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
421	2026-09-06	High-Throughput Deep Learning Detection of Mitral Regurgitation 2024-Sep-17, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.124.069047 PMID:39129623	研究论文	本研究开发并验证了一种全自动深度学习流程，用于从经胸超声心动图中识别彩色多普勒的二尖瓣反流并检测其严重程度	提出了一种全自动管道，结合视图分类和MR严重度检测，并在多机构大规模数据上验证了高性能	未见明确局限性描述	开发并验证一种自动检测临床显著二尖瓣反流的深度学习管道，以实现自动化筛查和监测	经胸超声心动图视频，包括心尖四腔切面彩色多普勒视频	计算机视觉、医学影像	二尖瓣反流	超声心动图、彩色多普勒成像	深度学习模型（具体未指定）	超声心动图视频	开发集包含58,614项研究（2,587,538个视频）；内部测试集1,800项研究（80,833个视频）；外部测试集915项研究（46,890个视频）	未明确	未明确	AUC、敏感性、特异性	未明确
422	2026-09-06	Automated expert-level scleral spur detection and quantitative biometric analysis on the ANTERION anterior segment OCT system 2024-05-21, The British journal of ophthalmology DOI:10.1136/bjo-2022-322328 PMID:37798075	研究论文	独立验证深度学习算法在ANTERION前节OCT系统中自动检测巩膜突及基于巩膜突的生物测量指标的准确性。	首次在独立患者群体中验证Heidelberg Engineering开发的深度学习算法，能够达到专家水平的巩膜突检测和生物测量精度。	未提及，标题和摘要中无明确信息。	评估深度学习算法在AS-OCT图像中自动检测巩膜突位置并测量生物参数的性能。	117名接受常规眼科护理患者的1308张前节OCT图像。	计算机视觉（医学影像）	眼科疾病（如闭角型青光眼评估）	前节光学相干断层扫描（AS-OCT）	深度学习算法（具体模型类型未明确）	医学图像	1308张AS-OCT图像来自117名参与者	未在标题和摘要中明确	未在标题和摘要中明确	差异中位数（µm）、组内相关系数（ICC）	未在标题和摘要中明确
423	2026-09-06	A cascading learning method with SegFormer for radiographic measurement of periodontal bone loss 2024-03-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-024-04079-y PMID:38468273	研究论文	本研究提出了一种级联学习方法，利用SegFormer模型进行牙周骨丧失的影像学测量	创新性地将深度学习中的SegFormer模型应用于两级联任务（牙位识别和牙齿语义分割），并结合主成分分析主轴进行牙周骨丧失的定量测量	未提供具体限制信息，可能包括样本量有限或需要临床验证等	旨在建立一种精确测量特定牙位放射学骨丧失的级联学习方法，以辅助牙周病诊断	全景X射线图像中的牙齿及牙周骨结构	医学影像分析	牙周病	深度学习、图像分割	SegFormer	图像	未在摘要中明确说明样本量	未明确说明，但可能使用如PyTorch等深度学习框架	SegFormer	交并比、F1分数、相关系数、精确率、敏感度	未在摘要中说明，但可能使用GPU进行训练
424	2026-09-06	Artificial Intelligence-Enhanced Breast MRI: Applications in Breast Cancer Primary Treatment Response Assessment and Prediction 2024-03-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001010 PMID:37493391	综述	本文综述了人工智能增强乳腺MRI在乳腺癌原发性全身治疗反应评估和预测中的应用，并讨论了其临床实施的挑战和局限性	全面总结了传统机器学习和深度学习在MRI预测乳腺癌对PST反应中的应用，涵盖治疗前和早期治疗阶段	临床实施面临挑战，包括定性主观评估的局限性、验证不足及技术转化障碍	评估和总结人工智能增强MRI在乳腺癌原发性全身治疗反应评估与预测中的当前应用	乳腺癌患者，特别是接受原发性全身治疗的局部晚期或早期乳腺癌患者	医学影像分析	乳腺癌	磁共振成像	传统机器学习、深度学习	医学图像	不适用	不适用	不适用	不适用	不适用
425	2026-09-06	Deep learning-based respiratory muscle segmentation as a potential imaging biomarker for respiratory function assessment 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306789 PMID:39058719	研究论文	本研究利用深度学习技术自动分割和分类CT图像中的三种呼吸肌，并评估其与肺功能测试参数的相关性	首次采用Attention U-Net架构在大规模CT图像数据集上进行呼吸肌分割与分类，并发现呼吸肌体积可作为呼吸功能的潜在影像生物标志物	肌肉密度与肺功能参数的相关性较弱，未明确探讨其临床应用的局限性	开发自动化方法分割和分类三种呼吸肌，并评估其作为呼吸功能评估的影像生物标志物的潜力	三种呼吸肌：胸大肌、竖脊肌和肋间肌	数字病理学	呼吸系统疾病	CT成像	Attention U-Net	CT图像	约3,200名个体的600,000张胸部CT图像	NA	Attention U-Net	Dice系数，广义Dice系数，F1分数	NA
426	2026-09-06	Field pea leaf disease classification using a deep learning approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0307747 PMID:39052602	研究论文	本研究采用深度学习的迁移学习方法，自动分类田间豌豆叶部疾病，如白粉病、叶斑病和亚麻疫病。	提出了一种基于迁移学习和软最大化分类器的自动诊断方法，用于田间豌豆叶部疾病，显著提高了检测的准确性和效率，降低了成本和人工需求。	未提及研究的局限性，如数据集多样性、模型泛化能力或与其他方法的比较。	开发一种快速、自动、低成本且准确的田间豌豆叶部疾病检测方法，以克服传统视觉观察方法的缺点。	田间豌豆叶部图像，包括健康叶和三种疾病叶（亚麻疫病、叶斑病、白粉病）。	计算机视觉	植物疾病	NA	迁移学习，基于预训练的卷积神经网络（如DenseNet121）	图像	1600张健康和患病叶的图像	NA	DenseNet121	训练准确率、验证准确率、测试准确率	NA
427	2026-09-06	Data modeling analysis of GFRP tubular filled concrete column based on small sample deep meta learning method 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0305038 PMID:38985781	研究论文	本文提出了一种基于小样本深度元学习的数据建模分析方法，用于优化玻璃纤维增强塑料（GFRP）包裹混凝土短柱的性能。	将元学习中的优化型数据增强与传统回归模型相结合，提出深度神经网络方法，解决了工程数据分析中的小样本回归问题。	未提及具体局限性。	解决小样本回归问题，优化GFRP包裹混凝土柱的设计和性能分析。	GFRP管状填充混凝土柱，包括GFRP材料和混凝土短柱。	机器学习	NA	NA	深度元学习网络	数值数据（小样本工程数据）	小样本数据（未提及具体数量）	NA	深度神经网络	与SVR、GPR、RBFNN进行性能对比	NA
428	2026-09-06	Using multi-label ensemble CNN classifiers to mitigate labelling inconsistencies in patch-level Gleason grading 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0304847 PMID:38968206	研究论文	本研究提出了一种多标签集成深度学习分类器，以缓解前列腺组织病理学图像中补丁级别Gleason评分中的标签不一致问题，从而提高评分准确性	利用三种不同的单对全部深度学习模型的集成方法，从组织病理学图像中学习多样特征，以多标签方式指示每个补丁中是否存在一个或多个Gleason等级，从而有效缓解标签不一致问题	研究仅基于SICAPv2数据集，且依赖单一CNN架构，可能影响泛化能力	提高补丁级别Gleason评分的准确性，解决标签不一致问题，从而改进前列腺癌的诊断和预后	前列腺组织病理学图像中的补丁及其对应的Gleason等级	计算机视觉	前列腺癌	NA	CNN（集成模型）	图像	SICAPv2前列腺数据集	NA	ResNet18（变体）	准确率、F1分数	NA
429	2026-09-06	A confounder controlled machine learning approach: Group analysis and classification of schizophrenia and Alzheimer's disease using resting-state functional network connectivity 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0293053 PMID:38768123	研究论文	本研究采用混杂因素控制的机器学习方法，基于静息态功能网络连接对阿尔茨海默病和精神分裂症进行分组分析与分类	直接比较不同研究收集的AD和SZ患者，并通过控制年龄和扫描协议等混杂因素来识别两种疾病之间的共享和独特生物标志物	摘要未提供明确局限性信息	比较和对比AD与SZ患者的静息态功能网络连接异常，并利用机器学习与深度学习模型进行诊断分类	阿尔茨海默病及晚期轻度认知障碍患者、精神分裂症患者和认知正常受试者	机器学习	阿尔茨海默病, 精神分裂症	NA	支持向量机, 逻辑回归, 随机森林, K近邻, 全连接神经网络	图像数据	162例AD/LMCI患者，181例精神分裂症患者，315例认知正常受试者	NA	NA	准确率	NA
430	2026-09-06	Boosted Harris Hawks Shuffled Shepherd Optimization Augmented Deep Learning based motor imagery classification for brain computer interface 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0313261 PMID:39570847	研究论文	本文提出了一种基于增强型Harris Hawks洗牌牧羊人优化和深度学习的运动想象分类方法，用于脑机接口系统。	引入改进的Harris Hawks和Shuffled Shepherd Optimization算法进行超参数调优，增强DenseNet特征提取，并结合卷积自编码器实现高效分类。	标题和摘要中未明确提及限制条件，可能包括仅依赖基准数据集，未进行临床验证。	提高脑机接口中运动想象分类的准确性，以帮助运动障碍患者控制外部设备。	脑电信号中的运动想象分类任务。	机器学习和深度学习	运动障碍疾病	脑电图（EEG）	卷积神经网络（CNN）和卷积自编码器（CAE）	信号数据	使用BCIC-III和BCIC-IV数据集，但具体样本量未指定	NA	DenseNet, 卷积自编码器	准确率	NA
431	2026-09-06	GeoSynth: A Photorealistic Synthetic Indoor Dataset for Scene Understanding 2023-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3247087 PMID:37027722	研究论文	介绍GeoSynth，一个用于室内场景理解任务的多样化照片级合成数据集，包含丰富的标签，并可补充真实训练数据以提升网络性能	提出并公开了GeoSynth数据集，具有高度的照片级真实感和丰富的标签（如分割、几何、相机参数、表面材料、光照等），并验证了其作为真实数据补充的有效性	未在摘要中明确说明局限性	解决大型标注数据集创建成本高、耗时且不完美的问题，为室内场景理解任务提供高质量合成数据	室内场景理解任务，如语义分割	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
432	2026-09-06	Artificial Intelligence-Enabled Software Prototype to Inform Opioid Pharmacovigilance From Electronic Health Records: Development and Usability Study 2023 Jan-Dec, JMIR AI DOI:10.2196/45000 PMID:37771410	研究论文	开发了一种基于人工智能的软件原型，用于从电子健康记录中提取阿片类药物相关不良事件信号，以增强药物警戒。	创新性地将基于规则的关键词搜索与深度学习方法相结合，并采用预训练的NLP模型进行命名实体识别，以从自由文本出院小结中自动提取候选不良事件。	模型性能有限（F1分数为0.67），且用户反馈仅来自15名FDA工作人员，可能不具有广泛代表性。	旨在开发一种AI软件原型，从电子健康记录的自由文本中识别阿片类药物相关不良事件信号，以支持FDA的药物安全研究和监管审查。	电子健康记录中的自由文本出院小结，特别是与阿片类药物相关的不良事件信息。	自然语言处理	阿片类药物不良反应	自然语言处理（NLP）	深度学习模型（包括预训练NLP模型），具体基于规则算法与深度学习结合	文本数据	使用了MIMIC III数据库中的出院小结，具体样本量未在摘要中说明；15名FDA工作人员提供了反馈。	MedSpacy, Spark NLP	NA	准确率, 召回率, 精确率, F1分数	NA
433	2026-09-06	Self-Supervised Electroencephalogram Representation Learning for Automatic Sleep Staging: Model Development and Evaluation Study 2023 Jan-Dec, JMIR AI DOI:10.2196/46769 PMID:38090533	研究论文	提出了一种自监督模型ContraWR用于脑电信号表示学习，以实现自动睡眠分期，并在三个真实数据集上进行了评估	使用全局统计数据（即平均表示）而非负样本集来区分不同睡眠阶段相关的信号	未明确指出，但未来方向包括探索任务特定的数据增强和结合自监督与监督方法	学习鲁棒的脑电信号向量表示，以提高睡眠分期任务中的预测性能，尤其在标签少和噪声样本情况下	脑电信号（EEG）	机器学习	睡眠障碍	EEG记录	自监督学习模型（ContraWR）	脑电信号	3个大型EEG数据集	NA	对比学习架构（ContraWR）	准确率	NA
434	2026-09-06	Application of Artificial Intelligence to the Monitoring of Medication Adherence for Tuberculosis Treatment in Africa: Algorithm Development and Validation 2023 Jan-Dec, JMIR AI DOI:10.2196/40167 PMID:38464947	研究论文	本文开发并验证了基于深度学习的人工智能算法，用于自动分类和确认结核病治疗中的药物 adherence，以提高非洲视频监测的效率	首次针对非洲临床环境中的药物 adherence 监测，利用深度学习算法基于视频图像进行二元分类，并展示了在资源有限环境中的应用潜力	由于缺乏公开数据集，未进行外部验证；负样本较少（92个），可能影响模型的泛化能力	开发并内部验证一种深度学习模型，用于自动分类药物 adherence（遵循/不遵循），提高视频监测效率	成人结核病患者药物摄入的861个视频图像	计算机视觉、深度学习	结核病	视频图像处理、深度学习	卷积神经网络（CNN）	视频帧图像	861个视频图像，其中497个高质量视频（405个正样本，92个负样本），每视频160帧	未指定（可能包含TensorFlow或PyTorch等，标题和摘要中未明确）	3D ResNet、其他三种CNN模型	敏感性、特异性、F1分数、精确率、曲线下面积（AUC）、每视频审查速度	未指定（标题和摘要中未提及）
435	2026-09-06	Automated motion artifact detection in early pediatric diffusion MRI using a convolutional neural network 2023, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00023 PMID:38344118	研究论文	提出一种基于卷积神经网络的自动化运动伪影检测工具，用于早期儿科扩散MRI数据质量控制	首次将深度学习应用于婴幼儿扩散MRI运动伪影检测，并验证了跨数据集泛化能力	训练数据来自单一研究机构，泛化性测试数据集规模有限	开发并验证深度学习模型用于自动检测婴幼儿扩散MRI中的运动伪影，以提高质量控制效率	婴幼儿（1-36个月）的扩散MRI数据	机器学习，医学影像分析	不适用	扩散MRI（dMRI），扩散张量成像（DTI），神经突方向离散度和密度成像（NODDI）	3D卷积神经网络（3DCNN）	影像	121次扫描共2276个dMRI体积（训练集），26次扫描共2349个dMRI体积（测试集）	NA	3DCNN	分类准确率	NA
436	2026-09-05	Automated 3D segmentation of rotator cuff muscle and fat from longitudinal CT for shoulder arthroplasty evaluation 2026-Jan, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04991-6 PMID:40782188	研究论文	本研究开发并验证了一种基于深度学习的模型，用于在全肩关节置换术患者的纵向CT扫描中自动进行肩袖肌肉和脂肪的三维分割，以量化肌肉体积和脂肪分数。	提出使用DeepLabV3+结合ResNet50作为骨干网络，针对肩袖肌肉在CT影像中的自动三维分割，并应用于纵向随访数据以评估手术结果。	摘要中未提及明确的局限性。	开发和验证用于自动三维分割肩袖肌肉的深度学习模型，以量化肌肉体积和脂肪分数，并应用于全肩关节置换术患者的术前和术后随访评估。	53名接受全肩关节置换术的患者的术前或至少2年随访CT扫描，以及172名患者的队列用于应用模型。	计算机视觉	肩袖疾病（肩关节疾病）	CT成像	深度学习分割模型	CT图像	53名患者用于模型开发和测试，172名患者用于进一步应用	NA	DeepLabV3+，ResNet50	Dice相似系数、平均对称表面距离、95百分位Hausdorff距离、相对绝对体积差	NA
437	2026-09-05	Comparative evaluation of supervised and unsupervised deep learning strategies for denoising hyperpolarized 129Xe lung MRI 2026-01, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70033 PMID:40810302	研究论文	本研究对比评估了监督和无监督深度学习策略在超极化129Xe肺MRI去噪中的应用，包括传统、Noise2Noise和Noise2void方法	首次综合比较监督和无监督深度学习去噪方法在超极化129Xe肺MRI上的性能，并评估其对临床量化指标的影响	未明确提及局限性，但可能包括计算资源需求高、模型泛化性需进一步验证等	探索并评估用于超极化129Xe肺MRI图像去噪的深度学习方法，以提高图像质量并改善临床诊断和肺功能评估的准确性	超极化129Xe肺MRI图像，包括通气、扩散加权和气体交换图像，来自健康受试者和心肺疾病参与者	医学影像分析	心肺疾病	磁共振成像（MRI）	深度学习去噪模型（监督和未监督）	图像（MRI）	952个129Xe MRI数据集，包括421个通气、125个扩散加权和406个气体交换采集	NA（可能使用PyTorch或TensorFlow，但摘要中未指定）	NA（具体架构未在摘要中指定）	信噪比（SNR）、噪声标准差（SD）、清晰度、通气缺陷百分比（VDP）、表观扩散系数（ADC）、膜摄取、红细胞转移、红细胞与膜比值	NA（摘要中未提供）
438	2026-09-05	Enhancing diagnosis of gout with deep learning in dual-energy computed tomography: a retrospective analysis of crystal and artefact differentiation 2025-12-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae523 PMID:39565918	研究论文	本研究评估了深度学习在双能CT扫描中区分痛风石绿色编码与团块状伪影的诊断准确性	首次将深度学习应用于DECT绿色焦点中区分晶体沉积与伪影，并按大小分组进行逐病灶和逐患者分析	未明确提及研究的局限性	评估深度学习在DECT中鉴别绿色编码（指示痛风石）和团块状伪影的高诊断准确性	47例痛风患者和27例无痛风对照者DECT扫描中的绿色焦点ROIs	计算机视觉	痛风	双能计算机断层扫描（DECT）	卷积神经网络（CNN）和支持向量机（SVM）	图像（DECT扫描中的ROIs）	18,704个ROIs，来自74例患者（47例痛风，27例对照）	NA	CNN（未指定具体架构）和SVM	受试者工作特征曲线下面积（AUC）、灵敏度、特异性、阳性预测值、阴性预测值、准确率	NA
439	2026-09-05	Multiparameter MRI-based automatic segmentation and diagnostic models for the differentiation of intracranial solitary fibrous tumors and meningiomas 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2530223 PMID:40625299	研究论文	本研究利用多参数MRI自动分割和诊断模型，旨在区分颅内孤立性纤维性肿瘤（SFTs）和脑膜瘤。	综合了自动分割与诊断模型，并结合临床和影像学特征构建融合指数相关模型，以及使用二级分类预测概率作为输入特征的四分类模型。	NA	术前精确区分SFTs和脑膜瘤，以辅助手术计划和治疗策略制定。	颅内孤立性纤维性肿瘤和脑膜瘤患者。	医学影像分析	颅内肿瘤	多参数MRI	深度学习分割模型和机器学习分类模型	多参数MRI图像和临床/影像学特征数据	252例患者（SFTs 56例，脑膜瘤196例）	NA	VB-Net	Dice系数（DSC）、曲线下面积（AUC）、加权AUC	NA
440	2026-09-05	Automatic recognition of adrenal incidentalomas using a two-stage cascade network: a multicenter study 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2540596 PMID:40772430	研究论文	本研究开发并验证了一种两阶段级联网络，用于自动识别非增强CT中的肾上腺偶发瘤，并在多中心数据上进行了评估。	首次采用两阶段级联网络（3D Res-Unet分割与分类器）自动识别肾上腺偶发瘤，并在多中心数据上验证了其性能和泛化能力。	未明确说明局限性。	开发一种基于深度学习的自动识别方法，用于在不同中心非增强CT中检测肾上腺偶发瘤，以提高早期发现和管理肾上腺疾病的能力。	肾上腺偶发瘤患者	医学影像分析	肾上腺偶发瘤	CT成像	深度学习，卷积神经网络	医学影像（CT图像）	共778名患者，其中443名用于模型开发，335名用于测试	NA	3D Res-Unet, 分类器	Dice相似系数（DSC）、AUC、准确性、敏感性、特异性	NA