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	2026-05-24	Deep learning in the cross-time frequency domain for sleep staging from a single-lead electrocardiogram 2018-12-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/aaf339 PMID:30524025	研究论文	该研究利用单导联心电图中的拍检测、时频域心肺耦合和深度卷积神经网络进行睡眠阶段分类	提出基于ECG的睡眠阶段分类方法，在非脑电图数据上达到最高报告结果，使用数据集比以往研究大十倍以上，系统无需人工标注可扩展至大规模分析	NA	从单导联心电图自动分类睡眠阶段	睡眠阶段（清醒、快速眼动睡眠、非快速眼动浅睡眠、非快速眼动深睡眠）	机器学习	睡眠障碍	心电图分析、心肺耦合分析	卷积神经网络	心电图信号	使用MIT-BIH多导睡眠图数据库、PhysioNet/CinC2018数据库和睡眠心脏健康研究数据库	NA	NA	NA	NA
2	2026-05-24	Gumpy: a Python toolbox suitable for hybrid brain-computer interfaces 2018-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aae186 PMID:30215610	研究论文	介绍一个新的免费开源Python工具箱Gumpy，专为混合脑机接口设计	提供从经典机器学习到深度神经网络模型的广泛分类方法，并支持混合脑机接口的实时应用	NA	提供一个集成先进算法和信号处理方法的开源工具箱，用于混合脑机接口研究	脑电和肌电生物信号	机器学习	NA	脑电图(EEG), 肌电图(EMG), sEMG, SSVEP	深度学习模型	生物信号(EEG和EMG)	NA	Python	NA	准确率	NA
3	2026-05-24	Comparison of logistic regression, support vector machines, and deep learning classifiers for predicting memory encoding success using human intracranial EEG recordings 2018-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aae131 PMID:30211695	研究论文	比较逻辑回归、支持向量机和深度学习分类器在利用人类颅内脑电图记录预测记忆编码成功中的性能	首次直接比较传统与深度学习方法在预测成功记忆编码中的二元分类性能	基于30名立体脑电图患者的数据集，样本量较小，可能限制泛化能力	评估不同机器学习策略在预测情景记忆编码成功中的性能，并探索特征降维的影响	记忆编码成功与否的二元分类任务	机器学习	NA	颅内脑电图	逻辑回归, 支持向量机, 深度学习	脑电信号	30名立体脑电图患者	NA	逻辑回归, 支持向量机, 深度学习	AUC	NA
4	2026-05-24	Deep compressive autoencoder for action potential compression in large-scale neural recording 2018-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aae18d PMID:30215605	研究论文	开发一种基于深度学习的压缩模型，用于大规模神经记录中动作电位的带宽减少	首次将深度压缩自编码器与矢量量化结合应用于动作电位压缩，通过离散潜在嵌入和残差转换实现高压缩比和高质量重建	未明确说明局限性	设计低带宽、高保真的神经信号压缩方法，以支持大规模神经接口的数据传输	动作电位信号（包括合成数据集和体内数据集）	机器学习	NA	神经记录	深度压缩自编码器（CAE）	神经信号（动作电位波形）	合成数据集和体内数据集（未提供具体样本数量）	PyTorch（基于代码开源仓库推测）	残差变换编码器、解卷积解码器、矢量量化嵌入层	压缩比、重建精度、尖峰分类准确率	NA
5	2026-05-17	Retinal optical coherence tomography image enhancement via deep learning 2018-Dec-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.9.006205 PMID:31065423	研究论文	引入基于深度学习的视网膜光学相干断层扫描图像增强方法，有效降低散斑噪声并提高图像质量	提出两种网络版本（基于均方误差的CNN和基于Wasserstein距离与感知相似性的GAN），满足不同用户需求，并在定量和定性指标上取得优异效果	训练数据仅来自健康眼睛，对青光眼等病变眼睛的泛化能力有待进一步验证	开发一种基于深度学习的视网膜OCT图像去噪方法，改善图像质量并辅助层分割	OCT图像，包括健康眼睛和青光眼眼睛的横截面	计算机视觉	青光眼	光学相干断层扫描（OCT）	卷积神经网络（CNN）和生成对抗网络（GAN）	图像	NA	PyTorch	CNN和GAN（含Wasserstein距离与感知相似性）	PSNR, SSIM, 准确率, 清晰度, 个人偏好	NA
6	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
7	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
8	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
9	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
10	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
11	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
12	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
13	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
14	2024-09-14	[Computer-aided diagnosis of Parkinson's disease based on the stacked deep polynomial networks ensemble learning framework] 2018-12-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.201709030 PMID:30583319	研究论文	本文提出了一种基于堆叠深度多项式网络（SDPN）的集成学习框架，用于帕金森病（PD）的计算机辅助诊断（CAD）	引入了一种新的监督深度学习算法——深度多项式网络（DPN），并在此基础上构建了堆叠DPN（SDPN）集成学习框架，显著提高了小数据集上的诊断准确性	NA	提高基于磁共振成像（MRI）的帕金森病计算机辅助诊断的准确性	帕金森病（PD）的诊断	计算机视觉	神经退行性疾病	深度学习	深度多项式网络（DPN）	图像	使用了Parkinson's Progression Markers Initiative数据集（PPMI）中的MRI图像数据	NA	NA	NA	NA
15	2024-08-06	Early Prediction of Acute Kidney Injury in Critical Care Setting Using Clinical Notes 2018-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine DOI:10.1109/bibm.2018.8621574 PMID:33376624	research paper	本文探讨了在重症监护中使用临床笔记早期预测急性肾损伤的方法	开发了数据驱动的预测模型，利用临床笔记生成有意义的词汇和概念表示	研究可能依赖于特定医院的临床记录数据，限制了外部验证	旨在提前识别有急性肾损伤风险的重症患者	重症监护病房的急性肾损伤患者	自然语言处理	急性肾损伤	NLP	监督学习分类器和知识引导的深度学习架构	临床笔记	使用重症监护单位入院后24小时内的临床笔记	NA	NA	NA	NA
16	2024-08-07	DBN Structure Design Algorithm for Different Datasets Based on Information Entropy and Reconstruction Error 2018-Dec-04, Entropy (Basel, Switzerland) DOI:10.3390/e20120927 PMID:33266651	研究论文	本文提出了一种基于信息熵和重构误差的深度信念网络（DBN）结构设计算法	该算法创新性地结合了网络深度和节点数量，并同时对其进行优化	NA	旨在为不同数据集设计合适的DBN结构	DBN的结构设计	机器学习	NA	深度学习技术	深度信念网络（DBN）	图像	使用了三个公共数据集（MNIST, Cifar-10 和 Cifar-100）	NA	NA	NA	NA
17	2024-08-07	How to Agree on a CTC: Evaluating the Consensus in Circulating Tumor Cell Scoring 2018-12, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.23576 PMID:30246927	研究论文	本文介绍了一种开源的循环肿瘤细胞（CTC）评分工具，用于评估不同审查者之间的一致性并促进CTC分类的共识	引入了开源CTC评分工具，并展示了深度学习技术在CTC计数中的应用前景	需要进一步研究以提高计算机识别CTC的准确性	评估循环肿瘤细胞计数的准确性和机构间比较的可行性	循环肿瘤细胞（CTC）的计数和分类	数字病理学	NA	深度学习	NA	图像	100张图像，来自两个不同的平台，由15名审查者和一个专家小组评估	NA	NA	NA	NA
18	2024-08-07	Spatial mapping with Gaussian processes and nonstationary Fourier features 2018-Dec, Spatial statistics IF:2.1Q1 DOI:10.1016/j.spasta.2018.02.002 PMID:31008043	研究论文	本文通过利用傅里叶特征表示、高斯过程和神经网络之间的联系，提出了一种简单高效的框架，用于从数据中直接学习任意复杂的非平稳核函数	本文引入了一种更通用的非平稳核函数表示方法，扩展了简单线性加法方法到具有更高阶交互的非线性方法	NA	开发一种新的框架，用于学习复杂的非平稳核函数，同时避免过拟合并提高泛化性能	时间序列数据集和东非地表温度遥感问题	机器学习	NA	高斯过程和非平稳傅里叶特征	高斯过程	时间序列数据和遥感数据	具体样本数量未在摘要中提及	NA	NA	NA	NA
19	2024-08-05	Predicting tumor cell line response to drug pairs with deep learning 2018-Dec-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-018-2509-3 PMID:30577754	研究论文	该文章提出了一种用于预测肿瘤细胞系对药物组合反应的深度学习计算模型	提出了基于残差神经网络的新模型，能够解释94%的反应方差，并且展示了药物描述符在预测中的主要作用	需要更多细胞系的筛选数据以更有效地利用分子特征	旨在建模组合药物活性的预测	对NCI-ALMANAC数据库中的药物组合进行细胞系反应预测	机器学习	NA	深度学习	残差神经网络	NA	60个肿瘤细胞系	NA	NA	NA	NA
20	2024-08-05	Deep clustering of protein folding simulations 2018-Dec-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-018-2507-5 PMID:30577777	研究论文	本文探讨了使用深度学习技术对生物分子模拟进行聚类的问题	该研究采用卷积变分自编码器（CVAE）从长时间尺度的蛋白质折叠模拟中无监督地学习生物物理相关的低维潜在特征	缺乏对其他生物分子系统的适用性验证	旨在通过深度学习技术提取与复杂生物过程相关的定量见解	研究对象为三种模型蛋白质折叠系统，包括Fs肽、villin头部片段和β-β-α（BBA）蛋白	机器学习	NA	CVAE	卷积变分自编码器	模拟数据	三种蛋白质折叠系统的总采样时间超过800μs	NA	NA	NA	NA