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	2026-05-17	Image Quality Classification for Automated Visual Evaluation of Cervical Precancer 2022-Sep, Medical image learning with limited and noisy data : first international workshop, MILLanD 2022, held in conjunction with MICCAI 2022, Singapore, September 22, 2022, proceedings. MILLanD (Workshop) (1st : 2022 : Singapore) DOI:10.1007/978-3-031-16760-7_20 PMID:36315110	研究论文	提出一种深度学习集成框架，用于宫颈癌前病变自动视觉评估的图像质量分类	集成网络框架包含宫颈检测、错误标签识别和质量分类三大模块，自动识别错误标签和模糊图像以提升分类性能	未提及具体局限性	提升宫颈癌前病变自动视觉评估的图像质量分类性能	宫颈癌前病变筛查中的宫颈图像	计算机视觉	宫颈癌	NA	深度学习集成框架	图像	来自全球不同机构、设备和地区的14,183名患者的87,420张图像	NA	集成网络（包含宫颈检测网络、错误标签识别网络和质量分类网络）	准确率	NA
2	2026-05-12	Hierarchical Individual Naturalistic Functional Brain Networks with Group Consistency Uncovered by a Two-Stage NAS-Volumetric Sparse DBN Framework 2022 Sep-Oct, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0200-22.2022 PMID:35995557	研究论文	提出了一种两阶段神经架构搜索与体积稀疏深度信念网络模型，用于从自然范式功能磁共振成像数据中识别具有群体一致性和个体独特性的分层功能脑网络	首次将神经架构搜索与体积稀疏深度信念网络结合，自动优化网络架构以建模自然范式fMRI数据，同时兼顾群体一致性与个体变异性	未提及	从自然范式fMRI数据中自动识别具有群体一致性和个体独特性的分层时空脑功能特征	自然范式下的人脑功能网络及时间特征	机器学习	NA	NfMRI	深度信念网络 (DBN)	fMRI体积图像	NA	NA	两阶段神经架构搜索, 体积稀疏深度信念网络	群体一致性, 个体独特性	NA
3	2026-05-04	One Clinician Is All You Need-Cardiac Magnetic Resonance Imaging Measurement Extraction: Deep Learning Algorithm Development 2022-Sep-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/38178 PMID:35960155	研究论文	本研究开发了一种基于预训练Transformer语言模型的深度学习算法，通过少量专家标注从心脏磁共振成像临床报告中提取21项测量指标	使用预训练Transformer模型实现标签高效的数字提取，无需大量专家标注或人工规则，探索临床预训练和数字表示方法对性能的影响	未明确提及限制，但论文指出模型性能因测量类型而异（如左心房前后径F1=0.92），且工作流程需在实际应用中进一步验证	开发标签高效的方法从非结构化临床文本中自动提取CMR测量值，支持临床研究	多机构医疗系统中的心脏磁共振成像临床报告	自然语言处理	心血管疾病	N/A	Transformer	文本	99,252名患者（12,720份CMR报告，其中370份经临床医生标注）	PyTorch	Transformer	宏平均F1分数	N/A
4	2026-04-01	PK-RNN-V E: A deep learning model approach to vancomycin therapeutic drug monitoring using electronic health record data 2022-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104166 PMID:35985620	研究论文	本文提出了一种基于深度学习的万古霉素药代动力学预测模型（PK-RNN-V E），利用大规模电子健康记录数据进行治疗药物监测	利用大型电子健康记录数据集开发深度学习模型，能够处理实时稀疏和不规则观测数据，提供动态预测，相比传统贝叶斯模型具有更优性能	模型仅在特定患者群体（5,483名患者）中开发，可能未涵盖所有真实世界患者多样性	开发用于万古霉素治疗药物监测的深度学习药代动力学预测模型	万古霉素治疗患者	机器学习	NA	电子健康记录数据分析	RNN	电子健康记录数据	5,483名患者，55,336次万古霉素给药	NA	PK-RNN-V E	均方根误差	NA
5	2026-03-24	Evaluation of different registration methods and dental restorations on the registration duration and accuracy of cone beam computed tomography data and intraoral scans: a retrospective clinical study 2022-Sep, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-022-04533-7 PMID:35538331	研究论文	本研究评估了不同配准方法及牙齿修复体比例对锥形束CT与口内扫描数据配准时长和准确性的影响	首次结合深度学习平台与多种传统配准软件，系统性分析牙齿修复体比例对配准性能的影响	样本量较小（36例患者），且为单操作者回顾性研究，可能存在操作偏倚	比较不同配准方法在虚拟种植规划中的效率与精度差异	锥形束CT数据与口内扫描的三维模型	医学影像分析	牙科疾病	锥形束CT扫描, 口内扫描	深度学习模型	三维医学影像数据	36例患者（每人单颌数据）	未明确说明	未明确说明	配准精度（三维模型间距离测量）, 时间消耗	未明确说明
6	2026-03-02	Interpretable deep learning of myelin histopathology in age-related cognitive impairment 2022-09-21, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-022-01425-5 PMID:36127723	研究论文	本研究利用可解释的深度学习技术，通过全切片图像分析人脑尸检组织，以预测年龄相关认知障碍，并识别与认知障碍相关的髓鞘病理特征	首次将弱监督多示例学习算法应用于人脑尸检全切片图像，以无偏方式识别与认知障碍相关的组织病理学变化，并通过注意力分析定位关键亚区域和细胞特征	认知标签存在噪声，模型预测准确度仅为中等水平，且仅研究了内侧颞叶和额叶皮层两个脑区	开发一种可扩展且可解释的深度学习平台，以无偏方式识别与年龄相关认知障碍相关的组织病理学变化	老年捐赠者的人脑尸检组织切片	数字病理学	老年疾病	全切片成像	多示例学习	图像	716名捐赠者（367名有认知障碍，349名无认知障碍）	NA	NA	准确度	NA
7	2026-03-02	Clinical validation of deep learning algorithms for radiotherapy targeting of non-small-cell lung cancer: an observational study 2022-09, The Lancet. Digital health DOI:10.1016/S2589-7500(22)00129-7 PMID:36028289	研究论文	本研究通过多中心数据验证了深度学习模型在非小细胞肺癌放疗靶区勾画中的临床效用	提出了一个全面的临床验证策略，包括观察者间/内基准测试、主要验证、功能验证和终端用户测试，并发现几何分割指标可能与临床效用不相关	研究数据来自2001年至2015年，可能无法完全反映当前临床实践；专家分割风格和偏好可能影响模型性能	临床验证深度学习算法在非小细胞肺癌放疗靶区勾画中的准确性和实用性	非小细胞肺癌患者和受累淋巴结的CT图像	数字病理学	肺癌	CT成像	深度学习模型	CT图像	2208名患者（787名用于模型发现，1421名用于模型验证，其中28名用于终端用户测试）	NA	NA	体积Dice系数, 表面Dice系数, 分割时间减少百分比, 观察者间变异性减少百分比	NA
8	2025-11-13	Two-Stage Selective Ensemble of CNN via Deep Tree Training for Medical Image Classification 2022-Sep, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2021.3061147 PMID:33705343	研究论文	提出一种通过深度树训练的两阶段选择性CNN集成方法用于医学图像分类	提出深度树训练策略和两阶段选择性集成方法，通过分层训练CNN隐藏层缓解梯度消失问题并优化集成分类器	仅在有限数量的医学图像数据集上进行验证，未涉及大规模多中心数据	解决医学图像分类中因数据量有限导致的过拟合、局部最优和梯度消失问题	医学图像分类任务	计算机视觉	NA	深度学习	CNN	图像	CIFAR-10基准数据集和两个特定医学图像数据集	NA	CNN	准确率, 敏感度, 特异度, F1分数	NA
9	2025-11-13	Multiparametric Functional MRI of the Kidney: Current State and Future Trends with Deep Learning Approaches 2022-09, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-1775-8633 PMID:35272360	综述	本文综述了肾脏多参数功能磁共振成像的现状及深度学习应用前景	探讨深度学习在多参数fMRI数据分析和后处理中的创新应用	目前多参数fMRI在肾脏的应用主要局限于研究领域，缺乏标准化采集和后处理协议	评估肾脏功能并优化多参数fMRI在肾脏疾病诊断中的应用	肾脏	医学影像分析	肾脏疾病	多参数功能磁共振成像	深度学习	磁共振影像	NA	NA	NA	NA	NA
10	2025-11-13	Evaluation of deep learning reconstructed high-resolution 3D lumbar spine MRI 2022-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08708-4 PMID:35322280	研究论文	评估深度学习重建的高分辨率3D腰椎MRI图像质量与观察者间一致性	首次将深度学习重建技术应用于3D T2加权快速自旋回波腰椎MRI，并与标准重建和2D成像进行系统比较	样本量较小（35例患者），单中心回顾性研究设计	比较不同MRI重建方法在腰椎成像中的性能差异	腰椎MRI图像	医学影像分析	脊柱疾病	MRI，T2加权快速自旋回波序列	深度学习重建算法	3D医学影像	35例患者（平均年龄58±19岁，26名女性）	NA	NA	Conger's kappa，图像质量评分	NA
11	2025-11-13	Deep learning reconstruction for 1.5 T cervical spine MRI: effect on interobserver agreement in the evaluation of degenerative changes 2022-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08729-z PMID:35348861	研究论文	本研究探讨深度学习重建技术在1.5T颈椎MRI中对退行性病变评估的影响	首次在1.5T颈椎MRI中应用深度学习重建技术，证明其能提高图像质量且不增加扫描时间	样本量较小（21名志愿者），仅评估了两种采集次数情况	评估深度学习重建对1.5T颈椎MRI图像质量和观察者间一致性的影响	21名志愿者（17名男性，平均年龄42.4±11.9岁）的颈椎MRI数据	医学影像分析	脊柱退行性疾病	MRI, 深度学习重建	深度学习	医学影像	21名志愿者	NA	NA	Cohen's加权kappa值, p值	NA
12	2025-11-13	Artificial intelligence-based detection of atrial fibrillation from chest radiographs 2022-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-022-08752-0 PMID:35357542	研究论文	开发基于人工智能的深度学习模型，通过胸部X光片检测心房颤动特征	首次利用深度学习模型从静态胸部X光片中识别心房颤动，为放射科医生提供了新的AF推断方法	回顾性研究，数据来自单一机构，可能存在选择偏倚	开发AI模型检测胸部X光片中的心房颤动特征	接受超声心动图检查患者的胸部X光片	医学影像分析	心血管疾病	深度学习	深度学习模型	胸部X光图像	总计13,868张图像（7,045名患者），训练集11,105张（5,637名患者），验证集1,388张（704名患者），测试集1,375张（706名患者）	NA	NA	AUC, 敏感度, 特异度, 准确度	NA
13	2025-10-06	SODA: Detecting COVID-19 in Chest X-Rays With Semi-Supervised Open Set Domain Adaptation 2022 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics DOI:10.1109/TCBB.2021.3066331 PMID:33729944	研究论文	提出一种半监督开放集域自适应方法SODA，用于在胸部X光片中检测COVID-19	首次将COVID-19胸部X光图像分类问题建模为半监督开放集域自适应问题，提出SODA方法在通用域空间和源目标数据共同子空间中对齐数据分布	COVID-19胸部X光数据集规模相对较小	开发自动检测胸部X光片中COVID-19疾病的深度学习方法	胸部X光图像	计算机视觉	COVID-19	胸部X光成像	CNN	图像	小规模COVID-19胸部X光数据集	NA	NA	分类性能，病理定位	NA
14	2025-10-06	Emphysema Progression at CT by Deep Learning Predicts Functional Impairment and Mortality: Results from the COPDGene Study 2022-09, Radiology IF:12.1Q1 DOI:10.1148/radiol.213054 PMID:35579519	研究论文	本研究使用深度学习算法评估吸烟者连续CT扫描中肺气肿严重程度的变化，并分析其与功能损害和死亡率的关系	首次使用深度学习算法自动评估Fleischner肺气肿分级系统在连续CT扫描中的进展，并验证其与临床预后的关联	研究为对已有前瞻性研究的二次分析，可能存在选择偏倚	评估基于深度学习的肺气肿严重程度分级在连续CT扫描中的临床和影像学意义	COPDGene研究中的吸烟者参与者	医学影像分析	慢性阻塞性肺疾病	CT扫描	深度学习	医学影像	5056名参与者（平均年龄60岁±9，2566名男性）	NA	NA	风险比, 统计显著性	NA
15	2025-10-06	Transfer learning for cognitive reserve quantification 2022-09, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2022.119353 PMID:35667639	研究论文	本研究开发了一种基于深度学习的认知储备量化方法，通过结构磁共振成像数据评估个体认知差异	首次使用迁移学习框架将基于健康人群开发的认知储备量化模型推广到阿尔茨海默病患者群体	研究依赖于特定脑图谱的感兴趣区测量，可能未涵盖所有相关脑区特征	开发可泛化的认知储备量化模型并验证其跨数据集和人群的适用性	健康成年人和阿尔茨海默病患者的脑结构影像数据	医学影像分析	阿尔茨海默病	结构磁共振成像	CNN	脑结构影像	三个队列共2056名参与者（RANN:495名健康成人，HCPA:620名健康成人，ADNI:941名成人）	NA	级联神经网络	线性相关系数	NA
16	2025-06-10	Generic image application using GANs (Generative Adversarial Networks): A Review 2022-Sep-30, Evolving systems IF:2.7Q3 DOI:10.1007/s12530-022-09464-y PMID:40479410	review	本文对生成对抗网络（GAN）进行了全面回顾，总结了GAN的理论基础、应用目的、模型变体及最新进展	提供了GAN在图像处理中的多种应用及其优缺点的详细概述	GAN的稳定训练仍是一个挑战	对GAN相关文献进行全面评估，总结现有知识	生成对抗网络（GAN）及其在图像处理中的应用	machine learning	NA	NA	GAN	image	NA	NA	NA	NA	NA
17	2025-10-06	A new metaheuristic optimization model for financial crisis prediction: Towards sustainable development 2022-Sep, Sustainable computing : informatics and systems DOI:10.1016/j.suscom.2022.100778 PMID:37521169	研究论文	提出一种基于政治优化器深度神经网络(OD-PODNN)的异常检测模型用于金融危机预测	结合隔离森林异常检测与政治优化器优化DNN超参数，提升金融危机预测准确率	仅使用三个数据集验证，未说明数据合法性问题的具体解决方案	通过优化机器学习模型提高金融危机预测准确率以支持可持续发展	企业财务状态（成功/失败）	机器学习	NA	异常检测，超参数优化	深度神经网络，隔离森林	财务数据	三个不同数据集	NA	DNN，iForest	准确率	NA
18	2025-10-06	Attention mechanism and mixup data augmentation for classification of COVID-19 Computed Tomography images 2022-Sep, Journal of King Saud University. Computer and information sciences DOI:10.1016/j.jksuci.2021.07.005 PMID:38620953	研究论文	提出结合注意力机制和mixup数据增强的深度学习方法用于COVID-19 CT图像分类	在卷积神经网络中引入特征级注意力层增强判别性特征，并采用mixup数据增强技术提升性能	NA	开发计算机辅助诊断系统实现COVID-19 CT图像的自动分类	COVID-19 CT图像	计算机视觉	COVID-19	计算机断层扫描(CT)	CNN	医学图像	NA	NA	ResNet50	准确率	NA
19	2025-05-31	Brain Lesion Synthesis via Progressive Adversarial Variational Auto-Encoder 2022-Sep-21, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop) DOI:10.1007/978-3-031-16980-9_10 PMID:39026926	研究论文	提出了一种渐进式对抗变分自编码器（PAVAE）框架，用于合成脑部病变图像以增强训练数据集的量和多样性	设计了条件嵌入块（CEB）和掩码嵌入块（MEB）来编码掩码的固有条件到特征空间，以更好地利用外部信息提供额外的监督	需要大量标注数据进行训练，而收集新兴治疗如LITT的大数据集是不现实的	通过合成脑部病变图像来增强训练数据集，以提升下游分割任务的性能	脑部病变图像	计算机视觉	颞叶癫痫	深度学习	CNN, 对抗变分自编码器	图像	NA	NA	NA	NA	NA
20	2025-05-23	Integrated imaging and molecular analysis to decipher tumor microenvironment in the era of immunotherapy 2022-09, Seminars in cancer biology IF:12.1Q1 DOI:10.1016/j.semcancer.2020.12.005 PMID:33290844	综述	本文系统回顾了免疫治疗时代下的放射基因组学最新研究，探讨了AI和深度学习方法的新兴范式与机遇	整合影像学和分子分析以非侵入性方式解析肿瘤微环境，特别是在免疫治疗中的应用	未提及具体技术或模型的性能限制	探索放射基因组学在癌症精准治疗中的临床应用潜力	肿瘤微环境，特别是肿瘤浸润淋巴细胞	数字病理	癌症	放射组学，AI，深度学习	NA	影像	NA	NA	NA	NA	NA