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
1801	2024-08-07	FasterRib: A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans: Erratum 2024-08-01, The journal of trauma and acute care surgery IF:2.9Q1 DOI:10.1097/TA.0000000000004427 PMID:38996424	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1802	2026-05-02	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	提出可扩展深度学习框架EPInformer，通过整合启动子-增强子序列与多模态表观基因组数据预测基因表达	集成启动子-增强子相互作用、序列、表观基因组信号和染色质接触信息，在跨染色体验证中超越现有模型，并能通过CRISPR扰动实验验证增强子-基因相互作用	现有方法无法捕捉增强子等远端元件的调控效应导致预测精度受限，且需要大量资源进行训练或适应新数据	开发可扩展的深度学习框架用于基因表达预测	基因表达预测中的启动子-增强子相互作用、表观基因组信号和染色质接触	机器学习	NA	深度学习	EPInformer框架	序列数据、表观基因组信号、染色质接触数据	NA	PyTorch	EPInformer	跨染色体验证准确性、CRISPR扰动验证准确性	NA
1803	2026-05-02	X-ray absorption spectroscopy combined with deep learning for auto and rapid illicit drug detection 2024-07-03, The American journal of drug and alcohol abuse DOI:10.1080/00952990.2024.2377262 PMID:39158551	研究论文	利用X射线吸收光谱结合改进的Transformer编码器模型实现毒品的自动快速检测	首次将X射线吸收光谱与深度学习结合用于毒品检测，并采用改进的Transformer编码器模型实现高准确率（96.73%）和快速训练（1.4小时）	仅使用50种毒品类似物进行实验，未涉及实际毒品样本；且需要进一步验证该方法在临床和执法场景中的实用性	实现快速、无损、自动的毒品检测	毒品及其类似物（同分异构体或分子式相似的化合物）	机器学习	NA	X射线吸收光谱	Transformer, LSTM, ResU-net	光谱数据	50种毒品类似物	NA	改进的Transformer编码器, LSTM, ResU-net	准确率, 训练时间	NA
1804	2026-05-02	Radiomics based on T2-weighted and diffusion-weighted MR imaging for preoperative prediction of tumor deposits in rectal cancer 2024-06, American journal of surgery IF:2.7Q1 DOI:10.1016/j.amjsurg.2024.01.002 PMID:38272767	研究论文	开发并验证基于T2加权和弥散加权MRI的影像组学列线图，用于直肠癌肿瘤沉积的术前预测	首次结合T2WI和ADC图像的影像组学特征与临床因素构建列线图，优于传统机器学习模型	回顾性研究设计及相对较小的样本量可能限制泛化能力	实现直肠癌肿瘤沉积的术前无创预测	199例直肠癌患者的T2WI和DWI影像数据及临床资料	数字病理学	直肠癌	MRI（T2加权成像、弥散加权成像）	影像组学列线图	影像数据	199例（训练集159例，验证集40例）	NA	随机森林、支持向量机、深度学习模型（对比模型）	AUC, 准确率, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
1805	2026-05-02	Characterisation of the normal human ganglion cell-inner plexiform layer using widefield optical coherence tomography 2024-03, Ophthalmic & physiological optics : the journal of the British College of Ophthalmic Opticians (Optometrists) DOI:10.1111/opo.13255 PMID:37990841	研究论文	利用宽视野光学相干断层扫描描述健康人群神经节细胞-内丛状层厚度的变化	通过宽视野OCT扫描覆盖55°×45°范围，并结合深度学习方法自动分割GCIPL，揭示了健康人群中GCIPL厚度随年龄、眼轴长度和性别的变化模式，尤其是发现了黄斑外四个统计上不同的年龄相关变化聚类	NA	描述健康队列中宽视野光学相干断层扫描的GCIPL厚度变化	470只健康眼睛的GCIPL厚度	机器学习	NA	光学相干断层扫描	NA	图像	470只健康眼睛	NA	NA	NA	NA
1806	2026-05-02	Extracting Drug-Protein Relation from Literature Using Ensembles of Biomedical Transformers 2024-Jan-25, Studies in health technology and informatics DOI:10.3233/SHTI231043 PMID:38269887	研究论文	利用生物医学预训练Transformer模型集成方法从文献中自动提取药物-蛋白质关系	采用多个生物医学预训练Transformer模型的集成策略，在DrugProt任务中取得优异成绩	NA	开发从生物医学文献中自动提取药物与蛋白质关系的方法	药物/化学物质与蛋白质之间的实体关系	自然语言处理	NA	NA	Transformer	文本	主语料库10,750篇摘要，大规模语料库2.4M篇文献	NA	生物医学预训练Transformer模型	F1-score	NA
1807	2026-05-02	Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy 2024-Jan-22, bioRxiv : the preprint server for biology DOI:10.1101/2024.01.20.576449 PMID:38328064	研究论文	提出一种基于深度学习管道的自动化细胞检测与追踪方法，用于无标记3D延时成像	无需手动标注训练数据，鲁棒检测具有高度尺度不变性，跨实验室和仪器的泛化能力强	NA	解决无标记3D延时成像中细胞自动检测和追踪的挑战	细胞图像	计算机视觉	NA	3D延时成像	GAN	图像	NA	PyTorch	embGAN	NA	NA
1808	2026-05-02	Toward enhancement of antibody thermostability and affinity by computational design in the absence of antigen 2024 Jan-Dec, mAbs IF:5.6Q1 DOI:10.1080/19420862.2024.2362775 PMID:38899735	研究论文	利用深度学习模型DeepAb结合深度突变扫描数据设计抗体变体，以增强抗体热稳定性和亲和力	首次在无抗原结构信息的情况下，仅通过序列预测抗体结构并联合深度突变扫描数据，实现对抗体热稳定性和亲和力的双重优化	未明确讨论模型对非HEL抗体或更复杂抗原的泛化能力，且实验验证仅基于单一抗体靶点	探索无需预测抗体-抗原界面的抗体优化方法，提升抗体的热稳定性和亲和力	针对抗鸡卵清溶菌酶的抗体变体	机器学习	NA	深度学习、深度突变扫描、高通量实验	深度学习模型	序列数据、实验突变数据	200个设计的抗体变体	NA	DeepAb	热稳定性（T、T、T）、胶体稳定性、亲和力（K）、开发性参数（非特异性结合、聚集倾向、自结合）	NA
1809	2026-05-02	Digital pathology and multimodal learning on oncology data 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae014 PMID:42064394	综述	本文综述了数字病理学与多模态学习在肿瘤学数据整合中的最新进展，强调了其改善癌症诊疗的潜力	系统阐述了数字病理学如何与临床、影像及分子等多模态数据结合，并分析了多模态学习在肿瘤学中的机遇与挑战	NA	探讨多模态数据整合在肿瘤学中的应用，特别是数字病理学如何与其他数据类型协同以提升癌症诊疗水平	多模态肿瘤学数据（包含临床、影像、分子及病理信息）	数字病理学	癌症	NA	深度学习、机器学习	图像、文本、分子数据	NA	NA	NA	NA	NA
1810	2026-05-02	Clinical adoption of deep learning target auto-segmentation for radiation therapy: challenges, clinical risks, and mitigation strategies 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae015 PMID:42064392	综述	综述深度学习在放射治疗靶区自动分割中的临床应用挑战、风险及缓解策略	聚焦靶区自动分割的临床采用，系统分析了过度分割、不足分割、自动化偏差及适度信任等临床风险，并提出了包括几何、剂量-体积和基于结果的性能监测在内的全面质量保证框架	主要基于现有文献综述，缺乏实际临床实施数据的量化评估，且未深入探讨不同深度学习模型架构间的具体比较	评估深度学习靶区自动分割在放射治疗中的临床采用挑战、风险及缓解策略，推动其安全整合入临床实践	放射治疗中的靶区自动分割技术及其临床应用	机器学习,数字病理学	癌症	NA	深度学习	影像	NA	NA	NA	NA	NA
1811	2026-05-02	Diffusion models for medical image reconstruction 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae013 PMID:42064401	综述	综述扩散模型在医学图像重建中的应用，包括其原理、优势、挑战及未来研究方向	系统总结了扩散模型在医学图像重建中的最新进展，特别强调了其相比其他深度学习方法的优势，如图像分布建模能力、域迁移鲁棒性和不确定性量化	扩散模型存在幻觉问题可能影响临床适用性，且本文为综述性文章，未提出新的模型或方法	介绍扩散模型在医学图像重建中的应用，并提供方法学指导	扩散模型及其在医学图像重建中的应用	计算机视觉	不适用	扩散模型	扩散模型	医学图像	不适用	不适用	扩散模型	不适用	不适用
1812	2026-05-02	Applications and implementation of generative artificial intelligence in cardiovascular imaging with a focus on ethical and legal considerations: what cardiovascular imagers need to know! 2024-Jan, BJR artificial intelligence DOI:10.1093/bjrai/ubae008 PMID:42064403	综述	探讨生成式人工智能在心血管影像中的应用，重点关注伦理和法律考量	系统探讨了生成对抗网络在心血管影像中的伦理问题，包括“黑箱”问题、自动化偏见和健康差异	未具体说明研究局限，但指出需更多研究解决伦理和法律挑战	综述人工智能在心血管影像中的应用现状，并强调伦理和法律方面的注意事项	心血管影像技术，包括超声心动图、心脏MRI、冠状动脉CT血管造影和CT形态与功能	计算机视觉	心血管疾病	深度学习、生成对抗网络	卷积神经网络、变分神经网络、生成对抗网络	图像	NA	NA	卷积神经网络、变分神经网络、生成对抗网络	ROC曲线、图像质量、临床相关性、多样性、定量性能	NA
1813	2026-05-02	Deep Learning MRI Reconstruction for Accelerating Turbo Spin Echo Hand and Wrist Imaging: A Comparison of Image Quality, Visualization of Anatomy, and Detection of Common Pathologies with Standard Imaging 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.042 PMID:36797172	研究论文	评估深度学习重建技术加速手部和腕部涡轮自旋回波MRI的图像质量、解剖结构显示和常见病理检测，并与标准成像进行比较	首次将深度学习重建应用于手部和腕部涡轮自旋回波序列的加速成像，相比标准GRAPPA重建显著降低噪声、提高边缘锐度，同时将扫描时间减少60%以上	研究样本量较小（21名患者），且为单中心研究；未对不同深度学习重建参数进行优化比较	评估深度学习重建技术在手部和腕部MRI涡轮自旋回波序列中的图像质量、解剖结构显示和常见病理诊断性能	手部和腕部MRI检查的患者（21名，平均年龄43岁，10名男性、11名女性）	计算机视觉, 数字病理学	NA	MRI, 涡轮自旋回波, GRAPPA重建, 深度学习重建	深度学习重建模型	MRI图像	21名患者	NA	NA	图像质量, 噪声, 边缘锐度, 伪影, 诊断信心, 解剖结构显示（五点评分量表）, 病理检测一致性（加权Kappa系数）	NA
1814	2026-05-02	Improvement of Spatial Resolution on Coronary CT Angiography by Using Super-Resolution Deep Learning Reconstruction 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.044 PMID:36681533	研究论文	比较超分辨率深度学习重建与混合迭代重建在冠状动脉CT血管成像中的图像质量	首次将超分辨率深度学习重建应用于冠状动脉CT血管成像，显著提高图像空间分辨率和斑块检测能力	回顾性研究设计，样本量相对较小（100例），且未进行大规模多中心验证	评估超分辨率深度学习重建相较于混合迭代重建在冠状动脉CT血管成像中的图像质量提升	100例接受320排CT冠状动脉血管成像的患者图像	计算机视觉	心血管疾病	NA	超分辨率深度学习重建	图像	100例患者，其中14例接受有创冠状动脉造影作为参考	NA	NA	图像噪声标准差、对比噪声比、边缘上升斜率、图像质量评分、斑块可检测性	NA
1815	2026-05-02	Impact of a Deep Learning-based Super-resolution Image Reconstruction Technique on High-contrast Computed Tomography: A Phantom Study 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.040 PMID:36690564	研究论文	评估基于深度学习的超分辨率图像重建技术在高对比度计算机断层扫描中的图像质量	通过利用高分辨率CT学习，DLSRR在噪声抑制和空间分辨率上超越传统DLR和迭代重建技术	研究基于模体实验，未涉及临床患者数据，可能无法完全代表真实临床场景	评估DLSRR的图像质量及其临床潜力	高对比度CT图像质量，通过Mercury CT 4.0模体进行分析	计算机视觉	NA	CT	深度学习	图像	一个Mercury CT 4.0模体，在不同管电流（100、200、300 mA）下扫描	NA	超分辨率图像重建网络	噪声功率谱、任务传递函数、可检测性指数	NA
1816	2026-05-02	Detection of Intracranial Aneurysms Using Multiphase CT Angiography with a Deep Learning Model 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2022.12.043 PMID:36737273	研究论文	利用多相融合深度学习模型自动选择最佳相位，从CT血管造影图像中检测颅内动脉瘤，并与单相算法进行比较	提出多相融合深度学习模型，实现自动相位选择，显著提升颅内动脉瘤检测的灵敏度，特别是在不同动脉瘤位置、形状、大小和破裂状态下的召回率优于单相方法	基于单中心回顾性数据，未说明模型泛化性及外部验证范围，且未涉及模型的计算资源消耗	评估多相融合深度学习模型在CT血管造影图像中检测颅内动脉瘤的效果	颅内动脉瘤及其CT血管造影图像	计算机视觉	颅内动脉瘤	CT血管造影	深度学习模型	图像	训练数据1110名患者（1493个动脉瘤），内部验证数据139名患者（174个动脉瘤），测试数据134名患者（175个动脉瘤），独立验证数据来自数字减影血管造影检查	NA	多相融合深度学习模型	灵敏度，召回率	NA
1817	2026-05-02	Deep Learning-based Post Hoc CT Denoising for the Coronary Perivascular Fat Attenuation Index 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.01.023 PMID:36868878	研究论文	评估基于深度学习的后处理CT降噪技术对冠状动脉周围脂肪衰减指数诊断性能的影响	首次将深度学习降噪技术应用于冠状动脉周围脂肪衰减指数，提高其在高危出血斑块中的诊断能力	样本量较小（仅43例患者），回顾性研究设计，需进一步前瞻性验证	评估深度学习降噪后CCTA图像中FAI的诊断性能，与MRI检测的高危出血斑块对比	43名接受CCTA和冠状动脉斑块MRI检查的患者	计算机视觉, 数字病理学	冠状动脉疾病	CCTA, 冠状动脉斑块MRI	CNN	图像	43例患者（其中13例有高危出血斑块）	NA	残差密集网络	曲线下面积, 敏感性, 特异性, 准确率	NA
1818	2026-05-02	Deep Learning Reconstruction Improves the Image Quality of CT Angiography Derived From 80-kVp Cerebral CT Perfusion Data 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.02.007 PMID:37758584	研究论文	探讨深度学习重建技术对基于80-kVp脑CT灌注数据的CT血管成像图像质量的影响，并与混合迭代重建进行比较	首次在80-kVp低剂量脑CTP数据衍生的CTA中评估深度学习重建的临床价值，证明其相比HIR能显著改善图像质量	样本量较小（33例患者），且未对不同重建技术在诊断准确性方面的差异性进行深入分析	评估深度学习重建技术对低剂量CTP源图衍生的CTA图像质量的提升效果	接受80-kVp脑CT灌注扫描的33例患者	计算机视觉	脑血管疾病	CT灌注成像	深度学习重建	图像	33例患者	NA	NA	CT值，标准差，信噪比，对比噪声比，五分制主观评分	NA
1819	2026-05-02	OrBITS: label-free and time-lapse monitoring of patient derived organoids for advanced drug screening 2023-Apr, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-022-00750-0 PMID:36508089	研究论文	开发了一种名为OrBITS的自动化活细胞图像分析软件，结合计算机视觉与卷积网络机器学习，用于患者来源类器官的动力学监测和药物筛选	首次实现基于明场成像的类器官无标记、高通量时间序列监测，可同时获得类器官计数、平均面积和总面积等动态指标，并整合细胞死亡荧光标记实现孔内标准化	可能受限于明场成像的分辨率和类器官重叠问题，需进一步验证在复杂基质中的适用性	开发可用于患者来源类器官动力学监测和药物筛选的自动化、高通量活细胞图像分析平台	患者来源的肺癌和胰腺癌类器官	计算机视觉	肺癌, 胰腺癌	明场成像, 荧光成像, 深度学习	卷积神经网络	图像	包括标准ECM穹顶、Gri3D-96孔板和384孔板中的类器官样本	NA	CNN	相关分析, 细胞核染色对比, 药物反应指标（生长率标准化）	NA
1820	2026-05-02	Deep learning and manual assessment show that the absolute mitotic count does not contain prognostic information in triple negative breast cancer 2019-Aug, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-019-00445-z PMID:30989469	研究论文	通过深度学习和人工评估，验证绝对有丝分裂计数在三阴性乳腺癌中无预后价值	首次结合深度学习和人工方法，系统评估绝对有丝分裂计数对三阴性乳腺癌的预后意义，并证明其无效	单中心回顾性研究，样本量有限（n=298），且未探索其他增殖标志物的潜在价值	评估绝对有丝分裂计数作为三阴性乳腺癌预后因子的有效性	三阴性乳腺癌患者肿瘤组织	数字病理学, 机器学习	三阴性乳腺癌	H&E染色切片数字化, 卷积神经网络	卷积神经网络	图像	298例三阴性乳腺癌患者	未指定	卷积神经网络（未指定具体架构）	C统计量	未指定