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	2026-03-15	A novel hybrid deep learning scheme for four-class motor imagery classification 2019-10-16, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab3471 PMID:31341093	研究论文	本文提出了一种新颖的混合深度学习方案，用于四类运动想象脑电信号的分类	提出了一种结合CNN和LSTM的混合深度网络，能够同时提取和学习MI信号的空间与时间特征，并构建了一个独立于受试者的共享神经网络模型	NA	提高四类运动想象脑电信号的分类准确率	运动想象脑电信号	脑机接口	NA	脑电图	CNN, LSTM	脑电信号	使用BCI竞赛IV数据集2a	NA	CNN, LSTM	准确率, Cohen's kappa值	NA
22	2026-03-15	Regression convolutional neural network for improved simultaneous EMG control 2019-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab0e2e PMID:30849774	研究论文	本文提出了一种基于回归卷积神经网络的肌电控制方案，用于改进同时手腕运动的控制性能	首次验证了回归CNN模型在在线Fitts定律测试中的可用性，并展示了其在同时控制多个自由度任务中的优势	NA	开发一种无需特征工程的深度学习模型，以替代传统的基于特征提取的回归模型，用于肌电信号控制	肌电信号，特别是手腕运动的肌电信号	机器学习	NA	肌电图	CNN	肌电信号	NA	NA	回归卷积神经网络	吞吐量，回归准确率	NA
23	2026-03-15	Deep-learning for seizure forecasting in canines with epilepsy 2019-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab172d PMID:30959492	研究论文	本文介绍了一种基于深度学习的卷积神经网络系统，用于预测犬类癫痫发作，该系统在手持设备上实现，并通过伪前瞻性模式在四只自然发生癫痫的犬类上进行了测试	开发了一种全自动、个体化的深度学习CNN系统，用于癫痫发作预测，并在手持设备上部署，实现了实时分析流式颅内脑电图数据，性能优于传统机器学习方法	研究仅基于四只犬类的数据，样本量较小，且未在人类患者中进行验证	开发并评估一种基于深度学习的癫痫发作预测系统，以提高预测准确性和实时性	四只自然发生癫痫的犬类	机器学习	癫痫	颅内脑电图	CNN	脑电图信号	75次癫痫发作，收集自四只犬类，历时1608天	NA	卷积神经网络	敏感性, 警告时间百分比	手持平板电脑（Mayo癫痫辅助设备）
24	2026-03-15	Inter-subject transfer learning with an end-to-end deep convolutional neural network for EEG-based BCI 2019-04, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aaf3f6 PMID:30524056	研究论文	本文提出了一种基于深度卷积神经网络的端到端框架，用于从单通道原始脑电图数据中检测注意力状态，并探索了跨被试迁移学习的应用	首次在认知脑机接口中成功应用端到端深度卷积神经网络进行跨被试分类，并利用原始脑电图数据最小化预处理需求	未明确说明模型在更广泛人群或不同脑电图设备上的泛化能力，且跨被试分类的准确性仍有提升空间	提高基于脑电图的脑机接口系统中注意力检测的准确性和实用性	单通道原始脑电图数据中的注意力状态	脑机接口	NA	脑电图	CNN	时间序列数据	120名被试	NA	深度卷积神经网络	分类准确率	NA
25	2026-03-15	Feasibility of Multimodal MRI-Based Deep Learning Prediction of High Amino Acid Uptake Regions and Survival in Patients With Glioblastoma 2019, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2019.01305 PMID:31920928	研究论文	本研究探索了一种基于多模态MRI的端到端深度学习框架（U-Net）的可行性，用于预测胶质母细胞瘤患者的高氨基酸摄取区域和生存期	首次使用U-Net深度学习框架，通过临床多模态MRI序列预测胶质母细胞瘤的高氨基酸摄取区域（代谢肿瘤体积），并评估其与无进展生存期的关联	样本量较小（21名患者），在随机选择的受试者中重复验证时，敏感性和阳性预测值仅为中等水平	探索深度学习在利用多模态MRI预测胶质母细胞瘤代谢肿瘤体积和患者生存期方面的可行性	新诊断的胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多模态MRI（T2, FLAIR, 表观扩散系数图, 对比增强T1）和AMT-PET成像	CNN	图像	21名新诊断的胶质母细胞瘤患者	NA	U-Net	敏感性, 特异性, 阳性预测值, 阴性预测值	NA
26	2026-03-13	Deciphering epigenomic code for cell differentiation using deep learning 2019-Sep-12, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-019-6072-8 PMID:31510916	研究论文	本文利用深度卷积神经网络（CNN）模型，通过分析人类CD4+ T细胞类型和组蛋白标记，揭示了细胞分化过程中不同细胞类型独特表观基因组形成的序列决定因素	首次采用针对不同细胞类型和组蛋白标记的深度CNN模型，通过比较分析学习到的序列基序，揭示了细胞分化中表观基因组形成的序列决定因素及其与转录因子相互作用的机制	研究仅针对人类CD4+ T细胞类型和六种组蛋白标记，未扩展到其他细胞类型或更广泛的表观遗传标记	探究细胞分化过程中不同细胞类型独特表观基因组形成的DNA序列决定因素	人类CD4+ T细胞类型及其组蛋白修饰模式	机器学习	NA	组蛋白标记测量	CNN	序列数据	四种人类CD4+ T细胞类型，每种细胞类型测量六种组蛋白标记	NA	深度卷积神经网络	NA	NA
27	2026-03-13	Cytokit: a single-cell analysis toolkit for high dimensional fluorescent microscopy imaging 2019-Sep-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-3055-3 PMID:31477013	研究论文	本文介绍并验证了Cytokit，一个用于处理高维荧光显微镜成像数据的端到端GPU加速单细胞分析工具包	开发了首个集成了GPU加速图像处理、高效I/O策略和交互式用户界面的工具包，专门针对大规模多路免疫荧光成像数据	工具主要面向生物信息学家或技术用户，在批处理和高通量设置中使用，可能对非技术用户不够友好	提供和验证用于处理高维荧光显微镜成像数据的软件，以促进疾病进展和诊断的理解	单细胞分析，特别是基于多路原位荧光成像的空间、形态和表达特性	数字病理学	NA	多路免疫荧光成像	深度学习模型	图像	涉及多个成像实验，使用公开可用的多路图像数据集进行验证	NA	NA	通过与独立但可比较的检测方法配对结果进行验证，并复现已发表结果	GPU加速环境，支持单GPU或多GPU配置
28	2026-03-10	Segmentation of Glomeruli Within Trichrome Images Using Deep Learning 2019-Jul, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2019.04.008 PMID:31317118	研究论文	本文开发了一个深度学习框架，用于从人类肾脏活检的数字图像中准确识别和分割肾小球	利用卷积神经网络（CNN）自动分割三色染色图像中的肾小球，特别是全局硬化（GS）肾小球，提高了评估效率和标准化程度	样本量相对较小（275张图像），仅基于单一医疗中心的数据，可能限制模型的泛化能力	开发一个深度学习框架，以自动化、标准化地评估肾脏活检图像中的肾小球数量和肾小球硬化	人类慢性肾脏病患者的肾脏活检三色染色图像	数字病理学	慢性肾脏病	三色染色	CNN	图像	275张三色染色图像，来自171名患者，包含751张非肾小球区域图像、611张正常或部分硬化肾小球图像和134张全局硬化肾小球图像	NA	NA	准确率, Kappa系数, 马修斯相关系数	NA
29	2026-03-10	AutoCryoPicker: an unsupervised learning approach for fully automated single particle picking in Cryo-EM images 2019-Jun-13, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-019-2926-y PMID:31195977	研究论文	本文提出了一种名为AutoCryoPicker的全自动、无监督学习方法，用于在冷冻电镜图像中自动识别单颗粒	开发了一种无需标记训练数据或人工干预的全自动、无偏框架，结合图像预处理、基于强度分布模型的粒子聚类以及改进的圆形霍夫变换算法进行粒子拾取	未在摘要中明确提及	开发一种全自动、无监督的单颗粒拾取方法，以解决当前技术中人工参与耗时、产生假阳性和假阴性以及依赖训练数据或模板的问题	冷冻电镜图像中的单颗粒	计算机视觉	NA	冷冻电镜	无监督学习	图像	NA	NA	NA	NA	NA
30	2026-03-06	Machine learning in cardiovascular magnetic resonance: basic concepts and applications 2019-10-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-019-0575-y PMID:31590664	综述	本文综述了机器学习（尤其是深度学习）在心血管磁共振（CMR）中的应用，涵盖图像采集、重建、分析、诊断评估及预后信息推导等领域	系统性地总结了ML在CMR中的最新进展，特别是在自动化心室量化、图像采集效率提升及多中心数据应用方面的创新	ML算法可能存在不可预测的失败风险，且应用需谨慎扩展至特定患者群体；缺乏多中心对照试验验证	探讨ML如何辅助临床医生和工程师提升CMR的成像效率、质量、分析及患者评估	心血管磁共振（CMR）图像及相关临床数据	机器学习	心血管疾病	心血管磁共振（CMR）	深度学习	图像	NA	NA	NA	NA	NA
31	2026-03-06	Unsupervised Deep Learning for Bayesian Brain MRI Segmentation 2019-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-32248-9_40 PMID:32432231	研究论文	本文提出了一种结合概率图谱先验与深度学习的无监督方法，用于脑部MRI分割，无需手动标注数据	将传统概率图谱分割与深度学习结合，实现无需手动标注图像即可训练新MRI对比度下的分割模型	NA	开发一种无需手动标注的深度学习脑部MRI分割模型，适用于不同MRI对比度	脑部MRI扫描	医学图像分析	NA	MRI	深度学习模型	图像	数千个脑部MRI扫描	NA	NA	准确性	GPU
32	2026-03-02	Development and validation of a deep learning algorithm for distinguishing the nonperfusion area from signal reduction artifacts on OCT angiography 2019-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.10.003257 PMID:31360599	研究论文	开发并验证了一种深度学习算法，用于在OCTA中区分无灌注区与信号衰减伪影	提出了MEDnet-V2卷积神经网络，专门用于在6×6 mm OCTA图像中区分无灌注区与信号衰减伪影，提高了DR评估的准确性	NA	开发一种深度学习算法，以准确区分OCTA图像中的无灌注区与信号衰减伪影	糖尿病视网膜病变患者的OCTA图像	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像	CNN	图像	NA	NA	MEDnet-V2	特异性, 敏感性	NA
33	2026-03-02	Simultaneous cosegmentation of tumors in PET-CT images using deep fully convolutional networks 2019-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.13331 PMID:30537103	研究论文	本研究探讨了使用三维深度全卷积网络（DFCN）在PET-CT图像中同时进行肿瘤协同分割的效率和效果	提出了一种基于两个耦合3D-UNet的DFCN协同分割方法，能够在PET和CT之间共享互补信息	样本量相对较小（60对PET/CT图像），且仅针对非小细胞肺癌（NSCLC）	研究在双模态PET-CT图像中同时进行肿瘤协同分割的深度学习方法	非小细胞肺癌（NSCLC）患者的PET-CT图像	计算机视觉	肺癌	PET-CT成像	CNN	图像	60对PET/CT图像	NA	3D-UNet	Dice相似系数（DSC）、加权平均敏感性和阳性预测值（Scores）、平均对称表面距离	NA
34	2026-03-02	Validation of automated artificial intelligence segmentation of optical coherence tomography images 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0220063 PMID:31419240	研究论文	本文验证了使用卷积神经网络自动分割光学相干断层扫描图像中眼后部各腔室的性能，并与不同专业水平的人工分割结果进行了比较	首次将深度学习算法应用于SDOCT和SSOCT图像的自动分割，并系统评估了其与多类人工分级者的一致性，证明了算法性能与人工分割相当	研究仅基于特定数据集（6210张图像），未在更广泛或多样化的临床环境中验证，且分割仅限于眼后部腔室	评估和验证人工智能算法在光学相干断层扫描图像分割中的性能，以替代或辅助人工分割	光学相干断层扫描（OCT）B扫描图像中的眼后部腔室（玻璃体、视网膜、脉络膜、巩膜）	计算机视觉	眼科疾病	光学相干断层扫描（OCT），包括谱域（SD）和扫频源（SS）技术	CNN	图像	6210张手动分割图像，来源于2070个B扫描（1046个SDOCT和1024个SSOCT；630个C扫描）	NA	NA	Intersection over Union（IOU）	NA
35	2026-03-02	Forecasting future Humphrey Visual Fields using deep learning 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0214875 PMID:30951547	研究论文	本研究利用深度学习网络预测未来Humphrey视野检查结果	首次使用深度学习网络基于单次HVF数据预测未来长达5.5年的视野变化，并在真实世界数据上验证了其优于线性模型的性能	研究基于回顾性数据，未在外部验证集上进行测试，且预测时间范围限于5.5年内	开发能够预测未来Humphrey视野检查结果的深度学习模型	青光眼患者的24-2 Humphrey视野检查数据	计算机视觉	青光眼	Humphrey视野检查	深度学习人工神经网络	视野检查数据点	32,443次24-2 HVF检查，包含超过170万个视野点	NA	CascadeNet-5	点状平均绝对误差, 平均偏差差异, 相关系数	NA
36	2026-03-02	A feature agnostic approach for glaucoma detection in OCT volumes 2019, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0219126 PMID:31260494	研究论文	本研究提出了一种基于3D卷积神经网络的深度学习技术，直接从原始、未分割的视神经头OCT体积中检测青光眼，无需依赖传统分割特征	采用特征无关方法，直接从原始OCT体积进行分类，避免了传统基于分割特征的依赖，并通过类激活图提供可解释性，识别出与青光眼相关的关键解剖区域	未明确说明样本量、数据来源多样性或模型泛化能力，可能受限于特定数据集或采集条件	开发一种无需手动特征提取的青光眼检测方法，提高诊断准确性	视神经头的OCT体积数据，用于区分健康眼和青光眼	计算机视觉	青光眼	光学相干断层扫描	CNN	3D图像	NA	NA	3D CNN	AUC	NA
37	2026-03-01	Deep learning approaches for plethysmography signal quality assessment in the presence of atrial fibrillation 2019-12-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab5b84 PMID:31766037	研究论文	本研究比较了传统机器学习和深度学习方法在心房颤动（AF）存在下进行光电容积脉搏波（PPG）信号质量评估的性能，以寻找最稳健的评估方法	首次在AF存在下比较了基于时间序列（1D）和图像（2D）表示的PPG信号质量评估方法，并发现2D表示能提高评估准确性	研究主要基于床边监护仪数据，可能未完全覆盖便携或可穿戴设备中的运动伪影情况，且测试集样本量相对较小（仅13名中风患者）	开发并比较PPG信号质量评估方法，以提高在AF等心律失常事件检测中的信号利用率	PPG信号，特别关注AF存在下的信号质量	机器学习	心血管疾病	光电容积脉搏波（PPG）监测	深度学习, 传统机器学习	时间序列数据, 图像数据	训练集：78,278条30秒PPG记录（来自3,764名患者）；测试集：2,683条30秒PPG信号（来自13名中风患者）	NA	ResNet18, SVM	准确率, 特异性, 敏感性	NA
38	2026-03-01	Hybrid scattering-LSTM networks for automated detection of sleep arousals 2019-07-23, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab2664 PMID:31158822	研究论文	本文提出了一种用于多通道多导睡眠图信号中非呼吸暂停性觉醒区域自动检测的新型混合散射-LSTM网络	首次将混合散射变换与双向长短期记忆网络结合用于生物医学信号；能够捕获低于检测采样率的低频信息（0.1 Hz）；无需显式机制处理数据类别不平衡问题	NA	开发自动检测多导睡眠图信号中睡眠觉醒的方法，以监测或诊断睡眠障碍	多通道多导睡眠图信号中的非呼吸暂停性觉醒区域	机器学习	睡眠障碍	多导睡眠图	CNN, LSTM	信号数据	NA	NA	混合散射变换-双向长短期记忆网络	精确率-召回率曲线下面积	NA
39	2026-03-01	Ventricular ectopic beat detection using a wavelet transform and a convolutional neural network 2019-06-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab17f0 PMID:30970338	研究论文	本研究提出了一种结合小波变换和卷积神经网络的方法，用于自动检测心电图中的室性早搏	创新点在于将三种小波变换应用于单通道心电图信号，生成二维时频图像，并利用卷积神经网络进行优化分类，实现了跨数据库的优异迁移性和泛化能力	NA	开发一种自动识别室性早搏的方法，以解决心电图分析中因室性早搏导致的心率变异性分析不准确问题	心电图信号中的室性早搏	机器学习	心血管疾病	小波变换	CNN	图像	MIT-BIH心律失常数据库和AHA数据库	NA	CNN	F1分数, 准确率	NA
40	2026-02-14	A deep learning model for pediatric patient risk stratification 2019-10-01, The American journal of managed care PMID:31622071	研究论文	本研究开发了一种基于深度学习的模型，用于分析儿科患者的临床和财务数据，以预测住院风险并进行风险分层	采用无监督的深度学习Skip-Gram方法进行预测建模，无需人工输入，相比传统模型在住院风险预测中表现更优	研究仅基于医疗索赔数据，可能未涵盖所有临床因素；样本局限于特定儿科责任医疗组织成员	比较深度学习与传统风险预测模型在儿科患者住院风险预测中的性能	112,641名儿科责任医疗组织成员的医疗索赔数据	机器学习	儿科疾病	医疗索赔数据分析	深度学习	医疗索赔数据	112,641名儿科患者	NA	Skip-Gram	AUC	NA