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
1821	2026-05-24	Multi-branch myocardial infarction detection and localization framework based on multi-instance learning and domain knowledge 2024-04-26, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad3d25 PMID:38599223	研究论文	提出基于多实例学习和领域知识的多分支心肌梗死检测与定位框架	将多实例学习与领域知识结合，通过注意力机制和新的损失函数lead-loss改进心肌梗死定位，并利用Grad-CAM可视化决策过程	未明确说明局限性	实现心电图中心肌梗死的自动检测与定位，辅助医生诊断	心肌梗死患者的心电图数据	机器学习	心血管疾病	心电图	CNN	图像	PTB和PTB-XL数据库，未说明具体样本数量	NA	SENet	准确率	NA
1822	2026-05-24	Photoplethysmography based atrial fibrillation detection: a continually growing field 2024-04-17, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad37ee PMID:38530307	review	综述基于光电容积描记法的心房颤动检测领域的最新进展	系统回顾了2019年7月至2022年12月间PPG房颤检测的先进技术，涵盖统计学方法、传统机器学习与深度学习方法，并持续更新研究数据库	仅纳入已发表研究，存在发表偏倚；PRISMA原则未提及其他数据库如ClinicalTrials.gov；文献检索时间范围有限	全面综述基于PPG的房颤检测技术进展，评估统计方法、机器学习与深度学习方法的有效性	57篇相关研究论文	机器学习	心血管疾病	PPG	CNN, LSTM	时间序列信号数据	57项研究	NA	NA	NA	NA
1823	2026-05-24	Algorithmic detection of sleep-disordered breathing using respiratory signals: a systematic review 2024-03-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2c13 PMID:38387048	综述	系统回顾2012至2022年间基于呼吸信号的睡眠呼吸障碍算法检测文献，涵盖信号来源、处理、特征提取、分类及应用	首次全面综述呼吸信号在睡眠呼吸障碍算法检测中的范围与性能，填补了该领域缺乏综合回顾的空白	单源呼吸信号用于低通气检测的灵敏度有限，最高仅73.34%	系统综述基于呼吸信号的睡眠呼吸障碍检测算法，为未来研究提供参考	睡眠呼吸障碍检测算法，涉及的呼吸信号包括鼻气流、口鼻气流、胸呼吸努力和腹呼吸努力	机器学习	心血管疾病，糖尿病，高血压	NA	阈值规则法，机器学习模型，深度学习模型	文本	初步筛选342篇论文，32项研究符合数据提取标准	NA	NA	准确率，灵敏度	NA
1824	2026-05-24	SwinUNet: a multiscale feature learning approach to cardiovascular magnetic resonance parametric mapping for myocardial tissue characterization 2024-03-20, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2c15 PMID:38387052	研究论文	提出一种基于卷积U-Net和Swin Transformer的多尺度特征学习深度学习模型SwinUNet，用于加速心血管磁共振T1/T2参数映射	首次将卷积U-Net与Swin Transformer结合形成分层3D计算结构，实现空间和时间多尺度特征学习，实现高度加速的T1/T2参数映射	未明确说明，但可能包括样本量有限或加速倍数受限于心率变异性等实际临床因素	加速心血管磁共振T1/T2参数映射，实现心肌组织特征的快速定量评估	心肌组织，通过左心室心肌壁的T1/T2指标进行表征	数字病理学, 机器学习	心血管疾病	心血管磁共振, T1/T2参数映射	深度学习模型, 卷积神经网络, Transformer	图像（CMR图像）	未明确说明样本数量，但包括加速T1映射（≤4次心跳）和T2映射（2次心跳）的实验	NA	SwinUNet, 卷积U-Net, Swin Transformer, MyoMapNet	平均绝对误差, 结构相似性指数, 相关性分析, Bland-Altman一致性分析	NA
1825	2026-05-24	An interpretable shapelets-based method for myocardial infarction detection using dynamic learning and deep learning 2024-03-01, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad2217 PMID:38266290	研究论文	提出一种基于可解释性形状特征的方法，结合动态学习和深度学习进行心肌梗死检测	首次将形状特征与动态学习结合，用于提取心电信号的局部病理变化特征，并构建多维度心电动态信号的集成模型	未说明	提高心电检测心肌梗死的准确性，提取显著特征	心肌梗死患者与健康对照者的心电图信号	机器学习	心血管疾病	心电信号动态学习与深度学习	深度神经网络集成模型	心电信号	公开PTB数据集	NA	形状特征提取与深度神经网络集成模型	准确率, 灵敏度, 特异性	NA
1826	2026-05-24	Conventional and deep learning methods in heart rate estimation from RGB face videos 2024-02-09, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ad1458 PMID:38081130	综述	评估从RGB面部视频中心率估计的常规与深度学习方法，重点关注深度学习的局限和视频数据集的可获取性	系统比较常规方法与深度学习方法在心率估算中的应用，并指出深度学习的局限性及非控制环境下面部视频数据集的可用性挑战	可能缺乏对不同方法在真实场景下鲁棒性的全面比较，且未详细讨论数据集规模对模型性能的影响	为远程光电容积描记术和心率估计方法的理解提供全面综述，分析其优缺点	RGB面部视频中的心率信号提取方法	计算机视觉	NA	远程光电容积描记术	CNN, LSTM, 其他深度学习方法	视频	NA	NA	NA	NA	NA
1827	2026-05-24	Deep Learning of Videourodynamics to Classify Bladder Dysfunction Severity in Patients With Spina Bifida 2023-05, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000003267 PMID:36787376	研究论文	利用深度学习模型对脊髓脊膜膨出患者进行膀胱功能障碍严重程度分类	首次将深度学习应用于视频尿动力学数据的分析，结合容量-压力记录和荧光透视图像自动分类膀胱功能障碍严重程度	样本量有限（306项检查），且仅来自单一机构，模型泛化能力待验证	开发基于视频尿动力学数据的深度学习模型，以分类膀胱功能障碍严重程度	2个月至28岁患脊髓脊膜膨出的患者	机器学习	脊髓脊膜膨出相关膀胱功能障碍	视频尿动力学	卷积神经网络，随机森林	容量-压力曲线，荧光透视图像	306次视频尿动力学检查	NA	卷积神经网络	准确率，加权卡帕系数	NA
1828	2026-05-24	AI MSK clinical applications: cartilage and osteoarthritis 2022-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-021-03909-2 PMID:34735607	综述	综述人工智能在骨关节炎和软骨成像中的临床应用进展	系统整合了机器学习与深度学习在软骨分割、病变检测及未来膝关节OA风险预测模型中的创新应用	未提及当前AI方法在临床部署中的数据偏差、可解释性及验证挑战	总结AI在骨关节炎研究中的应用，包括成像优化、定量评估及自动化分析	软骨和骨关节炎的影像数据（X光片、MRI图像）	计算机视觉	骨关节炎	MRI、X线成像	CNN	图像	NA	NA	NA	NA	NA
1829	2026-05-24	White matter hyperintensities induce distal deficits in the connected fibers 2021-04-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25338 PMID:33417309	研究论文	研究白质高信号如何沿连接纤维扩散并引起远端缺陷	首次系统分析局部白质高信号沿连接纤维向远端区域传播损伤的机制	未涉及纵向变化或干预措施的影响	探究白质高信号对全局脑网络的影响及其传播路径	174名平均年龄74岁老年人的脑磁共振影像和神经心理评估数据	机器学习	老年性疾病	脑磁共振成像	CNN	图像	174名参与者，年龄74±5岁	NA	深度学习分割网络	多变量线性回归分析	NA
1830	2026-05-24	Transfer learning-based ensemble support vector machine model for automated COVID-19 detection using lung computerized tomography scan data 2021-Apr, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-020-02299-2 PMID:33738639	研究论文	提出一种基于迁移学习的集成支持向量机模型，用于从肺部CT扫描数据中自动检测COVID-19	结合迁移学习、VGG16特征提取、主成分分析特征选择以及集成支持向量机分类器，实现快速且准确的COVID-19自动筛查	测试样本量较小（208张图像），模型可能在不同数据集上的泛化性需进一步验证	设计自动化系统辅助医疗人员（尤其在资源匮乏地区）进行COVID-19早期检测	COVID-19患者的肺部CT扫描图像	数字病理学	COVID-19	CT扫描	VGG16, 支持向量机, 集成学习, 极限学习机, 深度卷积神经网络	图像	208张测试图像	NA	VGG16	准确率, 精确率, AUC, F1分数	NA
1831	2026-05-24	A New Subject-Specific Discriminative and Multi-Scale Filter Bank Tangent Space Mapping Method for Recognition of Multiclass Motor Imagery 2021, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2021.595723 PMID:33762911	研究论文	提出一种新的主题特异性判别多尺度滤波器组切空间映射方法，用于多类别运动想象识别	通过多变量方差分析的非参数方法选择判别性频带，生成多尺度滤波器组，结合时间窗分解多通道脑电信号，利用切空间映射（TSM）估计特征，并采用线性支持向量机分类，有效提升多类别运动想象任务的分类精度并降低执行时间	未提及具体限制，如实验样本量较小或数据通用性不足	设计主题特异性滤波器组以提高多类别运动想象任务的识别性能	多类别运动想象脑电信号，来自4类BCI竞赛IV-2a数据集	机器学习	NA	脑电图（EEG）信号处理	支持向量机（SVM）	脑电图（EEG）信号	9名受试者的4类运动想象数据（BCI竞赛IV-2a数据集）	NA	多尺度滤波器组切空间映射（DMFBTSM）	分类准确率, 训练时间, 测试时间	NA
1832	2026-05-24	Automated and semi-automated enhancement, segmentation and tracing of cytoskeletal networks in microscopic images: A review 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.04.019 PMID:33995906	综述	综述了显微图像中细胞骨架网络的自动与半自动增强、分割和追踪方法	对比传统方法与深度学习辅助方法，强调后者在细胞骨架网络分割中的优势	仅提供简短总结，未深入比较各方法的性能	总结专用于细胞骨架网络显微图像的增强、分割和追踪方法	细胞骨架细丝及其网络结构	计算机视觉	NA	显微成像	CNN, LSTM, GAN	图像	NA	NA	NA	NA	NA
1833	2026-05-24	Quantifying behavior to understand the brain 2020-12, Nature neuroscience IF:21.2Q1 DOI:10.1038/s41593-020-00734-z PMID:33169033	综述	回顾了用于量化动物行为的技术进展，特别是运动追踪和动态结构表征方法，并探讨了深度学习在计算行为学中的应用及其对神经科学研究的推动作用	强调深度学习作为核心驱动力，推动了行为量化从传统任务（如心理物理学）向完整行为描述扩展，并提出了连接神经活动与行为的量化框架	未明确提及具体局限性，但隐含挑战包括行为量化的完整性和动态结构的解析难度	综述行为量化技术进展，探讨如何通过量化行为理解脑功能，最终解析神经环路、认知过程与行为之间的关系	动物行为，包括自然环境中的运动和心理物理学任务中的行为表现	计算机视觉、机器学习	不适用	深度学习、行为追踪、运动动力学分析	深度学习模型（如用于特征提取和动态表征的神经网络）	行为视频、运动追踪数据	不适用	不适用	不适用	不适用	不适用
1834	2026-05-24	Deep learning in the cross-time frequency domain for sleep staging from a single-lead electrocardiogram 2018-12-21, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/aaf339 PMID:30524025	研究论文	该研究利用单导联心电图中的拍检测、时频域心肺耦合和深度卷积神经网络进行睡眠阶段分类	提出基于ECG的睡眠阶段分类方法，在非脑电图数据上达到最高报告结果，使用数据集比以往研究大十倍以上，系统无需人工标注可扩展至大规模分析	NA	从单导联心电图自动分类睡眠阶段	睡眠阶段（清醒、快速眼动睡眠、非快速眼动浅睡眠、非快速眼动深睡眠）	机器学习	睡眠障碍	心电图分析、心肺耦合分析	卷积神经网络	心电图信号	使用MIT-BIH多导睡眠图数据库、PhysioNet/CinC2018数据库和睡眠心脏健康研究数据库	NA	NA	NA	NA
1835	2026-05-24	Gumpy: a Python toolbox suitable for hybrid brain-computer interfaces 2018-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aae186 PMID:30215610	研究论文	介绍一个新的免费开源Python工具箱Gumpy，专为混合脑机接口设计	提供从经典机器学习到深度神经网络模型的广泛分类方法，并支持混合脑机接口的实时应用	NA	提供一个集成先进算法和信号处理方法的开源工具箱，用于混合脑机接口研究	脑电和肌电生物信号	机器学习	NA	脑电图(EEG), 肌电图(EMG), sEMG, SSVEP	深度学习模型	生物信号(EEG和EMG)	NA	Python	NA	准确率	NA
1836	2026-05-24	Comparison of logistic regression, support vector machines, and deep learning classifiers for predicting memory encoding success using human intracranial EEG recordings 2018-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aae131 PMID:30211695	研究论文	比较逻辑回归、支持向量机和深度学习分类器在利用人类颅内脑电图记录预测记忆编码成功中的性能	首次直接比较传统与深度学习方法在预测成功记忆编码中的二元分类性能	基于30名立体脑电图患者的数据集，样本量较小，可能限制泛化能力	评估不同机器学习策略在预测情景记忆编码成功中的性能，并探索特征降维的影响	记忆编码成功与否的二元分类任务	机器学习	NA	颅内脑电图	逻辑回归, 支持向量机, 深度学习	脑电信号	30名立体脑电图患者	NA	逻辑回归, 支持向量机, 深度学习	AUC	NA
1837	2026-05-24	Deep compressive autoencoder for action potential compression in large-scale neural recording 2018-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aae18d PMID:30215605	研究论文	开发一种基于深度学习的压缩模型，用于大规模神经记录中动作电位的带宽减少	首次将深度压缩自编码器与矢量量化结合应用于动作电位压缩，通过离散潜在嵌入和残差转换实现高压缩比和高质量重建	未明确说明局限性	设计低带宽、高保真的神经信号压缩方法，以支持大规模神经接口的数据传输	动作电位信号（包括合成数据集和体内数据集）	机器学习	NA	神经记录	深度压缩自编码器（CAE）	神经信号（动作电位波形）	合成数据集和体内数据集（未提供具体样本数量）	PyTorch（基于代码开源仓库推测）	残差变换编码器、解卷积解码器、矢量量化嵌入层	压缩比、重建精度、尖峰分类准确率	NA
1838	2026-05-24	Multiclass classification of obstructive sleep apnea/hypopnea based on a convolutional neural network from a single-lead electrocardiogram 2018-06-20, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/aac7b7 PMID:29794342	研究论文	提出基于卷积神经网络的深度学习架构，利用单导联心电图记录对阻塞性睡眠呼吸暂停/低通气进行多分类	首次利用六层CNN模型对正常、低通气和呼吸暂停三类事件进行自动分类，并基于单导联ECG实现高精度筛查	样本量较小（仅86名受试者），且未经外部验证集验证	实现阻塞性睡眠呼吸暂停/低通气的早期自动检测和多类分类	阻塞性睡眠呼吸暂停/低通气患者（86名受试者，约6小时ECG记录，分段为10秒片段）	机器学习	阻塞性睡眠呼吸暂停/低通气	单导联心电图记录	卷积神经网络（CNN）	心电图信号	86名受试者（训练集69人，测试集17人），共56,370个10秒时段	NA	六层CNN	加权F1分数	NA
1839	2026-05-24	Decoding of finger trajectory from ECoG using deep learning 2018-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aa9dbe PMID:29182152	研究论文	使用深度学习从ECoG信号解码手指运动轨迹	将特征提取和时序建模整合到一个联合优化的深度学习网络中，无需分阶段训练，支持在线学习	NA	开发一种自适应、在线学习的脑机接口解码系统，提高解码性能	ECoG信号中的手指运动轨迹解码	机器学习	NA	ECoG	CNN-LSTM	信号	NA	NA	CNN, LSTM	NA	NA
1840	2026-05-24	Deep learning for hybrid EEG-fNIRS brain-computer interface: application to motor imagery classification 2018-06, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/aaaf82 PMID:29446352	研究论文	本文研究了使用深度学习方法对混合EEG-fNIRS脑机接口数据进行运动想象分类	首次将深度神经网络（DNN）应用于EEG与fNIRS多模态记录的结合，显著提高了脑机接口分类性能	未提及具体限制	评估深度学习方法在混合EEG-fNIRS脑机接口中用于运动想象分类的性能	15名受试者进行的左右手运动想象任务	机器学习	NA	EEG, fNIRS	深度神经网络（DNN）	脑电和血氧信号	15名受试者，每人10分钟实验，1秒响应时间	NA	NA	分类准确率	NA