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
821	2026-05-20	Generating Synthetic T2*-Weighted Gradient Echo Images of the Knee with an Open-source Deep Learning Model 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.015 PMID:40175204	研究论文	开发一个开源深度学习模型，用于生成膝关节的合成T2*加权梯度回波图像	首次开发开源深度学习模型生成合成T2*W膝关节图像，并提供了代码、模型和独立可执行文件	识别出四种伪影类型，但伪影对诊断价值影响不大或无影响	开发一个开源深度学习模型，利用脂肪抑制中间加权图像生成膝关节的合成T2*W图像	膝关节MR图像	计算机视觉	膝关节疾病	MRI	GAN	图像	12,118张矢状膝关节MR图像用于训练，2,996张用于测试	NA	CycleGAN	NRMSE、PSNR、SSIM、组内相关系数	NA
822	2026-05-20	Deep Learning in Knee MRI: A Prospective Study to Enhance Efficiency, Diagnostic Confidence and Sustainability 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.018 PMID:40240275	research paper	评估深度学习重建的并行采集技术与同步多层加速成像在膝关节MRI中的组合效果	首次前瞻性研究结合深度学习增强的4倍PAT与2倍SMS加速（P4S2）在膝关节MRI中的应用，显示出比传统2倍PAT更高的图像质量和解剖描绘能力	样本量较小（仅34名参与者），且仅包括成人参与者，缺乏更广泛人群的代表性	评估深度学习重建的并行采集技术与同步多层加速成像在膝关节MRI中的效率、诊断信心和可持续性	接受膝关节MRI的成人患者	machine learning	NA	MRI	深度学习模型	图像	34名参与者（平均年龄45±17岁，14名女性）	NA	NA	信噪比（SNR），对比噪声比（CNR），图像质量评分，辐射组学特征（对比度和灰度特征）	NA
823	2026-05-20	Deep Learning Radiomics Nomogram Based on MRI for Differentiating between Borderline Ovarian Tumors and Stage I Ovarian Cancer: A Multicenter Study 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.067 PMID:39814661	研究论文	基于T2加权MRI的深度学习影像组学列线图用于区分交界性卵巢肿瘤与I期卵巢癌的多中心研究	首次结合深度学习、瘤内及瘤周影像组学与临床预测因子构建列线图，并在多中心外部测试集上验证其优越性	回顾性研究设计可能导致选择偏倚，且样本量相对有限（279名患者）	开发和验证基于MRI的深度学习影像组学列线图，以术前区分交界性卵巢肿瘤和I期上皮性卵巢癌	交界性卵巢肿瘤和I期上皮性卵巢癌患者	数字病理学	卵巢癌	MRI成像	深度学习模型	图像（MRI）	279名患者，来自三个中心（训练集207名，外部测试集72名）	NA	NA	曲线下面积（AUC）	NA
824	2026-05-20	Evaluation of a Deep Learning Denoising Algorithm for Dose Reduction in Whole-Body Photon-Counting CT Imaging: A Cadaveric Study 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.052 PMID:39818525	研究论文	通过尸体研究评估深度学习去噪算法在全身光子计数CT成像中减少辐射剂量的有效性	首次在真实尸体内扫描中系统评估深度学习去噪算法对光子计数CT不同辐射剂量水平（100%、50%、25%、10%）的图像质量影响，证明在高达75%剂量降低时仍能维持诊断质量	研究仅限于尸体内扫描，未涉及活体患者运动伪影或临床诊断任务的评估	评估基于深度学习的去噪算法在降低辐射剂量的全身光子计数CT成像中维持诊断图像质量的效果	24具人尸体	计算机视觉, 数字病理学	NA	光子计数CT（PCCT）	深度学习去噪算法	CT图像	24具尸体，共192个数据集（4剂量水平 × 2重建方法 × 24标本）	NA	ClariCT.AI	CT值稳定性，图像噪声，对比噪声比（CNR），主观图像质量评分	NA
825	2026-05-20	Dynamic glucose enhanced imaging using direct water saturation 2025-Apr-24, ArXiv PMID:39502884	研究论文	提出利用直接水饱和（DS）曲线中的交换基础线宽（LW）变化进行动态葡萄糖增强（DGE）MRI成像，通过模拟和临床脑肿瘤患者数据进行验证	首次利用Z谱直接水饱和曲线的线宽变化来评估葡萄糖摄取，相比传统CEST或自旋锁定方法具有更高效应量和更低运动敏感性	仅对4名脑肿瘤患者进行了初步评估，临床样本量有限	开发一种新型动态葡萄糖增强MRI方法，用于评估葡萄糖摄取并应用于脑肿瘤成像	脑肿瘤患者	磁共振成像	脑肿瘤	动态葡萄糖增强MRI	深度学习，洛伦兹拟合	MRI影像	4名脑肿瘤患者	NA	深度学习洛伦兹拟合网络	AUC	3 T MRI扫描仪
826	2026-05-20	Evaluating the reproducibility of a deep learning algorithm for the prediction of retinal age 2025-04, GeroScience IF:5.3Q1 DOI:10.1007/s11357-024-01445-0 PMID:39589693	研究论文	评估深度学习算法预测视网膜年龄的可重复性	首次探索视网膜年龄预测的可靠性和多种影响因素	样本量较小，且未探讨主观年龄感知与视网膜年龄差距的关系	评估视网膜年龄预测的可靠性和准确性，分析影响预测的因素	两组参与者：内部访问组和间隔访问组，通过彩色眼底照相成像	深度学习	年龄相关疾病	彩色眼底照相	深度学习算法	图像	间隔访问组26人，内部访问组41人	NA	NA	平均绝对测试-重测差异	NA
827	2026-05-20	Genomic determinants of biological age estimated by deep learning applied to retinal images 2025-04, GeroScience IF:5.3Q1 DOI:10.1007/s11357-024-01481-w PMID:39775603	研究论文	本研究通过深度学习从视网膜图像预测生物年龄，并进行全基因组关联分析以揭示视网膜年龄差距的遗传基础	首次通过全基因组关联分析识别出13个与视网膜年龄差距相关的基因位点，并通过孟德尔随机化分析揭示了糖化血红蛋白、炎症细胞和贫血与视网膜加速老化的因果关系	基于两个队列的发现需在更大规模和更多样化的人群中验证，且遗传力估计值较低(0.15)	探索视网膜年龄差距的生物学含义和分子机制，为衰老过程提供因果推断及潜在药物干预靶点	英国生物银行(31,271人)和GoDARTS(8,034人)两个队列的参与者	机器学习, 数字病理学	老年性疾病	全基因组关联分析, 孟德尔随机化分析	深度学习	视网膜图像	31,271 (UK Biobank) + 8,034 (GoDARTS)	NA	NA	遗传相关性, 遗传力	NA
828	2026-05-20	Artificial Intelligence-Enhanced Perfusion Scoring Improves the Diagnostic Accuracy of Myocardial Perfusion Imaging 2025-04-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268079 PMID:39978815	研究论文	通过深度学习模型增强心肌灌注SPECT成像的总灌注缺陷评分，提升阻塞性冠状动脉疾病检测的准确性	将深度学习预测融入传统定量评分方法，生成临床医生熟悉的增强TPD和17节段总负荷评分，既保持临床可解释性又提高诊断准确性	NA	提高基于人工智能的心肌灌注SPECT成像方法在临床中的可转化性	555名接受心肌灌注SPECT成像并在180天内行有创冠状动脉造影的患者	机器学习	冠状动脉疾病	SPECT心肌灌注成像	深度学习模型	图像	555名患者（中位年龄65岁，69%为男性，59%确诊阻塞性CAD）	NA	NA	AUC, 敏感性, 特异性	NA
829	2026-05-20	DeepPath: Overcoming data scarcity for protein transition pathway prediction using physics-based deep learning 2025-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.27.640693 PMID:40060558	研究论文	提出DeepPath，一种基于深度学习的框架，通过物理引导的主动学习快速预测蛋白质状态间的转变路径	采用主动学习框架，利用分子力学力场作为预言机迭代优化预测，克服了传统监督学习方法在蛋白质构象转变数据稀缺上的局限	仅针对已知蛋白质状态间的路径预测，未涉及完全未知状态的探索；验证案例数量有限（三个），通用性需进一步验证	开发高效方法替代传统分子动力学模拟，快速生成蛋白质构象转变的物理合理路径	三种蛋白质系统的构象转变路径：SHP2激活、CdiB H1分泌、BAM复合体侧向门开放	机器学习	NA	分子动力学模拟、分子力学力场	深度学习（主动学习）	蛋白质结构数据	三个生物学验证案例（SHP2、CdiB、BAM复合体）	NA	NA	TM-score	NA
830	2026-05-20	Retinal vascular alterations in cognitive impairment: A multicenter study in China 2025-02, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.14593 PMID:39988572	研究论文	本研究调查了中国三个地区认知障碍患者的视网膜血管变化，利用深度学习分割模型提取36个血管特征，发现与认知功能相关的血管结构改变	首次在多中心东亚人群中使用VC-Net深度学习模型量化视网膜动静脉网络特征，并发现静脉结构与认知功能水平的相关性	需要在更大样本队列中验证，并探索视网膜血管改变的潜在机制	探究视网膜血管变化作为认知障碍生物标志物的可行性	轻度认知障碍或阿尔茨海默病患者与健康对照者的视网膜图像	计算机视觉	阿尔茨海默病	视网膜成像	VC-Net（深度学习分割模型）	图像	176例认知障碍患者（MCI或AD）和264例对照者	NA	VC-Net	NA	NA
831	2026-05-20	Impurity detection of premium green tea based on improved lightweight deep learning model 2025-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2024.115516 PMID:39779147	研究论文	提出了一种基于改进轻量级深度学习模型的优质绿茶杂质检测方法	通过替换损失函数、轻量级卷积、模型剪枝和知识蒸馏，在提升检测性能的同时实现模型轻量化	未提及在实际生产环境中的部署验证及对其他茶叶品种的泛化能力	解决优质绿茶杂质检测中计算资源受限和大模型难以部署的问题	优质绿茶中的杂质	计算机视觉	不适用	深度学习	YOLOv8	图像	使用自建数据集	PyTorch	YOLOv8	GFLOPs, 参数量, 精确率, 召回率, 平均精度均值, 每秒帧数	未提及
832	2026-05-20	NeuroPred-ResSE: Predicting neuropeptides by integrating residual block and squeeze-excitation attention mechanism 2024-12, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115648 PMID:39154878	研究论文	提出基于残差块和挤压激励注意力机制的神经肽预测模型NeuroPred-ResSE	首次将残差块与挤压激励注意力机制结合用于神经肽预测，能捕获并识别最相关的属性特征	未明确提及具体局限性，但可能依赖特定序列编码方法，需进一步验证泛化能力	开发快速准确的神经肽预测工具，助力神经系统疾病药物研发	神经肽序列及其预测模型	机器学习	神经系统疾病	NA	CNN（基于残差块和注意力机制）	序列数据（蛋白质/肽序列）	未明确样本数量，但提及训练集和测试集（基于5折交叉验证和独立测试）	NA	ResNet（残差块）、Squeeze-and-Excitation Network（挤压激励注意力机制）	准确率（accuracy）	NA
833	2026-05-20	The development of machine learning approaches in two-dimensional NMR data interpretation for metabolomics applications 2024-12, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115654 PMID:39187053	研究论文	利用机器学习方法开发二维核磁共振数据处理自动化流程，用于代谢组学定量分析	首次将多种机器学习分类方法（PLS-DA、ANN-DA、XGBoost-DA和ANNDL-DA）与自动峰选择相结合，实现二维核磁共振数据的自动化定量分析	PLS-DA和XGBoost-DA在数据变异或过拟合方面存在局限性，ANN-DA和ANNDL-DA的准确性仍约90%需进一步提升	开发自动化方法处理二维核磁共振数据，推动其在代谢组学定量研究中的常规应用	标准混合物、海葵提取物和小鼠粪便样本	机器学习	NA	NMR	PLS-DA, ANN-DA, XGBoost-DA, ANNDL-DA	二维核磁共振谱数据	标准混合物、海葵提取物和小鼠粪便样本	NA	NA	准确性（约90%）	NA
834	2026-05-20	Integrating predictive coding and a user-centric interface for enhanced auditing and quality in cancer registry data 2024-Dec, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2024.04.007 PMID:38690549	研究论文	开发了一个结合深度学习与规则方法的混合自然语言处理系统，集成于医院信息系统，为癌症登记员提供患者病程可视化平台，以辅助肺癌登记数据的编码工作	将预测编码与用户中心界面整合，提出混合加权神经符号系统，并构建患者病程可视化平台以辅助编码审核	NA	简化医院癌症登记数据的人工提取流程，提升编码质量与效率	肺癌登记相关文本数据及编码项目	自然语言处理	肺癌	自然语言处理、深度学习、规则方法	混合深度学习-规则模型	文本	1428例肺癌患者数据	NA	混合神经符号架构	F1分数	NA
835	2026-05-20	AI-readiness for Biomedical Data: Bridge2AI Recommendations 2024-Nov-24, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.23.619844 PMID:39484409	评论	本文介绍了Bridge2AI项目提出的生物医学数据AI就绪性评估方法及数据标准	提出生物医学数据AI就绪性的评估标准，并整合可解释人工智能以及伦理、法律和社会影响考量	领域快速演进，所提标准为初步基础框架，可能需持续更新	制定生物医学数据AI就绪性的评估方法和数据标准，确保科学严谨性和伦理设计	Bridge2AI项目开发的旗舰数据集及相关AI/ML分析方法	机器学习	未指定	NA	NA	生物医学数据	NA	NA	NA	NA	NA
836	2026-05-20	Application and performance enhancement of FAIMS spectral data for deep learning analysis using generative adversarial network reinforcement 2024-11, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115627 PMID:39033946	研究论文	使用生成对抗网络增强高场非对称离子迁移谱（FAIMS）谱图数据以改进深度学习分析性能	首次将生成对抗网络（GAN）引入FAIMS谱图数据增强，通过生成高保真度和多样性的谱图有效扩展数据集，无需增加额外实验成本	未提及模型对复杂混合物中未知或罕见成分的泛化能力，以及生成数据的潜在偏差或过拟合风险	解决FAIMS深度学习分析中因数据质量不足和样本多样性低导致的识别性能差的问题	通过FAIMS收集的15类真实混合谱图数据	机器学习	NA	高场非对称离子迁移谱（FAIMS）	生成对抗网络（GAN）、VGG、ResNeXt	谱图数据	15类混合谱图样本	NA	VGG, ResNeXt	准确率, 精确率, 召回率, F1分数	NA
837	2026-05-20	Protein-peptide binding residue prediction based on protein language models and cross-attention mechanism 2024-11, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2024.115637 PMID:39121938	研究论文	设计了一种基于蛋白质语言模型和交叉注意力机制的端到端深度学习方法E2EPep，用于蛋白质-肽结合残基预测	首次将两种预训练蛋白质语言模型与交叉注意力特征融合模块结合，实现仅基于蛋白质序列的端到端预测，无需依赖第三方工具提取显式特征	方法在独立测试集上的性能仍有提升空间，且仅适用于学术用途，未提及临床或工业部署的可行性	提高蛋白质-肽结合残基预测的准确性和计算效率，推动药物发现	蛋白质-肽结合残基	自然语言处理，机器学习	不适用	不适用	深度学习模型	蛋白质序列	两个独立测试数据集	PyTorch	蛋白质语言模型，交叉注意力机制	AUC， Matthew相关系数	不适用
838	2026-05-20	Visceral Adiposity and Progression of ADPKD: A Cohort Study of Patients From the TEMPO 3:4 Trial 2024-Sep, American journal of kidney diseases : the official journal of the National Kidney Foundation IF:9.4Q1 DOI:10.1053/j.ajkd.2024.02.014 PMID:38608748	研究论文	利用深度学习从TEMPO 3:4试验患者的冠状面MRI扫描中量化内脏脂肪，分析其与常染色体显性多囊肾病肾脏进展及托伐普坦疗效的关系	首次在ADPKD队列中通过深度学习分割模型从冠状面MRI量化内脏脂肪，发现其在预测肾脏生长速率方面优于BMI，并影响托伐普坦疗效	回顾性研究设计、研究对象为快速进展患者、深度学习计算需求高	探讨内脏脂肪堆积与ADPKD肾脏生长速率的关系以及对托伐普坦疗效的影响	ADPKD高风险快速进展患者	数字病理学	常染色体显性多囊肾病	MRI	深度学习分割模型	图像（冠状面MRI）	1053名ADPKD患者	NA	NA	曲线下面积（AUC）、Delong检验	需要高计算资源（深度学习）
839	2026-05-20	Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software 2024-09, Journal of medical screening IF:2.6Q2 DOI:10.1177/09691413231219952 PMID:38115810	meta-analysis	本研究通过系统综述和meta分析评估了基于深度学习的人工智能系统对乳腺癌筛查乳腺X线影像进行分诊的潜力，重点关注其对放射科医生工作量的减少效果	首次通过meta分析量化了AI分诊在乳腺癌筛查中减少约68.3%放射科工作量的同时保持93.1%高敏感性的效果，提供了基于商业DL算法的实际证据	仅纳入三种使用同一商业DL算法的研究，异质性较高（I²值大），且未深入分析AI实施过程的复杂性和异质性对实际应用的影响	评估基于AI的乳腺X线分诊能否在非劣效敏感性的前提下减少放射科医生工作量	乳腺癌筛查中的乳腺X线影像及放射科医生的工作流程	机器学习	乳腺癌	深度学习的计算机辅助分诊技术	深度学习	医学影像（乳腺X线影像）	三个纳入研究的156,852次检查	NA	NA	敏感性, 特异性, 工作量减少比例	NA
840	2026-05-20	Unsupervised motion artifact correction of turbo spin-echo MRI using deep image prior 2024-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30026 PMID:38282279	研究论文	提出了一种基于深度图像先验的无监督运动伪影校正方法，用于涡轮自旋回波MRI	利用神经网络参数化对运动伪影的高阻抗特性，提出无监督的深度学习校正框架，无需大型数据集训练	未提及具体局限性	开发无监督深度学习方法校正涡轮自旋回波MRI中的运动伪影	涡轮自旋回波MRI图像中的运动伪影	计算机视觉	NA	MRI	CNN	图像	14名受试者的280张切片	PyTorch	深度图像先验网络	结构相似性指数	NA