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	2026-01-18	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
2	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
3	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
4	2025-12-14	Label-driven magnetic resonance imaging (MRI)-transrectal ultrasound (TRUS) registration using weakly supervised learning for MRI-guided prostate radiotherapy 2020-06-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8cd6 PMID:32330922	研究论文	本文提出了一种基于弱监督学习的全自动深度学习框架，用于磁共振成像（MRI）与经直肠超声（TRUS）的配准，以辅助前列腺近距离放射治疗	提出了一种结合图像分割与配准的端到端弱监督学习方法，使用前列腺标签衍生的体积重叠和表面一致性作为优化目标函数，解决了缺乏体素级真实对应关系的问题	研究样本量较小（36例患者数据），且未明确说明训练集、验证集和测试集的划分细节	开发一种准确、自动化的MRI-TRUS图像配准方法，以指导前列腺放射治疗	前列腺的MRI和TRUS图像	数字病理学	前列腺癌	磁共振成像（MRI），经直肠超声（TRUS）	CNN, UNET	图像	36组患者数据	NA	全卷积神经网络（CNN），2D CNN，3D UNET	目标配准误差（TRE），Dice系数，平均表面距离（MSD），豪斯多夫距离（HD）	NA
5	2025-12-14	Investigating the challenges and generalizability of deep learning brain conductivity mapping 2020-06-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab9356 PMID:32408291	研究论文	本研究探讨了深度学习在脑电导率映射中的挑战与泛化能力，通过训练3D基于补丁的卷积神经网络从B1收发相位数据预测电导率图	首次系统评估深度学习电导率断层扫描在不同模拟和体内数据集（包括病理情况）上的性能，并探索使用传统EPT生成的标签进行训练以改善结果	当网络从模拟数据训练后应用于体内数据时，测量相关伪影会影响电导率图的质量，且泛化能力有限	研究深度学习在脑电导率映射中的应用，评估其在不同数据集上的挑战和泛化性	模拟数据集、健康志愿者和脑部病变患者的体内测量数据集	医学影像分析	脑部病变	电导率断层扫描	CNN	图像	三个数据集：一个模拟数据集和两个体内测量数据集（分别来自健康志愿者和患者）	NA	3D基于补丁的卷积神经网络	NA	NA
6	2025-12-14	Low-dose CT with deep learning regularization via proximal forward-backward splitting 2020-06-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab831a PMID:32209742	研究论文	本文开发了基于深度学习的正则化方法，用于低剂量CT图像重建，通过展开近端前向后向分裂框架，结合数据驱动的深度神经网络正则化	提出了PFBS-AIR方法，将解析重建和迭代重建融合在协同的数据保真度更新中，相比传统方法显著提升了重建质量	NA	开发低剂量CT图像重建方法，以降低患者辐射剂量并提升图像质量	低剂量x射线计算机断层扫描图像	计算机视觉	NA	低剂量CT扫描	深度神经网络	CT图像	NA	NA	NA	重建质量	NA
7	2025-12-14	Abdominal synthetic CT generation from MR Dixon images using a U-net trained with 'semi-synthetic' CT data 2020-06-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab8cd2 PMID:32330923	研究论文	本研究提出了一种基于深度学习的U-net模型，从T1加权MR Dixon图像生成腹部合成CT，以支持基于MRI的肝内放射治疗计划	通过生成'半合成'CT图像解决CT和MRI图像因运动和器官填充状态不同导致的错配问题，该方法结合了CT的骨骼对比度和MRI的软组织及空气体积分类结果	研究仅涉及46名患者，样本量相对较小，且未详细讨论模型在更广泛患者群体或不同扫描条件下的泛化能力	开发一种从MR图像生成合成CT的方法，以支持MRI引导的肝内放射治疗计划	46名患者的MR和CT扫描数据，其中31名患者有临床放射治疗计划	数字病理学	肝内癌症	MRI, CT, 深度学习	U-net	图像	46名患者	NA	U-net	平均绝对误差（HU），剂量差异（Gy）	NA
8	2025-12-14	BIRADS features-oriented semi-supervised deep learning for breast ultrasound computer-aided diagnosis 2020-06-12, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab7e7d PMID:32155605	研究论文	提出一种新颖的BIRADS-SSDL网络，将临床批准的乳腺病变特征（BIRADS特征）整合到面向任务的半监督深度学习（SSDL）中，用于小训练数据集下的超声图像准确诊断	通过距离变换和高斯滤波器将乳腺超声图像转换为BIRADS导向特征图（BFMs），并设计多任务学习框架，使无监督的堆叠卷积自编码器（SCAE）在病灶分类任务约束下提取特征，同时利用SCAE编码器特征实现病灶分类	模型性能受病灶分割精度影响，分类准确率随分割精度下降而降低；预训练策略虽加速收敛但未提升测试集分类准确率	开发一种基于小数据集的乳腺超声计算机辅助诊断方法	乳腺超声图像	计算机视觉	乳腺癌	超声成像	半监督深度学习, 自编码器	图像	两个乳腺超声图像数据集（具体样本数未提供）	NA	堆叠卷积自编码器（SCAE）, 卷积网络	分类准确率	NA
9	2025-12-14	Deep learning based methods for gamma ray interaction location estimation in monolithic scintillation crystal detectors 2020-06-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ab857a PMID:32235062	研究论文	本文探索了基于深度学习的伽马射线相互作用位置估计方法，使用平均探测器响应函数信息，以替代传统的搜索方法	提出使用深度学习技术直接从平均探测器响应函数数据估计伽马射线相互作用位置，无需记录所有参考数据，显著降低了内存成本并加速了定位过程	未考虑深度信息，仅评估了x和y方向的定位误差	开发高效、低内存成本的伽马射线相互作用位置估计方法，用于单块闪烁晶体探测器	伽马射线在单块闪烁晶体探测器中的相互作用位置	机器学习	NA	平均探测器响应函数	CNN, 全连接网络	平均探测器响应函数数据	NA	NA	全连接网络, CNN	定位误差, 测试速度, 内存成本	NA
10	2025-10-06	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	本研究利用图卷积神经网络对33种癌症类型和正常组织进行分类	首次将图卷积神经网络应用于癌症分类，并设计了基于共表达网络和蛋白质相互作用网络的四种图结构模型	仅使用TCGA数据集，未在其他独立数据集上验证模型泛化能力	基于基因表达谱准确预测癌症类型	肿瘤样本和正常组织样本	机器学习	癌症	基因表达分析	GCNN	基因表达数据	10,340个癌症样本和731个正常组织样本	NA	图卷积神经网络	准确率	NA
11	2025-10-07	Lung Nodule Detection from Feature Engineering to Deep Learning in Thoracic CT Images: a Comprehensive Review 2020-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-020-00320-6 PMID:31997045	综述	本文系统回顾了2009年至2018年4月期间胸部CT图像中肺结节检测的研究进展	全面梳理了从传统特征工程到深度学习的肺结节检测技术发展脉络，特别聚焦于卷积神经网络的应用	仅涵盖截至2018年4月的研究成果，未包含最新技术发展	为研究人员提供肺结节检测领域的现状和技术进展综述	胸部CT图像中的肺结节	计算机视觉	肺癌	CT扫描	CNN	医学图像	NA	NA	NA	NA	NA
12	2024-10-11	Machine Learning for 3D Kinematic Analysis of Movements in Neurorehabilitation 2020-06-15, Current neurology and neuroscience reports IF:4.8Q1 DOI:10.1007/s11910-020-01049-z PMID:32542455	综述	本文综述了机器学习，特别是深度学习在神经康复中3D运动学分析的应用	深度学习方法在人体姿势和运动分类中的应用，以及便携式立体摄像系统在临床环境中进行3D姿态估计的可能性	目前这些技术在运动康复领域的应用尚未广泛	探讨机器学习在3D运动学分析中的应用及其对神经康复的影响	机器学习在神经康复中的应用	机器学习	NA	深度学习	卷积神经网络	图像	NA	NA	NA	NA	NA
13	2024-10-09	Efficient Pneumonia Detection in Chest Xray Images Using Deep Transfer Learning 2020-Jun-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics10060417 PMID:32575475	研究论文	提出了一种基于深度迁移学习的模型，用于在胸部X光图像中高效检测肺炎	引入了一种加权分类器，结合了多种最先进的深度学习模型（如ResNet18、Xception、InceptionV3、DenseNet121和MobileNetV3）的加权预测，以优化诊断效果	NA	提高肺炎诊断的准确性，辅助放射科医生的决策过程	胸部X光图像中的肺炎检测	计算机视觉	肺炎	深度迁移学习	加权分类器	图像	使用了来自广州妇女儿童医疗中心的肺炎数据集	NA	NA	NA	NA
14	2024-10-01	MRI Segmentation and Classification of Human Brain Using Deep Learning for Diagnosis of Alzheimer's Disease: A Survey 2020-Jun-07, Sensors (Basel, Switzerland) DOI:10.3390/s20113243 PMID:32517304	综述	本文综述了利用深度学习方法进行MRI分割和分类以诊断阿尔茨海默病（AD）的研究现状	本文总结了当前基于深度学习的MRI分割方法，并讨论了其在AD诊断中的应用	本文未具体讨论每种方法的局限性，而是集中在当前研究的概述和未来方向上	提供当前基于深度学习的MRI分割方法的概述，以用于AD的定量分析和诊断	人脑MRI图像及其在AD诊断中的应用	计算机视觉	阿尔茨海默病	MRI	卷积神经网络（CNN）	图像	NA	NA	NA	NA	NA
15	2024-08-07	Artifact removal from neurophysiological signals: impact on intracranial and arterial pressure monitoring in traumatic brain injury 2020-06-01, Journal of neurosurgery IF:3.5Q1 DOI:10.3171/2019.2.JNS182260 PMID:31075774	研究论文	本文通过深度学习技术消除神经生理信号中的伪影，特别是颅内压和动脉血压监测中的伪影，以提高创伤性脑损伤患者临床参数的预测能力	提出了一种基于堆叠卷积自编码器和卷积神经网络的模型，有效消除了颅内压和动脉血压信号中的伪影	NA	消除颅内压和动脉血压监测中的信号伪影，评估伪影消除后临床参数的预测能力变化	创伤性脑损伤患者的颅内压和动脉血压信号	机器学习	创伤性脑损伤	深度学习	堆叠卷积自编码器和卷积神经网络	信号	309名创伤性脑损伤患者	NA	NA	NA	NA
16	2024-08-07	The Future of Concurrent Automated Coronary Artery Calcium Scoring on Screening Low-Dose Computed Tomography 2020-Jun-12, Cureus DOI:10.7759/cureus.8574 PMID:32670710	研究论文	本文评估了低剂量计算机断层扫描（LDCT）在肺癌筛查中检测和分级冠状动脉钙化（CAC）的作用，并探讨了人工智能（AI）在CAC评估中的应用。	本文首次探讨了AI在LDCT筛查过程中对钙化评分量化的潜力，以及其在提高放射科医生合规性和简化工作流程方面的应用。	目前AI在CAC评估中的应用仍处于早期阶段，需要更多广泛的研究来验证其效果。	评估LDCT在肺癌筛查中检测CAC的作用，并探讨AI在CAC评估中的应用。	低剂量计算机断层扫描（LDCT）在肺癌筛查中的应用，以及人工智能（AI）在冠状动脉钙化（CAC）评估中的应用。	计算机视觉	肺癌	低剂量计算机断层扫描（LDCT）	人工智能（AI）	图像	NA	NA	NA	NA	NA
17	2024-08-07	COVID-19 Pneumonia Diagnosis Using a Simple 2D Deep Learning Framework With a Single Chest CT Image: Model Development and Validation 2020-06-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/19569 PMID:32568730	研究论文	开发并验证了一种基于单个胸部CT图像的简单2D深度学习框架FCONet，用于诊断COVID-19肺炎	FCONet框架通过迁移学习使用四种先进的预训练深度学习模型之一作为骨干，实现了高效的COVID-19肺炎诊断	NA	快速开发一种AI技术，用于在CT图像中诊断COVID-19肺炎并区分其他类型的肺炎和非肺炎疾病	COVID-19肺炎、其他肺炎和非肺炎疾病的胸部CT图像	计算机视觉	COVID-19	深度学习	ResNet-50	图像	3993张胸部CT图像	NA	NA	NA	NA
18	2024-08-07	Building a PubMed knowledge graph 2020-06-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-020-0543-2 PMID:32591513	research paper	本文构建了一个PubMed知识图谱（PKG），通过从2900万篇PubMed摘要中提取生物实体，并整合多源数据，如作者姓名消歧、资金数据等，以促进医学领域的知识发现。	本文采用了BioBERT深度学习方法进行生物实体提取，显著优于现有模型，并在作者姓名消歧方面取得了高F1分数。	NA	解决PubMed中概念提取困难和歧义问题，促进医学领域的知识发现。	PubMed中的生物实体、作者、文章、机构和资金数据。	自然语言处理	NA	BioBERT	BioBERT	文本	2900万篇PubMed摘要	NA	NA	NA	NA
19	2024-08-07	Multifactorial Deep Learning Reveals Pan-Cancer Genomic Tumor Clusters with Distinct Immunogenomic Landscape and Response to Immunotherapy 2020-06-15, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-19-1744 PMID:31911545	研究论文	本研究开发了一种泛癌深度机器学习模型，整合肿瘤突变负荷、微卫星不稳定性及体细胞拷贝数变异，将不同类型的肿瘤分类为不同的基因组集群，并评估每个基因组集群的免疫微环境及其与免疫治疗反应的关联。	本研究首次使用深度学习模型整合多因素输入数据，揭示了跨模态统计相关性，以解析免疫治疗原发性抵抗的分子机制。	NA	研究肿瘤基因组特征对肿瘤免疫微环境和免疫治疗反应的影响，并建立新的预测性生物标志物。	29种癌症类型的8,646个肿瘤样本，以及两个黑色素瘤免疫治疗临床队列。	机器学习	NA	RNA测序	深度学习模型	基因组数据	8,646个肿瘤样本	NA	NA	NA	NA
20	2024-08-07	Age and sex affect deep learning prediction of cardiometabolic risk factors from retinal images 2020-06-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-65794-4 PMID:32523046	研究论文	本研究首次使用来自3000名卡塔尔公民的视网膜图像训练深度学习模型，探讨视网膜图像预测心血管代谢风险因素的能力，并研究年龄和性别在这些预测中的中介作用。	首次使用视网膜图像训练深度学习模型来预测心血管代谢风险因素，并发现年龄和性别在这些预测中的中介作用。	研究结果表明，年龄和性别的影响不能完全解释预测性能，表明还有其他因素影响预测结果。	探讨视网膜图像预测心血管代谢风险因素的能力，并研究年龄和性别在这些预测中的中介作用。	视网膜图像、心血管代谢风险因素、年龄和性别。	计算机视觉	心血管疾病	深度学习	MobileNet-V2	图像	3000名卡塔尔公民	NA	NA	NA	NA