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
21	2026-03-25	Deep learning in rare disease. Detection of tubers in tuberous sclerosis complex 2020, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0232376 PMID:32348367	研究论文	本研究开发并测试了一种深度学习算法，用于自动检测结节性硬化症患者MRI中的皮质结节，并探索了在数据有限的罕见疾病中深度学习的应用	在罕见疾病（结节性硬化症）中应用深度学习算法进行皮质结节检测，并开发了开源的独立应用程序	算法仅适用于手动选择的MRI图像，未在未经筛选的临床数据中进行全面验证	开发自动检测结节性硬化症皮质结节的深度学习算法，并探索其在罕见疾病诊断中的应用潜力	结节性硬化症患者的MRI图像（T2和FLAIR序列）	计算机视觉	结节性硬化症	磁共振成像	CNN	图像	228名受试者（114名结节性硬化症患者和114名对照）	NA	InceptionV3	灵敏度, 特异度, 阳性预测值, 阴性预测值, F1分数, 准确率, AUC	NA
22	2026-03-24	A Deep Convolutional Neural Network for Annotation of Magnetic Resonance Imaging Sequence Type 2020-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-019-00282-4 PMID:31654174	研究论文	本文训练了一个深度卷积神经网络，用于自动注释脑肿瘤患者磁共振成像的序列类型	利用深度学习技术解决磁共振图像序列类型非标准化标注的自动化问题，支持大规模医学图像数据集的聚合与管理	研究仅针对脑肿瘤患者的四种常见MR序列类型，未涵盖所有可能的序列或疾病类型，且图像选择未考虑患者人口统计学和肿瘤存在情况	开发一个自动化工具来注释磁共振成像序列类型，以促进临床研究和数据库管理	脑肿瘤患者的磁共振图像	计算机视觉	脑肿瘤	磁共振成像	CNN	图像	14400张二维图像，涵盖不同脑部区域	NA	深度卷积神经网络	准确率	NA
23	2026-03-22	Tumor detection of the thyroid and salivary glands using hyperspectral imaging and deep learning 2020-Mar-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.381257 PMID:32206417	研究论文	本研究探讨了高光谱成像结合深度学习在甲状腺和唾液腺肿瘤检测中的应用	首次将高光谱成像与深度学习结合用于甲状腺和唾液腺肿瘤检测，并比较了不同成像模式（包括合成RGB图像）的性能	样本量较小，特别是唾液腺样本仅16个，可能影响结果的泛化能力	评估高光谱成像在甲状腺和唾液腺肿瘤检测中的性能	甲状腺和唾液腺组织标本	计算机视觉	甲状腺癌, 唾液腺肿瘤	高光谱成像, 荧光染料成像	深度学习算法	图像	82名患者的200个甲状腺标本和16个唾液腺标本	NA	NA	AUC	NA
24	2026-03-20	Exploring a Structural Basis for Delayed Rod-Mediated Dark Adaptation in Age-Related Macular Degeneration Via Deep Learning 2020-12, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.62 PMID:33344065	研究论文	本研究利用深度学习模型分析SD-OCT图像，探索年龄相关性黄斑变性中延迟杆介导暗适应的结构基础	提出了一种基于深度学习的无偏解剖生物标志物发现框架，首次识别并定位了SD-OCT中与延迟RMDA相关的低反射外层视网膜带	研究依赖于特定位置的SD-OCT B扫描图像，样本可能有限，且模型性能虽好但误差范围仍需进一步优化	探索年龄相关性黄斑变性中延迟杆介导暗适应的结构基础，并开发成像生物标志物发现方法	患有和未患有年龄相关性黄斑变性的参与者，聚焦于黄斑区SD-OCT图像	数字病理学	年龄相关性黄斑变性	光谱域光学相干断层扫描	深度学习模型	图像	NA	NA	NA	均方误差, 平均绝对误差	NA
25	2026-03-19	Hippocampus segmentation on noncontrast CT using deep learning 2020-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.14098 PMID:32065401	研究论文	本研究开发了一种基于深度学习的注意力门控3D ResNet模型，用于仅使用非对比CT图像自动分割海马体，以支持海马回避全脑放疗	提出了一种新的注意力门控3D ResNet模型，首次实现了仅基于非对比CT图像进行海马体自动分割，无需MRI图像融合	研究为回顾性设计，样本量相对有限（390例），且模型性能可能受CT图像质量影响	开发一种仅使用CT图像的自动化海马体分割方法，以简化放疗计划流程并降低成本	390例接受伽玛刀治疗的患者的高分辨率CT和MR图像	数字病理学	脑部疾病	深度学习，图像分割	CNN	3D图像	390例患者	NA	Attention-Gated 3D ResNet, 3D ResNet	100% Hausdorff距离, 通过率	NA
26	2026-03-16	Improving speaker diarization for naturalistic child-adult conversational interactions using contextual information 2020-02, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0000736 PMID:32113327	研究论文	本文分析了影响儿童-成人对话互动中说话人日志性能的上下文因素，并训练了一个结合这些因素的DNN来改进日志性能	通过识别影响每种日志错误类型的上下文因素，并将这些因素与日志输出结合训练DNN，以改进在临床环境中儿童-成人互动的说话人日志性能	NA	改进在自然主义儿童-成人对话互动中的说话人日志性能	儿童与成人（照顾者/检查者）之间的对话互动	自然语言处理	NA	深度学习	DNN	音频	NA	NA	NA	NA	NA
27	2026-03-13	Faster motion correction of clinical contrast-enhanced ultrasound imaging using deep learning 2020-Sep, IEEE International Ultrasonics Symposium : [proceedings]. IEEE International Ultrasonics Symposium DOI:10.1109/ius46767.2020.9251602 PMID:41809844	研究论文	本研究利用深度学习模型加速临床对比增强超声（CEUS）图像的运动校正，以提高肝细胞癌（HCC）患者肿瘤血管网络测量的准确性	首次将深度学习应用于CEUS图像的运动校正，显著减少了计算时间和内存需求，相比传统方法，预测时间从3.65秒降低到0.20秒	研究样本量较小（仅36名患者），且仅针对肝细胞癌（HCC）患者，可能限制了模型的泛化能力	减少临床CEUS图像运动校正所需的时间和内存，提高肿瘤血管网络测量的准确性	肝细胞癌（HCC）患者的B模式超声（US）图像	计算机视觉	肝细胞癌	对比增强超声（CEUS）成像	编码器-解码器网络	图像	36名患者，每名患者200个训练数据样本	NA	编码器-解码器网络	归一化相关系数（CC）	NA
28	2026-03-03	Unsupervised Deep Learning for Susceptibility Distortion Correction in Connectome Imaging 2020, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-59728-3_30 PMID:34458893	研究论文	提出一种基于无监督深度学习的磁化率畸变校正方法，用于校正高分辨率扩散MRI数据中的残余畸变	使用从扩散MRI数据计算出的纤维方向分布（FOD）图像替代传统的B0图像，提供更可靠的对比信息，并结合U-Net和Transformer网络进行畸变校正	仅使用HCP数据集的100名受试者进行训练和评估，样本量相对有限，且未在其他独立数据集上验证	校正高分辨率扩散MRI数据中由磁化率引起的残余畸变	人类连接组项目（HCP）数据集中的扩散MRI数据	医学影像分析	NA	扩散MRI，纤维方向分布（FOD）计算	U-Net，Transformer	图像（FOD图像）	100名受试者（60名用于训练，40名用于测试）	NA	U-Net，Transformer	平均平方差（MSD）的各向异性分数（FA），两个相位编码方向之间的最小角度差	NA
29	2026-03-02	Deep Learning to Predict Protein Backbone Structure from High-Resolution Cryo-EM Density Maps 2020-03-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-60598-y PMID:32152330	研究论文	提出一种基于级联卷积神经网络的深度学习模型，用于从高分辨率冷冻电镜密度图中预测蛋白质主链结构	提出级联CNN（C-CNN）新架构，结合语义分割图像分类方法，并引入禁忌搜索路径行走算法和螺旋优化算法，实现从密度图到完整蛋白质结构的自动化预测	方法在2.6-4.4Å分辨率范围内测试，对更低分辨率密度图的适用性未验证，且需要为每个密度图设置推荐阈值	开发从冷冻电镜密度图自动预测蛋白质主链结构的深度学习方法	蛋白质三维结构	计算生物学	NA	冷冻电镜（cryo-EM）	CNN	图像（密度图）	数千个模拟密度图用于训练，50个实验密度图（2.6-4.4Å分辨率）用于测试	NA	级联卷积神经网络（C-CNN）	Cα原子预测百分比，均方根偏差（RMSD）	NA
30	2026-03-02	Methodological Challenges of Deep Learning in Optical Coherence Tomography for Retinal Diseases: A Review 2020-02-18, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.11 PMID:32704417	综述	本文综述了深度学习在光学相干断层扫描（OCT）用于视网膜疾病分析中的方法论挑战	系统性地识别并讨论了AI在OCT分析中面临的主要方法论障碍，包括数据、设备、计算和报告标准方面的挑战	作为综述文章，未提出新的实验数据或模型，主要基于现有文献分析挑战	探讨深度学习在OCT图像分类和分割中应用的方法论挑战及潜在解决方案	光学相干断层扫描（OCT）图像，特别是用于视网膜疾病分析	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	深度学习模型	3D体积图像	NA	NA	NA	诊断性能指标（具体未指定）	图形处理单元（GPU）
31	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
32	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
33	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
34	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
35	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
36	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
37	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
38	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
39	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
40	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