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
1361	2026-07-03	Optimizing hip MRI: enhancing image quality and elevating inter-observer consistency using deep learning-powered reconstruction 2025-01-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01554-y PMID:39806303	研究论文	本文探讨利用深度学习重建技术优化髋关节MRI检查，在缩短扫描时间的同时提升图像质量和观察者间一致性	首次将深度学习重建方法应用于髋关节MRI加速成像，在不影响诊断效能的前提下实现约66.5%的扫描时间缩减，同时显著提升图像信噪比和对比噪声比	样本量较小（60例），且为回顾性研究，未对不同深度学习模型架构进行对比分析	评估深度学习重建技术在髋关节MRI中的图像质量改善效果和临床应用价值	接受髋关节MRI检查的60例患者	计算机视觉	髋关节疾病	深度学习重建	深度学习	图像	60例髋关节MRI患者	NA	NA	图像质量5分制评分、相对信噪比、相对对比噪声比、加权kappa统计量、Wilcoxon符号秩检验	NA
1362	2026-07-03	From Sequence to System: Enhancing IVT mRNA Vaccine Effectiveness through Cutting-Edge Technologies 2025-01-06, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.4c00863 PMID:39601789	综述	全面概述体外转录mRNA疫苗的最新研究进展和优化策略，包括人工智能在mRNA结构优化和递送系统设计中的应用	系统总结了人工智能和深度学习技术在IVT mRNA结构优化与递送配方设计中的创新应用，并涵盖了脂质纳米颗粒、聚合物和外泌体等前沿递送平台的最新进展	未明确指出具体局限性，但综述性质决定了缺乏实验验证数据	探讨IVT mRNA疫苗面临表达水平有限、非特异性肝靶向、快速降解和非预期免疫激活等挑战的解决方案，推动其临床转化	IVT mRNA分子及其递送系统	机器学习	传染病、癌症、遗传性疾病	体外转录	深度学习模型	文本	NA	NA	NA	NA	NA
1363	2026-07-03	Machine Learning Models for Predicting Monoclonal Antibody Biophysical Properties from Molecular Dynamics Simulations and Deep Learning-Based Surface Descriptors 2025-01-06, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.4c00804 PMID:39606945	研究论文	利用分子动力学模拟和深度学习表面描述符构建机器学习模型，预测单克隆抗体的12种生物物理特性	首次结合全长抗体分子动力学模拟与DeepSP深度学习模型预测抗体的生物物理特性，且DeepSP在降低计算时间的同时达到与分子动力学模拟相当的预测效果	NA	开发高效预测单克隆抗体生物物理特性的机器学习模型，以加速抗体药物的研发和可开发性评估	137种抗体的12种生物物理特性（如聚集倾向、溶解度、粘度）	机器学习	NA	分子动力学模拟	深度学习模型	序列和生物物理特性数据	137种抗体的12种生物物理特性	PyTorch	DeepSP	预测性能对比	NA
1364	2026-07-03	FormulationBCS: A Machine Learning Platform Based on Diverse Molecular Representations for Biopharmaceutical Classification System (BCS) Class Prediction 2025-01-06, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.4c00946 PMID:39647169	研究论文	基于多种分子表征的机器学习平台用于生物药剂学分类系统类别预测	首次开发基于高性能机器学习模型的BCS分类网络平台，整合了从一维分子指纹到三维空间坐标的多种分子表征，并对比多种算法后选择最优模型部署于在线平台	外部验证数据集规模有限，模型对log D和log P的预测性能存在差异，且未提及平台可扩展性和实际应用中的计算效率	开发用于高通量BCS类别预测的机器学习网络平台，提高药物早期开发中候选药物的可开发性评估效率	药物分子的溶解性和渗透性相关BCS类别	机器学习	NA	分子表征（指纹、描述符、分子图、三维空间坐标）	LightGBM, AttentiveFP, XGBoost	分子结构数据	四个BCS相关分子属性数据集及一个上市药物BCS类别外部验证集	NA	LightGBM, AttentiveFP, XGBoost	R², 准确率	NA
1365	2026-07-03	Subject-Based Transfer Learning in Longitudinal Multiple Sclerosis Lesion Segmentation 2025 Jan-Feb, Journal of neuroimaging : official journal of the American Society of Neuroimaging IF:2.3Q2 DOI:10.1111/jon.70024 PMID:39923192	研究论文	提出两种基于迁移学习的流程，以改善纵向多发性硬化病变分割的性能	针对每个受试者使用首次扫描微调深度学习模型，并提高该受试者后续扫描的分割性能	NA	提高纵向多发性硬化数据集中的病变分割准确性和一致性	多发性硬化患者的纵向MRI扫描	机器学学习	多发性硬化	MRI	深度学习模型（未具体指明）	图像	937名MS患者，3210次扫描	NA	NA	Dice系数, 灵敏度, 平均体积差异	NA
1366	2026-07-03	Mitigating catastrophic forgetting in Multiple sclerosis lesion segmentation using elastic weight consolidation 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103795 PMID:40403421	研究论文	首次将弹性权重巩固应用于多发性硬化病变分割的域增量学习，减轻灾难性遗忘	首次在域增量学习背景下将弹性权重巩固用于多发性硬化病变分割，仅需少量目标域图像即可在适应新域的同时保留旧知识	未提及具体局限性	解决多发性硬化病变分割中深度学习方法因域偏移导致的灾难性遗忘问题	3D U-Net模型在多发性硬化病变分割任务中的域适应能力	计算机视觉	多发性硬化	弹性权重巩固	3D U-Net	图像	公共数据集（WMH2017和Shifts）及内部数据集，少量学习场景中仅使用3或5张目标域图像	PyTorch	3D U-Net	F-score	未提及
1367	2026-07-03	A robust deep learning framework for cerebral microbleeds recognition in GRE and SWI MRI 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103873 PMID:40886589	研究论文	提出一种用于GRE和SWI MRI中脑微出血识别的稳健深度学习框架	结合3D CNN和YOLO方法，在公共和私有数据集上有效降低假阳性率，提升检测鲁棒性	未提及具体局限性	提高脑微出血自动检测的准确性，减少假阳性，确保临床和正常病例的鲁棒性	脑微出血病灶	计算机视觉, 数字病理学	脑血管疾病, 神经系统疾病	GRE, SWI MRI	3D CNN, YOLO	影像	涉及ADNI、AIBL、OATS和MAS四个数据集	NA	3D CNN, YOLO	平衡准确率, AUC, 精确率, 敏感度, F1分数	NA
1368	2026-07-03	Predicting language outcome after stroke using machine learning: in search of the big data benefit 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103858 PMID:40773787	研究论文	利用机器学习预测中风后语言恢复结果，并探索大样本数据效益	通过学习曲线方法系统评估样本量对逻辑回归与深度学习模型性能的影响，发现神经影像数据维度可大幅降低而不显著损失精度，提示分类可能依赖于简单模式如病变大小	当前数据集大小可能限制了进一步精度提升，且未达到绝对分类性能上限	探索样本量对机器学习模型预测中风后语言结局性能的影响及大数据的潜在优势	758名英语中风患者	机器学习	中风	神经影像	逻辑回归，ResNet-18	表格数据、神经影像数据	758名中风患者	NA	逻辑回归，ResNet-18	准确率	NA
1369	2026-07-03	Infectious disease prediction model based on optimized deep learning algorithm 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1703506 PMID:41613087	研究论文	提出基于遗传算法优化的GA-BiLSTM-ARIMA混合模型，用于传染病时间序列预测，并在日本COVID-19病例数据上验证其优越性	首次将遗传算法、双向长短期记忆网络与自回归积分滑动平均模型系统融合，通过智能优化策略实现混合模型的自动参数寻优，显著提升传染病预测的准确性和鲁棒性	仅基于日本COVID-19病例数据验证，未检验模型在不同国家或不同类型传染病中的泛化能力	开发一种高精度、鲁棒的传染病预测模型，以支持疫情防控策略的制定和早期预警	日本COVID-19疫情时间序列数据（病例数）	机器学习	COVID-19（传染病）	NA	混合模型（遗传算法+双向LSTM+ARIMA）	时间序列数据	NA（未明确样本量，仅提及日本病例数据）	NA	GA-BiLSTM-ARIMA, BiLSTM, ARIMA	RMSE, MAE, MAPE, R²	NA
1370	2026-07-03	Autonomous detection of nail disorders using a hybrid capsule CNN: a novel deep learning approach for early diagnosis 2024-12-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02840-5 PMID:39736622	研究论文	提出一种混合胶囊CNN模型，用于自动识别六种指甲疾病，实现早期诊断	首次将混合胶囊CNN模型应用于指甲疾病分类，克服了传统CNN的空间层次缺陷，并通过动态路由增强对图像变换的鲁棒性	NA	开发基于深度学习的自动分类系统，用于早期诊断六种指甲疾病	六种指甲疾病：蓝指甲、杵状指、凹点、甲钩、肢端黑色素瘤和正常指甲	计算机视觉	指甲疾病	NA	混合胶囊CNN	图像	使用指甲疾病检测数据集，具体样本数未提及	NA	混合胶囊CNN、基础CNN	分类准确率、精确率、召回率	NA
1371	2026-07-03	Target informed client recruitment for efficient federated learning in healthcare 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02798-4 PMID:39696193	研究论文	提出一种基于本地硬件和目标分布信息的高效联邦学习客户端招募方法，用于医疗场景	将本地目标分布偏差、样本量和硬件效率整合到客户端代表性评估中，实现联邦学习子集招募，显著降低训练时间而不损害预测性能	可能依赖特定硬件环境，且需客户端提供本地分布信息，存在隐私泄露风险	优化联邦学习中的客户端选择和通信效率，减少训练时间和数据需求	医疗领域的回归和分类任务	机器学习	NA	NA	NA	NA	NA	NA	NA	预测性能、训练时间	NA
1372	2026-07-03	Reduced-dose deep learning iterative reconstruction for abdominal computed tomography with low tube voltage and tube current 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02811-w PMID:39696218	研究论文	研究深度学习迭代重建算法在低管电压和低管电流下减少腹部CT辐射剂量并提高图像质量的可行性	首次在低管电压（80 kV）和低管电流条件下应用深度学习迭代重建（Deep IR）算法，实现辐射剂量降低69.94%同时改善图像质量	研究样本量较小（60例患者），且未对比其他深度学习重建方法或更高管电压设置	验证Deep IR算法在低辐射剂量腹部CT中的临床应用价值	60例接受腹部门静脉期CT检查的患者	计算机视觉	NA	腹部CT扫描	深度学习迭代重建（Deep IR）	CT图像	60例患者（男/女：36/24，年龄57.72±10.19岁）	NA	深度学习迭代重建（Deep IR）	CT值标准差、信噪比、对比噪声比、主观评分（5分制）	NA
1373	2026-07-03	Early prediction of mortality upon intensive care unit admission 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02807-6 PMID:39696315	研究论文	开发和验证机器学习模型，在入住重症监护室时即预测成年危重患者的死亡率	首次在ICU入院时刻即利用机器学习模型预测死亡率，并对比了逻辑回归、梯度提升树和深度学习算法的性能	数据仅来自两家教学医院，可能影响泛化性；预测性能对于死亡率较低的群体仍有提升空间	早期预测危重患者ICU死亡风险	入住ICU的成年危重患者	机器学习	重症监护	NA	逻辑回归、梯度提升树、深度学习	表格数据	79,657次入院记录	NA	NA	AUC-ROC、AUC-PR	NA
1374	2026-07-03	Application of deep learning in wound size measurement using fingernail as the reference 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02778-8 PMID:39696347	研究论文	提出一种结合三个深度学习模型、以指甲为参照的自动伤口尺寸测量系统	以指甲作为参照物，无需手动描画伤口和参考标记，实现自动伤口尺寸测量，提升家庭护理场景的便捷性和可及性	未明确提及局限性，但可推测系统依赖于照片质量及指甲宽度转换准确性，可能受拍摄条件影响	开发一种快速、易用的自动伤口尺寸测量系统，改善慢性伤口护理中的用户体验	慢性伤口照片和指甲图像	计算机视觉	慢性伤口	深度学习	CNN（卷积神经网络）	图像	248张图像用于模型训练和评估，30名参与者用于用户体验分析	NA	Mask R-CNN, Yolov5, U-Net	Pearson相关系数, 平均精度均值, 交并比, 像素准确率	NA
1375	2026-07-03	A prior-knowledge-guided dynamic attention mechanism to predict nocturnal hypoglycemic events in type 1 diabetes 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02761-3 PMID:39696373	研究论文	提出了一种结合先验知识引导的动态注意力机制的深度学习框架，用于预测1型糖尿病患者的夜间低血糖事件	提出了先验知识引导的动态注意力机制，增强了网络的学习能力和可解释性，实现了从多尺度多维数据中全面提取信息	仅使用一个公开临床数据集进行验证，可能限制了模型的泛化能力和在不同人群中的适用性	通过深度学习框架改进夜间低血糖事件的预测准确性和实用性	1型糖尿病患者的夜间低血糖事件	机器学习	1型糖尿病	NA	深度学习	临床数据	一个公开临床数据集	NA	动态注意力机制	F1分数	NA
1376	2026-07-03	Deep caries detection using deep learning: from dataset acquisition to detection 2024-12-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06068-5 PMID:39621193	研究论文	提出基于深度学习的龋齿检测方法，利用最新YOLO模型从图像数据集中学习以提升早期龋齿诊断的准确性	首次将YOLOv7、YOLOv8和YOLOv9应用于龋齿检测，通过对比分析展示YOLOv8的最高性能（mAP@0.5为0.982），并强调其在资源受限环境中的临床潜力	仅依赖3200余张图像数据集，未提及外部验证或跨人群泛化性评估，且模型对早期龋齿的灵敏度未明确分析	通过深度学习技术提高龋齿早期检测的准确性和效率，特别是在低收入和中等收入国家中减少未治疗龋齿带来的健康负担	牙科龋齿病变，包括普通龋齿、深龋及排除类别	计算机视觉	龋齿	NA	卷积神经网络（CNN-based目标检测）	口腔X线图像（咬翼片）	超过3200张牙科X线图像	PyTorch	YOLOv7, YOLOv8, YOLOv9	平均精度均值（mAP@0.5 IoU）	NA
1377	2026-07-03	Automatic jawbone structure segmentation on dental CBCT images via deep learning 2024-11-28, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06061-y PMID:39604672	研究论文	提出一种基于深度学习的双阶段系统，用于自动分割牙颌骨结构，包括下颌皮质骨、下颌松质骨、上颌皮质骨和上颌松质骨	开发了针对锥形束CT图像中牙颌骨结构的双阶段深度学习自动分割系统，并评估了牙齿和质量异常对分割性能的影响	未明确提及训练数据多样性或模型泛化性的具体局限	开发和评估一种自动分割牙颌骨结构的深度学习系统，以提高数字牙科工作流的效率和准确性	下颌皮质骨、下颌松质骨、上颌皮质骨和上颌松质骨在锥形束CT图像上的分割	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	图像	155例锥形束CT扫描，采集参数不同	NA	NA	Dice相似系数（DSC），平均对称表面距离（ASSD）	NA
1378	2026-07-03	Longitudinal Assessment of Tumor-Infiltrating Lymphocytes in Primary Breast Cancer Following Neoadjuvant Radiation Therapy 2024-11-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.04.065 PMID:38677525	研究论文	该论文通过临床样本纵向分析，研究新辅助放疗对乳腺癌肿瘤浸润淋巴细胞动态变化的影响	首次纵向评估新辅助放疗前后及期间肿瘤浸润淋巴细胞的动态变化，并结合深度学习进行细胞级与组织级联合分析	NA	探究新辅助放疗对乳腺癌肿瘤免疫微环境（尤其是肿瘤浸润淋巴细胞）的影响及其与病理完全缓解和长期预后的关联	来自PRADA和Neo-RT临床试验的乳腺癌患者样本，包括肿瘤组织及外周血	数字病理学, 机器学习	乳腺癌	NA	深度学习模型	图像（病理组织切片）, 数值（外周血淋巴细胞计数）	PRADA和Neo-RT临床试验中的乳腺癌患者队列	NA	SuperTIL深度学习模型（细胞级与组织级组合分析）	病理完全缓解预测的一致性, 手动评分与深度学习评分的一致性	NA
1379	2026-07-03	Adversarial EM for variational deep learning: Application to semi-supervised image quality enhancement in low-dose PET and low-dose CT 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103291 PMID:39121545	研究论文	提出了一种基于对抗期望最大化的变分深度学习框架，用于低剂量PET和CT图像质量提升	首次将对抗学习与期望最大化结合到变分深度神经网络中，提出多尺度潜空间编码器-解码器架构，并使用广义高斯模型实现数据特定的鲁棒统计建模，同时开发了半监督版本以减少对正常剂量图像的依赖	未明确讨论计算复杂度或大规模临床验证，且模型性能可能受限于训练数据分布和超参数调优	开发新的深度学习框架以提升低剂量PET和CT图像质量，同时减少对配对正常剂量图像的依赖	低剂量PET和CT图像的质量增强	数字病理学, 计算机视觉	NA	PET, CT	变分自编码器, 生成对抗网络	图像	真实世界PET和CT数据（具体样本量未说明）	PyTorch	编码器-解码器, 多尺度潜空间	峰值信噪比, 结构相似性指数, 均方误差	NA
1380	2026-07-03	SDF4CHD: Generative modeling of cardiac anatomies with congenital heart defects 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103293 PMID:39146700	research paper	提出一种类型和形状解耦的生成方法，用于捕捉先天性心脏病患者心脏解剖结构的显著拓扑变异，并生成不同的心脏解剖结构	提出类型和形状解耦的生成方法，首次能够捕捉先天性心脏病不同类型的心脏解剖拓扑变异，并生成保留特定类型独特拓扑的解剖结构	数据集仅包含67名患者，覆盖6种CHD类型和14种组合，样本量较小，可能限制模型泛化能力	开发一种生成模型，用于合成先天性心脏病患者心脏解剖结构，以辅助诊断、治疗规划和图像分割数据增强	先天性心脏病患者的心脏解剖结构	computer vision	congenital heart disease	NA	deep learning	image	67名患者，覆盖6种CHD类型和14种组合	NA	NA	CHD类型正确性、形状合理性、分割准确性	NA