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
961	2026-05-04	A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction 2025-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06225-2 PMID:40186654	研究论文	开发基于磁共振图像的深度学习影像组学列线图，用于术前识别儿童胰胆管合流异常患者肝细胞角蛋白7表达并预测胆汁淤积进展	首次结合深度学习特征、影像组学特征和临床特征构建集成列线图，实现无创评估CK7表达状态	仅回顾性纳入180例患者，样本量有限；验证队列较小（n=36），可能影响模型泛化性	建立非侵入性方法评估胰胆管合流异常患者肝细胞CK7表达，预测胆汁淤积进展	儿童胰胆管合流异常患者	机器学习	肝胆疾病	MRI, 免疫组化分析	深度学习模型（ResNet50）	磁共振图像	180例患者（训练集144例，验证集36例）	Pyradiomics	ResNet50	AUC	NA
962	2026-05-04	Exploring Deep Learning Applications using Ultrasound Single View Cines in Acute Gallbladder Pathologies: Preliminary Results 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.061 PMID:39306521	研究论文	利用超声单视图动态影像开发深度学习模型，以区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎	首次使用超声单视图动态影像进行深度学习建模，区分胆囊正常、非紧急胆石症和需紧急干预的急性胆囊炎，具有高精度和特异性	初步研究，样本量有限（186名患者，266个动态影像），仅使用单视图动态影像，可能无法代表完整临床场景	开发深度学习模型，利用超声单视图动态影像区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎	急诊科出现右上腹疼痛的成年患者的超声单视图动态影像，涵盖正常、非紧急胆石症和急性胆囊炎三类	计算机视觉	胆囊疾病	超声成像	深度学习模型（未明确具体类型，如CNN）	超声动态影像（单视图）	186名患者，共266个动态影像（正常：52人/104个，非紧急胆石症：73人/88个，急性胆囊炎：61人/74个）	NA	NA	准确率、特异性	NA
963	2026-05-04	Large Language Models can Help with Biostatistics and Coding Needed in Radiology Research 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.042 PMID:39406582	研究论文	评估大型语言模型在放射学研究中的统计和深度学习代码生成能力	首次系统评估 ChatGPT 和 Gemini 在放射学研究中生成统计测试、R 语言代码和深度学习模型代码的性能	LLM 存在幻觉风险、代码生成错误，需要用户验证和优化代码，且受数据隐私法规限制	测试 LLM 在放射学研究中提供统计解决方案和深度学习代码的能力	ChatGPT-4o、ChatGPT-3.5 和 Google Gemini	自然语言处理	NA	NA	大型语言模型	文本	8 个统计问题，1 个深度学习任务	PyTorch	Vision Transformer (ViT-B/16)	代码正确率、运行时错误次数	网络聊天界面，未指定 GPU
964	2026-05-04	A Deep Learning-Based Framework for Predicting Intracerebral Hematoma Expansion Using Head Non-contrast CT Scan 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.039 PMID:39107191	研究论文	基于深度学习的框架，利用头部非对比CT扫描预测脑内血肿扩展	开发了一个全自动的两阶段深度学习框架，用于仅使用临床非对比CT扫描预测血肿扩展，并在大型多中心数据集上验证其性能优于常用的BAT评分	NA	开发并验证一个基于深度学习的全自动框架，用于预测脑内出血患者的血肿扩展	脑内出血患者的头部非对比CT扫描图像	机器学习，计算机视觉	脑内出血	非对比CT扫描	深度学习模型	图像	回顾性数据集2484例来自84个中心，前瞻性数据集500例来自26个中心	NA	两阶段框架	AUC，敏感性，特异性	NA
965	2026-05-04	Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.035 PMID:39261231	综述	本综述总结了基于磁共振成像的影像组学和机器学习在软组织肉瘤分级中的当前研究进展	首次系统总结了将语义影像特征、影像组学特征和深度学习特征结合到机器学习模型中用于STS分级，并探讨了从肿瘤体积和瘤周区域提取特征的优势	未提及具体局限性分析，样本量有限且不同研究间方法学差异较大	评估基于MRI的影像组学和机器学习预测软组织肉瘤恶性程度分级的现状	软组织肉瘤	机器学习	软组织肉瘤	MRI影像组学	随机森林、支持向量机、LASSO、SMOTE	MRI图像	NA	NA	随机森林、支持向量机、LASSO、SMOTE	AUC值、准确率	NA
966	2026-05-04	Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.018 PMID:39294053	研究论文	本研究评估了基于深度学习的去噪算法在创伤神经放射学CT扫描中降低辐射剂量至25%时保持图像质量和诊断准确性的能力	首次系统性验证深度学习去噪算法可在创伤神经放射学急诊CT中将辐射剂量降低75%而维持与全剂量相当的诊断性能	单中心回顾性研究，样本量有限（100例），未涵盖所有类型颅内出血	评估深度学习去噪算法在创伤神经放射学急诊CT中降低辐射剂量的能力	100例神经放射学创伤CT扫描患者	医学影像	创伤性神经放射疾病	CT成像	深度学习去噪网络	CT图像	100例患者	NA	深度学习去噪算法	敏感性、特异性、图像噪声、CT值	NA
967	2026-05-04	Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.028 PMID:39294054	研究论文	开发并验证一种基于CT影像的深度学习模型，用于肺癌的病理分级和预后评估	利用MobileNetV3架构构建非侵入性工具，可自动化病理分级并提供预后评估，辅助手术规划	NA	开发非侵入性深度学习模型，以自动化病理分级和预后评估，为手术规划提供辅助	肺癌患者，特别是非小细胞肺癌患者	深度学习	肺癌	NA	深度学习模型	CT影像	NLST队列572例（训练集461例，内部验证111例）及外部验证224例	NA	MobileNetV3	准确率, 灵敏度, 特异度, AUC	NA
968	2026-05-04	Deep Learning-Based Prediction of Freezing of Gait in Parkinson's Disease With the Ensemble Channel Selection Approach 2025-Jan, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70206 PMID:39740772	研究论文	基于深度学习与集成通道选择的帕金森病冻结步态预测方法	提出将瓶颈注意力模块集成到标准双向长短期记忆网络中的新型架构，并引入集成学习进行最优通道选择，显著降低计算复杂度并提升检测精度	NA	开发一种高效、准确的帕金森病冻结步态事件检测算法，实现实时监测	帕金森病患者的冻结步态事件	机器学习	帕金森病	运动信号采集	双向长短期记忆网络	运动信号	传感器数据（脚踝、腿部、躯干传感器）	NA	卷积瓶颈注意力-双向长短期记忆网络（CBA-BiLSTM）	准确率	NA
969	2026-05-04	Bioprospecting of culturable marine biofilm bacteria for novel antimicrobial peptides 2024-Dec, iMeta IF:23.7Q1 DOI:10.1002/imt2.244 PMID:39742298	研究论文	本研究利用可培养海洋生物膜细菌构建菌库并通过核糖体分析和深度学习预测新型抗菌肽	结合核糖体分析和深度学习提高小开放阅读框的鉴定和验证，发现与已知抗菌肽序列相似度低于40%的新型肽，且来自先前未知产抗菌肽的细菌类群	NA	加速新型抗菌肽的发现，扩展抗菌肽化合物的范围	可培养海洋生物膜细菌及其基因组和表达的抗菌肽	机器学习	NA	核糖体分析	深度学习	序列数据	713株细菌菌株及80,430个表达的小开放阅读框，其中341个为候选抗菌肽，化学合成60个序列	PyTorch	深度学习模型	抗菌活性	NA
970	2026-05-04	Gray matters: ViT-GAN framework for identifying schizophrenia biomarkers linking structural MRI and functional network connectivity 2024-08-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120674 PMID:38851549	研究论文	提出一种基于条件高效视觉变换器生成对抗网络（cEViT-GAN）的框架，通过从结构MRI中分割灰质体积来生成功能网络连接矩阵，以识别精神分裂症的影像学生物标志物	首次使用生成对抗网络将结构MRI灰质信息转化为功能网络连接矩阵，并开发了轻量级自注意力机制以优化注意力图，从而识别与精神分裂症相关的结构生物标志物	NA	探索脑结构（灰质）与功能（功能网络连接）之间的关系，并为精神分裂症识别新的影像学生物标志物	精神分裂症患者的脑结构MRI和功能MRI数据	计算机视觉	精神分裂症	结构MRI、功能MRI、ICA算法	条件高效视觉变换器生成对抗网络（cEViT-GAN）	3D结构MRI图像、功能网络连接矩阵	NA	PyTorch	ViT（视觉变换器）、GAN（生成对抗网络）	Pearson相关系数	NA
971	2026-05-04	Exploring the potential of representation and transfer learning for anatomical neuroimaging: Application to psychiatry 2024-08-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120665 PMID:38848981	research paper	比较深度学习与标准机器学习在精神疾病的解剖神经影像预测中的性能，并探索迁移学习的潜力	首次在多站点、多临床任务上系统比较深度学习与标准机器学习性能，并通过大规模健康人群的自我监督预训练证明深度学习可学习鲁棒且可迁移的表示，在多数临床任务中显著优于标准机器学习	研究仅关注结构神经影像，未涉及功能影像或其他模态；临床数据集样本量相对较小（N≤1k），可能影响泛化性	评估深度学习与标准机器学习在基于解剖神经影像的精神疾病预测中的性能差异，并探索迁移学习（特别是自我监督预训练）的潜在优势	精神分裂症、双相障碍和自闭症谱系障碍的诊断预测，以及性别预测	machine learning	精神分裂症, 双相障碍, 自闭症谱系障碍	NA	深度学习（Deep Ensemble）、标准机器学习（SML）	解剖神经影像（sMRI）	大规模健康人群约10,000例，临床数据集各约1,000例以下	NA	Deep Ensemble	准确率	NA
972	2026-05-04	Automated segmentation of epilepsy surgical resection cavities: Comparison of four methods to manual segmentation 2024-08-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120682 PMID:38866195	研究论文	比较四种自动分割方法与手动分割在癫痫手术切除腔MRI上的准确性	首次在混合的颞叶和颞外癫痫手术队列中比较多种自动分割管道，包括基于SPM和深度学习的方法	算法未能识别所有切除腔，且自动分割仍需人工质量控制	评估自动分割管道在癫痫手术切除腔分割中的准确性和适用性	50名接受癫痫手术的患者（30名颞叶手术，20名颞外手术）的切除腔MRI图像	计算机视觉	癫痫	MRI	3D U-net卷积神经网络	图像	50名受试者（30名颞叶，20名颞外）	MATLAB, SPM-12	3D U-net	Dice相似系数	NA
973	2026-05-04	nBEST: Deep-learning-based non-human primates Brain Extraction and Segmentation Toolbox across ages, sites and species 2024-07-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120652 PMID:38797384	研究论文	提出一个基于深度学习的非人灵长类大脑MRI提取与分割工具箱nBEST，可跨年龄、站点和物种处理脑图像	采用终身学习方法灵活整合多样非人灵长类群体数据，创新性构建3D U-NeXt架构，实现多物种、多站点、多发育阶段通用处理	未明确讨论在极端低质量或罕见物种图像上的表现，可能依赖现有数据集多样性的持续更新	开发专为非人灵长类大脑MRI设计的通用自动化处理工具，提升跨物种、跨站点、跨年龄的脑图像分析能力	非人灵长类大脑MRI数据，涉及11个物种（如恒河猴、食蟹猴、黑猩猩、狨猴、松鼠猴等）共1469个扫描样本	数字病理学	不适用	MRI	3D U-NeXt	图像	1469个扫描样本，来自23个独立数据集，涵盖11个物种	PyTorch	3D U-NeXt	精确度, 适用性, 鲁棒性, 全面性, 泛化能力	不适用
974	2026-05-04	The effect of head motion on brain age prediction using deep convolutional neural networks 2024-07-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120646 PMID:38750907	研究论文	研究头部运动对深度卷积神经网络预测大脑年龄的影响	首次系统评估头部运动引起的MRI图像伪影对脑年龄预测的影响，并发现即使临床可用图像也存在显著偏差	仅基于T1加权MRI图像，未考虑其他模态图像；仅使用两种3D CNN架构，未探索其他模型	探究头部运动引起的MRI图像伪影对脑年龄预测作为脑健康生物标志物的适用性的影响	参与者的T1加权MRI扫描图像（包括无运动和运动伪影的图像）	计算机视觉	神经系统疾病	MRI	3D卷积神经网络	图像	同一参与者的无运动和运动伪影的T1加权MRI扫描图像，由神经放射科医生从临床诊断角度评级	NA	两种不同的3D卷积神经网络架构	脑预测年龄差（brain-PAD）、图像质量指标	NA
975	2026-05-04	Unpaired deep learning for pharmacokinetic parameter estimation from dynamic contrast-enhanced MRI without AIF measurements 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120571 PMID:38518829	研究论文	提出一种无需配对数据和动脉输入函数测量的无监督深度学习方法，通过物理驱动的CycleGAN从动态对比增强MRI中估算药代动力学参数	首次将CycleGAN应用于无配对深度学习中的DCE-MRI药代动力学参数估计，设计基于物理模型的简化生成器-判别器架构，无需单独测量动脉输入函数	未明确讨论方法在临床异质性数据集上的泛化能力及计算效率	开发一种不依赖配对标签数据和动脉输入函数测量的药代动力学参数估计方法，提升可靠性与实用性	动态对比增强MRI中的药代动力学参数和动脉输入函数	医学图像分析	NA	DCE-MRI	CycleGAN（生成对抗网络）	医学图像（动态对比增强MRI）	NA	PyTorch	CycleGAN（单生成器-判别器对）	药代动力学参数估计可靠性（对比其他技术）	NA
976	2026-05-04	Supervised contrastive learning enhances graph convolutional networks for predicting neurodevelopmental deficits in very preterm infants using brain structural connectome 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120579 PMID:38537766	研究论文	应用监督对比学习增强图卷积网络，通过脑结构连接组预测极早产儿神经发育缺陷	首次将图卷积网络与监督对比学习结合用于脑结构连接组分析，以解决数据稀缺问题并提高早期预测准确性	样本量相对较小（约280名婴儿），可能限制模型普适性；研究基于单一队列，需外部验证	开发深度学习模型，利用足月等效年龄的脑结构连接组早期预测极早产儿2岁矫正年龄时的神经发育缺陷	极早产儿（胎龄小于32周）的脑结构连接组及其神经发育结果	机器学习	神经发育缺陷	MRI扫描	图卷积网络（GCN）	脑结构连接组数据	约280名极早产儿	PyTorch	图卷积网络（GCN）	AUC	NA
977	2026-05-04	Quantitative susceptibility mapping through model-based deep image prior (MoDIP) 2024-05-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120583 PMID:38554781	研究论文	提出一种基于模型的无监督深度图像先验方法（MoDIP），用于解决定量磁化率成像中的偶极子反演问题	首次将模型驱动的深度图像先验与无监督学习结合，无需训练即可处理不同扫描参数下的QSM偶极子反演	NA	提高定量磁化率成像方法在不同扫描参数下的泛化能力	病理脑部QSM数据	机器学习, 计算机视觉	脑部疾病	QSM	深度图像先验	图像	NA	NA	小型未训练网络	准确度, 计算效率, 运行时间	NA
978	2026-05-04	Precise detection of awareness in disorders of consciousness using deep learning framework 2024-04-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120580 PMID:38508294	研究论文	利用深度学习框架精准检测意识障碍患者的意识状态	开发了基于3D EfficientNet-B3的级联深度学习框架DeepDOC，用于区分最小意识状态和无反应觉醒综合征患者，并首次应用于认知运动分离患者的识别	样本量有限，主要依赖静息态功能磁共振数据，未涉及其他模态数据验证	探索深度学习技术与静息态功能磁共振结合以精准检测意识障碍患者的意识状态	意识障碍患者，包括无反应觉醒综合征、最小意识状态患者和认知运动分离患者	深度学习	意识障碍	静息态功能磁共振成像	3D EfficientNet-B3	图像	140名参与者（76名无反应觉醒综合征、25名最小意识状态、39名对照组），独立数据集包含11名意识障碍患者	NA	EfficientNet-B3, 3D CNN	AUC, 准确率	NA
979	2026-05-04	One Clinician Is All You Need-Cardiac Magnetic Resonance Imaging Measurement Extraction: Deep Learning Algorithm Development 2022-Sep-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/38178 PMID:35960155	研究论文	本研究开发了一种基于预训练Transformer语言模型的深度学习算法，通过少量专家标注从心脏磁共振成像临床报告中提取21项测量指标	使用预训练Transformer模型实现标签高效的数字提取，无需大量专家标注或人工规则，探索临床预训练和数字表示方法对性能的影响	未明确提及限制，但论文指出模型性能因测量类型而异（如左心房前后径F1=0.92），且工作流程需在实际应用中进一步验证	开发标签高效的方法从非结构化临床文本中自动提取CMR测量值，支持临床研究	多机构医疗系统中的心脏磁共振成像临床报告	自然语言处理	心血管疾病	N/A	Transformer	文本	99,252名患者（12,720份CMR报告，其中370份经临床医生标注）	PyTorch	Transformer	宏平均F1分数	N/A
980	2026-05-03	Explainable deep learning combined with SERS for simultaneous detection of nicotine and etomidate isomers in E-cigarettes 2026-Jul-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345514 PMID:42067301	research paper	本研究将深度学习与表面增强拉曼光谱结合，开发了一种用于检测电子烟中尼古丁和四种依托咪酯异构体的高灵敏度方法	首次将可解释深度学习与SERS结合，实现电子烟中非法药物添加剂的同步检测，并利用Grad-CAM揭示关键SERS峰以增强模型透明性	NA	开发准确快速的检测方法，用于电子烟中非法药物添加剂的筛查	尼古丁和四种依托咪酯异构体	machine learning	NA	表面增强拉曼光谱，密度泛函理论计算	深度学习网络	光谱数据	五种药物标准品	NA	NA	准确率	NA