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
61	2026-02-08	Automatic PET cervical tumor segmentation by combining deep learning and anatomic prior 2019-04-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab0b64 PMID:30818303	研究论文	提出了一种结合深度学习与解剖先验知识的监督式机器学习方法，用于自动分割3D FDG PET图像中的宫颈肿瘤	将卷积神经网络（CNN）与宫颈肿瘤的“圆形度”及膀胱与宫颈的相对位置等解剖先验知识相结合，并提出了先验信息约束（PIC）阈值方法	研究仅基于50名宫颈癌患者的PET图像进行评估，样本量相对有限	提高3D FDG PET图像中宫颈肿瘤分割的准确性	宫颈癌患者的3D FDG PET图像	数字病理学	宫颈癌	FDG PET成像	CNN	3D医学图像	50名宫颈癌患者的PET图像	NA	空间信息嵌入CNN模型（S-CNN），并对比了FCN-8 stride, FCN-2 stride, U-net	Dice相似系数（DSC）	NA
62	2026-02-08	Combining many-objective radiomics and 3D convolutional neural network through evidential reasoning to predict lymph node metastasis in head and neck cancer 2019-03-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab083a PMID:30780137	研究论文	本文提出了一种结合多目标放射组学和3D卷积神经网络的混合预测模型，用于预测头颈癌淋巴结转移	提出了一种新的多目标放射组学模型，并与3D-CNN通过证据推理方法融合，充分利用了手工特征和自动学习特征的优势	未明确说明样本来源的多样性或外部验证情况	开发自动预测头颈癌淋巴结转移的模型，以辅助临床诊断	头颈癌患者的PET和CT图像	数字病理	头颈癌	PET, CT	CNN	图像	NA	NA	3D-CNN	准确率	NA
63	2026-02-08	3D radiotherapy dose prediction on head and neck cancer patients with a hierarchically densely connected U-net deep learning architecture 2019-03-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab039b PMID:30703760	研究论文	本文提出了一种基于层次密集连接U-net深度学习架构的3D放疗剂量预测模型，用于头颈癌患者的治疗规划	结合U-net和DenseNet两种流行网络架构，设计了一种新的层次密集连接U-net架构，在剂量预测准确性、参数效率和预测速度方面均优于标准U-net和DenseNet	NA	开发深度学习模型以预测头颈癌患者的3D放疗剂量分布，优化治疗规划过程	头颈癌患者	数字病理	头颈癌	NA	CNN	3D图像	NA	NA	U-net, DenseNet, Hierarchically Densely Connected U-net	剂量均匀性, 剂量适形性, 剂量覆盖率, 危及器官最大剂量误差, 危及器官平均剂量误差	NA
64	2026-02-08	Training improvements for ultrasound beamforming with deep neural networks 2019-02-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aafd50 PMID:30630154	研究论文	本文研究了训练超声深度神经网络波束形成器的实用考虑因素，包括训练策略、超参数设置、噪声鲁棒性、验证损失评估及数据集规模对图像质量的影响	提出使用多点目标响应组合训练DNN波束形成器，并证明模拟图像质量可用于选择DNN波束形成器，同时验证了DNN波束形成对电子噪声的鲁棒性	未具体说明DNN模型架构细节或计算资源需求，且研究主要基于模拟、体模和体内扫描，可能未涵盖所有临床场景	改进超声波束形成技术以提升B模式图像质量	超声图像数据，包括模拟扫描、物理体模扫描和体内扫描	计算机视觉	NA	超声成像	深度神经网络	图像	NA	NA	NA	均方误差验证损失，图像质量评估	NA
65	2026-01-29	Artificial intelligence in clinical and genomic diagnostics 2019-11-19, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-019-0689-8 PMID:31744524	综述	本文综述了人工智能在临床诊断和基因组学中的应用、优势、具体任务以及未来挑战	系统性地总结了AI在临床诊断和基因组学中的适用问题类别，并聚焦于临床基因组学中变异识别、基因组注释、变异分类及表型-基因型关联等新兴方法	讨论了AI在医学应用中面临的挑战、局限性和潜在偏见，特别是在利用人类遗传和基因组数据时需谨慎处理的问题	探讨人工智能在临床诊断和基因组学领域的应用潜力、具体任务及未来发展方向	临床诊断任务和临床基因组学数据处理	机器学习	NA	NA	深度学习	图像, 基因组数据	NA	NA	NA	NA	图形处理器
66	2026-01-11	Deep learning for cardiovascular medicine: a practical primer 2019-07-01, European heart journal IF:37.6Q1 DOI:10.1093/eurheartj/ehz056 PMID:30815669	综述	本文为心血管医学领域提供深度学习应用的实用入门指南，概述了其潜力、优势、局限性及未来挑战	系统性地为心血管临床医生和研究者整合了深度学习的当前状态，并提供了技术背景以理解其前景、陷阱和近期机遇	深度学习存在模型解释困难（'黑箱'批评）、需要大量标注数据、设计缺乏标准化、训练数据效率低、临床试验适用性有限等问题	为心血管医学领域提供深度学习的实用入门指南，帮助临床医生和研究者理解其应用前景与挑战	心血管医学中的深度学习应用，包括医疗图像解释、临床决策支持、新表型识别和治疗路径选择	机器学习	心血管疾病	深度学习	NA	医疗图像、血流动力学和电生理学数据、可穿戴设备数据	NA	NA	NA	NA	NA
67	2025-10-06	An Interpretable Deep Hierarchical Semantic Convolutional Neural Network for Lung Nodule Malignancy Classification 2019-Aug-15, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2019.01.048 PMID:31296975	研究论文	提出一种可解释的深度分层语义卷积神经网络用于肺结节恶性分类	通过结合低级语义特征和高级恶性预测的双层输出架构，提供专家可理解的模型解释	NA	开发可解释的深度学习模型用于肺结节恶性分类	CT扫描中的肺结节	计算机视觉	肺癌	CT扫描	CNN	医学图像	使用Lung Image Database Consortium (LIDC)数据库	NA	分层语义卷积神经网络(HSCNN), 3D CNN	NA	NA
68	2025-10-06	A Multimodal Deep Neural Network for Human Breast Cancer Prognosis Prediction by Integrating Multi-Dimensional Data 2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2018.2806438 PMID:29994639	研究论文	提出一种整合多维数据的多模态深度神经网络用于乳腺癌预后预测	方法的新颖性在于网络架构设计和多维数据融合策略	NA	提高乳腺癌预后预测准确性，避免不必要的辅助系统治疗	乳腺癌患者	机器学习	乳腺癌	深度学习	深度神经网络	多维数据（包括基因表达数据）	NA	TensorFlow	多模态深度神经网络	综合性能评估指标	NA
69	2025-10-06	Bioimage Classification with Handcrafted and Learned Features 2019 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2018.2821127 PMID:29994096	研究论文	提出一种结合手工特征和深度学习特征的通用生物图像分类方法	通过集成多种纹理特征（手工特征和深度学习特征）构建通用生物图像分类系统，无需针对特定数据集调整参数	NA	开发适用于多种生物图像分类任务的通用分类方法	生物图像，包括亚细胞、细胞和组织水平的分类问题	计算机视觉	NA	生物图像分析	支持向量机	图像	使用IICBU 2008数据库中的多个基准数据集	MATLAB	集成学习架构（结合局部特征、密集采样特征和深度学习特征）	准确率	NA
70	2025-10-06	Computer-assisted medical image classification for early diagnosis of oral cancer employing deep learning algorithm 2019-Apr, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-018-02834-7 PMID:30603908	研究论文	开发了一种基于回归的分割深度学习算法，用于口腔癌的自动计算机辅助检测系统	提出了一种新的分割深度卷积神经网络结构，具有两个分割层用于多维高光谱图像中感兴趣区域的标记和分类	仅使用100个图像数据集进行癌变肿瘤与良性分类任务，样本规模有限	口腔癌的早期诊断和分类	口腔癌患者的高光谱图像	计算机视觉	口腔癌	高光谱成像	CNN	图像	100个图像数据集用于癌变肿瘤与良性分类，500个训练模式用于癌变肿瘤与正常组织分类	NA	分割深度卷积神经网络	准确率, 特异性, 敏感性	NA
71	2025-10-07	A Systematic Review of Detecting Sleep Apnea Using Deep Learning 2019-Nov-12, Sensors (Basel, Switzerland) DOI:10.3390/s19224934 PMID:31726771	系统综述	本文对2008-2018年间使用深度学习检测睡眠呼吸暂停的研究进行了系统性回顾分析	首次系统性地综述了深度学习在睡眠呼吸暂停检测中的应用，比较了不同深度网络架构的实现方法、预处理需求和优缺点	仅纳入了2008-2018年间的21篇文献，可能未覆盖最新研究进展	分析深度学习在睡眠呼吸暂停检测中的应用现状，回答不同深度网络的实现方法、预处理需求和网络优缺点等研究问题	睡眠呼吸暂停检测相关研究文献	机器学习	睡眠呼吸暂停	深度学习	深度神经网络	生理信号数据	255篇文献中筛选出21篇符合标准的研究	NA	NA	NA	NA
72	2025-10-07	Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer 2019-07, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-019-0462-y PMID:31160815	研究论文	本研究开发了一种基于深度残差学习的方法，能够直接从胃肠道癌的H&E组织学图像预测微卫星不稳定性	首次证明无需额外基因或免疫组化检测，仅通过常规H&E组织学图像即可预测MSI状态	NA	开发直接从组织学图像预测微卫星不稳定性的深度学习方法，以扩大免疫治疗适用人群	胃肠道癌患者	数字病理学	胃肠道癌	H&E组织学染色	深度学习	组织学图像	NA	NA	残差网络	NA	NA
73	2025-10-07	An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening 2019-09-01, Journal of the National Cancer Institute DOI:10.1093/jnci/djy225 PMID:30629194	研究论文	本研究开发了一种基于深度学习的自动视觉评估算法，用于识别宫颈癌前病变和癌症	首次开发出能够自动识别宫颈癌前病变/癌症的深度学习视觉评估算法，在准确度上显著优于传统方法	研究基于历史存档的宫颈图像数据，需要进一步验证在当代数字相机图像上的适用性	开发自动化的宫颈癌筛查方法以改善资源匮乏地区的宫颈癌筛查	哥斯达黎加瓜纳卡斯特地区9406名18-94岁女性的宫颈图像数据	计算机视觉	宫颈癌	宫颈摄影术	深度学习	图像	9406名女性，随访7年（1993-2000）	NA	NA	AUC, 敏感性, 特异性	NA
74	2025-10-07	A primer on deep learning in genomics 2019-01, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-018-0295-5 PMID:30478442	综述	本文提供基因组学中深度学习应用的入门指南和前景展望	整合深度学习在基因组分析中的成功应用案例，并提供交互式在线教程	NA	为基因组分析领域的深度学习应用提供指导性框架	基因组数据	机器学习	NA	基因组分析	深度学习	基因组数据	NA	NA	NA	NA	NA
75	2025-02-21	A Long Short-Term Memory neural network for the detection of epileptiform spikes and high frequency oscillations 2019-12-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-55861-w PMID:31852929	研究论文	本文提出了一种用于检测癫痫样尖波和高频振荡的长短期记忆神经网络	使用长短期记忆神经网络自动检测颅内脑电图中的尖波、涟漪和尖波上的涟漪，提高了诊断价值	样本量相对较小，仅涉及12名患者的数据	开发一种自动化工具，用于分析颅内脑电图数据，以检测癫痫样尖波和高频振荡	癫痫患者的颅内脑电图数据	机器学习	癫痫	深度学习	LSTM	颅内脑电图（iEEG）	12名患者的颅内脑电图数据	NA	NA	NA	NA
76	2025-02-21	Interpretable, highly accurate brain decoding of subtly distinct brain states from functional MRI using intrinsic functional networks and long short-term memory recurrent neural networks 2019-11-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2019.116059 PMID:31362049	研究论文	本文提出了一种基于深度学习的框架，利用内在功能网络建模和长短期记忆（LSTM）循环神经网络（RNNs）进行脑解码，以区分细微不同的脑状态	结合内在功能网络（FNs）和LSTM RNNs，构建了可解释且高精度的脑解码模型，显著提高了对细微不同工作记忆任务的区分能力	未明确提及具体限制，但可能包括对数据质量和数量的依赖，以及模型在不同任务上的泛化能力	开发一种高精度的脑解码方法，以区分细微不同的脑状态	功能性磁共振成像（fMRI）数据	机器学习	NA	功能性磁共振成像（fMRI），长短期记忆循环神经网络（LSTM RNNs）	LSTM RNNs	fMRI数据	HCP数据集中的fMRI数据	NA	NA	NA	NA
77	2025-10-07	A Review of Recurrent Neural Networks: LSTM Cells and Network Architectures 2019-07, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01199 PMID:31113301	综述	本文系统回顾了循环神经网络中的LSTM单元及其变体，并对LSTM网络架构进行分类和应用探讨	通过引入门控函数解决长程依赖问题，将LSTM网络系统分为LSTM主导型和集成型两大类别	主要关注LSTM及其变体，未全面覆盖其他类型的循环神经网络架构	探索LSTM单元的学习能力并系统分类LSTM网络架构	LSTM细胞及其变体、LSTM网络架构	自然语言处理	NA	深度学习	RNN, LSTM	序列数据（文本、音频、视频）	NA	NA	LSTM	NA	NA
78	2025-02-21	EEG-Based Emotion Recognition with Similarity Learning Network 2019-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.2019.8857499 PMID:31946110	研究论文	本文提出了一种基于双向长短期记忆网络（BLSTM）的相似性学习网络，用于基于EEG信号的情感识别	提出了结合成对约束损失和传统监督分类损失函数的相似性学习网络，显著提高了情感分类性能	NA	提高基于EEG信号的情感识别性能	EEG信号	自然语言处理	NA	NA	BLSTM	EEG信号	SEED数据集	NA	NA	NA	NA
79	2025-10-07	Decoding Movements from Cortical Ensemble Activity Using a Long Short-Term Memory Recurrent Network 2019-06, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01189 PMID:30979355	研究论文	开发基于长短期记忆循环网络的解码器，从猕猴多个皮层区域的神经元群体活动中提取运动学信息	首次将LSTM网络应用于大规模神经元群体活动的实时解码，在多种运动任务中显著优于传统方法	研究仅限于猕猴模型，尚未在人类患者中进行验证	改进脑机接口解码算法，为严重残疾患者的运动功能恢复提供新策略	猕猴在执行运动任务时多个皮层区域的神经元群体活动	机器学习	运动功能障碍	神经元群体记录技术	LSTM	神经电生理信号	134-402个神经元同时记录	NA	LSTM	解码准确率	NA
80	2025-10-07	Baseball Player Behavior Classification System Using Long Short-Term Memory with Multimodal Features 2019-Mar-22, Sensors (Basel, Switzerland) DOI:10.3390/s19061425 PMID:30909503	研究论文	提出基于长短期记忆网络与多模态特征的棒球运动员行为分类系统	融合深度摄像头与惯性传感器的多模态特征，采用深度学习方案进行行为分类	论文未明确说明系统在实时场景或复杂环境下的性能表现	开发棒球运动员行为自动识别系统	棒球运动员的各类行为动作	计算机视觉	NA	深度摄像头，惯性传感器	LSTM	骨架向量，传感器信号	论文未明确说明具体样本数量	NA	长短期记忆网络	准确率	NA