记3D延时成像中自动细胞检测与追踪，且训练无需手动数据标注，具备尺度和实验室间泛化能力	在密集组织和胚胎中自动检测与追踪的挑战尚未完全解决；性能以秀丽隐杆线虫胚胎为基准，可能在其他生物体中泛化性有限	开发一种自动化细胞谱系重建方法，以替代荧光显微镜中的人工标注过程，实现高通量研究	秀丽隐杆线虫（Caenorhabditis elegans）胚胎的细胞谱系	计算机视觉	NA	无标记4D显微镜	深度学习管道（embGAN）	无标记3D延时图像	多个实验室和多台仪器获取的图像（具体数量未说明）	NA	embGAN（基于生成对抗网络的架构）	细胞检测与追踪性能（接近最先进水平，具体指标未说明）	NA
3790	2026-05-02	Deep Learning Reconstruction of Accelerated MRI: False-Positive Cartilage Delamination Inserted in MRI Arthrography Under Traction 2024-Aug-01, Topics in magnetic resonance imaging : TMRI DOI:10.1097/RMR.0000000000000313 PMID:39016321	病例报告	通过深度学习重建加速MRI中出现的假阳性软骨分层案例	首次报告深度学习重建加速MRI在髋关节牵引下关节造影中产生假阳性软骨分层的现象	仅基于单个病例，未进行系统性测试，且未深入分析训练数据偏差的影响	指出深度学习重建技术在临床应用中的潜在假阳性风险	30岁健康男性患者的右髋关节	计算机视觉	软骨病变	MRI加速成像	深度学习重建模型	图像	1例患者	NA	NA	假阳性率	NA
3791	2024-08-07	FasterRib: A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans: Erratum 2024-08-01, The journal of trauma and acute care surgery IF:2.9Q1 DOI:10.1097/TA.0000000000004427 PMID:38996424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3792	2026-05-02	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	提出可扩展深度学习框架EPInformer，通过整合启动子-增强子序列与多模态表观基因组数据预测基因表达	集成启动子-增强子相互作用、序列、表观基因组信号和染色质接触信息，在跨染色体验证中超越现有模型，并能通过CRISPR扰动实验验证增强子-基因相互作用	现有方法无法捕捉增强子等远端元件的调控效应导致预测精度受限，且需要大量资源进行训练或适应新数据	开发可扩展的深度学习框架用于基因表达预测	基因表达预测中的启动子-增强子相互作用、表观基因组信号和染色质接触	机器学习	NA	深度学习	EPInformer框架	序列数据、表观基因组信号、染色质接触数据	NA	PyTorch	EPInformer	跨染色体验证准确性、CRISPR扰动验证准确性	NA
3793	2026-05-02	X-ray absorption spectroscopy combined with deep learning for auto and rapid illicit drug detection 2024-07-03, The American journal of drug and alcohol abuse DOI:10.1080/00952990.2024.2377262 PMID:39158551	研究论文	利用X射线吸收光谱结合改进的Transformer编码器模型实现毒品的自动快速检测	首次将X射线吸收光谱与深度学习结合用于毒品检测，并采用改进的Transformer编码器模型实现高准确率（96.73%）和快速训练（1.4小时）	仅使用50种毒品类似物进行实验，未涉及实际毒品样本；且需要进一步验证该方法在临床和执法场景中的实用性	实现快速、无损、自动的毒品检测	毒品及其类似物（同分异构体或分子式相似的化合物）	机器学习	NA	X射线吸收光谱	Transformer, LSTM, ResU-net	光谱数据	50种毒品类似物	NA	改进的Transformer编码器, LSTM, ResU-net	准确率, 训练时间	NA
3794	2026-05-02	Radiomics based on T2-weighted and diffusion-weighted MR imaging for preoperative prediction of tumor deposits in rectal cancer 2024-06, American journal of surgery IF:2.7Q1 DOI:10.1016/j.amjsurg.2024.01.002 PMID:38272767	研究论文	开发并验证基于T2加权和弥散加权MRI的影像组学列线图，用于直肠癌肿瘤沉积的术前预测	首次结合T2WI和ADC图像的影像组学特征与临床因素构建列线图，优于传统机器学习模型	回顾性研究设计及相对较小的样本量可能限制泛化能力	实现直肠癌肿瘤沉积的术前无创预测	199例直肠癌患者的T2WI和DWI影像数据及临床资料	数字病理学	直肠癌	MRI（T2加权成像、弥散加权成像）	影像组学列线图	影像数据	199例（训练集159例，验证集40例）	NA	随机森林、支持向量机、深度学习模型（对比模型）	AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
3795	2026-05-02	Characterisation of the normal human ganglion cell-inner plexiform layer using widefield optical coherence tomography 2024-03, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.13255 PMID:37990841	研究论文	利用宽视野光学相干断层扫描描述健康人群神经节细胞-内丛状层厚度的变化	通过宽视野OCT扫描覆盖55°×45°范围，并结合深度学习方法自动分割GCIPL，揭示了健康人群中GCIPL厚度随年龄、眼轴长度和性别的变化模式，尤其是发现了黄斑外四个统计上不同的年龄相关变化聚类	NA	描述健康队列中宽视野光学相干断层扫描的GCIPL厚度变化	470只健康眼睛的GCIPL厚度	机器学习	NA	光学相干断层扫描	NA	图像	470只健康眼睛	NA	NA	NA	NA
3796	2026-05-02	Extracting Drug-Protein Relation from Literature Using Ensembles of Biomedical Transformers 2024-Jan-25, Studies in health technology and informatics DOI:10.3233/SHTI231043 PMID:38269887	研究论文	利用生物医学预训练Transformer模型集成方法从文献中自动提取药物-蛋白质关系	采用多个生物医学预训练Transformer模型的集成策略，在DrugProt任务中取得优异成绩	NA	开发从生物医学文献中自动提取药物与蛋白质关系的方法	药物/化学物质与蛋白质之间的实体关系	自然语言处理	NA	NA	Transformer	文本	主语料库10,750篇摘要，大规模语料库2.4M篇文献	NA	生物医学预训练Transformer模型	F1-score	NA
3797	2026-05-02	Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.20.576449 PMID:38328064	研究论文	提出一种基于深度学习管道的自动化细胞检测与追踪方法，用于无标记3D延时成像	无需手动标注训练数据，鲁棒检测具有高度尺度不变性，跨实验室和仪器的泛化能力强	NA	解决无标记3D延时成像中细胞自动检测和追踪的挑战	细胞图像	计算机视觉	NA	3D延时成像	GAN	图像	NA	PyTorch	embGAN	NA	NA
3798	2026-05-02	Toward enhancement of antibody thermostability and affinity by computational design in the absence of antigen 2024 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2024.2362775 PMID:38899735	研究论文	利用深度学习模型DeepAb结合深度突变扫描数据设计抗体变体，以增强抗体热稳定性和亲和力	首次在无抗原结构信息的情况下，仅通过序列预测抗体结构并联合深度突变扫描数据，实现对抗体热稳定性和亲和力的双重优化	未明确讨论模型对非HEL抗体或更复杂抗原的泛化能力，且实验验证仅基于单一抗体靶点	探索无需预测抗体-抗原界面的抗体优化方法，提升抗体的热稳定性和亲和力	针对抗鸡卵清溶菌酶的抗体变体	机器学习	NA	深度学习、深度突变扫描、高通量实验	深度学习模型	序列数据、实验突变数据	200个设计的抗体变体	NA	DeepAb	热稳定性（T、T、T）、胶体稳定性、亲和力（K）、开发性参数（非特异性结合、聚集倾向、自结合）	NA
3799	2026-05-02	Digital pathology and multimodal learning on oncology data 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae014 PMID:42064394	综述	本文综述了数字病理学与多模态学习在肿瘤学数据整合中的最新进展，强调了其改善癌症诊疗的潜力	系统阐述了数字病理学如何与临床、影像及分子等多模态数据结合，并分析了多模态学习在肿瘤学中的机遇与挑战	NA	探讨多模态数据整合在肿瘤学中的应用，特别是数字病理学如何与其他数据类型协同以提升癌症诊疗水平	多模态肿瘤学数据（包含临床、影像、分子及病理信息）	数字病理学	癌症	NA	深度学习、机器学习	图像、文本、分子数据	NA	NA	NA	NA	NA
3800	2026-05-02	Clinical adoption of deep learning target auto-segmentation for radiation therapy: challenges, clinical risks, and mitigation strategies 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae015 PMID:42064392	综述	综述深度学习在放射治疗靶区自动分割中的临床应用挑战、风险及缓解策略	聚焦靶区自动分割的临床采用，系统分析了过度分割、不足分割、自动化偏差及适度信任等临床风险，并提出了包括几何、剂量-体积和基于结果的性能监测在内的全面质量保证框架	主要基于现有文献综述，缺乏实际临床实施数据的量化评估，且未深入探讨不同深度学习模型架构间的具体比较	评估深度学习靶区自动分割在放射治疗中的临床采用挑战、风险及缓解策略，推动其安全整合入临床实践	放射治疗中的靶区自动分割技术及其临床应用	机器学习,数字病理学	癌症	NA	深度学习	影像	NA	NA	NA	NA	NA