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	2026-02-08	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
2	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
3	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
4	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
5	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
6	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
7	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
8	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
9	2024-12-15	Nano-opto-electro-mechanical switches operated at CMOS-level voltages 2019-11-15, Science (New York, N.Y.) DOI:10.1126/science.aay8645 PMID:31727832	研究论文	本文展示了在微米尺度的混合光子-等离子体结构中，利用光电机械效应在CMOS电压下实现光开关	本文首次展示了在CMOS电压下通过纳米级静电扰动实现快速光开关，并结合了光子和等离子体效应以最小化光学损耗	本文未详细讨论该技术的实际应用场景和大规模集成可能面临的挑战	探索在CMOS电压下实现光开关的技术，为集成光电子学提供新平台	微米尺度的混合光子-等离子体结构	NA	NA	光电机械效应	NA	NA	NA	NA	NA	NA	NA
10	2024-08-31	Facial expression recognition for monitoring neurological disorders based on convolutional neural network 2019-Nov, Multimedia tools and applications IF:3.0Q2 DOI:10.1007/s11042-019-07959-6 PMID:35693322	研究论文	本研究开发了一种基于卷积神经网络的自动化面部表情识别系统，用于监测神经障碍患者	该系统采用了一种新颖的深度学习方法，通过四阶段网络结构，结合整体面部信息和局部特征，提高了面部表情识别的准确性	NA	开发一种低成本、无创的自动化面部表情识别系统，帮助专家检测神经障碍	面部表情识别在神经障碍患者中的应用	计算机视觉	神经障碍	卷积神经网络	CNN	图像	在RaFD数据库上进行了实验，实现了94.44%的准确率	NA	NA	NA	NA
11	2024-08-07	Optimizing clinical trials recruitment via deep learning 2019-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz064 PMID:31188432	研究论文	本文提出了一种基于深度学习的方法DeepMatch (DM)，用于优化临床试验的招募过程，通过分析调查员和试验相关的异构数据源，对调查员进行排名，以提高招募效率。	DeepMatch方法结合了深度学习技术，能够从多种数据源中学习，提高调查员的排名准确性，从而优化临床试验的执行。	NA	优化临床试验的招募过程，降低新疗法的开发成本。	临床试验的调查员及其招募效率。	机器学习	NA	深度学习	NA	异构数据	2618项研究	NA	NA	NA	NA
12	2024-08-07	Toward a clinical text encoder: pretraining for clinical natural language processing with applications to substance misuse 2019-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz072 PMID:31233140	研究论文	本文旨在开发用于临床自然语言处理的临床文本编码器，并通过预训练方法在账单代码数据上进行实验，以提高在多种表型任务中的性能	探索了多种神经编码器架构，并通过预训练账单代码数据来解决临床自然语言处理中获取大型数据集的难题	讨论了预训练方法的潜在局限性	开发能够将临床文本编码为可用于多种表型任务的表示的算法	临床文本编码器及其在临床文本分类任务中的应用	自然语言处理	NA	深度学习方法	神经编码器	文本	大量账单代码数据	NA	NA	NA	NA
13	2024-08-07	Cohort selection for clinical trials using deep learning models 2019-11-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz139 PMID:31532478	研究论文	本文探讨了使用深度学习模型进行临床试验队列选择的任务，评估了几种深度学习架构的性能	研究了全连接前馈层对不同深度学习架构性能的影响	数据集规模有限，结果没有统计显著性	评估几种深度学习架构在临床试验队列选择任务中的表现	临床试验队列选择	自然语言处理	NA	深度学习	CNN, RNN, CNN-RNN混合架构	文本	数据集规模有限	NA	NA	NA	NA
14	2024-08-07	Predicting HLA class II antigen presentation through integrated deep learning 2019-11, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-019-0280-2 PMID:31611695	研究论文	本文介绍了MARIA，一种多模态循环神经网络，用于预测特定HLA II类等位基因背景下感兴趣基因的抗原提呈可能性	MARIA利用多种训练数据和改进的机器学习框架，在验证数据集中表现优于现有方法	NA	准确预测HLA II类分子抗原提呈，以促进疫苗开发和癌症免疫治疗	HLA II类分子抗原提呈的预测	机器学习	NA	NA	循环神经网络	基因序列、表达水平、蛋白酶切割信号	NA	NA	NA	NA	NA
15	2024-08-07	Latest advances in aging research and drug discovery 2019-11-21, Aging DOI:10.18632/aging.102487 PMID:31770722	综述	本文综述了衰老研究及药物发现的最新进展，并介绍了相关领域的年度会议系列	文章强调了人工智能，特别是深度学习在衰老研究中的应用，以及多家公司将衰老研究纳入其业务模型的创新策略	NA	旨在更好地理解与衰老相关的多层次变化，并探索治疗与年龄相关疾病的新干预措施	衰老过程中的分子、细胞、器官、组织、生理、心理及社会学变化	NA	老年病	深度学习	NA	NA	NA	NA	NA	NA	NA
16	2024-08-07	ReorientExpress: reference-free orientation of nanopore cDNA reads with deep learning 2019-11-29, Genome biology IF:10.1Q1 DOI:10.1186/s13059-019-1884-z PMID:31783882	研究论文	描述了一种名为ReorientExpress的方法，用于无参考基因组的转录组长序列读取的自由定向	ReorientExpress利用深度学习正确预测大多数读取的方向，特别是在训练于密切相关物种或与读取聚类结合时	NA	实现非模型生物和无基因组参考样本的长读取转录组学	转录组长序列读取的定向	机器学习	NA	深度学习	NA	序列数据	NA	NA	NA	NA	NA
17	2024-08-07	Diagnosis of Thyroid Nodules: Performance of a Deep Learning Convolutional Neural Network Model vs. Radiologists 2019-11-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-54434-1 PMID:31780753	研究论文	本文开发了一种基于深度学习的甲状腺结节超声计算机辅助诊断系统（dCAD），并将其性能与基于支持向量机（SVM）的系统（sCAD）和放射科医生的诊断性能进行了比较	dCAD在总体敏感性、特异性、阳性预测值（PPV）、阴性预测值和准确性方面与放射科医生相当，并且在小结节方面表现更优于sCAD	NA	开发和评估基于深度学习的甲状腺结节超声计算机辅助诊断系统的性能	甲状腺结节	计算机视觉	甲状腺疾病	深度学习	CNN	图像	4919个甲状腺结节图像	NA	NA	NA	NA
18	2024-08-07	Prediction Model of Organic Molecular Absorption Energies based on Deep Learning trained by Chaos-enhanced Accelerated Evolutionary algorithm 2019-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-53206-1 PMID:31754116	research paper	本文提出了一种基于混沌增强加速进化算法的深度学习预测模型，用于提高分子吸收能量的计算准确性、效率和稳定性。	该模型结合了深度学习和智能算法，采用混沌增强加速粒子群优化算法和深度人工神经网络（CAPSO BP DNN），具有七层8-4-4-4-4-4-1结构，能够有效提高预测效果和准确性。	NA	开发一种高精度的分子吸收能量预测模型。	有机分子的吸收能量。	machine learning	NA	deep learning	DNN	numerical	涉及八个与分子吸收能量相关的参数作为输入，一个参数作为输出。	NA	NA	NA	NA
19	2024-08-07	Particle Mobility Analysis Using Deep Learning and the Moment Scaling Spectrum 2019-11-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-53663-8 PMID:31748591	研究论文	本文提出了一种使用深度学习和矩尺度谱分析来分析细胞内动态过程的新方法	首次采用深度学习方法对单颗粒轨迹进行分割，并使用矩尺度谱分析来估计移动类别的数量及其相关参数	NA	开发一种用于从时间序列显微镜图像中提取生物学相关参数的鲁棒方法	细胞内颗粒的动态行为	计算机视觉	NA	深度学习	NA	图像	包括内部数据集和公开的颗粒跟踪数据，涵盖多种蛋白质的不同动态行为	NA	NA	NA	NA
20	2024-08-07	Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunctions 2019-11-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-019-12875-2 PMID:31729373	研究论文	本文介绍了一种深度学习框架，用于预测分子波函数，从而统一机器学习和量子化学	该框架能够在保持类似力场的效率的同时，通过波函数完全访问电子结构，并以分析可微分的方式捕捉量子力学	NA	旨在通过深度神经网络统一机器学习和量子化学，以优化分子结构的电子特性	分子的量子力学波函数	机器学习	NA	深度学习	深度神经网络	分子波函数	NA	NA	NA	NA	NA