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
1	2026-04-17	Quantitative imaging of cancer in the postgenomic era: Radio(geno)mics, deep learning, and habitats 2018-12-15, Cancer IF:6.1Q1 DOI:10.1002/cncr.31630 PMID:30383900	综述	本文综述了定量图像分析（放射组学）在癌症异质性量化中的应用，并探讨了深度学习与肿瘤栖息地分割的扩展	提出将放射组学与深度学习结合，自动检测信息区域和特征，并引入肿瘤栖息地分割以链接肿瘤病理生理学	NA	为精准肿瘤学实践提供决策支持，通过图像分析改进癌症诊断、预后、预测和治疗监测	癌症患者，特别是其放射学图像中的肿瘤异质性	计算机视觉	癌症	放射组学，深度学习	CNN	图像	NA	NA	卷积神经网络	NA	NA
2	2026-04-12	Bag of deep features for preoperative prediction of sentinel lymph node metastasis in breast cancer 2018-Dec-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf241 PMID:30523819	研究论文	本文提出了一种结合深度学习和词袋模型的集成方案，用于术前预测乳腺癌前哨淋巴结转移	提出了一种结合卷积神经网络和词袋模型的集成方案，通过核融合方法整合所有特征，构建判别性支持向量机分类器，实现高维稀疏表示	样本量相对较小（172例患者），且仅基于扩散加权磁共振成像数据，可能限制模型的泛化能力	术前预测乳腺癌患者的前哨淋巴结转移状态	乳腺癌患者的前哨淋巴结	数字病理学	乳腺癌	扩散加权磁共振成像	CNN, SVM	图像	172例患者（74例SLN阳性，98例SLN阴性）	NA	CNN, BOF模型	AUC	NA
3	2026-04-12	Fully automated organ segmentation in male pelvic CT images 2018-Dec-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf11c PMID:30523973	研究论文	本研究提出了一种基于深度学习的全自动男性盆腔CT图像分割工作流，用于前列腺癌放疗计划中前列腺及周围危及器官的精确分割	采用2D器官体积定位网络与3D分割网络相结合的架构，并引入ResNeXt改进的编码臂，实现了全自动的盆腔器官分割	研究仅基于136例患者的数据集，样本量相对有限，且未在外部数据集上进行验证	开发一种全自动的男性盆腔CT图像分割方法，以支持前列腺癌放疗治疗计划	男性盆腔CT图像中的前列腺、膀胱、直肠和双侧股骨头	数字病理学	前列腺癌	CT成像	CNN	图像	136例患者的盆腔CT图像数据集	NA	2D U-Net, 3D U-Net, ResNeXt	Dice系数	NA
4	2026-04-12	Incorporating automatically learned pulmonary nodule attributes into a convolutional neural network to improve accuracy of benign-malignant nodule classification 2018-12-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf09f PMID:30524071	研究论文	本文提出了一种结合肺结节良恶性分类和图像属性分类的新方法，通过构建独特的3D CNN和设计新颖的损失函数，以提高肺结节分类的准确性	将自动学习的肺结节图像属性作为高层语义标签整合到CNN中，设计了一种平衡两种分类任务影响的损失函数，使结节属性分类与良恶性分类相互促进	NA	提高肺结节良恶性分类的准确性	肺结节	计算机视觉	肺癌	深度学习	CNN	图像	使用公开可用的LIDC数据集进行训练和测试	NA	3D CNN	准确率	NA
5	2026-04-12	Visually interpretable deep network for diagnosis of breast masses on mammograms 2018-Dec-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaef0a PMID:30511660	研究论文	提出一种视觉可解释的深度学习网络框架，用于乳腺X光片中肿块诊断，并提供视觉解释	引入BIRADS引导图和批评网络，使深度学习网络能够根据BIRADS标准进行视觉解释，提高诊断决策的可解释性	仅基于公开乳腺X光数据库进行验证，未涉及多中心或更大规模数据集，可能影响泛化能力	开发一种视觉可解释的计算机辅助诊断框架，以改善乳腺肿块诊断的深度学习模型可解释性	乳腺X光片中的恶性与良性肿块	计算机视觉	乳腺癌	深度学习	深度神经网络	图像	独立测试集包含170个恶性肿块和170个良性肿块	NA	BIRADS引导诊断网络, BIRADS批评网络	NA	NA
6	2026-04-12	Deep learning with cinematic rendering: fine-tuning deep neural networks using photorealistic medical images 2018-09-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aada93 PMID:30113015	研究论文	本文提出了一种利用电影渲染技术生成逼真医学图像，以微调深度学习网络的方法，用于内窥镜单目深度估计任务	首次将电影渲染技术应用于深度学习，通过使用电影渲染生成的逼真CT数据微调合成数据驱动的网络，提高了模型对真实医学图像的适应性和鲁棒性	研究主要针对内窥镜深度估计任务，可能未涵盖其他医学图像分析应用；且依赖于特定渲染条件，泛化能力需进一步验证	解决医学图像数据稀缺问题，提升深度学习模型在真实医学图像上的性能	内窥镜图像，特别是结肠内窥镜图像	计算机视觉	NA	电影渲染，CT数据重建	CNN	图像	NA	NA	NA	深度估计误差减少百分比	NA
7	2026-04-12	Computer-aided detection of small intestinal ulcer and erosion in wireless capsule endoscopy images 2018-08-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aad51c PMID:30033931	研究论文	提出一种基于深度学习的计算机辅助检测方法，用于无线胶囊内窥镜图像中小肠溃疡和糜烂的检测	首次将深度学习框架应用于无线胶囊内窥镜图像中溃疡和糜烂的自动检测，能够直接从数据中提取图像特征，提高识别准确性和效率	NA	开发一种计算机辅助检测方法，以自动识别无线胶囊内窥镜图像中的小肠溃疡和糜烂	无线胶囊内窥镜图像中的小肠溃疡和糜烂病变	计算机视觉	小肠溃疡和糜烂	无线胶囊内窥镜成像	CNN	图像	数万张无线胶囊内窥镜图像	NA	AlexNet	准确率, 灵敏度, 特异性, AUC	NA
8	2026-04-12	Computed tomography super-resolution using deep convolutional neural network 2018-07-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aacdd4 PMID:29923839	研究论文	本研究开发了一种基于卷积神经网络的CT图像超分辨率方法，通过改进的U-Net学习低分辨率（厚层厚）与高分辨率（薄层厚）图像之间的端到端映射	采用改进的U-Net架构实现CT图像的超分辨率与去噪联合优化，显著提升骨结构和气腔边界的去模糊效果	研究仅使用二维切片数据进行训练，未涉及三维体积数据；样本量相对有限（52个训练研究）	开发深度学习模型以提升CT图像的空间分辨率并降低噪声	CT图像（薄层与厚层对比）	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	52个CT研究用于训练（7670张切片），13个CT研究用于测试	NA	改进的U-Net	峰值信噪比（PSNR），归一化均方根误差（NRMSE）	NA
9	2026-04-12	Evolutionary pruning of transfer learned deep convolutional neural network for breast cancer diagnosis in digital breast tomosynthesis 2018-05-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aabb5b PMID:29616660	研究论文	提出一种分层路径进化方法，用于压缩深度卷积神经网络，以在数字乳腺断层合成中分类肿块，同时保持分类准确性	采用遗传算法进行迭代路径进化，通过锦标赛选择驱动计数保持交叉和突变，显著减少网络参数和计算操作	未提及方法在其他深度学习网络或成像任务中的泛化能力验证，且统计差异不显著（p > 0.05）	压缩深度卷积神经网络参数，提高推理和迁移学习效率，用于乳腺癌诊断	数字乳腺断层合成中的肿块区域	计算机视觉	乳腺癌	数字乳腺断层合成	CNN	图像	第一阶段：19,632个增强ROI（来自2,454个乳腺X光肿块病变）；第二阶段：9,120个DBT ROI（来自228个肿块病变）；测试：89个肿块病变（来自94个独立DBT病例）	NA	预训练的DCNN（基于ImageNet）	AUC	NA
10	2026-04-12	Comment on 'Deep convolutional neural network with transfer learning for rectum toxicity prediction in cervical cancer radiotherapy: a feasibility study' 2018-03-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaae23 PMID:29424369	评论	对一篇关于使用深度卷积神经网络预测宫颈癌放疗中直肠毒性的可行性研究论文进行评论	NA	NA	讨论深度学习技术在医学物理和放射肿瘤学领域的应用潜力与局限性	深度学习在放射肿瘤学中的应用	数字病理学	宫颈癌	NA	卷积神经网络	NA	NA	NA	VGG-16	NA	NA
11	2026-04-12	Computer-aided assessment of breast density: comparison of supervised deep learning and feature-based statistical learning 2018-01-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aa9f87 PMID:29210358	研究论文	本研究开发了一种基于监督深度学习的自动化方法，用于评估数字乳腺X线摄影中的乳腺密度百分比，并与基于特征的统计学习方法进行比较	采用监督深度卷积神经网络结合域适应重采样方法，生成乳腺密度概率图，实现了比传统特征学习方法更准确和稳健的密度估计	研究仅使用了单一机构的回顾性数据，样本量有限，且未在外部数据集上进行验证	开发自动化评估乳腺密度的方法，以辅助癌症风险预测和密度报告	数字乳腺X线摄影图像	计算机视觉	乳腺癌	数字乳腺X线摄影	CNN	图像	训练集478张数字乳腺X线摄影图像，独立测试集183张图像	NA	深度卷积神经网络	Dice系数, Pearson相关系数	NA
12	2026-04-11	Deep EHR: A Survey of Recent Advances in Deep Learning Techniques for Electronic Health Record (EHR) Analysis 2018-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2017.2767063 PMID:29989977	综述	本文综述了深度学习技术在电子健康记录分析中的最新进展和应用	系统性地总结了深度学习在EHR分析中的多种应用，如信息提取、表示学习、结果预测等，并指出了当前研究的局限性	当前研究存在模型可解释性不足、数据异质性、缺乏统一基准等问题	调查深度学习技术在电子健康记录分析中的研究现状和应用	电子健康记录数据	自然语言处理	NA	NA	NA	文本	NA	NA	NA	NA	NA
13	2026-03-06	A Deep Unsupervised Learning Approach Toward MTBI Identification Using Diffusion MRI 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8512556 PMID:30440621	研究论文	本文提出了一种基于深度无监督学习的方法，利用扩散MRI数据在创伤后一个月内识别轻度创伤性脑损伤	采用词袋表示法结合卷积自编码器，从扩散MRI图像中学习补丁级特征，以无监督方式提升损伤检测性能	训练数据有限，未提及外部验证或临床应用的详细评估	通过深度学习技术检测轻度创伤性脑损伤，提供更准确的损伤测量方法	轻度创伤性脑损伤患者的扩散MRI图像	计算机视觉	脑损伤	扩散MRI	卷积自编码器	图像	NA	NA	卷积自编码器	NA	NA
14	2026-02-08	Tumor co-segmentation in PET/CT using multi-modality fully convolutional neural network 2018-12-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf44b PMID:30523964	研究论文	提出了一种基于3D全卷积神经网络的多模态肿瘤协同分割方法，用于PET/CT图像中的肿瘤分割	设计了一种多任务训练模块和特征融合模块，能够同时利用PET和CT信息进行肿瘤分割，相比单模态方法和其他协同分割方法取得了显著性能提升	研究仅基于84名肺癌患者的临床PET/CT数据集进行验证，样本规模相对有限	开发一种自动肿瘤分割方法，以辅助癌症诊断和治疗	肺癌患者的PET/CT图像	数字病理学	肺癌	PET/CT扫描	CNN, FCN	图像	84名肺癌患者	NA	3D全卷积神经网络, V-net, W-net	NA	NA
15	2026-02-05	Opportunities and obstacles for deep learning in biology and medicine 2018-04, Journal of the Royal Society, Interface DOI:10.1098/rsif.2017.0387 PMID:29618526	综述	本文探讨了深度学习在生物学和医学领域的应用机会与障碍	系统性地评估了深度学习在生物医学任务中的潜力与挑战，并指出其尚未彻底改变该领域但已取得有前景的进展	深度学习模型的可解释性仍存在开放挑战，且敏感健康数据的标注数据有限及法律隐私限制构成障碍	分析深度学习在生物学和医学中的应用潜力与局限性	生物医学数据与任务，包括患者分类、基础生物过程及患者治疗	机器学习	NA	NA	神经网络	复杂生物医学数据	NA	NA	NA	NA	NA
16	2025-12-19	The European Federation of Organisations for Medical Physics (EFOMP) White Paper: Big data and deep learning in medical imaging and in relation to medical physics profession 2018-Dec, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2018.11.005 PMID:30449653	白皮书	本文探讨了大数据和深度学习在医学影像中的应用及其对医学物理专业的影响	提出医学物理师应超越技术质量概念，将方法论和能力扩展到测量和优化诊断价值，并强调数据质量控制与验证在深度学习应用中的关键作用	未具体说明实际应用案例或技术实施细节，主要侧重于概念性讨论	分析大数据和深度学习如何改变医学影像领域，并探讨医学物理专业在此背景下的角色和发展方向	医学影像数据、医学物理专业实践	医学影像	NA	深度学习、大数据分析	NA	医学影像数据	NA	NA	NA	NA	NA
17	2025-12-18	Canadian Association of Radiologists White Paper on Artificial Intelligence in Radiology 2018-May, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes DOI:10.1016/j.carj.2018.02.002 PMID:29655580	白皮书	加拿大放射科医师协会发布关于人工智能在放射学中应用的白皮书，提供相关建议和指导	作为加拿大放射学领域的官方立场文件，首次系统性地提出AI在放射学中的实施框架和政策建议	未涉及具体技术细节或临床验证数据，主要侧重于政策层面讨论	探讨人工智能在放射学领域的应用前景、实施策略及对行业的影响	放射学实践、政策制定、患者护理及专业教育	数字病理	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
18	2025-11-17	Predict In-Hospital Code Blue Events using Monitor Alarms through Deep Learning Approach 2018-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC.2018.8513269 PMID:30441177	研究论文	本研究使用LSTM深度学习模型分析ICU监护仪报警序列，预测院内蓝色代码事件	首次将LSTM序列深度学习模型应用于连续监护仪报警序列分析，捕捉蓝色代码事件前的时间依赖特征	初步研究，样本量有限，需要进一步验证	通过深度学习减少ICU监护仪误报警，提高蓝色代码事件预测准确性	重症监护室监护仪报警数据序列	医疗健康监测	重症监护	深度学习序列分析	LSTM	时间序列报警数据	NA	NA	LSTM	AUC, 敏感度, 特异度	NA
19	2025-10-05	ADVERSARIAL SYNTHESIS LEARNING ENABLES SEGMENTATION WITHOUT TARGET MODALITY GROUND TRUTH 2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi.2018.8363790 PMID:41018946	研究论文	提出一种无需目标模态标注数据的端到端对抗合成学习框架，实现跨模态图像分割	首次将图像合成与分割任务整合到端到端网络中，利用合成与分割间的互补信息	仅验证了MRI到CT的跨模态分割，未在其他模态组合上测试	解决深度学习分割模型在不同成像模态间泛化能力不足的问题	脾肿大器官的CT图像分割	计算机视觉	脾脏疾病	医学影像分析	GAN, CNN	医学影像（MRI、CT）	NA	NA	CycleGAN, ResNet, 自定义EssNet	Dice相似系数	NA
20	2025-10-05	WITHDRAWN: Application of deep learning to predict advanced neoplasia using big clinical data in colorectal cancer screening of asymptomatic adults 2018-11-04, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2018.10.041 PMID:30403965	撤稿	该文章已被作者和/或编辑要求撤回，涉及使用深度学习预测无症状成人结直肠癌筛查中晚期肿瘤的研究	NA	NA	NA	NA	NA	结直肠癌	NA	深度学习	临床大数据	NA	NA	NA	NA	NA