深度学习在生物医药领域中的应用

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
1	2025-05-31	Smartphone-based DNA malaria diagnostics using deep learning for local decision support and blockchain technology for security 2021-Aug-02, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-021-00612-x PMID:39651407	研究论文	本文报告了一种基于智能手机的多重DNA疟疾诊断端到端平台	结合低成本纸基微流体诊断测试、深度学习算法进行本地决策支持，以及区块链技术确保数据安全连接和管理	研究仅在乌干达农村地区进行验证，未涉及其他地区或疾病	开发一种快速、准确的疟疾诊断平台，适用于资源有限的农村社区	疟疾诊断	数字病理	疟疾	DNA诊断	深度学习	图像	乌干达农村地区的测试案例，准确率超过98%
2	2025-05-23	Computer-aided diagnosis of esophageal cancer and neoplasms in endoscopic images: a systematic review and meta-analysis of diagnostic test accuracy 2021-05, Gastrointestinal endoscopy IF:6.7Q1 DOI:10.1016/j.gie.2020.11.025 PMID:33290771	meta-analysis	通过系统性回顾和荟萃分析评估计算机辅助诊断（CAD）算法在内镜图像中对食管癌及肿瘤的诊断准确性	首次通过荟萃分析评估CAD算法在食管癌及肿瘤内镜诊断中的准确性，并提供了全面的诊断性能指标	缺乏外部验证和临床应用的表现数据	评估CAD算法在内镜图像中对食管癌及肿瘤的诊断准确性	食管癌及肿瘤的内镜图像	digital pathology	esophageal cancer	deep learning, machine learning	NA	image	21项研究用于系统性回顾，19项研究用于荟萃分析
3	2025-05-23	Deep representation learning of patient data from Electronic Health Records (EHR): A systematic review 2021-03, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2020.103671 PMID:33387683	系统综述	本文对使用深度学习方法从电子健康记录（EHR）中学习患者表示的研究进行了系统综述，并提供了方法论视角的定性和定量分析	首次系统性地综述了患者表示学习领域的发展趋势、方法流程和应用现状	现有预测模型主要关注单一疾病预测，未能从整体角度考虑患者的复杂机制	评估和总结患者表示学习领域的研究现状和发展趋势	电子健康记录（EHR）数据	机器学习	NA	深度学习	RNN/LSTM/GRU	结构化EHR数据	49篇纳入分析的论文（来自363篇筛选文献）
4	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）
5	2025-05-20	An autonomous drone for search and rescue in forests using airborne optical sectioning 2021-06-23, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.abg1188 PMID:34162744	research paper	介绍了一种用于森林搜救的自主无人机原型，能够在密集遮挡的森林中自主寻找人员	采用自适应在线采样技术，结合深度学习分类和动态飞行路径调整，显著提高了搜救效率和精度	实验仅在特定森林类型和飞行条件下进行，未涉及所有可能的复杂环境	开发一种能够在无稳定网络覆盖的偏远地区进行高效搜救的自主无人机系统	森林中隐藏的人员	computer vision	NA	thermal image processing, deep learning-based classification	deep learning	thermal images	42名隐藏人员（其中38名被成功找到）
6	2025-05-09	Retracted: Diagnostic Classification and Prognostic Prediction Using Common Genetic Variants in Autism Spectrum Disorder: Genotype-Based Deep Learning 2021-04-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/24754 PMID:33714937	研究论文	本研究利用深度学习技术分析自闭症谱系障碍(ASD)的常见遗传变异，开发了一个先进的诊断分类器	首次将卷积神经网络(CNN)应用于ASD的常见遗传变异分析，相比传统筛查工具分类准确率提高了约13%	研究样本仅限于Simons Simplex Collection数据库的数千个高风险家庭，可能无法代表所有ASD人群	开发基于遗传变异的ASD早期诊断和预后预测方法	自闭症谱系障碍(ASD)患者及其常见遗传变异	机器学习	自闭症谱系障碍	基因组数据分析	CNN	基因型数据	数千个来自Simons Simplex Collection的ASD高风险家庭
7	2025-04-27	Deep learning prediction of patient response time course from early data via neural-pharmacokinetic/pharmacodynamic modelling 2021-Aug, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-021-00357-4 PMID:40271424	研究论文	本文提出了一种结合深度学习与药代动力学/药效动力学（PK/PD）的新型神经-PK/PD框架，用于预测患者对治疗的反应时间过程	将药理学关键原理与神经常微分方程结合，直接从纵向患者数据中学习控制微分方程，实现了对未测试给药方案的患者反应模拟	需要大量患者数据进行训练，且模型性能依赖于数据质量	开发自动化预测患者反应时间过程的方法，减少对人工建模经验的依赖	患者对治疗的反应时间过程	机器学习	NA	神经常微分方程	神经-PK/PD模型	纵向患者数据	超过600名患者的临床数据集
8	2025-04-27	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	本文全面回顾了基于深度学习的单图像超分辨率技术的最新进展	提供了深度学习视角下的单图像超分辨率技术详细综述，并介绍了初始的经典方法	未涉及具体实验验证，仅为基础理论和方法回顾	总结和分类图像超分辨率技术，并探讨未来研究方向和开放性问题	图像超分辨率技术及其应用	计算机视觉	NA	深度学习	EDSR, CinCGAN, MSRN, Meta-RDN, RBPN, SAN, SRFBN, WRAN	图像	NA
9	2025-04-24	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	本研究提出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新方法	首次将多光谱成像流式细胞术与深度学习结合用于花粉分析，实现了快速测量和高准确度的花粉识别	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	426876张花粉图像
10	2025-04-10	Application of machine learning in the prediction of COVID-19 daily new cases: A scoping review 2021-Oct, Heliyon IF:3.4Q1 DOI:10.1016/j.heliyon.2021.e08143 PMID:34660935	综述	本文综述了机器学习和深度学习方法在预测COVID-19每日新增病例中的应用	比较了多种机器学习方法在预测COVID-19传播中的性能，并评估了不同模型的准确性	未提及具体研究的样本量或数据来源限制	评估机器学习和深度学习方法在预测COVID-19传播趋势中的效果	COVID-19新增病例的预测模型	机器学习	COVID-19	机器学习和深度学习方法	ANFIS, LSTM, RNN, MLP, ANN, ARIMA	疫情数据	NA
11	2025-04-10	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	本文通过深度学习分析混合电磁轴承和弹性箔气体轴承转子系统的动态特性，探讨卷积神经网络(CNN)在系统故障检测和分类中的最优结构	结合混合电磁轴承和弹性箔气体轴承的动态特性分析，优化CNN结构用于轴承-转子系统故障检测与分类	研究仅针对涡轮膨胀机作为研究对象，未考虑其他类型旋转机械的适用性	分析轴承-转子系统动态特性并优化CNN结构以提高故障检测与分类性能	涡轮膨胀机的轴承-转子系统	机器学习	NA	动态特性分析、CNN参数优化	CNN	动态特性参数(刚度系数、阻尼系数)	NA
12	2025-04-06	Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram 2021-11, Nature methods IF:36.1Q1 DOI:10.1038/s41592-021-01264-7 PMID:34711971	研究论文	介绍了一种名为Tangram的方法，用于将单细胞/单核RNA测序数据与空间数据对齐，以构建器官的生物图谱	Tangram方法能够将sc/snRNA-seq数据与多种空间数据形式对齐，包括MERFISH、STARmap、smFISH、Spatial Transcriptomics (Visium) 和组织学图像，并能处理多模态数据如SHARE-seq	虽然Tangram能够解决空间分辨率和基因通量的限制，但其在更广泛的组织类型和疾病模型中的应用仍需验证	构建器官的生物图谱，将单细胞转录组数据与解剖尺度关联	健康小鼠脑组织，特别是视觉和躯体运动区域	数字病理学	NA	sc/snRNA-seq, MERFISH, STARmap, smFISH, Spatial Transcriptomics (Visium), SHARE-seq	深度学习	单细胞转录组数据、空间数据、多模态数据	健康小鼠脑组织样本
13	2025-04-06	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技术分析COVID-19患者的胸部X光片，以确定疾病严重程度	首次在COVID-19急性爆发期间应用深度学习模型进行胸部X光片分析，并评估其与放射科医生解读的一致性	样本量较小（48名患者），且为单中心回顾性研究	探索COVID-19患者临床特征与胸部X光片表现之间的关联，并评估深度学习模型在急性爆发环境中的应用可行性	48名SARS-CoV-2 RT-PCR阳性患者（年龄60±17岁，15名女性）的65张胸部X光片	数字病理学	COVID-19	深度学习	深度学习模型（具体架构未说明）	胸部X光图像	48名患者（65张X光片）
14	2025-04-05	Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images 2021-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28908 PMID:34227163	research paper	比较基于直方图和基于图像的算法在超极化气体肺部图像语义分割中的差异	首次系统比较了四种基于直方图的分割算法与基于图像的卷积神经网络在超极化气体肺部图像分割中的性能差异	研究仅针对模拟数据集进行验证，未在真实临床环境中全面测试	评估不同分割算法在超极化气体肺部图像处理中的性能差异	超极化129Xe气体肺部图像	digital pathology	lung cancer	MRI	CNN	image	80名受试者（29名公共数据集+51名回顾性数据集）
15	2025-03-26	Deep Learning Segmentation of Triple-Negative Breast Cancer (TNBC) Patient Derived Tumor Xenograft (PDX) and Sensitivity of Radiomic Pipeline to Tumor Probability Boundary 2021-Jul-28, Cancers IF:4.5Q1 DOI:10.3390/cancers13153795 PMID:34359696	research paper	该研究开发了一种深度学习算法，用于自动定位和描绘三阴性乳腺癌患者来源的异种移植肿瘤的MRI图像，并评估了放射组学特征对肿瘤边界的敏感性	使用五种不同的网络架构进行肿瘤分割，并评估放射组学特征对肿瘤边界的敏感性，其中D-R2UNet表现最佳	研究仅针对三阴性乳腺癌患者来源的异种移植肿瘤，未涉及其他类型肿瘤	开发自动化管道以准确分割MRI图像中的肿瘤，并评估放射组学特征对肿瘤边界的敏感性	三阴性乳腺癌患者来源的异种移植肿瘤的T1w和T2w MRI图像	digital pathology	breast cancer	MRI	U-Net, dense U-Net, Res-Net, R2UNet, D-R2UNet	image	未明确提及具体样本数量
16	2025-03-23	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	本文介绍了一种名为MVP的新预测方法，利用深度残差网络和大规模训练数据集来预测错义变异的致病性	MVP方法通过深度残差网络利用大规模训练数据集和多个相关预测因子，显著提高了错义变异致病性预测的性能，特别是在对功能丧失变异耐受的基因中	文章未明确提及具体局限性	开发一种更准确的错义变异致病性预测方法，以支持遗传研究和临床诊断	错义变异	机器学习	先天性心脏病	深度残差网络	深度残差网络	基因变异数据	NA
17	2025-03-21	Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling 2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-21-1252 PMID:34233961	研究论文	本文介绍了一种通过细针抽吸（FNA）进行肿瘤免疫微环境（TME）连续评估的创新技术FAST-FNA	首次展示了通过简单的FNA可以准确且连续地测量治疗期间复杂且快速变化的TME	NA	发现并整合预测和/或预后生物标志物到治疗算法中	肿瘤免疫微环境（TME）	数字病理学	癌症	FAST-FNA	深度学习辅助分析管道	单细胞数据	临床前样本和人类样本
18	2025-03-21	Preoperative identification of microvascular invasion in hepatocellular carcinoma by XGBoost and deep learning 2021-Mar, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-020-03366-9 PMID:32852634	研究论文	本研究开发了基于CT图像的XGBoost和深度学习模型，用于术前预测肝细胞癌的微血管侵犯	结合了放射组学特征、放射学特征和临床变量，开发了XGBoost模型和3D-CNN模型，用于术前预测MVI状态	需要进一步验证这些机器学习模型的有效性	术前预测肝细胞癌的微血管侵犯状态	405名肝细胞癌患者	计算机视觉	肝细胞癌	CT图像分析	XGBoost, 3D-CNN	图像	405名患者
19	2025-03-11	Artificial Intelligence-Enabled Analysis of Public Attitudes on Facebook and Twitter Toward COVID-19 Vaccines in the United Kingdom and the United States: Observational Study 2021-04-05, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/26627 PMID:33724919	研究论文	本研究开发并应用了一种基于人工智能的方法，分析英国和美国社交媒体上关于COVID-19疫苗的公众情绪，以更好地理解公众对COVID-19疫苗的态度和担忧	利用自然语言处理和深度学习技术，对社交媒体数据进行情感分析和主题识别，以实时评估公众对COVID-19疫苗的信心和信任	研究依赖于社交媒体数据，可能无法完全代表所有公众的意见，且数据时间范围有限	分析英国和美国公众对COVID-19疫苗的态度和担忧，以指导教育和政策干预	英国和美国的社交媒体用户	自然语言处理	COVID-19	自然语言处理，深度学习	深度学习模型	文本	超过300,000条社交媒体帖子，包括英国的23,571条Facebook帖子和40,268条推文，美国的144,864条Facebook帖子和98,385条推文
20	2025-03-05	The ANTsX ecosystem for quantitative biological and medical imaging 2021-04-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-021-87564-6 PMID:33907199	研究论文	本文介绍了ANTsX生态系统，这是一个用于处理和分析生物及医学影像数据的开源软件库集合	ANTsX生态系统通过整合R统计项目和Python的深度学习能力，提供了统计、可视化和深度学习功能，显著提高了计算效率并提供了优于现有ANTs工作流的准确性	NA	开发和推广用于生物和医学影像数据处理和分析的开源软件工具	生物和医学影像数据	数字病理	NA	深度学习	TensorFlow/Keras	影像	NA