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	2026-07-06	Deep Learning vs Traditional Breast Cancer Risk Models to Support Risk-Based Mammography Screening 2022-10-06, Journal of the National Cancer Institute DOI:10.1093/jnci/djac142 PMID:35876790	研究论文	比较深度学习与传统乳腺癌风险模型在基于风险的乳腺X线筛查中的准确性	首次在前瞻性筛查队列中验证深度学习乳腺癌风险模型优于传统风险模型	未明确提及局限性，但可能包括数据来源局限性或模型泛化能力	评估深度学习风险评分与传统风险评分在识别筛查中癌症患者方面的准确性	57,617名患者的119,139次双侧筛查乳腺X线图像	深度学习	乳腺癌	乳腺X线成像	深度学习模型	图像	57,617名患者，119,139次筛查乳腺X线图像	NA	NA	接收者操作特征曲线下面积、癌症检出率	NA
2	2026-07-03	Analyzing fibrous tissue pattern in fibrous dysplasia bone images using deep R-CNN networks for segmentation 2022, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06519-1 PMID:34867079	研究论文	利用深度R-CNN网络分割纤维异常增生骨图像中的纤维组织模式	提出了结合区域卷积神经网络与线性回归模型的方法，用于纤维异常增生骨图像中纤维组织分割及骨异常程度预测	未说明数据样本量、计算资源及与其他方法的对比，仅报告了自身性能指标	实现纤维异常增生骨图像中纤维组织的自动分割，并预测骨异常水平	纤维异常增生（FD）患者的骨图像	计算机视觉, 数字病理学	骨骼疾病	医学影像分析	区域卷积神经网络（R-CNN）	图像	未提及	NA	R-CNN	准确率, 损失值	未提及
3	2026-06-30	Facial Emotion Recognition Using a Novel Fusion of Convolutional Neural Network and Local Binary Pattern in Crime Investigation 2022, Computational intelligence and neuroscience DOI:10.1155/2022/2249417 PMID:36188698	研究论文	提出一种融合卷积神经网络与局部二值模式的面部表情识别方法，用于犯罪调查中青少年心理特征分析	采用CNN与优化中心局部二值模式（CLBP）算法的创新融合，构建CNN-CLBP模型，提升面部表情识别准确率	对悲伤表情的误识别率较高（22.54%），且模型在真实犯罪场景中的泛化能力未充分验证	分析涉案青少年心理特征，促进深度学习在心理特征提取中的应用	面部表情图像及青少年犯罪心理特征	计算机视觉	NA	NA	CNN、CLBP	图像	未明确说明样本数量，涉及面部表情数据集	NA	VGGNet、AlexNet、LeNet-5、CNN-CLBP	准确率、平均识别率、误识别率	NA
4	2026-06-26	EPI susceptibility correction introduces significant differences far from local areas of high distortion 2022-10, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.05.016 PMID:35644448	研究论文	应用深度学习工具PreQual校正EPI磁敏感伪影，发现校正不仅改善局部高畸变区域，还在全脑范围内显著影响扩散成像和基于扩散的推理结果	首次证明EPI磁敏感伪影校正对远离高畸变区域的图像保真度和扩散指标（如FA）有广泛影响，挑战了传统认为伪影仅局限于局部区域的观念	未明确说明样本量、具体深度学习模型架构和计算资源细节	评估基于深度学习的EPI磁敏感伪影校正对图像保真度和扩散数据解释的影响，特别关注远离高畸变区域的效应	抑郁与非抑郁受试者的扩散加权成像（DWI）数据	机器学习	抑郁	扩散加权成像（DWI），EPI序列	深度学习（PreQual工具）	图像	NA	PreQual	NA	基于纤维束空间统计（TBSS）的FA分析、回归系数显著性检验	NA
5	2026-06-26	Quantification of lung ventilation defects on hyperpolarized MRI: The Multi-Ethnic Study of Atherosclerosis (MESA) COPD study 2022-10, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.06.016 PMID:35777684	研究论文	开发一个端到端深度学习框架，用于分割肺部超极化MRI上的通气缺陷	提出级联U-Net框架，结合传统数据增强和生成对抗网络数据增强，实现全自动分割	生成对抗网络数据增强未带来进一步改进，样本量较小（56名参与者）	量化肺部超极化MRI上的通气缺陷，用于COPD研究	老年吸烟者的肺部超极化MRI图像	机器学习	慢性阻塞性肺疾病	超极化MRI	U-Net	图像	56名参与者，820张1H和3He MRI切片	NA	级联U-Net	Dice相似系数	NA
6	2026-06-26	Clinical feasibility of an abdominal thin-slice breath-hold single-shot fast spin echo sequence processed using a deep learning-based noise-reduction approach 2022-07, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.04.005 PMID:35504409	研究论文	评估基于深度学习降噪的腹部薄层屏气单次激发快速自旋回波序列在胰腺MRI中的临床可行性	利用深度学习降噪重建技术加速屏气薄层单次激发快速自旋回波MRI，显著提升图像质量并缩短扫描时间	未提及具体限制，如样本量较小或单中心研究	评估深度学习降噪序列在胰腺解剖成像中的图像质量与临床可行性	疑似胰胆疾病患者的胰腺和肝脏MRI图像	医学影像	胰胆疾病	MRI T2加权成像，单次激发快速自旋回波序列	深度学习降噪模型	MRI图像	42名疑似胰胆疾病患者	NA	深度学习降噪重建	信噪比，对比噪声比，图像质量定性评分	1.5T MRI扫描仪
7	2026-06-26	ArtifactID: Identifying artifacts in low-field MRI of the brain using deep learning 2022-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.02.002 PMID:35176447	研究论文	利用深度学习识别低场脑部MRI中的伪影	首次针对低场MRI中的卷褶和吉布斯环振伪影开发专门的识别模型，并利用GradCAM提供可视化解释以增强模型可信度	仅使用T1加权图像，可能限制模型在其他序列上的泛化能力；数据量有限，可能影响模型鲁棒性	识别低场脑部MRI中的卷褶和吉布斯环振伪影，提升诊断质量	低场脑部MRI图像中的卷褶伪影（通过平面和平面内）和吉布斯环振伪影	计算机视觉	不适用	MRI	卷积神经网络	图像	179张来自0.36T扫描仪的T1加权病理脑图像和581张公开可用的T1加权脑图像	不适用	不适用	精确率, 召回率, Cohen's kappa	不适用
8	2026-06-26	DBGAN: A dual-branch generative adversarial network for undersampled MRI reconstruction 2022-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2022.03.003 PMID:35339616	研究论文	提出一种基于双分支生成对抗网络的欠采样MRI重建方法	采用跨阶段跳跃连接扩宽特征传播通道，用实例归一化代替批归一化避免训练与推理差异，引入双线性插值解码器分支补充反卷积解码器信息缺失	未提及在其他MRI模态或更大规模数据集上的验证，以及与其他非生成对抗网络方法的全面比较	提高欠采样MRI重建的图像质量和速度，适用于实时处理	T1加权的脑部MRI数据（来自MICCAI 2013挑战赛）和膝盖MRI数据	计算机视觉	未指定	MRI	生成对抗网络	图像	未明确说明样本数量，但使用MICCAI 2013挑战赛的T1加权脑部数据集和膝盖MRI数据	NA	U-Net	峰值信噪比, 归一化均方误差	每个256×256图像重建耗时60毫秒，模型参数少于最先进方法的一半
9	2026-06-02	Differential Role for Hippocampal Subfields in Alzheimer's Disease Progression Revealed with Deep Learning 2022-01-22, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhab223 PMID:34322704	research paper	利用深度学习揭示海马亚区在阿尔茨海默病进展中的差异化作用	提出密集卷积神经网络架构，基于海马形态测量区分稳定型和进展型轻度认知障碍，并创新性地使用遮挡分析揭示海马亚区对模型性能的不同贡献	未提及	探究海马亚区在轻度认知障碍进展中的作用机制	海马亚区形态测量数据	machine learning	Alzheimer's disease	NA	CNN	影像数据	NA	NA	DenseNet	accuracy	NA
10	2026-06-02	Towards Robot-Assisted Therapy for Children With Autism-The Ontological Knowledge Models and Reinforcement Learning-Based Algorithms 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.713964 PMID:35462779	研究论文	本文提出一种基于本体知识模型和强化学习算法的机器人辅助自闭症儿童疗法	结合深度学习、强化学习与本知识库，实现自闭症检测、治疗方案推荐和远程监控一体化的人形机器人辅助系统	NA	开发辅助治疗师的社交机器人，通过分析儿童行为实现自闭症检测、疗法推荐和监控	自闭症儿童	机器人技术、机器学习	自闭症	NA	卷积神经网络、强化学习	NA	NA	NA	NA	NA	NA
11	2026-06-01	Automated grading of enlarged perivascular spaces in clinical imaging data of an acute stroke cohort using an interpretable, 3D deep learning framework 2022-01-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-04287-4 PMID:35039524	研究论文	开发了一种可解释的3D深度学习框架，用于自动化分级急性卒中患者临床影像数据中的血管周围间隙扩大	首次利用3D-ResNet-152和3DGradCAM可解释性技术，在异质性急性卒中队列的临床级影像数据中实现自动化EPVS严重程度分级	样本量较小（n=262），且仅基于T2加权图像进行单一解剖区域（基底节）的评估	开发一个可解释的3D神经网络，用于自动化分级急性卒中患者基底节区血管周围间隙扩大（EPVS）的严重程度	262名急性卒中患者的T2加权影像数据	计算机视觉，数字病理学	脑血管疾病	磁共振成像（MRI）	3D卷积神经网络（CNN）	图像（临床级T2加权MRI）	262名急性卒中患者（训练/测试集：85%/15%）	PyTorch	3D-ResNet-152	准确率（0.897），AUC（0.879）	NA
12	2026-05-31	A Graph-Transformer for Whole Slide Image Classification 2022-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3176598 PMID:35594209	研究论文	提出一种融合图表示与视觉Transformer的Graph-Transformer（GTP）方法，用于全切片图像分类，在肺癌组织学分类上取得高准确率	首次将图结构表示（Graph）与Vision Transformer融合构建GTP框架，用于全切片级别的病理图像分类，并引入基于图的显著性映射技术GraphCAM提升模型可解释性	NA（摘要未明确提及局限性）	开发一种能够利用WSI整体信息进行疾病分级预测的深度学习框架，并以肺癌亚型分类为验证任务	肺腺癌（LUAD）、肺鳞癌（LSCC）及癌旁正常组织	数字病理学	肺癌	深度学习、对比学习、病理图像全切片分析	Graph-Transformer（融合图神经网络与视觉Transformer）	病理全切片图像（WSI）	4,818张WSI，来自CPTAC、NLST和TCGA数据库	PyTorch	Vision Transformer、图神经网络	准确率	NA（摘要未明确提及计算资源）
13	2026-05-31	Measuring and modelling perceptions of the built environment for epidemiological research using crowd-sourcing and image-based deep learning models 2022-11, Journal of exposure science & environmental epidemiology DOI:10.1038/s41370-022-00489-8 PMID:36369372	研究论文	利用众包和基于图像的深度学习模型测量和模拟建筑环境感知，并应用于流行病学研究	通过众包方法收集特定健康研究（华盛顿州双胞胎登记处）的建筑环境感知数据，并利用迁移学习优化深度学习模型，提高模型性能	未明确提及，但可能包括感知数据的主观性和样本代表性有限	开发可客观测量和预测建筑环境感知的方法，用于流行病学研究	华盛顿州双胞胎登记处参与者的居住地址及街道图像	计算机视觉, 机器学习	心理健康相关	众包, 图像采集	深度学习模型	图像	超过36,000张图像比较	PyTorch, Keras	迁移学习模型	模型解释方差（nature quality 77.6%, beauty 68.1%, relaxation 72.0%, safety 64.7%）, 平均改进率3.8%	亚马逊Mechanical Turk众包平台, GPU（具体类型未提及）
14	2026-05-31	Deep learning for subtyping the Alzheimer's disease spectrum 2022-02, Trends in molecular medicine IF:12.8Q1 DOI:10.1016/j.molmed.2021.12.004 PMID:34996710	研究论文	利用深度学习对阿尔茨海默病谱系进行亚型分类，基于结构影像对认知障碍个体进行分型	通过深度学习技术基于结构性影像对认知障碍个体进行亚型分类，以量化阿尔茨海默病异质性，为靶向治疗提供新方法	NA	探索基于结构影像的阿尔茨海默病亚型分类方法，以促进疾病修饰疗法的应用和改善患者护理	认知障碍个体	机器学习	阿尔茨海默病	结构影像	深度学习	影像	NA	NA	NA	NA	NA
15	2026-05-31	Prospectively-validated deep learning model for segmenting swallowing and chewing structures in CT 2022-01-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac4000 PMID:34874302	研究论文	开发并前瞻性验证了一种用于CT图像中咀嚼和吞咽结构分割的深度学习模型	首个经过前瞻性验证的用于CT图像中咀嚼和吞咽结构分割的深度学习模型	NA	开发准确高效的方法来自动勾画头颈部放疗中涉及咀嚼和吞咽的关键结构	242例头颈癌患者的CT扫描数据（用于模型开发）和91例CT扫描数据（用于前瞻性评估）	计算机视觉	头颈癌	CT成像	卷积神经网络	图像	242例患者CT扫描（模型开发），91例CT扫描（前瞻性评估），24例（回顾性测试）	PyTorch	DeepLabV3+	Dice相似系数	NA
16	2026-05-27	Primary Open-Angle Glaucoma Diagnosis from Optic Disc Photographs Using a Siamese Network 2022-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100209 PMID:36531584	research paper	提出了一种基于孪生神经网络POAGNet的方法，通过模拟临床分级过程，利用视盘照片诊断原发性开角型青光眼	首次使用孪生神经网络模拟临床医生对比随访图像与基线图像的过程，从视盘照片诊断原发性开角型青光眼，并引入深度监督的侧输出层	未在文中明确说明，但跨数据集验证的AUC仍低于单数据集训练效果，泛化能力有限	开发一种通过模拟临床比较过程来提高青光眼诊断准确性的深度学习方法	原发性开角型青光眼诊断中的视盘照片	computer vision	glaucoma	optic disc photography	Siamese neural network	image	OHTS数据集包含37,339张视盘照片（来自1,636名参与者），SIG数据集包含3,684张视盘照片	NA	Siamese network	area under the receiver operating characteristic curve, accuracy, sensitivity, specificity	NA
17	2026-05-27	Machine Learning for Early Detection of Hypoxic-Ischemic Brain Injury After Cardiac Arrest 2022-06, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-021-01405-y PMID:34873672	研究论文	利用深度学习迁移学习分析心脏骤停后早期头颅CT平扫，预测缺氧缺血性脑损伤的进展	首次在正常头颅CT平扫结果中，使用深度迁移学习识别早期缺氧缺血性脑损伤证据，准确预测后续影像学进展	样本量较小（仅54例患者），且为单中心研究，外部验证集仅16例	探索深度迁移学习在心脏骤停后早期正常头颅CT平扫中发现潜在缺氧缺血性脑损伤标志物的能力	心脏骤停后昏迷存活的成年患者	医学影像分析	缺氧缺血性脑损伤	计算机断层扫描（CT），深度学习迁移学习	CNN（卷积神经网络）	医学影像（头颅CT平扫图像）	54例患者（内部队列），16例患者（外部验证队列）	NA	深度迁移学习模型（未注明具体架构）	AUC, 敏感度, 特异度, 准确率, 阳性预测值	NA
18	2026-05-24	AI MSK clinical applications: cartilage and osteoarthritis 2022-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-021-03909-2 PMID:34735607	综述	综述人工智能在骨关节炎和软骨成像中的临床应用进展	系统整合了机器学习与深度学习在软骨分割、病变检测及未来膝关节OA风险预测模型中的创新应用	未提及当前AI方法在临床部署中的数据偏差、可解释性及验证挑战	总结AI在骨关节炎研究中的应用，包括成像优化、定量评估及自动化分析	软骨和骨关节炎的影像数据（X光片、MRI图像）	计算机视觉	骨关节炎	MRI、X线成像	CNN	图像	NA	NA	NA	NA	NA
19	2026-05-23	Scoring metrics for assessing skills in arthroscopic rotator cuff repair: performance comparison study of novice and expert surgeons 2022-Oct, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-022-02683-3 PMID:35672594	研究论文	开发定量性能指标和深度学习模型来客观评估关节镜肩袖修复手术技能	提出了一套定量性能指标和深度学习模型AAVET用于自动评估手术技能，并验证了其在区分新手与专家医生方面的有效性	样本量较小且仅涉及肩关节镜手术，指标和模型的通用性和可扩展性需要进一步验证	构建客观量化的手术技能评估平台，为外科医生提供自我评估工具	新手和专家医生在进行关节镜肩袖修复手术时的技能表现	计算机视觉	肩袖损伤	深度学习视频分析技术	深度学习模型（AAVET）	手术视频	24例肩关节镜肩袖修复手术（10例由新手执行，14例由专家执行）	PyTorch	可能基于卷积神经网络（具体架构未明确）	F1分数、有效性指标	NA
20	2026-05-23	SLEAP: A deep learning system for multi-animal pose tracking 2022-04, Nature methods IF:36.1Q1 DOI:10.1038/s41592-022-01426-1 PMID:35379947	研究论文	提出了SLEAP，一个用于多动物姿态追踪的深度学习系统	首个支持多动物无标记姿态估计的机器学习系统，具备灵活的工作流、30多种模型架构和身份追踪方法	未提及明显局限	开发一种能够处理多动物姿态追踪的深度学习系统，以支持社会行为和自然环境中动物的研究	多动物姿态追踪系统及其在果蝇、蜜蜂、小鼠和沙鼠上的性能评估	计算机视觉, 机器学习	NA	深度学习, 计算机视觉	CNN	图像	七个数据集，涵盖四种动物（果蝇、蜜蜂、小鼠、沙鼠）	TensorFlow, PyTorch	ResNet, VGG, U-Net, EfficientNet等超过30种架构	准确率, 速度（帧每秒，FPS）, 延迟（毫秒）	NA