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	2026-10-08	A real-time system using deep learning to detect and track ureteral orifices during urinary endoscopy 2021-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2020.104104 PMID:33220590	研究论文	该研究开发并验证了一种基于改进的实时深度卷积神经网络和鲁棒跟踪算法的实时计算机辅助系统，用于在泌尿内窥镜场景中自动检测和跟踪输尿管开口	提出了改进的SSD（Refined-SSD）用于输尿管开口检测，并将检测模型与五种不同的跟踪算法集成，以模拟泌尿科医生的检查行为，解决了输尿管开口在蠕动收缩闭合状态下难以识别的问题	研究使用了特定数量的内窥镜图像和视频帧进行训练和测试，样本量和多样性可能有限，未提及多中心验证或不同设备条件下的泛化能力	在真实内窥镜场景中自动识别和定位各种类型和状态的输尿管开口	输尿管开口（UO），包括经尿道电切镜和输尿管镜图像及视频帧中的输尿管开口	计算机视觉	泌尿系统疾病	泌尿内窥镜检查	CNN	图像和视频	447张经尿道电切镜图像（含输尿管开口）用于训练，818张输尿管镜图像用于测试，892个经尿道电切镜视频帧和1366个输尿管镜视频帧用于视频序列分析，17个经尿道电切镜视频片段和40个输尿管镜视频片段用于跟踪评估	NA	Refined-SSD, SSD	准确率, 灵敏度, 每图像假阳性率, 跟踪成功率	NA
2	2026-10-03	Text classification models for the automatic detection of nonmedical prescription medication use from social media 2021-01-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-021-01394-0 PMID:33499852	研究论文	本文开发并评估了基于双向Transformer的自动文本分类模型，用于从Twitter检测非医疗处方药使用（滥用/误用）的自我报告。	提出了融合（fusion）方法，并首次系统地将多种最先进的Transformer模型（BERT、RoBERTa、XLNet、AlBERT、DistilBERT）应用于非医疗处方药使用的检测，同时证明了融合模型显著优于传统模型和单一Transformer模型；此外通过变化训练集大小的实验证明了Transformer模型在小样本下更稳定。	社交媒体文本缺乏上下文且语言独特（如俚语、缩写等），这是当前模型性能提升的主要障碍；作者指出要进一步提升BERT类模型的效果需要克服这些挑战。	开发自动化的社交媒体文本分类系统，以连续监测Twitter上关于非医疗处方药使用（滥用/误用）的自我报告。	Twitter上公开的用户推文，特别是包含非医疗处方药滥用/误用自我报告的推文。	自然语言处理	药物滥用	双向Transformer语言模型（BERT、RoBERTa、XLNet、AlBERT、DistilBERT）以及融合方法	Transformer, BERT, RoBERTa, XLNet, AlBERT, DistilBERT	文本（推文）	使用了公共数据集，但摘要未明确说明具体样本量。	NA	BERT, RoBERTa, XLNet, AlBERT, DistilBERT, 融合模型	F1-score (95% CI)	NA
3	2026-10-03	Mining influential genes based on deep learning 2021-Jan-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-021-03972-5 PMID:33482718	研究论文	本文提出一个基于深度学习的计算框架，利用AutoEncoder和DeepLIFT挖掘能覆盖更多基因组信息的关键基因集	首次将AutoEncoder与DeepLIFT结合用于关键基因挖掘，并重新获得了一个关键基因集，该基因集在预测目标基因时比L1000方法更准确和稳健	未明确说明计算资源需求及框架在大规模数据上的可扩展性	挖掘能覆盖更多基因组信息的关键基因子集，以更准确和稳健地推断目标基因	基因表达谱数据中的基因	机器学习	NA	基因表达谱分析	AutoEncoder	基因表达数据	NA	NA	AutoEncoder	平均绝对误差, 皮尔逊相关系数	NA
4	2026-10-03	Intelligent Fault Diagnosis of Hydraulic Piston Pump Based on Wavelet Analysis and Improved AlexNet 2021-Jan-14, Sensors (Basel, Switzerland) DOI:10.3390/s21020549 PMID:33466697	研究论文	本文提出一种结合小波分析和改进CNN的液压柱塞泵智能故障诊断方法，通过改进AlexNet结构减少参数和计算复杂度，实现多状态故障分类。	结合小波分析与改进CNN，通过修改网络结构减少参数和计算复杂度，相比经典AlexNet更高效。	摘要中未明确提及研究的局限性。	探索液压柱塞泵的智能故障诊断方法，克服传统方法对专家经验和特征提取的依赖。	液压柱塞泵的振动信号，涵盖中心弹簧故障、滑靴磨损、斜盘磨损、滑靴松动和正常状态五种健康状态。	机器学习	NA	小波分析	CNN	振动信号（数值数据）	五种不同健康状态的故障数据	NA	改进AlexNet, LeNet-5, 2D LeNet-5, AlexNet	识别准确率, 鲁棒性	NA
5	2026-10-03	FSS-2019-nCov: A deep learning architecture for semi-supervised few-shot segmentation of COVID-19 infection 2021-Jan-05, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2020.106647 PMID:33519100	研究论文	本文提出了一种名为FSS-2019-nCov的半监督小样本分割深度学习架构，用于从少量标注的肺部CT扫描中高效分割COVID-19感染区域	提出了一种新颖的双路径深度学习架构用于小样本分割，每条路径包含编码器-解码器结构；引入了平滑空洞卷积（SAC）块和多尺度金字塔池化（MPP）块组成的上下文增强模块；提出了自适应重组合与重校准（RR）模块，实现两条路径之间的高效知识交换且仅带来微小的计算复杂度增加	摘要中未明确提及研究局限性	在标注数据有限的情况下，实现COVID-19感染的精确分割，并提供一个适用于有限数据场景下肺部疾病诊断的通用框架	COVID-19感染患者的肺部CT扫描图像	计算机视觉	肺癌	CT成像	CNN	图像	少量标注的肺部CT扫描图像（具体数量未在摘要中说明）	NA	ResNet34编码器, 编码器-解码器架构	NA	NA
6	2026-10-03	A slice classification model-facilitated 3D encoder-decoder network for segmenting organs at risk in head and neck cancer 2021-Jan-01, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rraa094 PMID:33029634	研究论文	本文开发并验证了一种基于切片分类模型辅助的3D编码器-解码器网络，用于头颈部癌症中危及器官（OARs）的分割，以解决小体积OARs与全CT图像之间的类别不平衡问题。	提出了一种两步分割模型，首先使用切片分类模型将CT切片分为六个类别，然后将不同OARs的目标类别分别输入到不同的3D编码器-解码器分割网络中，从而减少假阳性和计算时间。	未明确提及	缓解头颈部癌症OARs分割中的类别不平衡问题，提高分割精度和效率。	头颈部癌症患者的CT图像中的危及器官（OARs），包括左右眼、左右视神经、脑干、左右颞叶、左右颞下颌关节、下颌骨、左右腮腺。	数字病理学, 计算机视觉	头颈部癌症	CT成像	CNN	图像	170名患者（训练集120，验证集30，测试集20）	未明确提及	3D编码器-解码器网络, 切片分类模型	Dice相似系数, 95%豪斯多夫距离, 准确率	未明确提及
7	2026-10-03	Technology trends and applications of deep learning in ultrasonography: image quality enhancement, diagnostic support, and improving workflow efficiency 2021-Jan, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.20102 PMID:33152846	综述	本文综述了深度学习在超声成像中的最新应用，涵盖图像质量增强、诊断支持和工作流程效率提升	系统总结了深度学习在超声图像处理、诊断及工作流程优化中的最新进展，并展望未来方向	作为综述，未提供原始实验数据，且未深入讨论技术实现细节	综述深度学习在超声成像中的应用，包括图像质量增强、诊断支持和工作流程效率提升	超声图像及相关临床应用（乳腺、甲状腺、心脏、肾脏、肝脏、胎儿头部等）	医学图像分析	乳腺癌, 甲状腺癌, 心血管疾病, 肾脏疾病, 肝脏疾病, 胎儿异常	超声成像	CNN, GAN, Transformer	图像	NA	NA	NA	NA	NA
8	2026-10-03	Deep Learning-Based Acute Ischemic Stroke Lesion Segmentation Method on Multimodal MR Images Using a Few Fully Labeled Subjects 2021, Computational and mathematical methods in medicine DOI:10.1155/2021/3628179 PMID:33564322	研究论文	本文提出一种基于深度学习的多模态MR图像急性缺血性卒中病灶分割方法，利用少量全标注受试者和大量弱标注受试者进行训练	提出多特征图融合网络（MFMF-Network），采用双分支结构，分类分支使用数百个弱标注受试者训练，分割分支使用少量全标注受试者微调，从而减少对全标注数据的依赖	仅使用了5个全标注受试者，分割性能（平均Dice系数0.699）仍有提升空间；方法依赖于弱标注数据的质量和数量	解决急性缺血性卒中病灶分割中全标注数据稀缺的问题，实现高效准确的病灶分割	急性缺血性卒中患者的多模态MR图像	医学图像分割	急性缺血性卒中	多模态磁共振成像（MRI）	卷积神经网络（CNN）	图像	398个弱标注受试者用于训练分类分支，5个全标注受试者用于训练分割分支，179个受试者用于测试	NA	多特征图融合网络（MFMF-Network）	Dice系数、病灶级F1分数、受试者级检测率	NA
9	2026-10-01	Bayesian neural networks for stock price forecasting before and during COVID-19 pandemic 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253217 PMID:34197473	研究论文	本文使用贝叶斯神经网络在COVID-19疫情前和疫情期间进行多步股票价格预测，并研究疫情前数据集对疫情期间预测的适用性	使用基于Langevin梯度和并行回火MCMC的贝叶斯神经网络进行股票价格预测，提供了预测的不确定性量化，并研究了疫情前数据在疫情期间建模的可用性	由于疫情期间股票价格的高波动性，预测更具挑战性	研究贝叶斯神经网络在COVID-19疫情前后股票价格多步预测中的表现	股票价格数据（COVID-19前和COVID-19期间）	机器学习	NA	贝叶斯神经网络，MCMC采样，Langevin梯度	贝叶斯神经网络	数值数据（股票价格）	NA	NA	贝叶斯神经网络	预测精度，不确定性量化	并行计算环境
10	2026-10-01	MFI-Net: A multi-resolution fusion input network for retinal vessel segmentation 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253056 PMID:34252111	研究论文	提出MFI-Net多分辨率融合输入网络，用于视网膜血管分割，通过多分辨率输入模块和信息聚合方法，解决浅层特征提取不完整和编解码器信息隔离问题	提出多分辨率输入模块，在不同分辨率下提取局部和全局特征信息，避免浅层粗粒度特征信息丢失；重新考虑编解码器之间的信息融合方式，使用信息聚合方法缓解网络浅层和深层之间的信息隔离	摘要中未明确提及	提高视网膜血管分割的准确性，解决现有方法中浅层特征提取不完整、血管边界模糊、毛细血管分割不准确以及编解码器之间信息融合不顺畅的问题	视网膜血管图像	计算机视觉, 医学图像分割	视网膜疾病	深度学习	CNN	图像	三个数据集：DRIVE、CHASE_DB1、STARE，具体样本数量摘要中未明确提及	NA	MFI-Net（多分辨率融合输入网络）	F1分数	NA
11	2026-10-01	Deep Learning Framework for Real-Time Estimation of in-silico Thrombotic Risk Indices in the Left Atrial Appendage 2021, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2021.694945 PMID:34262482	研究论文	该研究开发了一个深度学习框架，仅基于患者特定的左心耳形态预测内皮细胞激活潜力（ECAP），这是一种与血栓形成风险相关的指标	使用几何深度学习模型直接在非欧几里得域上操作，无需配准或二维映射，显著减少计算时间	未明确提及	开发一个深度学习框架，能够仅从患者特定的左心耳形态预测ECAP，从而避免耗时的计算流体动力学模拟	左心耳形态和ECAP	机器学习	心血管疾病	计算流体动力学	全连接网络, 卷积神经网络, 几何深度学习	图像	第一个数据集256个合成和真实的左心耳，第二个数据集114个病例	NA	全连接网络, 卷积神经网络, 图神经网络	NA	NA
12	2026-09-30	Inferring Association Between Alcohol Addiction and Defendant's Emotion Based on Sound at Court 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.669780 PMID:34122261	研究论文	本文提出了一种基于深度学习的语音情感识别框架 ResCNN-SER，用于法庭中基于声音预测被告人情绪，并推断酒精成瘾与被告情绪之间的关联	首次研究了法庭中酒精成瘾与被告人情绪之间的关联，提出了结合残差网络和卷积神经网络的 ResCNN-SER 模型用于语音情感识别	样本量较小（仅54份庭审记录），未提及模型的计算资源需求及跨法庭场景的泛化能力验证	基于法庭声音识别被告人情绪，并推断酒精成瘾与被告人情绪之间的关联	法庭庭审录音中的被告人语音	语音情感识别，机器学习	酒精成瘾	语音信号处理，深度学习	CNN，ResNet	音频	54份庭审录音记录	NA	ResCNN-SER（残差卷积神经网络）	准确率（优于现有方法，具体指标未详细说明）	NA
13	2026-09-30	FedDPGAN: Federated Differentially Private Generative Adversarial Networks Framework for the Detection of COVID-19 Pneumonia 2021, Information systems frontiers : a journal of research and innovation IF:6.9Q1 DOI:10.1007/s10796-021-10144-6 PMID:34149305	研究论文	本文提出联邦差分隐私生成对抗网络框架FedDPGAN，用于在不泄露隐私的情况下检测COVID-19肺炎	将联邦学习与差分隐私生成对抗网络结合，在保护数据隐私的同时实现COVID-19肺炎检测，支持IID和非IID设置	仅在三种胸部X射线图像数据集上评估，未涉及其他医学影像或更大规模的真实世界部署	解决基于GAN的COVID-19肺炎检测中的数据隐私泄露问题	胸部X射线图像数据，包括COVID-19、正常和普通肺炎三类	计算机视觉	COVID-19肺炎	联邦学习, 差分隐私, 生成对抗网络	GAN	图像	NA	NA	DP-GAN	NA	NA
14	2026-09-30	A spectrogram image based intelligent technique for automatic detection of autism spectrum disorder from EEG 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0253094 PMID:34170979	研究论文	该研究开发了一种基于脑电信号时频谱图图像的智能框架，用于自动检测自闭症谱系障碍	提出了基于短时傅里叶变换将脑电信号转换为二维频谱图图像，并分别使用机器学习和深度学习模型进行自闭症自动检测的框架	未明确说明具体局限性	开发一种基于脑电信号时频谱图图像的高效诊断框架，以自动识别自闭症谱系障碍	自闭症谱系障碍患者的脑电信号	机器学习	自闭症谱系障碍	脑电图, 短时傅里叶变换	CNN	图像	NA	NA	卷积神经网络	准确率	NA
15	2026-09-30	An amalgamation of YOLOv4 and XGBoost for next-gen smart traffic management system 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.586 PMID:34239973	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
16	2026-09-29	Overview of current state of research on the application of artificial intelligence techniques for COVID-19 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.564 PMID:34141890	综述	本文综述了人工智能技术在COVID-19预测、诊断、药物设计和社交影响分析等方面的应用现状	系统梳理和评估了多种AI技术（机器学习和深度学习模型）在COVID-19分类工具开发和药物发现模型构建中的应用，并提出了未来研究方向建议	作为综述文章，未开展原始实验验证；当前可用于预测和诊断COVID-19的资源仍然有限，COVID-19快速检测试剂盒的开发仍具挑战性	聚焦于COVID-19疫情带来的两大核心挑战，即开发COVID-19分类工具和针对感染患者的药物发现模型，借助人工智能技术加以解决	COVID-19疾病相关数据及感染患者，包括预测、诊断、药物设计和社会影响分析	机器学习	COVID-19	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
17	2026-09-29	Detection of sitting posture using hierarchical image composition and deep learning 2021, PeerJ. Computer science DOI:10.7717/peerj-cs.442 PMID:33834109	研究论文	本文提出了一种基于深度循环层次网络（DRHN）的新模型，用于通过RGB-Depth帧序列检测坐姿，并解决遮挡问题	创新点在于提出了深度循环层次网络（DRHN），通过分层图像组合减少或消除与有限可见人体躯干相关的姿势检测问题（即遮挡问题），提高了灵活性	摘要中未明确提及局限性	研究目的是利用深度学习和计算机视觉技术，实现人体坐姿检测，以应用于辅助生活、医疗保健、体育锻炼和康复等领域	研究对象是人体坐姿，使用RGB-Depth帧序列作为输入	计算机视觉	NA	NA	深度循环层次网络（DRHN）	图像（RGB-Depth帧序列）	NA	NA	深度循环层次网络（DRHN）	准确率	NA
18	2026-09-29	The language of proteins: NLP, machine learning & protein sequences 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.022 PMID:33897979	综述	本文综述了将自然语言处理（NLP）算法应用于蛋白质研究的成功、前景和挑战	系统性地探讨蛋白质与语言的概念异同，并综述从经典文本分析到现代深度学习（如掩码语言建模、自监督学习、基于注意力的模型）在蛋白质任务中的应用	作为综述，未提出新的计算方法或实验验证，主要总结现有研究	探讨NLP与蛋白质研究的交叉领域，总结相关方法、趋势与挑战	蛋白质序列	自然语言处理	NA	NA	神经网络语言模型	文本	NA	NA	NA	NA	NA
19	2026-09-29	Optimal hyperparameter selection of deep learning models for COVID-19 chest X-ray classification 2021, Intelligence-based medicine DOI:10.1016/j.ibmed.2021.100034 PMID:33899036	研究论文	本文提出了一种基于胸部X射线图像的COVID-19诊断方法，通过优化超参数选择来解决小样本和类别不平衡问题	使用判别性微调方法动态为每层网络分配不同的学习率，并采用循环学习率策略，结合混合精度训练提高计算效率	数据集规模较小，可能存在过拟合风险，需要在更大规模数据集上进一步验证	开发有效的COVID-19筛查工具，以辅助放射科医生快速诊断	COVID-19患者的胸部X射线图像	计算机视觉	COVID-19	深度学习	CNN	图像	NA	NA	NA	准确率, 灵敏度, 特异性	NA
20	2026-09-29	Transductive Transfer Learning for Domain Adaptation in Brain Magnetic Resonance Image Segmentation 2021, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2021.608808 PMID:33994917	研究论文	本文提出了一种用于域自适应的转导迁移学习方法，以减少脑部MRI分割中的域偏移效应	提出了一种转导迁移学习方法，在特征层面使用直方图损失函数进行域自适应优化，将源域和目标域图像联合整合到转导训练过程中，同时分割感兴趣区域并最小化域偏移效应	未明确讨论计算复杂度、超参数选择的敏感性以及对更多不同域和疾病类型的泛化能力	开发一种准确且对扫描仪和采集协议变异性具有鲁棒性的自动化深度学习分割方法	脑部MRI图像，包括皮层下脑结构和白质高信号	计算机视觉, 数字病理学	神经系统疾病, 神经退行性疾病	MRI	CNN	图像	多中心和多扫描仪数据库	NA	NA	Dice相似系数（DSC）	NA