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	2026-03-10	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
22	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
23	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
24	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
25	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
26	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
27	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
28	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
29	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
30	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
31	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
32	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
33	2026-02-11	Comparing Unet training with three different datasets to correct CBCT images for prostate radiotherapy dose calculations 2019-01-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf496 PMID:30523998	研究论文	本研究评估了三种基于U-Net的深度学习校正方法，用于前列腺癌放疗剂量计算中CBCT图像的强度校正	首次使用单一U-Net架构，在三种不同数据集（CBCT投影、vCT图像切片、校正CBCT图像切片）上进行训练，并比较了它们在光子和质子剂量计算中的准确性	研究仅基于42名前列腺癌患者的数据，样本量有限；未对其他肿瘤类型或更复杂的放疗计划进行评估	评估不同深度学习校正方法对CBCT图像在放疗剂量计算中准确性的影响	42名前列腺癌患者的CT和CBCT成像数据	数字病理	前列腺癌	锥形束计算机断层扫描（CBCT）、可变形图像配准（DIR）、容积旋转调强放疗（VMAT）、质子笔形束扫描（PBS）	CNN	图像	42名前列腺癌患者	NA	U-Net	平均误差（ME）、平均绝对误差（MAE）、剂量差异通过率、Gamma评估通过率、范围差异分布百分位数	NA
34	2026-02-08	Multi-objective ensemble deep learning using electronic health records to predict outcomes after lung cancer radiotherapy 2019-12-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab555e PMID:31698346	研究论文	提出一种基于电子健康记录的多目标集成深度学习方法，用于预测肺癌放疗后的治疗失败高风险	结合动态集成深度学习、自适应多目标优化和证据推理融合，提高预测模型的鲁棒性和准确性	NA	利用电子健康记录预测肺癌放疗后的治疗结果，以支持个性化治疗计划	肺癌患者	机器学习	肺癌	电子健康记录分析	深度学习	电子健康记录	1007名患者（814名未达到无病状态，193名无病且随访至少一年）	NA	深度感知器网络	灵敏度, 特异度, AUC	NA
35	2026-02-08	Computer-aided diagnosis system for breast ultrasound images using deep learning 2019-12-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab5093 PMID:31645021	研究论文	本研究开发了一种基于卷积神经网络（CNN）的计算机辅助诊断（CAD）系统，用于乳腺超声图像中恶性与良性肿块的分类	通过集成VGG19和ResNet152两个CNN模型，并利用热图可视化CNN分类的重要区域，发现肿块本身并非CNN正确分类的关键区域	研究仅基于日本乳腺甲状腺超声学会的临床试验数据，可能缺乏多中心或跨种族验证	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺超声图像中恶性与良性肿块的分类准确性	乳腺超声图像中的恶性与良性肿块	计算机视觉	乳腺癌	超声成像	CNN	图像	1536个乳腺肿块（897个恶性，639个良性），其中独立测试集包含154个肿块（77个恶性，77个良性）	NA	VGG19, ResNet152	灵敏度, 特异度, AUC	NA
36	2026-02-08	A dual-stream deep convolutional network for reducing metal streak artifacts in CT images 2019-11-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4e3e PMID:31618724	研究论文	本文通过训练一个双流深度卷积神经网络来减少CT图像中的金属条纹伪影，特别关注质子治疗规划中的图像质量提升	提出了一种结合残差学习和注意力机制的双流深度网络结构，在现有NMAR算法基础上进行二次校正，以更有效地去除金属伪影	未明确说明网络在极端或复杂金属植入案例中的泛化能力，且不同损失函数的优缺点需进一步临床验证	解决CT图像中金属伪影的长期问题，提高图像质量以支持精准的质子治疗规划	CT图像中的金属植入案例	医学影像处理	NA	CT成像	深度卷积神经网络	图像	NA	NA	双流深度卷积网络	视觉评估, 定量指标	NA
37	2026-02-08	Partial-ring PET image restoration using a deep learning based method 2019-11-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4aa9 PMID:31581143	研究论文	本研究探讨了基于深度学习的部分环PET图像恢复方法，通过残差U-Net架构在投影域或图像域预测全环数据，以改善图像质量	首次将基于残差U-Net的深度学习方法应用于部分环PET图像恢复，并比较了投影域与图像域方法的性能差异	研究基于模拟数据（20个数字脑部幻影），未在真实临床数据上验证，且仅评估了有限数量的探测器块移除情况	恢复部分环PET扫描中因投影数据不完整导致的图像伪影，提高图像质量	数字脑部幻影模拟的PET扫描数据	医学影像处理	NA	蒙特卡洛模拟（SimSET工具包），PET扫描	CNN	图像，投影数据	20个数字脑部幻影	NA	残差U-Net	均方误差（MSE），结构相似性指数（SSIM），恢复系数（RC）	NA
38	2026-02-08	CBCT correction using a cycle-consistent generative adversarial network and unpaired training to enable photon and proton dose calculation 2019-11-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4d8c PMID:31610527	研究论文	本研究探讨了使用循环一致性生成对抗网络（cycleGAN）进行无配对训练的前列腺CBCT校正的可行性，以提高光子及质子剂量计算的准确性	采用无配对训练的cycleGAN进行CBCT校正，不依赖解剖学一致的训练数据或可能不准确的形变图像配准，显著提高了校正速度	对于质子治疗，可能需要进一步的改进以提高剂量计算精度	开发一种高效的CBCT校正方法，以支持图像引导自适应放射治疗中的光子及质子剂量计算	前列腺CBCT图像	数字病理学	前列腺癌	CBCT成像	GAN	图像	33名患者	NA	cycleGAN	HU误差, 剂量差异通过率, 伽马通过率, 质子射程一致性	NA
39	2026-02-08	Whole-body PET estimation from low count statistics using cycle-consistent generative adversarial networks 2019-11-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4891 PMID:31561244	研究论文	本文提出了一种基于循环一致性生成对抗网络的方法，用于从低计数统计的PET数据中估计诊断质量的全身PET图像	引入循环一致性生成对抗网络和残差块，以从低计数PET数据合成高质量图像，并学习逆变换确保一致性	未明确说明模型在临床环境中的泛化能力或对不同患者群体的适用性	解决PET成像中低计数统计问题，以降低辐射剂量或扫描时间同时保持图像质量	全身PET图像数据	医学影像分析	NA	PET成像	GAN	图像	NA	NA	Cycle GAN, 残差块	平均误差, 归一化均方误差, 归一化互相关, 峰值信噪比	NA
40	2026-02-08	Synthetic CT generation from non-attenuation corrected PET images for whole-body PET imaging 2019-11-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab4eb7 PMID:31622962	研究论文	提出一种基于深度学习的从非衰减校正PET图像生成合成CT的方法，用于全身PET/MRI成像中的衰减校正	首次利用3D循环一致性生成对抗网络框架从NAC PET图像合成CT，并引入自注意力策略以识别最信息丰富的部分并减少噪声干扰	研究为回顾性研究，样本量有限（119组数据），且未在外部数据集上验证泛化能力	开发一种从非衰减校正PET图像生成合成CT的深度学习方法，以解决PET/MRI中衰减校正的挑战	全身PET/CT图像数据	医学影像分析	NA	PET/MRI成像，深度学习	GAN	图像	119组全身PET/CT数据集（80组训练，39组测试评估）	NA	CycleGAN	平均绝对误差，平均误差，归一化均方误差，归一化互相关，峰值信噪比	NA