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
21	2026-09-29	Diagnosis of Cervical Cancer based on Ensemble Deep Learning Network using Colposcopy Images 2021, BioMed research international IF:2.6Q3 DOI:10.1155/2021/5584004 PMID:33997017	研究论文	本文提出了两种深度学习CNN架构（VGG19迁移学习模型和CYENET）用于基于阴道镜图像自动检测宫颈癌	提出了一种新的阴道镜集成网络（CYENET），用于自动分类宫颈癌，其性能优于VGG19迁移学习模型	未明确说明	利用阴道镜图像提高宫颈癌类型分类的诊断准确性和效率	宫颈癌患者	医学图像分析	宫颈癌	阴道镜检查	CNN	图像	未明确说明	NA	VGG19, CYENET	准确率, 特异性, 灵敏度, kappa分数	NA
22	2026-09-29	COVID-19 prediction using AI analytics for South Korea 2021, Applied intelligence (Dordrecht, Netherlands) DOI:10.1007/s10489-021-02352-z PMID:34764592	研究论文	本文利用人工智能分析方法，对韩国COVID-19疫情数据进行建模，分析人口统计学因素对疫情传播和死亡率的影响，并预测感染者的生存可能性	结合机器学习超参数调优与基于自编码器的深度学习模型，同时采用聚类分析对年龄段进行分组研究，综合分析年龄、性别、时间演变等多因素对COVID-19传播和死亡的影响，并预测隔离患者的生存概率	摘要中未明确提及研究的具体局限性	分析影响COVID-19全球传播的人口统计学因素及导致感染死亡的特征，并预测韩国COVID-19感染者的生存可能性	韩国COVID-19确诊患者和死亡病例，包括不同年龄段、性别及时间演变数据	机器学习	COVID-19	NA	自编码器, 机器学习模型, 深度学习模型	表格数据（人口统计学数据、确诊病例数据、死亡病例数据）	NA	NA	自编码器	NA	NA
23	2026-09-28	Adaptive Squeeze-and-Shrink Image Denoising for Improving Deep Detection of Cerebral Microbleeds 2021, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-030-87231-1_26 PMID:42800958	研究论文	本文提出了一种无监督自适应挤压与收缩（ASAS）图像去噪方法，通过利用PCA域中的稀疏性，提升深度学习脑微出血检测的性能	提出的内容自适应去噪技术利用从输入图像中获取的高度相关图像内容形成的协方差矩阵的对数行列式，隐式且高效地利用PCA域中的稀疏性，无需依赖任何外部数据集，能更好地拟合输入图像数据	未明确说明	提升深度学习脑微出血检测的性能，通过有效的无监督图像去噪方案	长回波时间（TE）磁敏感加权成像（SWI）数据中的脑微出血（CMB）	医学图像分析	脑血管疾病	磁敏感加权成像（SWI）	未明确说明	图像	未明确说明	未明确说明	未明确说明	精确率、敏感度、相关性	未明确说明
24	2026-08-20	Deep learning for Koopman Operator Optimal Control 2021-01-06, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2021.01.005 PMID:33431116	研究论文	本文介绍了一种基于深度学习的Koopman算子方法，用于非线性动力学系统的全局线性化和最优控制	提出了两种新的网络架构DENIS和DEINA，其中DENIS通过初始状态参数化提高了控制性能，DEINA通过辅助网络非线性变换输入以处理非仿射系统，并实现了比现有实现更快的LREN	未明确提及限制，但可推测该方法依赖于数据质量和训练计算资源	开发一种基于深度学习的Koopman框架，实现非线性动力学的全局线性化和最优控制，以提高控制性能并减少对状态空间方程的依赖	非线性动力学系统，包括机器人技术和计算神经科学中的应用	机器学习	NA	深度学习	神经网络（包括LREN、DENIS、DEINA）	时间序列数据（来自非线性动力学系统）	NA	NA	LREN, DENIS, DEINA	控制性能（通过能量预算评估方法）	NA
25	2026-07-10	Application of Deep Learning in Plant-Microbiota Association Analysis 2021, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2021.697090 PMID:34691142	综述	综述深度学习在植物-微生物组关联分析中的应用	全面总结了深度学习模型在植物微生物组数据分析中的应用，讨论了卷积神经网络和图神经网络的优势	未提及具体实验数据验证或模型比较的局限性	探讨深度学习在植物-微生物组关联分析中的潜力和应用策略	植物微生物组数据与植物表型的关联	机器学习	NA	NA	CNN、图神经网络	微生物组数据	NA	NA	卷积神经网络、图神经网络	NA	NA
26	2026-07-10	DeepREx-WS: A web server for characterising protein-solvent interaction starting from sequence 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.10.016 PMID:34765094	研究论文	DeepREx-WS是一个从蛋白质序列出发，结合溶剂暴露、保守性、灵活性和无序性等特征来表征蛋白质-溶剂相互作用的网络服务器	首次整合溶剂暴露与非暴露残基知识以及残基保守性、灵活性和无序性，提供一个独特的网络服务器来理解与蛋白质完整性相关的区域	NA	通过整合多种序列特征，协助识别蛋白质表面工程中需要变异的残基	蛋白质序列中的残基	机器学习	NA	深度学习	深度学习模型	蛋白质序列	2332个单体蛋白质链用于训练，200个蛋白质序列用于盲测试	NA	DeepREx	NA	NA
27	2026-07-03	Region of interest-based predictive algorithm for subretinal hemorrhage detection using faster R-CNN 2021, Soft computing IF:3.1Q2 DOI:10.1007/s00500-021-06098-1 PMID:34421341	研究论文	本文提出一种基于深度学习的预测算法，利用Faster R-CNN检测视网膜下出血，并通过OCT图像实现分类	结合区域卷积神经网络和语义分割技术，提出基于感兴趣区域的预测算法以提升分类准确率，并在测试时间上优于传统CNN、R-CNN和Fast R-CNN	仅使用特定医疗机构的OCT图像和Kaggle数据集进行验证，泛化性可能受限；且样本数量未明确说明，可能影响模型鲁棒性	开发一种能够自动检测并分类视网膜下出血为响应型或非响应型的预测算法	视网膜下出血患者的光学相干断层扫描（OCT）图像	计算机视觉	年龄相关性黄斑变性、糖尿病性黄斑水肿	OCT	Faster R-CNN	图像	未明确说明	NA	Faster R-CNN	灵敏度、特异度、准确率、测试时间	NA
28	2026-05-31	Disrupted Association of Sensory Neurons With Enveloping Satellite Glial Cells in Fragile X Mouse Model 2021, Frontiers in molecular neuroscience IF:3.5Q2 DOI:10.3389/fnmol.2021.796070 PMID:35058748	研究论文	在脆性X综合征小鼠模型中，感觉神经元与包裹的卫星胶质细胞之间的关联被破坏	首次揭示卫星胶质细胞在脆性X综合征感觉缺陷中的潜在贡献，结合单细胞RNA测序和深度学习网络进行结构功能分析	NA	探索脆性X综合征中感觉外周系统的功能障碍，特别是卫星胶质细胞对感觉缺陷的贡献	脆性X综合征小鼠模型的背根神经节中的感觉神经元和卫星胶质细胞	机器学习	脆性X综合征	单细胞RNA测序、荧光显微镜、qPCR、高分辨率透射电子显微镜、深度学习网络	深度学习网络	图像、基因表达数据	NA	NA	深度学习网络	NA	NA
29	2026-05-27	Multimodal Ensemble Deep Learning to Predict Disruptive Behavior Disorders in Children 2021, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2021.742807 PMID:34899225	research paper	使用多模态集成三维卷积神经网络模型预测儿童破坏性行为障碍	首次采用多模态集成三维卷积神经网络融合扩散、结构和静息态功能磁共振成像数据来分类破坏性行为障碍儿童，并通过梯度加权类激活映射方法识别关键脑区	模型准确率仅为72%，灵敏度为70%，特异度为72%，F1得分为70，性能有限；研究仅基于美国青少年脑认知发展研究数据，可能不具普适性	利用多模态磁共振成像数据通过深度学习模型早期诊断儿童破坏性行为障碍	儿童破坏性行为障碍患者和典型发育儿童	machine learning	geriatric disease	扩散磁共振成像、结构磁共振成像、静息态功能磁共振成像	三维卷积神经网络	磁共振图像	1100名儿童（550名患者和550名典型发育儿童），年龄108-131个月，包括419名女性和681名男性	NA	3D CNN	accuracy, sensitivity, specificity, F1-score	NA
30	2026-05-25	Identifying DNA N4-methylcytosine sites in the rosaceae genome with a deep learning model relying on distributed feature representation 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.015 PMID:33868598	研究论文	提出基于分布式特征表示的深度学习模型4mC-w2vec，用于识别蔷薇科基因组中的DNA N4-甲基胞嘧啶位点	首次利用word2vec词嵌入技术自动学习特征表示，结合双层卷积神经网络（CNN）识别4mC位点，避免了传统手工特征提取的局限性	目前仅在蔷薇科特定物种（如Arabidopsis和Fragaria）基因组上验证，未提及跨物种泛化能力及计算资源消耗	开发一套基于自动特征选择的计算方法来高效识别DNA N4-甲基胞嘧啶（4mC）位点，提高预测性能	蔷薇科基因组中的DNA N4-甲基胞嘧啶（4mC）和非4mC位点序列	机器学习	NA	DNA甲基化测序	CNN	序列数据（基因组序列）	论文中未明确样本数量，但使用了平衡和不平衡的基因组数据集	PyTorch	卷积神经网络（CNN）	准确率、精确率、召回率、F1分数、AUC	NA
31	2026-05-25	Affective Voice Interaction and Artificial Intelligence: A Research Study on the Acoustic Features of Gender and the Emotional States of the PAD Model 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.664925 PMID:34017295	研究论文	本文探讨了声学特征在语音交互中与性别及PAD模型情绪状态的差异，为人工智能情感语音交互提供理论基础	通过实证研究，连接声学特征与心理学理论，为深度学习模型的参数调整提供解释性基础	深度学习模型虽预测准确，但缺乏解释能力，本研究旨在弥补这一不足	探索性别和PAD模型情绪状态在声学特征上的差异，为AI情感语音交互奠定理论依据	声学特征（七大主要声学特征）、性别（男性和女性）、情绪状态（愉悦-唤醒-支配模型）	自然语言处理	不适用	音频录制、声学特征提取（Praat软件）、统计分析方法（双因素方差分析、混合设计分析）	不适用	音频数据	62名参与者（31名女性，31名男性，年龄21至60岁）	SPSS	不适用	不适用	不适用
32	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
33	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
34	2026-05-22	Genomic pan-cancer classification using image-based deep learning 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.01.010 PMID:33598099	research paper	提出一种基于图像的深度学习策略，将基因突变数据转化为遗传突变图谱，用于泛癌分类	首次将基因突变数据（包括单核苷酸多态性、插入和缺失）转换为遗传突变图谱，并应用多种深度学习网络进行癌症类型分类	NA	提高基于基因突变的癌症类型分类准确性，提供泛癌分类和驱动基因发现的新方法	36种癌症类型的9047个患者样本的基因突变数据	computervision	多种癌症（包括前列腺癌和乳腺癌）	基因突变数据转换（包括SNP、插入和缺失）	深度学习网络（CNN）	图像（基因突变图谱）	9047个患者样本，36种癌症类型	NA	VGG-16, Inception-v3, ResNet-50, Inception-ResNet-v2	准确率（over 95%）	NA
35	2026-05-22	Machine learning techniques for analysis of hyperspectral images to determine quality of food products: A review 2021, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2021.01.002 PMID:33659896	综述	综述了机器学习技术在食品质量高光谱图像分析中的应用	总结不同机器学习技术在高光谱图像分析中的优势与局限，强调特征选择及深度学习、终身学习的应用潜力	深度学习领域相对较新，终身机器学习需进一步研究以纳入季节性变化	探讨机器学习技术用于食品质量快速、无损检测的方法和前景	高光谱图像中的食品质量检测	计算机视觉	NA	高光谱成像	深度学习	图像	NA	NA	NA	分类准确率	NA
36	2026-05-22	Improved sequence-based prediction of interaction sites in α-helical transmembrane proteins by deep learning 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.005 PMID:33815689	研究论文	提出一种基于深度学习的序列预测方法DeepTMInter，用于预测α-螺旋跨膜蛋白的相互作用位点	结合超深残差神经网络与堆叠泛化集成技术，显著优于现有方法	未明确提及，但可能受限于预测精度和实际应用验证不足	开发序列层面的计算方法，大规模注释跨膜蛋白的相互作用位点	α-螺旋跨膜蛋白的相互作用位点	机器学习	NA	NA	超深残差神经网络	序列数据	训练和基准测试数据集来自公开数据集Mendeley	NA	超深残差神经网络	AUC, AUCPR	NA
37	2026-05-20	Complex Human Action Recognition Using a Hierarchical Feature Reduction and Deep Learning-Based Method 2021, SN computer science DOI:10.1007/s42979-021-00484-0 PMID:33615240	研究论文	提出一种基于层级特征降维和深度学习的方法，用于识别复杂的人类动作	通过自动化选取代表性帧并结合层级特征降维技术（背景减除、HOG）、深度学习网络（CNN和LSTM）以及骨骼建模，有效提取时间信息并降低计算成本	未提及具体限制，但可能依赖特定数据集（UCF101）的性能表现	解决视频序列中人类动作识别的时间信息利用不足和计算成本高的问题	视频序列中的复杂人类动作	计算机视觉	不适用	不适用	CNN, LSTM, Softmax-KNN	视频	UCF101数据集，包含101类复杂动作	不适用	不适用	准确性, 速度	不适用
38	2026-05-16	Wide and deep learning for automatic cell type identification 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.01.027 PMID:33613870	研究论文	提出宽深度学习（WDL）方法用于单细胞数据中自动细胞类型识别	通过结合宽组件和深度神经网络，并引入正则化（dropout和L1/L2正则化），在跨平台不同癌症类型数据上显著提升细胞分类准确率	未明确讨论计算资源消耗、模型训练时间及对大规模异构数据的泛化能力	开发一种能处理高维数据并保留生物意义的细胞分类预测模型	肿瘤微环境中的免疫细胞及其亚型（如CD4+和CD8+ T细胞）	机器学习	癌症	单细胞测序	宽深度神经网络	单细胞转录组数据	黑素瘤数据（10X平台）和基底细胞癌数据（SMART-seq平台）	NA	WDL	准确率	NA
39	2026-05-11	Further evaluation and validation of the VETSCAN IMAGYST: in-clinic feline and canine fecal parasite detection system integrated with a deep learning algorithm 2021-Jan-29, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-021-04591-y PMID:33514412	研究论文	评估VETSCAN IMAGYST系统结合深度学习算法在猫狗粪便寄生虫检测中的性能	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
40	2026-05-11	DeepTFactor: A deep learning-based tool for the prediction of transcription factors 2021-01-12, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2021171118 PMID:33372147	研究论文	开发了一个基于深度学习的工具DeepTFactor，用于预测转录因子	利用卷积神经网络自动提取蛋白质特征，无需依赖已知转录因子的序列同源性，可预测无同源性的新转录因子	未明确讨论模型在非典型或极端环境下的泛化能力，以及预测结果的生物学验证覆盖范围有限（仅验证三种候选转录因子）	开发一种不依赖序列同源性的深度学习工具，准确预测真核和原核生物中的转录因子	转录因子（TFs）及蛋白质序列	机器学习	NA	NA	卷积神经网络（CNN）	蛋白质序列	48346个基因组中的73073012个蛋白质序列；对K-12 MG1655菌株预测332个候选转录因子	NA	卷积神经网络（CNN）	F1分数	NA