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
881	2026-08-04	Biclustering for Epi-Transcriptomic Co-functional Analysis 2024, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-3918-4_19 PMID:38907925	综述	本章介绍了用于表观转录组数据共功能分析的几种双聚类挖掘算法，以发现潜在的共功能模式，并探讨了将深度学习技术引入该领域的可能性	引入深度学习技术到表观转录组共功能分析领域	未提及具体算法性能或实验验证	介绍双聚类算法在表观转录组数据共功能分析中的应用，并推动深度学习在该领域的应用	表观转录组数据中的N6-甲基腺苷（m6A）修饰模式	生物信息学	NA	RNA-seq	双聚类算法, 深度学习	表观转录组数据	NA	NA	NA	NA	NA
882	2026-08-04	Road extraction through Yangwang-1 nighttime light data: A case study in Wenzhou, China 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297152 PMID:38241298	研究论文	该研究提出一种集成交叉注意力机制的改进U-Net模型（CA U-Net），用于从望洋一号夜间灯光图像中提取道路，并在温州市进行了案例研究	首次探索利用望洋一号夜间灯光数据进行道路提取，并引入交叉注意力机制改进U-Net模型，以提高道路识别和描绘的准确性	研究仅在温州市进行，可能不具有广泛代表性，且夜间灯光数据的道路提取仍处于初步阶段	旨在利用夜间灯光遥感数据提取道路网络，并验证深度学习框架在该任务中的可行性	温州市的道路网络	计算机视觉	NA	夜间灯光遥感	U-Net	图像	温州市的望洋一号夜间灯光图像（未提供具体样本数量）	NA	U-Net, 交叉注意力机制	F1分数	NA
883	2026-08-04	Evaluating deep learning-based melanoma classification using immunohistochemistry and routine histology: A three center study 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297146 PMID:38241314	研究论文	本研究评估了基于深度学习的黑色素瘤分类方法，使用免疫组织化学（IHC）染色的MelanA切片和常规苏木精-伊红（H&E）染色切片，并在三个中心的数据集上进行验证	首次系统比较了基于MelanA IHC切片和H&E切片的深度学习分类性能，并探索了多染色联合分类的潜在优势	未指明具体限制，可能包括数据集的多样性和泛化性限制	评估深度学习在黑色素瘤诊断中利用IHC和常规组织学切片的效能，并探索多染色联合分类的改进	黑色素瘤组织切片，包括MelanA IHC染色和H&E染色切片	数字病理学	黑色素瘤	免疫组织化学（IHC）染色、苏木精-伊红（H&E）染色	ResNet	组织病理学图像	三个中心的数据集，具体样本数未提供	NA	ResNet	AUROC（曲线下面积）	NA
884	2026-08-04	Coupling analysis of heart rate variability and cortical arousal using a deep learning algorithm 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284167 PMID:37023117	研究论文	本研究利用深度学习算法分析心率变异性与皮层觉醒之间的耦合关系，基于多民族动脉粥样硬化研究数据集中的心电图信号，发现皮层觉醒期间心率及HRV增加，且反应因性别和睡眠阶段而异	首次在种族多样人群中通过深度学习工具自动标注皮层觉醒事件，并结合时间分析区分觉醒病因，探索皮层觉醒与HRV的瞬时关联	未在文中明确提及具体限制，但可能包括样本特异性或对ECG信号分析的依赖性	探讨皮层觉醒与心率变异性之间的瞬时关联，并分析其在不同性别、睡眠阶段及觉醒病因下的变化	1,069名受试者的整夜心电图信号及皮层觉醒事件	数字病理学	睡眠呼吸障碍	心电图信号分析	深度学习模型	心电图信号	1,069名受试者的整夜心电图信号	NA	NA	NA	NA
885	2026-08-04	MR image reconstruction using deep learning: evaluation of network structure and loss functions 2019-Sep, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims.2019.08.10 PMID:31667138	研究论文	评估深度学习在心脏磁共振图像重建中的应用，比较不同网络结构和损失函数的性能	在真实临床背景下评估了深度学习方法用于加速心脏磁共振成像，并发现Resnet以显著更少的参数达到与Unet相当的图像质量，同时感知损失函数在放射科医师评分中表现最优	未明确提及，但可能受限于特定临床数据集和评估场景	评估卷积神经网络重建方法在临床心脏磁共振成像中的效果，并比较不同网络结构和损失函数	心脏磁共振图像，使用回顾性和前瞻性欠采样数据	医学影像，深度学习	心脏病	磁共振成像，卷积神经网络重建	CNN（卷积神经网络）	图像	未明确提及具体样本数量	NA	Unet、Resnet	图像质量评分（放射科医师定性评估），定量评估指标	NA
886	2026-08-03	Optimized cortical EEG modeling for Parkinson disease diagnosis with snow Shepherd Stride tuning mechanism 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10406-y PMID:41657964	研究论文	提出了一种结合堆叠自编码器和MobileNet的CortiMoS-Net模型，用于从EEG信号中准确检测帕金森病，并引入优化的S3C-Tune混合调优算法提升性能	首次将深度堆叠自编码器与低计算量的MobileNet卷积块结合用于帕金森病EEG信号分类，并提出新的Snow Shepherd Stride配置调优（S3C-Tune）混合优化技术以增强模型收敛和参数优化	未明确提及局限，但可推断可能存在对EEG噪声的敏感性以及跨受试者泛化性的挑战	开发一种准确、计算可扩展的EEG分析方法，旨在改善帕金森病的早期诊断和临床管理	帕金森病患者与健康对照的脑电图（EEG）信号	机器学习, 数字病理学	帕金森病	脑电图（EEG）信号分析	堆叠自编码器, MobileNet	信号数据（EEG）	未明确提供	NA	堆叠自编码器, MobileNet	准确率, 精确率, 召回率, F1分数, 错误率, 损失值	NA
887	2026-08-03	Deep Learning Analysis of Prenatal Ultrasound for Identification of Ventriculomegaly 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.011 PMID:42236425	研究论文	开发并评估一种基于超声数据预训练的基础模型，用于检测产前超声图像中的脑室增大	使用专门在超声数据上预训练的视觉变换器自监督基础模型，提升了脑室增大检测的分类性能和泛化能力	未在摘要中明确提及局限性	开发并评估深度学习模型，用于检测产前超声图像中的脑室增大	胎儿脑部超声图像	计算机视觉	胎儿脑室增大	超声成像	视觉变换器	图像	超过37万张超声图像用于预训练；胎儿脑部图像数据集用于微调	NA	USF-MAE, VGG-19, ResNet-50, ViT-B/16, MoCo v3	准确率, 精确率, 召回率, 特异性, F1分数, AUC(ROC), AUC(PR)	NA
888	2026-08-03	A Synthetic Data-Augmented Deep Learning Framework for Robust Segmentation and Quantification of the Carotid Artery in Ultrasound Images 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.005 PMID:42242994	研究论文	提出了一种基于条件扩散模型和ControlNet的合成数据生成框架（CU-CDGF），用于增强超声图像中颈动脉分割性能，缓解数据稀缺问题。	创新性地将条件扩散模型与ControlNet结合应用于颈动脉超声图像生成，并通过盲测验证了图像的感知真实性，显著提高了下游分割网络的性能。	未在文中提及明确局限性。	开发和评估一种合成数据生成框架，以提高深度学习在超声图像中自动分割颈动脉的性能，缓解标注数据稀缺问题。	颈动脉超声图像及其分割掩膜。	计算机视觉	颈动脉疾病	NA	扩散模型	图像	未明确样本数量，但使用了内部测试集和独立外部测试集。	PyTorch	ControlNet	Fréchet Inception Distance (FID), Dice系数	NA
889	2026-08-03	A Coarse-to-Fine DoubleUNet Framework with Synergistic Loss for Accurate Fetal Head Circumference Measurement 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.010 PMID:42250993	研究论文	提出了一种基于DoubleUNet的粗到细深度学习框架，用于从超声图像中自动分割和测量胎儿头围	提出了SDUNet框架，结合了定制的协同损失函数，该损失函数整合多个互补损失项并动态平衡其贡献，以适应性地促进生理上合理的头部形状，减少斑点噪声和边界模糊引起的误差	未提及具体限制	减少超声医师手工工作量，实现胎儿头围的自动分割和准确测量	胎儿头部超声图像	计算机视觉, 数字病理学	围产期疾病	超声成像	CNN	图像	公开的HC18数据集和独立外部数据集	NA	DoubleUNet	Dice系数, Jaccard指数, Hausdorff距离, 平均对称表面距离, 边界F1分数, 平均绝对误差, 百分比平均绝对误差	NA
890	2026-08-03	AutoRV: Automated Assessment of Right Ventricular Structure and Function Using Transesophageal Echocardiography in Mechanically Ventilated Patients 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.002 PMID:42321092	研究论文	开发了AutoRV，一个基于深度学习的自动监测流程，用于评估机械通气患者右心室结构和功能	首次利用深度学习自动检测经食管超声心动图中的右心室心尖和三尖瓣环点，实现自动化评估	研究样本量较小（仅51名患者），且未提及在不同医院或设备上的泛化能力	开发并验证一个自动化的右心室功能评估流程，以减少手动测量的时间和不精确性	机械通气患者的二维经食管超声心动图图像	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	51名患者的图像	未明确指定	U-Net	准确度、处理速度、误差距离、测量误差	未明确指定
891	2026-08-03	Deep Learning-Based Standard Section Recognition and Multi-Organ Segmentation in Upper Abdominal Ultrasound 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.003 PMID:42399171	研究论文	本研究开发并评估了用于上腹部超声标准切面识别和多器官分割的深度学习模型	提出了一种两阶段顺序框架，先使用卷积神经网络进行标准切面识别，再仅对识别出的标准切面应用分割网络，从而整合两个互补任务	数据来自单中心真实世界，缺乏外部验证，且脾脏和胰腺的分割性能较低	开发并评估深度学习模型在上腹部超声标准切面识别和下游多器官分割中的可行性	521个上腹部超声检查视频（465个符合纳入标准），5535张标准切面图像，涵盖肝脏、胆囊、胰腺和脾脏	医学影像分析	非特定疾病（上腹部超声诊断）	超声成像	卷积神经网络（CNN）和深度学习分割网络	超声视频和图像	521个视频，465个符合纳入标准，5535张标准切面图像	未明确报告	卷积神经网络（CNN）和分割网络（具体架构未指定）	精确率、召回率、特异性、准确率、IoU	未明确报告
892	2026-08-03	Diagnosis of Small Focal Liver Lesions (≤2 cm): A Deep Learning Approach Based on B-Mode Ultrasound and Contrast-Enhanced Ultrasound 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.002 PMID:42350195	研究论文	开发并验证了一种基于B型超声和对比增强超声图像特征融合的深度学习模型，用于非侵入性诊断局灶性肝病变（特别是≤2cm的小病变）的良恶性。	创新性地设计了基于ResNet-18的深度学习模型，整合特征融合策略，从B型超声和三个关键CEUS阶段图像中提取并整合深度特征，以提高小FLLs的诊断准确性。	研究为回顾性设计，可能限制结果的普适性。	旨在开发并验证一种基于BMUS和CEUS图像特征融合的深度学习模型，用于非侵入性诊断小局灶性肝病变（≤2cm）的良恶性。	局灶性肝病变患者	医学影像分析、深度学习	局灶性肝病变	B型超声、对比增强超声	深度学习模型（卷积神经网络）	图像数据（B型超声和对比增强超声图像）	687名患者的回顾性数据集，分为训练集（80%）和测试集（20%）	未明确指定	ResNet-18	AUC、敏感性、特异性	未明确指定
893	2026-08-03	Region-Specific Evaluation of Plaque Segmentation in Cross-sectional Projections of Carotid Ultrasound Images Using Deep Learning Models in a Sub-clinical Atherosclerosis Cohort 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.029 PMID:42379905	研究论文	本研究首次在亚临床动脉粥样硬化队列中，利用深度学习模型对颈动脉超声横断面图像进行区域特异性斑块分割评估	首次对颈动脉超声横断面图像进行区域特异性斑块分割评估，涵盖颈动脉球部和分叉等临床相关区域	未提及	评估深度学习模型在颈动脉超声横断面图像中进行区域特异性斑块分割的性能	颈动脉超声横断面图像中的动脉粥样硬化斑块	医学影像分析	动脉粥样硬化	超声成像	深度学习模型	超声图像	VIPVIZA队列6年随访的横断面颈动脉超声图像（具体数量未提及）	未提及	YOLOv8, U-Net, Attention U-Net, U-Net++, Swin U-Net, DeepLabV3	Dice系数	未提及
894	2026-08-03	Cardiac Natural Mechanical Wave Detection and Speed Estimation Using Deep Learning-Based 2-D Ultrasound Imaging: A Feasibility Study 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.005 PMID:42386425	研究论文	本文探讨了基于深度学习二维超声成像检测心脏自然机械波并估算其传播速度的可行性	首次在深度学习复合成像数据上检测心脏自然机械波，并验证其速度估算的准确性	研究样本量小，仅为四名健康志愿者，且未在不同病理状态下验证	证明深度学习复合成像数据可用于心脏自然机械波的检测和速度估算	心脏自然机械波在四名健康志愿者心肌中的传播	医学影像分析	心血管疾病	超声成像	深度学习网络	超声图像	4名健康志愿者	NA	深度学习网络	波速估计	GPU
895	2026-08-03	Hybrid deep learning based stroke detection using CT images with routing in an IoT environment 2026-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2025.2452280 PMID:39893512	研究论文	提出一种结合物联网环境的混合深度学习模型Jaccard_Residual SqueezeNet，用于从CT图像中检测卒中	将Jaccard指数集成到Residual SqueezeNet中，并采用分数阶水母搜索鹈鹕优化算法进行路由，结合物联网环境实现卒中检测	未在摘要中提及具体局限性	提高CT图像中卒中病变的早期检测和分割准确性	脑CT图像中的卒中病变	计算机视觉	脑血管疾病	CT成像	卷积神经网络	图像	未在摘要中提及具体样本量	NA	Residual SqueezeNet, ENet	准确率, 敏感度, 精确率, F1分数, 吞吐量, 能量, 距离, 信任度, 延迟	物联网环境
896	2026-08-03	Hybrid ladybug Hawk optimization-enabled deep learning for multimodal Parkinson's disease classification using voice signals and hand-drawn images 2026-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2025.2457955 PMID:40035544	研究论文	该研究开发了一种基于混合瓢虫鹰优化深度学习的多模态帕金森病分类模型，利用语音信号和手绘螺旋图像实现早期诊断	采用混合瓢虫鹰优化算法（LHO）训练ZFNet和DRN双分类器，并结合多数投票机制融合语音和图像特征，实现多模态帕金森病分类	未明确提及局限性	开发优化的深度学习模型，以提高帕金森病早期诊断的准确性	帕金森病患者和健康对照组的语音信号与手绘螺旋图像	深度学习	帕金森病	NA	深度学习模型（ZFNet和DRN）	语音信号和图像	未明确提及样本数量	NA	ZFNet, DRN	准确率, 阴性预测值, 阳性预测值, 真阴性率, 真阳性率	NA
897	2026-08-03	A multi-objective function for deep learning-based automatic energy efficiency power allocation in multicarrier noma system using hybrid heuristic improvement 2026-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2025.2461046 PMID:40079096	研究论文	本研究提出一种基于深度学习的混合启发式优化算法，用于多载波非正交多址系统，以实现自适应能量效率功率分配	提出了一种混合的缝纫训练与狐猴优化（HSTLO）算法，并结合膨胀密集循环神经网络（DDRNN）模型来优化多载波NOMA系统的能效	摘要中未提及明显的局限性	通过优化算法和深度学习模型提高多载波NOMA系统的能量效率和系统性能	多载波非正交多址（MC-NOMA）系统中的能量效率功率分配	机器学习	不适用	不适用	循环神经网络（RNN）	不适用	不适用	不适用	膨胀密集循环神经网络（DDRNN）	不适用	不适用
898	2026-08-03	EEG-based emotion recognition with autoencoder feature fusion and MSC-TimesNet model 2026-Aug, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2477801 PMID:40096584	研究论文	提出了一种基于自动编码器特征融合和MSC-TimesNet模型的脑电情感识别方法（AEF-DL），在DEAP和Dreamer数据集上取得了高分类准确率	提出将自动编码器用于多频段脑电信号的特征融合，并创新性地设计了MSC-TimesNet深度学习模型，通过多尺度卷积核有效提取周期内和周期间的时序信息，显著提升了分类性能	摘要中未提及局限性，可能需要进一步验证模型在不同数据集上的泛化能力及计算开销	提高基于脑电信号的情感识别分类性能，解决现有方法特征融合不充分和时序模式捕捉不足的问题	脑电信号（EEG）用于情感识别，涉及DEAP和Dreamer两个公共数据集	脑电信号处理、深度学习	不适用（情感识别，非特定疾病）	脑电图（EEG）信号分析，特征提取包括功率谱密度（PSD）和差分熵（DE），自动编码器特征融合	深度学习模型（MSC-TimesNet）	脑电信号数据	DEAP和Dreamer数据集（未明确具体样本数量）	未明确	MSC-TimesNet（结合TimesNet和多尺度卷积核）	分类准确率	未明确
899	2026-08-03	Leveraging the internet of things and optimized deep residual networks for improved foliar disease detection in apple orchards 2026-Aug, Network (Bristol, England) DOI:10.1080/0954898X.2025.2472626 PMID:40126079	研究论文	提出一种基于物联网和优化深度残差网络的苹果叶片病害分类方法	结合Tunicate Swarm Algorithm和Sine Cosine Algorithm的TSSCA算法优化深度残差网络，并采用Fractional Lion Optimization进行物联网簇头选择	未提及具体局限性	提高苹果园叶片病害检测的准确性和效率	苹果叶片病害图像	计算机视觉	植物病害（苹果叶片病害）	物联网（IoT）、图像分割	深度残差网络（DRN）	图像	Plant Pathology 2020 - FGVC7数据集（未提供具体样本数量）	未提及	深度残差网络（DRN）	准确率、特异性、敏感性、最大能量	未提及
900	2026-08-03	Deep Learning-Based Comparison of Knee Minimum Joint Space Width in Patients With Rheumatoid Arthritis and Osteoarthritis Before Total Knee Arthroplasty 2026-Aug-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0951 PMID:42067217	研究论文	本研究利用深度学习技术比较类风湿关节炎和骨关节炎患者在全膝关节置换术前的膝关节最小关节间隙宽度，发现两种疾病的关节间隙狭窄模式存在差异	首次使用经过验证的深度学习模型自动测量膝关节内侧和外侧最小关节间隙宽度，并比较类风湿关节炎与骨关节炎患者的关节间隙狭窄模式，同时评估最小关节间隙宽度与疾病活动度之间的关系	未在摘要中明确提及局限性	比较类风湿关节炎和骨关节炎患者在接受全膝关节置换术前的关节间隙狭窄模式，并评估最小关节间隙宽度与类风湿关节炎疾病活动度之间的关联	接受全膝关节置换术的类风湿关节炎患者和骨关节炎患者	深度学习	类风湿关节炎、骨关节炎	深度学习	深度学习模型	膝关节前后位X光片	409例类风湿关节炎患者及与之年龄和性别匹配的骨关节炎患者，其中302例有配对X光片	NA	NA	NA	NA