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	2026-04-10	Deep Learning Analysis of Echocardiographic Images to Predict Positive Genotype in Patients With Hypertrophic Cardiomyopathy 2021, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2021.669860 PMID:34513940	研究论文	本研究利用深度学习卷积神经网络分析超声心动图图像，以预测肥厚型心肌病患者基因检测阳性结果	首次将深度学习卷积神经网络应用于超声心动图图像分析，结合传统临床评分模型，显著提高了肥厚型心肌病患者基因阳性预测的准确性	样本量较小（仅99名患者），且为单中心研究，可能存在选择偏倚	提高肥厚型心肌病患者基因阳性预测的准确性，以优化基因检测策略	肥厚型心肌病成年患者	计算机视觉	心血管疾病	超声心动图成像	CNN	图像	99名成年肥厚型心肌病患者（其中45名基因阳性）	NA	深度卷积神经网络	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值, 净重分类改善指数	NA
2	2026-04-09	Deep Learning-Based Approaches for Decoding Motor Intent From Peripheral Nerve Signals 2021, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2021.667907 PMID:34248481	研究论文	本研究探讨了基于深度学习的运动意图解码方法，比较了不同策略在效率和实时性方面的优劣，旨在为临床实时应用提供参考	提出并比较了单步和双步两种深度学习部署策略，针对不同数据量场景优化模型效率，并创建了“伪在线”数据集模拟实时条件	研究主要基于离线分析，虽然模拟了实时条件，但未在真实实时系统中完全验证；样本来源仅限于截肢者的残余周围神经信号	提高基于深度学习的运动解码范式的效率，为其实时临床应用提供实施参考	截肢者残余周围神经信号	机器学习	NA	神经信号记录	RNN, 深度学习模型, 机器学习模型	神经信号	NA	NA	RNN	准确率, F1分数, 均方误差, 方差解释率	NA
3	2026-04-04	An objective structural and functional reference standard in glaucoma 2021-01-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-80993-3 PMID:33462288	研究论文	本研究提出了一种基于光学相干断层扫描和标准自动视野计的客观青光眼视神经病变定义，并以此作为参考标准开发深度学习算法来检测眼底照片中的青光眼	提出了一种客观的青光眼视神经病变定义，用于解决青光眼诊断缺乏共识的问题，并首次将该定义作为参考标准应用于深度学习算法的开发	研究样本量相对有限（405名个体的585只眼睛），且仅基于特定设备（光学相干断层扫描和标准自动视野计）的参数，可能影响泛化能力	开发一种基于深度学习算法的青光眼诊断工具，提高青光眼检测的客观性和可比性	青光眼视神经病变患者和正常个体的眼底照片	数字病理学	青光眼	光学相干断层扫描, 标准自动视野计	深度学习算法	图像	405名个体的585只眼睛，共2118张眼底照片	NA	NA	灵敏度, 特异性, 受试者工作特征曲线下面积, 似然比	NA
4	2026-04-04	Rapid whole-brain electric field mapping in transcranial magnetic stimulation using deep learning 2021, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0254588 PMID:34329328	研究论文	本研究提出了一种基于深度学习的快速全脑电场映射方法，用于经颅磁刺激（TMS）中的电场估计	提出了一种名为3D-MSResUnet的神经网络架构，结合了3D U-Net、残差模块和多尺度特征图融合机制，以加速全脑电场估计	未明确说明模型在不同人群或疾病状态下的泛化能力，以及数据集的潜在偏差	提高经颅磁刺激（TMS）中电场估计的速度和效率，以改善治疗靶向性	人脑组织，特别是经颅磁刺激（TMS）中的电场分布	机器学习	神经精神疾病	扩散磁共振成像（MRI）、有限元方法（FEM）	CNN	图像	大型数据集（具体数量未在摘要中说明）	未明确指定，但可能基于PyTorch或TensorFlow	3D-MSResUnet（结合3D U-Net和残差模块）	多种评估指标（具体名称未在摘要中列出），如准确性、预测时间	未明确说明，但涉及GPU加速计算
5	2026-03-29	Flash-Flood Potential Mapping Using Deep Learning, Alternating Decision Trees and Data Provided by Remote Sensing Sensors 2021-Jan-04, Sensors (Basel, Switzerland) DOI:10.3390/s21010280 PMID:33406613	研究论文	本研究利用遥感传感器和GIS数据，通过四种集成模型评估罗马尼亚一个小流域的突发洪水潜在风险	结合深度学习神经网络与频率比、证据权重等传统方法，以及交替决策树，构建了四种集成模型来绘制突发洪水潜在图	研究区域局限于罗马尼亚的一个小流域，样本点数量有限（481个受影响点和481个随机点），可能影响模型的泛化能力	评估突发洪水潜在风险，为自然灾害监测和评估提供方法支持	罗马尼亚Bâsca Chiojdului河流域的突发洪水潜在风险	机器学习	NA	遥感传感器、地理信息系统（GIS）、高分辨率卫星图像	深度学习神经网络、交替决策树	图像、地理空间数据	962个点（481个受洪水影响点，481个随机非影响点）	NA	深度学习神经网络、交替决策树	灵敏度、特异性、总体准确率、K指数、ROC曲线、AUC	NA
6	2026-03-22	Diagnosis of COVID-19 Using Machine Learning and Deep Learning: A Review 2021, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405617666210713113439 PMID:34259149	综述	本文系统回顾了机器学习和深度学习技术在抗击COVID-19中的应用	通过PRISMA指南对AI在COVID-19中的应用进行范围综述，比较了不同ML回归方法、分类方法及医学影像数据集，并评估了DL方法在不同数据集上的性能	存在法规限制、噪声数据、数据隐私问题以及缺乏可靠的大规模数据集	评估AI（特别是ML和DL）在预测、筛查和检测COVID-19中的有效性	COVID-19患者及相关医学影像数据	机器学习	COVID-19	NA	CNN	图像	从4050篇研究论文中筛选出52篇进行结果合成	NA	ResNet-18, DenseNet 169, DenseNet-201	分类准确率	NA
7	2026-03-19	Pancreatic cancer grading in pathological images using deep learning convolutional neural networks 2021, F1000Research DOI:10.12688/f1000research.73161.2 PMID:37767358	研究论文	本文提出了一种基于深度学习卷积神经网络的胰腺癌病理图像自动分级系统	首次基于病理图像进行胰腺癌分级，而先前研究仅关注检测（良性或恶性）或放射学图像	样本集较小	开发自动化的胰腺癌分级系统以辅助病理学家	胰腺癌病理图像	数字病理学	胰腺癌	病理染色	CNN	图像	小样本集	NA	DenseNet	准确率	NA
8	2026-03-02	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	本文提出了一种基于人工智能辅助的方法，利用钟表绘图测试图像进行痴呆检测	首次将深度学习算法应用于钟表绘图测试图像，结合年龄和教育水平预测痴呆状态，实现了高精度的计算机辅助筛查工具	研究样本中认知受损者数量相对较少（160例），且方法尚未完全验证，需进一步临床确认	评估机器学习模型是否能利用钟表绘图测试图像预测轻度认知障碍或痴呆	3,263名认知正常者和160名认知受损者绘制的模拟钟表图像	数字病理学	老年疾病	深度学习算法	深度学习模型	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
9	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
10	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
11	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
12	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
13	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
14	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
15	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
16	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
17	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
18	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
19	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
20	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