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
8621	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
8622	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
8623	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
8624	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
8625	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
8626	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
8627	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
8628	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
8629	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
8630	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
8631	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
8632	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
8633	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
8634	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
8635	2025-10-06	Applied deep learning in neurosurgery: identifying cerebrospinal fluid (CSF) shunt systems in hydrocephalus patients 2024-02-07, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-024-05940-3 PMID:38321344	研究论文	本研究开发了一种基于深度学习的AI辅助系统，用于自动识别脑积水患者脑脊液分流阀类型	首次将深度学习技术应用于脑脊液分流阀的自动识别，实现了99%的总体F1分数	仅包含10种分流阀类型，样本量相对有限（2070张图像）	评估AI辅助分流阀检测系统在临床实践中的可行性	脑积水患者的脑脊液分流阀	计算机视觉	脑积水	X射线成像，CT扫描	CNN	图像	2070张匿名图像，包含10种常用分流阀类型	FastAi, Python	基于预训练模型的迁移学习	F1-score	NA
8636	2025-10-06	PPML-Omics: A privacy-preserving federated machine learning method protects patients' privacy in omic data 2024-02-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adh8601 PMID:38295178	研究论文	提出一种保护隐私的联邦机器学习方法PPML-Omics，用于组学数据分析中的患者隐私保护	设计了去中心化差分隐私联邦学习算法，首次提供数学理论证明的隐私保护方法	NA	解决组学数据分析中的患者隐私泄露问题	组学数据中的患者隐私信息	机器学习	NA	测序技术	深度学习模型	组学数据	NA	NA	NA	隐私保护能力，效用平衡	NA
8637	2025-10-06	Body Composition, Coronary Microvascular Dysfunction, and Future Risk of Cardiovascular Events Including Heart Failure 2024-02, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2023.07.014 PMID:37768241	研究论文	本研究通过深度学习分析身体成分，探讨冠状动脉微血管功能障碍与骨骼肌、脂肪组织的关联及其对心血管事件风险的预测价值	首次使用深度学习模型量化身体成分，揭示骨骼肌减少（而非脂肪增加）与冠状动脉微血管功能障碍及心血管事件的独立关联	样本量有限（n=400），研究对象为转诊患者可能存在选择偏倚，随访时间中位数为6年	探究身体成分与冠状动脉微血管功能障碍的关系及其对心血管预后的影响	400例冠状动脉疾病评估患者，71%为女性，50%为非白人，50%肥胖	数字病理	心血管疾病	心脏负荷正电子发射断层扫描，腹部计算机断层扫描	深度学习	医学影像	400例连续患者	NA	NA	风险比，置信区间，P值	NA
8638	2025-10-06	An automatic parathyroid recognition and segmentation model based on deep learning of near-infrared autofluorescence imaging 2024-02, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.7065 PMID:38457206	研究论文	基于深度学习开发用于近红外自发荧光成像的甲状旁腺自动识别与分割模型	首次将深度学习应用于近红外自发荧光成像的甲状旁腺自动识别与分割	召回率相对较低(57.8%)，需要进一步优化模型性能	建立AI模型帮助外科医生在手术中更好地识别和保护甲状旁腺	甲状旁腺	计算机视觉	甲状旁腺疾病	近红外自发荧光成像(NIFI)	深度学习	图像	523张NIFI图像	NA	NA	精确率,召回率,识别率	NA
8639	2025-10-06	Noninvasive molecular subtyping of pediatric low-grade glioma with self-supervised transfer learning 2023-Nov-22, medRxiv : the preprint server for health sciences DOI:10.1101/2023.08.04.23293673 PMID:37609311	研究论文	开发并外部验证基于MRI的深度学习流程，用于儿童低级别胶质瘤BRAF突变状态的无创分类	结合迁移学习和自监督交叉训练方法，在有限数据场景下提升分类性能；提出新的模型可解释性指标COMDist	回顾性研究，样本量有限，数据来自两个特定机构	开发无创的儿童低级别胶质瘤分子亚型分类方法	儿童低级别胶质瘤患者	医学影像分析	儿童低级别胶质瘤	MRI，基因组测序	深度学习	3D MRI图像	BCH数据集214例（开发集），CBTN数据集112例（外部验证集）	NA	NA	AUC，准确率，COMDist	NA
8640	2025-10-06	Expert-level pediatric brain tumor segmentation in a limited data scenario with stepwise transfer learning 2023-Sep-18, medRxiv : the preprint server for health sciences DOI:10.1101/2023.06.29.23292048 PMID:37425854	研究论文	本研究开发了一种基于逐步迁移学习的儿科脑肿瘤自动分割方法，在有限数据场景下实现了专家级的分割性能	提出了一种新颖的领域内逐步迁移学习方法，在儿科脑肿瘤数据有限的情况下实现了专家级的分割性能	研究数据量相对有限（n=184+100），且仅针对儿科低级别胶质瘤	开发用于儿科脑肿瘤自动分割的深度学习算法，支持实时体积评估以辅助诊断和治疗决策	儿科低级别胶质瘤（pLGG）	医学影像分析	儿科脑肿瘤	深度学习，迁移学习	深度学习神经网络	医学影像（脑部扫描）	284例（来自国家脑肿瘤联盟的184例和儿科癌症中心的100例），外部验证60例	NA	NA	Dice相似系数（DSC），Likert量表评分，图灵测试	NA