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
181	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
182	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
183	2026-03-31	Optimization of a Sports Activity Development Model Using Artificial Intelligence under New Curriculum Reform 2021-08-27, International journal of environmental research and public health DOI:10.3390/ijerph18179049 PMID:34501638	研究论文	本研究利用人工智能技术优化体育教学活动模型，通过深度学习建立基于LSTM神经网络的人体运动识别模型，以提升学生运动识别和身体状况检测的准确性	提出结合人工智能和深度学习技术的新型体育教学活动模型，采用智能穿戴系统进行学生状态检测并建立反馈系统，相比传统算法具有更高的运动识别准确率	未明确说明模型在不同年龄、性别或运动能力学生群体中的泛化能力，以及长期实际教学环境中的稳定性验证	优化体育教学活动模型，提高学生身体素质和运动技能，满足新课程改革对体育教育发展的要求	体育教学活动中的学生运动状态和身体状况	机器学习	NA	深度学习，智能穿戴系统	LSTM	运动数据	未明确说明具体样本数量，仅提及构建了数据集进行模型训练和测试	未明确说明	LSTM神经网络	识别准确率，损失值	未明确说明
184	2026-03-29	Deep learning models for the prediction of intraoperative hypotension 2021-04, British journal of anaesthesia IF:9.1Q1 DOI:10.1016/j.bja.2020.12.035 PMID:33558051	研究论文	本研究开发并验证了基于深度学习算法，利用患者监测的生物信号波形，在低血压事件发生前5、10和15分钟进行实时预测的模型	提出了结合多种生物信号（如动脉压波形、心电图、光电容积脉搏波和二氧化碳波形）的多通道深度学习模型，相较于单一信号模型，在预测低血压事件方面表现出更高的性能	研究为回顾性观察性研究，可能存在选择偏倚；模型性能在非侵入性监测中相对较低，且未在外部数据集上进行验证	开发能够实时预测术中低血压事件的深度学习算法，以降低术后器官功能障碍的风险	接受非心脏手术的患者，通过患者监测获取的生物信号波形	机器学习	心血管疾病	生物信号波形分析	深度学习模型	生物信号波形数据	3301名患者	NA	NA	AUROC, MAE	NA
185	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
186	2026-03-22	Deep learning analysis of resting electrocardiograms for the detection of myocardial dysfunction, hypertrophy, and ischaemia: a systematic review 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab048 PMID:34604757	系统综述	本文系统综述了深度学习在分析静息心电图以检测心肌功能障碍、心肌肥厚和缺血等结构性心脏病变方面的证据	首次系统性地评估了端到端深度学习模型在静息心电图分析中用于检测结构性心脏病变（非心律失常性）的性能，并总结了其相较于基于规则的模型和其他机器学习模型的优越性	仅纳入了12篇符合标准的研究，样本量和研究设计存在异质性；排除了动态心电图、负荷心电图、心内或植入式设备获取的心电图数据，可能限制了结论的普适性	评估深度学习分析静息心电图在预测结构性心脏病变（如左心室收缩功能障碍、心肌肥厚和缺血性心脏病）方面的证据和临床适用性	已发表的关于使用端到端深度学习分析静息心电图信号以检测结构性心脏病变的原始研究文章	数字病理学	心血管疾病	深度学习	CNN	心电图信号	NA	NA	卷积神经网络	AUC, 准确率	NA
187	2026-03-22	The discerning ear: cardiac auscultation in the era of artificial intelligence and telemedicine 2021-Sep, European heart journal. Digital health DOI:10.1093/ehjdh/ztab059 PMID:36713594	综述	本文综述了人工智能和远程医疗时代下心脏杂音听诊的现代进展，包括儿科心脏杂音的病因、诊断、管理，以及计算机辅助听诊和深度学习技术的影响	结合人工智能和远程医疗技术，为儿科心脏杂音听诊提供更新的视角，并探讨深度学习对杂音分析的范式转变影响	NA	为现代儿科心脏病学家提供关于人工智能对心脏听诊影响的更新视角	儿科心脏杂音，从早产新生儿到青春期晚期	数字病理学	心血管疾病	计算机辅助听诊，数字听诊器	深度学习	听诊音频数据	NA	NA	NA	NA	NA
188	2026-03-22	The effect of confounding data features on a deep learning algorithm to predict complete coronary occlusion in a retrospective observational setting 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztab002 PMID:36711180	研究论文	本研究评估了深度学习算法在预测冠状动脉完全闭塞中的可行性，并探讨了数据特征混淆对模型性能的影响	揭示了深度学习模型在数据泄露情况下可能产生虚假高结果的风险，强调了在回顾性观察性研究中数据质量控制的重要性	数据集规模过小，导致第二次实验模型性能不佳；存在数据泄露问题，影响了第一次实验结果的可靠性	评估深度学习算法在检测冠状动脉闭塞方面的可行性，并与心脏病专家及STEMI标准进行比较	STAFF III数据库中的心电图样本，包括急性冠状动脉闭塞样本和无闭塞样本	机器学习	心血管疾病	心电图分析	CNN	心电图信号	STAFF III数据库中的样本，具体数量未明确说明	未明确说明	深度卷积神经网络	F1分数	未明确说明
189	2026-03-22	Artificial intelligence assessment for early detection of heart failure with preserved ejection fraction based on electrocardiographic features 2021-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaa015 PMID:36711179	研究论文	本研究开发了一种基于心电图特征的深度学习模型，用于早期检测射血分数保留的心力衰竭	首次开发了一种可解释的深度学习模型，利用常规心电图设备进行HFpEF的可靠和经济筛查，并通过内部和外部验证展示了高性能	研究为回顾性队列设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性研究中进一步验证	开发并验证一种基于心电图的深度学习模型，用于早期筛查射血分数保留的心力衰竭	接受超声心动图和心电图检查且左心室收缩功能正常的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	内部开发集：20,169名患者的32,671份心电图；内部验证集：1,979名患者；外部验证集：11,955名患者	NA	集成神经网络	受试者工作特征曲线下面积	NA
190	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
191	2026-03-21	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	本文介绍了一种结合生物正交化学和计算分析流程的创新技术FAST-FNA，用于通过细针抽吸对肿瘤免疫微环境进行快速、连续的免疫分析	首次证明通过简单的细针抽吸可以准确、连续地测量治疗期间复杂且快速演变的肿瘤免疫微环境，结合了生物正交化学和深度学习辅助分析流程	NA	开发一种微创方法，用于在免疫治疗期间连续评估肿瘤免疫微环境，以发现和整合预测性或预后性生物标志物	临床前小鼠模型和人类癌症患者的肿瘤免疫微环境中的单细胞	数字病理学	癌症	细针抽吸、生物正交化学、流式细胞术	深度学习	图像、单细胞数据	临床前样本和人类样本（具体数量未在摘要中明确说明）	NA	NA	R2（决定系数）	NA
192	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
193	2026-03-13	MET Exon 14 Skipping: A Case Study for the Detection of Genetic Variants in Cancer Driver Genes by Deep Learning 2021-Apr-19, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms22084217 PMID:33921709	研究论文	本研究利用深度学习技术检测非小细胞肺癌中MET外显子14跳跃事件，并探索未表征的MET异构体	开发了专门针对MET外显子14跳跃检测的神经网络和稀疏连接自编码器，首次将深度学习应用于该特定癌症驱动基因变异的识别	假阳性病例中存在外显子14覆盖模糊的情况，且样本主要来源于TCGA数据库，可能限制了模型的泛化能力	检测癌症驱动基因中的遗传变异，特别是MET外显子14跳跃事件，以辅助肿瘤进展和治疗研究	非小细胞肺癌（NSCLC）中的MET基因转录本	机器学习	肺癌	RNA-seq	CNN, 自编码器	RNAseq数据	690个手动整理的TCGA支气管和肺样本用于测试，2605个TCGA样本用于全局应用	NA	神经网络（NN/CNN），稀疏连接自编码器	检测率（大于94%）	NA
194	2026-03-10	Deep learning for abdominal ultrasound: A computer-aided diagnostic system for the severity of fatty liver 2021-09-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000585 PMID:34282076	研究论文	本文开发了一种基于深度学习的计算机辅助诊断系统，利用B型超声图像评估脂肪肝并分类其严重程度	开发了基于卷积神经网络的模型，用于从B型超声图像中自动评估脂肪肝严重程度，实现了与昂贵非侵入性诊断方法相当的预测性能，特别是在轻度脂肪变性的鉴别能力方面	存在机器依赖性变异、运动伪影、缺乏其他工具的二次确认以及医院依赖性区域偏差	开发一种非侵入性、成本效益高的脂肪肝严重程度评估方法	B型超声图像	计算机视觉	脂肪肝	B型超声成像	CNN	图像	来自2070名患者的21855张图像，包括正常（11307张）、轻度（4467张）、中度（3155张）和重度脂肪变性（2926张）	NA	VGG19, ResNet-50 v2, MobileNet v2, Xception, Inception v2	AUC	NA
195	2026-03-10	Accurate diagnosis of endoscopic mucosal healing in ulcerative colitis using deep learning and machine learning 2021-07-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000559 PMID:34050105	研究论文	本研究开发了一种结合深度学习和机器学习的计算机辅助诊断系统，用于准确诊断溃疡性结肠炎患者的黏膜愈合状态	开发了DLML-CAD系统，结合预训练神经网络特征提取与多种分类器（DNN、SVM、k-NN）及集成学习，实现了对溃疡性结肠炎内镜下黏膜愈合的高精度自动诊断	研究样本量有限（仅54名患者的856张图像），且数据来源于单一医疗中心，可能影响模型的泛化能力	开发一种计算机辅助诊断系统，以客观、准确地评估溃疡性结肠炎患者的内镜下黏膜愈合状态	溃疡性结肠炎患者的内镜结肠图像	数字病理学	溃疡性结肠炎	内镜成像	DNN, SVM, k-NN	图像	54名患者的856张内镜图像	NA	预训练神经网络（具体架构未指定）	准确率, 灵敏度, 特异性	NA
196	2026-03-10	Concordance analysis of intrapartum cardiotocography between physicians and artificial intelligence-based technique using modified one-dimensional fully convolutional networks 2021-Feb-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000000416 PMID:32858548	研究论文	本研究使用基于一维全卷积网络的人工智能方法，分析产时胎心监护图，并与临床医生评估进行一致性比较	首次将改进的一维全卷积网络应用于胎心监护图的自动识别，并评估其在非安心胎儿状态评估中的潜力	研究为单中心回顾性研究，样本量有限（3239条记录），且模型假阳性率较高	评估人工智能技术在胎心监护图识别中的性能，探索其在胎儿健康监测中的应用	产时胎心监护记录和新生儿Apgar评分	医疗人工智能	产科疾病	电子胎儿监护	FCN	时间序列数据	3239条胎心监护记录，来自292次分娩	NA	改进的一维全卷积网络	Cohen's kappa系数, AUC, 灵敏度, 假阳性率	NA
197	2026-03-06	Replay in Deep Learning: Current Approaches and Missing Biological Elements 2021-10-12, Neural computation IF:2.7Q3 DOI:10.1162/neco_a_01433 PMID:34474476	综述	本文首次全面比较了哺乳动物大脑中的重播机制与人工神经网络中的重播算法，并探讨了深度学习系统中缺失的生物重播元素及其潜在改进方向	首次系统性地对比生物神经重播与人工重播机制，识别深度学习系统中缺失的关键生物元素，并提出改进假设	未进行实证验证，主要基于理论分析和假设	探讨重播机制在生物与人工神经网络中的异同，并提出改进深度学习系统的方法	哺乳动物大脑的重播机制与人工神经网络中的重播算法	机器学习	NA	NA	深度人工神经网络	NA	NA	NA	NA	NA	NA
198	2026-03-06	A statistical framework for non-negative matrix factorization based on generalized dual divergence 2021-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2021.03.020 PMID:33892302	研究论文	提出了一种基于广义对偶Kullback-Leibler散度的非负矩阵分解统计框架，并开发了相应的算法家族	该框架基于广义对偶散度，可涵盖指数族模型成员，并推广了针对不同噪声结构的现有方法，与最近发展的拟似然方法形成对比	未在摘要中明确说明	为非负矩阵分解提供一个统一的统计框架和算法家族	非负矩阵分解模型及其在无监督和半监督学习中的应用	机器学习	癌症	非负矩阵分解	NA	模拟数据和真实数据	NA	NA	NA	拟合优度度量	NA
199	2026-03-06	Multi-channel attention-fusion neural network for brain age estimation: Accuracy, generality, and interpretation with 16,705 healthy MRIs across lifespan 2021-08, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2021.102091 PMID:34038818	研究论文	本文提出了一种多通道注意力融合神经网络（FiA-Net），用于从健康脑部T1加权磁共振图像中准确估计大脑年龄，并提升模型的泛化能力和可解释性	首次将T1加权图像显式分割为对比度和形态学两个3D图像通道，并引入“带注意力的融合”深度学习卷积神经网络（FiA-Net），以优化不同脑解剖结构和特征层中图像通道的融合方式	NA	提高健康脑部MRI年龄估计的准确性、泛化性和可解释性，以辅助脑部疾病的早期检测	16,705名健康个体的T1加权磁共振图像，年龄跨度为0-97岁	数字病理学	NA	T1加权磁共振成像	CNN	图像	16,705名健康个体的MRI数据	NA	FiA-Net	平均绝对误差（MAE）, 皮尔逊相关系数（r）	NA
200	2026-03-06	Metrics of sleep apnea severity: beyond the apnea-hypopnea index 2021-07-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsab030 PMID:33693939	综述	本文回顾了阻塞性睡眠呼吸暂停（OSA）严重程度评估指标的历史、预测价值及局限性，并探讨了替代指标和未来研究方向	系统性地批判了传统呼吸暂停低通气指数（AHI）的不足，并引入了缺氧负荷、觉醒强度、比值乘积和心肺耦合等新兴指标，同时展望了利用遗传学、生物标志物、机器学习/深度学习和可穿戴技术的未来研究方向	文章为综述性质，未提供原始实验数据或新模型的验证结果，主要基于现有文献进行分析和总结	评估和比较阻塞性睡眠呼吸暂停（OSA）严重程度的不同度量指标，探索更有效的诊断和预后评估方法	阻塞性睡眠呼吸暂停（OSA）患者及其相关临床数据	NA	阻塞性睡眠呼吸暂停	NA	NA	NA	NA	NA	NA	NA	NA