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
281	2026-04-12	Characterizing chromatin folding coordinate and landscape with deep learning 2020-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1008262 PMID:32986691	研究论文	本研究应用深度学习中的变分自编码器分析单细胞成像揭示的染色质结构波动与异质性，以识别染色质折叠的反应坐标	首次将变分自编码器与统计力学分析结合，用于解析染色质结构集合，揭示了黏连蛋白缺失细胞中染色质折叠的中间态与能量景观	研究主要基于单细胞成像数据，可能受限于成像分辨率与样本数量，且能量稳定性的理论分析需进一步实验验证	探索染色质折叠的分子机制与结构动力学，以理解基因组空间组织对基因转录的调控	黏连蛋白缺失细胞中的染色质结构，特别是拓扑关联结构域的形成过程	机器学习	NA	单细胞成像	VAE	图像	NA	NA	变分自编码器	NA	NA
282	2026-04-12	Bag of deep features for preoperative prediction of sentinel lymph node metastasis in breast cancer 2018-Dec-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf241 PMID:30523819	研究论文	本文提出了一种结合深度学习和词袋模型的集成方案，用于术前预测乳腺癌前哨淋巴结转移	提出了一种结合卷积神经网络和词袋模型的集成方案，通过核融合方法整合所有特征，构建判别性支持向量机分类器，实现高维稀疏表示	样本量相对较小（172例患者），且仅基于扩散加权磁共振成像数据，可能限制模型的泛化能力	术前预测乳腺癌患者的前哨淋巴结转移状态	乳腺癌患者的前哨淋巴结	数字病理学	乳腺癌	扩散加权磁共振成像	CNN, SVM	图像	172例患者（74例SLN阳性，98例SLN阴性）	NA	CNN, BOF模型	AUC	NA
283	2026-04-12	Fully automated organ segmentation in male pelvic CT images 2018-Dec-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf11c PMID:30523973	研究论文	本研究提出了一种基于深度学习的全自动男性盆腔CT图像分割工作流，用于前列腺癌放疗计划中前列腺及周围危及器官的精确分割	采用2D器官体积定位网络与3D分割网络相结合的架构，并引入ResNeXt改进的编码臂，实现了全自动的盆腔器官分割	研究仅基于136例患者的数据集，样本量相对有限，且未在外部数据集上进行验证	开发一种全自动的男性盆腔CT图像分割方法，以支持前列腺癌放疗治疗计划	男性盆腔CT图像中的前列腺、膀胱、直肠和双侧股骨头	数字病理学	前列腺癌	CT成像	CNN	图像	136例患者的盆腔CT图像数据集	NA	2D U-Net, 3D U-Net, ResNeXt	Dice系数	NA
284	2026-04-12	Incorporating automatically learned pulmonary nodule attributes into a convolutional neural network to improve accuracy of benign-malignant nodule classification 2018-12-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf09f PMID:30524071	研究论文	本文提出了一种结合肺结节良恶性分类和图像属性分类的新方法，通过构建独特的3D CNN和设计新颖的损失函数，以提高肺结节分类的准确性	将自动学习的肺结节图像属性作为高层语义标签整合到CNN中，设计了一种平衡两种分类任务影响的损失函数，使结节属性分类与良恶性分类相互促进	NA	提高肺结节良恶性分类的准确性	肺结节	计算机视觉	肺癌	深度学习	CNN	图像	使用公开可用的LIDC数据集进行训练和测试	NA	3D CNN	准确率	NA
285	2026-04-12	Visually interpretable deep network for diagnosis of breast masses on mammograms 2018-Dec-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaef0a PMID:30511660	研究论文	提出一种视觉可解释的深度学习网络框架，用于乳腺X光片中肿块诊断，并提供视觉解释	引入BIRADS引导图和批评网络，使深度学习网络能够根据BIRADS标准进行视觉解释，提高诊断决策的可解释性	仅基于公开乳腺X光数据库进行验证，未涉及多中心或更大规模数据集，可能影响泛化能力	开发一种视觉可解释的计算机辅助诊断框架，以改善乳腺肿块诊断的深度学习模型可解释性	乳腺X光片中的恶性与良性肿块	计算机视觉	乳腺癌	深度学习	深度神经网络	图像	独立测试集包含170个恶性肿块和170个良性肿块	NA	BIRADS引导诊断网络, BIRADS批评网络	NA	NA
286	2026-04-12	Deep learning with cinematic rendering: fine-tuning deep neural networks using photorealistic medical images 2018-09-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aada93 PMID:30113015	研究论文	本文提出了一种利用电影渲染技术生成逼真医学图像，以微调深度学习网络的方法，用于内窥镜单目深度估计任务	首次将电影渲染技术应用于深度学习，通过使用电影渲染生成的逼真CT数据微调合成数据驱动的网络，提高了模型对真实医学图像的适应性和鲁棒性	研究主要针对内窥镜深度估计任务，可能未涵盖其他医学图像分析应用；且依赖于特定渲染条件，泛化能力需进一步验证	解决医学图像数据稀缺问题，提升深度学习模型在真实医学图像上的性能	内窥镜图像，特别是结肠内窥镜图像	计算机视觉	NA	电影渲染，CT数据重建	CNN	图像	NA	NA	NA	深度估计误差减少百分比	NA
287	2026-04-12	Computer-aided detection of small intestinal ulcer and erosion in wireless capsule endoscopy images 2018-08-10, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aad51c PMID:30033931	研究论文	提出一种基于深度学习的计算机辅助检测方法，用于无线胶囊内窥镜图像中小肠溃疡和糜烂的检测	首次将深度学习框架应用于无线胶囊内窥镜图像中溃疡和糜烂的自动检测，能够直接从数据中提取图像特征，提高识别准确性和效率	NA	开发一种计算机辅助检测方法，以自动识别无线胶囊内窥镜图像中的小肠溃疡和糜烂	无线胶囊内窥镜图像中的小肠溃疡和糜烂病变	计算机视觉	小肠溃疡和糜烂	无线胶囊内窥镜成像	CNN	图像	数万张无线胶囊内窥镜图像	NA	AlexNet	准确率, 灵敏度, 特异性, AUC	NA
288	2026-04-12	Computed tomography super-resolution using deep convolutional neural network 2018-07-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aacdd4 PMID:29923839	研究论文	本研究开发了一种基于卷积神经网络的CT图像超分辨率方法，通过改进的U-Net学习低分辨率（厚层厚）与高分辨率（薄层厚）图像之间的端到端映射	采用改进的U-Net架构实现CT图像的超分辨率与去噪联合优化，显著提升骨结构和气腔边界的去模糊效果	研究仅使用二维切片数据进行训练，未涉及三维体积数据；样本量相对有限（52个训练研究）	开发深度学习模型以提升CT图像的空间分辨率并降低噪声	CT图像（薄层与厚层对比）	计算机视觉	NA	计算机断层扫描（CT）	CNN	图像	52个CT研究用于训练（7670张切片），13个CT研究用于测试	NA	改进的U-Net	峰值信噪比（PSNR），归一化均方根误差（NRMSE）	NA
289	2026-04-12	Evolutionary pruning of transfer learned deep convolutional neural network for breast cancer diagnosis in digital breast tomosynthesis 2018-05-01, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aabb5b PMID:29616660	研究论文	提出一种分层路径进化方法，用于压缩深度卷积神经网络，以在数字乳腺断层合成中分类肿块，同时保持分类准确性	采用遗传算法进行迭代路径进化，通过锦标赛选择驱动计数保持交叉和突变，显著减少网络参数和计算操作	未提及方法在其他深度学习网络或成像任务中的泛化能力验证，且统计差异不显著（p > 0.05）	压缩深度卷积神经网络参数，提高推理和迁移学习效率，用于乳腺癌诊断	数字乳腺断层合成中的肿块区域	计算机视觉	乳腺癌	数字乳腺断层合成	CNN	图像	第一阶段：19,632个增强ROI（来自2,454个乳腺X光肿块病变）；第二阶段：9,120个DBT ROI（来自228个肿块病变）；测试：89个肿块病变（来自94个独立DBT病例）	NA	预训练的DCNN（基于ImageNet）	AUC	NA
290	2026-04-12	Comment on 'Deep convolutional neural network with transfer learning for rectum toxicity prediction in cervical cancer radiotherapy: a feasibility study' 2018-03-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaae23 PMID:29424369	评论	对一篇关于使用深度卷积神经网络预测宫颈癌放疗中直肠毒性的可行性研究论文进行评论	NA	NA	讨论深度学习技术在医学物理和放射肿瘤学领域的应用潜力与局限性	深度学习在放射肿瘤学中的应用	数字病理学	宫颈癌	NA	卷积神经网络	NA	NA	NA	VGG-16	NA	NA
291	2026-04-12	Computer-aided assessment of breast density: comparison of supervised deep learning and feature-based statistical learning 2018-01-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aa9f87 PMID:29210358	研究论文	本研究开发了一种基于监督深度学习的自动化方法，用于评估数字乳腺X线摄影中的乳腺密度百分比，并与基于特征的统计学习方法进行比较	采用监督深度卷积神经网络结合域适应重采样方法，生成乳腺密度概率图，实现了比传统特征学习方法更准确和稳健的密度估计	研究仅使用了单一机构的回顾性数据，样本量有限，且未在外部数据集上进行验证	开发自动化评估乳腺密度的方法，以辅助癌症风险预测和密度报告	数字乳腺X线摄影图像	计算机视觉	乳腺癌	数字乳腺X线摄影	CNN	图像	训练集478张数字乳腺X线摄影图像，独立测试集183张图像	NA	深度卷积神经网络	Dice系数, Pearson相关系数	NA
292	2026-04-11	Computational dual-loop frameworks bridging single-enzyme design and cascade tunnel network engineering for next-generation biosynthetic systems 2026 Jul-Aug, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108850 PMID:41763370	综述	本文综述了计算酶工程的最新进展，重点介绍了结构预测、突变效应建模、多尺度分子模拟和多酶网络工程，并将其置于一个连接分子水平酶设计与途径水平整合的双循环DBTL框架中	与现有主要关注单一计算方法或单酶优化的综述不同，本文强调在统一的DBTL框架内，将机制性酶建模与多酶网络设计相结合，提供了一个连接单酶设计与级联隧道网络工程的双循环框架	NA	总结计算酶工程的最新进展，并为下一代生物合成系统提供一个连接分子设计与系统集成的结构化框架	酶（单酶及多酶系统）	计算生物学	NA	结构预测、突变效应建模、分子动力学模拟、量子力学/分子力学分析	深度学习	NA	NA	NA	NA	NA	NA
293	2026-04-11	Evaluation of Image-Level Harmonization Methods for Multi-Center MR Neuroimaging 2026-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70221 PMID:41489091	研究论文	本研究评估了多中心MR神经影像数据中图像级标准化方法的性能，重点关注阿尔茨海默病神经影像倡议数据集中的T1w和T2-FLAIR图像	首次在ADNI数据集中系统比较了统计方法ComBat与深度学习方法HACA3在跨厂商MR图像标准化中的效果，并利用多指标评估了标准化后图像特征的一致性	当前多对比度MR标准化工具在T2-FLAIR图像标准化方面仍存在困难，且研究仅基于ADNI数据集，可能无法推广到其他疾病或影像协议	评估多中心MR神经影像研究中扫描仪相关差异，并比较公开可用的图像级标准化工具的性能	阿尔茨海默病神经影像倡议数据集中的T1w和T2-FLAIR MR图像，涉及GE、Philips和Siemens三种扫描仪厂商	数字病理学	阿尔茨海默病	T1w和T2-FLAIR MRI序列	深度学习模型	图像	扫描仪组分析：1143名ADNI3受试者（233名GE，173名Philips，250名Siemens，其中487名Siemens受试者作为独立参考组）；受试者内比较：8名受试者的配对多厂商扫描会话	NA	HACA3	灰质/白质对比度比，白质高信号体积，Fréchet Inception距离，学习感知图像块相似度	NA
294	2026-04-11	Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation 2026-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70237 PMID:41607039	研究论文	本研究利用主动学习nnU-Net对自由呼吸四维动态MRI进行自动上气道分割，并量化不同口腔位置下的动态形态变化	首次将主动学习nnU-Net应用于自由呼吸四维动态MRI的上气道自动分割，在减少人工标注的同时保持高精度，并系统量化了口腔位置、性别和症状对上气道动态形态的影响	样本量相对有限（84名成人，内部测试集18人），且研究对象均为无阻塞性睡眠呼吸暂停的成年人，结果可能无法推广到其他人群	开发自动上气道分割方法并量化呼吸过程中上气道的动态形态变化	无阻塞性睡眠呼吸暂停的成年人（包括有睡眠相关呼吸症状者）	数字病理学	睡眠呼吸障碍	四维动态MRI，自由呼吸时间分辨成像与交错随机轨迹序列	nnU-Net	四维动态MRI图像	84名成年人（28男/56女，年龄18-80岁，其中33人有睡眠相关呼吸症状），内部测试集18人	nnU-Net	nnU-Net	Dice系数	NA
295	2026-03-01	Editorial for "Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation" 2026-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70283 PMID:41761402	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
296	2026-04-11	Determination of Modified Waldenström Staging in Legg-Calvé-Perthes Disease Using Deep Learning 2026-May, Journal of the Pediatric Orthopaedic Society of North America DOI:10.1016/j.jposna.2026.100334 PMID:41890888	研究论文	本研究开发了一种基于深度学习的模型，用于从标准髋关节X光片中自动确定Legg-Calvé-Perthes病的改良Waldenström分期	首次利用深度学习自动化提取临床相关参数，构建分类管道以改进LCPD分期的客观性和一致性	早期阶段样本代表性不足，模型在完整分类中的准确性中等，需要更大规模多中心数据提升性能	开发深度学习模型以自动化和标准化Legg-Calvé-Perthes病的改良Waldenström分期	Legg-Calvé-Perthes病患者的髋关节X光片（前后位和蛙式侧位）	数字病理学	Legg-Calvé-Perthes病	X光成像	深度学习分类模型	图像	机构1包含2,164张图像，保留测试集229对X光片，外部验证集533对X光片	NA	NA	Dice系数, AUROC	NA
297	2026-04-11	Identification of Hepatic Fibrosis and Steatosis via A Point-of-Care Transient Elastography System With Integrated AI 2026-May, Liver international : official journal of the International Association for the Study of the Liver IF:6.0Q1 DOI:10.1111/liv.70634 PMID:41947638	研究论文	本研究开发了一种集成了人工智能的即时弹性成像系统，用于非侵入性评估肝纤维化和脂肪变性	结合实时B超图像引导和深度学习分析，提供便携式点对点弹性成像系统，并引入新的多域衰减参数用于脂肪定量	研究样本量相对有限，且主要针对慢性肝病患者，未广泛验证于其他肝病类型	评估AI-POC-TE系统在诊断肝纤维化和脂肪变性中的准确性，并与传统弹性成像技术进行比较	慢性肝病患者	数字病理学	肝病	瞬时弹性成像，B超图像引导，深度学习	深度学习模型	图像，弹性测量数据	138名患者进行肝活检和AI-POC-TE同步检查，1455名患者进行传统弹性成像对比	未明确指定	未明确指定	AUROC, Youden's cut-offs, 相关系数	未明确指定
298	2026-04-11	Unraveling Glycation-Induced Structure-Function Nexus in Food Proteins: From Analytical Innovations to AI-Assisted Design 2026-May, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70477 PMID:41957905	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
299	2026-04-11	Advanced deep learning framework for breast cancer detection using digital breast tomosynthesis images 2026-Apr-24, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0011 PMID:41521204	研究论文	本研究提出了一种基于深度学习的鲁棒框架，用于利用数字乳腺断层合成图像进行乳腺癌检测	提出了一种结合单切片和多切片输入的混合深度学习模型，并应用了拉普拉斯金字塔增强、特征融合和穷举特征选择等先进方法以提升诊断性能	研究未使用多中心数据集进行验证，且尚未与临床决策支持系统集成	开发一种用于乳腺癌早期准确检测的深度学习框架	数字乳腺断层合成图像	计算机视觉	乳腺癌	数字乳腺断层合成成像	CNN, 集成学习	图像	未明确说明	TensorFlow, Keras, Scikit-learn, XGBoost	ResNet V2, MobileNet V3, Inception V3+	准确率, 灵敏度, 特异性, AUC	未明确说明
300	2026-04-11	Blood pressure estimation using single photoplethysmography signal based on ResNet-BiGRU 2026-Apr-24, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0285 PMID:41715883	研究论文	本研究开发了一种基于ResNet-BiGRU混合深度神经网络的框架，利用单一光电容积脉搏波信号进行无袖带血压估计	提出了一种结合残差卷积块和双向门控循环单元的混合深度学习模型，以联合捕捉光电容积脉搏波信号的形态和时间特征，实现连续、无创的血压监测	模型在外部数据集（VitalDB）上的性能（尤其是收缩压误差）相比内部数据集有所下降，表明其在不同生理条件下的泛化能力仍需进一步验证	开发一个准确、鲁棒且可泛化的深度学习框架，用于基于单一光电容积脉搏波信号的无袖带血压估计	光电容积脉搏波信号和动脉血压信号	机器学习	心血管疾病	光电容积脉搏波	CNN, BiGRU	信号数据	UCI数据集包含942名受试者的同步信号，VitalDB数据集包含手术患者的同步信号	NA	ResNet, BiGRU	平均绝对误差	NA