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
9281	2025-10-06	Computational Synthetic Biology Enabled through JAX: A Showcase 2024-09-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.4c00307 PMID:39230510	研究论文	本文展示了JAX计算框架在计算合成生物学中的实用价值，通过三个示例项目证明其加速研究的能力	首次系统展示JAX在计算生物学领域的应用潜力，提供可复现的Jupyter笔记本教程	JAX在计算生物学领域仍处于探索阶段，应用范围有限	推广JAX框架在合成生物学和定向进化等计算生物学领域的应用	基因网络优化、细胞内动力学模拟、定向进化	计算生物学	NA	数学建模、GPU加速计算	机制模型、随机模型、数据驱动模型、AI模型	模拟数据	NA	JAX	NA	NA	GPU
9282	2025-10-06	Retinal vasculature of different diameters and plexuses exhibit distinct vulnerability in varying severity of diabetic retinopathy 2024-Jun, Eye (London, England) DOI:10.1038/s41433-024-03021-4 PMID:38514853	研究论文	本研究使用OCTA图像分析不同直径视网膜血管在糖尿病视网膜病变中的密度变化	首次基于血管直径分层（<10μm、10-20μm、>20μm）分析视网膜浅层和深层血管复合体在糖尿病视网膜病变中的特异性脆弱性	样本量在不同严重程度组间分布不均，研究为横断面设计无法确定因果关系	探究不同直径视网膜血管在糖尿病视网膜病变进展中的特异性变化模式	854名受试者的854只眼睛，包括健康对照和不同严重程度的糖尿病视网膜病变患者	数字病理	糖尿病视网膜病变	光学相干断层扫描血管成像（OCTA）	深度学习	医学图像	854只眼睛（健康对照555例，无DR 90例，轻中度NPDR 96例，重度NPDR 42例，PDR 71例）	NA	NA	血管密度，p值	NA
9283	2025-10-06	Source-free unsupervised domain adaptation: A survey 2024-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2024.106230 PMID:38490115	综述	本文系统综述了无需源数据的无监督领域自适应方法的技术发展与分类	首次从技术角度系统分类白盒与黑盒SFUDA方法，并分析各类方法的优势与挑战	作为综述文章未提出新的算法模型	解决源数据不可访问情况下的领域自适应问题	无监督领域自适应方法	机器学习	NA	深度学习	NA	多领域数据	NA	NA	NA	NA	NA
9284	2025-10-06	Convolutional Neural Networks to Study Contrast-Enhanced Magnetic Resonance Imaging-Based Skeletal Calf Muscle Perfusion in Peripheral Artery Disease 2024-06-01, The American journal of cardiology DOI:10.1016/j.amjcard.2024.03.035 PMID:38580040	研究论文	本研究利用卷积神经网络分析对比增强磁共振成像的骨骼小腿肌肉灌注模式，以区分外周动脉疾病患者与匹配对照组	首次将3D卷积神经网络应用于基于CE-MRI的骨骼小腿肌肉灌注模式分析，用于外周动脉疾病的自动分类	样本量较小（仅56名参与者），模型准确率有待提升（最高75%）	开发基于深度学习的自动诊断方法，用于外周动脉疾病的检测和分类	外周动脉疾病患者（36例）和匹配对照组（20例）的骨骼小腿肌肉	计算机视觉	外周动脉疾病	对比增强磁共振成像	CNN	3D医学影像	56名参与者（36例PAD患者，20例对照组）	NA	resNet, divNet	准确率, 特异性	NA
9285	2025-10-06	Prediction of Visual Field Progression with Baseline and Longitudinal Structural Measurements Using Deep Learning 2024-06, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2024.02.007 PMID:38354971	研究论文	开发深度学习算法利用基线和纵向结构测量预测青光眼患者视野进展	首次将连体神经网络与ResNet-152结合，使用系列视盘照片和基线视网膜神经纤维层厚度预测视野进展	单中心回顾性研究，需要进一步外部验证	预测青光眼患者的视野进展风险	青光眼患者	计算机视觉	青光眼	光学相干断层扫描(OCT)	Siamese Neural Network, CNN	图像	3,079只眼(1,765名患者)用于训练，427只眼用于测试	NA	ResNet-152	AUC	NA
9286	2025-10-06	Deep Learning-Based Detection and Classification of Bone Lesions on Staging Computed Tomography in Prostate Cancer: A Development Study 2024-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.01.009 PMID:38262813	研究论文	开发基于深度学习的AI模型用于前列腺癌分期CT中骨病变的检测、分割和良恶性分类	开发了集成两个自动化深度学习AI模型的系统，分别用于骨病变检测分割和良恶性分类，并与放射科医生性能进行比较	回顾性研究，样本量相对有限（297例CT扫描），需要额外验证	开发自动化AI系统用于前列腺癌分期CT中骨病变的检测和分类	前列腺癌患者的分期CT扫描中的骨病变	医学影像分析	前列腺癌	CT影像分析	深度学习模型	CT影像	297例分期CT扫描（81例转移性），包含4601个良性病变和1911个转移性病变	NA	3DAISeg, 3DAIClass	Dice相似系数, F1-score, 准确率, PPV, NPV	NA
9287	2025-10-06	Extracting Systemic Anticancer Therapy and Response Information From Clinical Notes Following the RECIST Definition 2024-06, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI.23.00166 PMID:38885475	研究论文	开发了一个混合自然语言处理系统，用于从临床文本中自动提取抗癌治疗和RECIST响应信息	提出了一个结合机器学习和规则方法的混合NLP系统，专门用于提取和关联抗癌治疗与RECIST响应信息	治疗与RECIST响应关联的F1分数为0.66，表明系统性能仍有提升空间	自动化从电子健康记录中提取抗癌治疗和疗效评估信息，减少人工数据收集工作	临床笔记中的抗癌治疗信息和RECIST响应信息	自然语言处理	癌症	自然语言处理	BERT,深度学习,机器学习	临床文本	来自两个不同机构的独立测试集	NA	BioBERT, BioClinicalBERT	F1分数	NA
9288	2025-10-06	U-Net enhanced real-time LED-based photoacoustic imaging 2024-Jun, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300465 PMID:38622811	研究论文	本研究提出了一种基于U-Net的深度学习框架，用于增强LED光声成像系统的图像质量	首次将U-Net框架应用于LED光声成像系统，通过减少帧平均次数实现实时图像增强	会产生模糊结果且无法有效降低椒盐噪声	提高LED光声成像系统的信噪比和对比度	体外仿体模型和体内活体模型	医学影像处理	NA	光声成像	U-Net	图像	体外仿体和体内活体模型	NA	U-Net	信噪比	NA
9289	2025-10-06	Older Tissue Age Derived From Abdominal Computed Tomography Biomarkers of Muscle, Fat, and Bone Is Associated With Chronic Conditions and Higher Mortality 2024-Jun, Mayo Clinic proceedings IF:6.9Q1 DOI:10.1016/j.mayocp.2023.09.021 PMID:38310501	研究论文	通过腹部CT影像生物标志物评估组织年龄，并探讨其与慢性疾病和死亡风险的关联	首次利用腹部CT影像中的肌肉、脂肪和骨骼生物标志物构建组织年龄评估模型，揭示组织年龄与慢性疾病和死亡风险的独立关联	研究人群仅限于美国中西部特定地区，可能限制结果的普适性	评估基于医学影像的身体成分指标在组织水平生物年龄评估中的应用价值	4900名20-89岁普通人群的腹部CT扫描数据	数字病理	老年疾病	计算机断层扫描(CT)	深度学习模型	医学影像	4900人	NA	NA	风险比(HR)	NA
9290	2025-10-06	Multimodal radiotherapy dose prediction using a multi-task deep learning model 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17115 PMID:38710210	研究论文	开发多任务深度学习模型预测不同放疗模式的剂量分布	提出多任务学习框架同时预测多种放疗模式的剂量分布，相比单任务模型具有更好的灵活性和可扩展性	样本量较小（仅28名患者），尚未验证在其他解剖部位的通用性	开发高效个性化的放疗模式选择方法	接受加速部分乳腺照射治疗的患者	医学影像分析	乳腺癌	计算机断层扫描	CNN	医学影像	28名患者的92个治疗计划	NA	多任务卷积神经网络	平均绝对百分比误差	NA
9291	2025-10-06	Deep learning generation of preclinical positron emission tomography (PET) images from low-count PET with task-based performance assessment 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17105 PMID:38710222	研究论文	开发一种基于注意力机制的残差扩张网络（ARD-Net），用于从低计数PET图像生成标准计数PET图像	提出新型深度学习架构ARD-Net，集成注意力机制、残差连接和扩张卷积，并通过集成评分系统综合评估性能	研究仅基于临床前动物模型数据，尚未在临床人体数据验证	解决低计数PET图像信噪比低、分割困难和定量不确定性的问题	患者来源肿瘤异种移植（PDX）模型的乳腺脂肪垫肿瘤	医学影像分析	肿瘤疾病	[18F]-氟代脱氧葡萄糖（FDG）-PET/CT成像	深度学习	PET医学影像	48个数据集用于训练和优化，16个数据集用于性能评估	NA	ARD-Net（基于注意力机制的残差扩张网络），对比模型包括Residual UNet（RU-Net）、Dilated Network（D-Net）	SSIM, NRMSE, Dice Score, 体积偏差, SUV测量, 放射组学特征, 一致性相关系数（CCC）, 集成性能评分（EPS）	NA
9292	2025-10-06	Assessment of impaired consciousness using EEG-based connectivity features and convolutional neural networks 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09944-0 PMID:38826674	研究论文	本研究利用基于EEG的功能连接特征和卷积神经网络评估意识障碍	提出三种网络重排方案以优化脑网络评估性能，并采用Grad-CAM可视化不同脑区连接对分类的贡献	未明确说明样本规模和数据采集的具体限制条件	开发基于脑功能连接和深度学习的意识障碍评估方法	意识障碍患者	机器学习	意识障碍	脑电图	CNN	脑功能连接网络数据	NA	NA	卷积神经网络	准确率	NA
9293	2025-10-06	Deep learning-based target decomposition for markerless lung tumor tracking in radiotherapy 2024-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.17039 PMID:38507259	研究论文	提出一种基于深度学习的靶区分割方法，用于放疗中无标记肺部肿瘤实时跟踪	首次将条件生成对抗网络(Pix2Pix)应用于生成合成靶区分割图像，增强kV投影图像中肿瘤可见度	需要患者特异性模型训练，训练时间较长(约12小时)；仅验证了2D跟踪，3D跟踪需进一步开发	开发无标记kV图像肺部肿瘤实时跟踪方法，提高放疗精准度	9名植入信标近肿瘤处的肺癌患者数据集	医学影像分析	肺癌	4DCT模拟成像，数字重建放射影像(DRR)，kV投影成像	cGAN	医学影像	9名患者，4312张测试图像	NA	Pix2Pix	跟踪误差(SI方向0.8±0.7mm, IPLR方向0.9±0.8mm)，成功跟踪率(92.2%)	NA
9294	2025-10-06	Diagnostic evaluation of deep learning accelerated lumbar spine MRI 2024-Jun, The neuroradiology journal DOI:10.1177/19714009231224428 PMID:38195418	研究论文	评估深度学习加速腰椎MRI协议与传统协议在图像质量和诊断性能方面的比较	首次全面评估基于深度学习的完整MRI协议对常规腰椎扫描时间和诊断质量的影响	样本量较小(36例)，SNR降低和伪影感知增加	评估深度学习加速腰椎MRI协议的诊断性能	连续36例门诊患者的非增强腰椎MRI	医学影像分析	脊柱疾病	MRI, 深度学习重建	深度学习	医学影像	36例门诊患者	NA	NA	Wilcoxon符号秩检验, κ系数, Likert量表, 非劣效性检验	NA
9295	2025-10-06	Deep Learning-Based T2-Weighted MR Image Quality Assessment and Its Impact on Prostate Cancer Detection Rates 2024-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29031 PMID:37811666	研究论文	本研究探讨基于深度学习的T2加权MRI图像质量评估及其对前列腺癌检测率的影响	使用内部开发的AI算法评估前列腺MRI图像质量，并首次系统分析图像质量与前列腺癌检测率的关系	回顾性研究设计，单中心数据，仅由一名放射科医师评估PI-RADS	研究MRI图像质量对前列腺癌检测率的影响	615名PSA升高的前列腺活检前患者	数字病理	前列腺癌	T2加权涡轮自旋回波MRI，高b值回波平面扩散加权成像，梯度回波动态对比增强	深度学习	医学影像	615名患者，385例高质量T2WI，230例低质量T2WI	NA	NA	癌症检测率，置信区间，P值	NA
9296	2025-10-06	Hybrid Deep Learning and Model-Based Needle Shape Prediction 2024-Jun, IEEE sensors journal IF:4.3Q2 DOI:10.1109/jsen.2024.3386120 PMID:39301509	研究论文	提出一种混合深度学习和模型驱动的针形预测方法，用于前列腺癌微创手术中的针轨迹预测	首次结合深度学习与基于李群的针形模型，并提出无需数据的自监督学习方法	仅在单层和双层均匀仿生组织中进行验证，未涉及真实人体组织	解决手术中针形实时预测问题以减少重复插入	柔性斜面针在前列腺癌手术中的插入轨迹	计算机视觉	前列腺癌	深度学习，李群理论建模	深度学习模型	针形轨迹数据	约3,000个预测样本	NA	混合深度学习架构	均方根误差	NA
9297	2025-10-06	EEG classification based on visual stimuli via adversarial learning 2024-Jun, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-023-09967-7 PMID:39534363	研究论文	提出一种基于视觉刺激的脑电信号分类方法，通过对抗学习提取主体不变特征	采用双路径深度学习架构结合梯度反转层学习主体不变特征，并提出基于引导反向传播的脑电通道选择方法	NA	基于视觉刺激的脑电信号分类与脑解码	由图像刺激诱发的脑电信号	脑机接口	NA	脑电图	CNN	脑电信号	NA	NA	双路径卷积神经网络	NA	NA
9298	2025-10-06	Automated Spontaneous Echo Contrast Detection Using a Multisequence Attention Convolutional Neural Network 2024-06, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2024.01.016 PMID:38461036	研究论文	开发了一种基于多序列注意力卷积神经网络的深度学习模型，用于自动检测血管超声中的自发回声对比现象	首次将多序列CNN与软注意力机制结合用于SEC自动检测，能够可视化关键帧重要性	模型性能仍有提升空间（AUC 0.74），样本量相对有限（201名患者）	开发自动识别血管超声中自发回声对比的深度学习模型	股静脉超声图像序列	计算机视觉	心血管疾病	血管超声	CNN	超声图像序列	201名患者的801个超声采集序列	NA	ResNetv2	ROC-AUC, 敏感度, 特异度, F1分数, 真阴性, 假阴性, 假阳性, 真阳性	NA
9299	2025-10-06	Joint MAPLE: Accelerated joint T1 and T 2 * $$ {{\mathrm{T}}_2}^{\ast } $$ mapping with scan-specific self-supervised networks 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.29989 PMID:38181183	研究论文	提出一种联合T1和T2*映射的加速MRI参数映射技术，通过扫描特异性自监督网络重建结合并行成像和模型方法	首次将并行成像、模型驱动方法和深度学习通过扫描特异性自监督网络重建协同结合，实现高加速率的联合参数映射	未提及需要外部大型数据集进行训练，但可能对特定采集协议有依赖性	开发加速的MRI定量参数映射技术以减少扫描时间	MRI T1和T2*参数映射	医学影像处理	NA	多回波、多翻转角梯度回波采集	自监督网络	多对比度MRI数据	NA	NA	NA	重建误差	NA
9300	2025-10-06	Unsupervised deep learning with convolutional neural networks for static parallel transmit design: A retrospective study 2024-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30014 PMID:38247050	研究论文	本研究提出了一种基于无监督深度学习和卷积神经网络的静态并行传输设计方法，用于改善7T磁共振中多通道发射阵列的B1+不均匀性问题	首次将CNN与多通道B1+图谱结合进行无监督训练，采用物理驱动的损失函数消除参考传输RF权重的计算需求	回顾性研究，仅使用健康人脑部数据，未在患者群体中验证	改善7T磁共振中多通道发射阵列的B1+场不均匀性	健康人脑部B1+图谱数据	医学影像分析	NA	磁共振成像，Bloch仿真	CNN	2D矢状面多通道B1+图谱	143名受试者的3824个2D矢状面多通道B1+图谱	NA	卷积神经网络	RMS误差，变异系数，能量消耗	NA