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
8841	2025-06-18	Optimal Res-UNET architecture with deep supervision for tumor segmentation 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1593016 PMID:40520778	research paper	该研究开发了一种优化的Res-UNET架构，结合深度监督技术，用于提高MRI数据集中脑肿瘤分割的准确性	提出了一种结合深度监督的优化Res-UNET架构，显著提高了分割精度并解决了数据不平衡和计算效率问题	未来研究应考虑优化U-Net变体在其他医学图像分割任务中的广泛应用	开发优化的Res-UNET架构以提高脑肿瘤在MRI图像中的分割准确性	脑肿瘤	digital pathology	brain tumor	deep learning	Res-UNET	MRI images	BraTS 2018公共MRI数据集	NA	NA	NA	NA
8842	2025-06-18	Can artificial intelligence improve the diagnosis and prognosis of disorders of consciousness? A scoping review 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1608778 PMID:40520948	综述	本文通过范围综述探讨人工智能（AI）在意识障碍（DoC）诊断和预后中的作用	系统评估了机器学习和深度学习在意识障碍诊断和预后中的应用，并提出了标准化数据协议的需求	研究仅纳入21项符合条件的研究，样本量有限	探讨AI在意识障碍诊断和预后中的潜在作用	意识障碍（DoC）患者	机器学习	神经系统疾病	机器学习（ML）和深度学习（DL）	NA	NA	21项研究涉及DoC受试者	NA	NA	NA	NA
8843	2025-06-18	Mapping football tactical behavior and collective dynamics with artificial intelligence: a systematic review 2025, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2025.1569155 PMID:40521408	系统综述	本文通过系统综述探讨了人工智能在足球战术行为、集体动态和运动模式分析中的应用现状	综述了基于人工智能的战术行为分析方法，包括多种神经网络、深度学习和机器学习技术，以及用于集体动态分析的图度量方法	人工智能技术在实践应用中仍面临挑战，包括伦理规范和需要结合体育科学、数据分析、计算机科学和教练专业知识的专业人才缺乏	探讨人工智能在足球战术行为和集体动态分析中的应用	足球比赛中的战术行为、集体动态和运动模式	计算机视觉	NA	人工神经网络、深度学习、机器学习、时间序列分析	CNN, RNN, VRNN, VAE, XGBoost, 随机森林分类器等	时空追踪数据	从2548篇文章中筛选出32项研究进行综述	NA	NA	NA	NA
8844	2025-10-06	A deep learning approach to prediction of blood group antigens from genomic data 2024-11, Transfusion IF:2.5Q2 DOI:10.1111/trf.18013 PMID:39268576	研究论文	本研究开发了一种基于深度学习的方法，利用基因组数据预测血型抗原	首次将去噪自编码器与卷积神经网络结合应用于血型抗原预测，能够处理基因型缺失数据	对于低频或高频抗原、小训练队列或遗传基础复杂的血型系统（如Cw、Cob、RhD），模型准确性面临挑战	开发基于廉价可扩展筛查阵列基因分型平台的深度学习血型预测模型	约111,000名丹麦和1,168名芬兰献血者的血型和基因型数据	机器学习	NA	筛查阵列基因分型	去噪自编码器,卷积神经网络	基因组数据	约112,168名献血者（111,000丹麦+1,168芬兰）	NA	去噪自编码器,CNN	F1-accuracy	NA
8845	2025-06-18	Boosting Deep Learning for Interpretable Brain MRI Lesion Detection through the Integration of Radiology Report Information 2024-11, Radiology. Artificial intelligence DOI:10.1148/ryai.230520 PMID:39377669	research paper	该研究通过整合放射学报告中的文本特征，指导深度学习模型关注脑部MRI病变特征，以实现可解释的病变检测	提出了一种结合放射学报告文本特征的深度学习模型（ReportGuidedNet），显著提高了脑部病变检测的性能和可解释性	研究为回顾性设计，可能受到数据质量和报告一致性的限制	提高深度学习模型在脑部MRI病变检测中的性能和可解释性	脑部MRI扫描和对应的放射学报告	digital pathology	brain lesions	MRI	ReportGuidedNet, PlainNet	image, text	35,282份脑部MRI扫描用于训练、验证和内部测试，2,655份用于外部测试	NA	NA	NA	NA
8846	2025-10-06	Longitudinal deep neural networks for assessing metastatic brain cancer on a large open benchmark 2024-09-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-52414-2 PMID:39289405	研究论文	本文开发了利用纵向数据的深度神经网络Segmentation-Through-Time，在大型脑转移癌数据集NYUMets-Brain上实现了小转移灶检测和分割的最先进性能	提出了世界最大的纵向真实世界脑转移癌数据集NYUMets-Brain，并开发了专门利用纵向数据结构的深度神经网络	未明确说明模型在外部验证集上的泛化能力	开发能够检测和追踪脑转移癌的深度学习工具	1,429名脑转移癌患者的影像、临床随访和医疗管理数据	计算机视觉	脑转移癌	医学影像分析	深度神经网络	纵向医学影像	1,429名患者	NA	Segmentation-Through-Time	小转移灶检测准确率、分割精度、风险比	NA
8847	2025-10-06	Deep Learning to Detect Intracranial Hemorrhage in a National Teleradiology Program and the Impact on Interpretation Time 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.240067 PMID:39017032	研究论文	评估人工智能在大型远程放射学实践中检测急性颅内出血的诊断性能及其对放射科医师阅片时间和系统效率的影响	在国家级远程放射学项目中大规模评估AI对颅内出血检测的实际影响，并首次量化分析AI误报对阅片时间的负面影响	回顾性研究设计，在高容量低患病率环境中AI误报可能导致系统效率下降	评估AI临床决策支持系统在颅内出血检测中的诊断性能和对工作流程效率的影响	61,704例连续非增强头部CT检查	数字病理	颅内出血	CT成像	深度学习	医学影像	61,704例非增强头部CT检查	NA	NA	灵敏度,特异性,准确率,阳性预测值	NA
8848	2025-10-06	Open Access Data and Deep Learning for Cardiac Device Identification on Standard DICOM and Smartphone-based Chest Radiographs 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230502 PMID:39017033	研究论文	开发并评估用于在标准DICOM和智能手机拍摄的胸片上分割和分类心脏植入电子设备的深度学习模型	首个公开可用的深度学习模型，同时支持标准DICOM和智能手机拍摄的胸片进行心脏设备识别	回顾性研究，样本主要来自单一机构	开发心脏植入电子设备的自动分割和分类系统	心脏植入电子设备（包括起搏器、除颤器、心脏再同步治疗设备和心脏监测器）	计算机视觉	心血管疾病	胸部X线摄影	CNN	图像	897名患者的2321张胸片，以及使用5部智能手机采集的11072张图像	NA	U-Net, ResNet-50	Dice系数, 平衡准确率	NA
8849	2025-10-06	Improving Computer-aided Detection for Digital Breast Tomosynthesis by Incorporating Temporal Change 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230391 PMID:39140867	研究论文	开发了一种利用时间信息改进数字乳腺断层合成癌症病变检测性能的深度学习算法	通过引入时间变化信息（当前与一年前的检查对比）来优化癌症检测概率	回顾性研究，数据来自特定时间段（2016-2020年）的八个机构	提高数字乳腺断层合成的计算机辅助检测性能	数字乳腺断层合成筛查检查中的癌症和非癌症病例	计算机视觉	乳腺癌	数字乳腺断层合成	深度学习	医学影像	973例癌症病例和7123例非癌症病例	NA	PriorNet	AUC, 局部AUC	NA
8850	2025-10-06	nnU-Net-based Segmentation of Tumor Subcompartments in Pediatric Medulloblastoma Using Multiparametric MRI: A Multi-institutional Study 2024-09, Radiology. Artificial intelligence DOI:10.1148/ryai.230115 PMID:39166971	研究论文	本研究评估基于nnU-Net的分割模型在多机构MRI扫描中自动划分儿童髓母细胞瘤肿瘤亚区的性能	首次在多机构研究中应用nnU-Net模型分割儿童髓母细胞瘤亚区，并比较迁移学习和直接深度学习两种训练策略	回顾性研究设计，样本量相对有限（78例患者），囊性核心和非强化肿瘤区域分割性能较低	开发自动化分割儿童髓母细胞瘤肿瘤亚区的精准工具	儿童髓母细胞瘤患者	医学影像分析	髓母细胞瘤	多参数MRI（钆增强T1加权、T2加权、液体衰减反转恢复序列）	nnU-Net	MRI影像	78例儿童患者（52男，26女，年龄2-18岁），来自三个不同医疗机构	nnU-Net	nnU-Net	Dice系数	NA
8851	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
8852	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
8853	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
8854	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
8855	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
8856	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
8857	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
8858	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
8859	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
8860	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