深度学习在生物医药领域中的应用

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
1081	2025-09-03	RNA3DB: A structurally-dissimilar dataset split for training and benchmarking deep learning models for RNA structure prediction 2024-Sep-01, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168552 PMID:38552946	研究论文	本文介绍RNA3DB，一个专为RNA结构预测深度学习模型训练和基准测试设计的结构非冗余数据集	提出基于结构和序列双重非冗余的RNA组分划分方法，确保训练集与测试集间无结构重叠	NA	解决RNA结构预测中因数据稀缺和结构多样性不足导致的深度学习模型性能评估偏差问题	结构化RNA分子	机器学习	NA	深度学习	NA	三维结构数据	源自蛋白质数据库(PDB)的RNA三维链，按约70/30比例划分训练测试集
1082	2025-09-03	Artificial intelligence in ovarian cancer drug resistance advanced 3PM approach: subtype classification and prognostic modeling 2024-Sep, The EPMA journal DOI:10.1007/s13167-024-00374-4 PMID:39239109	研究论文	本研究利用人工智能分析卵巢癌耐药特征，构建基于耐药性的患者亚型分类和深度学习预后模型	首次在3PM框架下整合单细胞耐药特征与多组学聚类，并采用新型KAN架构改进DeepSurv预后模型	依赖外部验证集进行模型评估，样本来源有限	开发预测性、预防性和个性化医疗（3PM）策略，解决卵巢癌化疗耐药问题	卵巢癌患者细胞及临床样本	数字病理	卵巢癌	单细胞分析、多组学聚类、药物反应预测算法	KAN架构、DeepSurv改进模型	单细胞表达数据、多组学数据、临床预后数据	TCGA训练集21,937个细胞 + 3个GEO外部验证集（GSE17260, GSE26712, GSE51088）
1083	2025-09-03	Progression of Bone Marrow Lesions and the Development of Knee Osteoarthritis: Osteoarthritis Initiative Data 2024-Sep, Radiology IF:12.1Q1 DOI:10.1148/radiol.240470 PMID:39287521	研究论文	开发并验证深度学习模型量化膝关节骨髓病变体积，评估其变化与骨关节炎发病风险的关系	首次使用深度学习对无放射学OA的膝关节进行分区骨髓病变量化，并纵向分析病变进展与OA发病的关联	回顾性研究设计，样本仅来自单一队列（OAI），未包含晚期OA患者	探究骨髓病变体积变化与膝关节骨关节炎发病的纵向关联	无放射学骨关节炎的膝关节	数字病理	骨关节炎	MRI扫描，深度学习分割	DL（深度学习）	医学影像（MRI）	2430名参与者的3869个膝关节
1084	2025-09-03	Repurposing the Public BraTS Dataset for Postoperative Brain Tumour Treatment Response Monitoring 2024-09-01, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10090105 PMID:39330751	研究论文	本研究通过重新标注BraTS数据集，使其适用于术后脑肿瘤分割的深度学习算法训练	将BraTS三标签注释协议自动转换为适用于术后场景的两标签协议，解决了原数据集仅包含术前数据的问题	对于体积小于1 cm³的肿瘤，分割性能可能有限	促进BraTS数据集在术后脑肿瘤分割深度学习算法训练中的应用	脑肿瘤患者	数字病理	脑肿瘤	MRI	深度学习算法	医学影像	72例术后胶质母细胞瘤MRI扫描，包含41个液填充切除腔
1085	2025-09-03	Data-driven continuum damage mechanics with built-in physics 2024-Sep, Extreme Mechanics Letters IF:4.3Q1 DOI:10.1016/j.eml.2024.102220 PMID:39372561	研究论文	提出一种基于神经常微分方程的数据驱动连续损伤力学方法，用于模拟软材料在热力学一致框架下的能量耗散行为	扩展神经常微分方程(NODEs)至损伤力学领域，通过引入单调屈服函数实现热力学一致的能量耗散建模	NA	开发具有内置物理约束的数据驱动方法，用于准确模拟软材料的损伤和能量耗散机制	橡胶和软组织等软材料	机器学习	NA	神经常微分方程(NODEs)	NODEs	合成应力-变形历史数据、实验组织数据	NA
1086	2025-09-03	A predictive approach for host-pathogen interactions using deep learning and protein sequences 2024-Sep, Virusdisease DOI:10.1007/s13337-024-00882-x PMID:39464732	研究论文	提出一种基于深度学习和蛋白质序列的宿主-病原体相互作用预测方法	使用mMKGap算法提取蛋白质序列特征，结合深度学习实现高精度HPI预测	NA	预测宿主-病原体相互作用	人类病原体蛋白质序列	生物信息学	传染病	mMKGap特征提取算法	深度神经网络	蛋白质序列	三个平衡的人类-病原体数据集，采用10折交叉验证
1087	2025-09-03	Deep Learning-Assisted Automatic Diagnosis of Anterior Cruciate Ligament Tear in Knee Magnetic Resonance Images 2024-08-13, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10080094 PMID:39195729	研究论文	本研究开发了一种基于深度学习的模型SGNET，用于自动诊断膝关节MRI中的前交叉韧带撕裂	提出了包含双尺度数据增强、选择性群体注意力和融合模块的新型深度学习架构，能够从多视角MRI中捕捉层间、通道和空间关系	NA	提高前交叉韧带撕裂的诊断准确性和效率	膝关节MRI图像	计算机视觉	骨科损伤	深度学习	CNN（基于注意力的神经网络）	医学图像（MRI）	1250例膝关节MRI检查，包含轴位、冠状位和矢状位三种视角
1088	2025-09-03	Machine Learning and Deep Learning Approaches in Lifespan Brain Age Prediction: A Comprehensive Review 2024-08-12, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10080093 PMID:39195728	综述	本文全面回顾了2020至2024年间52项研究，探讨机器学习和深度学习在生命周期脑龄预测中的应用与挑战	系统比较ML与DL模型在跨年龄段脑龄预测中的性能差异与方法学局限	未涉及非神经影像数据源的整合及模型临床转化可行性的深入分析	评估脑龄预测技术的进展，指导神经退行性疾病早期干预策略	神经影像数据衍生的脑龄生物标志物	机器学习	神经退行性疾病	神经影像分析	ML和DL模型	神经影像数据	52项同行评审研究（2020-2024年）
1089	2025-09-03	Deep Learning for 3D Vascular Segmentation in Phase Contrast Tomography 2024-Jul-16, Research square DOI:10.21203/rs.3.rs-4613439/v1 PMID:39070623	研究论文	本文利用深度学习进行3D血管分割，基于新型HiP-CT成像技术，并通过nnU-Net框架在肾脏血管数据集上评估模型性能	引入经双标注验证的高分辨率HiP-CT血管数据集，并在新型成像模态上系统评估血管分割模型，为高分辨率器官成像中的机器学习模型评估设立新标准	Dice系数主要评估体素一致性但忽略血管关键特征；大血管因缺乏静水压（离体技术）塌陷导致分割效果差；细血管连通性降低及边界分割错误影响血管树结构理解	为血管分割提供理论基础并确定适用于HiP-CT成像的鲁棒基线模型	人体肾脏血管结构	计算机视觉	NA	Hierarchical Phase-Contrast Tomography (HiP-CT)	nnU-Net	3D图像	3个肾脏的血管数据（来自人类器官图谱项目）
1090	2025-09-03	Automatically Detecting Pancreatic Cysts in Autosomal Dominant Polycystic Kidney Disease on MRI Using Deep Learning 2024-07-16, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10070087 PMID:39058059	研究论文	本研究利用深度学习自动检测ADPKD患者MRI图像中的胰腺囊肿	首次开发基于nnU-Net的深度学习模型来自动化检测ADPKD相关的胰腺囊肿，并在多中心数据上验证性能	模型灵敏度较低（20-24%），标注一致性有限（放射科医生仅对52%的训练数据囊肿标注达成一致）	自动化检测常被放射科医生忽略的自体显性多囊肾病患者的胰腺囊肿	146名ADPKD患者的MRI扫描图像	数字病理学	胰腺疾病	深度学习，MRI成像	nnU-Net (2D和3D配置)	医学图像（轴向和冠状T2加权MR图像）	254次扫描来自146名ADPKD患者，包含40名内部测试、40名外部测试和23名重测重现性患者
1091	2025-09-03	Computed Tomography Effective Dose and Image Quality in Deep Learning Image Reconstruction in Intensive Care Patients Compared to Iterative Algorithms 2024-06-07, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10060069 PMID:38921946	研究论文	比较深度学习图像重建算法与传统迭代算法在重症监护患者CT扫描中的有效剂量和图像质量	首次在重症监护患者中系统评估深度学习图像重建算法相比传统滤波反投影和迭代重建算法在降低辐射剂量和提升图像质量方面的优势	单中心研究，样本量相对有限（83例患者），未涵盖所有类型CT扫描仪	评估深度学习图像重建算法是否能降低CT有效剂量并改善图像质量	重症监护病房患者	医学影像	重症监护	CT扫描，深度学习图像重建	CNN	医学影像	83例重症监护患者（平均年龄59±15岁，56名男性）
1092	2025-09-03	Impact of Deep Learning Denoising Algorithm on Diffusion Tensor Imaging of the Growth Plate on Different Spatial Resolutions 2024-04-02, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography10040039 PMID:38668397	研究论文	评估深度学习去噪算法在不同空间分辨率下对生长板扩散张量成像的影响	首次在儿科患者中应用商用深度学习去噪模型，并系统比较不同体素尺寸下DTI指标的差异	样本量未明确说明，仅使用单一厂商设备和特定去噪设置	评估深度学习去噪算法在不同空间分辨率DTI扫描中的效果	儿童膝关节生长板的扩散张量成像数据	医学影像分析	NA	扩散张量成像(DTI), 深度学习去噪	深度学习模型	医学影像	未明确说明样本数量的儿科患者
1093	2025-09-03	A 3D convolutional neural network to classify subjects as Alzheimer's disease, frontotemporal dementia or healthy controls using brain 18F-FDG PET 2024-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120530 PMID:38311126	研究论文	本研究开发并验证了一种基于3D卷积神经网络的模型，使用脑部18F-FDG PET图像对阿尔茨海默病、额颞叶痴呆和健康对照进行分类	首次引入深度学习模型基于[18F]-FDG PET扫描区分AD和FTD，并以极高准确率识别健康对照	研究为回顾性设计，数据来自特定数据库，需要进一步验证在其他中心的泛化能力	开发准确的神经退行性疾病诊断工具以支持优化治疗	阿尔茨海默病患者、额颞叶痴呆患者和认知正常对照者	医学影像分析	神经退行性疾病	18F-FDG PET脑部成像	3D VGG16-like CNN	3D医学影像	591个受试者（199 AD, 192 FTD, 200 CN）
1094	2025-09-03	Network response of brain microvasculature to neuronal stimulation 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120512 PMID:38199427	研究论文	本研究通过三维双光子荧光显微镜和深度学习分析，揭示了神经元激活后大脑微血管网络的血流动力学响应特征	首次在500×500×500 μm皮层体积内实现微血管网络级别的神经血管耦合响应映射，并采用深度学习流程进行高通量血管分割与图像分析	研究局限于特定皮层体积的观测，尚未扩展到全脑范围或不同疾病模型	探究神经血管耦合在微血管网络层面的响应机制	小鼠皮层锥体神经元及相邻微血管网络	神经科学	NA	3D双光子荧光显微镜、光遗传学激活、深度学习图像分割	深度学习管道（具体架构未说明）	3D显微图像	约30个高分辨率3纳升fMRI体素对应的皮层体积
1095	2025-09-03	Spatial-temporal convolutional attention for discovering and characterizing functional brain networks in task fMRI 2024-02-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2024.120519 PMID:38280690	研究论文	提出一种基于深度学习和空间注意力的时空卷积注意力模型（STCA），用于准确建模动态功能脑网络	结合自监督卷积自编码器和空间注意力机制，能够动态捕捉功能脑网络随时间的变化	NA	开发新方法以更准确地表征动态功能脑网络	人脑功能网络	机器学习	NA	深度学习，自监督学习	CNN，自编码器，注意力机制	fMRI功能磁共振成像数据	HCP-task运动行为数据集（具体样本数未明确说明）
1096	2025-09-03	Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120485 PMID:38110045	研究论文	提出一种新颖的自监督多模态学习框架，用于从MRI数据中提取表征以增强群体推断并发现疾病相关脑区及多模态关联	将Deep InfoMax (DIM)自监督方法扩展至多模态神经影像数据，首次实现无标签预训练下的多模态表征学习与可解释性分析	NA	开发无需标注数据的多模态神经影像分析方法，提升脑疾病预测与脑区关联发现能力	多模态MRI神经影像数据	医学影像分析	阿尔茨海默病	Deep InfoMax (DIM), 自监督学习	DIM	多模态MRI图像	NA
1097	2025-09-03	Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120494 PMID:38086495	研究论文	本研究独立验证了深度学习模型TrUE-Net在白质高信号自动分割中的准确性，并与六种现有方法进行比较	首次对新型深度学习模型TrUE-Net进行严格独立验证，并在全局和区域水平评估其与年龄相关性的检测能力	NA	验证TrUE-Net在白质高信号自动分割中的准确性和可靠性	白质高信号(WMH)区域	医学图像分析	老年性疾病	深度学习	TrUE-Net	医学影像	NA
1098	2025-09-03	BASE: Brain Age Standardized Evaluation 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120469 PMID:38065279	研究论文	提出一种名为BASE的脑年龄标准化评估框架，用于标准化脑年龄预测模型的评估与比较	首次提供包含多中心、未见站点、重测和纵向数据的标准化T1加权MRI数据集及配套评估协议	NA	解决脑年龄预测研究中因数据集和评估方法差异导致的难以比较问题	T1加权磁共振图像（T1w MRI）	医学影像分析	脑部疾病	深度学习	深度神经网络	MRI图像	多中心数据集，包含未见站点、重测和纵向数据
1099	2025-09-03	Electrophysiological brain imaging based on simulation-driven deep learning in the context of epilepsy 2024-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120490 PMID:38103624	研究论文	提出一种基于模拟驱动深度学习的癫痫脑电源成像方法，用于从高分辨率脑电图信号中定位和重建癫痫脑区活动	结合患者特异性头模型和神经质量模型生成模拟数据，并采用多尺度时空卷积网络（TCN与LSTM结合）捕捉EEG信号的局部空间模式和时间依赖关系	仅在三位耐药性部分性癫痫患者的真实数据上验证，样本量有限	解决癫痫背景下脑电源成像的逆问题，精确定位癫痫源并重建其电活动	癫痫患者的高分辨率256通道头皮EEG信号	计算神经科学	癫痫	高分辨率脑电图（Hr-EEG）、边界元法、神经质量模型	TCN（时序卷积网络）、LSTM（长短期记忆网络）	EEG信号	三位耐药性部分性癫痫患者的真实数据及模拟数据
1100	2025-09-03	SIMPLEX: Multiple phase-cycled bSSFP quantitative magnetization transfer imaging with physic-guided simulation learning of neural network 2023-12-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2023.120449 PMID:37951485	研究论文	提出一种基于物理引导神经网络学习的定量磁化转移成像方法SIMPLEX，用于改进多相位循环bSSFP数据的参数拟合	利用MR信号模型生成训练样本，无需真实标注数据，首次将仿真学习直接应用于体内数据定量分析	方法尚未在大规模临床数据集中验证，泛化能力需进一步评估	改进多相位循环bSSFP定量磁化转移成像的参数拟合精度与鲁棒性	磁共振成像信号与定量磁化转移参数	医学影像分析	NA	定量磁化转移成像（qMT），多相位循环平衡稳态自由进动（bSSFP）	神经网络	磁共振成像数据	仿真数据与体内实验数据（具体数量未明确说明）