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	2025-11-12	Food Image Recognition and Food Safety Detection Method Based on Deep Learning 2021, Computational intelligence and neuroscience DOI:10.1155/2021/1268453 PMID:34956342	研究论文	提出基于深度学习的食品图像识别和食品安全检测方法	结合Tiny-YOLO和孪生网络提出YOLO-SIMM两阶段学习模式，设计YOLO-SiamV1和YOLO-SiamV2两个版本	识别精度一般	解决食品识别领域复杂度高、识别精度和速度不足的问题	食品图像和食品中异物	计算机视觉	NA	阈值分割技术	CNN	图像	NA	NA	Tiny-YOLO, 孪生网络	识别精度	NA
2	2025-11-08	A 3D-2D Hybrid U-Net Convolutional Neural Network Approach to Prostate Organ Segmentation of Multiparametric MRI 2021-01, AJR. American journal of roentgenology DOI:10.2214/AJR.19.22168 PMID:32812797	研究论文	本研究开发了一种混合3D-2D U-Net卷积神经网络方法，用于多参数MRI中前列腺器官的自动分割	提出了一种定制的混合3D-2D U-Net架构，结合了三维和二维卷积神经网络的优点	研究为回顾性设计，需要进一步研究开发病变定位和量化的模式识别方法	开发自动前列腺器官分割的深度学习方法	多参数MRI中的前列腺器官	数字病理	前列腺癌	多参数MRI	CNN	医学图像	287名患者的299次MRI检查（共7774张MR图像）	NA	混合3D-2D U-Net	Dice分数, Pearson相关系数	NA
3	2025-10-09	An Artificial Intelligence-Assisted Method for Dementia Detection Using Images from the Clock Drawing Test 2021, Journal of Alzheimer's disease : JAD DOI:10.3233/JAD-210299 PMID:34334396	研究论文	开发一种基于钟表绘图测试图像的深度学习方法来检测痴呆症	首次将深度学习应用于钟表绘图测试图像进行痴呆症预测，并结合人口统计学特征提升性能	需要进一步验证，样本中认知受损患者数量相对较少（160例）	评估机器学习模型能否利用钟表绘图测试图像预测轻度认知障碍或痴呆症	3,263名认知正常和160名认知受损的受试者	计算机视觉	老年疾病	钟表绘图测试	深度学习	图像	3,423名受试者（3,263名认知正常，160名认知受损）	NA	NA	AUC, F1分数	NA
4	2025-10-06	Evaluation of Ischemic Penumbra in Stroke Patients Based on Deep Learning and Multimodal CT 2021, Journal of healthcare engineering DOI:10.1155/2021/3215107 PMID:39290779	研究论文	提出基于深度学习的双路径注意力补偿网络结构，用于脑卒中患者缺血半暗带的多模态CT评估	提出主辅双路径注意力补偿网络结构，通过辅助路径生成宽松的注意力补偿系数来修正主路径可能的注意力系数错误	卒中病灶特征不明显，病灶边界与正常脑组织区分度差，影响分割性能	评估多模态CT在急性缺血性脑卒中患者侧支循环、缺血半暗带和核心梗死体积定量评估及静脉溶栓预后评估中的价值	急性缺血性脑卒中患者	计算机视觉	脑卒中	多模态CT	U-Net	CT图像	NA	NA	改进的全局注意力上采样U-Net, 主辅双路径注意力补偿网络	分割性能	NA
5	2025-10-06	Deep Learning Model to Predict Serious Infection Among Children With Central Venous Lines 2021, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2021.726870 PMID:34604142	研究论文	开发深度学习模型预测带中心静脉导管儿童发生疑似严重感染的风险	首次将深度学习应用于预测儿童中心静脉导管相关血流感染，相比传统疾病严重程度评分PELOD-2显著提升预测性能	单中心回顾性研究，未在外部数据集验证	预测儿科患者中心静脉导管相关的疑似严重感染	带中心静脉导管的住院儿童患者	医疗人工智能	儿科感染性疾病	电子病历数据挖掘	深度学习	临床特征数据（人口统计学、实验室结果、生命体征、导管特征、用药记录）	27,137例患者就诊记录，748,380个48小时时间窗口	NA	NA	AUC, 阳性预测值	NA
6	2025-10-06	Deep Learning Approaches to Surrogates for Solving the Diffusion Equation for Mechanistic Real-World Simulations 2021, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2021.667828 PMID:34248661	研究论文	本文开发了一种基于卷积神经网络的替代模型，用于快速求解稳态扩散方程的近似解	使用卷积神经网络作为偏微分方程的替代求解器，相比直接计算可获得约1000倍的加速，并提出使用回退训练策略来改善训练收敛性	遇到过拟合、场值映射错误以及导致近似解出现较大绝对误差和相对误差的几何条件等问题	为机械现实世界模拟中的扩散方程求解开发快速计算方法	二维方形域中两个等直径圆形恒定值源在随机位置的扩散场	机器学习	糖尿病视网膜病变	NA	CNN	数值模拟数据	通过直接计算生成数万次训练数据	NA	卷积神经网络	损失函数, 绝对误差, 相对误差	NA
7	2025-10-06	Real-time recognition of spraying area for UAV sprayers using a deep learning approach 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0249436 PMID:33793634	研究论文	本研究开发了一种基于深度学习的无人机喷雾器喷洒区域实时识别系统	采用深度学习技术实现无人机喷雾器喷洒区域的实时识别，提高了农业喷洒的精确性	研究仅针对香菜农田，未验证在其他作物上的适用性	开发准确的实时喷洒区域识别系统以提升无人机喷雾器的作业效率	无人机喷雾器的喷洒区域识别	计算机视觉	NA	深度学习	深度学习分类器	图像	从无人机采集的香菜农田图像	NA	NA	F1分数, 计算时间	NA
8	2025-06-08	Scientific production and thematic breakthroughs in smart learning environments: a bibliometric analysis 2021, Smart learning environments IF:6.7Q1 DOI:10.1186/s40561-020-00145-4 PMID:40477293	研究论文	本文通过文献计量学方法分析了智能学习环境领域的研究趋势、学者生产力和主题焦点	提供了智能学习环境领域的全面概览，包括研究热点、主题焦点和未来方向	仅基于Scopus数据库的1081篇同行评议文章，可能未涵盖所有相关研究	分析智能学习环境领域的研究趋势、学者生产力和主题焦点	智能学习环境领域的科学出版物	教育技术	NA	文献计量分析	NA	文本	1081篇同行评议文章	NA	NA	NA	NA
9	2025-06-08	Deep Learning and Particle Swarm Optimisation-Based Techniques for Visually Impaired Humans' Text Recognition and Identification 2021, Augmented human research DOI:10.1007/s41133-021-00051-5 PMID:40477829	研究论文	本文提出了一种结合深度学习和粒子群优化的方法，用于视觉障碍者的文本识别与识别	结合深度神经网络和粒子群优化技术，用于复杂退化图像中的文本识别	未提及具体样本量或实际应用中的性能表现	开发一种能够帮助视觉障碍者在自然场景中识别文本的系统	视觉障碍者	计算机视觉	NA	梯度图像方法、对比度图像方法、自适应图像映射、笔画宽度变换、Gabor变换	深度神经网络、粒子群优化	图像	使用IIIT5K数据集进行开发	NA	NA	NA	NA
10	2025-10-06	A Comparison of Deep Learning Models for Detecting COVID-19 in Chest X-ray Images 2021, IFAC-PapersOnLine DOI:10.1016/j.ifacol.2021.10.282 PMID:38620947	研究论文	比较四种深度学习模型在胸部X光图像中检测COVID-19的性能	通过45次不同实验系统比较了四种深度学习架构在COVID-19检测中的表现	仅进行二元分类，未涉及疾病严重程度分级或多类别分类	评估不同深度学习模型在COVID-19胸部X光图像诊断中的性能	COVID-19患者的胸部X光图像	计算机视觉	COVID-19	深度学习，迁移学习	CNN	医学图像	NA	NA	CNN with 4 convolutional blocks, VGG-19, Inception, MobileNet	准确率	NA
11	2025-05-23	Performance of artificial intelligence in colonoscopy for adenoma and polyp detection: a systematic review and meta-analysis 2021-01, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2020.06.059 PMID:32598963	meta-analysis	本文通过系统综述和荟萃分析评估了人工智能在结肠镜检查中检测腺瘤和息肉的表现	首次对实时计算机辅助息肉检测（CADe）系统在结直肠肿瘤检测中的随机对照试验进行荟萃分析，证实其显著提高腺瘤检出率	纳入的随机对照试验数量有限（5项），部分指标如高级别腺瘤检出率的证据等级不高	评估人工智能辅助系统在结直肠肿瘤检测中的临床效能	结直肠肿瘤（腺瘤和息肉）	digital pathology	colorectal cancer	deep learning	CADe	colonoscopy images	4354例患者（来自5项随机对照试验）	NA	NA	NA	NA
12	2025-10-07	A comprehensive review of deep learning-based single image super-resolution 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.621 PMID:34322592	综述	本文对基于深度学习的单图像超分辨率技术进行了全面综述	从深度学习角度系统分类超分辨率方法，涵盖监督学习、无监督学习和领域特定方法	作为综述文章，不包含原始实验数据和新方法提出	总结单图像超分辨率领域的最新进展和发展趋势	图像超分辨率算法和方法	计算机视觉	NA	NA	GAN, CNN	图像	NA	NA	EDSR, CinCGAN, MSRN, Meta-RDN, RBPN, SAN, SRFBN, WRAN	图像质量指标	NA
13	2025-10-07	Pollen analysis using multispectral imaging flow cytometry and deep learning 2021-01, The New phytologist DOI:10.1111/nph.16882 PMID:32803754	研究论文	本研究开发了一种结合多光谱成像流式细胞术和深度学习的花粉分析方法	首次将多光谱成像流式细胞术与深度学习相结合用于花粉分析，实现了快速测量和高精度物种识别	需要建立全面的花粉参考数据库才能充分发挥方法优势	开发自动化的花粉识别和定量分析方法	35种植物物种的花粉	计算机视觉	NA	多光谱成像流式细胞术	CNN	图像	426,876张花粉图像	NA	卷积神经网络	准确率	NA
14	2025-10-07	Performance for rotor system of hybrid electromagnetic bearing and elastic foil gas bearing with dynamic characteristics analysis under deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0244403 PMID:33720953	研究论文	通过深度学习分析混合电磁轴承和弹性箔片气体轴承转子系统的动态特性，并优化CNN在故障检测中的结构	结合混合电磁轴承和弹性箔片气体轴承的转子系统动态特性分析，并首次将CNN应用于该系统故障检测的参数优化	NA	分析轴承-转子系统的动态特性并优化CNN在系统故障检测和分类中的性能	涡轮膨胀机轴承-转子系统	机器学习	NA	动态特性分析	CNN	工程系统数据	NA	NA	卷积神经网络	分类准确率,损失函数	NA
15	2025-10-07	Determination of disease severity in COVID-19 patients using deep learning in chest X-ray images 2021-Jan, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.5152/dir.2020.20205 PMID:32815519	研究论文	本研究利用深度学习分析COVID-19患者胸部X光片，评估病变严重程度及其与临床特征的关联	在急性COVID-19爆发环境中验证深度学习模型可行性，并建立影像特征与临床指标（年龄、合并症、治疗急迫性）的统计学关联	回顾性研究设计，样本量较小（48例患者），单中心数据	开发基于深度学习的COVID-19胸部X光自动分析工具，探索影像特征与临床严重程度的关联	SARS-CoV-2 RT-PCR阳性患者	计算机视觉	COVID-19	胸部X光成像	深度学习	医学影像	48名患者（年龄60±17岁，15名女性），共65张胸部X光片	NA	NA	Cohen's kappa	NA
16	2025-10-07	MVP predicts the pathogenicity of missense variants by deep learning 2021-01-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-020-20847-0 PMID:33479230	研究论文	提出基于深度残差网络的错义变异致病性预测新方法MVP	首次将深度残差网络应用于错义变异致病性预测，并针对功能缺失不耐受基因和耐受基因分别训练模型	未明确说明模型在特定遗传疾病类型中的泛化能力	开发更准确的错义变异致病性预测方法	错义基因变异	机器学习	先天性心脏病	深度残差网络	深度学习	基因变异数据	包含癌症突变热点和发育障碍新生变异的大规模训练数据集	NA	深度残差网络	致病性变异优先排序性能	NA
17	2025-10-07	MSTCN: A multiscale temporal convolutional network for user independent human activity recognition 2021, F1000Research DOI:10.12688/f1000research.73175.2 PMID:36896393	研究论文	提出一种基于多尺度时序卷积网络(MSTCN)的用户无关人类活动识别方法	结合Inception模型与时序卷积架构，采用多尺度可分离卷积和扩张卷积扩大感受野，并利用残差连接防止信息丢失	未提及模型在跨设备或跨环境下的泛化能力	开发用户无关的人类活动识别系统	人类日常活动数据	机器学习	NA	深度学习	时序卷积网络	传感器时序数据	UCI和WISDM数据集	NA	Inception, 时序卷积网络	F1分数	NA
18	2025-02-21	An Improved Double Channel Long Short-Term Memory Model for Medical Text Classification 2021, Journal of healthcare engineering DOI:10.1155/2021/6664893 PMID:33688423	研究论文	本文提出了一种改进的双通道长短期记忆模型（DC-LSTM），用于提高医疗文本分类的准确性	引入了双通道机制，同时接收词级和字符级嵌入，并提出混合注意力机制，结合当前时间输出与当前时间单元状态，通过计算权重得分进行加权求和，以提高模型学习的泛化能力	虽然模型在cMedQA和Sentiment140数据集上表现出色，但未提及在其他医疗文本数据集上的泛化能力	解决医疗文本分类中的低准确率问题，特别是针对中文医疗诊断中含义模糊的词汇	医疗和健康互联网社区中的症状咨询文本	自然语言处理	NA	深度学习	LSTM	文本	两个数据集：cMedQA和Sentiment140	NA	NA	NA	NA
19	2025-02-21	Predicting Slurry Pressure Balance with a Long Short-Term Memory Recurrent Neural Network in Difficult Ground Condition 2021, Computational intelligence and neuroscience DOI:10.1155/2021/6678355 PMID:33708249	研究论文	本文提出了一种基于长短期记忆（LSTM）循环神经网络的模型，用于预测在困难地质条件下的隧道面压力	首次将LSTM循环神经网络应用于隧道面压力预测，特别是在泥岩和圆砾混合地质条件下	模型在泥岩丰富的地质条件下表现良好，但在其他地质条件下的表现未进行验证	开发一种能够预测隧道面压力的模型，以减少人为判断错误带来的风险	隧道面压力，特别是在泥岩和圆砾混合地质条件下的压力	机器学习	NA	LSTM循环神经网络	LSTM	顺序地质数据，PLC数据	南宁地铁的案例研究	NA	NA	NA	NA
20	2025-02-21	RLSTM: A New Framework of Stock Prediction by Using Random Noise for Overfitting Prevention 2021, Computational intelligence and neuroscience DOI:10.1155/2021/8865816 PMID:34113377	研究论文	本文提出了一种名为随机长短期记忆（RLSTM）的新深度学习模型，用于股票市场指数的准确预测，以解决泛化能力弱和训练过拟合的问题	提出了一种新的深度学习模型RLSTM，通过引入随机噪声来防止过拟合，并提高了预测的准确性	仅使用了上海证券综合指数和标准普尔500指数进行模拟，可能在其他市场或数据上的泛化能力尚未验证	提高股票市场指数预测的准确性，减少投资者的财务风险	股票市场指数（如上海证券综合指数和标准普尔500指数）	机器学习	NA	深度学习	RLSTM（随机长短期记忆）	时间序列数据	上海证券综合指数和标准普尔500指数的数据	NA	NA	NA	NA