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
801	2026-07-04	Anatomically plausible segmentations: Explicitly preserving topology through prior deformations 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103222 PMID:38936222	研究论文	提出TEDS-Net分割网络，通过学习拓扑保持场变形先验，在保证分割性能的同时保留解剖拓扑结构	首次在分割网络中显式利用拓扑保持场确保解剖结构拓扑正确性，并引入额外修改增强离散域中的拓扑保持效果	主要针对单个结构的拓扑保持，整体场景拓扑表现仍有限制	确保医学图像分割结果拓扑正确，避免影响下游临床图像处理任务	开源医学心脏数据集中的单结构与多结构分割	医学图像分割	心血管疾病	NA	CNN	图像	开源心脏数据集（未说明具体数量）	PyTorch	TEDS-Net（基于变形场的分割网络）	分割性能指标（如Dice系数）、拓扑保持指标（折叠体素数量）	NA
802	2026-07-04	Single-detector multiplex imaging flow cytometry for cancer cell classification with deep learning 2024-09, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24890 PMID:39101554	研究论文	开发了一种单探测器多路成像流式细胞仪，结合深度学习实现癌细胞分类	通过空间波分复用技术实现单探测器同时获取明场和多色荧光图像，并设计包含U-net、VDSR和VGG19三种深度学习网络的图像处理方法	未提及	开发一种单探测器多路成像流式细胞仪并用于癌细胞自动分类	三种卵巢细胞系（IOSE80正常细胞、A2780和OVCAR3癌细胞）	数字病理学	卵巢癌	成像流式细胞术	CNN	图像	三种卵巢细胞系（未提及具体细胞数量）	NA	U-net, VDSR (very deep super resolution), VGG-19	准确率	NA
803	2026-07-04	Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis 2024-Sep, Korean journal of neurotrauma DOI:10.13004/kjnt.2024.20.e30 PMID:39372118	研究论文	本研究探讨使用预训练深度学习模型Wav2Vec对帕金森病语音障碍患者进行语音转文本分析的可行性	首次将预训练Wav2Vec模型应用于帕金森病语音障碍的语音转文本分析，验证其在临床评估中的潜力	样本量较小（仅20例），数据集规模有限可能影响模型泛化能力；仅使用了公开数据集的单次录音，缺乏多时间点或多样化样本的验证	探究预训练深度学习模型（Wav2Vec）在帕金森病语音障碍患者语音转文本分析中的有效性，为临床诊断和评估工具开发提供基础	帕金森病语音障碍患者和健康对照组的语音录音数据	自然语言处理	帕金森病	语音转文本分析	Wav2Vec	语音录音	20例（包括帕金森病患者和健康对照组）	PyTorch	Wav2Vec	准确率	NA
804	2026-07-04	Deep Learning-based Segmentation of Computed Tomography Scans Predicts Disease Progression and Mortality in Idiopathic Pulmonary Fibrosis 2024-08-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202311-2185OC PMID:38452227	研究论文	基于深度学习的CT扫描分割预测特发性肺纤维化的疾病进展和死亡率	首次利用深度学习自动分割CT扫描中的四种解剖学生物标志物，并在大型队列中验证其预测预后价值	NA	开发基于深度学习的CT扫描自动分割成像生物标志物，以预测特发性肺纤维化的疾病进展和死亡风险	特发性肺纤维化（IPF）患者	计算机视觉	特发性肺纤维化	CT扫描	深度学习	图像	446名PROFILE队列患者，另有一个英国队列用于外部验证	NA	NA	NA	NA
805	2026-07-04	Comprehensive data analysis of white blood cells with classification and segmentation by using deep learning approaches 2024-07, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24839 PMID:38563259	研究论文	使用深度学习方法对白细胞进行分类和分割的综合数据分析	首次结合四种不同数据集进行白细胞分类，并在分割中使用CNN、UNet和SegNet三种神经网络	未提及具体局限性	通过深度学习方法实现白细胞的分类和分割，提高诊断工具的性能	人类外周血白细胞	计算机视觉	NA	显微镜成像	CNN, UNet, SegNet	图像	四种不同数据集的混合	NA	CNN, UNet, SegNet	平衡准确率, 测试准确率	NA
806	2026-07-04	Segmentation, feature extraction and classification of leukocytes leveraging neural networks, a comparative study 2024-07, Cytometry. Part A : the journal of the International Society for Analytical Cytology DOI:10.1002/cyto.a.24832 PMID:38420862	研究论文	通过对比机器学习与深度学习方法，研究白细胞分割、特征提取与分类的性能	首次系统比较传统机器学习（K-means）与深度学习（U-Net、U-Net+ResNet18/34）在白细胞分割中的表现，并评估多种深度网络（AlexNet、VGG16、ResNet18）在特征提取与分类中的效果	未提及对多中心数据集或真实临床环境的验证，可能限制泛化能力	评估并比较不同机器学习与深度学习方法在白细胞自动化分类中的表现	白细胞	计算机视觉	非特定疾病（涉及白血病）	血涂片显微镜成像	CNN、U-Net、ResNet、AlexNet、VGG16	图像	CellaVision、BCCD、ALL-IDB2、PCB-HBC四个数据集的具体样本量未明确给出	PyTorch, TensorFlow	U-Net, ResNet18, ResNet34, AlexNet, VGG16	准确率	NA
807	2026-07-04	Improved image quality in contrast-enhanced 3D-T1 weighted sequence by compressed sensing-based deep-learning reconstruction for the evaluation of head and neck 2024-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.02.006 PMID:38340971	研究论文	评估基于压缩感知的深度学习重建技术对比传统压缩感知方法在头颈部脂肪抑制对比增强三维T1加权像中图像质量的提升	将深度学习重建集成到压缩感知去噪循环中，首次在头颈部对比增强三维T1加权像中系统比较了有无深度学习的重建效果，显示出图像质量的显著提升	未提及	评估深度学习结合压缩感知的重建方法在头颈部脂肪抑制对比增强三维T1加权像中的图像质量改善效果	39例接受头颈部脂肪抑制对比增强三维T1加权像扫描的患者	数字病理学	头颈部疾病	NA	深度学习	图像	39例患者的头颈部脂肪抑制对比增强三维T1加权像数据	NA	NA	信噪比, 对比度噪声比	NA
808	2026-07-04	Deep learning methods in metagenomics: a review 2024-04, Microbial genomics IF:4.0Q2 DOI:10.1099/mgen.0.001231 PMID:38630611	综述	综述深度学习在宏基因组学中的应用方法	系统总结了卷积网络、自编码器和注意力模型等深度学习方法在宏基因组学中的创新应用，并强调模型可解释性的重要性	NA	概述深度学习在宏基因组数据分析中的最新进展与应用潜力	宏基因组数据，特别是人类肠道微生物组的相关数据	机器学习	NA	宏基因组测序	卷积神经网络、自编码器、注意力模型	测序数据	NA	NA	CNN、Autoencoder、Attention-based models	NA	NA
809	2026-07-04	A convolutional neural network-based system for fully automatic segmentation of whole-body [68Ga]Ga-PSMA PET images in prostate cancer 2024-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06555-z PMID:38095671	研究论文	开发并评估一个基于nnU-Net的全自动工具，用于在前列腺癌患者的全身[68Ga]Ga-PSMA PET图像中检测和分割病变	首次提出基于自配置nnU-Net框架的全3D卷积神经网络，实现全身[68Ga]Ga-PSMA PET图像中的转移性前列腺癌病变的全自动分割，并在多中心数据上验证	研究未明确提及存在的局限性	开发并评估一个全自动分割工具，用于检测和分割全身[68Ga]Ga-PSMA PET图像中的转移性前列腺癌病变	前列腺癌患者全身[68Ga]Ga-PSMA PET/CT图像	计算机视觉	前列腺癌	PET/CT成像	卷积神经网络（CNN）	图像（PET/CT扫描）	412名患者来自三个不同中心，其中200例用于训练	nnU-Net	nnU-Net	准确率，敏感性，阳性预测值，阴性预测值，F1分数，Dice相似系数，交并比	NA
810	2026-07-04	Automated identification of uncertain cases in deep learning-based classification of dopamine transporter SPECT to improve clinical utility and acceptance 2024-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06566-w PMID:38133688	研究论文	设计并验证一种基于深度卷积神经网络的不确定性检测模块，用于自动识别多巴胺转运蛋白SPECT图像分类中的不确定病例	提出一种基于高灵敏度与高特异性网络集成不一致性的不确定性检测方法，优于传统的sigmoid、dropout和模型平均方法	研究仅限于[123I]FP-CIT配体及二分类任务，未探索其他配体或多分类场景	提高深度学习分类系统在临床中的实用性和接受度，通过不确定性检测有效识别高风险误分类病例	多巴胺转运蛋白SPECT图像，特别是[123I]FP-CIT配体成像	计算机视觉	神经退行性疾病	SPECT成像	卷积神经网络	医学影像	内部数据集1740例（训练1250，测试490），两个独立测试集各640和645例	NA	卷积神经网络	准确率	NA
811	2026-07-03	Autonomous detection of nail disorders using a hybrid capsule CNN: a novel deep learning approach for early diagnosis 2024-12-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02840-5 PMID:39736622	研究论文	提出一种混合胶囊CNN模型，用于自动识别六种指甲疾病，实现早期诊断	首次将混合胶囊CNN模型应用于指甲疾病分类，克服了传统CNN的空间层次缺陷，并通过动态路由增强对图像变换的鲁棒性	NA	开发基于深度学习的自动分类系统，用于早期诊断六种指甲疾病	六种指甲疾病：蓝指甲、杵状指、凹点、甲钩、肢端黑色素瘤和正常指甲	计算机视觉	指甲疾病	NA	混合胶囊CNN	图像	使用指甲疾病检测数据集，具体样本数未提及	NA	混合胶囊CNN、基础CNN	分类准确率、精确率、召回率	NA
812	2026-07-03	Target informed client recruitment for efficient federated learning in healthcare 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02798-4 PMID:39696193	研究论文	提出一种基于本地硬件和目标分布信息的高效联邦学习客户端招募方法，用于医疗场景	将本地目标分布偏差、样本量和硬件效率整合到客户端代表性评估中，实现联邦学习子集招募，显著降低训练时间而不损害预测性能	可能依赖特定硬件环境，且需客户端提供本地分布信息，存在隐私泄露风险	优化联邦学习中的客户端选择和通信效率，减少训练时间和数据需求	医疗领域的回归和分类任务	机器学习	NA	NA	NA	NA	NA	NA	NA	预测性能、训练时间	NA
813	2026-07-03	Reduced-dose deep learning iterative reconstruction for abdominal computed tomography with low tube voltage and tube current 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02811-w PMID:39696218	研究论文	研究深度学习迭代重建算法在低管电压和低管电流下减少腹部CT辐射剂量并提高图像质量的可行性	首次在低管电压（80 kV）和低管电流条件下应用深度学习迭代重建（Deep IR）算法，实现辐射剂量降低69.94%同时改善图像质量	研究样本量较小（60例患者），且未对比其他深度学习重建方法或更高管电压设置	验证Deep IR算法在低辐射剂量腹部CT中的临床应用价值	60例接受腹部门静脉期CT检查的患者	计算机视觉	NA	腹部CT扫描	深度学习迭代重建（Deep IR）	CT图像	60例患者（男/女：36/24，年龄57.72±10.19岁）	NA	深度学习迭代重建（Deep IR）	CT值标准差、信噪比、对比噪声比、主观评分（5分制）	NA
814	2026-07-03	Early prediction of mortality upon intensive care unit admission 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02807-6 PMID:39696315	研究论文	开发和验证机器学习模型，在入住重症监护室时即预测成年危重患者的死亡率	首次在ICU入院时刻即利用机器学习模型预测死亡率，并对比了逻辑回归、梯度提升树和深度学习算法的性能	数据仅来自两家教学医院，可能影响泛化性；预测性能对于死亡率较低的群体仍有提升空间	早期预测危重患者ICU死亡风险	入住ICU的成年危重患者	机器学习	重症监护	NA	逻辑回归、梯度提升树、深度学习	表格数据	79,657次入院记录	NA	NA	AUC-ROC、AUC-PR	NA
815	2026-07-03	Application of deep learning in wound size measurement using fingernail as the reference 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02778-8 PMID:39696347	研究论文	提出一种结合三个深度学习模型、以指甲为参照的自动伤口尺寸测量系统	以指甲作为参照物，无需手动描画伤口和参考标记，实现自动伤口尺寸测量，提升家庭护理场景的便捷性和可及性	未明确提及局限性，但可推测系统依赖于照片质量及指甲宽度转换准确性，可能受拍摄条件影响	开发一种快速、易用的自动伤口尺寸测量系统，改善慢性伤口护理中的用户体验	慢性伤口照片和指甲图像	计算机视觉	慢性伤口	深度学习	CNN（卷积神经网络）	图像	248张图像用于模型训练和评估，30名参与者用于用户体验分析	NA	Mask R-CNN, Yolov5, U-Net	Pearson相关系数, 平均精度均值, 交并比, 像素准确率	NA
816	2026-07-03	A prior-knowledge-guided dynamic attention mechanism to predict nocturnal hypoglycemic events in type 1 diabetes 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02761-3 PMID:39696373	研究论文	提出了一种结合先验知识引导的动态注意力机制的深度学习框架，用于预测1型糖尿病患者的夜间低血糖事件	提出了先验知识引导的动态注意力机制，增强了网络的学习能力和可解释性，实现了从多尺度多维数据中全面提取信息	仅使用一个公开临床数据集进行验证，可能限制了模型的泛化能力和在不同人群中的适用性	通过深度学习框架改进夜间低血糖事件的预测准确性和实用性	1型糖尿病患者的夜间低血糖事件	机器学习	1型糖尿病	NA	深度学习	临床数据	一个公开临床数据集	NA	动态注意力机制	F1分数	NA
817	2026-07-03	Deep caries detection using deep learning: from dataset acquisition to detection 2024-12-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06068-5 PMID:39621193	研究论文	提出基于深度学习的龋齿检测方法，利用最新YOLO模型从图像数据集中学习以提升早期龋齿诊断的准确性	首次将YOLOv7、YOLOv8和YOLOv9应用于龋齿检测，通过对比分析展示YOLOv8的最高性能（mAP@0.5为0.982），并强调其在资源受限环境中的临床潜力	仅依赖3200余张图像数据集，未提及外部验证或跨人群泛化性评估，且模型对早期龋齿的灵敏度未明确分析	通过深度学习技术提高龋齿早期检测的准确性和效率，特别是在低收入和中等收入国家中减少未治疗龋齿带来的健康负担	牙科龋齿病变，包括普通龋齿、深龋及排除类别	计算机视觉	龋齿	NA	卷积神经网络（CNN-based目标检测）	口腔X线图像（咬翼片）	超过3200张牙科X线图像	PyTorch	YOLOv7, YOLOv8, YOLOv9	平均精度均值（mAP@0.5 IoU）	NA
818	2026-07-03	Automatic jawbone structure segmentation on dental CBCT images via deep learning 2024-11-28, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06061-y PMID:39604672	研究论文	提出一种基于深度学习的双阶段系统，用于自动分割牙颌骨结构，包括下颌皮质骨、下颌松质骨、上颌皮质骨和上颌松质骨	开发了针对锥形束CT图像中牙颌骨结构的双阶段深度学习自动分割系统，并评估了牙齿和质量异常对分割性能的影响	未明确提及训练数据多样性或模型泛化性的具体局限	开发和评估一种自动分割牙颌骨结构的深度学习系统，以提高数字牙科工作流的效率和准确性	下颌皮质骨、下颌松质骨、上颌皮质骨和上颌松质骨在锥形束CT图像上的分割	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	图像	155例锥形束CT扫描，采集参数不同	NA	NA	Dice相似系数（DSC），平均对称表面距离（ASSD）	NA
819	2026-07-03	Longitudinal Assessment of Tumor-Infiltrating Lymphocytes in Primary Breast Cancer Following Neoadjuvant Radiation Therapy 2024-11-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.04.065 PMID:38677525	研究论文	该论文通过临床样本纵向分析，研究新辅助放疗对乳腺癌肿瘤浸润淋巴细胞动态变化的影响	首次纵向评估新辅助放疗前后及期间肿瘤浸润淋巴细胞的动态变化，并结合深度学习进行细胞级与组织级联合分析	NA	探究新辅助放疗对乳腺癌肿瘤免疫微环境（尤其是肿瘤浸润淋巴细胞）的影响及其与病理完全缓解和长期预后的关联	来自PRADA和Neo-RT临床试验的乳腺癌患者样本，包括肿瘤组织及外周血	数字病理学, 机器学习	乳腺癌	NA	深度学习模型	图像（病理组织切片）, 数值（外周血淋巴细胞计数）	PRADA和Neo-RT临床试验中的乳腺癌患者队列	NA	SuperTIL深度学习模型（细胞级与组织级组合分析）	病理完全缓解预测的一致性, 手动评分与深度学习评分的一致性	NA
820	2026-07-03	Adversarial EM for variational deep learning: Application to semi-supervised image quality enhancement in low-dose PET and low-dose CT 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103291 PMID:39121545	研究论文	提出了一种基于对抗期望最大化的变分深度学习框架，用于低剂量PET和CT图像质量提升	首次将对抗学习与期望最大化结合到变分深度神经网络中，提出多尺度潜空间编码器-解码器架构，并使用广义高斯模型实现数据特定的鲁棒统计建模，同时开发了半监督版本以减少对正常剂量图像的依赖	未明确讨论计算复杂度或大规模临床验证，且模型性能可能受限于训练数据分布和超参数调优	开发新的深度学习框架以提升低剂量PET和CT图像质量，同时减少对配对正常剂量图像的依赖	低剂量PET和CT图像的质量增强	数字病理学, 计算机视觉	NA	PET, CT	变分自编码器, 生成对抗网络	图像	真实世界PET和CT数据（具体样本量未说明）	PyTorch	编码器-解码器, 多尺度潜空间	峰值信噪比, 结构相似性指数, 均方误差	NA