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
6461	2026-01-18	Artificial intelligence for detection and classification of furcation defects using radiographic imaging: A systematic review 2025-Dec, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20250101 PMID:41536891	系统综述	本系统综述旨在评估人工智能算法在X线影像上检测和分类根分叉病变的诊断准确性	首次系统性地综述了AI在根分叉病变检测与分类中的应用，并指出了当前研究的异质性与局限性	研究存在方法学和报告异质性，未进行荟萃分析，且根分叉严重程度分类的报告一致性较低	评估人工智能算法在牙科X线影像上检测和分类根分叉病变的诊断准确性	牙科X线影像（根尖片、全景片、CBCT）中的根分叉病变	计算机视觉	牙周病	放射成像	深度学习模型	图像	NA	NA	ResNet, UNet, YOLO-v4, Vision Transformers	敏感性, 特异性, AUC	NA
6462	2026-01-16	Caries is a gradient, not a boundary: Detection rather than segmentation is the appropriate deep learning approach 2025-Dec, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20251201 PMID:41536895	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6463	2026-01-18	Efficacy of deep learning models and dental professionals in identifying dental implants 2025-Dec, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20250048 PMID:41536899	研究论文	本研究评估了YOLOv11模型在印度临床环境中识别10种牙科种植体类型的效能，并与牙科专业人员的识别准确性进行了比较	首次在印度临床环境中应用最新的YOLOv11模型进行牙科种植体识别，并与牙科专业人员的表现进行直接比较，强调了区域特异性方法的重要性	模型对某些种植体类型（如Dentium和Bioline）的识别准确性相对较低，需要进一步改进	评估深度学习模型在牙科种植体识别中的效能，并与牙科专业人员的准确性进行比较	10种牙科种植体类型	计算机视觉	NA	放射影像分析	YOLO	图像	3,161张根尖周和全景放射影像	YOLOv11	YOLOv11	精确率, 召回率, F1分数, mAP50	Google Colab, NVIDIA Tesla T4 GPU (16 GB VRAM)
6464	2026-01-18	Deep learning-based method for estimating age from periapical radiographs of upper incisors in a Thai population 2025-Dec, Imaging science in dentistry IF:1.7Q3 DOI:10.5624/isd.20250042 PMID:41536900	研究论文	本研究开发了一种结合牙髓-牙齿面积比（PTR）的深度学习模型，用于从泰国人群上颌中切牙的根尖周X光片中估计年龄	首次将DeepLabv3+用于根尖周X光片的牙根和根管分割，并结合ResNet-50模型与PTR值进行年龄估计，为单颗牙齿的放射学年龄估计提供了新方法	研究样本仅限于泰国人群，且年龄估计误差随年龄增长而增加，在60岁以上群体中MAE最高（8.40年），模型在其他种族或人群中的泛化能力未验证	开发基于深度学习的年龄估计方法，应用于法医牙科学或临床年龄评估	泰国人群的上颌中切牙根尖周X光片	数字病理学	NA	根尖周X光成像	CNN	图像	2,041张根尖周X光片，代表3,108颗上颌中切牙，来自年龄10.00至84.25岁的个体	NA	DeepLabv3+, ResNet-50	平均交并比（mIoU）, 平均绝对误差（MAE）	NA
6465	2026-01-18	Dynamic graph-based quantum feature selection for accurate fetal plane classification in ultrasound imaging 2025-Nov-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26835-y PMID:41274967	研究论文	提出一种基于动态图和量子计算原理的特征选择框架，用于提高超声图像中胎儿生物测量平面的分类准确性	提出了一种名为“基于动态图的量子特征选择”的新方法，该方法将量子计算原理与动态图建模相结合，通过量子纠缠评分和动态图中心性来捕获特征间的复杂依赖关系并选择信息量最大的特征	未在摘要中明确提及	提高超声成像中胎儿生物测量平面的分类准确性，以提升产前筛查和胎儿异常早期诊断的效率	超声图像中的胎儿生物测量平面	计算机视觉	NA	超声成像	MLP	图像	12400张图像，涵盖大脑、胸部、腹部、股骨、母体宫颈和其他视图等六个类别的平面	NA	预训练的深度学习模型（具体架构未指明），轻量级多层感知器	准确率	NA
6466	2026-01-18	Generative Adversarial Networks for High-Dimensional Item Factor Analysis: A Deep Adversarial Learning Algorithm 2025-Nov-11, Psychometrika IF:2.9Q1 DOI:10.1017/psy.2025.10059 PMID:41216666	研究论文	本文提出了一种基于生成对抗网络的高维项目因子分析深度对抗学习算法，用于改进项目反应理论中的参数估计	结合变分自编码器和生成对抗网络，引入对抗变分贝叶斯及其重要性加权扩展，移除了潜在变量的标准正态假设限制，提高了推断网络的表达能力	未明确讨论计算复杂度或在大规模数据集上的可扩展性限制	开发更灵活且表达能力更强的推断算法，以提升高维项目因子分析的参数估计效率和准确性	项目反应理论中的项目因子分析，特别是针对高维潜在变量建模	机器学习	NA	NA	GAN, VAE	NA	NA	NA	NA	似然度, 均方误差	NA
6467	2026-01-18	Systematic Review and Meta-analysis of AI-driven MRI Motion Artifact Detection and Correction 2025-Sep-05, ArXiv PMID:40949764	综述与荟萃分析	本文系统回顾并荟萃分析了人工智能驱动的MRI运动伪影检测与校正方法，评估了当前发展、有效性、挑战及未来研究方向	首次对基于深度学习的MRI运动伪影检测与校正方法进行系统性综述与定量荟萃分析，特别聚焦于生成模型的应用	方法泛化能力有限，依赖成对训练数据，存在视觉失真风险，且缺乏标准化数据集和报告协议	评估人工智能方法在MRI运动伪影检测与校正中的有效性、挑战及未来发展方向	MRI运动伪影	医学影像分析	NA	磁共振成像	深度学习生成模型	MRI图像	NA	NA	NA	NA	NA
6468	2026-01-18	Linear versus deep learning methods for noisy speech separation for EEG-informed attention decoding 2020-08-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aba6f8 PMID:32679578	研究论文	本文评估并展示了在嘈杂条件下基于脑电图记录的听觉注意力解码支持语音增强的可行性，比较了线性与深度学习方法在噪声语音分离中的表现	系统比较线性与非线性神经引导语音增强模型，并在更具挑战性的条件下进行更现实的验证	研究在高度理想化的实验条件下进行，仍远未达到现实助听器设置	评估和展示基于脑电图记录的听觉注意力解码支持语音增强在嘈杂条件下的可行性	相同性别说话者混合的语音信号，涉及三种不同说话者位置和三种不同噪声条件	自然语言处理	NA	听觉注意力解码，语音增强	线性方法，深度神经网络	脑电图记录，语音信号	NA	NA	NA	AAD准确度	NA
6469	2026-01-18	A novel deep feature transfer-based OSA detection method using sleep sound signals 2020-08-11, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab9e7b PMID:32559754	研究论文	提出了一种基于深度特征迁移的OSA检测方法，利用睡眠声音信号进行诊断	结合大数据、深度学习和迁移学习，通过预训练的深度卷积神经网络提取呼吸声音特征，并训练逻辑回归分类器进行OSA检测，相比传统音频分析技术性能显著提升	研究基于自收集的132名潜在OSA患者数据集，样本量相对有限，且未详细讨论模型在不同人群或噪声环境下的泛化能力	开发一种便捷、低成本的OSA检测方法，以替代传统多导睡眠图	潜在OSA患者的睡眠声音信号	机器学习	阻塞性睡眠呼吸暂停	音频信号处理	CNN	音频	132名潜在OSA患者	NA	深度卷积神经网络	准确率, AUC	NA
6470	2026-01-18	Deep learning-based BCI for gait decoding from EEG with LSTM recurrent neural network 2020-07-13, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab9842 PMID:32480381	研究论文	本研究提出并验证了一种基于深度学习的脑机接口模型，用于从脑电图信号解码步态阶段	首次使用基于记忆的深度学习分类器从非侵入性脑记录中解码步行活动，支持实时应用以辅助恢复受损人群的行走能力	研究仅基于11名健康受试者在跑步机上的数据，未涉及临床患者或真实世界行走场景，可能限制模型的泛化能力	开发一种深度学习模型，以从脑电图信号中解码步态模式，特别是摆动和站立状态	健康受试者的脑电图信号，在跑步机行走期间采集	脑机接口	NA	脑电图，伪影子空间重建，可靠独立成分分析	LSTM	脑电图信号	11名健康受试者	NA	LSTM循环神经网络	AUC	NA
6471	2026-01-18	Neonatal EEG sleep stage classification based on deep learning and HMM 2020-06-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab965a PMID:32454463	研究论文	本文提出了一种基于深度学习和隐马尔可夫模型的新生儿多通道脑电图睡眠阶段自动分类方法	结合了改进的图聚类蚁群优化算法进行特征选择、双向长短时记忆网络进行分类，并利用隐马尔可夫模型进行后处理以减少误报	研究样本量较小（仅16名新生儿），且仅针对足月新生儿，未涵盖早产儿或其他年龄段	提高新生儿睡眠阶段自动分类的准确性，以研究神经发育过程和诊断脑部异常	足月新生儿（孕后年龄38-40周）的多通道脑电图数据	机器学习	NA	多通道脑电图记录	BiLSTM, HMM	脑电图信号	16名新生儿	NA	双向长短时记忆网络	kappa系数, 总体准确率	NA
6472	2026-01-18	Auditory attention tracking states in a cocktail party environment can be decoded by deep convolutional neural networks 2020-06-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab92b2 PMID:32403093	研究论文	本研究提出了一种基于源空间特征图像的深度卷积神经网络模型，用于解码鸡尾酒会环境中的听觉注意追踪状态	提出了一种新颖的CNN模型，使用源空间特征图像作为输入，结合节奏熵和加权最小范数估计提取特征，并应用深度迁移学习改善低行为表现组的分类性能	头皮脑电信号样本数量少、信噪比低、空间分辨率有限，可能限制基于CNN模型的脑机接口应用潜力	解码鸡尾酒会环境中的听觉注意追踪状态，为注意力与听力障碍患者提供新型听觉认知脑机接口通信通道	头皮脑电信号，特别是听觉注意追踪状态（成功与不成功）	脑机接口	注意力与听力障碍	节奏熵，加权最小范数估计	CNN	源空间特征图像	未明确说明样本数量，但涉及低行为表现组	未明确指定	具有三个卷积层的CNN	分类准确率	NA
6473	2026-01-18	High-quality photoacoustic image reconstruction based on deep convolutional neural network: towards intra-operative photoacoustic imaging 2020-06-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab9a10 PMID:33444279	研究论文	本文提出了一种结合时间反转和深度学习的方法，用于从有限数据中重建高质量光声图像，以支持神经外科术中成像	将时间反转算法作为神经网络的第一层，结合卷积神经网络进行端到端训练，以在减少探测器数量的情况下实现高质量图像重建	方法仅在合成血管数据库上进行评估，缺乏真实临床数据的验证	开发一种高质量、实时的术中光声成像方法，用于神经外科中血管和肿瘤微血管结构的定位	血管和肿瘤微血管结构的光声图像	计算机视觉	NA	光声成像	CNN	图像	合成血管数据库	NA	卷积神经网络	信噪比, 峰值信噪比, 结构相似性指数, 边缘保持指数	NA
6474	2026-01-18	High quality proton portal imaging using deep learning for proton radiation therapy: a phantom study 2020-04-27, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab8a74 PMID:33438674	研究论文	本文提出了一种基于深度学习的质子门户成像质量提升方法，通过残差生成对抗网络框架，利用kV数字重建放射影像改善质子门户成像的对比度和空间分辨率	首次将残差生成对抗网络应用于质子门户成像质量增强，通过残差块聚焦于DRR与PPI之间的结构差异，实现了高精度的图像校正	研究基于体模数据，尚未在临床患者数据上验证；样本量相对有限（训练149张，测试30张）	提升质子放射治疗中质子门户成像的图像质量，以验证肿瘤位置并实现束眼视角成像	质子门户成像图像与数字重建放射影像	医学影像处理	肿瘤治疗	质子门户成像，数字重建放射影像	GAN	图像	训练149张图像，测试30张图像	NA	残差生成对抗网络	归一化平均误差，归一化平均绝对误差，峰值信噪比，结构相似性指数	NA
6475	2026-01-18	Identification of patients with atrial fibrillation: a big data exploratory analysis of the UK Biobank 2020-03-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ab6f9a PMID:31978903	研究论文	本文评估了十种机器学习方法在UK Biobank数据集中自动检测心房颤动患者的效果	结合经典机器学习和深度学习方法，在大型生物银行数据中实现自动心房颤动检测，性能接近人类专家间一致性	研究基于UK Biobank子集，可能受数据标注质量和样本代表性限制	评估机器学习方法在大型生物银行数据中自动识别心房颤动患者的性能	UK Biobank数据集中的心房颤动患者	机器学习	心血管疾病	心电图分析	支持向量机,深度学习算法	心电图数据	UK Biobank数据集的子集，具体数量未明确	NA	NA	F1分数,Cohen's kappa系数	NA
6476	2026-01-18	Automated segmentation of the left ventricle from MR cine imaging based on deep learning architecture 2020-02-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab7363 PMID:33438635	研究论文	本研究提出了一种基于深度学习的DenseV-Net方法，用于从磁共振电影成像中自动分割左心室，以提高心脏功能量化的效率和准确性	通过将V-Net中的卷积块替换为密集连接算法和密集计算，提出了DenseV-Net，以缓解梯度消失问题、防止梯度爆炸并增强特征传播	研究样本量较小，仅包含30名患者的数据，可能影响模型的泛化能力	开发一种自动分割左心室的方法，以改进心脏功能量化的临床工作流程	磁共振电影成像中的左心室	计算机视觉	心血管疾病	平衡稳态自由进动技术的磁共振电影成像	CNN	图像	30名患者，其中随机选择11名患者的30个切片（每个切片包含73张图像）	NA	V-Net, UNet, FCN, DenseV-Net	Dice相似系数, 线性回归相关系数	NA
6477	2026-01-18	Generation of abdominal synthetic CTs from 0.35T MR images using generative adversarial networks for MR-only liver radiotherapy 2020-01-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ab6e1f PMID:33438621	研究论文	本研究评估了两种生成对抗网络模型（cGAN和cycleGAN）从0.35T MR图像生成腹部合成CT图像的能力，以支持仅基于MR的肝脏放射治疗	首次在0.35T MR图像上应用cGAN和cycleGAN生成腹部合成CT图像，并验证其在肝脏放射治疗剂量计算中的准确性	样本量较小（仅12名患者），且未来需要纳入更多腹部患者以进一步评估模型	评估生成对抗网络在生成腹部合成CT图像方面的性能，以实现仅基于MR的肝脏放射治疗中的有效剂量计算	12名患有肝脏（n=8）和非肝脏腹部（n=4）癌症的患者	医学影像处理	肝脏癌症	0.35T MR成像，CT成像	cGAN, cycleGAN	图像	12名患者的CT和MR图像	NA	条件生成对抗网络，循环一致性生成对抗网络	平均绝对误差，伽马通过率，剂量-体积直方图指标	NA
6478	2026-01-18	Spike detection and sorting with deep learning 2020-01-24, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ab4896 PMID:31561235	研究论文	本文提出了一种基于深度学习的尖峰检测与排序方法，用于从多通道动作电位记录中提取和识别单单元神经活动	采用卷积神经网络（CNN）与循环神经网络（RNN）的组合架构，分别应用于尖峰检测和活动排序与预测任务，为实时高精度脑机接口提供了灵活鲁棒的算法基础	尖峰检测的平均召回率为69%，仍有提升空间；研究未详细说明数据集的多样性和泛化能力	开发基于多通道动作电位记录的神经活动检测、分类和预测方法，以支持高精度脑机接口的应用	多通道动作电位记录中的单单元神经活动	机器学习	NA	多通道动作电位记录	CNN, RNN	电信号数据	涉及超过20个不同神经元产生的活动	NA	卷积神经网络, 循环神经网络	召回率, 准确率	NA
6479	2026-01-17	Electroencephalography-Based Machine and Deep Learning Approaches for the Diagnosis of Dissociative Disorders: A Comprehensive Review 2026-Mar, Biological psychiatry global open science DOI:10.1016/j.bpsgos.2025.100654 PMID:41532081	综述	本文系统综述了基于脑电图（EEG）的机器学习和深度学习方法在分离性障碍（DDs）诊断与监测中的应用	全面评估了EEG结合ML/DL在DDs诊断中的有效性，识别了关键EEG生物标志物，并指出混合及原始特征深度学习方法的优越性能	面临数据稀缺、模型可解释性不足及泛化能力有限等挑战	评估EEG结合机器学习和深度学习在分离性障碍诊断与监测中的应用效果及未来方向	分离性障碍（包括分离性身份障碍和人格解体障碍）患者	机器学习	分离性障碍	脑电图（EEG）	支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）	EEG数据	NA	NA	CNN, RNN	分类准确率	NA
6480	2026-01-17	OCT-PRO: A Multimodal Model Integrating OCT and Clinical Traits to Predict Postoperative Outcomes in Cataract Patients 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101013 PMID:41532137	研究论文	本研究开发并验证了OCT-PRO，一种整合OCT图像和临床特征的多模态机器学习模型，用于预测白内障患者术后视力结果	首次结合OCT图像和临床特征构建多模态模型预测白内障术后视力，相比传统方法和眼科医生具有更高准确性	研究为前瞻性队列设计，可能存在选择偏倚；外部验证仅在中国医院进行，需更多样化人群验证	开发预测白内障患者术后视力结果的多模态机器学习模型	白内障患者	计算机视觉	白内障	OCT成像, 激光干涉测量	深度学习	图像, 结构化元数据	2225只眼（来自1911名患者），其中1304名用于模型开发，607名用于外部测试	TensorFlow, PyTorch	InceptionResNetV2	平均绝对误差, 均方根误差	NA