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
21	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
22	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
23	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
24	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
25	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
26	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
27	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
28	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
29	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
30	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
31	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
32	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
33	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
34	2025-10-06	Population Specific Biomarkers of Human Aging: A Big Data Study Using South Korean, Canadian, and Eastern European Patient Populations 2018-10-08, The journals of gerontology. Series A, Biological sciences and medical sciences DOI:10.1093/gerona/gly005 PMID:29340580	研究论文	本研究开发了一种基于深度学习的血液老化时钟模型，使用加拿大、韩国和东欧人群的血液样本数据，提高了对个体人群年龄预测的准确性	首次结合多个人群特异性数据集开发血液老化时钟，证明人群特异性老化模式的存在，并验证了血液老化时钟与全因死亡率之间的关联	研究仅包含四个特定人群的数据，可能无法完全代表全球所有人群的老化特征	开发更准确的人群特异性人类老化生物标志物，评估抗衰老疗法	加拿大、韩国、东欧和美国人群的血液样本数据	机器学习	老年疾病	血液检测	深度学习	血液样本数据	加拿大、韩国、东欧人群的大规模组合数据集，以及NHANES的美国人群公开样本	NA	NA	预测准确性	NA
35	2025-10-07	Spatial Organization and Molecular Correlation of Tumor-Infiltrating Lymphocytes Using Deep Learning on Pathology Images 2018-04-03, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2018.03.086 PMID:29617659	研究论文	本研究利用深度学习技术分析TCGA样本的H&E染色病理图像，绘制肿瘤浸润淋巴细胞空间分布图并探索其与分子特征的相关性	首次通过计算染色方法从H&E图像中提取肿瘤浸润淋巴细胞的空间组织模式，并将其与基因组数据和临床预后相关联	研究仅基于13种TCGA肿瘤类型，样本来源和图像质量可能存在异质性	探索肿瘤微环境中淋巴细胞空间分布模式与分子特征及临床预后的关联	TCGA数据库中的13种肿瘤类型的H&E染色病理图像	数字病理学	多种癌症类型	H&E染色，深度学习图像分析	CNN	病理图像	13种TCGA肿瘤类型的多样本集合	NA	卷积神经网络	NA	NA
36	2025-10-07	A novel stacked generalization of models for improved TB detection in chest radiographs 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.2018.8512337 PMID:30440497	研究论文	提出一种新颖的堆叠泛化模型，通过结合手工设计特征和CNN特征来改进胸部X光片中的结核病检测	首次将手工设计特征与CNN特征通过堆叠分类器相结合，构建非线性决策函数以提升结核病检测性能	NA	开发计算机辅助诊断工具以改善资源受限地区结核病的及时检测和治疗	胸部X光片中的结核病检测	计算机视觉	结核病	胸部X光成像	CNN, 集成学习	医学图像	NA	NA	堆叠分类器	NA	NA
37	2025-10-07	Hand Gesture Recognition in Automotive Human⁻Machine Interaction Using Depth Cameras 2018-Dec-24, Sensors (Basel, Switzerland) DOI:10.3390/s19010059 PMID:30586882	综述	本文综述了基于飞行时间传感器深度数据的手势识别机器学习方法在汽车人机交互中的应用	提出了包含超过百万个独特三维手势样本的新型基准数据集REHAP，并研究了深度学习框架中的多种传感器数据融合技术	NA	评估深度相机在汽车人机交互中手势识别技术的应用效果	三维手势数据	计算机视觉	NA	飞行时间传感器深度数据采集	CNN, LSTM	深度数据，三维手势数据	超过100万个独特三维手势样本	深度学习框架	卷积神经网络，长短期记忆网络	可靠性评估	NA
38	2025-10-07	Deep Neural Network Based Predictions of Protein Interactions Using Primary Sequences 2018-Aug-01, Molecules (Basel, Switzerland) DOI:10.3390/molecules23081923 PMID:30071670	研究论文	提出基于深度神经网络的蛋白质相互作用预测框架DNN-PPI，仅使用蛋白质一级序列进行自动特征学习	结合CNN和LSTM网络自动学习氨基酸语义关联、序列基序及长短程依赖关系，无需人工特征工程	模型过拟合和泛化能力在多数场景下尚未充分研究	大规模预测蛋白质-蛋白质相互作用以理解蛋白质功能、疾病发生和治疗设计	蛋白质一级序列	机器学习	NA	蛋白质序列分析	CNN,LSTM	序列数据	Pan人类PPI数据集及六个外部数据集	NA	CNN,LSTM,全连接神经网络	准确率,马修斯相关系数	NA
39	2025-10-07	Automatic detection and classification of marmoset vocalizations using deep and recurrent neural networks 2018-07, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/1.5047743 PMID:30075670	研究论文	本研究使用深度学习和循环神经网络实现了狨猴发声的自动检测与分类	首次将LSTM-RNN应用于狨猴发声检测，并在大规模数据集上对比了多种深度学习方法与传统方法的性能	测试集区分了训练集中是否包含相同狨猴个体的数据，可能影响模型泛化能力评估	开发自动化的狨猴发声检测与分类系统	狨猴发声录音	自然语言处理	NA	音频分析	DNN, LSTM, SVM	音频	1500分钟录音数据，来自4对狨猴双胞胎	NA	DNN, LSTM-RNN	帧错误率, 准确率	NA
40	2025-10-07	FPGA implementation of deep-learning recurrent neural networks with sub-millisecond real-time latency for BCI-decoding of large-scale neural sensors (104 nodes) 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.2018.8512415 PMID:30440576	研究论文	本文提出了一种基于FPGA的深度学习递归神经网络实现，用于大规模神经传感器的脑机接口解码，能够实现亚毫秒级实时延迟	开发了名为NeuroCoder的移动低功耗嵌入式系统平台，首次在FPGA上实现了参数量达404万的LSTM RNN模型，能够实时解码10,000个神经通道	目前仅在模拟的10,000个神经通道和20维声谱时域表示的语音词解码场景中进行了概念验证	开发低延迟实时神经解码系统，用于下一代脑机接口在复杂人类任务中的应用	大规模神经传感器数据，包括神经元放电、多单元活动和局部场电位	脑机接口	NA	神经信号解码	LSTM, RNN	神经信号数据	10,000个神经通道的模拟数据	NA	LSTM	实时延迟（亚毫秒级）	FPGA（现场可编程门阵列），移动低功耗嵌入式系统平台