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	2026-02-20	Exercise-induced calf muscle hyperemia: Rapid mapping of magnetic resonance imaging using deep learning approach 2020-08, Physiological reports IF:2.2Q3 DOI:10.14814/phy2.14563 PMID:32812401	研究论文	本研究提出了一种基于人工神经网络的深度学习方法，用于加速小腿肌肉运动诱导性充血的高分辨率磁共振成像灌注图生成	首次将人工神经网络应用于加速肌肉灌注图的磁共振成像数据处理，相比传统示踪动力学模型拟合显著提高了处理速度	研究样本量相对较小（48次MRI扫描，21名受试者），且主要针对小腿肌肉，可能限制了结果的普适性	加速运动诱导性小腿肌肉充血的磁共振成像灌注图生成过程	健康受试者和外周动脉疾病（PAD）患者的小腿肌肉	医学影像分析	外周动脉疾病	高分辨率磁共振成像（MRI）	人工神经网络（NN）	磁共振图像	48次MRI扫描，来自21名受试者（包括健康者和PAD患者）	NA	人工神经网络	平均绝对误差（MAE），相关系数（R）	NA
2	2026-02-20	Accelerating multicolor spectroscopic single-molecule localization microscopy using deep learning 2020-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.391806 PMID:32499954	研究论文	本文提出了一种基于深度学习的计算策略，用于加速多色光谱单分子定位显微镜成像，通过减少所需帧数来缩短成像时间	利用深度卷积神经网络从低密度、受污染的多色图像中重建高密度超分辨率图像，无需改变现有硬件系统，可将所需帧数减少高达8倍	未明确提及方法在动态或活细胞成像中的适用性，且可能依赖于特定细胞类型（如固定COS-7和U2-OS细胞）的验证	加速多色光谱单分子定位显微镜成像，解决传统方法需要大量帧数和光谱串扰的问题	固定COS-7和U2-OS细胞中的微管蛋白、线粒体和过氧化物酶体等生物结构	计算机视觉	NA	光谱单分子定位显微镜	CNN	图像	未明确指定样本数量，但涉及固定COS-7和U2-OS细胞的实验	未明确指定，可能为TensorFlow或PyTorch	深度卷积神经网络	未明确指定，但基于图像重建质量和采集时间减少进行评估	未明确指定
3	2026-01-18	Linear versus deep learning methods for noisy speech separation for EEG-informed attention decoding 2020-08-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aba6f8 PMID:32679578	研究论文	本文评估并展示了在嘈杂条件下基于脑电图记录的听觉注意力解码支持语音增强的可行性，比较了线性与深度学习方法在噪声语音分离中的表现	系统比较线性与非线性神经引导语音增强模型，并在更具挑战性的条件下进行更现实的验证	研究在高度理想化的实验条件下进行，仍远未达到现实助听器设置	评估和展示基于脑电图记录的听觉注意力解码支持语音增强在嘈杂条件下的可行性	相同性别说话者混合的语音信号，涉及三种不同说话者位置和三种不同噪声条件	自然语言处理	NA	听觉注意力解码，语音增强	线性方法，深度神经网络	脑电图记录，语音信号	NA	NA	NA	AAD准确度	NA
4	2026-01-18	A novel deep feature transfer-based OSA detection method using sleep sound signals 2020-08-11, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab9e7b PMID:32559754	研究论文	提出了一种基于深度特征迁移的OSA检测方法，利用睡眠声音信号进行诊断	结合大数据、深度学习和迁移学习，通过预训练的深度卷积神经网络提取呼吸声音特征，并训练逻辑回归分类器进行OSA检测，相比传统音频分析技术性能显著提升	研究基于自收集的132名潜在OSA患者数据集，样本量相对有限，且未详细讨论模型在不同人群或噪声环境下的泛化能力	开发一种便捷、低成本的OSA检测方法，以替代传统多导睡眠图	潜在OSA患者的睡眠声音信号	机器学习	阻塞性睡眠呼吸暂停	音频信号处理	CNN	音频	132名潜在OSA患者	NA	深度卷积神经网络	准确率, AUC	NA
5	2026-01-18	Deep learning-based BCI for gait decoding from EEG with LSTM recurrent neural network 2020-07-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab9842 PMID:32480381	研究论文	本研究提出并验证了一种基于深度学习的脑机接口模型，用于从脑电图信号解码步态阶段	首次使用基于记忆的深度学习分类器从非侵入性脑记录中解码步行活动，支持实时应用以辅助恢复受损人群的行走能力	研究仅基于11名健康受试者在跑步机上的数据，未涉及临床患者或真实世界行走场景，可能限制模型的泛化能力	开发一种深度学习模型，以从脑电图信号中解码步态模式，特别是摆动和站立状态	健康受试者的脑电图信号，在跑步机行走期间采集	脑机接口	NA	脑电图，伪影子空间重建，可靠独立成分分析	LSTM	脑电图信号	11名健康受试者	NA	LSTM循环神经网络	AUC	NA
6	2026-01-18	Neonatal EEG sleep stage classification based on deep learning and HMM 2020-06-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab965a PMID:32454463	研究论文	本文提出了一种基于深度学习和隐马尔可夫模型的新生儿多通道脑电图睡眠阶段自动分类方法	结合了改进的图聚类蚁群优化算法进行特征选择、双向长短时记忆网络进行分类，并利用隐马尔可夫模型进行后处理以减少误报	研究样本量较小（仅16名新生儿），且仅针对足月新生儿，未涵盖早产儿或其他年龄段	提高新生儿睡眠阶段自动分类的准确性，以研究神经发育过程和诊断脑部异常	足月新生儿（孕后年龄38-40周）的多通道脑电图数据	机器学习	NA	多通道脑电图记录	BiLSTM, HMM	脑电图信号	16名新生儿	NA	双向长短时记忆网络	kappa系数, 总体准确率	NA
7	2026-01-18	Auditory attention tracking states in a cocktail party environment can be decoded by deep convolutional neural networks 2020-06-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab92b2 PMID:32403093	研究论文	本研究提出了一种基于源空间特征图像的深度卷积神经网络模型，用于解码鸡尾酒会环境中的听觉注意追踪状态	提出了一种新颖的CNN模型，使用源空间特征图像作为输入，结合节奏熵和加权最小范数估计提取特征，并应用深度迁移学习改善低行为表现组的分类性能	头皮脑电信号样本数量少、信噪比低、空间分辨率有限，可能限制基于CNN模型的脑机接口应用潜力	解码鸡尾酒会环境中的听觉注意追踪状态，为注意力与听力障碍患者提供新型听觉认知脑机接口通信通道	头皮脑电信号，特别是听觉注意追踪状态（成功与不成功）	脑机接口	注意力与听力障碍	节奏熵，加权最小范数估计	CNN	源空间特征图像	未明确说明样本数量，但涉及低行为表现组	未明确指定	具有三个卷积层的CNN	分类准确率	NA
8	2026-01-18	High-quality photoacoustic image reconstruction based on deep convolutional neural network: towards intra-operative photoacoustic imaging 2020-06-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab9a10 PMID:33444279	研究论文	本文提出了一种结合时间反转和深度学习的方法，用于从有限数据中重建高质量光声图像，以支持神经外科术中成像	将时间反转算法作为神经网络的第一层，结合卷积神经网络进行端到端训练，以在减少探测器数量的情况下实现高质量图像重建	方法仅在合成血管数据库上进行评估，缺乏真实临床数据的验证	开发一种高质量、实时的术中光声成像方法，用于神经外科中血管和肿瘤微血管结构的定位	血管和肿瘤微血管结构的光声图像	计算机视觉	NA	光声成像	CNN	图像	合成血管数据库	NA	卷积神经网络	信噪比, 峰值信噪比, 结构相似性指数, 边缘保持指数	NA
9	2026-01-18	High quality proton portal imaging using deep learning for proton radiation therapy: a phantom study 2020-04-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab8a74 PMID:33438674	研究论文	本文提出了一种基于深度学习的质子门户成像质量提升方法，通过残差生成对抗网络框架，利用kV数字重建放射影像改善质子门户成像的对比度和空间分辨率	首次将残差生成对抗网络应用于质子门户成像质量增强，通过残差块聚焦于DRR与PPI之间的结构差异，实现了高精度的图像校正	研究基于体模数据，尚未在临床患者数据上验证；样本量相对有限（训练149张，测试30张）	提升质子放射治疗中质子门户成像的图像质量，以验证肿瘤位置并实现束眼视角成像	质子门户成像图像与数字重建放射影像	医学影像处理	肿瘤治疗	质子门户成像，数字重建放射影像	GAN	图像	训练149张图像，测试30张图像	NA	残差生成对抗网络	归一化平均误差，归一化平均绝对误差，峰值信噪比，结构相似性指数	NA
10	2026-01-18	Identification of patients with atrial fibrillation: a big data exploratory analysis of the UK Biobank 2020-03-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab6f9a PMID:31978903	研究论文	本文评估了十种机器学习方法在UK Biobank数据集中自动检测心房颤动患者的效果	结合经典机器学习和深度学习方法，在大型生物银行数据中实现自动心房颤动检测，性能接近人类专家间一致性	研究基于UK Biobank子集，可能受数据标注质量和样本代表性限制	评估机器学习方法在大型生物银行数据中自动识别心房颤动患者的性能	UK Biobank数据集中的心房颤动患者	机器学习	心血管疾病	心电图分析	支持向量机,深度学习算法	心电图数据	UK Biobank数据集的子集，具体数量未明确	NA	NA	F1分数,Cohen's kappa系数	NA
11	2026-01-18	Automated segmentation of the left ventricle from MR cine imaging based on deep learning architecture 2020-02-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab7363 PMID:33438635	研究论文	本研究提出了一种基于深度学习的DenseV-Net方法，用于从磁共振电影成像中自动分割左心室，以提高心脏功能量化的效率和准确性	通过将V-Net中的卷积块替换为密集连接算法和密集计算，提出了DenseV-Net，以缓解梯度消失问题、防止梯度爆炸并增强特征传播	研究样本量较小，仅包含30名患者的数据，可能影响模型的泛化能力	开发一种自动分割左心室的方法，以改进心脏功能量化的临床工作流程	磁共振电影成像中的左心室	计算机视觉	心血管疾病	平衡稳态自由进动技术的磁共振电影成像	CNN	图像	30名患者，其中随机选择11名患者的30个切片（每个切片包含73张图像）	NA	V-Net, UNet, FCN, DenseV-Net	Dice相似系数, 线性回归相关系数	NA
12	2026-01-18	Generation of abdominal synthetic CTs from 0.35T MR images using generative adversarial networks for MR-only liver radiotherapy 2020-01-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab6e1f PMID:33438621	研究论文	本研究评估了两种生成对抗网络模型（cGAN和cycleGAN）从0.35T MR图像生成腹部合成CT图像的能力，以支持仅基于MR的肝脏放射治疗	首次在0.35T MR图像上应用cGAN和cycleGAN生成腹部合成CT图像，并验证其在肝脏放射治疗剂量计算中的准确性	样本量较小（仅12名患者），且未来需要纳入更多腹部患者以进一步评估模型	评估生成对抗网络在生成腹部合成CT图像方面的性能，以实现仅基于MR的肝脏放射治疗中的有效剂量计算	12名患有肝脏（n=8）和非肝脏腹部（n=4）癌症的患者	医学影像处理	肝脏癌症	0.35T MR成像，CT成像	cGAN, cycleGAN	图像	12名患者的CT和MR图像	NA	条件生成对抗网络，循环一致性生成对抗网络	平均绝对误差，伽马通过率，剂量-体积直方图指标	NA
13	2026-01-18	Spike detection and sorting with deep learning 2020-01-24, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab4896 PMID:31561235	研究论文	本文提出了一种基于深度学习的尖峰检测与排序方法，用于从多通道动作电位记录中提取和识别单单元神经活动	采用卷积神经网络（CNN）与循环神经网络（RNN）的组合架构，分别应用于尖峰检测和活动排序与预测任务，为实时高精度脑机接口提供了灵活鲁棒的算法基础	尖峰检测的平均召回率为69%，仍有提升空间；研究未详细说明数据集的多样性和泛化能力	开发基于多通道动作电位记录的神经活动检测、分类和预测方法，以支持高精度脑机接口的应用	多通道动作电位记录中的单单元神经活动	机器学习	NA	多通道动作电位记录	CNN, RNN	电信号数据	涉及超过20个不同神经元产生的活动	NA	卷积神经网络, 循环神经网络	召回率, 准确率	NA
14	2026-01-06	ECG AI-Guided Screening for Low Ejection Fraction (EAGLE): Rationale and design of a pragmatic cluster randomized trial 2020-01, American heart journal IF:3.7Q1 DOI:10.1016/j.ahj.2019.10.007 PMID:31710842	研究论文	本研究旨在通过一项实用的集群随机试验，评估一种基于深度学习的AI筛查工具在初级保健实践中检测低射血分数的有效性	首次在真实世界初级保健实践中前瞻性评估AI驱动的ECG筛查工具，用于检测无症状低射血分数，并整合到电子健康记录中实现自动筛查	试验仅限于明尼苏达州和威斯康星州的48个初级保健诊所，可能无法完全代表其他地区或医疗环境，且依赖电子健康记录数据，未直接接触患者	评估AI筛查工具在初级保健中检测低射血分数的临床有效性和实施价值	初级保健诊所的临床团队、约400名临床医生和20,000名患者，特别是接受ECG检查且未被诊断为低射血分数的成人	机器学习	心血管疾病	深度学习算法，12导联心电图	深度学习算法	心电图数据，电子健康记录数据	约20,000名患者，涉及48个初级保健诊所和400名临床医生	NA	NA	新发现的射血分数≤50%	NA
15	2025-12-21	Bayesian reasoning machine on a magneto-tunneling junction network 2020-Nov-27, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/abae97 PMID:32936787	研究论文	本文提出了一种基于磁隧道结网络的新型纳米磁计算基底，用于实现任意贝叶斯图的高速采样	开发了一种利用磁隧道结进行电可编程“亚纳秒级”概率样本生成的方法，并通过优化电压控制磁各向异性和自旋转移力矩实现，同时提出通过设计MTJ软层的局部磁致伸缩来实现可编程条件样本生成，无需传统低效硬件	NA	为贝叶斯网络开发新型纳米磁计算硬件，实现高速概率采样	磁隧道结网络及其在贝叶斯网络中的应用	机器学习	NA	电压控制磁各向异性、自旋转移力矩、磁致伸缩工程	贝叶斯网络	概率样本	NA	NA	贝叶斯图	NA	磁隧道结网络硬件
16	2025-12-14	Deep learning networks on chronic liver disease assessment with fine-tuning of shear wave elastography image sequences 2020-11-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/abae06 PMID:32998480	研究论文	本研究比较了多种预训练深度学习网络在慢性肝病评估中的性能，使用剪切波弹性成像图像序列进行微调	首次系统比较了多种流行预训练深度学习网络在慢性肝病评估中的性能，并引入了时间稳定性掩码和增强技术进行对比分析	数据集规模有限，需要更大样本量来确定最佳网络和设置	比较不同深度学习网络在慢性肝病诊断和进展评估中的性能，并寻找适合的深度学习方案	200名经肝活检验证的慢性肝病患者	计算机视觉	慢性肝病	超声剪切波弹性成像	CNN	图像	200名患者	NA	GoogLeNet, AlexNet, VGG16, ResNet50, DenseNet201	准确率, AUC	NA
17	2025-12-14	Obtaining PET/CT images from non-attenuation corrected PET images in a single PET system using Wasserstein generative adversarial networks 2020-11-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba5e9 PMID:32663812	研究论文	本研究提出了一种基于深度学习的双阶段Wasserstein生成对抗网络方法，用于从单PET系统的非衰减校正PET图像中合成衰减校正PET图像和CT图像	首次提出使用Wasserstein生成对抗网络从NAC PET图像直接生成sAC PET和sCT图像的双阶段框架，无需额外CT扫描即可获得PET/CT融合图像	研究样本量有限（45组数据），未在更多样化的临床场景或不同PET系统上进行验证	减少PET/CT成像中的辐射剂量，通过深度学习合成高质量的衰减校正PET和CT图像	临床患者的全身PET/CT配对图像	医学影像分析	NA	PET/CT成像，深度学习图像合成	生成对抗网络	医学图像（PET，CT）	45组临床患者的配对PET/CT图像	NA	Wasserstein生成对抗网络	定性分析，定量分析	NA
18	2025-12-14	Deep learning in medical image registration: a review 2020-10-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab843e PMID:32217829	综述	本文综述了基于深度学习的医学图像配准方法，总结了其最新进展、应用、分类及挑战	将基于深度学习的医学图像配准方法分为七类，并进行详细比较和趋势分析	NA	回顾和总结深度学习在医学图像配准领域的方法、应用和发展趋势	基于深度学习的医学图像配准方法	计算机视觉	NA	深度学习	NA	医学图像	NA	NA	NA	NA	NA
19	2025-12-14	Automatic multi-needle localization in ultrasound images using large margin mask RCNN for ultrasound-guided prostate brachytherapy 2020-10-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aba410 PMID:32640435	研究论文	本文提出了一种基于深度学习的超声图像多针自动定位工作流，用于超声引导的前列腺近距离放射治疗	提出了结合大间隔损失函数的LMMask R-CNN模型用于针杆定位，并整合先验知识通过改进的DBSCAN算法进行针杆细化和针尖检测	研究仅在23名患者共339根针的数据集上进行评估，样本量相对有限	开发快速自动的多针数字化方法以改进超声引导前列腺近距离放射治疗的工作流程	超声引导高剂量率前列腺近距离放射治疗患者的超声图像中的针具	计算机视觉	前列腺癌	超声成像	CNN, R-CNN	图像	23名患者共339根针	PyTorch, TensorFlow (基于Mask R-CNN框架推断)	Mask R-CNN, LMMask R-CNN	针杆误差(毫米), 针尖误差(毫米), 检测率	未明确说明，但提及处理每名患者数据可在秒级完成
20	2025-12-14	Self-derived organ attention for unpaired CT-MRI deep domain adaptation based MRI segmentation 2020-10-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab9fca PMID:33027063	研究论文	提出一种基于自衍生器官注意力的深度域适应方法，用于在无配对标注的CT和MRI数据上进行MRI图像分割	引入了自衍生器官注意力判别器，约束CT到MRI的生成器合成保留器官几何形状和外观统计特征的伪MRI图像	方法依赖于未配对的CT和MRI数据集，性能略低于完全监督的MRI分割方法	开发一种深度学习方法，利用无标注MRI和未配对专家标注CT数据集进行MRI分割	腮腺（左右两侧）	数字病理学	NA	图像到图像翻译，深度学习	GAN, CNN	医学影像（CT, MRI）	85个未标注T2加权脂肪抑制MRI，96个专家标注CT扫描，77个独立测试MRI	NA	NA	Dice相似系数, 95百分位Hausdorff距离	NA