深度学习在生物医药领域中的应用

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
1	2025-07-24	Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact-free and denoised R2* images 2020-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28344 PMID:32767489	研究论文	提出了一种新型深度学习方法来稳健且加速地重建定量且无B0不均匀性伪影的R2*图像	采用自监督学习策略，无需真实R2*图像，且在训练后应用阶段无需F函数，同时提高了计算速度和抗噪性	未提及具体临床验证结果或大规模数据集的应用效果	开发一种快速、抗噪的定量R2*图像重建方法	多梯度回波(mGRE) MRI数据	医学影像分析	NA	mGRE MRI	CNN	MRI图像	未提及具体样本量
2	2025-07-24	The Role and Promise of Artificial Intelligence in Medical Toxicology 2020-10, Journal of medical toxicology : official journal of the American College of Medical Toxicology IF:2.5Q3 DOI:10.1007/s13181-020-00769-5 PMID:32215849	综述	本文综述了人工智能在医学毒理学中的角色和前景，重点讨论了深度学习和知识表示在扩展毒物控制中心覆盖范围及增强社交媒体症状监测方面的潜力	探讨了AI如何通过深度学习和知识表示整合跨学科知识，实时应用医学知识于患者，并挖掘难以触及的知识	未提及具体实施案例或实证研究结果	探讨人工智能在医学毒理学中的应用及其潜力	医学毒理学领域，特别是毒物控制中心和社交媒体症状监测	人工智能	NA	深度学习和知识表示	NA	文本和图像数据（如社交媒体和医学影像）	NA
3	2025-07-24	Speech exemplar and evaluation database (SEED) for clinical training in articulatory phonetics and speech science 2020-09-01, Clinical linguistics & phonetics IF:0.8Q4 DOI:10.1080/02699206.2020.1743761 PMID:32200647	research paper	介绍了一个公开可用的语音录音数据库SEED，用于语音学和临床语音障碍课程的教学与研究	开发了一个公开的语音录音数据库，包含成人和儿童的典型与障碍语音样本，填补了公开数据的空白	数据收集受限于IRB协议，可能无法涵盖所有障碍类型或广泛人群	改善语音学和临床语音障碍领域的教学与研究，缩小理论与实践之间的差距	成人和儿童的典型与障碍语音样本	语音学	语音障碍	高质设备录音	NA	语音录音	成人和儿童的典型与障碍语音样本
4	2025-07-21	Artificial intelligence versus expert: a comparison of rapid visual inferior vena cava collapsibility assessment between POCUS experts and a deep learning algorithm 2020-Oct, Journal of the American College of Emergency Physicians open IF:1.6Q2 DOI:10.1002/emp2.12206 PMID:33145532	研究论文	比较POCUS专家与深度学习算法在快速视觉评估下腔静脉塌陷性方面的表现	开发了一种基于LSTM的深度学习算法，用于实时分析超声视频，评估下腔静脉塌陷性，辅助新手POCUS操作者	算法与专家之间的一致性仅为中等水平（κ=0.45）	为重症患者开发一种自动评估下腔静脉塌陷性的工具，以辅助临床决策	下腔静脉塌陷性评估	数字病理	心血管疾病	POCUS（床旁超声）	LSTM	超声视频	220个IVC超声视频用于训练，50个新视频用于测试
5	2025-07-21	Classification of Cancer Types Using Graph Convolutional Neural Networks 2020-Jun, Frontiers in physics IF:1.9Q2 DOI:10.3389/fphy.2020.00203 PMID:33437754	研究论文	使用图卷积神经网络（GCNN）对癌症类型进行分类	建立了四种基于不同图结构的GCNN模型，用于癌症类型分类，并识别出428个癌症特异性标记基因	模型仅在TCGA数据集上进行测试，未在其他独立数据集上验证	提高癌症早期预测准确性并理解驱动癌症发展的基因组机制	10,340个癌症样本和731个正常组织样本	机器学习	癌症	基因表达分析	GCNN	基因表达数据	11,071个样本（来自TCGA数据集）
6	2025-07-20	The 2019 n2c2/OHNLP Track on Clinical Semantic Textual Similarity: Overview 2020-Nov-27, JMIR medical informatics IF:3.1Q2 DOI:10.2196/23375 PMID:33245291	研究论文	本文概述了2019年n2c2/OHNLP临床语义文本相似性(ClinicalSTS)共享任务，旨在推动临床领域语义文本相似性任务的研究	发布了更大的ClinicalSTS数据集，并利用最先进的神经语言模型如BERT和XLNet进行语义文本相似性计算	训练数据中GE句子对占比较大，但系统在Epic句子对上表现更好，可能存在数据分布不均衡的问题	推动自然语言处理和生物医学信息学社区解决临床领域的语义文本相似性任务	临床文本句子对	自然语言处理	NA	语义文本相似性计算	BERT, XLNet	文本	1642对临床句子（来自GE和Epic电子健康记录系统）
7	2025-07-20	A deep learning diagnostic platform for diffuse large B-cell lymphoma with high accuracy across multiple hospitals 2020-11-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-19817-3 PMID:33244018	研究论文	本文建立了一个高准确度的深度学习平台，用于诊断弥漫性大B细胞淋巴瘤（DLBCL），并在多家医院中实现了接近100%的诊断准确率	开发了一个由多个卷积神经网络组成的高精度深度学习平台，能够在较小数据集上实现接近100%的诊断准确率，并解决了跨医院测试中的技术变异性问题	模型在跨医院测试中因样本制备和图像收集的技术变异性而性能下降，尽管通过消除这些变异性后恢复了100%的准确率	开发一个高准确度的AI诊断平台，用于DLBCL及其他人类造血系统恶性肿瘤的诊断	人类弥漫性大B细胞淋巴瘤（DLBCL）和非DLBCL的病理图像	数字病理学	弥漫性大B细胞淋巴瘤	深度学习	CNN	图像	来自三家医院的DLBCL和非DLBCL病理图像
8	2025-07-20	Virtual Monoenergetic CT Imaging via Deep Learning 2020-Nov-13, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2020.100128 PMID:33294869	research paper	本文提出了一种基于深度学习的单能谱CT图像转换为虚拟单能（VM）图像的方法	使用改进的ResNet模型从单能谱CT图像生成VM图像，避免了双能CT的系统复杂性和辐射剂量增加	方法依赖于临床DECT数据进行训练，可能受限于训练数据的质量和多样性	开发一种能够从单能谱CT图像生成虚拟单能图像的方法，以降低系统复杂性和辐射剂量	单能谱CT图像和虚拟单能图像	medical imaging	NA	deep learning	ResNet	CT images	临床DECT数据
9	2025-07-20	UNMIX-ME: spectral and lifetime fluorescence unmixing via deep learning 2020-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.391992 PMID:33014571	研究论文	本文介绍了一种基于深度学习的荧光解混方法UNMIX-ME，能够同时利用光谱和时间特征进行定量荧光解混	提出了一种新型的深度学习荧光解混方法，能够同时处理光谱和时间信息，相比传统方法更具优势	方法仅在模拟样本和特定应用场景下进行了验证，尚未在更广泛的真实场景中得到充分测试	开发一种能够同时利用光谱和时间特征进行荧光解混的深度学习方法	荧光探针的光谱和时间特征	生物医学成像	NA	荧光寿命成像	深度学习	光谱和时间序列数据	模拟样本（三指数和四指数）
10	2025-07-20	Evolving the pulmonary nodules diagnosis from classical approaches to deep learning-aided decision support: three decades' development course and future prospect 2020-Jan, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-019-03098-5 PMID:31786740	综述	本文回顾了过去三十年间从传统方法到深度学习辅助决策支持的肺结节诊断技术的发展历程，并展望了未来前景	首次全面回顾了过去30年计算机辅助肺结节诊断技术的发展，并指出了未来研究的方向和挑战	主要关注技术发展历程，未涉及具体临床验证数据	提供计算机辅助肺结节检测和良恶性分类技术的最新综述	肺结节的计算机辅助诊断技术	数字病理	肺癌	深度学习	NA	医学影像	NA
11	2025-07-20	2018 n2c2 shared task on adverse drug events and medication extraction in electronic health records 2020-01-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocz166 PMID:31584655	研究论文	本文总结了2018年国家NLP临床挑战赛Track 2的筹备、组织、评估和结果，重点关注从临床记录中提取药物不良事件（ADEs）	评估了概念提取、关系分类和端到端系统三种任务，并分析了当前技术水平	对于原因和ADEs的概念和关系识别性能较低，局部上下文不足以识别它们	提升从电子健康记录中提取药物不良事件和药物信息的性能	临床记录中的药物不良事件和药物信息	自然语言处理	NA	深度学习与手工设计特征相结合的方法	双向LSTM、支持向量机（SVM）和规则	文本	28个团队参与任务1，21个团队参与任务2和3
12	2025-07-15	DeepCLEM: automated registration for correlative light and electron microscopy using deep learning 2020, F1000Research DOI:10.12688/f1000research.27158.3 PMID:37397873	研究论文	介绍了一种名为DeepCLEM的全自动CLEM配准工作流程，利用深度学习预测EM图像中的荧光信号，并与实验测量的染色质信号进行自动配准	提出了一种全自动的CLEM配准工作流程，无需手动操作或使用基准标记，通过深度学习预测荧光信号	虽然原则上可以适应其他成像模式和3D堆栈，但具体应用效果未在文中详细讨论	解决荧光图像与EM图像的高精度配准问题	荧光图像和EM图像	计算机视觉	NA	深度学习	CNN	图像	NA
13	2025-06-07	MOXA: A Deep Learning Based Unmanned Approach For Real-Time Monitoring of People Wearing Medical Masks 2020, Transactions of the Indian National Academy of Engineering : an international journal of engineering and technology DOI:10.1007/s41403-020-00157-z PMID:38624452	research paper	提出了一种基于深度学习的无人实时监测人们佩戴口罩的方法MOXA	将口罩佩戴监测任务建模为物体检测的特殊案例，并在边缘设备上实现实时场景解析	嵌入式设备的内存和计算能力有限，可能影响实时监测的性能	实时监测人们是否佩戴口罩，以预防COVID-19的传播	佩戴口罩的人群	computer vision	COVID-19	object detection algorithms	YOLOv3, YOLOv3Tiny, SSD, Faster R-CNN	video	Moxa3K benchmark dataset
14	2025-06-07	A topology-based network tree for the prediction of protein-protein binding affinity changes following mutation 2020, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-020-0149-6 PMID:34170981	研究论文	本文提出了一种基于拓扑的网络树方法，用于预测蛋白质-蛋白质结合亲和力在突变后的变化	引入了元素和位点特定的持久同调（代数拓扑的新分支）来简化蛋白质-蛋白质复合物的结构复杂性，并将关键生物信息嵌入拓扑不变量中，同时提出了一种名为NetTree的新深度学习算法	NA	预测蛋白质-蛋白质相互作用结合亲和力在突变后的变化（ΔΔ），以指导药物发现	蛋白质-蛋白质复合物	生物信息学	NA	代数拓扑、持久同调、深度学习	CNN、梯度提升树（NetTree）	蛋白质结构数据	主要基准数据集
15	2025-06-02	Evaluation of Deep Learning Models for Identifying Surgical Actions and Measuring Performance 2020-03-02, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2020.1664 PMID:32227178	研究论文	评估深度学习模型在识别手术动作和衡量手术表现方面的应用	首次提出使用深度学习模型从手术视频中自动识别手术动作和评估外科医生技能水平	样本量较小（仅103个视频片段），且数据收集时间较早（2015年前）	开发一个自动评估外科医生技术表现的框架	外科手术视频片段	计算机视觉	NA	深度学习	深度学习模型（具体架构未说明）	视频	103个手术视频片段，来自8名不同水平的外科医生
16	2025-05-24	Differentiating molecular etiologies of Angelman syndrome through facial phenotyping using deep learning 2020-09, American journal of medical genetics. Part A DOI:10.1002/ajmg.a.61720 PMID:32524756	研究论文	本研究利用深度学习技术DeepGestalt通过面部表型分析区分Angelman综合征的分子病因	首次应用DeepGestalt系统分析Angelman综合征不同分子亚型之间的面部表型差异	样本年龄跨度较大(10个月至32岁)，可能影响表型分析的准确性	探索面部识别系统在区分Angelman综合征分子亚型中的应用价值	261名Angelman综合征患者	数字病理学	Angelman综合征	深度学习面部分析	DeepGestalt	图像	261名患者(年龄10个月至32岁)
17	2025-05-23	Lake water-level fluctuation forecasting using machine learning models: a systematic review 2020-Dec, Environmental science and pollution research international DOI:10.1007/s11356-020-10917-7 PMID:32978734	综述	本文对机器学习模型在湖泊水位波动预测中的应用进行了全面回顾	系统总结了七种流行的机器学习模型在湖泊水位预测中的应用，并讨论了模型输入、性能标准及比较	未涉及具体模型的详细实现细节和特定湖泊案例的深入分析	评估机器学习模型在湖泊水位波动预测中的效果和应用前景	湖泊水位波动	机器学习	NA	NA	ANN, SVM, ANFIS, WA-ANN, WA-ANFIS, WA-SVM, GEP, GP, ELM, DL	水文数据	NA
18	2025-05-23	Computer-aided diagnosis of liver lesions using CT images: A systematic review 2020-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.104035 PMID:33099219	综述	本文综述了1998年至2020年间发表的关于使用计算机辅助诊断系统通过CT图像预测肝脏良恶性病变的最新技术	提供了肝脏病变计算机辅助诊断系统的全面概述，包括传统和基于深度学习的方法	未开发出适用于多样化图像的高效分割方法，未研究无监督和半监督深度学习模型	概述计算机辅助诊断系统在肝脏病变诊断中的最新技术	肝脏病变	数字病理学	肝脏疾病	CT成像	深度学习与传统方法	图像	NA
19	2025-05-23	Accuracy and reliability of automatic three-dimensional cephalometric landmarking 2020-Oct, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2020.02.015 PMID:32169306	系统综述	评估三维颅面图像自动标志点定位的准确性和可靠性	比较了知识基础、图谱基础和学习基础算法在自动标志点定位中的表现，发现深度学习方法的性能最佳	研究中存在患者选择和参考标准实施方面的偏倚风险，可能导致结果过于乐观	评估自动标志点定位技术在三维头影测量分析中的准确性和可靠性	人类头部计算机断层扫描或锥形束计算机断层扫描图像	医学图像分析	NA	自动标志点定位技术	深度学习	三维图像	11项研究，测试数据集样本量从18到77张图像不等
20	2025-05-23	Deep learning for wireless capsule endoscopy: a systematic review and meta-analysis 2020-10, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2020.04.039 PMID:32334015	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在无线胶囊内窥镜(WCE)中的应用效果	首次对深度学习在WCE中的应用进行系统性评价和荟萃分析	现有研究均为回顾性研究且存在较高偏倚风险	评估深度学习算法在WCE疾病检测中的性能表现	无线胶囊内窥镜图像数据	计算机视觉	肠道疾病	深度学习	神经网络	医学影像	19项研究(45篇原始文献)