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
18641	2025-10-07	A deep learning anthropomorphic model observer for a detection task in PET 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17303 PMID:39008812	研究论文	开发用于PET图像病灶检测任务的深度学习拟人模型观察器	首次将CNN与Swin Transformer编码器结合用于PET图像检测任务，相比传统模型观察器能更准确预测人类观察者表现	研究仅针对PET成像，未验证在其他医学影像模态的适用性	比较深度学习模型观察器与传统模型观察器在PET病灶检测任务中预测人类观察者表现的能力	正电子发射断层扫描(PET)图像中的病灶检测	医学影像分析	肿瘤学	PET成像	CNN, Transformer	医学图像	2916对PET图像(2268训练+324验证+324测试)	NA	CNN, Swin Transformer	准确率, 均方误差, 相关系数	NA
18642	2025-10-07	Deep learning-based fully automatic Risser stage assessment model using abdominal radiographs 2024-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-05999-1 PMID:39046527	研究论文	开发基于深度学习的全自动Risser分期评估模型，使用腹部X光片进行骨骼成熟度评估	首次提出全自动的Risser分期评估方法，结合骨盆骨分割和分类模型实现端到端评估	样本量相对有限，仅包含9-18岁患者，需要进一步验证在更广泛人群中的适用性	开发自动化的Risser分期评估系统以辅助骨骼成熟度评估	青少年患者的腹部X光片	计算机视觉	骨科疾病	X射线成像	CNN	医学图像	1,681张腹部X光片（1,577张用于开发，104张用于外部验证）	NA	DeepLabv3+, EfficientNet-B0, ConvNeXt-B	准确率, AUROC, 平均绝对误差	NA
18643	2025-10-07	Doctor simulator: Delta-Age-Sex-AdaIn enhancing bone age assessment through AdaIn style transfer 2024-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-06000-9 PMID:39060414	研究论文	提出一种结合年龄和性别分布的自适应实例归一化方法DASA-net，用于提升骨龄评估的准确性	首次将年龄和性别分布通过AdaIN风格迁移融入骨龄评估，模拟医生视觉比较手部图像与标准骨图谱的过程	未明确说明模型在临床环境中的泛化能力和计算效率	开发更准确的骨龄评估方法	儿童手部X光片	计算机视觉	儿科发育疾病	X射线成像	深度学习	图像	公开数据集14,236张手部X光片（1-228个月），私有数据集474张手部X光片（12-218个月，268名男性）	NA	DASA-net（包含BoneEncoder、Binary code distribution、Delta-Age-Sex-AdaIn、AgeDecoder四个模块）	平均绝对偏差(MAD)	NA
18644	2025-10-07	Accelerated cardiac magnetic resonance imaging using deep learning for volumetric assessment in children 2024-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-024-05978-6 PMID:39017676	研究论文	本研究评估了使用深度学习重建的加速3-RR电影MRI序列在儿童心脏磁共振成像中的诊断性能	首次在儿童心脏MRI中应用深度学习加速技术，将扫描时间从218.3秒显著减少至45.5秒	深度学习电影图像在舒张末期和收缩末期轮廓、乳头肌和瓣膜显示方面的图像质量有所降低	评估深度学习加速心脏MRI在儿童心室容积测量中的诊断性能	29名接受心脏MRI检查的儿童患者（平均年龄11±5岁，范围1-17岁）	医学影像分析	心血管疾病	心脏磁共振成像，平衡稳态自由进动序列	深度学习	医学影像	29名连续患者	NA	NA	组内相关系数，Bland-Altman分析，线性回归，图像质量评分	1.5特斯拉MRI扫描仪
18645	2025-10-07	Development and Testing of Artificial Intelligence-Based Mobile Application to Achieve Cataract Backlog-Free Status in Uttar Pradesh, India 2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100094 PMID:39187013	研究论文	开发并测试用于白内障筛查的人工智能移动应用程序，以解决印度北方邦白内障积压问题	开发了首个面向基层卫生工作者的AI移动应用，通过眼部图像进行社区级白内障筛查	模型在眼部和虹膜聚焦图像上的灵敏度较低（约52%），阳性预测值仅为58.4%	通过AI技术实现社区级白内障筛查，消除白内障积压病例	印度北方邦50岁及以上人群的白内障患者	计算机视觉	白内障	眼部图像分析	深度学习	图像	13,633张眼部图像用于模型开发，302名受益者（604张图像）用于现场测试	NA	ResNet50, ResNet101, YOLOv5, EfficientNetV2, InceptionV3, UNet	灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
18646	2025-10-07	A graph-learning based model for automatic diagnosis of Sjögren's syndrome on digital pathological images: a multicentre cohort study 2024-Aug-08, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-024-05550-8 PMID:39118142	研究论文	提出基于图学习的模型CTG-PAM，用于数字病理图像自动诊断干燥综合征	首次将图论应用于干燥综合征诊断，整合单细胞特征、细胞间特征和细胞组织特征	样本量相对较小（100例唇腺活检），外部验证集性能有待提升	开发自动诊断干燥综合征的人工智能模型	干燥综合征患者的唇腺活检组织	数字病理	干燥综合征	全玻片成像	图学习模型	数字病理图像	100例唇腺活检	NA	CTG-PAM	AUC, 敏感度, 准确率	NA
18647	2025-10-07	Topographic Clinical Insights From Deep Learning-Based Geographic Atrophy Progression Prediction 2024-Aug-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.8.6 PMID:39102242	研究论文	本研究通过深度学习算法探索眼底自发荧光地形成像特征对预测地理萎缩进展率的贡献	首次通过消融实验系统分析不同眼底自发荧光区域对地理萎缩进展预测的贡献度	回顾性研究，数据来源于临床试验，可能存在选择偏倚	探索眼底自发荧光地形特征在深度学习预测地理萎缩生长速率中的作用	地理萎缩患者的眼底自发荧光图像	计算机视觉	眼科疾病	眼底自发荧光成像	CNN	医学图像	来自三项临床试验的研究眼数据	NA	卷积神经网络	平方皮尔逊相关系数	NA
18648	2025-10-07	Artificial Intelligence-Enabled Electrocardiography Predicts Future Pacemaker Implantation and Adverse Cardiovascular Events 2024-Jul-19, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02088-6 PMID:39028354	研究论文	开发一种基于深度学习的人工智能模型，通过心电图预测未来起搏器植入和不良心血管事件风险	首次利用深度学习模型直接从原始心电图数据预测未来起搏器植入需求，并能同时评估多种心血管事件风险	研究主要基于特定医疗中心数据，需要进一步外部验证和前瞻性研究确认临床适用性	开发预测未来起搏器植入和心血管事件的人工智能模型	学术医疗中心患者和社区医院患者的心电图数据	医疗人工智能	心血管疾病	心电图分析	深度学习模型	心电图信号	训练集：158,471份心电图（42,903名患者）；验证集：52,178名患者（25,640名学术医疗中心患者和26,538名社区医院患者）	NA	NA	AUC, 敏感性, 特异性, 风险比	NA
18649	2025-10-07	Understanding natural language: Potential application of large language models to ophthalmology 2024 Jul-Aug, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100085 PMID:39059558	综述	探讨大型语言模型在眼科领域的潜在应用及其对医患沟通的影响	首次系统性地将大型语言模型的演进与眼科医疗实践相结合，提出其在医疗文档自动化、辅助诊断和患者教育等方面的创新应用场景	需要更好的输入数据和更广泛的验证才能实现自主诊断治疗，现实应用仍存在局限性	研究大型语言模型在眼科医疗中的潜在应用价值	眼科医生和患者群体	自然语言处理	眼科疾病	深度学习	Transformer	文本	NA	NA	Transformer	NA	NA
18650	2025-10-07	Deep Learning-Enabled Vasculometry Depicts Phased Lesion Patterns in High Myopia Progression 2024 Jul-Aug, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2024.100086 PMID:39053733	研究论文	本研究通过深度学习血管测量技术揭示了高度近视进展中的阶段性病变模式	基于人类视觉仿生机制开发智能图像处理模型，首次识别出高度近视进展中视网膜血管形态变化的两个不同阶段	回顾性研究设计，样本主要来自单一医疗中心	研究近视性视网膜血管改变的潜在阶段，阐明高度近视进展机制	5775名高度近视患者（年龄41.2±18.6岁）的14,066张眼底照片	数字病理	高度近视	深度学习，智能图像处理	深度学习模型	眼底照片	5775名患者的14,066张眼底照片	NA	NA	Spearman相关系数	NA
18651	2025-10-07	Accurate prediction of neurologic changes in critically ill infants using pose AI 2024-Jun-10, medRxiv : the preprint server for health sciences DOI:10.1101/2024.04.17.24305953 PMID:38699362	研究论文	本研究开发了一种基于计算机视觉的姿态AI系统，用于预测新生儿重症监护室婴儿的神经系统变化	首次将深度学习姿态估计算法应用于ICU环境，仅通过视频数据就能预测脑电图诊断结果	研究样本量相对有限（115名婴儿），需要在更大人群中验证	开发连续、可靠的神经系统监测方法以替代间歇性主观检查	新生儿重症监护室的危重婴儿	计算机视觉	神经系统疾病	计算机视觉，视频分析，脑电图	深度学习	视频，脑电图数据	115名婴儿，4,705小时视频数据	NA	NA	ROC-AUC	NA
18652	2025-10-07	A Novel Deep Learning Approach for Forecasting Myocardial Infarction Occurrences with Time Series Patient Data 2024-May-22, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02076-w PMID:38775899	研究论文	使用新型深度学习模型预测心肌梗死发生率	提出了专门针对心肌梗死预测的MSC-LSTM方法，在新型数据集上表现优于传统模型	研究仅限于吉大港大都会区的数据，时间范围仅为两年	早期预测心肌梗死发生率以支持公共卫生决策	吉大港大都会区2020-2021年心肌梗死患者时间序列数据	机器学习	心血管疾病	时间序列分析	LSTM	时间序列数据	2020年1月1日至2021年12月31日吉大港大都会区每日心肌梗死发病率数据	NA	MSC-LSTM, LSTM	平均百分比误差(MPE)	NA
18653	2025-10-07	3D CNN-based Deep Learning Model-based Explanatory Prognostication in Patients with Multiple Myeloma using Whole-body MRI 2024-Mar-08, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02040-8 PMID:38456950	研究论文	本研究开发了一种基于3D CNN的深度学习模型，利用全身MRI数据预测多发性骨髓瘤患者的预后	首次证明仅使用全身MRI数据和3D CNN模型（无需其他临床数据）即可有效预测多发性骨髓瘤预后，并采用Grad-CAM提供模型解释	回顾性研究设计，样本量相对有限（142例患者）	预测多发性骨髓瘤患者的预后并探索预测相关因素	多发性骨髓瘤患者	医学影像分析	多发性骨髓瘤	全身扩散加权磁共振成像	3D CNN	3D MRI图像	142例患者（111例训练和内部验证，31例外部验证）	NA	3D CNN	无进展生存期，受试者工作特征曲线下面积	NA
18654	2025-10-07	NeuroIGN: Explainable Multimodal Image-Guided System for Precise Brain Tumor Surgery 2024-Feb-23, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02037-3 PMID:38393660	研究论文	开发了一种新型多模态图像引导神经外科系统，利用深度学习和可解释AI提升脑肿瘤手术效果	结合深度学习和可解释AI的多模态神经导航系统，提供实时超声成像和模块化架构	仅在实验室和模拟手术室环境中进行验证，尚未进行临床实际应用	开发精确的脑肿瘤手术导航系统，提升手术效果和术后长期结果	脑肿瘤手术患者	数字病理	脑肿瘤	深度学习，可解释AI，超声成像	深度学习模型	多模态医学图像	NA	开源软件包	模块化架构（包含肿瘤分割、患者配准、可解释输出预测）	追踪精度0.5(±0.1)mm，帧率19 FPS	NA
18655	2025-10-07	Artificial Intelligence-enabled Chest X-ray Classifies Osteoporosis and Identifies Mortality Risk 2024-Jan-13, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-023-02030-2 PMID:38217829	研究论文	开发深度学习模型通过胸部X射线特征识别骨质疏松症并评估其与全因死亡率的关系	首次利用胸部X射线结合深度学习技术实现骨质疏松症的早期筛查和死亡率风险评估	研究主要基于单一学术医疗中心数据，需要更多外部验证	开发基于胸部X射线的骨质疏松症识别模型并评估其临床预后价值	骨质疏松症患者和全因死亡率风险人群	计算机视觉	骨质疏松症	双能X射线吸收测定法(DXA)	深度学习模型	胸部X射线图像	48,353张胸部X射线图像（35,633张用于训练，12,720张用于验证）	NA	NA	AUC, 风险比(HR), Kaplan-Meier生存分析, Cox比例风险模型	NA
18656	2025-10-07	Enhanced neurological anomaly detection in MRI images using deep convolutional neural networks 2024, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2024.1504545 PMID:39802885	研究论文	本研究开发了一种基于深度卷积神经网络的框架，用于自动检测和分类MRI图像中的神经系统异常	提出专门优化的深度卷积神经网络架构，在MRI神经异常检测中达到98.44%的分类准确率，优于ResNet-50和AlexNet等知名模型	需要进一步研究评估模型在不同临床场景下的表现，未来可整合纵向成像和多模态技术	开发自动化神经系统疾病诊断系统，解决传统手动解读方法耗时且易变的问题	神经系统异常（包括帕金森病、阿尔茨海默病和癫痫）的MRI图像	计算机视觉	神经系统疾病	MRI成像	DCNN	图像	NA	NA	深度卷积神经网络	准确率,精确率,召回率,F1分数	NA
18657	2025-10-07	Deep learning to optimize radiotherapy decisions for elderly patients with early-stage breast cancer: a novel approach for personalized treatment 2024, American journal of cancer research IF:3.6Q2 DOI:10.62347/TRNO3190 PMID:39803647	研究论文	本研究开发了一种基于深度学习的个性化治疗方法，用于优化老年早期乳腺癌患者的放疗决策	首次将深度生存回归与混合效应模型(DSME)应用于老年早期乳腺癌患者的放疗决策优化，提供个性化治疗建议	研究为回顾性分析，可能存在选择偏倚；模型在未推荐放疗的患者中未观察到获益	评估辅助放疗在老年早期乳腺癌患者中的疗效，并开发个性化治疗决策模型	8,047名接受保乳手术的老年早期乳腺癌患者	医疗人工智能	乳腺癌	深度学习	深度生存回归与混合效应模型(DSME)	临床数据	8,047名老年早期乳腺癌患者	NA	DSME	风险比,风险差异,平均生存时间	NA
18658	2025-10-07	Functional Imaging Derived ADHD Biotypes Based on Deep Clustering May Guide Personalized Medication Therapy 2023-Sep-14, Research square DOI:10.21203/rs.3.rs-3272441/v1 PMID:37790426	研究论文	基于功能网络连接性使用图卷积网络和深度聚类识别ADHD生物型，为个性化药物治疗提供指导	首次将图卷积网络与深度聚类相结合用于ADHD生物型识别，并验证了不同生物型对特定药物的差异化治疗反应	样本主要来自青少年群体，需要进一步验证在更广泛年龄段的适用性	开发基于神经影像的ADHD生物型分类方法以指导个性化药物治疗	注意力缺陷多动障碍(ADHD)患者	医学影像分析	神经发育障碍	功能网络连接性(FNC)	图卷积网络,深度聚类	功能磁共振成像数据	1069名ADHD患者(ABCD研究) + 130名独立验证样本	NA	图卷积网络	统计显著性(p值), FDR校正	NA
18659	2025-10-07	ID-Seg: an infant deep learning-based segmentation framework to improve limbic structure estimates 2022-May-28, Brain informatics DOI:10.1186/s40708-022-00161-9 PMID:35633447	研究论文	提出一种基于深度学习的婴儿脑部MRI分割框架ID-Seg，用于提高边缘结构分割精度	利用大型公共婴儿MRI数据集和迁移学习技术，首次在婴儿脑部边缘结构分割中应用深度卷积神经网络	需要多中心测试验证，且目前仅适用于杏仁核和海马体两个脑区	开发高精度的婴儿脑部边缘结构自动分割方法	婴儿脑部边缘结构（杏仁核和海马体）	医学影像分析	神经发育疾病	磁共振成像	CNN	医学影像	473名婴儿的MRI数据，并在两个独立数据集上验证	NA	深度卷积神经网络	Dice相似系数, 组内相关系数, 平均表面距离	NA
18660	2025-10-07	Automated Multiclass Artifact Detection in Diffusion MRI Volumes via 3D Residual Squeeze-and-Excitation Convolutional Neural Networks 2022, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2022.877326 PMID:35431841	研究论文	提出基于3D残差压缩激励卷积神经网络的扩散MRI多类别伪影自动检测方法	首次实现扩散MRI数据的多类别（非二元）伪影自动分类，采用3D MECE子体积分割和投票机制	仅针对特定数据集（ABCD和HBN）进行验证，未在其他数据集测试泛化能力	开发自动化的扩散MRI多类别伪影检测方法以提高数据预处理效率	扩散MRI脑部扫描数据	医学影像分析	脑部疾病	扩散MRI	CNN	3D医学影像	ABCD数据集2,494个低质量dMRI体积，HBN数据集4,226个dMRI体积	NA	3D Residual Squeeze-and-Excitation CNN	准确率	NA