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
561	2026-04-10	Foundation Models in Radiology: What, How, Why, and Why Not 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.240597 PMID:39903075	综述	本文综述了放射学中基础模型的基本概念、训练方法、能力评估及其临床应用的潜力与挑战	系统性地阐述了放射学领域基础模型的训练数据需求、模型训练范式、能力评估策略，并强调了安全与负责任训练的重要性	作为一篇综述文章，未提出新的实验模型或数据，主要基于现有文献进行总结与讨论	解释放射学中基础模型的基本概念，并探讨其训练、评估及临床应用的路径	放射学领域的基础模型及其在临床实践中的应用	机器学习	NA	NA	基础模型	文本与影像数据	NA	NA	NA	NA	NA
562	2026-04-10	Arthroscopy-validated Diagnostic Performance of 7-Minute Five-Sequence Deep Learning Super-Resolution 3-T Shoulder MRI 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.241351 PMID:39964264	研究论文	本研究验证了7分钟并行成像加速的深度学习超分辨率3-T肩关节MRI在诊断肩部病变中的临床效能	首次通过关节镜检查验证了快速深度学习超分辨率肩关节MRI的诊断性能，实现了7分钟扫描时间	回顾性研究设计，样本量相对较小（121名成人），部分病变（如软骨缺损）的诊断准确性较低	验证加速深度学习超分辨率肩关节MRI对肩部病变的诊断准确性	患有疼痛性肩部疾病的成人患者	数字病理学	肩部疾病	并行成像加速的深度学习超分辨率MRI	深度学习模型	MRI图像	121名成人（平均年龄55岁±14，75名男性）	NA	超分辨率网络	敏感性, 特异性, 准确性, AUC	3-T MRI扫描仪
563	2026-04-10	Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.240473 PMID:39964263	研究论文	本研究利用深度学习算法分析国家肺癌筛查试验中连续低剂量CT扫描的心外膜脂肪组织变化，并探讨其与全因、心血管及肺癌死亡率的关联	首次在大型肺癌筛查队列中，利用自动化深度学习算法量化连续CT扫描的心外膜脂肪组织体积与密度变化，并建立其与长期死亡率的新型关联	研究为二次分析，可能存在未测量的混杂因素；心外膜脂肪组织的测量依赖自动化算法，可能受CT扫描参数影响	探究连续低剂量CT扫描中心外膜脂肪组织变化与死亡率之间的关联	国家肺癌筛查试验中接受连续低剂量CT肺癌筛查的参与者	数字病理学	肺癌, 心血管疾病	低剂量CT扫描, 深度学习算法	深度学习	CT图像	20661名参与者（平均年龄61.4岁，男性12237名）	NA	NA	风险比, 置信区间	NA
564	2026-04-10	Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.240427 PMID:39998377	研究论文	本研究利用基于深度学习的自动化工具从CT图像中测量总肾脏体积，以预测接受177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者的肾功能下降	首次将基于nnU-Net框架的深度学习分割模型TotalSegmentator用于自动化测量总肾脏体积，并证明其在预测放射性配体治疗后肾功能下降方面优于其他基线风险因素和早期eGFR变化	这是一项回顾性研究，样本量相对较小（121名患者），且仅针对接受特定治疗（至少四个周期Lu-PSMA-I&T）的患者，结果可能无法推广到其他治疗或早期患者	识别接受Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者发生临床显著肾功能恶化的预测标志物	接受至少四个周期177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	CT成像，放射性配体治疗（177Lu-PSMA-I&T）	深度学习分割模型	CT图像	121名患者（平均年龄76岁±7岁）	nnU-Net	TotalSegmentator（基于nnU-Net框架）	受试者工作特征曲线下面积，Youden指数	NA
565	2026-04-10	A novel approach in cancer diagnosis: integrating holography microscopic medical imaging and deep learning techniques-challenges and future trends 2025-Jan-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad9eb7 PMID:39671712	综述	本文探讨了将全息显微医学成像与深度学习技术相结合用于癌症诊断的新方法，分析了其优势、挑战及未来趋势	提出了一种结合定量相位成像（QPI）与深度学习（如U-Net和Vision Transformer）的集成方法，以捕获传统成像技术无法提供的详细结构（相位）信息，从而提高癌症诊断的准确性	文中未明确提及具体实验数据或样本量，主要基于文献综述和分析，因此缺乏实证研究的局限性讨论	研究旨在通过整合全息显微相位成像和深度学习技术，改进癌症诊断的准确性和全面性	癌症诊断中的生物结构成像，特别是通过全息显微技术捕获的振幅和相位细节	数字病理学	癌症	全息显微医学成像，定量相位成像（QPI）	深度学习模型，包括U-Net和Vision Transformer（ViT）	全息显微图像	NA	NA	U-Net, Vision Transformer（ViT）	NA	NA
566	2026-04-10	Deep Learning to Simulate Contrast-Enhanced MRI for Evaluating Suspected Prostate Cancer 2025-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.240238 PMID:39807983	研究论文	本研究评估了使用深度学习从非对比MRI序列生成模拟对比增强MRI的可行性，并探讨其在评估临床显著前列腺癌中的潜在价值	首次利用pix2pix算法从四种非对比MRI序列合成对比增强MRI，以减少对比剂使用的潜在风险	研究为回顾性设计，且模拟图像与真实图像的相似度在外部测试集上有所下降	评估深度学习生成模拟对比增强MRI的可行性及其在前列腺癌PI-RADS评分中的应用价值	疑似前列腺癌的男性患者	数字病理学	前列腺癌	多参数MRI，包括T1加权成像、T2加权成像、扩散加权成像和表观扩散系数图	GAN	MRI图像	567名男性患者（平均年龄66岁±11），分为训练测试集（244例）、内部测试集（104例）、外部测试集1（143例）和外部测试集2（76例）	NA	pix2pix	多尺度结构相似性指数，Cohen κ	NA
567	2026-04-10	Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT 2025-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.233029 PMID:39835976	研究论文	本研究开发并评估了一种基于集成深度学习的模型，用于自动化检测和分割CT扫描中的肺部肿瘤	采用3D U-Net集成方法，平衡了体积上下文与分辨率，并展示了模型在外部站点上的泛化能力	研究为回顾性设计，可能受限于数据集的特定来源和时间范围	开发自动化工具以辅助肺部肿瘤的检测和分割，减少人工标注的负担和变异性	CT模拟扫描图像及临床肺部肿瘤分割标注	计算机视觉	肺癌	CT扫描	深度学习	图像	训练集：1,504个CT扫描；测试集：150个CT扫描（其中100个为单肿瘤子集）	NA	3D U-Net	灵敏度, 特异度, 假阳性率, Dice相似系数	NA
568	2025-01-29	Deep Learning MRI Reconstruction Delivers Superior Resolution and Improved Diagnostics 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.242952 PMID:39873600	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
569	2026-04-10	Deep Learning Superresolution for Simultaneous Multislice Parallel Imaging-Accelerated Knee MRI Using Arthroscopy Validation 2025-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.241249 PMID:39873603	研究论文	本研究通过关节镜验证，评估了深度学习超分辨率技术在膝关节MRI中的诊断性能	首次使用关节镜作为独立参考标准，验证了深度学习超分辨率技术在加速膝关节MRI中的诊断性能	研究样本量相对较小（116名成人），且仅针对膝关节特定病变进行评估	验证深度学习超分辨率MRI在膝关节病变诊断中的性能	患有膝关节疼痛的成人患者	医学影像分析	膝关节疾病	深度学习超分辨率, 同时多层并行成像加速MRI	深度学习模型	MRI图像	116名成人（平均年龄45岁，74名男性）	NA	NA	AUC, Cohen κ, Gwet AC2, Likert评分	3 T MRI扫描仪
570	2026-04-10	RETRACTED: Fast fault diagnosis of smart grid equipment based on deep neural network model based on knowledge graph 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0315143 PMID:39951439	研究论文	本文提出了一种基于知识图谱和YOLOv4目标检测算法的智能电网设备故障诊断模型，旨在提高诊断准确性和效率	创新性地将YOLOv4目标检测算法与知识图谱结合，统一多模态信息的表征和存储，以提升智能电网设备故障诊断的准确性和速度	未在摘要中明确提及具体限制，如模型泛化能力、数据多样性或实际部署挑战	开发一种更准确、快速且易于操作的智能电网设备故障诊断技术，以解决现有技术中应用复杂和诊断率低的问题	智能电网设备及其故障诊断	机器学习	NA	深度学习多模态语义模型和知识图谱	CNN	多模态信息（可能包括图像、文本等）	NA	NA	YOLOv4	准确性、速度、易操作性	NA
571	2026-04-10	RETRACTED: Optimizing chemotherapeutic targets in non-small cell lung cancer with transfer learning for precision medicine 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0319499 PMID:40299923	研究论文	本文提出了一种结合混合UNet Transformer、改进Rime优化算法和深度迁移学习的药物发现模型，用于识别非小细胞肺癌的化疗靶点	提出了一种混合UNet Transformer架构用于从药物和蛋白质序列中提取深度特征，并引入了改进的Rime优化算法进行特征选择，同时设计了深度迁移学习模型以提高药物发现的准确性	未提及模型在临床实际应用中的验证情况，也未讨论模型对不同患者亚群的泛化能力	优化非小细胞肺癌的化疗靶点识别，推动精准医疗发展	非小细胞肺癌患者的药物靶点	机器学习	肺癌	特征提取，迁移学习	Transformer, UNet, LSTM	序列数据（药物序列和蛋白质序列）	使用了Davis、KIBA和Binding-DB三个基准数据集，具体样本数量未明确说明	NA	混合UNet Transformer, DTransL	准确率	NA
572	2026-04-10	RETRACTED: TGEL-transformer: Fusing educational theories with deep learning for interpretable student performance prediction 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0327481 PMID:40587446	研究论文	本研究提出了一个融合教育理论与深度学习的TGEL-Transformer框架，用于可解释的学生成绩预测	提出了理论指导的TGEL-Transformer框架，首次将多元智能理论和社会认知理论融入深度学习模型，设计了双通道特征处理模块、理论指导的四头注意力机制和可解释预测层	未在摘要中明确说明	解决传统教育数据挖掘方法难以整合异构特征数据、现有深度学习模型缺乏教育理论指导且可解释性不足的问题	学生	教育数据挖掘	NA	深度学习	Transformer	异构特征数据（认知、情感、环境维度）	6,608名学生（主要数据集），480名跨文化数据（外部验证）	未在摘要中明确说明	TGEL-Transformer（Theory-Guided Educational Learning Transformer）	RMSE, R2	未在摘要中明确说明
573	2026-04-10	Artificial intelligence in breast ultrasound: a systematic review of research advances 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1619364 PMID:41098709	综述	本研究通过文献计量可视化分析，总结了人工智能集成超声技术在乳腺癌领域的研究进展、热点、趋势及国际合作模式	首次对2004-2025年间人工智能在乳腺超声领域的文献进行系统性文献计量与可视化分析，揭示了该领域的发展轨迹、核心研究力量及新兴主题	分析仅基于Web of Science核心合集数据库，可能未涵盖所有相关文献；研究结果存在地域性差异，全球合作仍需加强	总结人工智能在乳腺超声领域的研究进展，为临床诊断和治疗决策提供参考	2004-2025年间发表的关于人工智能集成超声技术用于乳腺癌的相关学术文献	医学影像分析	乳腺癌	文献计量分析，可视化分析	NA	文献元数据（发表量、引用、合作网络、关键词等）	1876篇纳入分析的学术文章	VOSviewer, CiteSpace, Microsoft Excel	NA	发表数量，总引用次数，关键词聚类，突现检测	NA
574	2026-04-10	Automated Segmentation of MRI White Matter Hyperintensities in 8421 Patients with Acute Ischemic Stroke 2024-12-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8418 PMID:39013565	研究论文	本研究开发并验证了用于急性缺血性卒中患者白质高信号（WMH）自动分割的深度学习算法，使用了来自9个中心的8421名患者的多中心数据集	首次在大规模多中心数据集（8421名患者）上开发和验证了用于急性缺血性卒中患者WMH自动分割的深度学习算法，并引入了基于Kullback-Leibler散度的不确定性指数来识别分割不准确的病例	研究未明确说明算法在不同亚组患者（如不同年龄、性别或卒中严重程度）中的性能差异，也未讨论算法在临床实践中的实时应用可行性	开发并验证能够准确分割急性缺血性卒中患者白质高信号（WMH）的深度学习算法	8421名急性缺血性卒中患者的FLAIR MRI图像	数字病理学	心血管疾病	FLAIR MRI	CNN	图像	8421名患者（2408张用于训练，6013张用于验证）	NA	UNet, SE-UNet	Dice相似系数（DSC）, 相关系数, 一致性相关系数	NA
575	2026-04-10	Ligand Identification in CryoEM and X-ray Maps Using Deep Learning 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.27.610022 PMID:39257821	研究论文	本文提出了一种基于深度学习的配体识别方法，适用于X射线衍射和冷冻电镜密度图	首次将深度学习应用于冷冻电镜密度图的配体识别，并将密度图视为3D点云处理	冷冻电镜图的标准化和配体质量评估存在挑战	开发一种自动识别小分子配体的方法，以辅助结构导向的药物设计	X射线衍射和冷冻电镜密度图中的小分子配体	计算机视觉	NA	X射线衍射，冷冻电镜	深度学习	3D点云	NA	NA	NA	NA	NA
576	2026-04-10	Convolutional neural network models describe the encoding subspace of local circuits in auditory cortex 2024-Nov-08, bioRxiv : the preprint server for biology DOI:10.1101/2024.11.07.622384 PMID:39574636	研究论文	本文开发了一种可视化卷积神经网络（CNN）捕获的调谐子空间的方法，用于解释听觉皮层局部回路对自然声音的编码机制	提出了一种通过动态谱时感受野（dSTRF）和主成分分析（PCA）来可视化CNN编码子空间的方法，揭示了听觉皮层神经元的非线性响应多样性和局部群体中的稀疏表示	方法主要基于线性近似（dSTRF），可能无法完全捕捉CNN的所有非线性特性；研究仅针对被动聆听的雪貂听觉皮层，结果推广性需进一步验证	解释卷积神经网络在预测听觉皮层神经活动时性能提升的计算特性，并建立深度学习模型的可解释性框架	雪貂初级听觉皮层（A1）中的单个神经元活动	计算神经科学	NA	高通道数微电极阵列记录	CNN	神经电生理信号（尖峰率）和自然声音刺激	使用大型自然声音集进行记录，具体样本数量未明确说明	NA	CNN（具体架构未指定）	预测准确性（与完整CNN比较）	NA
577	2026-04-10	Deep Learning-Based Reconstruction of 3D T1 SPACE Vessel Wall Imaging Provides Improved Image Quality with Reduced Scan Times: A Preliminary Study 2024-11-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8382 PMID:38889969	研究论文	本研究评估了基于深度学习的图像重建优化序列在颅内血管壁成像中的应用，旨在缩短扫描时间并提高图像质量	首次将深度学习优化的图像重建技术应用于T1 3D SPACE序列，实现了扫描时间缩短约30%的同时，显著提升了血管壁和管腔的可视化评分	样本量较小（10名健康对照和5名患者），属于初步研究，需要在更大队列中进一步验证	评估深度学习优化的颅内血管壁成像序列在临床实践中的可行性和效果	健康对照者和颅内血管疾病患者的颅内血管壁图像	医学影像分析	颅内血管疾病	T1加权成像，3D SPACE序列	深度学习模型	医学影像（MRI图像）	10名健康对照和5名患者	NA	NA	Likert-like量表评分（1-4分），背景噪声，图像锐度，CSF信号均匀性	NA
578	2026-04-10	Deep Learning Algorithms for Breast Cancer Detection in a UK Screening Cohort: As Stand-alone Readers and Combined with Human Readers 2024-11, Radiology IF:12.1Q1 DOI:10.1148/radiol.233147 PMID:39560480	研究论文	本研究在独立的英国数据集上外部验证了三种深度学习算法作为乳腺X线摄影筛查阅读器的性能，评估其作为独立阅读器以及与人类阅读器结合时的表现	首次在独立英国队列中同时评估三种商业深度学习算法作为独立阅读器及与人类阅读器结合时的性能，并与单读和双读标准进行比较	研究为回顾性设计，仅使用两家厂商的设备数据，未评估算法在不同人群或设备间的泛化能力	验证深度学习算法在乳腺X线摄影筛查中作为独立阅读器及辅助工具的临床性能	乳腺X线摄影图像及对应的乳腺癌病例	计算机视觉	乳腺癌	全视野数字乳腺X线摄影	深度学习算法	医学图像	26722例病例（包括332例筛查检出癌、174例间期癌和254例下一轮检出癌）	NA	三种商业深度学习算法（DL-1, DL-2, DL-3）	灵敏度, 特异度	NA
579	2026-04-10	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2024-Oct-18, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618559 PMID:39463944	研究论文	本研究利用AlphaFold2探索电压门控钠通道的构象及其与蛋白质伙伴的相互作用	通过子采样多序列对齐和调整循环次数增强构象采样，首次展示了AlphaFold2能够模拟钠通道的多种构象，包括实验未识别的新状态和潜在中间态，同时AlphaFold Multimer高精度建模了钠通道与辅助β亚基和钙调蛋白的复合物	研究依赖于计算模拟，未进行实验验证新构象或相互作用的生物学功能，且AlphaFold2在捕获动态构象变化方面可能存在固有局限	探索深度学习模型AlphaFold2在采样电压门控钠通道构象及建模其蛋白质-蛋白质相互作用方面的能力	电压门控钠通道（Na通道）的α亚基及其与辅助β亚基和钙调蛋白的相互作用	计算生物学	NA	AlphaFold2, AlphaFold Multimer, 冷冻电镜	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2	准确性	NA
580	2026-04-10	Deep Learning Denoising Improves CT Perfusion Image Quality in the Setting of Lower Contrast Dosing: A Feasibility Study 2024-10-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8367 PMID:38844370	研究论文	本研究探讨了深度学习去噪技术在降低碘对比剂剂量和X射线mAs剂量条件下，对CT灌注成像图像质量的改善效果	首次在临床前和临床研究中，系统评估了深度学习去噪（RED-CNN）在低对比剂剂量CTP成像中的应用，并比较了其与传统k-space加权图像平均滤波的效果	样本量较小（12头猪和22名患者），且为回顾性研究，可能影响结果的普遍性	开发在降低碘对比剂剂量情况下维持CTP图像质量的协议，以应对对比剂短缺和减少医疗浪费	猪（临床前研究）和患者（临床研究）的CT灌注成像数据	医学影像分析	NA	CT灌注成像	CNN	医学影像	12头猪（每头进行9次CTP检查）和22名患者（11名低剂量组，11名标准剂量对照组）	NA	残差编码器-解码器卷积神经网络	信噪比, 定性图像评估	NA