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	2025-11-11	A Hybrid Deep Learning-Driven SDN Enabled Mechanism for Secure Communication in Internet of Things (IoT) 2021-07-18, Sensors (Basel, Switzerland) DOI:10.3390/s21144884 PMID:34300623	研究论文	提出一种基于SDN和深度学习的混合框架，用于物联网环境中的威胁检测	结合SDN技术与混合深度学习模型（Cu-DNNGRU和Cu-BLSTM），实现高效的物联网安全威胁检测	NA	保护物联网环境免受网络攻击，防止数据泄露和经济损失	物联网设备网络流量数据	机器学习	NA	NA	DNN, GRU, BLSTM	网络流量数据	CICIDS2018公开数据集	CUDA	DNNGRU, BLSTM, GRULSTM, DNNLSTM	准确率, 召回率, F1分数, 精确率, 速度效率	CUDA加速
3	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
4	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
5	2025-10-05	GestAltNet: aggregation and attention to improve deep learning of gestational age from placental whole-slide images 2021-07, Laboratory investigation; a journal of technical methods and pathology DOI:10.1038/s41374-021-00579-5 PMID:33674784	研究论文	开发GestAltNet深度学习模型通过注意力机制和区域聚合从胎盘全切片图像预测孕周	模拟人类对高价值区域的注意力机制并实现跨区域特征聚合，提升胎盘切片图像分析性能	模型在未见过的36张全切片图像上性能略有下降	通过深度学习准确估计胎盘切片图像对应的孕周	胎盘全切片图像	数字病理学	妊娠期糖尿病,先兆子痫	全切片图像扫描	深度学习	图像	未明确样本数量，包含训练集和36张测试全切片图像	NA	GestAltNet	相关系数(r), 平均绝对误差(MAE)	NA
6	2025-10-06	Exploiting Physical Presence Sensing to Secure Voice Assistant Systems 2021-Jun, IEEE International Conference on Communications : [proceedings]. IEEE International Conference on Communications DOI:10.1109/icc42927.2021.9500792 PMID:40919066	研究论文	提出一种利用物理存在感知保护语音助手系统免受语音重放和注入攻击的防御系统	通过分析语音数据与无线数据的相关性来检测攻击，无需额外设备或用户操作	在测试场景中检测成功率在76.4%至89.1%之间，尚未达到完全可靠	保护语音助手系统免受远程语音攻击	智能家居环境中的语音助手设备	机器学习	NA	梅尔频率倒谱系数特征提取	深度学习模型	语音数据, 无线数据	NA	NA	NA	攻击检测成功率	NA
7	2025-10-06	Identifying Drug-Resistant Tuberculosis in Chest Radiographs: Evaluation of CNN Architectures and Training Strategies 2021-11, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC46164.2021.9630189 PMID:34891867	研究论文	本研究利用胸部X光片通过卷积神经网络区分耐药性和药物敏感性肺结核	首次将预训练CNN模型与深度学习数据增强方法结合用于肺结核耐药性分类，在公开数据集上达到85%的AUC性能	数据来源有限，模型性能仍需进一步提升	开发基于胸部X光片的肺结核耐药性自动识别方法	肺结核患者的胸部X光影像	计算机视觉	肺结核	胸部X光成像	CNN	医学影像	来自NIAID TB Portals的标注数据及额外未标注数据源	NA	InceptionV3	AUC	NA
8	2025-10-06	Deep learning is widely applicable to phenotyping embryonic development and disease 2021-11-01, Development (Cambridge, England) DOI:10.1242/dev.199664 PMID:34739029	研究论文	本研究探索深度学习在胚胎发育表型分析中的广泛应用，通过U-Net网络实现多种成像模式的自动分割	首次将深度学习与光片显微镜结合，实现非洲爪蟾胚胎发育异常的高通量表型分析	研究主要聚焦于特定器官系统（肾脏、神经和颅面），尚未涵盖所有可能的发育异常类型	开发自动化胚胎发育表型分析方法，提高发育畸形评估的灵敏度和通量	非洲爪蟾胚胎，特别是肾脏发育异常（pkd1、pkd2）和颅面畸形（six1）模型	计算机视觉	先天性疾病	光片显微镜，全胚胎成像	CNN	图像	多种基因编辑和化学处理条件下的非洲爪蟾胚胎样本	NA	U-Net	分割准确性，表型量化精度	NA
9	2025-10-06	Advances in High-Speed Structured Illumination Microscopy 2021-May, Frontiers in physics IF:1.9Q2 DOI:10.3389/fphy.2021.672555 PMID:40771414	综述	本文综述了旨在提高结构光照明显微镜整体速度的最新进展，包括硬件和软件改进	聚焦于通过减少原始图像数量、GPU加速、深度学习和空间域重建等多种方法综合提升SIM速度	NA	提高结构光照明显微镜的成像采集和重建速度以满足活细胞成像需求	结构光照明显微镜技术及其在活细胞成像中的应用	生物医学成像	NA	结构光照明显微镜	NA	显微图像	NA	NA	NA	NA	GPU加速
10	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
11	2025-10-06	MRI-based Identification and Classification of Major Intracranial Tumor Types by Using a 3D Convolutional Neural Network: A Retrospective Multi-institutional Analysis 2021-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.2021200301 PMID:34617029	研究论文	开发基于3D卷积神经网络的算法，用于识别和分类主要颅内肿瘤类型的MRI图像	使用多机构回顾性数据开发3D CNN模型，能够同时分类多种颅内肿瘤类型并区分健康组织	回顾性研究设计，依赖于公开数据集和单一内部临床数据集	开发MRI图像的自动肿瘤分类算法	颅内肿瘤患者和健康组织的MRI图像	计算机视觉	脑肿瘤	MRI	CNN	3D医学图像	2105张MRI图像（来自5个数据集）	NA	3D卷积神经网络	准确率, 阳性预测值, 阴性预测值, 敏感性, 特异性, F1分数, AUC, AUPRC	NA
12	2025-10-06	Molecular Properties of Drugs Handled by Kidney OATs and Liver OATPs Revealed by Chemoinformatics and Machine Learning: Implications for Kidney and Liver Disease 2021-Oct-18, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics13101720 PMID:34684013	研究论文	通过化学信息学和机器学习分析肾脏OATs和肝脏OATPs转运药物的分子特性，为肝肾疾病治疗提供组织特异性靶向策略	首次结合化学信息学和机器学习方法系统比较肝脏OATPs与肾脏OATs转运药物的分子特性差异，识别出8个关键理化性质组合	分析基于已有药物数据，未涉及新型化合物验证	探索肝肾转运蛋白对药物分子特性的选择性差异，为肝肾疾病治疗优化药物选择	肝脏OATP1B1/OATP1B3和肾脏OAT1/OAT3转运的有机阴离子药物	机器学习	肝肾疾病	化学信息学分析，机器学习，深度学习	随机森林，k近邻，深度学习分类算法	药物理化性质数据	OATP和OAT相互作用药物的30多个定量理化性质	NA	NA	NA	NA
13	2025-10-06	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	开发了一种结合生物正交化学和计算分析的FAST-FNA技术，用于通过细针采样对肿瘤免疫微环境进行快速连续分析	首次证明通过简单FNA可准确连续测量治疗期间复杂快速演变的肿瘤免疫微环境，结合了生物正交化学与深度学习辅助分析流程	NA	开发能够连续评估肿瘤免疫微环境的微创检测技术	临床前样本和人类癌症样本中的单个细胞	数字病理学	癌症	细针穿刺采样，生物正交化学，流式细胞术	深度学习	单细胞图像数据	临床前样本和人类癌症样本	NA	NA	R2（决定系数）	NA
14	2025-10-06	Deep Learning Improves Speed and Accuracy of Prostate Gland Segmentations on Magnetic Resonance Imaging for Targeted Biopsy 2021-09, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000001783 PMID:33878887	研究论文	开发深度学习模型ProGNet用于快速准确分割MRI图像中的前列腺，并应用于靶向活检临床实践	首个在常规泌尿科临床实践中应用深度学习模型进行前列腺分割用于靶向活检的研究，并在线公开了代码	样本主要来自单一机构的活检数据，外部验证病例数相对较少	开发快速准确的前列腺MRI分割方法以改善靶向活检流程	前列腺MRI图像	医学影像分析	前列腺癌	多参数MRI，磁共振-超声融合活检	深度学习	医学影像	905名受试者（805例训练，100例内部测试，56例外部测试，11例前瞻性验证）	NA	ProGNet, U-Net, holistically-nested edge detector	Dice相似系数	NA
15	2025-10-06	Integrative proteomics identifies thousands of distinct, multi-epitope, and high-affinity nanobodies 2021-03-17, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2021.01.003 PMID:33592195	研究论文	通过整合蛋白质组学方法系统性地鉴定了数千种具有多表位和高亲和力的纳米抗体	开发了前所未有的规模化蛋白质组学策略来研究抗原结合的循环骆驼科重链抗体，并首次绘制了超过10万种抗原-纳米抗体复合物的表位图谱	研究主要聚焦于骆驼科动物抗体，可能不直接适用于其他哺乳动物抗体系统	系统理解抗体库的多样性和抗原结合特性	骆驼科重链抗体及其纳米抗体片段	蛋白质组学	NA	蛋白质组学、高通量结构建模、交联质谱、突变分析、深度学习	深度学习模型	质谱数据、结构数据、序列数据	数千种不同的纳米抗体家族，超过10万种抗原-纳米抗体复合物	NA	NA	亲和力、特异性、多样性	NA
16	2025-10-06	Prediction and interpretation of cancer survival using graph convolution neural networks 2021-08, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2021.01.004 PMID:33484826	研究论文	提出一种名为Surv_GCNN的图卷积神经网络方法，用于预测13种癌症类型的生存率并识别潜在基因标志物	首次将图卷积神经网络应用于癌症生存预测，并提出基于网络模型的基因标志物解释方法	仅使用TCGA数据集，未在其他独立数据集上验证	开发更准确的癌症生存预测模型并识别关键基因标志物	13种癌症类型（包括BLCA、BRCA、COAD等）的基因表达数据和临床数据	机器学习	癌症	基因表达分析，网络分析	图卷积神经网络（GCNN）	基因表达数据，临床数据	TCGA数据集中13种癌症类型的样本	NA	图卷积神经网络	风险评分（RS）	NA
17	2025-10-06	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	研究论文	开发基于深度学习的自动化管道用于三阴性乳腺癌PDX肿瘤的MRI图像分割，并评估影像组学特征对肿瘤边界的敏感性	首次系统比较五种网络架构在TNBC PDX肿瘤分割中的性能，并深入分析影像组学特征对肿瘤边界扰动的敏感性	研究仅限于三阴性乳腺癌PDX模型，未验证其他癌症类型	开发自动化的肿瘤分割方法并评估影像组学特征的稳定性	三阴性乳腺癌患者来源的肿瘤异种移植模型	数字病理	乳腺癌	磁共振成像	深度学习	医学影像	NA	NA	U-Net, Dense U-Net, Res-Net, R2UNet, D-R2UNet	F1-Score, recall, precision, AUC	NA
18	2025-10-06	Using deep learning to predict microvascular invasion in hepatocellular carcinoma based on dynamic contrast-enhanced MRI combined with clinical parameters 2021-Dec, Journal of cancer research and clinical oncology IF:2.7Q3 DOI:10.1007/s00432-021-03617-3 PMID:33839938	研究论文	开发基于动态对比增强MRI和临床参数的深度学习模型预测肝细胞癌微血管侵犯状态	首次结合八序列MRI的CNN分支与临床参数构建深度学习模型预测MVI状态和分级	单中心回顾性研究，样本量有限，需要多中心前瞻性验证	预测肝细胞癌微血管侵犯状态以指导治疗决策和预后评估	经病理证实MVI状态的肝细胞癌患者	医学影像分析	肝细胞癌	动态对比增强磁共振成像	CNN	医学影像, 临床参数	601例肝细胞癌患者（376例MVI阴性，225例MVI阳性）	NA	多分支CNN	AUC, 准确率	NA
19	2025-10-06	DRONE: Dual-Domain Residual-based Optimization NEtwork for Sparse-View CT Reconstruction 2021-11, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2021.3078067 PMID:33956627	研究论文	提出一种基于双域残差优化的稀疏视图CT重建网络DRONE	设计了包含嵌入、精炼和感知三个模块的双域残差优化网络，通过数据域和图像域的协同处理有效抑制稀疏视图伪影	NA	解决稀疏视图CT重建挑战，从极少投影中实现高质量图像重建	临床前和临床数据集	医学影像重建	NA	CT成像	深度学习网络	CT投影数据（正弦图）、医学图像	临床前和临床数据集	NA	DRONE（双域残差优化网络）	边缘保持、特征恢复、重建精度	NA
20	2025-07-20	Quantitative Imaging of Body Fat Distribution in the Era of Deep Learning 2021-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2021.04.004 PMID:34023197	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA