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
41	2025-12-23	AimSeg: A machine-learning-aided tool for axon, inner tongue and myelin segmentation 2023-11, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1010845 PMID:37976310	研究论文	本文介绍了AimSeg，一种用于轴突、内舌和髓鞘分割的生物图像分析工具，旨在自动化或辅助分析电子显微镜图像中的髓鞘结构	开发了首个能够同时分割轴突、内舌和髓鞘的机器学习辅助工具，并特别关注了传统分析中常被忽略的非致密髓鞘（内舌）的量化	工具性能依赖于在特定再髓鞘化组织上训练的机器学习分类器，可能在其他条件或组织类型上的泛化能力有限	开发一个自动化或用户辅助的工具，以高效、准确地从电子显微镜图像中分割和量化轴突、内舌及髓鞘结构，支持髓鞘形成、退化和再生的研究	中枢和周围神经系统的轴突及其包裹的髓鞘，特别是髓鞘的内舌（非致密部分）	数字病理学	NA	透射电子显微镜（TEM）成像	机器学习分类器	电子显微镜图像	NA	ilastik, Fiji	NA	NA	NA
42	2025-12-21	Deep learning-based multi-stage postoperative type-b aortic dissection segmentation using global-local fusion learning 2023-11-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/acfec7 PMID:37774717	研究论文	本文提出了一种基于深度学习的多阶段分割框架，用于术后B型主动脉夹层的分割，通过全局-局部融合学习机制提升分割精度	设计了全局-局部融合学习机制，通过补偿裁剪图像缺失的上下文特征，改善了血栓和分支血管的分割效果	未明确提及具体局限性，但可能受限于数据集规模和多样性	构建一个深度学习分割框架，用于术后B型主动脉夹层的快速准确分割，以支持患者特异性三维形态学和血流动力学分析	术后B型主动脉夹层患者的CT图像，包括真腔、假腔、血栓和分支血管	数字病理学	心血管疾病	CT成像	深度学习	医学图像	133名患者的306张随访图像	NA	NA	Dice相似系数	NA
43	2025-12-21	Radiation-induced acoustic signal denoising using a supervised deep learning framework for imaging and therapy monitoring 2023-11-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0283 PMID:37820684	研究论文	本文提出了一种基于监督深度学习的通用深度初始卷积神经网络（GDI-CNN），用于去噪辐射诱导声学信号，以显著减少平均所需的帧数，从而降低成像剂量并提高实时治疗监测的频率	开发了一种通用的深度初始卷积神经网络（GDI-CNN），该网络在每个初始块中采用多扩张卷积，能够编码和解码具有不同时间特征的信号，从而泛化处理不同辐射源产生的声学信号去噪	未明确提及具体局限性，但可能包括对训练数据质量和多样性的依赖，以及在实际临床环境中的泛化能力验证	提高辐射诱导声学成像的信号质量，减少所需平均帧数，以降低辐射剂量并增强实时治疗监测的实用性	辐射诱导声学信号，包括X射线诱导声学、质子声学和电声学信号	医学影像处理	NA	辐射诱导声学成像	CNN	声学信号	使用实验数据进行评估，具体样本数量未明确说明	NA	GDI-CNN（通用深度初始卷积神经网络）	均方误差, 峰值信噪比, 结构相似性	NA
44	2025-12-21	MAG-Res2Net: a novel deep learning network for human activity recognition 2023-11-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0ab8 PMID:37939391	研究论文	本文提出了一种名为MAG-Res2Net的新型深度学习网络，用于解决人类活动识别任务中的特征提取挑战	结合了Borderline-SMOTE数据上采样算法、基于度量学习的损失函数组合算法和Lion优化算法，提升了模型对多样化人类活动数据的处理能力	未明确说明模型在更复杂或噪声更大的现实场景中的泛化能力	开发一种能够有效处理人类活动多样性并提升识别性能的深度学习模型	人类活动识别	机器学习	NA	深度学习	CNN	传感器数据	三个公共数据集（UCI-HAR、WISDM、CSL-SHARE）	未明确说明	Res2Net	准确率, F1-macro, F1-weighted	NA
45	2025-12-21	Deep learning with fetal ECG recognition 2023-11-27, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad0ab7 PMID:37939396	研究论文	本文提出了一种基于深度学习的胎儿心电图识别新方法，通过开发跨域一致卷积神经网络来自动识别多通道心电图数据中的胎儿心电信号	开发了一种跨域一致卷积神经网络（CDC-Net），用于解决独立成分分析结果的不确定性，实现胎儿心电信号的自动识别	NA	提出一种新的胎儿心电图识别方法，以改进胎儿心电监测的自动化水平	胎儿心电信号	机器学习	心血管疾病	独立成分分析	CNN	信号数据	来自两个数据库的信号数据	NA	CDC-Net	精确率, 召回率, F1分数	NA
46	2025-12-21	Deep learning-based workflow for hip joint morphometric parameter measurement from CT images 2023-11-06, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad04aa PMID:37852280	研究论文	本文提出了一种基于深度学习的CT图像髋关节形态参数测量工作流程	首次提出了一种从粗到精的深度学习模型，用于从CT图像中精确重建髋关节几何结构（3D骨骼模型和关键标志点），并基于此开发了稳健的形态参数测量方法	未明确说明	为术前关节置换规划和生物力学模拟提供精确的髋关节形态测量	髋关节CT图像	计算机视觉	骨科疾病	CT成像	深度学习模型	CT图像	两个具有不同成像协议参数的数据集	未明确说明	未明确说明	Dice系数, 标志点预测误差, Pearson相关系数, 组内相关系数	未明确说明
47	2025-12-21	An uncertainty aided framework for learning based liverT1ρmapping and analysis 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad027e PMID:37820639	研究论文	提出一种用于基于学习的肝脏T1ρ映射的不确定性辅助框架，以提高量化结果的可靠性和准确性	提出参数图细化方法，以概率方式训练模型来建模不确定性，并利用不确定性图空间加权训练改进的T1ρ映射网络，以提升性能并移除感兴趣区域中不可靠的像素	研究仅在51名不同肝纤维化分期患者的数据集上进行测试，样本量相对有限	开发一种可靠的学习型定量MRI系统，用于肝脏T1ρ映射	肝脏病理（特别是肝纤维化）患者的定量T1ρ成像	数字病理	肝纤维化	定量T1ρ成像	深度学习模型	医学图像（MRI）	51名不同肝纤维化分期的患者	NA	NA	相对映射误差	NA
48	2025-12-21	Unified Bayesian network for uncertainty quantification of physiological parameters in dynamic contrast enhanced (DCE) MRI of the liver 2023-11-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad0284 PMID:37820640	研究论文	本文提出了一种用于肝脏动态对比增强MRI生理参数估计的深度学习框架，旨在提供准确的参数估计和不确定性量化	提出了一种统一的贝叶斯神经网络框架，通过联合最小化偶然不确定性和认知不确定性来同时估计生理参数及其不确定性	未明确说明训练数据的具体规模和多样性，且OD数据的评估可能未覆盖所有临床场景	为肝脏DCE-MRI提供准确的生理参数估计和不确定性量化方法	肝脏DCE-MRI数据，包括模拟的浓度时间曲线和患有肝肿瘤病变患者的实际数据	医学影像分析	肝肿瘤	动态对比增强MRI	贝叶斯神经网络	医学影像数据，浓度时间曲线	NA	NA	贝叶斯神经网络	均方根误差，不确定性估计	NA
49	2025-12-20	Self-supervised enhanced thyroid nodule detection in ultrasound examination video sequences with multi-perspective evaluation 2023-11-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092a PMID:37918343	研究论文	本文提出了一种基于视频的深度学习模型，用于甲状腺结节的实时检测，通过相邻帧感知和自监督学习提升性能	将甲状腺结节检测从基于图像扩展到基于视频，利用超声视频中的时间上下文信息，并引入相邻帧感知（AFP）和补丁尺度自监督模型（PASS）以应对超声图像低信噪比和低组织对比度的挑战	未明确提及，但可能包括数据集规模有限、模型泛化能力未在外部验证中测试	开发一种准确且实时的甲状腺结节检测方法，以克服超声图像的低信噪比和组织对比度问题	甲状腺结节	计算机视觉	甲状腺结节	超声检查	深度学习模型	视频序列	92个视频（包含23,773帧），其中60个标注视频（包含16,694帧）用于训练和评估	NA	相邻帧感知（AFP）模型，补丁尺度自监督模型（PASS）	AP@50（平均精度，交并比阈值为50%），平滑精确率-召回率曲线下面积	NA
50	2025-12-20	Atypical architectural distortion detection in digital breast tomosynthesis: a multi-view computer-aided detection model with ipsilateral learning 2023-11-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad092b PMID:37918341	研究论文	本文提出了一种基于解剖结构的多视图信息融合方法，用于数字乳腺断层合成图像中非典型结构扭曲的计算机辅助检测	利用同侧视图间的解剖结构信息，通过孪生网络架构和三重模块融合多视图信息，显著提升了非典型结构扭曲的检测性能	未明确说明模型在更大规模或多样化数据集上的泛化能力，以及临床部署中的实际应用限制	开发一种计算机辅助检测模型，以提高数字乳腺断层合成图像中非典型结构扭曲的检测准确率	数字乳腺断层合成图像中的乳腺结构扭曲，特别是缺乏明显放射状外观的非典型病例	计算机视觉	乳腺癌	数字乳腺断层合成	孪生网络	图像	NA	NA	孪生网络	平均真阳性分数, 每体积假阳性数, 80%灵敏度下的假阳性数	NA
51	2025-12-20	Deep learning based MLC aperture and monitor unit prediction as a warm start for breast VMAT optimisation 2023-11-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad07f6 PMID:37903442	研究论文	本文提出了一种基于深度学习的直接预测乳腺VMAT治疗中MLC孔径和MU的方法，并将其作为优化器的初始化，以缩短治疗计划时间	首次使用深度学习直接从患者解剖结构预测VMAT的MLC孔径和MU，作为优化器的“热启动”，而非传统的两步法（先预测剂量分布再转换为治疗计划）	研究仅针对右侧乳腺癌患者，样本量相对有限（148例），且未明确说明模型在其他癌症类型或解剖部位的泛化能力	开发一种自动化治疗计划方法，以缩短容积旋转调强放疗（VMAT）计划的优化时间	右侧乳腺癌患者的治疗计划	医学影像分析	乳腺癌	容积旋转调强放疗（VMAT）、CT影像投影	CNN	医学影像（CT投影图像及轮廓）	148名患者（训练集101例，验证集23例，测试集24例）	NA	U-Net	剂量差异（Gy）、计算时间	NA
52	2025-12-20	Applications of machine learning and deep learning in SPECT and PET imaging: General overview, challenges and future prospects 2023-11, Pharmacological research IF:9.1Q1 DOI:10.1016/j.phrs.2023.106984 PMID:37940064	综述	本文全面回顾了机器学习和深度学习在SPECT和PET成像中的应用、挑战及未来前景	系统整合了ML和DL在核医学成像中的多种应用，并探讨了数据标准化、可解释AI等前沿挑战与机遇	NA	概述机器学习和深度学习在SPECT和PET成像领域的应用现状与未来发展方向	SPECT和PET成像技术及其与ML/DL结合的临床应用	机器学习, 数字病理	NA	SPECT, PET	深度学习模型	成像数据	NA	NA	NA	NA	NA
53	2025-12-16	Estimation of concrete materials uniaxial compressive strength using soft computing techniques 2023-Nov, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2023.e22502 PMID:38034748	研究论文	本研究通过比较三种深度学习算法（CNN、GRU和LSTM），预测混合设计混凝土的单轴抗压强度	专注于混合设计混凝土，并微调深度学习算法，以识别预测混凝土强度的最优DL算法	未提及具体局限性	识别预测混凝土单轴抗压强度的最优深度学习算法	混合设计混凝土	机器学习	NA	NA	CNN, GRU, LSTM	实验记录数据	NA	NA	卷积神经网络, 门控循环单元, 长短期记忆网络	预测准确性	NA
54	2025-12-09	Automated evaluation with deep learning of total interstitial inflammation and peritubular capillaritis on kidney biopsies 2023-11-30, Nephrology, dialysis, transplantation : official publication of the European Dialysis and Transplant Association - European Renal Association DOI:10.1093/ndt/gfad094 PMID:37197910	研究论文	本研究开发了一种基于卷积神经网络的深度学习工具，用于自动评估肾活检中的总间质炎症和肾小管周围毛细血管炎	首次利用深度学习自动评估肾活检中的总间质炎症和肾小管周围毛细血管炎，实现了与病理学家评分的高度相关性	样本量相对有限，训练集仅包含83个肾样本，且未提及模型在其他疾病或更大数据集上的泛化能力	开发自动化工具以精确评估肾活检中的组织学标准，帮助分层患者肾脏预后并促进治疗管理	肾活检样本，包括来自多种疾病的423个样本	数字病理学	肾脏疾病	组织学评估	CNN	图像	423个肾活检样本（83个用于训练，106个用于手动与自动预测比较，234个用于自动与视觉评分比较）	NA	NA	精确率, 召回率, F分数, 相关系数, AUC, kappa系数	NA
55	2025-12-04	Deep Learning-Enabled Morphometric Analysis for Toxicity Screening Using Zebrafish Larvae 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c00593 PMID:36971266	研究论文	本文提出了一种基于深度学习的形态计量分析方法，用于斑马鱼幼虫的毒性筛查，通过自动识别异常表型和关键器官特征	首次将深度学习模型（TensorMask和Mask R-CNN）应用于斑马鱼幼虫的形态计量分析，实现八种异常表型和八种重要器官特征的定量识别，提高了毒性筛查的效率和准确性	研究仅基于2532张显微图像，可能受限于数据集的规模和多样性；模型在未标记数据集上的性能虽高，但泛化能力需进一步验证	开发一种高效的深度学习方法，用于斑马鱼幼虫的毒性筛查和形态计量分析，以识别环境污染物和化学品的危害	斑马鱼幼虫（120小时受精后）	计算机视觉	NA	亮场显微成像	CNN	图像	2532张斑马鱼幼虫的亮场显微图像，涉及三类化学品（内分泌干扰物、重金属和新兴有机污染物）的毒性筛查	TensorFlow, PyTorch	TensorMask, Mask R-CNN	平均精度均值, 准确率	NA
56	2025-12-04	Separating Daily 1 km PM2.5 Inorganic Chemical Composition in China since 2000 via Deep Learning Integrating Ground, Satellite, and Model Data 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c00272 PMID:37114869	研究论文	本研究开发了一种四维时空深度森林模型，用于估计中国自2000年以来每日1公里分辨率的PM2.5无机化学成分	通过整合地面观测、卫星遥感、大气再分析和模型模拟数据，首次实现了高时空分辨率的PM2.5化学成分长期估计	模型估计仍存在不确定性，且主要关注无机成分，有机成分未包含在内	准确估计中国PM2.5无机化学成分的时空分布，以支持环境和健康研究	中国地区的PM2.5无机化学成分（硫酸盐、硝酸盐、铵盐、氯化物）	机器学习	NA	深度森林模型，整合多源数据（地面观测、卫星遥感、大气再分析、模型模拟）	深度森林	多源数据（地面测量、卫星检索、大气再分析、模型模拟）	自2000年以来的每日数据，空间分辨率为1公里，覆盖中国全境	NA	四维时空深度森林（4D-STDF）	决定系数（CV-R²）、均方根误差（RMSE）	NA
57	2025-12-04	Exogenous Chemicals Impact Virus Receptor Gene Transcription: Insights from Deep Learning 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.2c09837 PMID:37186679	研究论文	本研究提出了一种基于图卷积网络（GCN）的深度学习模型，用于预测影响ACE2基因转录表达的外源性物质	首次利用GCN模型预测外源性物质对ACE2基因转录的影响，并强调模型的可解释性	未明确说明模型在其他病毒受体基因上的泛化能力验证情况	探究外源性物质暴露对SARS-CoV-2病毒感染的影响	ACE2基因的转录表达	机器学习	COVID-19	定量PCR	GCN	基因转录数据	NA	NA	图卷积网络	AUROC	NA
58	2025-12-04	Advancing Computational Toxicology by Interpretable Machine Learning 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c00653 PMID:37224004	综述	本文综述了可解释机器学习在计算毒理学中的应用，包括毒性特征数据、模型解释方法、知识库框架的使用以及最新应用	将可解释机器学习技术应用于计算毒理学，以揭示毒性机制并阐明毒性模型的领域知识，解决传统“黑箱”模型难以解释的问题	NA	促进计算毒理学的发展，通过可解释机器学习模型辅助新化学物质评估并阐明人类毒性机制	药物、消费品和环境化学物质的毒性预测	机器学习	NA	机器学习, 深度学习	NA	毒性特征数据	NA	NA	NA	NA	NA
59	2025-12-04	Deep-Learning-Based Automated Tracking and Counting of Living Plankton in Natural Aquatic Environments 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.3c00253 PMID:37207295	研究论文	提出一种基于深度学习的自动化视频导向浮游生物跟踪工作流（AVPTW），用于连续监测水生环境中活体浮游生物的丰度	开发了AVPTW，首次实现基于深度学习的自动化视频采集、背景校准、检测、跟踪、校正和统计，用于在线监测移动浮游生物，并展示其对环境变化的敏感性	AVPTW仅对移动浮游生物敏感，可能无法准确计数静止或缓慢移动的浮游生物	开发自动化工具以高效监测水生环境中浮游生物的时空变化，用于环境风险评估	自然水生环境中的活体浮游生物，包括移动的浮游动物和浮游植物	计算机视觉	NA	视频采集与深度学习分析	深度学习模型（具体未指定，如CNN）	视频	使用受污染河流和未受污染湖泊的自然水样进行验证	NA	NA	准确性（通过与显微镜计数对比验证）	NA
60	2025-12-04	Real-Time Sensor Data Profile-Based Deep Learning Method Applied to Open Raceway Pond Microalgal Productivity Prediction 2023-11-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.2c07578 PMID:37234045	研究论文	本文提出了一种基于传感器参数剖面图图像的深度学习方法，用于预测开放式跑道池微藻生产力	首次将图像处理与深度学习结合，利用远程监测的传感器数据预测微藻生产力，无需物理测量或特定地点校准	未考虑生物过程参数（如生物质密度、水力停留时间和营养浓度），可能影响预测的全面性	开发一种低成本工具，用于微藻生产和运营预测，通过远程监测数据有效预测开放式跑道池生产力	开放式跑道池微藻生产力	计算机视觉	NA	传感器监测（pH、溶解氧、温度、光合有效辐射、总溶解固体）	深度学习	图像（传感器参数剖面图）	来自美国5个州32个开放式跑道池的598个生产力数据和数百万条传感器记录	NA	NA	R²	NA