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	2026-04-10	Novel Autosegmentation Spatial Similarity Metrics Capture the Time Required to Correct Segmentations Better Than Traditional Metrics in a Thoracic Cavity Segmentation Workflow 2021-06, Journal of digital imaging IF:2.9Q2 DOI:10.1007/s10278-021-00460-3 PMID:34027588	研究论文	本研究探讨了在胸部腔体分割工作流中，新型空间相似性指标如何比传统指标更好地预测临床医生修正分割所需的时间	首次系统比较了多种空间相似性指标与临床修正时间的相关性，发现新增路径长度、假阴性路径长度和表面Dice相似系数等新型指标优于传统体积Dice相似系数	研究仅针对胸部腔体分割，且修正工作由单一医学学生完成，需要在其他解剖部位和临床工作流中验证结果	评估自动分割工具修正时间与空间相似性指标的相关性，以优化临床工作流程效率	329例CT扫描中的双侧胸部腔体体积分割	数字病理学	NA	CT扫描	CNN	图像	329例CT扫描	NA	U-Net	Spearman等级相关系数, Mann-Whitney U检验, 体积Dice相似系数, 表面Dice相似系数	NA
2	2026-04-09	Accelerated in Vivo Cardiac Diffusion-Tensor MRI Using Residual Deep Learning-based Denoising in Participants with Obesity 2021-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.2021200580 PMID:34250491	研究论文	本研究开发了一种基于残差深度学习的去噪算法，用于加速活体心脏扩散张量磁共振成像，并在减少信号平均次数的同时保持图像质量和扩散参数	首次将残差深度学习的去噪卷积神经网络应用于心脏扩散张量磁共振成像加速，实现了至少两倍的加速率，同时保留了肥胖与非肥胖个体间的关键扩散参数差异	样本量较小（共26名参与者，其中仅6名肥胖者），研究人群年龄分布不均（肥胖组平均年龄显著高于非肥胖组），且未在更广泛的人群或疾病状态下验证	开发并评估一种基于深度学习的去噪算法，以加速活体心脏扩散张量磁共振成像的采集过程	26名成年参与者（20名非肥胖者，6名肥胖者）的心脏扩散张量磁共振成像数据	医学影像分析	肥胖症	心脏扩散张量磁共振成像	CNN	磁共振图像	26名参与者（20名非肥胖者，6名肥胖者）	未明确说明	去噪卷积神经网络	信噪比, 结构相似性指数, 平均扩散率, 分数各向异性, 螺旋角跨壁性	未明确说明
3	2026-04-08	Federated learning improves site performance in multicenter deep learning without data sharing 2021-06-12, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaa341 PMID:33537772	研究论文	本研究通过联邦学习在多中心环境中训练深度学习模型，无需共享数据，提升了模型性能和泛化能力	首次在三个学术机构中成功应用联邦学习进行多中心深度学习训练，避免了患者数据隐私风险	研究仅涉及三个机构，样本规模和多样性可能有限	探索联邦学习在多机构深度学习模型训练中的应用效果	多中心临床数据	机器学习	NA	深度学习	深度学习模型	临床数据	涉及三个学术机构的本地临床数据	NA	NA	整体性能水平	NA
4	2026-04-08	Learning from crowds in digital pathology using scalable variational Gaussian processes 2021-06-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-90821-3 PMID:34078955	研究论文	本文研究了在数字病理学中应用可扩展变分高斯过程进行众包标注的方法，以解决病理学标注中专家稀缺和数据标注规模化的挑战	首次将可扩展变分高斯过程众包方法应用于数字病理学领域，并展示了其在处理多标注者噪声数据中的有效性，同时能学习标注者的类别条件可靠性	研究主要针对乳腺癌组织区域标注，未涉及其他疾病或更广泛的病理学任务，且依赖于特定多标注者数据集	探索利用众包标注和可扩展变分高斯过程来提升数字病理学中机器学习模型的标注效率和质量	乳腺癌组织区域的标注数据，涉及病理学家、病理学住院医师和医学生等多类标注者	数字病理学	乳腺癌	众包标注	高斯过程	图像	大型多标注者数据集，具体数量未明确说明	NA	可扩展变分高斯过程	NA	NA
5	2026-04-08	Identifying genomic islands with deep neural networks 2021-Jun-02, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-021-07575-5 PMID:34078279	研究论文	本文提出了一种名为Shutter Island的方法，利用深度学习模型（Inception V3）通过图像表示基因组片段来检测基因组岛	采用基于图像的深度学习方法（Inception V3）检测基因组岛，通过迁移学习在有限数据集上实现泛化，优于现有工具	模型仅在有限数量的基因组岛数据集上进行再训练，数据可能不足或难以整理	开发一种能检测所有类型基因组岛的通用计算方法	细菌的基因组岛，涉及来自细菌、古菌、病毒和真核生物的基因簇	机器学习	NA	迁移学习	CNN	图像	NA	TensorFlow, PyTorch	Inception V3	NA	NA
6	2026-04-07	Sparse deep neural networks on imaging genetics for schizophrenia case-control classification 2021-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25387 PMID:33724588	研究论文	本研究提出了一种稀疏深度神经网络方法，用于精神分裂症病例-对照分类，通过L1范数正则化实现稀疏特征选择，以提高可解释性	在深度神经网络输入层引入L1范数正则化进行稀疏特征选择，使模型能够直接解释原始特征，并有效融合灰质体积和单核苷酸多态性数据	未详细讨论模型在不同扫描协议数据集上的性能波动原因，且外部验证样本量相对较小	开发可解释的深度学习方法，用于精神分裂症的病例-对照分类和生物标志物识别	精神分裂症患者和对照个体的灰质体积及单核苷酸多态性数据	机器学习	精神分裂症	灰质体积测量，单核苷酸多态性分析	深度神经网络	影像遗传学数据	训练集634人，外部验证集三个独立数据集（分别394人、255人、160人）	NA	稀疏深度神经网络	错误率	NA
7	2025-10-06	Exploiting Physical Presence Sensing to Secure Voice Assistant Systems 2021-Jun, IEEE International Conference on Communications : [proceedings]. IEEE International Conference on Communications DOI:10.1109/icc42927.2021.9500792 PMID:40919066	研究论文	提出一种利用物理存在感知保护语音助手系统免受语音重放和注入攻击的防御系统	通过分析语音数据与无线数据的相关性来检测攻击，无需额外设备或用户操作	在测试场景中检测成功率在76.4%至89.1%之间，尚未达到完全可靠	保护语音助手系统免受远程语音攻击	智能家居环境中的语音助手设备	机器学习	NA	梅尔频率倒谱系数特征提取	深度学习模型	语音数据, 无线数据	NA	NA	NA	攻击检测成功率	NA
8	2025-10-06	Deep learning assisted COVID-19 detection using full CT-scans 2021-Jun, Internet of things (Amsterdam, Netherlands) DOI:10.1016/j.iot.2021.100377 PMID:38620521	研究论文	本研究提出一种基于深度学习技术的自动化COVID-19检测方法，使用完整胸部CT扫描图像	采用残差网络结合跳跃连接结构，通过预处理技术提升检测精度，并设计为可在边缘设备部署的轻量化方案	NA	开发自动化COVID-19诊断系统以加速检测过程并降低计算资源需求	COVID-19患者的完整胸部CT扫描图像	计算机视觉	COVID-19	CT扫描	CNN	医学影像	NA	NA	ResNet	准确率	企业级GPU
9	2025-10-07	An autonomous drone for search and rescue in forests using airborne optical sectioning 2021-06-23, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.abg1188 PMID:34162744	研究论文	本文介绍了一种使用空中光学切片技术在森林中自主搜索救援人员的无人机系统	开发了基于自适应采样的实时在线搜索技术，能够在飞行过程中动态调整路径，将图像复杂度降低至先前方法的1/10	在17次野外实验中未能找到全部42名隐藏人员（找到38名），在预设路径实验中精度为86%	开发能够在茂密遮挡森林中自主搜索救援人员的无人机系统	森林中隐藏的人员	计算机视觉	NA	空中光学切片技术，热成像处理	深度学习	热成像图像	17次野外实验，涉及42名隐藏人员	NA	NA	精度, 分类置信度	机载实时计算
10	2025-02-21	Concrete compressive strength prediction modeling utilizing deep learning long short-term memory algorithm for a sustainable environment 2021-Jun, Environmental science and pollution research international DOI:10.1007/s11356-021-12877-y PMID:33590396	研究论文	本研究开发了一种利用深度学习长短期记忆算法（LSTM）预测混凝土抗压强度的模型，旨在为可持续环境提供支持	采用LSTM算法预测混凝土抗压强度，并与传统的支持向量机（SVM）算法进行对比，展示了LSTM在预测性能上的优越性	研究依赖于已发表的数据集，可能无法完全覆盖所有实际环境条件下的混凝土抗压强度变化	开发一种高效预测混凝土抗压强度的模型，以减少时间和成本	混凝土抗压强度	机器学习	NA	深度学习，支持向量机	LSTM, SVM	结构化数据	基于已发表研究的数据集	NA	NA	NA	NA
11	2025-10-07	Learning-based dose prediction for pancreatic stereotactic body radiation therapy using dual pyramid adversarial network 2021-06-21, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac0856 PMID:34087807	研究论文	本研究开发了一种基于双金字塔对抗网络的深度学习模型，用于胰腺癌立体定向放射治疗剂量预测	提出了结合CT特征金字塔网络、轮廓特征金字塔网络、晚期融合网络和对抗网络的新型双金字塔网络架构	研究样本量相对有限，仅包含50例患者数据	探索深度学习在胰腺癌立体定向放射治疗剂量预测任务中的可行性	胰腺癌患者立体定向放射治疗计划	医学影像分析	胰腺癌	立体定向放射治疗(SBRT)	深度学习	CT影像和轮廓数据	50例患者(30例用于交叉验证，20例用于保留测试)	NA	双金字塔网络(DPN), 3D U-Net	平均绝对误差, 梯度差异误差, 直方图匹配, 对抗损失, 剂量体积参数, 配对t检验, 相关系数	NA
12	2025-01-07	Male pelvic multi-organ segmentation on transrectal ultrasound using anchor-free mask CNN 2021-Jun, Medical physics IF:3.2Q1 DOI:10.1002/mp.14895 PMID:33894057	研究论文	本文开发了一种基于深度学习的男性盆腔多器官分割方法，用于经直肠超声图像	提出了一种无锚点的掩码卷积神经网络（CNN），结合空间注意力策略，能够捕捉多个器官的空间相关性	研究仅基于83名前列腺癌患者的回顾性数据，样本量相对较小	开发一种用于前列腺近距离放射治疗中多器官分割的自动化方法	前列腺、膀胱、直肠和尿道	计算机视觉	前列腺癌	深度学习	无锚点掩码CNN	超声图像	83名前列腺癌患者	NA	NA	NA	NA
13	2024-12-26	Improved amyloid burden quantification with nonspecific estimates using deep learning 2021-06, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-020-05131-z PMID:33415430	研究论文	本文提出了一种利用深度学习去除淀粉样蛋白-PET扫描中非特异性结合变异的新方法，以提高淀粉样蛋白负担的量化准确性	利用卷积网络的跨模态图像转换能力，去除淀粉样蛋白-PET扫描中的非特异性结合变异，从而提高量化准确性	研究样本仅来自新加坡的172名参与者，可能存在地域和人群限制	提高淀粉样蛋白负担的量化准确性，特别是在存在脑血管疾病的情况下	淀粉样蛋白-PET扫描图像	数字病理学	阿尔茨海默病	深度学习	CNN, cGAN	图像	172名参与者	NA	NA	NA	NA
14	2024-11-21	Evaluating renal lesions using deep-learning based extension of dual-energy FoV in dual-source CT-A retrospective pilot study 2021-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2021.109734 PMID:33933837	研究论文	本文介绍了一种基于深度学习的双能场扩展方法，用于在双源CT中评估肾病变	提出了一种基于深度学习的双能场扩展算法（DEEDL），能够从有限的数据中重建完整的双能场，从而在较小的场范围内可靠地测量HU值并评估肾病变	本文仅进行了回顾性研究，样本量较小，需要进一步的前瞻性研究和更大样本量的验证	开发一种基于深度学习的方法，用于在双源CT中扩展双能场，以评估肾病变	肾病变	计算机视觉	肾病	双源CT	深度学习算法	CT图像	50名患者的训练数据和128名患者的回顾性数据	NA	NA	NA	NA
15	2024-11-20	Ultrashort echo time time-spatial labeling inversion pulse magnetic resonance angiography with denoising deep learning reconstruction for the assessment of abdominal visceral arteries 2021-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.27481 PMID:33368773	研究论文	研究比较了三维超短回波时间时间空间标记反转脉冲磁共振血管造影（3D UTE Time-SLIP）与三维平衡稳态自由进动时间空间标记反转脉冲磁共振血管造影（3D bSSFP Time-SLIP）在评估腹部内脏动脉中的图像质量和磁敏感伪影，并评估了去噪深度学习重建（dDLR）对3D UTE稀疏采样中信噪比的改善效果	首次将去噪深度学习重建技术应用于超短回波时间时间空间标记反转脉冲磁共振血管造影，以改善信噪比和减少伪影	3D UTE Time-SLIP在信噪比和图像质量上仍不如3D bSSFP Time-SLIP	研究并比较3D UTE Time-SLIP与3D bSSFP Time-SLIP的图像质量和磁敏感伪影，并评估dDLR对3D UTE信噪比的改善效果	腹部内脏动脉的评估，包括健康志愿者和患者	医学影像	NA	磁共振血管造影（MRA）	深度学习模型	图像	10名健康志愿者和3名患者	NA	NA	NA	NA
16	2024-11-18	Multi-stage malaria parasite recognition by deep learning 2021-06-17, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giab040 PMID:34137821	研究论文	本文开发了一种基于深度迁移图卷积网络（DTGCN）的深度学习方法，用于识别血液涂片图像中不同阶段的疟原虫	首次将图卷积网络（GCN）应用于多阶段疟原虫识别	NA	开发一种高效准确的方法来识别血液涂片图像中不同阶段的疟原虫	疟原虫的不同生长阶段	计算机视觉	疟疾	深度迁移图卷积网络（DTGCN）	图卷积网络（GCN）	图像	使用了公开的微观图像数据集和一个大规模的未见过的疟原虫数据集以及Babesia数据集	NA	NA	NA	NA
17	2024-11-11	Artificial Intelligence-based Analytics for Diagnosis of Small Bowel Enteropathies and Black Box Feature Detection 2021-06-01, Journal of pediatric gastroenterology and nutrition IF:2.4Q1 DOI:10.1097/MPG.0000000000003057 PMID:33534362	研究论文	开发了一种基于人工智能的图像分析平台，利用深度学习卷积神经网络（CNNs）来诊断小肠肠病，并检测其特征	利用深度学习CNNs和Grad-CAMs技术，提高了小肠肠病的诊断准确性，并揭示了深度学习模型的决策过程	研究样本主要来自儿童，且样本量相对较小	开发一种能够准确诊断小肠肠病的计算方法，并揭示深度学习模型的决策过程	小肠肠病，包括环境肠病（EE）和乳糜泻（CD）	计算机视觉	NA	深度学习卷积神经网络（CNNs）	CNN	图像	461张高分辨率活检图像，来自150名儿童	NA	NA	NA	NA
18	2024-10-28	Artificial intelligence: a critical review of current applications in pancreatic imaging 2021-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-021-01098-5 PMID:33550513	综述	本文综述了人工智能在胰腺疾病影像学中的应用	介绍了机器学习和深度学习在胰腺疾病影像学中的最新进展和当前成果	讨论了人工智能在胰腺疾病影像学中的局限性和未来展望	探讨人工智能在胰腺疾病影像学中的应用	胰腺导管腺癌和其他胰腺肿瘤的检测与特征分析	计算机视觉	胰腺癌	机器学习深度学习	NA	影像	NA	NA	NA	NA	NA
19	2024-10-18	Diagnostic Accuracy of Quantitative Multicontrast 5-Minute Knee MRI Using Prospective Artificial Intelligence Image Quality Enhancement 2021-06, AJR. American journal of roentgenology DOI:10.2214/AJR.20.24172 PMID:32755384	研究论文	本研究评估了使用深度学习增强的5分钟3D定量双回波稳态（qDESS）序列与传统膝关节MRI在诊断准确性方面的比较	本研究首次使用深度学习超分辨率增强技术来提高qDESS序列的图像质量，并自动生成T2图	本研究样本量较小，仅包括51名患者，且未涵盖所有可能的膝关节病变	评估深度学习增强的qDESS序列与传统膝关节MRI在诊断准确性方面的差异	膝关节MRI图像的质量和诊断准确性	计算机视觉	NA	深度学习超分辨率增强	深度学习模型	图像	51名膝关节疼痛患者	NA	NA	NA	NA
20	2024-10-10	AIDeveloper: Deep Learning Image Classification in Life Science and Beyond 2021-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202003743 PMID:34105281	研究论文	介绍了一种名为AIDeveloper的开源软件，用于在不需要编程的情况下训练神经网络进行图像分类	AIDeveloper提供了一种易于使用、可适应且开源的解决方案，无需编程即可训练神经网络进行图像分类	NA	开发一种无需编程即可训练神经网络进行图像分类的软件	图像分类在生命科学及其他领域的应用	计算机视觉	NA	神经网络	神经网络	图像	超过120万张图像用于训练神经网络进行血细胞分类	NA	NA	NA	NA