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	2026-08-18	Automatic multiorgan segmentation in thorax CT images using U-net-GAN 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13458 PMID:30810231	研究论文	提出一种基于U-Net-GAN的深度学习方法，用于胸部CT图像中多个危及器官的自动分割，以提高放射治疗计划的效率。	采用对抗训练策略，联合训练U-Net作为生成器和全卷积网络作为判别器，实现多器官分割，并通过生成器与判别器的对抗过程优化分割结果。	未提及具体限制。	开发一种基于深度学习的自动分割方法，用于胸部CT图像中多个危及器官的分割，以辅助放射治疗计划制定。	胸部CT图像中的危及器官，包括左肺、右肺、脊髓、食管和心脏。	计算机视觉	肺癌	CT成像	GAN	图像	35例患者的胸部CT图像和20个立体定向体部放疗计划。	NA	U-Net, FCN	Dice相似系数, 平均表面距离, 剂量差异	NA
2	2026-08-18	Automated pectoral muscle identification on MLO-view mammograms: Comparison of deep neural network to conventional computer vision 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13451 PMID:30771257	研究论文	开发了一种基于深度卷积神经网络的全自动方法用于乳腺X线摄影斜位视图中胸肌的自动识别，并与其先前开发的基于传统图像特征分析的纹理场方向方法进行了性能比较。	首次将深度卷积神经网络应用于乳腺X线摄影斜位视图的胸肌自动分割，并与传统计算机视觉方法进行了系统比较，证明了其优越性。	未明确提及局限性。	开发并评估一种全自动深度学习方法来识别乳腺X线摄影斜位视图中的胸肌，并与传统图像特征分析方法进行比较。	胸肌区域在乳腺X线摄影斜位视图中的自动分割。	计算机视觉，数字病理学	乳腺癌	NA	深度卷积神经网络（DCNN）	图像（乳腺X线摄影图像）	729张斜位视图乳腺X线摄影图像（包括637张数字化胶片乳腺X线摄影图像和92张数字乳腺X线摄影图像）用于训练和验证，以及203张来自131名患者的数字乳腺X线摄影图像用于独立测试。	NA	包含收缩路径和对称扩展路径的深度卷积神经网络结构，具体比较了三种不同的结构。	重叠面积百分比（POA）、豪斯多夫距离（Hdist）、平均欧氏距离（AvgDist）	NA
3	2026-08-18	A deep learning- and partial least square regression-based model observer for a low-contrast lesion detection task in CT 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13500 PMID:30889282	研究论文	提出一种基于深度学习与偏最小二乘回归的模型观察者，用于CT图像中低对比度病灶检测任务，并与人类观察者表现进行验证比较	采用迁移学习策略，结合预训练深度卷积神经网络、偏最小二乘回归判别分析和内部噪声组件，构建直接基于患者图像的CT图像质量评估新框架	研究仅使用来自同一类型CT扫描仪的七例腹部CT图像数据，样本量有限，可能影响方法推广性	开发并验证一种基于深度学习的模型观察者，用于涉及患者解剖背景的CT低对比度病灶检测任务中的图像质量评估	低对比度肝脏转移性病灶检测任务，涉及不同病灶尺寸、对比度、辐射剂量和重建类型组合的CT图像	计算机视觉	肝癌	CT成像	CNN、PLSR	医学图像（CT图像）	7例腹部CT检查，12种实验条件每种154次试验	NA	预训练CNN	皮尔逊积矩相关系数，Bland-Altman一致性分析	NA
4	2026-08-17	Technical Note: Design and implementation of a high-throughput pipeline for reconstruction and quantitative analysis of CT image data 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13401 PMID:30677145	技术报告	本文章描述了一种用于CT图像数据重建和定量分析的高通量计算流水线的设计与实现。	提出了一个开源的高通量计算流水线框架，能够高效地进行大规模CT图像的定量分析，并通过GPU队列和模块化设计加速数据处理。	由于摘要中未提及，未明确说明局限性，可能包括对特定类型图像数据的适用性或计算资源需求等。	建立一种高效、广泛可用的计算流水线，以支持大规模CT图像的定量分析研究。	142名受试者的肺部筛查队列，用于演示流水线的效率。	医学影像分析	肺部疾病（如肺气肿）	CT成像	NA	CT图像数据	142名受试者的肺部筛查队列，每个队列36种不同参数配置，共5112个重建数据集。	NA	NA	处理时间（约10天，72倍加速）、分割和肺气肿评分质量。	GPU（图形处理单元）用于重建，集群处理用于分析。
5	2026-08-17	Combining handcrafted features with latent variables in machine learning for prediction of radiation-induced lung damage 2019-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.13497 PMID:30891794	研究论文	本文研究并比较了传统机器学习方法和深度学习方法在放疗结果预测中的应用，提出了一种基于变分自编码器的联合架构，用于预测放射性肺损伤。	提出了一种将手工特征选择与VAE-MLP联合架构结合的新方法，利用隐变量补充手工特征，显著提高预测性能。	数据集规模有限（106例患者），且仅基于单中心数据，模型泛化性需进一步验证。	探索结合传统机器学习和深度学习方法，以解决放疗毒副作用建模中变量多而样本少的问题，提高放射性肺炎预测准确性。	106例接受放疗的非小细胞肺癌患者，其中22例发生2级及以上放射性肺炎。	医学影像分析, 机器学习	肺癌	NA	随机森林, 支持向量机, 多层感知机, 变分自编码器	表格数据（临床特征和生物标志物）	106例非小细胞肺癌患者	NA	VAE-MLP联合架构	AUC	NA
6	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
7	2026-02-08	Development of a deep neural network for generating synthetic dual-energy chest x-ray images with single x-ray exposure 2019-05-31, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab1cee PMID:31026841	研究论文	本研究开发了一种基于深度学习的算法，用于从单次X射线曝光的胸部X光图像合成双能胸部X光图像，以减少患者辐射暴露	提出了一种改进的U-net架构，利用高频主导信息传播和双能图像的反相关关系来提高预测图像的质量和空间分辨率	训练数据仅包含300对图像，可能限制了模型的泛化能力；未在更广泛的外部数据集上进行验证	开发一种无需额外硬件即可从单次X射线曝光生成高质量双能胸部X光图像的算法	胸部X光图像，包括单能胸部X光图像和双能胸部X光图像	计算机视觉	NA	双能胸部X光成像技术	深度学习	图像	300对训练图像，50张测试图像来自医院，662张公开可用的单能胸部X光图像	NA	改进的U-net	结构相似性指数，调制传递函数，变异系数	NA
8	2026-02-08	Intelligent inverse treatment planning via deep reinforcement learning, a proof-of-principle study in high dose-rate brachytherapy for cervical cancer 2019-05-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab18bf PMID:30978709	研究论文	本研究提出了一种基于深度强化学习的智能逆向治疗计划框架，用于宫颈癌高剂量率近距离放射治疗中的权重调整	首次开发了一种基于训练学习智能、以类人方式调整治疗计划优化中器官权重的工具，不同于现有基于预定义规则的策略	研究为原理验证性研究，仅基于五个测试病例进行验证，样本量较小	开发自动权重调整方法以优化放射治疗逆向计划质量	宫颈癌高剂量率近距离放射治疗（HDRBT）计划	机器学习	宫颈癌	高剂量率近距离放射治疗（HDRBT）	深度强化学习	剂量体积直方图（DVH）	五个测试患者病例	NA	权重调整策略网络（WTPN）	质量评分	NA
9	2026-02-08	Higher SNR PET image prediction using a deep learning model and MRI image 2019-05-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab0dc0 PMID:30844784	研究论文	本文提出了一种使用深度神经网络模型和MRI图像提高PET图像信噪比的方法	提出了一种结合三个改进U-Net的深度神经网络模型，利用MRI图像辅助提升PET图像信噪比，且训练过程中无需高信噪比PET图像	研究基于数字脑模型数据，未在真实临床数据上验证；存在PET与MRI图像配准误差对去噪效果的负面影响	提高PET图像的信噪比，同时加速图像重建过程	数字脑模型（来自BrainWeb）的PET和MRI图像	医学影像处理	NA	滤波反投影重建、最大似然期望最大化重建	深度神经网络	图像	使用BrainWeb数字脑模型数据，具体数量未明确说明	NA	改进的U-Net（3U-net）	均方误差、对比噪声比	NA
10	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
11	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
12	2024-09-27	Chief complaint classification with recurrent neural networks 2019-05, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2019.103158 PMID:30926471	研究论文	本文研究了使用循环神经网络对急诊部门记录中的主诉进行分类	本文首次将长短期记忆网络（LSTM）和门控循环单元（GRU）应用于主诉分类，并展示了其在性能上优于传统的词袋分类器	研究仅基于单一美国管辖区的360万条去识别化急诊部门记录，可能存在地域和数据量的局限性	提高疫情检测速度和诊断准确性	急诊部门记录中的主诉和出院诊断	机器学习	NA	循环神经网络（RNN）	长短期记忆网络（LSTM）和门控循环单元（GRU）	文本	360万条去识别化的急诊部门记录	NA	NA	NA	NA
13	2024-09-21	Mixed deep learning and natural language processing method for fake-food image recognition and standardization to help automated dietary assessment 2019-05, Public health nutrition IF:3.0Q2 DOI:10.1017/S1368980018000708 PMID:29623869	研究论文	本文研究了一种结合深度学习和自然语言处理的方法，用于识别假食物图像并进行标准化，以帮助自动化饮食评估	首次提出了一种自动识别假食物图像的方法，并结合自然语言处理进行食物匹配和标准化	研究样本量较小，仅涉及124名参与者，未来需要更大规模的研究验证	开发一种自动化方法，用于饮食评估和食物选择研究	假食物图像的识别和标准化	计算机视觉	NA	深度学习，自然语言处理	深度学习网络	图像	124名参与者，提供55种食物类别	NA	NA	NA	NA
14	2024-08-07	Improved Prediction on Heart Transplant Rejection Using Convolutional Autoencoder and Multiple Instance Learning on Whole-Slide Imaging 2019-May, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi.2019.8834632 PMID:32577622	研究论文	本文开发了一种先进的流程，用于质量控制、特征提取、聚类和分类，以提高心脏移植排斥反应的预测准确性。	本文首次结合卷积自编码器和多实例学习（MIL）在全切片成像上进行心脏移植排斥反应的自动训练和预测。	NA	提高心脏移植排斥反应的预测准确性。	心脏移植排斥反应的预测。	计算机视觉	心血管疾病	卷积自编码器，多实例学习（MIL）	CNN	图像	NA	NA	NA	NA	NA
15	2024-08-07	Cross-domain AU Detection: Domains, Learning Approaches, and Measures 2019-May, Proceedings of the ... International Conference on Automatic Face and Gesture Recognition. IEEE International Conference on Automatic Face & Gesture Recognition DOI:10.1109/FG.2019.8756543 PMID:31749665	研究论文	本文研究了面部动作单元（AU）检测器在未训练过的新领域中的迁移能力，并通过实验评估了深度学习（CNN）和浅层学习（SVM）方法在不同数据库中的表现。	本文通过实验评估了AU检测器在不同领域间的迁移能力，并比较了深度学习和浅层学习方法的效果。	实验结果显示，AU检测器在不同领域间的迁移能力有限，尤其是在浅层学习方法中表现更差。	探讨AU检测器在未训练过的新领域中的表现及其迁移能力。	面部动作单元（AU）检测器在不同领域中的表现。	计算机视觉	NA	CNN, SVM	CNN, SVM	视频	两个大型公开数据库：Expanded BP4D+ 和 GFT	NA	NA	NA	NA
16	2024-08-07	A convolutional neural network for fast upsampling of undersampled tomograms in X-ray CT time-series using a representative highly sampled tomogram 2019-May-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577519003448 PMID:31074449	研究论文	本文提出了一种基于深度学习的超分辨率方法，称为上采样深度神经网络（UDNN），用于提高X射线CT时间序列中欠采样断层图像的上采样质量	该方法利用高采样断层图像的数据集来学习低采样和高采样断层图像之间的端到端映射，从而提高断层图像重建的质量	该方法需要针对不同类型的样本进行快速重新训练，且依赖于高采样断层图像的数据集	旨在提高X射线CT时间序列中欠采样断层图像的上采样质量	X射线CT时间序列中的欠采样断层图像	计算机视觉	NA	X射线CT	卷积神经网络	断层图像	两个80GB的断层图像数据集	NA	NA	NA	NA
17	2024-08-07	Predicting pregnancy using large-scale data from a women's health tracking mobile application 2019-May, Proceedings of the ... International World-Wide Web Conference. International WWW Conference DOI:10.1145/3308558.3313512 PMID:31538145	研究论文	本文利用女性健康追踪移动应用程序的大规模数据，开发了四种模型（包括逻辑回归模型和三个LSTM模型）来预测女性怀孕的概率	利用女性健康追踪移动应用程序的数据，首次展示了从移动健康追踪数据中预测怀孕的可行性，并开发了一种从深度学习模型中提取时间趋势的技术	NA	探索利用女性健康追踪移动应用程序的数据预测怀孕的可行性	女性怀孕概率	NA	NA	LSTM	逻辑回归模型, LSTM模型	数据日志	7900万条日志，来自65,276名女性	NA	NA	NA	NA
18	2024-08-07	A high-bias, low-variance introduction to Machine Learning for physicists 2019-May-30, Physics reports DOI:10.1016/j.physrep.2019.03.001 PMID:31404441	综述	本文为物理学家提供了一个易于理解和直观的机器学习核心概念和工具的介绍	强调了机器学习与统计物理之间的自然联系，并使用Python Jupyter笔记本引入现代ML/统计包	NA	为物理学家介绍机器学习的核心概念和工具	机器学习的基本概念和高级主题	机器学习	NA	NA	神经网络	数据集	使用物理启发的数据集（如Ising模型和蒙特卡罗模拟的质子-质子碰撞的超级对称衰变）	NA	NA	NA	NA
19	2024-08-07	Intelligent ICU for Autonomous Patient Monitoring Using Pervasive Sensing and Deep Learning 2019-05-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44004-w PMID:31142754	研究论文	本研究探讨了使用无处不在的传感技术和人工智能在重症监护室（ICU）中进行自主和细致监测的可行性	本研究展示了使用非侵入性系统对重症患者及其环境进行细致和自主监测的潜力	本研究为试点研究，样本量较小，需要进一步的大规模研究验证	研究在ICU中使用传感技术和人工智能进行自主监测的可行性	重症监护室中的患者及其环境	机器学习	NA	深度学习	NA	图像、声音、光强度	本研究未明确提及具体样本数量	NA	NA	NA	NA
20	2024-08-07	The Use of Deep Learning to Predict Stroke Patient Mortality 2019-05-28, International journal of environmental research and public health DOI:10.3390/ijerph16111876 PMID:31141892	研究论文	本文利用深度神经网络通过医疗使用和健康行为数据预测中风患者的死亡率	采用量化缩放的主成分分析（PCA）从医疗记录中提取相关背景特征，并使用深度神经网络（DNN）进行预测	NA	研究如何通过医疗使用和健康行为数据预测中风患者的死亡率	中风患者	机器学习	NA	主成分分析（PCA）	深度神经网络（DNN）	医疗记录数据	15,099名中风患者	NA	NA	NA	NA