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
1	2026-10-03	Radar-Spectrogram-Based UAV Classification Using Convolutional Neural Networks 2020-Dec-31, Sensors (Basel, Switzerland) DOI:10.3390/s21010210 PMID:33396245	研究论文	本文提出了一种基于雷达频谱图的深度学习分类模型，用于实时识别低慢小目标	设计了ResNet-SP模型，在ResNet-18基础上减少了计算量，提高了准确性和稳定性	未明确说明	实现低慢小目标的实时识别	五类低慢小目标（三种无人机和两种人类活动）	计算机视觉	NA	调频连续波雷达，短时傅里叶变换	CNN	图像	未明确说明具体样本数量，但涉及五种目标类型	NA	ResNet-18, ResNet-SP	准确率, 训练时间	NA
2	2026-10-03	Addressing Noise and Skewness in Interpretable Health-Condition Assessment by Learning Model Confidence 2020-Dec-19, Sensors (Basel, Switzerland) DOI:10.3390/s20247307 PMID:33352690	研究论文	本文提出了一种基于K-margin的可解释学习方法用于健康状态评估，通过偏斜感知的RCR-Net模型处理类别偏斜，利用诊断模型自动处理噪声片段，并提供知识引导的解释方法，在医疗和航空航天领域验证了有效性	提出了K-margin可解释学习方法，包括偏斜感知RCR-Net模型处理类别偏斜，基于K-margin的诊断模型自动处理噪声片段，以及知识引导的解释方法自动学习领域知识级特征，无需人类专家帮助	摘要中未提及	解决现有深度学习方法在健康状态评估中存在的类别偏斜、噪声片段和结果可解释性不足的问题，提高实际应用中的适用性	健康状态评估任务，具体涉及医疗和航空航天领域的健康状态数据	机器学习	NA	深度学习	RCR-Net	传感器数据	NA	NA	RCR-Net	F1分数	NA
3	2026-10-03	Machine learning predicts live-birth occurrence before in-vitro fertilization treatment 2020-12-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-76928-z PMID:33262383	研究论文	本文利用人工智能技术，基于体外受精（IVF）相关数据集，预测胚胎移植后活产的发生，并比较了多种机器学习算法的性能	首次在公开的HFEA数据集上比较经典机器学习、深度学习及集成算法在有无特征选择两种设置下预测IVF活产的效果，并发现随机森林模型取得最高F1分数	未明确说明数据集的样本量、特征数量及具体特征，且模型性能仍有提升空间（F1约76%）	预测体外受精（IVF）治疗中活产的发生，辅助临床决策	接受体外受精（IVF）治疗的夫妇（胚胎来自夫妇自身而非捐赠者）	机器学习	不孕不育	NA	随机森林, 深度学习, 集成学习	表格数据	NA	NA	随机森林, 深度学习模型, 集成学习模型	F1分数, 精确率, 召回率, ROC AUC, 混淆矩阵, ROC曲线	NA
4	2026-10-03	Artificial Intelligence-Based Polyp Detection in Colonoscopy: Where Have We Been, Where Do We Stand, and Where Are We Headed? 2020-Dec, Visceral medicine IF:1.8Q2 DOI:10.1159/000512438 PMID:33447598	综述	本文综述了过去35年基于人工智能的结肠镜检查中息肉和腺瘤检测的演变，从手工特征到深度学习，并讨论了大规模临床数据的需求以及未来展望	提供了结肠镜检查中AI息肉检测35年发展的全面历史概述，强调了巴黎分类、纹理特征、大数据和深度学习等里程碑	未提及具体的技术限制或未来挑战的深入分析	概述基于人工智能的结肠镜检查中腺瘤和息肉检测的演变，并讨论未来可能性	结肠镜检查图像中的息肉和腺瘤	计算机视觉	结直肠癌	结肠镜检查	CNN	图像	NA	NA	卷积神经网络	NA	NA
5	2026-09-07	Deep convolutional neural networks: Outperforming established algorithms in the evaluation of industrial optical coherence tomography (OCT) images of pharmaceutical coatings 2020-Dec, International journal of pharmaceutics: X DOI:10.1016/j.ijpx.2020.100058 PMID:33294841	研究论文	提出了一种基于深度卷积神经网络的新型评估方法，用于分析药物固体制剂的光学相干断层扫描图像，并证明了其性能优于传统算法	首次将深度CNN应用于工业OCT图像分析中的药物涂层评估，并展示了其超越基于椭圆拟合的既有算法的能力	未提及具体限制，但讨论了在实时条件下部署深度CNN时需处理图像噪声和外观变化的挑战	开发并验证一种基于深度CNN的OCT图像分析新方法，以在实时工业环境中高效评估药物涂层	膜包衣片剂以及单层和多层颗粒的OCT图像数据	计算机视觉	NA	OCT	CNN	图像	未指定具体样本数量，涉及片剂和颗粒的OCT图像	NA	深度卷积神经网络（未指定具体架构如ResNet等）	效率（计算速度）、灵敏度（检测次数）、准确度（与参考方法的偏差）	在相同的硬件上执行算法以确保可比性，但未指定具体GPU或云平台
6	2026-08-27	Breast ultrasound lesion classification based on image decomposition and transfer learning 2020-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.14510 PMID:33012047	研究论文	本研究提出了一种基于图像分解和迁移学习的乳腺超声图像分类方法，通过模糊增强和双边滤波图像与原始超声图像结合，利用预训练模型提高良性/恶性病变分类性能	采用图像分解技术生成模糊增强和双边滤波图像，与原始超声图像构建多特征数据，增强预训练模型的特征提取能力	摘要中未提及明显的局限性信息	解决乳腺超声图像模糊和斑点噪声干扰下深度学习分类可靠性不足的问题	乳腺超声图像中的良性/恶性病变	医学图像分析	乳腺病变	图像分解	卷积神经网络（CNN）	图像	NA	NA	VGG16	准确率、灵敏度、特异度、F1分数、AUC	NA
7	2026-08-16	Image Descriptors for Weakly Annotated Histopathological Breast Cancer Data 2020-Dec, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2020.572671 PMID:33345255	研究论文	提出两种图像描述符（CKD和WAID）用于弱标注的组织病理学乳腺癌数据，提高癌症组织识别性能	引入协方差-核描述符（CKD）和弱标注图像描述符（WAID），无需像素级组织标注即可识别恶性肿瘤区域，并优于多种计算机视觉特征	未在更大规模或多样化的数据集上验证，且未涉及深度学习方案，可能影响泛化能力	提供强大的特征描述符，增强临床医生对乳腺癌组织病理图像的识别能力	乳腺癌组织病理图像中的恶性区域	计算机视觉、数字病理学	乳腺癌	组织病理图像分析	多示例学习框架	图像	私有乳腺癌数据集和Breast Cancer Histopathological数据库（BreakHis）	NA	CKD、WAID	分类准确率（ACC）、曲线下面积（AUC）、正确分类恶性（CCM）实例率	NA
8	2026-06-17	Deep-LUMEN assay - human lung epithelial spheroid classification from brightfield images using deep learning 2020-12-15, Lab on a chip IF:6.1Q2 DOI:10.1039/d0lc01010c PMID:33151236	研究论文	提出了一种名为Deep-LUMEN的深度学习算法，用于从明场图像中自动分类人类肺上皮球体，并检测其形态变化	首次利用深度学习算法从非侵入性明场图像中自动识别肺上皮球体的微小形态差异，并能区分极化和非极化球体，追踪管腔结构变化	未明确提及限制，可能包括算法对特定细胞类型或培养条件的依赖性，以及验证仅针对特定药物和细胞外基质	开发并验证一种非侵入性方法，利用深度学习从明场图像中评估三维上皮球体形态，用于药物筛选和毒性测试	人类肺上皮球体（三维组织模型）	计算机视觉, 机器学习	肺脏疾病	明场显微镜	目标检测算法（基于深度学习，如CNN）	明场图像	未明确说明样本数量，但涉及不同细胞外基质和药物处理条件下的肺上皮球体图像	NA	目标检测网络（具体架构未指定，可能基于YOLO或Faster R-CNN）	NA	NA
9	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
10	2026-05-09	Deep learning extended depth-of-field microscope for fast and slide-free histology 2020-12-29, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2013571117 PMID:33318169	研究论文	提出一种基于深度学习的扩展景深显微镜，用于快速、无切片的组织学检查	通过在荧光显微镜瞳孔平面添加廉价相位掩模并结合联合优化的图像重建算法，实现200微米的扩展景深，无需物理切片即可获得组织学质量图像	未明确提及当前处理的组织表面不规则性是否影响所有样本，以及算法在不同显微镜配置下的通用性	开发可在术中快速评估手术切缘的显微镜技术，减少传统组织处理的时间和成本	口腔外科手术切除的组织样本	计算机视觉, 数字病理学	癌症	荧光显微镜	深度学习	图像	口腔手术切除标本	NA	NA	衍射极限光学性能	NA
11	2026-05-05	Deep Learning for Prediction and Optimization of Fast-Flow Peptide Synthesis 2020-Dec-23, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.0c00979 PMID:33376788	研究论文	利用深度学习预测和优化快速流动肽合成中的Fmoc脱保护效率	首次将深度学习应用于快速流动肽合成的原位紫外-可见光谱数据，实现序列依赖的脱保护反应预测，并建立实验感知的计算设计方法以减少聚集事件	未明确提及方法的通用性验证（如不同合成仪或肽序列类型）及实际反应优化中的实时部署挑战	开发一种基于深度学习的计算方法，用于预测和优化快速流动肽合成中的Fmoc脱保护效率	35,427个Fmoc脱保护反应的紫外-可见光谱数据及对应氨基酸和肽序列	机器学习	不适用	Fmoc固相肽合成、紫外-可见光谱	深度学习模型（具体架构未明确）	时间分辨紫外-可见光谱数据	35,427个Fmoc脱保护反应	不适用	未明确指定具体架构	误差（低于6%）	未明确提及
12	2026-05-05	Single-Nanoparticle Orientation Sensing by Deep Learning 2020-Dec-23, ACS central science IF:12.7Q1 DOI:10.1021/acscentsci.0c01252 PMID:33376795	研究论文	利用深度学习平台在差分干涉对比显微镜下确定各向异性光学探针的取向	通过深度学习模型突破DIC方法的固有角度限制（20°），实现金纳米棒平面角预测误差低于此限，并首次在0-360°范围内检测低对称性金纳米星的平面取向，同时扩展模型实现多分支纳米星平面外旋转角的同时预测	NA	开发计算成像平台以精确检测各向异性光学探针在DIC显微镜下的取向	金属纳米颗粒光学探针（金纳米棒、金纳米星）	计算机视觉	NA	差分干涉对比显微镜	深度学习模型	图像	NA	NA	NA	误差（角度误差）	NA
13	2026-05-03	From Regression Analysis to Deep Learning: Development of Improved Proxy Measures of State-Level Household Gun Ownership 2020-Dec-11, Patterns (New York, N.Y.) DOI:10.1016/j.patter.2020.100154 PMID:33336203	研究论文	利用传统回归分析和深度学习开发了两种高精度州级家庭枪支拥有率代理指标	首次将深度学习应用于枪支拥有率代理指标建模，并指出传统FS/S代理指标存在严重偏差	代理指标依赖有限协变量（自杀枪支比例和狩猎执照率），可能忽略其他影响因素	开发更准确的州级家庭枪支拥有率代理指标，替代现有偏见严重的FS/S指标	美国各州家庭枪支拥有率	机器学习	NA	NA	深度学习模型、回归分析模型	数值型数据	NA	NA	NA	R²	NA
14	2026-04-30	DeepACP: A Novel Computational Approach for Accurate Identification of Anticancer Peptides by Deep Learning Algorithm 2020-Dec-04, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2020.10.005 PMID:33230481	研究论文	提出一种基于深度学习的计算方法DeepACP，用于准确识别抗癌肽	系统比较了卷积、循环和卷积-循环三种深度学习架构，发现双向长短期记忆网络表现最优，并实现了模型可视化与理解	未明确说明，但可推断仅限于序列信息，且需进一步验证对非ACP肽的泛化能力	探索最佳深度学习架构以准确预测抗癌肽，并开发实用工具	抗癌肽序列数据集	机器学习	癌症	NA	循环神经网络	序列数据	未提及具体数量	深度学习框架未明确指定	双向长短期记忆网络	准确率	NA
15	2026-04-04	Deep Neural Network Sleep Scoring Using Combined Motion and Heart Rate Variability Data 2020-Dec-23, Sensors (Basel, Switzerland) DOI:10.3390/s21010025 PMID:33374527	研究论文	本文开发了一种结合活动计数和心率变异性数据的深度学习算法，用于改进睡眠质量评估	提出了一种新颖的深度学习模型（Haghayegh算法），结合活动计数和5分钟窗口的心率变异性指标，显著提升了睡眠评分性能	研究仅基于222名参与者的数据，样本量相对有限，且未涉及更广泛的临床验证	改进睡眠质量评估，通过深度学习算法提升与多导睡眠图的吻合度	222名参与者的同时记录的多导睡眠图和腕部活动记录数据	机器学习	NA	腕部活动记录术，心率变异性分析	深度学习模型	活动计数和心率变异性指标	222名参与者	NA	Haghayegh算法	准确率, 灵敏度, 特异性, Kappa一致性	NA
16	2026-03-20	Exploring a Structural Basis for Delayed Rod-Mediated Dark Adaptation in Age-Related Macular Degeneration Via Deep Learning 2020-12, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.9.2.62 PMID:33344065	研究论文	本研究利用深度学习模型分析SD-OCT图像，探索年龄相关性黄斑变性中延迟杆介导暗适应的结构基础	提出了一种基于深度学习的无偏解剖生物标志物发现框架，首次识别并定位了SD-OCT中与延迟RMDA相关的低反射外层视网膜带	研究依赖于特定位置的SD-OCT B扫描图像，样本可能有限，且模型性能虽好但误差范围仍需进一步优化	探索年龄相关性黄斑变性中延迟杆介导暗适应的结构基础，并开发成像生物标志物发现方法	患有和未患有年龄相关性黄斑变性的参与者，聚焦于黄斑区SD-OCT图像	数字病理学	年龄相关性黄斑变性	光谱域光学相干断层扫描	深度学习模型	图像	NA	NA	NA	均方误差, 平均绝对误差	NA
17	2025-10-06	Deep learning using a biophysical model for robust and accelerated reconstruction of quantitative, artifact-free and denoised R2* images 2020-12, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28344 PMID:32767489	研究论文	提出一种基于生物物理模型的深度学习方法来稳健快速地重建定量、无伪影且去噪的R2*图像	采用自监督学习策略，无需真实R2*图像作为标签，仅需训练阶段使用F函数，应用阶段无需B0场不均匀性先验信息	未明确说明训练数据的具体规模和多样性限制	开发快速准确的磁共振R2*定量成像重建方法	多梯度回波磁共振成像数据	医学影像分析	NA	多梯度回波磁共振成像	CNN	磁共振图像	NA	NA	卷积神经网络	准确度	NA
18	2025-05-23	Lake water-level fluctuation forecasting using machine learning models: a systematic review 2020-Dec, Environmental science and pollution research international DOI:10.1007/s11356-020-10917-7 PMID:32978734	综述	本文对机器学习模型在湖泊水位波动预测中的应用进行了全面回顾	系统总结了七种流行的机器学习模型在湖泊水位预测中的应用，并讨论了模型输入、性能标准及比较	未涉及具体模型的详细实现细节和特定湖泊案例的深入分析	评估机器学习模型在湖泊水位波动预测中的效果和应用前景	湖泊水位波动	机器学习	NA	NA	ANN, SVM, ANFIS, WA-ANN, WA-ANFIS, WA-SVM, GEP, GP, ELM, DL	水文数据	NA	NA	NA	NA	NA
19	2025-05-23	Computer-aided diagnosis of liver lesions using CT images: A systematic review 2020-12, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.104035 PMID:33099219	综述	本文综述了1998年至2020年间发表的关于使用计算机辅助诊断系统通过CT图像预测肝脏良恶性病变的最新技术	提供了肝脏病变计算机辅助诊断系统的全面概述，包括传统和基于深度学习的方法	未开发出适用于多样化图像的高效分割方法，未研究无监督和半监督深度学习模型	概述计算机辅助诊断系统在肝脏病变诊断中的最新技术	肝脏病变	数字病理学	肝脏疾病	CT成像	深度学习与传统方法	图像	NA	NA	NA	NA	NA
20	2025-10-07	Template-based prediction of protein structure with deep learning 2020-Dec-29, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-020-07249-8 PMID:33372607	研究论文	提出基于深度学习的ThreaderAI方法用于蛋白质三级结构预测	将模板-查询序列比对任务重新定义为计算机视觉中的像素分类问题，并首次应用深度残差神经网络进行预测	NA	提高蛋白质三级结构预测的准确性，特别是针对远缘同源蛋白	蛋白质序列和结构	计算机视觉, 机器学习	NA	深度学习, 蛋白质结构预测	CNN, 深度残差神经网络	序列谱, 预测的结构特征, 残基-残基接触	SCOPe数据集和CASP13的TBM-hard数据	NA	ResNet	TM-score	NA