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
8081	2025-10-06	Deep Learning Segmentation of Infiltrative and Enhancing Cellular Tumor at Pre- and Posttreatment Multishell Diffusion MRI of Glioblastoma 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230489 PMID:39166970	研究论文	开发并验证一种深度学习方法来检测和分割胶质母细胞瘤患者治疗前后MRI扫描中的增强和非增强细胞肿瘤，并预测总生存期和无进展生存期	首次将多壳层扩散MRI与灌注成像结合到nnU-Net模型中，用于同时分割增强和非增强细胞肿瘤并预测生存期	回顾性研究设计，需要进一步前瞻性验证	开发胶质母细胞瘤细胞肿瘤的自动分割方法并预测患者生存结局	胶质母细胞瘤患者	数字病理	胶质母细胞瘤	多壳层扩散MRI，灌注成像	深度学习	MRI图像	1297名患者的1397次MRI扫描，包括内部训练集243次扫描和四个外部测试队列	nnU-Net	nnU-Net	Dice分数，AUC，风险比	NA
8082	2025-10-06	Deep Learning-based Unsupervised Domain Adaptation via a Unified Model for Prostate Lesion Detection Using Multisite Biparametric MRI Datasets 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230521 PMID:39166972	研究论文	开发基于深度学习的无监督域适应方法，通过统一生成模型提升多中心双参数MRI数据集中前列腺癌病变检测性能	提出一种新颖的无监督域适应方法，使用统一生成模型将不同b值采集的DWI图像转换为符合PI-RADS指南标准的图像风格	回顾性研究设计，数据来源于特定九个影像中心	提高多中心双参数MRI数据集中前列腺癌病变检测的准确性和鲁棒性	前列腺癌病变	计算机视觉	前列腺癌	双参数MRI，扩散加权成像，表观扩散系数	生成模型	医学影像	5150名患者（14191个样本），独立测试集1692个病例（2393个样本）	NA	统一生成模型	AUC	NA
8083	2025-10-06	Improving Fairness of Automated Chest Radiograph Diagnosis by Contrastive Learning 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230342 PMID:39166973	研究论文	本研究开发了一种使用监督对比学习来减少胸部X光诊断偏见的AI模型	采用监督对比学习并精心选择正负样本来生成公平的图像嵌入表示，有效降低了诊断偏见	回顾性研究，数据集可能存在选择偏倚	开发公平的AI模型以减少胸部X光诊断中的偏见	胸部X光影像	计算机视觉	胸部疾病	监督对比学习	CNN	医学影像	MIDRC数据集：27,796名患者的77,887张胸部X光；ChestX-ray14数据集：30,805名患者的112,120张胸部X光	NA	NA	边际ROC曲线下面积差异(∆mAUC)	NA
8084	2025-10-06	Stepwise Transfer Learning for Expert-level Pediatric Brain Tumor MRI Segmentation in a Limited Data Scenario 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230254 PMID:38984985	研究论文	本研究开发了一种基于逐步迁移学习的深度学习模型，用于在有限数据场景下实现专家级别的儿童脑肿瘤MRI分割	采用逐步迁移学习方法在有限数据场景下优化模型性能，实现了专家级别的自动分割	回顾性研究，数据量有限（共284例样本）	开发、外部测试并评估儿童脑肿瘤MRI分割模型的临床可接受性	儿童低级别胶质瘤患者	医学影像分析	脑肿瘤	T2加权MRI	深度学习神经网络	MRI图像	284例儿童脑肿瘤患者（184例来自国家脑肿瘤联盟，100例来自儿科癌症中心）	NA	NA	Dice系数, Likert评分, 准确率, Turing测试	NA
8085	2025-10-06	Impact of Transfer Learning Using Local Data on Performance of a Deep Learning Model for Screening Mammography 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230383 PMID:38717291	研究论文	评估纽约大学开发的乳腺筛查深度学习系统在澳大利亚本地数据集上的性能表现	研究迁移学习使用本地数据对深度学习模型在乳腺筛查中性能的影响	回顾性研究，样本量相对有限，仅包含单一澳大利亚地区数据	探讨深度学习模型在医学影像中的泛化性和可复制性问题	乳腺筛查影像数据	计算机视觉	乳腺癌	乳腺X线摄影	CNN	医学影像	959名个体（425例恶性肿瘤，490例无恶性肿瘤，44例良性病变）	NA	NA	AUC	NA
8086	2025-10-06	Improving Automated Hemorrhage Detection at Sparse-View CT via U-Net-based Artifact Reduction 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230275 PMID:38717293	研究论文	本研究探索基于U-Net的伪影减少技术如何改善稀疏视图颅脑CT扫描中的自动化出血检测性能	首次将U-Net伪影减少技术与EfficientNet出血检测模型结合，证明在显著减少CT扫描视图数量的情况下仍能保持高检测性能	回顾性研究，使用模拟稀疏视图数据，需要进一步临床验证	提高稀疏视图颅脑CT扫描中自动化出血检测的准确性和鲁棒性	颅脑CT扫描图像	计算机视觉	脑出血	CT扫描	CNN	医学图像	伪影减少训练：3000名患者；出血检测训练：17545名患者	NA	U-Net, EfficientNet-B2	AUC, 结构相似性指数	NA
8087	2025-10-06	Deep Learning for Breast Cancer Risk Prediction: Application to a Large Representative UK Screening Cohort 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.230431 PMID:38775671	研究论文	开发一种基于深度学习的人工智能工具，用于从当前阴性筛查乳腺X线检查中预测未来乳腺癌风险	首次在英国国家医疗服务体系乳腺筛查项目的大规模代表性队列中开发并验证了基于深度学习的乳腺癌风险预测工具	研究仅限于英国特定人群，未包含植入物患者和已确诊癌症病例	开发能够从阴性筛查乳腺X线检查预测未来乳腺癌风险的人工智能工具	英国国家医疗服务体系乳腺筛查项目中50-70岁女性的筛查数据	计算机视觉	乳腺癌	乳腺X线摄影筛查	深度学习	乳腺X线图像	5264个风险阳性检查和191488个风险阴性检查，总计训练集89285例、验证集2106例、测试集39351例	NA	NA	AUC, 95%置信区间	NA
8088	2024-08-07	Vision Transformer-based Deep Learning Models Accelerate Further Research for Predicting Neurosurgical Intervention 2024-07, Radiology. Artificial intelligence DOI:10.1148/ryai.240117 PMID:38864744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8089	2025-10-06	Providing context: Extracting non-linear and dynamic temporal motifs from brain activity 2024-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.27.600937 PMID:38979316	研究论文	提出使用解耦变分自编码器从静息态功能磁共振成像数据中提取非线性动态时间模式	首次将解耦变分自编码器应用于rs-fMRI数据分析，能够同时捕捉时间步特定和窗口特定的多时间尺度信息	方法主要针对静息态fMRI数据，在其他脑成像模态上的适用性需要进一步验证	开发能够更好捕捉脑活动动态特征的新计算方法	精神分裂症患者和健康对照受试者	医学影像分析	精神分裂症	静息态功能磁共振成像	变分自编码器	脑功能成像数据	精神分裂症患者和健康对照受试者（具体数量未明确说明）	NA	DSVAE（解耦变分自编码器）	潜在空间距离分析、聚类分析、相关性分析	NA
8090	2025-10-06	Impact of AI for Digital Breast Tomosynthesis on Breast Cancer Detection and Interpretation Time 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230318 PMID:38568095	研究论文	开发用于数字乳腺断层合成图像的AI诊断模型，评估其对乳腺癌检测准确性和放射科医生阅片时间的影响	开发了专门针对数字乳腺断层合成图像的深度学习AI算法，并在多中心研究中证明其能同时提高诊断准确性和减少阅片时间	回顾性研究设计，样本量相对有限（258例患者），仅包含15名放射科医生	开发AI模型辅助乳腺癌诊断并评估其临床效用	数字乳腺断层合成图像中的乳腺癌检测	计算机视觉	乳腺癌	数字乳腺断层合成	深度学习	医学影像	258名女性患者（65例癌症病例），来自14个机构的回顾性数据（2010-2021年）	NA	NA	AUC, 敏感性, 特异性, 阅片时间, Fleiss κ	NA
8091	2025-10-06	Semi-supervised Learning for Generalizable Intracranial Hemorrhage Detection and Segmentation 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230077 PMID:38446043	研究论文	开发并评估用于颅内出血检测和分割的半监督学习模型，在分布外头部CT数据集上验证其泛化能力	采用半监督学习方法，利用未标记数据提升模型在分布外数据上的泛化性能	回顾性研究，数据来源于特定机构和时间段	开发具有强泛化能力的颅内出血检测和分割模型	头部CT扫描图像	医学影像分析	颅内出血	CT扫描	深度学习模型	医学影像	训练集：457个像素级标注扫描+25,000个未标注检查；验证集：93个扫描；测试集：481个检查（分类）+23个检查/529张图像（分割）	NA	教师-学生模型架构	AUC, Dice相似系数, 平均精度	NA
8092	2025-10-06	Evaluating the Robustness of a Deep Learning Bone Age Algorithm to Clinical Image Variation Using Computational Stress Testing 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230240 PMID:38477660	研究论文	评估获奖骨龄深度学习模型对临床图像变化的鲁棒性	首次对获奖骨龄DL模型进行系统性计算压力测试，评估其对多种图像变换的鲁棒性	仅评估单一模型，未比较其他骨龄算法	评估深度学习骨龄算法对临床图像变化的鲁棒性	儿科手部X光片	计算机视觉	儿科发育评估	放射成像	CNN	图像	2627张儿科手部X光片（RSNA 1425张，DHA 1202张）	NA	2017年RSNA儿科骨龄挑战赛获奖模型	平均绝对差异，临床显著错误比例	NA
8093	2025-10-06	Impact of Deep Learning Image Reconstruction Methods on MRI Throughput 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230181 PMID:38506618	研究论文	评估两种商用深度学习重建算法在真实临床环境中对MRI检查效率的影响	首次在大型多中心机构中比较DICOM基础和k空间基础两种深度学习重建方法对MRI工作流程效率的实际影响	回顾性研究设计，结果因检查类型而异，需要针对具体病例组合进行个性化评估	评估深度学习重建算法在临床实践中对MRI检查效率的改进效果	门诊MRI检查流程	医学影像分析	NA	MRI, 深度学习重建	深度学习	医学影像	7346次检查，来自10台临床MRI扫描仪	NA	NA	扫描时间减少百分比，房间时间减少百分比	NA
8094	2025-10-06	Deep Learning-based Approach for Brainstem and Ventricular MR Planimetry: Application in Patients with Progressive Supranuclear Palsy 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230151 PMID:38506619	研究论文	开发基于深度学习的全自动MRI脑干和脑室结构分割测量方法，应用于进行性核上性麻痹患者的诊断	首次提出快速全自动的深度学习方法用于PSP患者最易受累的脑干和脑室结构的MRI平面测量分析	回顾性研究设计，样本量相对有限	开发自动化脑部MRI结构分割测量方法以辅助神经退行性疾病诊断	进行性核上性麻痹患者、帕金森病患者和健康对照者的脑部MRI图像	医学影像分析	神经退行性疾病	T1加权磁共振成像	CNN	医学影像	健康对照84例，内部、外部和临床测试数据集305例，PSP患者71例，PD患者129例	NA	NA	Dice系数, Spearman相关系数, AUC	NA
8095	2025-10-06	Performance of an Artificial Intelligence System for Breast Cancer Detection on Screening Mammograms from BreastScreen Norway 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.230375 PMID:38597784	研究论文	评估商业AI系统在乳腺癌筛查乳腺X光片中的独立检测性能	首次在大规模挪威乳腺癌筛查人群中评估商业AI系统在不同风险阈值下的性能表现	回顾性研究设计，仅基于单一筛查项目数据	探索AI系统在乳腺癌筛查中的检测性能和临床应用潜力	242,629名女性的661,695次数字乳腺X光检查	计算机视觉	乳腺癌	数字乳腺X光摄影	CNN	医学影像	661,695次检查，包括3,807例筛查检出癌症和1,110例间期乳腺癌	NA	卷积神经网络	AUC, 癌症检测率, 假阳性率	NA
8096	2024-08-07	Faster, More Practical, but Still Accurate: Deep Learning for Diagnosis of Progressive Supranuclear Palsy 2024-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240181 PMID:38691010	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8097	2025-10-06	Machine learning predictions of T cell antigen specificity from intracellular calcium dynamics 2024-03-08, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adk2298 PMID:38446885	研究论文	本研究开发了一种基于细胞内钙动态的机器学习方法，用于预测T细胞抗原特异性	首次利用深度学习工具从高度可变的T细胞受体信号钙波动中准确预测T细胞激活状态	研究主要针对TCR转基因CD8 T细胞，在多元克隆T细胞中的验证仍需进一步扩展	开发无需T细胞扩增的抗原特异性T细胞受体序列识别方法	T细胞受体工程化细胞疗法中的T细胞	机器学习	肿瘤	细胞内钙动态监测	深度学习	钙波动信号数据	TCR转基因CD8 T细胞及多元克隆T细胞	NA	NA	准确率	NA
8098	2025-10-06	Transformers enable accurate prediction of acute and chronic chemical toxicity in aquatic organisms 2024-03-08, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adk6669 PMID:38446886	研究论文	开发基于Transformer和深度神经网络的AI模型，用于预测化学物质对水生生物的急性和慢性毒性	首次将Transformer架构应用于化学毒性预测，能够直接从化学结构中捕获毒性特异性特征	模型性能依赖于训练数据的质量和覆盖范围，未明确说明对未知化学结构的泛化能力	提高化学毒性预测的计算方法准确性和应用范围	水生生物（藻类、水生无脊椎动物和鱼类）	机器学习	NA	深度学习	Transformer, 深度神经网络	化学结构数据	NA	NA	Transformer	预测误差	NA
8099	2025-10-06	Vision Transformer-based Decision Support for Neurosurgical Intervention in Acute Traumatic Brain Injury: Automated Surgical Intervention Support Tool 2024-03, Radiology. Artificial intelligence DOI:10.1148/ryai.230088 PMID:38197796	研究论文	开发基于Vision Transformer的自动分诊工具，用于预测创伤性脑损伤患者是否需要神经外科干预	首次将Vision Transformer应用于创伤性脑损伤的神经外科干预预测，创建了ASIST-TBI自动决策支持工具	回顾性研究，数据来自单一创伤中心，需要进一步外部验证	开发自动分诊工具预测创伤性脑损伤患者的神经外科干预需求	创伤性脑损伤患者的头部CT扫描	计算机视觉	创伤性脑损伤	CT扫描	Vision Transformer	医学图像	训练验证测试集2806例患者，独立测试集612例患者	NA	Vision Transformer	AUC, 准确率, 灵敏度, 特异性	NA
8100	2025-10-06	NnU-Net versus mesh growing algorithm as a tool for the robust and timely segmentation of neurosurgical 3D images in contrast-enhanced T1 MRI scans 2024-02-20, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05973-8 PMID:38376564	研究论文	本研究评估nnU-Net在对比增强T1 MRI图像中分割大脑、皮肤、肿瘤和脑室的性能，并与传统网格生长算法进行对比	首次系统比较nnU-Net与网格生长算法在神经外科3D图像分割中的性能，证明nnU-Net在有限训练数据下仍能获得优异表现	使用单中心回顾性数据训练，样本量相对较小（67例训练，32例测试）	评估深度学习模型在神经外科图像分割中的性能和实用性	对比增强T1 MRI脑部扫描图像中的大脑、皮肤、肿瘤和脑室结构	医学图像分析	脑部疾病	MRI, 对比增强T1成像	深度学习, CNN	3D医学图像	67例训练样本（单中心），32例测试样本（双中心）	nnU-Net	nnU-Net	Dice-Sørensen系数, IoU, 95% Hausdorff距离, 平均对称表面距离, 分割时间	NA