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	2026-05-31	Fast fit-free analysis of fluorescence lifetime imaging via deep learning 2019-11-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.1912707116 PMID:31719196	研究论文	提出了一种基于深度学习的免拟合方法进行荧光寿命成像分析	首次实现了无需复杂数据拟合的荧光寿命成像分析，通过深度学习网络FLI-Net同时量化整个图像的荧光衰减，速度快且无需参数设置	文中未明确提及局限性	实现快速、免拟合的荧光寿命成像分析，以提升该技术在生物医学应用中的可重复性和速度	荧光寿命成像数据，包括可见光和近红外荧光寿命显微成像及近红外门控宏观荧光寿命成像	机器学习, 数字病理学	NA	荧光寿命成像	深度神经网络	图像	NA	NA	FLI-Net	准确度	NA
2	2026-05-31	MR image reconstruction using deep learning: evaluation of network structure and loss functions 2019-Sep, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims.2019.08.10 PMID:31667138	研究论文	评估用于加速心脏磁共振成像的卷积神经网络重建方法，包括网络结构和损失函数	发现ResNet在参数数量仅为Unet十分之一的情况下达到相似的图像质量，且感知损失函数在放射科医生评分中表现最佳	具体局限未在摘要中明确说明	在实际临床背景下评估用于加速心脏磁共振成像的卷积神经网络重建方法	心脏磁共振成像的重建方法	机器学习	心血管疾病	MRI	CNN	图像	回顾性和前瞻性欠采样心脏磁共振数据	NA	Unet, ResNet	放射科医生定量和定性评估	NA
3	2026-05-29	Intelligent Labeling Based on Fisher Information for Medical Image Segmentation Using Deep Learning 2019-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2019.2907805 PMID:30932833	研究论文	提出一种基于Fisher信息量的主动学习方法，用于深度学习医学图像分割中的智能标注，以降低标注成本并提高模型性能	首次将基于Fisher信息量的主动学习方法用于卷积神经网络，通过高效反向传播计算梯度和低维近似方法，实现了对大规模参数CNN的Fisher信息量计算	仅针对脑提取任务进行验证，且目标数据集与源数据集在年龄组或病理类型上存在差异，未评估其他医学图像分割任务或更广泛的数据集	开发一种高效的主动学习方法，通过标注少量最有信息量的数据样本来提升CNN医学图像分割模型的性能	医学图像分割任务中的脑提取，涉及不同年龄组（如新生儿）和病理类型的数据集	数字病理学	NA	NA	CNN	图像	目标数据集的极小部分（低于0.25%）作为标注样本	NA	补丁式分割CNN	模型性能（未具体列出度量指标，如准确率、Dice系数等）	NA
4	2026-05-29	Using deep learning for a diffusion-based segmentation of the dentate nucleus and its benefits over atlas-based methods 2019-Oct, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.6.4.044007 PMID:31824980	研究论文	提出一种基于深度学习的扩散成像技术自动分割齿状核的方法，相比传统图谱方法具有更高的准确性	首次将深度学习应用于齿状核的自动分割，在常见磁共振序列（T1、T2、扩散成像）上实现高精度分割，超越了传统模板配准和多图谱分割方法	FA图的分割性能最高，但多序列联合方法未能超越单一FA图，可能因序列配准误差或特征冗余导致	开发一种能自动、精确分割齿状核的深度学习算法，替代传统手工标注和图谱方法	齿状核（小脑深部灰质结构）在磁共振图像中的自动分割	计算机视觉	神经退行性疾病及相关疾病	超声成像	未明确具体模型类型	图像	未明确样本数量	NA	NA	Dice相似系数	NA
5	2026-05-25	Deep Learning Convolutional Neural Networks for the Automatic Quantification of Muscle Fat Infiltration Following Whiplash Injury 2019-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44416-8 PMID:31138878	研究论文	使用深度学习卷积神经网络自动量化挥鞭伤后肌肉脂肪浸润	首次应用CNN对挥鞭伤后深层颈伸肌进行自动分割和肌肉脂肪浸润量化，并与临床疼痛和功能障碍指标相关联	NA	训练并测试CNN用于肌肉分割和自动MFI计算，并探讨其与临床指标的关系	挥鞭伤后3个月的参与者	计算机视觉	挥鞭伤	脂肪-水成像	卷积神经网络	图像	39名参与者（26名女性，平均年龄31.7±9.3岁）	NA	CNN	可靠性、准确性、R值、p值	NA
6	2026-05-23	A deep learning approach for real-time detection of sleep spindles 2019-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab0933 PMID:30790769	研究论文	提出一种基于深度学习的睡眠纺锤波实时检测方法SpindleNet，使用单通道脑电图实现高速高精度检测	首次实现基于单通道EEG的睡眠纺锤波实时在线检测，检测延迟仅150-350毫秒，且在不同年龄和物种的数据集中具有良好的泛化能力	NA	开发适用于实时应用的睡眠纺锤波自动检测方法，以支持闭环神经科学实验和长期睡眠监测	睡眠纺锤波及其在脑电图中的检测	机器学习	NA	EEG	CNN	脑电图信号	两个公开的专家验证的EEG睡眠纺锤波数据集，包含不同年龄和物种的受试者	PyTorch	SpindleNet	检测准确率、检测速度、检测延迟	NA
7	2026-05-16	Blood Biochemistry Analysis to Detect Smoking Status and Quantify Accelerated Aging in Smokers 2019-01-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-018-35704-w PMID:30644411	研究论文	利用血常规和生化检测结果结合深度学习技术预测吸烟状态并量化吸烟导致的生物衰老加速	首次证明可通过血生化指标和人工智能检测吸烟状态，并定量评估吸烟对生物衰老速率的影响	NA	评估吸烟对生物衰老速率的影响，并开发基于血常规检测的吸烟状态预测方法	吸烟者和非吸烟者的血液样本	机器学习	心血管疾病、癌症	血生化分析	深度学习模型	表格数据	NA	NA	NA	NA	NA
8	2026-05-11	Big Data Approaches to Phenotyping Acute Ischemic Stroke Using Automated Lesion Segmentation of Multi-Center Magnetic Resonance Imaging Data 2019-07, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.119.025373 PMID:31177973	研究论文	评估深度学习算法在异质多中心临床弥散加权MRI数据集上的急性缺血性病变分割性能，并探索其用于急性缺血性卒中表型分析的潜力	结合多中心和单中心数据训练三维卷积神经网络集成模型，实现异质多中心临床MRI数据的自动化病灶分割，并利用大规模影像表型数据揭示卒中亚型与病灶体积及地形图的关系	未明确提及局限性，但需注意算法依赖高质量手动标注，且多中心数据异质性可能影响泛化性	探索自动化深度学习分割算法用于急性缺血性卒中表型分析（如病灶体积与地形图）的可行性	来自MRI-GENIE数据库的12个国际遗传研究中心的多中心急性缺血性卒中患者弥散加权MRI数据	计算机视觉	急性缺血性卒中	弥散加权磁共振成像	卷积神经网络（三维CNN集成模型）	影像（MRI）	训练集：267例单中心患者 + 267例MRI-GENIE患者；验证集：383例MRI-GENIE患者；全数据集：2770例MRI-GENIE患者	NA（未明确说明，推测为PyTorch或TensorFlow）	三维卷积神经网络（集成模型）	斯皮尔曼相关系数（ρ=0.92），Logistic回归分析	NA（未明确说明）
9	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
10	2026-05-02	Computer aided quantification of intratumoral stroma yields an independent prognosticator in rectal cancer 2019-Jun, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-019-00429-z PMID:30825182	研究论文	旨在研究基于深度学习的半自动方法在直肠癌全切片图像中定量分析肿瘤间质比例的潜力，并评估其预后价值	首次证明深度学习方法在用户指定的间质热点中自动评估的肿瘤间质比例是直肠癌的独立预后因子，且优于视觉评估方法	仅依赖专家手工选择间质热点，未实现完全自动化；样本量较小（129例）且为回顾性研究	探索计算机辅助定量分析直肠癌肿瘤间质比例的预后价值	直肠腺癌患者的组织学切片	数字病理学	直肠癌	组织切片染色	深度学习（深度神经网络）	全切片图像	129例直肠腺癌患者	NA	语义分割网络	风险比（Hazard Ratio）、95%置信区间、疾病特异性生存率、无病生存率	NA
11	2026-04-30	Attention-Based Deep Neural Networks for Detection of Cancerous and Precancerous Esophagus Tissue on Histopathological Slides 2019-11-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2019.14645 PMID:31693124	研究论文	提出一种基于注意力机制的深度神经网络，利用组织级标注对食管癌及癌前病变的组织病理切片进行检测	首次使用组织级标注代替区域级标注，结合卷积神经网络与网格注意力网络，减少人工标注工作量	模型性能在统计上不显著优于滑动窗口方法，且BE伴异型增生类别的F1分数较低	评估基于注意力机制的深度学习方法在Barrett食管和食管腺癌检测中的效果	食管组织病理切片中的4类组织：正常、无异型增生BE、伴异型增生BE、腺癌	数字病理学	食管腺癌, Barrett食管	组织病理学成像	卷积神经网络, 注意力网络	图像	训练集379张组织病理图像，独立测试集123张图像	NA	卷积神经网络, 网格注意力网络	准确率, 召回率, 精确率, F1分数	NA
12	2026-04-23	Exploring semantic deep learning for building reliable and reusable one health knowledge from PubMed systematic reviews and veterinary clinical notes 2019-11-12, Journal of biomedical semantics IF:1.6Q3 DOI:10.1186/s13326-019-0212-6 PMID:31711540	研究论文	本研究探索了一种结合语义网技术和深度学习的语义深度学习方法，用于从PubMed系统综述和兽医临床笔记中提取可靠且可重用的“同一健康”知识	提出了一种将语义网技术与深度学习相结合的新方法，用于从非结构化自由文本中获取和验证临床知识，并开发了针对缩写和首字母缩略词的自定义映射方法	该方法依赖于外部知识库（如UMLS和BMJ Best Practice）进行映射和验证，可能受限于这些资源的覆盖范围和更新频率	探索如何将关于人类和动物健康的自由文本信息转化为可计算的知识，以支持“同一健康”知识的构建	从PubMed系统综述文章（PMSB数据集，30万篇）和兽医临床笔记（VetCN数据集，250万条）中提取的11种已知医学状况相关的临床概念	自然语言处理	NA	语义深度学习，语义网技术，MetaMap映射	深度学习	文本	PMSB数据集包含约30万篇系统综述文章，VetCN数据集包含约250万条兽医临床笔记	NA	NA	F值，精确率，召回率	NA
13	2026-04-11	DeepLSR: a deep learning approach for laser speckle reduction 2019-Jun-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.002869 PMID:31259057	研究论文	提出了一种名为DeepLSR的对抗性深度学习框架，用于减少激光散斑噪声，将相干照明图像转换为无散斑的非相干照明图像	采用对抗性深度学习框架进行激光散斑减少，相比传统方法（如优化非局部均值处理、BM3D和光学散斑减少器）能显著降低噪声（6.4 dB），并可结合光学方法进一步减少至9.4 dB	未明确提及具体局限性，如泛化能力、计算成本或对不同成像模态的适应性	减少激光散斑噪声，提高相干光源成像质量，以支持医疗内窥镜等需要小型照明源和高品质成像的应用	使用多波长激光照明的物体和组织宽场图像，以LED照明图像作为真实参考	计算机视觉	NA	激光照明成像，宽场成像	GAN	图像	未明确提及具体样本数量，但涉及胃肠道组织图像	未明确指定，但基于对抗性深度学习框架	未明确指定具体架构，但为对抗性框架	散斑噪声减少（dB）	NA
14	2026-04-03	Deep learning enables automated volumetric assessments of cardiac function in zebrafish 2019-10-25, Disease models & mechanisms IF:4.0Q1 DOI:10.1242/dmm.040188 PMID:31548281	研究论文	本文开发了一个基于深度学习的图像分析平台，用于自动从斑马鱼胚胎心脏的动态光片荧光显微镜图像中提取心脏功能的体积参数	开发了名为心脏功能成像网络的深度学习平台，首次实现了对斑马鱼胚胎心脏功能的自动化体积评估，相比现有方法具有更高的敏感性和准确性	NA	开发自动化工具以精确评估斑马鱼胚胎模型中的心脏功能	斑马鱼胚胎心脏	计算机视觉	心血管疾病	动态光片荧光显微镜	深度学习	图像	NA	NA	NA	敏感性, 准确性	NA
15	2026-03-29	Data-efficient deep learning of radiological image data for outcome prediction after endovascular treatment of patients with acute ischemic stroke 2019-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2019.103516 PMID:31707199	研究论文	本研究利用深度学习技术，基于CT血管造影图像直接预测急性缺血性卒中患者血管内治疗后的良好再灌注和功能结局，无需图像标注	首次将深度学习直接应用于卒中结局预测，而非复制传统影像生物标志物，并引入了结构化感受野和自编码器进行网络权重初始化	研究基于单一注册数据集（MR CLEAN Registry），样本量有限（1301名患者），且未在外部数据集上进行验证	开发数据高效的深度学习模型，以改善急性缺血性卒中患者血管内治疗后的结局预测和治疗选择	急性缺血性卒中患者	医学影像分析	急性缺血性卒中	CT血管造影	CNN	图像	1301名患者	NA	ResNet, RFNN, AE	AUC	NA
16	2026-03-15	The METLIN small molecule dataset for machine learning-based retention time prediction 2019-12-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-13680-7 PMID:31862874	研究论文	本文介绍了METLIN小分子保留时间数据集，并利用深度学习模型进行保留时间预测以辅助小分子注释	提供了迄今为止最大的实验性反相色谱保留时间数据集，包含高达80,038个小分子，显著提升了机器学习模型在保留时间预测中的准确性	未明确提及模型的具体泛化能力或在不同色谱条件下的适用性限制	通过提供大规模实验数据集，改进小分子分析中保留时间预测的准确性，以支持小分子注释	小分子化合物及其在反相色谱中的保留时间	机器学习	NA	反相色谱，质谱分析	深度学习模型	化学结构数据，保留时间数据	80,038个小分子	NA	NA	排名准确性（前3候选中的正确率）	NA
17	2026-03-15	deepDR: a network-based deep learning approach to in silico drug repositioning 2019-12-15, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btz418 PMID:31116390	研究论文	本研究提出了一种基于网络的深度学习方法deepDR，用于计算机药物重定位，通过整合多种异构网络数据预测药物与疾病的新关联	采用多模态深度自编码器从异构网络中学习药物的高层次特征，并结合变分自编码器推断已批准药物的新适应症，有效捕获了高度非线性的网络结构	未明确提及，但可能依赖于现有网络数据的完整性和准确性	开发一种高效的计算机药物重定位方法，以加速有效治疗方案的发现	已批准药物及其与疾病、副作用、靶标等的关联网络	机器学习	阿尔茨海默病, 帕金森病	网络整合分析	自编码器, 变分自编码器	网络数据	整合了10个网络（包括药物-疾病、药物-副作用、药物-靶标及7个药物-药物网络）	NA	多模态深度自编码器, 变分自编码器	AUROC	NA
18	2026-03-15	Recent developments in deep learning applied to protein structure prediction 2019-12, Proteins IF:3.2Q2 DOI:10.1002/prot.25824 PMID:31589782	综述	本文简要介绍了深度神经网络在蛋白质结构预测中的应用进展，并探讨了其成功的原因及潜在问题	深度神经网络在CASP12和CASP13实验中取得了显著影响，尤其是在同源序列较少的情况下仍能产生准确预测	讨论了深度神经网络模型的潜在陷阱，但未具体说明	探讨深度神经网络在结构生物信息学问题中的应用原理和效果	蛋白质结构预测，特别是接触预测任务	结构生物信息学	NA	深度神经网络	深度神经网络	蛋白质序列数据	NA	NA	NA	NA	NA
19	2026-03-15	Use of deep learning to detect personalized spatial-frequency abnormalities in EEGs of children with ADHD 2019-11-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab3a0a PMID:31398717	研究论文	本研究利用深度学习技术检测儿童ADHD患者脑电图中的个性化空间频率异常	提出了一种新的多通道脑电图数据表示形式，兼容主流CNN架构，并通过可视化技术使模型决策过程可解释	样本量相对较小（107名参与者），且未提及外部验证或跨数据集泛化能力	开发一种基于深度学习的个性化脑电图异常检测方法，以辅助ADHD的诊断和治疗规划	50名ADHD儿童和57名年龄与利手匹配的对照组儿童	机器学习	注意力缺陷多动障碍	脑电图	CNN	脑电图功率谱密度	107名儿童（50名ADHD患者，57名对照组）	NA	CNN	准确率	NA
20	2026-03-15	Artificial Intelligence for Mammography and Digital Breast Tomosynthesis: Current Concepts and Future Perspectives 2019-11, Radiology IF:12.1Q1 DOI:10.1148/radiol.2019182627 PMID:31549948	综述	本文综述了人工智能在乳腺X线摄影和数字乳腺断层合成中的当前概念与未来展望	探讨了深度学习在乳腺影像中的应用潜力，尤其是在癌症检测和风险预测方面接近放射科医生水平，并展望了其在数字乳腺断层合成中的合成图像生成等未来方向	临床验证尚不充分，深度学习在优化实践中的应用方式尚不明确，且数字乳腺断层合成领域需要更大数据库以支持模型进一步发展	综述人工智能在乳腺影像学中的应用现状、技术挑战及未来发展趋势	乳腺X线摄影和数字乳腺断层合成影像	计算机视觉	乳腺癌	NA	卷积神经网络	图像	NA	NA	NA	NA	NA