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	2026-09-29	Machine learning applied to retinal image processing for glaucoma detection: review and perspective 2020-Apr-15, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-020-00767-2 PMID:32293466	综述	本文对2014-2019年间使用机器学习进行视网膜图像处理以诊断和检测青光眼的主要算法进行了系统综述	系统总结了青光眼视网膜图像处理中机器学习算法的应用现状，对比了特征提取+降维方法与深度卷积网络两种架构的差异，并指出数据增强和迁移学习可用于优化网络训练	排除了使用分割视盘方法的研究，仅纳入应用分类过程的方法，且文献时间范围限于2014-2019年，深度学习方法需要大量图像和较高计算成本	综述机器学习在视网膜图像处理中用于青光眼诊断和检测的主要算法，分析不同架构的优缺点并展望未来方向	2014-2019年间发表的关于机器学习应用于视网膜图像处理进行青光眼检测的研究文献	计算机视觉	青光眼	视网膜图像处理	CNN	图像	NA	NA	深度卷积网络	NA	NA
2	2026-09-29	Deep Learning Method for Mandibular Canal Segmentation in Dental Cone Beam Computed Tomography Volumes 2020-04-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-62321-3 PMID:32245989	研究论文	本文提出了一种基于深度学习的全卷积神经网络分割系统，用于在牙科锥形束CT图像中自动定位下颌管	应用全卷积神经网络分割在临床多样化的637例锥形束CT数据集上，使用放射科医生的粗略标注进行训练，并用15例精确体素级标注数据进行评估，实现了高精度的下颌管自动定位	训练数据仅使用粗略标注，且评估数据集规模较小（15例），可能影响模型的泛化能力	实现下颌管的自动定位，以减少牙种植学中手动标注的工作量	下颌管	计算机视觉	NA	锥形束CT	CNN	图像	637例锥形束CT体积用于训练，15例用于评估	NA	全卷积神经网络	平均曲线距离, 平均对称表面距离	NA
3	2026-09-29	Automatic Lumbar Spine Tracking Based on Siamese Convolutional Network 2020-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-019-00273-5 PMID:31602548	研究论文	本文提出了一种基于孪生卷积网络的全自动腰椎追踪方法，用于在数字化视频荧光成像序列中追踪L1至L4腰椎	无需标注的腰椎序列，通过离线训练孪生网络学习通用图像特征和相似性函数，实现旋转边界框的腰椎追踪	摘要中未明确提及研究的局限性	开发一种稳定且鲁棒的腰椎追踪方法，以定量分析脊柱运动模式并诊断腰椎不稳	数字化视频荧光成像序列中的腰椎（L1至L4）	计算机视觉	腰椎不稳	数字化视频荧光成像	孪生卷积网络	图像序列	NA	NA	全卷积孪生网络	NA	NA
4	2026-09-29	A Metal Artifact Reduction Method Using a Fully Convolutional Network in the Sinogram and Image Domains for Dental Computed Tomography 2020-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-019-00297-x PMID:31720891	研究论文	本文提出了一种基于全卷积网络在正弦图和图像域进行金属伪影减少的方法，用于牙科CT	在正弦图和图像域同时使用全卷积网络进行金属伪影减少，并结合金属插入步骤	未明确说明	研究有效的金属伪影减少方法，以提高牙科CT图像质量	牙科CT图像中的金属伪影	计算机视觉	NA	牙科计算机断层扫描	FCN	图像	NA	NA	FCN	均方根误差, 结构相似性	NA
5	2026-09-29	LungRegNet: An unsupervised deformable image registration method for 4D-CT lung 2020-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.14065 PMID:32017141	研究论文	开发了一种名为LungRegNet的无监督深度学习可变形图像配准方法，用于4D-CT肺部图像的快速准确配准	提出了由CoarseNet和FineNet两个子网络组成的无监督深度学习架构，每个子网络包含生成器和判别器，并引入血管增强图像（肺血管概率图）来提高配准精度	未明确提及	开发一种准确且快速的4D-CT肺部图像可变形图像配准方法	4D-CT肺部图像	计算机视觉, 医学图像分析	肺癌, 肺部疾病	4D-CT, 可变形图像配准	GAN	图像	10个本部门4D-CT数据集（五折交叉验证），10个DIRLAB数据集（每个病例300个手动标记点对）	NA	CoarseNet, FineNet, 生成器, 判别器	目标配准误差	NA
6	2026-09-20	Development and Validation of a Multitask Deep Learning Model for Severity Grading of Hip Osteoarthritis Features on Radiographs 2020-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.2020190925 PMID:32013791	研究论文	该研究开发并验证了一个多任务深度学习模型，用于在X光片上对髋关节骨关节炎特征进行严重程度分级，并与放射科医生进行性能比较	开发了一个基于DenseNet-161的多任务深度学习模型，能够同时评估五个髋关节骨关节炎放射学特征，并在内部和外部测试集上验证了其性能，与放射科医生水平相当	研究未明确提及模型的局限性，但可能包括外部测试集样本量较小，以及模型在更广泛人群中的泛化能力有待进一步验证	开发一个多任务深度学习模型，用于在X光片上对髋关节骨关节炎特征进行严重程度分级，并评估其在临床常规中的潜在应用价值	骨关节炎倡议（OAI）参与者的髋关节X光片，以及常规临床X光片作为外部验证集	计算机视觉	骨关节炎	X光摄影	CNN	图像	4368名参与者（平均年龄61.0岁±9.2，2538名女性），共7738张负重前后位骨盆X光片，包含15364个髋关节	NA	DenseNet-161	准确率	NA
7	2026-05-18	A Comparison of the Efficiency of Using a Deep CNN Approach with Other Common Regression Methods for the Prediction of EGFR Expression in Glioblastoma Patients 2020-04, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-019-00290-4 PMID:31797142	研究论文	比较深度CNN方法与其他常见回归方法在预测胶质母细胞瘤患者EGFR表达中的效率	首次系统比较深度CNN回归与LASSO、弹性网络等多种回归方法在基于MRI的放射基因组学分析中的性能，证明深度CNN在高维回归任务中的优势	样本量较小（仅166例患者），且未提及模型的外部验证或泛化性测试	利用放射基因组学分析MRI图像，预测胶质母细胞瘤患者的EGFR表达水平	166例胶质母细胞瘤患者的MRI影像及其EGFR表达数据	计算机视觉	胶质母细胞瘤	MRI成像	卷积神经网络（CNN）	图像	166例胶质母细胞瘤患者	NA	深度CNN, 深度神经网络, LASSO回归, 弹性网络回归, 无正则化线性回归	损失值（loss）	NA
8	2026-05-06	Atrial fibrillation detection from raw photoplethysmography waveforms: A deep learning application 2020-Apr, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2020.02.002 PMID:34113853	研究论文	本研究测试了深度学习算法使用原始光电容积描记图波形检测心房颤动的能力，并对比了仅依赖心率数据的算法	首次使用原始PPG波形的深度卷积-循环神经网络进行房颤检测，相比仅用心率数据的LSTM模型和传统心率变异性分析，显著提高了检测准确性	样本量较小（仅51名持续性房颤患者），且种族和性别分布不均（88%白人，78%男性）	验证深度学习算法使用原始PPG波形检测房颤的准确性是否优于仅使用心率数据的算法	接受房颤复律治疗的患者	机器学习	心血管疾病	PPG	深度卷积-循环神经网络、LSTM	时间序列数据	51名持续性房颤患者（40人训练，11人测试）	NA	深度卷积-循环神经网络、LSTM	AUC, 灵敏度, 特异度	NA
9	2026-04-08	Effects of Study Population, Labeling and Training on Glaucoma Detection Using Deep Learning Algorithms 2020-04, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.27 PMID:32818088	研究论文	本研究比较了不同深度学习算法在青光眼检测中的性能，并评估了将新数据整合到模型中的策略	比较了独立开发的深度学习算法在青光眼检测中的表现，并评估了不同训练策略（原始、顺序、组合）对模型性能的影响	模型性能受疾病严重程度、标签、训练策略和人群特征的影响，需要报告按相关协变量分层的准确性以进行跨研究比较	评估深度学习算法在青光眼检测中的性能，并优化训练策略以提高跨数据集的泛化能力	青光眼患者	计算机视觉	青光眼	眼底摄影	深度学习算法	图像	来自DIGS/ADAGES和松江红十字医院的两个眼底摄影数据集	NA	NA	AUC	NA
10	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
11	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
12	2025-12-14	4D-CT deformable image registration using multiscale unsupervised deep learning 2020-04-20, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab79c4 PMID:32097902	研究论文	本研究提出了一种用于4D-CT腹部图像配准的多尺度无监督深度学习网络，以提高配准的准确性和速度	提出了一种结合全局和局部网络的多尺度无监督深度学习网络，通过单次前向预测直接生成变形向量场，无需迭代计算，显著加速了配准过程	研究仅基于25名患者的4D-CT数据集进行训练和测试，样本量相对较小，可能限制了模型的泛化能力	开发一种准确且快速的4D-CT腹部图像可变形图像配准方法，用于放射治疗中的运动跟踪、目标定义和剂量累积等应用	4D-CT腹部图像	医学图像处理	NA	4D-CT成像	CNN, GAN	图像	25名患者的4D-CT数据集	NA	多尺度无监督深度学习网络（MS-DIRNet），包含全局网络（GlobalNet）和局部网络（LocalNet），生成器采用带注意力门的卷积神经网络	目标配准误差（TRE）	NA
13	2025-12-14	Deep learning-based radiomic features for improving neoadjuvant chemoradiation response prediction in locally advanced rectal cancer 2020-04-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab7970 PMID:32092710	研究论文	本研究比较了基于手工设计和深度学习的放射组学特征在预测局部晚期直肠癌新辅助放化疗反应中的性能	首次将预训练的卷积神经网络提取的深度学习特征与传统手工特征在预测直肠癌治疗反应方面进行直接比较，并证明了深度学习特征的优越性	样本量较小（43例患者），且为单中心研究，可能影响结果的泛化能力	比较手工和深度学习放射组学特征在预测局部晚期直肠癌新辅助放化疗反应中的有效性	接受新辅助放化疗的局部晚期直肠癌患者	数字病理学	直肠癌	扩散加权磁共振成像	CNN	图像	43例患者（22例应答者，21例非应答者）	NA	预训练的卷积神经网络	AUC	NA
14	2025-02-21	Spatio-Temporal Abnormal Behavior Prediction in Elderly Persons Using Deep Learning Models 2020-Apr-21, Sensors (Basel, Switzerland) DOI:10.3390/s20082359 PMID:32326349	研究论文	本文研究了多种深度学习模型用于识别和预测老年人异常行为	结合了时间信息和空间序列，使用多种深度学习模型进行异常行为预测	仅使用了两个公开数据集进行测试，可能缺乏广泛性	开发能够准确预测老年人异常行为的健康监测系统	老年人	机器学习	老年疾病	深度学习	LSTM, CNN, CNN-LSTM, Autoencoder-CNN-LSTM	时间序列数据，空间序列数据	两个公开数据集	NA	NA	NA	NA
15	2024-12-12	Industry-scale application and evaluation of deep learning for drug target prediction 2020-Apr-19, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-020-00428-5 PMID:33430964	研究论文	本文研究了基于公共数据训练的机器学习模型在制药行业数据上的应用和评估	首次在大规模行业环境中评估机器学习和深度学习在药物靶点预测中的潜力，并研究了公共数据训练的靶点预测模型在工业生物活性预测管道中的可转移性	NA	评估机器学习模型在制药行业数据上的应用效果	基于公共数据训练的机器学习模型在制药行业数据上的应用	机器学习	NA	深度学习	深度学习模型	数据	NA	NA	NA	NA	NA
16	2024-08-25	VOTENET+ : AN IMPROVED DEEP LEARNING LABEL FUSION METHOD FOR MULTI-ATLAS SEGMENTATION 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098493 PMID:35261721	研究论文	本文通过将VoteNet模型与联合标签融合（JLF）方法结合，改进了多图谱分割（MAS）的性能	提出了一种改进的深度网络VoteNet+，用于局部预测图谱标签与目标图像标签不同的概率，并证明了JLF比多数投票更适合作为VoteNet框架的标签融合方法	NA	提高多图谱分割的性能	3D MR脑部图像的分割	计算机视觉	NA	深度学习	CNN	图像	LPBA40数据集	NA	NA	NA	NA
17	2024-08-06	DEEP MOUSE: AN END-TO-END AUTO-CONTEXT REFINEMENT FRAMEWORK FOR BRAIN VENTRICLE & BODY SEGMENTATION IN EMBRYONIC MICE ULTRASOUND VOLUMES 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098387 PMID:33381278	研究论文	该文章提出了一种新的基于深度学习的自动上下文优化框架，用于胚胎小鼠超声体积中脑室和身体的分割	提出了一个端到端的框架，通过两个阶段联合训练，大幅提升了分割精度和减少推断时间	该研究未涉及不同条件下的实验验证及其适用性	旨在提高胚胎小鼠脑室和身体的超声分割精度	研究对象为胚胎小鼠的高频超声图像	数字病理学	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
18	2024-08-07	DeepSEED: 3D Squeeze-and-Excitation Encoder-Decoder Convolutional Neural Networks for Pulmonary Nodule Detection 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI45749.2020.9098317 PMID:33250956	研究论文	本文提出了一种新的3D卷积神经网络DeepSEED，用于肺结节检测，结合编码器-解码器结构和区域提议网络，使用动态缩放的交叉熵损失来减少假阳性率并解决样本不平衡问题	引入了动态缩放的交叉熵损失和挤压-激励结构来学习有效的图像特征，并利用不同特征图之间的相互依赖信息	NA	提高肺结节检测的深度学习模型的泛化性能	肺结节	计算机视觉	肺癌	低剂量计算机断层扫描（CT）	3D卷积神经网络	CT扫描图像	基于LIDC/IDRI数据集及其子集LUNA16的手动标记真实数据	NA	NA	NA	NA
19	2024-08-07	Skin Diseases Classification Using Deep Leaning Methods 2020 Apr-Jun, Current health sciences journal DOI:10.12865/CHSJ.46.02.06 PMID:32874685	研究论文	本文提出了一种基于卷积神经网络（CNN）的皮肤病变分类架构，使用图像像素和诊断标签作为输入	使用CNN技术进行皮肤病变分类，相比传统算法具有更高的性能	NA	开发计算机辅助诊断方法，为皮肤科医生提供强大的诊断工具	皮肤病变图像的自动分类	计算机视觉	皮肤疾病	卷积神经网络（CNN）	CNN	图像	10015张图像，包含7种类型的皮肤病变	NA	NA	NA	NA
20	2024-08-07	VOLUMETRIC LANDMARK DETECTION WITH A MULTI-SCALE SHIFT EQUIVARIANT NEURAL NETWORK 2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi45749.2020.9098620 PMID:38915907	研究论文	本文提出了一种多尺度移位等变神经网络用于体积图像中的地标检测	该方法通过多尺度移位等变网络结构和噪声注入策略，实现了快速且内存高效的3D图像地标检测，并提高了模型的鲁棒性	由于GPU内存限制，大规模数据可能限制了所采用神经网络架构的容量，从而可能影响输出精度	开发一种能够在体积图像中进行精确解剖地标检测的深度学习方法	颈动脉分叉的地标检测	计算机视觉	NA	深度神经网络	移位等变神经网络	体积图像	263个CT体积	NA	NA	NA	NA